Método de los Mínimos Cuadrados

Principio de mínimos cuadrados

A diferencia de las observaciones directas, en el presente caso se van a tomar como datos de campo o
laboratorio un conjunto de pares ordenados (x; y).

Lo que se busca es obtener una función y=f(x) que se ajuste lo mejor posible a los valores
experimentales; se pueden ensayar muchas funciones: rectas, polinomios, funciones potenciales o
logarítmicas, etc.

Una vez determinado la mejor función, se procede a calcular sus parámetros que, en el caso de un
polinomio estas serían sus coeficientes.

Ejemplo 1
Suponiendo que se han obtenido los siguientes datos de campo, observados bajo la misma condición.

y 2 4.2 5.8 8.3 9.6

x 1 2 3 4 5
Sabiendo que la función que mejor se ajusta a dichos pares es una recta: y +ax+b=0.

El problema queda resuelto al calcular los parámetros a y b.

 Ubicando los pares ordenados en un sistema de coordenadas rectangulares.

12
10
8
6
4
2
0
0 1 2 3 4 5 6

La recta que mejor podría ajustar es: y=2x

12

10

0
0 1 2 3 4 5 6
Podremos observar que los puntos presentados no pasan todos por la misma recta. Esto es debido a los
errores accidentales de las medidas, por lo que los puntos se distribuyen de forma más o menos
aleatoria en torno a esta recta; a pesar de ello es claramente visible la tendencia lineal de los puntos.

Para un valor x determinado, la recta de ajuste proporciona un valor diferente de “y” del medido (Ԑi),
esta diferencia será positiva para algunos puntos y negativa para otros puesto que ellos se disponen
alrededor de la recta.

Para infinitas mediciones: Ԑ1+ Ԑ2+………… + Ԑn = 0

Para “n” mediciones: Ԑ1+ Ԑ2+………… + Ԑn = mínimo

Es decir: y1 + ax1 +b = Ԑ1

Y2 + ax2 +b = Ԑ2

yn + axn +b = Ԑn

Tenemos dos incógnitas (a y b) con n ecuaciones. Para efectos de aplicar el método de mínimos
cuadrados, la recta que mejor se ajusta será la que cumpla la siguiente expresión:

Ø = Ԑ12+ Ԑ22+………… + Ԑn = Mínimo

Esto induce a que las derivadas parciales de Ø respecto “a” y “b” sean cero.
𝜕Ø
 =0
𝜕𝑎

x1(y1 + ax1 +b) + x2(y2 + ax2 +b) + ……….. + xn(yn + axn +b) = 0 ……………………………….(1)

𝜕Ø
 =0
𝜕𝑏

(y1 + ax1 +b) + (y2 + ax2 +b) + ………… + (yn + axn +b) = 0 ……………………………..(2)

 Haciendo: [𝑥𝑥] = x12 + x22 + …….. + xn2

[𝑥𝑦] = x1y1 + x2y2 + ………. + xnyn

[𝑥] = x1 + x2 + …….. + xn

[𝑦] = y1 + y2 + …….. + yn
 Reemplazando (1) y (2), se obtiene las llamadas Ecuaciones Normales:

a[𝑥𝑥] + [𝑥𝑦] + b[𝑥] = 0

Dos ecuaciones con dos incógnitas
a[𝑥] + [𝑦] + b[𝑛] = 0

Lo cual equivale a:

[𝑥𝑥] [𝑥] 𝑎 −[𝑥𝑦]

[ ][ ]=[ ]
[𝑥] 𝑛 𝑏 −[𝑦]

En el presente caso:
[𝑥𝑥] = 12 + 22 + 32 + 42 + 52 = 55
[𝑥𝑦] = 1x2 + 2x4.2 + 3x5.8 + 4x8.3 + 5x9.6 = 109
[𝑥] = 1 + 2 + 3 + 4 + 5 = 15
[𝑦] = 2 + 4.2 + 5.8 + 8.3 + 9.6 = 29.9

Luego:
55 15 𝑎 −109
[ ][ ]==[ ]
15 5 𝑏 −29.9

De donde: a = -1.93 y b = -0.19

Finalmente: y + (-1.93)x + (-0.19) = 0

y = 1.93x + 0.19 Es la recta que más se ajusta

Ilustrando:

12

10 y = 1.93x + 0.19
x y
1 2 8

2 4.2 6
3 5.8
4
4 8.3
5 9.6 2

0
0 1 2 3 4 5 6
Ejemplo 2
Tomando en cuenta los datos del ejemplo 1; y asumiendo que la curva que mejor se ajusta es:

y + ax2 + bx + c = 0

Se pide determinar los coeficientes a; b y c utilizando el método de mínimos cuadrados.

 Analizando el caso de “n” observaciones.

y1+ ax12 + bx1 + c = Ԑ1

y2+ ax22 + bx2 + c = Ԑ2

yn+ axn2 + bxn + c = Ԑn

Se tiene tres incógnitas (a; b y c) con “n” ecuaciones.

Donde:
Ø = Ԑ12+ Ԑ22+………… + Ԑn = Mínimo

𝜕Ø
(1) =0
𝜕𝑎

x12(y1 + ax12 +bx1 + c) + x22(y2 + ax22 +bx2 + c) + ………….. + xn2(yn + axn2 +bxn + c) = 0
𝜕Ø
(2) =0
𝜕𝑏

x1(y1 + ax12 +bx1 + c) + x2(y2 + ax22 +bx2 + c) + ……………. + xn(yn + axn2 +bxn + c) = 0
𝜕Ø
(3) =0
𝜕𝑐

(y1 + ax12 +bx1 + c) + (y2 + ax22 +bx2 + c) + ………………. + (yn + axn2 +bxn + c) = 0

 Haciendo:
[𝑥𝑥𝑥𝑥] = x14 + x24 + ……… + xn4
[𝑥𝑥𝑥] = x13 + x23 + ……… + xn3
[𝑦𝑥𝑥] = y1x12 + y2x22 + ………… + ynxn2

 Reemplazando en (1), (2) y (3), se obtiene las llamadas ecuaciones normales:

[𝑥𝑥𝑥𝑥]a + [𝑥𝑥𝑥]b + [𝑥𝑥]c + [𝑦𝑥𝑥] = 0

[𝑥𝑥𝑥]a + [𝑥𝑥]b + [𝑥]c + [𝑦𝑥] = 0 Tres ecuaciones con tres incógnitas

[𝑥𝑥]a + [𝑥]b + nc + [𝑦] = 0

 Lo cual equivale a:

[𝑥𝑥𝑥𝑥] [𝑥𝑥𝑥] [𝑥𝑥] 𝑎 −[𝑦𝑥𝑥]

[ [𝑥𝑥𝑥] [𝑥𝑥] [𝑥] ] [𝑏 ] = [ −[𝑦𝑥] ]
[𝑥𝑥] [𝑥] 𝑛 𝑐 −[𝑦]
 En el presente ejemplo:
[𝑥𝑥𝑥𝑥] = 14 + 24 + 34 + 44 + 54 = 979
[𝑥𝑥𝑥] = 13 + 23 + 33 + 43 + 53 = 225
[𝑥𝑥] = 12 + 22 + 32 + 42 + 52 = 55
[𝑥] = 1 + 2 + 3 + 4 + 5 = 15
[𝑦𝑥] = 2x1 + 4.2x2 + 5.8x3 + 8.3x4 + 9.6x5 =109
[𝑦𝑥𝑥] = 2x12 + 4.2x22 + 5.8x32 + 8.3x42 + 9.6x52 = 443.8
[𝑦] = 2 + 4.2 + 5.8 + 8.3 + 9.6 = 29.9

979 225 55 𝑎 −443.8

 Luego: [225 55 15] [𝑏 ] = [ −109 ]
55 15 5 𝑐 −29.9

 De donde: a = 0.0643 , b = -2.3157 y c = 0.26

 Finalmente: y + 0.0643x2 + (-2.3157)x + 0.26 = 0

y = -0.0643x2 + 2.3157x – 0.26 Es la curva que más se ajusta

Ilustrando:

12

x y 10 y = -0.0643x2 + 2.3157x - 0.26

1 2 8

2 4.2 6
3 5.8 4
4 8.3 2
5 9.6
0
0 1 2 3 4 5 6

En realidad la eleccion de la curva que mejor se ajusta a los datos de campo se realiza del siguiente
modo ( solo para polinomios ):

Sea: E1 = Ԑ1 + Ԑ2 +………… + Ԑn ..............(Recta)

E2 = Ԑ1 + Ԑ2 +………… + Ԑn ..............(Polinomio de 2° grado)

En = Ԑ1 + Ԑ2 +………… + Ԑn ..............(Polinomio de P° grado)

Si E1 < E2 ; Entonces la mejor aproximacion es la recta y el proceso termina.

Si E1 > E2 ; Se desecha la recta pero todavia no se puede aceptar la cuadratica como la mejor, se propone
una cubica y se hace la comparacion de E2 con E3; asi sucesivamente.
Observaciones Condicionales
Es comun observar que varias mediciones directas se encuentran relacionadas entre si obedeciendo las
leyes de la figura geometrica en la que se encuentran involucradas; asi por ejemplo:

Los angulos internos de un triangulo Los angulos alrededor de un punto Los desniveles en un circuito

1̅ + 2̅ + 3̅ = 180° 1̅ + 2̅ + 3̅ + 4̅ = 360° ∆̅ 1 + ∆̅ 2 + ∆̅ 3 = 0

Como quiera que toda medicion esta influenciada siempre por los errores accidentales, la suma de las
mismas no dara exactamente los valores teoricos, a modo de ilustracion asignaremos un error de cierre
a los angulos del triangulo 1-2-3: 1̅ + 2̅ + 3̅ = 180°00’30”

Es facil entender que el error de cierre de este ejmplo es 30 segundos.

Notese que: 1̅ ; 2̅ y 3̅ son los angulos medidos.

Esto nos lleva a concluir que cada angulo medido 1̅ ; 2̅ y 3̅ esta afectado por un error accidental V1; V2 y
V3 respectivamente, de manera que:

V1 + V2 + V3 = 30” = Error de cierre Ecuacion condicional

Como podemos ver, se conoce el error total mas no el valor de cada error parcial o residuo (incognita).

El presente tema consiste en encontrar un metodo que nos permita calcular dichas incognitas:

De forma general (V1; V2; V3;............; Vn).

Generalizando es posible encontrar varias ecuaciones de condicion para un mismo caso o problema en
el cual los residuos constituyen las incognitas; asi:

f1 = a1V1 + a2V2 + ............ + anVn + E1 = 0

f2 = b1V1 + b2V2 + ............ + bnVn + E2 = 0

fr = c1V1 + c2V2 + ............ + cnVn + Er = 0

Nos encontramos con “r” ecuaciones de condicion para “n” incognitas (V1; V2; V3;..............;Vn)
Aplicacion 1: Red de Nivelacion
Ejemplo1
Se muestra una red de nivelacion constituida por dos circuitos cerrados; se tiene como datos el desnivel
entre cada banco de nivel. Se pide realizar el ajusto respectivo sabiendo que todas las longitudes son
iguales.

Solucion:

 Las flechas en cada linea indican el sentido de recorrido del circuito.

 La denotacion “∆” indica el desnivel entre dos bancos.

 Ecuaciones de condicion:

 En el circuito I: ( 12.179 + V1 ) + ( -7.324 + V2 ) + ( -4.870 + V3 ) = 0

f1 = V1 + V2 + V3 - 0.015 = 0

 En el circuito II: ( -7.324 + V2 ) + ( 15.172 + V5 ) + ( -7.843 + V4 ) = 0

f2 = V2 + V4 + V5 + 0.005 = 0

 Condicion del metodo de minimos cuadrados:

F = V12 + V22 + V32 + V42 + V52 = Minimo

Todas las medidas tienen la misma precision

(igual longitud)
 Ecuacion de Lagrange: se opta por un artificio, en el cual se incluye λ1; λ2 (coeficientes de valor
desconocido).
U = F - 2λ1f1 - 2λ2f2

Dado que f1 = f2 = 0 => U = F ............................ ( no se altera)

𝜕𝑈 𝜕𝑈 𝜕𝑈 𝜕𝑈 𝜕𝑈
 Para que “F” sea minimo: = = 𝜕𝑉3 = 𝜕𝑉4 = 𝜕𝑉5 = 0
𝜕𝑉1 𝜕𝑉2

𝜕𝑈
- =0 => 2V1 - 2λ1(1) = 0 => V1 = λ1
𝜕𝑉1

𝜕𝑈
- =0 => 2V2 - 2λ1(1) - 2λ2(1) = 0 => V2 = λ1 + λ2
𝜕𝑉1

𝜕𝑈
- =0 => 2V3 - 2λ1(1) = 0 => V3 = λ1
𝜕𝑉1

𝜕𝑈
- =0 => 2V4 - 2λ2(1) = 0 => V4 = λ2
𝜕𝑉1

𝜕𝑈
- =0 => 2V5 - 2λ2(1) = 0 => V5 = λ2
𝜕𝑉1

V1 = λ1

V2 = λ1 + λ2
Ecuaciones correlativas
V3 = λ1

V4 = λ2

V5 = λ2

 Sustituyendo las ecuaciones correlativas en las ecuaciones de condicion:

- f1 = λ1 + ( λ1 + λ2 ) + λ1 – 0.015 = 0 => 3λ1 + λ2 – 0.015 = 0

- f2 = ( λ1 + λ2 ) + λ2 + λ2 + 0.005 = 0 => λ1 + 3λ2 + 0.005 = 0

Es decir: 3λ1 + λ2 – 0.015 = 0

Ecuaciones normales
λ1 + 3λ2 + 0.005 = 0

3 1 λ1 0.015
Resolviendo: [ ][ ]=[ ]
1 3 λ2 −0.005
λ1 = 0.00625 ; λ2 = -0.00375

 Reemplazando en las ecuaciones correlativas:

V1 = 0.006 V4 = -0.004
V2 = 0.003 V5 = -0.004
V3 = 0.006
 Finalmente:

 Comprobando:

- En el circuito I: +12.185 + ( -7.321 ) + ( -4.864 ) = 0 .......... ( Conforme )

- En el circuito II: -7.321 + 15.168 – 7.847 = 0 .............. ( Conforme )
Aplicacion 2: Compensacion de angulos de igual precision
Sean V1; V2; V3, errores accidentales de los angulos 1; 2 y 3

respectivamente.

Sea E; el error de cierre angular

Entonces:

f1 = V1 + V2 + V3 – E = 0 Ecuacion de condicion

El problema consiste en repartir el error de cierre angular

(E) en los angulos 1; 2 y 3; es decir calcular V1; V2 y V3.

 Condicion del metodo de minimos cuadrados: F = V12 + V22 + V32 = Minimo

 Ecuacion de Lagrange: U = F - 2λ1f1

Dado que: f1 = 0 => U = F ............. (No se altera)

𝜕𝑈 𝜕𝑈 𝜕𝑈
 Para que “F” sea minimo: = = =0
𝜕𝑉1 𝜕𝑉2 𝜕𝑉3

𝜕𝑈
- = 0 => 2V1 - 2λ1(1) = 0 => V1 = λ1
𝜕𝑉1

𝜕𝑈
- = 0 => 2V2 - 2λ1(1) = 0 => V2 = λ1
𝜕𝑉2

𝜕𝑈
- = 0 => 2V3 - 2λ1(1) = 0 => V3 = λ1
𝜕𝑉3

V1 = λ1

V2 = λ1 Ecuaciones correlativas
V3 = λ1

 Sustituyendo las ecuaciones correlativas en la ecuacion de condicion.

f1 = λ1 + λ2 + λ3 –E = 0 => λ1 = E/3

 Reemplazando en la ecuaciones correlativas:

V1 = 𝐸/3
En un poligono, el error de cierre angular se distribuye en la misma
V2 = 𝐸/3
cantidad para todos los angulos de igual precision.
V3 = E/3
Aplicacion 3: Compensacion de angulos de diferente precision
Sean V1; V2 y V3; errores accidentales de los angulos 1

(peso P1); 2 (peso P2); 3 (peso P3). Sea E; el error de cierre

angular.

Entonces:

f1 = V1 + V2 + V3 – E = 0 Ecuacion de condicion

 Condicion del metodo de minimos cuadrados

F = P1V12 + P2V22 + P3V32 = Minimo

 Ecuacion de Lagrange: U = F - 2λ1f1

Dado que: f1 = 0 => U = F ............. (No se altera)

𝜕𝑈 𝜕𝑈 𝜕𝑈
 Para que “F” sea minimo: = = =0
𝜕𝑉1 𝜕𝑉2 𝜕𝑉3

𝜕𝑈 λ1
- = 0 => 2P1V1 - 2λ1(1) = 0 => V1 =
𝜕𝑉1 𝑃1

𝜕𝑈 λ1
- = 0 => 2P2V2 - 2λ1(1) = 0 => V2 =
𝜕𝑉2 𝑃2

𝜕𝑈 λ1
- = 0 => 2P3V3 - 2λ1(1) = 0 => V3 =
𝜕𝑉3 𝑃3

V1 = λ1/𝑃1

V2 = λ1/𝑃2 Ecuaciones correlativas

V3 = λ1/𝑃3

 Sustituyendo las ecuaciones correlativas en la ecuacion de condicion.

λ1 λ1 λ1 1 1 1 𝐸
f1 = + + –E=0 => λ1(⏟ + + ) =E => λ1 =
𝑃1 𝑃1 𝑃1 𝑃1 𝑃2 𝑃3 𝐾
𝐾

 Reemplazando en las ecuaciones correlativas:

𝐸 𝐸 𝐸
V1 = 𝐾.𝑃1 ; V1 = 𝐾.𝑃2 ; V1 = 𝐾.𝑃3