UNIVERSIDAD NACIONAL EXPERIMENTAL “ANTRONIO JOSÉ DE SUCRE” VICE-RECTORADO “LUÍS CABALLERO MEJÍAS” NÚCLEO CHARALLAVE

DEPARTAMENTO DE MECÁNICA ASIGNATURA: MECÁNICA RACIONAL/SECCIÓN:01 PROFESOR: ANDRÉS HERRERA

CHARALLAVE, FEBRERO 2006

MÉTODO DE LOS MÍNIMOS CUADRADOS

AJUSTES DE RECTAS POR MINIMOS CUADRADOS
Toda función Lineal o Curvilínea métodos numéricos. se puede ajustar a un polinomio por

Presentaremos a continuación el caso más simple: el ajuste de una función lineal (esto es, el ajuste de una recta o de un polinomio de grado uno). La técnica que presentaremos se conoce como “El Método de los Mínimos Cuadrados” y se fundamenta en el hecho de que el mejor ajuste se obtiene cuando la suma de los cuadrados de las desviaciones de la variable dependiente alcanza su valor mínimo. Para encontrar el valor mínimo de las desviaciones de la variable dependiente se varían parámetros; en el caso de una recta los parámetros libres a variar son precisamente la pendiente de la recta y el valor de la ordenada en el origen (esto es, se harán variar m y b, las cuales hemos considerado hasta ahora como constantes, de modo de encontrar los valores que correspondan a la recta que mejor se ajuste a los datos experimentales).

Consideremos la ecuación que describe a la recta buscada...2.…. estamos aplicando la condición de extremos a la función: dS /dm = Σ ( -2yi xi +2m xi 2 + 2b xi )=0 dS /dm = Σ ( -2yi +2m xi+ 2b )=0 Se puede demostrar por la vía de sacar la segunda derivada que éstas son (en este caso) condiciones de mínimo necesarias y suficientes..Σ xI Σ yI ] / NΣ xI 2 – (Σ xI )2 b = ( Σ yI – m Σ xI ) / N b = [ Σ yI Σ xI 2 . El problema consiste en determinar los valores de m y b por la vía de minimizar las diferencias entre los los yi (experimentales) La suma de los cuadrados de las desviaciones entre experimentales y los correspondientes a la recta ajustada es. yi (teorico) y datos los S = Σ ( yi ( experimentales) . N Note que hemos introducido índices pues estamos trabajando con un conjunto de N puntos discretos. yi (teorico) = m xi + b..(Σ xI )2 .N Igualando a cero las derivadas de S con respecto a las variación de m y b. i = 1. De estas dos relaciones se puede despejar m y b: m = [ N Σ ( xI yI ) .yi ( teórico) )2 S = Σ [ yi (experimentales) –( m xi + b )] 2 con i = 1..2.Σ xI Σ xI yI ] / NΣ xI 2 . ..

enfatizamos que al hacer el ajuste de una recta en un gráfico semilogarítmico o logarítmico se han de reemplazar las variables por sus logaritmos en el par de ecuaciones precedentes. AJUSTES DE CURVAS POR MINIMOS CUADRADOS Supongamos ahora que tenemos un conjunto de puntos que mostramos en la siguiente gráfica De los puntos mostrados nos podemos dar cuenta que parece tener la forma de un polinomio de segundo grado de la forma: (1) . podría en principio calcularse vía propagación de errores. Los programas comerciales que se utilizan en los computadores personales suelen dar estos errores y también suelen incluir otros criterios más sofisticados para revelar la calidad del ajuste de los puntos a la recta. Finalmente.Por lo tanto hemos encontrado las expresiones (en función de los datos experimentales) de los parámetros que dan el mejor ajuste. xI y/o yI Note que el error en la determinación de la pendiente y la ordenada en el origen por el método de los mínimos cuadrados. En rigor. la recta que se debe trazar en el gráfico es aquella que se obtiene mediante el método de los mínimos cuadrados: una vez determinada la pendiente y la ordenada en el origen basta utilizar la ecuación de la recta y obtener los valores de la ordenada que corresponden a dos valores cualesquiera de la variable independiente.

pero habrá distancias positivas y negativas. Establecer el criterio para determinar la ecuación que represente a los valores (obtenidos experimentalmente). 3. etc. 2. como se muestra en la gráfica donde: d = Distancia = YObservada .Y Donde: Obtenida por la ecuación YObservada = Valor obtenido experimentalmente. parece que esta distancia se puede usar para representar el error. EVALUACIÓN DEL ERROR Si consideramos las parejas de datos. YObtenida por la ecuación = Valor de la función evaluada en cualquier valor X Observando la gráfica. a2. Habiendo obtenido la ecuación del error. minimizar dicho error. a3. Escribir la ecuación que expresa el error o desviación entre el valor observado y los valores dados por la ecuación. (como se puede observar la distancia d1 es positiva y la distancia d2 es negativa) de . Para determinar estos valores utilizamos el siguiente procedimiento: 1.Esta ecuación (1) puede usarse para representar el conjunto de valores obtenidos experimentalmente para la cual debemos determinar los valores de a1.

a2 y a3 e igualando a cero: (5) . Esta dificultad podría ser resuelta usando el valor absoluto de las distancias. esto elimina la dificultad del signo. derivando parcialmente con respecto a a1 . (2) en donde S es la suma de los cuadrados de las diferencias entre el valor calculado y el valor observado y por lo tanto es el valor que se debe minimizar (3) Siendo el caso de que la curva supuesta es una ecuación de segundo grado. Por esta razón el método se llama: Método de Mínimos Cuadrados. La solución podría ser definir el error como el cuadrado de la distancia. se tiene la ecuación: (4) Para minimizar la función anterior. sin embargo al derivar la función del valor absoluto se generan ciertos problemas.modo que el error promedio para los puntos como los mostrados será pequeño aunque los errores individuales sean grandes.

X i son constantes) Las ecuaciones se pueden expresar de acuerdo como sigue: (6) Lo anterior lo podemos expresar en forma matricial: (7) La fórmula general para un polinomio de grado n en donde hay m parejas de datos es: . a 2 y a 3.(Obsérvese que las variables son a 1. mientras que Yi.

7586 0.50 Y 0.1002 0.10 0.40 0. 2.90 1.2013 0.60 0.8881 1. 2. si una curva no representa los datos. Si puede ser que los datos no representen un polinomio de 2º grado sino que representen uno de 3º y 4º grados. entonces se intenta con un polinomio de grado superior.(8) Como se puede observar el problema consiste en lo siguiente: 1.20 0. Recordando que: n es el grado del polinomio. El ajuste de curvas es un procedimiento de tanteo y error.30 0.80 0. Obtener la matriz de coeficientes.0000 0.4108 0.00 0.5211 X 0. Resolver el sistema de ecuaciones resultantes.70 0.3045 0. hay n+1 valores de la matriz de coeficientes y n+1 ecuaciones.6367 0.1752 .0265 1.00 Y 0. El máximo exponente de X en los términos de la sumatoria de 2n 1. EJEMPLO: X 0.

Los elementos de la matriz son: M =11 Los términos constantes son: De acuerdo con esto. usando Mínimos Cuadrados. graficar para determinar la curva más aproximada. SOLUCIÓN POLINOMIO DE SEGUNDO GRADO Primero determinamos los coeficientes de la matriz y los elementos constantes. el sistema de ecuaciones a resolver es el siguiente: . determine los polinomios de 2o.De la tabla de datos. 3er y 4o grado.

006727 a2 = 0.Resolviendo por Gauss se obtienen los siguientes resultados.265963 y el polinomio de segundo grado es: POLINOMIO DE TERCER GRADO Para el caso del polinomio de 3er grado se requiere: M =11 y el sistema de ecuaciones a resolver es: . a1 = 0.895462 a3 = 0.

004150 a3 = . se obtienen los siguientes resultados a1 = .000112 a2 = 1.028713 a4 = 0.038237 Quedando el polinomio como se muestra: .0.019075 a4 = 0.190032 cuya solución es: y el polinomio queda: POLINOMIO DE CUARTO GRADO Repitiendo el procedimiento anterior.994595 a3 = 0.0.113563 a5 = 0.a1 = .000112 a2 = 0.0.

Sign up to vote on this title
UsefulNot useful