Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CN Cuadrados Minimos PDF
CN Cuadrados Minimos PDF
Mı́nimos Cuadrados
• Ajuste de curvas.
• Sistemas rectangulares: Solución en el sentido de mı́nimos cuadrados. Ecuaciones
normales.
521230 -1- ´
DIM – Universidad de Concepcion
Considere un sistema rectangular de ecuaciones
Ax = b
Ojo! En general:
Ax 6= b.
521230 -2- ´
DIM – Universidad de Concepcion
Ejemplo. Ajuste de polinomios.
con n < m que esté más cerca de estos puntos en el sentido que
m
X
|p(xi ) − yi |2 ,
i=1
sea mı́nima.
521230 -3- ´
DIM – Universidad de Concepcion
Esta suma de cuadrados es el cuadrado de la norma del residuo del sistema rectangular:
1 x1 ... x1n−1 y1
n−1
c0
1 x2 ... x2 y2
c1
x3n−1
1 x3 ...
= y3
.
.
. .
. .. .. .
.. . . ..
c
n−1 n−1
1 xm . . . xm ym
521230 -4- ´
DIM – Universidad de Concepcion
Teorema. Sean A ∈ Rm×n (m ≥ n) y b ∈ Rm . Un vector x ∈ Rn minimiza la norma del
residuo krk2 = kb − Axk2 si y sólo si el residuo r es ortogonal a la imagen de A; esto es
si
At r = 0,
t
donde A es la matriz transpuesta de A.
521230 -5- ´
DIM – Universidad de Concepcion
Consecuencia: x debe satisfacer
At r = 0 ⇐⇒ At (b − Ax) = 0 ⇐⇒ At Ax = At b.
521230 -6- ´
DIM – Universidad de Concepcion
Las ecuaciones normales tienen solución única si y sólo si todas las columnas de A son l.i.;
es decir, si rango(A) = n.
t
En este caso, además, la matriz A A es simétrica y definida positiva, de donde, las
ecuaciones normales tienen solución única y se pueden utilizar los métodos estudiados para
estas matrices, en particular, el método de Cholesky.
521230 -7- ´
DIM – Universidad de Concepcion
Para resolver las ecuaciones normales se puede proceder del siguiente modo:
t
1. Calcular la matriz A A y el vector At b.
2. Obtener la matriz L de la factorización de Cholesky: At A = LLt .
3. Resolver el sistema triangular inferior Ly = At b.
t
4. Resolver el sistema triangular superior L x = y.
521230 -8- ´
DIM – Universidad de Concepcion
t
Inconveniente: El condicionamiento de la matriz A A es en general malo, lo que genera
gran sensibilidad respecto a errores de redondeo.
t
Por ejemplo, si A es cuadrada, entonces cond2 (A A) = cond2 (A)2 .
521230 -9- ´
DIM – Universidad de Concepcion
La idea es construir una matriz
m×n
Q=
q1 q2 . . . qn
∈ R
0 ... 0 rnn
tales que
A = QR.
521230 - 10 - ´
DIM – Universidad de Concepcion
a1 = r11 q 1 ,
a2 = r12 q 1 + r22 q 2 ,
A = QR ⇐⇒ ..
.
an = r1n q 1 + r2n q 2 + . . . + rnn q n .
Para j = 1, . . . , n :
para i = 1, . . . , j − 1 :
rij = q ti aj ,
j−1
X
rjj =
a j − rij q i
,
i=1
2
j−1
!
1
X
qj = aj − rij q i .
rjj i=1
521230 - 11 - ´
DIM – Universidad de Concepcion
Las columnas de Q son vectores ortonormales:
1 si i = j,
q ti q j = δij =
0 si i 6= j,
521230 - 12 - ´
DIM – Universidad de Concepcion
Aplicación a la resolución de las ecuaciones normales.
At Ax = At b,
A = QR,
como Qt Q = I y
R es no singular,
entonces:
At Ax = At b ⇐⇒ Rt Qt QRx = Rt Qt b
⇐⇒ Rt Rx = Rt Qt b
⇐⇒ Rx = Qt b.
521230 - 13 - ´
DIM – Universidad de Concepcion
Cuando A ∈ Rm×n es una matriz rectangular y b ∈ Rm , el comando MATLAB
x=A\b;
MATLAB obtiene esta solución mediante el método QR, pero las matrices Q y R no se
obtienen mediante Gram-Schmidt, sino mediante transformaciones de Householder que
propagan menos los errores de redondeo.
521230 - 14 - ´
DIM – Universidad de Concepcion
x y
0.0 10.5000
0.5 5.4844
Ejemplo 1. Un problema de aproximación polinomial.
1.0 0.0000
1.5 -3.6094
2.5 -2.9531
3.0 0.0000
Se pide ajustar estos datos en el sentido de mı́nimos
3.5 2.9531
cuadrados por un polinomio de grado 3.
4.0 4.5000
4.5 3.6094
5.0 0.0000
521230 - 15 - ´
DIM – Universidad de Concepcion
Solución.
Nuestro problema se reduce a encontrar constantes a, b, c y d para formar el polinomio
521230 - 16 - ´
DIM – Universidad de Concepcion
0 1 0 1
0.0000 0.0000 0.0000 1.0000 10.5000
B C B C
B 0.1250 0.2500 0.5000 1.0000C B 5.4844 C
B C B C
B C B C
B 1.0000 1.0000 1.0000 1.0000C B 0.0000 C
B C B C
B C B C
B 3.3750 2.2500 1.5000 1.0000C 0 1 B−3.6094C
B C a B C
B C B C
B 8.0000 4.0000 2.0000 1.0000C B C B−4.5000C
B C BbC B C
B CB C B C
B 15.6250 6.2500 2.5000 1.0000C B C = B−2.9531C
B C BcC B C
B C@ A B C
B 27.0000 9.0000 3.0000 1.0000C B 0.0000 C
B C d B C
B C B C
B 42.8750 12.2500 3.5000 1.0000C | {z } B 2.9531 C
B C B C
C x
B 64.0000 16.0000 4.0000 1.0000C B 4.5000 C
B B C
B C B C
B 91.1250 20.2500 4.5000 1.0000C B 3.6094 C
@ A @ A
125.0000 25.0000 5.0000 1.0000 0.0000
| {z } | {z }
A b
521230 - 17 - ´
DIM – Universidad de Concepcion
Resolviendo el sistema rectangular en el sentido de mı́nimos cuadrados se obtiene el
polinomio:
p(x) = −0.9583x3 + 8.5x2 − 20.7917x + 12.
12
Mediciones
Minimos cuadrados
10
−2
−4
−6
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
521230 - 18 - ´
DIM – Universidad de Concepcion
Ejemplo 2. Un problema no lineal reducible a lineal.
Solución.
521230 - 19 - ´
DIM – Universidad de Concepcion
x 0.0000 0.4000 0.8000 1.2000 1.6000 2.0000
0 1 0 1
1 0.0000 1.1454
B C B C
B1
B 0.4000C
C0 1
B1.4854C
B C
B C B C
B1 0.8000C B1.7951C
B C @ln(a)A B C
B
B1
C = B C
B 1.2000C
C b B2.1577C
B C
B C | {z } B C
B1 1.6000C B2.3986C
@ A x @ A
1 2.0000 2.7860
| {z } | {z }
A b
521230 - 20 - ´
DIM – Universidad de Concepcion
Resolvemos el problema de cuadrados mı́nimos y obtenemos:
18
Mediciones
Minimos cuadrados
16
14
12
10
2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
521230 - 21 - ´
DIM – Universidad de Concepcion
Otros ejemplos de modelos no lineales reducibles a lineales
at−bt2
• f (t) = ce : en este caso, se aplica logaritmo.
a
• f (t) = : en este caso se toman los recı́procos.
b+t
k0
• f (t) = , donde k0 es una constante conocida: en este caso se toman
1 + ae−ct
recı́procos, se resta 1 y después se aplica logaritmo.
521230 - 22 - ´
DIM – Universidad de Concepcion