Captulo 4

Ajuste de Funciones por Mnimos

Cuadrados
4.1. Introducci on
El ajuste por Mnimos Cuadrados a una serie de datos (x
i
, y
i
), i = 1, . . . , n, se basa en obtener una curva ya
sea lineal, polinomial o de cualquier otro tipo, que entrega como resultado el mnimo error total entre los
datos proporcionados y la curva ajustada. El ajuste se hace sobre los par ametros de la curva, pudiendo ser
esta de cualquier tipo.
4.2. Ajuste Lineal
La estrategia es obtener los parametros que caracterizan a la lnea recta, y = f(x) = a
0
+ a
1
x, que pase lo
mas cercano posible a cada uno de los puntos proporcionandos como datos. Esto consiste en minimizar la
suma de los errores residuales (diferencia entre la curva y cada uno de los puntos). Para lograr lo anterior,
primeramente formamos los errores e
i
e
i
= y
i
f(x
i
) = y
i
a
0
a
1
x
i
(4.1)
que corresponden a la diferencia entre el valor conocido y
i
y el valor aproximado f(x
i
) (cuyos coecientes
todava no conocemos) y posteriormente denimos una funci on Q(a
0
, a
1
)
Q(a
0
, a
1
) =
n

i=1
e
2
i
=
n

i=1
(y
i
a
0
a
1
x
i
)
2
(4.2)
que corresponde a la suma de dichas diferencias, e
i
, al cuadrado. Para poder obtener los par ametros a
0
y a
1
que minimicen la ecuacion 4.2, tenemos que derivar parcialmente con respecto a cada uno de estos
par ametros:
Q
a
0
= 2

(y
i
a
0
a
1
x
i
) (4.3)
Q
a
1
= 2

[(y
i
a
0
a
1
x
i
)x
i
] (4.4)
Las sumatorias son desde i = 1 hasta n, a menos que se indique lo contrario. Si las ecuaciones 4.3 y 4.4 las
igualamos a cero y expandemos las sumatorias, las ecuaciones resultantes son:
0 =

y
i

a
0

a
1
x
i
(4.5)
0 =

y
i
x
i

a
0
x
i

a
1
x
2
i
(4.6)
65
66 CAP

ITULO 4. AJUSTE DE FUNCIONES POR M

INIMOS CUADRADOS
y simplicando

a
0
= a
0

1 = a
0
n, las ecuaciones forman un sistema de ecuaciones lineales con dos
incognitas (a
0
y a
1
):
a
0
n + a
1

x
i
=

y
i
(4.7)
a
0

x
i
+ a
1

x
2
i
=

x
i
y
i
(4.8)
y en forma matricial:

x
i

x
i

x
2
i

a
0
a
1

=

y
i

x
i
y
i

(4.9)
Estas ecuaciones reciben el nombre de ecuaciones normales. Se pueden resolver simultaneamente (por Gauss-
Jordan, Montante, etc.) y as encontrar los valores de a
0
y a
1
:
a
1
=
n

x
i
y
i

x
i

y
i
n

x
2
i
(

x
i
)
2
, a
0
=

y
i
a
1

x
i
n
= y a
1
x (4.10)
donde y y x son los promedios de y y de x, respectivamente:
y =

y
i
n
y x =

x
i
n
Ejemplo 4.1
Ajustar una lnea recta a los pares de datos que se proporcionan a continuaci on:
x 1 2 3 4 5 6 7
y 0.5 2.5 2.0 4.0 3.5 6.0 5.5
Soluci on
Calculamos las siguientes cantidades:
n = 7

x
i
y
i
= 119.5

x
2
i
= 140

x
i
= 28

y
i
= 24 x =
28
7
= 4 y =
24
7
= 3.428571429
y utilizando las ecuaciones 4.10, obtenemos
a
1
=
7(119.5)28(24)
7(140)(28)
2
= 0.8393, a
0
= 3.4286 0.8393(4) = 0.0714
para as tener el ajuste por mnimos cuadrados (la gura 4.1 muestra los puntos y la lnea resultante del
ajuste):
y = 0.0714 + 0.8393x
4.3. Ajuste Polinomial
En la seccion anterior se estudio el ajuste de una lnea recta a una serie de datos (puntos). Esa lnea recta
es un polinomio en x de grado 1. El metodo se puede generalizar para polinomios de grado m. El polinomio
es de la forma:
y = p
m
(x) = a
0
+ a
1
x + a
2
x
2
+ + a
m
x
m
(4.11)
de tal manera que ahora los errores residuales son:
Q(a
0
, . . . , a
m
) =
n

i
(y
i
p
m
(x
i
))
2
=
n

i
(y
i
a
0
a
1
x
i
a
2
x
2
i
a
m
x
m
i
)
2
(4.12)
Metodos Numericos y

Algebra Lineal c 19972003, Dr. Horacio Martnez Alfaro
4.3. AJUSTE POLINOMIAL 67
0
1
2
3
4
5
6
7
0 1 2 3 4 5 6 7
Figura 4.1: Datos y curva (lnea recta) ajustada
Dado que los valores que andamos buscando son los coecientes a
i
s que hagan mnima la suma de errores,
tendremos que derivar parcialmente Q(a
0
, . . . , a
m
) con respecto a cada uno de ellos:
Q
a
0
= 2

(y
i
p
m
(x
i
)) (4.13)
Q
a
1
= 2

(y
i
p
m
(x
i
))x
i
(4.14)
Q
a
2
= 2

(y
i
p
m
(x
i
))x
2
i
(4.15)
.
.
.
.
.
.
Q
a
m
= 2

(y
i
p
m
(x
i
))x
m
i
(4.16)
(4.17)
Al expander las sumatorias en las ecuaciones anteriores, se pueden obtener las ecuaciones normales:
a
0
n + a
1

x
i
+ a
2

x
2
i
+ + a
m

x
m
i
=

y
i
(4.18)
a
0

x
i
+ a
1

x
2
i
+ a
2

x
3
i
+ + a
m

x
m+1
i
=

x
i
y
i
(4.19)
a
0

x
2
i
+ a
1

x
3
i
+ a
2

x
4
i
+ + a
m

x
m+2
i
=

x
2
i
y
i
(4.20)
.
.
.
.
.
.
a
0

x
m
i
+ a
1

x
m+1
i
+ a
2

x
m+2
i
+ + a
m

x
2m
i
=

x
m
i
y
i
(4.21)
y en forma matricial

x
i

x
2
i


x
m
i

x
i

x
2
i

x
3
i


x
m+1
i

x
2
i

x
3
i

x
4
i


x
m+2
i
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

x
m
i

x
m+1
i

x
m+2
i


x
2m
i

a
0
a
1
a
2
.
.
.
a
m

y
i

x
i
y
i

x
2
i
y
i
.
.
.

x
m
i
y
i

(4.22)
Siendo las inc ognitas los coecientes a
i
s, se puede resolver el sistema y encontrar sus respectivos valores.
Los coecientes que se encontraran denen el mejor polinomio de grado m que genera la menor suma de
errores, Q, entre los valores conocidos y los obtenidos con la evaluaci on del polinomio.
Ejemplo 4.2
Metodos Numericos y

Algebra Lineal c 19972003, Dr. Horacio Martnez Alfaro
68 CAP

ITULO 4. AJUSTE DE FUNCIONES POR M

INIMOS CUADRADOS
Por medio del metodo de mnimos cuadrados, obtenga los valores de los coecientes del polinomio de grado
3 (p
3
(x)) que mejor ajuste a los siguientes datos:
x 0.0000 0.1000 0.2000 0.3000 0.4000 0.5000
y 0.2995 0.0867 0.0590 0.1131 0.1946 0.3730
x 0.6000 0.7000 0.8000 0.9000 1.0000
y 0.5910 0.6622 0.7018 0.8375 0.9620
Soluci on
Las cantidades requeridas para obtener las ecuaciones normales son:
n = 11

x
i
= 5.5

y
i
= 4.7624

y
i
x
i
= 3.39047

y
i
x
2
i
= 2.759837

y
i
x
3
i
= 2.3483975

x
2
i
= 3.85

x
3
i
= 3.025

x
4
i
= 2.5333

x
5
i
= 2.20825

x
6
i
= 1.987405
Las ecuaciones normales en forma matricial:

11 5.5 3.85 3.025

5.5 3.85 3.025 2.5333
3.85 3.025 2.5333 2.20825
3.025 2.5333 2.20825 1.987405

a
0
a
1
a
2
a
3

4.624
3.39047
2.759837
2.3483975

y cuya solucion es:

a =

0.257249647
2.230132024
6.671147840
3.796872452

El polinomio queda como

p
3
(x) = 0.257249647 2.230132024x + 6.671147840x
2
3.796872452x
3
0
0.2
0.4
0.6
0.8
0.2 0.4 0.6 0.8 1
Figura 4.2: Datos y polinomio evaluado en el rango de los datos (los datos son los peque nos crculos y la
lnea continua es el polinomio ajustado)
Metodos Numericos y

Algebra Lineal c 19972003, Dr. Horacio Martnez Alfaro
4.4. AJUSTE DE CUALQUIER COMBINACI

ON LINEAL DE FUNCIONES 69
4.4. Ajuste de cualquier combinaci on lineal de funciones
En la seccion anterior se vio el ajuste polinomial que es un caso especial del ajuste de cualquier combinaci on
lineal de funciones si tomamos encuenta las siguientes relaciones:
p
m
(x) = f
m
(x) = a
0
g
0
(x) + a
1
g
1
(x) + a
2
g
2
(x) + + a
m
g
m
(x) (4.23)
donde
g
0
(x) = 1, g
1
(x) = x, g
2
(x) = x
2
, . . . , g
m
(x) = x
m
(4.24)
El criterio sera el mismo que en las secciones anteriores, es decir, minimizar la suma de los errores al
cuadrado:
Q =
n

i
(y
i
f
m
(x
i
))
2
(4.25)
=
n

i
(y
i
a
0
g
0
(x
i
) a
1
g
1
(x
i
) a
2
g
2
(x
i
) a
m
g
m
(x
i
))
2
cuyas derivadas parciales con respecto a las incognitas a
i
, i = 1, . . . , m son:
Q
a
0
=

(y
i
f
m
(x
i
))

g
0
(x
i
) (4.26)
Q
a
1
=

(y
i
f
m
(x
i
))

g
1
(x
i
) (4.27)
Q
a
2
=

(y
i
f
m
(x
i
))

g
2
(x
i
) (4.28)
.
.
.
.
.
.
Q
a
m
=

(y
i
f
m
(x
i
))

g
m
(x
i
) (4.29)
En forma matricial, tendramos:

g
2
0

g
1
g
0


g
m
g
0

g
0
g
1

g
2
1


g
m
g
1
.
.
.
.
.
.
.
.
.
.
.
.

g
0
g
m

g
1
g
m


g
2
m

a
0
a
1
.
.
.
a
m

y
i
g
0

y
i
g
1
.
.
.

y
i
g
m

(4.30)
Al resolver el sistema de ecuaciones anterior, obtenemos como resultado los valores de los coecientes que
generan la menor suma de errores al cuadrado de las funciones g
i
(x), i = 0, . . . , m.
Ejemplo 4.3
Ajuste de 2 funciones: Se tienen los siguiente datos:
x .121 .542 .604 .995 1.196 1.370
y .8588 .4911 .6433 .5214 .0531 .4930
y se desea ajustar la siguiente funci on:
f
1
(x) = a
0
g
0
(x) + a
1
g
1
(x) con g
0
(x) = e
(1/2x
2
)
, g
1
(x) = x sin(2x)
Soluci on
Metodos Numericos y

Algebra Lineal c 19972003, Dr. Horacio Martnez Alfaro
70 CAP

ITULO 4. AJUSTE DE FUNCIONES POR M

INIMOS CUADRADOS
Los valores necesarios para obtener las ecuaciones normales son:

g
2
0
(x
i
) = 3.189083112

g
0
(x
i
)g
1
(x
i
) = 2.074977077

g
2
1
(x
i
) = 2.325997736

y
i
g
0
(x
i
) = .2064919344

y
i
g
1
(x
i
) = .7402096705
y en formal matricial:

3.189083112 2.074977077
2.074977077 2.325997736

a
0
a
1

.2064919344
.7402096705

dando como resultado:

a
0
= .3391795215 y a
1
= .6208086020
La suma de los errores al cuadrado es Q
2
= 1.52079.
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
0 0.2 0.4 0.6 0.8 1 1.2 1.4
Figura 4.3: Puntos y funci on f
1
(x) ajustada
Ejemplo 4.4
Ajuste de 3 funciones: La gura 4.3 muestra los puntos dados en el ejemplo anterior y la funci on ajustada
evaluada en el rango de [0, 1.4]. Los par ametros obtenidos son los mejores que ajustan la combinaci on lineal
de las funciones g
0
(x) y g
1
(x). Sin embargo, el ajuste es muy pobre ya que la funci on ajustada pasa muy
lejos de los puntos dados. Esto nos lleva a hacer un nuevo ajuste donde incluiremos una tercera funci on:
g
2
(x) = x
y ahora nuestra funci on de ajuste es:
f
2
(x) = a
0
g
0
(x) + a
1
g
1
(x) + a
2
g
2
(x)
Soluci on
Los valores que ahora necesitamos para ajustar esta nueva funci on son:

g
2
0
= 3.189083112

g
0
g
1
= 2.074977077

g
2
1
= 2.325997736

g
0
g
2
= 2.818825661

g
1
g
2
= 3.216771563

g
2
2
= 4.970562

y
i
g
0
= .2064919344

y
i
g
1
= .7402096705

y
i
g
2
= .3306900
Metodos Numericos y

Algebra Lineal c 19972003, Dr. Horacio Martnez Alfaro
4.4. AJUSTE DE CUALQUIER COMBINACI

ON LINEAL DE FUNCIONES 71
y en forma matricial

3.189083112 2.074977077 2.818825661

2.074977077 2.325997736 3.216771563
2.818825661 3.216771563 4.970562

a
0
a
1
a
2

.2064919344
.7402096705
.3306900

Al resolver el sistema de ecuaciones anterior, obtenemos:

a =

.3910317617
2.556099354
1.365931529

La gura 4.4 muestra los puntos dados, la funci on f

1
(x) y la nueva funci on f
2
(x). Como podemos ver, la
funci on f
2
(x) hace un mejor ajuste a los puntos dados ya que pasa m as cerca a ellos que la funcion f
1
(x) y
esto se puede comprobar con el valor de la suma de los errores al cuadrado Q
3
= 0.55062 que es menor que
Q
2
= 1.52079.
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
0 0.2 0.4 0.6 0.8 1 1.2 1.4
Figura 4.4: Puntos y funciones f
1
(x) y f
2
(x) ajustadas
Ejemplo 4.5
Ajuste de 4 funciones: El agregar una tercera funci on en el ajuste del ejemplo anterior mejor o la aproxi-
macion a los puntos pero a un permanece una diferencia considerable entre los puntos y la funci on ajustada.
Para este ejemplo, ajustaremos una cuarta funci on que en este caso sera simplemente una constante:
g
3
(x) = 1
y la funci on a ajustar es
f
3
(x) = a
0
e
x
2
/2
+ a
1
xsin(2 x) + a
2
x + a
3
Soluci on
Como se puede notar, solo hay necesidad de calcular la cuarta la de la nueva matriz de coecientes, ya que
las funciones de ajuste son las mismas que en el ejemplo anterior (lo que esta en negritas es lo nuevo que se
calculo):

.2064919344
.7402096705
.3306900

3.18908 2.07498 2.81883 4.17925

2.07498 2.32600 3.21677 3.33196
2.81883 3.21677 4.97056 4.82800
4.17925 3.33196 4.82800 6

a
0
a
1
a
2
a
3

.20649
.74021
.33069
.25090

Metodos Numericos y

Algebra Lineal c 19972003, Dr. Horacio Martnez Alfaro
72 CAP

ITULO 4. AJUSTE DE FUNCIONES POR M

INIMOS CUADRADOS
y al resolver el sistema de ecuaciones anteriores, obtenemos:
a =

13.0253
1.15064
6.07876
14.5612

,
f
3
(x) = 13.0253e
x
2
/2
1.15064xsin(2 x) 6.07876x + 14.5612
La gura 4.5 muestra los puntos y la funci on f
3
(x). Tambien podemos notar la mejora en el ajuste al evaluar
la suma de los errores al cuadrado Q = 0.01056.
-0.5
0
0.5
1
1.5
0 0.2 0.4 0.6 0.8 1 1.2 1.4
Figura 4.5: Ajuste de la funci on f
3
(x) que es una combinaci on lineal de 4 funciones (g
0
(x), g
1
(x), g
2
(x)
y g
3
(x)).
4.4.1. Ejercicios
1. Mediante el metodo de ajuste de funciones por Mnimos Cuadrados para los siguientes puntos:
x y
0.100 0.918170
0.153 0.799154
0.574 0.559960
0.618 0.666777
1.007 0.474477
1.364 0.488981
1.526 0.674749
1.663 0.621156
1.914 0.130210
1.942 0.0532890
encuentre los valores de los coecientes a
i
s de la siguiente funci on, as como la suma de los errores al
cuadrado Q (utilice al menos 6 decimales).
f(x) = a
1
+ a
2
x + a
3
x
3
+ a
4
xe
x
+ a
5
sin(2.5x)
Metodos Numericos y

Algebra Lineal c 19972003, Dr. Horacio Martnez Alfaro