11.08.2013 Views

Apunte

Apunte

Apunte

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Capítulo 6<br />

Polinomios ortogonales y aproximación por cuadrados mínimos<br />

En el capítulo anterior hemos discutido cómo aproximar una función por polinomios que interpolan<br />

a la función misma y/o a sus derivadas en algunos puntos. Hasta ahora, los métodos<br />

analizados nos permiten construir polinomios de grado n a partir de n + 1 datos. Cierto es que,<br />

en un problema a modelizar, cuantos más datos se conocen es de esperar que se pueda lograr<br />

mayor precisión. Pero, como vimos, muchas veces polinomios de alto grado producen efectos no<br />

deseados como por ejemplo grandes oscilaciones. En este capítulo consideraremos otra forma de<br />

aproximar funciones conocida como el método de cuadrados mínimos. Este método nos permitirá,<br />

cuando se trate de aproximar por polinomios, contemplar una tabla de valores sin sujetar<br />

el grado del polinomio a la cantidad de datos. También será posible considerar funciones más<br />

generales que ajusten de manera natural los valores predeterminados.<br />

En general, en esta clase de problemas uno sabe a priori a qué tipo de función corresponden<br />

los datos. Una situación frecuente es la de aproximar una tabla de más de dos valores por una<br />

recta (como muestra la Figura 6.1). Es decir, se tienen valores (xi, yi), i = 0, . . . , n y se quiere<br />

encontrar una recta que ajuste estos datos lo mejor posible. Si escribimos la ecuación de la recta<br />

como y = mx + b nuestro problema consiste en encontrar valores de m y b que hagan que el<br />

error |yi − (mxi + b)| sea lo mas chico posible para todo i. Por ejemplo, una manera de lograr<br />

esto sería pedir que m y b minimicen<br />

o también podríamos pedir que minimicen<br />

n<br />

|yi − (mxi + b)| o<br />

i=0<br />

máx<br />

0≤i≤n |yi − (mxi + b)|<br />

n<br />

|yi − (mxi + b)| 2 .<br />

De todas estas opciones es usual considerar la última, llamada “aproximación por cuadrados<br />

mínimos”, debido a que es la más simple ya que el problema se reduce a resolver ecuaciones<br />

lineales.<br />

En este capítulo estudiaremos distintos métodos para resolver éste y otros problemas. Como<br />

en general los valores de yi corresponden a datos de una función f, podemos plantear estos<br />

problemas en el contexto de aproximación de funciones. Dada una función f consideramos:<br />

i=0

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!