Sei sulla pagina 1di 10

Módulo N◦ 9

Profesores : Edgard Shipley - Marı́a Angélica Vega U.


Erklärungen: Zusammengestohlen aus Verschiedenem diesem und jenem
Ludwig van Beethoven.

9.9. Aproximación de Mı́nimos Cuadrados Continuos.


Problema 2. Sea f ∈ C[a, b] , queremos determinar un polinomio Pn de grado ≤ n que minimice
el error :
Z b
(f (x) − Pn (x))2 dx
a
n
X Z b
Sean Pn (x) = ak xk y E(a0 , ..., an ) = (f (x) − Pn (x))2 dx. (184)
k=0 a

es decir, la función error es,


Z b n
X
E(a0 , ..., an ) = (f (x) − ak xk )2 dx. (185)
a k=0

Para determinar los coeficientes ak , k = 0, 1, 2, ..., n, debemos resolver el siguiente sistema:


∂E
= 0 para j = 0, 1, 2, ..., n.
∂aj

De (??), obtenemos

n n
!2
Z b X Z b Z b X
2 k k
E(a0 , ..., an ) = f (x) dx − 2 ak f (x)x dx + ak x dx. (186)
a k=0 a a k=0

Luego,
∂E Rb Rb Pn 
= −2 a
f (x)xj dx + a
2 k=0 ak xk xj dx
∂aj
Rb Pn Rb
= −2 a
f (x)xj dx + 2 k=0 ak a
xj+k dx = 0 , j = 0, 1, ..., n.
De aquı́ el sistema es:
n
X Z b Z b
ak xj+k dx = f (x)xj dx , j = 0, 1, ..., n. (187)
k=0 a a

Las ecuaciones (??) son las ecuaciones normales y tienen solución única si f ∈ C[a, b]. La matriz
de los coeficientes de este sistema es:
 j+k+1
− aj+k+1

b
H = (hi,j ) =
j+k+1

95
que es una matriz de Hilbert mal condicionada que produce dificultades con el error de redondeo.
Observemos que al dar valores a j en (??), se obtiene:
R  
b R b Pn k
j = 0, −2 a
f (x)dx + a k=0 ak x dx = 0
R 
b R b Pn 
j = 1, −2 a
f (x)xdx + a k=0 ak xk xdx = 0

.. ..
. . R 
b R b Pn 
j = n, −2 a
f (x)xn dx + a k=0 ak xk xn dx = 0

Ejemplo 9.4 (Burden) Determinar el polinomio de grado dos que aproxima por mı́nimos cuadra-
dos a la función f (x) = sin (πx) en el intervalo [0, 1].
Sol. El sistema (??) queda:
 R1 
 1 1
   2 
1 2 3 a0 0
sin πxdx π
      
 1 1 1
   R1  
1

   a1  =  x sin πxdx =
  
 2 3 4    0 π 
    
 
 
1 1 1
a2
R1 2 π 2 −4
3 4 5 0
x sin πxdx π3

El polinomio aproximante de grado dos para f (x) = sin (πx) en el intervalo [0, 1] es

P2 (x) = −0,050465 + 4,12251x − 4,12251x2

9.9.1. Método Generalizado

Podemos usar en lugar de la base canónica para polinomios,{1, x, x2 , ..., xn } , cualquier base de
familia de polinomios ortogonales en el intervalo [a, b] respecto de una función peso w(x). Para ello
debemos tener presente los siguientes conceptos:

Definición 9.3 Un espacio con producto interno (E.P.I.) es un (E, h , i) donde:

hf, hi = hh, f i

hf, ah + bgi = ahf, hi + bhf, gi

hf, f i = ||f ||2 > 0

96
Propiedad 9.1 Algunas propiedades importantes en un E.P.I.
Pn Pn
h 1 ai fi , gi = 1 ai hfi , gi

||f + g||2 = ||f ||2 + 2hf, gi + ||g||2

Si f ⊥g ⇒ ||f + g||2 = ||f ||2 + ||g||2

|hf, gi| = ||f ||||g||

||f + g||2 + ||f − g||2 = 2(||f ||2 + ||g||2 )

Teorema 9.1 Sea G un subespacio de un espacio con producto interno E. Para toda f ∈ E , g ∈ G
son equivalentes las proposiciones:

i) g es una mejor aproximación a f ∈ G


ii) f − g ⊥ G si hf − g, hi = 0

Definición 9.4 Si B = {ϕ0 , ϕ1 , ϕ2 , ..., ϕn } es una base de los polinomios ortogonales en [a, b]
respecto de w(x) se cumple:
Z b (
0, si j 6= k
hϕj , ϕk i = w(x)φj (x)ϕk (x)dx =
a γk , si j = k

Observación 9.1 Recordemos que,

Un conjunto de funciones ψ0 , ψ1 , ..., ψn es linealmente independiente en [a, b] si


n
X
cj ϕj = 0 ⇒ cj = 0 para cada j = 0, 1, ..., n
j=0

De lo contrario decimos que el conjunto es linealmente dependiente.


Sea ϕj un polinomio de grado j para cada j = 0, 1, ..., n y sea ψ0 , ψ1 , ..., ϕn un conjunto lin-
ealmente independiente. Si Πn es el conjunto de todos los polinomios de grado ≤ n, entonces
cualquier polinomio de Πn puede expresarse como

Pn (x) = Σnj=0 cj ϕj (x)

.
Pn
De modo que el problema de determinar un polinomio Pn (x) = j=0 cj ϕj (x) de grado n que
minimice el error
 2
Z b Z b X n
E(c0 , ..., cn ) = w(x)[f (x) − Pn (x)]2 dx. = w(x) f (x) − cj ϕj  dx. (188)
a a j=0

97
se reduce a determinar la solución del sistema de ecuaciones lineales obtenido mediante
∂E Rb h Pn i
= 0 ⇔ a w(x) f (x) − j=0 cj ϕj (x) ϕi (x)dx = 0
∂ci

∂E Pn
=0 ⇔ j=0 cj hϕj , ϕi i = hf, ϕi i ⇒ ci γi = hf, ϕi i , i = 0, 1, ..., n
∂ci

Por tanto los coeficientes de Pn (x) están dados por:


Rb
hf, ϕj i a
ω(x)f (x)ϕj (x)dx
cj = = Rb j = 0, 1, ..., n.. (189)
γj ω(x)ϕ2j (x)dx
a

Rb
El producto interior definido por hf, gi = a
ω(x)f (x)g(x)dx permite definir la llamada Norma-2
que está dada por
! 21
p Z b
2
||f ||2 = hf, f i = ω(x)f (x) dx .[a, b] (190)
a

Con lo anterior,el problema de minimizar el error (??), puede expresarse como:


Problema 2. Determinar
mı́n ||f − Pn ||2 , con Pn ∈ Πn
donde Πn es el espacio de los polinomios generados por B.

Ejemplo 9.5 Sean ϕ0 (x) = 3 , ϕ1 (x) = x + 2 , ϕ2 (x) = x2 + 4x − 6. Expresar


P (x) = a + bx + cx2 como Σnj=0 cj ϕj (x) En efecto,

1 2
ϕ0 (x) = 1 , x = ϕ1 (x) − 2 = ϕ1 (x) − ϕ0 (x)
3 3
y
2
x2 = ϕ2 (x) − 4(ϕ1 (x) − ϕ0 (x)) + 2ϕ0 (x)
3
Luego,
     
1 2 14
P (x) = a ϕ0 (x) + b ϕ1 (x) − ϕ0 (x) + c ϕ2 (x) − 4ϕ1 (x) + ϕ0 (x)
3 3 3

y
1
P (x) = (a − 2b + 14)ϕ0 (x) + (b − 4c)ϕ1 (x) − cϕ2 (x)
3

Proceso de Gramm-Schmidt
Existe un método para generar una familia de polinomios ortogonales en un intervalo dado, respecto
de una función peso ω(x). Este método es el llamado método de Gramm-Schmidt que consiste en
determinar los polinomios de la siguiente manera:

98
1. ϕ0 (x) = 1 , ϕ1 (x) = (x − B1 )ϕ0 (x)
2. B1 se determina de modo que hϕ1 , ϕ0 i = 0. Se obtiene ;
Rb
ω(x)xϕ0 (x)2 dx
B1 = aR b
a
ω(x)ϕ20 (x)dx

3. Para k ≥ 2, ϕk (x) = (x − Bk )ϕk−1 − Ck ϕk−2


Rb Rb
a
ω(x)xϕ2k−1 (x)dx a
ω(x)xϕk−1 (x)ϕk−2 dx
Bk = R b , Ck = Rb
a
ω(x)ϕ2k−1 (x)dx a
ω(x)ϕ2k−2 (x)dx

Ejemplo 9.6 Los polinomios de Legendre son ortogonales en [−1, 1] con función peso ω(x) = 1 y
se define ϕ0 (x) = 1. Aplicando la fórmula anterior recursivamente, se obtiene

1 3
ϕ1 (x) = x , ϕ2 (x) = x2 − , ϕ3 (x) = x2 − x
3 5
.

Ejemplo 9.7 Encontrar la aproximación de mı́nimos cuadrados de grado dos, de la función f (x) =
e−x con x ∈ [−1, 1] usando polinomios de Legendre.
Sol.: Sea P2 (x) = aϕ0 (x) + bϕ1 (x) + cϕ2 (x) el polinomio que minimiza ||f − P2 ||22 . En este caso
las ecuaciones que determinan los coeficientes son:
R1
−1
e−x ϕ0 (x)dx 1 1
a = R1 2 = [−e−x ]1−1 = (e − e−1 )
ϕ (x)dx 2 2
−1 0

R1 R1
−1
e−x ϕ1 (x)dx e−x xdx 3(−2) 3
b = R1 2 = −1
R1 = = − = −3e−1
ϕ (x)dx x2 dx 2e e
−1 1 −1

R1 R1
−1
e−x ϕ2 (x)dx −1
e−x (x2 − 31 )dx 15
c = R1 2 = R1 dx = (e − 7e−1 )
ϕ (x)dx (x2 − 1
) 4
−1 2 −1 3

El polinomio cuadrático que minimiza la aproximación por mı́nimos cuadrados es:

P2 (x) = aϕ0 (x) + bϕ1 (x) + cϕ2 (x)

= 21 (e − e−1 )ϕ0 (x) − 3e−1 ϕ1 (x) + 15


4 (e − 7e−1 )ϕ2 (x)

En el gráfico, se muestra la función y su aproximación : El error es 0,001440569656, luego ||e−x −


P2 (x)||2 = 0,3795483706e−1

99
Figura 11: f (x) = e−x

Ejemplo 9.8 Encontrar las aproximaciones por mı́nimos cuadrados a


y(t) = t2 en (0, 1), usando polinomios de Legendre de grado 1.
Sol.
1) El polinomio de Legendre de grado 0 es P0 (x) = 1 y P1 (x) = x
2) Transformación del intervalo (0, 1) a (−1, 1).

Consideremos la recta x = at + b, si t = 0 ⇒ x = −1 ⇒ b = −1
luego x = at − 1 y si t = 1 ⇒ x = 1 ⇒ a = 2
x+1
luego, la recta de transformación es x = 2t − 1 t= 2 , es decir (0, 1) ↔ (−1, 1) y

(x + 1)2
y= además P0 (x) = 1 P1 (x) = x
4

Usando (4)
Z 1
2k + 1
ak = y(x)Pk (x)dx
2 −1

1
(x + 1)2
Z
1 1
a0 = dx =
2 −1 4 3
1
(x + 1)2
Z
3 1
a1 = xdx = .
2 −1 4 2
Luego,
1 1 1 x
y(x) = P0 (x) + P1 (x) = +
3 2 3 2

100
y
1
y(t) = t −
6

Ejemplo 9.9 Dada f (x) = e−2x en [1, 3]. Determinar la mejor aproximación a
g(x) = a + bx2 + cx4 .
Sol. La base {1, x2 , x4 } genera el subespacio G ≤ E, consideremos g ∈ G , f ∈ E y recordemos
que
hf − g, hi = 0 ⇔ hf, hi = hg, hi.
Si h = 1, x2 , x4 entonces,

h=1 , he−2x , 1i = ha + bx2 + cx4 , 1i


R3
1
e−2 dx = ha, 1i + hbx2 dx, 1i + hcx4 , 1i
R3 R3 R3
= 1
adx + 1
bx2 dx + 1
cx4 dx
3
e−2x 3 x3 3 x5

= 2a + b 1 + c .
−2 1 3 5 1
26
0,0664 = 2a + b + 48,4c
3

h = x2 , he−2x , x2 i = ha + bx2 + cx4 , x2 i


R3
1
e−2 x2 dx = ha, x2 i + hbx2 dx, x2 i + hcx4 , x2 i
R3 R3 R3
=a 1
x2 dx + b 1
x4 dx + c 1
cx6 dx

26
0,153 = a + 48,4b + 312,92c
3

h = x4 , he−2x , x4 i = ha + bx2 + cx4 , x4 i


R3 R3 R3 R3
1
e−2 x4 dx = a 1
x4 dx + b 1
x6 dx + c 1
cx8 dx

0,4967 = 48,4a + 312,24b + 2186,8c

Resolviendo el sistema
a = 0,144 , b = −0,045 , c = 0,0034
2 4
Luego g(x) = 0,144 − 0,045x + 0,0034x .

9.9.2. Sistemas Ortonormales.

Existe otro enfoque de los problemas de aproximación en un E.P.I, que consiste en construir
un sistema ortonormal.

101
Definición 9.5 Un conjunto {ϕ1 , · · · , ϕn } es ortonormal ssi hϕi , ϕj i = δji

Teorema 9.2 Sea {ϕ1 , ϕ2 , · · · , ϕn } un sistema ortonormal


Pn en un E.P.I. que denotaremos (E, h, i).
La mejor aproximación a f mediante un elemento i=1 ci ϕi se obtiene ssi ci = hf, ϕi i.
n
X n
X
hf − ci ϕi , ϕj i = hf, ϕj i − ci hϕi , ϕj i = hf, ϕi i − ci = 0
i=1 i=1

Es decir, la mejor aproximación de f (x) se puede escribir en la forma


n
X
f (x) = hf (x), ϕi (x)iϕi (x) con {ϕi (x)} base ortonormal.
i=1

El procedimiento sugerido de estos conceptos para aproximar elementos de un espacio E mediante


elementos de un subespacio G es :

i) Obtener una base ortonormal {ϕ1 , ϕ2 , ..., ϕn }. para G


ii) Determinar la mejor aproximación a partir de
n
X n
X
ci hϕi , ϕj i = ci δi
i=1 i=1

Ejemplo 9.10 Obtener la aproximación de la forma g(x) = c1 + c2 x2 + c3 x3 , a f (x) = sen (x),


usando la base ortonormal:
 
 x 5x3 − 3x 63x5 − 70x3 + 15x 
q , q , q
 2 2 2 
3 7 11

Sol.

i) Determinamos cada ci , i = 1, 2, 3
q R q
1
c1 = 32 −1 x sen (x)dx = 2 32 (sen (1) − cos(1))
q R q
7 1 7
c2 = 2 −1
(5x3 − 3x) sen (x)dx = 2 2 (−18 sen (1) − 28cos(1))
q R1 q
11 5 3 11
c3 = 2 −1
(63x − 70x + 15x) sen (x)dx = 2 2 (4320 sen (1) − 6728cos(1))

ii) La mejor aproximación es


r r r
3 7 2 11
g(x) = 2 (sen (1)−cos(1))x+2 (−18 sen (1)+28cos(1))x +2 (4320 sen (1)−6728cos(1)).
2 2 2

Actividades 9.5 Determina la mejor aproximación de la función f (x) = sen (x) mediante un
polinomio g(x) = c1 x + c2 x3 + c3 x5 en [−1, 1]. (Usando || · ||∞ ).

102
9.9.3. Proceso de ortonormalización de Gramm-Schmidt.

1. Definimos
v1
u1 = , luego ||u1 || = 1 , w1 = u|
||v1 ||

2. Se define w2 = v2 − hv2 , u1 iu1

hw2 , u1 i = hv2 − hv2 , u1 iu1 , u1 i


= hv2 , u1 i − hv2 , u1 ihu1 , u1 i1 = 0 ⇒ w2 ⊥u1 .

w2 ⊥u1 , pero w2 no tiene necesariamente norma 1. Por tanto ,

w2 v2 − hv2 , u1 iu1
u2 = =
||w2 || v2 − hv2 , u1 iu1

3. Se define w3 = v3 − hv3 , u1 iu1 − hv3 , u2 iu2 ortogonal a u1 y u2 .

hw3 , u1 i = hv3 − hv3 , u1 iu1 − hv3 , u2 iu2 , u1 i


= hv3 , u1 i − hv3 , u1 ihu1 , u1 i − hv3 , u2 ihu2 , u1 i
hw3 , u1 i = hv3 , u1 i − hv3 , u1 i = 0.

Luego w3 ⊥u1 y w3 ⊥u2 se comprueba en forma análoga. Como w3 ⊥u1 y w3 ⊥u2 , definimos
w3
u3 =
||w3 ||

Por tanto {u1 , u2 , u3 } son ortonormales.


wn
4. Generalizamos a un = con
||wn ||

wn = vn − hvn , u1 iu1 − hvn , u2 iu2 − · · · − hvn , un−1 iun−1 .

Ejemplo 9.11 Ilustrativo. Sea f (x) = e−2x con x ∈ [1, 3] encontrar la mejor aproximación a f (x)

i) respecto de la base β = {x, 3x2 + 1} con w(x) = 1 en || · ||2 .

ii) respecto de la base β ∗ = {x + 1, x2 } con w(x) = e−x en || · ||∞ .


P
Sol. i) Nuestro propósito es encontrar g(x) = hf (x), gi (x)igi (x). Para ello

Se debe ortonormalizar, para obtener g1 (x) y g2 (x) respecto a β = {v1 (x) = x, v2 (x) =
3x2 + 1}

103
v1 (x)
g1 (x) = ,y
||v1 (x)||2
3 3
x3 3
Z Z
26
||v1 (x)||22 = hv1 (x), v1 (x)i = 1 · (v1 (x)) dx =2
x2 dx = | =
1 1 3 1 3
q
26
de donde, ||v1 (x)||2 = 3 y
r
x 3
g1 (x) = q = x
26 26
3

w2 (x)
g2 (x) = , donde w2 (x) = v2 (x) − hv2 (x), g1 (x)ig1 (x)
||w2 (x)||2
Z 3
r
2 3
hv2 (x), g1 (x)i = (3x + 1) xdx = 21,74
1 26
q
3
Luego, w2 (x) = (3x2 +1)−21,74 26 x es ortonormal a g1 (x), perono necesariamente unitario.
Falta determinar
Z 3 Z 3
r
3 2
||w2 (x)||22 = 2
(w2 (x)) dx = 2
[(3x + 1) − 21,74 x] dx = 16,98
1 1 26

Luego, ||w2 (x)||2 = 16,98 y
q
3
(3x2 + 1) − 21,74 26 x
g2 (x) =
4,12

Luego, β ∗ = {g1 (x), g2 (x)} es ortonormal según la norma || · ||2 y la mejor aproximación es

g(x) = hf (x), g1 (x)ig1 (x) + hf (x), g2 (x)ig2 (x)

y
R3 q
hf (x), g1 (x)i = 1
e−2x 3
26 xdx = 0,033
q
2 3
(3x + 1) − 21,74 26 x ,
R3 −2x
hf (x), g2 (x)i = 1
e xdx = 0,045
4,12
entonces la mejor aproximación es:
 q 
3
(3x2 + 1) − 21,74 26 x
r
3
g(x) = 0,033 x − 0,045  
26 4,12

104

Potrebbero piacerti anche