UNESP Be FCT - Departamento de Cartografia Ajustamento de Observagées Notas de aulas do Curso de Graduagao em Engenharia Cartografica, FCT/UNESP - Campus de Presidente Prudente. Prof. Paulo de Oliveira Camargo Departamento de Cartografia Presidente Prudente 2000SUMARIO 1 CONCEITO DE OBSERVACAO E MODELO MATEMATICO, 41.1 Introdugao, 4.2 Conceito de Observacao. 4.3 Modelo Maternatico.. 4.3.1 Modelo Funcional. 1.3.2 Medelo Estocastico. 2 PROPRIEDADE DOS ERROS DE OBSERVAGOES. 2.4 Introduga. 2.2 Tipos de Erros... 2.2.1 Erros grosseiros. 22.2 Erros sistematicos, 22.3 Erros acidentais... : 2.3 Precisdo, Exatido, Matriz Cofatora e Matriz Peso... 2.4 Erro Verdadeiro, Aparente & Residuo. 3 PRINGIPIOS E TECNICAS DE PROPAGATAO... 3.4 Introdugabo. 3.2 Propagagéo. 3.2.1 Propagagdo de distribuigao... 3.2.2 Propagagao de média, 3.2.3 Propagagao de variancia-covariancia, 3.2.3.1 Propagacao para fungées lineares. 32.3.2 Propagacao para fungées nao lineares. 4 INTRODUGAO AO AJUSTAMENTO PELO METODO DOS MINIMOS QUADRADOS. 4.1 Introdugo. 4.2 Principio dos Minimos Quadrados. 43. Ajustamento pelo Método dos Minimos Quadrados.. 4.4 Modelos Lineares e nao Lineares, 4.8 Sistema de Equagées Lineares e 0 NINQ..... 4.8 Aplicagdo do MMQ para Resolugao de Sistema inconsistente 4.7 Estimador Imparcal... 4.8 Solugdo de Variancia Minima (VM)... 4.9. Solugdo de Maxima Verossimilhanga (MV). 4.10 Contivionementa de Sistemas. 410.1 Introducdo 4.102 Nameros de condigées 5 AJUSTAMENTO DE OBSERVAGOES DIRETAS. 5.1 Introdugao.... : 5.2 Ajustamento de Observacdes Diretas de mesma Precisao. 5.2.1 Estimatva do Valor Ajustado - Média Aritmética Simples. 5.22 Estimativa da Precis0..... a 5.22.1 Desvio padréo uma observagio isolada 5222 Desvio padre do valor ustado 5.2.3 Casos Particulares. 52.3.1 Mudanga de origem... 52.22 Medidas duplas. 52.4 Estimativa por interval, 5.2.4.1 Intervalo de confanga para média em fungao da variéncia amostral 5.2.4.2 Intervalo de confianga para variancia. ee 5.3 Ajustamento de Observagées Diretas de desigual Precisao.. 5.3.1 Estimativa do Valor Ajustado - Média Aritmética Ponderad: Toes se nia ca dzone iano de Oberaes FOTUNES = Depatamomo Ge Careyrefa Presets Pret Verso Preliminar8.32 Estimativa da Precisao, 5.3.2.1 Desvio padrao uma observacao. $32.2 Desvo padrdo do valor ajustado, 5.3.3 Estimativa por Intervalo. 5.3.3.1 Intervaio de confianga para média ponderada, 5.3.3.2 Intervalo de confianga para variancia . 5.4 Analise Estatistica do Ajustamento.... 6 METODO PARAMETRICO. 6.1 Introdugao.... — 6.2 Ajustamento peio Método Paramétrico. 6.2.1 Linearizagao do modelo. 6.2.2 Equacdes normais, €.3 Estimativa da Precisao...... 6.3.1 Matriz variancia-covariancia dos parametros ajustados, 6.3.2 Observagies ajustadas e MVC das observaces ajustadas..... 6.3.3. Residuos e MVC dos residucs.... : 6.4 Fator de Variancia, 6.5 lteragdes. 6.5.1 Critérios para enceiramento das iteragoes. 6.5.2 Iteragao no método paramétrico, 66 Aplicagdes do Método Paramétrico.. 66.1 Aplicagées em nivelamento, 6.62 Aplicagses em transformacdes entre sistemas de coordenadss. 6.6.2.1 Modelo para transformagao no espago bidimensional 66.2.1.1 Transformacao ortogenal geral 6.6.2.1.2 Transformacao de similaridade. 6.6.2.1.3 Transformagao afim.... 6.6.2.1.4 Transformagéo projetiva. 6.6.22 Relagées polinomiais. 6.6.23 Exemplo . 6.6.3 Ajustamento de redes topograficas/geodésicas. 6.6.3.1 Ajustamento de rede no plano. 66.3.1.1 Exempio, 66.3.1.2 Exercicio 6.6.3.2 Alustamento de redes geodésicas no elipsdide 6832.1 Exemplo, 7 METODO DOS CORRELATOS, 7.4 Introdugao. 7.2 Alustamento pelo Método dos Correlates. 7.2.4 Modelo materrtico 7.22 Linearizagao do modelo. 7.2.3 Equagdes normais.. 7.2.4 Observagées ajustadas e matriz variancia-covariancia, 7.2.4.1 Observagées ajustadas.. 7.2.4.2 Matriz variancia-covariancia : 728 Vetor dos residuos e matriz variancia-covariancia, 7.2.5.1 Vetor dos residuos. 7.28.2 Matriz varincia-covariancia 7.2.6 Variancia a posteriori ou fator de varianeia a posterior, 7.3 Iteragbes. 7.3.1 lteragao no método dos correlatos. 7.4 Ajustamento de Rede de Nivelamenio peio Método dos Correlatos. 7.4.1 Exemplo. 7.42 Exercicios. 7.8 Ajustamento de Redes Topograticas/Geodésicas com o weétodo dos Gorrelatos. ‘ols de aulas da csciina Alvslamento de Obseragies . FOTANESP ~ Departamento de Cartograta / Presidente Prdente Verséo Preliminar 107 108 110 110 110 1 1 411 112 113 123 115 115 120 1217.5.4 Ajustamento de poligonal no piano. 8 METODO COMBINADO... 8.1 Introdugao. 8.2 Ajustamento pelo Método Combinado.. 82.1 Modelo matematico. 8.22 Linearizacao do modelo. 8.2.3 Equagdes normals. 8.24 Variancia a posteriori ou fator de variancia a posterior. 8.25 Parkmetros austados © matiz varandis-coveriincia dos perdmetos 82.5.1 Parametros ajustados...... 8.2.5.2 Matiz variancia-covariancia dos parametros... 8.2.6 Observagses ajustadas e matriz variancia-covariancia, 8.2.6.1 Observacées ajustadas. = 82.6.2 Matriz variancia-covariancia.... 8.27 Vetor dos residuos e matriz variancia-covanancia 82.7.1 Vetor dos residuos...... = 8.2.7.2 Mattiz variancia-covariancia, 8.2.8 Vetor do erro de fechamento e matriz varidncia-covariancia, 8.2.8.1 Vetor do erro de fechamento. 8.2.8.2 Matriz variancia-covariancia, 8.2.9 Particularizagao, 8.2.9.1 Método dos correlatos. 8.2.9.2 Método paramétrico. 83 Iteragdes. 8.3.1 Iteragao no método combinado. a 8.4 Aplicagées do Método Combinado. 9 INJUNGOES. 9.4 introdugée. 9.2 Tipos de injungées. 8.2.1 Injungao absoluta, 9.22 Injuncdo relativa, 9.2.3 Injungdes funcionais. 8.3 Método Combinado com injungae Funcional 9.3.1 Modelo Matematico. 9.3.2 Equagées Normais. 9.3.3 Mati vaiincia-covarincia dos parmetos ajustais. 9.4. Método Paramétrico com Injunco. 9.4.1. Injung&o funcional 9.4.1.1 Modelo Matematico. 9.4.1.2 Equagbes normais. 94.13 Mat vatenciercaverénca dos pardmetos ajitades, 9.4.2 Injungdo Relativa 9.4.2.1 Modelo Matematico. 9.4.2.2 Equagées nommais.. 9.423 Matiz variancia-covariancia dos parametros ajustados, 10 INTRODUGAO DE UM NOVO CONJUNTO DE ORSERVAGOES NO AJUSTAMENTO. 40.1 Introdugéo. 10.2 Método Combinado com a insoauio de Stseragses. 10.2.1 Método matematico....... 10.22 Equagses normais - sequenc’al 10.2.3 Matriz variancia-covariancia dos parametros ajustados.... 410.3 Método Paramétrico com a introdugao de Observacées. 40.3.1 Modelo Matematico...... 10.32 Equacées normais - sem inversao da mairiz normal (Ni). ‘tas do aan da dsoina Austamento do Observapbes FGTAUNESP ~ Departamento de Cartografia/ Presidente Prudente Versio Preliminar 122 127 158 186 187 187 157 157 158 159 159 159 160 163 183 163, 163, 164 165, 168 165 16710.3.3 Equagbes normals - sequencial, 10.3.4 Matriz variancia-covariancia dos parametros ajustados. 11. ANALISE DA QUALIDADE DO AJUSTAMENTO. 11.1 Introdugao..... 14.2 Controle de Qualidade.. 11.3 Andlise da Qualidade do Ajustamento... 11.3.1 Teste estatistico para deteccao de erros.. 19.3.2 Teste estatistico para identiicagao das obseragées co com erro srosseic.. 1132.4 Método de Baarda - data snooping, 11.3.2.2 Teste de Pope -teste tau, 113.23 AdaptagBo. oon 11.3.3 Niveis de significancia dos testes. 12 ELIPSE E ELIPSOIDE DOS ERROS..... 12.1 Introduszo.... : 122 Variance Maxima e Minima. 12.3 Ellipse dos Erros... 12.3.4 Exemplo... 12.4 Elipse Relativa entre dois Pontos. 12.5 Elipsoide dos Eros. . 12.6 Valores € Vetores Préprias Aplicados & pee e Elpsdide dos Erros. 12.6.1 Aplicagao a Elipse dos Erros...... 12.6.1.1 Exernpl... vo 12.6.2 Aplicagdo a0 Elipsbide dos Eros, 1262.1 Exemplo. 13. PRE-ANALISE... a 7 13.1 Introdugao. 43.2 Casos de Probiemas de Planejamento. 13.2.1 Solugao do planejamento de Segunda ordem pelo método direto 13.2.2 Solugao pelo método da tentatwva e ero... 13.3 Exemplo, 14 TESTE ESTATISTICO PARA ANALISE: DE DEFORMAGOES, DE TENDENCIA E PRECISAO. o 44.4 Introdugao, 14.2 Deteccao e Andlise de Deformagao, 14.2.1. Teste de congruéncia global. 14.3. Analise de Tendéncia e Preciszo. 14.3.1. Analise de tendéncias, 14.3.2 Analise de precisao........ 14.3.3 Aplicacdo pratica - controle de qualidade de carta... REFERENCIA BIBLIOGRAFICA.... Notas de aulas da discipina Ajustamenio de Observagios FCT/UNESP ~ Departamento de Cartografia / Presidente Pradente Versio Preliminar 167 188 182 182 183, 184 194 185 186 187 189 189 190 190 190 194 195 197 199 200 200 201 203, 204 208 206 208 207 208 210 212, 212 212 213 218 216 217 218 2211 CONGEITO DE OBSERVAGAO E MODELO MATEMATICO 44 Introdugao © ajustamento é um ramo da matematica aplicada, Tem por objetivo a solugao Unica para problemas onde o numero de observagtes (ou medidas) € redundante e o sistema de equagdes inconsistente, bem como a estimativa da precissio da solugdo adotada. A inconsisténcia do sisterna de equagées & devido as flutuacdes probabilisticas das observagbes, e faz com que um determinado subconjunte de dados proporcione valores diferentes de um outro subconjunto. A solugao nica nestes problemas € dada pelo Método dos Minimos Quadrades (MMQ) desenvolvido independentemente por GAUSS (1795) e LEGENDRE (1805). ‘A figura 1.1 esquematiza uma pequena rede de nivelamento geométrico; em fungdo dos desniveis medidos a altitude de A pode ser transportada até L por vérios caminhos, cada um proporcionando indmeras solugées. O ajustamento conduziré a uma Unica solugao, qualquer que seja © caminho percorrido, tornando as observagdes coerentes com 0 modelo matematico, Atternativamente, a altitude de L pode ser fixa, neste caso as observagtes sao ajustadas de tal maneira que o transporte de altitudes a partir de A produza em L um valar idéntico ao prefixado ag——__ L jura 1.1 - Rede de nivelamento geométrico (Fonte: Gemael, 1994) Nao faz sentido falar em ajustamento para problemas onde os dados (observagdes ou medidas) nao excedem 0 minimo requerido para a solugo do problema. Além disso, o ajustamento no methora os resultados das medigdes. Aa final do ajustamento 0 que se obtém so valores para as incégnitas @ uma estimativa de Sua preciséo, pois qualquer par8metro estimado, além de apresentar solugdo unica, deve ser acompanhado da estimativa de sua qualidade, que representa a dispersdo do resultado. Nenhum resultado teré valor cientifico ou técnico se nao estiver acompanhado de sua preciséo, a qual pode Ser expressa por 1c (desvio patrae}, 2s, 9c @ etc. Quando usa 1a, 0 valor da medida estimada tem aproximadamente 68,27% de probabilidade de estar no intervalo de +/- to. Pode-se também, com base nas técnicas do ajustamento, detectar a presenga de erros grosseiros em um canjunto de observagées, efetuar o planejamento da coleta de dados saber a priori se atenderao as prescricdes estabelecidas. ‘Notas de aulas da discipina Ajuslamento de Observagées FCTIUNESP - Departamento de Cartografia / Presidente Prudente Versdo Preliminar© ajustamento beneficiou-se, nas iltimas décadas, da concisdo da linguagem matricial e do desenvolvimento ocorride na computagao eletrénica que tornou exequivel a manipulagéo de matsizes de elevadas dimensbes, bem como das técnicas estatisticas, empregada na analise do ajustamento, que pode nos dizer a respeito da confiabilidade e qualidade dos resultados Pode-se, em resume, dizer que (Gemae!, 1994): A partir de observagdes redundantes sujeitas a flutuagdes probabilisticas e de uma estimativa de sua precisao, o AJUSTAMENTO tem por objetivo: a) estimar, mediante a aplicacao de modelos matematicos adequados e do MMQ, um valor Unico para cada uma das incégnitas do problema; bb) estimar a preciso de tais incdanitas e a eventual correlagao entre elas. 4.2 Coneeito de Observagdo © termo observacao ou medida, aqui tomada como sindnimos, é frequertemente usado na pratica para referir-se 4 operagao, bem como para o resultado da operagio. O valor numérico da observagao é de fundamental importancia para a ciéncia e engenharia, po's submete o instrumento analise © manipulagao. Propriedades fundamentais da medida: 1. Medir significa realizar uma operagao fisica, e 0 proceso de medida consiste de varias ‘operagées elementares; tais como: preparagéo, calibracao, pontaria, leitura & ett; 2. O resultado do proceso representa a medida; 3. Ando ser na contagem de certos eventos, a medida é sempre realizada com 0 auxilio de instrumento; 4. As medidas estao referenciadas a um padrao', 08 quais so estabelecidos por convencdo. Medir é entéo comparar uma grandeza a um padrao, tendo entdo dimensdo e unidade: 5. A medida um coneeito teérico, tal como uma abstracao geométrica usada para distancia @ Angulo, 0s quais nao tém equivalentes direto na natureza fisica. No enttanto, ‘ais conceitos permitem descrever cortos elementos da natureza, como localizagao, area, etc. * Por exemple, 0 mevre: unidade fundamental de medida de comprimento no Sistema internacional (simbolo m), oiginalmente etirido como a secima-milionésina pare da distancia entre o Equator e o polo Notte, mas redefnida inimeras vezes na busca de maior precisdo. A defnicao mais recente, define 0 metro como sendo igual 30 compriments do taj percorido pala no vacw em 198.7248 spun. (Rescuo de 17 Conferenca Ger! de Pesos e Metis, Par, oto Ge 4969) ‘Notas de aulas da disciptina Ajustamento de Observagoes 2 FOTIUNESP = Departamento de Cartograia) Presidemte Prudente Versdo PreliminarPara descrever certos elementos da natureza recorre-se aos modelos, que em nossa area serdo sempre os modelos materisticus. © madeta matematico € de importancia basica para os objetivos do ajustamento As observagdes ou medidas possuem uma proptiedade inerente a elas, conhecidas de Tutuagbes probabilisticas, pais quando se repete n vez a medida de uma grandeza, os n valores no 80 idénticos, mas esto dispersos numa certa regiao ou Classificados como erros de observagao. ervalo, que tradicionaimente eram Nos casos mais simples realiza-se medidas diretamente sobre as proprias grandezas incégnitas (observagées diretas). Algumas vezes as incogritas se tigam pot aquacSes de condigdes (observages diretas condicionadas) . Em outras, mede-se grandezas que se vinculam com as incégnitas (ou parametros) através de relagoes funcionais conhecidas (observagées indiretas). 1.3 Modelo Matematico Para descrever matematicamente uma realidade fisica, recorre-se as. formulas, express6es ou equagdes, que representam tal realidade com suficiente aproximagao. O modelo matemétion & definido como sendo um sistema teGrico ou um conceito abstrato, que descreve uma situagao fisica ‘ou uma série de eventos. Desta forma, tal descri¢ao ndo necessita explicar totalmente a situagao fisica, mas relacionar somente 0s aspectos ou propriedades de interesse. Tendo em vista que o modelo serve para um proposito particular, ele pode apresentar-se de formas diferentes para uma mesma situacdo fisica, dependendo portando do propésito em questao. © modelo tebrico esta estritamente relacionada @ aproximagao desejada, como por exemplo: 1. A representagao da Terra ou parte dela, realidade fisica nas disciplinas de Topografia e Geodesia, utilizando os modelos tedricos: plano, esfera, elipsdide. etc.; 2. Considerando em Fotogrametria, que uma foto aérea é perfeitamente vertical; 8 admitinda que 0 raio luminoso, que se propaga através da atmosfera e sistema de lentes tem trajetéria reta; so exemplos de modelo tedricos. Modelos mais precisos consideram a inclinagao da foto ou efeitos de nao colinearidade dos Talos Nota-5e que o modelo matematico ndo descreve exatamente o fendmeno, os eventos ou a realidade fisica. Descreve aspectos de interesse desta realidade © com aproximagao requerida, © modelo matematico € frequlentemente composto de duas partes, dividido em modelo funcional e modelo estocastico. O modelo funcional constitui a parte deterministica da realidade fisica (ou evento em consideragao. O modelo estocéstico descreve as propriedades ndo deterministicas (estocasticas) das variaveis envolvidas, particularmente aquelas representando as observagies. OS modelos funcionais e os estocdsticos devem ser tratados juntos, podendo-se ter varias combinagdes. ‘Notas de aulas da dacipina Ajustamento de Observaghes g FCTIUNESP ~ Departamento de Cartografia / Presidente Prudente \Versdio Preliminar4.3.1 Modelo Funcional Quando as medidas séo planejadas, um modelo funcional € usualmente escolhido para sepresentar © sistema fisico ou ficticio com 0 qual as medidas estao associadas. As medidas so feitas usualmente com a finalidade de avaliar valores para alguns ou todos os parametros do modelo funcional. Em Topografia, Geodésia e Fotogrametria, geralmente trabalha-se com modelos Geométrieas que independem do tempo e, ocasionalmente com modelos dinémicos; por exemplo: 1. Modelo geométrico em Topografia: um triangulo plano no espago euclidiano é caracterizado por 3 angulos, 3 vértices, 3 lados e talvez também uma arientagaa com, respeito a um sistema de coordenadas; 2, Modelo geomeétrico em Fotogrametria: fotos aéreas sao consideradas imagens perspectiva dos pontos do terreno: 3. Modelo dinamico em Geodésia: campo da gravidade terrestro. Embora os modelos geométricos usados sejam faceis e simples de visualizar, os elementos fisicos para os quals eles se referem nao so frequentemente e claramente distinguiveis. Deve ser reconhecido, entretanto, que nao ha na natureza objetos tais como pontos, angulos, disténcias ou coordenadas. Elas so somente elementos do modelo funcional que sao usados para descrever feigdes de objeto ou sua localizagao. Modelos funcionais nao sao frequentemente estabelecidos explicitamente, mas por implicagao. Se por momento um topdgrafo diz que mediu uma distancia, ele se refere que dois objetos S80 abstraidos e considerados como dois pontos geométricos. Um cientista ou engenheiro deve ter habilidade pratica para saber em quais casos opera com certos modelos ¢ em quais casos deve construir um novo. © modelo funcional deve estar com acuracidade suficiente pata 0 proposito em questo. As observagdes efeluadas s&o entao introduzidas no modelo e todas consideragdes devem ser levadas a efeito. 13.2 Modelo Estocastica © modelo estocdstico descreve as propriedades estatisticas das observagdes, que sempre esto sujeitas as incontavels influéncias. Elas podem estar sujeltas as influéncias fisicas que wo podem ser completamente controlada, resultando em uma certa variabilidade do resultado quando as observagies 20 repetidas. A variabilidade do resultado das medidas no pode ser atribuida a algumas causas especificas. Tem-se ainda como causas, além das fisicas, a falibilidade humana e as imperfeig6es instrumentais. Departamento de Cartograta / Presidente Prudente Verséio PrelimninarNo passado estas variagbes eram ditas ser devido aos erros de observacaio. No presente aceita-se a variabilidade do resultado como a principal propriedade da observagao e refere-se a conceitos estatisticos. Do ponto de vista pratico € dificil estabelecer as propriedades estatisticas das observagoes. ‘Um caminho & repetit as medidas e derivar as propriedades requeridas, mas isto demanda tempo dinheiro. Um outro caminno, freqdentemente usado na pratica @ assumir as proprievades estatisticas ‘com base em observagées similares (mesmo tipo e circunstancia) que foram realizadas no passado. Entretanto, quando as medidas séo realizadas, todas circunstancias fisicas e ambientais devem ser registradas, com a finalidade de proporcionar subsidio para juigar os resultados apropriadamente. Por exemplo, em Geodésia, as observagdes sto usualmente consideradas independentes, @ de igual precisao. Todas as propriedades das varidveis envolvidas dever ser consideradas no modelo estocastico. Elas podem ser consideradas fixas (constantes durante o ajustamento ou conhecida a |. livres (incégnitas do ajustamento) e semislivres (podem variar, porém sujeitas a certas restrigdes), A teoria classica do ajustamento nao explicitava especificadamente 0 conceite de madelo estocastica. Ao invés, 0 termo erro observacional ou propriedades dos erros de observagao eram usados. ‘Notas de aulas da dacipina Ajustamento de Observaqaes, 5 FCTIUNESP ~ Departamento de Carogratia / Presidente Prudente Verso Preliminar2 PROPRIEDADES DOS ERROS DAS OBSERVAGOES 21 Introdugao Até recentemente usava-se falar da teoria da observacéo ou teoria dos eros. Os conhecimentos sabre 0 assunto baseavam-se na idéia de erros. O termo erro é atualmente um tanto confuso @ seu uso tem diminuido cada vez mais. Ao invés, fala-se em geral das propriedades estatisticas das observagées. Embora 0 conceito convencional de erro deva ser evitado, o mesmo continua Sendo usado. Com a finalidade de eviter dificuldades, para maioria que néo sao familiares com o assunto, sera Usado 0 termo erro. No entanto, um esforco sera feito, sempre que possivel, para retacioné-lo com os conceitos modernos. Mesmo cercando-se de precaugdes e cuidados especiais no momento da obtengao das observagées, estas vém eivatias dos inevildveis erros de medidas, consequéncia da impertei¢ao do equipamento, falha humana e das condig6es ambientais nas quais se processa a mensuragao. Classificagdo tradicional apresenta estes erros como sendo de trés tipos: grosseiro, sistemético e acidental (aleatério ou randémico). 2.2 Tipos de erros 2.2. Erros grosseiros Erros. grosseiros frequentemente ocorrem na pratica, geralmente estéo associados a desatencao do observador ou mesmo do anotador. A inversdo de digits numa leitura, a contagem errnea de niimero de trenadas na medida de uma distancia, 3 troca do bordo visado na medida da distancia zenital do 501, so exemplos classicos de erros grosseiros. Mesme em técnicas automaticas de registro podem acorrer, em razao de uma falha no equipamento, porém com menor frequéncia Do ponto de vista estatistico, observagdes com erro grosseira ndo podem ser consideradas como pertencentes & amostra da distribuigao em questo, nao podendo ser usada com outras observacdes. Desta forma, as medidas devem ser planejadas de modo que na culeta de dadas, seja possivel detectar erro grosselfo ou evitar a sua ocorréncia. Hé uma grande variedade de procedimentos para isto, tais como: leituras miltiplas e checagem da consisténcia; culdado com a checagem do valor observado © anotada utlizando-se de técnicas simples @ rapida de veriicagao; verificando a performance do equipamento (particularmente dos automaticos), aplicando a geometria simpliicada ou checagem algébrica. Todas as observacdes contaminadas de erro grosseiro dever simplesmente ser rejeitadas; em alguns casos a detecgao do erro & facil (erro grande). Entretanto, erro grosseiro de moderada magnitude é dificil de ser detectado, mesmo usando-se de técnicas estatisticas. ‘Notas de aulas da disciptina Ajustamento de Observagbes: FCTIUNESP ~ Ocpartamento de Carogratia/ Presidente Prudente Verso Preliminar2.2.2 Erros sistematicos Os erros sistematicos 880 aqueles oriundos de causas conhecidas; podem, na maioria das vezes, ser evitados através de técnicas especiais de observagio ou eliminados a posteriori mediante a aplicagao de formulas fornecidas pela teoria. ‘A minimizagao dos erros sisteméticos 6 obtida pela calibracéo dos instrumentos, técnicas de observagao e de processamento dos dados para eliminar efeitos atmosféricos ou outros. Do ponto de vista estatistico, a repeticao de observagées nao auxiiaré nia detecgao de erros sistematicos, pois eles afetam as observacses da mesma forma. Exageranda pode-se dizer que quando uma observagao contém efeitos sistematicos, ndo ha nada de ertado com a observago, mas sim com a sua interpretaco, isto é, © modelo funcional ndo apropriado. Exemplo: um triangulo sobre a superficie terrestra pade ser tratado por um dos tr6s modelos funcionals: plano, esférico ou elipscidal ‘A-escolha inadequada pode resultar em erros sistematicos. A colocagao do nivel a igual distancia das miras no nivelamento geométrico, é um exemplo de climinagao de efeitos sistematicos (refragdo, esfericidade e colimagac) durante a medigéio, O mesmo se diz a respeito da reiteragaio ou repetico & ras conjugadas (CE, CD) nas observagdes angulares, com objetivo de eliminar os efeitos sistematicos (graduagao do limbo, excentricidade da alidade, colimagéo, etc). Ambos exemplos utlizam-se das técnicas de cbservago para eliminar os efeitos sistematioos. Certas influ€ncias das condigdes ambientais, que neste caso nao so eros, dever ser eliminadas ov minimizadas através de modelos matematicos estabelecidos. Como exemplos, tém-se: a medida eletrénica de uma disténcia deve ser depurada do efeito da refragao, numa operagao a posteriori ou em campo; a leitura de um gravimetro expurgada da influéncia da atracao luni-solar: a distancia zenital de uma estrela corrigida da aberragao diuma, em fotogrametria a corregao das fotocoordenadas devido as distorgoes das lentes (radial e simétrica), refragéo atmosféricas € deformagoes do filme, etc. Os erros sistematicos também podem estar associados a0 observador, 6 0 caso, por exemplo, do nivelador que efetua a leitura sempre um pouco abaixo (ou acima) do trago da mira, ou do topdgrafo que efetua a leitura um pouco @ esquerda (ou @ direita) do alvo. Esse tipo de erro & dificil de se eliminado, exceto nos casos de observagées diferenciais. Por ultimo vamos focalizar 0 aspecto acumulativo dos erros sisteméticos: por exemplo, na medida de uma distancia AB, Pera tal fol executado um piqueteamento prévio conforme ilustra a figura (Figura 2.1); erros no alinhamento dos piquetes fazem com que alguns deles caiam fora da linha de visada. As medidas parciais Aa’, a'b’, b'c’,c'¢’, d’B, so realizadas com todo rigor e preciso, mas as disténcias parciais observadas s40, em todos os casos maiores que as reais, © que ilustra 0 efeito acumulativo dos erros sistematicos, ‘Notas de aulas da discpina Ajustamonto de Observapbes FCTUNESP~ Departamento de Carografia/ Presidente Pridete Verso Preliminarb c a A~ B b . 4 Figura 2.1 - Aspecto acumulativo dos erros sistematicos (Fonte: Gemael, 1994) Os efeitos sistematicos tomam diferentes formas dependendo do valor e sinal de cada efeito, Se 0 valor eo sinal permanecer 0 mesmo durante todo 0 processo de medida, teremos um erro constante, por exemplo: um instrumento com erro de zero ou constante aditiva (Zo - distancia entre o centro eletrénico e centro geométrico do distanciémetro). Se 0 sinal do efeito sistematica muda, talvez devido uma tendéncia pessoal do observador, 05 erros sisteméticos resultantes so frequlentemente contrabalangados. © modelo funcional deve ser estabelecido de modo que os efeitos sistematicos sejam considerados. Isto pode ser feito de vérias maneiras, uma delas consiste em eliminar os erros sistematicos antes de efetuar o ajustamento, @ a outra na qual o efeito deve ser considerado como uma incognita e ser determinado no ajustamento (parametrizagao). Com frequéncia, os efeitos sistematicos nao sao introduzidos no modelo matematico, mas corrigido as observagies, dessa forma as observagdes sao Substituidas por autra série de valores, Os erros acidentais ou aleatérios, a0 contrario dos erros sistematicos, ocorrem ora num oF@ outro sentido e no podem ser vinculados a nenhuma causa conhecida. Uma vez eliminado os erros grosseiros @ sisteméticos, as observagbes repetidas sobre a mesma grandeza ainda se revelam inconsistentes; as discrepancias constatadas sao atribuidas 20s erras acidentais. Enquanto que os erros sisteméticos tendem a se acumular, 0s erros acidentais tendem a se neutralizar quando 0 numero de observacées cresce. Antes de iniciar o alustamento, as observacdes deverao ser depuradas de todas as influéncias sistematicas, bem como dos erros grosseiros, uma vez que 0 ajustamento prevé que as mesmas se apresentem contaminadas apenas pelos erros acidentais. 0 termo erro acidental ou erro aleatorio é muito frequentemente restrito a distribuigéo normal de probabilidade. Isto ¢ devido ao fato de que as observagies repetidas, usualmente apresentam 2 distribuigao de probabilidade normal. Em principio, o termo aleatério nao é necessério ser restrito @ distribvigéo normal. Adicionalmente, ele ndo ¢ limitado a distribuigéo unidimensional, mas igualmente para a distribuicao multidimensional. As propriedades dos erros das observagies sao equivalentes as propriedades estatisticas da amostragem. A populagao de onde as observagbes S40 obidas @ hipoteticamente considerada infinita. Amostras independentes essencialmente significa que as observagées previamente obtidas nao influenciam nas seguintes. Isto & distinguido da possivel correlagéo de observagées subsequentes, talvez pela infiutncia comum de um certo pardmetro fisico (tal como a refragao). Notas de aulas aa disciptina Ajustamento de Obsevaqoes ECTIUNESP ~ Departamento de Cartograia/ Presidente Prugente Versio Preliminar2.3 Precisao, Exatidao, Matriz Cofatora e Matriz Peso As observagées, bern como os resultados do ajustamento sao fredilentemente analisados na pratica pela precisdo e exatidéo ou acuracia, Acuracia refere-se ao grau de aproximagéio de uma estimativa do seu valor considerado verdadeiro, e esta vinculado aos efeitos aleatorios e sistematicos. Enquanto, que a preciso expressa 0 grau de proximidade da observacdo com sua a média, vincula-se apenas aos efeitos aleatrios Acuracia reflete a posigao, e preciso (a) reflete a dispersdo, por exemplo, de uma observagao. Num caso n-dimensional, a precisdo é representada pela matriz variéncia-covariancia (5). 0 trago dessa matriz é frequentemente tomado como indicagao da preciso média: Precisdo média = fre V (2) Por exemplo, as variéncias ¢! © covariancias ©} de um conjunto de n abservagdes (L:) podem ser dispostas de maneira a formar uma matriz quadrada (n x n). representada por Ey, OF On ms Gig oy 6} 9; Zeya fO OF = (2.2) Oy oe Len Fn 4 Armatriz Dy. simétrica (oj = 05), recebe o nome de matriz varidncia-covariéncia (MVC), ou simplesmente mattiz covariancia (MC). No caso das observagées serem independentes entre si, as covariancias serao nulas e E,,, se degenera numa matriz diagonal. Na prética, a matriz variancia-covariancia ¢ frequentemente substituida pela varidncia e covariancia relativa. Em razao disto usa-se o termo matriz dos coeficientes de peso ou de cofator. Designanda a matriz dos coeficientes de peso ou de cofator por Q e representando o seu ‘elemento por q. Um cofator relaciona-se com uma covariancia por: (23) 984) (24) aase ou © ‘Notas oe alas da dscinin Ajustamento de Observagies FOTRUNESP Departamento se Cancorala/ Presidente Prien Verso PreliminarNas equagées acima, oj 6 uma constante arbitraria, admensional ou nao (dimensdo arbitraria), chamada de variancia de referéncia, ou fator de variancia, ou variancia da unidade de peso unitario. Aplicando no caso de uma MVC, tem-se que: a= {ast al ain (25) Se a matriz Q for no singular admitira um: e representada por P: Wersa, que 6 conhecida como matriz dos pesos, Q'= of XB. (26) A mattiz dos pesos, também simétrica, se reduz a uma matriz diagonal quando as observacdes S40 nao correlacionadas {independentes) entre si. Nesse caso, 0s elementos diagonals de P © @ sao, respectivamente, os pesos © 0 Inverso dos pesos das observacées. Os pesos das observagdes recebem entao uma defini¢ao simples, e podem ser calculados por: (2.7) AB. Para 08 casos em que hd uma perfeita correlagao entre as variaveis, é ainda possivel estabelecet uma matriz covariancia e uma metriz cofatora. Néo é possivel, entretanto, estabelecer uma matriz de pesos, pois 0s elementos da diagonal da matriz P ndo s80 0s pesos € os da matriz @ 840 08 inversos dos pesos. 24 Erro Verdadeiro, Aparente e Residuo Designando X 0 valor estimado de uma grandeza medida, por 11 0 seu valor verdadeiro, @ por 0s valores observaidos, pode-se considerar que: a) erro verdadeiro: 6 Ven b)erro aparente : @=1- X Xl, (erro aparente com sinal trocado) cy residua v Normaimente conhece-se 0 erro aparente, a no ser no caso de fechamento de trianguios. ‘Notas de aulas da ciscipina Ajustarenta Ge Observarbes a FOTIUNESP ~ Departamento de Cartografa / Presidente Prucent Versdo Preliminar3 PRINGIPIOS E TECNICAS DE PROPAGAGAO 3.1 Introdugao Através da propagacdo pode-se obter as caracteristicas estocasticas das varidveis funcionaimente dependentes, dando as caracteristicas das varlavels funcionalmente independentes @ a selagdo funcional entre estes dois conjuntos de variaveis. Seja, x: (i=1, 2, ... n) um conjunto de varidvels aleatérias? (v.a.) (por exemplo: angulo, distancia), com a conespondente distribuigao de probabiidade dada pela funggo densidade de probabilidade (Fdp) 64(«1, Xs Ka) E Ye (KE1, 2, nm) UM Outro Conjunto de v.a. relacionadas com x por meio de um modelo funcional: Vie Fp ReneeMade KE 1, 2s any M (34) Os valores de y, s40 obtides daqueles atribuidos a x, dai chamamos y, de varidveis funcionalmente dependentes e x; de variaveis funcionalmente independentes. ‘Com a propagagao pode-se determinar as propriedades estocasticas das varidveis yj, a partir das propriedades das varidveis x, que corresponde caicular a fungao densidade (6), a médi (wea MVC (3) de y. Nas aplicagdes praticas usa-se normalmente trés tipos de propagacao: 1. Propagagao de distribuigao; 2. Propagagao de média; & 3, Propagagao de variancia-covariancia. Em ajustamento, nossa atengao serd voltada para a propagagao de variancia-covariéncia, ou propagagao de covariancias, conhecida também como propagagao de erros. 3.2 Propagacao 3.2.1 Propagagao de distribuigao No caso de transformagées lineares de V.a. distribuidas normaimente, a propagacao resultara em uma distribuigéo normal Soja xs, X2,...% UM Conjunto de v.2., cuja distribuigao de probabilidade é dada pela fdp $x, Xa, 1 Xa) Atfavés de relagbes funcionais pode-se obter um outro conjunto de variavels ys, Ya. * Varidvel aleatoria, andémica ou estocdstica 6 uma funge que associa a cada elemento de um espago amostal a um nimero real, & definida pels sua fungo de probablidade (modelo matematico), ‘Notas de aulas da discipina Alustamento de Observagbes a FCTIUNESP ~ Departamento de Cartografia / Presidente Prudente Verso PreliminarYow A distribuigao de probabilidade 4/(ys, yz, Ym) dese novo conjunto & obtida a partir da propagagao de distribuigao. Para 0 caso unidimensional, seja y = f(x), uma funcao continua e diferenciavel, com 6,(x) sendo a fungdo densidade de x. A inversa da fungao x = h(y), 8 assumida existire ser Unica, continua e diferenciavel. Cada evento x, pode ser transformado em um evento y; = fk), @ vice versa, x; = hly). Entretanto a probabilidade de x falhar (ou ser sucesso) no intervalo (xz ~ X:) 6 a mesma de falar (ou ‘er sucesso) no intervalo associado (ys - Yi). Plxy x x2) Frexovex= [* ayividy=Povs sy sve) (3.2) Assim: ex(ndax oy) 2 oyonjay. 3) Entdo fungdo densidade da v.a. y = f(x) é: ahly) dy(y) = 4x(hty)) 2 (34) y a que corresponde a: ax oy) =O) 5) u a Exemplo: 41) Determinar a fungaie densidade de probabilidade da fungéo: yee Solugao. xehy= + (usando somente os valores positivo) 12 ‘Notas de aulas da dscipina Ajustamento de Observagbes FOTIUNESP ~ Departamento de Carograia | Presidente Prudente Versio Preliminarax oy ahty) 1 a “a5 ‘Assim a fungi densidade de y sera igual a a= ea Entdo, se: =e? ‘A fungao densidade (fdp) de y sera dada por: y, eet oW)= As) 3.22 Propagagao de média A propagacao da média é oblida diretamente do conceito de esperanga matematica’. Sofa, x1. X,--. Xq_UM Conjunto de v.a. com esperanca (ou media 1) Efe), Efe. Eid: Considerando Ys, yz... Ym UM Outro Conjunto, obtidas a partir Ge x4, wus Xm (8t0 €: F(X, Xa, .-) (3.6) ‘Aesperanca ou média de y, & a esperanga de fungao f, ou seja’ (37) Ey} = Effie, x2, Dh ‘A propagagao de média para fungdes lineares ou linearizadas padem ser facilmente oblidas, por exemplo: 5 propriedades: sendo cee’ constantes, ¢ XY, 8) Ele) = 0; E(oX) = c EX) E(ere DIERGYE AZ) = EO) +E (+. EZ, ElexeCY) = CER) rc" EM C)EDKY} = EXX) E(V} + COVIXY): se X.Y forem independentes : (XY) = EX) E(Y) A) EO) « EDOF 13 ‘Notas de aulas da discipina Austamante da Observaqoes FCTIUNESP ~ Departamento de Cartograia/ Presidente Prudente Versio Preliminarled, Elax)=a E(x) | iy =a Y= Aq Fy Xy + Ay Xz +... 4A, Xq Ely) = Ela tay xy + ap Xe tty Kab Ely} = Elo) + Ela, x4} #El@, Xz) +. EL@y Ky} Ely} = ag + a4 Elk) + a2 Ela} +g Elen} Hy =A Ay Hy, 2p Hey tot at Hh, 3.2.3 Propagagao de variancia-covariancia Em Geodésia, Fotogrametria ou mesmo em Topografia, como em muitas areas da Ciencias e Engenharia em geral, as quantidades medidas so frequentemente utiizadas para calcularem outras quantidades de interesse (parametros que estamos dispostos @ estimar) em tais casos, as quantidades s80 expressas em fungéo das medidas. Se as medidas estdo dispersas em tomo de um valor, ou seja, apresentarn variancia, inevitével que as quantidades calculadas, a partir dessas estardo também dispersas. A avaliagdo das dispersées (variancias) nas quantidaves calcviadas € eventuais correlag5es como fungdes das dispersdes nas medig6es ¢ cramado de propagagao de variéincia-covariancia (propagagao dos erros aleatérios). 3.2.3.1 Propagagao para fungées lineares Seja, duas v.a. x, € x2 com médias 4,@H,,, € variéncia dada por of,e0%,, respectivamente. Considerande, que as v.a. Yr @ yz S80 obtidas das seguintes formas. [¥iF80 #aK, 489K 3.8) [¥2 Bo + Dix) + D2X2 a Obter entao a dispersdo de y; e yz € a eventual correlagao: 35, =Eys-Hy, 03, =Ellag +24x, + 82Xp — Ao ~ atts, Behe, FY 09, = E1(24(%4~ thy) + 2a(%2 “HP 6, = EA(@7 (x4 ~ tha)? + 830% “HI? #2818204 ~ He, M2 “Hy 0, = AF E(x — PY AB EM Kp Hh, PP + 2agte BLOX — By, (M2 “Hig I Notas de aulas da disciplina Ajustamento de Observagdes < FCTIUNESP ~ Departamento de Cartografa/ Presidente Prudente Versdo PreliminarOF, = At 0%, +% 0%, #28182 On4y (33) de forma analoga: Of, #Di 0%, +305, +2; by oxy, © (3.10) Sy, FArbs OF, +Aad2 5, + (Asb2 +2b}) On4, 11) ‘A aplicago acima pode ser mais facil usando matrizes. DEMONSTRACAO DA LEI DE PROPAGAGAO: Considerando os vetores aleatérios X e Y, ligados por um modelo linear: Y= GX+c, (3.12) onde: n¥; ~vetor das quantidades calculadas; nGq - matriz dos coeficientes; ©X1_~vetor das medidas (observagdes), com media 4, e MVC Exi nC; - vetor composto de constantes. Uma vez que variancia e covariancia s40 esperangas, aplicando a definigao de variancia em (9.12), obtemm-se a MVC de ¥ (5, Dy = EY -Uy) (Y- Uy}, (3.13) de (3.12) tem-se que: Uy = EtY} = EIGX +) Uy = GEKQ*C Uy = GUx +6, (3.14) ‘Substituindo as expressbes (3.12) e (3.14) em (3.13): By = EWGX+C - GUx -C)(GX+C - GUx -C)} Ey = E((G (X= Ux)) (G (X- Ux))"} ‘Notas de aulas da dscipina Ajustamono de Observapbes FCTIUNESP ~ Departamento de Gartografa | Presidente Prudente Versdio Preliminar 15(G(X - Ux) (K- Ux)" 6} GEUK - Ux) (K- Ux} BT Xr tye G&G. EXEMPLOS: 1) Calculat a MVC de Y, sendo: [ii= 0% +8x. +3 |y2 = 8x + 7x, + Solugao; oyy, |_f 68. 106] lS 2) Mediu-se um tecceno retangular, sendo: 1, =50,170m + 0,01m lp = 61,090 m + 0,02m Calcular 0 perimetro ¢ 0 seu desvio padréo solugéo’ Perimetro’ p= 1+ 2p = 222,52 m ‘Notes de aulas da discipiina Alustamento de Observagses FCTIUNESP ~ Departamento de Cartoarafia / Presidente Prudent 16 Verso Preiiminar A expressao (3.15) 6 a formula para propagagdo de variancia-covariancia ou propagagdo de covaridncia para fungées lineares. (3.15)ou 61,080, 2) 20) 2asom Desvio padréo: Ip= G Ex 6 zee fF 52. ]5] Lp = 95 =0002m* 9 = 004m 3) Mediu-se 0 perimetro de um triangulo sendo: i 1=30m + 002m I= 25m + 003m 1=50m + 001m Calcular 0 perimetro eo seu desvio padrao, Solugéo: Perimetro: Pel th+h = 105m ou fu] 30 P= 114 43|2| = [1 1 J] 25]=105m bs] 180) Desvio padrao: Ip =GE,G" foo? o oft p= 1 1] 0 03? oF |I4 Lo 0 cat ial ‘Notas do aulae da discipiina Ajustamento de Observagdes: w FOTIUNESP ~ Departamento de Cartogeafa | Presidente Prudente Verso PreliminarZp =o} =00014en" op = 004m 3.23.2 Propagagao para fungdes nao Linoares Equagbes tineares nao so freqdentemente encontradas na pratica, As equagdes sao em gefal nao lineares, devendo, no entanto serem linearizadas. A linearizacdo € efetuada desenvolvendo a fungao em série de TAYLOR, onde se despreza os termos de ordem superior primeira ordem. Seja a tungao: y= f00. (3.16) O desenvolvimento em série de Taylor, conduz a: a a7) y a « desprezando termo de ordam superior & primeira, tom-se: a} x9)+ 4] x-x, 3.18) y ) a I. 0) (3.18) y a f(xq) +d ax (3.19) Considerande umn caso geral em forma matricial Y= FOX) (820) ‘Aexpansao em série de Taylor, leva a: Yer )+ A xx) LAE) (xx + (21) oT OX, Bax 0 desprezando termo de ordem superior primeira, tee: 18 ‘Notas de aulas da dscipina Alustamento de Observagbes FOTIUNESP ~ Departamento ce Cacao /Presiete Prudente Verséo PreliminarY =F(%)+ £} (x-Xo) (3.22) Y =F(Xo)+DAX. (3.23) onde: a | By OK Oy De We Me Bey Beg Beg. | = Matti Jacobiana.. (3.24) Bim Bin Bn &X; Oy, Ky Frocedimento anélogo ao anterior conduz a: y= DX Or, (325) que ¢ a formula para propagacao de variancia-covariancia para fungées nao lineares. Gansideracée a) A propagagao independe das distribuigao de probabilidade. b) Se a MVC das medidas é diagonal no implica que a nova MVC também a seia, pois 0 modelo matematico que interliga as variaveis, promove a correlagao. ‘Quando as componentes do vetor aleatério X $80 independentes (nao correlacionados) a MVC sera diagonal, desta maneira para a fungdo linear. Y= Ori + Oaks + + GX (3.26) onde 8 V.2..X3, Xay 1 Xe 880 independentes. Aplicando a propagagao de covariancia (eq. 3.15): Iv=G Xx 6 19 ‘Notas de aulas da disciplina Ajustamento de Observagbes, FOTIUNESP ~ Departamento de Cartografia / Presidente Prudente Verso Preliminartem-se que: o, 0 0 Ifo, 0 of, ° - 9] 2 & 3 [0 0 un 0% jlo que resulta em: Gz sgh 02, t.4go% = varidncia; e (27) [ZEEE 5 GF 0%, +93 0%, +...#h 02, = — desvio padrao. (3.28) Para uma funcéo néo linear representada por: Y £045, X25 Xa (3.29) onde x1, Xs», Xq 880 independentes (néo correlacionados). A aplicagao da lei de propagaréo (e9. 3.28) Ey =D Sx Dt leva a |] of 0 0) a, yo . of OK. 2 fo o .. oi dy Oe dda qual resulta que a variancia 6 igual a 2 2 2 of =( 2) 02 (2) of, +..o( 2] oe. (3.30) ax) Lag) O° Loe) eo desvio padrao: ‘Noas de suas da decipina Austamerto de Observagbes, ea) FCTUNESP ~ Deparamemo de Canoga | Presioeie Prugente Verso Pretimninarwy gz xq) °* 2) a2 oe | a te {2 2x2 EXEMPLOS: 1) Medi se um terreno retangular, sendo: 1,=50,170m + 0,01m 1, =61,090m + 0,02m Caleular a area @ 0 desvio padréo. Solugao. Area: Ash l= 3064,88 m? Desvio padrao: Za=DE07 Wan eA oAlfoo 0 || a, Bo > all a, A, || 0 902? || aA Lae | Salle 100% ° Ii) L 0 002? JL 2 re Eq = [61090 soso] ° o ] © — 0,02* }\ $0170 La =9% =138m* on = U7 me Resposta: A= 3064.88 4 1,17 m® ‘Notas de auas da discipina Ajustamento de Observagoee FCTIUNESP ~ Departarnenta de Cartografa | Presidente Prucente Ja-(aJa-(aye (2.31)ayyzex Resposta: 5, = b)y=axtb; Resposta: E, NYS Om te: ony Resposta: 5, d)y=a%- aX; oy, =0 —-Resposta: Sy 20 ey =K, 4 Xi COM Ly = Resposta: 02 Dy =o Resposta: 2-08 . S)Y=x, 4% com Ex [bs ° | Resposio: 2-05 yysaecr com Ex=[_ 35 ~08] —Respost Dysx +x | Resposte Dy=% 8 Resposta: 2) Dado © modelo: Ys [Ys = 2xy 4X2 V2 =X #2x Sabendo-se que as componentes de Y tem variéncia igual a 3 e a covariancia igual a 1, calcular a MVC de: ZEx +H Resposta: £, =02 =8/9 3) Sea XE + Yo X2=2y; +3y2 ‘Notas de alas da dscipina Ajustamento do Observagses, ee FCTIUNESP — Departamento de Cartografia / Presidente Prudente Versao Preliminar1 e Sy - z| a matriz covariancia dey, @ yp Caleule a matriz covaridncia de Z: .r|_[388 944 “|344 306 4) Calcular 0 desvio padrao do perimetro e da area de um circulo de raio r = 10,000 40,030 m, Resposta: cp =0,188M @ on = 1,885 m* 5) Qual 6 0 desvio padréo do Angulo (rsena, A=S-T ; 2(4— sena) as areas, respectivamente, do setor circular, do triénguto e do segmento circular: ny 2 a= 60° 30.4’ + 1,30 = 120,026 m + 0,00118 m? [o8 ost osq] [24,6654 18,4355 6.2299) Resposta: = oF om) = 44,2624 4,1731| m* oR | 22,0568 | 11) Dadas as coordenadas cartesianas x = 30 me y = 40 m, com o = ,04 m @ oy = 0,05 m, respectivamente, onde x e y sdo assumidas no correlacionadas. Calcular as coordenadas polares (1,0) e sua matriz covariéneia, Resposta:r=50m; = 36° 62 11,6; Notas de aulas da disciplina Ajustamento de Observagses: zs FCTIUNESP ~ Departamento de Cartografa / Presidente Prudente Versdo Preliminaraed og] - Pye - 864° 10m Fe loa of |” |-864*10-%m 7600" 10-7? |} ay = 10095" 12) Seja: Y =X; C0s®- xp send Calcule 0 peso da v.a. y, considerando: e=459; x i , Resposta: p= 1/3,5 = 0,2857 43) A figura abaixo mostra a area de uma figura, onde todos os angulos sao perfeitamente retos. A partir das informagoes fornecidas, calcular a area do reténgulo formado pelos vertices ABGH e sua variancia: % He i Ye lb € | I" j}A_______ B c x 24 24] com ta-[5 al... ° Sy [i cle Resposta: A= 20em*; oq = 1820m* 14) Na medida de distancia com estédia, a distancia horizontal 6 dada por D = C'S cos’v, onde C 6a constante estadimétrica do instrumento, geraimente C=100, S € o numero gerador obtido da diferenga de leituras sobre a mira dos fios do reticulo superior inferior, e v 0 ngulo vertical (4ngulo formado ‘com 0 horizonte). Para um distancia direta de até 300m, considera-se que a diferenga S tem um Notas de aulos da discipina Ajustamento de Observagaes id FCTIUNESP ~ Departamento de Cariogratia/ Presidente Prudento Versdo Preliminardesvio padrao de aproximadamente 0,01 m. Determinar 0 desvio padrao da disténcia D, considerando que a mira estava perfeitamente na vertical e o Angulo vertical sendo igual a zero (v= 0). Resposta: og = 18) Estimar 0 desvio padrao do perimetro e da area de uma circunferéncia, e do volume de uma esfera de rai igual a: r 0,5 em; 0, = 0,25 em Resposta’ op =157 om: cq =47,910m?; oy = 292247 cm? 16) Uma linha-base & medida em duas segbes, a primeira com uma distancia de 746,249 m e desvio padréo 0,047m; e a segunda com uma distancia de 937,416 m e desvio padréo 0,068 m. A distancia total da linha-base @ de 1883,685 m, deseja se conhecer o desvio padréo desta linha base. Resposta: = 0,0827 m. 47) Adistancla entre 0 centro do eixo da roda de uma bicicleta e o chao, aproximadamente de 35 cm, foi medido diversas vezes e obteve-se um desvio padrao de 5 mm, qual ¢ 0 desvio padrao da circunferéncia descrita pela roda? Resposta: o = 31416 mm Se for assumido que 455 revolucdes da roda so equivalentes a distancia de 1 Km, qual € 0 desvio padréo desta distancia a parti da medida do raio da roda? Resposta: « 14,294 m 18) Testes de medidas indicam que 0 desvio padrdo de um conjunto de leituras em miras, sob dadas circunsténcias, nas operacées de nivelamento é m = 0,0017 m. Se a distancia S, entre a mira & © nivel, 6 a mesma em toda operagSes de nivelamento, entao calcular o desvio padrao da diferenga de altitude entre duas estagoes. ‘Supondo que sao ocupadas n estagdes com o instrumento, e que a distancia total entre os pontos extremos ¢ L, entdo: leans Sucessivas leituras de 18 f1,f2, nf) & €8 Correspondentes leituras de vante Vi, Vays Yo NA mira séo efetuadas, entéo: ANE (Fy -V4) + (te- va) + Se muy 6 0 desvio padrao do desnivei Ah, entéo: Notas de aulas da disciplina Ajustamento de Observagdes a FCT | UNESP ~Departaments de Cartagrafa/ Presidente Prudente \Versdo Preliminarmi,=m@em?+..+m® = — (para 2n termos) m3, = 2am? eee m3, =m? “ms Ja que m eS s&o constantes, ma, € proporcional a VL Pede-se para calcular 0 desvio padrio (mm) para S= 20m, L=1 Km en=25? Repetir 0 calculo, considerando agora uma linha de 10 ¢ 100 Km. Resposta: Manxm = 0,0120 MM; Maysoxmy = 0.0380 mM; May soaKmy # 0.1202 mm; Obs.: A expresséo acima, para S=20 m poderia ser colocada da seguinte forma: tmyy=0012 VT mm; com Lem Ken 19) As medidas das dimensdes de um tanque, conforme a figura, so dadas: h= 15,00 m eon =0,02 m Encontrar o desvio padrao do volume do tanque, utilizando- se dos dados acima. 8,37 m* Resposta: 20) 0 volume de um cone 6 dado por V=—n12h. © cone tem uma altura de 10 m + 0,20 me diametro de 6 m + 0,10 m. Calcular 0 desvio padrao do volume. 66 m° Resposta: & ‘Notas de ulas da dscipina Austamonio de Observagées Cd FCT | U_NESP—Departamento de Cartogafa| Presidente Prudente Versio Preliminar21) O Angulo vertical a para um ponto B foi medido a partir do ponto A, resultando em a = 30°25 30°, como. = 1". A distancia inalinada entre os dois pontos também foi medida, e obteve-se O 100 m, ‘com op = 0,05 m. Encontre o valor do desvio padrao da distancia horizontal (H) entre os pontos AB. B 2 A _ | Resposta: 6 = 0,046m 22) Uma linha medida em segdes com segue: A B c . E LEE UD EaR CSGD AB 416,24m = -£0,06 m BC 1044,16m = +0,08m CD 590,03m =—-£0,06m DE = 71231m = £0,.08m Encontrar 0 desvia padrao da distancia AE. Resposta: 6 xe = 0,14 m ‘Notas Ge aulas Ga dscipina Ajustamento de Observagées: a FCT. UNESP -Deparamont de Caregrafa/ Presidente Prutente Vario Preliminar4 INTRODUGAO AO AJUSTAMENTO PELO METODO DOS MINIMOS QUADRADOS 4.1 Introdugaio E oportuno, uma vez mais, lembrar que s6 faz sentido falar em ajustamento ou aplicagao do Método dos Minimos Quadrados (MMQ) quando se dispe de observagdes redundantes ou superabundantes. Em geral, com 0 MMQ estima-se as varidveis incégnitas X (parémetros) ¢ sua preciso Ex. a partir de observagbes (L.), com preciso Eis, Ou seja: dados:L,e Xin => estimar: Xe Zx Estardo envolvidos nos problemas de ajustamento trés espacos: a) 0 espago das observacdes ou medidas R”; b) 0 espago do modelo matematico Re ©) Despago dos parémetros incAgnites RY Métodos particulares poderéo envolver um ou dois espagos. 0 modelo matematico funcional que inter-relaciona esses espacos constitul um sistema de equagdes jineares (ou linearizadas) incompativel, ou seja, inconsistente. A incompatibiidade procede das flutiacdes probabilisticas, que @ propriedade caracteristica das observagoes. Um modelo fica determinado por um numero minimo de variaveis (parametros, observagées, ‘ou ambos) € 8 relagties entre elas. Assim, por exemplo: a) A familia de modelos: x+b y Possui infinitas solugdes. A determinagao de uma delas se d, por exemplo, fixando-se no minimo dois parametros, ou seja: ae b. b) a forma de um triangulo plano ¢ definido por seus angulos. Um minimo de dois angulos ja definem sua forma, cujo modelo 6 dado por: a+ Bt y= 180° ¢) se 0 problema for fixar a forma e as dimensdes do triangulo plano, o nimero de variéveis, passa para trés, pois Uma escala tem que ser acrescentada 20 problema anterior; & d) pretendendo-se determinar a posicao e orientagdo com respeito a um referencial, do citado triangulo plano, seis variéveis seriam requerides. Notas de auias da discipline Ajustamento de Observagbes x FCT / U_ NESP—Deparamento de Carografa/ Presidente Prudente Verso Preliminar‘A medida em que a complexidade da realidade fisica que se pretende representar cresce, o numero de variaveis minimas requeridas para a sua definic&o também aumenta. Como foi mencionado acima, uma vez selecionado 0 modelo, 0 mesmo fica definido através de um cerfo numero minimo de variaveis distintas, que no ajustamento séo as observagées. Denotando © numero minimo de variaveis por n, © o numero total de observagées por n, a diferenca entre ne ne mostra o gray de redundancia do sistema. A redundancia, que denotada por r, é dada Por: = (4.1) que também corresponde ao graus de liberdade, Quando n € maior do que ng, existe redundancia e o ajustamento ¢ necessario a fim de obter um Unico conjunto de estimativas para o modelo. ‘As observagées devem ser funcionalmente independentes, isto 6, nenhuma das n observagdes podem ser derivada a partir de algumas ou de todas (n-1) observagbes restantes. Exemplo 1: Denotando-se os trés 2ngulos internos de um triangulo plano por a, B e 7, @ forma ou o modelo do mesmo fica determinado a partir de 2 variaveis (n, 2), constituida por dois dos distintos ngulos entre a, @ @ y. Portando, hd diversas possibilidades para as observagbes: a) cada angulo é observado uma ver, isto , a, Br, ¥4- Ent&o : n=3 e r=n-ny=4 bb) cada angulo 6 observado duas vezes, ou seja, terse ay, Br, Ir E6t2, Bo, te Agora: n=6 e r=4 ¢) 0 Angulo « € observado duas vezes, 8 e y uma vez cada, ou seja, tem-se: as, da, Br @ 11. Neste caso: n=4 e@ 12 d) Angulo « & observado quatro vezes (a1, cz, ds, a4). Neste caso apesar de n ser igual a 4 (n = 4), tem-se uma situagao deficiente, porque a observagao ndo se refere 20 minimo de Ne = 2 variéveis distintas, Portanto estas observagies nao so adequadas para determinar 0 modelo e a forma do triangulo, 4,2 Principio do Método dos Minimos Quadrados Devido as propriedades estocasticas das observagdes, observagdes_redundantes, usualmente, no so compativeis com 0 modelo funcional, Entdo, num modelo ou sistema de equagées lineares ou linearizadas, redundantes e inconsistentes, as solugdes que se obteriam para 0 conjunto de variaveis a partir de diferentes subsistemas seriam distintas. Nenhum resultado tnico & possivel a partir de observagbes redundantes, a menos que um critério seja introduzido. Esta situaga0 at ‘Notas de aulas da discipina Ajustamento de Observagies FCT | U_ NESP--Departamento de Cortograta / Presidente Prudentepermite aplicagéo do principio basico do ajustamento pelo MMQ para derivar um Unico conjunto de estimativas para todas as variéveis do modelo, com certas propriedades (estimativa nao tendenciosa, de variancia minima). Por exemplo, 2 dos 3 angulos medidos em um triéngulo plana é suficiente para determinar a forma (ou modelo). Contudo para cada possivel pat de Angulos, por exemplo: (a, B), (B. 7) @ (7, @) resulta diferentes formas {ou modelos) para o tridngulo, ou seja, nenhum resultado Unico possivel Dai a necessidade da aplicagdo do principio dos minimos quadrados © conjunto original de observagies, que sera denotado pelo vetor Le, composto de observagties redundantes ¢ inconsistentes com 0 modelo, é substituldo apés 0 ajustamento por um outro conjunto de estimativas, representado por L, que satistaz 0 modelo. conjunto de estimativas L., em geral, 6 diferente do conjunto original Lo. A diferenga entre ‘ambos 08 conjuntes é dado por: VELyels (42) @ € conhecido como vetor das corregées ou vetor dos residuos. Entdo: GeltV 4.3) O vetor Ls, que satisfaz 0 modelo depende, obviamente, da escolha do vetor V. Como fazer essa escoina ? (Gemael, 1994). Algum critério deve ser estabelecido para obter uma solugao unica para Ly. Ha dois séculos © geodesista fez a sua apg8o seguindo © caminho indicado por GAUSS e LEGENDRE: Aceitar como meihor estimativa de L, 0 valor que tora minima a soma dos quadrados dos residuos. O principio do Método dos Minimos Quadrados (MMQ) estabelece que: $=V'PV = minimo (44) conhecida como forma quadrética fundamental do MMQ, onde V ¢ o vetor do residuos e P a matriz dos pesos das observagées, dada por: Pog Si (4.5) ‘onde 6 um escalar conhecido como fator de variancia a priori e Ui, a matriz variéncia-covariancia (MVC) das observagées. ‘Notas de aulas da disciplina Ajustamento de Observagées oe FCT {UNESP Departamento de Cartografia / Presidente Prudente Versdo Preliminer© critério acima racteriza 0 Método dos Minimos Quadrados instituido independentemente pelos dois grandes matemditicos acima citados. Diversos casos particulares podem ser derivados a partir de consideragdes da matriz peso. O primeifo caso é quando as abservagdes so consideradas nao correlacionadas (c, = 0), dessa forma a matriz peso sera uma mattiz diagonal, assim a notagdo do MMQ, pode ser expressa como: $= pv? =min (48) onde p, € 0 Hésimo elemento de P e v; € 0 residue associado com a correspondente i-ésima observacao. Um caso mais simples ¢ quando as observagdes so ndo correlacionadas e as observagdes apresentam 0 mesmo grau de confianga, assim a matriz P podera ser considerada como sendo uma matriz identidade, desde que 3 seja igual a variancia das observagées, assim a forma quadratica fundamental poder ser expressa como: o2VVemin (4.7 ou 4 Yow (48) E importante notar que a aplicagdo do principio do MMQ nao requer conhecimento priori da distribuigéo de probabilidade associada 4s observagdes. Quando a distribuigao & normal o método de Maxima Verossimilnanga proporciona resultados iguais aos do MMQ. © Vetor dos residuos tem um importante papel apés 0 processo de ajustamento. E muitas vezes possivel analisar os elementos de V a fim de testar 0 modelo (funcional e estocastico) e as observagées. 4.3 Ajustamento pelo Método dos Minimos Quadrados © modelo matematico & o ponto inicial da filosofia da tarefa de ajustamento, uma vez conhecido 0 modelo, aspectos praticos e computacionais sao empregados para selecionar 0 método de ajustamento pela técnica dos minimos quadrados. A relagao entre estas fases & mostrada na figura abaixo: 33 ‘Nolas de avlas da cisciptina Ajustamento de Observagoes FCT | UNESP Departamento de Cartografa! Presidente Prudente Vers&o PreliminarMODELO -— \ TECNICAS. ‘Dos MINIMOS ‘QUADRADOS "AVALIAGAO ESTATISTICA E TESTES DOS RESULTADOS FILOSOFIA E | METODO E ASPECTOS DE | ALGORITMOS. SULGAMENTO | ‘COMPUTACIONAIS Figura 4.1 - Relagao entre as fases do ajustamento © calculo pelo minimos quadrados produz estimativas alualizadas (ajustadas) de todas as varidveis do modelo, bem como a sua MVC. Depois de aplicado 0 algoritmo computacional, um outro asso necessério é a avaliagao estatistica dos resultados, isto ¢, uma operacao de julgamento do modelo (funcional e estocastico) © das observagées, dependendo do grau de sofisticagao, @ estatistica calculada poder conduzir para um remodetamento (refinamento do modelo), se o modelo original for constatado ser inadequado ou a rejeigdo de observagées com erro. Para um determinado modelo e conjunto de observacées 0 MMQ produz um tnico resultado, porém ha diversas métodas que podem ser empregadas. Qualquer que seja a método empregada, a resposta final sera sempre a mesma. Em adigdo as observagtes, no modelo podem ser incluidos outras variaveis e constantes. Estas variavels, também estocasticas, sdo designadas de pardmetros. Na maioria das vezes estes parametros tem inicialmente valores incégnitos e seus valores so obtidos no alustamento, eles representam incégnitas funcionais. Uma vez que os modelos (funcionais estocdsticos) so estabelecidos, os métodos de ajustamentos operam com um conjunto de fungées ou equagdes, que descrevem 0 modelo funcional Distinguem-se entre estas as equagées de condigdes © equagdes de injungdes, que formam dois grupos de técnicas de ajustamento. Os dois grupos sao intitulados de ajustamento pelo minimos quadradas com condigées, ou simplesmente de ajustamento pelo minimos quadrados e de ajustamento pelo minimos quadrados com condigdes e injungdes ou ajustamento pelo MQ com injungao, Dependendo das variaveis (observagies ¢ ou parémetros) envolvidos no modelo divide-se 0 ajustamento do 1 grupo em: a) Método Correlatos: ‘Notas de aulas da discipina Alustamanto de Obsenvaqies 34 FCT / UNESP Departamento de Cartogratia / Presidente Prudente Versio Preliminar‘A equagao de condigao inclui uma ou mais observagées, tem-se, portanto equacdes ‘86 com observagses. Neste caso 0 modelo ¢ representado por: 1b) Método Combinado: A equagao de condigao envolve observagGes € pardmetros, o modelo ¢ expresso por: F(LaXs) ¢) Método Paramétrico: A equagdo de condiggo envolve observagies e pardmetros, mas as observagies s80 funges explicitas dos parémetros, isto 6: La= FOG) No segundo grupo a equagao de injungdo, juntamente com a equacéo de condigao proporcionara os métodos acima citados, porém com injungaio. A equagdo de injungo, que é fungso 86 de parametros, 6 representado pelo modelo: GG) =O 4.4 Modelos Lineares e néo Lineares ‘AS equagdes de condigdes, bem como as injungdes envolvidas nos problemas de ajustamento, podem ser jineares ou nao. Entretanto, 0 tratamento pelo minimos quadrados sao geralmente realizados com fungées lineares. Consequentemente quando as equagées no modelo S40 originalmente nao tineares a expansdo em série, particularmente a série de Taylor, é utiizada para sua linearizagao, onde os termos de ordem superior a primeira sao negligenciados. Quando se utiliza os modelos linearizados, um conjunto de valores aproximados (X°) para as incégnitas € exigido. A escolha dessas aptoximagdes € um aspecto importante para resolver 0 problema que se tem. infelizmente nao hé um nico caminho para escolher os valores aproximados, em aigumas situag6es a experiéncia € relevante, em outras situagdes, 0S célculos abreviados a partir dos valores observados podem ser empregados. Dependendo da preciséo desejada, no caso de modelos ndo lineares, no se pode admit como valores ajustados finals aqueles obtidos do primeiro Céleulo, € necessatio realizacao de iteragées. Para tal, citério de convergéncia deve ser estabelecido ‘no intuito de se ober os valores finals ajustados das incégnitas. ‘Notas de aulas da clscplina Austamento de Obsenvagies 35 FCT | UNESP Departamento de Cartograti / Presidente Prudente‘A base da linearizacao de uma fungao é @ expansdo em série de Taylor. A série de Taylor proporciona 0 valor de uma fungao: y= f(x) (4.9) no ponto x, quando se conhece o valor da fungdo para x = xy: (x=xo) 2 f(x)= flo) + £69) S70) FAO x (4.10) Para valores de x préximo de x» as poténcias iguais e superiores @ segunda podem ser negligenciadas, isto ¢, nas proximidades de xp a curva f(x) pode ser substituida por uma reta: A(x) = (Xo) + f(y) ax (4.11) onde Ax = (x - x) € f(x) 6 0 Coeficiente angular da reta no ponto de abcissa xo. A figura 4.2 lustra 0 proceso de linearizagao. = (8) = fsa) = 06-0) Fa) (a) = fa) + at Figura 4.2: Fungo original e linearizada No caso de uma funcao de duas variaveis a aproximagao linear, escreve-se: £00) = flx1x2) (4.12) (4.13) fazendo: 36 ‘Notas de avias da disciplina Alustamenta de Observacoes FOT | U_NESP- Departamento de Carograia | Presidente Prudent Versao Preliminarresulta: x1] 0 _\xd X= xe a] 41 (4.14) th (3) we a fa a) ‘ OX” | Oxy ax; | (4.18) (4.16) Considerando agora n variaveis (xy, Xo... Xq) 8 ungBes (fy, f, (4.17) A aproximagao linear da série de Taylor em forma matricial & dada como: x) = F(x?) + 2 FO = F(X) + I (4.18) ‘A aplicagSo da aproximagdio deve ser limitada aos casos em que x» @ um valor Suficientemente préximo a x, ou nos casos que se conhece valores suficientemente aproximados das incégnitas. A influlncia da aproximag&e pode ser minimizada mediante iteragdes. las da disciplina Ajustamento de Observagoes a 1 U_ NESP - Deperamente de Catografa/ Presidente Prudent Verso PreliminerExercicio: Dado o sistema: x} -x2—2x3 4-0 x3 -x3-5=0 Lineariza-lo e resolvé-lo por iterago. Resposta: (327 4.5 Sistemas de Equagées Lineares eo MMQ. 1) Caso geral Seja 0 sistema de equagées lineares néo homogéneas: AG Xs = als (4.19) onde A é uma matriz qualquer, X © vetor das incdgnitas ¢ Lo vetor dos termos conhecidos (independentes). O sistema acima tem por solugao (nao tinica): 8 L + (APA- 1) M (4.20) sendo: AS - inversa generalizada; M -vetor arbitratio; e | - matriz identidade. 2) Casos particulares De um modo gerai e simplificado, pode-se discutir um sistema de eauagées lineares néo homogéneas e redundantes (n> u), procurando responder duas questdes referentes ao sistema anterior As questbes a serem responti¢as sao: a) O sistema é consistente (compativel) ? Para responder a esta indagagao examina-se a caracteristica da matriz A e da matriz aumentada XA matriz A 6 obtida de A acrescentando-se a esta o vetor dos termos independentes (& = [A] Ly). 0 sistema sera consistente se car (A) = ca(R) = + (4.21) ‘Notas de aulos da diecolina Alustamenta da Obsonvagos EJ Fe nese Conmeenca CoortelPrecmePrseis Yang Preliminer'B) Uma vez satistelto a condigdo acima, resta saber se & um sistema determinado (solug80 tinica) ou indeterminado (infinitas solugées). Se a caracteristica comum (r) for igual ao numero de parametros incégnitos (u), ou seja, r= u, o sistema é determinado, caso contratio indeterminado. A solugo de sistema consistente se obtém facilmente pré-multiplicando ambos os membros do sistema por AT, ou seja: ATAX2 ATL (4.22) cuja solugao 6 obtida por: qavayt ayy (4.23) Obs: no caso da matriz A ser quadrada (ux w) ¢ de caracteristica integral, o sistema sera consistente @ determinado. Isto significa que o sistema tem solugao Unica, dada por: XeAtl (4.24) Sistema inconsistente: Se no sistema (A X = L), L for constituido de observagées, as flutuagdes probabilisticas fazem com que: car(A) # car(A) (4.25) A diferenga entre as caracteristicas ¢ devido @ inconsisténcia do sistema. Neste caso, diferentes subsistemas, constituidos de u quaisquer equagdes dentre as n do sistema terdo diferentes solugdes, A busca da solugao Unica desses sistemas inconsistentes (ou incompativeis) € 0 objato do ajustamento, Exemplo 1: Sistema consistente ¢ indeterminado xt yt z= 9 ax+ y+ 2211 3x +2y+22=20 Locys eT temos que: ‘Notas de aulas da disciplina Ajustanente de Observagdes I FCT. UNESP Depatamentde Garoyafa/Presdewe Prone greg PrelimminerO sistema é consistente, pois: car (A) = car(A Porém nao possui soluga0 Unica, devido: reu > 2<3 Exemplo 2: Sistema consistente € determinate. (beaten ax ys zett ) xtaye 2212 |sxesy aze3s temos que: ota a) omen x.[21411 Alea al © Aly 2a te 434 ]43 4 39) endo: cat (A)= carl) =3=u ‘O sistema 6 consistente (compativel) e determinado, assim admitindo solugao unica. Exemplo 3: Sistema inconsistente. Seja 0 sistema do exempla 2; 14 11. fn ev = [20 Uj fat la 3 47! [33] Nols de aulas da Gisapina Ajustamerio de Obeervagbes ae FCT J U_NESP-- Departamento de Cariogratia | Presidente Prudente Verso PreliminarConsiderando agora que os elementos de L foram obtidos através de medidas. S40, portanto, Observagées afetadas de flutuagées prababilisticas, como por exemplo: [22] 109 118 333 Lois O sistema assim constituido: AXE by tera: car (A) # car(A) E um sistema inconsistente, portanto objeto do ajustamento. Este 6 0 problema que sera tratado a seguir, pois a solugao de sistema consistente jé € conhecida de todos. 4.6 Aplicagac da MMQ para Resolugao de Sistema Inconsistente Para a remogdo da inconsisténcia de sistemas ndo homogéneo & introduzido o vetor des corregoes ou Vetor dos residuos, de modo que: oAvaK tM (4.28) O circunflexo € para indicar que X um estimador de X. © vetor dos residuos 6 obtido por: V=AK-b (427) Usuaimente em Ciéncias Cartogréficas 0 nimero de observagées (n) ¢ superior ao de incégnitas (u). Assim pode-se aplicar 0 critério dos minimos quadrados e obter solugao dnica para o sistema. A forma quadratica fundamental do MMQ é dada por: VTPV = min = (AK-L,)" P(AX~L,) = min = (KT AT -UL)P(AX-L,) = min @=(RTATP-LEP)(AX Ly) = min Notas de aulas da disciplina Ajustamento de Observagées i au FCT. UNESP Deparemento de Carogata/ PesienePusete — Yarefig Prefiminar¢=(XTATPAX— XTATPL, -LEPAX +LIPL, = min (4.28) Derivando a forma quadratica fundamental em relagdo a X e igualando a zero, obtém-se: 9% _optpax—ATPL, AT Go = 2a"PAK ATPL, -ATPL, =0 2ATPAX~2A™PLy = ATPAX- ATPL, (4.29) Esta equagéo matricial representa um conjunto de u equagdes normais 4 u incdgnitas, quando a matriz (APA ux for nao singular a solugao do sistema & dado por: x (ATPAY "ATPL, (4.30) X=(ATAYATL, ast) Exercicio: Caloular a solugao do sistema inconsistente: fia ‘Ey p92) 21 41(*] |109 Axel = = ae 124 4} +8 43 4}?! |333/ Resposta: X? 8667 2,8000 4,3667) 4.7 Estimador Imparcial Oestimador X de X ¢ dito imparcial (néo tendencioso), se: EK} =x (4.32) (0 que ocorre quando: ‘ota Ge aula da discipina Ajusiamanto de Observagbes a FCT. | U_NESP-Deparameno de Carerafa/PrsdenePrienn —-Yarefig PreliminarEM =o (4.33) Partindo da expressao: Ak=uev VeAK-b EM)= EIA X Ly EM=AX-E(L, E(X) - Efla} Se EV} AX=E(L) Porém: X= (ATPA)" ATPL, E(X) = E(ATPA)" ATPL} E{X} = (A'PA) ATP E{L) E(X)} = (A'PA)* APA X. E(X}=x ‘Como foi demonstrado, conclui-se que o MMQ conduz a uma estimativa ndo tendenciosa. 4.8 Solucao de Variéncia Minima (VM) E um método de estimacao que leva a um estimador cuja MVC tem trago minimo’ (434) Pode se mostra que: R=|ATPAyTATPL,, (4.35) 6 uma solugao de variéncia minima, coincidindo com a solugao do MMQ. 8 aa caai main Naam OE Ter 1g neSPcepmareoncoyate Pestrt Pucene VYareig Preliminer4.9 Solugdo de Maxima Verossimilhanca ‘A aplicagao do MMQ e da VM nao exige o conhecimento da distribuigéo de probabilidade das varidveis aleatorias (observagdes). Porém na solucdo pelo método estatistico de estimagao denominado de Maxima Verossimilhanga (MV) necessita-se do conhecimento da fungao densidade de probabilidade das observagbes. Com 0 método de MV determina-se os paramettos (8),0),...0,) da distribuiggo de modo a maximizar a chamada fungao de verossimilhanga: LS FU X21 X 0402 1-Ban) = G(X) 4 2 rb) = CX) (4.36) ‘A fdp de uma varidvel aleatéria continua x com distribuigdio normal é dada por: 4 ut (x)= ee 2 eo 63 => Teste unilateral 6.66) Para a validacao de umas das hipéteses compara-se o valor calculado por: x He -u) a (6.67) % % ‘com 0s valores tedricos (tabela Qui-quadrado) com v = n - u graus de liberdade. A hipdtese basica nao é rejeltada, ao nivel de significéncia «, num teste bilateral, se: 1 < Bree UB > Kae (5:98) que corresponde a: Wear < % < trae (5.69) No caso de um teste uniiateral, a hipotese nao ¢ rejeitada a um nivel de significancia «, se: WB < Bre (6.70) Caso vantrério significa que tem problemas no ajustamento. Assim uma analise deve ser felta para verificar as possivels fontes de erros, tals como: erros grosseitos, erro sistematicos, MVC nao condizente com a preciséio das observagées, modelo funcional ndo consistente com as observagées ou sistema mal condicionado. ‘lotas ce aulas da dacplina Alustamento de Observagbes Ay FCT UNESP Departamento de Cartografia/ Presidente Prudente Versdo Preliminar6 METODO PARAMETRICO 6.4 Introducao © método paramétrico ¢ também conhecido como ajustamento de observagbes indiretas, ou ainda como metodo das equagées de observagves. As observagées indiretas no se processam sobre as grandezas procuradas, estas se vinculam matematicamente @ outras que, por sua vez, podem ser medidas diretamente. No ajustamento pelo método paramétrico, cada observacéio proporciona uma equacdo. Denotando-se por no numero total de observagtes, tem-se entdo n equacdes. As equacdes serdo de tal forma que se pode explicitar cada observagao em fungao dos parametros envolvidos, os quais serdo.em numero igual a u. 6.2 Ajustamento pelo Método Paramétrico O modelo matematico do método paramétrico é dado por: Le = FX, (6.1) onde: Le - vetor das observagbes ajustadas (nx 1); Xe ~ vetor dos parametros ajustados (u x 1); F = fungao que relaciona L, e X,, podendo ser linear ou nao. 6.2.1. Linearizagao do Modelo Nos casos em que a fungao F(X,), do modelo € nao linear, 0 ajustamento paramétrico € dito do linear. Como em geral trabalha-se com modelos nao lineares, é indicado que se proceda a linearizagao do modelo visando facilitar a obtengao da solugao. Em decorréncia da aproximagao introduzida na lineatizagao do modelo uma fase de testes @ iteragées a0 final do ajustamento requerida. No processo de linearizagdo € empregado valor aproximado (Xs) para os parametros incégnitos, como ponto de expansdo da funco F(X,) em série de Taylor, tomando apenas os dois primeiros termos da série. Unearizando @ equagao (6.1), com a série de Taylor, terse que: oF Coan x (62) 68 ‘elas de aes da dscpina Ajustamanto de Observagoes 7 FCTIUNESP ~ Departamento de Gartografia/ Presidente Prudente Versdo PreliminarSeia: La=b+V (6.3) onde: Ly = vetor das observagées (nx 1); V = vetor dos residuos (nx 1), Pode-se entio escrever: (6.4) Designando a fungao dos parémetros aproximados por Lo, ou seja: ‘Lo = FEXa) (6.5) @ a matriz das derivadas parciais por A: A a (66) Amatriz A é chamada de matriz dos cneficientes ou matriz design. Tem-se que: Ly + V=Lo-AX 67) ou V=AK+Lo-Ly (6.8) Representando a diferenga entre Ly e Ly por L, ou seja: L=Ly-be (6.9) Assim, obtém-se 0 modelo matemattco linearizado do método paramétrico: Aa Xt aby (6.10) Notas de aulas da disciplina Ajustamento de Observagdes i FCTAMES? — Departamento de Carografa PreaSena Pridente Yersdo PreliminerObservacao: - Se 0 modelo ¢ linear, pode-se escrever: VAX, +L. (6.11) ~ Se 0 modelo ¢ linear e Lo for igual a zero (Lo= 0), tem-se que: V=AX, Ly (8.12) 6.2.2 Equagdes Normais (© modelo linearizado: vy, Aken (6.13) apresenta n equagdes. onde tem se como incégnitas n residuos e u parametros, formando um sistema compativel, mas com maior nimero de incégnitas (n+u) do que 0 numero de equagées (n). Recorre-se entdo ao principio do método dos minimos quadrados para obtencao da soluggo Unica para o sistema dado pela equacao (6.13) 6=V'PV =min (6.14) com P= 0} Xi) e V=AX+L. Entéo: = (AX +L)'P(AX +L) =min Ga(KTAT HUT JP(AK +L) = min 6 = (XTATP +LP)(AX +L) = min $= XTATPAX + XTATPL +L'PAX+LIPL = min onde: XTATPL = L'PAX Assim: Notas de aulas da discplina Ajustamerto de Obsorvagoes uy FCTIUNESP ~ Departamento de Cartografia/ Presidente Prudente Versio Preliminar= XTATPAX +2X7A'PL+L'PL = min (6.15) Derivando a forma quadratica fundamental em relagao a X e igualando a zero, obtém-se: mH KT ZATPAK + 2A7PL =0 ATPAX+ATPL=0 (6.16) fazendo: N= A'PA - matriz dos coeficientes das equagdes normais (u x u); U=A'PL - vetor dos termos independentes (u x 1). Resulta em: Nos +s = 0 (6.17) que representa um sistema de u equagies normais. Admitindo que N 6 nao singular, a solugao é dada pelo vetor: X=-N"U (6.18) ‘As componentes do vetor X convertem os parametros aproximados em ajustados: Xo +X (6.19) onde: X, ~ vetor dos parametros ajustados (u x 1); Xp = vetor dos parametros aproximados (u x 1); X = velor das corregSes aos pardmetros (u x 1). 6.3 Estimativa da Precisdo 6.3.1 Matriz v jancia-covariancia dos parametros ajustados Aestimativa de um valor ou de um conjunto de valores (parametros), deve vir acompanhada de um indicador da qualidade dos mesmos, que no caso seré a MVC. No método paramétrico, conforme equagao (6.19), tem-se que: ‘Notas de aulas da disciptina Ajustamento de Observagses n FCTUNESP ~ Departamento de Catogratia/Presidane Pridente Verso Preliminar‘Como Xp é um vetor de valores aproximados (constantes), ndo se dispde de sua MVC, entdo: Za (6.20) A equacao (6.18) pode ser rescrita como: (ATPA) ATP (Lo —Ly) (6.21) Aplicando a Lei de Propagacéio de Covariancias na expressao de X (equagdo (6.21)), obtém- se a MVC dos parametros ajustados. x #667 (6.22) sendo 5,, a MVC das observagées e: G=(ATPAYTA'P (6.23) resulta que: x, TPAYTATP L. KATPAY'ATPY mas 5, = 03“. Entdo: =x, (APA)'A'P a3 P* ((ATPA)'ATP)” Ey, <63 (ATPA)' ATP Po ((ATPAY"ATP)’ Ex, =03 (ATPA)" ATPA( ATA)” Ex, =95 (ATPA)" Ly, 203 NY (6.24) Pode-se entdo observar a importancia de se ter disponivel a inversa da matriz N, pois ela @ menos do fator de variaincia, proporciona a MVC dos parametros. Notas de aulas da disciplina Ajustamento de Observagdes . 72 FCTIUNESP Departamento de Cartograia/Presigente Prudente Versio Preliminar‘Apés 0 ajustamento pode-se calcular 0 chamado fator de variancia a posteriori: eg ZPV . XU + LPL (6.25) nu nu Se 0 ajustamento for aceito no taste estatistico, este valor representa uma estimativa néo tendenciosa do fator de varidncia a priori (03), arbitrado no inicio do ajustamento. Assim pode se assumir que: Ey, =65 Nt (6.26) 6.3.2 Observacées ajustadas e MVC das observacées ajustadas Freqientemente temn-se interesse no conhecimento dos valores observados ajustados e de sua precisa. Uma vez obtide 0 vetar das corregdes aos parametros (X), pode-se obter o vetor dos residuos v V=AXeL e depois calcular as observagbes ajustadas: Lathe tV¥ A preciso pode ser estimada através da Lei de Propagagao de Covariancia aplicada a ‘equagao que fornece os valores observados ajustados: Lely HAXHL La = Lp= A(AT PA)" A'P (Lo-Lp) + Lo-Ls L,=-A(AT PAY? ATP (Lo-Ly) + Lo (6.27) Entao: %, =6h, 6" (6.28) sendo 5,, a MVC das observactes e: ‘Notas de atlas Ga ciscipina Alustamento de Obsonagae is FCTIUNESP - Departamento de Cartografa/ Presidente PridenteG=A(ATPA)'A'P (6.29) resulta que: i, =A(ATPAY'ATP 5, (A(ATPAYATP)™ Ei. =A(A'PA)"A'P 03 P* (A(ATPAY"ATP)! Ei. = 05 A(A'PAY’ ATP A (ATPA)"AT D, =o) A(ATPA) AT Ey, 03 ANTAT (6.30) Se 0 ajustamenta for aceito no teste estatistico, pode se assumir que: Zi, <3 ANTAT (6.31) 6.3.3 Residuos e MVC dos residuos A partir da expressao do residuo: V=AX+L ou V=Ly-Lyy pode-se estimar a Jy. Aplicando propagagao de covariancias, obtém-se que Zv = Zw -Ze (6.32) Ly =08 (P?-AN AT) (6.33) Se 0 ajustamento for aceito no teste estatistico, pode se assumir que: Ly =6% (P-ANTAT) (6.34) 6.4 Fator de Variancia Para iniciar o ajustamento é necessério conhecer a matriz dos pesos das observagdes: P=03 Li 74 ‘Notas de aulas da discipina Ajustamento de Observagbes FCTIUNESP — Departamento de Cartografia Presidente Prudente Versao PreliminarPor isso, 0 fator de varidncia af é dito a priori e costuma ser arbitrado pelo calculista, circunstancia que em geral preocupa os leigos. Porém, na verdade, a escolha de of néo influencia 0 vetor das incdgnitas: (ATPA)' ATPL {ATLA ATEYL of 3 ATE Ay ATSL (8.35) Ainfluéncia de 3 recai sobre a mattiz dos coeficientes das equacdes ormais: N=(ATPAy' = (a7 Ea ay, (6.36) circunsténcia que pode, evertualmente, ser explorada no sentido de eleger um of que crie facilidades computacionais na inversao de N. 6.5 Iteracoes Como em geral os modelos envolvidos no ajustamento realizado em Ciéncias Cartograficas 0 nao lineares, indicado que se proceda a linearizagao do modelo visando facilitar a obtengdo da solugao. Em decorréncia da aproximagao introduzida na linearizagao do modelo uma fase de testes € iteragbes ae final do ajustamento é requerida. A omisséo de termos na série de Taylor e a adogéo de Valores iniciais aproximados introduzem ertos no ajustamenta, entéo surge a necessidade de iteragbes. Em principio, nem todos sistemas iterativos convergem. Alguns podem divergir, outros oscilar em tomo de um valor ¢ outros convergir, porem para solugao incorreta. 6.5.1 Critérios para Encerramento das Iteragoes Um critério para encerramento das iteragées deve ser adotado. Os critérios para encerramento das iteragies $40 divididos em trés grupos: ‘Nola de aulas da acipina Ajustamento de Obsarvarbes ee FCTIUNESP ~ Departamento de Cartogratia / Presidente Prudente Versdo Preliminar1° Grupo de Critério © primeiro grupo de critérios envolve a forma quadratica fundamental, de onde obténi-se 0 {ator de variancia a posterior (3), os testes 880 apresentadas das sequintes formas: & < 8 (6.37) (6.38) (6.38), onde §, € um valor de tolerancia apropriado e i 0 indice da iteracao. A iiltima equagao a mais indicada para o teste de convergéntia, o valor de 8 na equacao deve ser da ordem de 10° e em alguns casos menores. Em alguns casos a constante pode ser estabelecida experimentalmente através de um numero de estudos simulados. Neste caso, esta constante pode ser usada diretamente para problemas do mesmo tipo. O teste para convergéncia wsanda &, muito util quando hd erros grosseiros. 2° Grupo de Critério © segundo grupo de critérios é relacionado ao incremento dos parametros, ou seja, a0 vetor das corregbes 20s paramettas aproximados (X). As possibilidades s40 as seguintes: pce (640) Xl < © (6.41) € (6.42) onde Xx ¢ uma subclasse de parametros, e « é um valor escolhido para cada problema especifico. 3° Grupo de Critério Um outro critério que ¢ freqdentemente usado em adig&0 aos outros critérios ¢ especificar 0 numero de iteragoes: ‘Notas de aulas da dlscipina Alustamento de Observagées us FOTIUNESP ~ Departamento de Carografa/ Present Prudenie Versdio Preliminari < ntmero de iteragdes (643) 6.5.2 Iteragao no Método Paramétrico: © processe iterativo no método paramétrico ¢ realizado seguindo as seguintes etapas: 47 Etapa: Le=F%G | VEAX#L ¢ L#Lo-be; Lo = F(%) vipv S(ATPAYTATPL, X= X04; nou 2? Etapa (primeira iteragao): xt VE AIX + Ly oF Q 0 FX? e aUp-Ly LS = FOX? A # LyaUh-Ly: 19 = FOX?) X,=-(ATPA,)TA\PL,: XP =X94X 0 63 = Etapa i+4 (i-6sima iteragao): X= (AT PAY APL: VPM By Ex 63 (ATPA,)* 63 A(ATPA,)AT ‘Notas de aulas da discipina Ajustamento de Observaques 7 FCTIUNESP ~ Depertamento de Carogcfa / Presidente Prigente Verséio Preliminar: Ey =85 (P1-A\(ATPA) AT) Em resumo o vetor X, obtido sera utilizado com 0 novo valor aproximado para os paramettos. , Com base nestes, 0 vetor Le a matriz A € serdo numericamente reavaliados e entdo novo vetor de + corregbes X serd calculado e aplicado na equacao que fornece os valores alustados (X,), que pode ser novamente utiizado como valor aproximado methorado. © processo iterative ¢ encerrade quando um critério adotado indicat a convergéncia ou por nao convergéncia apés um dado numero de iteragdes. A figura 6.1 ilustra 0 processo iterativo. F(Xo)-Ly, A= P(%) *| Lys FXG) Ly hea J Xie-NU X= XX al + —— os ) | Li=F(Xu1)-Ly = | Ai= FX) Xai = Xin +X Figura 6.1 - llustragao do Processo Iterativo Observagées: durante o processo iterativo: a) as componentes do vetor X diminuem aproximando-se de zero: b) a forma quadratica V'PV e vetor dos residuos V tende a se estabilizar; ¢) a MVC dos parametros tende a se estabilizar. ‘las do aula da decipina Nustamento de Observagbes we FCTIUNESP — Departamento de Cartogftia/ Presidente Prugente Versao Preliminar6.6 Aplicagées do Método Paramétrico 6.6.1 Aplicagdes em lamento 6.6.1.1 Exemplos 41) Ajustar a rede de nivelamento, ou seja, caloular as altitudes ajustadas das pontos C.D e E.Na rede abaixo os pontos indicados por triangulos tém altitudes conhecidas: s As altitudes dos pontos A, B, F ¢ G sao considerados fixas e iguais a: Ha = 1000,182 m He = 1004,356 m He= 1010,860 m Hg =1005,429 m As linhas niveladas e os respectivos desniveis medidos, considerados com as mesmas precisbes, so dadas na tabela abaixo: Linha Nivelada_| Ah (mp A-C = 4185 = 8,340, 6,008 = 4,005) 12,851 7.428 Solugao: Ajustamento pelo método paramétrico (modelo linear): + nlimero de equagées (n): 1 = numero de observagbes n=6 ‘+ némero de parametros (u): Notas de aulas da disciplina Ajustamento de Observagoes 1 FCTUNESP ~ Departamento de Carogata Presidente Prints Versio Preliminaru = ndmero de altitudes a determinar - X,=[H® H8 HE)” usd * numero de redundancia ou graus de liberdade: n-u=6-3=3 Modelo matemitico: La = FX) Equacées de observacaes: ‘An? =H2 -Hy ah§ = HB -Hy ah3 =H8 -HE ah = HB -H8, | ahg = H2 -H2 [ang =H -H2 Vetor X,: [Xen] [HE “Bree Vetor Ly to] [ah] [ - 4,185) ha | [dhe | | -8,340 Ly =|loo | [ans _| 6,008 lta || Ane |] - 4.008 los | ahs] | 12,051 (nel hy 7.428], Matriz A ‘Notas de alas da Gecipina Alstamon do Obsenayen FFCTUNESP ~ Departamento de Cartograia/ Presidente Prdente Versao Preliminara) an) 10 14 o-1 © 0 -4 Vetor Loe L fz Hal =H, -ah;] [-995,997° Hp Hy - ah, | |-996,016 0 ahs ~6,008 | lo= b L=Ly by = =| “8 elo ome | way 4,008 He H,- 4h; | | 998,009 He [He = ahs | 998,001 le Sistema de equagoes normais: Ne U [3-1 0 1986005 N=A'PA=|-1 2-1] U=ATPL=| 10013 0-1 3 ~ 1992005 Altitudes ajustadas: Hg] [ 99600575] -N“'U=|H3 | =| 100201225 [HE | | 99800575 |,, Vetor dos residuos: 000875 ~0001025 000150 | ,00150 0.00325 | 100475 |., V=AX,+L= Estimativa da precisdo das altitudes ajustadas: ‘Notas do ula de ciscpina Austomento do Obseraybes FCTIUNESP ~ Departamento de Cartografa Presidente Prderte Verso Preliminar 81Fator de variancia a posterior: © = PV. _ 000021928 i = 0900073 6- MVC das altitudes ajustadas: Le [0.00003 0,00002 0000+ 83N“'=| 0.00002 0.00005 0.00002 [coo 000002 0.90003),. 6.6.1.2 Exercicio: 4) Ullizando se do ajustamento paramétrico estimar as altitudes ajustadas dos pontos B, C e D. Os Pontos A @ E indicados por tridngulos tém altitudes conhecidas @ dadas respectivamente por: Ha 200,00 m € He = 320,00 m, As linhas niveladas e os respectivos desniveis medidos, considerados de mesma preciso sao dados na tabela abaixo bow Tinha Nivelada_|__4h (mp A-8 79,91 B-C 30,04 C-0 19.96 D-E 2.93] 2) Uma linha de nivelamento foi feita ligando dois pontos A e D de altitude conhecida. conforme ‘igura, As altitudes A e D séo respectivamente 842,00 m ¢.285,63 m. VPBA 44208 Linha Sh Distancia Nivelada | (m) (Ken) A-B = 79,91 2 B=C | -30,04 4 c-D = 19,96 25 293? As observagées nao sdo correlacionadas e as variancias dadas por: c? = 4mm? d,, onde a distancia (d) é dada em km, Caloular as altitudes de Hy © He ajustadas, através do método paramétrico, 3) Considere a seguinte cede de nivelamento (Gemael, 1994): 3 © ponto A & admitido possuit altitude 0 (zero). Admitindo que a prescricgo do nivelamento for de 2 mm Vd, a distancia (@) em km, a mma. As ‘ VEEN 4 observagbes coletadas na rede © demais informagées encontram-se na tabela: ‘ota de aulas da diecipina Ajustameria de Obseragees a FCTIUNESP ~ Departamento de Carograia/ Presidente PrudonteSegio | Estagées | Desnivel | Distancia ‘An (m) (kn) 07 6.16 4 02 12.57 2 03 641 2 04 7,09 4 05: 71,58. 2 06. 5.07, 4 3 Consideragées Sobre Singularidade Ajuste a rede através do método paramétrico, ou seja, caicule os valores de Hp, Ho @ Ho. Através do ajustamento de nivelamento de uma rede com ¢ sem injungao (absoluta e relativa) pretende-se discutir a singularidade da matriz N. Seja a rede de nivelamento: Linha Nivelada [ah (m) AB: ‘he BC ‘Aho AC, ‘Ah. BO ‘Ah BC. ‘ahs Solugao: Notas de aulas da disciping Ajustementa de Observagées FCTIUNESP ~ Departamento de Cartografia/ Presidente Prugeate 83 Vers&o Preliminar‘Sem Injungao Injungao absoluta Injungéo relativa - Neste caso nenhum ponto | - A altitude de um ou mais | - A altitude de um ou mais com altitude é conhecido no | pontos so conhecidas ¢ | — pontos sao conhecidas, bem ajustamento. Toda as | consideradas fixas no | como as suas precisbes. altitudes sdio incégnitas. ajustamento. Neste caso sera necessério = No exemplo, considerar a | acrescentar juntos as altitude do ponto A como | equacées de observagdes conhecida e fixa, as equagées de injungbes - Considerar no exemplo a altitude © a preciséo do Ponto A como sendo conhecida. ‘Ajustamento ‘Ajustamento Ajustamento nes nes n=5+1=6 4 us3 us4 Equacdes de observacées: | Equacées de observagées: | Equacées de observagées equagao de injungao: Ant = Hg Hy ‘Ant = Hg -H, ‘Ah? = Hz -H2 He -He [one re ‘AhS = Hi —H5 He Hy, ah3 =H? -H, | fang =H -Hy Hg -H5 ‘hy = 43 -H5 || ant =H5 -H3 He -H5 eos ah? =H? -H3 Matriz A Matriz A -1 10 0 o 0 0-110 10 ar) 10 o-10 1 mene let tce 1-1 Matriz N Matriz N 2-1-1 0 -103 --1--1 aa | N, alg ag 4 oN 4 Lo -1-1 2 2 IN = 8°P qj => Nindo é IN|=0 = Nésinguiar IN|=8 => Nnaoé singular singular Notas de aulas da diecipina Ajvstamento de Observacdes 84 FCTINESP — Departamento ae Cartografia/ Presidente Prudente Verso Preliminar6.6.2 Aplicagées em Transformagées entre Sistemas de Coordenadas ‘A transformagao de um sistema de coordenadas para um outro @ uma operagaa muito itil e usada frequentemente em Topografia, Geodésia, Fotogrametria e Cartografia. H4 uma familia de trensformagies. algumas delas empregadas no espaco bidimensional e outras no espago tridimensional. © efeito da transformacao varia desde a simples mudanga de posigao e orientagao (sem mudanga na forma e dimensao) para uma mudanga uniforme em escala (no mudanca na forma) e, finalmente, uma mudanga na forma e dimens6es. Na figura 6.2 que segue, cada item representa uma relagdo geométrica entre dois espagos E @ E’ (no caso plano): Figura 6.2 - Quadrado dado no plano por seus quatro vértices, num espago E e transformado para um espago E” (Lugnani, 1988). Observa-se na figura 6,2, que: ‘Notas de aulas da ciscipina Ajustamento Ge Observaqies | 85 FCTIUNESP ~ Departamento de Cartografia/ Presidente Prucente ‘Versio Preliminara) Nas relagdes de (1) a (4) 05 quatros pantos, dados nos dois espagos, contém informagoes redundantes para a representagao geomeétrica; 'b) na relagdo (5) da figura, os quatro pontos comuns, dados nos dois espagos E e E” S80 apenas suficientes para a representagao geométricay, €) Na relagéo (6) os quatros pontos comuns, geralmente nao contém informagées suficientes para a representagao da figura. © estudo geométrico de um objeto em dois espagos € geralmente feito através de um Conjunto de pontos conhecidos em ambos os esparos. 6.6.2.1 Modelo para Transformagao no Espaco Bidimensional 6.6.2.1.1 Transformagao Ortogonal Geral Essa transformagao tem como propriedade bésica a caracteristica de manter 0 comprimento, © modelo anaitico ¢ dado por: x}]_foose -send]fx), xp y} [sene cose |ly|*Ly,] GELS G0) i com at + b= 4 (6.37) ou Os parametros de transformagbes sao constituldos por uma rotagao e duas translagies, representados por: 8, x5. 4.2 Transformagao de Similaridade ‘A transformagéo de similaridade é também conhecida como transformagao isogonal, confarme, de Helmert. Essa transformagao mantém a forma, ela é definida analiticamente como: bilo cso le) i] a Yo Notas de aulas da disciplina Ajustamento de Observagdes tg FCTIUNESP ~ Departamento de Cartograta/ Presidente Prudente Versdo Preliminar[rl Ls, ‘l [ E) (640) Os parametros de transformagSes séo constituides por uma rotagao, duas transiagdes e um fator de escala, representados por: 8,5, 5,2. 6.6.2.1.3 Transtormagao Afim Esta transformagaio mantém o paralelismo, é definida analiticamente por: Ix 1 Tx: (‘I an aa]fx] fre on y} lan anllys Ly. Pode-se também expressé-la por: a,x+a, y+a, x’ (6.42) y'sa,x+a,y+a, Tem-se nesse caso seis parametros de transformagdo (a,,8,,..25), que representam uma rotagao, duas translagées, dois fatores de escalas e um de nao ortogonalidade entre os eixos. 6.6.2.1.4 Transformagao Projetiva A.colinearidade é invariante nesta transformacao, o modelo que define a mesma 6: a,Xha y+ay asx+a,yo4 (6.43) ag X +a, Yray a, x48, y+4 Neste caso tem-se oito parametros de transformagao (a,,3,, 6.6.2.2 Relacdes Polinomiais 87 ‘Notas de alas 6a inna Austamento do Obsowaqben . FCTIUNESP ~ Departamento de Cartograf/ Presidente Prudente Versio PreliminerAs relagdes polinomiais s4o utlizadas em problemas de interpolagso, ajustamento fotogramétrico por faixa e em modelagem de distorgdes. AS equagbes sao bastante arbitrérias. Por exemplo, as equacées: ap +a, x48, x? (6.44) 0 +b, y+by ¥* Co [x= a, ta,x+a,ytayxy b I FAX+ A YHA. 648) Uy ebyebyy 9b ye bay ee) g) [Ae Fay tay xtay x ra, yea, Pra, xy tay xy +. (@48) Ay’=b, +b, y +b, y? +by x-+b, x? +Dy xy +by y2x+.. ° Os parémetros s&0 formados pelos coeficientes a, eb,. Nos modelos apresentados, cada ponto (xy) proparcionara duas equagdes, entdo a partir dos parametros envolvides em cada transformagao pode-se determinat 0 numero de equagdes necessarias para solucionar o problema. No caso de mais equacdes do que pardmetros deve-se efetuar um ajustamento. 6.6.2.3 Exemplo ‘As coordenadas calibradas e as medidas num comparador das quatros marcas fiduciais de uma certa fotografia S40 dadas na tabela 6.1. As coordenadas medidas no comparador de outros tr8s pontos também s80 dadas. Calcular as coardenadas dos pontos 1, 2 © 3 no sistema de coordenadas calibradas (fiducial), usando a transformagao afim. Tabela 6.1 - Lista de coordenadas de comparador e calibradas (Coordenadas - Comparador Coordenadas - Calibradras X (mm) Y (mm) x(mm)__y (mm) Fiducial A 35,149, 159,893 =113,000, 0,000 B 167,716 273,302 0,000 113,000 Cc 281,150 160,706 113,000, 0,000 D 468,580 47,299 0,000 -113,000 Ponto 1 228,498 105,029 2 270,307 119,949 3 259,080 231,064 Solugdo: a) Determinar os parametros de transformagao b) Transformacao inversa - determinar 0s pontos no sistema das coordenadas calibradas (sistema fiducial). Notas de aulas da dacinina Austamento de Observagdes . 88 FCTIUNESP ~ Departamento de Gartograha Presidente Prudente Verséo Preliminara) Parametros de transformagio ‘Ajustamento pelo método paramétrico (modelo linear} ~ numero de equagées (n): n = ndmero de observagbes ou n= (numero de pontos comuns aos dois sistemas) x 2 n=4°2=8 ~ numero de parémetros (u) u = nlimero de parametros de transformagao u=6 = numero de redundancia ou graus de liberdade n-u = 8-6 =2 Modelo matemati FX) Equagoes de observacées aX, +82 Y, +8, YE =a Xp +85 Veta 8, Xe +8 Ve +ay 1s Xe +35 Yo + Xe +82 Yo +s Xe +85 Yo +85 XB = 81 Xp +82 Yo +s 1 Xo +85 Yo +25 Vetor Ly 985.149 159893 167,716 273302 281150 160,706 168580 47,299 ‘Notas de aulas da discipina Alustamento de Observagaes FCTIUNESP - Departamento de Cartografia/ Presidente Pridente Versao PreliminarMatriz. A x Ye 10 0 0) f-113 0 14 oo 0 0 0 x, yy 4 0 0-113 0 1 x Ye 10 00 0 1131 0 0 0 acl? 9 0% ve 1] | 0 0 0 0 113 4 Xe Ye 10 00 1300 1 0 #0 0 0 0 0 x ye 1} 0 013000 4 X Yo 10 00 0 -1131 0 0 0 0 0 0 % yp fle 0 0 0 0 ~113 Ah, Matriz N 25538 0 0 0 0 Oo 0 255380 0 40 0 ne} 9 9 4 0 0 OO 0 0 0 26538 0 0 0 0 0 0 25538 0 0 0 0 0 0 4), Matriz U 25538113 97632 y.| 672595 91896 25538339 641200 Parametros de transformagao ajustados [ 1000004425 00038230088 16814875 (0035973451 1000013274 16030000 ‘Notas de aulas da discipina Ajustomento de Observacbes a FCTIUNESP - Departamento de Cartografia / Presidente Prudente Versdo Preliminarb) Transformacao inversa - determinar os pontos no sistema das coordenadas calibradas (sistema fiducial), ‘© modela matematico da transformagao afim é definido por: fires Yea.xtasytay ou X]_fa a][x],[as e264 eee A transformagao inversa 6 dada por 4 *)-[e a2]! [X-as y} laa as} LY~ae. ou Plas -ar] [x-as ly" ae-aaBe le. ay | [Y-25 Substituindo 08 valores dos parametros, tem-se: x] _fo.sgegs18228 0,0038228886] [x - 16814875] y] | ocosserac2 0.9999729741| | y-160,30000 bt) Para o Ponto 1 (228,498 mm, 105,02amm) x= 60,137 mm y= -55,487 mm b2) Para 0 Ponto 2 (270,307 mm, 199,949 mm x# 102,307 mm y= 30,281 mm b3) Para o Ponto 3 (259,080 mm, 231,064 mm) x= 91,199 mm y= 70,435 mm 1 Notas de auias da disciptina Alustamento de Observagbes| FCTIUNESP — Cepartamento de Cartografia/Presigente Prudente Vers&o Preliminer6.6.3 Ajustamento de Redes Topograficas/Geodésicas Por rede, entende-se qualquer tipo de levantamento topografico/geodésico efetuado por Poligonal, triangulagao, trilateragao ou processo misto. Numa rede os tipos de abservagées que se encontram sao: disténcias, azimutes, diregdes, angulos e posicSes (injungdes posicionals). Cada observagae proporcionara uma equago, Portanto, o nimero de equagdes sera igual ao numero de observagées. O ajustamento de uma rede podera ser feita no plano ou no elipsoide, 6.6.3.1 Ajustamento de Rede no Plano Como trata-se de uma rede, cujo modelo adotado € 0 plano (local, UTM), todas as observagées devem ser reduzidas ao plano empregado. Por exemplo, uma distancia depois de reduzida dos efeitos da refragéio, deve ser reduzida para a superficie ou plano a ser utiizado, As redugdes a serem aplicadas referem-se as redug6es lineares e angulares. Coordenadas Aproximadas ‘No ajustamento de rede, os modelos funcionais empregados a0 nao lineares. Para efetuar a linearizagdo deve-se conhecer as coordenadas aproximadas (Xs) dos vértices ou pontos. Essas coordenadas aproximadas podem ser obtidas no caso de rede geodésica através de um transporte, utlizando formulas abreviadas e valores observados, e em rede topografica através das coordenadas xe y obtidas com os valores observados. Equacées de Observagao em Coordenadas Planas a) Equagao de Distancia Considerando 0 modelo matematico do metodo paramétrico L, =F(X,), pode-se expressar a equacdo de distancia por: [bcp x0 (vp ve (647) . ‘A equago acima é ndo linear. A sua forma linearizada é dada por: ‘Notas de alas da Gcipina Ajstamento de Obsewvarbes oo FCTIUNESP ~ Departamenta de Cartografia Presidente Prudente Versio Preliminar(6.48) sendo (649) (6.50) (651) (652) (653) Fazendo S} = S? + Vf, resulta que: Vg =ajX, +b,Y, +a,X, +b)¥,+S2-S? (654) que representa a equagao de observacao de distancia linearizado no plano. b) Equagao de Azimute ‘A equacéo de azimute é dada por ne ead 2) (6.5) Linearizando a equagtio acima e substituindo Az por Az¥ + Vj* tem-se que: 93 ‘Notas de aulas da ciscpiina Alustamento de Observagoes FCTIUNESP ~ Departamento de Cartografia/ Presidente Prudent Verso Preliminar(6.56) com: (6.57) (6.58) (6.59) (6.60) (x9 = Aah atl (est) a ‘Assim , a equagao de observagao de azimute linearizada no plano é dada por: VS 0X) + dyY, + 0,%) + GY, + Aa — Az? (662) Geraimente, 0 azimute € tratado como injungao relativa, se for considerado coma fixo (injungao absoluta) nao existira a equagao de azimute. ¢) Equagao de Angulo ‘A-equacao de angulo ¢ obtida da diferenga entre duas diregdes ou da diferenga entre dois azimutes, conforme a figura tem-sé oh, = Azh Ay (6.63) ‘A equagao de Angulo linearizada, apés substituir a%,por a + Vi, € dada por: Notas de aulas da discilina Ajustamento de Observagies ed FCTIUNESP ~ Departamento de Carografia/ President Padente Versao Preliminarab, + Vi a Xi +dy Y, + Oy Xe +04 Y; — 6) X,—d, Xie; Xj) Y, +AZR Az? (6.64) ou Vii = (Cy ~G)% +18, BY, #04, Xe +4, YC) X/—, ¥, Fak, — (6.65) Os coeficientes sao calculados por: oe (6.66) (6.67) (8.88) (6.69) (6.70) (6.71) d) Equagao de Diregao Considerando que foram observadas direcdes (D) endo angulos ou azimutes, tem-se conforme a figura 6.3 que: = Azt 23, (6.72) com: Zi =20+0Z, (6.73) Na equagao acima Z?é designado como constante de orientago no vértice i. O seu valor aproximado 6 obtido como: PP aZt ly tent fF ‘ (6.74) 95 ‘Notas de aulas da disciplina Alustamento de Observagdes FCTIUNESP - Departamento de Carograia/ Presidente Prudente Verséio Preliminarsendo t a quantidade de diregées visadas do vértice ie 2 =Az-D, (6.75) para! = 4, ...,t. A figura 6.3 ilustra e mostra com, se obtém 0 valor aproximado para a constante de orientagao. Figura 6.3 - Constante de orientagao A equacéo observagao de direcao lineariza & dada por: Di + VP =cy X +d) Y; +0 Xj +d, Yj + Azy -(ZP +0Z;) (6.76) Vp = 4 Xi+dy Y, +05 X, +d Y, dz; + Azy -Z? -DP (6.7) ou VP =o, X, +dy ¥, +0) X) +4, Y, —a2Z, +09 -D? (6.78) Os coeficiente so calculados por: ye-y? tai = (6.79) &y (6.80) (681) (6.82) 96 ‘Notas do aus da discipina Austamerto de Obsawarbes . FCTIUNESP ~ Departamento de Cartografa | Presidente Prudente Verso Preliminar(6.83) (6.24) Na equagao acima dZ) € uma incégnita relativa a constante de orientagao; convém ter em mente que a incdgnita suplementar ¢ a mesma para todas as diregdes de um mesmo vértice. Entéo, em cada vértice onde observou-se diregSes, apareceré mais uma incégnita dZ. Estas incbgnitas podem ser eliminadas usando 0 método de SCHREIBER. © método consiste em criar um equacao ficticia para cada grupo de observagbes do vertice, Considere um vértice de onde foram observadas varias diregdes (t), as equagses de observagao de diregSes a partir deste vértice serdo: VB <0 Xs +d Ys +00) Xa +d Yo OZ, + Az, - 22 -D¥, VR = C15 Xy +g, Ye #0; Xp +045 Yy AZ, + AZ’, ~Z9 Dh, (6.85) VR =O Xp + ds Ys + ur Xe + day Yu AZ, + AZ, Zi -Diy Nas equagées acima 0 vértice 1 representa a estag3o e os demais 2, 3, .... N os vertices visados @ partic de 1, neste caso t=N-1 ‘A equagao ficticia que seré adicionado ao sistema acima para que a incégnitas dZ; seja eliminada, é obtida pela soma das equagées deste sistema multiplicada por i'Vt . Entdo: fe} x, + ail Ye (6.86) vt sendo t o numero de vértices visados a partir da estagao. A incégnita dZ, sera eliminada quando os produtos A"A e A'L forem realizados, ou A'PA e ATPL pata diregSes ponderadas. Para pesos iguais para todas as diregées, com origem em um mesmo vértice, 0 peso da equagao ficticia sera igual ao peso das diregoes. ) Equacao de Posio (injungdo retativa) Neste caso, € conhecido a posigdo (xy) © a precistio (MVC) do ponto, a equagao a ser introduzida as demais equagdes € chamada de injungée pasicional, trata-se de uma injungéo relativa, ‘Se 0 ponto ou vertice for considerado fixo (injungao absoluta) nao existira a equacao. ‘iotas de alas da dscipine Ausiamento de Observagies on FCTIUNESP — Departamento de Cartografia/ Presidente Prudent Verso PreliminarConsiderando que so corhecidas as coordenadas (X,Y) de um ponto i, bem como sua MVC, © se tratando de injungéo relative, as _mesmas serdo tratadas como observagdes, pseudo ‘observagses ou ainda como observagdes adicionais (X?,") . A equago de injungao posicional tera a seguinte forma: (6.87) Enta XP Vy (6.88) Yee Ma = ou Via =X, + XP = XP (e289) V2 Y4N? YP 6.6.3.1.1 Exemplo Dada a potigonal topografica, conforme figura 6.4: sx Figura 6.4 - Esquema da poligonal (Onde foram observados 4 angulos e 3 lados; terminar: 0 numero de parametros, o numero de equacdes e as dimensdes das matrizes A, P.N, xa dos vetores Ly, L, Ue Xe, para 0 caso: a) Considerando os pontos 1, 2, 5 e 6 como sendo fixos (injunges absolutas); b) Considerando os pontos 1, 2, 5 e 6 como injungSes relativas, 98 ‘Notas de aulas da dscipina Ajustamento de Observagoes FCTIUNESP ~ Departamento de Cartografia / Presidente Prudente Versdo Preliminar‘Solucéo: a) Considerando os pontos 1, 2, 5 e 6 como sendo fixos (injungdes absolutas) - Namero de parametros (u): U= n® de pontos a determinar* 2 u=2*2 usa = 4 incdgnitas referentes as coordenadas: (XS, (XE, ¥2) - Nmero de equagées (n): n=7 => Oh equagbes de Angulo: 03 equagdes de distancia; - Dimensées TAs Pn rhe rk, Na aU, aX, De Neste caso a matriz a ser invertida (N) & de ordem 4 x 4, b) Considerando os pontos 1, 2, 5 € 6 como injungées relativas: - Némero de parametros (u): u=n® de pontos * 2 u=6"2 u=t2 > 12incégnitas referentes as coordenadas: OF Y9s OG, ¥2 oS YE Ds OG VE Ds (XS, YE DEVE) - Nimero de equagées (n}: n=15 = 04 equagées de angulo; 03 equagées de distancia; 08 equagtes de posigao (n® pontos de injungdes * 2), = Dimens6es Ar, 6Pis, goto, sli, aNaz, Un, Xa, 2D xere Neste caso a matriz a ser invertida (N) 6 de ordem 12 x 12. Notas de aulas da discipiina Ajustamento de Observagdes oe FCTIUNESP ~ Departamento ge Cartorafia/ Presidente Prdente Versio Preliminar6.3.3.1.2 Exercicio 1), As coordenadas de trés estagées fixas Pi P, € Ps @ as distancias (5, s2 @ ss) medidas a partir destas estagbes para uma nova estacdo P, conforme figura 6.5, sdo dadas como segue. y Pi s 5 , Estagao| _X (m) Ym Lom) Pp, |_Py__| 26433,372 | 708901.235 | 19990.402 * P,__| 52854,609 | 675108,449 | 24630.764 Pp, | 19113,597 | 680721,885 | 17067.857 | Ps x Figura 6.5 - Esquema da trilateragdio As coordenadas aproximadas do ponta P sao x° se para: 390143,700 m e y” = 33345,200 m . Pede- a) Estimar as coordenadas ajustadas para o ponto P (X,) e sua precisdo (EX, ) b) Realizar iteragdes até que |X| <0,01m 6.6.3.2 Ajustamento de Redes Geodésicas no Elipsoide © ajustamento de redes geodésicas pelo método paramétrico 6 referenciado como ajustamento pelo método de variagdo de coordenadas. Esta denominago teve origem nos ajustamentos de ‘riangulagao, onde apareciam muitos pontos fixos. Entao ao invés de ajustar pelo método dos correlatos, onde apareciam muitas equagdes de condig6es, ajustava se pelo método de variagao de coordenadas. A razéo do nome porque no final do ajustamento @ que se obtinha eram corregées as coordenadas. A linearizagao neste método ¢ feita por formulas diferenciais, ao invés de usar a linearizagao por Taylor, mas os restitados sao idénticos. ‘As equagdes apresentadas para 0 plano sao idénticas as encontradas em bibliografia que usa 0 termo variagao de coordenadas. As observagies de distincias, diregdes e ou Angulos. azimutes devem ser reduzidas (redug6es geomeétricas e fisicas) ao elipstide de referéncias adctado No caso de distancias as redugdes sao as lineares, para as diregdes as corregoes devem ser do efeito da altitude do ponto visado, angulo da se¢ao normal e do desvio da vertical (corregao de Laplace) e para 0 azimute a corregao do desvio da vertical, Coardenadas Aproximadas Dever ser conhecidas as coordenadas aproximadas (x) de todos os vertices, através de um transporte (problema direto) utiizando férmulas abreviadas e valores observados. ‘lctas de aulas da discipline Ajustamento de Observayoes ao FCTIUNESP - Departamento de Cartografa / Presisente Prudente Versao PreliminarEquagoes de Observacées em Coordenadas Elipscidicas ‘As equagoes, uma para cada observacao, assumiréo diferentes aspectos de acordo com a natureza do valor observado, tais como de diregdes e/ou Angulos, distancias, azimutes e posighes. Para facilitar @ explicaca pontos ie j considerando a seguinte expresso geral linearizada, para dois Vi ade, +b, +640, +44%, +042, +L (6.20) onde: Vf —residuo das observagbes (k = distancia, angulos, etc. Ag), Ahi, 49), AA; — Correcdes as latitudes ¢ longitudes aproximadas Xq = (97,21, 0).9]]" + AZ, - corregao da constante de orientagao ; L valor calculado em fungao dos parametros aproximados subtraido do valor observado ; € a, b,¢, d, € - coeficientes. a) Equagao de Distancia Os coeficientes da expressao linearizada acima 6 dada por: Mi cos(Az,) sent’) = N; cos()) sen(Az)) sen(1’) M, cos(Azj) sen(1") N, c0s(q)) sen(Azy) sen(1) sh Entao: VP =p A0, +44, +14, +tAd, +(S) -SP) (691) representa a equago de observagao de distancia linearizada no elipsdide. Nas expressdes acima M representa o aio da segao merdiana ( pequena normal) € N 0 raio da seco do 1° vertical (grande normal). b) Equagao de Diregao Os valores para 0s coeficientes a, b, c,d so dados por: Notas de aulas da deciptina Ajustamento de Observagies uo] FCTIUNESP — Departamento de Cartografia/ Presidente Prudente= Mamie) N, c08(9, )cos(Az,) b 8; og oisenlAz,) s, gn Nis2slo,)cos(Az,) § L=(Azi ~ (03 + Z?)) =D? -DP Assim , a equacao de observagao de direcao linearizada ¢ dada por: VP =ag, +b42, +¢.A9, +442, ~AZ, +(Df -D}) (6.92) ¢) Equagao de Azimute Geodésico Os valores para os cosficientes a, b,c, d_s80 iguais aos da equacdio de diregaa, porém: e=0 L=(Azy ~azty Assim, a equagio de observacao de azimute geodesic ¢ dada por: VMS =a dp, +b AA, +CAq) +4.Ad, +(Azi - Az?) (6.93) 4) Equagao de Azimute Laplace Os valores para os coeficientes a, b, ¢, d S20 iguais aos da equagao de diregao &: e=0 U=(Azg ~ Az}) com: ‘Notas de auias da discipina Alustamento de Obeerraqaes oe FCTIUNESP ~ Departamento de Cartografia/ Presidente Prudente Versdo PreliminarOs indices a e L representam respectivamente azimute astronémico e azimute de Laplace. Devido a equagao de Laplace deve-se incluir um termo igual a ~sen(o,) Ag, na equagao, entéo: Vi =2.40, +(b-sen(o,)) a2, +69, +4.ad, + (Azi —Az}) (6.94) A equacao acima representa a equacao de observagao de azimute de Laplace. ‘) Equacao de Angulo ‘A equacéo de angulo é obtida da diferenga entre duas diregdes ou da diferenga entre dois azimutes, conforme vista anteriormente, no elipsdide a equacao de Angulo linearizada é dada por: Vic = Cy, A) dj AR, + (@y — ay), +d, ~B,) AA, + Cy Boy +4 dA, ta, ~ a, (6.98) Fy Equacao de Posicao (© modelo matematico para os vértices i de coordenadas conhecidas, sao representadas pelas seguintes expressdes: Vos = 40, + (9? - oP) (6.96) Vy = Mh, # (8 = a) onde 9? 2° representam a latitude e longitude conhecidas de um ajustamento anterior. Problema Inverso Para obter 0 vetor Ly que contém as observagoes aproximadas, utliza-se o problema inverso da geodésia, Assim a partir das coordenadas aproximadas X> so calculadas as observagées aproximadas, ou seja os azimutes (Az}) @ distancias (S}) dos lados medidos. Este célculo, ao contrario do anterior pressupée rigor normal nos problemas do género. No ajustamento de redes de triangulagao 6 necessario ter no minimo quatro injungées, que geralmente consistem em um azimute, uma base (dist&ncia) e um ponto de coordenadas conhecidas (9 @ 2). No caso, de poligonais (fechadas no mesmo ponto) numero minimo de injungées ¢ de trés, consistindo geralmente de um azimute e um de ponto de coordenadas conhecidas. ‘Notas do aulas da discipina Ajustamento de Obsernvagaes 103 FCT/UNESP ~ Departamento de Cartografia/ Presidente Prudente Versdo PreliminarExemplo: Dada a cede de triangulagao, conforme figura 6.6: y 1 Sée Jodo 2- Sto Pesca 3 Portsiriana 4- Posse Tris 5- Tomé 6- Serrinna 7. senipops Europe 9- Norte WO-Esrie 2-E ative 0 13-Santone 14-Dourade 1S-Paine 16 Catingueiro 7 8-Urvecw convengoes . Arimote oe Lopiace — Bowe — Cooreenedas cannes Figura 6.6 - Esquema da rede ‘Notas de aulat da dacigina Ajustamento de Observagé 08) FCTIUNESP - Departamento de Cartograta Presidente Prudente Verséio Preliminar‘Sendo que: a) dos vertices 1 a 18 foram observados 86 diregies; b) a base 17-18 & conhecida, bem com a sua preciso; ¢) 0 azimute de Laplace da dirego 18-4 © sua preciso @ conhecida; € d) as coordenadas (9 e 2) ¢ as precisdes dos pontos 1 @ 2 s80 conhecidas. Determinar: o ndmero de parémetros, 0 nimero de equagdes & as dimenstes da matriz Ne dos vetores U e Xs, para o caso: a) Ajustamento com o termo 42; b) Ajustamento eliminando 0 termo dz, Solucao: 2) Ajustamento com 0 termo dZ, - Namero de parametros (u): u= ride vertices* 2 + n® de vértice ocupado com 0 teodolito (diregdes). 18*2+18 54 => 36 incdgnitas referentes as variacoes de coordenadas 18 incognitas referentes a6 constantes de orientagao, = Numero de equagies (n}: n=92 = 86 equagdes de diregdes; 01 equagdo de distancia; 1 equagde de azimute de Laplace; 04 equagées de posicées. - Dimensées Nes, sas, uXar, 9A, salt, Pee Neste caso a mattiz a ser invertida (N) é de ordem 54 x 54. b) Ajustamento eliminando 0 termo aZ; bt) Com 0 emprego do método de SCHREIBER: - Numero de parametros (u): u=n? de vertices * 2 Notas de aulas da disciplina Ajustamento de Observagses i FCTIUNESP - Departamento de Cartografia/ Presidente Prudente Versio Preliminar182 u=36 => 36 incégnitas referentes as variagdes de coordenadas = Numero de equagées (n}: n= 110 => 86 equagdes de diregdes; 01 equagaio de distancia; 01 equagio de azimute de Laplace; (04 equagoes de posigbes; 18 equagées fcticias (dZ). - Dimensées aeNos, as, 20Xay, s10Aas, sols, s10P 10 Neste caso a mattiz a ser invertida (N) 6 de ordem 36 x 36, 'b2) Com o emprego de Angulo (diferenca de diregées): - Numero de pardmetros (u): u=n®de vertices *2 er u=36 = 36 incdgnitas referentes as variagdes de coordenadas v - Numero de equagdes (n): n=74 = BB equagdes de Angulos; 01 equagao de distancia 01 equagao de azimute de Laplace; 04 equagées de posigées. - Dimensdes 20Noe, aos, oeXay, rhe, ral, Pra Neste caso a matriz a ser invertida (N) tem dimenséo 36 x 36. Notas de aulas da disciplina Ajustamento de Observagies ce) FCTIUNESP ~ Depot de Caraga Present Prieta Versio Preliminer7 METODO DOS CORRELATOS 7.4 Introdugao © alustamento pelo método dos correlatos é classicamente chamado de alustamento pelo método das equagdes de condicao ou ajustamento das observacées diretas condicionadas. O modelo matematico envolve apenas observagées. Neste caso, os parametros ndo participam do ajustamento, No ajustamento pelo método dos correlatos 0 ntimero de equacdes de condigae ¢ igual a F =M-u, onde n corresponde ao ntimero total de observagbes e u ao nimero de parametros. 7.2 Ajustamento pelo Método dos Correlatos 7.21 Modelo Matemético © modelo matematico do método dos correlatos assume a forma F(L,)=0 ay onde: L ~ vetor das observagoes ajustadas (nx 1); F - fungao geraimente nao linear que simboliza r equacées de condigées. 7.2.2 Linearizagao do Modeto Nos casos de modelo nao linear & necessario realizar a linearizacao. Em decorréncia da aproximacéo introduzida na linearizagdo do modelo uma fase de testes @ iteragdes a0 final do ajustamento 6 requerida. Como no metodo dos parametros: LiEly+V 72) (O modelo Fits) pode ser reserito como: Fily+V)=0 73) Aplicando a aproximacai linear da série de Taylor, em forma matricial: Notas de aulas ta dscinna Ajustamento de Observagbes OF FCTIUNESP ~ Departamento de Cantoarafia/ Presidente Prudente Versio PreliminarFils) = Filo V) = Filed S| (7.4) ‘A fungao F(Ls), dos valores observados, representa 0 erro de fechamento, e & designado W=F(Ls) (75) Indicando ainda por B a matriz das derivadas parciais, ou seja’ (7.8) al, Resulta entao que: Bn Vy + 0, 7 (© modelo acima correspande ao modelo linearizado do método dos correlatos, representando F equagées de condigéo transformadas ligando n incégritas, que correspondem aos residuos. 7.2.8 Equagées Normais Para que as incdgnitas se subordinem ao MMQ e a0 mesmo tempo satisfacam as equacdes de condigo, utiiza-se a técnica Lagrangiana, definindo assim a fungao ¢ como senda: $= VTPV-2K"(BV+W)=min (78) onde K € 0 vetor (Fx1) dos multiplicadores de Lagrange ou dos correlatos. igualando a zero as derivadas parciais em relaggo a V e K, obtém-se: SS -2pv-28"k=0 PV-B"K=0 79) 8 av 4w)=0 BV+W=0 Se --2ev+w) : A primeira dessas equagbes matriciais: 108 Notas de aulas da discipline Ajustarsento Ge Observayses FCTIUNESP ~ Departamento de Cartografia/ Presidente Prudente Verso PreliminarPh aVi~ oBe Ks 0, (7-10) representa n equagoes algébricas © a segunda: By Vit Wy= 0} 7.11) + equagées lineares, ambas compdem um sistema compativel de (n¢r) equacdes a (nr) incégnitas, que correspondem aos vetores Ve K. Considerando a super-matriz (matrizes cujos elementos s40 matrizes), 0 sistema mencionado (equagbes 7.10 e 7.11) assume a forma: FRAC fe ext felt aD com solugao te6rica imediata igual a Ey (1 ar) Bo} lw Porém nao pratico, por implicar na inverséo de matrizes excessivamente grandes. Resolvendo a equagao (7.10) em relagdo a V, tem-se que: v= PBT (7.14) @ introduzindo este vetor na equacao (7.11) , tem-se: BPR K+W (7.18) ‘A equacao acima representa um sistema de r equagées normais que proporciona os muitiplicadores de Lagrange (correlatos).. K=4ge'B'y'W (7.16) ou =-M"W (7.17) 109 “ustamerio de Observagbes FCTIUNESP - Departamento de Cartograta/Presigerte Prudente Verséio PreliminarM=BP"BT (7.48) 7.24.41 Observagies Ajustadas Obtido o vetor dos correlatos K, a solugdo das equagdes normals proporciona o vetor dos. residuos: v= PtBTK (7.19) Através do qual pode ser calculado o-vetor dos valores observados ajustados: Lael +V. (7.20) 7.2.4.2 Matriz Variancia-Covariancia ‘A preciso pode ser estimada através da Lei de Propagagao de Covariancia aplicada a ‘equagdo (7.20) due fornece os valores observados ajustados, dada por: L=ltV Lael, + P'BTK Lael, = PTBTM TW (721) AMVC das observagtes ajustadas ¢ obtida através da expresso: ,, =DE, 07 (7.22) onde: prema 723) aly com a iz ‘asd ale Ga dip Ntamerio de Obsanagben +10 FCTIUNESP ~ Departamento de Cartograa/ Presidente Prudente Versdo PreliminarDessa forma: D=1-P'BTM"B Entao resulta que: Sy =(1-P'BT MB) Fy, (I-PPBT My Bi, <08 (PBT MB) Po (PBT MB Ei, =03 (PART MB) PT BTR) E,, =99 (P*-P'BT MBP") (I-B™MBP) %, =0§ (P1-P"BT MBP -P'BT MBPT + PBT MBP" BT Ey, =95 (P*-2P'B' MBP! +PT BT MMM BP) Zi, =03 (P1-2P BT MBP! +P BT MBP") X., =03 (P*- P'BT MBP") 7.2.5 Vetor dos residuos e matriz variancia-covariancia 7.2.5.1 Vetor dos residuos (© vetor dos residuos ¢ dado por (equag3o (7.14): v= P'B'K v=-P"BTM"W 7.2.5.2 Matriz variancia-covariéncia (7.28) MBP") (7.26) (7.27) Aplicando a Lei de Propagagdo de Covariancia na expressao (7.27), tem-se que: Ey =D5,07 ‘Notas de aulas da discipina Ajustamento de Observacbes: FCTRINESP ~ Departamanta de Cartografa/ Presidente Prudente (7.28) 1 Versao Preliminarp=-Petu (7.29) Como W (Le), resulta que: W FUL SB 7.30) a, Oy cad Entdo, a matriz D da equacao (7.29) passa a ser: D=-P“8'm'B (7.31) Assim, resulta que: Ey =CP "BT MB) S,, (PBT BY Ly =(P'BT MB), (BT MBP) Ey = <3 "8" MB) P* (BT MBP) Dy =09 (P87 M* Bea" MBP) Ey =o8 (PBT MC MMB P) Ly <5 (PBT MBP") (7.32) No calculo da MVC das observacdes ajustadas (,,) ¢ da MVC dos residuos ( Sy ), utliza-se ‘@ fator de varidncia a posteriori (63), se o ajustamento for aceito no teste estatistico. Assim: %y, =63(P7- Pa MBP) (7.33) Ey =63 (P"BT MBP) (7.34) 7.2.6 Variancia a posteriori ou fator de variancia a posteriori O fator de variancia a posteriori é calculado por: a2 -V'PV a= (7.38) ‘Notas de aulas da disciplina Alustamento de Observagtes uae FCTIUNESP — Departament ve Gartoyratia/ Presidente Prudente Versdo Preliminaronde $ = r= n-u, e corresponde ao numero de equagées de condicao, ao numero de observagdes superabundantes ou redundantes, € ao niimero de graus de liberdade. Para obter a forma quadratica de maneira mais simples, desenvolve-se a expresséo: vipv=(P" BT K)' P (P"BTK) vipv=(K" BP") P (PTB K) Vipv= KTBP" PP" BTK Vipv= KTBP'BTK Vipv= KT MK Vipv=-k’ MM*W VipV= -KT W (7.38) Entao: ag - Kw (737) 7.3 Iteracées Considerando 0 modelo matematico do método dos correlatos nao linear, € necessario € indicado que se proceda a iinearizagéo do modelo visando faciitar a abtengao da solugao. Em decorréncia da aproximagao introduzida na linearizagao do modelo uma fase de testes e IteragSes a0 final do ajustamento ¢ requerida. Dessa forma um critério para encerramento das iteragtes deve ser adotado, e geralmente baseado ne grupo de critérios que envolve a forma quadratica fundamental. 7.3.1 Iteragao no Método dos Correlatos A iteragao no método dos correlatos procede da seguinte forma: 1 Btapa: FU)=0; BV+W=0 Le) + File) Vv=-P1BT(B PABT) SW La=Ly+v ‘iotas de aula da dscipina Austamento de Observagbes uD FCTIUNESP — Departamento de Cartogratia / Presidente Prudente Verséio Preliminar% Obs: na primeira etapa fica subentendido que Lo = Ls. 2° Etapa (primeira iteragao): u No processo iterativo a série linearizada deve ser desenvolvida em tomo de L: Bi Vs + Wi Eu -i9) + FY) =0 A diferenga (L ~L2) ndo representa o vetor dos residuos, que é dado por: 0 aty ‘Subtraindo L3 de ambos lados da expresso que fornece 0 residuo, tem-se: Vy LY =t§ -L, -L9 UY -WBeyj- Us ty Substituindo (L¥ ~L3) no modelo linearizado, tem-se que: (Vy-Lf +by) + FILS) = 0 le FI iv, +E) uy tt) + Fug) = 0 atal ale Assim: oF ; a-Z| © Wy= By (Ly 43) + FILS) V,=-P BY (B, PBT)" Wy Bats My TW ‘Notas de aulas ca disciplina Ajustamento de Observagdes ae FCTIUNESP ~ Departamento de Cartografia / Presidente Prucente Versdo PreliminarEtapa i+ 1 (i-ésima iteragao): wav, BV+Wi=0 hy = 9) + FALE) V=-PY BT (8, PBT) Ww, Observagées: durante 0 processo iterativo: a) em cada iteragao os residuos S40 somados aos valores observados; e b) a forma quadratica V'PV e vetor dos residuos V tende a se estabilizar, mas nao a se anular. 7.4 Ajustamento Rede de Nivelamento pelo Método dos Correlatos 7.4.4. Exemplo Alustar a rede de nivelamento geométrico, mostrada na figura 7.1, pelo método das equagses de condigéo. As observacées (tabela 01), que representam as diferengas de niveis (4h) so assumidas ser 80 correlacionadas. A altitude do ponto 1 ¢ conhecida, com 0 seguinte valor Hy = 800,00 m. (Mikhail ¢ Ackerman, 1982): ‘Tabela 01 - Desniveis observados Tinha | Segao | ah(m) | Distancia_] 1 1-2 [25.42 18,1 Km 2 [2-3 | 10,34 94 3 3x1_| 35.20 14.2 4 [2-4 | -15,54 17.6. [os ars 21,32 13.5 6 [5-3 | 482 8.9 7 [8-1 | -31,02 13.8 S 3-4 [26,17 1A.0 Figura 7.1 - Rede de nivelamento (As setas do esquema inaieant 0 sentido do nivelamerto) ‘Notas de aulas da disciplina Ajustamento de Obsenvagses : 115 FOTIUNESP ~ Departamento de Cartografia/ Presidente Prudente Vers&o PreliminarSolugao: As observagées (ly - desniveis) so em numero de oito © as incégnitas apenas quatro {altitudes das 4 estagdes novas). O numero de equagées de condigao, neste caso sera igual a: ren-u r=8-4=4 ‘As equagdes devem ser montadas de acardo com o modelo matematico: F(La) Dentre as varias possibilidades, por exemplo, tem-se: +if +18 =0 = +8 ++ > F(l,)=0 eR B+ 8 as equagées de condigao tem que ser realmente independentes entre si. Matiz 8 © modelo sendo linear os coeficientes dos residuos ja representam as derivadas parciais, resultando para a matriz B: 40909000 ee Or On oie 0) O07 10 1 0 100 0- ‘Vetor do erro de fechamento W: O vetor do erro de fechamento W é dado por: ‘Notas de aulas da disciplina Ajustamento de Observagoes . ie FCTIUNESP - Departamento de Cartografa/ Presidente Pradente Versio Preliminar-B-B8 +8 | _|-064 B+8+8| | 0.03 wa} [-B+8-2| [0.23 | am eR) [086 AW, =Fily) =|"? |= Equagées normais Célculo dos corretatos: M=BP'BT ‘A Matriz B e o vetor W ja so conhecidos, para escrever a matriz dos pesos aumite-se que: a) que as observagdes (desniveis) so independentes - matriz peso diagonal; b) que 0s pesos so inversamente proporcionais aos comprimentos dos lados (p; = (Distancia). Matriz dos pesos: Mer 9 +0 G 8 O 0 OF 0%, 09 0 0 0 0 0 0 0 %. 0 0 0 0 0 p-}° 9 © Xe 9 9 0 O 9 0 09 08 Ys 9 GO O 0 0 0 0 0 f%, 0 9 0 0 0 0 0 O Pag 0 BBs bba e 1810 0 0 0 0 0 0 10 0 142 0 o 0 0 0 pte 0 0 0 176 0 0 0 0 o 0 0 02 25 @ 0 0 0 0 0 0 0 9 0 Oo o 0 0 0 0 0 138 0 0 0 0 0 0 0 o 1} O produto M = B PB’, serd igual a: ‘Notas de aulas da disciplina Ajustamento de Observagies: a FCTIUNESP - Departamento de Cartografia/ Presidente Prudente Versao Preliminar[417 -142 0 -94] Meppipta\42 379 -99 0 0-99 374 -140 -94 0-140 41,0 A sua inversa @ dada por: [0,0306460870 0,0133263745 0,0070601170 0,0344520486 0,0117674872 0,0117674872 0,0949226368 0,0070734815 0,0135434638 Vetor dos correlatos K: [-901102 on 001261 Kew fae 0.00834 Vetor dos re | 0.200} 0.025 - 0335 0146 = 0008 -0131 +0174 +0109, V=P"B'K Observagées ajustadas - Desniveis ajustados L,: 0,0094369477 0,0070734815 00135434638 0,0311784342 | Notas de aulas da disciplina Ajustamento de Observagoes| ECTIUNESP ~ Departamento de Cartografia Presidente Prudente Verso Preliminar 118[ane] [ 25.220 | Ang 10,315 ng | | -35,535 ng | _| -15.686 ang|"] 21,312 ang] | 4,689 ant) | 30,846 Ang I 26,001), Fator de variancia a posterior 2 -KTW _ 001617 90404 Verificagao ‘As equagdes de condigéo, tanto as naturais como as transformadas, prestam-se a verificago, as primeiras mediante os desnivels ajustado e as seguintes mediante os residuos. Por exemplo: if +18 +13 =25,220 + 10,315 -35,635=0 -(8-12 +17 =35,535- 4,689 - 30,846 =0 B+ig+1§= 4,689-26,001+21,312=0 B+ 10,316 ~ 15,686 + 26,001=0 ou Vy +¥2 Vg +, =~ 0,200 —0,025 ~0,335 + 0,54 =Vg -Ve + Vy We = 0,335 +0,131+0,174-0,64 =0 Ve +Ve + Vg +W3 =~0.131+ 0,109 ~0,008 + 0,03=0 [-vp +Ve-Ve-W4 = 0,025-0,146-0,109 +0,23 =0 Calculo das altitudes: As altitudes das estag5es novas séo obtidas da altitude fixa, somando-se 0s respectivos desniveis ajustados, independente do caminho percorrida, assim: (tt =H, +1? = 800,00 +25,220 = 835,220m Hy =H, —1§ = 800,00 +35,535 835,535m H, =H, ~I3 +13 =800,00+35,535- 26,001 = 809,534m Hy =H, ~ 13 =800,00+ 30,846 830,846m ‘Noles de auias da dsdipina Ajanta de Obsenvagbes wd FCTIUNESP ~ Departamento de Carografia/ Presidente Prdents Verséo Preliminerou 800,00+35,535-10,315 = ‘825,220m etc. MVC das observagées ajustadas: Zi, =65 (Pt- P"BT M"B P) 0.0326 -00146 -0,0180 -0,0122 -0,0070 0,0045 -0,0135 0,024 0,0261 -00024 00036-00093 00167 0.0057 00321-00130 -0,0046 09179 00288 -99125 -op08e -cp163! 00218 00125 -0,0093 00293 - 0,037 Sim. 0.0257 MVC das altitudes: A MVC das altitudes 6 obtida fazendo propagagéo nas expresses que fornecem os seus valores: Ey=G65,,67 sendo: f1o 000009 0 0-1 00000 00-1000041 0 0000 0-14 of Substituindo a MVC das observagbes ajustadas e a matriz G dos coeficientes. resulta que: 10,0326 0,0180 0.0204 00135] tae 0.0261 0.0204 90167 al 0.0404 0.0204 | Sim. 00293 ),.2 ‘Notas de sulas da aiscipna Alustamento de Observagses eo FCTIUNESP ~ Departamento de Cartogratia/ Presidente Prugonte Versdo Preliminar7.4.2 Exercicios 4) Ajustar a rede de nivelamento geométrico (figura 7.2) dada, pelo método das equates de condigao (método dos correlatos) (Gemael, 1994). A preciso da observagdo é dada por: a= 4mm VK , sendo K em km. a) Rede de nivelamento b) Desniveis observados Linha | Ah=i, | K (distancia) ol 10,038 m 7.14 Km 2 8,207, 2.84 3 7,949 3.21 4 5.217 6,03 5 70,244 6,75 6 7,562 0,84 7 4837 2.94 g 3.370 2.01 9 Figura 7.2 - Esquema da rede de nivelamento (As setas do esquema indicam 0 sentido em que 0 terreno se eleva) ) Altitude conhecidas: Ha = 33,831 m 19,316 m He= 2,791m 4) Estimar a altitude das estacbe3 novas Hi, ... Hv. 2) A medida de um pequena base (figura 7.3) conduziu ao valor I? = 201,71m (Gemael, 1994): Numa segunda experiéncia a base foi decomposta em duas e ambas medidas cam o seguinte resultado: 75,81m; 8 =125,22m, Na 3.* experiéncia, idéntica a 2.*, obteve-se: If =10003m; I} =100,76m. Figura 7.3 - Esquema da base a) Caloular as observag6es ajustadas através do método dos correlates. Notas de auias ta disciplina Ajustamento de Observagbes: val FCTIUNESP ~ Departamento de Cartografia | Preskiante Pruvente Verso Preliminar7.8 Ajustamento Redes Topograficas/Geodésicas com o Método dos Correlatos © ajustamento de redes topograficas/geodésicas podem ser desenvolvidas no plano ou no elipsoide, sendo que quando ha transposigao de fuso ¢ indicado 0 ajustamento sobre a superficie do clipstide. As observagbes devem ser reduzidas ao plano de projegao. Neste método de ajustamento nao precisa das coordenadas aproximadas. No ajustamento sao obtidos os valores observados ajustados e depois realizado 0 transporte de coordenadas. 7.5.4 Ajustamento de Poligonal no Plano A figura 7.4, refere-se ao esquema de uma poligonal com i vertices, cujas observages esto realizadas no plano XY: | x | x Sa Figura 7.4 - Esquema de uma poligonal A quantidade de observacées @ formada por I-t distancias e i €ngulos, portanto: ne2ied 7.38) onde i 0 numero de vértices (realmente ocupadas no levantamento). O numero de incégnitas é dada por: us2i-4 (7.38) O numero de equagdes de condigao é entdo: (7.40) 122 ‘Notas de autas da dscipina Ajustamento de Observanies FCTIUNESP - Departamento de Carlografia / Presidente Prudente, Versdo PreliminarNo ajustamento de poligonal pelo método dos correlatos as equagdes envolvidas séo em ntimero de 3, divididas em uma equacao de azimute © duas de coardenadas planas (X, Y). Se 0 ajustamento da poligonal for realizado sobre 0 elipsdide as equagdes seré constituida por uma de azimute e duas de coordenadas elipsdidicas (9.2). a) Equagdes de Condigao de Azimute: A condicao necessaria é que: sat — poh 20 (741) onde: ‘AZi- azimute plano fixo da diregao ij Az} - azimute plano ajustado, obtido por transporte. © azimute transportado é obtido através da seguinte formula: Az = Aziy bad +a} +. tat G1) 180° (7.42) E a equagao de condigéo serd dada pela expresszo: Aziy +a? aj +..ba —(I-1)* 180° — Az! =0 (7.43) Q erro de fechamento em azimute da poligonal é dado por: fal, +a? +a +..+0? —G—1y180! — Art (7.44) b) Equagdes de Condicao em Coordenadas Planas: A condigéio necessaria é que: cies 74s) Yi-¥F =0 Notas de aulas da discipfina Ajustamanto de Observagdes us FCTIUNESP - Departamento de Cartogratla/ Presidente Prudente Versao Preliminar© Indice a representa valores das coordenadas ajustadas ¢ obtidos por transporte, e F os valores das coordenadas fixas. A formula que fornece as coordenadas finais ¢ dada por: XI =X +S} senAzt, +S, senAzy, +...+S),, senAzi, al YP = YF + Siz cosAzs, + $2 cosAzis +...+S 7, COSAZ!, ‘Aequagao de condigao, nao linear tera entéo a seguinte forma’ Xf + St, senAz?, +S%, senAz’, +...+S%y, senAzh,,- XP ran ‘Yf + St, cosAzi, +Sf, cosAz3, +...+S%,, cosAz’,, -¥/ =0 Cerro de fechamento em coordenadas planas, neste caso ¢ dado por: [w, = Xf +S senAz¥ +83, senAz3, +...+SP., senAz®y, - Xf (7.48) lwy = YF +Sk cosAzin +835 cosAz¥, +...+S2, cosAzPy, - YF Como as equagées de coordenadas S40 néo lineares a matriz 38.1 6 obtida das derivadas parciais das equagdes de condigao (eq. (7.42) © (7.47)), em relagao as observagées de disténcias e de angulos: 0 0 ° ‘ 1 a 4 B=|senazk, senAz’, senAz?y Shy cosazhy, S°Sty cosa’ y. Stycostah, 9) |eostal cosas cosaaty -YSiysenAchy ~Ysty senazt y =Ssenazty 0 (7.49) ( vetor sW; do erro de fechamento em azimute e coordenadas ¢ dado por: Waz] | Azio tal +a +... a? ~(-1)* 180° - Aze welw, |=| Xf +St, senAz, +82, senAzd: +...+SPy senAzey, - xX! 47.50) wy | | WP +S% costal +88 cosnzly +.+Shy cosa’, -¥? | Como matriz B foi montada em funcdo das distancias e Angulos observados, a MVC das observaveis devera ser montada da seguinte forma: 124 ‘Notas oe aulas da discipina Alustamento de Observagdes ECTWNESP ~ Departamento de Cartograia | Presidente Prudente Versdo Preliminar(751) onde: ‘Zs- representa a MVC das distancias. E,- representa a MVC dos angulos. Também, pode-se montar a matriz B fazendo as derivadas parciais das equagées de contigée (eq, (7.41) € (7.47)) em relagao as disténcias e azimutes. Dessa forma: fo o ° ° . ° 1] B=|senAzi, senAzds SeNAZ?, — SY COBAZ I arses — SP COSAZP 0 cosAz?, cosAz3y cosAz?,, -S%senAzi, = SP, sen Az? 0 (7.52) Neste caso, a MVC das observaveis devera ser montada da seguinte forma: lf & | (753) onde Ex. representa MVC dos azimutes, AMVC dos azimutes ¢ obtida a partir da seguinte expressdo de propagagao: Eu =GE,67 (754) Nas poligonais (figura 7.4), os azimutes das diregSes s20 obtidos através da equagdo (7.42); seja: 2, = Arh a2 fe = AZjo + af Atly = Azig + a8 +08 180° Azh = Azip +a? +03 +...ta? —(i~1)" 180" 758) Neste caso, a mattiz G sera dada por: 125 ‘Notas de aulas da discipina Ajustamnento de Observagaes FCTIUNESP ~ Departamento de Cartografia/ Presidente Prudente Versdo Preliminar100 110 G=|1 114 (7.56) of, 0 0 ° 0 of Oo 0 Za=|0 0 ai, 9 (7.57) : o 0 0 0 « of © produto dado pela expresséa (7.54) leva a MVC dos azimutes: f100.. Ofo% o 0 opr itd j1 10... 0J 0 o%, 0 ofo11..4 Ie=}t 14.010 0 of . ofoo1..4 (7.58) ° 1144 fo 0 0 olo0 00 1 No caso em que as Angulos apresentam mesmo desvio padréo, resulta para a MVC dos azimutes: ecatotaeetee |] 20% 26% ... 202 ln 202 30% 302 | (5.59) 262 302. io? ‘Notas de auias da dscipina Alustamento de Obsorvagses J FCTIUNESP - Departamento de Carogratia/ Presidente Prudente Versdo PreliminaroF Mla (8.4) E de X, 0 vetor da diferenga entre: X= X= (8.5) Indicando, ainda por B a matriz das derivadas parciais em relagao as observagées, ou seja: (66) € 0 vetor dos residuos: VeLa-Lbe (6.7) Assim, 0 modelo matematico linearizado da método combinado pode ser escrito coma: Ay ot By Vi + Wy 04 (68) ‘que representa as r equagdes de condigdo ligando n observagdes e u incégnitas, que correspondem aos paramettos. 8.2.3 Equagdes Normais Da mesma forma, que foi feito no método dos correlatos, para que as incdgnitas se subordinem a0 MMQ e ao mesmo tempo satisfagam as equagdes de condigao, utiiza-se a técnica Lagrangiana, definindo assim a fungao ¢ como send $= VTPV- 2k" (AX +BV + W)=min (89) onde K 6 0 vetor (1x1) des multiplicadores de Lagrange ou dos correlatos. ‘Anulando as derivadas parciais em relagao a V, K e X, obtém-se: ‘Notas Ge aulas da discipira Ajustamento de Obsonagoes a FCTIUNESP ~ Departamento de Cartograia/ Presicente Prudente Versao Preliminar& a opy 2k =0 PV-BTK=0 dav En -21ax4BV+W)=0 . AX+BV+W=0 (8.10) 94 _ ont ATK= B = 20% ° A primeira dessas equagbes matricials: Py aVi~ nBY Ky = 901 (8.11) representa n equagdes algébricas, a segunda: Ay Xs + By Mit Wy = 0s (8.12) r equagées lineares, ¢ a terceira: UAT py = 404 (8.13) ui equagées lineares, todas compoem um sistema compativel de (ntrtu) equagées algébricas a (n+r+u) incégnitas, que correspondem, respectivamente aos vetores dos residuos (V), dos correlatos (K) e das corregdes aos parametros (X). Considerando a super-matriz (matrizes cujos elementos sdo matrizes), 0 sistema mencionado (equagdes 8.11 a 8.13) assume a forma: JP -8" olfy] [oV.fe Bo afeleFe (8.14) o aT oO x| Lo} lo ‘com solugao teérica imediata igual a: vy] fe -e" of'fo ao al lw o15) x} [o at of Lo Porém nao pratico, por implicar na inversao de matrizes excessivamente grandes, utiiza-se de outro procedimento para obter a solucdo. ‘ote de las da discipina Ajustamerio de Obsenvagées v2 FOTIUNESP ~ Departamento de Cartograia/ Presidente Prudente Versdo PreliminarResolvendo a equagao (8.11) em relagdo a V, tem-se que: v= Perk (8.16) ¢ introduzindo este vetor na equagao (8.12) , tem-se: AX+BP"BTK+W=0 (8.17) ‘A equagdo acima representa um sistema de r equagdes normais que proporciona os muttiplicadores de Lagrange (correlatos), K = (BP BT)" (AX +W) (8.18) ou wi(AK + Wy (8.19) com: M=BP'B" (8.20) ‘Substituinda 0 vator dos correlatos K na expressao (8.13), obtém-se 0 vetor das corregses 08 parametros aproximados: ATK=-ATMT(AX+W)=0 ATM TAX =~ ATM! W. == (ATM AyT ATM W (8.21) 8.2.4 Variancia a posteriori ou fator de variancia a post ‘Apés calcular 0 vetor dos residuos é possivel obter 0 fator de variancia a posteriori: (8.22) onde $ = F -u, e corresponde ao nlimero de graus de liberdade. Notas de auias da disciplina Ajustamento de Observagdes 130 FCTIUNESP ~ Departamento de Cartografia/ Presidente Prudent Versdo Preliminar8.2.5 Parametros ajustados e matriz variéncia-covariancia dos parametros 8.2.5.1 Parémetros ajustados Obtido o vetor das corregdes (equagae €.21) pade-se obter 0 vetor dos parametros ajustados, ou seja: a= Xo+X (8.23) 8.2.5.2 Matriz variéncia-covariancia do parametros A estimativa de um valor ou de um conjunto de valores (parametros), deve vir acompanhada de um indicador da qualidade dos mesmos, que no caso seré a MVC. ‘A equagao (8.23) pode ser rescrita como: Xq = Xp (ATMA ATW (8.24) Aplicando a Lei de Propagagso de Covariancias na expressao (2.24), obtém-se a MVC dos parametros ajustados. Ex, =D 07 (8.25) sendo 5, a MVC das observacées e: Xs oD (aTtayt AT (8.26) com: Wally Xo (e2n ay ay Dessa forma (ATM A)" ATM, (8.28) Entdo, resulta que: 131 ‘Nolas de aulas da dacipina Ajustamento de Observaqdes FCTIUNESP - Departamento de Castografia/ Presidente Prudente Versdo PreliminarATMA)ATMB) EZ. ((ATM“A)*ATM" BY” mas I., =03P"', Assim: Ex, =0§ (ATMAy"ATM"'B) Po (ATMA) "ATM 8)" Xx, 203 (ATMAyATM"B PTB ’MIA(ATM Tay" Ex, =08 (ATM AyTATM MM A (ATMA) Dy, <08 (AT Ay ATMTA(ATM A)" 3 (ATMtAyt Ze, = 63 (ATM A)" (8.29) 8.2.6 Observacoes ajustadas e matriz variancia-covariéncia 8.2.6.1 Observacées Ajustadas Com © vetor dos correlatos K, a solugdo das equagbes normais proporciona o vetor dos residuos: v= PIBTK 8.30) ‘Através do qual pode ser calculado o vetor dos valores observados ajustados: Leb+v (8.31) 82.6.2 Mateiz varlancia-covariancia A preciséio pode ser estimada através da Lei de Propagagao de Covariancia aplicada a equagao que fornece as observagdes ajustadas. Rescrevendo a equacao (8.31), tem-se: ba= Ly - PT BTM" (AX + W) La = Ly - PBT M™ (A (- (ATM A)" ATM W) + W) Notas de aulas da disciptina Ajustamento de Observacées 7 132 FCTIUNESP - Departamento de Cartogafa/ Presidente Prudente Verso PreliminerLesbo - PBT (-A(ATM™A)* ATM W + W) La=be + (P'B™M™A(ATM" A)" ATM - PBT M*) W (8.32) AMVC das observagses alustadas ¢ obtida através da expressao: X, =DE,0" (8.33) onde: p= 22 n1 4. PIBTMA(ATMMAy"ATM. pat) (6.34) ay ae com: OW, Filly Xo) _g a, ale “ Dessa forma: D=1+ P“BTMA(ATM"Ay"ATM'S - P“BTM"B 6.36) Resultando que: (1+ PBT A(ATM Ay ATMB-PBTMB) 5, (Ie BTM A (ATM Ay AT B-PBTM BY a =08 (P*+P'B'M"A(ATM'A)'A'M BPT-P'BM BP )(1 +B MA(ATMAY' ATM B-P BTM BY = 8 (1+ PBTM AAT Ay A MB-P'B™M BIE (1+ "BTM A(ATM'Ay'AM B-P'BTM BY Si, 208 (P* +P 'BTMA(ATM'Ay'AM BP T-P BTM BP})(1+B™M "A (AM AY AM BP -B'M BP") Ei, =09 (P* + PUBTM'A (ATMA) TATM"B P* - P'BTM'B Pt + PUBTMA (ATMA) TA TMB Pt + PBTM-TA (ATM“A)"ATM"B PB TMA (ATM“A)ATM“BP* P“BTMA (ATMA) 7ATM"B PS B'M BP - P‘B'M"BP - PYaTM BP BTA (ATMA) ATM BP + P“B™M'Be4 BTM BP) 433, FCTIUNESP ~ Departamento de Cartografia / Presidente Prudente Versdo Preliminar8 (P+ PIBTM“'A (ATMA) “ATMSBP™ - PABTMB P71) E,, = 63 (P* + PoIBTM A (ATMA) ATM BP - PBTM'B PP), (8.37) 8.2.7 Vetor dos residuos e matriz variancia-covariéncia 8.2.7.1 Vetor dos residuos CO vetor dos residuos dado pela equacao (8.16), pode ser rescrito como: v= (PTBT MTA (ATM A)" ATM" -P*B™M") W (8.38) 8.2.7.2 Matriz variancia-covariancia Aplicando a Lei de Propagacao de Covaridncia na expressao (8.38), tert-se que: By =DE,0" (8.39) onde: D= PBTMA(ATMA)"ATM'B - PBTM'B (8.40) Assim, resulta que: 5, =(P°B™MA(ATMAy"AM'B-P"BTM'B) ,, (PUB A(ATMAY"AT'B-P'BTM BY! Zy =03 (PBT A(AM "Ay 'A™M'B-P'B™M'B) P*1(PBTM 1A(A™M1A)'A™MB- PB MB) Ey =08 PBT "A(AM"Ay'AM'B PPB BP) (PRM A(A™MAyA'M B-P'B' MB) Sy 209 PBN A(ATM Ay "AM Pt-PBTM BP“) B'M A (AM A)"AM BP -B MBP) 3y =08 (“BTM A (ATM AY ATM'B P“BTMTA(ATM MA) ATM BP - PBTM™“A(A'M"A)"A™M'B P*B'M BP™ - PYBTM'Be BTM “A(ATM"A)'ATM BP + P"BTM'gp“B™M'BP) Notas de aules da disciplina Ajustamento de Observages. A FCTIUNESP - Departamento de Cetograia/ Presidente Pradente Verso PreiiminarBy ©08 (BTM A(ATM"A)TATM"'BP"!-P“1BTM"A (ATMA) TATE”! =PUBTNAIATHAyA MBPT! 2 PRT MBP) Ey =93(P'B™M"BP™ - P“BTMA(ATMA)"AM BP) Dy 765 (P°BTM BP - P"BTM“A(AMAyATM'BP™) ou Dy 265 PS, 8.2.8 Vetor do erro de fechamento e matriz variancia-covariancia 8.2.8.1 Vetor do erro de fechamento (© vetor do erro de fechamento dado por: W= Fils, Xo) 8.2.8.2 Matriz varidncia-covariéncia Aplicando a Lei de Propagacao de Covariancia na expresso (8.43), tem-se que: Zw =02,, 07 sendo: Assim, resulta que: Ew =BE,, 87 Zw =03 BP Ew = 03 M Ew = 63 M Rowas a ulas da discipina Ajustamento de Observagoes (841) (6.42) (8.43) (8.44) (8.45) FCTIUNESP ~ Departamento de Carografia/ Presidente Pradente Versio Preliminar82.8 Particularizacso 8.2.9.1 Método dos Correlatos No modelo linearizado do método combinado (AX+BV+W = 0), fazendo A a} Recai-se no métode dos correlatos, pois no existe pardmetros, entéo: BV+W=0 'b) A expresso (8.19) que possibilta caicular 0 vetor dos correlatos se reduz @ equagao do método dos correlates para célculo do vetor: K=-MtW c) A expressdo (8.37) passa a ser igual a: Zi, =63(P7 - P'B™M BP), que corresponde ao do método dos correlatos. ) E a expresso (8.41) passa a ser igual a: 3y <6) P'BIM'EP™, similar ao que foi vista no método dos correlatos 8.2.9.2 Método Paramétrico a} No métode parametric: L=bo- Ly = We F(XoLe) € em cada equagao aparece apenas um valor observado, € que faz com que a matriz B seja igual a identidade, porém com sinal negativo. Fazendo B = - | e L = W, 0 modelo matemético do método dos correlatos se reduz ao modelo’ VEAX FL b) Se B = - |, a equacdo (8.21) que forece 0 vetor da corregdes dos parametros se reduz a: Xe PAY ATPL, pois M" = (8 P* BTY P, desde que W=Lo-L,=L. ©) A partir da expressao (8.29), fazendo 8 = - I, tem-se que; Notas de aulas da discialina Ajuetamente de Obseragies Ud FCTUNES® - Departamento de caroorata/ Presets Prete Verso PreliminarEx, a (ATP AY que coincide com a MVC estimade cam o metodo parameétrico. d) E da expressao (8.37), resulta que: Zi, =6$ (Pt + A(ATPA) TAT - P™) Di = 63 ANTAT 8.3 Hteragbes Considerando © modelo matematico do método combinado nao linear, é necessario que se proceda a linearizag8o do modelo visando facilitar a obtengao da solugao. Em decorréncia da aproximagao introduzida na linearizacéo do modelo uma fase de testes e iteragdes a0 final do ajustamento @ requeria. Dessa forma um critério para encerramento das iteragées deve ser adotado. 8.3.1 Iteragao no Método Combinado ‘A iteracao no método combinado procede-se da seguinte forma: 4? Etapa: FLX.) =0; AX+BV+W=0 oF oF | M%a-X%)+ qq tt, Rabrote alata b) + Fily.Xo)= 0 W = Fily.Xo) (ATM Ay AT MW, X= Xo+X -P1 BT MT(AX+W), Leela +V Observagdo: na primeira etapa fica subentendido que Lo = Lo. 2° Etapa (primeira iteragao): ‘Notas de aves da dacipina Alustamento de Observayoes uf FCTIUNESP Departamento de Cartgrafa Presidente Prudente Versio PreliminarNo process iterative a série linearizada deve ser desenvolvida em tomo de Le x}: Ay Xy + Br Vi + Wi =O =) + FOSS) =0 (Xa -X8) + eles A diferenga (L} ~L%) nao representa 0 vetor dos residuos, que 6 dado por: Vy=Lt-by Subtraindo L’, de ambos lados da evpressaa que fornece 0 residuo, temn-se: volt $-Le U1 =V,- LS + by Substituindo (L4 ~L9) no modelo linearizado, tem-se que: (Vy -U9 + by) + FOXRLI=0 exe | tia 9 019 0%, 8) + ‘ -Z (Ly Uf) + FOR.LY =0 $ Aolve Halse” Assim: OF oF 0. 010 = = Wy = (Ly -L) + F(X?,L Ay x, on B, Bahere e y= By (ly ) “( ) X= (AT Mj A,) TAT Mi Wy XP = XP 4X, Vy = =P BY M3" (Ay X;+ Wy) by +Vs Etapa i+ 1 (j-ésima iteragao): Up =uey e AX +BV+Wi=0 4 ; oF © W= Bly =U) + FOR) Kelreat shag ‘Nolas de aulas da dscipina Austamento de Obsorvaqees i FCTIUNESP ~ Departamento de Cartografia/ Presidente Prudente Verséo Preliminarx? +x, (AT My At AT Mt Wy, j= -PUBT MMA, x) + Wi) Usb, yy Ky = MTA, X +) Eig =93, (AT Mi" A, Zyp = 69, (PT + PUBIM(A, (AT Mzt A,)TATM;'B, P*- P1BTM;'B, P*) Ey, = 6%, (P"BIMy'B, PY = PRIMA, (AT My" A) TATMy", Pt) Zw Observagées: durante 0 processo iterativo: a) 0 vetor das corregbes X tende a zero; b) a forma quadratica V'PV e vetor dos residuos V tende a se estabilizar, mas nao a se anular. 8.4 Aplicagées do Método Combinado 1) Intersegdo fotogramétrica. A figura abaixo ¢ um problema simpificado de um panta abjeto fotografado por trés cémaras terrestres. Todas cémaras séo assumidas estar sobre a mesma linha, considerada como sendo 0 eixo X do sistema de coordenadas. O eixo Y coincide com o eixo ético da + camara (S:}. Os eixas dticos das cémaras estdo paralelos entre si. A orientagao interior da camara 6 conhecida, com distancia focal (f) igual a 100 mm (valor constante). As observagdes L, num total de cinco disténcias sao indicadas na figura, seus valores e bem como os seus desvios padrao séo dados na tabela abaixo. Para simplificar, as mesmas sao obtidas no plano XY ¢ nao ha correlagao entre elas. pe 1? n u 7 ‘Notas de aulas da decipina Ajuslamento de Observagies 139 FCTIUNESP ~ Departamento de Carografia / Presidente Prusente Versio PreliminarTabela 01 - Valores observados ‘Observagao svio padrao, IP 16,5 mm. 0,10 mm, ib 3.8mm 0,10 mm L 1B 20,4 mm 0,10 mm 1B 100m 0,08 m 12 8,0m 0,05 m | a) Estimar as coordenadas (X,Y) do ponto P, 0 fator de variancia a posteriori e a matriz variancia- covariancia das coordenadas do ponto P. SOLUGAG: + Variavels: n=5 observagves; us2 parémetros; r=S+u equagées; Seru graus de liberdade (redundancia) ou S=n-m n= numero de observagies e 1g # ntimero minimo de varidveis para determinar a ‘geometria do problema + Cailculo de no: Considerando que as cdmaras se posicionam sobre o eixo X, entdo com as distancias ly € Is pode posicionar as mesmas sobre 0 eixo, ¢ com mais duas variaveis, das trés restantes (h, 'z © hk) determina-se a posig&o do ponto P, resulta que’ no=4 S=n-ny= 451 © Calculo do nimero de equagses: tu 14223 ‘+ Modelo Funcional: A partir da figura tem: Notas de aulas da discipina Ajustamento de Observagies ao) FOTIUNES? —Departamento de Cartograia/ Presidents Prudente Versdo Preliminar‘+ Modelo matematico do Método Combinado: F(X, La) = 0 yt-f x" =0 yt (f-x*)= By?-f (p+h-x")=0 + Dimensées do modelo matematico linearizado: 2 2X1 > By sy + Wy =O ‘+ Caloulo dos valores aproximados (Xo): «fi Através de relagbes geométricas caicula-se © vetor Xs, da 1® e 2° modelo funcional, obtém-se que: ou Assim: BF. 10°10 Yo“Pee 765436 °°" hy =f¥2 = 18.5°50 gy 700 + Matra A ‘Notas de auias da discinina Ajustamento de Observagies ECTIUNESP ~ Departamento de Cartograia/ Presidente Prugente Versdo Preliminer 141or -f 8} [-100 465) Arz=S] =] f Bf] 100 38 f 8! [100 204], + Matriz B: - Yo 0 0 0 0] f5, 0 0 0 0 Bee Z| =|9 yo 0 -f O[=| 0 50, 0 -100—, 0 shots [0 0 ye -f -f] [0 0 50m ~100mq —100 ye | = Vetor W: JP o-F % ) [25] W=FOGL =] yo -F HH) |=) ~10 Byg-f (8 +1 —x5)] | 20 Jrmen + Inversa da matriz peso P* ° ° ° 2 0 0 0 ] oot, 0 ° o 90025, 80 0 0” 00025,, | «© Vetor das correcées aos parémetros aproximados X: [25 0 0] M=BP“B" =| 0 50 25 028 Tl 004 0 0] m=| 0 0024 ~0,008 9 -9008 a0te | as 142 Wats de ale da dscipra Auatamerio de Obeeranbes _ FCTIUNESP ~ Departamento de Carogratia/ Presidente Pradente Verséio Preliminar8*10" -545*10° -545*10° 2082*10" |. Tay" 125 2:082*10° 5,45*10° ATMAy = —_128__ : Y= 73684.55°10 eae arto L 1 125° 10° ewe tf (AT Mt Ay! AT Mt W 07s 1193], + Parametros ajustados X.’ Xp | 8+0075] 8075 (a = Xo X= | P on™ ener [ol ore [aaa problema nao é linear, portanto deve-se realizar iteragties. O resultado apés as iteragdes & dado por: 80749 48,8093 © Vetor dos corretates K: 10,95 Komen 20 eS 13,32 * Vetor do residuos V: 004, a0, = 0,05 0,022, 0027, | V=P"B"K ‘Notas de aulas da disciplina Ajustamento de Observagdes ae FCTIUNESP ~ Departamento de Cartografia / Presidente Pradente Versdo Preliminer‘+ Valores observados ajustados L,. [s07| 3.20, ; 20.35 5m . 9978, 8027, Fator de varidncia a posteriori : + MVC dos parémetros ajustados: , -[090362 0009645) % =lo009645 0141534 |,. 2) Trilateragao topografica. A figura abaixo, mostra um problema simples de trilateragao, onde deseja-se determinar as coordenadas (x,y) do ponto R. Trés disténcias s80 observadas a partir de {rés pontos conhecidos P, Oe Q. : Tabela 02 - Observagbes of Brom or | 810m t 8 B TOT P 50m 5 ° @ - Todas as trés observagdes so de iguais precisdes e néo correlacionadas. As coordenadas (%y) fxas dos pontos sdo dadas: P (0, 5), O(0, 0) € Q(5, 0). a) Assumindo os valores aproximados para as coordenadas incdgnitas ser: XQ =50m Yg=50m Calcule 0 vetor das corragdes aos pardmetros aproximados (X), vale ressaltar que 0 modelo é ‘do linear e necessita-se de iteragées. Notas de autas Ga discipina Ajustamenta Ge Observacées FCTIUNESP ~ Departamento de Cartograia Presidente Pruderte 144 Versio PretiminarSOLUGAO: + Calculo do nimero de equagées: (© modelo aqui é relativamente simples, sendo tratado como plano e com um sistema de coordenadas cartesiano bidimensional. Ha quatro pontos neste plano envolvendo o problema, trés dos quais s80 perfeitamente conhacidas. A fim de determinar as coordenadas do quarto ponto, 2 distancias sera no minimo requerida. J& que 3 disténcias sao dadas, existe um grau de liberdade, ou seja: Dado que: u = 2 (coordenadas x e y do ponto R), 0 numero de equacées serd igual: Stus1+2=3 # Equagdes (Método Combinado - F(X, Ls)*0): {tr? ~ (x4 = Xp)* — (VE = Ye = N° ~(X§ = Xo) ~ (Ya -Yo)* =0 In? (xq = Xa)? = (¥g ~Yo)* =0 ‘Substituindo as coordenadas dos ponto P, O e Q, resulta’ ie? = (xs -0)? - (vg 5)? =0 2 (3 -0)"- (vg 0)" =0 = 0% -5)- (¥3 -OF =0 ou (ve? — x27 - (vg -5)* =0 -xa"~ Ya IS ~ (XR 5) = ‘+ Dimensées do modelo matematico linearizado: Az 2X1 Bs Vy + IW, =O © Matriz A: 145 ‘Notas de aulas da discipina Ajustamenio FCTIUNES? — Departamento de Cartograia Presidente Prudente Versao Preliminar~2x9, -2y2 =10 -10 =2(XR-8) 29 0-10 | ~2(¥e-5)] [-10 | © Matriz B: 2h 0 0] [12 0 0 2B,=|0 28 0 |=| 0 1414 0 o o 28} |o o gal, + Vetor W: Wy =|B? — x2? ~ vg? =] - 00181 BP -oxg -5y = vg?} | 088 [i ~ x22 (vg -5 101 ee cE + Vetor x Efetuando os cdiculos, obtém-se que o vetor das corregdes aos pardmetros aproximados: [Xe xr lye Jet], = vero postmen 3) Transformagao de coordenadas. A transtormagao de 2 patametros, rotagao e escala, entre dois sistemas de coordenadas 1 e 2 , é representada por: aXy- bYy bX + a Ye Lak onde (Xi, Yeh representam as coordenadas do sistema 1 para o ponto i, (Xs, Yz) suas correspondentes no sistema 2, e ae b os parémetros de transformagao. A fim de estimar a eb, a tabela abaixo fornece trés pontos conhecidos em ambos os sistemas: Nola de aus da dcipina Austamenta do Obseragoes 2 FCTIUNESP - Departamento de Cartogratia / Presidente Prudente Versio PreliminarTabela 03 - Coordenadas dos pontos [ponte eve na 1 00 10 : 2 4,0 0,0 3 101.0 Para todos 0s pontos do sistema 1, a matriz covaridncia para 0 par de coordenadas ¢ igual a: zs [ro oo As coordenadas dos pontos no sistema 2 sao consideradas constantes. a) Calcular os parametros de transformacgo a e b, bem como a MVC dos parametros. SOLUGAO: + Namero de equagses: n=6 observacées; 2 parametros a e b; equago S=r-u ‘graus de liberdade (redundancia) ou S=n-m n= ndmero de observagdes € 1 =2 = niimero minimo de variaveis para uma Unica determinagao dos parametros: ae b. 6-2 +256 As seis equagSes podem ser obtidas escrevendo o par de equagées para cada um dos tr8s pontos dados, a partir do modelo de transformagao: ie = BY, -Xy = 0 para: ‘+ Modelo matematico do Método Combinado: F(X Le) ‘olas de aulas da dlecipina Ajustamento de Observaqoes a FCTIUNESP ~ Departamento de Cartografia / Presidente Prudente Versdo Preliminar[xLa- YES x, Yaa + X3b- Y,, = Xha- Ye b~ X, Ygat X4 b- Ys, Xga- ¥g b> X= Ygat X% b> Y,, = ‘+ Dimensées do modelo matematico linearizado: Aa 2X + 6B eVs + Wy =O ‘+ Parametros aproximados Xo: Com o par de coordenadas do ponto do ponto 1, ou de um outro qualquer, pode-se obter os parametros aproximados (a, € b.): ‘Substituindo as coordenadas do ponto um na equagao de transformacao, tem-se; foo a- 1,0b+2,1= 1.0.2 + 0.0b-1,1=0 Resolvendo 0 sistema acima, resulta: b= 2.1 . x, <[*"]-["° jaa bo} (2,0. © Matriz A: 00 -10 19 00 40 00 09 10 40 -10 |10 40 © Matriz B: ‘Notas Ge aulas da dadipina Alustamento de Observacdes ee FCTIUNESP - Departamento de Cartografa / Presidente Prudent Versao Preliminara, -b, 0 0 0 0 0 0 of b a 0 0 0 0000 o a -b, 0 1-200 Ca) 2100 0 0 0 a 0002 0 0 0 b, oo 21] + Vetor W: XP ag- YP by - Xa, Yir@e + Xi, Bo Ya, XP ag YP by - X; Wer tg)e| 2 |_| 0 YR at Xf, by~ Yo, 0 -04 Xa- YB by - X, a7 Yh Po Xa) Lon L¥B ant Xf, bo- Yo, * Inversa da matriz peso P* zie bh ofet ooo © + Vetor das corregdes aos parémetros aproximados X: = [900 7 (“crsl ‘+ Pardmetros ajustados X, @ MVC dos parametros ajustados: Xe=% x= [>] [t2+000) [1007 bbe L 2,0-0,05| "| 195] ‘Notas de aulas da cisciplina Ajustamento de Observagées uw FOTIUNESP — Departamento de Cantografa Presidente PrudenteXx, joooss 0 “=| 0 09038. 4) Determinagao das coordenadas do centro de projecdo. Foram feitas medidas monaculares em dois niveis Z, @ Zs e medidas as coordenadas dos ponto 3, 4, 5, @ 6. Determinar as coordenadas de CP (Centro de Projegdo) ¢ a matriz varidncis-covariancia dos pardmetros, ajustando pelo método combinado. 0 erto médio quadratica das observagGes ¢ igual a + 0,01 mm, ke Valores iniciais do CP - X, 2s x9, =383,000mm, Y= 560,106 mm 23, =0,000 mm Nivel Alto Zs = 230,00mm Ponto_ Xp (ram) | Ye (mm) Xa (mm) Y4 (mm) 3 382,205 [737,545 382,500 680,330 4 559,740 737 365 502,550 680,105. 5 381,625 382,665 382,030, $40,270 é 550,145 [362.435 502,160 440,135 SOLUGAO: Modelo funcional: © modelo funcional para o ajustamento é dado pela equagao da reta que passa por 3 pontos. Da razao: Xco =X Yop =Ya Xa Xp Yao resulta duas equagdes que podem ser esciitas como: Fx = (2, -25)Xep- (Ky ~ Xs) Zee ~ Xp Za t Xa Zu Fy => (2, -25)Yee- (Ya-Ye)Zcp- YaZ,+ YaZ— = 0 ‘Notas de auias da dscipina Austamento de Observaqses ae FCTIUNESP Departamento de Cariograta Presidente Prusonte Versdo Preliminar‘+ Modelo matematico do Método Combinado: F(X, Ls) Cada ponto observado fornece duas equagées do tipo apresentada, como foram observados 4 pontos, dessa forma o modelo sera constituido de 8 equacdes: (ZR ZEIE, ~ KR ~KB)s Z2, - HB ZR* Kha ZB =O (ZR - ZB) Ye, - (VA-Ya)s Ze, - Yon ZA + Yaa ZB = 0 | (ZR-Z8)XS - (KR -XB)4 Z2, - XBq ZA + XR, ZB =O (22-28) Ye, - (YR-YB)eZ2, - YouZ2 + YRqZB= 0 (2h -28) XE, - (XR -XB)s Z2, - X85 ZA + Xhs ZB = 0 (2 -Z8) Ye, - (VR-Yo)s Zz, - Yas 22 + Yas ZB = 0 (ZA +Z8)XE, - (XR-XB)o Ze, - XBg ZA + Xg ZB= 0 (ZR-ZB)YE - (YR-¥B Ns 22, - Yoo ZA + Yao Za = 0 com: zB | 2 | Yao e ie] ‘+ Dimensées do modelo matematico linearizado: (R -X2),] (YR -YB)s OR -XBYs (R-YEIa (XR -XB)s 0 ZR-ZB (WR-Y8)s ZR-ZR 0 KKB 0 ZR-ZB(VR-Y8)o Notas de aulas da disciplina Ajustamento de Odservagoes . 1) FCTIUNESP ~ Departamento de Cartogralia / Presidente Prudent Versao Preliminer° Matriz B: (Xp ~Xea) (-XSe +Xas) (-Zhe + Za) 0 (Zee - 24) 0 (ee Yaad Ve + Yao) 0 (2% +20) 0 (2% ~Z,) (Kop ~ Kau) (Xb +Xqe) 0 ° ° ° ga| (Ye ~ Yoo) (-¥S + Yaa) ° 0 0 o (Xp = Kae) (X%p + Kas) 0 ° ° ° (Ye Yas) (YS +¥as) 0 ° ° ° (Xo ~Xas) (-X8e+Xqq) 0 ° ° 0 log = Yes) (-¥& + Yao) o ° o ° ° ° ° ° ° ° ° ° ° ° ° ° (28 +20) ° (2-2) 0 ° ° ° (-2% +20) 0 (Zep - 24) ° 9 0 ° ° 0 (Zh 4ze) 0 ° ° ° o 0 (-Ze +Zy) 0 ° 8 a a ° ° ° ° ° ° ° ° o ° ° ° o | 0 ° ° ° ° ° ° ° ° ° ° ° ° o ° ° ° ° (Zee ~Z4) ° ° ° ° ° ° (Z~2,) 0 ° o ° ° 0 (-2ip + Ze) (Zp ~ Za) 0 ° ° 0 (Ze +2) 0 (2 -2,)) + Vetor W: (ze ~Za)X2, ~ (X= Xba 22, = X85 Zh + XRs Z85 (Zi -Z3) V2, - (¥R=Ya)s Z2, - Y8sZha+ Yao Za (Zh ~ZR)Xz, = OM = XB)e 22, - bq Zhe # Xe ZB Zh -ZAYV, = (VERVE) ZE, = VE ZBe + VR Zhe (ZR -ZB)X2, ~ (KR -XG)s 28, - Xbs Zhe t Xis 235 (Za -ZB)YS, - (VR -Ya)s Zz, - Ys Zhs + Yas 255 (ZAK, ~ OG = Xba Z, - Kha Za # Xho Z| OM, = FUXoaby (Zi-ZB)V2, = (VR Yale Ze, - Yoo Zhe + Vio 236 + Inversa da matriz peso P* 1 4 2 2 prety, Bl of =1 mn % = yale” 0,0001 + Cada aluno deverd, a partir de agora efetuar os calculos para obter as coordenadas e MVG do CP ajustadas, ‘Notas de aulas da disciplina Ajustamento de Observagies 182 FCTIUNESP ~ Departamento de Cartograti/Presdent Padente Versio Preliminar9 INJUNGOES 9.4. Introducao ‘A injungo no ajustamento é uma restricao imposta em alguns dos pardmetros envolvidos no ajustamento. A equagao de injungdo € definida como sendo uma equagao constituida somente de parémetros. Geraimente, 6 representada por: G(X.) = 0 @.1) Na pratica, as injungdes nos parametros ocorrem quando alguns ou todos parametros devem satisfazerem algumas relagdes advindas da geometria ou de caracteristicas fisicas do modelo. Por exernplo, em fotogrametria, pontos sobre um mesmo ago podem ser injuncionades como tendo a mesma altitude, a5 quais podem ser ou ndo conhecidas, pontos sobre uma reta (por exemplo, estrada), devem satisfazer a equago da reta, dois pontos cuja distancia é conhecida pode ser injuncionados como tendo distancia conhecida, 9.2 Tipo de Injuncées 9.24 Injungao Absoluta Quando um parametro & mantido ffxo no ajustamento tem-se a injuncao absoluta, Neste caso sua variancia 6 nula, Entéo a0 montar a matriz A (método paramétrico ou combinado) néo & necessario derivar em relagdo a tal parametro, pois ele tem peso que tende ao infinito. 9.2.2 Injungao Relativa E também conhecida como injungdo com peso. Neste caso, os pardmetros podem ser tratadas como observagbes adicion: ou pseudo-observagées. 9.2.3 Injungdes Funcionais Ha uma relagao funcional entre os parametros, 0S quais devem obedecer uma determinada condigao geométrica ou fisica, podendo conhecer ou nao 0 seu valor. Pode envolver todos, ou partes dos parametros. Os exemplos citados acima s40 casos de injungdes funcionais. Notas de aulas da disciptina Ajustamento de Observacdes- ud FCTIUNESP ~ Depertemento de Cartografa | Presidente Prudente Versio Preliminar9.3 Método Combinado com Injun¢ao Funcional 9.3.1 Modelo Matematica (Os modelos mateméticos do método combinado e da injungao s4o dados, respectivamente por: F(X, Le) = 0 (82) GX) =0 (9.3) ‘Ambos formam um sistema consiituido de r + S equagdes, sendo r equagbes de condigao do método combinado e s equagbes de injungSes, que linearizados so dados por: Au oXt + By oVy + Wa = 04 (94) Cu uXy + W's 60; (9.5) onde: 2 s (98) OX, | lee = 60%) en 9.3.2 Equagées Normais Repetindo o procedimento do método combinado, porém considerando dois conjuntos de vetores de multiplicadores de Lagrange: Ke Ky referente ao 1° e 2 modelo, so necessarios a fim de utilizar a técnica apresentada no capitulo anterior. A forma a ser minimizada @ dada por. (9.8) = VTPV—2K7 (AX + BV +W)=2K'T(CX+W")= Anulando as derivadas parciais em relagao a V, K, Xe K’, obtém-se ‘clas de aula da asapina Ajustamento de Observagdes ve FCTIUNESP — Departamento de Cartagrafia / Presidente Prudente Verso Preliminarpa ~ 28 -BTK= wi 2B'K = PV-BTK=0 (9.9) a ~2(AX + BV + W) AX+BV+W=0 (9.10) ante -20%K’ . atk +cTk ean) ox Sh . ex+w Grn 2CX+W) (9.12) As equagées matriciais acima representam um conjunto de n¢rturs equag6es algébricas envolvendo n+rtuts incégnitas, que correspondem a n residuos (V), r correlatos (kK), u parametros (X) es correlatos (K’) referente a injungao. As quatros equacSes combinadas constituem o sistema de equagdes normais, que podem ser reunidas em uma super-matriz: [P -B" 0 oT] 0] [fo Boo AO «|.fwl.fe oa o ao ctllx\'|o| lo i o co Ie) Lw'} lo A solugao do sistema (9.13), envolve muito calculo, geralmente o interesse ¢ por Xe V. Da equagao (9.9), tem-se que: v= P'BTK (9.14) Introduzindo este vetor em (9.10) AX+BP"BTK+W=0, tem-se a equagao que proporciona o vetor dos correlatos K:. {B P* BTY"(AX+W) (9.15) ou -M"(AX +W) (9.16) Substituindo em (9.11), tem-se que: Notas de aulas da disciplina Ajustamento de Observacdes Md FCTIUNESP ~ Departamento de Cartografia ! Presidente Prudente Versao Preliminer-ATM" (AX +W)+CTK’ = “ATM AX-ATMTW+CTK’ A partir da qual se obtém o vetor das correcées: X=-(AM" Ay ATM W + (ATM AY'CTK’ (9.17) ou X=X'+8X (9.18) onde: (AM Ay AT MW > correg&o obtida com 0 método combinado; (AT MAY CK > influéncia da injungao. Para obter 0 vetor dos correlatos K’, envolvido no célculo de 6X, substituse a expressao de X xa equagao (9.12) Cc (ATM Ay AT MW + (ATM TAY" TK) + W'=0, SK + aT Ay CT KY + W cx + C(ATMTAYTCTK #W C(ATMTA)'CTK =-(CX+W), 0. que resulta em: k= ICT Ay CTY (CX 4 WY) (9.19) 9.3.3 Matriz Variancia-Covariancia dos Parametros Ajustados AMVC de X, é obtida aplicando a propagacéio em: Xa = Xo + X, (9.20) cam X dado por (9.17), que resulta; q 3 (AT MTA) ]EI-CT(C(ATM TAY CT) IC (ATMA)“1] (9.21) Onde o fator de variancia a posteriori é calculado como: ‘Nolas de aulas da dscipina Austamento de Obsenvagdes uk) FCTIUNESP ~ Departamento de Cartogratia/ Presidente Prudente Versio Preliminarjo -MTPV _-KTW-K"W" a= eee ee 8 T+S-u (9.22) 9.4 Métada Paramétrico com Injungao 9.4.4 Injungao Funcional 1.1, Modelo Matemstico Neste caso a modelo matematico é composto por: La = F(Xe) (9.23) G(K,) = 0 (9.24) ‘Ambos formam um sistema constituido de n equagdes de observagées e s equagies de injungdes, que linearizados so dados por: nAy uX1+ abr =i (9.25) Cu Xi W's = 04 (926) 9.4.1.2 Equagées Normais A forma quadrattica a ser minimizada 6 dada por: = VIPV-24'T (CX + W')= minimo @=(AX+L)"P (AX +L) ~ 2K'T (CX +W")= minimo 9 =XTATPAX + X7ATPL +L'PAX +L'PL = 2K" (CX + W')=minimo (9.27) Anulando as derivadas parciais em relacao a X eK’ cl ax 7 2ATPAX+ 2A7PL -2C7K’ =0 ATPAX+A™PL-C'K’=0 (9.28) 8 2 b +W's (9.29) ae 7 2OX+W) CX +W'=0 (9.29) O vetor das corregées aos parametros 6 obtido da (9.28): ‘clas de alas da dscipina Asameio Ge Obeerryies 187 FCTIUNES® - Departamento de Caraga Presents Prdenta Verséo Preliminar{AT PAY (ATPL -CTK' ) X=-N"(U-CTK) X=N'U+NTCTK (9.30) ou X=X +8X (9.31) onde: xX=Nn'U + cortegao obtida com 0 método paramétrico, BK =NTCTK + influéncia da injungao. Para obter o vetor dos correlatos K’, envolvido no calculo de &X, substitui-se a expressao de X na equagéo (9.29): COHN" CTK) +We0 Gx +on'chk +w que resulta: K= -(CNTCYy' (CX +W) (9.82) 9.4.1.3 Matriz variancia-covariancia dos parametros ajustados: AMVC de X, é obtida aplicando a propagago em: Xo +X, (2.33) ‘com X dado: N'U + N'CT(CN' CT) (CN U-W) (9.34) que resulta em: Dy, =63IN'] [I-CT(CN'GT)C N“] (9.38) com 0 fator de variancia dado por: 158 ‘Notas de aulas da aiscipina Ajustamento de Observages FCTIUNESP — Departamento de Cartografa / Presidente Prudente Versao Preliminar(9.36) 9.4.2 Injungdo Relativa 9.4.2.1 Modelo Matematico (Os modelos mateméticos linearizados séio compostos de n equagées de observagées © s equagées (uma para cada injuncao), respectivamente, dados por: Ay Xs + abr = 0Vs (9.37) Ms (9.38) Cu Xt aL! (© segundo modelo é obtido da linearizacao da equagao: 6%) (9.39) onde L's representa o vetor dos parémetros ajustados, pois quando introduz injungao relativa num ajustamento, os parametros so tratados como observagdes (adicionais) ou pseudo-observagtes, entéo: Lis +" = G(X) (9.40) que linearizado, 6 igual a: [- 2G Ly +V' = 6Q%)+ | x Ly+V =Lo+ CX X +La=Ly x+l (9.41) 9.4.2.2 Equagées Normais ‘A forma quadratica a ser minimizada é dada por: $= V7PV+-VTR AV! = minimo (9.42) ‘Notas de aulas da discipina Alustamento de Observagées . 158 FCTIUNES® - Departamento de Garogatia/ Presidente Pridente Versao Preliminarsubstituindo V e V’, resulta: (AX +L)" P(AK +L) +(CX +L" Py (CX +L") = minimo = (XTAT +LT)P(AX +L) +(X7CT +L7) Py (CX +L} = minimo @=(XTATP+LTP)(AX +L) +(X™G™P yy +L”) (CX+L’)=minimo "4 = XTATPAX + XTATPL+LTPAX+L'PL+XTCTRCX+X™CTP yl! + LR CX +L" Bgl zoe’) =minimo (9.43) ‘Anulando as derivadas parciais em retagao a X: 2 sayrpac 201 +20°R,0X+ 207 ATPAX + ATPL+CTP,.CX+ CP ol! (ATPA+C'R,C)X+A™PL+C'P,L'=0 X=-(ATPA+C'P,C)" (A'PL+C'P,L’) (9.44) ou -(N+NY? (UTE) (9.45) Quando a matriz peso das injunges é diagonal, a matriz N’ e 0 velor U' serdo, respectivamente, Py @ Pal’, onde Py representa a matriz peso das injungbes. O procedimento de introduge de injungdes é muito atil computacionalmente, porque se forma a matriz N e o vetor U, conforme 0 modelo do método paramétrico, e a partir dai, se um dado pardmetro (j) é injuncionado, posiciona-se dentro da matriz N e do vetor U, 08 elementos correspondentes a ()). A estes elementos adiciona-se Pry, correspondent a (j) em N @ Pai.’ aos elemento de U. Este tratamento ¢ conveniente numericamente, mantém 0 modelo paramétrico e possibilita padres especiais para a matriz A e N, que so importantes para eficiéncia numérica. 9.4.2.3 Matriz variancia-covariancia dos parametros ajustados A MVC de X, @ obtida aplicando a propagagao na expresso que forntece o valor ajustado, com 0 vetor X dado pela equago (9.44) ou (9.45). Assim: Ly = 65 (N+N)* (9.46) com: PV +V"P,V mn nurs ‘Notas de aulas da dadplina Ajustamento de Observagoes Md FCTIUNESP ~ Departamento de Cartagrafia/ Presidente Prudente Versao PreliminarEXEMPLO: Método Combinado com injungao funcional 1) Considerando 0 exercicio 2, das aplicagdes do método combinado, calculat a correspondente valor de X*s. Tratar Yq como injungao funcional e com valor igual a 5,0 m (Ya = 5,0 m). Solugao: ‘A equagae de injungao & dada por: Yig-5=0 eG A matriz C 6 dada por: C. sendo s = 1 equagdo de injuncao ¢ u = 2 incégnitas, entao: :C2=[0 1] O erro de fechamento referente & equagao de injungao é dada por: ‘A expressdo para 0 cdleulo do vetor de correcao dos valores aproximados dado por: X=X' +8X O vetor X’ j4 foi calculado no exercicio 2 do método paramétrico e cujo valor 6: [a Dessa forma, basta entéo calculat a influéncia da injungao que é dada por: 6x =(ATMTAY'CTK’ Ks {C(ATM*aytCTy! (CX +W] Assim: ‘Notas do aulas da cisciplina Ajustamento de Observagtes ney FOTIUNESP ~ Departamento de Cartografia/ Presidente Prudentek’= 0,1370202 -0,034 0200 |}, ue resulta para o velor de correo aos parametros aproximados (X = X' + 6XY; 0,066) as {ove Nn Uma segunda forma de resolver o exercicio, seria considerar Yr da equates originais como sendo um valor constante, devido & injungao. Entéo substituindo Yn por 5, as equagées originals tornam-se: 1x? <0 If - XR? -25=0 ~(% 57 - 25=0 Resulta, que: of-2x9 10] sAy=|-2X2 -10 20% -5)) LO Jy fae o o] fto2 0 of sBy=|0 af of=| 0 1414 0 Lo o 2g] Lo 0 98), xg 01 aW, =] 8° — xe? - 25, =|~00151 BR ~(x9-5)%- 25] | -099 |, Efetuando os cAlculo, obtém-se que 0 vetor da correso ao parametro aproximado & dado or: X= [0,066 Ly ‘ots de aulas da dscipina Ajusiamento da Observagoee 3 FCTIUNESP - Departamento de Cartografa/ Presidente Pradente40 INTRODUGAO DE UM NOVO CONJUNTO DE OBSERVAGOES NO AJUSTAMENTO 10.1 Introdugao Se um conjunto de observagGes € disponibilizado apés 0 ajustamento de um determinado problema, uma nova Solugao tern que ser determinada para os parémetros. Essa solucdo pode ser obtida através de um novo ajustamento com a introdugdo das novas observaySes disponivals ou simplesmente calcular a influe dessas observagées @ recalcular os parémetros ajustados, aproveitando os caiculos realizados, constituindo 0 ajustamento seqdencial . 10.2 Método Combinado com a Introdugao de Observacées Se for realizado um novo ajustamento envalvendo todas as observagdes, que nao é 0 mais indicado, basta seguir as equag6es obtidas no desenvolvimento do método combinado. A seguir serd apresentado como se calcula a influéncia do novo conjunto de observagées no ajustamento realizado, © que constitui na realidade um ajustamento sequencial 10.2.1 Modelo Matematico © modelo matematico para dois conjuntos ou vetores de observagies, obtidos em diferentes, fases é dados por: Fy(X,,L4) =0 (0.1) Fo(X,,L3)= 0 (10.2) ‘Ambos formam um sistema de r equacdes de condigo (ry#r2), que linearizados com os mesmos valores aproximados (Xo) so dados por: AyX+ By Vit Wy Ag X + Bp Vo +Wz (0.3) (10.4) 10.2.2 Equagdes Normais - Sequencial Repetindo 0 procedimento do método cambinada. porém agora considerando os dois conjunto de observagées, a forma a ser minimizada ¢ dada por: = VIP,Vy + VIPAVp -2KT(A;K*B)M, +1W)=2KT(AQX+B,Vy +We)=minieno (10.5) Notas de aulas da disciplina Ajustamento de Observagoes: 163 FCTIUNESF ~ Departamento de Cartografia / Presidente Prugente \Versao Preliminar‘A matriz peso das observagées (P, € P2) devem ser calculadas com 0 mesmo fator de variancia a priofi (3). Assim, anulando as derivadas parciais em relacao a V1, V2, X, Ks, Ke obtém-se © conjunto de equagées normais: ou On QV, - IK, =0 . P.V,-BIK. BP -283K, =0 PV» -BIK> Be -2Atk, ~2aTk, ATK, +All BB = -210,x+8,V, +) =0 A.X+B,V; +Wy=0 haa XB, +W,) =0 A.X4B2V> +Wy Das equagies (10.6) & (10.7), tém-se: Vy =PO'BT Ky V2 =P5" By Ky Introduzindo esses vetores em (10.9) e (10.10), respectivamentte, témn-se: AiX+B, PBT K, +W,=0 AgX+B, Pi BE Ky + Wo ‘A equago (10.13) proporciona 0 vetor dos correlatos K;: Ky =-(B, Pi BY)" (AyX+ Wy) kK, (AX + Wy) ‘Substituinde a (10.16) em (10.8), tem-se que: AT M3 (AQX+ Wy) +AZ K=O -AT MA, X - ATM; W, + ADK, = ‘Notas de aulas da discplina Ajustamonto de Observagsee FCTIUNESP ~ Departamento de Cartografa! Presidente Prudente (10.6) (10.7) (10.8) (10.9) (10.10) (10.11) (10.12) (10.13) (10.14) (40.48) (10.16) 164 Versdo Preliminar-AT 1 Ay X = ATM; Wy, - A} Kp x (AT MGA)" AT ME! W, +(AT Mit AQ)" AZ Ky (10.17) ou X =X, aX (10.18) com: X, =(ATM;' Ay) AT M;'W, > corregao obtida com 0 método combinado utilizando 0 primeiro Conjunto de observagées; AX =(AT Mj A) ATK, ~» _influéncia das novas observagées. Para obter 0 vetor dos correlatos Kz, envolvido no calculo de AX, substituisse a expressao que fornece 0 vetor X na equago (10.14): Aa (X #(A7 Mi! Ay) "AZ Kz)+By P3!B2 Kz + Wo = Ag Ky #2 (AT Mi A,IAT Ke + By Pj! BE Ky + W, Aa Xe +(A2 (AT Mi] Ay) 1A] + By P;'B3) Ky +W =0 Aa X, +(Ag (AT MG! Ay)"AZ + Mp) Ko # Wa =0 (Aa (AT Mi! A,)TAZ + Mz) Kg = = (Az X; + We) Ka = = (Ag (AT My A,)"AZ + Mp) (Az X; * Wa) (10.19) Com a estimativa do vetor dos correlates Ke pode-se abter o vetor que contém a influéncia das novas observagées, @ assim obter os valores ajustado: (a Ko +X (10.20) 10.2.3 Matriz Variancia-Covariéncia dos Parémetros Ajustados AMVC de X< @ obtida aplicando a propagagao em (10.20): x, o> AT MGT AGT AT Mi! Wy + (AT Mi AY) TAZ Ky. (10.21) que resulta em: Dx, =83 WAT Mi Ay) = (AT My AY) TAZ (Az (AT Mi AYYTAZ + Mg)" Az (AT Mi'A)"] Notas dé aulas da dsciplina Ajustamento de Observagdes 165 FCTIUNESP — Departamento de Cartografia / Presidente Prudente Vers&o PreliminarEx, =60 (AT Mi Ay)" 3G WAP My Ay)" AG (Az (AT MG! AQ) AL + Me) Ag (AT My A:)"'] (10.22) ou Ex, =Ex, — Zax (10.23) sendo: Ex, =65 (AT Mj! Ay)" > MVC dos parametros ajustados obtida cam 0 método combinado Utilizando © primeiro conjunto de observagées; Ex 263 WAT My AG)™AS (Aa (AT MiIA,)"AZ + Ma) Ag (AT MG! AY) —~» MVC resultante da influéncia das novas observagées. fator de variancia a posteriori é calcutado como: vipy _-Ki 8 K3We (10.24) 10.3 Método Paramétrico com a Introducao de Observagoes Da mesma forma, um nove ajustamento com método paramétrico envolvendo todas as observagées nao € 0 mais indicado. Iniciamente sera apresentado 0 método convencional e em seguida a forma de calcular a influéncia do novo conjunto de observagbes no ajustamento realizado, ou seja, uma forma de ajustamento sequencial 10.3.1 Modelo Matematico © modelo matematico para dois conjuntos ou vetores de observagoes, obtidos em diferentes fases € dados por: Ly =F\(X%) (10.25) LS =Fa(X,) (10.26) ‘Ambos formam um sistema de equacdes de condigao (ny#n2), que linearizadas com os mesmos valores aproximados (Xs) So dados por: ArX+Ly Vy (10.27) AyX+l; = Ve (10.28) 166 ‘Notas de aulas da disciplina Ajustamento de Opsenvasaes FCTIUNESP ~ Departament do Cartogratia/ Presidente Prucente Versio Preliminer10.2.2 Equagées Normais - Seqdencial sem inverséo da Matriz Normal (N;) (Convencional) Repetindo 0 procedimento do metodo paramétrico, considerando os dois conjunto de ‘observagées, a forma @ ser minimizada é dada por: 4=VIP,V, +VJP2V2 = minimo (10.29) ou B= (Ay X4L)TP, (Ay XHL4)+ (Az X+ Lg)" Py (Ag X+ Lg) =minimo (10.30) ‘A matriz peso das observagtes (P, e P2) deve ser calculadas com o mesmo fator de variancia a priori (3). Entao, anulando a derivada parcial em relagao a X, obtém-se: 8b Lo AT PLA, x +2ATP,Ly +2A] P; Az X + 2AZP, Ly =0 ax AT PLA, X + AT Py Ly + AS P2ADX + ATPhLy (10.31) Da equagae (10.31), t8m-se que: (ATP, A, + AYP, Az) X+ AT PLL, + ATPyL2 =0 X=-(AT PLA, + APP, Az)" (ATPL; + ABP; Lal (10.32) ou X=+(Ny + No) (U; + U2) (10.33) Com a estimativa do vetor das corregées X pode-se obter 0 vetor com os valores ajustado: Xy=% +X (19.34 Ea MVC como: Bg =68 (N+ Na)" (10.35) 10.2.3 Equacdes Normais - Sequenciat De maneira similar ao que foi realizado no método combinado, a fungao de Lagrange a ser minimizada, neste caso é dada por: Notas de aulas da discipina Ajustamenta de Observagées . 167 FCTIUNESP ~ Departamento de Cartografia | Presidente Prodente Versdo Preliminar$= VIPV, +VJP2V2 ~2KT (A,X +L, —V;)-2K3 (ApX+L2 - V2)=minimo (10.36) Anulando as derivadas parciais em relagao a V:, V2, X, Ki @ Kz obtém-se 0 conjunto de equagées normais: PMs 2K, =0 P,V; + K, =0 (10.37) Sb 2P,Vy + Ky =0 : P,V2 + K =0 (10.38) 2s ~2ATK, -201K, =0 : ATK, ARK: = (10.38) s MAK aby My=0 F AGX+Ly-Vy 20 (10.40) Bn -2axX+bg-V)=0 . AgX+Lp-V2 =0 (10.41) Das equag6es (10.37) e (10.38), obtém os vetores dos residuos: Pit Kk, (10.42) Ps Ky (10.43) ‘Substituindo esses vetores em (10.40) e (10.41), respectivamente, tém-se: AYX + Ly + PFT K, (10.44) A,X +l, + Pi Ky =0 (10.45) ‘A equagdo (10.44) proporciona o vetor dos correlatos Kj: i (AXX +L) (10.46) Substituindo o vetor dos correlatos (eq, (10.46)) na equagao (10.38), obtém-se o vetor X: MAT PP (AX4L:) + AE Ky =0 ATP AX-ATP;L, + AEK, 20 168 ‘Notas de autas da discipina Alustamento de Observagies FOTRNESP ~ Oepartamanto de Carografia/ Presidente Prudente Versio PreliminarAPPT AX = (ATP)'Ly~ AZ Ka) Xs (AP PAW (AT PHL) ~ AR K2) X= (AT PTA TAT PTL, + (AT Pi AY)" AZ Ka) (10.47) = NSU, + NSTATK, (10.48) ou X =X; +AX (10.48) com: LU, + corrego obtida com o método paramétrico utilizando o primeiro conjunto de observagies; AX =NjAZ Ky > influéncia das novas observagées. Para obter 0 vetor dos corretatos Kz, envolvido no calculo de AX, substitui-se a expresséo que fornece 0 vetor X dade pela equagaa (10.49) na equago (10.45) ALK, #AX) + Ly + PEK, A,X +A2 AX + Ly + P3'Ky=0 Az Xs + ApS AR Ko + Lp + PK, =O (Ag Ni AJ + P3!) Ky = - (Az X; + Le) Kz= -(Ag Ni AT + Paty (Ag Xy + Le) (10.50) Com a estimativa do vetor dos correlatos Kp pode-se obter o vetor due contem a influéncia das novas observagées (AX), @ assim obter 0s valores ajustado: X= Xo +X + AX (10.51) 10.3.4 Matriz Variancia-Covariancia dos Parametros Ajustados AMVC de Xz € obtida aplicando a propagagdio em (10.51), dada como: Ka =Xo- Ni'Uy = NiTAZ (Az NG AZ + PHY" (Az X1+ La) (10.52) assim: ‘Notas de acl da discipline Ajustamento de Observagees ‘169 FECTIUNES® — Departamento de Carograie/ Presidente Prudente Verséo PreliminarDag = 85 [NG (NG! AZ (AZ Ni AZ + Pz!) Az Nj] Ex, = 53 Nj! - G3 Nj1AZ (AQ Nj AZ + Pst) AD Nit (10.53) ou Ex, = 2x, Zax (10.54) ~> MVC dos parametros ajustados obtida com 0 método parameétrico utiizando © primeiro conjunto de observagtes;, Lax = 43 NTAT (ANTAL + Pety1A, Ni? > MVC resultante da influéncia das novas ‘observagées. (O fator de variancia a posteriori é calculado como: VIPV _ VPM + XTAIPL. + AX" ATPLy + LEPzLe 5 ny ny-U (10.55) 10.4 Exercicios 4) Alustar a rede de nivelamento, ou seja calcular as altitudes ajustadas, bem como a MVC dos pardmetros ajustados. A altitude do ponto A é conhecida, sendo Hq = 200,000 m Linha Nivelada] —Ah(m) |. o(m) _ A AB [ah = 1,270 [0.010 BC bh,=_ 1,760 | 0,010 BD al 0,010 cD a 0.010 DA ah 0,010 D c 2) Passado um tempo 0 desnivel entre os pontos A ¢ C foi medido, resultando em 3,040 + 0,010 m Eslimar novamente 3s altitudes (Xs, Ex, ), considerando a nova observagso. A AB DA \ ‘Notas Ge aulas da diacioina Ajustamento de Observagoes FCTIUNESP ~ Departamento de Cartograia {Presidente Prudente Versdo Preliminar Tiuhg Nivelada] ah (my | om ‘AC ‘ah = 3,040 | 0,010 170