queda perfectamente bien definido si se conocen todos sus coeficientes a, , c, d.

Estos coeficientes son calculados mediante el denominado método de mı́nimos

cuadrados discreto que describimos a continuación.
Denotemos con ri el residuo en cada medición, esto es,
yi = P (xi ) + ri = a + bxi + cx2i + dx3i + ri i = 1, ...n.

En forma matricial, el conjunto de ecuaciones precedente, se escribe como el

siguiente sistema de ecuaciones lineales:

1 x1 x21 x31 
     
y1  r1
 ..   .. .. .. ..  a  . 
 .   . . . .    . 
 b  +  . 

 =
 .   . .. .. ..   c   .. 
 ..   .. . . .   . 
2 3 d
yn 1 xn xn xn rn

El residuo en cada medición depende de los coeficientes a, b, c, d del polinomio

P.
Definimos los vectores → −
x,→ −
y y el residuo →
−
r (→ −
x ) con como sigue:
r1 (→ −
   
  y1 x)
a  ..   .. 
→
−  b  →
−  .  →
− →−  . 
x = c 
; y = 
 . 
; r ( x ) = 
.

 ..  ..
 
 
d
yn rn (→ − x)

1 x1 x21 x31
 
 .. .. .. .. 
 . . . . 
Definimos la matriz A siguiente: A= .
. . .. 

 .. .. .. . 
1 xn xn x3n 2

El sistema de ecuaciones lineales propuesto anteriormente se transforma en

el siguiente: →
−
y = A→−x +→ −r (→−
x ), de donde el residuo → −r (→
−
x) = → −y − A→ −
x con →
−
x
4
∈ R .El problema de hallar el ”mejor polinomio” que se ajusta al conjunto de
datos S se expresa como sigue:

hallar →
− c, db ∈ R4 tal que k→ −
r (→
− M in k→ −r (→
−
 
2 2
xT = b a, bb, b x )k = → −
x )k ,
x ∈R4

o de modo equivalente
k→
−
y − A→
− M in k→
−
y − A→
−
2 2
xk =→
−
xk .
x ∈R4

Este problema, como ya hemos señalado, se conoce como método de mı́nimos

cuadrados y se ha demostrado que conduce a resolver el sistema de ecuaciones
AT A→−
x = AT →−
y , donde AT denota la matriz transpuesta de A.

Veamos la generalizacion de este problema. Sea C = (xi , yi ) ∈ R2 | i = 1, ...n .un
conjunto de datos experimentales y p un polinomio de grado ≤ m. Ponemos

1
 p(x) = a0 + a1 x1 + ... + am xm x ∈ R,

donde a0 , ..., am ∈ R se determinan mediante el método de minimos cuadra-

dos. Supongamos
m

 y1 = a0 + a1 x1 + ... + am x + r1

..
 .
yn = a0 + a1 xn + ... + am xm
n + rn ,


con r1 , ...rn los errores cometidos en la medicion. En forma matricial, el

sistema de ecuaciones precedente, se expresa como → −
y = A→ −
x +→ −r , donde →
−
y =
T →− T →− T
(y1 , ..., yn ) , r = (r1 , ..., rn ) , x = (a0 , ..., am ) ,

1 x1 · · · xm
 
1
A = (aij ) =  ... .. ..  = [A , ...A ] ,

. .  0 m
1 xn ··· xm
n
   m 
1 x1
 ..   .. 
con A0 =  .  , ..., A0 =  .  las columnas de A.
1 xmn
Note que si →
−
x = (a , ..., a )T
∈ Rm+1 , se tiene A→
−
x = a0 A0 + ... + am Am .
 → 0 m
− →
−
Sea W = A x | x ∈ R m+1

. Resulta que W es un subespacio de Rn con dim
W = m < n.Se define → −
r (→ −
x) = → −y − A→
−x, → −
x ∈ Rm+1 ,El problema de mı́nimos
m+1
cuadrados consiste en determinar x b∈R tal que

k→
− x)k ≤ k→
−
r (→
−
x )k ∀→
2 −
x ∈ Rm+1 ⇐⇒ k→
− M in k→
−
y − A→
−
2 2 2
r (b y − Ab
xk = →
−
xk .
x ∈Rm+1

Note que, en general, →

−
y ∈
/ W .Por el teorema precedente, existe yb ∈ W tal
que

k→
−
y − ybk ≤ k→ −y − zbk ∀→ −
2 2
z ∈ W,
→
− →
− →
−
( y − yb, w ) = 0 ∀ w ∈ W.

Como yb ∈ W si y solo si →
− b →
x ∈ Rm+1 tal que yb = Ax, −
z ∈ W si y solo si
→
−
existe x ∈ R m+1 →
− →
−
tal que z = A x .
Ası́,

k→
− xk ≤ k→
−y − A→−x k ∀→ −
2 2
y − Ab x ∈ Rm+1 ,
→
−
( y − Ab →
− →
−
x, w ) = 0 ∀ w ∈ W.

Para →
− x →
w = Ab −
x ∈ Rm+1 , se obtiene

0 = (→
−
y − Ab x)T (→
x, Ax) = (Ab − x) = →
y − Ab −
x T AT →
−
y −→
−
x T AT Ab
x=
T T→
− T
b (A y − A Ab
x x)

lLego

2
 bT (AT →
x −
y − AT Ab
x) = 0 ∀→
− x = AT →
x ∈ Rm+1 ⇐⇒ AT Ab −
y

que se conoce como ecuación normal. O sea xb es solución del sistema de

ecuaciones normal
6.6.4 Ajuste de datos con funciones afines de n variables
Supongamos que se dispone de un conjunto de datos:
n  o
(k) (k)
S= x1 , ...xn , zk ∈ Rn+1 | k = 1, ..., m ,

y se desea hallar los coeficientes de la función f definida como:

z = f (x1 , ..., xn ) = a0 + a1 x... + an xn (x1 , ..., xn ) ∈ Rn .

Se supone que m > n + 1.

Si n = 1, la función f se escribe como f (x) = a + bx x ∈ R y coincide
con la de un polinomio de grado 1 que ya hemos arriba tratado. Del punto de
vista geométrico, la gráfica de f representa una recta del plano, por este motivo
llamamos recta de mejor ajuste
Si n = 2, se tiene z = f (x, y) = a0 + a1 x... + a2 y (x, y) ∈ R2 ,que del punto
de vista geométrico,la gráfica de f se identificacon un plano
Si n ≥ 3, a ñla función f lo identificamos con la ecuación cartesiana de un
hiperplano
Tal como en el caso del ajuste de datos polinomial, se tiene el siguiente
sistema de ecuaciones:
(k) (k)
zk = a0 + a1 x1 + ... + an xn + rk k = 1, ..., m,
(k) (k)
donde rk denota la perturbación del dato experimental (x1 + ... + xn , zk )
y que depende de a0 , a1 , ..., an
Se define → −x T = (a0 , a1 , ..., an ) ∈ Rn+1 , →
−z T = (z1 , ..., zn ) ∈ Rn+1 , →
−
r (→
−
x )T =
→
−
(r1 ( x ), ..., →
−
 rm ( x )) y 
(1)
1 x(1) · · · xn
 . .. .. 
A=  .
. . . 

(m) (m)
1 xn · · · xn
El sistema de ecuaciones precedentes se escribe en forma matricial como
→
−z = A→ −x+ → −
r (→
−x ) o bien →−r (→ −x)=→ −z − A→−x → −
x ∈ Rn+1
n+1
Se define la función E de R en [0, ∞[ como sigue:
m
E(a0 , a1 , ..., an ) = k→
− x)k = k→
−
z − A→
−
2 2 (k) (k)
(zk −a0 −a1 x1 −...−an xn )2
P
r (b xk =
k=1

y consideramos el problema de minimización siguiente:

hallar x bT = (b an ) ∈ Rn+1 tal que

a0 , ..., b
E(b
a0 , ..., b
an ) = mı́n E(a0 , ..., an )
(a0 ,...,an )∈Rm+1

3
 Ejercicio 209
1.Supongamos
 que se dispone del conjunto de n pares de datos experimen-
tales S = (xi, yi ) ∈ R2 | i = 1, ..., n que en cada ı́tem se indica. Encontrar un
polinomio P de grado n que se indica y que mejor se ajusta al conjunto de datos.
a) S = {(0, 1), (1, −1), (2, 1), (3, 3)} yP (x) = a + bx x ∈ R.
b) S = {(0, 0), (1, −1), (2, 0), (3, 3), (4, 8)} yP (x) = a + bx + cx2 x ∈ R.
c) S = {(0, 0), (1, −1), (2, 0), (3, 3), (4, 8)} yP (x) = a + bx + cx2 x ∈ R.
d) S = {(0, 1), (1, 4), (2, 9), (3, 16), (4, 25)} yP (x) = a + bx + cx2 x ∈ R.
2. Concideras el conjunto de datos S siguiente:

S = {(1, 0.5, 9), (2, 2.5, 16), (3, 3, 20), (4, 3.5, 24), (5, 5, 32)}

Determinar una función f del tipo f (x, y, z) = ax + by + c (x, y, z) ∈ R3

y a, b, c constantes determinadas con el método de mı́nimos cuadrados
Verifique que la solución es b
c = 4.99999999 ' 5.0, bb = 1.9999999976 ' 2.0, a ' 3.0
b
y que la función buscada está definida como

f (x, y) = 3x + 2y + 5 (x, y) ∈ R2

3. Consideremos el conjunto de datos S siguiente

S = {(5, 1, 2.5), (15, 3, 3.5), (20, 4, 4), (40, 8, 6)}

Determinemos, siempre que sea posible, una función del tipo z = f (x, y) =
a + bx + cy (x, y) ∈ R2 y a, b, c constantes que se determinen con el método
de mı́nimos cuadrados.
Mostrar la matriz A tiene rango 2, por lo tanto la matriz AT A no es invert-
ible
6.6.5 Mı́nimos cuadrados continuos
Sean V = C ([a, b]) el espacio de funciones continuas provisto del producto
escalar:
Rb
hf, gi = a f (x) g (x) dx ∀f.g ∈ C ([a, b])

Sea Km [R] el espacio de polinomios de grado ≤ m. se tiene (dim Km [R]) =

m + 1 y Km [R] es un subespacio cerrado de C ([a, b]) .Sea {ϕ0 , ..., ϕm } una
base de Km [R] . Entonces
m 
P
Km [R] = αi ϕi | αi ∈ R, i = 0, ..., m .
i=0

Sea f ∈ C ([a, b]).Existe gb ∈ Km [R] tal que

kf − gk = M in kf − gk , hf − ĝ, wi = 0 ∀w ∈ Km [R] .
g∈Km [R]

m
P
Note que ĝ ∈ Km [R] ⇐⇒ ∃â0 , ..., âm ∈ R tales que ĝ = αi ϕi . Además,
i=0

4
 2 2
kf − ĝk = M in kf − gk ,
g∈Km [R]
 m

Rb P
hf − ĝ, wi = 0 ∀w ∈ Km [R] ⇐⇒ a f (x) − αi ϕi (x) w(x)dx = 0 ∀â0 , ..., âm ∈ R
i=0

Poniendo sucesivamente w = ϕi i = 1, ..., n se obtiene el sistema de ecua-

ciones siguiente:
Rb m
P Rb
a
f (x) ϕi (x)dx − âi a
ϕi (x)ϕj (x)dx = 0 j = 1, ..., m,
i=0

o en forma explı́cita dicho sistema tiene la forma:

 m
P Rb Rb


 âi a ϕi (x)ϕ0 (x)dx = a f (x) ϕo (x) dx,
 i=0


..
 .

 P m Rb Rb
âi a ϕi (x)ϕm (x)dx = a f (x) ϕm (x) dx,



i=0

→
−
que en forma matricial se expresa como A→ −x = b ,donde A = (aij ) es
Rb →
−
la matriz definida como aij = a ϕi (x)ϕj (x)dx, b = (b0 , ..., bm ) con bj =
Rb →
− T
f (x) ϕj (x) dx j = 0, ..., m, x = (â0 , ..., âm ) es el vector de las incógnitas.
a
La matriz A es simétrica, definida positiva por lo tanto invertible.
6.6.6 Polinomios trigonométricos
Sean L > 0, a0 , ak , bk ∈ R con k = 1, 2, ... Las series de funciones de la
forma:
∞
a0 kπx kπx
P



2 + ak cos L + bk sin L
k=1

se llaman series de Fourier y aparecen en algunas aplicaciones de la matemática

tales como el procesamiento de la señal y de imágenes, en la resolución de algunas
clases de ecuaciones en derivadas parciales. Nos interesamos en la aproximación
de esta clase de series de funciones. Para ello primeramente introducimos al-
gunas notaciones.
Sean L > 0.Se denota con C ([−L, L]) al espacio vectorial de las funciones
continuas en [−L, L].Proveemos a C ([−L, L]) del producto escalar notado h·, ·i
y definido como (véase en el apéndice los espacios con producto interior)
RL
hu, υi = −L
u (x) v (x) dx ∀u ∈ C ([−L, L])

y la norma asociada a este producto escalar se nota k · k y se define como:

R  21
L 2
kuk = −L
|u(x)| dx ∀u ∈ C ([−L, L]) .

5
 Defincion 210
Sean L > 0 y u función real definida en todo R. S e dice que u es periódica
de perı́odo 2L si y solo si se verifica:

u (x + 2L) = u(x) ∀x ∈ R

Observe que para x = −L se tiene u(L) = u(−L)Sea u ∈ C ([−L, L]) .A la

función u lo extendemos a todo R por periodicidad y por abuso de lenguaje lo
notamos aún con u, es decir que

u (x + 2L) = u(x) ∀x ∈ R

Definición 221
Sea u ∈ C ([−L, L]) .
i. se dice que u es par si y solo si u verifica la propiedad u(−x) = u(x) ∀x [−L, L] .
ii. Se dice que u es impar si y solo si se verifica la propiedad u(−x) = −u(x) ∀x [−L, L] .
Sea u ∈ C ([−L, L]) . Se verifica inmediatamente las siguientes propiedades:
RL
1. i) Si u esimpar −L u(x)dx = 0
RL RL
ii) Si u esimpar −L u(x)dx = 2 0 u(x)dx.
iii) La función f definida como f (x) = 21 (u(x) + u(−x)) x ∈ [−L, L] es par.
iv) La funcion g definida como g(x) = 21 (u(x) − u(−x)) x ∈ [−L, L] es impar.
Además u = f (x) + g(x) ∀x ∈ [−L, L] .
Los siguientes conjuntos de funciones son muy importantes en el desarrollo
en series de Fourier de funciones reaies periódicas de perı́odo 2L y cortinuas a
trozos en el intervalo [−L, L] . Sean M,N los subconjuntos de C [−L, L] definidos
como M = {ϕk | k ∈ N } , N = {ϕk | k ∈ Z + } , donde:
ϕk = 1 + x ∈ [−L,
L] ,
ϕk = cos kπxL
x ∈ [−L, L] , k = 1, 2, ...,
ϕk = sin kπxL x ∈ [−L, L] , k = 1, 2, ...
Se tiene
i) M es un conjunto ortogonal:
RL RL
hϕj , ϕk i = −L ϕj (x)ϕk (x)dx = −L cos jπx cos kπx



L L dx = 0 j, k = 0, 1, 2, ..., j 6= k.
ii) N es un conjunto ortogonal:
RL RL
hψj , ψk i = −L ψj (x)ψk (x)dx = −L sin jπx sin kπx



L L dx = 0 j, k = 1, 2, ..., j 6= k.
iii) M ⊥ N : 
RL RL j = 0, 1, 2, ...;
hϕj , ψk i = −L ϕj (x)ϕk (x)dx = −L cos jπx kπx



L sin L dx = 0
k = 1, 2, ...,
Sea f ∈ C ([−L, L]) Supongamos que, f se prolonga por periodicidad a
todo R con perı́odo 2L, esto es,

f (x + 2L) = f (x) ∀x ∈ R

Admitimos que la funcion f se representa como una serie de Fourier definidos

que se verifica:

6
 ∞
ao jπx kπx
P



f (x) = 2 + ak cos L + bk sin L x ∈ [−L, L] ,
k=1

donde ao , ak , bk ∈ R k = 1, 2, ..., . son los coeficientes de Fourier definidos

a continuación:
RL
ao = L1 −L f (x)dx,
L
ak = L1 −L f (x) cos kπx
R

L dx, k = 1, 2, ...,
1 L kπx
R

bk = L −L f (x) sin L dx, k = 1, 2, ...,

Definición 212
Sean m ∈ Z + . La función Qm ∈ C ([−L, L]) definida como:
∞
ao jπx kπx
P



Qm (x) = 2 + ak cos L + bk sin L x ∈ [−L, L] ,
k=1

se llama polinomio trigonometrico, donde ao , ak , bk ∈ R k = 1, 2, ..., m.

Sean
uo (x) =
a2o ,
uk (x) = ak cos jπx kπx



L + bk sin L x ∈ [−L, L] ,

A las funciones uo , uk k = 1, 2, ..., m se les denomina armónicos de Qm .

En el caso en que ao , ak , bk son los coeficientes de Fourier, el polinomio
trigonometrico Qm se le denomina polinomio trigonómetrico de Fourier.
En lo que sigue, nos interesamos en los polinomios trigonometricos de Fourier
siguientes:
i) Si f ∈ C ([−L, L]) es par,
m
ao jπx
P

Qm (x) = 2 + ak cos L x ∈ [−L, L] ,
k=1

donde
2
RL kπx


ak = L 0
f (x) cos L dx, k = 1, 2, ..., m.

ii) Si f ∈ C ([−L, L]) es impar,

m
ao jπx
P

Qm (x) = 2 + bk sin L x ∈ [−L, L] ,
k=1

donde
2
RL kπx


bk = L 0
f (x) sin L dx, k = 1, 2, ..., m.

iii) Si f ∈ C ([−L, L]) es arbitraria,

m
ao kπx kπx
P



Qm (x) = 2 + ak cos L + bk sin L x ∈ [−L, L]
k=1

7
 y ao , ak , bk k = 1, 2, ..., m los coeficientes de Fouerier arriba definidos.
Teorema 213
Sean f ∈ C ([−L, L]) , m ∈ Z + . Se definen:
m
jπx
P

Qm (x) = ak cos L x ∈ [−L, L] ,
k=0
2
E(a0 , ..., am ) = kf − Qm k =
RL  jπx

mπx


2
−L
f (x) − a0 + a1 cos L + ... + am cos L dx

Existen â0 , ..., âm ∈ R tales que

E (â0 , ..., âm ) = mı́n E(a0 , ..., am ),

(a0 ,...,am )∈Rm+1

Donde â0 , ..., âm son los coeficientes de Fourier definidos como:
1
RL
â0 = 2L −L
f (x)dx,
1 L
âj = L −L f (x) cos jπx
R

L dx, j = 1, ...m

Demostración.
Procedimiento en forma similar al de cuadrada con polinomios de grado ≤ n,
se obtiene un sistema de ecuaciones de la forma:

 m

jπx kπx
b
P


hf − ĝ, ϕk i = 0 ⇐⇒ a f (x) − aj cos L cos L dx = 0 ∀â0 , ..., âm ∈ R,
i=0

kπx


donde ϕk (x) = cos L k = 1, ..., n. Luego el sistema de ecuaciones
siguiente;
m
jπx jπx kπx
b




âj ba cos
P
a f (x) cos L dx − L cos L dx = 0 j = 0, ..., m
i=0

jπx


Como el conjunto de funciones {ϕj | j = 0, 1, ..., m} con ϕ0 (x) = 1; ϕj (x) = cos L x∈R
[−L, L] , j = 1, ..., m; es un conjunto ortogonal, entonces hϕk , ϕj i = 0 si j 6= k
2
y hϕk , ϕj i = kϕk k