Escolar Documentos
Profissional Documentos
Cultura Documentos
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
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
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
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
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
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
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
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.
em
nmero
s o serv es l , l ,...,l 1 2 n
um
conjunto funcion l.
de Est s
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,
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
devido ue
su
existnci som
de
erros
le trios
n s
medies.
Suponh mos
Se p r os seus
form
de
um
trin ulo
just d s) o tid s
modelo
so ou resd
um
medi
ento
exis
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
su tr ir os 3'' pen s
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
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
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
da
envolvido no aju t
Ape ar conjunto de
vector da ob ervae
modelo oluo
e um nica,
er o elemento
do vector
em
que
ob ervae
Como no ca o de ob ervae
alm
de
erem
no
valore com o aju tamento. Uma vez e tabelecido o modelo funcional e e toc tico, o algoritmo do mt
e con tante .
----------------------- Page 9----------------------7 3.1. CASO GERAL DE AJUSTAMENTO USANDO APENAS EQUAES DE CONDIO
Ante antamento,
3.1.1.
Aqui vamo
rivei
de condio.
va
ob ervae
ob ervae uer
ter equae
de condio.
equae
que
no
con trangida ou re trie . Qualquer equao que contenha uma ou mai ob ervae
di tino
entre doi
tipo
de equae :
equae
de
condio er
inclure
mnimo quadrado
odo do
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
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)
Con idere- e
ento
que
para
alm
de
ob ervae
tambm
o varivei
ob ervae .
No
entanto
problema
re olver. em
de parmetro depende
num
aju tamento Em
princpio, algun ca o
nmero depende
de
equae
que
nece rio
formular
para
de
um
tringulo
plano).
Ou
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
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 ,
de e
nica,
er
nece rio
aju tar
o nmero modelo
mnimo
de
varivei
independente
que
permite p
ob ervae
feita . Se e ta fore
e tero de fazer e a
grandeza a
parmetro .
Se
i tema.
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
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
mantendo
r + 1 ria
de
um
parmetro.
E ta
condio o me mo
adicional nmero
condie
quando
no
tnhamo
parmetro ,
teremo nece d
v um
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
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
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 -
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.
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
l e
ob
^ 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(l ,x ) +A (l + v -l ) + B = 0 0 0 0 Al + Av - Al + B = - f(l ,x ) 0 0 0
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
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
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
-1 t A [(AW -1 t A (AW
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]
-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,
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)
demo
parmet
podemo varincia
matrize
cofactor,
que
no
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
muito
diferente
do
valor
at ob e
i temtico na
02 atrav
o valor 1. Depoi
= N
-1 t [B (AW
-1 t -1 A ) f]
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
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
usado
O em
mnimos mais
quadrados simples
tem do
sido que
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
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
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:
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
+l N C 4 D 0 0 NA+l5 ND 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 +
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
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
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
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
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
de
que
so
MP
resoluo
BP
PP,
consider ndo
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
+ 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 =
p cos .
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
p. 0 .cosec 0
lo o f = ( 0 .cot a0
0 . 0 .cosec
0 .cot
3.2.3. C e
+ 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
= 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
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
ten o sete
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
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
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 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 = -
(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
( ) 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
Como r e a cada
conhecemo
o de vio padro
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 +
+ 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
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
= ( A) + ( - ) + ( - ) + ( - ) + 1 2 3 4
1)
Valor logo o
Clculo de
po teriori: 0
valor no
e colhido
(o
valor
e colhido
foi
f 2 E f 3 E
= 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
f1 1
f1 2
f1 3
inearizado:
f1 4
f1 1
f1 2
f1 3
0 -0.996 0.086
M B 4 E f = - f( ) = -
Uma vez que a matriz dos W = 3906.25 diag[ 2722890.898 898 1.0 1.0 1.0 ] o tm-se:
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) =
P B E
) + A 0
- A .
+ v(2) =
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
6,84083E-11 -2,9324E-11
-2,9324E-11 5,39217E-11
-6,94 -2,63
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
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
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
----------------------- P 41
e 43-----------------------
y1 . . . xn y2 . . . xn j = 1,...,m i =
ym . . . xn
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
C y
= J yx
J t x yx
n - N de ob ervae
l - b ervae i
u - N de parmetro
x - Parmetro i
l1 l
extremo relativo
da uno
ero a
olue
do i tema:
abe- e que:
l 1
l 2 ^ ^
- 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
u,1 =
x 2 x u
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
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
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
-1 t -1 A ) AQll
Q^ll^ = Qll - Qv