----------------------- Page 1----------------------CIDLIA MARIA PARREIRA DA COSTA FONTE AJUSTAMENTO DE OBSERVAES UTILIZANDO O MTODO DOS MNIMOS QUADRADOS UNIVERSIDADE

DE COIMBRA 1994 ----------------------- Page 2----------------------1.Introduo ....................................................................... ............................................... 1 1.1. Observaes e erros de observao ................................. ............................. 1 1.1.1. za ............... 1 1.1.2. ........................... 1 Erros associados ao processo de medio ......... Factores que caracterizam a medio de uma grande

2. Mtodo dos mnimos quadrados ................................................. ................................ 3 2.1. Modelo matemtico, funcional e estocstico ..................... .......................... 3 2.1.1. Modelo matemtico.............................. ........................................ 3 2.1.2. Modelo funcional ............................ ............................................. 3 2.1.3. Modelo estocstico............................. .......................................... 3 2.2. Finalidade do mtodo dos mnimos quadrados...................... ...................... 3 2.3. Princpio do mtodo dos mnimos quadrados ........................ ...................... 5 3. Tcnicas de aplicao do mtodo dos mnimos quadrados............................... .......... 6 3.1. ...... 7 3.1.1. Estabelecimento do modelo funcional: ........ ................................ 7 3.1.2. ................... 9 Deduo da forma linearizada do modelo funcional: Caso Geral de Ajustamento usando apenas equaes de condio........

3.1.3. ................. 12

Determinao das variveis do problema: v e .......

3.1.4. Clculo das matrizes cofactor.................. ................................... 15 3.2. Casos Particulares ......................................... ............................................. 18 3.2.1. Ajustamento utilizando equaes de observao ............. ............. 18 3.2.2. Ajustamento utilizando equaes de condio................ .............. 23 3.2.3. ............... 26 Apndice A - Conceitos necessrios.................................................. ............................. 40 Apndice B - Simbologia........................................................... ..................................... 42 Bibliografia ................................................................... .................................................. 44 ----------------------- Page 3----------------------1 1.INTRODUO 1.1. OBSERVAES E ERROS DE OBSERVAO 1.1.1. mples A medio contagem) Factores que caracterizam a medio de uma grandeza de uma qualquer quantidade (com excepo de uma si Aplicao das duas ltimas tcnicas de ajustamento ..

implica levar a cabo um certo nmero de procedimentos fsicos, tais como a preparao da medio (por exemplo a calibragem do instrumento a usar), a colocao do instrumento em posio de medio e a comparao da quantidade a medir com um padro. O valor resultante deste conjunto de procedimentos, expresso numa determinada unidade, representa a medio feita. A execuo de todas estas operaes leva ao aparecimento de erros, que podem ser de trs tipos. 1.1.2. Erros associados ao processo de medio

1.1.2.1. Os os ou

Erros acidentais so normalmente originados por engan

erros acidentais descuidos e

apresentam uma magnitude muito superior aos outros tipos de erros. Para que se possa fazer um ajustamento das observaes, utilizando, por exem plo, o mtodo dos mnimos quadrados, necessrio eliminar todos os erros acidentais existentes nas observaes, devendo-se a sua deteco e eliminao. 1.1.2.2. aco se repete nas mesmas circunstncias. So erros que, quando conhecidos, podem sempre ser expressos atravs de uma formulao matemtica. Tal como acontece o ajustamento de um com os erros acidentais, para se fazer Erros sistemticos usar procedimentos e mtodos que permitam

Os erros sistemticos repetem-se do mesmo modo sempre que uma determinada

conjunto de observaes tambm necessrio eliminar os erros sistemticos, o que implica que se tenha que conhecer antecipadamente ue pode ser por exemplo o a fonte de erro (q

observador, o instrumento usado, as condies fsicas de medio, etc). ----------------------- Page 4----------------------2 1.1.2.3. e que tm propriedades anlogas s propriedades estatsticas de uma amostragem. de Pode dizer-se que so observaes depois de erros e os erros existentes num grupo as ca Erros aleatrios

Os erros aleatrios so erros de pequena amplitude cuja origem desconhecida

detectados e eliminados os usas de erros sistemticos

acidentais,

identificadas

corrigidas as observaes da sua influncia. ao A existncia de erros processo fsico de aleatrios uma caracterstica inerente

medio, sendo portanto uma propriedade das observaes. Deste modo quando estamos perante o problema de medir determinada grand eza (uma distncia, um ngulo,...) podemos considerar que estatisticamente temos o seguinte p roblema: temos uma (fazer um varivel conjunto aleatria de e vamos recolher uma amostra

observaes). Os parmetros que definem a varivel aleatria, valor mdio e varincia, vonos dar respectivamente e estamos a medir e o valor uma a adoptar para a grandeza qu

indicao sobre a preciso com que as observaes foram feitas. O problema de ajustamento consiste assim ia custa da recolhida. em Em geral, virtude das quando se propriedades grandezas, para das observaes do atrs seu descritas, valor ou pa em determinar amostra os parmetros da varivel aleatr

fazem observaes de ra as utilizar no

determinao

clculo de outras quantidades, fazem-se mais observaes do que as estritamente necessr ias. As principais razes para a existncia de redundncia so: - permitir a deteco de erros grosseiros atravs da confirmao dos valores medi dos. - permitir fazer desejadas, atravs da execuo de um ajustamento. - permitir estimar a ordem de grandeza da preciso obtida para os valores ajustados. ----------------------- Page 5----------------------3 2. 2.1. MTODO DOS MNIMOS QUADRADOS MODELO MATEMTICO, FUNCIONAL E ESTOCSTICO 2.1.1. qual Modelo matemtico uma avaliao mais precisa das quantidades

Chama-se modelo matemtico as sistema terico ou conceito abstracto atravs do

se descreve uma situao Esta descrio no

fsica

ou

um

conjunto

de

acontecimentos.

necessariamente completa ou exaustiva. Como um modelo serve um propsito especfico, a sua formao pode variar largamente de um ponto de vista para outro. Deste modo, o m esmo sistema fsico pode ser descrito por mais do que um modelo. Um onceituais: modelo matemtico o modelo pode ser dividido em duas partes c

funcional e o modelo estocstico: 2.1.2. O modelo a geometria ou Modelo funcional funcional composto por relaes que descrevem

caractersticas fsicas do problema em questo. Exemplo 1: Para a determinao da rea de um terreno rectangular com lados a e b o modelo funcional A = ab. m Exemplo 2: Para ngulos , e o a determinao da forma de um tringulo co

modelo funcion l ser + + = 180. 2.1.3. Modelo estocstico estocstico composto elementos pelo conjunto envolvidos no de rel es que modelo fun

propried des cion l. O

est tstic s dos modelo por exemplo

estocstico indic l tiv s

qu lid de d s o serv es feit s ( s su s precises, re ind s v

ou solut s), indic riveis

se s o serv es esto correl cion d s ou no, indic

que so consider d s const ntes dur nte o in r. 2.2.

just mento e s que se pretendem determ

FINALIDADE DO MTODO DOS MNIMOS QUADRADOS

De cordo com o que foi dito no ponto 1.1.2., qu ndo se pretendem determ in r um ou vri s r ndez s norm lmente f zem-se m is o serv es do que s ----------------------- P e 6----------------------s estrit mente necessri

O descrevem

modelo s

4 p r determin r o pro lem tente temos vri s em questo. Devido super undnci

possi ilid des de o ter solues p r que podemos form r com mnimo necessrio p r resolver o pro lem em questo.

o pro lem , que sero t nt s qu nt s s com in es s o serv es, tom d s

em

nmero

Dest form elo funcion l, e

s o serv es l , l ,...,l 1 2 n

no so consistentes com o mod

um

conjunto funcion l.

de Est s

estim tiv s estim tiv s de correco

c d um d s uo (v ) de t l

o serv es i

um

qu ntid de

denomin d

form que: ^ l 2,...,n i i i v lores de vi que d ro ori em M s existem vrios conjunto de o serv es = l + v com i = 1,

just d s consistente com o modelo funcion l. EXEMPLO:

rmos

internos , e , teremos como modelo funcion l + + = 180 medidos no ent nto muito no sej 180, provvel

se uinte equ o:

que

som

dos

trs

n ulos

excede teremos

180 em 3''. P r

termos s o serv es consistentes com o modelo funcion l

devido ue

su

existnci som

de

erros

le trios

n s

medies.

Suponh mos

Se p r os seus

determin rmos trs n ulos

form

de

um

trin ulo

just d s) o tid s

que s tisf m dicion ndo

modelo

^ ^ ^ teremos que su stitui-l s por l 1, l 2,..., l n (o serv es

so ou resd

um

medi

ento

exis

que su stituir os v lores podemos o ter de vri s

o serv dos

por

v lores

just dos,

form s. Neste c so podemos por exemplo su tr ir tr ir 2'' um n ulo e 1'' rest ntes dois in lter dos. outro, ou ind

c d n ulo o serv do 1'', ou su um n ulo, deix ndo os

su tr ir os 3'' pen s

P r escolhermos o "melhor" conjunto de o serv es v lores m is provveis p r o

just d s (ou sej

s o serv es just d s) v mos utiliz r um critrio dicion l, que

critrio dos mnimos qu dr dos. ----------------------- P e 7----------------------5 2.3. PRINCPIO DO MTODO DOS MNIMOS QUADRADOS O critrio dos mnimos qu dr dos consiste em minimiz r t = v Wv , onde v o vector dos resduos associado s n observaes l , l ,...,l 1 2 n v1 v v n,1 v n e W a matriz dos pesos ada de ordem n. Para das observaes, que uma matriz quadr = 2

funo

observaes consideradas independentes (ou no correlacionadas) a matriz dos pesos tom a a forma: w1 w2 W = wn = 0 1/n2 2 1/ 2 1 1/22

que

os

endo w o pe o da ob ervao i, 02 a varincia de referncia (a varincia de uma ob erva i

com pe o unitrio) e i2 a varincia da ob ervao i. l,

a funo toma a forma: n = (w v 2 ) i i i=1

me ma preci o (Wi = 1) temo : n = (vi2 ) i=1 donde advm o nome do critrio. ^ A im, a ob ervae aju tada vo = l + v, endo l o

----------------------- Page 8----------------------6 3. TCNICAS DE APLICAO DO MTODO DOS

MNIMOS QUADRADOS

modo de definir o modelo funcional. O modelo funcional para re olver um determinado problema pode, como j foi dito,

er

e crito de vria

forma ,

podendo

inclui- e nele, para alm

da

u ando vria tcnica , que e di tinguem pelo tipo de elemento amento e

envolvido no aju t

mtodo do mnimo aju tamento

Ape ar conjunto de

de para um dado o quadrado

determinado gerar uma

vector da ob ervae

e v o vector do re duo que tornam mnima a funo .

modelo oluo

e um nica,

er o elemento

do vector

determinado po vel fazer

no ca o mai imple correlacionada tm a

em

que

ob ervae

Como no ca o de ob ervae

no correlacionada a matriz W uma matriz diagona

alm

de

erem

no

valore com o aju tamento. Uma vez e tabelecido o modelo funcional e e toc tico, o algoritmo do mt

chamada de equao de condio. Con equentemente qualquer problema de aju tamento de

e con tante .

ob ervae e o parmetro , denominada de: c) aju tamento unificado

----------------------- Page 9----------------------7 3.1. CASO GERAL DE AJUSTAMENTO USANDO APENAS EQUAES DE CONDIO

Ante antamento,

de iniciar nece rio

3.1.1.

E tabelecimento do modelo funcional: a fa e de aqui io do dado num lev

Aqui vamo

abordar apena o ca o de aju tamento com equae

rivei

de condio.

Pode- e ainda con iderar uma terceira tcnica, em que no e di tingem a

va

b) aju tamento com equae

de condio e equae con trangida ou re trie ;

a) aju tamento apena

com equae de condio;

Exi tem doi tipo

de tcnica de aju tamento:

ob ervae

ero chamada de equae

con trangida , e ero apena funo de parmetro

ob ervae uer

ter equae

de condio.

equae

que

no

con trangida ou re trie . Qualquer equao que contenha uma ou mai ob ervae

fazer uma equae

di tino

entre doi

tipo

de equae :

equae

de

condio er

inclure

mnimo quadrado

odo do

traduz- e por um conjunto de fune matemtica

ou equae . Vamo

podemo timativa

apena para o

conhecer eu

valore

aproximado ,

endo

obtida

denominada onhecido ,

de parmetro . de que

E te

parmetro

tm

partida

valore

varivei e con tante r no modelo o

numrica . A outra varivei que podem urgi de c

ob ervae ,

outra

e pecificar o modelo matemtico a con iderar. E te modelo con trudo utilizando um c erto

com n > n0, ento a redundncia r, ou nmero de grau de liberdade, dada por: r = n - n0 A como (1)

que e crever uma equao. problema

Con idere- e

ento

que

para

alm

de

ob ervae

tambm

incluir parmetro , particularmente quando ele

o varivei

com intere e. exi tem

problema u ando apena e er conveniente

ob ervae .

No

entanto

principalmente do tipo de e- e olucionar qualquer

problema

re olver. em

exi tncia arbitrria e

de parmetro depende

num

aju tamento Em

princpio, algun ca o

ainda do facto de e e tarem a con iderar apena varivei tro .

nmero depende

de

equae

que

nece rio

formular

para

ob ervada ou tambm parme relativamente pod pod

ngulo interno ndante teremo

de

um

tringulo

plano).

Ou

eja, por cada ob ervao redu

nece rio medio

e crever de 3

uma

funo

que

0, n = n0 e a n = n0 + 1,

ob ervae r = 1 e

ati fazem

perfeitamente a n

modelo. ob ervae .

relacione

entre a r =

n ob ervae

exi tem r condie que tm de er

ati feita . De te modo, quando Se (Exemplo:

redundncia ou ignificando que

grau

de

liberdade

pode

er

interpretada

um

dado

uma oluo nica. De ignando e te nmero mnimo por n0, e forem feita

n ob ervae ,

e colhido ara que

de e

uma forma obtenha

nica,

er

nece rio

aju tar

mai do que m definir o

o nmero modelo

mnimo

de

varivei

independente

que

permite p

ob ervae

fazer ou no um aju tamento, vai depender do nmero de ob ervae m

feita . Se e ta fore

ob ervar, o nmero de ob ervae que e

e tero de fazer e a

ua preci o. A nece idade de

nmero de varivei e um conjunto de relae

entre ela . E colhem- e ento a

grandeza a

parmetro .

Se

i tema.

----------------------- Page 10----------------------8 Exemplo: ezes,

v lores p rmetro,

o 1

e . Se modelo 2

no

consider rmos

v lor

just do como

funcion l ter pen s um equ o que ser: 1 2 du s Consider ndo equ es p r como um p rmetro - 2 = 0 determin ndo-se depois

= 1

teremos

construir o modelo funcion l que sero: - 1 = 0 - 2 = 0 Sendo ust mento o condies ssim, se nmero de tivermos u p rmetros independentes no

escrever ser: (2) como sendo o c so er l dentro

c = r + u do Este rupo

c so consider do d s tcnic s

contendo p rmetros independentes. Existem depois c sos especi is dependendo do nme ro de p rmetros envolvidos no just mento. Os c sos extremos so qu ndo u = 0, o que i mplic que c = r e qu ndo u = n , o que implic que c = n. Se u for m ior do que n , o nmero de

Suponhamo o tendo-se

que os

mede

amplitude

de

um

ngulo du s

ou = .

que

escrever

determinar e grau de

a incgnita adicional, liberdade no

mantendo

r + 1 ria

e di pu ermo para permitir

de

um

parmetro.

E ta

condio o me mo

adicional nmero

tnhamo que e crever que e crever

condie

quando

no

tnhamo

parmetro ,

teremo nece d

v um

0 0 condies er que os exceder o nmero de o serv es,

p rmetros no sej m independentes (note-se que no just mento pen s com condies os p rmetros, se existirem, so funcion lmente independentes). Sendo e se verifiquem s du s desi u ld des: r c n 0 u n0 Assim just mento, que sej m devem-se c os equ es u escolhidos de condio os p rmetros

construir serv es p rmetros.

s e

independentes,

envolvendo

----------------------- P e 11----------------------9 no Frequentemente so line res, s equ es que constituem o modelo funcion l o

que v i complic r consider velmente o se su line riz o, utiliz ndo 3.1.2. Suponh mos frmul

just mento. Qu ndo t l contece, procede-

de T ylor.

Deduo d form line riz d do modelo funcion l: or que tnh mos o se uinte modelo funcion l: , x1 , x2 , x1 , x2 ,..., xu ,..., xu ) = 0 ) = 0 li -

f1 ( l1 , l2 ,..., ln ez s o serv d s (1 i n) f2 (( l1 , l2 p rmetros (1iu)

r nd -

,..., ln

xi

fc (( l1 , l2

,..., ln

, x1 , x2

,..., xu

) = 0

que p r simplific r represent remos por: f ( l , x ) = 0 i represent ndo l e ctiv mente (v lores x os verd deiros v lores d s r ndez s l e x respe i

o que

no

possvel

ssim necessrio qu

envolver s

no n o

i que no so conhecidos). Aplic ndo i u l est s c equ es o tm-se: frmul de T ylor, desprez ndo termos de ordem

ou superior se und

f f f( l , x ) = f(l ,x ) + ( ) ( l -l ) + ( ) ( x -x ) = 0 0 0 l 0 0 x 0 0 consi eran o como x , respectivamente valores l e l = l 0 0 s pelos aproximaes os os valores ver a eiros

e x , e sen o o valor as 0 0.

eriva as parciais calcula as para x = x

Como o ver a eiro valor ^

as variveis nunca conheci o, vamos substitui-la

valores ajusta os l . ^ ^ f ^ f f(l , x ) = f(l ,x ) + ( ) (l -l ) + ( ) 0 0 l 0 0 x 0 ----------------------- Page 12----------------------10 Se tomarmos como aproximaes iniciais l0 para os valores observa as as obs ervaes feitas l, teremos: ^ ^ l - l0 = l - l = v sen o v o vector os res uos, serva os para obter as observaes ajusta as. No entanto, se preten ermos fazer vrias iteraes teremos que ter em ateno o fa cto e os res uos serem correces a aplicar aos valores observa os e mo o a obter os va lores ajusta os, bti o na e mo o que ao consi erarmos como aproximao l0 o valor ajusta o o que se a iciona ^ (x -x ) = 0 0

aos

valores

iterao anterior teremos:

l e

ob

^ l = l0 + l Como ^ l = l + v = l0 + l temos que: ^ l - l0 = l+ v - l0 = l

^ l - l0 = l

Considerando ainda x - x0 = podemos escrever: ^ ^ f f f(l,x) = f(l ,x ) + ( ) (l + v -l ) + ( ) = 0 0 0 l 0 0 x 0 que para uma primeira iterao, como j foi ito, e uma vez que l = l0, se re uz a:

^ ^ f f f(l ,x ) = f(l,x ) + ( ) v + ( ) = 0 0 l 0 x 0 Consi eran o A = ( f ) e B = ( ) , teremos: l 0 x 0 f

f(l ,x ) +A (l + v -l ) + B = 0 0 0 0 Al + Av - Al + B = - f(l ,x ) 0 0 0

----------------------- Page 13----------------------11 Av + B = - f(l ,x ) + Al - Al 0 0 0 Fazendo: d = - f(l ,x ) + Al 0 0 0 obteremos: Av + B = d - Al = f ou seja: Av + B = f (3)

que o modelo funcional linearizado, sendo: v1

v v - Vector dos resduos vn,1 = v n x1 x - Vector das correces dos parmetros u,1 = x u f1 f1 f1 l1 l2 . . . ln f2 f2 f2 l1 l2 . . . ln fi A - Matriz Jacobiana J fl 0 li 0 . . fc fc fc l1 l2 . . . ln ----------------------- Page 14----------------------12 f1 f1 x1 x2 . . . x u f2 f2 x1 x2 . . . x u fi B - Matriz Jacobiana J fx = 0 xi 0 . . fc fc x1 x2 . . . x fc B c,u = . f2 f1 = A c,n = . 2 2

u l1 l as observaes ln,1 = l n e O sistema (3) vai ser observaes e parmetros usa o c 2 l - Vector coluna

in epen entes. incgnitas, que

um so

sistema os

com

elementos os vectores v e . Uma vez que das equaes (1) e (2) se pode concluir que c < n + u existem muitas solues para este sistema. Para se obter uma soluo nica vai-se-lhe junt ar o t critrio dos mnimos quadrados, ou seja, tornar = v Wv 3.1.3. Temos assim que resolver o sistema: Av + B = f t = v Wv que um problema ange. mnimo Determinao as variveis o problema: v e mnimo.

e extremos con iciona os, e vai ser resolvi o pelo mto o e Lagr

Vamos ento construir uma funo a partir e , intro uzin o c multiplica ores e e mo o que:

Lagrange

= + (Av + B - f) para simplicidade de clculos os c multiplicadores de Lagrange sero representados n a forma t = -2 k , sendo k um vector co una de dimenso cx1, e teremos: t t t = - 2 k (Av + B - f) = v Wv- 2 k (Av + B - f) ----------------------- Page 15-----------------------

para

fazer

ajustamento com n + u

equaes

lineares

13 O mnimo da funo ser a so uo do seguinte sistema: = 0 v = 0 Av + B - f = 0 eriva as e em or em

ordem ao vector . Calculando as derivadas (ver apndice) obtm-se: t t = 2v W - 2 k A = 0 v Av + B - f = 0 Que chamado de sistema de equaes normais. Para a resoluo do sistema podem seguir-se os seguintes passos: 1) obtm-se da 1 equao o valor de v; 2) substitui-se v na 3 equao e determina-se o valor de k; 3) substitui-se o valor de k na expresso encontrada para v; 4) substitui-se o valor de k na 2 equao para determinar . 1) t t v W = k A t t -1 v = k AW t -1 t -1 t t t -1 t -1 t v = (k AW ) = (W ) A k = (W ) A k = W A k 2) A(W -1 t A k) + B - f = 0 t = - 2 k B = 0

Sen o as eriva as e em v

ao

vector v,

e as

A(W

-1 t A k) = f - B

----------------------- Page 16----------------------14 -1 (AW k = (AW 3) v = W v = W 4) t A )k = f - B -1 t -1 A ) (f - B) -1 -1 t -1 A ) (f - B)] t -1 A ) (f - B)

-1 t A [(AW -1 t A (AW

t - 2 k B = 0 -1 - 2 [(AW -1 [(AW -1 [(AW -1 [(AW t -1 t A ) (f - B)] B = 0 -1 t -1 t A ) B] B = 0 -1 -1 A ) t -1 t A ) B] B = 0 t -1 t B] B

t -1 A ) f - (AW

t -1 t A ) f] B - [(AW t -1 t A ) f] B = [(AW

Transpondo ambos os membros vem: {[(AW t B [(AW t B [(AW t [B (AW -1 t -1 t t A ) f] B} = {[(AW -1 t -1 t A ) f] = B [(AW -1 t -1 t A ) B] = B [(AW -1 t -1 t A ) B] = B (AW -1 t -1 t A ) B] B} t

-1 t -1 A ) B] -1 -1 A ) t -1 A ) f] t -1 f -1 t -1 A ) f]

t = [B (AW considerando: t t -1 N = B (AW ) f temos: -1 t -1 A ) B

-1 t -1 -1 t A ) B] [B (AW

t e t = B (AW

-1 A

N-1t

----------------------- Page 17----------------------15 3.1.4. Na valores mais Clculo das matrizes cofactor resoluo provveis de um das problema no basta calcular os

grandezas pretendidas. tambm necessrio averiguar qual a preciso desta determinao. com esta finalidade que se calculam as matrizes cofactor. (ou Se conhecermos seja, se sabemos a a matriz de covarincia das observaes

varincia de cada uma das observaes feitas) conhecemos Cl e podemos depois determina r as os matrizes de covarincia parmetros e das dos resduos das correces a adicionar a

observaes ajustadas, respectivamente Cv, C e C^ , atravs da frmula de propagao da l varincia (ver apndice), ou seja: C v = J vl C J t l vl l

C = J C J t l l C^ = J^ C J^ t l l l l l l

Se no conhecemos a varincia das observaes feitas teremos que lhes atribuir pesos relativos e obteremos assim a chamada matriz dos pesos W. Esta matriz W est relac ionada com a matriz de covarincia atravs da relao: Wl = 02 Cl-1 , endo 02 a varincia de referncia. De te modo e atribuirmo um determinado valor a 0 podemo determinar a matriz

do

parmetro

da

ob ervae

aju tada .

priori

pode- e

atribuir

de covarincia da o ,

ob ervae

e de eguida calcular a

matrize de covarincia do re du

a 0

qualquer

valor,

t v Wl v 2 0 = r ----------------------- Page 18----------------------16 .

erro no clculo , modelo funcional inadequado, um erro gro eiro, linearizao do mo delo funcional incorrecta ou a utilizao de um modelo e toc tico errado. A e ta anli e cha ma- e anli e po teriori.

relativa :

1 Ql = Wl-1 = 0 2 Cl (4)

da ob ervae aju tada .

Conhecendo a matriz do pe o , ou a matriz de covarincia da ob ervae , po

vamo utilizar a expre o:

obter Q , atrav da equao (4). Para determinarmo agora a matriz cofactor do ro l

demo

parmet

Matriz cofactor do parmetro

De ta forma poderemo determinar a re duo e

matrize cofactor do parmetro , do

podemo varincia

trabalhar com e covarincia

matrize

cofactor,

que

no

Em vez de trabalharmo matrize de covarincia

com

matrize

do

pe o

ou a

do

inve tigar a cau a do erro, que poder er a exi tncia de erro rvae ,

ribudo

Se o valor encontrado for no incio ter que e

muito

diferente

do

valor

at ob e

i temtico na

do parmetro podemo a expre o:

e timar po teriori o valor de

02 atrav

endo um do mai adoptado valore

o valor 1. Depoi

de feita a medie e calculado o

 = N

-1 t [B (AW

-1 t -1 A ) f]

como f = d - Al, temos: = N = N -1 t B (AW -1 t B (AW -1 t -1 A ) (d - Al) -1 t -1 -1 t A ) d - N B (AW -1 t -1 A ) Al

Uma vez que Q = J Q ento: Q = - N -1 t Q = - N ) ] ----------------------- Page 19----------------------17 -1 -1 t Como W uma matriz simtrica, logo W ambm simtrica, t -1 deste modo (A ) -1 t Q = - N B (AW A ) A W [- A (AW A ) B (N ) ] = (A t -1 t ) e podemos escrever: -1 t -1 -1 t -1 t -1 -1 simtrica e AW A t B (AW A ) A W [- A ((AW A ) ) B (N -1 t B (AW -1 t -1 t -1 A ) A Qll (- N -1 t -1 -1 -1 t B (AW t -1 -1 t -1 t A ) A) t -1 t J t l ll l

-1 t Pelos mesmos motivos simtrica, logo (N ) = N-1 e temos: -1 Q = - N Q = N Q = N t B (AW -1 t B (AW -1 t B (AW -1

podemos

dizer

que

uma

matriz

t -1 A ) A W

-1

t (- A )(AW

-1 t -1 A ) -1 A ) t -1 B N B N -1

-1

-1 t -1 A ) (A W

-1

t A )(AW

-1 t -1 -1 A ) B N

Q = N-1N N-1 Q = N-1 ^ Uma vez que x = x0 + , esta matriz igual matriz cofactor dos parmetros aj ustados (Q^^ ). xx Matrizes cofactor dos resduos e das observaes ajustadas De forma anloga se provaria que: -1 A ) Q t -1 vv AQ ll ll Q^^ = Q l l - Qvv. ll ll ll =Q t A (AW -1 t -1 A ) AQ t - Q A (AW -1 A ) t -1 BQB (AW t

Conhecidas as matrizes cofactor podemos determinar as matrizes de covar incia, que nos daro uma indicao da preciso dos valores estimados. as as Do mtodo dos variveis do assim aplicar mnimos quadrados obtm-se estimativas cofactor. para tod

modelo, de se

como as respectivas o algoritmo

matrizes

Depois

computacional aos dados, necessrio avaliar estatisticamente os resultados obtidos . De facto ----------------------- Page 20----------------------18

os resultados da avaliao estatstica podem levar remodelao da tarefa de ajustamento s se concluir que o modelo no era adequado. btido mnimos modelo Por fim, convm frisar com o mtodo dos quadrados depende e da correcta que a qualidade do da ajustamento escolha do o

fundamentalmente

determinao de n0. 3.2. CASOS PARTICULARES

usado

O em

mtodo dos dois casos

mnimos mais

quadrados simples

tem do

sido que

principalmente o caso gera

particulares, que se tornam l, que so normalmente

conhecidas como "ajustamento com equaes de observao" e "ajustamento com equaes de condio". A escolha particulares depende do modelo tipo de de calculo do do caso geral do ou de um a do dos casos

principalmente mas tambm do instrumentao da preferncia utilizador.

matemtico disponvel,

problema

resolver, problema e

da dimenso

3.2.1. Ajustamento utilizando equaes de observao o de Esta tcnica observaes de ajustamento, pelo facto tambm de cada conhecida uma como das ajustament equaes q

indirectas, ue formam

caracteriza-se o modelo

funcional conter apenas uma observao e essa observao ter um coeficiente unitrio. Dest a forma tm-se n observaes, n equaes e u parmetros e evidentemente c = n. 1 A forma linearizada do modelo funcional (obtida a partir do caso gera l): Tnhamos obtido do modelo funcional a seguinte expresso: Av + B = f sendo f A = (l )0 ma Como observao neste com e caso f B = (x )0 particular ca a no caso geral como forma linearizada

coeficiente unitrio, a matriz A fica re uzi a matriz i enti a e e teremos: v + B = f ----------------------- Page 21----------------------19 como forma linear do modelo funcional. Como f = d - Al poderemos ainda apresent-l

funo

f contm

apenas

o da seguinte forma: f = d - l com d = - f(l,x0) + l0 2 - Expresses que permitem calcular as variveis do problema e as matrizes cofactor (obtidas a partir do caso geral): De forma anloga se podem obter as expresses que permitem calcular v e a pa rtir do caso geral, substituindo apenas A pela matriz identidade: Tnhamos que: v = W -1 t A (AW -1 t -1 A ) (f - B) l + v + B = d

substituindo A pela matriz identidade temos: v = (W-1W)(f - B) = f - B v = f - B Tnhamos tambm que: = N-1t t -1 com f Deste modo podemos ainda dizer que: D = sendo das, respectivamente Q Q = N-1 t Qvv = Q WQ - Q WBQB WQ l l l Qvv = Qll - BQBt l Qvv = Qll - BN-1Bt , Q vv , Q^^ , temos: ll N-1t t N = B W B e t t = B W f N = B (AW A ) B e t = B (AW A ) -1 t -1 t -1 t

Quanto s matrizes cofactor dos parmetros, dos resduos e das observaes ajusta

----------------------- Page 22-----------------------

20 De modo semelhante: Q^^ = Q - Q l l ll vv Q^^ = BN-1Bt l l 3 - Exerccio de aplicao: Estabelea um modelo funcional, utilizando equaes de observao, para determinar as NC cotas ajustadas dos pontos e ND), sabendo que se B, C e D (respectivamente NB, Q^^ = Q l l - Q ll ll + BN-1Bt

conhece a cota do ponto A (NA), e se mediram-se as seguintes diferenas de nvel (ve r Fig 1): l = dNAB B 1 l1 2 = dNBC l3 3 = dNAC A l 4 = dNCD l4 l5 5 = dNAD D Figura 1 - Esquema das diferenas de nvel observadas Pretende-se determinar as cotas ajustadas dos pontos B, C e D, respectiv amente NB, NC e ND. Estabelecimento do modelo funcional utilizando equaes de observao: Resoluo: Mediram-se 5 diferenas de nvel, logo n = 5 l C l l2 l

Conhecendo a cota do ponto A, para determinar as cotas dos pontos B, C e D bastava medir 3 diferenas de nvel, logo:

n0 = 3 r = n - n0 = 2 ----------------------- Page 23----------------------21 Como queremos determinar as cotas de 3 pontos, temos 3 parmetros, ou seja : u = 3 Assim tenhamos uma teremos que escrever c = n = 5 equaes, de modo que

observao em cada equao: NA + dNAB = NB NB + dNBC = NC NA + dNAC = NC f 3 =N A +l 3 N C = 0 NC + dNCD = ND f 4 =N C +l 4 N D = 0 NA + dNAD = ND f 5 =N A +l 5 N D = 0 Sendo estas as equaes que constituem o modelo funcional, que podemos escre ver da seguinte forma: v + B = f f1 f1 f1 NB NC ND f2 f2 f2 NB NC ND sen o: -1 0 0 1 -1 0 0 -1 0 0 1 -1 0 0 -1 f 1 =N A +l 1 N B = 0 0 f =N +l N = 2 B 2 C

v =

B =

f3 f3 f3 NB NC ND f4 f4 f4 NB NC ND f5 f5 f5 NB NC ND

= 0

v1 v2 v3 v4 =

x1 x2 x3 sendo:

NB = NB0 + x 1 NC = NC0 + x2 ND.= ND + x3

0 v 5 e finalmente f = d -l = -f(x ,l ) + l 0 0 0 Na 1 iterao l0 = l logo: ----------------------- Page 24----------------------22 NA N B0 f = -f(x0,l) = NA N C 0 NA+l5 Nas iteraes seguintes: N A N + (l ) 1 0 N B 0 + (l ) B0 2 0 + (l ) A NC 3 0 + (l4 )0 N + C0 N D (l ) 3 0 (l4 )0 (l5 )0 l 3 l4 l5 = N C0 (l ) 1 0 (l ) 2 0 l 1 l 2 +l3 +l 4 ND 0 +l1 +l 2 NB 0 N C0 NC0 N D 0 -l

f = d -l = -f(x ,l ) + l 0 0 0 - l = -

0 0 NA + (l5 )0 ND 0 NA +l1 N B0 = N A N +l 3 +l 2 N C 0 NB 0 N C0

= -f(x ,l) pois o modelo funcional era, partida, linear. 0

+l N C 4 D 0 0 NA+l5 ND 0

Passando imediatamente para notao matricial teramos: f 1 =N A +l 1 N B = 0

f 2

=N B

+l 2

N C

= 0

f 3 =N A

+l 3 N C = 0 N D = 0 N D (N B +x ) = 0 1 = 0

f 4 =N C +l 4 f =N +l 5 A 5 f =N 1 A

+ (l +v ) 1 1

0 f = N +x + l +v N +x = 2 ( B0 1 ) ( 2 2 ) ( C0 2 ) 0 f =N 3 f 4 A + l +v N +x = ( 3 3 ) ( C0 2 ) 0 + l +v N +x = ) ( 4 4 ) ( D 3 ) 0 0 + = v N x 5 ) ( D0 3 ) 0

= N +x ( C 2 0 = + + f N l 5 A ( 5

v 1

x = N 1 A

l + N 1 B 0 l + N 2 C0

v + x 2 1 v3

x = N 2 B0

x2 = NA

l3 + NC0

v + x 4 2 v 5 v1 v2 v3 v4 v 5 +

x = N l + N 3 C 4 D 0 0 = + x N l N 3 A 5 D0 NA +l1 1 1 0 0 0 0 1 1 1 0 0 N 0 0 1 1 NA+l5 ND 0 x1 x2 x3 +l B0 2 NA +l3 N C0 +l 4 NB 0 N C0 NC0 N D0

23

Page 25

3.2.2. Ajustamento utilizando equaes de condio nas Nesta equaes tcnica que de ajustamento no so includos parmetros

constituem o modelo funcional. Desta forma u = 0, e teremos c = r. nal: a matriz B ser uma matriz nula. Teremos ento como modelo funcional linearizado apenas: Av = f sendo f = d -Al = -f(l ) + Al 0 -Al 0

Se no existem parmetros nas equaes do modelo funcional o vector no existe e

2 - Obteno, a partir do caso geral, das expresses que permitem calcular as variveis do problema e as matrizes cofactor: Para se obter a expresso que permite calcular os resduos basta substituir na expresso correspondente ao caso geral o a matriz B por uma matriz identicamente nula. Tnhamos: -1 v = W t A (AW -1 t -1 A ) (f - B) vector por um vector nulo e

e passaremos a ter: ----------------------- Page 26----------------------24 -1 v = W as ^ l atravs de l vamente Q vv e Q^^ l l tnhamos: t A (AW -1 A ) a t -1 f matriz dos resduos podemos obter

Depois de calculada observaes ajustadas ^ = l + v.

Quanto s matrizes cofactor dos resduos e das observaes ajustadas, respecti

Obteno, a partir do caso geral, da forma linearizada do modelo funcio

Q -1 t B (AW -1 vv

t t -1 A (AW A ) AQ ll ll

=Q

-1 A )

t -1 AQ - Q A (AW ll ll

-1

t -1 A ) BN

e passaremos a ter: t Qvv = QllA (AW Q^l ^l = Qll - Qvv. -1 A ) t -1 AQll e

3 - Exerccio de aplicao: Estabelea um modelo funcional, utilizando equaes de condio, para determinar as coordenadas ajustadas do ponto P (M nadas dos e P ), sabendo que so conhecidas as coorde P P distnci

PP

BB pp AA Fi ur 2 - Esquem d posio dos pontos e d s qu ntid des envolvid s n do pro lem

Resoluo: Medir m-se qu tro elementos, trs n ulos (, e ) e um = 4. , por P r determin r s coorden d s exemplo, distnci de P distnci

( ), lo o n

st v

ter

medido

BP e o n ulo , lo o: n 0 ----------------------- P e 27----------------------25 Queremos determin r s coorden d s = 2 e r = n - n 0 = 2

de

que

so

MP

resoluo

pontos A e B, se mediram os trs ngulos , e e (ver Fi . 2)

BP

PP,

consider ndo

est s just r ter mos dois p rmetros, m s

equ es de condio, v mos escrever o modelo funcion l sem consider r p rmetros. Assim c = r = 2, ou sej , teremos que escrever du s equ es, que podem ser: + + = a = 0 sin de sin sin sin p f 2 = f = + + 1 a p = = 0

Sendo est s s equ es que constituem o modelo funcion l, est mos em condies s escrever n form Av = f sendo: df 0 A = (dl )0 ec . d v1 v = v 2 v 3 v 4 d d d cot = line riz d

f = d -Al = -f(l ) + Al -Al 0 0 N 1 iter o l0 = l lo o f = -f(l) = sin

+ p sin

N s iter es se uintes

df cosec 2

df 2

df 2

df 2

cosec

cot .

df1 d

df1 d

df1 d

df1 d =

qu ntid des omo v mos

como v riveis utiliz r

p cos .

f = d -Al = -f(l ) + Al -Al 0 0 com l = l 0 = 0 0 0

----------------------- P e 28----------------------26 d = -f(l ) + Al = 0 0 0 0 + 0 + 0 0 a0 . 0 sin0 0 + 0 a .cosec 0 0 sin 0 0 .cot 0 0 p.cosec 0 .cot = 1 =c 1 1

0 (0 + 0 + 0 ) +0 + 0 + 0

= sec

0 ) = 0 0 sin0

) + (

. .cosec .cot 0 0 0

+ p. .cosec 0

.cot 0

0 0 sin 0

= ( .cot

a0

+ (

0 .cot

+ 0

) 0 0 .cosec 0 ) sin0 sin 0

0 . 0 .cosec

p. 0 .cosec 0

lo o f = ( 0 .cot a0

) 0 0 .cosec 0 ) sin0 sin 0

0 . 0 .cosec

0 .cot

1 - .cosec .cot 0 0 1 0 0 1 p.cosec .cot 0 0 cosec 0 0

3.2.3. C e

Aplic o d s du s ltim s tcnic s de just mento pl nimtric s just d s

Determine s coorden d s D d poli on l

represent d n Fi ur 3. 33 (EF)(EF) 22 44 11 CC dd 33 dd 11 EE BB AA ()() FF ..CC.. ..CC.. dd 22 DD

+ p. 0 .cosec

dos

pontos

Figura 3 - Esquema da poligonal ----------------------- Page 29----------------------27 D DOS: M = 8478,139 m PB = 2483,826 m 2 = 185 22 14 2 MF = 7709,336 m PF = 2263,411 m (BA) = 68 1520,7 (EF) = 300 1130,5 3 = 208 2619 2 4 = 205 1351 2 d1 = 281,832 0,016 m d2 = 271,300 0,016 m d3 = 274,100 0,016 m N de o serv es: N de o serv es necessri s: N de p rmetros: Redundnci : MD = ? PD = ? QU TID DES O SERV D S: MC = ? PC = ? 1 = 172 53 34 2

CALCULO DAS COORDENADAS AJUSTADAS DE C E D A - UTILIZANDO EQUAES DE OBSERVAO: 1 - Est elecer N de equ es: Temos elementos envolvidos, um s equ es que form m o modelo funcion l c = r + u = n = 7

ento que escrever sete equ es que nos rel cionem todos os de modo que em c d equ o se tenh pen s um o serv o, com

coeficiente unitrio. Assim se tivermos em consider o que: (BA) + 1 - (BC) = 0 (CB) + 2 - (CD) = 0 (DC) + 3 - (DE) = 0 (ED) + 4 - (EF) = 0 d1 - BC = 0

n = 7

u = 4 r = n - n0 = 3

PEDIDOS:

n0 = 4

d2 - CD = 0 d3 - DE = 0 ----------------------- P e 30----------------------28 podemos escrever consider r, d s s se uinte sete equ es, em funo dos p rmetros

qu ntid des o serv d s e d s qu ntid des conhecid s: f = (BA) + 1 1 MB-MC f2 = rct PB-PC MC-MB rct PC-PB

= 0

MD-MC +2 - rct PD-PC

= 0

MC-MD ME-MD f3 = rct P -P +3 - rct P -P = 0 C D E D MD-ME f = rct + - (EF) = 0 4 PD-PE 4 2 2 f = d - (MC-MB) +(PC-PB) = 0 5 1 2 2 = d - (MD-MC) +(PD-PC) = 0 6 2 2 2 f = d - (ME-MD) +(PE-PD) = 0 7 3 Temos ssim construdo o modelo funcion l, que no line r. P r su form line riz d o escrever n f

l + v + B = d ou v + B = d - l = f temos que formar e calcular as matrizes e os vectores a envolvidos: f f 1 M P C C f f 2 2 M P C C f f 3 3 1 f 1 M D f 2 M D f 3 f 3 f 2 P D P D f 1

M C f 4 B = M C

P C f 4 P C

M D f 4 M D f5 M C D f 6 6 M C D f 7 M D 7

P D f 4 P D f5 P D f 6 P D f 7 P D 0

f5 f5 M C f 6 M C f 7 M C f P C f P P

----------------------- Page 31----------------------29 u' Como (arctg u)' = 1 + u2 f1 b11 = M C f1 b12 = P C = = (PC-PB) tem-se que por exemplo: PC-PB 2 + (MC-MB) 2

MC-MB 2 (PC-PB) + (MC-MB)

ten o sete

que se eterminar vinte funes que constituem o

oito

eriva as

parciais

mo elo funcional. Depois e B e , e e etermina as to as as (BA) e (E ) e C e D eriva as e substituin o as coor ena as seus valores e substituin o

valores aproxima os, obtm-se a matriz B. Quanto aos vectores v, e f = d - l = - f(l ,x ) + l 0 0 v x - l 0 temos:

os as

rumos e coor ena as

pelos por

as

M C C 0

= M 1 1 v2

+ x 1 x2 + x = sendo: x 3 3 + x x4 + x C

P = P C0 2 v M D = M

D0 3 v = v4 P = P v D D0 4 5 v6 v 7 l 1 l2 l3 l = l 4 l5 l6 l7 = 2 3 4 d1 d2 d3 l 0 1

( ) 1 0 (2 )0 (3 )0 = ( ) 4 0 (d1)0 (d2 )0 (d3 )0

N 1 iter o l0 = l lo o f = - f(l,x0) ----------------------- P 30 (BA)+ 1 - rct rct MC0-MB PC0-PB

e 32-----------------------

MB-MC0 MD0-MC0 PB-PC0 + 2 - rct PD0-PC0 MC0-MD0 ME-MD0 rct + - rct PC0-PD0 3 PE-PD0 rct MD0-ME + PD0-PE (MC0 - MB) - (EF) 4

f= -

d1 -

2 2 + (PC0 - PB)

d 2 d 3 -

2 (MD0 - MC0) 2 (ME - MD0) + (PE - PD0) + (PD0 - PC0)

2 2 -l

N s iter es se uintes f = -f(x ,l ) + l 0 0 0 MC0-MB (BA)+( ) - rct 1 0 PC0-PB MB-MC0 rct +( ) - rct 2 0 PB-PC0 MC0-MD0 rct PC0-PD0

+( ) - rct 3 0 PE-PD0 +

f = -

MD -ME 0 rct +( ) -(EF) PD -PE 4 0 0

2 (d1) - (MC -MB) +(PC -PB) 0 0 0 (d

2 2 2) - (MD -MC ) +(PD -PC ) 0 0 0 0 0 2 2 3) - (ME-MD ) +(PE-PD ) 0 0 0

(d

Consider ndo como proxim es inici is p r os p rmetros os se uintes v lores : MC = 8200 m MD = 7980 m o tm-se p r primeir iter o: PC = 2340 m PD = 2230 m

----------------------- P e 33----------------------31 1.4669056 -3.285087 1.818182 0 -2.836786 6.473150 -3.636364 0 0 1.818182 -1.368960 0.4492217 0 -3.636364 7.275529 -3.639165

B = 10-3

MD0-MC0 PD0-PC0 ME-MD0 ( 1 ( 2 ( 3 ) 0 ) 0 ) 0 d1 d2 d3 1 2 3 4

( ) 4 0 (d ) 1 0 (d ) 2 0 (d ) 3 0

888.2685 -894.4272 0 0.026318430 (r d) -0.080146734 (r d) 0.09011977 (r d) f = - -0.036234261 (r d) 31.2929 (m) -25.3325 (m) -1.3817 (m)

459.3247 -447.2136 0

0 894.4272 -992.4672

0 447.2136 122.511

Temos ssim form do o modelo funcion l line riz do: v + B = f Para podermos calcular os valores das incgnitas temos ainda que conhecer a matriz dos pesos, que tem da seguinte forma: W = 02.diag 1/12 1/22 1/32 1/42 1/d12 1/d22 1/d32

1 2 = 2 2 = 3 2 = 4 2 = 4" = 9.401772217 x 10-11 r d2 d1 2 = d2 2 = d3 2 = 0.016 2 = 2.56 x 10-4 m2. Con iderando a varincia de referncia igual a 1 temo que: W = 3906.25 diag[ 2722890.898 1.0 1.0 1.0 ] 2722890.898 2722890.898

2722890.898 da expre e :

= N-1t

v = f - B

----------------------- Page 34----------------------32 Fazendo reces a vrias iteraes obtm-se os seguintes resultados para as cor

adicionar aos valores aproximados dos parmetros: 1 iterao 1 32,52094 2 iterao 2 -1,25186 3 iterao 3 -0,00606

Agora e tamo em condie de re olver o problema, atrav

medio de di tncia , podemo calcular a re pectiva

Como r e a cada

conhecemo

o de vio padro

a ociado a cada medio varincia , obtendo- e:

angula

4 iterao 4

-5,2E-08 7,861685 -6,6E-09 4,82137 -2,2E-08 9,134401 3,54E-08 MC1 = 8232,521 =8231,263 PC1 = 2347,862 = 2347,818 MD1 = 7984,821 7982,404 PD1 = 2239,134 = 2239,714 -0,04199 -2,40815 0,581442 MC2 =8231,269 PC2 = 2347,820 MD2 = 7982,413 PD2 = 2239,716 -0,00202 -0,00892 -0,00143 MC3 =8231,263 PC3 = 2347,818 MD3 = 7982,404 PD3 = 2239,714 MC4 PC4 MD4 = PD4

Sendo as sucessivas coordenadas ajustadas calculadas atravs de: MC = MC0 + x1 PC = PC0 + x2 MD = MD0 + x3 PD = PD0 + x4 Coordenadas ajustadas finais: MC = 8231.263 m PC = 2347.818 m Quanto aos resduos obtm-se: ----------------------- Page 35----------------------33 1 iterao v(1) v(4) 0,000915 rad 5,73 x 10 -6 rad 0,000247 rad 1,13 x 10 -5 rad -0,00028 rad 2 iterao v(2) 9,68 x 10 -6 rad 1,26 x 10 -5 rad 1,56 x 10 -5 rad 3 iterao v(3) 5,73 x 10 -6 rad 1,13 x 10 -5 rad 1,7 x 10 -5 rad MD = 7982.404 m PD = 2239.714 m

4 i

1,7 x 10 -5 rad -0,00083 rad 2,32 x 10 -5 rad -1,20546 m 0,029689 m -1,12645 m 0,024493 m 2,284332 m -0,00545 m ^ ^ l(1) l(4) 172 56' 42.6" 172 53' 35.1" 185 23' 5.04" 185 22' 16.3" 208 25' 21.4" 208 26' 22.5" 205 11' 0.47" 205 13' 55.7" 280,6265 m 281,8617 m 270,1735 m 271,3245 m 276,3843 m 274,0946 m 1,93 x 10 -5 rad 0,02283 m 0,02013 m 0,003069 m ^ l(2) 172 53' 36" 185 22' 16.5" 208 26' 22.2" 205 13' 54.9" 281,8548 m 271,3201 m 274,1031 m 2,32 x 10 -5 rad 0,029689 m 0,024493 m -0,00545 m ^ l(3) 172 53' 35.1" 185 22' 16.3" 208 26' 22.5" 205 13' 55.7" 281,8617 m 271,3245 m 274,0946 m

Tomando como valores aproximados para os parmetros + d MC = 8231,290 m sin [(BA) + ] 0 1 1 obtido a partir de: MC 0 o tido = M B = P 0 o tido B = M 0 o tido E + E +

PC = 2347,831 m cos [(BA) + ] 0 1 1 MD = 7982,409 m sin [(EF) - ] 0 3 4 PD = 2239,708 m cos [(EF) - ] 0

+ d

p rtir de:

PC

p rtir de:

MD

p rtir de:

PD 0

= P

3 o tm-se:

----------------------- P e 36----------------------34 1 iter o 1 -0,02697 -0,01333 -0,0047 0,00641 MC1 = 8231,263 PC1 = 2347,818 MD1 = 7982,404 PD1 = 2239,714 Sendo as coordenadas ajustadas: MC = 8231.263 m PC = 2347.818 m MD = 7982.404 m PD = 2239.714 m Para os resduos e observaes ajustadas temos: ----------------------- Page 37----------------------35 1 iterao v(1) 5,73 x 10 -6 rad 1,13 x 10 -5 rad 1,7 x 10 -5 rad 2,32 x 10 -5 rad 2 iterao v(2) 5,73 x 10 -6 rad 1,13 x 10 -5 rad 1,7 x 10 -5 rad 2,32 x 10 -5 rad 2 iter o 2 -2,8E-07 -6,7E-08 1,53E-06 -2,8E-07 MC2 = 8231,263 PC2 = 2347,818 MD2 = 7982,404 PD2 = 2239,714

0,029689 m 0,024495 m -0,00545 m ^ l(1) 172 53' 35.1" 185 22' 16.3" 208 26' 22.5" 205 13' 55.7" 281,8617 m 271,3245 m 274,0946 m Falta fazer a anlise de resultados atravs de: Q = N-1 Qvv = Qll - BN-1Bt Q^ll^ = BN-1Bt ----------------------- Page 38----------------------36 21E-08 Qvv 02E-09 = 41E-09 97E-08 124415 109969 77E-05 .43 E-8 4.0922E-11 -1.3496E-08 2.90692E-11 -5.5004E-09 1.74828E-11 3.1881E-09 6.54371E-12 1.58081E-08 -2.4321E-08 0.000109969 -1.3496E-08 0.000102256 4.35071E-08 4.8391E-05 5,31E-11 1.35 E-8 2.90692E-11 4.35071E-08 2.52977E-11 1.28372E-08 2.15997E-11 -1.6363E-08 1.80511E-11 -3.9981E-08 -8.9502E-09 2.07477E-05 -5.5004E-09 4.8391E-05 1.28372E-08 0.000182106 -2,9 E-11 -4.4 E-8 1.74828E-11 2.15997E-11

0,029689 m 0,024493 m -0,00545 m ^ l(2) 172 53' 35.1" 185 22' 16.3" 208 26' 22.5" 205 13' 55.7" 281,8617 m 271,3245 m 274,0946 m

6.54371E-12 1.80511E-11

-2.43 -8.95

2.561E-11 2.93252E-11 6.94141E-09 3.1881E-09 -1.6363E-08 -1,7 E-11

2.93252E-11 4.00978E-11 2.63297E-08 1.58081E-08 -3.9981E-08 -6,5 E-12

6.941 2.632 0.000 0.000 2.074 2

Q^^ = .95 E-9 l l -6.9 E-9 -2.6 E-8 .000132 0.00011 -2.1 E-5 E-5 E-7 Q^ ^ E-5 E-6

-2,9 E-11 5.5 E-9 -1,7 E-11 -3.2 E-9 -6,5 E-12 -1.6 E-8 2.43 E-8 -0.00011 1.35 E-8 0.000154 -4.4 E-8 -4.8 E-5 4,46 E-6

6,87 E-11 -1.3 E-8 -2,2 E-11 1.64 E-8 -1,8 E-11 4 E-8 8.95 E-9 -2.1 E-5 5.5 E-9 -4.8 E-5 -1.3 E-8 7.39 E-5 0,000108 5,02 E-5

-2,2 E-11

-1,8 E-11

6,84 E-11 -2,9 E-11 -6.9 E-9 -3.2 E-9 1.64 E-8 5,02 E-5 2,81 E-5

-2,9 E-11 5,39 E-11 -2.6 E-8 -1.6 E-8 4 E-8 2,46 -4,6 0 -

3,09 E-6 = 2,46 E-5 4,78 E-6 4,46 E-6 2,69 E-6 3,09 E-6 4,78 -4,6 E-7 7,53

02 = 5,464092 0 ----------------------- Page 39----------------------37 = 2,33754

apre enta problema . - UTILIZANDO EQUAES DE CONDIO

1 - E tabelecer a equae que formam o modelo funcional: N de equae : f 1 c = r = 3 - (EF) = 0

= ( A) + ( - ) + ( - ) + ( - ) + 1 2 3 4

1)

Valor logo o

prximo do aju tamento

Clculo de

po teriori: 0

valor no

e colhido

(o

valor

e colhido

foi

f 2 E f 3 E

= M + d sin[(BA)+ ] + d sin[(BA)+ -+ ] + d sin[(EF)- -] - M B 1. 1 2. 1 2 3. 4 = P + d cos[(BA)+ ] + d cos[(BA)+ -+ ] + d B 1. 1 2. 1 2 cos[(EF)- -] - P 3. 4

= 0

= 0

Av = f sendo:

f A = ( l )0 =

f2 1 f3 1 1 1 -108.098 248.834

f2 2 f3 2 1

f2 3 f3 3 1

f2 4 f3 4

f2 1 f3 1

f2 2 f3 2

f2 0 = 3 f3 3 0

0 -0.876 -0.483

-244.093 495.684 v1 v 2 v 3

0 -23.697 0 -273.073

-0.917 -0.398

v = v 4 v 5 v6 v 7 ----------------------- Page 40----------------------38 f = - f(l ) + Al 0 0 - Al

Na 1 iterao l = l0 logo: (BA) + ( 1 - ) + ( 2 - ) + ( 3 - ) + 4 - (EF)

f1 1

f1 2

f1 3

Assim teremos como mode o funciona

inearizado:

f1 4

f1 1

f1 2

f1 3

0 -0.996 0.086

M B 4 E f = - f( ) = -

+ d sin [(BA)+ ] + d sin[(BA)+ -+ ] + d sin[(EF)- -] - M 1 1 2 1 2 3 + d cos[(BA)+ ] + d cos[(BA)+ -+ ] + d cos[(EF)- -] - P

O tendo-se: 5.72066569x10-5(rad) -0.046217 (m) f = -0.025221 (m)

Uma vez que a matriz dos W = 3906.25 diag[ 2722890.898 898 1.0 1.0 1.0 ] o tm-se:

esos : 2722890.898 2722890.898 2722890.

5.73149x10-6 (rad) 1.13325x10-5 (rad) 1.69774x10-5 (rad) 5 (rad) v(1) = 2.31666x10-5 (rad) 0.02968891 (m) 0.02449371 (m) -0.00544557 (m) 17 (m) 17253'35.1" 1" 18522'16.3" 3" 20826'22.5" 0826'22.5" ^ (1) = " 2 (m) 271.324 (m) 4 (m) 274.095 (m) 274.095 (m)

v(2) = 2.31673x10-5 (rad) 0.029689208 (m) 0.024493105 (m) -0.0054451 17253'35. 18522'16. 2

281.862 (m)

+ v(1) = 20513'55.7"

^ (2) =

Resu tados da 1 iterao

Nas iteraes seguintes f = - f(

P B E

) + A 0

- A .

Resu tados da 2 iterao: 5.73039x10-6 (rad) 1.13323x10-5 (rad) 1.6978x10-

+ v(2) =

20513'55.7 281.86 271.32

----------------------- Page 41----------------------39

de: M C P C M D P D = P E = M E + d 3 = P B = M B + d 1 + d 3 sin [(EF) - ] = 7982.405 m 4 + d 1 sin [(BA) + ] = 8231.263 m 1

cos [(BA) + 1] = 2347.818 m

cos [(EF) - ] = 2239.714 m 4

Qu nto nlise de result dos tem-se: 4,09188E-11 89E-08 -1,34962E-08 Q^^ = 91E-09 vv 7E-09 8E-08 24416 09972 E-05 89E-08 Q^^ = 91E-09 l l 007E-09 288E-08 2,90685E-11 -5,5007E-09 1,74843E-11 3,18781E-09 6,54613E-12 1,58091E-08 -2,43189E-08 0,000109972 -1,34962E-08 0,000102259 4,35056E-08 4,83847E-05 5,30989E-11 1,34962E-08 -2,90685E-11 5,5007E-09 -1,74843E-11 -3,18781E-09 -6,54613E-12 -1,58091E-08 2,90685E-11 4,35056E-08 2,52976E-11 1,28375E-08 2,16001E-11 -1,63616E-08 1,80516E-11 -3,99815E-08 -8,94991E-09 2,07434E-05 -5,5007E-09 4,83847E-05 1,28375E-08 0,000182117 -2,90685E-11 -4,35056E-08 6,87201E-11 -1,28375E-08 -2,16001E-11 1,63616E-08 -1,80516E-11 3,99815E-08 1,74843E-11 2,16001E-11 6,54613E-12 1,80516E-11 -2,431 -8,949

Podendo-se em o, atravs

agora

ca cu ar as coordenadas ajustadas de C e D, or ex

2,56094E-11 2,9324E-11 6,94007E-09 3,18781E-09 -1,63616E-08 -1,74843E-11 -2,16001E-11

2,9324E-11 4,0096E-11 2,63288E-08 1,58091E-08 -3,99815E-08 -6,54613E-12 -1,80516E-11

2,07434 2,431 8,949

6,84083E-11 -2,9324E-11

-2,9324E-11 5,39217E-11

6,9400 2,6328 0,0001 0,0001

-6,94 -2,63

131584 0109972 4E-05

2,43189E-08 -0,000109972 1,34962E-08 0,000153741 -4,35056E-08 -4,83847E-05

8,94991E-09 -2,07434E-05 5,5007E-09 -4,83847E-05 -1,28375E-08 7,38829E-05

-6,94007E-09 -3,18781E-09 1,63616E-08

-2,63288E-08 -1,58091E-08 3,99815E-08

0,000 -0,00 -2,0743

0 po teriori 2.4. ----------------------- Page 42----------------------40 APNDICE A - C NCEIT S NECESSRI S LGEBRA DE MATRIZES

t t (A + B) = A + B t t t (AB) = B A ( t A) = A t t (A ) = A - Um riz de t

m triz A simtric se i u l su tr nspost . m triz simtric , ento p r qu lquer

Se B um dimenses que

m t

t t convenientes tem-se que t nto ABA como A BA so simtric s Propried des d m triz invers

(AB)-1 = B-1A-1 (A -1 -1 ) = A

t -1 -1 t (A ) = (A ) (A)-1 = 1/ A-1 Form s qu drtic s Se A for um m triz simtric

de ordem n e x um vector de dimenso (n,1), o

Propriedade

da tran po ta t

A = At

esc l r qu drtic .

Diferenci o de m trizes e form s qu drtic s - Se A for um m triz cujos elementos dependem de um riv d de A em ordem u. s do vector colun x, x um m triz u v rivel u ento

m triz que se o tm deriv ndo todos os elementos de A em ordem y composto por m funes que so dependentes d s v rivei deriv d n, p rci l

- Se um vector colun

ento m por

de

em

ordem

ch m d

m triz J co i n e tem elementos:

----------------------- P 41

e 43-----------------------

y1 y1 x1 x2 y2 y2 x1 x2 yj Jyx = xi 1,...,n . . ym ym x1 x2 e que: = .

y1 . . . xn y2 . . . xn j = 1,...,m i =

ym . . . xn

- Sen o A uma matriz simtrica e or em n e x um vector (n;1), emonstra-s t x Ax ( ) x t x A ( ) e x = A

t = 2x A

( emonstrao em Surveying, theory an practice. pag. 902) MTODO EXTREMOS CONDICIONADOS: O mto o e Lagrange funo f e iz que para se encontrar um extremo relativo e uma entre si por k con ies 1,...,k DE LAGRANGE PARA DETERMINAO DE

n variveis que

esto relaciona as

t x Ax ch m -se um form

de

om

k<n),

introduzem- e k multiplicadore de Lagrange i (i=1,...,k) e estuda-se uma nova fu no de n+k variveis, sendo = f + 11 +22 +...+ kk

= 0 1 2 = 0

= 0 k ' = 0 x 1 ' = 0 x 2

' = 0 xn FRMULA DE PR PAGA DA VARINCIA

C y

= J yx

J t x yx

----------------------- Page 44----------------------42 APNDICE B - SIMB L GIA

n - N de ob ervae

l - b ervae i

u - N de parmetro

x - Parmetro i

l1 l

Se y = (x), ento atrav da

lei de propagao da varincia,

extremo relativo

da uno

 

ero a

olue

do i tema:

abe- e que:

n0 - N mnimo de ob ervae nece ria para re olver o problema em e tudo.

l 1

l 2 ^ ^

l n r - Grau de liberdade (r = n - n0) (x,l) = 0 - Modelo uncional

----------------------- Page 45----------------------43 x1

l - Vector coluna da ob ervae aju tada n,1 = l + v =

- b ervae

^ l

aju tada (l i

v - Vector do re duo

v - Re duo i

v1 vn,1 = v 2 v n ^ = l + v ) i i

l - Vector coluna da

ob ervae

ln,1 =

2 l n

 - Vector das correces dos parmetros

u,1 =

x 2 x u

f1 f1 f1 l1 l2 . . . ln f2 f2 f2 l1 l2 . . . ln fi A - Matriz Jacobiana J 0 li 0 . . fc fc fc l1 l2 . . . ln f1 f1 f1 x1 x2 . . . xu f2 f2 f2 x1 x2 . . . xu fi B - Matriz Jacobiana J fx = 0 xi 0 . . fc fc fc x1 x2 . . . xu w1 w2 W - Matriz do pe o W = = 02 1/ 2 1 1/22 B c,u = . = fl A c,n = .

1/n2

wn

x 0

1 ^ x - vector dos parmetros ajustados ^ x u,1 = x0 + = 1 x20 + xu0 x u ----------------------- Page 46----------------------44 BIBLIOGRAFIA Mikhail, E.; Ackerman, F. - "Observations and Least Squares". University Press of America,1976. Cooper, M. Professional and Technical Books, 1987. Davis, R.; Foote, F.; practice". McGraw-Hill Book Company, 1981. ----------------------- Page 47----------------------1 CASO GERAL: Forma linearizada do modelo funcional: Av + B = f Sendo: f A = (l )0 ^ v = l l 0 0 0 - l com f B = (x )0 ^ = x - x0 d = - f(l ,x ) + A et. al. "Surveying, theory and - "Control Surveys in Civil Engineering". Collins u 2 = x2

f = d - Al

Expresses que permitem calcular os valores mais provveis para as variveis d o

problema: v = W = Com: t N = B (AW -1 t -1 A ) B -1 t A (AW N-1t -1 t -1 A ) (f - B)

t -1 t -1 t = B (AW A ) f Expresses que s parmetros, dos permitem calcular as matrizes cofactor do

resduos e das observaes ajustadas: Q = N-1 Q l Q^l ^l = Qll - Qvv ----------------------- Page 48----------------------2 CASOS PARTICULARES: a) Ajustamento utilizando equaes de observao Forma linearizada do modelo funcional: v + B = f o problema: v = f - B Com: t N = B W B Expresses parmetros, dos que permitem t t = B W f calcular as matrizes cofactor dos = N-1t ou l + v + B = d t =Q A (AW vv ll -1 t -1 t A ) AQ -Q A (AW ll ll -1 t -1 -1 t A ) BN B (AW -1 t -1 A ) AQ l

Expresses que permitem calcular os valores mais provveis para as variveis d

resduos e das observaes ajustadas:

Q = N-1 = BN-1Bt ^l

Q vv

= Q

- BN-1Bt ll

Q ^l

b) Ajustamento utilizando equaes de condio Forma linearizada do modelo funcional: Av = f Expresses que permitem calcular os valores mais provveis para as variveis d o problema: v = W -1 t A (AW que -1 t -1 A ) f permitem calcular as matrizes cofactor dos

Expresses resduos e das observaes ajustadas: t Qvv = QllA (AW v.

-1 t -1 A ) AQll

Q^ll^ = Qll - Qv