Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CN Cuadrados Minimos
CN Cuadrados Minimos
Mnimos Cuadrados
Ajuste de curvas.
en el sentido de mnimos cuadrados. Ecuaciones
Sistemas rectangulares: Solucion
normales.
QR.
Gram-Schmidt. Factorizacion
Ortogonalizacion:
a problemas lineales.
Problemas de cuadrados mnimos no lineales: Reduccion
521230
-1-
Ax = b
donde A
b Rm .
sistema sobredeterminado.
Este problema, en general, no tiene solucion:
Ojo! En general:
Ax 6= b.
521230
-2-
(x1 , y1 ), . . . , (xm , ym ),
nos proponemos encontrar el polinomio
|p(xi ) yi |2 ,
i=1
sea mnima.
521230
-3-
Esta suma de cuadrados es el cuadrado de la norma del residuo del sistema rectangular:
.
..
521230
x1n1
n1
x2
x3n1
x1
...
x2
...
y2
c1
...
.
= y3
.
. .
.. .
..
.
c
n1
n1
. . . xm
ym
x3
..
.
xm
-4-
c0
y1
Teorema. Sean A
si
At r = 0,
t
521230
-5-
Consecuencia:
x debe satisfacer
At r = 0
At (b Ax) = 0
At Ax = At b.
Estas ultimas
ecuaciones reciben el nombre de ecuaciones normales.
En el caso en que m
Observacion:
la solucion
del sistema lineal
entonces las ecuaciones normales entregan como solucion
Ax = b.
521230
-6-
unica
si todas las columnas de A son l.i.;
Las ecuaciones normales tienen solucion
si y solo
es decir, si rango(A)
= n.
la matriz A
En este caso, ademas,
A es simetrica
y definida positiva, de donde, las
unica
de Cholesky.
estas matrices, en particular, el metodo
521230
-7-
Para resolver las ecuaciones normales se puede proceder del siguiente modo:
1. Calcular la matriz A
A y el vector At b.
de Cholesky:
2. Obtener la matriz L de la factorizacion
3. Resolver el sistema triangular inferior Ly
4. Resolver el sistema triangular superior L
521230
-8-
At A = LLt .
= At b.
x = y.
A) = cond2 (A)2 .
factorizacion
QR. Ortogonalizar las columnas de A mediante, por ejemplo,
Solucion:
Gram-Schmidt.
Para esto, escribamos:
donde ai
521230
A=
a 1
a2
mn
R
. . . an
Q=
q1
q2
tales que
r11
R= .
..
mn
R
. . . qn
r12
...
r22
. . . r2n
nn
,
..
..
.
.
0 rnn
..
...
r1n
A = QR.
521230
- 10 -
A = QR
a1
a2
an
= r11 q 1 ,
= r12 q 1 + r22 q 2 ,
..
.
de Gram-Schmidt:
Q y R se pueden construir mediante el proceso de ortogonalizacion
Para j
521230
= 1, . . . , n :
para i
rjj
= 1, . . . , j 1 :
rij = q ti aj ,
j1
X
=
a j
rij q i
,
i=1
qj =
1
rjj
- 11 -
aj
j1
X
i=1
rij q i
1
q ti q j = ij =
0
si i = j,
si i 6= j,
t
Q Q=
Si rango(A)
q t1
q t2
..
.
q tn
q
1
q2
. . . qn
= I.
matriz R no singular.
521230
- 12 -
a la resolucion
de las ecuaciones normales.
Aplicacion
Para resolver el sistema de ecuaciones normales:
At Ax = At b,
como
A = QR,
Qt Q = I y
R es no singular,
entonces:
At Ax = At b
521230
- 13 -
Rt Qt QRx = Rt Qt b
Rt Rx = Rt Qt b
Rx = Qt b.
Cuando A
521230
- 14 -
polinomial.
Ejemplo 1. Un problema de aproximacion
0.0
10.5000
0.5
5.4844
1.0
0.0000
1.5
-3.6094
2.0
-4.5000
2.5
-2.9531
3.0
0.0000
3.5
2.9531
4.0
4.5000
4.5
3.6094
5.0
0.0000
521230
- 15 -
Solucion.
Nuestro problema se reduce a encontrar constantes a, b, c y d para formar el polinomio
a, b, c y d:
lineal rectangular con incognitas
521230
- 16 -
0.0000
B
B 0.1250
B
B
B 1.0000
B
B
B 3.3750
B
B
B 8.0000
B
B
B 15.6250
B
B
B 27.0000
B
B
B 42.8750
B
B 64.0000
B
B
B 91.1250
@
125.0000
|
521230
0.0000
0.0000
0.2500
0.5000
1.0000
1.0000
2.2500
1.5000
4.0000
2.0000
6.2500
2.5000
9.0000
3.0000
12.2500
3.5000
16.0000
4.0000
20.2500
4.5000
25.0000 5.0000
{z
- 17 -
1.0000
C
1.0000C
C
C
1.0000C
C
C
0 1
1.0000C
C a
C
B C
1.0000C
C BbC
CB C
1.0000C B C
C BcC
C@ A
1.0000C
C d
C
1.0000C | {z }
C
1.0000C
C x
C
1.0000C
A
1.0000
}
10.5000
B
C
B 5.4844 C
B
C
B
C
B 0.0000 C
B
C
B
C
B3.6094C
B
C
B
C
B4.5000C
B
C
B
C
B2.9531C
B
C
B
C
B 0.0000 C
B
C
B
C
B 2.9531 C
B
C
B 4.5000 C
B
C
B
C
B 3.6094 C
@
A
0.0000
{z
}
|
521230
0.5
1.5
- 18 -
2.5
3.5
4.5
0.0000
0.4000
0.8000
1.2000
1.6000
2.0000
3.1437
4.4169
6.0203
8.6512
11.0078
16.2161
f (x) = aebx
a estos datos en el sentido de mnimos cuadrados.
Solucion.
Tomando logaritmos se transforma en un problema lineal de cuadrados mnimos:
521230
- 19 -
0.0000
0.4000
0.8000
1.2000
1.6000
2.0000
z = ln(y)
1.1454
1.4854
1.7951
2.1577
2.3986
2.7860
1
B
B1
B
B
B1
B
B
B1
B
B
B1
@
1
521230
0.0000
C
0.4000C
C0
1
C
0.8000C
C @ln(a)A
C
1.2000C
b
C
C | {z }
1.6000C
A
2.0000
{z
}
- 20 -
1.1454
C
B
B1.4854C
C
B
C
B
B1.7951C
C
B
C
B
B2.1577C
C
B
C
B
B2.3986C
A
@
2.7860
| {z }
ln(a) = 1.1539
a = e1.1539 = 3.1705
b = 0.8075.
Por lo tanto
f (x) = 3.1705e0.8075x .
18
Mediciones
Minimos cuadrados
16
14
12
10
521230
0.2
0.4
0.6
- 21 -
0.8
1.2
1.4
1.6
1.8
f (t) = ce
atbt2
a
f (t) =
: en este caso se toman los recprocos.
b+t
k0
f (t) =
, donde k0 es una constante conocida: en este caso se toman
1 + aect
se aplica logaritmo.
recprocos, se resta 1 y despues
521230
- 22 -