Mediciones de longitud del error

Solución por longitud mı́nima del error

Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Inversión de Datos Geofı́sicos

Solución del problema inverso por mı́nimos cuadrados
Semestre 2018-2

M.C. Mauricio Nava Flores

www.researchgate.net/profile/Mauricio_Nava-Flores

División de Ingenierı́a en Ciencias de la Tierra

Facultad de Ingenierı́a, UNAM

Lunes 2 de Septiembre de 2018

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 1 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Contenido

Mediciones de longitud del error

Familia de normas “L”

Solución por longitud mı́nima del error

Mı́nimos Cuadrados

Soluciones Particulares
Polinomios n-dimensionales

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 2 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Familia de normas “L”

El método de mı́nimos cuadrados estima la solución de un proble-
ma inverso, obteniendo los parámetros del modelo que minimizan
una medición particular del error, especı́ficamente, la norma eu-
clidiana del vector de diferencias entre datos observados y
estimados (e):
e = d obs − d est

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 3 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Familia de normas “L”

El método de mı́nimos cuadrados estima la solución de un proble-
ma inverso, obteniendo los parámetros del modelo que minimizan
una medición particular del error, especı́ficamente, la norma eu-
clidiana del vector de diferencias entre datos observados y
estimados (e):
e = d obs − d est

I Ahora bien, se tiene que el error total (E), se define como:

N
X
E= ei2 = e T e
i=1

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 3 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Familia de normas “L”

El método de mı́nimos cuadrados estima la solución de un proble-
ma inverso, obteniendo los parámetros del modelo que minimizan
una medición particular del error, especı́ficamente, la norma eu-
clidiana del vector de diferencias entre datos observados y
estimados (e):
e = d obs − d est

I Ahora bien, se tiene que el error total (E), se define como:

N
X
E= ei2 = e T e
i=1
I Por otro lado, se denomina “norma” a alguna medición de lon-
gitud o tamaño y se denota por:
k e k ⇒ Norma del vector “e”
Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 3 / 12
 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Familia de normas “L”

La familia de normas “L” es la más comúnmente empleada para
medir el error en la inversión de problemas lineales:

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 4 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Familia de normas “L”

La familia de normas “L” es la más comúnmente empleada para
medir el error en la inversión de problemas lineales:
N
X
Norma L1 : k e1 k = | ei |
i=1
" N # 12
X 2
Norma L2 : k e2 k = | ei |
i=1
" N # 13
X 3
Norma L3 : k e3 k = | ei |
i=1
.. ..
. = .
" N # q1
X q
Norma Lq : k eq k = | ei |
i=1
Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 4 / 12
 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Familia de normas “L”

La familia de normas “L” es la más comúnmente empleada para
medir el error en la inversión de problemas lineales:
N
X
Norma L1 : k e1 k = | ei |
i=1
" N # 12
X 2
Norma L2 : k e2 k = | ei |
i=1
" N # 13
X 3
Norma L3 : k e3 k = | ei |
i=1
IMPORTANTE:
.. ..
. = . La elección del tipo de norma por utilizar
" N # q1 no es trivial: Las normas de orden superior
asignan mayor peso a los datos que se
X q
Norma Lq : k eq k = | ei | encuentran fuera de la tendencia general
(outliers).
i=1
Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 4 / 12
 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Familia de normas “L”

Es importante resaltar lo siguiente:

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 5 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Familia de normas “L”

Es importante resaltar lo siguiente:
I La probabilidad de que un dato observado resulte fuera de la
tendencia general, depende de la forma de la distribución de
probabilidad de los datos:

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 5 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Familia de normas “L”

Es importante resaltar lo siguiente:
I La probabilidad de que un dato observado resulte fuera de la
tendencia general, depende de la forma de la distribución de
probabilidad de los datos:
Distribuciones de “colas cortas” implican la obtención de
muy pocos datos fuera de la tendencia.

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 5 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Familia de normas “L”

Es importante resaltar lo siguiente:
I La probabilidad de que un dato observado resulte fuera de la
tendencia general, depende de la forma de la distribución de
probabilidad de los datos:
Distribuciones de “colas cortas” implican la obtención de
muy pocos datos fuera de la tendencia.
Distribuciones de “colas largas” implican la obtención de
muchos datos fuera de la tendencia.

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 5 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Familia de normas “L”

Es importante resaltar lo siguiente:
I La probabilidad de que un dato observado resulte fuera de la
tendencia general, depende de la forma de la distribución de
probabilidad de los datos:
Distribuciones de “colas cortas” implican la obtención de
muy pocos datos fuera de la tendencia.
Distribuciones de “colas largas” implican la obtención de
muchos datos fuera de la tendencia.

POR LO TANTO:
La elección de una norma implica considerar que los datos obedecen un
tipo particular de estadı́stica
(para el caso de la norma L2 , Gaussiana)

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 5 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Familia de normas “L”

Distribuciones de probabilidad de cola corta y cola larga:

Distribución de cola larga Distribución de cola corta

La forma de la curva adyacente a la media La forma de la curva adyacente a la media
indica una alta probabilidad de tener datos indica una baja probabilidad de tener
fuera de la tendencia datos fuera de la tendencia

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 6 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Familia de normas “L”

Distribuciones de probabilidad de cola corta y cola larga:

Distribución de cola larga Distribución de cola corta

La forma de la curva adyacente a la media La forma de la curva adyacente a la media
indica una alta probabilidad de tener datos indica una baja probabilidad de tener
fuera de la tendencia datos fuera de la tendencia

ARTÍCULO BÁSICO:
AL-CHALABI, M. (1992). WHEN LEAST-SQUARES SQUARES
LEAST. Geophysical prospecting, 40(3), 359-378.

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 6 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Solución por longitud mı́nima del error

Retomando la definición del vector de error (e):
e = d − d est (1)

Por simplicidad, denotaremos por d a los datos observados

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 7 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Solución por longitud mı́nima del error

Retomando la definición del vector de error (e):
e = d − d est (1)

Por simplicidad, denotaremos por d a los datos observados

I Donde:    est 
d1 d1
est
 d2  est
 d2 
dN×1 =  ; dN×1 = 
   
.. .. 
 .   . 
est
dN dN

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 7 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Solución por longitud mı́nima del error

Retomando la definición del vector de error (e):
e = d − d est (1)

Por simplicidad, denotaremos por d a los datos observados

I Donde:    est 
d1 d1
est
 d2  est
 d2 
dN×1 =  ; dN×1 = 
   
.. .. 
 .   . 
est
dN dN
I El error total o error cuadrático (E), está dado por el escalar:
N
X
E = eT e = ei2 (2)
i=1

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 7 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Solución por longitud mı́nima del error

est
I Por otro lado, el vector d se calcula a partir del producto del
kernel de la inversión con el vector de parámetros:
est
d = Gm (3)

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 8 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Solución por longitud mı́nima del error

est
I Por otro lado, el vector d se calcula a partir del producto del
kernel de la inversión con el vector de parámetros:
est
d = Gm (3)
I Sustituyendo (3) en (1):
e = d − Gm (4)

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 8 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Solución por longitud mı́nima del error

est
I Por otro lado, el vector d se calcula a partir del producto del
kernel de la inversión con el vector de parámetros:
est
d = Gm (3)
I Sustituyendo (3) en (1):
e = d − Gm (4)
I Ahora, sustituyendo (4) en (2):
E = (d − Gm)T (d − Gm) (5)

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 8 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Solución por longitud mı́nima del error

est
I Por otro lado, el vector d se calcula a partir del producto del
kernel de la inversión con el vector de parámetros:
est
d = Gm (3)
I Sustituyendo (3) en (1):
e = d − Gm (4)
I Ahora, sustituyendo (4) en (2):
E = (d − Gm)T (d − Gm) (5)

IMPORTANTE:
Las expresiones para resolver el problema lineal inverso por mı́nimos
cuadrados, surgen al minimizar el error total con respecto a los
parámetros, a través de la derivación de este último e igualando a cero

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 8 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Mı́nimos Cuadrados
I De acuerdo a lo anterior, hay que derivar (5) con respecto al
vector mT :
∂E ∂ h T
i
= (d − Gm) (d − Gm) (6)
∂mT ∂mT

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 9 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Mı́nimos Cuadrados
I De acuerdo a lo anterior, hay que derivar (5) con respecto al
vector mT :
∂E ∂ h T
i
= (d − Gm) (d − Gm) (6)
∂mT ∂mT

Considerar las siguientes propiedades:

(A ± B)T = AT ± B T
(A x)T = x T AT

A y B son matrices
x es un vector

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 9 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Mı́nimos Cuadrados
I De acuerdo a lo anterior, hay que derivar (5) con respecto al
vector mT :
∂E ∂ h T
i
= (d − Gm) (d − Gm) (6)
∂mT ∂mT

Considerar las siguientes propiedades:

(A ± B)T = AT ± B T
(A x)T = x T AT

A y B son matrices
x es un vector

I Al aplicar las propiedades matriciales anteriores a (6), después

de desarrollar el producto, derivar y reducir términos:
∂E
= −G T d + G T Gm (7)
∂mT
Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 9 / 12
 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Mı́nimos Cuadrados
I Para obtener el mı́nimo, la expresión (7) se iguala a cero:
∂E
=0
∂mT
⇒ −G T d + G T Gm = 0

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 10 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Mı́nimos Cuadrados
I Para obtener el mı́nimo, la expresión (7) se iguala a cero:
∂E
=0
∂mT
⇒ −G T d + G T Gm = 0

I Finalmente, si la matriz G T G no es singular:

est
 −1
m = GTG GTd (8)

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 10 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Mı́nimos Cuadrados
I Para obtener el mı́nimo, la expresión (7) se iguala a cero:
∂E
=0
∂mT
⇒ −G T d + G T Gm = 0

I Finalmente, si la matriz G T G no es singular:

est
 −1
m = GTG GTd (8)

Solución General de Mı́nimos Cuadrados

Esta solución generará los datos estimados con la
menor longitud de error medido a través de la
norma L2
Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 10 / 12
 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Soluciones de casos particulares

Las soluciones particulares se obtienen sustituyendo el kernel de la
inversión y los datos en la expresión (8), de acuerdo al modelo teórico
considerado.

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 11 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Soluciones de casos particulares

Las soluciones particulares se obtienen sustituyendo el kernel de la
inversión y los datos en la expresión (8), de acuerdo al modelo teórico
considerado.
I Polinomios de orden “n”

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 11 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Soluciones de casos particulares

Las soluciones particulares se obtienen sustituyendo el kernel de la
inversión y los datos en la expresión (8), de acuerdo al modelo teórico
considerado.
I Polinomios de orden “n”
Recta (n = 1):
d est = m1 + m2 x (9)

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 11 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Soluciones de casos particulares

Las soluciones particulares se obtienen sustituyendo el kernel de la
inversión y los datos en la expresión (8), de acuerdo al modelo teórico
considerado.
I Polinomios de orden “n”
Recta (n = 1):
d est = m1 + m2 x (9)
El kernel de la inversión se obtiene al desarrollar la Ec. 9:

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 11 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Soluciones de casos particulares

Las soluciones particulares se obtienen sustituyendo el kernel de la
inversión y los datos en la expresión (8), de acuerdo al modelo teórico
considerado.
I Polinomios de orden “n”
Recta (n = 1):
d est = m1 + m2 x (9)
El kernel de la inversión se obtiene al desarrollar la Ec. 9:
est
d1 = m1 + m2 x1
est
d2 = m1 + m2 x2
.. .. ..
. . .
est
dN = m1 + m2 xN

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 11 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Soluciones de casos particulares

Las soluciones particulares se obtienen sustituyendo el kernel de la
inversión y los datos en la expresión (8), de acuerdo al modelo teórico
considerado.
I Polinomios de orden “n”
Recta (n = 1):
d est = m1 + m2 x (9)
El kernel de la inversión se obtiene al desarrollar la Ec. 9:
est  est 
d1 = m1 + m2 x1 d1
 
1 x1
est est
d2 = m1 + m2 x2

 d2
 
  1 x2 
 m1

.. .. .. ⇒ .. = .. ..
 m2

. .
  
. . .  . 
est est
dN = m1 + m2 xN dN 1 xN

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 11 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Soluciones de casos particulares

Las soluciones particulares se obtienen sustituyendo el kernel de la
inversión y los datos en la expresión (8), de acuerdo al modelo teórico
considerado.
I Polinomios de orden “n”
Recta (n = 1):
d est = m1 + m2 x (9)
El kernel de la inversión se obtiene al desarrollar la Ec. 9:
est  est 
d1 = m1 + m2 x1 d1
 
1 x1
est est
d2 = m1 + m2 x2

 d2
 
  1 x2 
 m1

.. .. .. ⇒ .. = .. ..
 m2

. .
  
. . .  . 
est est
dN = m1 + m2 xN dN 1 xN
⇑
Kernel

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 11 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Soluciones de casos particulares

Las soluciones particulares se obtienen sustituyendo el kernel de la
inversión y los datos en la expresión (8), de acuerdo al modelo teórico
considerado.
I Polinomios de orden “n”
Recta (n = 1):
d est = m1 + m2 x (9)
El kernel de la inversión se obtiene al desarrollar la Ec. 9:
est  est 
d1 = m1 + m2 x1 d1
 
1 x1
est est
d2 = m1 + m2 x2

 d2
 
  1 x2 
 m1

.. .. .. ⇒ .. = .. ..
 m2

. .
  
. . .  . 
est est
dN = m1 + m2 xN dN 1 xN
⇑
Kernel
La solución de esta expresión ya la desarrollamos
(Ec. 9, Presentación IDG Pr02.pdf)
Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 11 / 12
 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Soluciones de casos particulares

De acuerdo al desarrollo hecho para un modelo de lı́nea recta, la
solución del problema inverso depende del kernel de la inversión y
del producto e inversión de matrices.

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 12 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Soluciones de casos particulares

De acuerdo al desarrollo hecho para un modelo de lı́nea recta, la
solución del problema inverso depende del kernel de la inversión y
del producto e inversión de matrices.
Se muestra la generalización para la obtención del kernel de modelos
polinomiales:

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 12 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Soluciones de casos particulares

De acuerdo al desarrollo hecho para un modelo de lı́nea recta, la
solución del problema inverso depende del kernel de la inversión y
del producto e inversión de matrices.
Se muestra la generalización para la obtención del kernel de modelos
polinomiales:
I Polinomios de orden “n”
Parábola (n = 2):
d est = m1 + m2 x + m3 x 2

Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 12 / 12

 Mediciones de longitud del error
Solución por longitud mı́nima del error
Mı́nimos Cuadrados Facultad de Ingenierı́a, UNAM
Soluciones Particulares

Soluciones de casos particulares

De acuerdo al desarrollo hecho para un modelo de lı́nea recta, la
solución del problema inverso depende del kernel de la inversión y
del producto e inversión de matrices.
Se muestra la generalización para la obtención del kernel de modelos
polinomiales:
I Polinomios de orden “n”
Parábola (n = 2):
d est = m1 + m2 x + m3 x 2
El kernel de la inversión es:
2
1 x1 x1
 
2

 1 x2 x2 

G =
 .. .. ..


 . . . 
2
1 xN xN
Inversión de Datos Geofı́sicos 2/Septiembre/2018 Facultad de Ingenierı́a, UNAM 12 / 12