ELECTRÓNICA Y AUTOMATIZACIÓN – Teoría de Circuitos
CASO DE ESTUDIO DEL SEGUNDO PROGRESO
ALGEBRA LINEAL
NOMBRE DEL DOCENTE: Marcelo Almeida
David Soasti
Paul Cabrera
ESTUDIANTES: Alejandro Holguín
Christian Barreiros
Cristopher Juiña
1. DEFINICIÓN DEL PROBLEMA
En el contexto de la ingeniería, la modelación de datos empíricos mediante
funciones matemáticas permite comprender el comportamiento de fenómenos
reales y predecir sus valores futuros con un grado aceptable de precisión. Este
caso de estudio propone analizar dos conjuntos de datos reales, uno
relacionado con ventas anuales de un productor de acero, y otro con niveles de
contaminación atmosférica, con el fin de encontrar funciones matemáticas que
describan adecuadamente su comportamiento.
El primer problema se centra en la predicción de las ventas de acero para el
año 2006, a partir de datos históricos. Se requiere encontrar una función lineal
que modele la tendencia de las ventas a lo largo del tiempo utilizando el
método de mínimos cuadrados, que permite minimizar la suma de los errores
cuadrados entre los datos observados y los valores predichos por el modelo.
Esta función se utilizará luego para interpolar o extrapolar valores, en este caso
para el año 2006.
El segundo problema consiste en analizar el comportamiento de los niveles de
contaminación atmosférica medidos cada media hora. En este caso, los datos
tienen una forma no necesariamente lineal, por lo que se requiere aplicar un
ajuste polinomial de segundo grado. Dado que los métodos tradicionales de
mínimos cuadrados pueden resultar computacionalmente costosos o
1
ELECTRÓNICA Y AUTOMATIZACIÓN – Teoría de Circuitos
inestables, se propone el uso de la factorización QR para resolver el sistema
ajustado de manera más robusta y eficiente. Esta técnica algebraica permite
transformar el sistema en uno más manejable, facilitando la obtención del
polinomio que mejor se ajusta a los datos. El objetivo final es usar ese modelo
para estimar el nivel de contaminación a las 4.25 horas.
2. VARIABLES PRINCIPALES IDENTIFICADAS
Primer problema (ventas de acero):
Variable independiente (x): Año
Variable dependiente (y): Ventas anuales de acero
Función a encontrar: Ecuación de la recta y=ax+ b que minimice el error
cuadrático medio.
Segundo problema (contaminación):
Variable independiente (t): Tiempo transcurrido en horas
Variable dependiente (y): Nivel de contaminante atmosférico respecto a
la norma de calidad del aire.
2
Función a encontrar: Polinomio cuadrático y=a t +bt +c ajustado
mediante factorización QR.
3. OBJETIVO
El objetivo de este informe es aplicar métodos de Álgebra Lineal, como el
ajuste por mínimos cuadrados y la factorización QR, para modelar datos reales.
Se busca encontrar una recta que estime las ventas anuales en un año
específico y un polinomio de segundo grado que describa los niveles de
contaminación atmosférica, permitiendo hacer predicciones con base en los
modelos obtenidos.
4. CONSULTAS PREVIAS
¿Cuál es el proceso de factorización QR de una matriz?
La factorización QR de una matriz es una técnica fundamental del álgebra
lineal numérica. Permite descomponer una matriz A en el producto de dos
2
ELECTRÓNICA Y AUTOMATIZACIÓN – Teoría de Circuitos
matrices: Q y R, donde Q es ortogonal y R es triangular superior. Este proceso
es ampliamente utilizado en la resolución de sistemas lineales, el análisis
numérico, el ajuste de datos, entre otros campos.
1. ¿Qué es una matriz ortogonal?
Una matriz Q es ortogonal si sus columnas son vectores ortonormales entre sí.
Es decir, QᵀQ = I, donde I es la matriz identidad. Esto implica que los vectores
columna de Q tienen longitud uno y son mutuamente perpendiculares.
2. ¿Qué es una matriz triangular superior?
Una matriz R es triangular superior si todos sus elementos por debajo de la
diagonal principal son cero. Estas matrices son especialmente útiles porque
permiten resolver sistemas de ecuaciones por sustitución regresiva.
3. Proceso de Factorización QR
El objetivo es encontrar matrices Q y R tales que A = QR. Para ello, existen
diferentes métodos:
Método de Gram-Schmidt:
Se toma cada columna de la matriz A y se aplica un proceso de
ortonormalización para construir la matriz Q.
Luego, se calcula R usando la fórmula R = QᵀA.
Reflexiones de Householder:
Utiliza transformaciones ortogonales que reflejan los vectores.
Es más estable numéricamente que Gram-Schmidt.
Rotaciones de Givens:
Elimina elementos individuales por debajo de la diagonal mediante
rotaciones en planos específicos.
Ideal para matrices dispersas.
¿Cuál es el proceso para determinar un AJUSTE POLINOMIAL POR
MÍNIMOS CUADRADOS por medio de la Factorización QR
3
ELECTRÓNICA Y AUTOMATIZACIÓN – Teoría de Circuitos
El ajuste polinomial por mínimos cuadrados es una técnica usada para
encontrar el polinomio de grado n que mejor se ajusta a un conjunto de datos,
minimizando el error cuadrático entre los datos observados y los valores
predichos por el modelo. La factorización QR es una herramienta eficiente para
resolver sistemas de ecuaciones lineales, y puede utilizarse para encontrar la
solución del sistema que surge del método de mínimos cuadrados.
1. Planteamiento del problema
Supongamos que tenemos un conjunto de puntos (x₁, y₁), (x₂, y₂), ..., (xₙ, yₙ).
Deseamos encontrar un polinomio de grado m (con m < n) de la forma:
p(x) = a₀ + a₁x + a₂x² + ... + aₘxᵐ
que se ajuste a los puntos dados.
2. Sistema de ecuaciones lineales
El ajuste por mínimos cuadrados lleva a resolver el siguiente sistema
sobredeterminado Ax ≈ b, donde:
A es una matriz de tamaño n×(m+1), con A[i][j] = xᵢʲ
x es el vector de coeficientes [a₀, a₁, ..., aₘ]^T
b es el vector de valores [y₁, y₂, ..., yₙ]^T
3. Factorización QR
La factorización QR de la matriz A consiste en descomponerla como A = QR,
donde:
Q es una matriz ortogonal (QᵀQ = I)
R es una matriz triangular superior
Multiplicando ambos lados por Qᵀ se obtiene:
QᵀAx = Qᵀb → Rx = Qᵀb
Este nuevo sistema triangular superior Rx = Qᵀb puede resolverse fácilmente
por sustitución regresiva.
4
ELECTRÓNICA Y AUTOMATIZACIÓN – Teoría de Circuitos
5. PLANTEAMIENTO DE LAS SOLUCIONES
EJERCICIO 1
SOLUCION 1 EJERCICIO 1
GRAFÍCA – INTERPOLACIÓN
SOLUCION 2 EJERCICIO 1
GRAFÍCA - INTERPOLACIÓN
EJERCICIO 2 – REALIZAR MEDIANTE EL PROCESO DE AJUSTE
POLINOMIAL POR MÍNIMOS CUADRADOS POR MEDIO DE LA
FACTORIZACIÓN QR.
5
ELECTRÓNICA Y AUTOMATIZACIÓN – Teoría de Circuitos
SOLUCION 1 EJERCICIO 2
GRAFÍCA - INTERPOLACIÓN
SOLUCION 2 EJERCICIO 2
GRAFÍCA - INTERPOLACIÓN
6. ANÁLISIS DE LAS ALTERNATIVAS DE SOLUCIÓN
PROPUESTA DE SOLUCIÓN AL EJERCICIO 1
¿POR QUÉ SE SELECCIONÓ ESTA ALTERNATIVA?
¿POR QUÉ SE DESCARTÓ LA OTRA?
PROPUESTA DE SOLUCIÓN AL EJERCICIO 2
¿POR QUÉ SE SELECCIONÓ ESTA ALTERNATIVA?
¿POR QUÉ SE DESCARTÓ LA OTRA?
7. CONCLUSIONES
¿QUÉ ENSEÑANZA NOS DEJO LA SOLUCIÓN AL ESTUDIO DE CASO?
6
ELECTRÓNICA Y AUTOMATIZACIÓN – Teoría de Circuitos
8. REFERENCIAS BIBLIOGRÁFICAS
Vadillo, F. (s.f.). Una introducción a los problemas de mínimos
cuadrados. Universidad del País Vasco. Recuperado de
[Link]
Peña, J. (2011). Factorización QR. Centro de Investigación en
Matemáticas (CIMAT). Recuperado de
[Link]
Marco, A., & Martínez, J. J. (2015). Ajuste polinómico por mínimos
cuadrados usando la base de Bernstein. ResearchGate. Recuperado de
[Link]
_por_minimos_cuadrados_usando_la_base_de_Bernstein
De Rasis, J. P. (2019). Algoritmos para el cálculo de cuadrados
mínimos. Universidad de Buenos Aires. Recuperado de
[Link]
o_numerico_M/2019v/clase_labo.pdf
