Вы находитесь на странице: 1из 15

DEVOLUCIÓN

-Comentarios generales:
Muy buen reporte.
-Estructura:
Correcta, muy bien ordenado.
-Presentación:
Muy buen trabajo. Prolijo y bien redactado. Acostúmbrense a utilizar alineación justificada, ya que ayuda a
darle uniformidad al texto. También tengan presente que si bien no está mal hacer punteos en un informe, lo
ideal es hacerlo sólo si resulta necesario.
-Contenido:
Claro y conciso. Les indiqué algunas sugerencias para futuros informes, sobre todo en lo que respecta la
presentación de los gráficos. Revisen las correcciones.
-Resolución en MATLAB:
Muy buen trabajo. Les indiqué algún comentario en el script.
-Discusión de resultados:
Muy buena discusión de sus gráficos y resultados. Faltó sintetizarlos más concretamente en las conclusiones.
-------------------------------------------------------------------------------------------------------------------------------------------------
CALIFICACIÓN: Muy bueno
-------------------------------------------------------------------------------------------------------------------------------------------------
Práctica 1:
Introducción a
Matlab y
medidas
Mauricio Gómez – Gastón Raggio

Física Experimental 1 – FING – Primer semestre 2017


Práctica 1: Introducción a Matlab y medidas


Práctica 1: Introducción a
Matlab y medidas
Mauricio Gómez – Gastón Raggio

Objetivos:
El objetivo principal de esta práctica es familiarizarse con el uso de Matlab, un programa que será de
gran utilidad para análisis de datos. Mediante esta sencilla experiencia, comenzaremos a utilizar
comandos básicos de este programa, como crear vectores, operar con ellos, cargar archivos con datos
y trabajar con gráficas.

La práctica consiste en la determinación experimental del valor de π, una constante muy utilizada en
matemáticas, sobre todo en el área de la geometría.

Para determinar este valor, trazaremos circunferencias y mediremos su perímetro y su área


manualmente, para luego deducir desde las fórmulas el valor de π.

COMPARACION EXPECTATIVAS / RESULTADOS

Procedimiento: Traten de evitar punteos a menos que sea necesario. En este


Materiales: caso, pueden enumerar estos elementos en un texto más
integrado, aprovechando a comentar las apreciaciones de los
instrumentos de medición.
- Hojas milimetradas
- Regla metálica (con una apreciación de 0.1 cm)
- Tanza
- Compás
- Tijera

Procedimiento:

Dibujamos circunferencias de distintos tamaños, tomando como guía para su radio a las marcas de
la hoja milimetrada. Para asegurarnos de que el compás funcionara correctamente, elegimos tomar
medidas (de radios) que van desde 3.0 cm a 6.0 cm, trazando una cada 0.5 cm. De elegir medidas
menores, se corre mayor riesgo de que el compás pierda precisión a la hora de trazar.

Trazamos las circunferencias concéntricas para aprovechar el espacio de la hoja.

Para medir el perímetro, apoyamos un extremo de la tanza sobre un punto marcado de la


circunferencia. Intentando cubrir el contorno de la circunferencia, trasladamos la tanza a lo largo de
ella. Al llegar al punto de inicio, marcamos la tanza y la cortamos.

Objetivos:  1
Práctica 1: Introducción a Matlab y medidas


Luego del corte, estiramos el trozo de tanza sobre la regla, apoyando uno de sus extremos sobre el 0,
y tomamos la medida del largo.

A la hora de calcular el área, hicimos uso de la simetría de la circunferencia para dividirla en cuatro
partes iguales, y calcular el tamaño de una superficie menor, que resulta ser la cuarta parte de la
superficie total.

El método utilizado para calcular el área consistió en trazar rectángulos de base 1.0 cm, y altura
máxima tal que todos los cuadrados de la hoja, pertenecientes al rectángulo quedaran
completamente dentro de la circunferencia (emulando una suma de Riemann inferior).

Luego de esto, contamos aquellos cuadrados que quedaron fuera de los rectángulos, pero dentro de
la circunferencia, sin tomar aquellos que estaban parcialmente contenidos en la circunferencia.

Calculamos el área de los rectángulos obtenidos, y sumamos a ella la cantidad de cuadrados libres
(sabiendo que el área de un cuadrado es de 0.01 cm2), lo que resulta en el área experimental de un
cuarto de círculo.
Aquí, al separar en tantos párrafos, vuelven
a simular la estructura de un punteo
Finalmente, para obtener el área total, multiplicamos ese número por 4. esquemático. Traten de agruparlo en
párrafos más grandes.

Orígenes de incertidumbre:

Cuando medimos el perímetro de la circunferencia tenemos como primera fuente de incertidumbre


la medida de los cuadrados de la hoja milimetrada, ya que, a pesar de ser muy pequeño, su grosor
lleva a una incertidumbre. Además, el grosor del lápiz que traza la circunferencia conduce a otra
duda.

Más allá de las incertidumbres generadas en el trazado, encontramos fuentes de error en la medición
del perímetro, dado que el procedimiento depende de quien tome las medidas y su precisión a la
hora de trasladar la tanza.

Finalmente, debemos considerar que al apoyar la tanza sobre la regla el material puede estirarse o
deformarse, generando así errores en la medida final.

En cuanto al cálculo del área, la simplicidad del método de Riemann contrasta con su alto grado de
incertidumbre, por lo que decidimos tomar en cuenta aquellos cuadrados que quedaron totalmente
contenidos en la circunferencia. Aun así, se genera incertidumbre en aquellos cuadrados
parcialmente contenidos que no contamos.

Debemos considerar también que medimos solamente un cuarto de la circunferencia, por lo que
podemos presumir que el error generado por ello es mayor al que hubiésemos obtenido de medir el
área de la circunferencia entera.

Recuerden siempre incluir un esquema o imagen de la práctica.


Datos tomados: En este caso, podría haber ayudado poner una imagen que
ilustrara el método para medir perímetro y área, por ejemplo.
Incertidumbres:

Datos tomados:  2
Práctica 1: Introducción a Matlab y medidas


Considerando los orígenes de incertidumbre mencionados anteriormente, y sabiendo que la


apreciación de la regla es 0.1 cm, debemos tomar como incertidumbre del perímetro un número
mayor que tal. Observando los datos tomados, podemos concluir que una incertidumbre razonable
sería de ± 0.4 cm. Aquí deberían justificar un poco más. ¿Cómo hacen una decisión de ese
estilo observando sus datos? ¿Qué observaron de ellos?

Para la incertidumbre del área, contamos aquellos cuadrados que están parcialmente contenidos, y
tomamos el área de ellos como incertidumbre.

La tabla de medidas resultaría entonces:

Radio Perímetro Incertidumbre Área


Incertidumbre Incertidumbre
experimental experimental perímetro experimental
Radio (± cm) área (± cm2)
(cm) (cm) (± cm) (cm2)
3.0 0.1 19.1 0.4 28.0 0.3
3.5 0.1 22.1 0.4 37.5 0.4
4.0 0.1 25.1 0.4 50.2 0.5
4.5 0.1 28.5 0.4 63.0 0.6
5.0 0.1 31.7 0.4 77.6 0.4
5.5 0.1 34.9 0.4 92.7 0.5
6.0 0.1 37.6 0.4 112.7 0.6

Datos tomados:  3
Práctica 1: Introducción a Matlab y medidas


Análisis de datos:

Ilustración 1 Perímetro y Área en función del radio de la circunferencia (según modelo teórico)

Para comenzar a analizar los datos experimentales, consideramos atinado tener en cuenta el modelo
teórico sobre el cual estamos haciendo la experiencia, para tener un punto de referencia. Los gráficos
luego de analizar las medidas deberían tener un aspecto similar a los de la Ilustración 1.

A la hora de observar la Ilustración 1 y sacar conclusiones, es de gran relevancia observar que los
ejes correspondientes al perímetro y al área tienen unidades distintas, por lo que sería incoherente
comparar estas magnitudes más allá de su valor.

Análisis de datos:  4
Práctica 1: Introducción a Matlab y medidas


En primer lugar decidimos analizar las medidas tomadas de perímetro, y para ello, graficamos los
resultados en función de los radios experimentales, obteniendo así la siguiente figura.

Atención: el comando plotyy es útil para graficar en una misma


figura, datos con unidades diferentes (por ejemplo, área y
perímetro). Si van a superponer dos series de datos que
quieren comparar (como es el caso de valores teóricos y datos
experimentales), deben hacerlo en un mismo par de ejes (es
decir, con un hold on).

Ilustración 2 Comparación de resultados entre los valores de perímetro obtenidos experimentalmente y el modelo
teórico (con la incertidumbre asociada a cada medición representada por barras)

A primera vista observamos que los resultados son consistentes con el modelo teórico, por lo que
podemos suponer que el método de medición empleado es preciso. Cabe destacar que la
incertidumbre asociada a cada medición resultó atinada, ya que en aquellas medidas que se apartan
del modelo teórico, podemos ver que la diferencia entre el resultado esperado y la medición
obtenida se encuentra contenida dentro del margen de incertidumbre.

De Ilustración 2 podemos deducir que el valor calculado de π mediante las medidas de perímetro
puede resultar preciso.

Análisis de datos:  5
Práctica 1: Introducción a Matlab y medidas


Los siguientes datos a analizar serán las medidas experimentales de área de las circunferencias.

Ilustración 3 Comparación entre medidas de área experimental y el modelo teórico (la incertidumbre asociada a cada
medición se representa mediante barras contiguas a las medidas).

En Ilustración 3 observamos que, si bien se mantiene una cierta consistencia lograda en la medición
del perímetro, las mediciones de área no resultan tan precisas al ser comparadas con el modelo
teórico.

Este hecho se puede atribuir a dos razones principales:

- Para tomar ventaja de la simetría de las circunferencias, las medidas experimentales se


tomaron de uno de los cuadrantes, y luego se multiplicó por cuatro el área obtenida, por lo
que cualquier error al tomar una medida, y la propia incertidumbre, afectan
considerablemente más que si la medición se hubiese realizado sobre la integridad de la
circunferencia.
- El método de medición de área (emulación del método de Riemann) gana en practicidad lo
que pierde en precisión. Esto era sabido de antemano, por lo que se intentó mejorar el
método, tomando medidas extra. A pesar de ello, no se logró combatir totalmente la falta de
precisión.

Análisis de datos:  6
Práctica 1: Introducción a Matlab y medidas


Además podemos identificar una medida que, por lo alejada del modelo teórico, es candidata a ser
descartada. Vistas las demás medidas, no podemos atribuir este grado de error al método utilizado,
sino a una mala aplicación del mismo.

Sin dejar de lado lo comentado en los párrafos anteriores, las mediciones de área se pueden
considerar más que aceptables en general, porque la incertidumbre asociada a la medida contiene al
valor correspondiente al modelo teórico en la mayoría de los casos.
Muy buena discusión de los
gráficos.
Para culminar el análisis de datos tomados, comparamos las ilustraciones 2 y 3.

Ilustración 4 Comparación de eficacia en las medidas tomadas respecto a su correspondiente modelo teórico. Como fue
explicado anteriormente, la medición del perímetro resultó ser más precisa que la del área.

Como regla general, traten que los gráficos que realicen sean lo más
"cuadrados" posible. Esto evita que las relaciones funcionales sean
engañosas. En este caso, por ejemplo, debido a este efecto el
gráfico que se debería ver cuadrático se ve casi lineal.

Análisis de datos:  7
Práctica 1: Introducción a Matlab y medidas


Luego de haber constatado la validez de los datos tomados, pasamos a perseguir uno de los
objetivos principales de la práctica, la determinación experimental de la constante π.

Para ello, los pasos que seguimos comenzaron por despejar π de las fórmulas teóricas de perímetro
(Ecuación 1) y área (Ecuación 2) de la circunferencia.

𝑠
𝜋= (𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 1)
2𝑅
𝐴
𝜋= (𝐸𝑐𝑢𝑎𝑐𝑖ó𝑛 2)
𝑅2

Luego de eso calculamos el valor experimental de π para cada medida tomada. Haciendo uso de las
facilidades que brinda MatLab promediamos los valores obtenidos. De esta manera buscamos
equiparar errores e incertidumbres propios de una medición, intentando alcanzar un valor preciso
de π.

Llegamos entonces a dos valores de π, uno mediante el perímetro y otro mediante el área.

π𝑝𝑒𝑟í𝑚𝑒𝑡𝑟𝑜 = 3.09

πá𝑟𝑒𝑎 = 3.16

Comparando los valores obtenidos con las incertidumbres correspondientes a las medidas, podemos
concluir que los métodos fueron eficaces para determinar experimentalmente el valor de π, más allá
de no alcanzar exactamente el valor aceptado. De realizar más medidas se presume que se obtendría
un valor más preciso.

Arrojados los resultados, sorprende el hecho de que el valor más cercano al aceptado se haya
obtenido mediante las medidas del área.

Existen otros métodos para calcular el valor de π con los datos tomados, como el cálculo de las
pendientes de las rectas formadas por los pares de datos de perímetro tomados.

¿Se puede obtener el valor de π mediante una sola medida?

En un plano ideal sería posible hallar esta constante dada una sola medida, pero experimentalmente
es imposible, ya que cada medida tiene una incertidumbre propia, por lo que jamás tendremos una
certeza absoluta acerca del valor exacto de una medida. Es por esto que se decide realizar varias
medidas, para poder contrarrestar estas imprecisiones.

Muy buen desarrollo.

Análisis de datos:  8
Práctica 1: Introducción a Matlab y medidas


Conclusiones:
Luego de realizada la práctica podemos concluir que logramos incorporar aspectos básicos, pero aun
así importantes de la programación, especialmente aplicados a MatLab.

En cuanto a la determinación del valor de π, podemos decir que se lograron resultados


satisfactorios, suponiendo entonces que los métodos de medición utilizados fueron precisos.

Si nos referimos específicamente a la medición del área, un cambio en el método podría reflejarse en
una mayor precisión en el resultado, pero por cuestiones de tiempo al realizar la práctica nos
decantamos por la practicidad. ¿Qué otro método podrían
haber implementado?

Recuerden, como regla general, que en las conclusiones deben:


1) Sintetizar los principales resultados obtenidos.
2) Discutir sobre las posibles causas de incertidumbre que pudieron afectar sus
medidas.
3) Hacer una discusión más crítica sobre la práctica: ¿cómo podrían haber
mejorado su procedimiento experimental? O bien, ¿cómo podrían mejorar la
propuesta de la práctica?
En su caso, lo primero lo hicieron bien, aunque faltó exponer concretamente los
valores obtenidos ("Obtuvimos un valor de pi de .... a partir de las áreas y de ...
a partir de los perímetros"). Y faltó desarrollar los otros dos ítems.

Conclusiones:  9
Práctica 1: Introducción a Matlab y medidas


Script utilizado:
clear all

close all

clc

R_teo = (3: 0.5 : 6); %Los radios de las cfas. aumentan de a 0.5, comenzando en 3 y terminando en 6

s_teo = 2 * pi * R_teo; %calculamos el perimetro y el area con las formuas dadas

A_teo = pi * (R_teo .* R_teo);

ejes = plotyy( R_teo,s_teo,R_teo,A_teo);

axes (ejes(1))

ylabel('Perímetro teórico (cm)')

xlabel ('Radio teórico (cm)')

axes (ejes(2))

ylabel('Área teórica (cm^2)')

hold

datos = load('DatosEj2GomezRaggio.txt'); %Cargamos los valores experimentales

R_exper = datos (:,1);

s_exper = datos (:,2);

A_exper = datos (:,3); %Asignamos nombre a los vectores de datos experimentales

figure

[ejes2 h1 h2] = plotyy( R_teo,s_teo,R_teo,s_exper); %El vector de radios se mantiene igual para el modelo
teorico y el experimental

legend ('Modelo teorico','Medidas experimentales')

set(h2,'LineStyle','*')

Script utilizado:  10
Práctica 1: Introducción a Matlab y medidas


axes (ejes2(1))

ylabel('Perímetro teórico (cm)')

xlabel ('Radio teórico (cm)')

title ('Perimetro teorico y experimental')

legend ('Modelo teorico',2)

axes (ejes2(2))

ylabel('Perimetro experimental (cm)')

legend ('Medidas experimentales',1)

hold

%Debemos definir un vector de incertidumbres relacionadas a los perimetros experimentales

%Tomamos una incertidumbre igual para cada medida, asi que es un vector de siete elementos iguales

s_incer = [0.4 0.4 0.4 0.4 0.4 0.4 0.4]; Pueden optimizar esta línea con la función ones. Esta función
tiene como entradas dos números m y n, y devuelve una
matriz de tamaño mxn, cuyas entradas son todas uno. En su
caso:
>>s_incer = 0.4*ones(1,length(s_exper));
errorbar(R_teo, s_exper, s_incer , '*')

figure

[ejes3 h1 h2] = plotyy( R_teo,A_teo,R_teo,A_exper); %El vector de radios se mantiene igual para el modelo
teorico y el experimental

set(h2,'LineStyle','*')

axes (ejes3(1))

ylabel('Area teórica (cm^2)')

xlabel ('Radio teórico (cm)')

title ('Area teorica y experimental')

legend ('Modelo teorico',2)

axes (ejes3(2))

ylabel('Area experimental (cm^2)')

legend ('Medidas experimentales',1)

Script utilizado:  11
Práctica 1: Introducción a Matlab y medidas


hold

%En el caso del area, la incertidumbre varia segun la medida

A_incer = [0.3 0.4 0.5 0.6 0.4 0.5 0.6];

errorbar(R_teo, A_exper, A_incer, '*')

%Para la parte g, tomamos los graficos de area y perimetro experimental vs teorico y los colocamos en la
misma figura

%(Sin incertidumbre)

figure

subplot (2,1,1), [ejes4 h1 h2] = plotyy( R_teo,s_teo,R_teo,s_exper);

legend ('Modelo teorico','Medidas experimentales')

set(h2,'LineStyle','*')

axes (ejes4(1))

ylabel('Perímetro teórico (cm)')

xlabel ('Radio teórico (cm)')

title ('Perimetro teorico y experimental')

legend ('Modelo teorico',2)

axes (ejes4(2))

ylabel('Perimetro experimental (cm)')

legend ('Medidas experimentales',1)

subplot (2,1,2), [ejes4 h1 h2] = plotyy( R_teo,A_teo,R_teo,A_exper);

set(h2,'LineStyle','*')

axes (ejes4(1))

ylabel('Area teórica (cm^2)')

xlabel ('Radio teórico (cm)')

Script utilizado:  12
Práctica 1: Introducción a Matlab y medidas


title ('Area teorica y experimental')

legend ('Modelo teorico',2)

axes (ejes4(2))

ylabel('Area experimental (cm^2)')

legend ('Medidas experimentales',1)

%Para pasar a discutir el valor hallado de pi, decidimos despejarlo de

%las formulas de area y perimetro, y hallar el valor promedio

%(por cada dato tomado, obtenemos un valor de pi, entonces promediamos esos valores)

pi_valores_s = s_exper ./ (2*R_exper);

pi_exper_s = mean (pi_valores_s)

pi_valores_A = A_exper ./ (R_exper .* R_exper);

pi_exper_A = mean (pi_valores_A)

Script utilizado:  13