Ajustes mínimos

cuadrados por
nivelación
Topografía III

Integrantes Felipe Dinamarca

Damari Salina
Ruben Barahona
Javiera Parra
Introducción

En el presente tema se explicará los tipos de errores,las leyes

matemáticas de la probabilidad , sus condiciones , métodos de
cálculos y como eliminar errores.
Este método,tiene la ventaja de que se basa en la teoría matemática
de la probabilidad , es el más riguroso, de los procedimientos de
ajuste y también una manera de obtener ajustes de una medición a
un bajo costo.
Condición fundamental de los mínimos cuadrados

- ‘’ El método genera aquel conjunto único de residuos en un grupo de mediciones que tiene la probabilidad más alta de
ocurrir ‘’

Siendo v = valor del residuo

m = mediciones de igual peso

Método de la brújula v/s Método de mínimos cuadrados.
Condición fundamental de los mínimos cuadrados
Ecuación relación entre desviaciones estándar y pesos :

= es el peso de la i-ésima cantidad observada

= varianza de observación
Ajuste las tres mediciones de distancias igualmente
ponderadas tomadas (en pies) entre los puntos A, B y C
de la figura
Sean x e y las distancias desconocidas AB y BC, respectivamente.
La función se minimiza, forzando la condición de mínimos cuadrados, derivando parcialmente con respecto a
las incógnitas x e y. igualando a cero. Se obtienen las dos siguientes ecuaciones normales
Reduciendo las ecuaciones normales y resolviéndolas se obtiene
X= 190.43 pies e Y=203.19 pies. Los residuos se pueden calcular
ahora sustituyendo X e Y en las ecuaciones de observación
originales
MÉTODOS MATRICIALES EN EL AJUSTE POR MÍNIMOS CUADRADOS

En general, cualquier grupo de ecuaciones de observación puede representarse en forma matricial

como:

A = matriz de los coeficientes de las incógnitas

X = matriz de las incógnitas

L = matriz de las observaciones

V = la matriz de los residuos

En forma explícita, estas matrices son

Las ecuaciones normales que resultan de un conjunto de ecuaciones de observación

igualmente ponderadas están dadas en forma matricial por:

es la matriz de los coeficientes de la ecuación normal para las incógnitas.

Ecuación para la solución de mínimos cuadrados para observaciones igualmente
ponderadas. La matriz X consiste en los valores más probables de las incógnitas
x1 , x2 , x3 ,…, xn.

Para un sistema de observaciones ponderadas, la siguiente ecuación suministra

la matriz X:
Ecuaciones matriciales para precisiones de
cantidades ajustadas
Ecuación matricial de residuos ajustados

Desviación estándar del peso unitario de un ajuste

Desviación estándar de las cantidades individuales ajustadas

Ajuste por mínimos cuadrados de circuitos de nivelación

Al ajustar las redes de nivelación ,hablamos de la diferencia observada de

elevación en cada línea la que se va a tratar como una observación que contiene
un error aleatorio , estas se van a escribir en ecuaciones de observación donde se
relacionan las diferencias de elevación , medidas y sus errores residuales con las
elevaciones que aún no conocemos

Estos datos se pueden procesar en ecuaciones matriciales desarrolladas para

obtener valores ajustados de los puntos de control, y sus desviaciones estándar
 Ajustar la red de nivelación de la figura por
mínimos cuadrados ponderados y calcular las
precisiones de los bancos de nivel ajustados. En
la figura, las elevaciones de los bancos de nivel
(en metros) y las longitudes de las líneas (en
kilómetros) se muestran entre paréntesis. Las
diferencias de elevación observadas para las
líneas 1 a la 5 (dadas en orden) son 110.997 m,
9.169 m, 13.532 m, 14.858 m y 2.202 m. Las
flechas en las líneas en la figura indican la
dirección de la nivelación. Así, para la línea 1,
con una longitud de 2 km,

Red de nivelación para lo mismos cuadrados

1 - formamos las ecuaciones : elevación de la línea , erro residuale valores más
probables desconocidas

2- sustituimos los valores BN1`,BN2 ,BN3 Y BN,4 , ordenandolas en la

ecuación
3- Identificamos las matrices

4- se crea la matriz de peso “W” , es inversamente proporcional a los largo de

las líneas =W= 1/L
5-Ahora tenemos que resolver la matriz ponderadas para encontrar los valores mas probables “X”
 6-por último ya logramos obtener nuestros valores de las elevaciones ajustadas en A = 796,218
y B=799,742 ,ya teniendo estos necesitamos sacar los residuos mediantes la siguiente matriz

7-Ya obtenido necesitamos encontrar la suma de los residuos ponderados con la siguiente
fórmula para encontrar la desviación estándar de la red de nivelación
Por lo tanto:

8-Desviación estándar calculada para las elevaciones ajustadas de B y A

Propagación de errores
Como vimos en materia pasada la cuando se habló de propagación de errores era
en funciones con mediciones independientes , a diferencia con los ajuste por
mínimos cuadrados , donde las incógnitas ya no son dependientes y por lo tanto
los errores se propagan de la siguiente manera;

Matriz de Cofactores para las observaciones ajustadas :

Ejemplo

Calculemos las diferencias de elevación ajustadas y sus desviaciones estándar

encontramos nuestra matriz de cofactores

Conclusión