Método de mínimos cuadrados para la

aproximación de datos experimentales

Aproximación por rectas que pasan por el origen

A continuación, efectuaremos el cálculo de la pendiente de la recta que pasa por el

origen que mejor se aproxima a un conjunto de valores ( x1 , y1 ), ( x 2 , y 2 ),..., ( x N , y N )
experimentales.

Este procedimiento es de gran importancia debido a que en las experiencias muchas

veces las magnitudes físicas dependen linealmente, como por ejemplo, la intensidad de
corriente eléctrica es directamente proporcional a la diferencia de potencial en los
elementos óhmicos. En reiteradas ocasiones, nos será útil encontrar la pendiente de la
recta que mejor aproxime los datos experimentales, debido a que tendrá un importante
significado físico. En el ejemplo anterior, la pendiente del gráfico diferencia de
potencial (V) en función de la intensidad (I) es la resistencia eléctrica (R) del elemento a
estudio. En los casos en los que la relación entre las variables no es lineal, muchas veces
se puede linealizar las relaciones para llevarlas a este caso.

Podemos expresar la relación lineal entre ambas magnitudes de la siguiente forma:

y = ax

En donde a es la pendiente de la recta, o sea, el valor que deseamos hallar. En el

ejemplo anterior, y corresponde a la diferencia de potencial (V), x a la intensidad (I), y a
es una constante de proporcionalidad, la cual es igual a la resistencia (R) del elemento.

Cuando tratemos datos provenientes de una experiencia, debido a los errores

experimentales, generalmente los datos experimentales no satisfacerán exactamente
dicha ecuación, sino que estarán próximos a la recta, pero no perfectamente alineados.
Es decir la distancia de cada punto del gráfico a la recta, calculado como ε i = a xi − yi
no será exactamente cero:

y
y = a x

ε i = a xi − yi
yi

xi x

Página 1 de 12
 La suma de las distancia de cada punto del gráfico a la recta elevada al cuadrado,
que nos da una idea de cuan cerca esta la recta de los datos experimentales, llamada
desviación cuadrática de los puntos respecto a la recta, estará dada entonces por la
siguiente expresión:

N N
 N 2  N   N 2
E = ∑ ε i = ∑ (axi − yi ) =  ∑ xi  a 2 −  2∑ xi yi  a +  ∑ yi 
2 2

i =1 i =1  i =1   i =1   i =1 

Observemos que la desviación cuadrática de los puntos respecto a la recta es una

función de la recta, cada recta (o sea cada pendiente a) genera distancias de cada punto
a dicha recta y por ende un valor de su suma al cuadrado. Lo que deseamos obtener es la
recta (calcular la pendiente a) que minimice dicha función, o sea, obtener la recta que,
en cierto sentido, esté más cerca de los puntos experimentales.

Recordemos que para una parábola del tipo f (x ) = Ax 2 + Bx + C la abscisa del su

−B
vértice es x = . Si el coeficiente A es positivo, entonces dicha parábola tendrá
2A
concavidad positiva y por ende la abscisa del vértice corresponde al valor de x en el que
la función f (x ) toma su valor mínimo.

La expresión de E como función de a es una parábola, con coeficientes

A = ∑ xi , B = 2∑ xi yi , C = ∑ yi . Observemos que corresponde a una parábola
2 2

∑x
2
de concavidad positiva, ya que el coeficiente A, el que multiplica a a 2 , es i > 0.

Ello hace que dicha función tenga un mínimo para un valor de a =

∑x y i i
. Dicho valor
∑x
2
i

de a corresponde a la pendiente de la recta que minimiza la suma de las distancias al

cuadrado de cada punto experimental a la misma.

Otra manera de obtener el mismo resultado es pensar que E es una función a, y lo

que deseamos es obtener el valor de a que minimiza dicha función. Para lograr dicho
objetivo, debemos imponer la siguiente condición de extremo:

dE (a )
=0
da

Al hacer la derivada de la función E como función de a obtenemos:

dE (a ) N N N N N
= ∑ 2( y i − axi )xi = 2∑ xi y i − 2∑ axi = 2∑ xi y i − 2a ∑ xi
2 2
0=
da i =1 i =1 i =1 i =1 i =1

Página 2 de 12
 N

N N ∑x y i i
0 = 2∑ x i y i − 2 a ∑ x i ⇔ a =
2 i =1
N
i =1 i =1
∑x
i =1
i
2

Cuya solución es la anteriormente citada.

En conclusión, hemos obtenido la pendiente a de la recta de la forma y = ax que

mejor aproxima los datos experimentales. Llegamos a la conclusión, que la pendiente de
la recta que minimiza la suma de las distancias al cuadrado de los valores
experimentales a la recta (la recta que en cierto modo más se aproxima a los valores
experimentales) tiene como pendiente:

∑x y i i
a= i =1
N

∑x
2
i
i =1

Aproximación por rectas que no necesariamente pasan por el origen

Calculemos ahora la mejor aproximación de un conjunto de valores experimentales

(x1 , y1 ), (x 2 , y 2 ),..., (x N , y N )
por una recta general, que no necesariamente pase por el
origen. Podemos expresar la relación entre ambas magnitudes de la siguiente forma:

y = ax + b

en donde a es la pendiente de la recta y b es el punto de corte de la recta con el eje y ,

o sea, los valores que deseamos hallar.

Procedamos de la misma manera que en el caso anterior.

y
y = a x + b

ε i = a xi + b − yi
yi

xi x

Página 3 de 12
 Ahora, la distancia de cada punto del gráfico a la recta tendrá la expresión
ε i = a xi − yi . Nuevamente calculemos la suma de las distancia de cada punto del
gráfico a la recta elevada al cuadrado, que nos da una idea de cuan cerca esta la recta de
los datos experimentales. La misma estará dada por la siguiente expresión:

N N N
E = ∑ ε i = ∑ (axi + b − y i ) 2 = ∑ (a 2 xi + b 2 + y i − 2axi y i − 2by i + 2abxi ) =
2 2 2

i =1 i =1 i =1

 N 2  N   N   N
  N
  N 2
= a 2  ∑ xi  + b 2  ∑ 1 + ab 2∑ xi  + a − 2∑ xi y i  + b − 2∑ y i  +  ∑ y i 
 i =1   i =1   i =1   i =1   i =1   i =1 

Observemos que la desviación cuadrática de los puntos respecto a la recta es una

función de la recta, cada recta (o sea cada pendiente a y punto de corte b) genera
distancias de cada punto a dicha recta y por ende un valor de su suma al cuadrado. Lo
que deseamos obtener es la recta (calcular la pendiente a y punto de corte b) que
minimice dicha función, o sea, obtener la recta que, en cierto sentido, esté más cerca de
los puntos experimentales.

En al caso anterior, cuando las rectas pasan por el origen, la función E dependía de
una sola variable, a, y encontrar el valor que la minimizaba fue una tarea sencilla. En
este caso la función E depende de dos variables, a y b, y debemos encontrar la pareja de
valores que la minimizan. El trabajo es un poco más complicado.

Primeramente hagamos una demostración sin hacer uso de derivadas.

Para un cierto valor dado del parámetro b, podemos pensar la función E como
función solo de a:

 N 2  N N
  N N N
2
f b (a ) = a 2  ∑ xi  + a − 2∑ xi y i + 2b∑ xi  +  b 2 ∑1 − 2b∑ y i + ∑ y i 
 i =1   i =1 i =1   i =1 i =1 i =1 

Para dicho valor de b la función E (como función solamente de a) es una parábola de

concavidad positiva, por lo que debemos elegir el valor de a para minimizarla como:

 N N
 N N
 − 2∑ xi y i + 2b∑ xi  ∑ xi y i − b∑ xi
B
= − =
i =1 i =1 i =1 i =1
a=−
2A  N
2
N
2 ∑ xi  ∑x
2
i
 i =1  i =1

Por otro lado, para un cierto valor dado del parámetro a, podemos pensar la función
E como función solo de b:

 N   N N
  N 2 N N

f a (b ) = b 2  ∑ 1 + b 2a ∑ x i − 2∑ y i  +  ∑ y i + a 2 ∑ x i − 2a ∑ x i y i 
2

 i =1   i =1 i =1   i =1 i =1 i =1 

Página 4 de 12
 Para dicho valor de a la función E (como función solamente de b) es nuevamente una
parábola de concavidad positiva, por lo que debemos elegir el valor de b para
minimizarla como:

 N N
 N N
 2 a ∑ x i − 2∑ y i  + − a ∑ x i + ∑ y i
B  i =1 i =1  i =1 i =1
b=− =− =
2A  N  N
2 ∑ 1 ∑ 1
 i =1  i =1

En definitiva, hemos obtenidos dos relaciones que se deben satisfacer

simultáneamente para minimizar la función, E, las que forman un sistema de dos
ecuaciones y dos incógnitas:

 N N

 ∑ x i y i − b∑ x i 
a = i =1 N i =1

   N 2 N N
   N 2  N   N 
∑   ∑ i ∑ ∑ a ∑ x i  + b ∑ x i  =  ∑ x i y i 
2
 x i a x = x y
i i − b x i
i =1 i =1 i =1 i =1    i =1   i =1   i =1 
 ⇔ N ⇔ N 

N N
 
N N
     N
  N
 
− a∑ xi + ∑ y i
  ∑
b 1 = −a ∑ x i + ∑ y i
   ∑
a x i  + b ∑ 1 =  ∑ y i 
 
b =
i =1 i =1

i =1 i =1 i =1  i =1   i =1   i =1  
N

 ∑i =1
1 


Resolviendo dicho sistema de ecuaciones, obtenemos los valores de a y b deseados:

 N   N  N   N  N 2   N  N 
N  ∑ xi y i  −  ∑ y i  ∑ xi   ∑ y i  ∑ xi  −  ∑ xi y i  ∑ xi 
a=    i =1  i =1  b=  i =1   i =1  i =1 
i =1 i =1
2 2
 N
2  N   N
2  N

N  ∑ xi  −  ∑ xi  N  ∑ xi  −  ∑ xi 
 i =1   i =1   i =1   i =1 

Otra manera más general de obtener el mismo resultado es pensar que E es una
función de dos variables, a y b, y lo que deseamos es obtener los valores de a y b que
minimizan dicha función. Para lograr dicho objetivo, debemos imponer la siguiente
condición de extremo:

 ∂ E (a,b )
 ∂a =0

 ∂ E (a,b ) = 0
 ∂b

Calculando dichas derivadas parciales de la expresión de E como función de a y b,

obtenemos:

Página 5 de 12
  ∂ E (a,b )  N 2  N   N

0 = = 2 a  ∑ x i  + b 2∑ x i  +  − 2 ∑ x i y i 
 ∂a  i =1   i =1   i =1 

0 = ∂ E (a,b ) = 2b 1 + a 2 x  +  − 2 y 
N N N

 ∂b
∑
 i =1 
∑ i
 i =1  
∑ i

 i =1

Dicho sistema de ecuaciones es el mismo sistema de ecuaciones que habíamos

encontrado y por ende tiene las mismas soluciones. Calculando las derivadas segundas
se comprueba fácilmente que el punto encontrado es efectivamente el único mínimo de
la función E. Este segundo razonamiento es más directo, aunque el anterior no utiliza
derivaciones, y por ende puede resultar comprensible si no se conoce el cálculo
diferencial.

En conclusión hemos encontrado las la pendiente a y el punto de corte el eje y, b, de

la recta de la forma y = ax + b que mejor aproxima los datos experimentales. Llegamos
a la conclusión que la pendiente y el punto de corte con el eje y de la recta que minimiza
la suma de las distancias al cuadrado de los valores experimentales a la recta (la recta
que en cierto modo más se aproxima a los valores experimentales) tienen como
expresiones:

 N   N  N 
N  ∑ xi y i  −  ∑ y i  ∑ xi 
a=    i =1  i =1 
i =1
2
 N
2  N 
N  ∑ xi  −  ∑ xi 
 i =1   i =1 

 N  N 2   N  N 
 ∑ y i  ∑ xi  −  ∑ xi y i  ∑ xi 
b=  i =1   i =1  i =1 
i =1
2
 N 2  N 
N  ∑ xi  −  ∑ xi 
 i =1   i =1 

Página 6 de 12
 Aproximación por polinomios de grado m

Calculemos ahora la mejor aproximación de un conjunto de valores experimentales

(x1 , y1 ), (x 2 , y 2 ),..., (x N , y N )
por un polinomio de grado m. Podemos expresar la
relación entre ambas magnitudes de la siguiente forma:

y = a m x m + a m −1 x m −1 + ... + a1 x + a 0

en donde los a j j = 0,1,..., m son los coeficientes del polinomio, o sea, los valores
que deseamos hallar.

Procedamos de la misma manera que en los casos anteriores.

y = a m x m + a m − 1 x m − 1 + ... + a1 x + a 0

ε i = a m x m + a m − 1 x m − 1 + ... + a 1 x + a 0 − y i
yi

xi x

Ahora, la distancia de cada punto del gráfico al polinomio tendrá la expresión

ε i = a m xi m + a m −1 xi m −1 + ... + a1 xi + a 0 − y i . Nuevamente calculemos la suma de las
distancias de cada punto del gráfico al polinomio elevada al cuadrado, que nos da una
idea de cuan cerca esta el polinomio de los datos experimentales. La misma estará dada
por la siguiente expresión:

( )
N N
E = ∑ ε i =∑ a m xi + a m −1 xi
2 m m −1 2
+ ... + a1 x i + a 0 − y i
i =1 i =1

Observemos que la desviación cuadrática de los puntos respecto al polinomio es una

función del polinomio, cada polinomio (o sea cada conjunto de coeficientes
a j j = 0,1,..., m ) genera distancias de cada punto a dicho polinomio y por ende un
valor de su suma al cuadrado. Lo que deseamos obtener es del polinomio (o sea el
conjunto de coeficientes a j j = 0,1,..., m ) que minimice dicha función, o sea, obtener
el polinomio de grado m que, en cierto sentido, esté más cerca de los puntos
experimentales.

Página 7 de 12
 En los casos anteriores, cuando teníamos rectas pasan por el origen, la función E
dependía de una sola variable, a, y encontrar el valor que la minimizaba fue una tarea
sencilla; luego, para rectas generales la función E dependía de dos variables, a y b, y
encontrar los valores que la minimizaba fue un poco más complicado. En este caso
general, la función E depende de m+1 variables a j j = 0,1,..., m y debemos encontrar el
conjunto de valores que la minimizan. El trabajo actual es un poco más complicado,
aunque es una simple generalización del procedimiento anterior al caso de m+1
variables. Para lograr dicho objetivo, debemos imponer la siguiente condición de
extremo:

 ∂ E (a m , a m −1 ,..., a1 , a 0 )
 =0
∂a 0

 ∂ E (a m , a m −1 ,..., a1 , a 0 )
 =0
 ∂a1
:

 ∂ E (a m , a m −1 ,..., a1 , a 0 )
 =0
 ∂a m

Calculando dichas derivadas parciales de la expresión de E como función las m+1

variables a j j = 0,1,..., m , obtenemos:

∂E
( )
N
= 2∑ a m xi + a m −1 xi + ... + a1 xi + a 0 − y i
m m −1
0=
∂a 0 i =1

∂E
( )
N
= 2∑ a m xi + a m −1 xi + ... + a1 xi + a 0 − y i ( xi )
m m −1
0=
∂a1 i =1

:
∂E
( )
n
= 2∑ a m xi + a m −1 xi + ... + a1 xi + a 0 − y i ( xi )
m m −1 j
0=
∂a j i =1

:
∂E
( )
n
= 2∑ a m xi + a m −1 xi + ... + a1 xi + a 0 − y i ( xi )
m m −1 m
0=
∂a m i =1

Dichas ecuaciones pueden ser rescritas de la siguiente manera:

Página 8 de 12
 N N N N N

∑ yi = a n ∑ xi + an−1 ⋅ ∑ xi + ... + a1 ⋅ ∑ xi + a 0 ∑1
m m −1

i =1 i =1 i =1 i =1 i =1
N N N N N

∑y x = a m ∑ xi + a m−1 ∑ xi + ... + a1 ∑ xi + a 0 ∑ xi
m +1 m 2
i i
i =1 i =1 i =1 i =1 i =1

:
N N N N N

∑ y i xi = a m ∑ xi + a m−1 ∑ xi + ... + a1 ∑ xi + a 0 ∑ xi
j m+ j m −1+ j 1+ j j

i =1 i =1 i =1 i =1 i =1

:
N N N N N

∑y x = a m ∑ xi + a m −1 ∑ xi + ... + a1 ∑ xi + a 0 ∑ xi
m m+ j m −1+ m 1+ m m
i i
i =1 i =1 i =1 i =1 i =1

O, para ganar claridad pueden ser escritas en forma matricial de la siguiente manera.

 N 0 N N N
  N 0
 ∑ xi ∑x ∑x ∑x  ∑ y i xi 
1 2 m
i i L i
 i =N1 i =1
N
i =1
n
i =1
N   a 0   i =N1 
 x1 m +1   1 
∑ ∑x ∑x ∑   a1   ∑
2 3
L xi   y i xi
i =1
i
i =1
i
i =1
i
i =1 i =1

 N 2 N N N  ⊗  a  =  N 
 ∑ xi ∑x ∑x ∑
m+ 2
∑ i i 
3 4 2 2
i i L x i     y x
 i =1 i =1 i =1 i =1   M   i =1
 M M M O M  a   M 
N m   m  N
m
N N N

∑ xi ∑x ∑x ∑ ∑ y i xi 
m +1 m+2 2m
i i L xi 
 i =1 i =1 i =1 i =1   i =1 

Por lo tanto, la solución del sistema es

 N 0 N N N
  N 0
 ∑ xi ∑ xi ∑ xi ∑ xi   ∑ y i xi 
1 2 m
L
 a0   i =N1 i =1
N
i =1
n
i =1
N   i =N1 
 x1 m +1   y x1
∑ ∑x ∑x ∑  ∑
a  2 3
L x
  1
i =1
i
i =1
i
i =1
i
i =1
i
i =1
i i

 a 2  = Inv  N 2 N N N  ⊗  N 
   ∑ xi ∑x i
3
∑x i
4
L ∑ xi   ∑ y i xi 
m+ 2 2

 M   i =1 i =1 i =1 i =1   i =1 
a m   M M M O M   M 
N m N N N
2m  N m
∑ xi ∑x ∑x ∑ xi  ∑ y i xi 
m +1 m+ 2
i i L
 i =1 i =1 i =1 i =1   i =1 

En donde Inv [A] significa la matriz inversa de A. En conclusión hemos encontrado

el conjunto de coeficientes a j j = 0,1,..., m del polinomio de grado m de la forma
y = a m x m + a m −1 x m −1 + ... + a1 x + a 0 que mejor aproxima los datos experimentales.
Llegamos a la conclusión los coeficientes del polinomio de que minimiza la suma de las
distancias al cuadrado de los valores experimentales al polinomio (el polinomio que en
cierto modo más se aproxima a los valores experimentales) tienen las expresiones
anteriormente calculadas.

Página 9 de 12
 Aproximación por familias arbitrarias de funciones

En todos los ejemplos anteriores procuramos aproximar un conjunto de datos

experimentales ( x1 , y1 ), (x 2 , y 2 ),..., (x N , y N ) por una recta o polinomio. En definitiva,
teníamos un conjunto de posibles rectas o polinomios parametrizados por un conjunto
de parámetros. Por ejemplo a es el parámetro que describe las rectas que pasan por el
origen; a y b es el conjunto de parámetros que describen las rectas generales, y los
coeficientes de los polinomios son los parámetros que describen a los polinomios.

En caso general, uno puede tener una familia de funciones f que dependen de varios
parámetros α 1 , α 2 ,..., α m reales:

fα
1 ,α 2 ,...,α m
(x )

y desea encontrar entre dicha familia de funciones la que mejor aproxima los datos
experimentales.

El método de mínimos cuadrados es aplicable en dicha situación. Para ello uno debe
considerar las distancias ε i = f ( xi ) − yi de los puntos experimentales a la curva de
ajuste. Nuevamente consideramos la suma de todas las distancias elevadas al cuadrado:

N N
E = ∑ ε i =∑ ( f (xi ) − y i )
2 2

i =1 i =1

La que resulta una función de los parámetros α 1 , α 2 ,..., α m , ya que para cada
conjunto de parámetros obtenemos una función f y por ende un conjunto de distancias
ε i . Entonces E resulta ser una función de los parámetros α1 ,α 2 ,...,α m o sea
E (α 1 , α 2 ,..., α m ) .

El método de mínimos cuadrados consiste en minimizar E, por lo que se debe hacer

es imponer la siguiente condición de extremo:

 ∂E (α 1 , α 2 ,..., α m )
 =0
∂α 1

:
 ∂E (α , α ,..., α )
 1 2 m
=0
 ∂α m

Obtenemos la solución del problema (los parámetros α 1 , α 2 ,..., α m ) al resolver dicho

sistema. Además hay que asegurarse de obtener una solución que corresponda
efectivamente a un mínimo de E.

Página 10 de 12
 La dificultad radica en que generalmente el sistema anterior es un sistema muy
complicado de resolver, por lo general no lineal. Afortunadamente disponemos de
muchos métodos numéricos para obtener una solución aproximada del mismo.

Mínimos cuadrados ponderados

En todos los ejemplos anteriores calculamos las distancias de los datos

experimentales ε i a una familia de rectas, polinomios o curvas que dependían de ciertos
parámetros. Seguidamente sumamos todas las distancias elevadas al cuadrados, y al
resultado lo llamamos E. Luego encontramos los parámetros de las rectas o curvas que
minimizaban dicha expresión.

Hay situaciones en las que no todos los datos tienen la misma importancia en el
cálculo de E. Un ejemplo es cuando hay más incertidumbre asociada a una medición
que a las demás. En ese caso uno puede desear que dicha medición tenga menos
importancia en el momento de aproximar los datos por rectas o curvas que las restantes.
Un posible procedimiento a seguir es el siguiente.

A cada medición se le asocia un peso wi . Típicamente, se le suele asociar a cada

medición un peso que sea inversamente proporcional a la incertidumbre asociada a
dicha medida elevada al cuadrado wi = 1 , aunque otras elecciones son posibles.
(∆yi )2
En la definición de E, tenemos en cuenta dicho peso:

N
E = ∑ ε i wi
2

i =1

El resto del procedimiento es exactamente igual al de los casos anteriores, o sea

minimizamos la expresión obtenida para E, teniendo en cuenta los factores wi .
Observemos que el desarrollo de E es análogo al caso anterior con la diferencia que
cada sumando queda multiplicado por el factor de peso wi . O sea, cada vez que tenemos
N N
una sumatoria del tipo ∑ ....i la misma se transformará a una suma del tipo
i =1
∑ .... w .
i =1
i i

Como ejemplo, para el caso de las rectas del tipo forma y = ax obtenemos

∑w x y
i =1
i i i
a= N

∑w x
2
i i
i =1

Para el caso de las rectas del tipo forma y = ax + b obtenemos:

Página 11 de 12
 N
(cabe observar que el factor N en las fórmulas anteriores provenía de hacer N = ∑1 y
i =1
N
en los nuevos cálculos se transforma en ∑ wi )
i =1

 N  N   N  N 
 ∑ wi  ∑ wi xi y i  −  ∑ wi y i  ∑ wi xi 
a =  i 1  i 1   i =1  i =1 
= =
2
 N  N 2  N 
 ∑ wi  ∑ wi xi  −  ∑ wi xi 
 i =1  i =1   i =1 

 N  N 2  N  N 
 ∑ wi y i  ∑ wi xi  −  ∑ wi xi y i  ∑ wi xi 
b=i1  i =1   i =1  i =1 
=
2
 N
 N
2  N

 ∑ wi  ∑ wi xi  −  ∑ wi xi 
 i =1  i =1   i =1 

Los métodos y resultados en los demás casos son análogos.

Página 12 de 12