Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. INTRODUCCIÓN
El método de mínimos cuadrados se remonta a principios del siglo XIX. En Junio de 1801, el
astrónomo Zach publicaba las posiciones orbitales del cuerpo celeste “Ceres”, un nuevo
“pequeño planeta” descubierto por el italiano G. Piazzi en ese mismo año.
Desafortunadamente, Piazzi sólo había podido observar 9 grados de la órbita de “Ceres” antes
de que desapareciese tras del sol. Zach estudió y publicó algunas predicciones de su posición
incluyendo una de Gauss, que difería notablemente de las demás. Cuando Zach pudo observar
a “Ceres” en Diciembre de 1801, éste estaba casi exactamente en donde Gauss había
predicho.
Aunque todavía no había revelado su método, Gauss había descubierto el método de mínimos
cuadrados, donde logró calcular la órbita de “Ceres” a partir de un número reducido de
observaciones, de hecho, el método de Gauss requiere sólo de un mínimo de 3 observaciones
y todavía es, en esencia, el método más utilizado en la actualidad para calcular las órbitas de
los cuerpos celestes. (Creces Álvarez)
estén bien escogidos, para que permitan visibilidad en las variables que han de ser resueltas.
La técnica de mínimos cuadrados se usa comúnmente en el ajuste de curvas. Muchos otros
problemas de optimización pueden expresarse también en forma de mínimos cuadrados,
minimizando la energía o maximizando la entropía.
2. FUNDAMENTO TEÓRICO
Por lo general se escoge una función genérica f(x) en función de uno o más parámetros y se
ajusta el valor de estos parámetros de la manera que se minimice el error cuadrático, ε. La
forma más común de esta función ajustada es la de un polinomio de grado M; obteniendo para
M = 1 un ajuste lineal (o regresión lineal),
𝑓(𝑥) = 𝑎0 + 𝑎1 𝑥
Para M = 2, un ajuste parabólico, la condición de mínimo del error cuadrático lleva a las
ecuaciones siguientes:
𝑁 𝑁 𝑁 𝑁 𝑁
𝜕𝜀
= ∑ 2(𝑦𝑖 − 𝑎0 − 𝑎1 𝑥𝑖 − 𝑎2 𝑥 2 𝑖 ) = 2 ∑ 𝑦𝑖 − 2 ∑ 𝑎0 − 2𝑎1 ∑ 𝑥𝑖 − 2𝑎2 ∑ 𝑥𝑖2 = 0
𝜕𝑎
𝑖 𝑖 𝑖 𝐼 𝑖
𝑁
𝜕𝜀
= ∑ 2(𝑦𝑖 − 𝑎0 − 𝑎1 𝑥𝑖 − 𝑎2 𝑥 2 𝑖 )𝑥𝑖
𝜕𝑏
𝑖
𝑁 𝑁 𝑁 𝑁
𝑁
𝜕𝜀
= ∑ 2(𝑦𝑖 − 𝑎0 − 𝑎1 𝑥𝑖 − 𝑎2 𝑥 2 𝑖 )𝑥𝑖2
𝜕𝑐
𝑖
𝑁 𝑁 𝑁 𝑁
3. PROBLEMAS
3.1. Se desea ajustar una curva cuadrática a los N datos. Recuerde que una curva
cuadrática en es cualquier expresión de la forma y = a + bx + cx2
SOLUCIÓN
Se supone que los N puntos pueden pasar exactamente por la curva que se busca. En este
caso, se plantea el siguiente sistema 3 de ecuaciones.
𝑎 + 𝑏𝑥1 + 𝑐𝑥 21 = 𝑦1
𝑎 + 𝑏𝑥2 + 𝑐𝑥 2 2 = 𝑦2
𝑎 + 𝑏𝑥3 + 𝑐𝑥 2 3 = 𝑦3
1 𝑥1 𝑥 21 a 𝑦1
1 𝑥2 𝑥22 b = 𝑦2 𝐴∗𝑋 =𝐶
1 𝑥3 𝑥23 c 𝑦3
A X C
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. Una posible estrategia a seguir es multiplicar la ecuación matricial anterior por la
transpuesta de la matriz de coeficientes (el producto de una matriz por su transpuesta es
siempre una matriz cuadrada y simétrica) de manera que se tiene:
𝐴𝑇 ∗ 𝐴 ∗ 𝑋 = 𝐴𝑇 ∗ 𝐶 𝑆 = 𝐴𝑇 ∗ 𝐴 𝑍 = 𝐴𝑇 ∗ 𝐶
𝑍 =𝑆∗𝑋
Ahora bien, la matriz S es una matriz de dimensión 3×3 y simétrica por lo que es invertible así
que se puede expresar como:
𝑆 −1 ∗ 𝑆 ∗ 𝑋 = 𝑆 −1 ∗ 𝐴𝑇 ∗ 𝐶
𝑋 = 𝑆 −1 ∗ 𝐴𝑇 ∗ 𝐶
PROYECTO DE INTEGRACIÓN DE ÁLGEBRA LINEAL
1 1 1 1 𝑥1 𝑥 21 N ∑𝑥 ∑ 𝑥2
𝐴𝑇 ∗ 𝐴 = 𝑥1 𝑥2 𝑥3 1 𝑥2 𝑥22 = ∑𝑥 ∑ 𝑥2 ∑ 𝑥3
1 1 1 𝑦1 ∑𝑦
𝑍 = 𝐴𝑇 ∗ 𝐶 = 𝑥1 𝑥2 𝑥3 𝑦2 = ∑𝑥𝑦
𝑥 21 𝑥 2 2 𝑥 2 3 𝑦3 ∑ 𝑥2 𝑦
N ∑𝑥 ∑ 𝑥2 a ∑𝑦
∑𝑥 ∑ 𝑥2 ∑ 𝑥3 b = ∑𝑥𝑦
∑ 𝑥2 ∑ 𝑥 3 ∑ 𝑥 4 c ∑ 𝑥2 𝑦
3.2. Usando el resultado del literal anterior, determine una curva de ajuste cuadrático para
el siguiente problema:
Encontrar la función cuadrática de mejor ajuste para este grupo de datos y luego estime el
costo total de comprar 40 cajas.
SOLUCIÓN
Para formar el sistema de ecuaciones es necesario encontrar las sumatorias de las datos (x
e y) que se muestran en el ejercicio anterior.
PROYECTO DE INTEGRACIÓN DE ÁLGEBRA LINEAL
Otra forma más sencilla en la que se puede resolver el problema es realizar el gráfico y sacar la
ecuación en Excel, se observa que el resultado de la ecuación es la misma.
PROYECTO DE INTEGRACIÓN DE ÁLGEBRA LINEAL
Para estimar el costo total de comprar 40 cajas, solo se debe reemplazar el valor de 40 en lugar
de las X, teniendo asi:
𝑦 = 289.446
4. CONCLUSIONES
Una vez construida la matriz A de dimensión N × M + 1 y el vector de coeficientes y a
partir de los N pares de puntos {xi, yi}, simplemente aplicamos los siguientes pasos:
a) Construcción de la transpuesta de la matriz A: AT
b) Construcción de la matriz S mediante el producto matricial AT A
c) Construcción del vector Z mediante el producto matriz por vector AT
d) Inversión de matriz S: S-1
e) Producto matriz por vector S-1 Z para obtener el vector de soluciones final
Un algoritmo general de ajuste de una función polinómica debería solicitar
únicamente:
a) El número de total de pares de puntos de que disponemos, N.
b) El grado del polinomio que se pretende ajustar, M.
En el ejercicio dos se observa que el segundo punto no se ajusta tan precisamente a la
curva, con ayuda de la teoría se entiende que no es necesario que todo el conjunto de
N puntos se adapte a la curva para obtener una aproximación muy certera.
Al comprar 40 cajas el costo total en dólares es de 289.446.
5. RECOMENDACIONES
El procedimiento se puede extenderse a un conjunto tan grande de datos como sea
necesario. Aunque el cálculo se lo puede realizar de manera manual, el trabajo se
simplifica mucho empleando una hoja de cálculo o un software adecuado. Existen
programas de representación y análisis de datos experimentales que facilitan esta
tarea y que disponen de otros algoritmos de aproximación mucho más complejos y
sofisticados.