Академический Документы
Профессиональный Документы
Культура Документы
(F-304)
SERVICIO INTERAMERICANO
ESCUELA DE CARTOGRAFÍA
DEPARTAMENTO DE GEODESIA
LEVANTAMIENTOS DE CAMPO
INDICE
Introducción. La inversa de una matriz. Inversa de una matriz de 2x2. Inversas por
adjuntos. Inversas por transformaciones de fi1as. Ejemplos de problemas. Tarea
autodidáctica.
APENDICES
BIDIMENSIONALES
REFERENCIAS
CAPITULO 1
INTRODUCCION A LAS MATRICES
1.1 Introducción
El uso del álgebra matricial brinda por lo menos dos importantes ventajas al
matemático, ingeniero o agrimensor modernos: (1) proporciona los medios para
reducir sistemas complicados de ecuaciones a expresiones sencillas que pueden
más fácilmente visualizarse y manejarse, y (2) proporciona un método sistemático
de tratamiento matemático que esta muy bien adaptado para las actuales
computadoras digitales electrónicas de alta velocidad. Hoy día se tienen más
y más problemas en agrimensura, geodesia y fotogrametría que requieren la
solución de .grandes sistemas de ecuaciones. En este texto estudiaremos en
especial los cómputos de ajustes que involucran observaciones redundantes y
satisfacción de ciertas condiciones. Tales observaciones y condición
frecuentemente resultan en enormes sistemas de ecuaciones.
a 11 x 1 + a 12 x 2 + a 13 x 3 = c1
a 21 x 1 + a 22 x 2 + a 23 x 3 = c 2
a 31 x 1 + a 32 x 2 + a 33 x 3 = c 3
A X = C . . . . . . . . . . . . (Lc)
Se usan letras mayúsculas (algunas veces subrayadas) como (A, X,C) para indicar
una matriz o una ordenación de números o símbolos.
Hablamos de la posición de un elemento de matriz con subscritos ij, jk, etc., en
donde la primera letra representa la fila y la segunda letra representa la columna.
1.4 Tipo de matrices (se puede usar una variedad de símbolos para designar
las matrices abajo ilustradas).
1.4.1 Matriz columnar (el numero de filas puede ser cualquier entero, mas
el numero de columnas es uno (1)).
3
A = [A] = (A) = 2
3X1 3X1 3X1 5
3X1
1.4.2 Matriz por filas (El numero de columnas puede ser cualquier entero de filas
es uno (1))
A <A> A A -6 4 2
3X1 1X3
1X 3 1X 3 1X 3
A A
3
3 2 6
=
2X 3 2
5 4 1
2X 3
Restarse término por término. Si dos matrices son de igual dimensión. Se dice que
son conformes para la suma o resta.
A +B = C
2X 3 2X3 2X3
7 3 -1 1 5 6 8 8 5
2 -5 6 + -4 -2 8 = -2 -7 9
Suponiendo que las dos matrices A y B sean conformes para la suma y la resta,
entonces lo siguiente sera verdad:
a) A + B = B + A (Ley conmutativa)
3 -1 12 -4
2 6 8 24
4 =
4 7 16 28
5 3 20 12
4
Nótese que 4 [A] = [A] + [A] + [A] + [A] = [A]
1.8 Multiplicación de una matriz por otra matriz
A
4X 2
B = C
2X3 4X3
A
1X 3
B = C
3X1 1X1
A
3X 3
B = C
3X1 3X1
A
2X 3
B
4X2
A
6X 2
B
6X3
1.8.2 La multiplicación se efectúa como sigue:
A
2X 3
B = C
3X2 2X2
b 11 b 12
a 11 a 12 a 13 c11 c12
b 21 b 22 =
a 21 a 22 a 23 b 31 b 32 c 21 c 22
4 4
1 2 3 c 11 c 12 31 21
4 2 7 6 2
=
=
63 57
c 21 c 22
2X 3 5 3 2X 2 2X 2
3X 2
Nótese que el producto de una matriz unitaria I, y de una matriz cuadrada A del
mismo tamaño, son iguales a la matriz original A.
I
2X 2
A = A
2X2 2X2
1 0 5 6 5 6
0 1 7 8 = 7 8
1.8.3 Suponiendo que las matices A,B y C sean conformes para la multiplicación,
y en el orden indicado, luego lo que sigue es verdadero:
Permítase que:
2 1 -1 -1 1 1
A= B= C=
1 2 2 2 1 1
Ejemplo de (a):
A (B + C)
2 1 0 0 3 3
1 2 3 3 = 6 6
AB AC
0 0 3 3 3 3
3 3 + 3 3 = 6 6
Ejemplo de (b): (A + B) C
1 0 1 1 1 1
3 4 1 1 = 7 7
AB AC
3 3 -2 -2 1 1
3 3 + 4 4 = 7 7
Ejemplo de (C): A BC
2 1 -2 -2 0 0
1 2 4 4 = 6 6
AB C
0 0 1 1 0 0
3 3 + 1 1 = 6 6
Ejemplo de (d): AB ≠ BA
0 0 -3 -3
3 3 6 6
Ejemplo de (e):
Permita que
2 2 -1 -2
A= y B=
1 1 1 2
Luego AB = 0, pero ni A ni B = 0
Ejemplo de (f):
2 2 1 2 4 10
Permita que A = ; B= y C=
1 1 1 3 -2 -5
AB = AC pero B ≠C
4 10 4 10
-2 -5 -2 -5
Vamos ahora a desarrollar una expresión matemática general para multiplicar dos
matrices.
A
mxn
X
mxn
B = C mxn
j n
k p k p
i X j = j
m n m
Paso 1.
Paso 2.
Paso 3.
Una nota final sobre multiplicación: es muy importante especificar el orden como
han de multiplicarse las matrices.
2 X 1 X 2 5X 3 X 4 5
X 1 X 2 3 X 3 4 X 4 1
3 X 1 6 X 2 2 X 3 X 4 8
2 X 1 2 X 2 2 X 3 3 X 4 2
1 2 -1 0 3 -4 1 2
a) 4 0 2 1 1 5 0 3 =
2 -5 1 2 2 -2 3 1
1 2 -1 0 3 -4 1 2
b) 4 0 2 1 1 5 0 3 =
2 -5 1 2 2 -2 3 1
1 2 -1 0
c) 3 4 0 2 1 =
2 -5 1 2
3 -4
1 2 1 1 5
d) X
4 0 2 -2 2
T
3. para el problema 1 anterior, halle el producto A A.
CAPITULO 2
SOLUCION DE ECUACIONES POR METODO MATRICIAL
2.1 Introducción.
Como antes se menciono, una de las ventajas ofrecidas por el algebra matricial es
que se adapta extremadamente bien para su uso en computadoras digitales. Los
sistemas de ecuaciones lineales simultáneas de cualquier tamaño hasta los más
grandes pueden programarse para la solución general de computadoras usando
solo unos cuantos pasos sistemáticos. La sencillez de la programación de
multiplicaciones matriciales, por ejemplo se presento en la sección 1.8.4.
2.2.1 Si una matriz cuadrada no es singular (no singular), entonces posee una
matriz inversa. (Nótese que si un sistema de m ecuaciones lineales simultaneas
conteniendo m ecuaciones y m incógnitas se expresa como: CX=B, C la matriz de
coeficientes es una matriz cuadrada de mxm dimensiones).
C X = B . . . . . . . . . . . . . . . (2a)
1 1
Definimos C de manera tal que C C=I, en donde I es la matriz identidad.
1
Si pre multiplicamos ambos lados de la matriz (2a) por C , luego
1 1
C C X = C B
1
I X = C B
1
X = C B . . . . . . . . . . . . . . . . . (2b)
Consideraremos dos de ellas. Pero antes de proceder con los casos generales.
Consideremos primero el caso específico para hallar la inversa de una matriz de
2x2 utilizando simples operaciones matriciales que ya hemos estudiado.
1
Por definición: A A = I . . . . . . . . . . . . . . . (2c)
2 2
a b 1 w x
Permítase que A = c d y A =
y z
2 2
1
Ahora calculemos w, x, y, z, en términos de a, b, c y d. sustituyendo A, A e I
dentro (2c)
a b w x 1 0
c d X y z 0 1
a. Por multiplicación de matriz:
aw+by=1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (2d)
ax+bz=0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (2e)
cw+dy=0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (2f)
cx+dz=1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (2g)
1 aw cw
De (2d) y = ; De (2F) y =
b b
1 aw cw d d
Luego = Reduciendo: w = =
b b da bc A
ax 1 cw
De (2e) z = ; De (2g) z =
b b
ax 1 cx b b
Luego = Reduciendo: x = =
b d da bc A
1 by dy
De (2d) w = ; De (2f) w =
a c
1 by dy c c
Luego = Reduciendo: y = =
a c ad cb A
bz 1 dz
De (2e) x = ; De (2g) x =
a c
bz 1 dz a a
Luego = Reduciendo: z = =
a c ad bc A
a b
c d
c. Ejemplo numérico:
2 3 1
Si: A = 4 1 , A
1 1 1 -3
A =
10 -4 1
1 1 -3 2 3 1 0
Comprobar:
10 -4 1 4 1 0 1
a 11 a 12 a 13 4 3 2
3 4 1
A =
a 21 a 22 a 23 =
a 31 a 32 a 33 2 3 4
Co-factor de a 11 = (-1)² (4x4 – 1x3) = 13
Co-factor de a 21 = (-1)³ (3x4 – 2x3) = -6
Co-factor de a 31 = (-1)4 (3x1 – 2x4) = -5
Co-factor de a 12 = (-1)³ (3x4 – 1x2) = -10
etc.
13 -10 1
-6 12 6
Matriz de cofactores =
-5 2 7
Transponiendo esta matriz
13 -6 -5
-10 12 2
Adjunto de A =
1 -6 7
13 -1 -5
13 -6 -5 24 4 24
1
-10 12 2 -5
1 1 1
A =
=
12
24 2 12
1 -6 7
1 -1 7
24 4 24
-1
A A = I
3X3 3X3
3X 3
13 -1 -5
24 4 24 4 3 2 1 0 0
-5 1 1 3 4 1 0 1 0
12
=
2 12
2 3 4 0 0 1
1 -1 7
24 4 24
4 3 2 1 0 0
3 4 1 0 1 0
A =
I =
2 3 4 0 0 1
1 1
1. Multipliquese la fila 1 de las matrices A e I por o , y colóquese en la fila 1
a11 4
de A1
e I 1
, respectivamente. Esto convierte a11 de la matriz A
1
a uno (1).
2. Multiplíquese la fila 1 de las matrices A 1
e I 1
por a 21 o 3, réstese de la fila 2
de las matrices A e I y colóquese en la fila 2 de A 1
e I 1
, respectivamente. Esto
convierte a 21 de A
1
a cero.
3 1 1
1 4 2 4 0 0
= 0 7 -1
= -3 1 0
A 1 4 2 I 1 4
3 -1
0 3 0 1
2 2
1 4
1. Multipliquese la fila 2 de A 1
e I 1
, por o , y colóquese en la fila 2 de A 2
a 22 7
e I 2
.
3
2. Multipliquese la fila 2 de A e I por a o 4 , réstese de la fila 1 de A
2 2 12 1
e I 1
,
2
3. Multipliquese la fila 2 de A e I por a o 2 , réstese de la fila 3 de A
2 2 32 1
e I 1
,
Nótese que como resultado de esta segunda serie de tres pasos, la segunda columna de
A 2
ha sido hecha para concordar con la segunda de una matriz idéntica de 3x3.
5
2. Multipliquese la fila 3 de A e I por a o 7 , réstese de la fila 1 de A
3 3 13 2
e I 2
,
-2
3. Multipliquese la fila 3 de A e I por 3 3
a 23 o , réstese de la fila 2 de A 2
e
7
I , y colóquese en la fila 2 de A e I .
2 3 3
23 -1 -5
24 4 24
1 0 0
= I = 0 1 0 -5
-1 1 1
A I = A =
3 3 12 2 12
0 0 1
1 -2 7
24 4 24
DO 307 K= 1,N
DO 302 K= 1,N
IF (1-K) 304, 302,304
304 QXX (K,J) = QXX (K,J) / QXX (K,K)
302 CONTINUE
QXX (K,K) = 1, / QXX (K,K)
DO 307 I = 1,N
IF (I-K) 305, 307, 305
305 DO 303 J = 1,N
IF (J-K) 306, 303, 306
306 QXX (I,J) = QXX (I,J) - QXX (I,K) * QXX (K,J)
303 CONTINUE
QXX (I,K) = - QXX (I,K) * QXX (K,K)
307 CONTINUE
Valores medidos:
X 1
= 125.127
X X
1 2
= 259.60
X X
1 2
X 3
= 395.85
1 X 1 0 X 2 0 X 3 125.27
1 X 1 1 X 2 0 X 3 259.60
1 X 1 1 X 2 1 X 3 395.85
3 1
1 0 0 X1 125.27
1 1 0 259.60
A =
X = X 2 y L =
X 3
3 3
1 1 1 395.85
-1
X = A L
A I
1 1 0 0 1 0 0 1 0 0 1 0 0
1 1 0 0 1 0 0 1 0 -1 1 0
2
3 1 1 1 0 0 1 0 0 1 0 -1 1
1 0 0 125.27 125.27
-1 -1 1 0 259.60 134.33
X = A L =
=
0 -1 1 395.85 136.25
X 1
= 125.27
X 2
= 134.33
X 3
= 136.25
3 -1 -1
-1 3 -1
A =
-1 -1 3
X + 5Y = -8
-X - 2Y = -1
X + Y - Z = -8
3X - Y + Z = -4
-X + 2Y + 2Z = 21
CAPITULO 3
ELIMINACION GAUSIANA; TEOREMA DE TAYLOR
3.1.1 Introducción
Como antes se indico los cómputos de ajustes con frecuencia vinculan la solución
de grande sistemas de ecuaciones lineales. Se han discutido los métodos
matriciales que reconocidamente son ideales para resolver ecuaciones con las
actuales computadoras digitales electrónicas de alta velocidad. Para solucionar
por calculadoras de mesa (escritorio), hay varios métodos aceptables, sin
embargo en mi opinión, no es factible intentar resolver grandes sistemas a mano
cuando se tiene la disponibilidad de usar una computadora digital. No obstante, se
presentaran situaciones en donde sistemas de tamaño moderado podrían requerir
soluciones manuales, por lo que es de desear un planteamiento sistemático. La
eliminación Gausiana es tal planteamiento.
a 11 x 1 + a 12 x 2 + ........+a 1n x n +k 1 = 0 1 1
a 21 x 1 + a 22 x 2 + ........+a 2n x n +k 2 = 0 2 1
a n1 x 1 + a n2 x 2 + ........+a nn x n +k n = 0 n 1
11 por
1
. Llamemos a la ecuación resultante 1
*
1
luego se multiplica por
a 11
a 21
y se resta de la ecuación 2 ,
1
que elimina X 1
de 2 .
1
Llámenos a la
2 . La ecuación 11 se multiplica sucesivamente por a
*
ecuación resultante 2 31
Sistema de n=3
2 y1 + 4y 2 + y 3 +11 = 0 1 1
y1 + 3y 2 2y 3 +16 = 0 2 1
2 y1 3y 2 + 5y 3 +21 = 0 3 1
A. solución delantera
y1 + 2y 2 +
1
2
y3 +
11
2
=0 1 X
1
1
2
= 1 *
1
2 1
X 1 2
3 48 *
Sistema de 5y 2 y3 + =0 1 1 2
2 2
-7y + 4y 32 = 0 3 1 X 2 3
(n-1)=2 *
2 3 1 1 2
y 0.3y +4.3=0 2 X = 2
1 *
Sistema 2 3
5 2 2
1.9y +1.9=0 3 2 X 7 3
de n-2=1 *
3 2 2 3
B. solución trasera
y 3 = 1.0 de la ecua. 3
3
3.2.1 Introducción
F' x , y dx F " x , y dx 2
En la L=F x , y = Fx , y 0
1! 0 2!
0 0 0 0
ecuación
F x , y dx F ' x , y dy F " x , y dy y
(3b), x 0
n n 2 y
0
0 0 0
son + .......... + 0 0 0
n! 1! 2!
+ .......... +
Fy n x , y dy
0 0
n
............................(3b )
n!
x x 0 dx
…………………………. (3c)
y y dy
0
Mientras más grande sea el valor de n en la ecuación (3b), más exacta será la
aproximación de la serie de Taylor. Si se abandonan todos los términos
conteniendo derivadas superiores a las primeras, se obtiene la siguiente expresión
lineal:
Debido a que se han abandonado los términos de la serie de Taylor para obtener
(3d), la ecuación solo es una muy buena aproximación. Por ende, el método de las
solución general mente sigue estos pasos.
Segunda iteración
Tercera iteración
Cuarta iteración
F = 2 + 2 - 2(2)² + dx + [1 - 4(2)] dy = -4
G = (2) ² + (2)² + 2(2) dx + 2(2) dy = 8
X X Y Y
2 2
L V
IJ IJ
J I J I
....................(3e)
L V
IJ IJ
F X I,X J,Y I,Y J .................................(3 f )
F X ,X ,Y ,Y F X ,X ,Y ,Y F
I J I J I0 J0 I0 J0
dxi
x i 0
F F
F
dyi dx j dy j ...................................(3 g )
y x j y
i 0 0 j 0
xi x i dxi F
0
En la ecuación (3g), es la derivada parcial de F con respecto a
yi y i0
dyi x i 0
X I
avaluada en las aproximaciones iniciales, etc., X , X , Y ,Y
I0 J0 I0 J0
son
aproximaciones de las incógnitas X , X ,Y ,Y
I J I J
, y dX , dX , dY ,dY
I J I J
son
correcciones que han de aplicarse a las aproximaciones iniciales de tal manera
que:
xi x i dxi x j x j dx j
0 0
yi y dyi yj y dy j
i0 j0
X i X y y
j0
( dxi ) 0
i j0
( dyi ) X j0 X i0 ( dxi )
K LIJ V LIJ 0 ij
+ =
ij0 ij0
0
y y
0 ( dyj ).............................(3 h)
j i0
ij0
Donde:
K Lij L ij ij0
X Y
2 2
ij0 j
Xi j0
Yi
0 0 0
X X Y Y
2 2
F J I J I
1/ 2
F
1
X X Y Y 2
X X X( 1)
2 2 2
x i 2 j i j i j i
F -X j X i
1/ 2
xi
2 2
X j Xi Y j Y i
Al evaluar esta derivada en las aproximaciones iniciales, se produce lo siguiente:
F -X j X i
0 0
xi ij0
y y y y
= tan tan -1 ................(3i )
-1 j i k i
jik V jik
+
X X X X
j i
k i
jik
+V U
jik
X ,Y ,X ,Y ,X ,X ............................(3 j)
I I J J k k
y y y y
Donde U X ,Y ,X ,Y ,X ,X
I I J J k k
tan
-1
j
X
i tan -1
k
X
i
X j i
X k i
U U U U
U
dyi dX j dy j dX k dy k ................(3 K )
y x j y
x k y
i 0 0 j 0 0 k 0
Yj Yi 0 Xj X i0
K jik V jik 0 2 2
dX i 0 2 dYi
(IJ 0 ) (IK 0 ) (IJ 0 ) (IK 0 ) 2
Y j Yi X j0 X i0 Yk 0 Y i 0 X i0 X k 0
0 20 dX j 2 dY j 2 dX k 2 dYk
(IJ 0 ) (IJ 0 ) (IK 0 ) (IK 0 )
…..(3m)1
Y j 0 Yi 0 Yk 0 Yi0
o tan1 1
tan
X j0 X i0 X k 0 X i0
ijk
IJ 0 ( X j0 X i0 ) 2 (Y j0 Yi0 ) 2
IK 0 ( X k 0 X i0 ) 2 (Yk 0 Yi0 ) 2
Y j Yi Yk Yi Xi X j X i X k0 Yi Y j X j Xi Yk Yi Xi Xk
K jik V jik 0 20 0 2
0
dxi 0 0
0 2
dyi 0 2
0
dx j 0 2 0 dy j 0 2
0
dxk 0 2
0
dy k (3m ) *
IJ 0 IK 0 IJ 0 IK 0 IJ 0 IJ 0 IK 0 IK 0
2
1 En la ecuación (3m), V , K están medidos en radián. Puesto que es más común trabajar en el sistema sexagesimal en
jik jik
este país y, ya que las magnitudes de los residuales de ángulos generalmente están en la gama de segundo, pueden
convertirse las unidades de la ecuación (3m) a segundos multiplicando el lado derecho de la ecuación por p (Rho), el
2
IJ 0 ( X j0 X i0 ) 2 Y j0 Yi0
2
IK 0 ( X k0 X i0 ) 2 Yk0 Yi0
X 2Y 3 X 2 75
X 2 Y 19
2. Resolver los valores desconocidos de X, Y y Z en las siguientes tres
ecuaciones no lineales usando la serie de Taylor. (Usar Xo = Yo = Zo = 2 para las
primeras aproximaciones).
X 2 Y 2 2 XY Z 4
X Y Z3 4
2 X Y Z 3 23
CAPITULO 4
TEORIA GENERAL DE ERRORES
Clasificación de errores
Durante el proceso de medición de cualquiera cantidad física, ciertos factores tales
como limitaciones humanas, imperfecciones e inestabilidades instrumentales
harán inexactos los valores medidos. De hecho, puede declararse
incondicionalmente hablando que cada valor medido contiene errores.
Antes de proceder con un análisis de errores, será útil clasificar los tipos de
errores que puedan ocurrir en las siguientes categorías:
Definición de términos
Valor más probable (VMP): Aquel valor para una cantidad medida que, basándose
en las observaciones, tiene la más alta probabilidad. El VMP para una cantidad
que ha sido directa e independientemente medida varias veces, es sencillamente
la media aritmética. Esto se probará en el artículo 7.1. En general, el VMP es
aquel valor que minimiza la suma de los cuadrados de los residuales, lo que es el
principio fundamental de los mínimos cuadrados.
Residual: La diferencia entre cualquier cantidad medida y el VMP para esa
cantidad. Los cómputos de ajustes se ocupan del valor, ya que los errores son
indeterminados. Con frecuencia se usa el término error cuando de hecho se
quiere decir residual, y aunque son muy similares y se comportan de la misma
manera, hay una distinción teórica.
Grados de libertad: El número de observaciones en exceso del numero realmente
necesitado para calcular las incógnitas. En otras palabras, el numero de grados
de libertad es igual al número de observaciones redundantes, las cuales revelan
las discrepancias e inconsecuencias en
Los valores observados. Esto a su vez hace posible la práctica de los cómputos
de ajuste para obtener los mejores valores posibles basados en las cantidades
medidas.
...............(4 a )
n
x 2
Y n
S 2
v 2
n 1
S
v 2
n 1 ………………….. (4b)
Donde S = desviación estándar
S ² = variación
n – 1 = los grados de libertad
Σ V ² = la suma de los cuadrados de los residuales.
Teoría de la probabilidad
La probabilidad se percibe como una fracción que se extiende en valor del cero al
uno, el cero indicando imposibilidad y el uno indicando certeza. Puesto que un
evento debe ocurrir o dejar de suceder, la suma de las probabilidades de cualquier
evento es uno. Por tanto, si 1 / 6 es la probabilidad de sacar un dos con un tiro de
un dado, entonces (1-1 / 6) ó 5 / 6 es la probabilidad de que no salga un 2.
Para ilustrar esta condición, considérese el simple ejemplo de dos cajas que
contienen una combinación de bolas rojas y blancas. Si la caja A contiene 4
bolas-una roja y 3 blancas- y si la caja B contiene 5 bolas-2 rojas y 3 blancas-
¿cuál sería la probabilidad de sacar 2 bolas rojas si una bola se saca de cada
caja? El número total de posibilidades de pares es 4*5 ó 20, por haber sacado
digamos la bola roja de caja A,
Cualquiera de las 5 bolas en la caja B podría haberse sacado para completar el
par. Habiendo sacado una cierta bola blanca de la caja A, entonces cualquiera de
las bolas en la caja B podría completar ese par, etc. El numero total de maneras
como podrían obtenerse 2 bolas rojas es 2; la bola roja de la caja A sólo puede
equiparse con cualquiera de las bolas rojas de la caja B. Luego, la probabilidad de
obtener simultáneamente dos bolas rojas es: ¼ x 2/5 ó 2/20, que es el producto de
las probabilidades individuales de sacar una bola roja de las cajas respectivas. La
probabilidad de sacar simultáneamente dos bolas blancas es ¾ x 3/5 ó 9/20, y la
probabilidad de obtener una roja y una blanca es entonces 1 – (2/20 + 9/20) ó
9/20. Esta ultima probabilidad de 9/20 puede verificarse considerando que si se
saca la bola roja de la caja A, cualquiera de las tres bolas blancas de la caja B
completaría exitosamente el par rojo-blanco, o para cualquiera de las bolas rojas
en la caja B, cada una de las tres bolas blancas de la caja A podría completar el
par. Por ende, hay un total de 9 combinaciones rojas-blancas de un total de 20
combinaciones, produciendo una probabilidad de 9/20.
P P1 * P2 *...........* Pn *.................(4 c )
El análisis del párrafo anterior podría continuarse para obtener los resultados de la
tabla siguiente:
2 2 1 4 ¼
0 2 ½
-2 1 1/4
3 3 1 8 1/8
1 3 3/8
-1 3 3/8
-3 1 1/8
4 4 1 16 1/16
2 4 ¼
0 6 3/8
-2 4 ¼
-4 1 1/16
5 5 1 32 1/32
3 5 5/32
1 10 10/32
-1 10 10/32
-3 5 5/32
-5 1 1/32
Los resultados de la tabla 4.1 pueden trazarse en una grafica de barras según la
Fig. 4.1, de (a) a (e). El tamaño del error resultante se traza como la abscisa
versus sus probabilidades en las ordenadas que se trazan como los centros de
barras del ancho unitario.
Si el número de mediciones combinadotas (N) se incrementara progresivamente a
valores más y más grandes, los trazados del tamaño del error vs. la probabilidad
se aproximarían a una curva suave / regular, la forma típica de campana que es
característica de la curva de distribución normal del error (Fig. 4.2). Ya vemos por
ejemplo, en el caso de N = 5 ilustrado en la Fig. (e) arriba, que la línea quebrada
que conecta los puntos trazados comienza a tomar esa forma. Es importante
notar en este momento que cada uno de los trazos de (a) a (e) arriba, el área total
de las barras verticales es igual a uno. Esto es verdadero sin importar el valor de
N y, por tanto, puede decirse que el arrea bajo la curva regular de distribución
normal del error de la Fig. 4.2 es igual a uno. Si un evento tiene una probabilidad
de uno, ciertamente ocurrirá y, por ende, el área bajo la curva representa la suma
de todas las probabilidades de la ocurrencia de errores.
La ecuación de la curva de distribución normal del error es: (se da una deducción
de esta ecuación en el apéndice A).
h eh
2 2
x
y
Tabla 4.2
De los datos de la tabla 4.2, el VMP (la media) es:
VMP
ángulos 53 26 40.08
º ´ "
S
v 2
7."377
n 1
Los residuales se calculan restando el VMP de cada valor medido. Los residuales
se tabulan en la columna v de la tabla 4.2.
Luego se clasifican los residuales en grupos o clases seleccionando algún
“intervalo de clase” compatible con los datos. Es importante seleccionar un
intervalo de clase que sea del tamaño adecuado para exhibir correctamente la
distribución. Para los datos de la tabla 4.2, se seleccionan 3 segundos como “i”- el
intervalo de clase-. El primero se centra en cero pero para que se cuente el
número de residuales en el intervalo de 3 segundos entre -1”5 y +1”5. Igualmente
se sigue el mismo procedimiento para los residuales de los intervalos entre -1.5 y
+4.5, +1.5 y +4.5,-4.5 y -7.5, +4.5 y +7.5, etc. Finalmente, el histograma con el
tamaño de residual en la abscisa VS el número de residuales y las frecuencias de
ocurrencia como ordenada, se traza según la figura 4.3.
Polígono de frecuencia: Si se conectan con líneas rectas los puntos centrales
superiores adyacentes de las barras del histograma, se obtiene un polígono de
frecuencia de los datos de la Tabla 4.2 se sobrepone como una línea quebrada
(Fig. 4.3). Este polígono es una exhibición gráfica que indica esencialmente la
misma información que el histograma.
(Proporción de cambio del declive = cero); de ahí que los puntos de inflexión de la
1
curva de distribución normal ocurren en x = 2h 2 .
h
0
Si se sustituye x = 0 en la ecuación (4d), entonces ya que e = 1, y = h
Que es igual a la ordenada central de la curva. La ordenada central es
proporcional a h, y el área total bajo la curva siempre es uno (1); por tanto, para un
grupo de mediciones que tenga un h grande, la ordenada central será grande y el
área se concentrará cerca de la ordenada central en donde los errores son
pequeños. Esto sólo significa que si h es grande, el grupo de mediciones es
preciso. Debido a que h guarda esta relación directa con la precisión de un grupo
de mediciones, se le llama el “modulo de precisión” por algunos autores.
Medidas de precisión
La precisión es la medida de la consistencia o grado de refinamiento de un grupo
de mediciones. Esto difiere de exactitud que se define como la proximidad al valor
verdadero de cualquiera medición o grupo de mediciones. En agrimensura, los
términos mas comúnmente usados para expresar precisión son variación y error
estándar (ó desviación estándar).
2
………………………………………………………………(4h)
da
Esta expresión produce la media de los cuadrados de las distancias de todas las
partes elementales de una figura desde una línea central, que en el caso de la
curva de distribución normal, déjese que da = ydx, luego:
h
eh
2 2
x 2 ydx x
x 2 dx
2
he h
2 2
x
x 2 dx
ydx
……………………………………………….. (4i)
d 2 y 4h5 2h 3
xe
2 h2 x2
e h x dx
2 2
dx 2 …………………….. (4k)
dy
2
d y
dx 2
dx 0
dx
Pero
4
Dividiendo a través de la ecuación (4k), por 4 h sustituyendo cero para
d2y
dx 2 dx
Y reordenando:
h 1
2 h2 x2
e h x dx
2 2
x e dx
2 h
……………………………………. (4l)
a 0 0
…………………………………………………(4p)
Usemos la ecuación anterior para determinar el área dentro de los limites de .
1 dt
Permita que a = 2h . Deje también que t= hx. Luego dx = h . Sustituyendo
la ecuación (4p):
1 h 1
x t hx
2h 2h 2
h dt 2
et e t dt
2
2
x0 h t 0
la ecuación (4q) igual a un área de 0.50 y encontrar que valor del límite superior
de t corresponde a esta área, como:
t
2
e dt
t
2
0.50
0………………………………………………………………. (4r)
1
h
De la tabla de Rainsford, t = 0.477. Ahora ya que t =hx y h= 2 , luego t =
x
2 .
x50
Por lo tanto para el error probable del 50%, simbolizado como 50 , 0.477= 2 y
E
S
v 2
.0421
0.055
n 1 14 Pie
Por la ecuación (4s)
E50 0.6745 S .6745( 0.055) 0.037
Pie
Los resultados de este cómputo se trazan de la Fig. 4.6. Nótese 2que además de
trazar los valores y (ordenadas) vs. los valores v (abscisas), es útil dibujar la curva
para ubicar también los puntos de inflexión que ocurren en una abscisa igual a la
desviación estándar, o en el valor de 7.377.
Calcúlese lo siguiente:
El VMP del area medida.
La desviación estandar
Trazar el histograma (de residuales) para los datos anteriores usando un intervalo
de clase de 0.003. Superponer el polígono de frecuencia en el histograma.
Calcular y trazar la CDN.
E 50
Calcular .
E 90.
Calcular
CAPITULO 5
PROPAGACION DE ERRORES FORTUITOS
n 2 x 2
n
y
Luego para el caso bajo consideración:
x x1i x2i x1ii x2ii x1iii x2iii ... n z2
2 2 2
2
i i ii
Para una muestra grande, la suma de los productos 2 x1 x2 , 2 x1 , etc. Se convierte en
cero, puesto que los errores fortuitos pueden ser tanto positivos como negativos.
Por tanto,
n z2 x1i x2i x1ii x2ii ...
2 2 2 2
2
x 2
1
x 2
2
y12 y22
z
n n
Finalmente:
z y2 y2
………………………………………………………………. (5b)
1 2
2
dz dz dz
z y1 y2 ... yp
dy1 dy 2 dy p
PRUEBA
Supóngase que Z= f(y1, y2, … yp) en donde y1,y2, … , yp son cantidades dadas
i ii iii n
independientemente observadas. También deje que y1 , y1 , y1 ,..., y1 sean n
i ii iii n i ii iii n
mediciones de y1 conteniendo errores x1 , x1 , x1 ,..., x1 ; permita que y2 , y2 , y2 ,..., y2
x2i , x2ii , x2iii ,..., x2n
sean n mediciones de y2 conteniendo errores y permita que
i ii iii n
y p , y p , y p ,..., y p i ii
x , x , x iii ,..., x np
sean n mediciones de yp conteniendo errores p p p .
zT
Entonces el valor verdadero de Z, designado como , para cada dete4rminacion
independiente es:
zT f ( y1i x1i , y2i x2i ,..., y ip x ip )
zT f ( y1ii x1ii , y 2ii x2ii ,... y iip x iip )
zT f ( y1iii x1iii , y 2iii x2iii ,..., y iiip x iiip )
Etc.
Tratando las y como aproximaciones iniciales y las x como correcciones, estas
ecuaciones pueden sustituirse en una serie de Taylor y linealizarlas desistiendo de
las potencias de orden dos o más altas, como:
dz i dz i dz i
zT z i x1 x2 ... x p
dy1 dy 2 dy p
dz ii dz ii dz ii
zT z ii x1 x2 ... x p
dy1 dy 2 dy p
dz iii dz iii dz iii
zT z iii x1 x2 ... x p
dy1 dy 2 dy p
Etc.
dz i dz i i dz
zT z x1 x2 ...
x p
dy1 dy 2 dy p
dz ii dz ii dz ii
zT z ` x1 x2 ... x p
dy1 dy 2 dy p …………………………………(5c)
dz iii dz iii dz iii
zT z " x1 x2 ... x p
dy1 dy 2 dy p
Etc.
Reconociendo las ecuaciones (5c) como equivalentes a (5a) de la prueba anterior,
entonces siguiendo la misma manipulación general resulta:
2
dz
2 2
dz dz
z y1 y2 ... yp
dy
dy1 dy2 p …………………………(5d)*
dA dA
1y 1
dB dC
Sustituyendo:
A 1 B 1 C
2 2
B , B ,..., B
Independientemente observadas n que tienen errores estándar 1 2 n .
Luego por la ecuación (5d):
……………………………………………….. (5e)*
2 2
A B1 B2 ... Bn
, ,..., B
Si cada uno de los valores B B es igual a, digamos, B , entonces la
1 2 n
A n B
……………………………………………………………………….. (5f)*
*el error estándar y la desviación pueden intercambiarse en todas estas
ecuaciones.
z1 z 2 ... z n
z
n
z
Se obtiene una ecuación para sustituyendo la expresión anterior en la
ecuación (5d) como sigue:
n 2
2 2 2
1 1 1
z z1 z2 ... zn
n n n
2
n n …………………(5g)*
Ejemplos numéricos:
Encontrar la desviación estándar del volumen del tanque con las dimensiones
anteriores.
V = lwh;
dV dV dV
dl = wh, dw = lh, dh = lw.
Sustituyendo en la ecuación (5d):
2 2 2
dv dv dv
Sv Sl Sw Sh
dl dw dh
Ejemplo 2:
Supóngase que el ángulo vertical de A al punto B se mide desde el punto A
como 300”, S = +/- 1`; y que la distancia inclinada D, de A a B se mide como
SD
100.00 pies, =+/- 0.05 ft (pie).
2 2
dH 2 dH 2
SH SD S
dD d
D sin 1
2 2
S H cos 0.05
2 2
[57.296 60 ]2
S H 0.0018 0.0002 0.045
pie
En el ejemplo anterior, nótese que la mayor fuente contributiva de error (el número
mas grande bajo el radical) es 0.0018, y que ese es el error asociado con la
medición de la distancia. Por tanto, si el error resultante de +/- 0.045 pies es
demasiado grande para tolerarse, es adoptar un método mas preciso a fin de
medir la distancia.
Los errores asociados con cualquier problema indirecto de mediciones pueden
analizarse de la misma manera, y así se podrán evaluar las fuentes individuales
que contribuyen a causar errores. Luego se tomaran las medidas pertinentes
para reducir tales fuentes contributivas. Este concepto generalmente se estudia
bajo el titulo Planeamiento o diseño del levantamiento; por el cual puede
analizarse el problema por adelantado y especificar niveles de precisión antes de
efectuar el trabajo de campo, para asegurarse de un adecuado nivel de exactitud
en el resultado final. Este tema se tratará con más detalles en el Capitulo 17.
Tarea autodidáctica No.5
2
El volumen de un cono se da por V=1/12 D h. La altura medida del cono es de
S SD
10 pulgadas. h =+/- 0.20 pulg. El diámetro medido es 6 pulg. =0.10 pulg. La
desviación estándar del volumen es:
CAPITULO 6
PESOS DE LAS OBSERVACIONES
Generalidades
El peso de una observación es valía relativa de aquel valor observado según se
compara a cualquier otro valor. En otras palabras, los pesos son cálculos o
expresiones de la relativa confiabilidad de las observaciones.
Una alta precisión, indicada por un pequeño error estándar, implica una buena
observación y, de esto, un peso alto. A la inversa, una baja precisión, indicada por
un error estándar grande, implica una observación deficiente y, por tanto, un peso
pequeño. Es obvio que los pesos son inversamente proporcionales a alguna
potencia del error estándar. De ahí que el tamaño de la corrección también tendrá
una relación inversa con el peso.
m
Z
z i
i 1 m …………………………………………………. (6a)
ma
Z
z a i
i 1 ma ……………………………………………………………. (6b)
m
Zi
z b m
i m 1 b
………………………………………………………. (6b)
La z media puede obtenerse combinando los promedios de estos dos juegos
como:
ma m ma m
zi zi z i zi
i 1 i ma 1
z i 1 i m 1
m m a mb
Pero de (6b) y (6c):
ma m
z a ma zi zb mb zi
i 1 i ma 1
y
Luego:
z a ma zb mb
z
ma mb
Pesos de nivelación
Supongamos que una red de nivel tiene con longitudes de l1, l2,…, ln, y que los
procedimientos observacionales fuero los mismos por toda la red. ¿Cuáles son
los pesos relativos para las líneas?
Solución:
Permítase que S = la desviación estándar por puesta en estación del instrumento,
y deje que d= el avance lineal por puesta en estacion. Luego hay l1/d,l2/d, … ln/d
puestas en los distintos cursos. Las variaciones de cada uno de los distintos lados
son, elevando al cuadrado la ecuación (5f):
S12 l1 / d S 2
S 22 l2 / d S 2
.
.
.
.
S n2 ln / d S 2
Por la ecuación (6g), los pesos son inversamente proporcionales a las variaciones
y ya que son relativos, los pesos de la línea de nivel son:
1 d 1
p1 2
2
S1 l1 S l1
1 d 1
p2 2
2
S 2 l2 S l2
.
.
.
.
1 d 1
pn 2
2
S n ln S ln
Supongamos que una red de nivel tiene líneas con longitudes de ℓ1, ℓ2. ..... ℓn, y
que los procedimientos observacionales fueron los mismos por toda la red.
¿Cuáles son los pesos relativos para las líneas?
Solución:
s12 ( 1 / d ) s 2
s22 ( 2 / d ) s 2
sn2 ( n / d ) s 2
Por la ecuación (6g), los pesos son inversamente proporcionales a las variaciones
y ya que son relativos, los pesos de la línea de nivel son:
1 d 1
p1 2
2
s1 1s 1
1 d 1
p2 2
2
s2 1s 2
1 d 1
pn 2
2
sn ns n
Resumiendo, hemos probado que los pesos de las líneas de nivel son
inversamente proporcionales a sus longitudes, y puesto que la longitud es
proporcional al número de puestas en estación los pesos también se hallan
inversamente proporcionales al número de puestas en estación.
Digamos que los tres ángulos α1, α2 y α3 en un triángulo plano se miden n1, n2 y
n3 veces con el mismo instrumento. ¿Cuáles son los pesos relativos de los
ángulos?
Solución:
Permita que S sea la desviación estándar de una sola medición de ángulo. Las
medias de cada uno de los tres ángulos son:
1
1
; 2
2
; 3
3
n1 n2 n3
1 2 2 1 1
s21 ( ) s ; s 2 ( ) s 2 ; s2 3 ( ) s 2
n1 n2 n3
Una vez más, puesto que los pesos son inversamente proporcionales a las
variaciones y relativos, los pesos de los 3 ángulos son:
1 n1
p1 2
n1
( s 1 ) s2
1 n2
p2 2
n2
( s 2 ) s2
1 n3
p3 2
n3
( s 3 ) s2
Digamos que para el croquis de un circuito de nivel, las longitudes de las líneas 1,
2 y 3, son 2, 3 y 4 millas, respectivamente. Si las diferencias observadas en
elevación son + 21.20, + 21.23 y + 21.29, respectivamente, para las líneas 1, 2 y
3, hállese la más probable (media ponderada) elevación para BMX.
BMA = 100.00
BMX
Circuito de nivel
Solución:
Del Artículo 6.4.1, los pesos de las líneas de nivel son inversamente
proporcionales a sus longitudes. Por tanto, los pesos de las líneas 1, 2 y 3 son
1/2, 1/3 y 1/4, respectivamente. Puesto que los pesos son relativos,
arbitrariamente multiplicamos estas fracciones por 12 para obtener pesos de 6, 4 y
3, respectivamente.
Por definición, se dice que una observación tiene un peso p, donde p es un entero,
cuando su precisión iguala la precisión de la media de observaciones p de peso
unitario. Déjese que σ0 sea el error estándar de una observación de peso unitario.
Si y1, y2, …… yn son observaciones que tienen errores estándar σ1, σ2, …… σn,
y pesos p1, p2, ...... pn, entonces conforme a la definición anterior, de la ecuación
(5g) tenemos:
0 0 0
1 ; 2 ;......, n (6h)
p1 p2 p n1
x 2
Ahora bien, en el caso cuando las observaciones no son de igual peso, debemos
modificar la ecuación anterior para calcular el error estándar del peso unitario, a
saber:
0
p1 x1 p 2 x 2 ..... p n x n
2 2 2
px 2
(6i)
n n
Y una vez modificada para la desviación estándar del peso unitario tenemos:
s0
p1 v1 p 2 v 2 ..... p n x n
2 2 2
pv 2
(6j)
n 1 n 1
La relación entre el error estándar del peso unitario y el error estándar del peso p
se dio en la ecuación (6h). Combinando esa ecuación con (6i), pueden obtenerse
ecuaciones para errores estándar del peso p en términos de S0 como sigue:
1
0
; 1
px 2
1
* px 2
p1 n p np 1
1
2
0
; 2
px 2
1
* px 2
p2 n p np 2 (6k)
2
n
0
; n
px 2
1
* px 2
p1 n p np n
n
s1
pv 2
;s 2
pv 2
....; s n
pv 2
(6l)
p1 ( n 1) p 2 ( n 1) p n ( n 1)
(6m)
pn
sM
pv 2
(6n)
p (n 1)
Ejemplo 1:
Suponiendo que una distancia se midió como 625.79 pies por barra subtensa y se
le dio un peso de 1, Se midió otra vez como 625.71 pies usando una
cinta y se le asignó un peso de 2; la tercera medición fue + 625.69 pies por
EDME (equipo electrónico para medir distancias) y recibió un peso de 4. Calcular
el VMP de la longitud (media ponderada) y determinar desviación estándar de la
media ponderada.
M
pz (625 .79 ) 2(625 .71) 4(625 .69 ) 625 .71
p 1 2 4
sM
pv 2
0.0080
0.024
p ( n 1) 7 ( 2)
Donde:
v1 625 .71 625 .79 0.08; p1 v1 1( 0.08 ) 2 0.0064
2
Ejemplo 2:
En la nivelación desde BMA hasta BMB, se tomaron cuatro diferentes rutas de
distintas longitudes. Se obtuvieron los datos siguientes:
Δ
Ruta Longitud(mi.) Elevación P
1 1 25,25 12
2 2 25,41 6
3 3 25,38 4
4 4 25,3 3
Σ=25
a. Hallar la media ponderada
(el VMP para la elevación Δ):
Por la ecuación (6d):
Ruta P v v2 pv2
1 12 -0,065 0,00422 0,0506
2 6 0,095 0,00902 0,0541
3 4 0,065 0,00422 0,0168
4 3 -0,015 0,00022 0,0007
0,1222
1. Desviación estándar de la media ponderada por la ecuación (6j)
0.1222
s0 0.201
3
0.1222
sM 0 .040
( 25 )3
0 .1222
s12 0 .058
12 (3)
0 .1222
s6 0 .082
6 (3)
0 .1222
s4 0 .101
4 (3)
0 .1222
s3 0 .117
3(3)
1) Se midió un ángulo dando 49º 27' 20", usando un transito y tenía una des-
viación estándar de + 15". Se midió otra vez usando un tránsito óptico repetidor
que dio 49º 27' 24" con una desviación estándar de +/- 6". Por tercera vez se
midió con un teodolito direccional dando 49º 7' 27" con una desviación estándar
de +/-2". Calcular el VMP (media ponderada) del ángulo y la desviación estándar
de la media ponderada. (Recuérdese que los son pesos inversamente
proporcionales a los cuadrados de las desviaciones estándar).
BM Meas. Elev.
11 440.98 ft.
12 464.25 ft. La elevación fija
482.23 ft, de BM 13 es 482.10
13 pies
z1 M V1
z 2 M V2
(7a)
z n M Vn
he h
2 2
v
h2v2
y Ke h ;
donde :
h
K
P ( Ke h v1 v )( Ke h v2 v )....( Ke h vn v )
2 2 2 2 2 2
Reduciendo
P K ( v ) n e h ( v1 v 2 ... v n )
2 2 2 2
(7b)
v 2
( z1 M ) 2 ( z 2 M ) 2 ..... ( z n M ) 2 (7d)
Reduciendo:
z1 M z 2 M .... z n M 0
nM z1 z 2 .... z n (7e)
M ( z1 z 2 .... z n ) / n
La ecuación (7e) indica que el VMP para una cantidad que ha sido
independientemente observada varias veces, es sencillamente la media aritmética.
En el proceso de esta prueba, se desarrolló el principio fundamental del ajuste de
mínimos cuadrados: que el VMP hace de la suma de los cuadrados de los
residuales un mínimo.
Sustituyendo en la (7f), los valores para los residuales dados en (7a), tenemos:
p1 ( z M ) 2 p2 ( z 2 M ) 2 .... pn ( z n M ) 2 Minimo
tenemos:
p1 ( z M ) 2 p2 ( z 2 M ) 2 .... pn ( z n M ) 2 0
pz pM ;
Y de la cual:
M
pz (7g)
p
1) x y 3.0
2 ) 2 x y 1 .5 (7h)
3) x y 0.2
Estas tres ecuaciones relacionan las dos incógnitas x y y, con las cantidades
observadas. Los valores para x y y podrían obtenerse de cualquiera de dos de
esas ecuaciones, para que la ecuación restante fuera redundante. Nótese que
si las dos primeras ecuaciones de (7h) se resuelven, x=1.5 y y=1.5. Sin embargo,
si se resuelven las dos últimas ecuaciones, x=1.3 y y=1.1 Además, si se
resuelven la primera y última ecuaciones, x. = 1,6 y y = 1,4. Estas tres ecuaciones
han sido escritas como resultado de mediciones y se hace aparente que de esas
discrepancias observadas, las mediciones contienen errores. Tales ecuaciones
pueden, reescribirse como sigue:
4 ) x y 3 .0 v1
5) 2 x y 1 .5 v 2 (7i)
6 ) x y 0 . 2 v3
Las ecuaciones (7i) relacionan las incógnitas con las ecuacíones y con los errores
en las observaciones. Obviamente es posible seleccionar valores de v1, v2, y v3
que producirán los mismos valores y y, no importa el par de ecuaciones resuelto.
A fin de obtener estabilidades por todas las ecuaciones, podríamos dejar que v1 =
0, v2 = 0, y v3= -0.2. Luego x = 1.5 y y= 1.5, no importa el par de ecuaciones
resuelto. Esto parece ser una solución bastante buena.
Se pueden tener otros valores para las v, que harán suma de sus cuadrados un
valor más pequeño. De hecho, la solución que la suma de los cuadrados de
las v un mínimo, produce los valores x y probables y se llama la solución de
mínimos cuadrados.
Para llegar a la solución de mínimos cuadrados, se elevan cuadrado las
ecuaciones para los residuales y estas expresiones se suman juntas para dar una
función f(x,y) = Ev2, como sigue:
v1 ( x y 3.0) 2
2
v 2 ( 2 x y 1 . 5) 2
2
(7j)
v3 ( x y 0 . 2 ) 2
2
v 2
( x y 3 . 0 ) 2 ( 2 x y 1 . 5) 2 (7k)
Luego se toman las derivadas parciales de esta función con respecto a cada
incógnita, y se establecen igual a cero. Entonces resultará una ecuación para cada
incógnita, como:
v2
0 2 ( x y 3 . 0 ) 2 ( 2 x y 1 . 5) 2 ( x y 0 . 2 ) (7k)
x
Estas anteriores ecuaciones se llaman ecuaciones normales. Estableciendo los
diferenciales iguales a cero es el medio de minimizar una función, como
recordarán del cálculo elemental. Tales ecuaciones normales se resuelven
simultáneamente para cada incógnita. Las ecuaciones normales reducidas para
estas tres ecuaciones de observación son como sigue:
1) 6 x 2 y 6 .2 0
(7l)
2 ) 2 x 3 y 1 .3 0
Una comparación de la suma de los cuadrados de los residuales les indica que la
solución de mínimos cuadrados produce el total más pequeño; por ende, esto
resultaría en un mejor ajuste; de hecho, es el mejor ajuste posible.
a1 A b1 B c1C ..... n1 N L1 v1
a2 A b2 B c2C ..... n2 N L2 v2
(7m)
am A bm B cm C ..... nm N Lm vm
v1 ( a1 A b1 B c1C ..... n1 N L1 )
2
v2 ( a2 A b2 B c2C ..... n2 N L2 )
2
(7n)
v1 ( am A bm B cm C ..... nm N Lm )
2
am A bm B cm C ...nm N Lm
2
(7p)
v2
0 2a1 A b1 B c1C ...n1 N L1 a1 2a 2 A b2 B c2C ...n2 N L2 a 2 ........
A
2am A bm B cm C ...nm N Lm a m
v2
0 2a1 A b1 B c1C ...n1 N L1 b1 2a 2 A b2 B c2C ...n2 N L2 b2 ........
B
2am A bm B cm C ...nm N Lm bm
v2
0 2a1 A b1 B c1C ...n1 N L1 c1 2a 2 A b2 B c2C ...n2 N L2 c2 ........
C
2am A bm B cm C ...nm N Lm cm
v2
0 2a1 A b1 B c1C ...n1 N L1 n1 2a2 A b2 B c2C ...n2 N L2 n2 ........
N
2am A bm B cm C ...nm N Lm nm
(7q)
0 c a c a ..... c a A c b c b ..... c b B c c ..... c çC ....
2 2 2
1 1 2 2 m m 1 1 2 2 m m 1 2 m
0 n1 a1 n 2 a 2 ..... n m a m A n1b1 n 2 b2 ..... n m bm B n1 c1 n 2 c 2 ..... n m c m C ...
n
1
2 2 2
n 2 ..... n m N n1 L1 n 2 L 2 ..... n m L m
(7r)
En este sistema de ecuaciones (7s), las a, b, c, .... n, son los coeficientes de las
incógnitas A, B, C, .... N; L es el término constante y el símbolo ( β significa la
suma de los productos).
Asimismo, puede probarse matemáticamente que las ecuaciones normales se
pueden formar sistemáticamente de ecuaciones de observación ponderadas de la
manera siguiente:
paa A pab B pac C .......... . pan N paL
pba A pbb B pbc C .......... . pbn N pbL
pca A pcb B pcc C .......... . pcn N pcL
(7t)
pna A pnb B pnc C .......... . pnn N pnL
En las ecuaciones (7t) los términos son los mismos según descritos arriba para las
ecuaciones (7s), con la adición de las p que son los pesos relativos de las
observaciones.
x y 3 .0 v
2 x y 1 .5 v 2 (7u)
x y 0.2 v3
Equn a b L aa ab bb aL bL
1 1 1 3 1 1 1 3 3
2 2 -1 1,5 4 -2 1 3 -1,5
3 1 -1 0,2 1 -1 1 0,2 -0,2
[aa] [ab] [bb] [aL] [bL]
6 -2 3 6,2 1,3
Sustituyendo los términos apropiados para [aa], [ab], [bb], [aL] y [bL] de la Tabla
7.1 en las ecuaciones (7s), se obtienen las siguientes ecuaciones normales:
6 x 2 y 6 .2
(7v)
2 x 3 y 1 .3
Nótese que las ecuaciones (7v) son exactamente iguales a las (7l).
Se advierte basándose en estudios previos, que el número de ecuaciones
normales en un ajuste de mínimos cuadrados es igual al número de incógnitas que
han de ser ajustadas. Tratando con grandes sistemas de ajuste conteniendo
muchas incógnitas, resultara en un gran número de ecuaciones normales, por lo
que la solución simultánea de las ecuaciones plantea un problema bastante
formidable. Tales ecuaciones pueden resolverse por métodos matriciales según el
Capítulo 2, o por eliminación gaussiana según el Capítulo 3.
a ) A 2 B 16 .0 v
b ) 2 A 3 B 12 .5 v2
c ) 2 A B 0.5 v3
CAPITULO 8
AJUSTE DE REDES DE NIVEL
8.1 Introducción
Ahora se considerará la aplicación del método de mínimos cuadrados por
ecuaciones de observación al problema del ajuste del circuito de nivel. En el
Artículo 7.1 , se desarrollo la condición de mínimos cuadrados para calcular el
VMP de un grupo de observaciones directas de la misma cantidad. En el ajuste de
circuitos de nivel , se trata con un grupo de observaciones directas que no es todo
de la misma cantidad, sino más bien cada observación representa la medición de
la diferencia en elevación de una línea separada del circuito de nivel. No obstante,
tales observaciones se tratan de la misma manera y las correcciones buscadas
son aquéllas que producen la más alta probabilidad de su ocurrencia simultánea
en el circuito de nivel.
8.2 Ejemplo considerando pesos iguales
Considérese ahora un ejemplo específico de un circuito de nivel, cuyo croquis y
datos del levantamiento se muestran en la Fig. 8.1. -En dicho ejemplo, se asumirá
que cada observación es de igual peso. Más tarde se considerará el concepto de
las observaciones de peso relativo. En la figura las flechas indican la dirección de
la nivelación. Por lo tanto para la línea No. 1, la nivelación procedió desde BMX
hasta A y la diferencia observada en elevación fue de 5,10 pies.
Diferencia
Línea No observada
en elevación
1 5,1
2 2,34
3 -1,25
4 -6,13
5 -0,68
6 -3
7 1,7
A BMX 5 .10 v1
BMY A 2.34 v2
C BMY 1 .25 v3
BMX C 6 .13 v4 (8a)
B A 0 .68 v5
B BMY 3 .00 v6
C B 1 .70 v7
F
2( A 105 .10 ) 2(105 .16 A) 2( B A 0.68 ) 0
A
F
2( B A 0.68 ) 2( B 104 .5) 2(C B 1.70 ) 0
B
F
2(C 106 .25 ) 2(106 .13 C ) 2(C B 1.70 ) 0
C
3 A B 210 .94
A 3 B C 102 .12
B 3C 214 .08
A = 105.14
B = 104.48
C = 106.19
Tabla 8. 1
Peso
Línea Longitud
relativo
1 4 3
2 3 4
3 2 6
4 3 4
5 2 6
6 2 6
7 2 6
p 2 v 2 4(105 .16 A) 2
2
p 4 v 4 4(106 .13 C ) 2
2
(8d)
p 5 v 5 6( B A 0.68 ) 2
2
p 6 v 6 6( B 104 .50 ) 2
2
p 7 v 7 6(C B 1.70 ) 2
2
13A - 6B = 740.02
-A + 3B - C = 102.12
-3B + 8C = 536.11
A = 105.15
B = 104.49
C = 106.20
Debe notarse que estos valores ajustados difieren ligeramente de los valores
ajustados obtenidos mediante el ajuste de igual peso. Esto ilustra el efecto de
los pesos relativos sobre los resultados del ajuste, y aunque la diferencia en
los valores ajustados por ambos procedimientos es sutil, se puede concluir que
para los circuitos precisos de nivel es tanto lógico como prudente efectuar el
ajuste ponderado.
1) A = 105.10 + v1
2) - A = -105.16 + v2
3) C = 106.25 + v3
4) -C = -106.13 + v4 (8f)
5) -A + B = -0.68 + v5
6) B = 104.50 + v6
7) -B + C = 1.70 + v7
Tarea autodidáctica No 8
A=100.00
A=101.00
(2)
Difer.
Línea
(1) elevación
BM1
1 1
2 0,08
(3)
3 0,92
4 -1
BM1 5 0,08
(4)
(5)
A=102.00
A=103.00
Difer.
Línea Longitud
elevación
2) Para el croquis del circuito de nivel, calcular
1 4 +1.05 las elevaciones más probables para x1, x2 y x3.
2 4 -0.95 Se brindan en la tabla adjunta los valores
3 2 +2.10
observados y las longitudes de líneas. Aplicar
4 2 -1.95
los pesos apropiados en los cómputos. Usar de
5 1 +0.10
6 3 +0.05
nuevo el método tabular para formular las
ecuaciones normales. A=10
(5)
x3
(4) (2
x2 (6)
(3) (1
A=101.00
CAPITULO 9
METODOS MATRICIALES PARA EL AJUSTE DE MINIMOS CUADRADOS
m Am n X 1 n L 1 n V1 (9a)
donde:
a1 b1 c1 . . n1 A
a b2 c2 . . n2 B
2
. C
A= X =
. .
. .
a m bm cm . . n m N
L1 V1
L V
2 2
L V
L = 3 V = 3
. .
. .
L m V m
A = 105.10 + v1
A = 105.16 + v2
C = 106.25 + v3
C = 106.13 + v4
A - B = 0.68 + v5
B = 104.5 + v6
B - C = -1.70 + v7
. . '
B. Estas ecuaciones de observación en forma matricial son:
7 A3 3 X 1 7 L1 7 V1
Donde:
1 0 0 105 .10
1 0 0 105 .16
0 0 1 A 106 .25
A = 0 0 1 ; X = B ; L = 106 .13 ;
1 1 0 C 0 .68
0 1 0 104 .50
0 1 1 1 .70
v1
v
2
v3
V = v 4
v5
v 6
v
7
1 0 0
1 0 0
1 1 0 0 1 0 0 0 0 1 3 1 0
AT A = 0 0 0 0 1 1 1
*
0 0
1 = 1 3 1
0 0 1 1 0 0 1 1 1 0 0 1 3
0 1 0
0 1 1
Nótese que estos elementos matriciales son los coeficientes de las ecuaciones
normales. Véase el Artículo 8.2.
8 3 1
1 3 9 3
(AT A)-1 =
21
1 3 8
105 .10
105 .16
1 1 0 0 1 0 0 106 .25 210 .94
AT L = 0 0 0 0 1 1 1
*
106 .13 = 102 .12
0 0 1 1 0 0 1 0 .68 214 .08
104 .50
1 .70
Nótese que éstos son los términos constantes de las ecuaciones normales.
A = 105.14
B = 104.48
C = 106.19
P1 ( a1 A b1 B .... n1 N ) P1 ( L1 v1 )
P2 ( a 2 A b2 B .... n 2 N ) P2 ( L 2 v 2 )
(9b)
Pm ( a m A bm B .... n m N ) Pm ( L m v m )
PAX = PL + PV
3 0 0 0 0 0 0 1 0 0
0 4 0 0 0 0 0 1 0 0
0 0 6 0 0 0 0 0 0 1
P = 0 0 0 4 0 0 0 ; A = 0 0 1
0 0 0 0 6 0 0 1 1 0
0 0 0 0 0 6 0 0 1 0
0 6 0 1 1
0 0 0 0 0
105 .10 v1
105 .16
v
2
106 .25 v3
L = 106 .13 ; V = v 4
0 .68 v5
104 .50 v 6
1 .70 v
7
3 0 0 0 0 0 0
0 4 0 0 0 0 0
1 1 0 0 1 0 0 0 0 6 0 0 0 0
ATP= 0
0 0 0 1 1 1 * 0
0 0 4 0 0 0 =
0 0 1 1 0 0 1 0 0 0 0 6 0 0
0 0 0 0 0 6 0
0 6
0 0 0 0 0
3 4 0 0 6 0 0
0 0 0 0 6 6 6
0 0 6 4 0 0 6
1 0 0
1 0 0
3 4 0 0 6 0 0 0 0 1 13 6 0
ATPA = 0 0 0 0 6 6
6 * 0
0 1 = 6
18 6
0 0 6 4 0 0 6 1 1 0 0 6 16
0 1 0
0 1 1
Nótese que estos son los coeficientes de las incógnitas en las ecuaciones
normales ponderadas. Véase el articulo8.3.
105 .10
105 .16
3 4 0 0 6 0 0 106 .25 740 .02
ATPL = 0 0 0 0 6 6 6 * 106 .13 = 612 .72
0 0 6 4 0 0 6 0 .68 1072 .22
104 .50
1 .70
Nótese que estos son los términos constantes de las ecuaciones normales.
Resumiendo las elevaciones ajustadas para BMA, BMB y BMC son 105.15,
104.49 y 106.20, respectivamente y ellas concuerdan exactamente con los valores
obtenidos en el articulo 8.3.
donde:
p1 a11 a12 . . . . a1 n X1
p2 a a 22 . . . . a2n X
21 2
. . .
P= . ;A= . . ;X= .
. . .
. . .
p m a a mn X
m1 am2 n
1 v1
v
2 2
. .
L = . ; y V = .
. .
. .
v
m m
(v T pv ) v
0 2v T p (9j)
X X
Pero de (8p)
V = AX – L (9k)
V ( AX L )
A (9l)
X X
0 = 2VTPA (9m)
0 = ATPTV (9n)
0 = ATPTV ( AX – L) (9p)
Multiplicando (9p)
0 = ATPTAX - ATPTL
Si se supone que los pesos son iguales, la matriz P es una matriz identidad y la
solución para X es:
X AT A
1
AT L …………………………………………….(9s)
Nótese que las ecuaciones (9r) y (9s) son idénticas a las (9c) y (9g),
respectivamente.
Nótese que la salida contiene la desviación estándar del peso unitario y las
desviaciones estándar de los valores ajustados. El método para sus cómputos se
discutirá en el capitulo 10.
Se ofrece en el Apéndice B una discusión del uso de este programa, junto con un
listado de los datos de entrada para esos dos ejemplos de redes de nivel.
MATRIZ A
1.000000 0.000000 0.000000
1.000000 0.000000 0.000000
0.000000 0.000000 1.000000
0.000000 0.000000 1.000000
1.000000 -1.000000 0.000000
0.000000 1.000000 0.000000
0.000000 1.000000 -1.000000
MATRIZ L
105.100000
105.160000
106.250000
106.130000
.680000
104.500000
-1.700000
MATRIZ DE PESO
1.000 1.000 1.000 1.000 1.000 1.000 1.000
MATRIZ DE ECUACIONES NORMALES
3.000000 -1.000000 0.000000
-1.000000 3.000000 -1.000000
0.000000 -1.000000 3.000000
MATRIZ DE COVARIACION
.380952 .142857 .047619
.142857 .428571 .142857
.047619 .142857 .380952
INCOGNITAS X
105.140900
104.482819
108.187592
RESIDUALES V
.040909
-.019089
-.062408
.057602
-.021919
-.017181
-.004773
DESVIACION ESTANDAR DEL PESO UNITARIO
.050123
DESVIACION ESTANDAR DE VALORES AJUSTADOS
.030938 -.032813 .030938
EJEMPLO DE RED DE NIVEL PONDERADA, COMPUTOS DE AJUSTE DE
WOLF
MATRIZ A
1.000000 0.000000 0.000000
-1.000000 0.000000 0.000000
0.000000 0.000000 1.000000
0.000000 0.000000 -1.000000
-1.000000 1.000000 0.000000
0.000000 1.000000 0.000000
0.000000 -1.000000 1.000000
MATRIZ L
105.100000
-105.160000
106.250000
-106.130000
-.680000
104.500000
1.700000
MATRIZ DE PESO
3.000 4.000 6.000 4.000 6.000 6.000
MATRIZ DE ECUACIONES NORMALES
13.000000 -6.000000 0.000000
-6.000000 18.000000 -6.000000
0.000000 -6.000000 18.000000
MATRIZ DE COVARIACION
.093333 .035556 .013333
.035556 .077037 .028889
.013333 .028889 .073333
INCOGNITAS X
105.150375
104.489182
106.197189
RESIDUALES V
.050385
.009628
-.052811
-.067184
.018806
-.010818
.008008
DESVIACION ESTANDAR DEL PESO UNITARIO
.107220
DESVIACION ESTANDAR DE VALORES AJUSTADOS
.032756 .029759 .029035
Tarea Autodidáctica Nº 9
1. Resolver el problema 1 del juego de problemas Nº 8 usando métodos
matriciales
S0
pv 2
n 1
S0
pv 2
………………………………………..(10a)
mn
PAX PL PV
X AT PA 1
AT PL ……………………………………..(10b)
X X X
Por lo tanto, los valores X son -al parecer- los errores en los valores ajustados de
mínimos cuadrados. Considérese ahora algún pequeño cambio incremental L en
los valores medidos L requeridos para cambiar X a X , de manera tal que la
ecuación (10b) se convierte en:
X X AT PA
1
AT PL L
Reduciendo
X X AT PA A
1 T
PL AT PA
1
AT PL
Pero de (10b),
X AT PA 1
AT PL así que
X AT PA 1
AT PL …………………….(10c)
X AT PA
1
AT PV
También deje que A T
PA
1
AT P B
Luego:
X BV …………………………………………………….(10d)
X 2 X 1 X 2 X 1 X 3 X 1 X n
1
X 2 X 1 X 2 X 2 X 3 X 2 X n
2
X 3 X 1 X 3 X 2 X 3 X 3 X n
2
X X
T
…(10f)
X n X 1 X n X 2 X n X 3 X n
2
n n
x1 2 x x 1 2 x x
1 n
, , .....
a a a
x x
2 1 , x
2
2
.........
a a
1
X X T ……(10h)
a
x n x1 x
2
n
.......... .......... ......
a a
v1 2 v v 1 2 v v 1 m
......
a a a
v v
2 1 v v 2 v m
2
2
....
a a a
B B T …………………(10j)
v m v1 v v2 v m
2
m
......
a a a
En la matriz anterior, las v son residuales en cantidades medidas, y debido a que
estos residuales concuerdan con las distribuciones gausianas, probablemente
serán tanto mas como menos. Siendo ese el caso, para un gran valor de a , los
elementos no diagonales van a cero. Reconociendo los términos diagonales como
variaciones de las cantidades observadas, reescribimos la matriz (10j) como sigue:
S 2
1
2
S2 zeros
B
2
S3 BT ………………………….(10k)
2
zeros Sn
2
S0
Si ……………………………………………………….(10l)
2
Pi
P 1 .......... ....... 0
1
1
P2
B T S 0 BP 1 B T
2 2
S0 B ……………….(10m)
1
0 .......... .... Pm
S 0 BP 1 B T S 0 AT PA
2 2
1
AT PP 1 P T A AT PA
1 T
…………………(10n)
A PA
T 1 T
A T PA
1
También P T P ya que es una matriz diagonal; entonces (10n) se reduce a:
2
S 0 A T PA A1 T
PA A T PA
1
S 0 A T PA
2
1
……………………(10p)
S X S 0 A T PA
2 2
1
S0 Q
2
……………………………………..(10q)
S Xi S0 QXi X i ……………………………………………….(10r)
Vamos a utilizar los resultados de los ejemplos de las redes de nivel (Artículos 9.2
y 9.4) para ilustrar los cómputos de las desviaciones estándar estimadas, cuando
las incógnitas son funciones indirectamente determinadas de cantidades
observadas. Para el ejemplo no ponderado del Artículo 9.2, la matriz de
covariación es:
8 3 1
2 1
2
S 0 AT A
1
S 0 3 9 8
2l
1 9 8
Utilizando la ecuación (10a), la estimada desviación estándar del peso unitario es:
S0
pv 2
mn
pv 2
0.0101
.0101
Hance, S 0 0.030 ft
73
Ahora bien, por la (10r) las estimadas desviaciones estándar de las elevaciones
desconocidas de las marcas de cota fija (BM), A, B y C son:
8
S A S 0 Q AA .05 .031 ft
21
9
S B S 0 Q BB .05 .033 ft
21
8
S C S 0 Q CC .05 .031 ft
21
S0
pv 2
.0459
0.107 ft
mn 73
2 2 2
dx dx dx
Sl 1 Sl 2 .......... ...
2
SX Sl n ………………….(10t)
dl 1 dl 2 dl n
2 2
Donde S X es la variación de la función, y Sl j son las variaciones de las
observaciones independientes.
Puesto que los coeficientes de las variaciones individuales en la (10t) son las
derivadas parciales con respecto a cada observación, estos son sencillamente los
coeficientes lineales de las observaciones. Por tanto, la (10t) puede escribirse en
forma matricial como:
S X CS 2 C T ………………………………………………..(10u)
2
C11
C
12
Donde: C C11C12 .......... ..C1n ;
n
CT
C 1n
S 2
1
2
S2 zeros
Y:
2
SX
2
zeros Sn
AE d 1 d 2 d 3 d 4
2 2 2 2
d AE d AE d AE d AE
S AE
dd S d1 dd S d 2 dd S d 3 dd S d 4
1 2 3 4
S AE 1 .08 2 1 .08 2 1 .08 2 1 .08 2
S AE 0.13 ft
.06 2
1
.08 2 1
S AE 1 1
2
1 1
.06 2 1
1
.08 2
S AE 0.0168 ; S AE 0,13 ft
2
from which
10.5 Correlación entre cantidades ajustadas
a b c .......... .......... n
a
q q ab q ac .......... ...... q an
aa
b q ba q bb q bc .......... ...... q bn
q ca q cb q cc .......... ...... q cn
Q c
n q na q nb q nc .......... .... q nn
cov a , c
r a ,c ………………………………………….(10v)
Sa Sc
2
S 0 q ac
r a ,c 2
S 0 q aa S 0 q cc
q ac
r a ,c ……………………………………………(10w)
q aa q cc
Sa r a ,c S 0 q aa
b a ,c r a ,c
Sc S 0 q cc
q ac
b a ,c ………………………………………………………..(10x)
q cc
El ejemplo de redes de nivel mostrado en la Figs. 10.1 de (a) a (c), sirve para
ilustrar de manera grafica el significado de los coeficientes de correlación y
regresión. La Fig. 10.1 (a) muestra una red de nivel que es simétrica por la línea
VZ. La matriz Q resultante del ajuste de mínimos cuadrados esta a la izquierda de
la figura. Para tal figura fíjese en lo siguiente:
2. La precisión del valor Z deberá ser el mas bajo de las incógnitas ya que es
el mas alejado de las BM. Esto se indica en la matriz Q puesto que el
elemento q zz es el más grande de los términos diagonales.
q vx 0.105
b v , x 0.41
q xx 0.258
q vz 0.117
b v , z 0.22
q xz 0.529
La Fig. 10.1 (b) básicamente es la misma red de nivel que la de la Fig. 10.1 (a),
excepto que algunas de las líneas se han eliminado. La matriz Q obtenida como
resultado de este ajuste de mínimos cuadrados también esta ubicada a la
izquierda de la figura. Nótese por ejemplo que la incógnita V no esta directamente
conectada con ninguna otra incógnita, y por tanto no puede correlacionarse con
ninguna otra incógnita. Esto puede ilustrarse calculando su coeficiente de
regresión con respecto a las otras incógnitas, a saber:
q vx 0.000
b v , x 0.000 , and
q xx 0.318
q vz 0.000
b v , z 0.000
q zz 0.590
Otra vez la Fig. 10.1 (c) es la misma red básica de nivel con aun mas líneas
eliminadas. La matriz Q obtenida de su ajuste de mínimos cuadrados se da a la
izquierda. Adviértase lo siguiente en esa figura:
q zx 0.372
b z , x 1.000
q xx 0.372
V W X Y Z V
V W X Y Z V
.322 .152 .145 .067 .135
W
.152 .440 .169 .084 .169
Q
.135 .169 .372 .186 .372 X
.067 .084 .186 .593 .186
Y
.135 .169 .372 .186 1 .372
Z
…………………………….(10y)
X n a n1l1 a n 2 l 2 .......... .. a nm l m
n m
dX 1 dX 1 dX 1
dl .......... .
dl 2 dl m
1
dX 2 dX 2 dX 2
..........
dl 1 dl 2 dl m
Donde C =
dX n dX n
..........
dX n
dl dl m
1 dl 2
n1
X1
X 2
1
1 n
f x 1 ....... 1 FX
X n
2
Reconociendo las matrices S X y F como análogas a las matrices S y C ,
respectivamente, en (10z), sÍguese lógicamente que la matriz de covariación de la
función f x se da por:
S F FS X F T FCS 2 C T F T ……………………………(10aa)
2 2
S A B FCS 2 C T F T FS X F T
2 2
13
F 1 1 0
De (10q): S X S 0 Q
2 2
2
De la solución por computadora: S X es:
8 3 1
1
S 0 2Q .050
2
3 9 3
21
1 3 8
Entonces
8 3 1
.05
2 1
S A B 2 1 1 0 3 9 3 1
21
1 3 8 0
.05
2
2 .0275
S A B 11
21 21
Desde que S A B .0275 .036ft
21
f x AB X a X b 2 Ya Yb 2 …………………….(10ab)
Tarea Autodidáctica Nº 10
Observaciones de longitud
Medición Valor
L1 100.00
L2 200.00
L3 300.00
L4 99.92
L5 200.04
L6 299.96
CAPITULO 11
AJUSTE DE LA TRILATERACION
11.1 Introducción
Lij V Lij X j X i Y j Yi
2 2
1
2
………………………..(11a)
Xu Xa Yu 0 Y a
Lau AU 0 V Lau 0 dX u dY u
AU 0 AU 0
Xu Xb Yu 0 Yb
Lbu BU 0 V Lbu 0 dX u dY u
BU 0 BU 0
Xu Xc Yu 0 Y c
Lcu CU 0 V Lcu 0 dX u dY u
CU 0 CU 0
……………….(11c)
donde : AU 0 X u0 Xa Y
2
u0
Ya
2
BU 0 X u0 Xb Y
2
u0 Y b
2
CU 0 X u0 Xc Y
2
u0 Y c
2
Lau , Lbu y Lcu son las distancias observadas
AX K V
Donde:
Las correcciones más probables dX u y dYu , y por eso las coordenadas más
A. PRIMERA ITERACION
X Xa
Az AB 180 º tan 1 b
Yb Ya
2432 .55 865 .40
Az AB 180 º tan 1 180 º tan 1 .631940
2047 .25 4527 .15
Az AB 180 º 32 º17 '26"
Az AB 147 º 42 '34"
b. Calcular longitud AB
AB 2 X b X a 2 Yb Ya 2
AB 2432 .55 865 .40 2047 .25 4527 .15
2 2
1
2
2933 .58 ft
c. Calcular acimut AU 0
UAB 50 º 6'50"
Az AU 0 147 º 42 '34"50 º 6'50" 97 º 35 '44"
d. Calcular X u 0
y Yu 0
Por tanto:
AU 0 6049 .00 BU 0 4736 .83
CU 0 6861 .33 2865 .22 3727 .59 27 .15
2 2
1
2
5446 .29 ft
a. La matriz A
Donde:
b. La matriz K
K 1 6049.00 6049.00 0.00
K 2 4736.83 4736.83 0.00
K 3 5446.49 5446.29 0.20
Normalmente la matriz K no se puede cambiar usando una constante,
sino mas bien tiene que ser cuidadosamente computada.
c. Las matrices X y V
v au
dX u
X V v bu
dY u v cu
4. La solución matricial usando la ecuación (9b) de mínimos cuadrados no
ponderados:
X AT A 1
AT K
0 .991 0 .132
0 .991
0 .933 0 .735
A A
T 0 .933 0 .354
0 .132 0 .354 0 .680
0 .735 0 .680
2.391 0 .699
A A
T
0 .699 0 .603
0 .699
1 0.603
A A
T 1
0 .95 0 .699
2 .391
0 .991 0 .933 0 .735 0 .00
A K
T 0 .147
0 .136
0 . 00
0.132 0 .354 0 .680 0 .20
0 .699 0 .147 .006
1 0 .603
X
0 .95 0 .699
2 .391 0 .136 .234
1. Calcular AU 0 , BU 0 , CU 0
AU 0 6861 .324 865 .40 3727 .824 4527 .15
2 2
1
2
6048 .968
3. La solución matricial
.735
.991 .933 .032
A K
T .077 .011
.132 .354 .680 .039 .005
.699 .011 .003
1 .603
X
0.95 .699
2.391 .005 .004
Hay dos métodos básicos para mantener fijas las direcciones. Tales son: (a) el
método de ejes provisionales y (b) el método tangencial.
En este método se puede adoptar un sistema de ejes provisionales del ajuste X-Y,
en el cual al eje Y se le asigna que coincida con la línea cuya dirección ha de
mantenerse fija. Entonces la dirección se mantiene dando a los dX para esa línea,
valores cero.
Matriz A
unknown dY b dY c dX c dY d dX d
distance
Yb Y a
AB 0 0 0 0
AB
Yc Y a Xc Xa
AC 0 0 0
AC AC
Yd Ya Xd Xa
AD 0 0 0
AD AD
Yb Y c Y c Yb Xc Xb
BC
BC BC BC
Yb Yd Yd Yb Xd Xb
BD 0 0
BD BD BD
Yc Y d Xc Xd Y d Yc Xd Xc
CD 0
CD CD CD CD
Matrices K, X y V
AB AB 0
61 61
51 V ab
dY b
AC AC 0 V ac
AD AD 0 dY c V ad
K X dX c V
BC BC 0 Vbc
BD BD dY d V
0
dX bd
d
CD CD 0 V cd
dE j dN j tan ……………………………….(11d)
La relación expresada en la ecuación (11d) puede cumplirse en un ajuste, de ahí
manteniendo la dirección fija. Este método tiene la ventaja de que el ajuste puede
efectuarse directamente en el sistema original de coordenadas sin girar o alternar
en el sistema provisional de coordenadas descrito en la sección 11.6.1.
dE b dN b tan …………………………………………………….(11f)
Eb E a N b0 N a
K Lab V Lab 0 b
dN tan dN b ……………..(11g)
AB 0 AB 0
Descomponiendo en factores dN b en la ecuación (11g), resulta la ecuación de
observación final:
E b E a tan N b0 N a
K Lab V Lab c dN b ……………………(11h)
AB 0
Matriz A
Unknow
n dN b dN c dE c dN d dE d
Distanc
e
Eb E a tan N b N a
AB AB 0 0 0 0
Nc Na Ec Ea
AC 0 AC AC 0 0
Nd Na Ed Ea
AD 0 0 0
AD AD
Eb E d tan N b N d Nc Nb Ec Eb
BC BC BC BC 0 0
Eb E d tan N b N d Nd Nb E d Eb
BD 0 0
BD BD BD
Nc Nd Ec Ed
Nd Nc Ed Ec
CD 0 CD CD
CD CD
Con excepción de las coordenadas de control E a y N a , todas las coordenadas
dentro de la matriz son aproximaciones iniciales, y todas las distancias se deducen
de las coordenadas aproximadas iniciales.
Supóngase que tenemos una red trilaterada en la cual se han medido todas las
líneas de la Fig. 1.4, excepto por AC. Digamos que la línea AC es una línea de
control ; i.e., las coordenadas de Ay C están fijadas.
distancia
dYb dXa dYd dXd dYe dXe dYf dXf
desconocida
AB x x 0 0 0 0 0 0
AE 0 0 0 0 x x 0 0
BC x x 0 0 0 0 0 0
BF x x 0 0 0 0 x x
BE x x 0 0 x x 0 0
CD 0 0 x x 0 0 0 0
CF 0 0 0 0 0 0 x x
DF 0 0 x x 0 0 x x
DE 0 0 x x x x 0 0
EF 0 0 0 0 x x x x
LONGITUD ANGULO
5870 80 0 0.000
3616 82 0 0.000
DATOS DE ENTRADA
LINEA LONGITUD
BADGER - WIS 5870.302
BADGER - CAMPUS 5871.302
WIS - CAMPUS 5872.302
WIS - BUCKY 5873.302
LA MATRIZ A
LA MATRIZ L
LA MATRIZ X
LA MATRIZ A
LA MATRIZ X
LA MATRIZ A
LA MATRIZ L
LA MATRIZ X
LA MATRIZ Q
1.19891 0.09946 1.16024 1.40248
0.09946 0.58294 0.19326 0.45964
1.16024 0.19326 2.63389 2.72503
1.40248 0.45964 2.72503 3.96217
COORDENADAS AJUSTADAS Y DESVIACIÓN ESTANDAR
ESTACIÓN X SX Y SY
BADGER 10000 0 10000 0
WIS 15776.675 0.022 11044.304 0.022
CAMPUS 16893.213 0.015 7604.54 0.015
BUCKY 11820.756 0 5881.222 0
Después de la Fig. 11.6 hay tres páginas que dan los listados de salida de la
solución por computadora. Las páginas 175 y 176 listan los datos de entrada, y la
página 177 de los datos que resultan del ajuste. Se requirieron cuatro iteraciones
para lograr la convergencia. No se han incluido en este listado las páginas
intermedias que listan las matrices para cada iteración. El costo total por el tiempo
de computadora para este problema fue de 0.76 centavos.
EJEMPLO DE TRILATERACION, COMPUTOS DE AJUSTE DE WOLF
LONGITUD ANGULO
16353 26 30 0
10993 11 30 0
34955 120 0 0
14469 -170 -15 0
22939 43 0 0
ESTACIÓN X Y
LUU 833766.69 454925.95
PAUL 841063.359 469560.813
RAM 847831.323 478223.418
TOM 860925.742 445813.724
JIM 857855.7 459953.272
BILL 869584.246 479667.199
PAT 830040.4 467467.97
JHON 886672.11 473334.4
TIM 887981.23 453589.28
DATOS DE ENTRADA
LINEA LONGITUD CODIGO
PAUL - BILL 30319.17 0
RAM - TOM 34954.73 0
PAUL - TOM 31376.2 0
PAUL - JHON 45986.22 2
PAUL - RAM 10992.63 0
LUU - PAUL 16353.41 1
TOM - JHON 39446.64 2
BILL - JHON 17445.22 2
TOM - TIM 29712.49 2
PAT - TOM 37437.93 1
TOM - BILL 35162.5 0
BILL - TOM 35162.49 0
LOU - BILL 43007.65 1
BILL - PAT 41305.83 2
TOM - JIM 14168.7 0
PAUL- JIM 19896.23 0
BILL - JIM 22939.17 0
ESTACIÓN X SX Y SY
LOU 833766.69 0 45925.95 0
PAUL 840831.926 0.175 469674.295 0.231
RAM 848382.302 0.403 477663.646 0.282
TOM 859667.382 0.171 444580.718 0.198
JIM 857555.236 0.312 458894.734 0.261
BILL 869923.518 0.155 478214.199 0.248
PAT 830040.4 0 467467.97 0
JHON 886672.11 0 473334.4 0
12.1 Introducción
Yj Yi Yk Yi
jik V jik tan 1 tan 1 .......( 12 a )
Xj Xi Xk Xi
Kjik Vjik Yj o Yi o
2
Yk o Yi o
2
Xi o Yj o Yi o Yk o
dXi 2
dYi
( IJ o ) ( Ik o ) ( IJ o ) ( Ik o ) 2
Yi o Yj o Xj o Xi o YK o Yi o Xi o Xk o
2
dXj 2
dYj 2
dXk 2
dYk .......( 12 b )
( IJ o ) ( IJ o ) ( IK o ) ( IK o )
En las ecuaciones (12ª) y 12b), los símbolos se definen como en el Artículo 3.2.5.
La ecuación (12b) se derivó para un ángulo en el primer cuadrante según se
muestra en la Fig. 3.2. En la fig. 12.1 se muestran las doce posibles
combinaciones de cuadrantes para ángulos inferiores a 180º.
La ecuación (12b) se aplica exactamente a los ángulos de la Fig. 12.1 de (g) a (1),
excepto que K jik se calcula como sigue:
A X K V
42 21 41 41
Ə1=50º06’50” Ə3=98º41’17”
Ə2=101º30’47” Ə4=59º17’01”
Solución
AB ( 243 .55 865 .40 ) 2 ( 4527 .15 2047 .25 ) 2 2933 .58 ft.
ABSeno 2 2933 .58 Seno 101 º 30 '47"
AUo 6049 ft.
Seno (180 º 1 2) Seno 28 º 27 '23"
Xb Xa 1 2432 .55 865 .40
AzimutAB tan 1 tan 147 º 42 '34"
Yb Ya 2047 .25 4527 .15
AzimutAUo 147 º 42 '34"50 º 06 '50" 97 º 35 '44"
Xuo Xa AUoSeno ( AzimutAUo ) 865 .40 6049 .00 Seno 97 º 35 '44" 6861 .35
Yuo Ya AUoCos ( AzimutAUo ) 4527 .15 6049 .00 Cos 97 º 35 '44" 3727 .59
BUo (6861 .35 2432 .55 ) 2 (3727 .59 27 .15 ) 2 4736 .83 ft.
CUo (6861 .35 2865 .22 ) 2 (3727 .59 27 .15 ) 2 5446 .29 ft.
3. Solución matricial:
6 .5
5 .1
V T V 6 .5 5 .1 5 .8 7 .3. 155 .2 Sec . 2
5 .8
7 .3
V TV 155 .2
So 8 .8"
mn 42
SXu S 2 o QXuXu (8 .8) 2 ( 0 .00190 ) 0 .38 ft.
La solución produjo un valor de -0.62 de pie para dXu y de -0.11 de pie para dYu.
Estas, al sumarse a las aproximaciones iniciales Xuo y Yuo dan las coordenadas
ajustadas finales Xu y Yu.
Casi todos los cuadriláteros de forma estándar, sin importar sus orientaciones,
pueden así acomodarse por este programa básico. Después de efectuar el ajuste
en el sistema del eje provisional, se giran de nuevo las coordenadas por medio de
(360º-α) para regresarlas al sistema del eje N-E.
Coordenadas fijas:
Xa= 4270.33
Ya= 8448.90
Xd= 7610.58
Yd= 4568.75
dYb
dXb
X
dYc
dXc
ANGULOS OBSERVADOS
42º35'29.0"
87º35'10.60"
79º54'42.10"
18º28'22.40"
21º29'23.90"
39º1'35.40"
31º20'45.80"
39º34'27.90"
1 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0
0 0 1 0 0 0 0 0
0 0 0 1 0 0 0 0
0 0 0 0 1 0 0 0
0 0 0 0 0 1 0 0
0 0 0 0 0 0 1 0
0 0 0 0 0 0 0 1
EJEMPLO DE TRIANGULACION, COMPUTOS DE AJUSTE DE WOLF
ITERACIÓN Nº 1
MATRIZ A
MATRIZ L (VECTOR)
INCOGNITAS VECTOR X
VECTOR DE RESIDUOS V
ITERACIÓN Nº 2
MATRIZ A
3.879 24 .229 12 .254 9.681
0.000 0.000 12 .254 9.681
20 .111 16 .200 22 .832 0.284
6.601 7.744 0.000 0.000
0.000 0.000 4.824 3.086
22 .832 0.284 10 .579 9.966
2.722 16 .484 0.000 0.000
2.722 16 .484 7.430 12 .767
MATRIZ L (VECTOR)
INCOGNITAS VECTOR X
VECTOR DE RESIDUOS V
DESVIACIÓN ESTANDAR
SYB= 0.500
SXB= 0.227
SYC= 0.048
SXC= 0.580
ANGULOS AJUSTADOS
42º35'31.15"
87º35'15.61"
79º54'37.94"
18º28'20.92"
21º29'25.70"
39º1'29.98"
31º20'52.31"
39º34'26.37"
Las
PUNTO X Y
A 10,000 10,000
B 10,000 7,500
C 10,000 2,500
D 10,000 0
13.1 Introducción
Se presenta un sencillo ejemplo numérico del ajuste del poligonales por mínimos
cuadrados. Para dicho ejemplo se muestran el croquis y los datos vírgenes (sin
procesar) del levantamiento en la Fig. 13.2.
3 Observaciones
AB = 200.00
2 BC =
100.00
1 240º 00 '
1 2 150º 00 '
3 240º 01'
Fig. 13.2.
C. Calcular la matriz A:
1173.20 1000 1100 1000
200
200
1173.20 1223.00 1100 1186.50
100
100
1000 1100 1173.20 1000
A
200
2 2
200
1000 1100 1186.50 1100 1173.20 1000 1173.20 1223.00
2
2
2
2
200 100 200 100
1100 1186.50 1223.00 1173.20
100
2
100
2
0.866 0.500
0.498 0.865
A 515.7 893.1
2299.8 1920.3
1784.2 1027.2
D. Formular la matriz P.
Para resolver unidades disímiles, se usan pesos de acuerdo con las inversas de
las variaciones. Puesto que antes del ajuste se desconocen las variaciones, éstas
tienen que estimarse a priori; y son importantes porque influyen en el ajuste. Los
pesos de distancia y ángulo son:
1
PLij
Para longitud: 2
S Lij
1
P jik
Para ángulo: 2
S jik
AB 0.05 ft
BC 0.08 ft
1 30 sec .
2 30 sec .
3 30 sec .
1
0.05 2
1
0.08 2 400
2 156
1
0.001
P 30
0.001
2
1
0.001
30
1
2
30
dX b 0.11 ft
dYb 0.01 ft
S o 1.77 ft
S X b 0.04 ft
SYb 0.05 ft
MATRIZ A MATRIZ L
MATRIZ DE PESO
9077.067383 6469.208008
6469.208008 5757.041016
MATRIZ DE COVARIACIÓN
0.000553 0.000622
0.000622 0.000872
INCÓGNITAS X
-0.111379
-0.012762
RESIDUALES Y
-0.102835
-0.123494
49.040077
-17.358521
-6.387482
BCA 40°09’05" 10
Acimut AX = 345°17’3’’
Coordenadas de A:
X = 10,000.00
Y = 10,000.00
CAPITULO 14
AJUSTE POR CONDICIONES
14.1 Introducción
bq1 1 v1 bq 2 2 v2 bqm m vm cq
de la cual BL + BV = C, y
BV = C - BL
Permita que C - BL = W . . . . . . . . . . . . . . . . (14c)
Luego BV = W
Estación Ángulo
observado
A 68°10’40’’
B 66°34’ 22"
C 45°14’49’’
W C BL 180 6810 ' 40 '' 6634 ' 22 '' 4514 ' 49 '' 09 ''
BB
1
T
1 / 3
1 1 / 3
B 1 1 / 3 1 / 3
1
T T
B B
31 1 3 31
1
1 / 3
1 / 3 3 ''
BB W 1 / 3 9 '' 3 ''
1
V B T T
1 / 3
3 ''
Finalmente se obtienen los ángulos ajustados sumando los residuales a sus
respectivas observaciones:
Fig 14.2
En el ajuste de redes de nivel, el número de condiciones es igual al numero de
observaciones menos el numero de Incógnitas. Por tanto, en este problema hay 7-
3, ó 4 ecuaciones de condición que deben formularse. Tales condiciones son:
1 V1 2 V2 7.50
3 V3 4 V4 7.50
2 V2 5 V5 6 V6 0
3 V3 6 V6 7 V7 0
1 1 0 0 0 0 0
0 0 1 1 0 0 0
B
0 1 0 0 -1 1 0
0 0 -1 0 0 1 1
W C BL
5.10
2.34
7.50 1 1 0 0 0 0 0
7.50 0 1.25
6.13
0 1 1 0 0 0
W
0.00 0 1 0 0 -1 1 0
0.68
0.00 0 0 -1 0 0 1 1
3.00
1.70
0.06
0.12
W
0.02
0.05
0.041
0.019
0.06
0.12 0.062
V B T BB T W B T BB T
0.058
1 1
0.02
0.022
0.05
0.017
0.005
So
V 2
0.0101
0.050 ft
m-n 7-3
3 0 0 0 0 0 0
0 4 0 0 0 0 0
0 0 6 0 0 0 0
P 0 0 0 4 0 0 0
0 0 0 0 6 0 0
0 0 0 0 0 6 0
0 6
0 0 0 0 0
La solución ponderada se obtiene de la ecuación (14f).
En el Artículo 14.9 se describe un programa de computadora para resolver la
ecuación (14f). Este programa se usó para resolver los problemas de la red de
nivel ponderada y no ponderada. El listado de salida para esos problemas se halla
en las dos páginas siguientes. Nótese la conformidad de los residuales entre estos
resultados y los del método de la ecuación de observación.
MATRIZ B
MATRIZ W
MATRIZ P
0.0409524
0.0190476
-0.0623810
-0.0576190
0.0219048
-0.0219048
0.0047619
MATRIZ B
MATRIZ W
MATRIZ P
RESIDUALES
0.0504000
0.0096000
-0.0528000
-0.0672000
0.0188000
-0.0108000
0.0080000
El método CrandalI es válido para ajustar poligonales en donde se espera que las
mediciones lineales contengan errores fortuitos más grandes que las mediciones
angulares. Como ejemplo de una situación ideal para el método Crandall es el
ajuste de una poligonal de estadía.
Marcación
Curso Extensión ajustada Lat. Part.
AB 748.25 Due North 748.25 0.00
BC 532.18 N 44 48' E 448.58 445.46
CD 659.74 S 40 14' E -503.66 426.13
DE 440.33 S 24 14' W -401.53 -180.73
EF 345.90 S 89 52' W - 0.81 -345.90
FA 445.02 S 49 47' W -287.34 -339.82
N= 3.49 E= 5.14
Las dos condiciones que han de cumplirse, exclusivo de los pesos, se expresan
en las siguientes ecuaciones:
AB Cos (Bng AB) + BC Cos (Bng BC) + CD Cos (Bng CD) + DE Cos (Bng DE) +
EF Cos (Bng EF) + FA Cos (Bng FA) = 0
. . . . . . . . . . (14h)
AB Sin (Bng AB) + BC Sin (Bng BC) + CD Sin (Bng CD) + DE Sin (Bng DE) +
EF Sin (Bng EF) + FA Sin (Bng FA) = 0
Ángulos interiores
Punto Observado Ajustado
A 49º45’ 49º47’
B 135º10’ 135º12’
C 85º00’ 85º02’
D 115º30’ 115º32’
E 114º20’ 114º22’
F 220º03’ 220º05’
Fig. 14.3
B L V C
W1 0 3.49 3.49
W2 0 5.14 5.14
748.25 0 0 0 0 0
0 632.18 0 0 0 0
0 0 639.74 0 0 0
1
P 0 0 0 440.33 0 0
0 0 0 0 345.90 0
0 0 0 0 0 445.02
0
0 0 0 0 0
MATRIZ B
MATRIZ W
-3.4900000 -5.1400000
MATRIZ P
RESIDUALES
-0.7615914
-2.1829762
-1.0643644
1.0800547
1.2843576
1.5526733
14.7 Ajuste de un cuadrilátero triangulado por el método de la ecuación de
condición
Tres condiciones de ángulo y una condición de lado. Con referencia a la Fig. 14.4,
se pueden escribir las tres siguientes ecuaciones de ángulo que expresan la
condición de que un triángulo debe contener 180 grados:
1 v 1 3 v 3 4 v 4 6 v 6 180
3 v 3 5 v 5 6 v 6 8 v 8 180
2 v 3 5 v 5 7 v 7 8 v 8 180
Fig. 14.4
Inherente en estas tres ecuaciones de ángulos es la ecuación para el cuarto
triángulo. La cuarta ecuación expresa la condición de que la longitud de la línea de
cierre (lado opuesto a la línea base), de un cuadrilátero debe ser la misma sin
importar los ángulos usados para calcularla. Esta ecuación se formula usando la
ley de senos como sigue:
AD Sin 2 CD Sin 8
CD and BC
Sin 5 Sin 2
Sustituyendo;
BC = AD Sin 2 Sin 8
Sin 3 Sin 5
Calcular también BC de los triángulos DAB y ABC:
AD Sin 7 AB Sin 1
AB and BC
Sin 4 Sin 6
Sustituyendo:
AD Sin 1 Sin 7
BC
Sin 4 Sin 6
Diff Diff
Angle Value Log Sin Angle Value Log Sin
l”† l”*
42 35’ 87
29”0 35’10”6
2
1 79 9.8304381 2.29 18 9.9996145 .08
4
3 54’42”1 9.9932329 .38 28’22”4 9.5008618 6.30
6
5 21 9.5638824 5.34
8 39 9.7991197 2.60
7 29’23”9 9.7161751 3.46 01’35”4 9.8041938 2.54
31 39
20’45”8 34’27”9
39.1037285 39.1037898
Los coeficientes de los ángulos en (14k) se toman como las diferencias para un (1)
segundo; por tanto, las matrices, B y L para este ejemplo de cuadrilátero son:
1
2
1 0 1 1 0 1 0 0 3
BL
0 0 1 0 1 1 0 1 4
0 1 0 0 1 0 1 1 5
2.29 .08 .38 6.30 5.34 2.60 3.46 2.54 6
7
8
W 2
180 (3 5 6 8) 09"3
W 3
180 (2 5 7 8) 11"8
W 4
0 ( 61.3) 61.3
MATRIZ B
1. 0 0 0 0 0 0 0 0. 0 0 0 0 0 0 0 1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0 0. 0 0 0 0 0 0 0 1. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0 0. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0 0. 0 0 0 0 0 0 0 1. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0 1. 0 0 0 0 0 0 0 1. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0 1. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0 1. 0 0 0 0 0 0 0 0. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0 1. 0 0 0 0 0 0 0 0. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0 1. 0 0 0 0 0 0 0
2. 2 9 0 0 0 0 0 -0. 0 0 0 0 0 0 0 0. 3 8 0 0 0 0 0
-6. 3 0 0 0 0 0 0 5. 3 4 0 0 0 0 0 -2. 6 0 0 0 0 0 0
3. 4 6 0 0 0 0 0 -2. 5 4 0 0 0 0 0
MATRIZ W
MATRIZ P
1. 0 0 0 0 0 0 0 1. 0 0 0 0 0 0 0 1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0 1. 0 0 0 0 0 0 0 1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0 1. 0 0 0 0 0 0 0
RESIDUALES
2. 0 9 8 2 5 2 6
5. 0 3 4 6 3 9 0
-4. 1 8 1 8 0 5 9
-1. 4 1 5 6 2 4 2
1. 7 5 3 0 3 4 2
-5. 4 0 0 8 2 2 5
6. 4 8 2 7 3 2 6
-1. 4 7 0 4 0 5 8
.
cq bq1 1 bq1v1 bq 2 2 bq 2 v2 ............... bqm m bqm vm
pv 2 min imun.................................................................(14 n )
Ya que las (14m) todas son iguales a cero, podemos multiplicar cada ecuación por
una constante (-2) y, por un "multiplicador lagrangiano", o correlacionar (K) y
sumarlos todos a la ecuación (14n) sin cambiar el valor de
.
0 2 p1v1 2 k1b11 2 k 2 b21 ............... 2 k q bq1
v1
0 2 p2 v2 2 k1b12 2 k 2 b22 ............... 2 k q bq 2
v2
.
.............................................(14 p )
.
.
0 2 pm vm 2 k1b1m 2 k 2 b2 m ............... 2 k q bqm
vm
Dividiendo a través de las (14p) por 2, resolviendo para las v, y lueqo sustituyendo
estos valores v en las (l4m), obtenemos:
Las ecuaciones (14q) son q en número e implican como incógnitas sólo a los
correlativos o valores K, K1, K2…….., Kq. Estas ecuaciones se resuelven para los
correlativos, con lo cual esos valores correlativos luego se sustituyen de nuevo en
las ecuaciones (l4p) y se calculan los residuales. Teniendo los residuales, que
son valores de mínimos cuadrados, podemos aplicarlos a las observaciones
originales para calcular las observaciones corregidas. De éstas corregidas, uno
puede calcular los valores ajustados para los parámetros desconocido requerido.
B (L + V ) = C . . . . . . . . . . . . . . . . . . . ( 14r)
BL + BV = C
Y reordenando resulta:
BV = C - BL
Let BV = W = C – BL.
Entonces BV - W = O. . . . . . . . . . . . . . . . . . . . . . (14 S)
La (14s) es el equivalente matricial de las ecuaciones algebraicas (14m). En el
ajuste por mínimos cuadrados, minimizamos el pv 2 , que en forma matricial es:
' V T PV 2 K T ( BV W ) . . .. .. . . . . . . . . . . . . . . . . . . . . . (14v)
'
2V T P 2 K T B 0 . .. . . . . . . . . . . . . . . . . . . . . (14w)
V
P V - BT K = O
V P 1 BT K . . . . . . . . . . . . . . .(14x)
B P 1 B T K W 0 .. . . . . . . (14y)
La ecuación (14y) es equivalente a la expresión algébrica (14q).
K ( B P 1 B T ) 1 W
Sustituyendo esa expresión anterior en (14x), finalmente obtenemos:
V P 1 B T ( BP 1 B T ) 1 W . . . . . . . . (14z)
15.1 Introducción
La Fig. 15.1 ilustra una línea IJ, y con referencia a la figura se pueden escribir las
ecuaciones siguientes:
X D sin . . . . . . . . . . . . . . . . . . . . . . (15a)
Y D cos . . . . . . . . . . . . . . . . . . . . . . . . (15b)
Fig. 15.1
X
d X Yd dD . . . . . . . . . . . . . . . . . (15d)
D
d Y Xd Y dD / D . . . . . . . . (15f)
X
d X Yva vs . . . . . . . . . . . . . . (15g)
D
X
d Y Xva vs . . . . . . . . . . . . . (15h)
D
(Y3 Y2 ) , etc.
l l
Expresando la Suma de todos los d X para todas las líneas de la Fig. 15.2:
Fig 15.2
( X 5 X 5 l ) (Y5 l Yl )va1 (Y5 l Y2 l )va2 (Y5 l Y3l )va3
( X 2 l X 1 )vs1 ( X 3l X 1l )vs2
(Y5 l Y4 l ) va4
D1,2 D2,3
( X 4 l X 3l ) vs3 ( X 5 l X 4 l ) v s4
. . . . . . . . (15i)
D3,4 D4,5
Simplificando la (15i):
n 1 n 1 ( X j X i )vsi
( X n X n ) (Yn Yi )vai
l . . . . .. . . . (15j)
i 1 i 1 Dij
Fig 15.2
( X 5 X 5 l ) (Y5 l Yl )va1 (Y5 l Y2 l )va2 (Y5 l Y3l )va3
( X 2 l X 1 )vs1 ( X 3l X 1l )vs2
(Y5 l Y4 l ) va4
D1,2 D2,3
( X 4 l X 3l ) vs3 ( X 5 l X 4 l ) v s4
. . . . (15i)
D3,4 D4,5
Simplificando la (15i):
n 1 n 1 ( X j X i )vsi
( X n X n l ) (Yn Yi )vai . . . . . . . . . . (15j)
i 1 i 1 Dij
' n 1 n 1 (Y j Y1 )
( Yn - Yn ) = ( X n X 1 ) v a1
aij
vs1.......... ......... (15k)
i 1 i 1 1)
n n
F I i v ai .......... .......... .......... .......... .......... .......... .......... .......... (15 m )
i 1 i 1
Los valores w en las (15 p ) y (15m ) son ángulos de desviación, y todas las
unidades están en radianes.
Para ilustrar los principios discutidos en los artículos precedentes. La muy sencilla
poligonal presentada en el Art. 13.4 la cual se ajustó por el método de la ecuación
de observación, será ahora ajustada por el método de la ecuación de condición.
Como abajo se indica, las soluciones tabulares son muy útiles para formar las
ecuaciones de condición.
Convirtiendo a radianes:
01
w1 0.000291 rad.
3438
Es de utilidad una solución tabular para calcular los coeficientes y cierres para las
(15o ) y (15 p ) , a saber:
Acimut Coordena Coordena
Estació Distancia
prelimina Partida Latitud das da
n medida
r X Y
A 1000.000 1000.000
60º00’ 200.00 173.205 100.00
B 1173.205 1100.000
30º00’ 100.00 50.000 86.603
C 1223.205 1186.603
v a1
va 2 0.000291
v
V= a 3 W = 0.205
v s1 0.103
v
s2
vs 3
P=
P=
15.4.4 Solución programa computadora
s n
i 180 º v ai .......... .......... .......... .......... .......... .......... .......... .......... ........( 15 q )
i 1 i 1
Donde ei 180 º
Fig. 15-4
MATRIZ W
MATRIZ P
RESIDUALES
0 .0002350
0 .0000834 Radianes
0 .0000275
0.1069571
Pies
0.1225815
Coordenadas fijas:
X q 10 .000 X r 11 .813 ,99
Yq 10 .000 Yr 10 .458 ,84
Desviaciones estándar:
Ángulos medidos = 60"
Distancias medidas = 0.20 pies
CAPITULO 16
TRANSFORMACION CONFORME DE COORDENADAS BIDIMENSIONALES
16.1 Introducción
Las Figs. 16.1 y 16.2 ilustran a dos sistemas de coordenadas independientes con
tres puntos de control: A, B y C, se requieren transformar los puntos adicionales 1,
2, 3,…….., n del sistema x-y al sistema X-Y. las ecuaciones necesarias se
deducen como sigue:
Paso 1 – Desmultiplicación.
Para hacer las longitudes de líneas según definidas por las coordenadas x-y,
iguales a sus longitudes según definidas por las coordenadas X-Y, es necesario
multiplicar las coordenadas x-y por un factor de escala s. las coordenadas
desmultiplicadas x’ y y’ pueden, por tanto, definirse como:
Paso 2 –
x’ = sx Rotación
y’ = sy………………………………………………………………………. (16a)
Paso 3 – Traslación
X 4 X 'TX
Y4 Y 'TY .......... .......... .......... .......... .......... .......... .......... .......... .......... .......( 16 c )
X 4 sx cos sysen TX
Y4 sxsen sy cos TY .......... .......... .......... .......... .......... .......... .......... .......... .(16 d )
ax by c X v X
ay bx d Y vY .......... .......... .......... .......... .......... .......... .......... .......... .......... ...(16 e)
16.3 Aplicación de los mínimos cuadrados
ax a by a c = X A v XA
bx a ay a +d = YA vYA
ax b by b c X B v XB
bx b ay b d YB vYB
…………………………………………….. (16f)
ax c by c c X c v Xc
bx c ay c d Yc vYc
A=
XA V XA
a YA VYA
XB V XB
X = b L= V=
c YB VYB
X V
d C XC
YC VYC
Ejemplo
Punto E N X Y
A 1,049,422.40 51,089.20 121.622 -128.066
B 1,049,413.95 49,659.30 141.228 187.718
C 1,049,244.95 49,884.95 175.802 135.728
1 174.148 -120.262
2 513.520 -192.130
3 754.444 -67.706
4 972.788 120.994
5 1068.118 161.624
PUNTOS DE CONTROL
COORDENADAS MEDIDAS
PUNTO X Y
A 121.622 -124.066
B 141.224 187.714
C 175.802 135.724
1 174.144 -120.262
2 513.520 -192.130
3 754.444 -67.706
4 972.788 120.994
5 1064.118 161.624
ECUACIONES DE TRANSFORMACION
Punto X Y x y
A 3000.00 2000.00 1767.77 1060.66
B 1000.00 3000.00 707.11 707.11
C 3000.00 4000.00 1060.66 1767.77
D 1414.21 1414.21
E 353.52 1060.66
F 1414.21 -353.52
G 353.52 -353.52
2) Para el problema 16.1, ¿cuáles son los valores de: (a) el ángulo de rotación,
(b) el factor de escala, (c) la traslación en X, y (d) la traslación en Y?
CAPITULO 17
ELIPSES DE ERRORES
17.1 Introducción
Como se demostró en el capitulo 10, después de realizar los ajustes por mínimos
cuadrados para obtener las posiciones más probables de los puntos en un sistema
de coordenadas de referencia X-Y, las desviaciones posicionales estándar SX i y
SYi para el punto i en las direcciones X y Y pueden calcularse fácilmente de los
elementos de la matriz de covariación. Esas desviaciones estándar proporcionan
estimaciones de errores en las direcciones de los ejes de referencia que tienen un
68 por ciento de probabilidad. En forma gráfica, representan las medias
dimensiones de un rectángulo de error estándar alrededor de cada punto.
En una más rigurosa teoría del error, el rectángulo de error estándar se reemplaza
por una elipse de error estándar cuyos arcos son tangentes a los lados del
rectángulo de error. (Véase la Fig. 17.1) La orientación de la elipse depende del
ángulo t que establece las direcciones de los ejes ortogonales auxiliares U-V a lo
largo de los cuales yacen los ejes de la elipse. Hay un número infinito de
diferentes formas de orientación de la elipse. Sin embargo, en agrimensura
normalmente nos interesa el sistema de ejes U-V que produce valores máximos y
mínimos para los ejes semimayores y semimenores de la elipse, respectivamente.
De los elementos de la matriz de covariación determinados el valor de t que
orienta la elipse a proporcionar los semiejes máximos y mínimos, además de
calculas los valores numéricos para esos semiejes.
Conforme a ala teoría del error, dependiendo del número de grados de libertad en
el problema del ajuste hay aproximadamente un 35 por ciento de probabilidad que
el punto ajustado yazca dentro de la elipse de error estándar. Esta elipse de error
estándar puede modificarse en dimensiones mediante el uso de valores
estadísticos “F” para representar una probabilidad de error de cualquier por ciento
seleccionado. Con frecuencia los agrimensores seleccionan la probabilidad del
95%, puesto que esto permite un alto nivel de confianza.
U i Yi cos t X i sent
Vi Yi sent X i cos t .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .(17 a )
En forma matricial las ecuaciones anteriores son:
Z = NX…………………………………………………………………………... (17c)
B. supóngase que como resultado del problema del ajuste en el cual aparece I,
hemos desarrollado una matriz de covariación Q XX para el sistema X-Y. Ahora el
problema es desarrollar de la matriz Q XX una nueva matriz de covariación Q ZZ
para
el sistema del eje UV.
Finalmente,
Q XX QYY QYY Q XX
QUU cos 2t Q XY sen 2t .......... .......... .......... .......... .......... .(17 g )
2 2
D. Con una manipulación similar, todos los elementos de la matriz QZZ pueden
representarse como: ecuación (17h)
Q XX QYY
QYY Q XX QYY Q XX sen 2t Q XY cos 2t
cos 2t Q XY sen 2t 2
2 2
QYY Q XX QYY Q XX
cos 2t Q XY sen 2t
2 2
Q Q
XX YY
sen 2t Q XY cos 2t
2
d (QUU ) QYY Q XX
0 ( 2)( sen 2t ) Q XY ( 2) cos 2t
d 2t 2
Reduciendo:
Signo algebraico de
Seno 2t Coseno 2t Cuadrante
+ + 1
+ - 2
- - 3
- + 4
QYY Q XX
Luego: cos 2t .......... .......... .......... .......... .......... .......... .......... ...(17 j )
K
2Q XY
Y de la ecuación ( 17i ) : sen 2t .......... .......... .......... .......... .......... ...(17 k )
K
QYY Q XX 2Q XY
cos 2 2t sen 2 2t ( )2 ( )2
K k
(QYY Q XX ) 2 ( 2Q XY ) 2
1
K2
Resolviendo para K:
Reduciendo:
QYY Q XX 1 (QYY Q XX ) 2
QUU 2(Q XY ) 2
2 K 2
QYY Q XX 1 K2
QUU
2 K 2
Finalmente:
1
QUU (QYY Q XX k )......... .......... .......... .......... .......... .......... .......... .......... .......... .(17 n )
2
La ecuación ( 17n) permite el cálculo fácil de un valor numérico, que al multiplicarlo
por s02 , da la variación a lo largo del eje U. La raíz cuadrada de la variación es el
eje semimayor para la elipse de error estándar.
Reduciendo:
QYY Q XX )
K (
cos 2t
Q Q XX
cos 2t ( YY )......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......( 17 p )
K
2Q XY
sen 2t .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... .......... ......( 17 q )
K
(QYY Q XX ) 2 4(Q XY ) 2
cos 2 2t sen 2 2t
K2
K (QYY Q XX ) 2 4(Q XY ) 2
1/ 2
QYY Q XX 1 (QYY Q XX ) 2 (Q XY ) 2
QVV 2
2 K 2
QYY Q XX 1 K2
QVV
2 K 2
Finalmente:
1
QVV (QYY Q XX K )......... .......... .......... .......... .......... .......... .......... .......... .......... ....(17 r )
2
La ecuación (17r) produce un valor numérico de QVV que cuando se multiplica por
s 2 da la variación a lo largo del eje V. La raíz cuadrada de esta variación es el
semieje menor de la elipse.
2Q XY sen 2t
(1) tan 2t
QYY Q XX cos 2t
1
(2) QUU (QYY Q XX K )
2
1
(3) QVV (QYY Q XX K )
2
Donde:
K (QYY QXX ) 2 4(QXY ) 2
1/ 2
La ecuación (1) da el ángulo t, que el eje U hace con el eje Y. La ecuación (2) da
el valor numérico para QUU que al multiplicarse por s 2 , da la variación a lo largo del
eje U. La raíz cuadrada de la variación es el semieje mayor para la elipse de error
estándar.
La ecuación (3) da el valor numérico para QVV que al multiplicarse por s 2 da la
variación a lo largo del eje V. la raíz cuadrada de esta variación da el semieje
menor de la elipse de error estándar.
1) s0 0 .020 pies
2) Las matrices de covariación (Q XX ) y X son:
dX 2
Q XX X= dX 3
dY2
dY3
C. La elipse de error para la estación Wls. (No. 2):
1)
2( 1.66 )
tan 2t 2.333 ;2t 293 º 40 ' ; t 146 º 50 '
2.634 1.199
2)
K ( 2.634 1.199 ) 2 4( 1.66 ) 2
1/ 2
K 2.059 11 .022 1 / 2 13 .08 3.617
3)
2.634 1.199 3.617
SU S 0 QUU 0.020 0.039 ft.
2
4)
2.634 1.199 3.617
SV S 0 QVV 0.020 0.007 ft.
2
5)
S X 0.020 1.199 0.022 ft.
6)
SY 0.020 29364 0.033 ft.
1)
2(0.460 )
tan 2t 0.270 ;2t 15 º 08 ' ; t 7 º 34 '
3.962 0.583
2)
K (3.962 0.583) 2 4(0.460) 2
1/ 2
12.26 3.502
3)
3.962 0.583 3.502
SU 0.020 0.040 ft.
2
4)
3.962 0.583 3.502
SV 0.020 0.014 ft.
2
5)
S X 0.020 0.583 0.015 ft.
6)
SY 0.020 3.962 0.040 ft.
La Fig. 17.3 muestra la figura para el ejemplo de trilateración de Art. 11.9, dibujada
a una escala de 1200 pies por pulgada. A fin de dibujar las elipses de error para
los puntos 2 y 3, primero se construye el rectángulo de error delineando los
valores de S X y S Y hacia alguna escala conveniente de elipse a lo largo de los
ejes de ajuste X y Y, respectivamente. Para este ejemplo, se seleccionó una
escala de elipse de 1” igual a 0.5pies. Luego se delinea el ángulo “t” al dextrorso
del eje Y positivo para construir los ejes U y V. Después se trazan los valores de
SU y S V a la escala de la elipse a lo largo de los ejes U y V respectivamente. La
elipse se dibuja de manera tal que SU es el semieje mayor. S V Es el semieje
menor y la elipse es tangente al rectángulo de error.
Escala de Fig.:1”=1200pies
Escala de elipse: 1”=0.5 pies
Fig. 17.3
Elipses de error estándar para el cuadrilátero trilaterado del Art. 11.9
dX Q XX Q XY 0.000553 0.000622
X= QB =
dY Q XY QYY 0.000622 0.000872
1)
2 ( 0 .000622 )
tan 2t
0 .000872 0 .00553
2t 75 .6 º
t 37 .8 º
K 0.001284
3)
0.000872 0.000553 0.001284
SU 1.76 0.064 ft.
2
4)
Fig. 17.4
Elipse de error estándar para el ejemplo de poligonal Art 13.4
Los cálculos del Art. 17.3 producen la “elipse de error estándar”. Tales elipses
pueden modificarse para producir elipses de error (EE) de cualquier intervalo de
confianza o por ciento de probabilidad, por ejemplo de 50%, del 90%, del 95% o
del 99%. En agrimensura la EE del 95% es la mayormente usada se usa la
estadística “F” a fin de modificar las EE estándar para obtener elipses de otras
probabilidades. La estadística “F” da razones/relaciones de variaciones para
variados grados de libertad, puesto que al aumentar los grados de libertad, se
espera que también aumente la precisión. Los modificadores de la estadística “F”
para las EE del 95% de confianza son:
SU 95 SUStd . ( 2 F )
SV 95 SVStd . ( 2 F ) ……………………………………………………. (17s)
S X 95 S XStd . ( 2 F )
SY 95 SYStd . ( 2 F )
17.5 Ejemplo del problema del cálculo de la elipse de error (EE) de 95%
La EE del 95% para el punto 2 del ejemplo de trilateración del Art. 11.9 se calcula
usando las (17s) como sigue:
Las Fig. 17.5 y 17.6 muestran las EE para dos redes diferentes. La Fig. 17.5
ilustra las EE de un levantamiento por trilateración de una red compuesta por 9
estaciones. El levantamiento incluye 19 observaciones de distancia y 5 grados de
libertad. La Fig. 17.6 muestra las EE de la misma red, más el levantamiento es por
triangulación y se compone de una línea base desde la estación Red hasta Bug,
involucrando 19 ángulos observados.
Respecto a esas dos Fig., y teniendo en cuenta que mientras más pequeña sea la
elipse más alta será la precisión, se hacen las siguientes observaciones
generales:
1. Las estaciones Sand y Birch en ambas figuras tienen las precisiones más altas.
Claro está que esto se esperaba, debido a su proximidad a la estación de
control Bug y por la densidad de observaciones hechas a esas estaciones.
2. El gran tamaño de las EE en las estaciones White, Baever, Bunker y Bee de la
Fig. 17.6 indica que estas estaciones tienen precisiones más bajas.
3. Las estaciones White y Schutt (Fig. 17.5) tienen precisiones relativamente
altas de este a oeste y precisiones relativamente bajas de norte-sur. El examen
de la red indica que esto era de esperar.
4. Las estaciones Beaver y Bunker (Fig. 17.5) y White (Fig. 17.6) tienen una
precisión relativamente baja este-oeste. Una vez más el examen de de las
redes indican que esto se esperaba.
5. La estación Bunker (Fig. 17.69) tiene una precisión uniforme total en todas las
direcciones según se ilustra por la casi forma circular de sus EE.
6. Las EE generalmente más pequeñas en la Fig. 17.5 indican que el
levantamiento por trilateración espera producir precisiones superiores al
levantamiento por triangulación de la Fig. 17.6.
Estos ejemplos sirven para ilustrar algunos de los valores de las EE de estación.
Tales observaciones se hicieron fácil y rápidamente mediante una comparación de
las EE. Esa misma información hubiera sido difícil, sino imposible, de averiguar
sólo con las desviaciones estándar en las direcciones X y Y.
Fig. 17.5
Fig. 17.6
18.1 Introducción:
Considérense los datos ilustrados en la Fig. 18.1. La línea recta mostrada puede
representarse por la ecuación siguiente:
y = Mx + B (18a)
Mxa + B = ya + vya
Mxb + B = yb + vyb
Mxc + B = yc + vyc
Mxd + B = yd + vyd
(18b)
xa 1 ya vy a
x 1 vy
M y b
A V
b
X L
b
xc 1 B y c vy c
xd 1 yd vy d
y =Ax2 + Bx + C (18 d)
AX a2 BX a2 C y a v a
AX b2 BX b2 C y b v b
AX c2 BX c2 C y c v c
AX d2 BX d2 C y d v d
AX e2 BX e2 C y e v e
(18e)
Las (18e) contienen 3 incógnitas. A, B y C. Este sistema redundante de
ecuaciones se representa en forma matricial como:
A5,3 * x3,1 L5,1 * V5,1
(18f)
donde:
x a2 xa 1 ya va
2 A y v
xb xb 1 b b
A x c2 1 X B L yc V vc
xc
2 C
xd xd 1 yd v d
x2 1 y e v e
e xe
D k1 r k 2 r 3 k 3 r 5 k 4 r 7
(18g)
20.072 0.004
40.855 0.18
63.155 0.047
88.034 0.062
116.995 0.035
152.472 -0.064
0.004 v 2 20 .072 k1 20 .072 k 2 20 .072 k 3 20 .072 k 4
3 5 7
0.018 v 3 40 .885 k1 40 .885 k 2 40 .885 k 3 40 .885 k 4
3 5 7
0.047 v 4 63 .155 k1 63 .155 k 2 63 .155 k 3 63 .155 k 4
3 5 7
0.062 v 5 88 .034 k1 88 .034 k 2 88 .034 k 3 88 .034 k 4
3 5 7
0.035 v 6 116 .995 k1 116 .995 k 2 116 .995 k 3 116 .995 k 4
3 5 7
0.064 v 7 152 .472 k1 152 .472 k 2 152 .472 k 3 152 .472 k 4
3 5 7
APÉNDICE A
LA CURVA DE DISTRIBUCIÓN NORMAL DEL ERROR
Una curva que se someta a las leyes anteriores, trazada con el tamaño del error
en la abscisa y la probabilidad de ocurrencia en la ordenada, aparecería como la
Fig. 4.2. Tal curva repítese en la Fig. 5.1 y se la llama la curva de distribución
normal, la curva normal de error, o sencillamente la curva de probabilidad. Se
obtendría una curva suave, uniforme, de esta misma forma, si para un enorme
grupo de mediciones se trazara un histograma con un intervalo de clase
infinitamente pequeño.
1 f ( x ) dx
2
1 f ( x ) dx ydx
(Ab)
Supongamos que hemos medido una cantidad M que es igual a alguna función de
n parámetros desconocidos z1 , z2,...., Zn para que M = f(z1, z2….zn). Deje
también que x1. x2,...., xn sean los errores de observaciones m1 , M2, ...., Mm y
deje que f(x1) dx1 , f(x2) dx2, ….f(xm) dxm sean las probabilidades de los errores
cayendo dentro funciones gamas de (x1 y x1 + dx1) , (x2 y x2 + dx2), etc. Por la
ecuación (4c) la probabilidad P de 1a ocurrencia simultánea de todos estos errores
es igual al producto de las probabilidades individuales, por ende:
P f ( x1 ) dx 1 f ( x 2 ) dx 2 .......... ..... f ( x m ) dx m
Log P = log f(x1) + log f(x2) +....+ log f(xm) log dx1 + log dx2 + .... + log dxm
(ac)
1 P 1 df ( x1 ) dx 1 1 df ( x 2 ) dx 2 1 df ( x m ) dx m
....... 0
p Z 1 f ( x1 ) dx 1 dz 1 f ( x 2 ) dx 2 dz 1 f ( x m ) dx m dz 1
1 P 1 df ( x1 ) dx 1 1 df ( x 2 ) dx 2 1 df ( x m ) dx m
....... 0
p Z 2 f ( x1 ) dx 1 dz 2 f ( x 2 ) dx 2 dz 2 f ( x m ) dx m dz 2
.
.
.
1 P 1 df ( x1 ) dx 1 1 df ( x 2 ) dx 2 1 df ( x m ) dx m
....... 0
p Z n f ( x1 ) dx 1 dz n f ( x 2 ) dx 2 dz n f ( x m ) dx m dz n
df ( x )
f `( x )
dx (Ae)
x1 z * M 1 ; x 2 z * M 2 ;......... ; x m z * M m
(Ag)
Luego para este caso especial, sustituyendo (Ag) y (Ah) en las ecuaciones (Af), se
reducen a una sola ecuación:
f `( z * M 1 ) f `( z * M 2 ) f `( z * M m )
......... 0
f ( z * M 1 ) f ( z * M 2 ) f ( z * M m )
(Ai)
Y la ecuación (Ai) para este caso especial es también general para cualquier valor
de m y para cualesquier valores observados m1, M2,...., Mm. Por tanto, digamos
que los valores de M son:
M 2 M 3 ....... M m M 1 M n
donde N se escoge por conveniencia como
M1 M 2
N
m
La media aritmética es el valor más probable para este caso de una sola cantidad
que ha sido observada varias veces; por tanto, f el valor más probable en este
caso es:
z* ( M 1 M 2 ......... M m ) / m
z* M 1 ( m 1)( M 1 mN ) / m
z* M 1 mN N
z* M 1 N ( m 1)
z * M 1 N ( m 1) N (1 m )
(Aj)
M1 M 2
N
Recuerde que m de lo cual M1=mN + M2
Sustituyendo en (5j)
z * ( mN m 2 ) N (1 m )
z * M 2 N
M1 M 3 M1 M 4
N ....... etc.
Similarmente, puesto que m m
z * M 3 N
z * M 4 N
etc .
f `N (1 m ) ( m 1) f `( N )
0
f N (1 m ) f (N ) (Ak)
reordenando lo anterior:
f `N (1 m ) f `( N )
Nf (1 m ) (1 m ) f (N )N
De lo cual
df ( x )
k dx
f ( x)
(Am)
Integrando (Am)
1
log e f ( x ) c1
2 kx 2
2 pero deje ec1 = c
f ( x ) e c1 e kx /2
luego:
2
f ( x ) Ce kx /2
(An)
En (An), ya que f(x) disminuye mientras que x aumenta, luego K/2 debe ser
negativo. Cambiando arbitrariamente esta constante 1/2K a –h2, resulta:
f ( x ) Ce h
2 2
x
(Ap)
Ce
h2 x2
1 dx
C / h e t dt 1
2
h
e h
2 2
y x
(Ar)
Rainsford.
APÉNDICE B
Programa general para el ajuste de minimos cuadrados mediante
ecuaciones de observacion
Además de calcular los valores más probables para las incógnitas, el programa
dirige la computadora a resolver para los residuales, la desviación estándar del
peso unitario y las desviaciones estándar estimadas de las cantidades ajustadas.
El croquis siguiente indica la manera de preparar las tarjetas para la lectura de los
datos de entrada en la computadora:
Fig. B.1
B.4 Salida
El Art. 9.5 brinda ejemplos resultantes de la salida de computadora de este
programa. Esta salida es para los ejemplos de la red de nivel "no ponderada'' y
"ponderada" en los Arts. 9.2 y 9.4, respectivamente. Los datos en la salida se
identifican en las hojas/copias impresas que son auto explicativas. Se da otro
ejemplo en el Art. 13.4 que es para el ajuste de una poligonal por a1 método de la
ecuación de observación.
En las páginas siguientes se ofrece el listado del programa. La última página del
mismo se compone de los datos de entrada para los problemas en los Art. 9.2, 9.4
y 13.4. Dichos listados de entrada deben estudiarse con cuidado junto con los Art.
B.2 y B.3 para asegurarse de ingresar correctamente tos datos en la computadora
al usar este programa
7 3
1. 0. 0.
1. 0. 0.
1. 0. 1.
1. 0. 1.
1. -1. 0.
1. 1. 0.
1. 1. -1.
1. 1.0 10 10 0. 10 -
5, 6, 6, 68 4, 1.
1.6 25 13 50 70
1.
1. 1.
1. 1.
1. 1.
1.0 1.
5,1
0
1. 1. 1.
.
EJEMPLO RED DE NIVEL PONDERADA, COMPUTOS DE AJUSTE DE
WOLF
7 3
1 0. 0.
.
1 0. 0.
.
1 0. 1.
.
1 0. -1.
.
1 1. 0.
.
1 1. 0.
.
1 -1. 1.
.
1 - 10 - - 10 1.7
. 1.0 6, 10 0.6 4, 0
5, 25 6, 8 50
1.6 13
1 6.
.
6.
6.
6.
6.
6.
5 2
.866 0.500
10.498 -0.865
515.7 893.1
2299.8 1920.3
2784.2 1027.2
0.0 0.19 -3.0 249.0 192.0
1. -1.
10.0 156.0
0.001
0.001
APÉNDICE C
PROGRAMA PARA EL AJUSTE POR MÍNIMOS CUADRADOS DE
REDES DE
TRILATERACION
Conociendo los correctos datos de entrada según los Arts. C.3 y C.4, este
programa dirige la computadora a resolver las aproximaciones iniciales para las
coordenadas de estación desconocidas. Luego procede a formular las matrices A
y L de 1a ecuación (9g). Sin embargo, la matriz de peso debe leerse en la
computadora.
Fig. C.1
E1 juego final de tarjetas contiene los pesos de las líneas medidas. El nombre de
la variable es P. Cada tarjeta puede contener hasta 8 pesos perforados en campos
de 10.
2
EJEMPLO CUADRILATERO
TRILATERADO
2 5 2
BADGER
WIS
CAMPUS
BUCKY
10000,000 10000,000 5780,000 80. 0. 0.
4 11820,756 6881,222
3616,000 82. 0. 0.
5870,302 1 2 1
7297,588 1 3 1
3616,434 2 3 0
5742,878 2 4 2
5123,760 3 4 2
1. 1. 1. 1. 1.
EJEMPLO DE
TRILATERACIÓN
5 17 4
LOU
PAUL
RAM
TAM
JIM
BILL
PAT
JOHN
TIM
833766,690 454925,95 16353. 26. 30. 00.
7830040,4 467467,97
8886672,11 473334,4
9887981,21 453589,28
10993. 11. 30. 00.
34955. 120. 00. 00.
144.69. -170 -15 0
22939. 43. 00. 00.
30319,17 2 6 0
34954,73 3 4 0
31376,2 2 4 0
45986,22 2 8 2
10992,63 2 3 0
16,353,41 1 2 1
39446,64 4 8 2
17445,22 6 8 2
29712,49 4 9 2
37437,93 7 4 1
35162,5 4 6 0
35162,49 6 4 0
43007,65 1 6 1
41305,83 6 7 2
14468,7 4 5 0
19896,23 2 5 0
22939,17 6 5 0
1. 1. 1. 1. 1. 1. 1. 1.
1. 1. 1. 1. 1. 1. 1. 1.
APENDICE D
PROGRAMA PARA EL AJUSTE POR MINIMOS CUADRADOS
DE UN CUADRILATERO TRIANGULADO
A fin de que este programa sea general para todos los cuadriláteros, el ajuste se
realizará en un sistema giratorio de eje provisional X-Y. El eje Y se coloca de
manera tal que corte a través de los ángulos 4 y 8 según muestra la Fig. 12.4.
Esto hace que tales ángulos concuerden con los casos (g) y (h) respectivamente,
de la Fig. 12.1. Esto es conveniente para permitir a la computadora que forme la
matriz L sin importar la orientación del cuadrilátero. Después de terminar el ajuste,
las coordenadas ajustadas se vuelven a girar a través del ángulo (360º-a) al
sistema del eje N-E. La formula de rotación para la rotación inicial a través de a, y
la rotación final a través de (360º-a) son las ecuaciones (16e). Se obtiene mejor el
valor del ángulo trazando el cuadrilátero a escala, dibujando el eje provisional Y, y
desmultiplicando su valor con un transportador. Sólo se necesita darlo al grado
más cercano.
El siguiente croquis indica la manera de preparar las tarjetas para la lectura de los
datos de entrada en la computadora:
Fig. D.1
D.5 listado del programa
1
EJEMPLO DE TYRIANGULACIÓN, CALCULOS DE AJUSTE DE
WOLF
8 4
8448,9 4270.33 4568.75 7610.58
0.
42. 35. 29. 87. 35. 10.6 79. 54.
42.1 18. 28. 22.4 21. 29. 23.9 39.
1. 35.4 31. 20. 45.8 39. 34. 27.9
1. 1. 1. 1. 1. 1. 1. 1.
APENDICE E
PROGRAMA PARA EL AJUSTE DE MINIMOS CUADRADOS POR
ECUACIONES DE CONDICION
El croquis siguiente indica la manera de preparar las tarjetas para la lectura de los
dato de entrada en la computadora:
Fig. E.1
E.4 Salida
Las siguientes páginas contienen listados del programa y de los datos de entrad
para los problemas de Arts. 14.5, 14.6, 14.7 y 15.4.4.
APENDICE F
PROGRAMA PARA LA TRANSFORMACIÓN CONFORME DE COORDENADAS
BIDIMENSIONALES
Para usar el programa, es necesario ingresar las coordenadas de todos los puntos
de control en el sistema de coordenadas de control, las coordenadas medidas de
todos los puntos de control y de todos los otros puntos a transformarse. La
computadora forma las matrices A y L, y dirige la solución por mínimos cuadrados.
Se suponen pesos iguales en la solución.
El croquis siguiente indica la manera de preparar las tarjetas para la lectura de los
datos de entrada en la computadora:
Fig. F.1
F.4 Salida
El Art. 16.4 da un ejemplo de la salida de computadora resultante de este
programa. Los datos listados incluyen las coordenadas de todos los puntos de
control usados, las coordenadas medidas de todos los puntos en el otro sistema,
las coordenadas transformadas de todos los puntos y 1os valores de 1os
parámetros de transformación, i.e., 1os valores de a, b, c y d de las ecuaciones
(16e). Esta información se identifica en e1 listado de salida, siendo autoexplicativa.
Las páginas siguientes contienen 1os listados del programa de computadora y los
datos de entrada para e1 problema del Art. 16.4.
C
C TRANSFORMACIÓN CONFORME DE COORDENDAS
C
C PROGRAMMED BY PAUL R. WOLF, PH.D.
C
C LENGUAJE DEL PROGRAMA FORTRAN
C
C ESTE PROGRAMA DESMULTIPLICA, GIRA Y TRANSLADA LAS
C COORDENADS DE PUNTOS DE UN SISTEMA ABITRARIO DE
C COORDENADAS BIDIMENSIONALES EN UN SISTEMA ABSOLUTO DE
C COORDENADAS BIDIMENSIONALES. SE PUEDEN USAR 2 A 10
C PUNTOS DE CONTROL, Y SI SE USAN MAS DE 2 EL PROCEDIMIENTO
C COMPUTACIONAL ES PRO MÍNIMOS CUADRADOS.
C
C NOMBRES DE LAS VARIABLES DEL PROGRAMA DE ENTRADA
C NP = NÚMERO TOTAL DE PUNTYOSEN TRANSFORMACIÓN
C INCLUYENDO CONTROL
C NCON = NÚMERO DE PUNTOS DE CONTROL EN USO
C PYQ = NÚMERO S O NOMBRES DE ESTACIÓN
C XCON = COORDENADAS X DE PUNTOS DE CONTROL
C YCON = COORDENADAS Y DE PUNTOS DE CONTROL
C XMEAS = COORDENADAS X DE PUNTOS EN EL SISTEMA
C ARBITRARIO
C YMEAS = COORDENADAS Y DE PUNTOS EN EL SISTEMA
C ARBITRARIO
C
DOUBLE PRECISION XCON(10),YCON(10),XMEAS(50),YMEAS(50)
DOUBLE PRECISION A(20,4),AT(4,20),EL(20,1),ATL(4,1),ATA(4,4)
DOUBLE PRECISION X(4,1),XGRO(50),TITLE(16)
MMAX=20
NMAX=4
PRINT 77
77 FORMAT(1H1)
READ 32,TITLE
PRINT 32,TITLE
READ 1,NP,NCON
READ 2,(P(I),Q(I),XCON(I),YCON(I),I=1,NCON)
PRINT 20
PRINT 6,(P(I),Q(I),XCON(I),YCON(I),I=1,NCON)
READ 7,(P(I),Q(I),XMEAS(I),YMEAS(I),I=1,NP)
PRINT 21
PRINT 8,(P(I),Q(I),XMEAS(I),YMEAS(I),I=1,NP)
C
C FORMAR LAS MATRICES
C
DO 3 I=1,NCON
A(I,1)=1.
A(I,2)=XMEAS(I)
A(I,3)= YMEAS(I)
A(I,4)=0.
3 EL(I,1)=XCON(I)
J=NCON+1
K=2*NCON
DO 4 I=J,K
II=I=NCON
A(I,1)=0.
A(I,2)=YMEAS(II)
A(I,3)=XMEAS(II)
A(I,4)=1.
4 EL(I,1)=YCON(II)
C
C RESOLVER EL ALGORITMO DE MINIMOS CUADRADOS
C
CALL MATR (A,AT,K,4,MMAX,NMAX)
CALL MATM (AT,A,ATA,4,K,4,NMAX,MMAX,NMAX)
ATA(3,2)=0.
ATA(2,3)=0.
CALL MATM (AT,EL,ATL,4,K,1,NMAX,MMAX,1)
CALL MATI (ATA,4,NMAX)
CALL MATM (ATA,ATL,X,4,4,1,NMAX,MMAX,1)
DO 5 I=1,NP
XGRO(I)=X(1,1)+X(2,1)*XMEAS(I)=X(3,1)*YMEAS(I)
5 YGRO(I)=X(2,1)*YMEAS(I)+X(3,1)*XMEAS(I)+X(4,1)
C
C IMPRIMIR LOS RESULTADOS
C
PRINT 22
PRINT 6,(P(I),Q(I),XGRO(I),YDGRO(I),I=1,NP)
PRINT 31,(X(I,1),I=1,4)
1 FORMAT(2I2)
2 FORMAT(2A5,2F20,3)
6 FORMAT(2A5,2F20,3)
7 FORMAT(2A5,2F10,3)
8 FORMAT(2A5,2F20,3)
20 FORMAT(18X,14HCONTROL POINTS,//,2X,5HPOINT,16X,7HEASTING,
12X,8HNOR1THING)
21 FORMAT(//,15X,20HMEASURED COORDINATES,//,2X,5HPOINT,16X,
7HX=COORD,112X,7HY=COORD)
22 FORMAT(/,6X,40HTRANSFORMED GROUND COORDINATES OF
POINTS,//,2X,5HPO1INT,16X,7HEASTING,12X,8HNORTHING)
30 FORMAT(4E20,7)
31 FORMAT(//,21H TRANSFORMATION EQNS.,//,37H XGROUND = A1 +
A2(XMEAS)=A3(YMEAS),//,37H YGROUND=A4+A3(XMEA S)+
A2(YMEAS),//,6H WHE2RE,2X,3HAI=,F10,2,2X,3HA2=,F10,5,2X,
3HA3=,F10,5,2X,3HA4=,F10,2)
32 FORMAT(16A5)
PRINT 77
STOP
END
SUBROUTINE MATI (QXX,N,XMAX)
C
C LA MATRIZ QXX SE INVIERTE Y LA INVERSA REEMPLAZA QXX EN EL
C ALMACENAMIENTO
C LA INVERSA RETIEN EL NOMBRE DE ORDENAMIENTO QXX. QXX ES
C UNA MATRIZ CUADRADA DE DIMENSIONES (N,N)
DOUBLE PRECISION QXX(NMAX,NMAX)
DO 307 K=1,N
DO 302 J=1,N
IF(J=K) 304,302,304
304 QXX(K,F)=QXX(K,J)/QXX(K,K)
302 CONTINUE
QXX(K,K)=1./QXX(K,K)
DO 307 I=1,N
IF(I=K) 305,307,305
305 DO 303 J=1,N
IF(J=K) 306,303,306
306 QXX(I,J)=QXX(I,J)-QXX(I,K)*QXX(K,J)
303 CONTINUE
QXX(I,K)=-QXX(I,K*QXX(K,K))
307 CONTINUE
RETURN
END
SUBROUTINE MATR (A,AT,M,N,NMAX,NMAX)
C A=MATRIZ ORIGINAL, AT=MATRIZ TRANSPUESTA
C M=NÚMERO DE FILAS EN A, N = NÚMERO DE COLUMNAS EN A
DOUBLE PRECISION A(MMAX,NMAX),AT(NMAX,MMAX)
DO 10 I=1,M
DO 10 J=1,N
AT(J,I)=A(I,J)
10 CONTINUE
RETURN
END
SUBROUTINE MATM (A,B,C,M,N,L,MMAX,NMAX,LMAX)
C A= PRIMERA MATRIZ DE DIMENMSIONES (M,N)
C B= PRIMERA MATRIZ DE DIMENMSIONES (N,L)
C C= PRODUCTO DE A VECES B
DOUBLE PRECISION A(MMAX,NMAX),B(NMAX,LMAX),C(MMAX,LMAX)
DO 100 I=1,M
DO 100 H=1,L
C(I,K)=0
DO 100 J=1,N
C(I,K)=C(I,K)+A(I,J)*B(J,K)
100 CONTINUE
RETURN
END
EJEMPLO DEL PROBLEMA, COMPUTOS DE AJUSTE DE
WOLF
8 3
A 1049422,4 51089,2
B 1049413,95 49659,3
C 1049244,95 49884,95
A 121,622 -128,066
B 141,228 187,718
C 175,802 135,728
1 174,148 -120,262
2 513,52 -192,130
3 754,444 -67,706
4 972,788 120,994
5 1068,118 161,624
REFERENCIAS
Barry, B.A., Engineering Measurements, John Wiley & sons. New York, 1964.
Benjamin, J.R. and C.A. Cornell, Probability, Statistics and Decision for Engineers,
McGraw-Hill Book Co., Inc., New York, 1970.
Brinker, R.C. and P.R. Half, Elementary Surveying , 6th Ed., Harper and Row
Publishing Co., Inc., New York, 1977.
Cooper, M.A.R. Fundamentals of Survey Measurement and Analysis, Crosby,
Lockwood, Staples, London, 1973.
Deming, W.E. Statistical Adjustment of Data. Dover Publications, Inc., New York,
1943.
Hamilton, W.C., Statistics in Physical Science, the Ronald Press Co., New York,
1964.
Moffitt, F.H. and H. Bouchard, Surveying, 6th Ed., Harper and Row Publishing
Co., Inc., New York, 1975.
Rainsford, H.F. Survey Adjustments and Least Squares, Constable and Co., Ltd.,
London, 1957.
Richardus, P., project Surveying, North Holland Publishing Co., Amsterdam John
Wiley & Sons, Inc.., New York, 1966.
Snedecor, G.W. and W.C. Cochran, Statistical Methods, Iowa State Univ. Press,
Ames, Iowa, 1973.
Wolf, P.R., Elements of Photogrammetry, McGraw-Hill Book Co., Inc., New York,
1974.
Aguilar, A.M, “Principles of Survey Error- Analysis and Adjustment," Journal of the
the surveying and Mapping Division, ASCE, Vol. 99, No. SU1 Sept., 1973.
Gale, L.A., “Theory of Adjustments by Least Squares," Canadian Surveyor, Vol. IX,
No. 1, Mar., 1965.
Madkour, M.F., “Non-linear Least Squares Algorithm," journal of the Surveying and
Mapping Division, ASCE, Vol. 98. No. SU2, Nov., 1972.
Pinch, M.C and A.E. Peterson, "A Methods for Adjusting Survey Networks," in
sections,” Canadian Surveyor, Vol, 28, No. 1, Mar., 1974.
E. Schmid, "A Generalized Least Squares Solution for hybrid Measuring Systems,"
Canadian Surveyor, Vol. IX, No. 1, Mar., 1965
Stoughton, H.A., "An Algorithm to Adjust a Quadrilateral," Surveying and Mapping.
Vol.XXXVII. No. 3, Sept., 1977.
Uotila, U.A., "Useful Statistics for Land Surveyors ," Surveying and Mapping, Vol.
XXXIII, No. 1, Mar., 1973.
Witson, P., "The Solution of Linear Equation Systems," Canadian Surveyor, Vol.
IX, No. 1, Mar., 1965.
Wolf, P.R., "Horizontal Position Adjustment," Surveying and Mapping^ Vol. XXIX,
No. 4, Dec., 1969.
Wolf, P.P., “Matrix Algebra – A tool for engineers and Surveyors,” Surveying and
Mapping, Vol. XXX, No. 3, Sept.1970
Wolf, P.R. and S.D. Johnson, “Trilateration with Short Range EDM Equipment and
Comparison with Triangulation,” Surveying and Mapping, Vol. XXXIV, No.4
Dec., 1974