Repaso de Wolfram Mathematicas

Universidad Nacional Autónoma de Honduras

Facultad de Ciencias
Escuela de Física

Practica #1

“Repaso de Wolfram Mathematica”

Instructor: Eros Daniel Rivera

Integrantes
Juan Carlos Flores Irias 20171001304
Rafael Eduardo Orellana 20141004691
Carol Alexandra Ochoa 20181030194

Laboratorio de Electricidad y Magnetismo II. FS-415

Ajustes y Gráficos
Ejercicio 1
Una de las criaturas mas majestuosas de la tierra y que ha sido objeto de estudio y adoración por
grandes civilizaciones como la egipcia, posee un contorno que puede ser definido con un par de
ecuaciones paramétricas basadas en funciones trigonométricas, como se detallan a continuación:
2 informe 1 415.nb

In[ ]:= X[t_] = - 721  4 * Sin[t] + 196  3 * Sin[2 * t] - 86  3 * Sin[3 * t] -

seno seno seno
131  2 * Sin[4 * t] + 477  14 * Sin[5 * t] + 27 * Sin[6 * t] - 29  2 * Sin[7 * t] +
seno seno seno seno
68  5 * Sin[8 * t] + 1  10 * Sin[9 * t] + 23  4 * Sin[10 * t] - 19  2 * Sin[12 * t] -
seno seno seno seno
85  21 * Sin[13 * t] + 2  3 * Sin[14 * t] + 27  5 * Sin[15 * t] + 7 / 4 Sin[16 * t] +
seno seno seno seno
17  9 * Sin[17 * t] - 4 * Sin[18 * t] - 1  2 * Sin[19 * t] + 1  6 * Sin[20 * t] +
seno seno seno seno
6 / 7 * Sin[21 * t] - 1  8 * Sin[22 * t] + 1  3 * Sin[23 * t] + 3  2 * Sin[24 * t] +
seno seno seno seno
13  5 * Sin[25 * t] + Sin[26 * t] - 2 * Sin[27 * t] + 3  5 * Sin[28 * t] -
seno seno seno seno
1  5 * Sin[29 * t] + 1  5 * Sin[30 * t] + 2337  8 * Cos[t] - 43  5 * Cos[2 * t] +
seno seno coseno coseno
322  5 * Cos[3 * t] - 117  5 * Cos[4 * t] - 26  5 * Cos[5 * t] - 23  3 * Cos[6 * t] +
coseno coseno coseno coseno
143  4 * Cos[7 * t] - 11  4 * Cos[8 * t] - 31  3 * Cos[9 * t] - 13  4 * Cos[10 * t] -
coseno coseno coseno coseno
9  2 * Cos[11 * t] + 41  20 * Cos[12 * t] + 8 * Cos[13 * t] + 2  3 * Cos[14 * t] +
coseno coseno coseno coseno
6 * Cos[15 * t] + 17  4 * Cos[16 * t] - 3  2 * Cos[17 * t] - 29  10 * Cos[18 * t] +
coseno coseno coseno coseno
11  6 * Cos[19 * t] + 12  5 * Cos[20 * t] + 3  2 * Cos[21 * t] + 11  12 * Cos[22 * t] -
coseno coseno coseno coseno
4 / 5 * Cos[23 * t] + Cos[24 * t] + 17  8 * Cos[25 * t] - 7  2 * Cos[26 * t] -
coseno coseno coseno coseno
5 / 6 * Cos[27 * t] - 11  10 * Cos[28 * t] + 1  2 * Cos[29 * t] - 1  5 * Cos[30 * t];
coseno coseno coseno coseno
 informe 1 415.nb 3

In[ ]:= Y[t_] = - 637  2 * Sin[t] - 188  5 * Sin[2 * t] - 11  7 * Sin[3 * t] -

seno seno seno
12  5 * Sin[4 * t] + 11  3 * Sin[5 * t] - 37  4 * Sin[6 * t] + 8  3 * Sin[7 * t] +
seno seno seno seno
65 / 6 * Sin[8 * t] - 32  5 * Sin[9 * t] - 41  4 * Sin[10 * t] - 38  3 * Sin[11 * t] -
seno seno seno seno
47  8 * Sin[12 * t] + 5 / 4 * Sin[13 * t] - 41  7 * Sin[14 * t] - 7  3 * Sin[15 * t] -
seno seno seno seno
13  7 * Sin[16 * t] + 17  4 * Sin[17 * t] - 9  4 * Sin[18 * t] + 8  9 * Sin[19 * t] +
seno seno seno seno
3  5 * Sin[20 * t] - 2  5 * Sin[21 * t] + 4  3 * Sin[22 * t] + 1  3 * Sin[23 * t] +
seno seno seno seno
3  5 * Sin[24 * t] - 3  5 * Sin[25 * t] + 6 / 5 * Sin[26 * t] - 1  5 * Sin[27 * t] +
seno seno seno seno
10  9 * Sin[28 * t] + 1  3 * Sin[29 * t] - 3  4 * Sin[30 * t] - 125  3 * Cos[t] -
seno seno seno coseno
521  9 * Cos[2 * t] - 359  3 * Cos[3 * t] + 47  3 * Cos[4 * t] - 33  2 * Cos[5 * t] -
coseno coseno coseno coseno
5 / 4 * Cos[6 * t] + 31  8 * Cos[7 * t] + 9  10 * Cos[8 * t] - 119  4 * Cos[9 * t] -
coseno coseno coseno coseno
17  2 * Cos[10 * t] + 22  3 * Cos[11 t] + 15  4 * Cos[12 * t] - 5  2 * Cos[13 * t] +
coseno coseno coseno coseno
19  6 * Cos[14 * t] + 7 / 4 * Cos[15 * t] + 31  4 * Cos[16 * t] - Cos[17 * t] +
coseno coseno coseno coseno
11  10 * Cos[18 * t] - 2  3 * Cos[19 * t] + 13  3 * Cos[20 * t] - 5 / 4 * Cos[21 * t] +
coseno coseno coseno coseno
2  3 * Cos[22 * t] + 1  4 * Cos[23 * t] + 5 / 6 * Cos[24 * t] + 3  4 * Cos[26 * t] -
coseno coseno coseno coseno
1  2 * Cos[27 * t] - 1  10 * Cos[28 * t] - 1  3 * Cos[29 * t] - 1  19 * Cos[30 * t];
coseno coseno coseno coseno
4 informe 1 415.nb

In[ ]:= ParametricPlot[{X[t], Y[t]}, {t, 0, 2 Pi},

gráfico paramétrico número pi
AxesLabel -> {"X(t)", "Y(t)"}, PlotStyle -> Black, FrameLabel -> Automatic]
etiqueta de ejes estilo de repre⋯ negro etiqueta de marco automático
Y(t)

400

200

Out[ ]=

X(t)
-400 -200 200 400

-200

-400

Ejercicio 2
In[ ]:= ClearAll["Globañ´*"]
borra todo

Un alumno recibe un conjunto de Datos de un medidor que busca determinar el punto de un espejo
circular en el que se refleja el rayo de luz que procede de una fuente de forma que de al ojo de un
observador conociendo la posición relativa de ambos respecto al espejo. Como resultado de el
análisis teórico, el responsable del experimento le dice a su practicante que la función de ajuste es
un polinomio de 4 orden y que los datos medidos son los siguientes:
 informe 1 415.nb 5

In[ ]:= M = data = {{2, - 0.0592}, {4, - 0.3352}, {6, - 0.5792}, {8, - 0.4072}, {10, 0.68},
{12, 3.2968}, {14, 8.1728}, {16, 16.1528}, {18, 28.1968}, {20, 45.38}};
polynomialOrder = 4;

(*Gráfico de los datos*)

ListPlot[data, PlotStyle -> Red, PlotMarkers -> Automatic, PlotLegends -> {"Datos"},
representación de ⋯ estilo de repre⋯ rojo marcadores de re⋯ automático leyendas de representación
Frame -> True, FrameLabel -> {"x", "y"}, ImageSize -> Medium]
marco verd⋯ etiqueta de marco tamaño de im⋯ tamaño medio

(*Ajuste de los datos*)

fit = Fit[data, Table[x ^ i, {i, 0, polynomialOrder}], x]
ajusta tabla

(*Gráfico de los datos y el ajuste*)

Show[ListPlot[data, PlotStyle -> Red, PlotMarkers -> Automatic,
mue⋯ representación de ⋯ estilo de repre⋯ rojo marcadores de re⋯ automático
PlotLegends -> {"Datos"}, Frame -> True, FrameLabel -> {"x", "y"}, ImageSize -> Medium],
leyendas de representación marco verd⋯ etiqueta de marco tamaño de im⋯ tamaño medio
Plot[fit, {x, 0, 20}, PlotStyle -> Blue, PlotLegends -> {"Ajuste"}]]
representación gráfica estilo de repre⋯ azul leyendas de representación

(*Función de ajuste*)
fit

(*Parámetros en forma estándar*)

fitStandardForm = fit // StandardForm
forma estándar

40

30
y

20
Out[ ]= Datos

10

0 5 10 15 20
x

Out[ ]= - 0.02 + 0.07 x - 0.05 x2 + 0.002 x3 + 0.0003 x4

6 informe 1 415.nb

40

30

Datos
y

Out[ ]= 20

Ajuste
10

0 5 10 15 20
x

Out[ ]= - 0.02 + 0.07 x - 0.05 x2 + 0.002 x3 + 0.0003 x4

Out[ ]//StandardForm=
- 0.02 + 0.07 x - 0.05 x2 + 0.002 x3 + 0.0003 x4

Graficando Campos
Ejercicio 3- Estallido Central
Cuando se tiene un incremento de volumen ocurriendo en un tiempo muy pequeño, vemos súbita-
mente que debido a la concentración de presión, se genera una dispersión de partículas desde el
centro hacia el exterior en todas las direcciones. Por lo que tomando un ejemplo particular de este
caso, podemos crear la ecuación en coordenadas esféricas dependiente unicamente de la compo-
nente radial que se ve a continuación:
In[ ]:= ClearAll["Global´*"]
borra todo

In[ ]:= d[r_, θ_] = 1 + e ^ - r  2 - 1 + r ^ 2, 0

Out[ ]= 1 + e-r/2 - 1 + r2 , 0

Campo 2D
In[ ]:= Vo20D[x_, y_] =
FullSimplify[TransformedField["Polar" → "Cartesian", d[1, θ], {r, θ} → {x, y}]]
simplifica compl⋯ campo transformado
x y
Out[ ]=  , 
x 2 + y2 x 2 + y2
 informe 1 415.nb 7

In[ ]:= Graf2D =

StreamPlot[Vo20D[x, y], {x, - 5, 5}, {y, - 5, 5}, FrameLabel → {"Eje X", "Eje Y"},
representación de flujo etiqueta de marco
StreamStyle → Red, PlotLabel → "Dirección del Volumen"]
estilo de flujo rojo etiqueta de representación

Dirección del Volumen

2
Eje Y

0
Out[ ]=

-2

-4

-4 -2 0 2 4
Eje X

Campo 3D
In[ ]:= ClearAll["Global´*"]
borra todo

In[ ]:= f[r_, θ_, ϕ_] = 1 + e ^ - r  2 - 1 + r ^ 2, 0, 0

Out[ ]= 1 + e-r/2 - 1 + r2 , 0, 0

In[ ]:= Vo03D[x_, y_, z_] = FullSimplify[

simplifica completamente
TransformedField["Spherical" → "Cartesian", f[1, θ, ϕ], {r, θ, ϕ} → {x, y, z}]]
campo transformado
x y z
Out[ ]=  , , 
x2 + y2 + z2 x2 + y2 + z2 x2 + y2 + z2
8 informe 1 415.nb

In[ ]:= Graf3D = VectorPlot3D[Vo03D[x, y, z], {x, - 5, 5}, {y, - 5, 5}, {z, - 5, 5},
representación 3D vectorial
VectorStyle → Red, PlotLabel → "Grafico 3D", AxesLabel → {"x", "y", "z"}]
rojo etiqueta de representación de⋯ etiqueta de ejes

Out[ ]=

Rotaciones o Remos
In[ ]:= ClearAll["Global´*"]
borra todo

In[ ]:= W[x_, y_] = y  x ^ 2 + y ^ 2, x  x ^ 2 + y ^ 2;

In[ ]:= F[x_, y_, z_] = {z ^ 2, x ^ 2, y ^ 2};

 informe 1 415.nb 9

Grafico 2D de W[x, y]
In[ ]:= StreamPlot[W[x, y], {x, - 5, 5}, {y, - 5, 5}, StreamStyle → Red,
representación de flujo estilo de flujo rojo
PlotLabel → "Lineas de Campo 2D W[x, y]", FrameLabel → {"Eje X", "Eje Y"} ]
etiqueta de representación deriva etiqueta de marco

Lineas de Campo 2D W[x, y]

2
Eje Y

0
Out[ ]=

-2

-4

-4 -2 0 2 4
Eje X

Producto Vectorial de F[x, y, z]

In[ ]:= Rot[x_, y_, z_] = Curl[F[x, y, z], {x, y, z}]
rotacional

Out[ ]= {2 y, 2 z, 2 x}
10 informe 1 415.nb

Gráfica del Rotacional

In[ ]:= VectorPlot3D[Rot[x, y, z], {x, - 5, 5}, {y, - 5, 5}, {z, - 5, 5}, VectorStyle → Red,
representación 3D vectorial estilo de vector rojo
PlotLabel → "Grafica de lineas de campo 3D", AxesLabel → {"Eje X", "Eje Y", "Eje Z"}]
de⋯ etiqueta de ejes

Out[ ]=

Ejercicio 4 - Describiendo el Campo Gravitacional

In[ ]:= ClearAll["Global´*"]
borra todo
 informe 1 415.nb 11

In[ ]:= m1 = 775 000;

m2 = 155 000;
G = 6.67384 * 10 ^ - 11;

VectorPlot3D- G * m1 * m2  Norm[{x, y, z}] ^ 3 * Normalize[{x, y, z}],

representación 3D vectorial norma normaliza
{x, - 10, 10}, {y, - 10, 10}, {z, - 10, 10}

Out[ ]=
12 informe 1 415.nb

In[ ]:= a = 2;
L = 10;

B1[ρ_, z_] :=
- SqrtL - 2 z ^ 2 + 4 ρ ^ 2 - L - 2 z  2 SqrtL - 2 z ^ 2 + 4 ρ ^ 2 +
raíz cuadrada raíz cuadrada
SqrtL - 2 z ^ 2 + 4 ρ (- a + ρ) - L - 2 z  2 SqrtL - 2 z ^ 2 + 4 ρ (- a + ρ);
raíz cuadrada raíz cuadrada
B2[ρ_, z_] := 2 a SqrtL - 2 z ^ 2 + 4 (a - ρ) ^ 2 
raíz cuadrada
2 SqrtL - 2 z ^ 2 + 4 (a - ρ) ^ 2 -
raíz cuadrada
Log2 a + SqrtL - 2 z ^ 2 + 4 (a - ρ) ^ 2 + Log- 2 ρ + SqrtL - 2 z ^ 2 + 4 ρ ^ 2;
logaritmo raíz cuadrada logaritmo raíz cuadrada

VectorPlot3D[{B1[ρ, z], B2[ρ, z], 0}, {ρ, - 20, 20}, {z, - 20, 20}, {x, - 20, 20}]
representación 3D vectorial

Out[ ]=

Ejercicio 5-Datos experimentalos a distintos ajustes

In[2]:= ClearAll["Global´*"]
borra todo

In[3]:= datos1 = {{0.64, 0.48}, {0.92, 0.96}, {1.24, 1.36}, {1.48, 1.60}, {1.88, 2}, {2.16, 2.20},
{2.40, 2.40}, {2.64, 2.60} {2.96, 2.84}, {3.40, 3.20}, {3.80, 3.44}, {4.28, 3.6},
{4.76, 3.88}, {5.48, 4.12}, {6.24, 4.32}, {7.24, 4.56}, {10.92, 4.96}};

In[4]:= Vf = 5.04;
 informe 1 415.nb 13

Graficar los datos experimentales para observar el comportamiento

In[5]:= grafdatos = ListPlot[datos1, PlotLegends → {"Datos Experimentales "},
representación de lista leyendas de representación
PlotStyle → {Yellow}, AxesLabel -> {"T(s)", "V(v)"},
estilo de repre⋯ amarillo etiqueta de ejes
PlotLabel -> "Grafica de Datos Experimentales", PlotStyle -> {Dashed, PointSize[0.1]}]
etiqueta de representación estilo de represe⋯ rayado tamaño de punto

Grafica de Datos Experimentales

V(v)

Out[5]=
4
Datos Experimentales

T(s)
2 4 6 8 10

Realisar un ajuste de datos no lineal

In[6]:= AjusnoLi = NonlinearModelFitdatos1, v * 1 - ⅇ-t/τ , {v, τ}, t
ajusta a modelo no lineal

Out[6]= FittedModel 6.74949 1 - ⅇ-0.187044 t  

In[7]:= FunAju[t_] = Normal[AjusnoLi]

normal
-0.187044 t
Out[7]= 6.74949 1 - ⅇ 

In[8]:= AjusnoLi["ParameterTable"]
Estimate Standard Error t-Statistic P-Value
Out[8]= v 6.74949 1.12576 5.99547 0.0000328022
τ 5.34632 1.57844 3.3871 0.00442503

Realizar una linealización sin intercepto

In[9]:= Ajugra = Normal[AjusnoLi]
normal

Out[9]= 6.74949 1 - ⅇ-0.187044 t 

14 informe 1 415.nb

In[10]:= Grasininte = Plot[Ajugra, {t, 0.4, 10.92}, PlotLabel -> "Grafica Sin Intercepto"]
representación gráfica etiqueta de representación seno

Grafica Sin Intercepto

6

Out[10]=
3

2 4 6 8 10

Conjunto de datos nuevos

In[11]:= Ajustedatonu = LinearModelFit[datos1, tn, tn, IncludeConstantBasis -> False]
ajusta a modelo lineal incluye base constante falso

Out[11]= FittedModel 0.701102 tn 

In[12]:= Ajustedatonu["ParameterTable"]
Estimate Standard Error t-Statistic P-Value
Out[12]=
tn 0.701102 0.0512543 13.6789 7.08137 × 10-10

In[13]:= Tn = 0.701102;

In[14]:= Datosnuevos = {{0.64, 0.48 * Tn}, {0.92, 0.96 * Tn}, {1.24, 1.36 * Tn}, {1.48, 1.60 * Tn},
{1.88, 2 * Tn}, {2.16, 2.20 * Tn}, {2.40, 2.40 * Tn}, {2.64, 2.60 * Tn} {2.96, 2.84 * Tn},
{3.40, 3.20 * Tn}, {3.80, 3.44 * Tn}, {4.28, 3.6 * Tn}, {4.76, 3.88 * Tn},
{5.48, 4.12 * Tn}, {6.24, 4.32 * Tn}, {7.24, 4.56 * Tn}, {10.92, 4.96 * Tn}};

In[15]:= TableForm[Datosnuevos, TableHeadings -> {None, {"T(s)", "V(v)"}}]

forma de tabla cabeceras de tabla ninguno
Out[15]//TableForm=
T(s) V(v)
0.64 0.336529
0.92 0.673058
1.24 0.953499
1.48 1.12176
1.88 1.4022
2.16 1.54242
2.4 1.68264
7.8144 3.62956
3.4 2.24353
3.8 2.41179
4.28 2.52397
4.76 2.72028
5.48 2.88854
6.24 3.02876
7.24 3.19703
10.92 3.47747
 informe 1 415.nb 15

In[16]:= W1 = ListLinePlot[{Around[0.0512543, 800]},

gráfico de línea d⋯ valor con incertidumbre
PlotLegends -> Blue "Valor Calulado", PlotStyle -> Blue];
leyendas de repr⋯ azul estilo de repre⋯ azul
W2 = ListLinePlot[{{0, 0.701102}, {1, 0.701102}},
gráfico de línea de una lista
PlotLegends -> Orange "Valor Teorico", PlotStyle -> Orange];
leyendas de repr⋯ naranja estilo de repre⋯ naranja
Show[W1, W2, PlotLabel -> "Grafico de Discrepancia"]
muestra etiqueta de representación

Grafico de Discrepancia

500

Valor Calulado
Out[18]=
Valor Teorico
0.2 0.4 0.6 0.8 1.0

-500