Universidad Nacional de Tucumán

APELLIDO Y NOMBRE: Yapura, Camila Paola.

CARRERA: Ingeniería Geodésica y Geofísica.

TEORIA DE ERRORES Y COMPENSACION (TEyC)

2021

Carreras: Ingeniería Geodésica y Geofísica.

Ingeniería en Agrimensura.

Profesor Asociado: Dr. Ing. José Luis Vacaflor

TRABAJO PRACTICO Nro.4

Compensar las redes de nivelación geométricas I y II. En ambos casos:

1) Obtener la solución por mínimos cuadrados (LESS) utilizando el modelo de Gauss-Markov.
Calcular:
a) Los parámetros compensados.
b) Los errores residuales.
c) Las observaciones compensadas.
d) Las matrices de varianzas-covarianzas correspondiente en a), b) y c)
e) Verificar los resultados obtenidos.

RED DE NIVELACION GEOMETRICA I OBSERVACIONES

(Desniveles)

Avda. Independencia 1800 - C.P. 4000 - Tucumán (Rep. Argentina) -  +54 381 436-4093 - Fax +54 381 436-4157
 Universidad Nacional de Tucumán

RED DE NIVELACION GEOMETRICA II OBSERVACIONES

(Desniveles)

Avda. Independencia 1800 - C.P. 4000 - Tucumán (Rep. Argentina) -  +54 381 436-4093 - Fax +54 381 436-4157
 Universidad Nacional de Tucumán

MATERIAL COMPLEMENTARIO
Trabajo Práctico N°4

La Figura 1 muestra una red de nivelación con las observaciones de los desniveles 𝒍𝒐𝒃𝒔
𝒊 dados en la Tabla
1. Asumir que todas las observaciones tienen la misma desviación estándar 𝝈𝒍𝒐𝒃𝒔 y los puntos P1 y P5
𝒊
están fijos con elevaciones conocidas. Obtener la solución por mínimos cuadrados (LESS) utilizando el
Modelo de Gauss-Markov. Calcular:

a) Los parámetros compensados.

b) Los errores residuales.
c) Las observaciones compensadas.

Figura 1 Red de nivelación Tabla 1 Observaciones

Observaciones(Desniveles)
𝒍𝒐𝒃𝒔
𝟏 1.34 m
𝒍𝒐𝒃𝒔
𝟐 -5.00 m
𝒍𝒐𝒃𝒔
𝟑 -2.25 m
𝒍𝒐𝒃𝒔
𝟒 -3.68 m
𝒍𝒐𝒃𝒔
𝟓
5.10 m
𝒍𝒐𝒃𝒔
𝟔 2.70 m
𝒍𝒐𝒃𝒔
𝟕 -4.13 m
𝝈𝒍𝒐𝒃𝒔 = 𝟎. 𝟎𝟓 𝒎 , 𝒊 = 𝟏 … 𝟕
𝒊
𝐻1 = 107.50 𝑚
ALTURAS FIJAS
𝐻5 = 101.00 𝑚

(Ogundare, (2019) pág. 212)

Avda. Independencia 1800 - C.P. 4000 - Tucumán (Rep. Argentina) -  +54 381 436-4093 - Fax +54 381 436-4157
 Universidad Nacional de Tucumán

Tenemos:

 n=n° de observaciones=7
 m=n° de incógnitas=3
 n>m→ Superabundancia

Usaremos el Modelo de Gauss-Markov (modelo paramétrico), el cual es lineal o linealizado de Rango

Completo, con matriz de Peso Positiva y definida, cuyo modelo matemático está definido por:

𝑦~(𝐸{𝑦} = 𝐴. 𝜁; 𝐷{𝑦} = 𝜎0 2 . 𝑃−1 = 𝜎0 2 . 𝑄)

𝒚 ≠ 𝑨. 𝜻; 𝒀 ∉ 𝐑(𝐀), 𝐑(𝐀) = {𝒚: 𝒚 = 𝑨. 𝜻, 𝒚 ∈ ℝ𝒏 }

Introducimos entonces una nueva variable que complete estos errores que nos permita adoptar el
modelo matemático a la realidad.

𝑒 = 𝑦 − 𝐸{𝑦} 𝑑𝑜𝑛𝑑𝑒 𝑒~(𝐸{𝑒} = 0; 𝐷{𝑒} = 𝐷{𝑦} = 𝜎0 2 . 𝑃−1 )

𝑒 = 𝑦 − 𝐴. 𝜁 → 𝑦 − 𝑒 = 𝐴. 𝜁 𝒇𝒐𝒓𝒎𝒖𝒍𝒂𝒄𝒊ó𝒏 𝒂𝒍𝒕𝒆𝒓𝒏𝒂𝒕𝒊𝒗𝒂 𝒅𝒆𝒍 𝒎𝒐𝒅𝒆𝒍𝒐 𝒅𝒆 𝑮𝒂𝒖𝒔𝒔 − 𝑴𝒂𝒓𝒌𝒐𝒗

ECUACIONES DE OBSERVACIÓN:
𝜕𝑙1 𝜕𝑙1 𝜕𝑙1
𝑙1 = 𝐻1 − 𝐻2 = (𝑙1𝑜𝑏𝑠 − 𝑙10 ) − 𝑒𝑙𝑜𝑏𝑠 = + +
1 𝜕𝐻2 𝜕𝐻3 𝜕𝐻4
𝜕𝑙2 𝜕𝑙2 𝜕𝑙2
𝑙2 = 𝐻3 − 𝐻1 = (𝑙2𝑜𝑏𝑠 − 𝑙20 ) − 𝑒𝑙𝑜𝑏𝑠 = + +
2 𝜕𝐻2 𝜕𝐻3 𝜕𝐻4
𝜕𝑙3 𝜕𝑙3 𝜕𝑙3
𝑙3 = 𝐻4 − 𝐻1 = (𝑙3𝑜𝑏𝑠 − 𝑙30 ) − 𝑒𝑙𝑜𝑏𝑠 = + +
3 𝜕𝐻2 𝜕𝐻3 𝜕𝐻4
𝜕𝑙4 𝜕𝑙4 𝜕𝑙4
𝑙4 = 𝐻3 − 𝐻2 = (𝑙4𝑜𝑏𝑠 − 𝑙40 ) − 𝑒𝑙𝑜𝑏𝑠 = + +
4 𝜕𝐻2 𝜕𝐻3 𝜕𝐻4
𝜕𝑙5 𝜕𝑙5 𝜕𝑙5
𝑙5 = 𝐻2 − 𝐻5 = (𝑙5𝑜𝑏𝑠 − 𝑙50 ) − 𝑒𝑙𝑜𝑏𝑠 = + +
5 𝜕𝐻2 𝜕𝐻3 𝜕𝐻4
𝜕𝑙6 𝜕𝑙6 𝜕𝑙6
𝑙6 = 𝐻4 − 𝐻3 = (𝑙6𝑜𝑏𝑠 − 𝑙60 ) − 𝑒𝑙𝑜𝑏𝑠 = + +
6 𝜕𝐻2 𝜕𝐻3 𝜕𝐻4
𝜕𝑙7 𝜕𝑙7 𝜕𝑙7
𝑙7 = 𝐻5 − 𝐻4 = (𝑙7𝑜𝑏𝑠 − 𝑙70 ) − 𝑒𝑙𝑜𝑏𝑠 = + +
7 𝜕𝐻2 𝜕𝐻3 𝜕𝐻4

Avda. Independencia 1800 - C.P. 4000 - Tucumán (Rep. Argentina) -  +54 381 436-4093 - Fax +54 381 436-4157
 Universidad Nacional de Tucumán

Donde tenemos:
−1 0 0
0 1 0
0 0 1
 𝐴7𝑋3 = −1 1 0 → 𝑀𝑎𝑡𝑟𝑖𝑧 𝑑𝑒 𝑑𝑖𝑠𝑒ñ𝑜
1 0 0
0 −1 1
[0 0 −1]

𝑙1𝑜𝑏𝑠 − 𝑙10
0.0000
𝑙2𝑜𝑏𝑠 − 𝑙20
0.0000
𝑙3𝑜𝑏𝑠 − 𝑙30 0.0000
 𝑦7𝑋1 = 𝑙4𝑜𝑏𝑠 − 𝑙40 [𝑚] = −0.0200 [𝑚] → 𝑉𝑒𝑐𝑡𝑜𝑟 𝑑𝑒 𝑙𝑎𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝑙5𝑜𝑏𝑠 − 𝑙50 −0.0600
𝑜𝑏𝑠
𝑙6 − 𝑙6 0 −0.0500
[ 0.1200 ]
[𝑙7𝑜𝑏𝑠 − 𝑙70 ]

𝑑𝐻2
 𝔷3𝑋1 = [𝑑𝐻3 ] [𝑚] → 𝑉𝑒𝑐𝑡𝑜𝑟 𝑑𝑒 𝑙𝑜𝑠 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑖𝑛𝑐ó𝑔𝑛𝑖𝑡𝑎𝑠
𝑑𝐻4

𝑒𝑙𝑜𝑏𝑠
1
𝑒𝑙𝑜𝑏𝑠
2
𝑒𝑙𝑜𝑏𝑠
3
 𝑒7𝑋1 = 𝑒𝑙4𝑜𝑏𝑠 [𝑚] → 𝑉𝑒𝑐𝑡𝑜𝑟 𝑒𝑟𝑟𝑜𝑟
𝑒𝑙𝑜𝑏𝑠
5
𝑒𝑙𝑜𝑏𝑠
6
[𝑒𝑙𝑜𝑏𝑠 ]
7

Obtenemos la Matriz Peso como:

𝑃 = 𝜎02 𝐷{𝑌}−1 𝑠𝑢𝑝𝑜𝑛𝑒𝑚𝑜𝑠 𝑞𝑢𝑒 𝜎02 = 1

400 0 0 0 0 0 0
0 400 0 0 0 0 0
0 0 400 0 0 0 0
𝑃7𝑋7 = 0 0 0 400 0 0 0 [𝑚−2 ]
0 0 0 0 400 0 0
0 0 0 0 0 400 0
[ 0 0 0 0 0 0 400]

Avda. Independencia 1800 - C.P. 4000 - Tucumán (Rep. Argentina) -  +54 381 436-4093 - Fax +54 381 436-4157
 Universidad Nacional de Tucumán

Luego obtenemos las Matrices de las Ecuaciones Normales

𝑁3𝑋3 = 𝐴𝑇 𝑃𝐴 ∧ 𝐶3𝑋1 = 𝐴𝑇 𝑃 𝑦
1.2000 −0.4000 0
 𝑁3𝑋3 = [−0.4000 1.2000 −0.4000] ∗ 103 [𝑚−2 ]
0 −0.4000 1.2000

−16.0000
 𝐶3𝑋1 = [ 12.0000 ] [𝑚−1 ]
−68.000
Para obtener finalmente:

a) Los parámetros compensados

−0.0190
−1
𝔷̂
𝐿𝐸𝑆𝑆 = 𝑁 𝐶 = [ −0.0171] [𝑚]
−0.0624
b) Los errores residuales
−0.0190
0.0171
0.0624
𝑒̃
7𝑋1 = 𝑦 − 𝐴𝔷
̂ 𝐿𝐸𝑆𝑆 = −0.0219 [𝑚]
−0.0410
−0.0048
[ 0.0576 ]
c) Las observaciones compensadas
0.0190
−0.0171
−0.0624
𝑦̂7𝑋1 = 𝐴𝔷̂𝐿𝐸𝑆𝑆 = 0.0019 [𝑚]
−0.0190
−0.0452
[ 0.0624 ]
Observaciones corregidas:
1.3590
−5.0171
−2.3124
𝑦7𝑋1 = 𝑦 𝑜𝑏𝑠 − 𝑒̃ = −3.6581 [𝑚]
̅̅̅̅̅̅
5.1410
2.7048
[−4.1876]

Avda. Independencia 1800 - C.P. 4000 - Tucumán (Rep. Argentina) -  +54 381 436-4093 - Fax +54 381 436-4157
 Universidad Nacional de Tucumán

2. ADEMÁS, MODIFICAMOS EL VALOR DE UNA VARIABLE PARA ANALIZAR LOS RESULTADOS.

EN ESTE CASO SE ELIGIÓ MODIFICAR LA :

𝜎02 𝑝1 ⋯ 0
𝑝𝑖 = 2 , 𝑖 = 1 … 7 𝑑𝑜𝑛𝑑𝑒 𝑃 = [ ⋮ ⋱ ⋮]
𝜎𝑦𝑖 0 ⋯ 𝑝3
Decidimos duplicar dicha variable como también disminuirla a su mitad para observar resultados en
cuanto a aumento o disminución de la variable, es decir, modificamos la variable de un valor de 𝑝𝑖 =
400 (valor orginal) a los valores 𝑝𝑖 = 800 y 𝑝𝑖 = 200, observando solamente cambios en los resultados
de las Matrices N y C con respecto a los calculados anteriormente.

𝑝𝑖 = 800
2400 −800 0 −32.0000
𝑁3𝑋3 = [−800 2400 −800] ∗ 103 [𝑚−2 ] ; 𝐶3𝑋1 = [ 24.0000 ] [𝑚−1 ]
0 −800 2400 −136.000

𝑝𝑖 = 200
600 −200 0 −8.0000
𝑁3𝑋3 = [−200 600 −200] ∗ 103 [𝑚−2 ] ; 𝐶3𝑋1 = [ 6.0000 ] [𝑚−1 ]
0 −200 600 −34.000

Por último, se realizó una comparación de resultados entre el autor John Ogundare, los que
reproducimos y los obtenidos al modificar una variable. Dichos valores se pueden observar en la Tabla 2.

Avda. Independencia 1800 - C.P. 4000 - Tucumán (Rep. Argentina) -  +54 381 436-4093 - Fax +54 381 436-4157
 Universidad Nacional de Tucumán

Tabla 2 Comparación de resultados

VECTORES JOHN OGUNDARE VALORES REPRODUCIDOS VARIABLE MODIFICADA

PARÁMETROS
−0.019 −0.019𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟔 −0.019𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟔
COMPENSADOS
[−0.017] [−0.017𝟏𝟒𝟐𝟖𝟓𝟕𝟏𝟒𝟐𝟖𝟓𝟕] [−0.017𝟏𝟒𝟐𝟖𝟓𝟕𝟏𝟒𝟐𝟖𝟓𝟕]
𝖟̂
𝑳𝑬𝑺𝑺 [𝒎]
−0.062 −0.062𝟑𝟖𝟎𝟗𝟓𝟐𝟑𝟖𝟎𝟗𝟓𝟐 −0.062𝟑𝟖𝟎𝟗𝟓𝟐𝟑𝟖𝟎𝟗𝟓𝟐

−0.019 −0.019𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟗 −0.019𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟗

ERRORES 0.017 0.017𝟏𝟒𝟐𝟖𝟓𝟕𝟏𝟒𝟐𝟖𝟓𝟕 0.017𝟏𝟒𝟐𝟖𝟓𝟕𝟏𝟒𝟐𝟖𝟓𝟕
0.062 0.062𝟑𝟖𝟎𝟗𝟓𝟐𝟑𝟖𝟎𝟗𝟓𝟐 0.062𝟑𝟖𝟎𝟗𝟓𝟐𝟑𝟖𝟎𝟗𝟓𝟐
RESIDUALES
−0.022 −0.02𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟐 −0.02𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟐
−0.041 −0.04𝟎𝟗𝟓𝟐𝟑𝟖𝟎𝟗𝟓𝟐𝟑𝟖𝟏 −0.04𝟎𝟗𝟓𝟐𝟑𝟖𝟎𝟗𝟓𝟐𝟑𝟖𝟏
𝒆̃[𝒎]
𝟕𝑿𝟏 −0.005 −0.00𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟓 −0.00𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟓
[ 0.058 ] [ 0.05𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟖 ] [ 0.05𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟖 ]

1.359 1.35𝟗𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟗 1.35𝟗𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟗

OBSERVACIONES −5.017 −5.017𝟏𝟒𝟐𝟖𝟓𝟕𝟏𝟒𝟐𝟖𝟓𝟕 −5.017𝟏𝟒𝟐𝟖𝟓𝟕𝟏𝟒𝟐𝟖𝟓𝟕
−2.312 −2.312𝟑𝟖𝟎𝟗𝟓𝟐𝟑𝟖𝟎𝟗𝟓𝟐 −2.312𝟑𝟖𝟎𝟗𝟓𝟐𝟑𝟖𝟎𝟗𝟓𝟐
CORREGIDAS
−3.658 −3.658𝟎𝟗𝟓𝟐𝟑𝟖𝟎𝟗𝟓𝟐𝟑𝟖 −3.658𝟎𝟗𝟓𝟐𝟑𝟖𝟎𝟗𝟓𝟐𝟑𝟖
5.141 5.14𝟎𝟗𝟓𝟐𝟑𝟖𝟎𝟗𝟓𝟐𝟑𝟖𝟏 5.14𝟎𝟗𝟓𝟐𝟑𝟖𝟎𝟗𝟓𝟐𝟑𝟖𝟏
̅̅̅̅̅̅[𝒎]
𝒚𝟕𝑿𝟏
2.705 2.70𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟓 2.70𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟓
[−4.188] [−4.18𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟖] [−4.18𝟕𝟔𝟏𝟗𝟎𝟒𝟕𝟔𝟏𝟗𝟎𝟒𝟖]

 Realizando la comparación observamos mayores discrepancias con los resultados del Dr. John
Olusegun Ogundare. Esto puede deberse al arrastre de errores de redondeo, más bien tiene
que ver con la posición decimal en la que se truncó los resultados y en base a ella el redondeo
realizado. Para ser más específica puede observarse que el autor truncó los valores a las
diezmilésimas para redondearlos a las milésimas de metros.

 Al comparar los valores reproducidos con los valores reproducidos con una variable modificada
puede observarse que son exactamente los mismos en cuanto a la posición decimal que se
permite obtener en Matlab, ya que los cálculos fueron realizados con Matlab.
En cuanto a la coincidencia, si bien anteriormente se pudo observar que si modifico la variable
peso si se produce un cambio significativo en las Matrices N y C, pero no así en los vectores
obtenidos a partir de ella. Al realizar un análisis matemático esto es debido a que el factor de
aumento o disminución que se le aplica a la variable peso se cancela en la expresión para
obtener los parámetros compensados. Es decir:

Avda. Independencia 1800 - C.P. 4000 - Tucumán (Rep. Argentina) -  +54 381 436-4093 - Fax +54 381 436-4157
 Universidad Nacional de Tucumán

𝑁 = 𝐴𝑇 𝑷𝐴 ∧ 𝐶 = 𝐴𝑇 𝑷 𝑦

−1
𝐴𝑇 𝑷 𝑦
𝔷̂
𝐿𝐸𝑆𝑆 = 𝑁 𝐶 =
𝐴𝑇 𝑷 𝐴

Y en base a este vector calculado se obtienen los errores residuales y las observaciones
compensadas como:
7𝑋1 = 𝑦 − 𝐴𝖟̂
𝑒̃ 𝑳𝑬𝑺𝑺 ∧ ̂ 𝑦7𝑋1 = 𝐴𝖟̂ 𝑳𝑬𝑺𝑺

Claramente al no producirse cambios en 𝔷̂ 𝐿𝐸𝑆𝑆 tampoco se producen cambios los errores

residuales y las observaciones compensadas ya que "𝐴" es una matriz de coeficientes e "𝑦" es
un vector de observaciones, es decir, valores constantes.

Ogundare, John Olusegun. (2019). Understanding Least Squares Estimation and Geomatics Data
Analysis. [ed.] John Wiley and Sons. 1st edition. Hoboken : Wiley, (2019). pág. 720. ISBN:978-
1119501404.

Avda. Independencia 1800 - C.P. 4000 - Tucumán (Rep. Argentina) -  +54 381 436-4093 - Fax +54 381 436-4157