[UNIVERSIDAD NACIONAL DEL CENTRO

DEL PERU]
2
AJUSTE DE CURVAS METODO DE FOURIER
En la ciencia y la ingeniera se da, a menudo, el caso de que un experimento produce un conjunto de
datos (x1,y2), (x2,y2), ..., (xn,yn). El objetivo en esta seccin es determinar una frmula y = (x) que
relacione las variables. Generalmente se dispone de un conjunto de variables previamente establecidas, y
lo que hay que hallar son los valores ms adecuados de unos coeficientes o de unos parmetros para
estas frmulas. Aunque existen muchas funciones que se pueden usar, suele ocurrir que existe un modelo
matemtico subyacente, basado en la situacin fsica que se est estudiando y determina la forma de la
funcin salvo algunos coeficientes.
Si la relacin entre xi e yi para 1 i n, es lineal, entonces la funcin que mejor se ajusta a los datos es
una lnea de aproximacin de la forma:

y = ax + b
Una forma para encontrar la recta ptima es el mtodo de los mnimos cuadrados y consiste en hallar
el valor de las constantes a y b de tal manera que reduzcan al mnimo la suma de los cuadrados de los
errores entre los valores yidados y los valores y(xi) = axi + b en la lnea de aproximacin.

(7)

La cantidad (7) se puede considerar una funcin de dos variables a y b, a la que se le quiere hallar un
mnimo. Para que ocurra un mnimo es necesario que las derivadas parciales
Observe que las xi e yi son puntos de datos.

sean cero.

Al dividir entre 2 cada una de estas ecuaciones y desarrollar las sumatorias se obtienen las llamadas
ecuaciones normales

(2)
La solucin del sistema (2), de dos ecuaciones con dos incgnitas es

(3)

METODOS NUMERICOS |

[UNIVERSIDAD NACIONAL DEL CENTRO

DEL PERU]
2

Por lo tanto la recta que mejor se ajusta a los datos ( xi, yi), 1 i n relacionados en forma lineal
es y = ax + b con a y b dados
por (3).
El problema de aproximar un conjunto de datos (xi, yi), 1 i n con un polinomio algebraico Pm(x) de
grado m < n 1 mediante el procedimiento de mnimos cuadrados, es similar al de y = ax + b (Ver
ejercicio
24
de
este
captulo).
En muchos casos los datos provenientes de pruebas experimentales no son lineales por lo que es
necesario ajustarlos a una funcin que no sea un polinomio de primer grado. Algunas veces conviene
suponer que los datos tienen una relacin exponencial. Para ello, la funcin de aproximacin debe tener
la forma:

y = Beax

(4) o bien

y = Bxa

(5) para algunas constantes a y B

Es posible desarrollar ecuaciones normales para stas de manera anloga al desarrollo precedente para
una recta por mnimos cuadrados si las derivadas parciales se igualan a cero. Tales ecuaciones no
lineales son mucho ms difciles de resolver que las ecuaciones lineales. Por esta razn el mtodo que
suele utilizarse cuando se sospecha que los datos tienen una relacin exponencial, consiste en
considerar el logaritmo de la ecuacin de aproximacin:

y = Beax
ln y =
ln y =
ln B
ln y = ax + ln B (6)

y = Bxa
ln(Be ) ln y =
+ ln eax ln y =
ln B
ln y = aln x + ln B (7)
ax

ln(Bxa)
+ ln xa

((6) y (7) se conocen como formas linealizadas)

Observe que en (6) se presenta en una relacin lineal entre x y ln y, por lo que se pueden usar las
frmulas dadas en (3) para resolver el problema lineal cambiando por ln yi y b por ln B.
Una ventaja adicional de las formas linealizadas es que las grficas de los datos en papel Log-Log o en
papel semilogartmico muestran a simple vista si estas formas son idneas, en el sentido de que una recta
representa los datos cuando se trazan de esa manera.
Ejemplo.
Ajustar los datos

A
funciones
Qu funcin aproxima mejor?

de

xi

yi

5.1

8.8

la

forma y = ax + b,

y, y = Beax

METODOS NUMERICOS |

[UNIVERSIDAD NACIONAL DEL CENTRO

DEL PERU]
Solucin:
2
Para este caso se tienen tres datos, luego n=3. Se construye una tabla con los datos que se necesitan en
las
frmulas
(3) 3.

Para el modelo lineal:

y = ax+b................... y = 1.92143x + 1.15

Si se evala la recta en x3=4, resulta y =1.92143(4) + 1.15 = 48.83572, el error al cuadrado entre la
aproximacin dada por la recta y el valor real es (y3 ax3 b)2= (8.8 8.83572)2 = 1.2759 x 10-3.
Para el modelo exponencial.

ln B = 0.8258, ......B = e0.0250 2.28371

Y = Beax............... Y = 2.28371e0.34645x

METODOS NUMERICOS |