UNIVERSIDAD NACIONAL EXPERIMENTAL ANTRONIO JOS DE SUCRE VICE-RECTORADO LUS CABALLERO MEJAS NCLEO CHARALLAVE

DEPARTAMENTO DE MECNICA ASIGNATURA: MECNICA RACIONAL/SECCIN:01 PROFESOR: ANDRS HERRERA

CHARALLAVE, FEBRERO 2006

MTODO DE LOS MNIMOS CUADRADOS

AJUSTES DE RECTAS POR MINIMOS CUADRADOS

Toda funcin Lineal o Curvilnea mtodos numricos. se puede ajustar a un polinomio por

Presentaremos a continuacin el caso ms simple: el ajuste de una funcin lineal (esto es, el ajuste de una recta o de un polinomio de grado uno). La tcnica que presentaremos se conoce como El Mtodo de los Mnimos Cuadrados y se fundamenta en el hecho de que el mejor ajuste se obtiene cuando la suma de los cuadrados de las desviaciones de la variable dependiente alcanza su valor mnimo. Para encontrar el valor mnimo de las desviaciones de la variable dependiente se varan parmetros; en el caso de una recta los parmetros libres a variar son precisamente la pendiente de la recta y el valor de la ordenada en el origen (esto es, se harn variar m y b, las cuales hemos considerado hasta ahora como constantes, de modo de encontrar los valores que correspondan a la recta que mejor se ajuste a los datos experimentales).

Consideremos la ecuacin que describe a la recta buscada,

yi (teorico) = m xi + b, i = 1,2, ....., N

Note que hemos introducido ndices pues estamos trabajando con un conjunto de N puntos discretos. El problema consiste en determinar los valores de m y b por la va de minimizar las diferencias entre los los yi (experimentales) La suma de los cuadrados de las desviaciones entre experimentales y los correspondientes a la recta ajustada es,

yi (teorico) y
datos

los

S = ( yi ( experimentales) - yi ( terico) )2 S = [ yi (experimentales) ( m xi + b )] 2 con

i = 1,2,..N

Igualando a cero las derivadas de S con respecto a las variacin de m y b, estamos aplicando la condicin de extremos a la funcin:

dS /dm = ( -2yi xi +2m xi 2 + 2b xi )=0 dS /dm = ( -2yi +2m xi+ 2b )=0

Se puede demostrar por la va de sacar la segunda derivada que stas son (en este caso) condiciones de mnimo necesarias y suficientes. De estas dos relaciones se puede despejar m y b:

m = [ N ( xI yI ) - xI yI ] / N xI 2 ( xI )2 b = ( yI m xI ) / N b = [ yI xI 2 - xI xI yI ] / N xI 2 - ( xI )2

Por lo tanto hemos encontrado las expresiones (en funcin de los datos experimentales) de los parmetros que dan el mejor ajuste. En rigor, la recta que se debe trazar en el grfico es aquella que se obtiene mediante el mtodo de los mnimos cuadrados: una vez determinada la pendiente y la ordenada en el origen basta utilizar la ecuacin de la recta y obtener los valores de la ordenada que corresponden a dos valores cualesquiera de la variable independiente. Finalmente, enfatizamos que al hacer el ajuste de una recta en un grfico semilogartmico o logartmico se han de reemplazar las variables por sus logaritmos en el par de ecuaciones precedentes.

xI y/o yI

Note que el error en la determinacin de la pendiente y la ordenada en el origen por el mtodo de los mnimos cuadrados, podra en principio calcularse va propagacin de errores. Los programas comerciales que se utilizan en los computadores personales suelen dar estos errores y tambin suelen incluir otros criterios ms sofisticados para revelar la calidad del ajuste de los puntos a la recta.

AJUSTES DE CURVAS POR MINIMOS CUADRADOS

Supongamos ahora que tenemos un conjunto de puntos que mostramos en la siguiente grfica

De los puntos mostrados nos podemos dar cuenta que parece tener la forma de un polinomio de segundo grado de la forma: (1)

Esta ecuacin (1) puede usarse para representar el conjunto de valores obtenidos experimentalmente para la cual debemos determinar los valores de a1, a2, a3, etc.

Para determinar estos valores utilizamos el siguiente procedimiento:

1. Establecer el criterio para determinar la ecuacin que represente a los valores (obtenidos experimentalmente). 2. Escribir la ecuacin que expresa el error o desviacin entre el valor observado y los valores dados por la ecuacin. 3. Habiendo obtenido la ecuacin del error, minimizar dicho error.
EVALUACIN DEL ERROR Si consideramos las parejas de datos, como se muestra en la grfica donde:

d = Distancia = YObservada - Y
Donde:

Obtenida por la ecuacin

YObservada = Valor obtenido experimentalmente. YObtenida por la ecuacin = Valor de la funcin evaluada en cualquier valor X
Observando la grfica, parece que esta distancia se puede usar para representar el error, pero habr distancias positivas y negativas, (como se puede observar la distancia d1 es positiva y la distancia d2 es negativa) de

modo que el error promedio para los puntos como los mostrados ser pequeo aunque los errores individuales sean grandes. Esta dificultad podra ser resuelta usando el valor absoluto de las distancias, sin embargo al derivar la funcin del valor absoluto se generan ciertos problemas. La solucin podra ser definir el error como el cuadrado de la distancia, esto elimina la dificultad del signo. Por esta razn el mtodo se llama: Mtodo de Mnimos Cuadrados. (2) en donde S es la suma de los cuadrados de las diferencias entre el valor calculado y el valor observado y por lo tanto es el valor que se debe minimizar

(3)

Siendo el caso de que la curva supuesta es una ecuacin de segundo grado, se tiene la ecuacin: (4) Para minimizar la funcin anterior, derivando parcialmente con respecto a

a1 , a2

y a3 e igualando a cero:

(5)

(Obsrvese que las variables son a 1, a 2 y a 3, mientras que Yi, X i son constantes) Las ecuaciones se pueden expresar de acuerdo como sigue:

(6)

Lo anterior lo podemos expresar en forma matricial:

(7)

La frmula general para un polinomio de grado n en donde hay m parejas de datos es:

(8)

Como se puede observar el problema consiste en lo siguiente: 1. Obtener la matriz de coeficientes. 2. Resolver el sistema de ecuaciones resultantes. Recordando que:

n es el grado del polinomio, hay n+1 valores de la matriz de coeficientes y n+1 ecuaciones. 2. El mximo exponente de X en los trminos de la sumatoria de 2n
1. Si

puede ser que los datos no representen un polinomio de 2 grado sino que representen uno de 3 y 4 grados.

El ajuste de curvas es un procedimiento de tanteo y error, si una curva no representa los datos, entonces se intenta con un polinomio de grado superior.

EJEMPLO:
X 0.00 0.10 0.20 0.30 0.40 0.50 Y 0.0000 0.1002 0.2013 0.3045 0.4108 0.5211 X 0.60 0.70 0.80 0.90 1.00 Y 0.6367 0.7586 0.8881 1.0265 1.1752

De la tabla de datos, usando Mnimos Cuadrados, determine los polinomios de 2o, 3er y 4o grado; graficar para determinar la curva ms aproximada.

SOLUCIN
POLINOMIO DE SEGUNDO GRADO Primero determinamos los coeficientes de la matriz y los elementos constantes. Los elementos de la matriz son: M =11

Los trminos constantes son:

De acuerdo con esto, el sistema de ecuaciones a resolver es el siguiente:

Resolviendo por Gauss se obtienen los siguientes resultados.

a1 = 0.006727 a2 = 0.895462 a3 = 0.265963

y el polinomio de segundo grado es:

POLINOMIO DE TERCER GRADO Para el caso del polinomio de 3er grado se requiere:

M =11

y el sistema de ecuaciones a resolver es:

a1 = - 0.000112 a2 = 1.004150 a3 = - 0.019075 a4 = 0.190032

cuya solucin es:

y el polinomio queda:

POLINOMIO DE CUARTO GRADO Repitiendo el procedimiento anterior, se obtienen los siguientes resultados a1 = - 0.000112 a2 = 0.994595 a3 = 0.028713 a4 = 0.113563 a5 = 0.038237 Quedando el polinomio como se muestra: