Artculo de Divulgacin

Peuuri et al. / Ingeniera 14-1 (2010) 55-66

Ajuste de datos a modelos fsicos usando

Mathematica
Peuuri, F.1, Zambrano, M.1, Acosta, C.1, Zaragoza, N.1
Fecha de recepcin: 21 de mayo de 2009 Fecha de aceptacin: 24 de marzo de 2010

RESUMEN
En el anlisis de datos experimentales realizar ajustes a modelos fsicos es de gran importancia. Con frecuencia los
datos se ajusta a una expresin lineal donde los parmetros de ajuste se determinan por el mtodo de mnimos
cuadrados, este mtodo tambin puede ser usado para realizar los ajustes no lineales, pero cuando se desconoce la
solucin del modelo, el ajuste es prcticamente imposible y no se cuenta con una manera clara de proceder.
En este trabajo se desarrolla un programa de ajuste no lineal de datos, a modelos ms que a expresiones analticas,
para ello se utiliza el software Mathematica. Se analizan tres casos, una partcula sujeta a una fuerza constante, un
modelo de difusin y ajustes al campo de temperaturas en el calentamiento modulado de una lmina de grafito. Por si
mismo, el hecho de lograr los ajustes sin necesidad, a priori, de la solucin del modelo merece mencin, aunado a
ello, la metodologa que se usa es fcilmente aplicable a otros modelos sin requerir gran poder de cmputo ni gran
cantidad de tiempo, por lo que el presente trabajo resulta de mucha utilidad para toda persona interesada en ajustes
no lineales a modelos.
Palabras clave: ajustes no lineales, Mathematica.

Data fit to physical models using Mathematica

ABSTRACT
When the analysis of experimental data is required, the fit to physical model is of major importance. Frequently, the
linear fit is used but this is only feasible if the phenomena under study accept a linear solution, the fit is done through
the least least square approach. The least square method can also be used in order to make a non-linear fit, but when
the solution of the model is unknown, the non-linear fit is difficult to do if not impossible.
In this article we present a program that processes non-linear data fits. In itself, the fact of making the fit without a
previous knowledge of the analytical expression deserve consideration, more over that the methodology used is easy
and cheep to apply, for this reason this article will be of great help in making non-linear fits to data sets. In order to
make this work, we use the Mathematica software.
We analyzed the following cases: a particle under the action of a constant force, the diffusion equation and the
modulated thermal excitation of a graphite plate.
Keywords: non-linear fits, Mathematica.

_________________________
1

Facultad de Ingeniera de la Universidad Autnoma de Yucatn, Av. Industrias No Contaminantes por Anillo
Perifrico Norte S/N Apdo. Postal 150 Cordemex. Tels. (999) 941-01-68, 941-01-94, 941-01-95 Fax: (999) 94101-89 Mrida, Yucatn, Mxico
55

Peuuri et al. / Ingeniera 14-1 (2010) 55-66

En aras de la concrecin, sea

INTRODUCCIN
La creacin de modelos para la descripcin de un
fenmeno fsico permite una mejor comprensin del
problema de estudio, se tendr una fcil manipulacin
de los parmetros involucrados y ser posible realizar
predicciones del fenmeno en cuestin.

F ( x; a1 , a2 ,..an ) = 0,

(1)

la funcin a ajustar, sta depende de la variable

independiente x y de los parmetros ai . Se
construye un vector error E cuya componente i sima estar definida como:

Tales modelos por lo general se presentan en forma

de
ecuaciones
diferenciales,
integrales
o
integrodiferenciales. Con frecuencia, es necesario
realizar ajustes de un modelo a datos experimentales,
esta tarea no es difcil siempre que se conozca la
forma analtica de la solucin del modelo, en
particular Mathematica posee muchas funciones
destinada a esta labor, no es as cuando la solucin es
desconocida, puede verse (Wolfram, 2003) o su
pgina web mencionada en la bibliografa.

=
Ei F ( xi ; a1 , a2 ,..an ) Di

(2)

donde Di es el valor experimental correspondiente a

la variable independiente xi . La solucin buscada
resultar de encontrar el mejor conjunto de
parmetros que minimice la norma del vector error.

An cuando existe una gran cantidad de bibliografa

que aborda este problema, conocido como estimacin
paramtrica no lineal, problemas inversos o
problemas mal condicionados, (Burden y Faires,
1985), realizar los ajustes cuando la solucin del
modelo es desconocida es complicado, pues est la
tarea extra de encontrar la solucin, que por lo
general, se tendr en forma numrica.

Para realizar la minimizacin de la norma euclidiana,

mtodo conocido como de mnimos cuadrados, existe
un gran nmero de software comercial. La eleccin de
esta norma obedece a su fcil tratamiento analtico, no
as por ejemplo la norma de suma ya que habr que
minimizar la suma de los valores absolutos de las
componentes del vector error lo cual no es, en
general, fcil de hacer. En este trabajo tambin se
minimiza la norma euclidiana del vector E.

En este trabajo se desarrolla un mtodo sistemtico

para la obtencin de los ajustes, realizando en forma
integral las soluciones del modelo y la eleccin de la
mejor solucin. El software utilizado es Mathematica,
la economa del proceso es considerable a dems de
lo amigable del software que permite una
programacin funcional sin mayores problemas.

METODOLOGA
2.1. AJUSTES A MODELOS
Al realizar anlisis metodolgico a modelos, es
necesario determinar sus soluciones con el fin de
proceder a los ajustes de la manera descrita en la
seccin anterior. Para resolver este problema, se usa
el gran potencial que tiene Mathematica para realizar
programacin funcional. Se construye una funcin
solucin del modelo para proceder a la variacin
paramtrica de datos como ya se mencion. La figura
(1) muestra el procedimiento en forma esquemtica.

El trabajo se organiza de la siguiente forma: En

primer lugar se muestra la manera en que se realizan
los ajustes cuando se conoce la funcin a ajustar. En
la segunda seccin se presenta la manera en que se
proceder para el caso en que se desconozca la
solucin del modelo. En la tercera seccin se realizan
ajustes a tres modelos: a un tiro parablico, a un
proceso de difusin y el ajuste a un campo de
temperaturas de una muestra de grafito, iluminada por

Los puntos generales en la realizacin de los ajustes

son:
Decir a Mathematica cul ser la solucin del
modelo.
Decir a Mathematica cules son las derivadas,
respecto a los parmetros de ajuste de la funcin
construida en el punto anterior.
Ejecutar los ajustes usando por ejemplo el
comando NonLinearRegress.

f . Finalmente,
una fuente con frecuencia
presentamos las conclusiones y se proporciona los
programas de ajuste en los apndices.
AJUSTES: FORMA ANALTICA CONOCIDA
En este trabajo se establece la diferencia entre el
concepto de modelo y su solucin, aunque en la
literatura muchas veces se toman como sinnimos.

Es importante sealar la versatilidad de la

metodologa anterior aplicada en Mathematica pues
no slo sirve para modelos descritos en forma de
ecuaciones diferenciales sino tambin integrales e

Se comenzar describiendo, de manera general, la

forma de proceder en el ajuste de datos cuando se
conoce la funcin a la que se desean ajustar.
56

Peuuri et al. / Ingeniera 14-1 (2010) 55-66

integrodiferenciales. Los comandos bsicos que se

utilizan para llevar a cabo esta tarea son

NonLinearRegress y NonlinearFit, (Wolfram, 2003).

En los apndices se pueden ver los detalles tcnicos.

Figura 1: Diagrama del procedimiento para los ajustes.

r(t )= (0, g )

Cabe aclarar que la manipulacin numrica de las

condiciones de frontera (CF), es un trabajo
formidable pues no se aceptan discontinuidades que
analticamente podran ser tratadas. As pues, si se
est trabajando con CF, stas deben ajustarse de tal
forma que sean consistentes, aqu radica un problema
crucial ya que se debe asegurar que al modificar
ligeramente las condiciones de frontera, para permitir
el tratamiento numrico, el problema sigue siendo
muy parecido al original cosa bastante plausible pero
que no siempre se cumple.

(3)

ste ser el modelo al cual se ajustarn los datos. Las

con condiciones iniciales son:

r (0)
= ( x0 , y0 )
r (0)
= (v0 x , v0 y )

(4)
(5)

El problema acepta solucin analtica,

1
r (t ) = x0 + v0 x t , y0 + v0 y t g t 2 ,

RESULTADOS Y DISCUSIN
Se presenta en esta seccin el ajuste a tres modelos:
una partcula sujeta a una fuerza constante, un
proceso de difusin y a justes a un campo de
temperaturas de una muestra de grafito, iluminada por

(6)

Con el propsito de simular datos experimentales se

introduce un ruido aleatorio a la solucin, para ello se
le suma arbitrariamente, un numero aleatorio entre -1
y 1. En el caso del tercer ejemplo esto no es necesario
pues los datos si son experimentales.

una fuente con frecuencia f . Los dos primeros con

el fin de ilustrar la metodologa empleada pues sus
soluciones son conocidas y es posible verificar la
validez de los ajustes.

En la figura (2) se muestra el mejor ajuste y los datos

simulados para un conjunto de parmetros y
condiciones iniciales de x0 = 0, g = 9.8, v0x = 21.2132,
v0y = 21.2132.

PARTCULA
SUJETA
A
UNA
FUERZA
CONSTANTE
De la segunda ley de Newton, si una partcula de
masa m est sujeta a una fuerza constante entonces:

Se define en Mathematica la funcin:

es a esta funcin a la que se ajustarn los datos. El

programa de ajuste se muestra en el apndice (A),
obteniendo los siguientes valores de los parmetros:

Ntese que los ajustes se hacen respecto a las

expresiones (3, 4, 5) no respecto a la expresin (6)
puesto que en principio sta es desconocida.

v0 x = 21.168, v0 y = 21.1677, g = 9.79742 .

57

Peuuri et al. / Ingeniera 14-1 (2010) 55-66

Figura 2: Ajuste a datos simulados.

se manifiesta ms all de la cifra decimal nmero 15,
por mucho, ms all de la precisin experimental.
Otro hecho notable es respecto a las condiciones de
frontera (8) y (10), se ve que son inconsistentes
aunque esta discontinuidad no afecta la solucin
formal de la ecuacin, si afectar el tratamiento
numrico de la misma.

AJUSTE A UN PROCESO DE DIFUSIN

Supngase que se tiene un sistema que obedece la
ecuacin de difusin:

u ( x, t )
2u ( x, t )
=D
t
x 2

(7)

con condiciones de frontera

u ( x, 0) =
x2
u (0, t ) =
0
u (1, t ) =0,

El valor obtenido por el ajuste para el coeficiente D es

de 0.501. Se muestran los detalles en el apndice (B).
Ntese el cambio en las condiciones de frontera con
el fin de asegurar su continuidad, no obstante fuera
del punto de discontinuidad, las CF son
prcticamente las mismas. De nuevo, los ajustes
son respecto a las expresiones (7, 8, 9, 10) y no
respecto a la expresin (11).
En la figura (3), para un valor de D y t de 0.5,
mostramos los datos y el ajuste correspondiente.

(8)
(9)
(10)

donde u representa la concentracin de la sustancia

que se difunde y D es el coeficiente de difusin.
La ecuacin (7) puede resolverse por el mtodo de
separacin de variables para tener:

u ( x, t ) =
Cn ( n x ) e D ( n )

CALENTAMIENTO MODULADO DE UNA LMINA

DE GRAFITO
En este ejemplo el ajuste no se realiza sobre un
modelo que involucre alguna ecuacin diferencial,
sino un modelo que involucra variables complejas y
que est dado por una integral.

(11)

n =1

con
1

Cn 2 (n x) x 2 dx.
=

(12)

Para este caso la solucin analtica del modelo es

desconocida y el ajuste de datos experimentales se
realiza como se explica en la seccin 2.

Al igual que en el ejemplo anterior, se dar un ruido a

la solucin para simular datos experimentales. La
suma converge rpidamente de tal forma que no hay
diferencia significativa al tomar la suma hasta n = 3

o n = 10 , de hecho, para t y D de 0.5, la diferencia

58

Peuuri et al. / Ingeniera 14-1 (2010) 55-66

Figura 3: Ajuste y datos simulados.

En las ciencias fototrmicas frecuentemente
requiere ajustar datos al mdulo o al argumento
una funcin compleja, por ejemplo, el campo
temperatura para una lmina de espesor L
presencia de una fuente de calor modulada

se
de
de
en
a

F0 es la cantidad de energa absorbida por el material

por unidad de rea por unidad de tiempo, y k
son, respectivamente, la difusividad y conductividad
trmica de la lmina. Este campo puede ser
considerado cuando la muestra es plana, y las
dimensiones y perfil de la fuente son tales que es
posible suponer que el calor fluye en la direccin
axial nicamente. En caso contrario y suponiendo que

frecuencia angular = 2 f y medida en la cara

iluminada es (Salazar y Snchez-Lavega 1998):

F0 1 + e 2 L
1D ( f ) =
2k 1 1 e 2 L

la fuente es un laser en su modo TEM 00 , es

necesario considerar la propagacin del calor en la
direccin radial teniendo en cuenta las dimensiones y
el perfil gaussiano del laser. Si esto es as, el campo
de temperatura en el centro del perfil gausiano estar
dado por (Fabbri y Cernuschi, 1997)

(13)

donde

=
(1 + i )

,
f

(14)

F0 R 2
=
3 D ( f )
k

e ( R / 2) 1 + e 2 s ( ) L
d ,
s ( ) 1 e 2 s ( ) L
2

(15)

donde

s ( ) =

(16)

2 + 2 ,

Figura 4: Fase de la seal IR de una lmina de grafito de 188 m como funcin de la frecuencia. La lnea
slida representa el mejor ajuste a los datos experimentales usando la ecuacin 15.
59

Peuuri et al. / Ingeniera 14-1 (2010) 55-66

R es el radio efectivo del lser y es la variable del

realiza el ajuste.

espacio de Hankel. Es precisamente a la fase de esta

funcin, Ec. 15, a la que se desea ajustar los datos
experimentales. La figura (4) muestra la fase de la

CONCLUSIONES
Se present una metodologa para la realizacin de
ajustes a modelos usando Mathematica. La eficiencia
y simplicidad de los ajustes mostrados es
considerable. No se requiere el conocimiento previo
de la solucin del modelo, por lo que el trabajo
presentado es de gran utilidad prctica.

seal IR tomada de una lmina de grafito de 188 m

de espesor como funcin de la frecuencia de
modulacin. La lnea representa el mejor ajuste a los
datos experimentales.

Este ajuste se realiz en las versiones 5 y 6 de

Mathematica, pero la versin 5 result mucho ms
eficiente (el ajuste se realiz en 3 minutos), mientras
que en la versin 6 tom cerca de una hora. Los
clculos se realizaron en una PC de escritorio con un
procesador Intel Pentium Dual-Core de 2 gigas de
Ram.

Se efectuaron ajustes a tres fenmenos fsicos, dos de

ellos muy sencillos presentados con fines
explicativos, simulando datos experimentales y un
tercero con datos obtenidos de las mediciones en la
forma del campo de temperaturas en una placa de
grafito, para la cual no se tena la forma analtica a la
cual ajustar.

En el apndice (C) presentamos el programa que

REFERENCIAS BIBLIOGRFICAS
Pgina web de WOLFRAM RESEARCH.
http://documents.wolfram.com/applications/eda/FittingDataToLinearModelsByLeast-SquaresTechniques.html
Burden, R. L. y Faires, J. D. (1985). Anlisis Numrico. Grupo Editorial Iberoamericana. Espaa;
Woodbury, K. A. (2003). Inverse Engineering Handbook. CRC Press.
S. Wolfram, The Mathematica Book, 5a. Edicin, Wolfram Media 2003.
A. Salazar, A. Snchez-Lavega, J. M. Terrn. Effective thermal diffusivity of layered materials measured by
modulated photothermal techniques, J. Appl. Phys., 84 (6), 3031, (1998).
L. Fabbri, F. Cernuschi. Finite laser beam size effects in thermal wave interferometry, J. Appl. Phys., 82(11), 5305,
(1997).

60

Peuuri et al. / Ingeniera 14-1 (2010) 55-66

APNDICE
A. Lanzamiento parablico. La versin de Mathematica usada es la 6.

61

Peuuri et al. / Ingeniera 14-1 (2010) 55-66

62

Peuuri et al. / Ingeniera 14-1 (2010) 55-66

B. Proceso de difusin. La versin de Mathematica usada es la 5.

63

Peuuri et al. / Ingeniera 14-1 (2010) 55-66

64

Peuuri et al. / Ingeniera 14-1 (2010) 55-66

C. Calentamiento modulado de una lmina de grafito. La versin de Mathematica usada es la 5.0:

65

Peuuri et al. / Ingeniera 14-1 (2010) 55-66

_____________________________
Este documento debe citarse como:
Peuuri, F., Zambrano, M., Acosta, C., Zaragoza, N. (2010). Ajuste de datos a modelos fsicos usando
Mathematica. Ingeniera, Revista Acadmica de la FI-UADY, 14-1, pp 55-66, ISSN: 1665-529-X.
66