Ajuste de Observaciones por Medidas Indirectas o Método ...
Transcript of Ajuste de Observaciones por Medidas Indirectas o Método ...
TEORÍA DE ERRORES – WALTER T. MEIER 1
CAPITULO 4. AJUSTE DE OBSERVACIONES.-
Ajuste de Observaciones por Medidas Indirectas o
Método Paramétrico
El desarrollo de este capítulo se basó en el apunte de Mangiaterra, A. (2006). Cálculo de
Compensaciones. Pág. (III.22-III.24). Conjuntamente con Manuel Chueca Pazos; José
Herráez Boquera y José Luis Berné Valero. (1996). Teoría de errores e instrumentación.
Madrid: Paraninfo. Pág. (98-100).
Los problemas de compensación se suelen dividir en dos grupos, uno es el caso de
Medidas Indirectas o Método Paramétrico y el otro el de Ecuaciones de Condición.
En el caso de medidas indirectas, los valores de las incógnitas buscadas están
relacionados por ecuaciones lineales o linealizables a los valores medidos de la
siguiente manera:
iii puZYXf ...................;;
donde ...;; ZYX son las incógnitas, iu las observaciones. Y cada una de estas
ecuaciones tendrá un peso ip . Por lo general se tienen más ecuaciones que
incógnitas, y este es el caso que vamos a desarrollar en este capítulo.
Supongamos n cantidad de ecuaciones con I cantidad de incógnitas, n>I.
En el caso más general del método de medidas indirectas tenemos ecuaciones de la
siguiente manera:
iiiii puuuZYXf ...........0;....;;;....;;; '''''' i=1;2;… n>I
La función if puede ser no lineal.
Cada función puede contener varias de esas magnitudes que pueden ser
medibles.
Obtenida la medición iu , se trata de encontrar los valores de las incógnitas.
Como las funciones pueden ser no lineales, se remplaza a las variables ...;; ZYX
por un valor conocido o aproximado de las incógnitas más una corrección. Esta
corrección va a ser la nueva incógnita.
V
V
V
ZZZ
YYY
XXX
0
0
0
TEORÍA DE ERRORES – WALTER T. MEIER 2
Las relaciones 0if se desarrollarán en series de Taylor conservando solo los
términos lineales.
0...;....;;....;;;....;;....;;00
'''
00
'''
VViiiiii Y
Y
fX
X
fuuYXfuuYXf ;
De esta manera todas las ecuaciones quedan linealizadas. Los valores de las
derivadas se obtendrán evaluándolas en los puntos aproximados, quedando el
sistema de ecuaciones:
nnVn
Vn
Vn
VVV
VVV
pofZZ
fY
Y
fX
X
f
pofZZ
fY
Y
fX
X
f
pofZZ
fY
Y
fX
X
f
........0)(...
.....................................................................................................
........0)(...
........0)(...
000
22
0
2
0
2
0
2
11
0
1
0
1
0
1
Podemos observar que tenemos un sistema con más ecuaciones que incógnitas (n
Nº de ecuaciones e I Nº de incógnitas), y a causa de los errores que se producen
en las mediciones, el sistema resulta inconsistente (pero esta particularidad es la
que hace que se pueda efectuar la compensación). Es decir, no existe un juego de
valores para las incógnitas que satisfagan todas las ecuaciones, o lo que es lo
mismo, el vector de términos independientes no pertenece al espacio generado por
las columnas de la matriz de los coeficientes que acompañan a las incógnitas. Esto
se debe a los errores que se producen en las mediciones que son de carácter
aleatorio.
Podemos expresar matricialmente el sistema de arriba:
PUXA .............0. Sistema inconsistente a causa de los errores.
:A Matriz de las derivadas o matriz Jacobiana, es una matriz de diseño y está
compuesta por los coeficientes que acompañan a las incógnitas. Comúnmente
llamada matriz modal. Esta matriz hace referencia a la configuración y al
método de medición empleado.
:X Vector de las incógnitas o de los parámetros. VVV ZYX ;;
TEORÍA DE ERRORES – WALTER T. MEIER 3
:U Vector de términos independientes o vector de las observaciones.
)();...;();( 21 ofofof n
El sistema 0. UXA (sist. Inconsistente) va a tener además asociada una matriz
de pesos. Que con la notación antes establecida, quedará PUXA ...........0.
Debemos establecer algún criterio para poder hallar una solución al sistema
inconsistente. Si aceptamos que el sistema PUXA ...........0. tenga residuos,
entonces tendremos el sistema de ecuaciones de observación que vendrá dado de
la siguiente manera:
PVUXA ............
Siendo:
nv
v
v
V
.
.
2
1
np
p
p
P
0..0
0....
.....
...0
0..0
2
1
:P Matriz de pesos y hace referencia a la precisión. Esta matriz refleja el
instrumental utilizado.
:V Vector de los residuos y representa las correcciones que hay que hacerle a las
observaciones o términos independientes (vector U ) para que el sistema sea
compatible.
Para lo cual ahora mi nuevo sistema es compatible con infinitas soluciones, ya que
voy a tener infinitos vectores V que satisfagan la ecuación matricial.
La matriz de los pesos en este caso es una matriz diagonal ya que se considera que
las observaciones son todas independientes unas de otras. Esto no siempre es así y
puede ser que la matriz de pesos sea una matriz simétrica debido a la correlación
que existe ente las observaciones como en el caso de los vectores G.P.S. en donde
se tienen los errores en cada una de las componentes espaciales y la correlación
que exista entre estas.
Con respecto a como resolver este sistema, necesitamos una única solución y que
además sea la mejor, dijimos que esta sería aquella que tenga la mayor
probabilidad de salir, que no es otra cosa que la media ponderada, por lo tanto en
TEORÍA DE ERRORES – WALTER T. MEIER 4
base a esto estableceremos como criterio el de mínimos cuadrados: mínvpn
i
ii 1
2
o lo que es lo mismo en forma matricial: mínVPV T ..
mínVPV T ..
Derivando a esta e igualándola a cero:
AX
V
PVV
X
V
VX
T
0..2
0.
Reemplazando los valores que se obtuvieron en las tres expresiones de derivadas
anteriores obtenemos lo siguiente:
0..0..0...2 VPAAPVAPV TTT
Recordar que la matriz P es diagonal o a lo sumo simétrica y por lo tanto su
transpuesta es ella misma. El siguiente paso va a ser reemplazar V por la ecuación
matricial que teníamos antes: VUXA .
UPAXAPAUXAPA TTT .....0...
Y llamando APAM T ..
UPAXM T ...
“Esta es la expresión más general del método de medidas indirectas o método
paramétrico. Pudiendo resultar el sistema compatible indeterminado o compatible
determinado dependiendo de que si la matriz M (matriz normal) resulta singular o
no.”
Si todas las columnas de A son L.I. (linealmente independiente) entonces las filas
de TA son L.I. y el producto de estas, es una matriz cuyas columnas son L.I. (la
matriz de los pesos siempre es una matriz con todas sus columnas y filas L.I.). Por
lo tanto si en nuestro caso A tiene todas las columnas L.I., M también va a tener
todas sus columnas L.I., por lo tanto va a resultar de rango completo. Además es
una matriz simétrica por resultar de la multiplicación de una matriz con su
TEORÍA DE ERRORES – WALTER T. MEIER 5
transpuesta (y puede estar multiplicada por otra matriz que es también simétrica
que es la de los pesos), con lo cual va a ser cuadrada. Con estas dos propiedades
(ser cuadrada y ser de rango completo) M va a tener inversa y la ecuación general
del método de medidas indirectas va a tener una única solución por mínimos
cuadrados que vendrá dada de la siguiente manera:
UPAMX T ...1
Por último, como se linealizó aproximando por desarrollos de Taylor hasta el primer
orden con valores aproximados de las incógnitas, puede que el valor calculado de
los parámetros y el de las incógnitas no sean los correctos dependiendo de qué tan
buenas fueron los valores aproximados de las incógnitas de partida. Para solucionar
esto se deberá reemplazar los valores aproximados por los valores recientemente
calculados y realizar todo el algoritmo de nuevo. Por lo general en topografía o
geodesia con una sola iteración alcanza.
V
V
V
ZZZ
YYY
XXX
'
'
'
Un criterio para estableces si es necesario iterar o no es comparar el valor de las
correcciones con la precisión con las que fueron calculadas las incógnitas. Si las
correcciones que les hacemos a los valores aproximados están en el orden la
precisión con las que se obtienen estas, entonces no es necesario realizar otra
iteración.
Obtención de la matriz varianza covarianza para el
método de medidas indirectas con una única solución
por mínimos cuadrados1
Hasta ahora solo demostramos la manera de hallar las incógnitas cuando se tiene
una serie de observaciones, queda hallar la precisión con la que se obtuvieron los
resultados de las incógnitas.
Partimos de la ecuación de medidas indirectas para el caso en que la matriz
PAAM T sea invertible, es decir, el método tenga una única solución por
mínimos cuadrados.
1 Mingo, O. y Ortiz, E. (1996). Cálculo de Compensación de mediciones topográficas. Pág
(VI.19-IV.24)
TEORÍA DE ERRORES – WALTER T. MEIER 6
UPAAPAUPAMX TTT ........11
Y según la fórmula de propagación de la matriz varianza covarianza:
TTT
UU
TT
XX PAAPAPAAPA ..........11
La matriz varianza covarianza de las observaciones 12
0
PUU va a ser una
matriz diagonal o simétrica en el caso de que las observaciones estén
correlacionadas.
2
2
2
.........
............
.........
...
2
1211
n
N
U
U
UUUUU
UU
Además sabemos que:
U
Up
2
02 con 12
0 a priori:
12
0
1
1
1
2
0 .
.........
............
.........
.........
. 2
1
P
p
p
p
nU
U
U
UU
Vamos a definir una nueva matriz a la que llamaremos matriz cofactor (que en este
caso va a ser la matriz cofactor de las observables) como: 1 PQUU
Por lo tanto: UUUU Q.2
0
Continuando con lo anterior, tenemos lo siguiente:
2
0
1
12
0
1
12
0
1
12
0
1
112
0
1
11
...
.........
.........
..........
...........
..........
APA
APAAPAAPA
APAAPAAPA
APAPAAAPA
PAAPAPPAAPA
PAAPAPAAPA
T
XX
TTT
XX
TTT
XX
TTTTT
XX
TTTTT
XX
TTT
UU
TT
XX
T
XX
T
XX QMAPA ..... 2
0
12
0
12
0
TEORÍA DE ERRORES – WALTER T. MEIER 7
XXQ es la matriz cofactor de las incógnitas. La importancia de esto radica en
que se puede hacer un cálculo a priori de la precisión con la que se van a
obtener las incógnitas sin realizar mediciones o conociendo un mínimo de
información necesario para resolver el sistema.
Una vez efectuada las mediciones y los cálculos correspondientes, se
obtiene el valor del error medio de la unidad de peso a posteriori para el
caso de I incógnitas y M no singular. No haremos la demostración de esto ya que
más adelante se hará la demostración para el caso más general.
In
vpn
i
ii
1
2
2
0̂ Siendo VPVvp Tn
i
ii ..1
2
Donde n-I representa los grados de libertad o la sobreabundancia del sistema de
ecuaciones u observaciones.
Es muy importante comparar los valores de la varianza de la unidad de
peso a priori y a posteriori para saber si los pesos asignados y la
linealización del sistema fueron coherentes.
Ejemplos de la Aplicación del Método:
Ejemplo 1:
Supongamos que se desea conocer la precisión con la que se pueden obtener las
coordenadas planimétricas de un triángulo “ABC”, como instrumental se utilizaran
dos equipos GPS. La precisión con que se miden los vectores es de 2 cm y se
conocen las coordenadas del vértice A (se las considerará exactas). Los vectores
que se medirán son AB; AC y BC.
Si armamos el sistema de ecuaciones de observación:
CBCB
CBCB
CAAC
CAAC
BAAB
BAAB
YYY
XXX
YYY
XXX
YYY
XXX
La matriz A será:
TEORÍA DE ERRORES – WALTER T. MEIER 8
1010
0101
1000
0100
0010
0001
A
Si tomamos como valor a priori 12
0 la matriz de los pesos de las observaciones
será:
250000000
025000000
002500000
000250000
000025000
000002500
P
Y la matriz varianza covarianza a priori 112
0
MMXX con PAAM T1
000267.00000133.00
0000267.00000133.0
000133.00000267.00
0000133.00000267.0
2
2
2
2
YC
XC
YB
XB
XX
Los errores a priori en las coordenadas son la raíz cuadrada de las varianzas
mYCXCYBXB 016.0
Se considera que la precisión con la que se obtienen las coordenadas es correcta,
entonces se procede con la medición de los vectores. Estos son obtenidos del
procesamiento de los datos del GPS y llevados al sistema local:
BA=150.324;183.563 m.
CA=170.214;33.183 m.
CB=19.900;150.383 m.
Si armamos el sistema de ecuaciones de observación:
TEORÍA DE ERRORES – WALTER T. MEIER 9
383.150
900.19
183.33
214.170
563.183
324.150
CBCB
CBCB
CAAC
CAAC
BAAB
BAAB
YYY
XXX
YYY
XXX
YYY
XXX
La matriz A y P serán las mismas que en el cálculo a priori del error, el vector U
y el vector X serán:
383.150
900.19
183.33
214.170
563.183
324.150
CB
CB
CAA
CAA
BAA
BAA
Y
X
YY
XX
YY
XX
U
C
C
B
B
Y
X
Y
X
X
Y el vector de soluciones será igual a PUAMX T1
182.33
951.156
564.183
587.163
C
C
B
B
Y
X
Y
X
X
El error a posteriori de las incógnitas 12
0ˆ MX con
46ˆ 1
2
2
0
PVV
In
vpT
n
i
ii
0000547.0ˆ 2
0
Con el vector de residuos igual a: UAXV
008.0
009.0
008.0
009.0
008.0
009.0
V
Y la matriz varianza covarianza a posteriori:
TEORÍA DE ERRORES – WALTER T. MEIER 10
000146.000000729.00
0000146.000000729.0
000729.00000146.00
00000729.00000146.0
X
El error a posteriori de las coordenadas es 0.012 m.
Ejemplo 2:
Supongamos que se hicieron n mediciones con coordenadas cartesianas
geocéntricas del geoide terrestre, y se quiere encontrar el elipsoide que mejor se
ajusta a estas.
La ecuación del Elipsoide Terrestre para el caso en que el centro de este no coincida
con el origen del sistema de coordenadas es:
01
2
2
2
2
2
2
m
wz
l
vy
l
tx
Incógnitas: mlwvt ;;;; donde I Cant. De Incóg. (en este caso 5)
Observaciones: iii zyx ;; con 1i hasta n y In
Supongamos que por algún método; trabajos anteriores, etc. se tienen valores
aproximados de las incógnitas 00000 ;;;; mlwvt . Haciendo un cambio de variables
obtenemos:
dmmm
dlll
dwww
dvvv
dttt
0
0
0
0
0
Donde dmdldwdvdt ;;;; son las nuevas incógnitas que representan las correcciones
a los valores aproximados. Y reemplazando en la ecuación del elipsoide:
01
2
0
2
0
2
0
2
0
2
0
2
0
dmm
dwwz
dll
dvvy
dll
dttx
Como se hicieron n mediciones, vamos a tener n ecuaciones de este tipo:
TEORÍA DE ERRORES – WALTER T. MEIER 11
01
...........................................................................................
01
01
2
0
2
0
2
0
2
0
2
0
2
0
2
0
2
02
2
0
2
02
2
0
2
02
2
0
2
01
2
0
2
01
2
0
2
01
dmm
dwwz
dll
dvvy
dll
dttx
dmm
dwwz
dll
dvvy
dll
dttx
dmm
dwwz
dll
dvvy
dll
dttx
nnn
Linealizando las expresiones anteriores por Taylor hasta el primer orden:
0
222
2221
4
0
2
00
4
0
2
00
4
0
2
00
2
0
0
2
0
0
2
0
0
2
0
2
0
2
0
2
0
2
0
2
0
dmm
wzmdl
l
vyldl
l
txl
dwm
wzdv
l
vydt
l
tx
m
wz
l
vy
l
tx
iii
iiiiii
Y la podemos reescribir
1
222222
2
0
2
0
2
0
2
0
2
0
2
0
4
0
2
00
4
0
2
00
4
0
2
00
2
0
0
2
0
0
2
0
0
m
wz
l
vy
l
tx
dmm
wzmdl
l
vyl
l
txldw
m
wzdv
l
vydt
l
tx
iii
iiiiii
Por comodidad vamos a reemplazar a los coeficientes que acompañan a las
incógnitas por la letra a y al término que está después de la igualdad por u ,
quedando el sistema de ecuaciones de la siguiente manera:
nnnnnnn
iiiiiii
pudmadladwadvadta
pudmadladwadvadta
pudmadladwadvadta
pudmadladwadvadta
...........................
.................................................................
...............................
.................................................................
...........................
.............................
54321
54321
222524232221
111514131211
Hay que tener en cuenta que en estas ecuaciones intervienen mediciones que
tienen errores que pueden ser de distinta precisión, por lo cual cada una de estas
tendrá un peso correspondiente ip que saldrá de la propagación de los pesos de
cada una de las ecuaciones. Para poder darles peso a las observaciones se puede
utilizar la relación 2
2
0
iip
y si 12
0 entonces 21
iip
Expresamos el sistema anterior de manera matricial: PUAX ........
TEORÍA DE ERRORES – WALTER T. MEIER 12
54321
2524232221
1514131211
.....
.....
nnnnn aaaaa
aaaaa
aaaaa
A
np
p
p
P
0..0
0....
.....
...0
0..0
2
1
dm
dl
dw
dv
dt
X
5
4
3
2
1
u
u
u
u
u
U
5
4
3
2
1
v
v
v
v
v
V
Antes de obtener el valor de las incógnitas podemos estimar a priori la precisión
con las que vamos a obtener estas mediante la ecuación 12
0
MXX y dandole
el valor a 12
0 entonces 1 MXX
Como mencionamos anteriormente este sistema es incompatible a causa de los
errores que se producen en las mediciones, por lo tanto vamos a aceptar residuos
bajo la condición de los mínimos cuadrados ponderados:
mínPVV
PVUAX
T
........ PUAMX T1
Recordemos que por el cambio de variables que se hizo al comienzo del problema el
vector X representa las correcciones a los valores aproximado de las incógnitas,
por lo tanto el resultado será:
dmmm
dlll
dwww
dvvv
dttt
0
0
0
0
0
Debido a que para el cálculo se linealizó mediante una aproximación por desarrollos
de Taylor (se despreciaron los término de 2º orden), los resultados pueden tener
errores, para salvar dicha imprecisión, se debe iterar hasta que las correcciones
estén en el orden de la precisión con las que se obtienen estas (por lo general con
una iteración alcanza).
La precisión a posteriori con la que fueron calculadas las incógnitas será:
12
0ˆ MXX
Donde In
vpn
i
ii
1
2
2
0̂
TEORÍA DE ERRORES – WALTER T. MEIER 13
Por último se debe comparar las varianzas a priori (que en este caso se le dio el
valor 1) y a posteriori. Si las hipótesis de partida fueron correctas estos dos valores
tienen que ser parecidos (estar en el mismo orden). Más adelante utilizaremos
como criterio para comparar a estos la prueba de Chi Cuadrado.
PREGUNTAS
¿Si se realiza el ajuste de un círculo o una recta por mínimos cuadrados, que
hipótesis está aceptando?
¿En un sistema de ecuaciones lineales qué se aplica Taylor, va a ser necesario
iterar?
Ajuste de Observaciones por Ecuaciones de
Condición2:
Hasta el momento vimos el caso en el que se hacían una serie de observaciones o
mediciones para obtener una juego de incógnitas o parámetros mediante un
sistema sobreabundante (cantidad de ecuaciones (n) > cantidad de incógnitas (I)).
El sistema de ecuaciones de observación viene dado por:
nnnInInn
II
pvuXaXaXa
pvuXaXaXa
...............
......................................................................
................
2211
1111212111
Ahora bien, puede suceder que entre las incógnitas existan relaciones teóricas que
se expresan de la forma:
jIjIjj
II
lXXX
lXXX
.....
................................................
.....
2211
11212111
Irj ;.....;2;1
Y estas relaciones deben cumplirse exactamente, es decir, sin aceptar residuos. A
estas se las llama Ecuaciones de Condición.
En el ámbito de la topografía y la geodesia generalmente este tipo de problemas
presenta una particularidad que simplifica el desarrollo del cálculo. Esta
particularidad es que se realizan las mediciones de las mismas incógnitas, es decir,
que el número de ecuaciones de observación es el mismo que el número de
incógnitas n=I.
2 “Cálculo de Compensaciones” Ing. Aldo Mangiaterra; Pág III-30 a III-34
TEORÍA DE ERRORES – WALTER T. MEIER 14
III puX
puX
..........
........................
........... 111
Pero a este sistema se les deben agregar las r ecuaciones de condición con r<I=n.
jIjIjj
II
lXXX
lXXX
.....
................................................
.....
2211
11212111
Irj ;.....;2;1
Previamente haremos un cambio de variables
IIII pvuX
pvuX
..........
................................
........... 1111
Las nuevas variables tienen el mismo significado que los residuos y de ahí su
designación.
Al hacer el cambio de variables, teniendo en cuenta que cada una de las mediciones
es nuestra incógnita, entonces:
III puX
puX
..........
........................
........... 111
IIII pvuu
pvuu
..........
..............................
........... 1111
II pv
pv
..........0
......................
...........0 11
Y las nuevas variables llevadas al sistema de ecuaciones de condición serán:
jIjIjjjIjIjj
IIII
kuuulvvv
kuuulvvv
..........
..............................................................................................
..........
22112211
1121211111212111
Irj ;.....;2;1
Por lo tanto el sistema de ecuaciones de observación y ecuaciones de condición a
resolver será el siguiente:
II pv
pv
..........0
......................
...........0 11
pkvvv
pkvvv
jIjIjj
II
................
...........................................
................
2211
11212111
TEORÍA DE ERRORES – WALTER T. MEIER 15
La resolución de este sistema es un problema típico del análisis matemático, en el
cual se busca un mínimo bajo ciertas condiciones. Para lo cual se utilizan los
“Multiplicadores de Lagrange”. Formamos la función F
MínkvvvvpFr
j
jjIjjj
I
i
ii 1
2211
1
2 ...
Por lo tanto
0...2211 jjIjj kvvv
Nosotros vamos a resolverlo expresando estas relaciones en forma matricial. Para
lo cual supongamos r ecuaciones de condición:
0;....;;
................................
0;....;;
0;....;;
21
21
21
Ir
Ib
Ia
XXXf
XXXf
XXXf
Hacemos un cambio de variables:
0;....;;
................................................
0;....;;
0;....;;
2211
2211
2211
IIr
IIb
IIa
vxvxvxf
vxvxvxf
vxvxvxf
Y Linealizando por Taylor
0....;....;;
................................................
0....;....;;
0....;....;;
2
2
1
1
21
2
2
1
1
21
2
2
1
1
21
I
I
rrr
Ir
I
I
bbb
Ib
I
I
aaa
Ia
vx
fv
x
fv
x
fxxxf
vx
fv
x
fv
x
fxxxf
vx
fv
x
fv
x
fxxxf
Lo cual lo podemos expresar como:
TEORÍA DE ERRORES – WALTER T. MEIER 16
0....
..............................................
0....
0....
2211
2211
2211
IIr
IIb
IIa
vrvrvrw
vbvbvbw
vavavaw
0
...................
0
0
1
1
1
I
i
iir
I
i
iib
I
i
iia
vrw
vbw
vaw
Si a la matriz que acompaña a las incógnitas (matriz de diseño) la llamamos B
I
I
I
rrr
bbb
aaa
B
....
................
....
....
21
21
21
r filas por I columnas
Esta matriz B, al igual que la matriz A, hace referencia a la metodología de
medición empleada.
Expresado de forma matricial las Ecuaciones de Condición linealizadas, nos
quedarán: 0WBV
Para obtener la solución óptima al sistema de ecuaciones de condición y ecuaciones
de observación planteado se deben cumplir simultáneamente:
MínvpI
i
ii 1
2 (1)
0
...................
0
0
1
1
1
I
i
iir
I
i
iib
I
i
iia
vrw
vbw
vaw
(2)
Armando la función F de los Multiplicadores de Lagrange que habíamos definido
anteriormente:
MínvrwvbwvawvpFI
i
iirr
I
i
iibb
I
i
iiaa
I
i
ii
1111
2 ......
TEORÍA DE ERRORES – WALTER T. MEIER 17
Los valores de v que satisfacen (1) y (2) simultáneamente hacen que F sea
mínima y por lo tanto las derivadas respecto a las v sean cero.
0.....2
...................................................
0.....2
0.....2
22222
2
11111
1
IrIbIaII
I
rba
rba
rbavpv
F
rbavpv
F
rbavpv
F
Y si llamamos 2
aak
;
2b
bk
………; 2
rrk
IrIbIaII
rba
rba
rkbkakvp
rkbkakvp
rkbkakvp
.....
...............................................
.....
.....
22222
11111
KBPV T (3)
Si reemplazamos en la ecuación (2) nos queda:
0....
...............................................
0....
0....
111
111
111
rr
I
i i
iib
I
i i
iia
I
i i
ii
br
I
i i
iib
I
i i
iia
I
i i
ii
ar
I
i i
iib
I
i i
iia
I
i i
ii
wkp
rrk
pbr
kp
ar
wkp
rbk
pbb
kp
ab
wkp
rak
pba
kp
aa
Que matricialmente lo puedo expresar:
01 WKBBP T Siendo
TBBPN 1
)(111 WNWBBPK T y teniendo en cuenta (3)
)(111 WNBPKBPV TT
Recordar que V son las correcciones a los valores relevados de las incógnitas
Para realizar el cálculo de la precisión con el que se obtienen las incógnitas, es
necesario establecer el 2
0̂ (sigma cero cuadrado a posteriori)
TEORÍA DE ERRORES – WALTER T. MEIER 18
r
vpI
i
ii 1
2
2
0̂
Y los errores de las incógnitas serán:
1
2
0
1
ˆ
p
;
2
2
0
2
ˆ
p
; …….;
I
Ip
2
0̂
Ejemplos de la Aplicación del Método:
Se tiene un triángulo en el que se han medido sus tres ángulos de forma
independiente y con diferente precisión. Se debe calcular cuanto mide cada ángulo
y cual es su precisión.
''15''40'49º73
''05''37'29º70
''10''30'40º35
0º180 Ecuación de Condición (que no se cumple con los valores
medidos a causa de los errores de estas)
111B
000063.0W En radianes
100
090
0025.2
P Para un ''150
642857.01 N
0000405.0K
0000405.0
0000045.0
000018.0
V En radianes
''08'00º0
''01'00º0
''04'00º0
V
Sumando estos valores de residuos a los valores medidos de los ángulos
TEORÍA DE ERRORES – WALTER T. MEIER 19
''48'49º73
''38'29º70
''34'40º35
Y la precisión de los valores obtenidos es:
''100
''04 ''01 ''10
Condición más general de Mínimos cuadrados3
Hasta ahora solo habíamos tratado el método de medidas indirectas, y habíamos
dicho que existía otro problema de compensación que se lo conoce como
ecuaciones de condición y establece que las incógnitas deben cumplir una serie de
funciones, por ejemplo, que las sumas de los ángulos internos de un triángulo
sumen 180º.
Por lo tanto, en su forma más general, el sistema de ecuaciones vendrá dado a
partir de una serie de funciones lineales o linealizables de la siguiente manera:
0; CXFi Donde i=1; 2;…; u (n+r N° de ecuaciones totales)
X: Vector de variables o parámetros ajustados (X=Xa+x) C: Vector de observables
compensados (C=U+V).
Para el caso particular del método de medidas indirectas tenemos como vimos
reiteradamente: 0 ii CXF y para el método de ecuaciones de condición
0CFi .
Vamos a linealizar las funciones Fi por Taylor siendo x y V las correcciones
correspondientes.
0;..;;;;
UXFV
U
Fx
X
FVUxXFCXF ai
UX
i
UX
i
aii
aa
Matricialmente el sistema me queda de la siguiente manera:
0.. 1,1,,1,, nnnuIIu UVBxA
La función que minimiza este sistema de ecuaciones, según Lagrange será:
3 Chueca Pazos; M.; Herráez Boquera; J. y Berné Valero; J.L. (1996). Redes Topográficas y
Locales. Microgeodesia. Madrid: Paraninfo. Pág(15-18).
TEORÍA DE ERRORES – WALTER T. MEIER 20
mínUVBxAVPV TT ..2..
Siendo los multiplicadores de Lagrange.
Haciendo las derivadas respecto de cada una de las tres variables e igualándolas a
cero tendremos lo siguiente:
0..2
1
0.2
1
0..2
1
UVBxA
Ax
BPVV
T
TT
Luego haciendo una serie de operaciones algebraicas se puede obtener el vector
incógnita x, que viene dado de la siguiente manera:
UBPBAABPBAx TTTT .........11
111 y
Iu
PVV T
2
0̂
UNASx T ... 11
12
0ˆ SXX