Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Pedro Salvador
20
Tcnicas Computacionales, Curso 2007-2008. Pedro Salvador
N N N N
= 2( yi a0 a1 xi ) xi = 2 xi yi 2a0 xi 2a1 xi2 = 0
a1 i i i i
N N N
a0 xi + a1 xi2 = xi yi
i i i
1 x a0 y
=
2
x x a1 xy
por lo que determinar los parmetros de la recta se resume a resolver el sistema de
ecuaciones lineales de dos ecuaciones y dos incgnitas anterior.
21
Tcnicas Computacionales, Curso 2007-2008. Pedro Salvador
1 x1 y1 1 x1 y1
1 x 2
a y r r 1 x2 r a r y2
= 2
0
A x = y A= x = 0 y =
... ... a1 ... ... ... a1 ...
1 xN y 1 xN y
N N
Como ya hemos visto, una manera directa de resolver los sistemas de ecuaciones
expresados en forma matricial es la de multiplicar por la izquierda a ambos lados de la
igualdad por la inversa de la matriz de coeficientes. sin embargo, en este caso, al tener
mas ecuaciones que incgnitas, la matriz de coeficientes, A, no es una matriz cuadrada
(tendr dimensin N 2) por lo que no esta definida su inversa. Una posible estrategia a
seguir es multiplicar la ecuacin matricial anterior por la transpuesta de la matriz de
coeficientes (el producto de una matriz por su transpuesta es siempre una matriz
cuadrada y simtrica) de manera que tendremos
r r r
AT A x = AT y S = AT A zr = AT y
El sistema de N ecuaciones y dos incgnitas inicial lo hemos condensado en otro
sistema de dos ecuaciones y dos incgnitas dado por
r r
Sx = z
Ahora bien, la matriz S es una matriz cuadrada de dimensin 22 y simtrica por lo que
es invertible as que podemos escribir
r r
S 1 S x = S 1 AT y
y por tanto, el vector que buscamos nos quedara de la forma
r r
x = S 1 AT y
22
Tcnicas Computacionales, Curso 2007-2008. Pedro Salvador
Ahora bien, representa esta estrategia una solucin diferente al problema de la que
hemos deducido anteriormente mediante minimizacin del error cuadrtico?
Veremos a continuacin que no es el caso.
A partir de la estructura de la matriz A, el producto de su transpuesta por ella misma
resulta en
1 x1 N
1 1
... 1 1 x2
N x i
AT A = = i =1
... x N ... ... N N
x1 xi
x2
xi2
1 xN i =1 i =1
Del mismo modo, el producto de AT por el vector de trminos independientes queda
y1 N
yi
r r 1 1 ... 1 y2 i=1
z = AT y = =
... x N ... N
x1 xi yi
x2
y i =1
N
por lo que la ecuacin matricial 22 anterior la podemos escribir mas explicitamente
como
N
N
N
x ai
yi
i =1
0 = Ni =1 .
N N
2 a1
xi xi xi yi
i =1 i =1 i =1
Dividiendo cada ecuacin por N y utilizando la notacin tpica para el valor medio
llegamos a
1 x a0 y
=
x x 2 a1 xy
que es exactamente el mismo sistema de ecuaciones al que habamos llegado
anteriormente imponiendo la condicin de mnimo error cuadrtico.
As pues, podemos plantear el siguiente algoritmo para el ajuste lineal
a) Lectura de los N pares de valores {xi, yi} y construccin de las matriz A y vector y.
b) Construccin de la transpuesta de la matriz A: AT
c) Construccin de la matriz S mediante el producto matricial ATA
d) Construccin del vector z mediante el producto matriz por vector ATy
e) Inversin de matriz S: S-1
f) Producto matriz por vector S-1 z para obtener el vector de soluciones final.
23
Tcnicas Computacionales, Curso 2007-2008. Pedro Salvador
24
Tcnicas Computacionales, Curso 2007-2008. Pedro Salvador
N N N N N
= 2( yi a0 a1 xi a2 xi2 ) xi = 2 xi yi 2a0 xi 2a1 xi2 2a2 xi3 = 0
a1 i i i i i
N N N N N
= 2( yi a0 a1 xi a2 xi2 ) xi2 = 2 xi2 yi 2a0 xi2 2a1 xi3 2a2 xi4 = 0
a2 i i i i i
1 x x 2 a0 y
x x2 x3 a1 = xy
2 2
x x3 x 4 a2 x y
1 x ... x M a0 y
M +1
x x2 ... x 1 a xy
... = ...
... ... ... ...
xM x M +1 ... x 2 M aM x y
M
25
Tcnicas Computacionales, Curso 2007-2008. Pedro Salvador
r r 1 N
f ( N , p, q, x , y ) x p y q xip yiq
N i=1
para determinar todos los promedios de potencias de x y productos de stas por y que
aparecen en la matriz de coeficientes y de trminos independientes.
r r
f ( N ,1,0, x , y ) x
r r
f ( N ,1,1, x , y ) xy
r r
f ( N ,3,0, x , y ) x 3
Sin embargo, es mucho mas sencillo aplicar el algoritmo general matricial descrito
anteriormente para el caso lineal. Ahora, para el ajuste de un polinomio de grado M
plantearamos un sistema N de ecuaciones con M+1 incgnitas (incluyendo el trmino
independiente)
a0 + a1 x1 + a2 x12 + ... + aM x1M = y1
a0 + a1 x2 + a2 x2 + ... + aM x2 = y2
2 M
...
a + a x + a x 2 + ... + a x M = y
0 1 N 2 N M N N
26
Tcnicas Computacionales, Curso 2007-2008. Pedro Salvador
...
a + a x (1) + a x ( 2 ) + ... + a x ( k ) = y
0 1 N 2 N k N N
27
Tcnicas Computacionales, Curso 2007-2008. Pedro Salvador
(y )
N
2
calc
i y
R2 = i
(y y)
N
2
i
i
Como se puede ver, el valor de este coeficiente es independiente del modelo ajustado,
ya que nicamente indica la relacin estadstica entre el conjuntos de datos.
28