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