Fı́sica Aplicada

Rodrigo Urzúa-Leiva y Romina Muñoz-Buzeta.

Departamento de Fı́sica y Quı́mica
Universidad Autónoma de Chile

Laboratorio N◦ 1 − Análisis gráfico de funciones, estudio M.R.U

En la naturaleza, los fenómenos que podemos estudiar poseen diversas formas funcionales. Mediante
representaciones gráficas de estos fenómenos, se pueden identificas rápidamente las tendencias que ellos
presentan y además proponer modelos matemáticos que permitan predecir el comportamiento de dichos
fenómenos. Como consecuencia de estos modelos, uno puede obtener y comprobar leyes fı́sicas, ası́ como
sus constantes caracterı́sticas, las que evaluaremos a lo largo de todas las experiencias de laboratorio.
En este laboratorio aprenderemos a identificar las variables involucradas en el M.R.U y establecer la
relación funcional que mejor se ajuste a los datos. Además se estudiara el método de los mı́nimos
cuadrados para realizar ajustes matemáticos y la forma en que se presentaran y analizaran sus
resultados.

Objetivos
• Identificar y representar gráficamente las variables que intervienen en un experimento.
• Determinar la relación funcional entre dos variables que se relacionan de manera no lineal utilizando
el método de los mı́nimos cuadrados.
• Interpretar fı́sicamente las constantes estimadas del proceso de ajuste.

1. Introducción

Las preguntas naturales sobre la explicación de los fenómenos cotidianos o fı́sicos se refieren a la relación
entre las variables observadas. La primera fase de investigación sobre un fenómeno nunca antes estudiado
consiste en la búsqueda de las variables que puedan estar relacionadas entre si [1].
El estudio de la relación entre dos variables implica la experimentación, donde una de las variables será
modificada o registrada a voluntad de quien realice el estudio y la segunda variable será adquirida en
respuesta a esta modificación, lo que constituye el proceso de experimentación. Sin embargo, para poder
determinar la relación entre las variables bajo estudio, es necesario además:

Ordenar y representar los datos mediante una tabla de datos.

Representar gráficamente esta información.
Determinar la relación funcional que caracterice el gráfico.

1.1. Tabla de Datos

Para representar los datos en una tabla debemos tener claridad en quien representa a la variable
independiente del estudio ası́ como quien a la variable dependiente, entendiéndose como variable
independiente aquella controlada por el experimentador/a y por variable dependiente a aquella cuyo
valor depende del fenómeno fı́sico bajo estudio.
Para representar correctamente los pares de datos obtenidos, en la columna de la izquierda se suele indicar
la variable independiente mientras que en la columna de la derecha se indica la variable dependiente.

1
 Durante el desarrollo de esta guı́a, ası́ como generalmente ocurre en otros textos, la variable inde-
pendiente es llamada x , y la variable dependiente es llamada y .
Es importante recalcar que estos son solo nombres asignados a las variables para denotar el desa-
rrollo y las fórmulas que serán utilizadas, sin embargo, estos cambian dependiendo del fenómeno
bajo estudio, por lo que una variable de posición x también puede convertirse en una variable
dependiente.
La tabla quedarı́a expresada como

1.2. Representación gráfica de datos y rectificación lineal

Un gráfico permite visualizar el comportamiento de las magnitudes que caracterizan el fenómeno en

estudio, y ası́ poder establecer una relación matemática entre las variables que intervienen en el evento.
La ecuación obtenida es lo que se denomina “relación funcional”. La determinación e interpretación
de la relación funcional asociada al gráfico constituye uno de los objetivos más importantes de la expe-
rimentación.

Al representar los datos contenidos en la tabla por medio de un gráfico, estos deben ubicarse en un
plano cartesiano donde en el eje horizontal, llamado abscisa, se ubica la variable independiente y en
el eje vertical, llamado ordenada, la variable dependiente. El punto de intersección de ambos ejes es el
origen. Cada par de datos se ubica como un punto en el plano cartesiano [1].

Sobre el gráfico es posible proyectar una curva continua uniendo todos los puntos. Si esta curva es
representativa, podrı́amos indicar que cualquier punto de la misma representa una observación que
se habrı́a obtenido si se hubiera hecho una medición en el instante adecuado. El considerar valores
intermedios que no están registrados en la tabla, se denomina interpolación, mientras que el considerar
puntos más allá de los contemplados en los extremos de la tabla, se habla de extrapolación [1].

2
Relación Lineal. Cuando representamos datos de manera gráfica es más fácil poder reconocer la
relación entre las variables graficadas. Si la relación entre ambas variable es proporcional o inver-
samente proporcional, la representación gráfica se verá como una lı́nea recta. Diremos entonces
que la relación es de tipo lineal, como se observa en el gráfico de la izquierda.

y =m·x+b

Donde x e y son variables, mientras que m y b son constantes conocidas como pendiente y
coeficiente de posición (o intercepto) respectivamente.
La pendiente m se relaciona con la inclinación de la lı́nea recta, esta puede ser positiva (si las
variables se relación de forma directamente proporcional) o negativa (si las variables se relacionan
de forma inversamente proporcional).
El coeficiente de posición o intercepto b corresponde al punto donde la recta intersecta al eje Y.

Relación No Lineal. Si el gráfico no presenta una lı́nea recta, si no que cualquier otra relación
entre las variables como una potencia, exponencial, logarı́tmica, entre otras, diremos que la
relación entre ambas variable es de tipo no lineal, como se observa en el gráfico de la figura de
la derecha.

Figura 1: (a) Gráfica de relación lineal a la izquierda. (b) Gráfica de relación no lineal a la
derecha.

3
Método de los mı́nimos cuadrados. Es una técnica de análisis numérico enmarcada dentro de
la optimización matemática, en la que, dados un conjunto de pares de datos, se intenta encontrar
la función lineal, que mejor se aproxime a los datos (un ”mejor ajuste”), de acuerdo con el criterio
de mı́nimo error cuadrático. La implementación del método de los mı́nimos cuadrados si bien no
es la más sencilla, es la que mejor representa la información de una tabla de datos, y por lo tanto
será la que utilizaremos en nuestros laboratorios. La forma en que se deben implementar este
método será estudiada con detalle a continuación [2].
Las fórmulas que permiten calcular m y b usando este método, dependen de las sumatorias de
las variables dependientes e independientes, ası́ como de otras cantidades que se indicarán a
continuación.
Para aplicarlo de la mejor manera es útil seguir los siguientes pasos:
1. Tabla extendida. Crear una tabla extendida que considere las columnas que se indican en la
figura

2. Determinar el valor D, el que es definido como

x2i ) − (( xi ) 2 )
X X
D = (n ·

Donde n representa al número de pares de datos adquiridos (número de filas de la tabla).

4
3. Pendiente y coeficiente de posición. Determinar la pendiente m y el coeficiente de posición
b como :
(n ·
xi yi ) − ( xi yi )
P P P
m =
D P P
( yi x2i ) − ( xi xi yi )
P P
b =
D
4. Coeficiente de correlación. No siempre ocurre que todos los puntos que se encuentran con-
signados en una tabla se posicionan exactamente sobre la recta; esto ocurre porque los datos
medidos son experimentales y están afectados de alguna manera, como se explicó en las expe-
riencias anteriores, por cierto error. Si ocurriese que los puntos no están sobre la recta y están
próximos a ella, puede seguirse confiando en que corresponden a la misma relación funcional entre
las variables [1].
El método de los mı́nimos cuadrados permite cuantificar el grado de linealidad entre las variables
en estudio por medio del llamado coeficiente de correlación r .
Esta es una métrica que es usada para cuantificar la calidad del ajuste realizado. Los valores que
puede tomar r están en el intervalo [−1, 1], esto significa que cuando |r| → 1, decimos que la
relación es lineal y que cuando|r| → 0, la relación no es lineal.
En el método de los minimos cuadrados el coeficiente de correlación se calcula como
(n · xi yi ) − (
P P P
yi ) xi
r = q P 2
D · ((n yi ) − (( yi )2 ))
P

Imagen adaptada desde curso Analista de Datos, Fundación Carlos Slim.

5
 5. Errores en la pendiente y coeficiente de posición. Como la determinación de las cons-
tantes m y b es un método de optimización, no es absolutamente exacto, por lo que es posible
determinar los errores asociados al ajuste. Para ello debemos realizar otras tres columnas en
nuestra tabla extendida

Estas columnas dependen de las cantidades

yei = m · xi + b
di = yei − yi

Finalmente los errores puedes calcularse como:

v
n · ( d2i )
u P
u
∆m = t
(n − 2) · D
v
u P 2 P 2
u ( xi )( di )
∆b = t
(n − 2) · D

1.3. Rectificación de relaciones no lineales

Si recordamos el procedimiento de ajuste, a los datos que se relacionan linealmente es posible aplicar el
método de los mı́nimos cuadrados para obtener la pendiente y el coeficiente de posición de la mejor recta
que ajusta a los datos, pero este método no es válido si aquellos datos no se comportan linealmente.
Si este es el caso, antes de aplicar el método de los mı́nimos cuadrados se debe realizar una rectificación.
Tal como su nombre indica, la rectificación permite por medio de una manipulación matemática de
la ecuación teórica que gobierna el fenómeno bajo estudio, el poder obtener nuevas variables que si
se relacionen linealmente. Es importante recalcar que para realizar la rectificación debe conocerse la
ecuación teórica que describa el fenómeno.
Dependiendo de la ecuación teórica que represente al fenómeno bajo estudio es posible aplicar las
siguientes rectificaciones para obtener nuevas relaciones de tipo lineal.

6
Ejemplo 1: Rectificación de funciones exponenciales y = A · ec·x , con A y c constantes.
Si bien este tipo de relación es poco frecuente en mecánica, si se observa en el estudio del electro-
magnetismo y la termodinámica. En este caso si llamado x a la variable independiente e y a la
variable dependiente, al graficar la tabla de datos obtenidas desde la experimentación, deberı́amos
obtener una gráfica similar a la representada en la figura 2.a Manipulando matemática la ecuación,
aplicando el logaritmo natural a ambos lados de la igualdad

y = A · ec·x /Ln
Ln(y) = Ln(A · ec·x )
Ln(y) = Ln(A) + Ln(ec·x )
Ln(y) = Ln(A) + c · xLn(e)
Ln(y) = Ln(A) + c · x

Es posible notar que si definimos una nueva variable dependiente como y 0 = Ln(y), y manteniendo
la variable independiente x, al comparar con la ecuación de la recta

Ln(y) = Ln(A) + c · x
y0 = b + m · x (1)

Figura 2: (a) Gráfico de variables originales las que se comportan de forma no lineal. (b) Gráfico
de variables rectificadas las que se comportan de manera lineal.

Estas nuevas variables rectificadas son conocidas, ya que x e y lo son, lo que hace posible obtener
una nueva tabla de datos para la relación rectificada”.

Figura 3: (a) Tabla original donde las variables se relaciona de forma exponencial. (b) Tabla de
variables rectificadas donde se relacionan de manera lineal.

Graficando esta nueva tabla de datos, Ln(y) versus x deberı́amos obtener como resultado una
lı́nea recta como indica la Figura 2.b.
Finalmente a esta nueva relación lineal, es posible aplicar el método de los mı́nimos cuadrados,
permitiendo obtener la pendiente, coeficiente de posición y sus respectivos errores, los que si
comparamos con la Ec.(1), podemos concluir que:
La pendiente m = c,
El coeficiente de posición b = Ln(A)

7
Ejemplo 2: Rectificación de funciones potenciales y = A · xn , con A y n constantes.
Este tipo de relación es mucho más frecuente en mecánica, por ejemplo la posición de un movi-
miento uniformemente acelerado depende del tiempo al cuadrado t2 . En este caso si llamados x a
la variable independiente e y a la variable dependiente, deberı́amos obtener una gráfica similar a la
representada en la figura 4.a . Manipulando matemática la ecuación, aplicando ahora el logaritmo
en base 10 a ambos lados de la igualdad

y = A · xn /Log
Log(y) = Log(A · xn )
Log(y) = Log(A) + Log(xn )
Log(y) = Log(A) + n · Log(x)

Es posible notar que si definimos una nueva variable dependiente como y 0 = Log(y), y transfor-
mando también la variable independiente x0 = Log(x), al comparar con la ecuación de la recta

Log(y) = Log(A) + n · Log(x)

y 0 = b + m · x0 (2)

Figura 4: (a) Gráfico de variables originales las que se comportan de forma no lineal. (b) Gráfico
de variables rectificadas las que se comportan de manera lineal.

Estas nuevas variables rectificadas son conocidas, ya que x e y lo son, lo que hace posible obtener
una nueva tabla de datos para la relación ”rectificada”(figura 3). Finalmente al graficar Log(y)
versus Log(x) deberı́amos obtener como resultado una lı́nea recta como indica la figura 4.b.
Aplicar el método de los mı́nimos cuadrados a la tabla rectificada permite obtener la pendiente,
coeficiente de posición y sus respectivos errores, los que si interpretamos desde la Ec.(3), podemos
concluir que:

La pendiente m = n,
El coeficiente de posición b = Log(A)

Permitiendo nuevamente poder interpretar fı́sicamente los coeficientes de la ecuación de la recta

con respecto a variables de la ecuación teórica utilizada.

8
 Ejemplo 3: Otras rectificaciones . Ejemplo función trigonométrica y = A · cos(x), con
A constante (y = A · f (x)).
Otras relaciones más o menos complejas pueden aparecer en la descripción de un sistema fı́sico.
En este caso si llamamos x a la variable independiente e y a la dependiente, al graficar la tabla
de datos obtenidas desde la experimentación, deberı́amos obtener una gráfica periódica. Para
rectificar relaciones como esta es posible definir una nueva variable independiente que involucre
a la función x0 = f (x). En el ejemplo, es posible notar que si definimos una nueva variable
dependiente como y 0 = y, y transformando también la variable independiente a x0 = cos(x), al
comparar con la ecuación de la recta:

La pendiente m = A,
El coeficiente de posición b = 0

y = A · cos(x)
y 0 = b + m · x0 (3)

2. Actividad

Ajuste lineal de datos, estudio del M.R.U.

Como ya se indagó en la unidad de cinemática, el movimiento rectilı́neo uniforme, más conocido
como M.R.U, es un movimiento cuya principal caracterı́stica es que su velocidad es constante, es
decir, su aceleración es nula. De esta forma la ecuación de itinerario que caracteriza el movimiento
está descrita por la forma

x(t) = x0 + v0 · t

Donde x(t) es la posición para un determinado tiempo t, x0 la constante que define la posición
inicial del móvil y v0 la velocidad inicial del mismo.
En esta relación funcional, el tiempo corresponde a la variable independiente mientras que la
posición a la variable dependiente.
Los objetivos especı́ficos de esta actividad son:
Determinar la relación funcional de un conjunto de datos que representan a un M.R.U.
utilizando el método de los mı́nimos cuadrados.
Determinar cantidades fı́sicas relacionadas con el M.R.U. comparando la relación funcional
obtenida con la ecuación de itinerario x(t) .

2.1. Materiales

Tabla de datos del M.R.U

9
2.2. Procedimiento

Use la tabla de datos experimentales que su profesor pondrá a su disposición para realizar el ajuste
y obtener los parámetros solicitados.

2.3. Reporte de Laboratorio

Instrucciones
Responda las siguientes preguntas de manera ordenada, argumentando en cada caso según
corresponda. Entregue, siguiendo las indicaciones de su profesor/a el reporte de laboratorio antes
de que concluya la clase.

1. Indique quienes son en su caso las variables independiente y dependiente.

2. Adjunte de manera ordenada y siguiendo las indicaciones de la introducción la tabla de datos.
3. Realice un gráfico de los datos adquiridos en la tabla. ¿Qué tipo de relación es la que observa?.
4. Construya la tabla extendida para utilizar el método de los mı́nimos cuadrados con el fin de
calcular m , b y r. Determine la cantidad D definida anteriormente.
5. Determine la pendiente m, el coeficiente de posición b y el coeficiente de correlación r utili-
zando las fórmulas indicadas en la introducción.
6. Escriba la ecuación de la recta que describe a sus datos.
7. Compare su ecuación de la recta con la ecuación de itinerario para el M.R.U. ¿Cuál serı́a la
posición y velocidad inicial en su caso?.
8. Según el coeficiente de correlación obtenido, ¿Qué podrı́a decir acerca del ajuste lineal obte-
nido?.

Referencias

[1] Aqueveque, M. (2021). Sesión Análisis de variables, Fı́sica I, Universidad Autónoma de Chile.
[2] Hughes, I., & Hase, T. (2010). Measurements and their uncertainties: a practical guide to modern
error analysis. OUP Oxford.

10