Bibliografía de la Clase
- Numerical Linear Algebra. L.N. Trefethen. Chapter 2, Lecture 11: Least Squares Problems
- Guía profesor Luis Salinas
Contexto:
En algebra lineal, el problema corresponde a solucionar un sistema sobredeterminado de ecuaciones (no cuadrado) con más filas que columnas.
Idea
Resto =
Se desea obtener un lo más pequeño posible.
pequeño tamaño norma
Por lo tanto el problema toma la siguiente forma:
Dado , encontrar un tal que sea mínima.
Geométricamente: Encontrar un vector tal que “sea cercano” a .
Se comparará la interpolación polinomial de datos, que corresponde a un sistema de ecuaciones cuadrado, con el ajuste polinomial de mediante mínimos cuadrados, el cual es un sistema rectangular.
Interpolación polinomial: Dado un conjunto de datos encontrar un polinomio que pasa exactamente por esos datos sistema de ecuaciones cuadrado.
Si se tienen puntos distintos y datos , para esos puntos se debe encontrar un polinomio tal que:
La relación de con los coeficientes Matriz de Vandermode.
Sistema de ecuaciones cuadrado:
Tiene solución si: . Este sistema si tiene solución, pero el ajuste es malo en los bordes, y el problema está mal condicionado, ya que es muy sensibles a pequeñas perturbaciones en los datos.
La figura anterior corresponde a una interpolación mediante un polinomio de grado 10 que ajusta 11 datos.
Ejercicio:
Se tienen los siguientes datos:
La interpolación polinomial produce oscilaciones en los bordes y es muy sensible a las perturbaciones en los datos, por lo tanto, para evitar esto se debe reducir el grado del polinomio.
Si minimiza corresponde al ajuste de datos por mínimos cuadrados.
Considerando los datos del ejercicio anterior, la siguiente figura muestra la curva obtenida mediante interpolación polinomial (azul) y mediante mínimos cuadrados (curva verde):
Ejemplo:
Objetivo:
Encontrar el punto más cercano a , en el , por lo tanto, se minimiza.
Teorema:
Sea y . El vector minimiza
donde es el proyector ortogonal sobre .
El sistema de ecuaciones de de (c) es conocido como ecuaciones normales, y es no singular ssi es full rank la solución de es única ssi tiene full rank.
Sea , la matriz de Vandermonde. Demostrar que .