UNIVERSIDAD NACIONAL DE CATAMARCA 1

FACULTAD DE TECNOLOGÍA Y CIENCIAS APLICADAS

CÁTEDRA: ÁLGEBRA

TEMA: APROXIMACION DE FUNCIONES. MINIMOS CUADRADOS

CONTENIDOS PAG.

1 – APROXIMACION MEDIANTE UNA FUNCION LINEAL 02

2 – APROXIMACION MEDIANTE UNA FUNCION POLINOMICA 06

TRABAJO PRACTICO 11 08

CATEDRA ALGEBRA 2014

TEMA 11: REGRESION POR MINIMOS CUADRADOS
 UNIVERSIDAD NACIONAL DE CATAMARCA 2
FACULTAD DE TECNOLOGÍA Y CIENCIAS APLICADAS
CÁTEDRA: ÁLGEBRA

1 – APROXIMACIÓN DE FUNCIONES – METODO DE MÍNIMOS

CUADRADOS – CASO DE UNA RECTA
Mínimos cuadrados es una técnica de análisis numérico enmarcada dentro de
la optimización matemática, en la que, dado un conjunto de pares ordenados:
variable independiente, variable dependiente, y una familia de funciones, se
intenta encontrar la función continua, dentro de dicha familia, que mejor se
aproxime a los datos (un "mejor ajuste"), de acuerdo con el criterio de mínimo
error cuadrático.
Sea un conjunto de observaciones definidas por puntos (x1, y1); (x2, y2), …..(xn,
yn). En Figura 1 se observa un ajuste de dichas observaciones a través de una
línea recta.

Figura 1: Ajuste por mínimos cuadrados.

La expresión matemática de la línea recta es y = a0 + a1.x + e, siendo e el error,

o diferencia entre el modelo y las observaciones e = y - a0 - a1.x. Es el error
entre el valor medido y el valor aproximado que predijo la ecuación lineal.
El ajuste por mínimos cuadrados consiste en minimizar los errores de la
sumatoria de los cuadrados de los errores para cada una de las mediciones ei.
La sumatoria de los errores para cada una de las mediciones sería:
n n n
Sr   e   ( yimedid a  yi mod elo )   ( yi  a0  a1. xi )2
2
i
2

i 1 i 1 i 1

CATEDRA ALGEBRA 2014

TEMA 11: REGRESION POR MINIMOS CUADRADOS
 UNIVERSIDAD NACIONAL DE CATAMARCA 3
FACULTAD DE TECNOLOGÍA Y CIENCIAS APLICADAS
CÁTEDRA: ÁLGEBRA

Para minimizar los errores se deriva respecto a cada uno de los coeficientes y
se iguala a cero:

Sr
 2 ( yi  a0  a1.xi )  0
a0

Sr
 2 ( yi  a0  a1.xi ) xi  0
a1

Se transforma en un sistema de ecuaciones de la siguiente forma:

n.a0  ( xi )a1   yi
( xi )a0  ( xi2 )a1   xi . yi (1)

Resolviendo el sistema se obtienen los coeficientes a0 y a1 del modelo.

Ejemplo 1: Ajustar a una línea recta los valores de x e y de la siguiente tabla:

x y
1 0.5
2 2.5
3 2.0
4 4.0
5 3.5
6 6.0
7 5.5

CATEDRA ALGEBRA 2014

TEMA 11: REGRESION POR MINIMOS CUADRADOS
 UNIVERSIDAD NACIONAL DE CATAMARCA 4
FACULTAD DE TECNOLOGÍA Y CIENCIAS APLICADAS
CÁTEDRA: ÁLGEBRA

Se calculan los coeficientes del sistema utilizando una planilla Excel como se
indica en la Tabla siguiente:

xi yi xi.yi xi2

1,00 0,50 0,50 1,00

2,00 2,50 5,00 4,00
3,00 2,00 6,00 9,00
4,00 4,00 16,00 16,00
5,00 3,50 17,50 25,00
6,00 6,00 36,00 36,00
7,00 5,50 38,50 49,00

Σ 24,00 119,50 140,00

Los coeficientes del sistema de ecuaciones ( 1 ) son los siguientes:

n=7
Σxi = 28
Σxi2 = 140
Σxi.yi = 119.50
Σyi = 24

El sistema queda de la siguiente manera:

7.a0 + 28.a1 = 24
28.a0 + 140.a1 = 119.50

Matricialmente el sistema se puede expresar:

 7 28  a0   24 
28 140  a   119.50
  1  
Se resuelve y se obtienen los coeficientes a0 y a1:
a0 = 0.0714285
a1 = 0.8392857

CATEDRA ALGEBRA 2014

TEMA 11: REGRESION POR MINIMOS CUADRADOS
 UNIVERSIDAD NACIONAL DE CATAMARCA 5
FACULTAD DE TECNOLOGÍA Y CIENCIAS APLICADAS
CÁTEDRA: ÁLGEBRA

El modelo lineal es y = 0.0714285 + 0.8392857. x. Figura 2

Figura 2: modelo de ajuste por mínimos cuadrados.

CATEDRA ALGEBRA 2014

TEMA 11: REGRESION POR MINIMOS CUADRADOS
 UNIVERSIDAD NACIONAL DE CATAMARCA 6
FACULTAD DE TECNOLOGÍA Y CIENCIAS APLICADAS
CÁTEDRA: ÁLGEBRA

2 - APROXIMACIÓN DE FUNCIONES –CASO DE POLINOMIO DE GRADO 2

El procedimiento de mínimos cuadrados es similar al de regresión lineal. Si
ajustamos un polinomio de segundo grado sería:

y a0  a1 x  a2 x 2  e
El error entre el valor medido o real y el valor del modelo es:

e  y a0  a1 x  a2 x 2
En este caso la sumatoria de los cuadrados de los errores entre el dato y el
valor calculado por el modelo es:
n
Sr   ( yi  a0  a1 x  a2 xi 2 )2
i 1

Realizando las derivadas respecto a los coeficientes a 0, a1 y a2 a los efectos de

minimizar el error:

Sr
 2 ( yi  a0  a1 x  a2 x 2 )  0
a0
Sr
 2 xi ( yi  a0  a1 x  a2 x 2 )  0
a1
Sr
 2 xi 2 ( yi  a0  a1 x  a2 x 2 )  0
a2

Se obtiene el siguiente sistema de ecuaciones lineales:

na0  ( xi )a1  ( xi )a2   yi

2

( xi )a0  ( xi )a1  ( xi )a2   xi yi

2 3

( xi )a0  ( xi )a1  ( xi )a2   xi 2 yi

2 3 4
(2)

Se resuelve el sistema y se obtienen los coeficientes a 0, a1, a2 del modelo

cuadrático.

CATEDRA ALGEBRA 2014

TEMA 11: REGRESION POR MINIMOS CUADRADOS
 UNIVERSIDAD NACIONAL DE CATAMARCA 7
FACULTAD DE TECNOLOGÍA Y CIENCIAS APLICADAS
CÁTEDRA: ÁLGEBRA

Ejemplo 2: Ajustar a un polinomio de segundo grado los datos dados en la

siguiente tabla
xi yi
0 2.1
1 7.7
2 13.6
3 27.2
4 40.9
5 61.1

Se calculan los coeficientes del sistema en la siguiente tabla:

xi yi xi2 xi3 xi4 xiyi xi2yi

0,00 2,10 0,00 0,00 0,00 0,00 0,00

1,00 7,70 1,00 1,00 1,00 7,70 7,70
2,00 13,60 4,00 8,00 16,00 27,20 54,40
3,00 27,20 9,00 27,00 81,00 81,60 244,80
4,00 40,90 16,00 64,00 256,00 163,60 654,40
5,00 61,10 25,00 125,00 625,00 305,50 1527,50

Σ 152,60 55,00 225,00 979,00 585,60 2488,80

Los coeficientes del sistema serían los siguientes:

n=6

 x  15
i

 x  55
i
2

 x  225
i
3

 x  979
i
4

 y  152.60
i

 x y  585.60
i i

CATEDRA ALGEBRA 2014

TEMA 11: REGRESION POR MINIMOS CUADRADOS
 UNIVERSIDAD NACIONAL DE CATAMARCA 8
FACULTAD DE TECNOLOGÍA Y CIENCIAS APLICADAS
CÁTEDRA: ÁLGEBRA

x i
2
. yi  2488.80

Y se formula el sistema de ecuaciones según ( 2 ), que expresado

matricialmente es:

 6 15 55   a0   152.60 
15 55 225  a    585.60 
  1  
55 225 979   a2   2488.80

Los coeficientes calculados son a0 = 2.4786; a1 = 2.3593; a2= 1.8607

La ecuación por mínimos cuadrados de la función cuadrática es:
y = 2.4786 + 2.3593.x + 1.8607 x2
Se observa en figura 3 los valores de los datos (Puntos) y la curva que
aproxima dichos puntos por mínimos cuadrados.

Figura 3: aproximación por mínimos cuadrados

CATEDRA ALGEBRA 2014

TEMA 11: REGRESION POR MINIMOS CUADRADOS
 UNIVERSIDAD NACIONAL DE CATAMARCA 9
FACULTAD DE TECNOLOGÍA Y CIENCIAS APLICADAS
CÁTEDRA: ÁLGEBRA

3 – APROXIMACION POR MINIMOS CUADRADOS GENERALIZADOS

Sea un conjunto de observaciones definidas por puntos (x1, y1); (x2, y2), …..(xn,
yn). Se aproximará una función que mejor aproxime a los datos a través del
criterio de minimizar el cuadrado de los errores entre el valor de la función f(xi)
de aproximación y el valor de la ordenada yi del punto (xi, yi). En este caso se
propone f(x) como una combinación lineal de funciones g1(x), g2(x),…..gn(x):
f(x) = c1.g1(x) + c2.g2(x) + … +cn.gn(x)

CATEDRA ALGEBRA 2014

TEMA 11: REGRESION POR MINIMOS CUADRADOS
 UNIVERSIDAD NACIONAL DE CATAMARCA 10
FACULTAD DE TECNOLOGÍA Y CIENCIAS APLICADAS
CÁTEDRA: ÁLGEBRA

CATEDRA ALGEBRA 2014

TEMA 11: REGRESION POR MINIMOS CUADRADOS
 UNIVERSIDAD NACIONAL DE CATAMARCA 11
FACULTAD DE TECNOLOGÍA Y CIENCIAS APLICADAS
CÁTEDRA: ÁLGEBRA

TRABAJO PRACTICO N° 11
1) Utilizando mínimos cuadrados ajuste una línea recta a los siguientes
datos:
a)
X 1 3 5 7 10 12 13 16 18 20
y 4 5 6 5 8 7 6 9 12 11

b)
X 5 6 10 14 16 20 22 28 28 36
y 30 22 28 14 22 16 8 8 14 0

c)
X 2 3 4 7 8 9 10 11
y 9 6 5 10 9 11 13 15

2) Utilizando mínimos cuadrados ajuste a una parábola los datos del

apartado “c” del ejercicio anterior
3) Utilizando mínimos cuadrados ajuste a una parábola los datos
siguientes:
X 5 10 15 20 25 30 35 40 45 50
y 16 25 32 33 38 36 39 40 42 42

CATEDRA ALGEBRA 2014

TEMA 11: REGRESION POR MINIMOS CUADRADOS