CAPITULO V
5.1- INTRODUCCIÓN
En muchos casos podemos buscar aproximar un cierto conjunto de datos por algún tipo de funciones
prefijadas, aún cuando no se consiga que toda la función de aproximación coincida con los valores de los
datos en todos los puntos.
Así pues, el problema de la aproximación es diferente al de interpolación estudiada en el que
xi , i = 1,2,..., m son un conjunto de m puntos diferentes. El problema de ajuste de datos consiste en buscar
un polinomio de un orden dado n < m que se aproxime lo más posible al conjunto de datos, y en el cual
utilizamos más datos de los que sería estrictamente necesario para calcular un polinomio de interpolación.
El problema del ajuste de curvas consiste en que tenemos una tabla de puntos
[ ]
( x1 , f ( x1 ), ( x 2 , f ( x 2 ),..., ( x n , f ( x n ) , donde los puntos pertenecen a un intervalo a; b , y seleccionamos
n funciones g1 ( x), g 2 ( x),..., g n ( x) , continuas en [a; b] , para obtener n constantes α 1 ,α 2 ,..., α n tales que:
ϕ ( x) = α 1 g1 ( x) + α 2 g 2 ( x) + ... + α n g n ( x) , se aproxime lo máximo posible a f (x )
¿Cómo elegir las funciones g1 ( x ), g 2 ( x ),..., g n ( x) ?. La elección puede ser hecha observando el gráfico de
los puntos dados en la tabla, colocándolos en un gráfico cartesiano para visualizar mejor la curva que mejor
se ajusta a los datos.
x -1,0 -0,75 -0,6 -0,5 -0,3 0 0,2 0,4 0,5 0,7 1,0
f (x ) 2,05 1,153 0,45 0,4 0,5 0 0,2 0,6 0,512 1,2 2,05
2,5
2
1,5
f(x)
1
0,5
0
-1,5 -1 -0,5 0 0,5 1 1,5
x
Este diagrama nos sugiere aproximar la función dada por una parábola pasando por el origen. Por lo
tanto elegimos g ( x) = x y buscaremos la solución para
2
ϕ ( x) = α .g ( x) = α .x 2 donde α debe ser
tal que f ( xi ) − ϕ ( xi ) sea mínimo; ∀i = 1,2,..., m .
m m m
F (α 1 , α 2 ,..., α n ) = ∑ d k2 = ∑ ( f ( x k ) − ϕ ( x k )) 2 = ∑ [ f ( x k ) − α 1 g1 ( x k ) − α 2 g 2 ( x k ) − ... − α n g n ( x k )]
2
k =1 k =1 k =1
Sabemos por cálculo diferencial que para obtener un punto mínimo de cualquier función debemos encontrar
los puntos críticos.
Imponiendo la condición:
∂F
(α1 ,α 2 ,...,α n ) = 0 ∀j = 1,2,..., n
∂α j
tendremos:
m
j = 1 2∑ [( f ( x K ) − α 1 g1 ( x k ) − α 2 g 2 ( x k ) − ... − α n g n ( x k )) × ( g1 ( x k )] = 0
k =1
m
j = 2 2∑ [( f ( x K ) − α 1 g1 ( x k ) − α 2 g 2 ( x k ) − ... − α n g n ( x k )) × ( g 2 ( x k )] = 0
k =1
:
m
j = n 2∑ [( f ( x K ) − α 1 g1 ( x k ) − α 2 g 2 ( x k ) − ... − α n g n ( x k )) × ( g n ( x k )] = 0
k =1
Resolviendo
⎡m ⎤ ⎡m ⎤ ⎡m ⎤ m
⎢ ∑ 1 k 1 k ⎥ 1 ⎢∑ 1 k 2 k ⎥ 2
g ( x ) g ( x ) α + g ( x ) g ( x ) α + ... + ⎢∑ 1 k n k ⎥ n ∑ f ( x k ) g 1 ( x k )
g ( x ) g ( x ) α =
⎣ k =1 ⎦ ⎣ k =1 ⎦ ⎣ k =1 ⎦ k =1
⎡m ⎤ ⎡m ⎤ ⎡m ⎤ m
⎢∑ 2 k 1 k ⎥ 1 ⎢∑ 2 k 2 k ⎥ 2
g ( x ) g ( x ) α + g ( x ) g ( x ) α + ... + ⎢∑ 2 k n k ⎥ n ∑ f ( x k ) g 2 ( x k )
g ( x ) g ( x ) α =
⎣ k =1 ⎦ ⎣ k =1 ⎦ ⎣ k =1 ⎦ k =1
: :
⎡ m
⎤ ⎡ m
⎤ ⎡ ⎤ m m
Tenemos un sistema lineal con n ecuaciones y n incógnitas. Podemos expresarlo en forma matricial
Ax = b
m
m
∑ g ( x) g ( x) ∑ g ( x) g
1 1
m
1 2 ( x)
m
...∑ g1 ( x) g n ( x)
m
= ∑ f ( x) g1 ( x) α 1 ∑ f ( x) g ( x)
k =1
1
k =1 k =1 k =1 k =1
m
( x) g 2 ( x) ...∑ g 2 ( x) g n ( x) = ∑ f ( x) g 2 ( x) . α = ∑ f ( x) g 2 ( x)
m m m m
∑g
k =1
2 ( x) g1 ( x) ∑g
k =1
2
k =1 k =1 2 k =1
: : : : : :
m m m m
∑ g n ( x) g1 ( x)
k =1
∑ g n ( x) g 2 ( x) ...∑ g n ( x) g n ( x) = ∑ f ( x) g n ( x) α n
k =1 k =1 k =1
m
∑ f ( x) g n ( x)
k =1
Ejemplo 5.2: tomamos como ejemplo la tabla anterior el cual, a través del diagrama de dispersión
sugería una parábola pasando por el origen como función de aproximación. Por lo tanto ϕ ( x) = αx 2
⎢ ∑
⎣ k =1
g ( x k ) g ( x )
k ⎥
⎦
α = ∑
k =1
f ( x k ) g ( x)
⎡ 11 2⎤
11
⎢ ∑
⎣ k =1
g ( x k ) ⎥
⎦
α = ∑k =1
f ( x k ) g ( x) siendo g ( x) = x 2
⎡ 11
2 2⎤
11
⎢∑ ( x ) ⎥α = ∑ f ( x k ) x
2
⎣ k =1 ⎦ k =1
x -1,0 -0,75 -0,6 -0,5 -0,3 0 0,2 0,4 0,5 0,7 1,0
2
x x 2 1 0,3164 0,1296 0,0625 0,0081 0 0,0016 0,0256 0,0625 0,2401 1 2,8464
f ( x) x 2 2,05 0,6486 0,162 0,1 0,045 0 0,008 0,096 0,128 0,588 2,05 5,8756
En el caso continuo el problema de ajuste de curva consiste en dada una función f (x ) continua en
[a, b] y seleccionadas las funciones g1 ( x ), g 2 ( x ),...g n ( x ) todas continuas en [a, b] , determinar n
constantes α 1 ,α 2 ,..., α n de modo que la función ϕ ( x) = α 1 g1 ( x) + α 2 g 2 ( x) + ... + α n g n ( x) se aproxime
lo máximo posible a f (x ) en el intervalo [a, b] .
Por ejemplo, supongamos que queremos encontrar la recta que mejor se aproxima de f ( x ) = 4 x ,
3
a a
∫ [f ]
b
( x) − 2 f ( x)(α 1 g1 ( x) + α 2 g 2 ( x) ) + (α 1 g1 ( x) + α 2 g 2 ( x) ) dx
2 2
∂F
críticos para lo que hacemos = 0 ∀i = 1,2,..., n
∂α i
∂F
b
⎡b ⎤ ⎡b ⎤
= −2 ∫ f ( x) g 1 ( x) dx + 2 ⎢ ∫ g12 ( x)dx ⎥α 1 + 2 ⎢ ∫ g1 ( x) g 2 ( x)dx ⎥α 2 = 0
∂α 1 a ⎣a ⎦ ⎣a ⎦
∂F
b
⎡b ⎤ ⎡b ⎤
= −2 ∫ f ( x) g 2 ( x) dx + 2 ⎢ ∫ g1 ( x)g 2 dx ⎥α 1 + 2 ⎢ ∫ g 22 ( x)dx ⎥α 2 = 0
∂α 2 a ⎣a ⎦ ⎣a ⎦
b b b
∫g
2
1 ( x)dx ∫ g ( x) g
1 2 ( x)dx α 1 ∫ g ( x) f ( x)dx
1
a11 a12 α 1 b
a a
=
a
⇒ = 1
b b b
a 21 a 22 α 2 b2
∫ g1 ( x) g 2 ( x)dx ∫ g 2 ( x)dx α2 ∫g
2
2 ( x) f ( x)dx
z a a
1 1 1 1
4x 4 4x5 4
b1 = ∫ 4 x dx =3
= 1; b2 = ∫ 4 x xdx = 3
= ;
0
4 0 0
5 0
5
y tenemos el siguiente sistema:
1 1 / 2 α1 1
=
1/ 2 1/ 3 α 2 4/5
4 18
resolviendo tenemos que α1 = − y α2 = y la recta que se ajusta a la función en [0;1] es:
5 5
18 4
ϕ ( x) = x−
5 5
En algunos casos, la familia de funciones escogidas puede no ser lineal en los parámetros. Por
−α 2 x
ejemplo, si el diagrama de dispersión se ajusta a una exponencial del tipo f ( x ) = ϕ ( x ) = α 1e , con α1 y
α2 positivas. Para aplicar el método de los mínimos cuadrados es necesario efectuar una linearización, a
través de una transformación conveniente.
40
35
30
25
20
15
10
5
0
-1,5 -1 -0,5 0 0,5 1 1,5
−α 2 x
el diagrama nos sugiere un ajuste del tipo y = ϕ ( x) = α 1e
8 8 8
a11 = ∑ 1 = 8 a12 = ∑ x = 0,3 = a 21 a 22 = ∑ x 2 = 3,59
k =1 k =1 k =1
8 8
b1 = ∑ f ( x) g 1 ( x) = 8,041 b2 = ∑ f ( x) g 2 ( x) = −8,646
k =1 k =1
8 0,3 a1 8,041
luego resolvemos el sistema =
0,3 3,59 a 2 − 8,646
obtenemos que a1 = 1,099 y a 2 = −2,5
ϕ ( x) = 3,001e −2,5 x
5.5-EJERCICIOS
5.1 – Obtenga la recta de mínimos cuadrados para los datos de la siguiente tabla:
x -1 1 3
f(x) 6 1 11
5.2 – Ajusta una parábola por el método de los mínimos cuadrados a los datos de la siguiente tabla:
X 1 2 3 4 5 6 7 8 9
f(x) 2.1 3.3 3.9 4.4 4.6 4.8 4.6 4.2 3.4
5.3 – Los beneficios, en millones de Gs, obtenidos por varias compañías del mismo grupo durante los años
1999 y 2000 vienen indicados por:
Obtener la recta de mínimos cuadrados y la parábola de mínimos cuadrados que se ajusta a los
datos anteriores e indica cuál de ellas se ajusta mejor.
5.5 – Dada la siguiente tabla, haga e gráfico de los datos y ajuste una curva de la mejor manera posible
5.6 – Obtenga los polinomios de mínimos cuadrados de primero, segundo y tercer grados para los datos de
la tabla anexa. En cada caso calcula el error y grafica los datos y los polinomios.
−α 2 x
5.7 – Repita el problema anterior para aproximar por una función del tipo y = α 1e