Computos para El Ajuste

CURSO
REDUCCIN Y AJUSTE AUTOMATIZADOS DE DATOS GEODSICOS

(F-304)
COMPUTOS PARA EL AJUSTE

LECCIONES PRCTICAS DE MNIMOS CUADRADOS PARA AGRIMENSORES
AGENCIA CARTOGRFICA DE DEFENSA

SERVICIO INTERAMERICANO
ESCUELA DE CARTOGRAFA
DEPARTAMENTO DE GEODESIA
LEVANTAMIENTOS DE CAMPO
INDICE
1. INTRODUCCION A LAS MATRICES
Introduccin. Definicin de una matriz. Tamao o dimensiones de una matriz.
Tipos de matrices. Igualdad de matrices. Suma o resta matricial. Multiplicacin de
una matriz por un escalar. Multiplicacin de una matriz por otra. Tarea
autodidctica.
2. SOLUCION DE ECUACIONES POR METODOS MATRICIALES
Introduccin. La inversa de una matriz. Inversa de una matriz de 2x2. Inversas por
adjuntos. Inversas por transformaciones de fi1as. Ejemplos de problemas. Tarea
autodidctica.
3. ELIMINACION GAUSIANA; TEOREMA DE TAYLOR
Eliminacin gausiana: Introduccin; Explicacin del procedimiento; Ejemplo
numrico. Linearizacin de ecuaciones no lineales de la serie de Taylor:
Introduccin; Aproximaciones de la serie de. Taylor; Ejemplo numrico.
Linearizacin de ecuaciones de la observacin de distancias. Linearizacin de
ecuaciones de la observacin de ngulos. Tarea autodidctica.
4. TEORIA GENERAL DE ERRORES
Clasificacin de errores. Definicin de trminos. Teora de la probabilidad.
Representacin grafica de distribuciones de los errores randomizados/al azar.
Ejemplo numrico del histograma. Polgono de frecuencia. Propiedades de la
curva de distribucin normal. Mediciones de precisin. El error probable de 50 por
ciento. El error probable de 90 por ciento. Ejemplo numrico de clculos de
precisin. Trazado de una curva de distribucin normal. Tarea autodidctica.
5. PROPAGACION DE ERRORES FORTUITOS
Derivacin de la ecuacin bsica. Funciones especficas frecuentemente
encontradas. Ejemplos numricos. Tarea autodidctica.
6. PESOS DE LAS OBSERVACIONES
Generalidades. Media ponderada (peso promedio). Relacin entre el peso y el
error estndar. Pesos en la nivelacin y medicin de ngulos. Ejemplo numrico.
Errores estndar de las observaciones ponderadas. Ejemplos numricos. Tarea
autodidctica.
7. PRINCIPIOS DE LOS MINIMOS CUADRADOS

Principio fundamental de los mnimos cuadrados no ponderados. Principio
fundamental de los mnimos cuadrados ponderados. Ecuaciones de observacin.
Ejemplo elemental del ajuste de 1a ecuacin de observacin. Formulacin
sistemtica de ecuaciones normales. Formacin tabular de ecuaciones normales.
Tarea autodidctica.
8. AJUSTE DE REDES DE NIVEL
Introduccin. Ejemplo considerando pesos iguales. Ejemplo considerando pesos.
Formacin tabular de ecuaciones normales para el ejemplo de la red de nivel
ponderada. Tarea autodidctica.
9. METODOS MATRICIALES EN EL AJUSTE DE MINIMOS CUADRADOS
Ecuaciones matriciales para las ecuaciones de observacin no ponderadas.
Ejemplo numrico de ecuaciones de observacin no ponderadas. Mtodos
matriciales para las ecuaciones de observacin ponderadas. Ejemplo numrico de
ecuaciones de observacin ponderadas. Derivacin matricial de la ecuacin para
los mnimos cuadrados ponderados. Programa de computadora. Tarea
autodidctica.
10. PRECISIONES DE CANTIDADES INDIRECTAMENTE DETERMINADAS
Desviacin estndar del peso unitario. Desarrollo de la matriz de covariacin
/covariancia. Ejemplos numricos. Calculo matricial de desviaciones estndar de
funciones lineales de observaciones independientes. Correlacin entre cantidades
ajustadas. Desviaciones estndar de funciones de cantidades correlacionadas que
son funciones de observaciones independientes. Tarea autodidctica.
11. AJUSTE DE TRILATERACION
Introduccin. La ecuacin de observacin de distancia bsica. Ajuste de
trilateracin. Ejemplo numrico. Mantener fijas las coordenadas de estacin en un
ajuste de trilateracin. Mantener fijas las direcciones en un ajuste de trilateracin.
Ejemplo de 1a formulacin de una matriz de coeficientes generalizada para una
red compleja. Programa general de computadoras para el ajuste de la trilateracin
por mnimos cuadrados. Solucin computarizada de un ejemplo de cuadriltero
trilaterizado. Solucin computarizada de un complejo problema de trilateracin.
Tarea autodidctica.
12. AJUSTE DE TRIANGULACION

Introduccin. La ecuacin bsica de observacin de ngulos. Ajuste de
intersecciones. Ejemplo numrico del ajuste de intersecciones. Ajuste de
resecciones. Ajuste de la triangulacin tradicional. Programa de computadoras
para el ajuste del cuadriltero triangulizado. Ejemplo del problema. Tarea
autodidctica.
13. AJUSTE DE POLIGONALES
Introduccin. Las ecuaciones de observacin.
redundantes. Ejemplo numrico. Tarea autodidctica.
Numero
de
ecuaciones
14. AJUSTE POR CONDICIONES

Introduccin. Forma matricial de las ecuaciones de condicin. Solucin matricial
de mnimos cuadrados. Ajuste de los ngulos de un triangulo piano. Ecuacin de
condicin para el ajuste de redes de nivel. Ajuste de poligonales por el mtodo de
ecuaciones condicionales (mtodo Crandall). Ajuste de un Cuadriltero triangulado
por el mtodo de la ecuacin de condicin. Deduccin de la ecuacin para
resolver ecuaciones condicionales por los mnimos cuadrados. Programa de
computadora para la solucin de ecuaciones condicionales. Tarea autodidctica.
15. AJUSTE DE POLIGONALES TOR CONDICIONES
Introduccin. Las condiciones de partida y latitud. La condicin acimutal. Ejemplo
del problema del ajuste poligonal. Poligonal de polgono cerrado. Tarea
autodidctica.
16. TRANSFORMACION CONFORME DE COORDENADAS BIDIMENSIONALES
Introduccin. Desarropo de las ecuaciones. Aplicacin de los mnimos cuadrados.
Programa de computadoras y ejemplo numrico. Tarea autodidctica.
17. ELIPSES DE ERRORES
Introduccin. Compute de orientacin y semiejes de la elipse. Ejemplo del
problema de los clculos de la elipse de error estndar. La elipse de error de 95
por ciento. Ejemplo de problemas del clculo de la elipse de error de 95 por ciento.
Ventajas de las elipses de errores. Diseo de la red del levantamiento. Tarea
autodidctica.
18. ENCAJE DE CURVAS POR MINIMOS CUADRADOS
Introduccin. Encajado de una lnea recta a los datos. Encajado de una parbola a
los datos. Encajado de un polinomio a los datos. Tarea autodidctica.
APENDICES
LA CURVA DE DISTRIBUCION NORMAL DEL ERROR
PROGRAMA GENERAL PARA EL AJUSTE DE MINIMOS CUADRADOS

MEDIANTE ECUACIONES DE OBSERVACION
Introduccin Al programa. Nombres y descripciones de las variables de entrada.
Preparacin de los "lotes de datos para la entrada. Salida. Listado del programa.
PROGRAMA PARA EL AJUSTE POR MNIMOS CUADRADOS DE REDES DE
TRILATERACION
Introduccin al programa. Nombres y descripciones de las variables de entrada.
Preparacin del lote de datos para la entrada. Discusin del procedimiento de
entrada. Dibujo de la red. Numeracin de estacin y clculo de las coordenadas
iniciales. Procedimiento de entrada. Listado del programa.
PROGRAMA PARA EL AJUSTE TOR MINIMDS CUADRADOS DE UN
CUADRILATERO TRIANGULADO
Introduccin al programa. Sistema del eje provisional del ajuste. Nombres y
descripciones de las variables de entrada. Preparacin del lote de datos para la
entrada. Listado del programa.
PROGRAMA PARA EL AJUSTE
ECUACIONES DE CONDICION
DE
MINIMOS
CUADRADOS
TOR

Preparacin del lote de datos para la entrada. Salida. Listado del programa.
PROGRAMA PARA LA TRANSFORMACION CONFORME DE COORDENADAS

BIDIMENSIONALES
Preparacin del lote de datos para la entrada. Salida. Listado del programa.
REFERENCIAS
CAPITULO 1
INTRODUCCION A LAS MATRICES
1.1 Introduccin
El uso del lgebra matricial brinda por lo menos dos importantes ventajas al
matemtico, ingeniero o agrimensor modernos: (1) proporciona los medios para
reducir sistemas complicados de ecuaciones a expresiones sencillas que pueden
ms fcilmente visualizarse y manejarse, y (2) proporciona un mtodo sistemtico
de tratamiento matemtico que esta muy bien adaptado para las actuales
computadoras digitales electrnicas de alta velocidad. Hoy da se tienen ms
y ms problemas en agrimensura, geodesia y fotogrametra que requieren la
solucin de .grandes sistemas de ecuaciones.
En este texto estudiaremos en
especial los cmputos de ajustes que involucran observaciones redundantes y
satisfaccin de ciertas condiciones.
Tales observaciones y condicin
frecuentemente resultan en enormes sistemas de ecuaciones.
Cuando esas ecuaciones se resuelven conforme al mtodo de mnimos la solucin
rinde los mejores clculos para las observaciones ajustadas y los parmetros
desconocidos. La anotacin matricial es la ms adecuada para los cmputos de
mnimos cuadrados y, por ende se emplea a fin de facilitar el manejo implicado
en el anlisis y solucin de esos sistemas ecuaciones.
1.2 Definicin de una Matriz
Una matriz es un juego de nmeros o smbolos arreglado en una ordenacin
cuadrada o rectangular de filas "m" y columnas "n". El aarreglo es tal que se
pueden efectuar ciertas operaciones matemticas definidas de una manera
sistemtica y eficaz.
Como ejemplo de una representacin matricial, considrese el siguiente sistema
de tres ecuaciones "lineales involucrando a tres incgnitas:
a11 x1 + a12 x 2 + a13 x 3 = c1
a 21 x1 + a 22 x 2 + a 23 x 3 = c 2
a 31 x1 + a 32 x 2 + a 33 x 3 = c3
El sistema anterior de ecuaciones lineares puede representarse en forma matricial

como:
a11 a 12 a 13 x 1
c1

a 21 a 22 a 23 x 2 = c 2
a 31 a 32 a 33 x 3
c3
Esto a su vez puede representarse en la notacin matricial compacta como:
A X = C . . . . . . . . . . . . (Lc)
Se usan letras maysculas (algunas veces subrayadas) como (A, X,C) para indicar
una matriz o una ordenacin de nmeros o smbolos.
Hablamos de la posicin de un elemento de matriz con subscritos ij, jk, etc., en
donde la primera letra representa la fila y la segunda letra representa la columna.
1.4 Tipo de matrices (se puede usar una variedad de smbolos para designar
las matrices abajo ilustradas).
1.4.1 Matriz columnar (el numero de filas puede ser cualquier entero, mas
el numero de columnas es uno (1)).
3

[A] = (A) = 2
3X1
3X1
5

3X1
3X1
1.4.2 Matriz por filas (El numero de columnas puede ser cualquier entero de filas
es uno (1))
A <A> A A -6 4 2
3X1
1X3
1X 3
1X 3
1X3
1.4.3 Matriz rectangular (el numero de filas es m y el nmero de

columnas es n)
A A
2X 3
2X 3
3 2 6
=
5 4 1
2
1.4.4 Matriz cuadrada (el numero de filas es igual al numero de columnas)
A A
3X 3
4 2 -5
-7 3 4
6
-1
9
3
3X 3
1.4.5 Matriz simtrica

2 -4 6
-4 7 3
6
3
5
3
A
3X3
1.4.6 Matriz diagonal
7 0 0
0 -3 0
0
0
6
3
3X3
1.4.7 Matriz unitaria
[I]
4X4
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
4
Restarse trmino por trmino. Si dos matrices son de igual dimensin. Se dice que
son conformes para la suma o resta.
A +B = C
2X 3
2X3
2X3
8 8 5
7 3 -1
1 5 6
2 -5 6 + -4 -2 8 = -2 -7 9
Suponiendo que las dos matrices A y B sean conformes para la suma y la resta,
entonces lo siguiente sera verdad:
a) A + B = B + A
(Ley conmutativa)
b) A + (B+C) = (A+B) + C
(Ley asociativa)
1.7 Multiplicacin de una matriz por un escalar.

Permtase que K sea cualquier escalar (un elemento nico); luego:
Cada elemento de la matriz A

se multiplica por el
escalar K
para obtener la respuesta C.
KA +AK = C
4X 2
4X2
4X2
3
2
-1
6
12 -4
8 24
16 28
20 12
Ntese que 4 [A] = [A] + [A] + [A] + [A] =
[A]
1.8 Multiplicacin de una matriz por otra matriz

1.8.1 Un requisito bsico que debe satisfacer para efectuar la multiplicacin
matricial, es uq si la matriz A a de ser posmultiplicada por la matriz B entonces el
nmero de columnas de la matriz A debe ser igual al nmero de filas en la matriz
B. Cuando existe esta condicin se dice que A y B son conformes para la
multiplicacin. El producto C tendr el mismo nmero de filas que A y el mismo
numero de columnas como B. As que son posibles las siguientes multiplicaciones:
B = C
B = C
B = C
4X 2
1X 3
3X 3
2X3
4X3
3X1
1X1
3X1
3X1
Las siguientes multiplicaciones no son posibles.
2X 3
6X 2
4X2
6X3
1.8.2 La multiplicacin se efecta como sigue:
2X 3
a 11 a 12 a 13
a 21 a 22 a 23
B = C
3X2
2X2
b 11 b 12
b 21 b 22
b 31 b 32
c11 c12
c c
21 22
Los elementos Cij de la matriz C son totales obtenidas al multiplicar

sucesivamente los elementos en la fila i de la matriz A por los elementos en la
columna j de la matriz B, y luego sumndolas. Algunas veces esto se llama
multiplicacin fila por columna. Por ende:
C11 A11 B12 A12 B22 A13 B32
El proceso anterior puede verse ms fcilmente con un ejemplo numrico
4 4
1 2 3
6
2
4 2 7
5 3
2X 3
c11 c12
c c
21 22
2X 2
31 21
63 57
2X 2
3X 2
C11 = 1X4 + 2X6 + 3X5 = 31

C12 = 1X8 + 2X2 + 3X3 = 21
C12 = 4X4 + 2X6 + 7X5 = 63
C22 = 4X8 + 2X2 + 7X3 = 57
Ahora el estudiante deber verificar la representacin matricial de las ecuaciones

(1) y (1b).
Ntese que el producto de una matriz unitaria I, y de una matriz cuadrada A del
mismo tamao, son iguales a la matriz original A.
2X 2
A = A
2X2
2X2
1 0
0 1
5 6
5 6
7 8 = 7 8
1.8.3 Suponiendo que las matices A,B y C sean conformes para la multiplicacin,
y en el orden indicado, luego lo que sigue es verdadero:
a) A(B +C) = AB + AC (Primera ley distributiva)
b) (A + B) C = AC + BC (Segunda ley distributiva)
c) A(BC) = (AB) C
(ley asociativa)
Tambin se declaran las siguientes advertencias:
d) AB no es generalmente igual a BA y BA quiz no sea conforme.
e) Si AB = 0, ni A ni B necesariamente = 0
f) Si AB = AC, B ni es necesariamente = c
Permtase que:
-1 -1
B=
2 2
2 1
A=
1 2
1 1
C=
1 1
Ejemplo de (a):
A
1
2
AB
0 0
3 3
2
1
Ejemplo de (b):
Ejemplo de (C):
(A + B)
1 0
3 4
AB
3 3
3 3
(B + C)
0
0
3 3
AC
3 3
3 3
C
1 1
1 1

AC
-2 -2
+
4 4
BC
3 3
6 6
3 3
6 6
1 1
7 7
1 1
7 7
2
1
1
2
AB
-2 -2
4 4
0 0
3 3
Ejemplo de (d):
AB
0 0
3 3
1 1
1 1

0 0
6 6
0 0
6 6
BA
-3 -3
6 6
Ejemplo de (e):
Permita que
2 2
A=
1 1
-1 -2
B=
1 2
Luego AB = 0, pero ni A ni B = 0
Ejemplo de (f):
2 2
Permita que A =
;
1 1
1 2
B=
1 3
AB
4 10
-2 -5
y
=
4 10
C=
-2 -5
AC pero B C
4 10
-2 -5
1.8.4 Es aparente que la multiplicacin de matrices de gran tamao involucra

muchas operaciones aritmticas que, si hechas a mano, son muy aburridas, pero
pueden efectuarse rpido y sencillamente mediante una computadora digital.
Vamos ahora a desarrollar una expresin matemtica general para multiplicar dos
matrices.
Considrese dos matrices A y B que estn grficamente representadas como
mxn
nxp
sigue:
(Ntese que son conformes para la multiplicacin)
mxn
mxn
mxn
k p
k
=
Encuentre el producto A y B y colquelo en C

Paso 1.
Sumar el producto (A fila i=1) X (B columna k=1) con los elementos de A y B
aumentndose sucesivamente de j=1 a j=n. colocar el resultado en C IK o C 11 para
este primer paso.
Matemticamente este paso se representa como:
n
C IK =
ij
j 1
X B JK ; i=1 k=1
Paso 2.
Aumentar k sucesivamente por 1 colocando el resultado en C IK continuar aumento
de k y repetir paso 2 hasta k=p.
Paso 3.
Aumentar i de una a dos y repetir paso 1 y 2 en su totalidad. Al terminar con i=2,
aumentar I a 3 y repetir paso 1 y 2 en su totalidad. Continuar este proceso hasta
i=m. Esto completa la multiplicacin matricial.
En FORTRAN, todo lo anterior se puede expresar sencillamente como:
Do100, I 1, m
Do100, k 1, p
C(I , K ) 0
Do100, J 1, N
100
C ( I , K ) C ( I , K ) A( I , J ) * B ( J , K )
Una nota final sobre multiplicacin: es muy importante especificar el orden como
han de multiplicarse las matrices.
Tarea autodidctica No. 1
1) Supngase que el siguiente sistema de ecuaciones lineal ha de ser
representado en forma matricial como AX=B. formlense las tres matrices.
2 X 1 X 2 5X 3 X 4 5
X 1 X 2 3 X 3 4 X 4 1
3 X 1 6 X 2 2 X 3 X 4 8
2 X 1 2 X 2 2 X 3 3 X 4 2
2) Haga las siguientes operaciones matriciales

1 2 -1 0 3 -4 1 2
a) 4 0 2 1 1 5 0 3 =
2 -5 1 2 2 -2 3 1
1 2 -1 0 3 -4 1 2
b) 4 0 2 1 1 5 0 3 =
2 -5 1 2 2 -2 3 1
1 2 -1 0
c) 3 4 0 2 1 =
2 -5 1 2
3 -4
1 2 1
X 1 5
d)
4 0 2
-2
2
3. para el problema 1 anterior, halle el producto
A.
CAPITULO 2
SOLUCION DE ECUACIONES POR METODO MATRICIAL
2.1 Introduccin.
Como antes se menciono, una de las ventajas ofrecidas por el algebra matricial es
que se adapta extremadamente bien para su uso en computadoras digitales. Los
sistemas de ecuaciones lineales simultneas de cualquier tamao hasta los ms
grandes pueden programarse para la solucin general de computadoras usando
solo unos cuantos pasos sistemticos. La sencillez de la programacin de
multiplicaciones matriciales, por ejemplo se presento en la seccin 1.8.4.
Para resolver el sistema de ecuaciones usando mtodos matriciales, primero es
necesario definir y computar la inversa de una matriz.
2.2 La inversa de una matriz
2.2.1 Si una matriz cuadrada no es singular (no singular), entonces posee una
matriz inversa. (Ntese que si un sistema de m ecuaciones lineales simultaneas
conteniendo m ecuaciones y m incgnitas se expresa como: CX=B, C la matriz de
coeficientes es una matriz cuadrada de mxm dimensiones).
Considere este referido sistema de ecuaciones lineales:
C X
Definimos
= B . . . . . . . . . . . . . . . (2a)
de manera tal que
C=I, en donde I es la matriz identidad.
Si premultiplicamos ambos lados de la matriz (2a) por
I
X
C
X
=
X
=
C
1
, luego
B . . . . . . . . . . . . . . . . . (2b)
Las incgnitas (matriz x) pueden hallarse calculando la formula (2b), la matriz

1
C se llama la inversa de C.
2.2.2 Deben recalcarse ciertos puntos referentes a las inversiones matriciales:
a. Las matrices cuadradas tienen inversas con la excepcin notada en b.,
abajo.
b. Si la determinante obtenida usndolos elementos de la matriz A es cero, se

dice que la matriz A es singular y no puede encontrarse ninguna inversa.
c. Aun la inversin de una matriz relativamente pequea es una operacin
aburrida y lenta al hacer a mano, ms cuando se efecta por una
computadora digital es sencilla y rpida. A continuacin se resume un
mtodo para invertir matrices pequeas.
2.3 Inversa de una matriz de 2x2
2.3.1 Se dispone de varios mtodos generales para hallar las inversas de
matrices.
Consideraremos dos de ellas. Pero antes de proceder con los casos generales.
Consideremos primero el caso especfico para hallar la inversa de una matriz de
2x2 utilizando simples operaciones matriciales que ya hemos estudiado.
1
Por definicin: A
Permtase que A
a b
=
c
d
I . . . . . . . . . . . . . . . (2c)
2
w x
y z
Ahora calculemos w, x, y, z, en trminos de a, b, c y d. sustituyendo A,

dentro (2c)
a b
w x 1 0
c d X y z 0 1
a. Por multiplicacin de matriz:

aw+by=1
ax+bz=0
cw+dy=0
cx+dz=1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (2d)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (2e)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (2f)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (2g)
Ntese que la determinante de A se simboliza como:
e I
A y es igual a ad bc
1 aw
cw
; De (2F) y =
b
b
d
1 aw
d
cw
Luego
=
Reduciendo: w =
=
A
b
da bc
b
De (2d) y =
1 cw
ax
; De (2g) z =
b
b
b
1 cx
b
ax
Luego
=
Reduciendo: x =
=
A
d
da bc
b
De (2e) z =
1 by
dy
; De (2f) w =
a
c
c
1 by
c
dy
Luego
=
Reduciendo: y =
=
A
a
ad cb
c
De (2d) w =
bz
1 dz
; De (2g) x =
a
c
a
bz
1 dz
a
Luego
=
Reduciendo: z =
=
A
a
c
ad bc
De (2e) x =
b. Entonces para cualquier matriz 2x2 compuesta de los elementos:

a b
c d
Su inversa sencillamente es:
-b
A
d
A
-c
A
1
A
d -b
-c a
c. Ejemplo numrico:
Si:
2 3
4 1 ,
1 1 -3
10 -4 1
A =
1 1 -3 2 3 1 0
10 -4 1 4 1 0 1
Comprobar:
2.3.2 Inversas por adjuntas

a) La inversa de A puede hallarse por el mtodo de adjuntas satisfaciendo la
siguiente ecuacin:
Adjunto de A =
Adjunto de A
Determinante de A A
b) El adjunto de A se obtiene reemplazando primero cada elemento de la matriz

por su cofactor y luego transponiendo la matriz resultante. El cofactor del
i j
elemento a ij es igual a (1) multiplicado por el valor numrico de la
determinante sobrante despus de eliminar la fila i y la columna j de la matriz.
Para ilustrar el procedimiento, hallemos la inversa de la matriz siguiente. Por el
mtodo de las adjuntas.
a 11 a 12 a 13
a 21 a 22 a 23
a 31 a 32 a 33
4 3 2
3 4 1
2 3 4
Co-factor de a 11 = (-1) (4x4 1x3) = 13

Co-factor de a 21 = (-1) (3x4 2x3) = -6
(1)
Co-factor de a 31 =
(3x1 2x4) = -5
Co-factor de a 12 = (-1) (3x4 1x2) = -10

etc.
Matriz de cofactores =
13 -10 1
-6 12 6
-5 2 7
Transponiendo esta matriz
Adjunto de A
13 -6 -5
-10 12 2
1 -6 7
c) La determinante de A puede hallarse de la manera usual. Ntese que los

cofactores ya obtenidos en el paso previo simplifican este paso.
A
= 4 (13) + 3 (-6) + 2 (-5) = 24
d) Ahora puede calcularse la inversa de A.
13 -6 -5
1
-10 12 2
=
24
1 -6 7
13 -1 -5
24 4 24
-5 1 1
12 2 12
-1 7
1
24 4 24
e) Puede obtenerse una verificacin del trabajo aritmtico puesto que:
3X 3
-1
A = I
3X3
3X3
13 -1 -5
24 4 24
-5 1 1
12 2 12
-1 7
1
24 4 24
4 3 2
3 4 1
2 3 4
1 0 0
0 1 0
0 0 1
2.3.3 Inversas por transformaciones de filas

Pueden emplearse elementales transformaciones de filas para hallar las inversas
matriciales; algunas transformaciones de utilidad son:
a. La multiplicacin de todo elemento en cualquier fila por un escalar sin cero.
b. La suma (o resta) de los elementos en cualquier fila a los elementos de
cualquier otra fila.
c. Combinacin de (a) y (b).
Si las transformaciones de filas se efectan sucesivamente en A, de manera tal
que A se transforma en I, y si por todo el procedimiento tambin llevamos a cabo
exactamente la misma transformacin de filas en las filas equivalentes de I,
1
transformamos I en A . Se ilustra el procedimiento usando la matriz que usamos

para demostrar el mtodo de adjuntas.
Inicialmente, la matriz original y la idntica se listan juntas como:
A =
4 3 2
3 4 1
2 3 4
1 0 0
0 1 0
0 0 1
Con las siguientes tres transformaciones de filas hechas en A e I, las matrices A e

I se transforman en matrices en matrices A1 e I 1 , respectivamente:
1. Multipliquese la fila 1 de las matrices A e I por
de
1
1
o , y colquese en la fila 1
a11
4
, respectivamente. Esto convierte a11 de la matriz
a uno (1).
2. Multiplquese la fila 1 de las matrices
de las matrices A e I y colquese en la fila 2 de

convierte a21 de
las matrices A e I y colquese en la fila 3 de
, respectivamente. Esto
a cero.
3. Multiplquese la fila 1 de las matrices

convierte a31 de
por a21 o 3, rstese de la fila 2
por a31 o 3, rstese de la fila 3 de
, respectivamente. Esto
a cero.
Despus de realizar estas operaciones, las matrices transformadas
Ntese la primera columna de
3
4
7
4
3
2
1
2
-1
2
son:
4 0 0
-3 1 0
4
-1
0 1
2
ha sido hecha equivalente a la primera columna
de una matriz idntica de 3x3, como resultado de esas 3 transformaciones de filas.

Luego las tres siguientes transformaciones elementales de las filas se efectan en
las matrices A1 e I 1 para transformarlas en matrices A 2 e I 2 :
1. Multipliquese la fila 2 de
e
, por
1
4
o , y colquese en la fila 2 de
a 22
7
y colquese en la fila 1 de
A e I por a o 4 , rstese de la fila 1 de A

A e I , respectivamente.
2
12

2
32
Despus de realizar estas operaciones, las matrices transformadas
1 0 7
0 1 -2
0 0 24
7
4
7
-3
7
1
7
son:
-3
0
7
4
0
7
-6
1
7
Ntese que como resultado de esta segunda serie de tres pasos, la segunda columna de
ha sido hecha para concordar con la segunda de una matriz idntica de 3x3.
Finalmente, las siguientes tres transformaciones de filas se aplican a las matrices

A 2 e I 2 para transformarlas en las matrices A3 e I 3 , respectivamente.
1
7
o
, y colquese en la fila 3 de
a 33
24
, por
, respectivamente.
5

13
a 23 o
-2
, rstese de la fila 2 de
7
1 0 0
= I = 0 1 0
0 0 1
Despus de estas operaciones, las matrices transformadas
A e I por
I , y colquese en la fila 2 de A e I .
-1
23
24
-5
12
1
24
-1
4
1
2
-2
4
son:
-5
24
1
12
7
24
Ntese que como resultado de esas nueve transformaciones de filas, la matriz

origina A ha sido transformada en una matriz idntica y la matriz original I ha sido
-1
-1
transformada en A . Ntese tambin que A obtenida por este segundo mtodo

concuerda exactamente con la inversa obtenida por el mtodo de adjuntos.
Es obvio que la cantidad de trabajo implicado al invertir matrices aumenta
enormemente cuando incrementa el tamao de la matriz, puesto que el nmero
necesitado de transformaciones elementales de filas es igual al cuadrado del
nmero de filas o columnas. En general, no se considera factible invertir matrices
a mano, ms bien debiera hacerse usando la computadora. Este procedimiento de
transformaciones es muy sistemtico y ordinariamente as se programan las
computadoras para hallar inversas.
A continuacin un simple programa FORTRAN para calcular la inversa de una
matriz nxn [Qxx] y almacenar el resultado en [Qxx].
El estudiante debe repasar este programa para familiarizarse con los
procedimientos computacionales.
304
302
305
306
303
307
DO 307 K= 1,N
DO 302 K= 1,N
IF (1-K) 304, 302,304
QXX (K,J) = QXX (K,J) / QXX (K,K)
CONTINUE
QXX (K,K) = 1, / QXX (K,K)
DO 307 I = 1,N
IF (I-K) 305, 307, 305
DO 303 J = 1,N
IF (J-K) 306, 303, 306
QXX (I,J) = QXX (I,J) - QXX (I,K) * QXX (K,J)
CONTINUE
QXX (I,K) = - QXX (I,K) * QXX (K,K)
CONTINUE
2.3.4 Ejemplo del problema:

Supngase que se coloca un EDME (equipo electrnico para medir distancias) en
el punto A de la figura 2.1 y con el reflector sucesivamente en B, C y D,
mostrndose en la figura los valores observados. Calcular las incgnitas mediante
mtodos matriciales.
Fig. 2.1
Valores medidos:
X
X X
X X
125.127
259.60
395.85
a) Formular las ecuaciones bsicas

1X 1 0 X 2 0 X 3 125.27
1X 1 1X 2 0 X 3 259.60
1X 1 1X 2 1X 3 395.85
Representadas en la notacin matricial, tales ecuaciones son:

A X = L
En la ecuacin anterior, las matrices son como sigue:
1 0 0
1 1 0
1
1
1
3
X1

X 2
X 3
X =
La solucin en notacin de matriz es:

X
-1
b) Hallase la inversa por transformacin de filas:

A
L =
125.27
259.60
395.85
3
1
2
3
1 0 0 1 0 0 1 0 0 1 0 0
1 1 0 0 1 0 0 1 0 -1 1 0
1 1 1 0 0 1 0 0 1 0 -1 1
c) Revulvase para las incgnitas:
X =
-1
L =
1 0 0
-1 1 0
0 -1 1
X
X
X
125.27
259.60
395.85
= 125.27
= 134.33
= 136.25
125.27
134.33
136.25
Tarea autodidctica No.2

1) Hallase la inversa de la matriz siguiente
3 -1 -1
-1 3 -1
-1 -1 3
2) Resuelva el siguiente sistema de ecuaciones lineales usando mtodos

matriciales:
X + 5Y = -8
-X - 2Y = -1
3) Resuelva el siguiente sistema de ecuaciones lineales usando mtodos
matriciales:
X + Y - Z = -8
3X - Y + Z = -4
-X + 2Y + 2Z = 21
CAPITULO 3
ELIMINACION GAUSIANA; TEOREMA DE TAYLOR
3.1 Eliminacin Gausiana

3.1.1 Introduccin
Como antes se indico los cmputos de ajustes con frecuencia vinculan la solucin
de grande sistemas de ecuaciones lineales. Se han discutido los mtodos
matriciales que reconocidamente son ideales para resolver ecuaciones con las
actuales computadoras digitales electrnicas de alta velocidad. Para solucionar
por calculadoras de mesa (escritorio), hay varios mtodos aceptables, sin
embargo en mi opinin, no es factible intentar resolver grandes sistemas a mano
cuando se tiene la disponibilidad de usar una computadora digital. No obstante, se
presentaran situaciones en donde sistemas de tamao moderado podran requerir
soluciones manuales, por lo que es de desear un planteamiento sistemtico. La
eliminacin Gausiana es tal planteamiento.
3.1.2 Explicacin de procedimiento
La eliminacin Gausiana como su nombre lo implica, involucra sucesivas
eliminaciones de ecuaciones e incgnitas de un sistema de ecuaciones lineales.
Dicho procedimiento se ilustra considerando al siguiente sistema general de
ecuaciones lineales:
a 21 x1 + a 22 x 2 + ........+a 2n x n +k 2 = 0
1
2
a n1 x1 + a n2 x 2 + ........+a nn x n +k n = 0
a11 x1 + a 12 x 2 + ........+a 1n x n +k 1 = 0
El primer paso en la eliminacin Gausiana es suprimir la incgnita X 1 y reducir a

(n 1) el numero de ecuaciones. Esto puede lograrse multiplicando la ecuacin
*
1
11 por . Llamemos a la ecuacin resultante 1 luego se multiplica por
21
11
y se resta de la ecuacin
2 ,
1
que elimina
de
2 .
1
Llmenos a la
ecuacin resultante
y se resta de
3
1
2 . La ecuacin
2
, multiplquese por
1 se multiplica sucesivamente por a

*
41
y se resta de
31
4 , etc., por todas las

1
ecuaciones. El resultado es un sistema de ecuaciones (n 1) conteniendo

incgnitas (n 1), o sea de X 2 a X n .
El procedimiento antes resumido se repite en las ecuaciones nuevas (n 1) para
eliminar X 2 y llegar a las ecuaciones (n 2). Este mismo procedimiento se
contina hasta que el sistema se reduce a solo una ecuacin y una incgnita, o
sea,
X n de la cual se computa X n . Este procedimiento global que
sucesivamente y sistemticamente reduce el numero de ecuaciones, con
frecuencia se llama lasolucin delantera.
El procedimiento de las incgnitas ahora sucesivamente calculada de las
ecuaciones reducidas, frecuentemente se llama la solucin trasera. La incgnita
X n 1 puede calcularse sustituyendo el valor ahora conocido de X n en una de las
dos ecuaciones conteniendo solo las incgnitas
Luego puede calcularse
X
X
n 1
yX
n2
n 1
y X n.
sustituyendo los valores ahora conocidos para
en una de las 3 ecuaciones conteniendo las incgnitas
n2
n 1
. La repeticin sucesiva de este procedimiento produce valores para todas las

incgnitas.
n
3.1.3 Ejemplo numrico.

El procedimiento quiz se ilustra mejor con un ejemplo numrico: considere el
siguiente sistema de 3 ecuaciones lineales:
No. ecuaciones y explicacin
Sistema de n=3
2 y1 + 4y 2 + y 3 +11 = 0
y1 + 3y 2 2y 3 +16 = 0
2 y1 3y 2 + 5y 3 +21 = 0
A. solucin delantera
1
2
3
1
1
11
y3 +
=0
2
2
3
48
5y 2 y 3 +
=0
2
2
y1 + 2y 2 +
Sistema de
(n-1)=2
1 X
1
1
=
2
2 1
1
*
X 1 2
-7y + 4y 32 = 0 3 1 X 2 3
1
y 0.3y +4.3=0 2 X
= 2
5
1.9y +1.9=0 3 2 X 7 3
*
Sistema
de n-2=1
B. solucin trasera
y 3 = 1.0
3
de la ecua. 3
de la ecua. 3
de la ecua.
-7y 2 4(1)+32 = 0
2y1 3( 4) 5(1) 21=0
Varios autores han brindado refinamiento a esta eliminacin gausiana bsica,

dirigidos primordialmente para la sistematizacin de procedimientos ya sea para la
solucin mediante computadoras digitales o calculadoras de mesa. Tales
refinamientos no se explicaran en este texto; sin embargo, debe mencionarse que
los procedimientos arriba bosquejados se facilitan enormemente a travs de un
tipo de solucin tabular.
3.2 Linealizacin de ecuaciones no lineales de la serie de Taylor
3.2.1 Introduccin
En cmputos de ajuste con frecuencia es necesario tratar con ecuaciones no
lineales. Por ejemplo, las ecuaciones de observacin a menudo relacionan las
cantidades medidas con parmetros desconocidos mediante la funcin del seno o
coseno. La tarea para resolver un sistema de ecuaciones no lineales es, en
verdad, formidable. Para facilitar su solucin se usa una aproximacin de la serie
de Taylor a fin de lineal izar las ecuaciones.
3.2.2 Aproximaciones de la serie de Taylor
Supngase que la ecuacin siguiente relaciona un valor medido L con los
parmetros desconocidos X y Y, a travs de los coeficientes no lineales, como:
L = F (x,y) .. (3a)
Por el teorema de Taylor la ecuacin puede ser representada as:
En
(3b),
son
la
x , y dx F " x , y dx
x , y = F x , y 1!
2!
F x , y dx
F ' x , y dy F " x , y dy
+ .......... +
F'
L=F
n!
+ .......... +
Fy n
x , y dy
0
1!
2!
............................(3b)
n!
aproximaciones de los valores X y Y, F
ecuacin
y
y
x , y es la funcin no lineal avaluada en

0
estas aproximaciones, F', F'', F son la primera, segunda, , ensima

derivadas parciales de F, y dX y dY son correcciones a las aproximaciones
iniciales, de manera tal que:
n
x x 0 dx
y y dy
. (3c)
Mientras ms grande sea el valor de n en la ecuacin (3b), ms exacta ser la

aproximacin de la serie de Taylor. Si se abandonan todos los trminos
conteniendo derivadas superiores a las primeras, se obtiene la siguiente expresin
lineal:
L=F
x , y = F x , y Lx
0
L
dx dy...............(3d )
y 0
0
Una vez seleccionadas las aproximaciones iniciales, las nicas incgnitas en la

ecuacin (3d) son las correcciones dx y dy.
Debido a que se han abandonado los trminos de la serie de Taylor para obtener
(3d), la ecuacin solo es una muy buena aproximacin. Por ende, el mtodo de las
solucin general mente sigue estos pasos.
1. Seleccionar las aproximaciones iniciales para las incgnitas. Pueden obtenerse
por conjetura o por mediciones, pero mientras ms cercanas sean las
aproximaciones iniciales, mas rpidamente se obtendr la solucin.
2. Sustituir estas aproximaciones iniciales en (3d) y resolver para las correcciones

desconocidas dx y dy.
De las dos ecuaciones anteriores, dx = 1.25 y dy = 1.75; de lo cual:
x x 0 dx 1.00 1.25 2.25
y y dy 1.00 1.75 2.75
0
Segunda iteracin
F = 2.25 + 2.75 - 2(2.75) + dx + [1 - 4(2.75)] dy = -4
G = (2.25) + (2.75) + 2(2.25) dx + 2(2.75) dy = 8
De las dos soluciones anteriores, dx = -0.25 y dy = -0.64; de lo cual:
x x 0 dx 2.25 0.25 2.00
y y dy 2.75 0.64 2.11
0
Tercera iteracin
F = 2 + 2.11- 2(2.11) + dx + [1 - 4(2.11)] dy = -4
G = (2) + (2.11) + 2(2) dx + 2(2.11) dy = 8
De las dos soluciones anteriores, dx = 0.0 y dy = -0.11; de lo cual:
x x 0 dx 2.00 0.00 2.00
y y dy 2.11 0.11 2.11
0
Cuarta iteracin
F = 2 + 2 - 2(2) + dx + [1 - 4(2)] dy = -4
G = (2) + (2) + 2(2) dx + 2(2) dy = 8
De las dos ecuaciones anteriores, las correcciones dx y dy son cero al centsimo
ms cercano. Por tanto, la serie ha convergido segn la evidencia por las
correcciones cero y los valores X = 2.00 y Y = 2.00 son las incgnitas deseadas.
3.2.4 Linearizacion de ecuaciones de observacin de distancias.
Los dos tipos de observaciones implcitas en levantamientos de control horizontal
son las mediciones angulares obtenidas usando teodolitos, y la medicin de
distancias obtenidas por la medicin con cinta o por medios electrnicos. Al ajustar
las posiciones horizontales por el mtodo de la ecuacin de observacin de
mnimos cuadrados, las ecuaciones se escriben relacionando las cantidades
observadas y sus errores inherentes fortuitos con las coordenadas X y Y mas
probables de los puntos involucrados. Este procedimiento a menudo se conoce
como el mtodo de la variacin de coordenadas. Haciendo referencia a la Fig.
3.1, se puede escribir la siguiente ecuacin de observacin de distancias para
cualquier lnea I-J:
L V
IJ
IJ
X X Y Y
2
....................(3e)
En la ecuacin (3e), L IJ es la longitud observada, y X I , X J , Y I y Y J son las

coordenadas mas probables de los puntos I y J. El lado derecho de la ecuacin
(3e) es una funcin no lineal de las variables desconocidas X I , X J , Y I y Y J . Se
reescribe la ecuacin como:
L V
IJ
IJ
F X I,X J,Y I,Y J .................................(3 f )
Donde F X I,X J,Y I,Y J
X X Y Y
2
Como se dijo en el artculo anterior, la linearizacion de la serie de Taylor de la

funcin F, despus de dejar como significantes a todos los trminos de orden dos
o ms altos, toma la forma siguiente:
F X ,X ,Y ,Y F X ,X ,Y ,Y F
x
I
I0
J0
I0
J0
dxi
F
F
F
dyi
dy j ...................................(3 g )
dx j
y
x j
y
0
i 0
j 0
xi x i dxi
0
yi y
i0
F
En la ecuacin (3g),
es la derivada parcial de F con respecto a
dyi
x i 0
avaluada en las aproximaciones iniciales, etc.,
X ,X ,Y ,Y
dX , dX , dY ,dY
I0
J0
I0
J0
son
aproximaciones de las incgnitas X I,X J,Y I,Y J , y

son
I
J
I
J
correcciones que han de aplicarse a las aproximaciones iniciales de tal manera
que:
xi x i dxi
x j x j dx j
0
yi y dyi
y j y dy j
i0
j0
Al evaluar las derivadas parciales de la funcin F, sustituyndolas en la ecuacin

(3g), y luego a su ves sustituyndolas a la ecuacin (3f) y reordenando, resulta
pues la siguiente ecuacin de observacin linearizada para mediciones de
distancias:
Xi X
K LIJ +V LIJ = 0 ij0
j0
y y
j0
i0
( dyi ) X j0 X
(
dxi
)
ij0
ij0
y y
j
i0
( dyj ).............................(3h)
0
ij0
Donde:
K Lij L
ij
ij0
i0
( dxi )
ij0
Xi
Y
2
j0
Yi
La evaluacin de las derivadas parciales en el desarrollo previo es bastante

directa. No obstante, para ilustrar el procedimiento tomemos la parcial de F con
respecto a X I . Habindolo hecho, las parciales restantes se visualizan fcilmente
sin tener que efectuar en realidad los pasos necesarios.
X X Y Y
2
F 1
x i 2
X X Y Y
2
xi
1/ 2
X X
j
-X j X i
X j Xi
Y j Y i
X( 1)
1/ 2
Al evaluar esta derivada en las aproximaciones iniciales, se produce lo siguiente:

F -X j0 X i0
xi
ij0
3.2.5 Linearizacin de ecuaciones de observacin de ngulos con referencia
a la Fig. 3.2 puede escribirse la siguiente ecuacin de observacin de
ngulos:
-1
+
=
tan
jik V jik
La ecuacin (3i) relaciona
y y
X X
j
j
jik
tan -1
y y
X X
k
................(3i)
, el ngulo observado y
jik
el error residual
inherente en la observacin, con el ngulo ms probable en trminos de las

variables desconocidas X I,Y I,X J,Y J,X ,X k las coordenadas ms probables de
k
los puntos involucrados. La ecuacin (3i) es tambin una no lineal y puede
linealizarse usando la serie de Taylor; y se reescribe como:
jik
Donde U
+V U
jik
X ,Y ,X ,Y ,X ,X ............................(3 j)
I
X I,Y I,X J,Y J,X ,X k

k
tan
-1
y y
X X
j
j
tan -1
y y
X X
k
La aproximacin de la serie de Taylor para la funcion U, despus de dejar como

significantes La aproximacin de la serie de Taylor para la funcion U, despus de
dejar como significantes a todos los trminos de orden dos o ms altos, es:
U
U X I,Y I,X J,Y J,X ,X k U X I ,Y I ,X ,Y J ,X ,Y k +
dX i
k
k0
0
0
0
0
J0
x i 0
U
U
U
U
U
dyi
dyk ................(3K )
dy j
dX j
dX k
y
x j
y
x
k 0
0
i 0
j 0
k 0
En la ecuacin (3k), los trminos se definen como en la ecuacin (3g). Al evaluar

las derivadas parciales de la funcin U, sustituyndolas en la ecuacin (3K), y
luego a su vez sustituyndolas en la ecuacin (3j) y reordenando, resulta la
siguiente ecuacin de observacin linearizada para medicin de ngulos:
Yi
X i0
Yj
Xj
K jik V jik 0 2 0 2 dX i 0 2
dYi
2
(IJ 0 ) (IK 0 )
(IJ 0 ) (IK 0 )
Y j Yi
X j Xi
Yk Yi
Xi Xk
0 2 0 dX j 0 2 0 dY j 0 2 0 dX k 0 2 0 dYk
(IJ 0 )
(IJ 0 )
(IK 0 )
(IK 0 )
Donde
..(3m)1
K jik ijk o ijk

Y j0 Yi0
Yk Yi0
1
tan 0
X j0 X i0
X k0 X i0
o tan1
ijk
IJ 0 ( X j0 X i0 ) 2 (Y j0 Yi0 ) 2
IK 0 ( X k0 X i0 ) 2 (Yk0 Yi0 ) 2
Las ecuaciones (3h) y (3m) son de observacin linealizada, y ahora se puede

manejar convenientemente un sistema de ellas por mtodos matriciales o por
eliminacin gausiana.
En la ecuacin (3m), V , K estn medidos en radin. Puesto que es ms comn trabajar en el sistema sexagesimal en
jik
jik
este pas y, ya que las magnitudes de los residuales de ngulos generalmente estn en la gama de segundo, pueden
convertirse las unidades de la ecuacin (3m) a segundos multiplicando el lado derecho de la ecuacin por p (Rho), el
nmero de segundos por radin , que es 206.265
Y j Yi Yk Yi
Xi X j
Yi Y j
X j Xi
Yk Yi
Xi Xk
X i X k0
0
0
0
0
0
K jik V jik 0 20 0
dxi 0
0
dyi 0
dx j 0 2 0 dy j 0
dxk 0
dyk (3m ) *
2
2
2
2
2
2
IK 0
IK 0
IJ 0
IK 0
IK 0
IJ 0
IJ 0
IJ 0
Donde
K jik jik 0 jik

Y j0 Yi0
Yk Yi0
1
tan 0
X j0 X i0
X k0 X i0
0 tan 1
jik
IJ 0 ( X j0 X i0 ) 2 Y j0 Yi0
IK 0 ( X k0 X i0 ) 2 Yk0 Yi0
Las ecuaciones (3h) y (3m) son de observacin linealizada, y ahora se puede

manejar convenientemente un sistema de ellas por mtodos matriciales o por
eliminacin gausiana.
*En la ecuacin (3m) k K y V estn medidos en radian. Puesto que es mas
comn trabajar en el sistema sexagesimal en este pas y, ya que las magnitudes
de los residuales de ngulos generalmente estn en la gama de segundos,
pueden convertirse las unidades de la ecuacin (3m) a segundos multiplicando el
lado derecho de la ecuacin por p (Rho), el numero de segundos por radian, que
es 206,265.

1. Resolver las incgnitas X y Y en la siguientes ecuaciones no lineales usando el
teorema de Taylor. (Usar Xo=5 y Yo=5 para las primeras aproximaciones).
X 2Y 3 X 2 75
X 2 Y 19
2. Resolver los valores desconocidos de X, Y y Z en las siguientes tres
ecuaciones no lineales usando la serie de Taylor. (Usar Xo = Yo = Zo = 2 para las
primeras aproximaciones).
X 2 Y 2 2 XY Z 4
X Y Z3 4
2 X Y Z 3 23
CAPITULO 4
TEORIA GENERAL DE ERRORES
Clasificacin de errores
Durante el proceso de medicin de cualquiera cantidad fsica, ciertos factores tales
como limitaciones humanas, imperfecciones e inestabilidades instrumentales
harn inexactos los valores medidos.
De hecho, puede declararse
incondicionalmente hablando que cada valor medido contiene errores.
Antes de proceder con un anlisis de errores, ser til clasificar los tipos de
errores que puedan ocurrir en las siguientes categoras:
Equivocacin: Un disparate por parte del observador como resultado de su
descuido o confusin. En general, las equivocaciones no se clasifican como
errores. Slo pueden eliminarse mediante una cuidadosa verificacin para aislar
el disparate y luego corregirlo por medio de nuevas mediciones. Ejemplos de
equivocaciones: 1) aadiendo un pie en una distancia medida cuando se usa una
extensin de cinta o al dejar de registrar una longitud de cinta; 2) equivocaciones
al leer escalas graduadas; y 3) disparates al registrar, escribir 27.55 por 25.75, etc.
Error sistemtico: Error en un valor medido que sigue alguna ley fsica o que
puede expresarse como una funcin matemtica. Si se miden las condiciones
causantes del error, puede calcularse una correccin y se elimina el error
sistemtico. Como ejemplos: 1) la temperatura no es estndar al medir con cinta,
2) un error ndice vernier al medir un ngulo vertical, 3) uso de una mira de nivel
que no tiene la longitud estndar.
Error fortuito / al azar Despus de remover las equivocaciones y errores

sistemticos de los valores medidos, quedan aun errores de pequea magnitud
llamados errores fortuitos o al azar, que generalmente son pequeos y tienden a
ser mas bien negativos que positivos. Tales errores no siguen las leyes fsicas
como lo hacen los sistemticos y, por ende, deben tratarse conforme a las leyes
matemticas de probabilidad. Como ejemplos tenemos: 1) un error pequeo al
clavar una clavija de la cinta, 2) no estar centrada la burbuja al instante de leer la
mira de nivel, y 3) errores menores al leer las escalas graduadas. Jams podrn
evitarse totalmente los errores fortuitos en cualquiera medicin. Dichos errores
con frecuencia se conocen como errores accidentales; sin embargo, su ocurrencia
no puede considerarse un accidente.
Definicin de trminos
Cantidades medidas: Cantidades directamente observadas que contienen errores
fortuitos.
Valor verdadero: El valor tericamente correcto o exacto de una cantidad.
4.2.3 Error: La diferencia entre cualquiera cantidad medida y el valor verdadero

para esa cantidad. Puesto que el valor verdadero de una cantidad medida es
indeterminado, los errores tambin son indeterminados y, por ende, son
cantidades estrictamente tericas.
Valor ms probable (VMP): Aquel valor para una cantidad medida que, basndose
en las observaciones, tiene la ms alta probabilidad. El VMP para una cantidad
que ha sido directa e independientemente medida varias veces, es sencillamente
la media aritmtica. Esto se probar en el artculo 7.1. En general, el VMP es
aquel valor que minimiza la suma de los cuadrados de los residuales, lo que es el
principio fundamental de los mnimos cuadrados.
Residual: La diferencia entre cualquier cantidad medida y el VMP para esa
cantidad. Los cmputos de ajustes se ocupan del valor, ya que los errores son
indeterminados. Con frecuencia se usa el trmino error cuando de hecho se
quiere decir residual, y aunque son muy similares y se comportan de la misma
manera, hay una distincin terica.
Grados de libertad: El nmero de observaciones en exceso del numero realmente
necesitado para calcular las incgnitas. En otras palabras, el numero de grados
de libertad es igual al nmero de observaciones redundantes, las cuales revelan
las discrepancias e inconsecuencias en
Los valores observados. Esto a su vez hace posible la prctica de los cmputos
de ajuste para obtener los mejores valores posibles basados en las cantidades
medidas.
4.2.7. Variacin: Un valor por el cual se expresa la precisin de cualquier grupo
de mediciones. Se define como la media de los cuadrados de todos los errores.
La preescisin se expresa en trminos de la media de los errores, ya que por la
naturaleza de los errores fortuitos, la media de los errores tiende a cero al
aumentar el nmero de observaciones. Por tanto, el error promedio producira
muy poca informacin til como una expresin de precisin.
4.2.8. Error estndar: La raz cuadrada de la variacin.
De las definiciones anteriores, pueden escribirse las siguientes ecuaciones para
la variacin y error estndar de una cantidad que ha sido observada n veces:
...............(4 a )
Donde = error estndar

= variacin
n = nmero de mediciones
x = la suma de los cuadrados de los errores.
4.2.9. Desviacin estndar: Un valor que expresa precisin que semejante al
error estndar. No obstante, las cantidades y son cantidades tericas porque
los valores verdaderos, y por ende los errores, son indeterminados. En
agrimensura, se trata con residuales en vez de errores, donde los residuales se
calculan de los VMP en lugar de los valores verdaderos. Luego se obtiene el
mejor clculo de variacin cambiando x a v, y cambiando el denominador a (n-1)
en la ecuacin (4a). La desviacin estndar usada en agrimensura es entonces la
raz cuadrada de la variacin. La variacin y desviacin estndar se calculan por
las expresiones siguientes:
n 1
n 1 .. (4b)
Donde S = desviacin estndar
S = variacin
n 1 = los grados de libertad
V = la suma de los cuadrados de los residuales.
Teora de la probabilidad
El ajuste de las cantidades medidas que contienen es uno de los problemas
principales en las ciencias exactas. Ciertamente, esto es de importancia global
para los agrimensores, geodesias y fotogrametristas. En los restantes artculos de
este texto, asumiremos que todas las equivocaciones y errores sistemticos han
sido eliminados de los valores medidos, y que solo quedan errores fortuitos. Tales
errores fortuitos siguen las leyes de la probabilidad y, por ende, as sern tratados.
La probabilidad se define como la razn / relacin del numero de veces que
debiera ocurrir un suceso o evento comparado al nmero total de posibilidades.
Por ejemplo, considrese el tiro de un dado, donde hay un sexto de probabilidad
que salga un dos, lo que sencillamente significa que hay seis posibilidades en total
y slo una de estas es un dos. En general, si ocurriera un suceso en forma m, y
dejara de ocurrir en forma n, entonces la probabilidad de ocurrencia sera m /
(m+n) y la probabilidad de fracaso sera
n / (m+n).
La probabilidad se percibe como una fraccin que se extiende en valor del cero al
uno, el cero indicando imposibilidad y el uno indicando certeza. Puesto que un
evento debe ocurrir o dejar de suceder, la suma de las probabilidades de cualquier
evento es uno. Por tanto, si 1 / 6 es la probabilidad de sacar un dos con un tiro de
un dado, entonces (1-1 / 6) 5 / 6 es la probabilidad de que no salga un 2.
En terminologa de probabilidad, un evento compuesto es la ocurrencia simultnea
de dos o ms eventos independientes. La ocurrencia compuesta de errores es el
caso ms frecuente confrontado en la prctica de levantamientos; por ejemplo, la
ocurrencia de errores compuestos en un levantamiento de poligonales que impide
su cierre.
La probabilidad de la ocurrencia simultnea de dos eventos
independientes es el producto de las probabilidades individuales de esos eventos
independientes.
Para ilustrar esta condicin, considrese el simple ejemplo de dos cajas que
contienen una combinacin de bolas rojas y blancas. Si la caja A contiene 4
bolas-una roja y 3 blancas- y si la caja B contiene 5 bolas-2 rojas y 3 blancascul sera la probabilidad de sacar 2 bolas rojas si una bola se saca de cada
caja? El nmero total de posibilidades de pares es 4*5 20, por haber sacado
digamos la bola roja de caja A,
Cualquiera de las 5 bolas en la caja B podra haberse sacado para completar el
par. Habiendo sacado una cierta bola blanca de la caja A, entonces cualquiera de
las bolas en la caja B podra completar ese par, etc. El numero total de maneras
como podran obtenerse 2 bolas rojas es 2; la bola roja de la caja A slo puede
equiparse con cualquiera de las bolas rojas de la caja B. Luego, la probabilidad de
obtener simultneamente dos bolas rojas es: x 2/5 2/20, que es el producto de
las probabilidades individuales de sacar una bola roja de las cajas respectivas. La
probabilidad de sacar simultneamente dos bolas blancas es x 3/5 9/20, y la
probabilidad de obtener una roja y una blanca es entonces 1 (2/20 + 9/20)
9/20. Esta ultima probabilidad de 9/20 puede verificarse considerando que si se
saca la bola roja de la caja A, cualquiera de las tres bolas blancas de la caja B
completara exitosamente el par rojo-blanco, o para cualquiera de las bolas rojas

en la caja B, cada una de las tres bolas blancas de la caja A podra completar el
par. Por ende, hay un total de 9 combinaciones rojas-blancas de un total de 20
combinaciones, produciendo una probabilidad de 9/20.
En este sencillo ejemplo, se demostr que la probabilidad de la ocurrencia
simultnea de dos eventos independientes es el producto de dos
Eventos independientes.
eventos, tales como:
Este principio podra extenderse para incluir varios
P P1 * P2 *...........* Pn *.................(4c)
En donde P es la probabilidad de la ocurrencia simultanea de eventos que tienen

las probabilidades individuales P1 , P2 .........Pn .
Para desarrollar el principio de cmo ocurren los errores fortuitos, consideremos
un sencillo ejemplo en el cual se toma una sola medicin de cinta. Supongamos
que esta medicin contiene un solo error fortuito pequeo de tamao igual a
unidad. Debido a que el error resultante, o sea +1 -1. Para esta medicin nica
(t), el numero de posibilidades o la frecuencia de obtener +1 es uno y (T), el No.
Total de posibilidades es dos. La probabilidad de obtener +1 es, por tanto, t / T =
. Si ahora dejamos a un valor que dependa de dos de estas mediciones nicas
combinadas, entonces las posibles combinaciones de error que producen el
resultante son -1 y -1, -1, +1, +1 y -1 y +1 y +1 T = 4. Los errores resultantes
son -2, 0 y -1 y sus valores t son 1,2, y1 respectivamente, produciendo
probabilidades de , y respectivamente. En general, al aumentarse (N) el
numero de mediciones nicas en combinacin, T aumenta conforme a la funcin T
= 2**********. Por tanto, para 3 mediciones en la combinacin T = 2 = 8, para 4
mediciones T = 2************* = 16, etc.
El anlisis del prrafo anterior podra continuarse para obtener los resultados de la
tabla siguiente:
Tabla 4.1 Ocurrencia de errores fortuitos
No. De mediciones Valor de error Frecuencia No.

Total de Probabilidad
en combinacin
resultante
(t)
posibilidades (T) (5)
(1)
1
(2)
+1
-1
(3)
1
1
(4)
2
2
0
-2
3
1
-1
-3
1
2
1
1
3
3
1
4
2
0
-2
-4
5
3
1
-1
-3
-5
1
4
6
4
1
1
5
10
10
5
1
16
32
1/2
1/4
1/8
3/8
3/8
1/8
1/16
3/8
1/16
1/32
5/32
10/32
10/32
5/32
1/32
Los resultados de la tabla 4.1 pueden trazarse en una grafica de barras segn la
Fig. 4.1, de (a) a (e). El tamao del error resultante se traza como la abscisa
versus sus probabilidades en las ordenadas que se trazan como los centros de
barras del ancho unitario.
Si el nmero de mediciones combinadotas (N) se incrementara progresivamente a

valores ms y ms grandes, los trazados del tamao del error vs. la probabilidad
se aproximaran a una curva suave / regular, la forma tpica de campana que es
caracterstica de la curva de distribucin normal del error (Fig. 4.2). Ya vemos por
ejemplo, en el caso de N = 5 ilustrado en la Fig. (e) arriba, que la lnea quebrada
que conecta los puntos trazados comienza a tomar esa forma. Es importante
notar en este momento que cada uno de los trazos de (a) a (e) arriba, el rea total
de las barras verticales es igual a uno. Esto es verdadero sin importar el valor de
N y, por tanto, puede decirse que el arrea bajo la curva regular de distribucin
normal del error de la Fig. 4.2 es igual a uno. Si un evento tiene una probabilidad
de uno, ciertamente ocurrir y, por ende, el rea bajo la curva representa la suma
de todas las probabilidades de la ocurrencia de errores.
La ecuacin de la curva de distribucin normal del error es: (se da una deduccin
de esta ecuacin en el apndice A).
h e h x
2 2
Donde Y= la probabilidad de ocurrencia de un error entre el tamao de x y x + dx.

e= la base de logaritmos naturales
h= una constante que depende del grado de refinamiento o precisin de las
mediciones.
Representacin grafica de distribuciones de errores randomizados fortuitos.
Histograma. El histograma es una representacin grfica de la distribucin de un
grupo de mediciones o de un grupo de residuales. Meramente es una grfica de
barras de frecuencia de ocurrencia como ordenadas VS el tamao del valor
medido o residual como abscisas. Los histogramas visualmente ilustran la
siguiente informacin para un grupo de mediciones:
si las mediciones o residuales estn simtricamente distribuidos, alrededor de un
valor central.
La diseminacin o dispersin total en los valores medidos o en los residuales.
La frecuencia de ocurrencia de los valores medidos o de los residuales.
La inclinacin o lisura del histograma que es una indicacin de la precisin de los
valores medidos.
Se obtienen histogramas de formas varias para distintas personas y para las
variaciones en el equipo usado. Por ejemplo, el histograma de muchas mediciones
de distancias por geodmetro, probablemente ser una curva muy angosta,
inclinada en los lados con un alto valor en el centro. Un histograma de la misma
distancia medida por una barra subtensa y trazada a la misma escala
probablemente sera ms ancha, con los lados no muy inclinados y el valor central
no tan grande.
Ejemplo numrico del histograma:

La tabla 4.2 lista 50 valores medidos de un ngulo. Se trazar un histograma de
residuales de esos valores para ilustrar detalladamente el procedimiento.
n
ngulo
ngulo
ngulo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
532656.7
54.8
51.1
50.9
49.8
49.6
48.9
48.1
47.6
46.2
45.7
45.0
44.9
44.3
43.9
43.2
16.62
14.72
11.02
10.82
9.72
9.52
8.82
8.02
7.52
6.12
5.62
4.92
4.82
4.22
3.82
3.12
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
532642.8
42.4
42.1
41.6
41.1
40.8
40.3
40.1
39.8
39.8
39.3
39.3
39.0
38.8
38.6
38.5
2.72
2.32
2.02
1.52
1.02
0.72
0.22
0.02
-0.28
-0.28
-0.78
-0.78
-1.08
-1.28
-1.48
-1.58
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
532637.7
37.3
36.9
36.4
36.0
35.9
35.6
34.7
34.2
33.9
33.4
32.9
31.6
30.4
29.6
27.8
24.7
19.8
-2.38
-2.78
-3.18
-3.68
-4.08
-4.18
-4.48
-5.38
-5.88
-6.18
-6.68
-7.18
-8.48
-9.68
-10.48
-12.28
-15.38
-20.28
Tabla 4.2
De los datos de la tabla 4.2, el VMP (la media) es:
VMP
ngulos 53 26 40.08
"
Aunque no se precisa para construir el histograma, meramente con propsitos

ilustrativos, calcularemos la desviacin estndar en los valores medidos de la tabla
4.2.
S
n 1
7."377
Los residuales se calculan restando el VMP de cada valor medido. Los residuales
se tabulan en la columna v de la tabla 4.2.
Luego se clasifican los residuales en grupos o clases seleccionando algn
intervalo de clase compatible con los datos. Es importante seleccionar un
intervalo de clase que sea del tamao adecuado para exhibir correctamente la
distribucin. Para los datos de la tabla 4.2, se seleccionan 3 segundos como i- el
intervalo de clase-. El primero se centra en cero pero para que se cuente el
nmero de residuales en el intervalo de 3 segundos entre -15 y +15. Igualmente
se sigue el mismo procedimiento para los residuales de los intervalos entre -1.5 y
+4.5, +1.5 y +4.5,-4.5 y -7.5, +4.5 y +7.5, etc. Finalmente, el histograma con el
tamao de residual en la abscisa VS el nmero de residuales y las frecuencias de
ocurrencia como ordenada, se traza segn la figura 4.3.
Polgono de frecuencia: Si se conectan con lneas rectas los puntos centrales

superiores adyacentes de las barras del histograma, se obtiene un polgono de
frecuencia de los datos de la Tabla 4.2 se sobrepone como una lnea quebrada
(Fig. 4.3). Este polgono es una exhibicin grfica que indica esencialmente la
misma informacin que el histograma.
4.5 Propiedades de la curva de distribucin normal
En la ecuacin (4b), y es la probabilidad de ocurrencia de un error entre x y x + dx.
La probabilidad y es equivalente al rea bajo la curva entre los limites de x y x +
dx, que se ilustra como rea de lneas entrecruzadas en la Fig. 4.4. Segn se
declar antes, el rea total bajo la curva de probabilidad representa la probabilidad
total o al entero uno (1):
por tanto:
h h 2 x 2 dx 1
h e
.. (4e)
Si diferenciamos la ecuacin (4d) obtenemos:
2 2
y
h
2h 2 x[( )e h x ]
x
h
Reconociendo el trmino en corchetes como y,

dy
2h 2 xy
dx
(4f)
d2y
dy
2 h 2 x y ( 2 h 2 )
dx 2
dx
Sustituyendo la ecuacin (4f)
d2y
2h 2 x (2h 2 xy ) y (2h 2 )
dx 2
d2y
2h 2 y (2h 2 x 2 1)
dx 2
...................................................................................(4g)
dy
En la ecuacin (4f), dx = 0 cuando x = 0, y tambin cuando y = 0; por tanto, la
curva es paralela al eje x en x = 0. (Centro de la curva) y es asntota a x cuando y
= 0, al hacerse muy grande x.
d2y
2 2
2
En la ecuacin (4g) dx = 0 cuando 2h x = 1. El punto de inflexin de una curva
ocurre cuando la segunda derivada es igual a cero
(Proporcin de cambio del declive = cero); de ah que los puntos de inflexin de la

1
2h 2 .
curva de distribucin normal ocurren en x =
h
0
Si se sustituye x = 0 en la ecuacin (4d), entonces ya que e = 1, y = h

Que es igual a la ordenada central de la curva. La ordenada central es
proporcional a h, y el rea total bajo la curva siempre es uno (1); por tanto, para un
grupo de mediciones que tenga un h grande, la ordenada central ser grande y el
rea se concentrar cerca de la ordenada central en donde los errores son
pequeos. Esto slo significa que si h es grande, el grupo de mediciones es
preciso. Debido a que h guarda esta relacin directa con la precisin de un grupo
de mediciones, se le llama el modulo de precisin por algunos autores.
Medidas de precisin
La precisin es la medida de la consistencia o grado de refinamiento de un grupo
de mediciones. Esto difiere de exactitud que se define como la proximidad al valor
verdadero de cualquiera medicin o grupo de mediciones. En agrimensura, los
trminos mas comnmente usados para expresar precisin son variacin y error
estndar ( desviacin estndar).
Variacin y error estndar
En el artculo 4.2 el trmino variacin se defini como el promedio de los
cuadrados de todos los errores. El error estndar se defini como la raz cuadrada
de la variacin. En cmputos de ajuste, es til relacionar la variacin y el error
estndar con la curva de distribucin normal.
Puede tambin definirse la variacin de una variable fortuita como su momento de
segunda rea, que puede expresarse como:
x da
da (4h)
Esta expresin produce la media de los cuadrados de las distancias de todas las
partes elementales de una figura desde una lnea central, que en el caso de la
curva de distribucin normal, djese que da = ydx, luego:
h h2 x2 2
2
x
ydx
e x dx
2

h2 x2 2
he
x dx
ydx
.. (4i)
Reconociendo el denominador de la ecuacin (4i) como la ecuacin (4e) e igual a

uno, la ecuacin (4i) puede escribirse como:
h h2 x2 2

e
x dx
(4j)
De la ecuacin (4d) para y, y reduciendo:
d 2 y 4h 5 x 2 h2 x 2 2h 3 h 2 x 2
e
dx 2
d 2 y 4h5
dx 2
Pero
xe
2 h2 x2
2h 3
e h x dx
2 2
.. (4k)
d y
dy
dx 0
2
dx
dx
2
Dividiendo a travs de la ecuacin (4k), por 4 h sustituyendo cero para
d2y
dx 2 dx
Y reordenando:
h
x 2 e h x dx
2 2
1
2h
e h x dx
2 2
. (4l)
Reconociendo el lado izquierdo de (4l) como la ecuacin (4j), y ya que
h h 2 x 2 dx 1
h e
De la ecuacin (4e), tenemos:

1
2 2
2h (4m)
Sustituyendo la ecuacin (4m) en (4d), resulta:
x2
2 2
Y= 2
.. (4n)
Ntese que ya hemos establecido que el punto de inflexin de la curva de
1
2
distribucin normal ocurre en 2h ; por tanto, el valor de x en el punto de
inflexin es la raz cuadrada de la variacin o del error estndar.
Para cualquier grupo de mediciones normalmente distribuidas, el rea entre los
limites de a y a se da por la expresin
a
a
a
h h2 x2
a ydx 20 ydx 20 e dx
(4p)
Usemos la ecuacin anterior para determinar el rea dentro de los limites de .
1
dt
2h . Deje tambin que t= hx. Luego dx = h . Sustituyendo

Permita que a =
la ecuacin (4p):
2h
x 0
t hx
et
dt
2
h
2h
1
2
e t dt
2
t 0
rea =
(4q)
La expresin (4q) se conoce como la integral de probabilidades y ha sido evaluada

para lmites de t desde cero hasta varios lmites superiores.
Para el limite ms alto de t= 1/2= 0.707, la integral de probabilidad es 0.683.
Esto significa que el rea contenida entre los limites de es aproximadamente
68% del rea total. Tambin significa que para cualquier grupo de mediciones:
hay un 68% de oportunidad que cualquier grupo de observacin individual tenga
un error inferior a ;
que el 68% de todos los errores yace entre .
Este concepto se ilustra en la Fig. 4.5.
Para un grupo de observaciones, el error probable de 50% es uno de tal tamao

que tantos ms errores son ms grandes como lo son ms pequeos. En otras
palabras, para cualquiera observacin nica, la probabilidad es la mitad de que su
error sea ms grande o ms maqueo que el error probable del 50%. Puesto que
la probabilidad es una mitad, vamos a establecer
la ecuacin (4q) igual a un rea de 0.50 y encontrar que valor del lmite superior
de t corresponde a esta rea, como:

t
2
t 2
0.50
e
dt
0
. (4r)
h
De la tabla de Rainsford, t = 0.477. Ahora ya que t =hx y h=

x
= 2 .
1
2 , luego t
x50
Por lo tanto para el error probable del 50%, simbolizado como E50 , 0.477= 2 y
x50 E50
=
= 2(0.477) 0.6745 (4s)
El error probable de 90 por ciento
Dicho error E90 , error tal que debiera caer tericamente dentro del 90% de los
errores de un grupo de observaciones, es bastante popular con los agrimensores
como un medio para expresar la precisin.
Extendiendo el razonamiento usado para el error probable del 50%, se escribe una
ecuacin semejante a (4r) para el error de 90%:
t
2
2
0.90
e t dt
0
0.90=
(4t)
Nuevamente de la tabla de Rainsford, el lmite superior de t que corresponde a un
rea de 0.90 es 1.163. Por tanto, el error probable del 90% es:
x90 E 2 (1.163) 1.6449
90
(4u)
Como previamente se indic, la desviacin estndar (S) y el error estndar ( )
son intercambiables en las anteriores ecuaciones.
Ejemplo numrico de clculos de precisin

Supngase que los valores siguientes se obtuvieron en 15 mediciones
independientes de una distancia: 212.22, 212.25, 212.23, 212.15, 212.23, 212.11,
212.29, 212.34, 212.22, 212.24, 21219, 212.25, 212.27, 212.20, 212.25.
E E
Calcular el VMP, S, 50, 90
Solucin:
El VMP es sencillamente el promedio, :
sum 3183.44
212.23
15
VMP= n
Para calcular S, debemos calcular los residuales y sus cuadrados. Ello se hace
con facilidad en forma tabular como sigue:
Dist.
v
212.22 -.01 -.0001
212.25 .02 .0004
212.23 0
0
212.15 -.08 .0064
212.23 0
0
212.11 -.12 .0144
212.29 .06 .0036
212.34 .11 .0121
Dist.
22
24
19
25
27
20
25
3183.44
v
de de la
v
-.01 .0001
.01 .0001
.04 .0016
.02 .0004
.04 .0016
-.03 .0009
.02 .0004
.0421
Al extraer el valor
resuelve como sigue:
tabla anterior, la ecuacin (4b) se escribe y
.0421
0.055
n 1
14
Pie
Por la ecuacin (4s)
E50 0.6745S .6745(0.055) 0.037
S
Pie
Por la ecuacin (4u)

E90 1.6449 S 1.6449( 0.055) 0.090
ft.
Trazado de una curva de distribucin normal (CDN)
Con frecuencia es menester trazar las CDN como un medio a fin de comparar
distribuciones de errores para grupos conocidos de mediciones. Generalmente se
prefiere superponer la CDN en el histograma usando las mismas ordenadas que
se usaron para el trazado del histograma. Para lograrlo, es necesario hacer el
rea bajo la CDN igual al rea del histograma, multiplicando por el intervalo de
clase. tambin se reemplazan x y en (4n) por v y S, lo que produce:
y
50(3)
7.377 2
v2
e 2S
v2
2
Ke 2 S
2
K
v2
2 s2
Donde:
50(3)
K
8.1
7.377 2
Resolviendo en forma tabular
v
0
5
10
15
20
25
v2
0
25
100
225
400
625
v2
2S 2
0
.23
.92
2.07
3.68
5.75
v2
2S2
1.0
1.26
2.5
7.9
39.6
314
8.1
6.4
3.2
1.0
0.20
0.03
Los resultados de este cmputo se trazan de la Fig. 4.6. Ntese 2que adems de
trazar los valores y (ordenadas) vs. los valores v (abscisas), es til dibujar la curva
para ubicar tambin los puntos de inflexin que ocurren en una abscisa igual a la
desviacin estndar, o en el valor de 7.377.
Los datos abajo tabulados representan en realidad a 60 mediciones planimtricas

del rea dentro de una poligonal trazada.
n
1
2
value
1.677
1.676
n
16
17
value
1.663
1.665
n
31
32
value
1.664
1.690
n
46
47
value
1.664
1.685
3
4
5
6
7
8
9
10
11
12
13
14
15
1.657
1.667
1.673
1.671
1.673
1.670
1.675
1.664
1.664
1.668
1.671
1.664
1.651
18
19
20
21
22
23
24
25
26
27
28
29
30
1.670
1.671
1.651
1.665
1.677
1.662
1.660
1.667
1.660
1.660
1.667
1.667
1.652
33
34
35
36
37
38
39
40
41
42
43
44
45
1.649
1.671
1.675
1.653
1.654
1.665
1.683
1.668
1.658
1.657
1.690
1.666
1.671
48
49
50
51
52
53
54
55
56
57
58
59
60
1.667
1.655
1.679
1.682
1.663
1.662
1.672
1.667
1.667
1.663
1.670
1.667
1.669
Calclese lo siguiente:
El VMP del area medida.
La desviacin estandar
Trazar el histograma (de residuales) para los datos anteriores usando un intervalo
de clase de 0.003. Superponer el polgono de frecuencia en el histograma.
Calcular y trazar la CDN.
Calcular E50 .
Calcular E90.
CAPITULO 5
PROPAGACION DE ERRORES FORTUITOS
5.1 Derivacin de la ecuacin bsica

Una de las ecuaciones ms importantes que desarrollaremos en nuestro estudio
de errores, es la ecuacin que expresa la propagacin de errores fortuitos en una
funcin.
Para deducir la expresin, consideremos el caso simple en el cual z y1 y2 ,
y y2 son dos cantidades independientemente observadas con errores
estndar 1 y 2 . Vamos a desarrollar una expresin para z , el error estndar de
la funcin z.
Permtase que y1 y y2 sean cantidades independientemente observadas;
donde
y1
Permtase tambin que los errores en la determinacin n de y1 sean:

x1i , x1ii , x1iii ,..., x1n
,y
Permtase que los errores en la determinacin n de y2 sean:
x2i , x2ii , x2iii ,..., x2n
Luego, el valor verdadero de z designado como zT

independiente es:
zT ( y1i x1i ) ( y2i x2i ) y1i y2i x1i x2i z i x1i x2i
para cada medicin
zT ( y1ii x1ii ) ( y2ii x2ii ) y1ii y2ii x1ii x2ii z ii x1ii x2ii
zT ( y1iii x1iii ) ( y2iii x2iii ) y1iii y2iii x1iii x2iii z iii x1iii x2iii
, etc.
Por ende, el error en cada medicin es:

zT z i x1i x2i
zT z ii x1ii x2ii
(5a)
zT z x x
Por nuestra definicin de variacin:
iii
iii
1
iii
2
2
2
n y n x
Luego para el caso bajo consideracin:
x x
2
x2i x1ii x2ii x1iii x2iii ... n z2

2
i
1
n z2 x1i 2 x1i x2i x2i x1ii 2 x1ii x2ii x2ii ...

2
i i
ii
Para una muestra grande, la suma de los productos 2 x1 x2 , 2 x1 , etc. Se convierte en
cero, puesto que los errores fortuitos pueden ser tanto positivos como negativos.
Por tanto,
n z2 x1i x2i x1ii x2ii ...

2
z2
2
1
n
Finalmente:
2
2
y12 y22
z y2 y2
. (5b)
En general, si Z (un valor computado= es una funcin de y1, y2 yp. (Valores
medidos), entonces z , el error estndar de la funcin, se da por la siguiente
1
expresin:
dz
dz
dz
z y1
y2 ...
yp
dy1
dy2
dy p
PRUEBA
Supngase que Z= f(y1, y2, yp) en donde y1,y2, , yp son cantidades dadas
y i , y ii , y iii ,..., y1n
independientemente observadas. Tambin deje que 1 1 1
sean n
i
ii
iii
n
i
ii
x , x , x ,..., x1
y , y , y iii ,..., y2n
mediciones de y1 conteniendo errores 1 1 1
; permita que 2 2 2
x2i , x2ii , x2iii ,..., x2n
sean n mediciones de y2 conteniendo errores
y permita que
i
ii
iii
n
i
ii
y p , y p , y p ,..., y p
x , x , xiii ,..., x np
sean n mediciones de yp conteniendo errores p p p
.
Entonces el valor verdadero de Z, designado como zT , para cada dete4rminacion
independiente es:
zT f ( y1i x1i , y2i x2i ,..., y ip x ip )

zT f ( y1ii x1ii , y2ii x2ii ,... y iip x iip )
zT f ( y1iii x1iii , y2iii x2iii ,..., y iiip x iiip )
Etc.
Tratando las y como aproximaciones iniciales y las x como correcciones, estas
ecuaciones pueden sustituirse en una serie de Taylor y linealizarlas desistiendo de
las potencias de orden dos o ms altas, como:
dz i
dz i dz i
zT z i
x p
x1
x2 ...
dy
dy
dy
1
2
p
dz ii
dz ii dz ii
zT z ii
x p
x1
x2 ...
dy
dy
dy
1
2
p
dz iii
dz iii dz iii
zT z iii
x p
x1
x2 ...
dy
dy
dy
1
2
p
Etc.
Luego el error en cada determinacin es:

dz i
dz i dz i
zT z
x p
x1
x2 ...
dy1
dy2
dy p
dz ii
dz ii dz ii
zT z `
x p
x1
x2 ...
dy1
dy2
dy p (5c)
dz iii
dz iii dz iii
zT z "
x p
x1
x2 ...
dy
dy1
dy2
p
Etc.
Reconociendo las ecuaciones (5c) como equivalentes a (5a) de la prueba anterior,
entonces siguiendo la misma manipulacin general resulta:
2
dz
dz
dz
z
y1
y2 ...
yp
dy
dy1
dy2
p
(5d)*
2
* El error estndar y la desviacin estndar pueden intercambiarse en todas estas

ecuaciones.
La ecuacin (5d) en general la manera como se propagan los errores en una
funcin. Ntese que la ecuacin (5b) es implcita en la ecuacin (5d) como sigue:
Permtase que A = B + C
Luego por la ecuacin (5d):
dA
dA
1y
1
dB
dC
Sustituyendo:
1 B
1 C
5.2 Funciones especificas frecuentemente confrontadas

Error estndar de una suma
Permita que A=B1+B2++Bn, en donde las B son cantidades
Independientemente observadas n que tienen errores estndar
Luego por la ecuacin (5d):
B1
B2
B , B ,..., B
1
.. (5e)*
... Bn
, ,..., Bn
Si cada uno de los valores B1 B2
es igual a, digamos, B , entonces la
ecuacin (5e) se convierte en:
A n B .. (5f)*
*el error estndar y
ecuaciones.
la desviacin pueden intercambiarse en todas estas
Error estndar de la media

Djese que z sea la medida obtenida de las cantidades n independientemente
observadas
Z1, Z2,, Zn, cada una de las cuales conteniendo el mismo error estndar z . La
media puede expresarse as:
z
z1 z2 ... zn
n
Se obtiene una ecuacin para

ecuacin (5d) como sigue:
sustituyendo la expresin anterior en la
1
1
z1 z2 ... zn
n
n
n 2
2
n
n (5g)*
Ejemplos numricos:
Midamos las mediciones de un tanque (vase la Fig.), y obtenemos:
l = 40.00, Sl = +/- 0.05 ft

w = 20.00, Sw = +/- 0.03 ft
h = 15.00, Sh = +/- 0.02 ft
Encontrar la desviacin estndar del volumen del tanque con las dimensiones
anteriores.
V = lwh;
dV
dV
dV
dl = wh, dw = lh, dh = lw.
Sustituyendo en la ecuacin (5d):
dv dv
dv
S v Sl
Sw Sh
dl dw dh
Sv
wh 0.05
2
lh 0.03 lw 0.02
2
Sv 3002 0.0052 6002 0.0009 8002 0.0004
Sv 225 324 256 805 28.3
cu.ft.
Ejemplo 2:
Supngase que el ngulo vertical de A al punto B se mide desde el punto A
como 300, S = +/- 1`; y que la distancia inclinada D, de A a B se mide como
100.00 pies, S D =+/- 0.05 ft (pie).
Hallar la desviacin estandar al calcular H, la distancia horizontal entre A y B (ver

la fig.)
dH
dH
cos ;
D sin
dD
d
Sustituyendo en la ecuacin (5d):
H D cos ;
dH 2 dH 2
SH
SD
S
dD
d
D sin 1
S H cos 0.05
[57.296 60 ]2
2
S H 0.0018 0.0002 0.045
pie
En el ejemplo anterior, ntese que la mayor fuente contributiva de error (el nmero
mas grande bajo el radical) es 0.0018, y que ese es el error asociado con la
medicin de la distancia. Por tanto, si el error resultante de +/- 0.045 pies es
demasiado grande para tolerarse, es adoptar un mtodo mas preciso a fin de
medir la distancia.
Los errores asociados con cualquier problema indirecto de mediciones pueden

analizarse de la misma manera, y as se podrn evaluar las fuentes individuales
que contribuyen a causar errores. Luego se tomaran las medidas pertinentes
para reducir tales fuentes contributivas. Este concepto generalmente se estudia
bajo el titulo Planeamiento o diseo del levantamiento; por el cual puede
analizarse el problema por adelantado y especificar niveles de precisin antes de
efectuar el trabajo de campo, para asegurarse de un adecuado nivel de exactitud
en el resultado final. Este tema se tratar con ms detalles en el Capitulo 17.

1) Durante la preparacin de una lnea de nivelaciones, se requieren 10 puestas
en estacin. Para cada puesta en estacin, el error probable es +/- 0.005 de pie
debido a varias causas. El error probable de la diferencia medida en elevacin
entre el origen y el trmino es:
2) Una lnea se mide en secciones como sigue
seccin
AB
BC
CD
DE
Longitud medida (pies) Desviacin estndar

416.24
+/-0.06
1044.16
+/-0.08
590.03
+/-0.06
714.28
+/-0.08
Hallar la desviacin estndar de la longitud de AE.
2
El volumen de un cono se da por V=1/12 D h. La altura medida del cono es de
10 pulgadas. Sh =+/- 0.20 pulg. El dimetro medido es 6 pulg. S D =0.10 pulg. La
desviacin estndar del volumen es:
CAPITULO 6
PESOS DE LAS OBSERVACIONES
Generalidades
El peso de una observacin es vala relativa de aquel valor observado segn se
compara a cualquier otro valor. En otras palabras, los pesos son clculos o
expresiones de la relativa confiabilidad de las observaciones.
Una alta precisin, indicada por un pequeo error estndar, implica una buena
observacin y, de esto, un peso alto. A la inversa, una baja precisin, indicada por
un error estndar grande, implica una observacin deficiente y, por tanto, un peso
pequeo. Es obvio que los pesos son inversamente proporcionales a alguna
potencia del error estndar. De ah que el tamao de la correccin tambin tendr
una relacin inversa con el peso.
Media ponderada (peso promedio)
Supngase que tomamos M observaciones independientes (z1, z2, z3,, zm) de
una cantidad z, y que cada una de estas observaciones tiene un error estndar s.
Luego la media de las observaciones tiene un error estndar s. Luego la media de
las observaciones es:
m
Z
z i
i 1 m . (6a)
Si estas m observaciones se separan ahora en dos juegos, uno de observaciones
ma y el otro con mb, de tal manera que ma +mb = m, entonces los promedios de
esos juegos son:
ma
Z
z a i
i 1 ma
z b
. (6b)
Zi
i m 1
b
. (6b)
m
La z media puede obtenerse combinando los promedios de estos dos juegos

como:
ma
zi
ma
zi
m
Pero de (6b) y (6c):
i 1
i m 1
i 1
i ma 1
ma mb
zi
ma
za ma zi
zb mb
i 1
y
Luego:
z m zb mb
z a a
ma mb
zi
i ma 1
Dejando ma y mb igual a Pa y Pb, los respectivos pesos relativos de los valores
za
y zb , podemos escribir la ecuacin general:
pa za pb zb
z
pa pb
pz
p (6d)
La ecuacin (6d) es una frmula para calcular la media ponderada de un grupo de

observaciones que tiene pesos desiguales. Para ilustrar la validez de esta
ecuacin general, supngase que la distancia d se mide seis veces con los
resultados siguientes:
92.61, 92.60, 92.62, 92.60, 92.61 y 92.61. Podramos calcular d de la manera
usual sumando sencillamente los valores y dividiendo por seis, de ah que d=
92.608. Sin embargo, si reconocemos que hay un valor 92.62, dos valores 92.60 y
tres valores 92.61, podramos asignar pesos de uno, dos y tres, respectivamente,
a esos valores y calcular la media usando la ecuacin (6d):
92.62 2 92.60 3 92.61
d
92.608
1 2 3
Relacin entre el peso y el error estndar
Aplicando la ecuacin (5d), la variacin de
2
za
en la ecuacin (6b)
dza 2
dza 2 dza 2
...
dz1
dz2
dzma
. (6e)
Sustituyendo las derivadas parciales en (6e) tenemos:
za 2
1
1
1
1
1 2
z 2 ... 2 ma 2
m
m
m
m
m
a
a
a
a
a
Finalmente:
1
1
za 2 2
zb 2 2
ma Similarmente:
mb . (6f)
2
a
En las ecuaciones (6f) es una constante, ma y mb se establecen los pesos
respectivamente de za y zb de (6d), y puesto que los pesos relativos, tenemos

entonces de (6d):
1
1
pa
pb
2
z
z 2
a
b
y
(6g)
Conclusin: los pesos son inversamente proporcionales a las variaciones.

6.4 Pesos en la nivelacin y medicin de ngulos
Pesos de nivelacin
Supongamos que una red de nivel tiene con longitudes de l1, l2,, ln, y que los
procedimientos observacionales fuero los mismos por toda la red. Cules son
los pesos relativos para las lneas?
Solucin:
Permtase que S = la desviacin estndar por puesta en estacin del instrumento,
y deje que d= el avance lineal por puesta en estacion. Luego hay l1/d,l2/d, ln/d
puestas en los distintos cursos. Las variaciones de cada uno de los distintos lados
son, elevando al cuadrado la ecuacin (5f):
S12 l1 / d S 2
S 22 l2 / d S 2
.
.
.
.
S n2 ln / d S 2
Por la ecuacin (6g), los pesos son inversamente proporcionales a las variaciones
y ya que son relativos, los pesos de la lnea de nivel son:
p1
1
d
1
2
2
S1 l1S
l1
p2
1
d
1
2
2
S 2 l2 S
l2
pn
1
d
1
2
2
S n ln S
ln
.
.
.
.
Conclusin: los pesos son proporcionales a las variaciones.

6.4 Pesos en la nivelacin y medicin de ngulos
6.4.1 Pesos de nivelacin
Supongamos que una red de nivel tiene lneas con longitudes de 1, 2. ..... n, y
que los procedimientos observacionales fueron los mismos por toda la red.
Cules son los pesos relativos para las lneas?
Solucin:
Permtase que S = la desviacin estndar por puesta en estacin del instrumento,
y deje que d = el avance lineal por puesta en estacin. Luego hay 1/d, 2 /d,
.... n/d puestas en los distintos cursos.
Las variaciones de cada uno de los
distintos lados son, elevando al cuadrado la ecuacin (5f):
s12 ( 1 / d ) s 2
s22 ( 2 / d ) s 2
sn2 ( n / d ) s 2
Por la ecuacin (6g), los pesos son inversamente proporcionales a las variaciones
y ya que son relativos, los pesos de la lnea de nivel son:

p1
p2
1
s1
d
1
2
1s
1
d
1
2
1s
2
d
1
2
ns
n
1
s2
pn
1
sn
Resumiendo, hemos probado que los pesos de las lneas de nivel son
inversamente proporcionales a sus longitudes, y puesto que la longitud es
proporcional al nmero de puestas en estacin los pesos tambin se hallan
inversamente proporcionales al nmero de puestas en estacin.
6.4.2 Pesos en la medicin de ngulos
Digamos que los tres ngulos 1, 2 y 3 en un tringulo plano se miden n1, n2 y
n3 veces con el mismo instrumento. Cules son los pesos relativos de los
ngulos?
Solucin:
Permita que S sea la desviacin estndar de una sola medicin de ngulo. Las
medias de cada uno de los tres ngulos son:
n1
; 2
n2
; 3
n3
Y las variaciones de los promedios, segn dadas al elevar al cuadrado la

ecuacin (5g) son:
s21 (
1 2 2
1
1
) s ; s 2 ( ) s 2 ; s2 3 ( ) s 2
n1
n2
n3
Una vez ms, puesto que los pesos son inversamente proporcionales a las
variaciones y relativos, los pesos de los 3 ngulos son:
p1
p2
p3
n1
n1
s2
n2
n2
s2
n3
1
( s 1 )
1
( s 2 )
1
( s 3 )
s2
n3
Resumiendo, hemos probado que los pesos de ngulos son proporcionales al

nmero de veces que se midan los ngulos (asumiendo condiciones iguales).
6.5 Ejemplo numrico:

Digamos que para el croquis de un circuito de nivel, las longitudes de las lneas 1,
2 y 3, son 2, 3 y 4 millas, respectivamente. Si las diferencias observadas en
elevacin son + 21.20, + 21.23 y + 21.29, respectivamente, para las lneas 1, 2 y
3, hllese la ms probable (media ponderada) elevacin para BMX.
BMA = 100.00
BMX
Circuito de nivel
Solucin:
Del
Artculo 6.4.1, los pesos de las lneas de nivel son inversamente
proporcionales a sus longitudes. Por tanto, los pesos de las lneas 1, 2 y 3 son
1/2, 1/3 y 1/4, respectivamente. Puesto que los pesos son relativos,
arbitrariamente multiplicamos estas fracciones por 12 para obtener pesos de 6, 4 y
3, respectivamente.
(Ntese que si se hubieran desatendido los pesos, el promedio simple sera
+21.240).
6.6
6.6.1
Errores estndar de las observaciones ponderadas

Error estndar del peso unitario
Por definicin, se dice que una observacin tiene un peso p, donde p es un entero,
cuando su precisin iguala la precisin de la media de observaciones p de peso
unitario. Djese que 0 sea el error estndar de una observacin de peso unitario.
Si y1, y2, yn son observaciones que tienen errores estndar 1, 2, n,
y pesos p1, p2, ...... pn, entonces conforme a la definicin anterior, de la ecuacin
(5g) tenemos:
0
p1
; 2
0
p2
;......, n
(6h)
p n1
En el artculo 4.2, definimos el error estndar de una sola observacin de un

grupo de observaciones de igual peso, como:
Ahora bien, en el caso cuando las observaciones no son de igual peso, debemos
modificar la ecuacin anterior para calcular el error estndar del peso unitario, a
saber:
p1 x1 p 2 x 2 ..... p n x n
n
2
px
n
(6i)
Y una vez modificada para la desviacin estndar del peso unitario tenemos:
p1 v1 p 2 v 2 ..... p n x n
n 1
2
s0
6.6.2
pv
(6j)
n 1
Error estndar del peso p y error estndar de la media ponderada
La relacin entre el error estndar del peso unitario y el error estndar del peso p
se dio en la ecuacin (6h). Combinando esa ecuacin con (6i), pueden obtenerse
ecuaciones para errores estndar del peso p en trminos de S0 como sigue:
px 2 1
px 2
0
1
; 1
*
p
n
np1
p1
1
0
p2
; 2
px
*
p
2
px
*
p
n
px
(6k)
np 2
0
p1
; n
px
n
np n
Semejantemente, las desviaciones estndar del peso p pueden expresarse como:
s1
pv
p1 ( n 1)
;s 2
pv
p 2 ( n 1)
....; s n
pv
p n ( n 1)
(6l)
Finalmente, el error estndar de la media ponderada puede calcularse como:
px
pn
(6m)
Y la desviacin estndar de la media ponderada es:
sM
pv
p(n 1)
6.6.3
Ejemplos numricos
(6n)
Ejemplo 1:
Suponiendo que una distancia se midi como 625.79 pies por barra subtensa y se
le dio un peso de 1,
Se midi otra vez como 625.71 pies usando una
cinta y se le asign un peso de 2; la tercera medicin fue + 625.69 pies por
EDME (equipo electrnico para medir distancias) y recibi un peso de 4. Calcular
el VMP de la longitud (media ponderada) y determinar desviacin estndar de la
media ponderada.
a) Por la ecuacin (6d) la media ponderada es:
M
pz (625 .79) 2(625 .71) 4(625 .69) 625 .71

1 2 4
p
b) Por la ecuacin (6n) la desviacin estndar de la media ponderada es:
pv
p(n 1)
2
sM
Donde:
0.0080
0.024
7 ( 2)
v1 625 .71 625 .79 0.08; p1v1 1( 0.08) 2 0.0064

2
v 2 625 .71 625 .71 0.00; p 2 v 2 2( 0.00 ) 2 0.0000

2
v3 625 .71 625 .69 0.02; p 3 v3 4(0.02) 2 0.0016

2
Ejemplo 2:
En la nivelacin desde BMA hasta BMB, se tomaron cuatro diferentes rutas de
distintas longitudes. Se obtuvieron los datos siguientes:
Ruta
1
2
3
4
Longitud(mi.)
1
2
3
4
Elevacin
25,25
25,41
25,38
25,3
a. Hallar la media
(el VMP para la elevacin ):
Por la ecuacin (6d):
P
12
6
4
3
=25
12( 25.25) 6( 25.41 4( 25.38) 3( 25.30)

25
M 25.315
M
Hallar las desviaciones estndar de los pesos varios:

Tabulando los residuales de los datos anteriores, tenemos,
Ruta
1
2
3
4
P
12
6
4
3
v
-0,065
0,095
0,065
-0,015
v2
0,00422
0,00902
0,00422
0,00022
pv2
0,0506
0,0541
0,0168
0,0007
0,1222
ponderada
1. Desviacin estndar de la media ponderada por la ecuacin (6j)

s0
0.1222
0.201
3
2. Desviacin estndar de la media ponderada por la ecuacin (6n)
sM
0.1222
0.040
( 25)3
3. Desviaciones estndar de los pesos 12, 6, 4 y 3 por la ecuacin (6l).

s12
0.1222
0.058
12 (3)
s6
0.1222
0.082
6(3)
s4
0.1222
0.101
4(3)
s3
0.1222
0.117
3(3)

1) Se midi un ngulo dando 49 27' 20", usando un transito y tena una desviacin estndar de + 15". Se midi otra vez usando un trnsito ptico repetidor
que dio 49 27' 24" con una desviacin estndar de +/- 6". Por tercera vez se
midi con un teodolito direccional dando 49 7' 27" con una desviacin estndar
de +/-2". Calcular el VMP (media ponderada) del ngulo y la desviacin estndar
de la media ponderada. (Recurdese que los son pesos inversamente
proporcionales a los cuadrados de las desviaciones estndar).
2) Los tres ngulos en un tringulo plano se miden como sigue:
Angulo Numero de red
Valor
A
B
C
14 25' 20"
58 16' 00"
107 19' 10"
2
3
6
El mejor valor del ngulo A es:

3) Se efecta un circuito de nivel de BM 10 a BM 11 con 5 puestas en estacin;
luego desde BM 11 hasta BM 12 con 12 puestas; y de BM 12 a BM 13 con 3
puestas obteniendo los resultados siguientes:
BM
Meas. Elev.
11
12
440.98 ft.
464.25 ft. La elevacin fija
482.23 ft, de BM 13 es 482.10
pies
13
Hallar el valor corregido de la elevacin de BM 12.
CAPITULO 7
PRINCIPIOS DE LOS MNIMOS CUADRADOS
7.1 El principio fundamental de los mnimos cuadrados no ponderados.
En el Artculo 4.2.4, se declar la condicin fundamental de los mnimos
cuadrados; i. e., que el VMP era aquella cantidad, que haca de la suma de los
cuadrados de los residuales un mnimo. Vamos a probar esta condicin
considerando un caso especfico. Supngase que uno obtiene z1, z2 ., zn, como
n valores independientemente medidos de la misma cantidad. Vamos a designar
M como el VMP y luego por definicin:
z1 M V1
z 2 M V2
(7a)
z n M Vn
Puesto que las v y x se comportan de la misma manera, pueden usarse

intercambiablemente en la ecuacin (4d). Sustituyendo la v con la x en (4d),
resulta:
he h
2 2
Ke h
h2v 2
donde :
K
Las probabilidades se representan por reas bajo la curva de distribucin normal

(CDN), segn se discuti en el Artculo 4.3; por ende, las probabilidades
individuales de la ocurrencia de los residuales v1, v2 ....., vn, se obtienen
multiplicando sus respectivas ordenadas y1, y2, .. yn, Por algn incremento
infinitesimal v, y as:
p1 y1v Ke h
p2 y2 v Ke h
v1
v
2
v2
v1 n 2
pn yn v Ke h
Por la ecuacin (4c). La probabilidad P de Ia ocurrencia simultanea de todos los

residuales v1, v2., es el producto de las probabilidades individuales; por eso:
P ( Ke h v1 v)( Ke h v2 v)....( Ke h vn v)
2
Reduciendo
P K (v) n e h
( v1 2 v 2 2 ...v n 2 )
(7b)
M es la cantidad variable que ha de seleccionarse de tal manera que tenga la

mayor probabilidad; por tanto, el valor de P tiene que maximizarse. Para
maximizar la probabilidad P en la ecuacin (7b), se ve que debido al exponente
negativo, la funcin se maximiza cuando la cantidad (v1 2 + v22 +.. vn2 v) se
minimiza. En otras palabras, para maximizar P, debemos minimizar la suma de los
cuadrados de los residuales. La ecuacin siguiente expresa este principio
fundamental de los mnimos cuadrados:
(v1 v2 .... vn ) min imo

2
(7c)
La condicin declarada en la ecuacin (7c) se refuerza tomando la mera derivada

de la funcin con respecto a la variable M, y estableciendo el resultado igual a
cero. Sustituyendo las (7a) en (7c), tenemos:
( z1 M ) 2 ( z2 M ) 2 ..... ( zn M ) 2
(7d)
Tomando la derivada d/dM de la (7d) y establecindola igual a cero, tenemos:
d ( v 2 )
dM
0 2( z1 M )( 1) 2( z2 M )( 1) .... 2( z n M )( 1)
Reduciendo:
z1 M z2 M .... zn M 0
nM z1 z2 .... zn
(7e)
M ( z1 z2 .... zn ) / n
La ecuacin (7e) indica que el VMP para una cantidad que ha sido
independientemente observada varias veces, es sencillamente la media aritmtica.
En el proceso de esta prueba, se desarroll el principio fundamental del ajuste de
mnimos cuadrados: que el VMP hace de la suma de los cuadrados de los
residuales un mnimo.
7.2 Principio fundamental de los mnimos cuadrados ponderados

En el Artculo 7.1, se desarroll el principio fundamental del ajuste de los mnimos
cuadrados no ponderados para las observaciones de pesos iguales o unitarios.
El caso ms general del ajuste de mnimos cuadrados toma en cuenta las
observaciones que tienen diferentes grados de precisin y por ende, pesos
diferentes.
.
Supngase que tenemos un juego de mediciones z1, z2, ...... zn, que tienen
pesos relativos p1, p2 ... pn, y residuales v1, v2, ...... vn. Vamos a denotar al
VMP como M. Como en el Artculo 7.1, los residuales estn
relacionados
con las observaciones a travs de la ecuacin (7a) y la probabilidad total P de la
ocurrencia simultnea de estos residuales se da en la ecuacin (7b). No
obstante, ntese de la ecuacin (4m) que h 2 = l/22, y puesto que los pesos son
inversamente proporcionales
a las variaciones, ellos son directamente
proporcionales a h2. Por tanto, la (7b) puede reescribirse como:
P k n v n e( p1v1
p 2 v 2 2 .... p n v n 2 )
Para maximizar P debemos minimizar el exponente negativo de e que est dentro

de los parntesis. Dicho en palabras, la suma del producto de los pesos
multiplicada por sus respectivos residuales elevados al cuadrado tiene que

minimizarse, y esta es la condicin que debe imponerse en el ajuste de mnimos
cuadrados ponderados. Esta condicin del ajuste en forma ecuacional es:
p1v1 p2v2 ..... pn vn pv 2 min imo
2
(7f)
Sustituyendo en la (7f), los valores para los residuales dados en (7a), tenemos:
p1 ( z M ) 2 p2 ( z2 M ) 2 .... pn ( zn M ) 2 Minimo
Se impone la condicin mnima diferenciando la ecuacin anterior y estableciendo

el resultado igual a cero, segn:
0 2 p1 ( z M ) 2 (1) 2 p2 ( z2 M )2 (1) ....2 pn ( zn M ) 2 (1)
Multiplicando a travs de las ecuaciones anteriores por -1/2,

tenemos:
p1 ( z M ) 2 p2 ( z2 M ) 2 .... pn ( zn M ) 2 0
pz pM ;
Y de la cual:
pz
p
(7g)
La ecuacin (7g) es una repeticin de (6d) que da el me todo para computar la

media ponderada.
7.3 Ecuaciones de observacin
Las ecuaciones que relacionan las cantidades medidas con sus errores
observacionales residuales y con parmetros independientes y desconocidos, se
llaman ecuaciones de observacin. Una tal ecuacin se escribe para cada
observacin. Para una solucin singular de las incgnitas, el nmero de
ecuaciones debe ser igual al nmero de incgnitas. En el caso normal hay ms
ecuaciones que incgnitas, lo que permite la determinacin de los VMP de las
incgnitas, basndose en los principios de mnimos cuadrados.
7.3.1 Ejemplo elemental del ajuste de la ecuacin de observacin.
Como ejemplo elemental del ajuste de mnimos cuadrados por el mtodo de la
ecuacin de observacin, considrense las tres siguientes ecuaciones de
observacin:
1) x y 3.0
2 ) 2 x y 1 .5
(7h)
3) x y 0.2
Estas tres ecuaciones relacionan las dos incgnitas x y y, con las cantidades
observadas. Los valores para x y y podran obtenerse de cualquiera de dos de
esas ecuaciones, para que la ecuacin restante fuera redundante. Ntese que
si las dos primeras ecuaciones de (7h) se resuelven, x=1.5 y y=1.5. Sin embargo,
si se resuelven las dos ltimas ecuaciones, x=1.3 y y=1.1 Adems, si se
resuelven la primera y ltima ecuaciones, x. = 1,6 y y = 1,4. Estas tres ecuaciones
han sido escritas como resultado de mediciones y se hace aparente que de esas
discrepancias observadas, las mediciones contienen errores. Tales ecuaciones
pueden, reescribirse como sigue:
4) x y 3.0 v1
5) 2 x y 1.5 v2
(7i)
6) x y 0.2 v3
Las ecuaciones (7i) relacionan las incgnitas con las ecuacones y con los errores
en las observaciones. Obviamente es posible seleccionar valores de v1, v2, y v3
que producirn los mismos valores y y, no importa el par de ecuaciones resuelto.
A fin de obtener estabilidades por todas las ecuaciones, podramos dejar que v1 =
0, v2 = 0, y v3= -0.2. Luego x = 1.5 y y= 1.5, no importa el par de ecuaciones
resuelto. Esto parece ser una solucin bastante buena.
Se pueden tener otros valores para las v, que harn suma de sus cuadrados un
valor ms pequeo. De hecho, la solucin que la suma de los cuadrados de
las v un mnimo, produce los valores x y probables y se llama la solucin de
mnimos cuadrados.
Para llegar a la solucin de mnimos cuadrados, se elevan cuadrado las
ecuaciones para los residuales y estas expresiones se suman juntas para dar una
funcin f(x,y) = Ev2, como sigue:
v1 ( x y 3.0) 2
2
v2 ( 2 x y 1.5) 2
2
(7j)
v3 ( x y 0.2) 2
2
Sumando estas ecuaciones para formar v2, obtenemos:
( x y 3.0) 2 (2 x y 1.5) 2
(7k)
Luego se toman las derivadas parciales de esta funcin con respecto a cada
incgnita, y se establecen igual a cero. Entonces resultar una ecuacin para cada
incgnita, como:
v2
0 2( x y 3.0) 2( 2 x y 1.5) 2( x y 0.2)

(7k)
x
Estas anteriores ecuaciones se llaman ecuaciones normales. Estableciendo los
diferenciales iguales a cero es el medio de minimizar una funcin, como
recordarn del clculo elemental. Tales ecuaciones normales se resuelven
simultneamente para cada incgnita. Las ecuaciones normales reducidas para
estas tres ecuaciones de observacin son como sigue:
1)6 x 2 y 6.2 0
2 ) 2 x 3 y 1 .3 0
(7l)
Resolviendo simultneamente estas ecuaciones normales produce:

x = 1.514
y y = 1,442. Vamos a comparar los resultados de la solucin
aproximada con esta solucin de mnimos cuadrados.
Solucin aproximada
Solucin por mnimos cuadrados
v1=0
v2=0
v3=0,2
v1 = -0,44
v2 = 0,086
v3 = -0,128
v1=0
v2=0
v3=0,4
v2 = 0,4
v1 = 0,002
v2 = 0,007
v3 = 0,016
v2 = 0,25
Una comparacin de la suma de los cuadrados de los residuales les indica que la
solucin de mnimos cuadrados produce el total ms pequeo; por ende, esto
resultara en un mejor ajuste; de hecho, es el mejor ajuste posible.
7.4 Formulacin sistemtica de las ecuaciones normales
En grandes sistemas de ecuaciones de observacin, es muy til emplear
procedimientos sistemticos para formular las ecuaciones nrmale! A fin de
desarrollar tales procedimientos, consideremos el sistema siguiente de ecuaciones
lineales de observacin de igual peso:
a1 A b1 B c1C ..... n1 N L1 v1
a2 A b2 B c2C ..... n2 N L2 v2
(7m)
am A bm B cmC ..... nm N Lm vm
Los cuadrados de los residuales son:

v1 ( a1 A b1B c1C ..... n1 N L1 )
2
v2 ( a2 A b2 B c2C ..... n2 N L2 )
2
(7n)
v1 ( am A bm B cmC ..... nm N Lm )
2
De lo cual la ecuacin v2 que expresa la condicin de mnimos grados de igual

peso, se forma como sigue:
a1 A b1B c1C ...n1 N L1 a2 A b2 B c2C ...n2 N L2 ........

2
am A bm B cmC ...nm N Lm
(7p)
Las ecuaciones normales se forman como siempre tomando las
parciales:
derivadas
v2
0 2a1 A b1 B c1C ...n1 N L1 a1 2a2 A b2 B c2C ...n2 N L2 a2 ........

A
2am A bm B cmC ...nm N Lm am
v2
0 2a1 A b1 B c1C ...n1 N L1 b1 2a2 A b2 B c2C ...n2 N L2 b2 ........

B
2am A bm B cmC ...nm N Lm bm
v2
0 2a1 A b1 B c1C ...n1 N L1 c1 2a2 A b2 B c2C ...n2 N L2 c2 ........

C
2am A bm B cmC ...nm N Lm cm
v2
0 2a1 A b1 B c1C ...n1 N L1 n1 2a2 A b2 B c2C ...n2 N L2 n2 ........

N
2am A bm B cmC ...nm N Lm nm
(7q)
Multiplicando a travs de cada una de las ecuaciones anteriores por 1/2, se
elimina de la constante 2. Las ecuaciones (7q ) son las normales. Vamos a
reordenar el orden de sus trminos como sigue:
a n a n ..... a n N a L a L ..... a L
0 b a b a ..... b a A b b ..... b B b c b c ..... b c C ...
b n b n ..... b n N b L b L ..... b L
0 c a c a ..... c a A c b c b ..... c b B c c ..... c C ....
c n c n ..... c n N c L c L ..... c L
0 a1 a 2 ..... a m A a1b1 a 2 b2 ..... a m bm B a1c1 a 2 c 2 ..... a m c m C ...
2
1 1
1 1
1 1
1 1
2 2
1 1
1 1
1 1
2 2
m m
m m
0 n1 a1 n 2 a 2 ..... n m a m A n1b1 n 2 b2 ..... n m bm B n1c1 n 2 c 2 ..... n m c m C ...
n
1
n 2 ..... n m N n1 L1 n 2 L2 ..... n m Lm
2
(7r)
Pueden ahora formularse ecuaciones generalizadas expresando las ecuaciones
normales (7r) como:
aa A ab B ac C ...........an N aL
ba A bb B bc C ...........bn N bL
ca A cb B cc C ...........cn N cL
(7s)
na A nb B nc C ...........nn N nL
En este sistema de ecuaciones (7s), las a, b, c, .... n, son los coeficientes de las
incgnitas A, B, C, .... N; L es el trmino constante y el smbolo ( significa la
suma de los productos).
Asimismo, puede probarse matemticamente que las ecuaciones normales se
pueden formar sistemticamente de ecuaciones de observacin ponderadas de la
manera siguiente:
paa A pab B pac C ........... pan N paL
pba A pbb B pbc C ........... pbn N pbL
pca A pcb B pcc C ........... pcn N pcL
(7t)
pna A pnb B pnc C ........... pnn N pnL
En las ecuaciones (7t) los trminos son los mismos segn descritos arriba para las
ecuaciones (7s), con la adicin de las p que son los pesos relativos de las
observaciones.
7.5
Formacin tabular de las ecuaciones normales
La formulacin de las ecuaciones normales de las ecuaciones de observacin

puede sistematizarse adicionalmente, mediante la manipulacin de los sistemas
de las ecuaciones (7s) y (7t) en una solucin tabular. De esta manera, se
maneja fcilmente la gran cantidad de nmeros. Una ventaja de este enfoque
sistemtico en la formulacin de ecuaciones normales, es que se evita la toma
de derivadas parciales. Abajo se ilustra la formulacin tabular sistemtica de las
ecuaciones normales para el ejemplo previo del Artculo 7.3.1. Primeramente,
para hacer las ecuaciones (7j) compatibles con la forma generalizada de las
ecuaciones (7m), ellas se reescriben como sigue
x y 3 .0 v
2 x y 1 . 5 v2
(7u)
x y 0.2 v3
En las ecuaciones (7u), hay dos incgnitas, A y B. Los trminos a1, b1 y L1 en la

primera ecuacin son +1, +1 y +3.0, respectivamente. Los trminos a2, b2 y L2 en
la segunda ecuacin son +2, -1 y +1.5, respectivamente, y los trminos a3, b3 y L3
en la tercera ecuacin son +1, -1 y +0.2,respectivamente. Colocando estos
trminos en la siguiente forma tabular se obtienen sistemticamente las
ecuaciones normales como sigue:
Tabla 7.1 Formacin tabular de ecuaciones normales
Equn
1
2
3
a
1
2
1
b
1
-1
-1
L
3
1,5
0,2
aa
1
4
1
[aa]
6
ab
1
-2
-1
[ab]
-2
bb
1
1
1
[bb]
3
aL
3
3
0,2
[aL]
6,2
bL
3
-1,5
-0,2
[bL]
1,3
Sustituyendo los trminos apropiados para [aa], [ab], [bb], [aL] y [bL] de la Tabla
7.1 en las ecuaciones (7s), se obtienen las siguientes ecuaciones normales:
6 x 2 y 6 .2
2 x 3 y 1 .3
(7v)
Ntese que las ecuaciones (7v) son exactamente iguales a las (7l).
Se advierte basndose en estudios previos, que el nmero de ecuaciones
normales en un ajuste de mnimos cuadrados es igual al nmero de incgnitas que
han de ser ajustadas. Tratando con grandes sistemas de ajuste conteniendo
muchas incgnitas, resultara en un gran nmero de ecuaciones normales, por lo
que la solucin simultnea de las ecuaciones plantea un problema bastante
formidable. Tales ecuaciones pueden resolverse por mtodos matriciales segn el
Captulo 2, o por eliminacin gaussiana segn el Captulo 3.
1) Considerando que las siguientes observaciones son de igual peso, calcular
los VMP de A y B en las ecuaciones de observacin a continuacin, mtodo de
mnimos cuadrados no ponderados: (Usar el mtodo tabular para formar las
ecuaciones normales).
a ) A 2 B 16.0 v
b) 2 A 3B 12.5 v2
c ) 2 A B 0.5 v3
2) Si las observaciones de las ecuaciones a, b y c en el problema No. 1

tienen pesos de 2, 3 y 1, respectivamente, resolver para los VMP de A y B
mediante el mtodo de mnimos cuadrados ponderados. (Usar el mtodo
tabular para formar las ecuaciones normales).
CAPITULO 8
AJUSTE DE REDES DE NIVEL
8.1 Introduccin
Ahora se considerar la aplicacin del mtodo de mnimos cuadrados por
ecuaciones de observacin al problema del ajuste del circuito de nivel. En el
Artculo 7.1 , se desarrollo la condicin de mnimos cuadrados para calcular el
VMP de un grupo de observaciones directas de la misma cantidad. En el ajuste de
circuitos de nivel , se trata con un grupo de observaciones directas que no es todo
de la misma cantidad, sino ms bien cada observacin representa la medicin de
la diferencia en elevacin de una lnea separada del circuito de nivel. No obstante,
tales observaciones se tratan de la misma manera y las correcciones buscadas
son aqullas que producen la ms alta probabilidad de su ocurrencia simultnea
en el circuito de nivel.
8.2 Ejemplo considerando pesos iguales
Considrese ahora un ejemplo especfico de un circuito de nivel, cuyo croquis y
datos del levantamiento se muestran en la Fig. 8.1. -En dicho ejemplo, se asumir
que cada observacin es de igual peso. Ms tarde se considerar el concepto de
las observaciones de peso relativo. En la figura las flechas indican la direccin de
la nivelacin. Por lo tanto para la lnea No. 1, la nivelacin procedi desde BMX
hasta A y la diferencia observada en elevacin fue de 5,10 pies.
Fig. 8.1
Circuito de nivel entrelazado
Lnea No
Diferencia
observada
en elevacin
1
2
3
4
5
6
7
5,1
2,34
-1,25
-6,13
-0,68
-3
1,7
Primero se escriben las ecuaciones de observacin que relacionan cada

medicin de la diferencia en elevacin de una lnea con los VMP para las
elevaciones desconocidas A, B y C, y con los errores residuales en las
mediciones, como:
A BMX 5.10 v1
BMY A 2.34 v2
C BMY 1.25 v3
BMX C 6.13 v4
(8a)
B A 0.68 v5
B BMY 3.00 v6
C B 1.70 v7
Reordenando para colocar los residuales al lado izquierdo d las ecuaciones,

sustituyendo los valores de BMX y BMY y elevando al cuadrado los residuales,
resulta:
v12 ( A 105 .10 ) 2
v 22 (105 .10 A) 2
v 32 (C 106 .25) 2
(8b)
v 42 (106 .13 C ) 2
v 52 ( B A 0.68) 2
v 62 ( B 104 .50 ) 2
v 72 (C B 1.70 ) 2
Ahora se escribe la funcin F(v) que expresa la condicin de mnimos cuadrados:

F (v ) v12 v 22 ....v 72 min imo
Sustituyendo en la ecuacin anterior los valores para los "residuales elevados al

cuadrado de las ecuaciones (8b), se obtiene la funcin siguiente:
F (v ) ( A 105 .10 ) 2 (105 .16 A) 2 (C 106 .25) 2 (106 .13 C ) 2 ( B A 0.68) 2
( B 104 .50 ) 2 (C B 1.70 ) 2 min imo
Tomando las derivadas parciales de la funcin anterior con respeto a cada

incgnita y estableciendo los resultados igual a cero, resultan tres siguientes
ecuaciones normales, una para cada incgnita:
F
2( A 105.10) 2(105.16 A) 2( B A 0.68) 0
A
F
2( B A 0.68) 2( B 104.5) 2(C B 1.70) 0
B
F
2(C 106.25) 2(106.13 C ) 2(C B 1.70) 0
C
Reduciendo las anteriores ecuaciones normales, se produce:

3 A B 210 .94
A 3B C 102 .12
B 3C 214 .08
Al
resolver simultneamente las tres ecuaciones normales reducidas
anteriores, se producen las siguientes elevaciones ajustadas de las
Incgnitas:
A = 105.14
B = 104.48
C = 106.19
8.3
Ejemplo considerando los pesos
Ahora se introduce el concepto de las observaciones ponderadas. En el

Artculo 6.4, se dedujo que los pesos relativos de las lneas de nivel son
inversamente proporcionales a sus longitudes. El efecto de los pesos relativos
sobre las observaciones puede introducirse en el ajuste, multiplicando las
ecuaciones de observacin por los correspondientes pesos relativos de las
observaciones respectivas.
La condicin que debe ser satisfecha en el ajuste" por mnimos cuadrados de las
observaciones ponderadas, es que la suma de los pesos relativos multiplicada por
los residuales elevados al cuadrado, (pv2) sea un mnimo. Esta condicin puede
escribirse en forma ecuacional como:

p1v1 p 2 v 2 ..... p m v m min imo
2
(8c)
donde las p son los pesos relativos de las observaciones.

Se ilustra la aplicacin del mtodo del ajuste por mnimos cuadrados
ponderados de un circuito de nivel suponiendo longitudes variables para la
ilustracin previa. Se dan en la Tabla 8.1 las siguientes longitudes para las
lneas del circuito de nivel, as como tambin los resultantes pesos relativos
correspondientes.
Tabla 8. 1
Lnea
Longitud
Peso
relativo
1
2
4
3
3
4
4
5
6
7
3
2
2
2
4
6
6
6
Los pesos relativos en la columna a la derecha se obtuvieron invirtiendo

todas las longitudes de lnea en forma fraccional 1/longitud. Para mayor
conveniencia, esas fracciones pueden multiplicarse por cualquier constante {se
us 12 en este ejemplo), para obtener pesos relativos ms convenientes.
Ahora estn formadas las ecuaciones de observacin como en el
ejemplo previo de igual peso, excepto que en el caso ponderado cada
ecuacin de observacin se multiplica por su correspondiente peso relativo
como:
p1 A p1 ( BMX 5.10 v1 )
p 2 BMY p 2 ( A 2.34 v 2 )
p 3 C p 3 ( BMY 14.25 v3 )
p 4 BMX p 4 (C 6.13 v 4 )
p 5 B p 5 ( A 0.68 v5 )
p 6 B p 6 ( BMY 3.00 v 6 )
p 7 B p 7 ( B 1.70 v 7 )
Reordenando para colocar las pv al

lado Izquierdo de las ecuaciones,
sustituyendo los valores de BMX y BMY, y elevando al cuadrado los residuales,
resulta en:
2
p 1 v1 3( A 105.10) 2
p 2 v 2 4(105.16 A) 2
2
p 3 v3 6(C 106.25) 2
2
p 4 v 4 4(106.13 C ) 2
2
(8d)
p 5 v5 6( B A 0.68) 2
2
p 6 v 6 6( B 104.50) 2
2
p 7 v 7 6(C B 1.70) 2
2
Ahora se escribe la funcin F(v) que expresa la condicin de los mnimos

cuadrados ponderados como:
F (v) p1v1 p 2 v 2 ...... p 7 v7 min imo
2
(8e)
Sustituyendo las ecuaciones (8d) en la (8e) y tomando las derivadas

parciales con respecto a cada una de las incgnitas A, B y C, resultan las tres
siguientes ecuaciones normales:
F
2 * 3( A 105.10) 2 * 4(105.16 A) 2 * 6( B A 0.68) 0
A
F
2 * 6( B A 0.68) 2 * 6( B 104.50) 2 * 6(C B 1.70) 0
B
F
2 * 6(C 106.25) 2 * 4(106.13 C ) 2 * 6(C B 1.70) 0
C
Reduciendo las ecuaciones anteriores, tenernos:
13A - 6B = 740.02
-A + 3B - C = 102.12
-3B + 8C = 536.11
Resolviendo simultneamente las tres anteriores ecuaciones normales reducidas,

produce las siguientes elevaciones ajustadas ponderadas de las incgnitas:
A = 105.15
B = 104.49
C = 106.20
Debe notarse que estos valores ajustados difieren ligeramente de los valores
ajustados obtenidos mediante el ajuste de igual peso. Esto ilustra el efecto de
los pesos relativos sobre los resultados del ajuste, y aunque la diferencia en
los valores ajustados por ambos procedimientos es sutil, se puede concluir que
para los circuitos precisos de nivel es tanto lgico como prudente efectuar el
ajuste ponderado.
8.4 Formacin tabular de ecuaciones normales para el ejemplo de la red de

nivel ponderada.
La Tabla 8.2 ilustra el procedimiento de la formacin de ecuaciones normales
para el ejemplo de la red ponderada, usando el enfoque tabular. Para concordar
con las ecuaciones (7m), las (8a) se reescriben como sigue:
1) A
2) - A
3)
= 105.10 + v1
= -105.16 + v2
C = 106.25 + v3
4)
-C
5) -A + B
6)
B
7)
-B + C
= -106.13 + v4
= -0.68 + v5
= 104.50 + v6
= 1.70 + v7
(8f)
En este ejemplo hay tres incgnitas. A. B y C. Cuando no aparece una incgnita

en una ecuacin, su coeficiente es cero. Los datos anotados en la tabla se toman
de las ecuaciones (8f), excepto para los pesos que se toman de la Tabla (8,1). En
la primera ecuacin los trminos son a1=1, b1 y c 1 son ceros, p1 es 3 y L1 =
105.10. En la segunda ecuacin a2 es = -1 , b2 y C2 son cero, p2 es 4, y L2 es
105.16, etc.
Las ecuaciones normales se forman colocando las sumas apropiadas de la Tabla
8.1 en las ecuaciones generalizadas (7m).
Tarea autodidctica No 8
1)
En el croquis del circuito de nivel, calcular as elevaciones ms probables
para BM1 y BM2. Todas las lneas son de igual longitud y, por tanto, se aplica el
procedimiento de mnimos cuadrados de igual peso. Los valores observados se
dan en la tabla adjunta. Usar una solucin tabular para formular las ecuaciones
normales.
A=100.00
A=101.00
(2)
(1)
BM1
(3)
BM1
(4)
(5)
A=102.00
A=103.00
Lnea
Longitud
Difer.
elevacin
Lnea
Difer.
elevacin
1
2
3
4
5
1
0,08
0,92
-1
0,08
1
2
3
4
5
6
4
4
2
2
1
3
+1.05
-0.95
+2.10
-1.95
+0.10
+0.05
2) Para el croquis del circuito de nivel, calcular

las elevaciones ms probables para x1, x2 y x3.
Se brindan en la tabla adjunta los valores
observados y las longitudes de lneas. Aplicar
los pesos apropiados en los cmputos. Usar de
nuevo el mtodo tabular para formular las
ecuaciones normales.
A=10
(5)
x3
(4)
(6)
x2
(1
(3)
A=101.00
CAPITULO 9
METODOS MATRICIALES PARA EL AJUSTE DE MINIMOS CUADRADOS
9.1 Ecuaciones matriciales para las ecuaciones de observacin no

ponderadas
En el Artculo 7.4 se present un mtodo sistemtico para formar ecuaciones
normales de ecuaciones de observacin. Ahora vamos a representar un juego de
ecuaciones de observacin no ponderadas tal como (7m), en forma matricial:
m
Am n X 1 n L1 n V1
(9a)
donde:
a1
a
2
A=
a m
L1
L
2
L3
L =
.
.

Lm
b1
c1
b2
c2
.
.
.
bm
cm
n1
n2
n m
A
B

C
X =
.
.

N
V1
V
2
V3
V =
.
.

V m
Al estudiar la siguiente representacin matricial, se notar que las ecuaciones

normales (7s) se obtienen como sigue:
AT A X = AT L
(9b)
En la ecuacin anterior, AT A es la matriz de los coeficientes de la ecuacin normal

de las incgnitas.
Premultiplicando ambos lados de la ecuacin (9b) por (ATA)-1 tenemos:
(AT A) -1 (AT A) X = (AT A) -1 AT L
I X = (AT A) -1 AT L
X = (AT A) -1 AT L
(9c)
La ecuacin (9c) es la ecuacin matricial bsica para el ajuste de mnimos
cuadrados no ponderados.
9.2
Ejemplo numrico de ecuaciones de observacin no ponderadas
Para ilustrar el procedimiento matricial de mnimos cuadrados, vamos a calcular

el ejemplo no ponderado del Artculo 8.2.
A. Reescribiendo las ecuaciones de observacin (8a) de forma compatible con
la (9a), tenemos:
A = 105.10 + v1
A = 105.16 + v2
C = 106.25 + v3
C = 106.13 + v4
A - B = 0.68 + v5
B = 104.5 + v6
B - C = -1.70 + v7
B.
. .
'
Estas ecuaciones de observacin en forma matricial son:
7
Donde:
A3 3 X 1 7 L1 7 V1
0
1 0
1 0
0
0 0
1
A = 0 0
1
1 1 0
0
0 1
0 1 1
A
X = B ;
C
105 .10
105 .16
106 .25
L = 106 .13 ;
0.68
104 .50
1.70
v1
v
2
v3

V = v 4
v5

v 6
v
7
C. La solucin matricial para los VMP es:

0
1 0
1 0
0
0 0
1
1 1 0 0 1 0 0
3 1 0
AT A = 0 0 0 0 1 1 1 * 0 0
1 = 1 3 1
1 1 0
0 0 1 1 0 0 1
0 1 3
0
0 1
0 1 1
Ntese que estos elementos matriciales son los coeficientes de las ecuaciones
normales. Vase el Artculo 8.2.
8 3 1
1
3 9 3
(AT A)-1 =
21
1 3 8
105 .10
105 .16
106 .25
1 1 0 0 1 0 0
210 .94
AT L = 0 0 0 0 1 1 1 * 106 .13 = 102 .12

0.68
0 0 1 1 0 0 1
214 .08
104 .50
1.70
Ntese que stos son los trminos constantes de las ecuaciones normales.
D.
Finalmente, se calculan los VMP.
X=
(AT
A) -1
AT
8 3 1
210 .94
105 .14
1
3 9 3 * 102 .12 = 104 .48

L=
21
214 .08
1 3 8
106 .19
Un resumen de elevaciones ajustadas de cota fija es:

A = 105.14
B = 104.48
C = 106.19
E.
Solucin para los residuales
Reordenando la ecuacin (9a), V = AX - L
0
1 0
105 .14
1 0
105 .14
0
0 0
106 .19
1
105 .14
A X = 0 0
1 * 104 .48 = 106 .19
1 1 0
0.66
106 .19
0
0 1
104 .48
0 1 1
1.71
105 .14
105 .10
0.04
105 .14
105 .16
0.02
106 .19
106 .25
0.06
V = A X L = 106 .19 - 106 .13 = 0.06

0.66
0.68
0.02
104 .48
104 .50
0.02
1.71
1.70
0.01
9.3 Mtodos matriciales para las ecuaciones de observacin ponderadas

Vamos a considerar el siguiente sistema de ecuaciones de observacin
ponderadas:
P1 ( a1 A b1 B .... n1 N ) P1 ( L1 v1 )
P2 ( a 2 A b2 B .... n 2 N ) P2 ( L2 v 2 )
(9b)
Pm ( a m A bm B .... n m N ) Pm ( Lm v m )
Al estudiar la siguiente ecuacin matricial, se notar que produce exactamente

las ecuaciones normales dadas por las (7t) de la solucin tabular:
(ATPA)X = ATPL
(9f)
Usando los principios del lgebra matricial, resolvemos las X desconocidas corno
sigue:
(AT P A) -1 (AT P A) X = (AT P A) -1 AT P L

I X = (AT P A) -1 AT P L
X = (AT P A) -1 AT P L
(9g)
La ecuacin (9g) es la expresin matricial general para la solucin de mnimos

cuadrados de las ecuaciones de observacin ponderadas.
9.4 Ejemplo numrico de ecuaciones de observacin ponderadas

Para ilustrar el procedimiento matricial en los mnimos cuadrados ponderados
por el mtodo de ecuacin de observacin, vamos a resolver el ejemplo del problema ponderado del Artculo 8.3.
A. Las ecuaciones de observacin ponderadas se escriben compatibles con
la ecuacin (9e) como sigue:
P1 A P1 ( BMX 5.10 v1 ) P1 (105 .10 v1 )
P2 ( A) P2 ( BMY 2.34 v 2 ) P2 ( 105 .16 v 2 )
P3 C P3 ( BMY 1.25 v 3 ) P3 (106 .25 v3 )
P4 C P4 ( BMX 6.13 v 4 ) P4 ( 106 .13 v 4 )
P5 ( A B ) P5 ( 0.68 v 5 )
P6 B P6 ( BMY 3.00 v 6 ) P6 (104 .50 v 6 )
P7 ( B C ) P7 (1.7 v 7 )
Las ecuaciones de observacin en forma matricial son:
PAX = PL + PV
3
0
P = 0
0
0
0
0 0 0 0 0 0
4 0 0 0 0 0
0 6 0 0 0 0
0 0 4 0 0 0 ;
0 0 0 6 0 0
0 0 0 0 6 0
0 0 0 0 0 6
0
0
1
1 0
0
0
0
1
A = 0
0 1
1 1
0
1
0
0
0 1 1
v1
v
2
v3

V = v 4
v5

v 6
v
7
105 .10
105 .16
106 .25
L = 106 .13 ;
0.68
104 .50
1.70
B. La solucin matricial de la ecuacin (9g) es:
3
0
0
1
1
0
0
1
0
0
1 1 1 * 0
ATP= 0 0 0 0
0
0 0 1 1 0 0 1
0
0
0 0 0 0 0 0
4 0 0 0 0 0
0 6 0 0 0 0
0 0 4 0 0 0 =
0 0 0 6 0 0
0 0 0 0 6 0
0 0 0 0 0 6
3 4 0 0 6 0 0
0 0 0 0
6 6 6
0 0 6 4 0 0 6
0
0
1
1 0
0
0
0
1
3 4 0 0 6 0 0
13 6 0
T
6 6 6 * 0
A PA = 0 0 0 0
0 1 = 6 18 6
1 1
0 0 6 4 0 0 6
0 6 16
0
1
0
0
0 1 1
Ntese que estos son los coeficientes de las incgnitas en las ecuaciones
normales ponderadas. Vase el articulo8.3.
(ATPA)-1
0.0933 0.0355
= 0.0355 0.0770
0.0133 0.0289
0.0133
0.0289
0.0733
105 .10
105 .16
106 .25
3 4 0 0 6 0 0
740 .02
T
6 6 6 * 106 .13 = 612 .72
A PL = 0 0 0 0
0.68
0 0 6 4 0 0 6
1072 .22
104 .50
1.70
Ntese que estos son los trminos constantes de las ecuaciones normales.
0.0933 0.0355
X = (ATPA)-1 ATPL = 0.0355 0.0770
0.0133 0.0289
0.0133
740 .02
105 .15
0.0289 * 612 .72 = 104 .49
1072 .22
106 .20
0.0733
Resumiendo las elevaciones ajustadas para BMA, BMB y BMC son 105.15,
104.49 y 106.20, respectivamente y ellas concuerdan exactamente con los valores

obtenidos en el articulo 8.3.
9.5 Derivacin matricial de la ecuacin para los mnimos cuadrados ponderados
Supngase que nos dieron un sistema de ecuaciones de observacin ponderadas,
a saber:
p1 a11 X 1 a12 X 2 ..... a1n X n p1 1 v1
p 2 a 21 X 2 a 22 X 2 ..... a 2 n X n p 2 2 v 2
(9h)
p m a m1 X 1 a m 2 X 2 ..... a mn X n p m m v m
Este sistema puede representarse en forma matricial como:

PAX = P(L +V)
(9i)
donde:
p1
P=
p2
.
.
.
.
;A=
p m
1

2
.

L = . ;
.

.

m
a11
a
21
a
m1
a12
a 22
.
.
.
.
am2
a1n
a2n
;X=
a mn
X1
X
2
.

.
.

.
X
n
v1
v
2
.

V = .
.

.
v
m
La solucin de mnimos cuadrados minimiza la suma de los pesos multiplicada por
los residuales elevados al cuadrado o, pv2 = min. En forma matricial, se

minimiza VTpv. Esta condicin se refuerza tomando tomando la derivada parcial de
VTpv y estableciendo el resultado igual a cero como:
(v T pv)
v
0 2v T p
X
X
(9j)
Pero de (8p)
V = AX L
(9k)
V ( AX L)
A
X
X
Sustituyendo (9l) en (9j):

0 = 2VTPA
(9m)
Multiplicando (9m) por y transponiendo:

0 = ATPTV
(9n)
Sustituyendo (9k) en (9n):

0 = ATPTV ( AX L)
(9p)
Multiplicando (9p)
0 = ATPTAX - ATPTL
Pero p = pT puesto que es una matriz diagonal
Luego ATPAX = ATPL
Resolviendo (9q) para X :
(9q)
(9l)
X AT PA
AT PL (9r)
Si se supone que los pesos son iguales, la matriz P es una matriz identidad y la
solucin para X es:
X AT A
AT L
.(9s)
Ntese que las ecuaciones (9r) y (9s) son idnticas a las (9c) y (9g),
respectivamente.
9.6
Programa de Computadora
El programa de computadora del Apndice B dirige la solucin de la ecuacin (9g)

e imprime los resultados. El programa puede usarse para resolver la ecuacin no
ponderada (9c) sencillamente usando pesos iguales tal como 1.0 para todas las
observaciones.
El programa se ha usado para resolver los ejemplos no ponderados y ponderados
de las redes de nivel en los Artculos 8.2 y 8.3, respectivamente. Las dos pginas
siguientes listan esos ejemplos.
Ntese que la salida contiene la desviacin estndar del peso unitario y las
desviaciones estndar de los valores ajustados. El mtodo para sus cmputos se
discutir en el capitulo 10.
Se ofrece en el Apndice B una discusin del uso de este programa, junto con un
listado de los datos de entrada para esos dos ejemplos de redes de nivel.
EJEMPLO DE RED DE NIVEL NO PONDERADA , COMPUTOS DE AJUSTE DE
WOLF
MATRIZ A
1.000000
1.000000
0.000000
0.000000
1.000000
0.000000
0.000000
MATRIZ L
105.100000
105.160000
0.000000
0.000000
0.000000
0.000000
-1.000000
1.000000
1.000000
0.000000
0.000000
1.000000
1.000000
0.000000
0.000000
-1.000000
106.250000
106.130000
.680000
104.500000
-1.700000
MATRIZ DE PESO
1.000
1.000
1.000
1.000
1.000
MATRIZ DE ECUACIONES NORMALES
3.000000
-1.000000
0.000000
-1.000000
3.000000
-1.000000
0.000000
-1.000000
3.000000
MATRIZ DE COVARIACION
.380952
.142857
.047619
.142857
.428571
.142857
.047619
.142857
.380952
INCOGNITAS X
105.140900
104.482819
108.187592
1.000
1.000
RESIDUALES V
.040909
-.019089
-.062408
.057602
-.021919
-.017181
-.004773
DESVIACION ESTANDAR DEL PESO UNITARIO
.050123
DESVIACION ESTANDAR DE VALORES AJUSTADOS
.030938
-.032813
.030938
EJEMPLO DE RED DE NIVEL PONDERADA, COMPUTOS DE AJUSTE DE
WOLF
MATRIZ A
1.000000
-1.000000
0.000000
0.000000
-1.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
1.000000
1.000000
-1.000000
0.000000
0.000000
1.000000
-1.000000
0.000000
0.000000
1.000000
MATRIZ L
105.100000
-105.160000
106.250000
-106.130000
-.680000
104.500000
1.700000
MATRIZ DE PESO
3.000
4.000
6.000
4.000
6.000
13.000000
-6.000000
0.000000
-6.000000
18.000000
-6.000000
0.000000
-6.000000
18.000000
MATRIZ DE COVARIACION
.093333
.035556
.013333
.035556
.077037
.028889
.013333
.028889
.073333
INCOGNITAS X
105.150375
104.489182
106.197189
6.000
RESIDUALES V
.050385
.009628
-.052811
-.067184
.018806
-.010818
.008008
DESVIACION ESTANDAR DEL PESO UNITARIO
.107220
DESVIACION ESTANDAR DE VALORES AJUSTADOS
.032756
.029759
.029035
Tarea Autodidctica N 9
1. Resolver el problema 1 del juego de problemas N 8 usando mtodos
matriciales
2. Resolver problema 2 del juego de problemas N 8 usando mtodos
matriciales.
CAPITULO 10
PRECISIONES DE LAS CANTIDADES INDIRECTAMENTE DETERMINADAS
10.1 Desviacin estndar del peso unitario
En el artculo 6.6.1, la ecuacin (6j) expreso la desviacin estndar del peso
unitario como:
S0
pv
n 1
Sin embargo, esta ecuacin se aplica cuando se obtienen observaciones directas

de varios pesos para una sola cantidad. Ahora bien, cuando las incgnitas se
determinan indirectamente, i. e., se determinan de observaciones indirectas que
estn relacionadas con las incgnitas deseadas mediante relaciones funcionales
lineales tal como el juego de ecuaciones de observacin (8a), entonces la
desviacin estndar del peso unitario se da como:
S0
pv
mn
..(10a)
En la ecuacin (10a), m es el nmero de observaciones y, por tanto, el nmero de

ecuaciones de observacin, y n es el nmero de incgnitas. El denominador
( m n ) es la redundancia, comnmente llamado el nmero de grados de libertad.
Es el nmero de ecuaciones excesivas de observacin; en otras palabras debido a
que n ecuaciones produciran una singular solucin para las n incgnitas.
10.2 Desarrollo de la matriz de covariacin/covariancia
Es este articulo se desarrollara el significado de la matriz de covariacin. Dicha
matriz se forma de los coeficientes de las incgnitas en las ecuaciones de
observacin. Se utiliza para calcular las desviaciones estndar de los valores
ajustados que se determinan indirectamente y que son funciones de valores
observados.
Considrese un ajuste que involucre ecuaciones de observacin ponderadas tales
como aquellas del ejemplo del circuito de nivel presentado en el Artculo 8.3. Tal
enfoque es el mtodo mas comn para ajustar circuitos de nivel, reseccin,
interseccin, triangulacin, trilateracin, poligonales, transformacin de
coordenadas y otros ajustes fotogramtricos y geodsicos.

El sistema de las ecuaciones de observacin ponderadas se representa en forma
matricial como:
PAX PL PV
La solucin por mnimos cuadrados de las ecuaciones de observacin ponderadas

para los valores X ms probables se da por:
X AT PA
..(10b)
AT PL
En la ecuacin (10b), X es una matriz de los valores mas probables de mnimos

cuadrados para las incgnitas, mientras que los valores verdaderos de las
incgnitas seria la matriz X que tiene componentes diferentes de X por
cantidades pequeas X , de tal manera que:
X X X
Por lo tanto, los valores X son -al parecer- los errores en los valores ajustados de
mnimos cuadrados. Considrese ahora algn pequeo cambio incremental L en
los valores medidos L requeridos para cambiar X a X , de manera tal que la
ecuacin (10b) se convierte en:
X X A T PA
A T P L L
Reduciendo
X X A T PA
A
1
PL A T PA
A T PL
Pero de (10b),
X AT PA
X A T PA
A T P L
AT PL
as que
.(10c)
Reconociendo L como residuales en los valores observados L , la (10c) puede

reescribirse como:
X A T PA
A T PV
Tambin deje que
PA
AT P B
Luego:
X BV
.(10d)
Multiplicando ambos lados de la (10d) por sus transpuestas, tenemos:

XX T BV BV
De la cual:
X X BVV T B T
T
.(10e)
El lado izquierdo desarrollado de la ecuacin (10e) es:
X X
X 2
1
X 2 X 1
X 3 X 1
X X
n 1
X 1 X 2
X 2
X 1 X 3
X 2 X 3
X 3 X 2
X 3
X n X 2
X n X 3
Y tambin el lado derecho desarrollado de la (10e) es:
X 1 X n
X 2 X n
X 3 X n
(10f)
X n
B
nm
v v
1 1
v 2 v1
v m v1
v1v 2
v2 v2
vm v2
..........v1v m
.........v 2 v m
.........v m v m
m m
BT
(10g)
mn
Supongamos ahora que es posible repetir toda la secuencia de observaciones

muchas veces, digamos a veces. Cada vez ocurre una solucin de Mnimos
cuadrados ligeramente diferente produciendo un juego distinto de X .
Promediando todos los juegos, el lado izquierdo de la ecuacin (10e) se convierte
en:
1
X X T
x1 2
,
a
x x
2 1 ,
a
x n x1
x x
1
x
a
x x
.....
1
2
2
.........
x
..........................
a
2
n
n n
(10h)
Si a es grande, los trminos de la matriz (10h) son equivalentes a los productos

de la desviacin estndar y esa matriz se puede reescribir como:
S 2
1
S 2 S1
S S
n 1
S1 S 2
S2
SnS2
........S1 S n
......S 2 S n
2
.......S n
n n
.(10i)
La matriz (10i) comnmente se llama matriz de covariacin. Tambin al tener en

cuenta a juegos de observaciones, el lado derecho de la ecuacin (10g) se
convierte en:
v1 2
v1v 2 ...... v1v m
a
a
a
2
v v
v2
v 2 v m
2 1
....
a
a
a
B T (10j)
B
2
v m v1
v m v 2 ...... v m
a
a
a
En la matriz anterior, las v son residuales en cantidades medidas, y debido a que
estos residuales concuerdan con las distribuciones gausianas, probablemente
sern tanto mas como menos. Siendo ese el caso, para un gran valor de a , los
elementos no diagonales van a cero. Reconociendo los trminos diagonales como
variaciones de las cantidades observadas, reescribimos la matriz (10j) como sigue:
S 2
1
2
S2
2
S3
B
zeros
zeros
BT
2
Sn
.(10k)
En el Artculo 6.3, se demostr que los pesos de las observaciones son

inversamente proporcionales a las variaciones de las observaciones. Y tambin,
de la ecuacin (6k) en el Artculo 6.6.2, la variacin de una observacin de peso P
puede expresarse en trminos de la variacin unitaria para que:
Si
2
S0
Pi
.(10l)
Al sustituir la ecuacin (10l) en la matriz (10k) se produce:
S0 B
P 1
1
1
P2
.................0
1
..............Pm
B T S 0 BP 1 B T
2
.(10m)
De (10d), B A T PA A T P y, al sustituir en (10m), resulta en:

1
S 0 BP 1 B T S 0 AT PA
2
AT PP 1 P T A AT PA
1 T
Las ecuaciones normales son simtricas para que:
A PA
T
1 T
A T PA
(10n)
Tambin P T P ya que es una matriz diagonal; entonces (10n) se reduce a:

2
S 0 AT PA
A
1
PA AT PA
S 0 AT PA
2
(10p)
La ecuacin (10i) es el lado izquierdo de una ecuacin en la cual la (10p) es el

lado derecho. Por tanto, la matriz de covariacin es igual a la matriz inversa de la
matriz de coeficiente de las ecuaciones normales multiplicada por la variacin
unitaria, o:
S X S 0 AT PA
2
S0 Q
2
..(10q)
Cambiando ligeramente la forma de la ecuacin (10q), la calculada desviacin

estndar S i para cualquiera incgnita, habiendo sido computada de un sistema de
ecuaciones de observacin, puede expresarse como:
S Xi S0 QXi X i
.(10r)
Donde Qij es el elemento diagonal (de la fila i, y de la columna j) de la matriz Q.

Debe notarse que la matriz de covariacin es una matriz simtrica; i.e., el
elemento ij = elemento ji. Al reexaminar el mtodo tabular para la formulacin de
las ecuaciones normales, ecuaciones (7s) y (7t), es obvia esta simetra de los
coeficientes de las ecuaciones normales.
10.3 Ejemplos Numricos
Vamos a utilizar los resultados de los ejemplos de las redes de nivel (Artculos 9.2
y 9.4) para ilustrar los cmputos de las desviaciones estndar estimadas, cuando
las incgnitas son funciones indirectamente determinadas de cantidades
observadas. Para el ejemplo no ponderado del Artculo 9.2, la matriz de
covariacin es:
8 3 1
2
2 1
T
S 0 A A S 0 3 9 8
2l
1 9 8
Utilizando la ecuacin (10a), la estimada desviacin estndar del peso unitario es:
pv
S0
mn
Todos los pesos son iguales para que
pv
.04 .02 .06 .06 .02 .02 .01

2
pv
Hance, S 0
0.0101
.0101
0.030 ft
73
Ahora bien, por la (10r) las estimadas desviaciones estndar de las elevaciones
desconocidas de las marcas de cota fija (BM), A, B y C son:
S A S 0 Q AA .05
8
.031 ft
21
S B S 0 Q BB .05
9
.033 ft
21
S C S 0 QCC .05
8
.031 ft
21
Ntese que el listado de la solucin de computadora del capitulo 9 contiene la

desviacin estndar del peso unitario, la matriz de covariacin y las desviaciones
estimadas estndar de las incgnitas.
Considrese el ejemplo ponderado del Artculo 9.4. La desviacin estndar del
peso unitario es:
S0
pv
mn
La matriz de covariacin se da como:
.0459
0.107 ft
73
.0133 .0333 .0125
2
2
S 0 A T PA S 0 .0332 .0770 .0289
.0133 .0289 .0789
De la cual las desviaciones estimadas estndar de las elevaciones de las BM, A, B

y C son:
S A S 0 Q AA .107 .0933 .033 ft

S B S 0 Q BB (.107) .0770 .030 ft
S C S 0 QCC .107 .0733 .029 ft
Una vez mas llamamos la atencin a la solucin de computadora del capitulo 9,

para la cual el ejemplo ponderado lista la desviacin estndar del peso unitario, la
matriz de covariacin y las desviaciones estimadas estndar de las incgnitas. A
propsito, esas desviaciones estndar son desviaciones probables en un 68% y, si
por ejemplo, se desean desviaciones de 90%, esos valores de 68% debern
multiplicarse por 1.6449, conforme a la ecuacin (4u).
10.4 Calculo matricial de desviaciones estndar de funciones lineales de
observaciones independientes
Permtase que X sea alguna funcin lineal de las observaciones independientes
li , segn se indica en la siguiente ecuacin:
X C11l1 C12 l 2 ................ C1n l n
..(10s)
Luego, por la ecuacin (5d) elevada al cuadrado, la variacin de X es:

2
SX
dx
dx
dx
Sl1
Sl 2 .............
Sl n
dl1
dl 2
dl n
Donde S X es la variacin de la funcin, y Sl j

observaciones independientes.
.(10t)
son las variaciones de las
Puesto que los coeficientes de las variaciones individuales en la (10t) son las
derivadas parciales con respecto a cada observacin, estos son sencillamente los
coeficientes lineales de las observaciones. Por tanto, la (10t) puede escribirse en
forma matricial como:
S X CS 2 C T ..(10u)
2
C C11C12 ............C1n ;
Donde:
Y:
SX
S 2
1
2
S2
zeros
CT
C11
C
12
C1 n
zeros
2
Sn
Para ilustrar el procedimiento matricial, consideremos la tarea referente al

problema N 2 del Capitulo 5. En dicho problema, AE es anlogo a X en la
ecuacin (10s) y las cuatro distancias son las li (las observaciones) que estn
relacionadas con X por la funcin:
AE d1 d 2 d 3 d 4
Para resolver ese problema, usamos la (5d) como sigue:

2
S AE
d AE
d AE
d AE
d AE

S d1
S d 2
S d 3
S d 4
dd 1
dd 2
dd 3
dd 4
S AE
1 .08 2 1 .08 2 1 .08 2 1 .08 2
S AE 0.13 ft
Ese problema en forma matricial es:
AAE CS 2 C T
2
2
S AE 1
S AE 0.0168;
2
.06 2
.08
from
which
.06 2
1

1

1
1
.08 2
S AE 0,13 ft
10.5 Correlacin entre cantidades ajustadas

En el Artculo 10.2 se mostr que los elemento diagonales de la matriz Q
proporcionan los medios para determinar las precisiones (desviaciones estndar)
de las incgnitas en un problema de ajuste de mnimos cuadrados. La matriz Q
tambin contiene la informacin relativa al grado de correlacin entre cualquiera
de las incgnitas en un ajuste de mnimos cuadrados. Este grado de correlacin
esta contenido dentro de los elementos no diagonales de la matriz Q.
Supngase que la matriz Q a continuacin, se desarrollo como resultado de un
ajuste de mnimos cuadrados involucrando las incgnitas a, b, c, ., n. Se indican
los elementos individuales de la matriz Q como q aa ,
a
a
b
q
aa
q ba
q ca
q
na
q ab
q ac
q bb
q bc
q cb
q cc
q nb
q nc
q ab , etc.
....................n
................q an
................q bn
................q cn
..............q nn
El coeficiente de correlacin brinda la medida de asociacin o dependencia entre

cualquiera de dos cantidades ajustadas despus de un ajuste de mnimos
cuadrados. Se calcula como ejemplo para las incgnitas a y c por la siguiente
ecuacin:
r a ,c
cov a , c
Sa Sc
.(10v)
En la (10v), ra ,c es el coeficiente de correlacin entre las incgnitas a y c; cov a, c

es la variacin unitaria multiplicada por el apropiado elemento de covariacin de la
matriz Q (elemento en la fila a , columna c , o fila c , columna a ), S a es la
desviacin estndar de la incgnita c . Sustituyendo estos trminos en la ecuacin
(10v) produce:
2
ra ,c
S 0 q ac
S 0 q aa S 0
q cc
Reduciendo nos da:

r a ,c
q ac
(10w)
q aa q cc
El coeficiente de regresin es otra expresin para la correlacin o grado de

dependencia entre incgnitas. Por ejemplo, se calcula para las incgnitas a y c,
por la ecuacin siguiente:
ba ,c ra ,c
S a ra ,c S 0 q aa
Sc
S 0 q cc
Sustituyendo la (10w) en la anterior y reduciendo:

b a ,c
q ac
q cc
..(10x)
La magnitud de los coeficientes de regresin puede variar entre cero y uno. Un

valor de cero indica cantidades no correlacionadas y sin ninguna asociacin entre
las dos incgnitas, y un valor de uno representa una asociacin perfecta o total.
El ejemplo de redes de nivel mostrado en la Figs. 10.1 de (a) a (c), sirve para
ilustrar de manera grafica el significado de los coeficientes de correlacin y
regresin. La Fig. 10.1 (a) muestra una red de nivel que es simtrica por la lnea
VZ. La matriz Q resultante del ajuste de mnimos cuadrados esta a la izquierda de

la figura. Para tal figura fjese en lo siguiente:
1. Las incgnitas X y V estn ubicadas muy cerca de las dos BM (marcas de
cota fija) (Bench marks). Las precisiones con las cuales se determinan sus
elevaciones debern ser mejores que las precisiones de las otras incgnitas
W, Y y Z. Esto se indica en la matriz Q ya que los elementos q xx y q vv son
los valores diagonales ms pequeos en la matriz.
2. La precisin del valor Z deber ser el mas bajo de las incgnitas ya que es
el mas alejado de las BM. Esto se indica en la matriz Q puesto que el
elemento q zz es el ms grande de los trminos diagonales.
3. Las precisiones de las incgnitas W y Y debern ser iguales debido a la
naturaleza simtrica de la geometra de la red. Esto tambin se indica en la
matriz Q ya que los elementos diagonales q ww y q yy son iguales.
4. Debiera haber una correlacin mayor entre las incgnitas V y X de la que
hay entre las incgnitas V y Z, porque estn directamente conectadas y
mas juntas. Esto se verifica calculando los coeficientes de regresin para
esas incgnitas usando la ecuacin (10x) como sigue:
bv , x
q vx 0.105
0.41
q xx 0.258
bv , z
q vz 0.117
0.22
q xz 0.529
La Fig. 10.1 (b) bsicamente es la misma red de nivel que la de la Fig. 10.1 (a),
excepto que algunas de las lneas se han eliminado. La matriz Q obtenida como
resultado de este ajuste de mnimos cuadrados tambin esta ubicada a la
izquierda de la figura. Ntese por ejemplo que la incgnita V no esta directamente
conectada con ninguna otra incgnita, y por tanto no puede correlacionarse con
ninguna otra incgnita. Esto puede ilustrarse calculando su coeficiente de
regresin con respecto a las otras incgnitas, a saber:
bv , x
q vx 0.000
0.000,
q xx 0.318
bv , z
q vz 0.000
0.000
q zz 0.590
and
Otra vez la Fig. 10.1 (c) es la misma red bsica de nivel con aun mas lneas
eliminadas. La matriz Q obtenida de su ajuste de mnimos cuadrados se da a la
izquierda. Advirtase lo siguiente en esa figura:
1. La figura ya no es simtrica y hay mas lneas que van hacia la incgnita W
de las que van a la incgnita Y. Por eso W deber determinarse a una
mayor precisin que Y. Esto es verdadero ya que el elemento q ww es mas
pequeo (0.440) que el elemento q yy (0.593).
2. La incgnita Z esta directamente conectada con la incgnita X, y cualquier
cambio en elevacin que ocurriera a X afectara directamente la elevacin
de Z. En otras palabras, Z depende totalmente de X. Esto deber producir
un coeficiente de regresin de 1.0 y as sucede segn el calculo siguiente:
b z , x
V
.270
.123
Q
.105
.123
.117
.123
.105
.123
.366
.135
.116
.135
.258
.135
.116
.135
.366
.205
.176
.205
q zx 0.372
1.000
q xx 0.372
Z V
.117
W
.205
.176 X
.205
Y
.529
V
.500
.000
Q
.000
.000
.000
V
.322
.152
Q
.135
.067
.135
.000
.000
.000
.484
.181
.151
.181
.318
.181
.151
.181
.484
.227
.272
.152
.145
.067
.440
.169
.084
.169
.372
.186
.084
.186
.593
.169
.372
.186
.272
Fig. 10.1
Z V
.000
W
.272
.227 X
.272
Y
.590
.135
W
.169
.372 X
.186
Y
1.372
Z
Ejemplos de Correlaciones
10.6 Desviaciones estndar de funciones de cantidades correlacionadas que

son funciones de observaciones independientes
Consideremos el caso de las cantidades correlacionadas; i.e., cantidades
relacionadas a travs de funciones lineales a las observaciones. Como un simple
ejemplo de ello, considrese la Fig. 10.2, en donde las distancias desconocidas
X 1 y X 2 pueden expresarse en trminos de las tres observaciones l1 , l 2 , l 3 a
saber:
X 1 l1 l 3
X 2 l1 l 2
Claramente, las cantidades X 1 y X 2 estn correlacionadas pues un cambio en l1

afectara a X 1 y a X 2 .
Vamos a considerar el caso general del cmputo estimado de las desviaciones
estndar de las funciones de cantidades correlacionadas. Representemos un
sistema de cantidades correlacionadas como sigue:
X 1 a11l1 a12 l 2 ............. a1m l m
X 2 a 21l1 a 22 l 2 ............ a 2 m l m
.(10y)
X n a n1l1 a n 2 l 2 ............ a nm l m
En donde se dan las variaciones en las observaciones y forman la matriz

siguiente:
m m
S 2
l1
S l22
S
=
mm
S l2m
Por la ecuacin (10u), las variaciones y covariaciones (la matriz de covariacin)

son:
S X2 CS 2 C T
.(10z)
dX 1
dl
1
dX 2
dl1
Donde C =
dX n
dl
1
dX 1
dl 2
...........
dX 2
dl 2
..........
dX n
dl 2
..........
dX 1
dl m
dX 2
dl m
dX n
dl m
n m
Supngase ahora que deseamos encontrar la variacin de alguna funcin de las

incgnitas X , como por ejemplo f x X 1 X 2 ........ X n . La funcin puede
representarse en forma matricial como:
f x
.......
1 n
X1

X 2

X n
n1
FX
Reconociendo las matrices S X y F como anlogas a las matrices S y C ,

respectivamente, en (10z), sguese lgicamente que la matriz de covariacin de la
funcin f x se da por:
S F FS X F T FCS 2 C T F T
2
(10aa)
La ecuacin (10aa) puede usarse para hallar la variacin, y de all, la desviacin

estndar estimada de cualquiera funcin de las incgnitas. Como ejemplo,
deseamos conocer la variacin (y la desviacin estimada estndar) para la
diferencia entre las elevaciones de las BM A y B, del ejemplo de la red de nivel no
ponderada en el problema de Articulo 9.2. La funcin que relaciona la diferencia
en elevacin de las BM A y B es:
f x A B
f x es:
Luego por la (10z) la variacin de
S A B FCS 2 C T F T FS X F T
2
13
De (10q): S X S 0 Q
2
De la solucin por computadora: S X es:

8 3 1
2 1
3 9 3
S0 2Q .050
21
1 3 8
Entonces
8 3 1
1
.05
3 9 3 1
1 0
21

1 3 8 0
S A B 2 1
S A B 2
.05
21
11
.0275
21
Desde que S A B .0275
21
.036ft
La interpretacin de este computo es que hay un 68% de oportunidad que las

elevaciones de A y B estn relativamente correctas a poco de .036 de pie. Es
fcil ahora proyectar este tipo de solucin del problema hacia otros enfoques
aparentemente mas tiles. Supngase, por ejemplo, que en un ajuste de
triangulacin se calculan las coordenadas X y Y de los puntos A y B, y que ya
existe una matriz de covariacin para ese ajuste. Uno podra entonces aplicar la
ecuacin (10aa) para calcular la desviacin estndar estimada de la longitud de la
lnea AB. Esto se efectuara relacionando la longitud AB con las incgnitas como:
f x AB
X a X b 2 Ya Yb 2
.(10ab)
Luego se obtiene la matriz F de los coeficientes lineales para utilizar la ecuacin

(10aa), tomando las derivadas parciales de la (10ab) y aplicando la serie de Taylor
para linealizar la ecuacin.
Tarea Autodidctica N 10
1. Calcular las desviaciones estndar estimadas para las elevaciones

ajustadas de BM de los problemas de las tareas 8-1 y 8-2.
2. Calcular la desviacin estndar estimada de la diferencia en elevaciones
ajustadas para la BM1 y BM2 del problema en la tarea 8-1.
3. Calcular la longitud ajustada AD y la desviacin estndar estimada de la
longitud ajustada AD en el croquis a continuacin, conociendo lo siguiente:
(considerar pesos iguales).
Observaciones de longitud
Medicin
Valor
L1
L2
L3
L4
L5
L6
100.00
200.00
300.00
99.92
200.04
299.96
CAPITULO 11
AJUSTE DE LA TRILATERACION
11.1 Introduccin
La tcnica de la extensin del control de trilateracin se ha hecho sumamente
popular en la ultima dcada. La invencin y perfeccionamiento de los equipos
electrnicos para medir distancias (EDME), han sido responsables por esa enorme
popularidad. El EDME ha hecho posible la rpida y extremadamente precisa
medicin de lneas. La longitud o extensin de la lnea tiene poco efecto sobre el
tiempo y dificultad de una medicin, ya que lneas de hasta 50 millas o mas se
miden fcilmente con el equipo terrestre EDME que funciona transmitiendo
energa electromagntica. Los cursos sobre agua o terreno abrupto/irregular se
miden con comodidad. Es pues importante que se dedique bastante tiempo al
tema del ajuste de trilateracin de mnimos cuadrados en un texto moderno sobre
ajustes de levantamientos. En esta seccin en particular, vamos a considerar el
ajuste por el mtodo de la ecuacin de observacin, con cmputos efectuados en
un sistema de coordenadas rectangulares planas tal como los Sistemas de
Coordenadas Planas Estatales.
11.2 La ecuacin de observacin de distancia bsica
En el Articulo 3.2.4, se presento la siguiente ecuacin de observacin de la
distancia bsica:
Lij V Lij X j X i Y j Yi
Lau AU 0 V L
au
Lbu BU 0 V L
bu
Lcu CU 0 V L
cu
..(11a)
Xu Xa
Yu0 Ya
0
dX u
dYu
AU 0
AU 0
Xu Xb
Yu0 Yb
0
dX u
dYu
BU 0
BU 0
Xu Xc
Yu0 Yc
0
dX u
dYu
CU 0
CU 0
.(11c)
donde :
AU 0
BU 0
CU 0
X
X
X
u0
Xa
u0
Xb
u0
Xc
Y
Y
Y
2
u0
u0
u0
Y
Y
Ya
Lau ,
Lbu
X u0
Lcu son las distancias observadas
Yu0 son aproximaciones iniciales de las coordenadas del
Punto U obtenidas de dos de las distancias observadas.

El anterior sistema de ecuaciones de observacin lineal puede expresarse en
forma matricial como:
AX K V
Donde:
A es la matriz o coeficientes de las incgnitas.
X es la matriz o las correcciones desconocidas dX u
dYu .
K es la matriz de las constantes; i.e., las longitudes medidas menos

las longitudes computadas de las coordenadas aproximadas iniciales.
Y:
V es la matriz de residuales en las longitudes medidas.
Las correcciones ms probables dX u

probables X u
dYu , y por eso las coordenadas ms
Yu pueden calcularse aplicando la ecuacin matricial de
mnimos cuadrados. Considerando pesos iguales para las observaciones, la

ecuacin es:
X AT A
AT K
11.4 Ejemplo numrico

Para aclarar el procedimiento computacional, se presenta el ejemplo numrico
para la Fig. 11.1. Supngase que las distancias medidas AU, BU y CU son
6049.00, 4736.83 y 5446.49 pies, respectivamente. Las coordenadas de los
puntos de control son:
X a 865 .40
X b 2432 .55
Ya 4527 .15
Yb 2047 .25
X c 2865 .22
Yc 27 .15
Solucin
A. PRIMERA ITERACION
1. Calcular las aproximadas iniciales para X u0
Yu0
a. Calcular el acimut AB
X Xa
Az AB 180 tan 1 b
Yb Ya
2432 .55 865 .40
Az AB 180 tan 1
180 tan 1 .631940
2047 .25 4527 .15

Az AB 180 32 17 '26"
Az AB 147 42 '34"
b. Calcular longitud AB
AB 2 X b X a 2 Yb Ya 2
AB 2432.55 865.40 2047.25 4527.15

2
c. Calcular acimut AU 0
De la ley de cosenos: c 2 a 2 b 2 2ab cos C
cos UAB
6049 .00 2 4736 .832 2933 .58 2

26049 .00 2933 .58
UAB 50 6'50"
Az AU 0 147 42 '34"50 6'50" 97 35'44"
d. Calcular X u0
Yu0
latAU 0 6049 .00 cos 97 35'44" 799 .56 ft

Yu0 4527 .15 799 .56 3727 .59
DepAU 0 6049 .00 sin 97 35'44" 5995 .93 ft

X u0 865 .40 5995 .93 6861 .33
2933.58 ft
2. Calcular AU 0 ,
AU 0
X u0
y
y
BU 0 ,
CU 0
BU 0 son exactamente iguales a las distancias medidas ya que

Yu0 se calcularon de estos valores medidos.
Por tanto:
AU 0 6049 .00
BU 0 4736 .83
CU 0 6861 .33 2865 .22 3727 .59 27 .15

2
5446 .29 ft
3. Formular las matrices

a. La matriz A
De las ecuaciones de observacin (11c) pueden simplificarse como
sigue:
a11 dX u a12 dYu K 1 V1
a 21 dX u a 22 dYu K 2 V2
a 31 dX u a 32 dYu K 3 V3
Donde:
6861.33 865.40 0.991

6049.00
6861.33 2432.55 0.933
a 21
4736.83
6861.33 2865.22 0.735
a 31
5446.29
a11
a12
a 22
a 32
3727.59 4527.15 0.132

6049.00
3727.59 2047.25 0.354
4736.83
3727.59 27.15 0.680
5446.29
Esos elementos de la matriz A pueden obtenerse dentro de una

satisfactoria exactitud mediante el cuidadoso trazado de la figura, luego
se hace el cambio usando una constante en los numeradores delta X y
delta Y, y empleando las distancias observadas en los denominadores.
b. La matriz K
K 1 6049.00 6049.00 0.00
K 2 4736.83 4736.83 0.00
K 3 5446.49 5446.29 0.20
Normalmente la matriz K no se puede cambiar usando una constante,

sino mas bien tiene que ser cuidadosamente computada.
c. Las matrices X y V
v au

V v bu
v cu
4. La solucin matricial usando la ecuacin (9b) de mnimos cuadrados no
ponderados:
dX u
X
dYu
X AT A
AT K
0.991 0.933
T
A A
0.132 0.354
2.391
A A
0.699
T
A A
T
0.991
0.735
0.933
0.680
0.735
0.132
0.354
0.680
0.699
0.603
1 0.603
0.95 0.699
0.991 0.933
A K
0.132 0.354
T
1 0.603
X
0.95 0.699
0.699
2.391
0.735 0.00 0.147
0.00 0.136
0.680 0.20
0.699 0.147 .006
2.391 0.136 .234
Las coordenadas revisadas de U son:

X u 6861 .33 .006 6861 .324
Yu 3727 .59 .234 3727 .824
SEGUNDA ITERACION
1. Calcular AU 0 ,
BU 0 ,
CU 0
6861 .324 2432 .55

6861 .324 2865 .22
AU 0 6861 .324 865 .40 3727 .824 4527 .15

2
BU 0
CU 0
3727 .824 2047 .25
3727 .824 27 .15
6048 .968
4736 .915
5446 .451
2. Formular las matrices

Con estos pequeos cambios en las longitudes, la matriz A (a3 lugares)
no cambia. Por tanto, A T A tampoco cambia
1
K 1 6049 .00 6048 .968 0.032

K 2 4736 .83 4376 .915 0.077
K 3 5446 .49 5446 .451 0.039
3. La solucin matricial
.991 .933 .735 .032
.077 .011
A K
.005
.132 .354 .680 .039

T
1 .603
X
0.95 .699
.699 .011 .003
2.391 .005 .004
Las coordenadas revisadas de U son:

X U 6861 .324 .003 6861 .321
YU 3727 .824 .004 3727 .820
Se indica la convergencia satisfactoria por el muy pequeo tamao de las

correcciones computadas en la segunda iteracin. Habiendo calculado las
coordenadas mas probables, se pueden calcular los residuales y las longitudes
ajustadas, seguidos de clculos para la desviacin estndar del peso unitario y las
desviaciones estndar de las coordenadas ajustadas y de las longitudes medidas.

11.5 Manteniendo fijas las coordenadas de estacin de control en un ajuste
de trilateracin
Como se indico en el Articulo 11.3 y se demostr en el ejemplo numrico del 11.4,
las coordenadas X y Y de las estaciones de control pueden fcilmente mantenerse
fijas en un ajuste. Esto se logra asignando valores de cero a sus trminos dX y dY
y, por esto, esos trminos se eliminan o retiran de las ecuaciones. Ntese que en
cada ecuacin de observacin del ejemplo numrico en el Articulo 11.4, solo
aparecen dos incgnitas ya que en cada caso un extremo de aquellas lneas era
una estacin de control y, por tanto, se mantuvo fija.
11.6 Manteniendo fijas las direcciones en un ajuste de trilateracin

Hay dos mtodos bsicos para mantener fijas las direcciones. Tales son: (a) el
mtodo de ejes provisionales y (b) el mtodo tangencial.
11.6.1 mtodo de ejes provisionales
En este mtodo se puede adoptar un sistema de ejes provisionales del ajuste X-Y,
en el cual al eje Y se le asigna que coincida con la lnea cuya direccin ha de
mantenerse fija. Entonces la direccin se mantiene dando a los dX para esa lnea,
valores cero.
El procedimiento se ilustra en la Fig. 11.2 donde el cuadriltero trilaterado ABCD
ha de ajustarse con las coordenadas E a
N a de la estacin de control A
mantenindose fijas, y con la lnea AB fija en direccin. En este ejemplo, EN es el

sistema axial de las coordenadas terrestres.
Las coordenadas de A pueden mantenerse fijas, sencillamente usando

coeficientes de cero para todos los trminos dX a
dY a en las ecuaciones de
observacin. El acimut de AB se mantiene fijo usando un sistema de eje

provisional X-Y que coloca el origen en A y el eje Y coincide con AB. No se
permite ningn desvo en X en el punto B, que mantiene la direccin AB, y esto se
hace cumplir en los clculos dando a todos los trminos dX b coeficientes de cero.
El ajuste se efecta en el sistema de ecuaciones provisionales y despus del
ajuste, las coordenadas se devuelven al sistema N-E mediante una transformacin
de coordenadas (vase Capitulo 16).
Las matrices para este ajuste se formularan como sigue:
Matriz A
unknown
distance
dYb
dYc
dX c
dYd
dX d
AB
Yb Ya
AB
AC
Yc Ya
AC
Xc Xa
AC
AD
Yd Ya
AD
Xd Xa
AD
BC
BD
CD
Yb Yc
BC
Yb Yd
BD
Con excepcin de X a
Yc Yb
BC
Xc Xb
BC
Yc Yd
CD
Xc Xd
CD
Yd Yb
BD
Yd Yc
CD
Xd Xb
BD
Xd Xc
CD
Ya , todas las coordenadas dentro de esta matriz son
aproximaciones iniciales, y todas las distancias se deducen de esas coordenadas.

Matrices K, X y V
AB AB 0
AC AC 0
AD AD 0
K
BC BC 0
BD BD
0
CD CD 0
61
dYb
dYc
X dX c
dYd
dX
d
Vab

Vac
Vad
V
Vbc
V
bd
Vcd
51
61
11.6.2 Mtodo tangencial

Segn muestra la Fig. 11.3, si la direccin de una lnea IJ se mantiene fija,
entonces la posicin de J ' se restringe/limita para moverse linealmente a lo largo
de IJ como resultado del ajuste.
Considerando el punto J de la figura, si se mueve a J ' despus del ajuste,
entonces la relacin entre el acimut de
dE j dN j tan
IJ
dE j ,
dN j es:
.(11d)
La relacin expresada en la ecuacin (11d) puede cumplirse en un ajuste, de ah

manteniendo la direccin fija. Este mtodo tiene la ventaja de que el ajuste puede
efectuarse directamente en el sistema original de coordenadas sin girar o alternar
en el sistema provisional de coordenadas descrito en la seccin 11.6.1.
Para el problema de la Fig. 11.2, usando la ecuacin prototipo (11b), resulta la
siguiente ecuacin de observacin para la distancia medida AB: (ntese que el
punto A ha de mantenerse fijo y, por esto, los coeficientes para el extremo de
AB son cero).
Eb E a
N b0 N a
K Lab V Lab 0
dE b
dN b (11e)
AB 0
AB 0
Ahora basndose en la (11d), puede escribirse la siguiente relacin para la lnea
AB:
dEb dN b tan
.(11f)
Sustituyendo (11f) en (11e):

Eb E a
N b0 N a
K Lab V Lab 0
dN b tan
dN b
AB 0
AB 0
..(11g)
Descomponiendo en factores dN b en la ecuacin (11g), resulta la ecuacin de

observacin final:
E b E a tan N b0 N a
K Lab V Lab c
dN b (11h)
AB 0
Siguiendo este mismo principio, se determinan los coeficientes de dN b en las

ecuaciones de observacin para las lneas medidas BC y BD.
A continuacin, el mtodo a fin de calcular las matrices para el ajuste de la Fig.
11.2, usando el mtodo de tangente para mantener fija la lnea AB en direccin.
Matriz A
Unknow
n
Distanc
e
AB
dN b
dN c
dE c
dN d
dEd
Ec Ea
AC
Nd Na
AD
Ed Ea
AD
Nd Nb
BD
E d Eb
BD
Nd Nc
CD
Ed Ec
CD
E b E a tan N b N a
AB
AC
Nc Na
AC
AD
Nc Nb
BC
Ec Eb
BC
Nc Nd
CD
Ec Ed
CD
E b E d tan N b N d
BC
BC
E b E d tan N b N d
BD
BD
CD
Con excepcin de las coordenadas de control E a
N a , todas las coordenadas
dentro de la matriz son aproximaciones iniciales, y todas las distancias se deducen

de las coordenadas aproximadas iniciales.
De este ejemplo, las matrices K, X y V son:

AB ( AB )o
AC ( AC )o
AD ( AD )o
K
BC ( BC )o
BD ( BD )o
CD (CD )o
VLab
VLac
VLad
V
VLbc
VLbd
VLcd
dNb
dNc
X dEc
dNd
dEd
11.7 Ejemplo en la formulacin de un coeficiente matricial generalizado

para una red ms compleja.
Supngase que tenemos una red trilaterada en la cual se han medido todas las
lneas de la Fig. 1.4, excepto por AC. Digamos que la lnea AC es una lnea de
control ; i.e., las coordenadas de Ay C estn fijadas.
Para esta red hay 10 observaciones y 8 incgnitas. Los puntos A y C en la red
pueden mantenerse fijos dando a los trminos dXa, dYa, dXc y dYc, coeficientes
cero. Por ende, se retiran esos trminos de la solucin. La matriz de coeficientes
formulada de la ecuacin prototipo (11b) tendr elementos sin cero segn se
indica por las x, como sigue:
distancia
desconocida
AB
AE
BC
BF
BE
CD
CF
DF
dYb dXa dYd dXd dYe dXe dYf dXf

x
0
x
x
x
0
0
0
x
0
x
x
x
0
0
0
0
0
0
0
0
x
0
x
0
0
0
0
0
x
0
x
0
x
0
0
x
0
0
0
0
x
0
0
x
0
0
0
0
0
0
x
0
0
x
x
0
0
0
x
0
0
x
x
DE
EF
0
0
0
0
x
0
x
0
x
x
x
x
0
x
0
x
11. 8 Programa general de computadora para el ajuste de la trilateracin por

mnimos cuadrados.
Se brinda en el apndice C un programa general de computadora para efectuar
ajuste de trilateracin por el mtodo de mnimos cuadrados. El programa est
diseado para acomodar figuras o redes de cualquiera configuracin geomtrica.
Con los datos correctamente ingresados en la computadora, el programa calcular
las aproximaciones iniciales para las coordenadas de todas las estaciones
desuncidas, y formular todas las matrices necesarias para el ajuste. Luego
realizar el ajuste en el modo no ponderado o ponderado, segn se desee.
Imprimir los datos de entrada, las matrices, las coordenadas ajustadas y sus
desviaciones estndar, la desviacin estndar del peso unitario y las ajustadas
longitudes de lneas con sus errores residuales.
11.9 Solucin computarizada de un ejemplo de cuadriltero trilaterizado se
ha ajustado el cuadriltero ilustrado en la Fig. 11.5 usando el programa de
computadora del apndice C.
En este problema, los puntos Bucky y Badger son estaciones de control y cuyas
coordenadas se mantienen fijas; por tanto la direccin de la lnea Bucky-Badger
tambin se mantiene fija. Las 5 distancias observadas son:
LINEA
LONGITUD OBSERVADA (PIES)
Badger - Wisconsin
5.870,30
Badger - Campus
7.297,59
Wisconsin - Campus
3.616,43
Wisconsin - Bucky
5.742,88
Campus - Bucky
5.123,76
Las coordenadas de control de la estacin Badger son X = 10.000 y Y= 10.000, y
las de Bucky son X= 11.820 y Y = 6.881.222.
El Apndice C ofrece una detallada descripcin de la manera como se la da
entrada a los datos en la computadora para este problema. En las pginas
siguientes se lista la salida de computadora. En la pgina 168, se lista la
informacin de entrada. Esto es muy aconsejable en trabajos con computadoras
para asegurarse de recibir los correctos datos de entrada por la computadora. Las
pginas 169, 170 y 171 listan las matrices generadas por la computadora en cada
una de las tres iteraciones que se requirieron para lograr la convergencia. Ntese
en particular en esas pginas lo siguiente:
1. Las incgnitas (valores en la matriz X) se hacen progresivamente pequeas

con cada iteracin. En la tercera iteracin, son extremadamente pequeas, lo
que indica que en verdad la convergencia ha sido logrado.
2. Los coeficientes en la matriz A cambian muy poco, puesto que se
derivan/deducen de las coordenadas iniciales cuyos valores slo cambian por
cantidades pequeas con cada iteracin.
3. Los valores de la matriz L en la ltima iteracin son exactamente iguales a los
residuales de las lneas medidas. (Vanse los residuales en la Pg. 172).
La ltima pgina de la salida lista las coordenadas ajustadas X y Y de las
estaciones, la desviacin estndar del peso unitario, las desviaciones estndar de
las coordenadas ajustadas, las longitudes de las lneas ajustadas y sus residuales.
La matriz Q se list en la ltima iteracin. Esto se necesita para calcular las
desviaciones estndar de las coordenadas ajustadas usando la ecuacin (10r).
Tambin se necesita para calcular las elipses de error; esto se discute en el
Captulo 17, y en el Artculo 17.3.1, las elipses se calculan para este cuadriltero.
EJEMPLO DE CUADRILATERO TRILATERIZADO, COMPUTOS DE

AJUSTE DEWOF
NUMERO DE ESTACIONES NUEVAS = 2

NUMERO DE DISTANCIAS MEDIDAS = 5
NUMERO DE PUNTOS DE CONTROL EN LA RED = 2
LONGITUDES Y ANGULOS
APROXIMACIONES INICIALES.
LONGITUD
PRELIMINARES
PARA
ANGULO
5870 80 0 0.000
3616 82 0 0.000
COORDENADAS FIJAS Y APROXIMACIONES INICIALES
CALCULAR
ESTACION
BADGER
WIS
CAMPUS
BUCKY
Y
10000
15780.621
1698.231
11820.756
10000
11019.319
7580.3
6881.222
DATOS DE ENTRADA
LINEA
BADGER - WIS
BADGER - CAMPUS
WIS - CAMPUS
WIS - BUCKY
LONGITUD
5870.302
5871.302
5872.302
5873.302
LA MATRIZ A
0.98481
0.00000
0.30902
0.69139
0.00000
0.00000
0.17365
0.94363
0.00000
0.030902
0.95106
0.00000
0.72248
0.99065
0.00000
0.00000
0.33100
0.95106
0.00000
0.13640
LA MATRIZ L
0.30200
12.71572
0.43400
15.22937
1.61452
LA MATRIZ X
-0.09985
-4.96800
25.00019
24.26058
LA MATRIZ A
0.98405
0.00000
0.30874
0.68884
0.00000
0.00000
0.17790
0.94459
0.00000
0.030874
0.95115
0.00000
0.72491
0.98999
0.00000
0.00000
0.32825
0.95115
0.00000
0.14117
LA MATRIZ L
0.5635
0.2848
0.00129
0.03378
0.06457
LA MATRIZ X
-0.04630
-0.04970
-0.01519
-0.02065
LA MATRIZ A
0.98405
0.00000
0.30874
0.68884
0.00000
0.00000
0.17790
0.94459
0.00000
0.030874
0.95115
0.00000
0.72491
0.98999
0.00000
0.00000
0.32825
0.95115
0.00000
0.14117
LA MATRIZ L
0.0809
0.01169
0.00544
0.00912
0.00946
LA MATRIZ X
-0.00000
0.00000
0.00000
0.00000
LA MATRIZ Q
1.19891
0.09946
1.16024
1.40248
0.09946
1.16024
0.58294
0.19326
0.19326
2.63389
0.45964
2.72503
1.40248
0.45964
2.72503
3.96217
COORDENADAS AJUSTADAS Y DESVIACIN ESTANDAR

ESTACIN
BADGER
WIS
CAMPUS
BUCKY
SX
10000
15776.675
16893.213
11820.756
Y
0
0.022
0.015
0
SY
10000
11044.304
7604.54
5881.222
0
0.022
0.015
0
DESVIACIN ESTANDAR DEL PESO UNITARIO= 0.020 DE PIE

LONGITUDES AJUSTADAS Y RESIDUALES
LINEA
LONGITUD RESIDUAL (PIES)
BADGER - WIS
5870.31
0.008
BADGER - CAMPUS
7297.576
-0.012
WIS - CAMPUS
3616.439
0.005
WIS - BUCKY
5742.869
-0.009
CAMPUS - BUCKY
5123.769
0.009
11.10 Solucin por computadora de un complejo problema de trilateracin.

La compleja red de trilateracin de la Fig. 11.6 tambin ha sido ajustada usando el
programa de computadora del Apndice C. Los detalles para proporcionar los
datos de entrada a la computadora se describen en dicho apndice.
Despus de la Fig. 11.6 hay tres pginas que dan los listados de salida de la
solucin por computadora. Las pginas 175 y 176 listan los datos de entrada, y la
pgina 177 de los datos que resultan del ajuste. Se requirieron cuatro iteraciones
para lograr la convergencia. No se han incluido en este listado las pginas
intermedias que listan las matrices para cada iteracin. El costo total por el tiempo
de computadora para este problema fue de 0.76 centavos.
EJEMPLO DE TRILATERACION, COMPUTOS DE AJUSTE DE WOLF

NUMERO DE ESTACONES NUEVAS = 5
NUMERO DE DISTANCIAS MEDIDAS = 17
NUMERO DE PUNTOS DE CONTROL EN LA RED = 4
LONGITUDES
Y
ANGULOS
APROXIMACIONES INICIALES.
PRELIMINARS
LONGITUD
16353
10993
34955
14469
22939
ANGULO
26
30
11
30
120
0
-170
-15
43
0
0
0
0
0
0
COORDENADAS FIJAS Y APROXIMACIONES INICIALES

ESTACIN
LUU
PAUL
RAM
TOM
JIM
BILL
PAT
JHON
TIM
DATOS DE ENTRADA
Y
833766.69
841063.359
847831.323
860925.742
857855.7
869584.246
830040.4
886672.11
887981.23
454925.95
469560.813
478223.418
445813.724
459953.272
479667.199
467467.97
473334.4
453589.28
PARA
CALCULAR
LINEA
PAUL - BILL
RAM - TOM
PAUL - TOM
PAUL - JHON
PAUL - RAM
LUU - PAUL
TOM - JHON
BILL - JHON
TOM - TIM
PAT - TOM
TOM - BILL
BILL - TOM
LOU - BILL
BILL - PAT
TOM - JIM
PAUL- JIM
BILL - JIM
LONGITUD
30319.17
34954.73
31376.2
45986.22
10992.63
16353.41
39446.64
17445.22
29712.49
37437.93
35162.5
35162.49
43007.65
41305.83
14168.7
19896.23
22939.17
CODIGO
0
0
0
2
0
1
2
2
2
1
0
0
1
2
0
0
0
COORDENADAS AJUSTADAS Y DESVIACINES ESTANDAR

ESTACIN
LOU
PAUL
RAM
TOM
JIM
BILL
PAT
JHON
SX
833766.69
840831.926
848382.302
859667.382
857555.236
869923.518
830040.4
886672.11
Y
0
0.175
0.403
0.171
0.312
0.155
0
0
SY
45925.95
469674.295
477663.646
444580.718
458894.734
478214.199
467467.97
473334.4
0
0.231
0.282
0.198
0.261
0.248
0
0
DESVIACIN ESTANDAR DEL PESO U NITARIO= 0.249 DE PIE
LONGITUDES AJUSTADAS Y RESIDUALES:
LINEA
PAUL - BILL
RAM - TOM
PAUL - TOM
PAUL - JHON
PAUL - RAM
LUU - PAUL
TOM - JHON
BILL - JHON
TOM - TIM
PAT - TOM
TOM - BILL
BILL - TOM
LOU - BILL
BILL - PAT
TOM - JIM
PAUL- JIM
BILL - JIM
LONGITUD RESIDUAL (PIES)

30319.148
-0.022
34954.73
0
31376.137
-0.063
45986.072
-0.148
10992.63
0
16353.325
-0.085
39446.541
-0.099
17445.993
-0.227
29712.425
-0.65
37437.739
-0.191
35162.471
-0.029
35162.471
-0.019
43007.66
0.01
41305.503
-0.327
14168.008
0.308
19896.432
0.202
22939.402
0.232

1) Reconociendo los siguientes valores medidos para las lneas en el croquis:
Las coordenadas de control de A; B y C son:
PUNTO
A
B
C
Y
0
1000
0
0
0
1000
Calcular las coordenadas ajustadas del punto X y la desviacin estndar en estas

coordenadas.
2) Conociendo los siguientes valores medidos para las lneas en el croquis:
En el ajuste, mantener fijas las coordenadas de A en Xa = 10.000 y Ya = 10.000, y

mantener fija la direccin de la lnea AB en un acimut desde el norte de 30000.
Calcular las coordenadas ajustadas de los puntos B, C y D, y las desviaciones
estndar de esas coordenadas.
CAPITULO 12
AJUSTE DE LA TRIANGULACION
12.1 Introduccin
La triangulacin es un mtodo de extensin del control horizontal en el cual las
mediciones de ngulos son las observaciones bsicas. Luego se computan las
posiciones de los puntos extensivamente espaciados basados en los ngulos
medidos, y slo a un nmero mnimo de distancias medidas se les llaman Lneas
Base. Se toman todas las precauciones posibles en las mediciones de las lneas
base para asegurarse de su ptima precisin. Antes de advenimiento del EDME,
con frecuencia la triangulacin era el mtodo ms conveniente, econmico y
preferido para extender el control horizontal bsico.
Fue el mtodo usado por el Servicio Geodsico y de Costas de EE.UU. para
extender mucha de la red nacional. Hoy da, la triangulacin contina siendo
popular con muchos agrimensores.
El ajuste de triangulacin por mnimos cuadrados puede efectuarse por
ecuaciones de condicin, ecuaciones de observacin de direccin o ecuaciones
de observacin de ngulos. En esta seccin, consideraremos la triangulacin por
el mtodo de la ecuacin de observacin de ngulos mediante mnimos
cuadrados. Los cmputos se harn en un sistema de coordenadas rectangulares
planas tal como los Sistemas de Coordenadas Planas Estatales. Los tipos
especficos de triangulacin que se tratarn son interseccin, reseccin y la
tradicional triangulacin cuadrilateral.
12.1 La ecuacin bsica de observacin de ngulos.
En el artculo 3.2.5 se present la siguiente ecuacin bsica de observacin de

ngulos:
Yj Yi
Yk Yi
tan 1
.......(12 a )
Xk Xi
Xj Xi
jik Vjik tan 1
En el procedimiento para linearizar esta ecuacin no lineal por el teorema de

Taylor tambin se present en el 3.2.5. Lo siguiente es la ecuacin de
observacin lineraizada final para un ngulo observado:
Kjik Vjik Yj
Xi o Yjo Yio Yko

Yio Yko Yio
dXi
dYi
2
2
2
( Iko )
( Iko ) 2
( IJo )
( IJo )
o
Yio Yjo
Xj o Xi o
YK o Yio
Xi o Xk o
dXj
dYj
dXk
dYk .......(12b)
2
2
2
2
( IJo )
( IJo )
( IK o )
( IK o )
En las ecuaciones (12) y 12b), los smbolos se definen como en el Artculo 3.2.5.
La ecuacin (12b) se deriv para un ngulo en el primer cuadrante segn se
muestra en la Fig. 3.2. En la fig. 12.1 se muestran las doce posibles
combinaciones de cuadrantes para ngulos inferiores a 180.
La ecuacin (12b) se aplica exactamente a los ngulos de la Fig. 12.1 de (g) a (1),
excepto que Kjik se calcula como sigue:
Kjik jik (180 ojik ).......................(12c)

Al formular ecuaciones de observacin que de ngulos, I siempre se le asigna a la
estacin que es el vrtice del ngulo. Considerando a los ngulos girados el
dextrorso, la estacin J es la estacin vista atrs y la estacin K es la de vista
adelante. Esta designacin de estaciones debe mantenerse fielmente para formar
las ecuaciones de observacin de la ecuacin prototipo (12n). El procedimiento se
demuestra en el ejemplo numrico del Artculo 12.4.
12.2 Ajuste de las intersecciones.

La interseccin es uno de los mtodos ms sencillos y prcticos para localizar la
posicin horizontal de un punto ocasional aislado, si tal punto es visible desde dos
o ms estaciones existentes de control horizontal.
La interseccin est
especialmente bien adaptada para trabajar en terrenos inaccesibles. Para un
singular cmputo de posicin, el mtodo requiere que se midan por lo menos dos
ngulos horizontales desde dos puntos de control, como los ngulos 1 y 2
medios en los puntos de control A y B segn la Fig. 12.2. si se dispone de control
adicional, el cmputo de posicin para el punto desconocido U puede reforzarse
por la medicin de ngulos redundantes (como los ngulos 3 y 4 en la fig.
12.2) donde se tomen mediciones redundantes, las coordenadas ms probables
del punto U podrn calcularse por el procedimiento de mnimos cuadrados.
Considrese el cmputo de posicin para el punto U de la Fig. 12.2 habiendo

observado los cuatro ngulos horizontales mostrados. Se pueden escribir cuatro
ecuaciones de observacin linealizadas, una para cada ngulo independiente en
trminos de las dos variables desconocidas X y Y . Las cuatro ecuaciones
expresadas en forma matricial son:
A X K
42 21 41
V
41
Este sistema de ecuaciones se resuelve para las coordenadas ms probables Xu

y Yu, seguido por el cmputo del anlisis de error.
12.3 Ejemplo numrico del ajuste de intersecciones.
Para aclarar el procedimiento computacional de la posicin de interseccin por
mnimos cuadrados, se present el ejemplo de la Fig. 12.2 Se emplean mtodos

matriciales y los clculos se efectan detalladamente.
Volviendo a la Fig. 12.2, se observaron los siguientes ngulos horizontales
igualmente ponderados:
1=500650
2=1013047
3=984117
4=591701
Las coordenadas de los puntos de control A, B y C son:

Xa= 865.40
Xb= 2432.55
Xc= 2865.22
Ya= 4527.15
Yb= 2047.25
Yc= 27.15
Solucin
1.
Aproximaciones iniciales para Xuo y Yuo:

AB ( 243.55 865.40) 2 ( 4527.15 2047.25) 2 2933.58 ft.
AUo
ABSeno 2
2933.58Seno10130'47"
6049 ft.
Seno(180 1 2)
Seno28 27'23"
Xb Xa
1 2432.55 865.40
AzimutAB tan 1
tan
147 42'34"
Yb Ya
2047.25 4527.15
AzimutAUo 147 42'34"50 06'50" 97 35'44"
Xuo Xa AUoSeno( AzimutAUo ) 865.40 6049.00 Seno97 35'44" 6861.35
Yuo Ya AUoCos ( AzimutAUo ) 4527.15 6049.00Cos97 35'44" 3727.59
BUo (6861.35 2432.55) 2 (3727.59 27.15) 2 4736.83 ft.
CUo (6861.35 2865.22) 2 (3727.59 27.15) 2 5446.29 ft.
2.
Formulacin de las matrices:
Tal y como en un ajuste de trilateracin, las coordenadas de una estacin de

control pueden mantenerse fijas asignando ceros a sus valores dX y dY para que
esos trminos se retiren de la ecuacin. En la Fig. 12.2, los puntos vrtice de
todos los ngulos son estaciones de control; por ende, sus valores dX y dY son
cero, y esos trminos no aparecen en las ecuaciones de observacin. Al formar
las ecuaciones de observacin, se asignan I,J, y K segn se describi en el

Artculo 12.2. Por tanto, para el ngulo 1 por ejemplo ----I,J y K se reemplazan
en la ecuacin prototipo (12b) por a, u y b, respectivamente. El ngulo
concuerda con la Fig. 12.1 (b).
Con referencia a la ecuacin (12b), se escriben las siguientes ecuaciones de
observacin para los cuatro ngulos observados:
Ya Yuo
Xuo Xa
1 Yuo Ya
1 Ya Yb
( AUo ) 2 (dXu ) ( AUo ) 2 (dYu ) 1 tan Xuo Xa tan Xa Xb v 1
Yuo Yb
Xb Xuo
1 Yuo Yb
1 Ya Yb
(UBo ) 2 (dXu ) (UBo ) 2 (dYu ) 2 180 tan Xuo Xb tan Xa Xb v 2
Yb Yuo
Xuo Xb
1 Yuo Yb
1 Yc Yb
(BUo ) 2 (dXu ) (BUo ) 2 (dYu ) 3 tan Xuo Xb tan Xc Xb v 3
Yuo Yc
Xc Xuo
1 Yuo Yc
1 Yb Yc
(UCo ) 2 (dXu ) (UCo ) 2 (dYu ) 4 180 tan Xuo Xc tan Xb Xc v 4
Sustituyendo las coordenadas del punto de control y las coordenadas

aproximadas Xu y Yu en las ecuaciones de observacin lineal, y multiplicando
por p, se forman las siguientes matrices A y K* (Ntese que los ngulos 2 y 4
concuerdan con la Fig. 12.1 (h) y, por esto, se usa la ecuacin (12c) para calcular
sus valores k).
( 4527 .15 3727 .59 )
(6049 .00 ) 2
(3727 .59 2047 .25)

( 4736 .83) 2
A p
( 2047 .25 3727 .59 )
( 4736 .83) 2
(37277 .59 27 .15)
(5446 .29 ) 2
(6861 .35 865 .40 )
(6049 .00 ) 2
( 2432 .55 6861 .35) 4.507
(6049 .00 ) 2
15 .447
(6861 .35 2432 .55) 15 .447

( 4736 .83) 2
25 .2732
( 2865 .22 6861 .35)
(5446 .29 ) 2
33 .800
40 .713
40 .713
27 .788
*Para que estas observaciones sean dimensionalmente correctas, Kojik y Vojik

estn en radiantes. Puestos que es ms comn trabajar en el sistema exagesimal
en este pas, y ya que las magnitudes de los residuales de ngulos estn
generalmente en la gama de segundos, pueden convertirse las unidades de las
ecuaciones a segundos multiplicando a travs de la ecuacin por Rho, el nmero
de segundos por radin que es 206, 265.

50 05'50"
101 30'47"
K
98 41'17"
5917'01"
3727.59 4527.15
1 2047.25 4527.15
tan 1
tan

6861.35 865.40
2432.55 865.40
0.00"
4527.15 2047.25
1 3727.59 2047.25
180 tan 1
tan

865.40 2432.55
2865.22 2432.55 0.00"
0.69"
3727.59 2047.25
1 27.15 2047.25
tan 1
tan
6861.35 2432.55
2865.22 2432.55 20.23"
2047.25 27.15
1 3727.59 27.15
180 tan 1
ta
n
2432.55 2865.22
6861.35 2865.22
Se advierte que los valores en la matriz K para los ngulos 1 y 2 son

exactamente igual a cero para la primera iteracin. Esto es el caso debido a que
las coordenadas aproximadas iniciales Xuo y Yuo se calcularon usando estos dos
ngulos.
3. Solucin matricial:
1159 .7
AT A
1820 .5
1820 .5
5229 .7
0.00190
X ( A T A) 1 ( A T K )
0.00066
0.00190
( A T A) 1
0.00066
0.00066
0.00042
0.00066 509 .9
dXu
.
dYu
0.00042
534
.
1
donde :
Xu Xuo dXu 6861 .35 0.62 6860 .73

Yu Yuo dYu 3727 .59 0.11 3727 .48
4.507
15 .447
V AX K
15 .447
25 .732
33 .800
0.00"
6.5"
5.1"
40 .713 0.62
0.00"
.
5.8"
40 .713
0.11 0.069"
27 .788
20 .23"
7.3"
V T V 6.5
6 .5
5 .1
155 .2 Sec . 2
7.3.
5 . 8
7 .3
So
V TV
mn
5 .1
5 .8
155 .2
8.8"
42
509 .9
AT K
534 .1
dXu 0.62 ft
dYu 0.11 ft
SXu S 2 o QXuXu (8.8) 2 (0.00190) 0.38 ft.

SXu S 2 o QYuYu (8.8) 2 (0.00042) 0.18 ft.
SXu SX 2 u QY 2 u (0.38) 2 (0.18) 2 0.42 ft.
En la solucin anterior, una segunda iteracin produce valores de tamao

insignificante para dXu y dYu. Por tanto, la solucin convergi con una iteracin.
No se muestra la segunda iteracin.
La solucin produjo un valor de -0.62 de pie para dXu y de -0.11 de pie para dYu.
Estas, al sumarse a las aproximaciones iniciales Xuo y Yuo dan las coordenadas
ajustadas finales Xu y Yu.
Se calcularon los residuales usando la ecuacin matricial V=AX-L, que es una
forma reordenada de la ecuacin (9). Estos valores son -6.5 segundos para 1,
5.1 segundos para 2, +5.8 segundos para 3 y +7.3 segundos para 4.
Usando estos residuales en la (10), se calcul la desviacin estndar del peso
unitario So. Luego usando (10r), se calcularon las desviaciones estndar de las
coordenadas ajustadas SXu y SYu, determinndose 0.38 de pie y 0.18 de
pie, respectivamente. Su, la desviacin estndar de la posicin ajustada para el
punto U, es la raz cuadrada de la suma de los cuadrados de SXu y SYu, y su
valor es 0.42 de pie.
12.4 Ajuste de las resecciones.
La reseccin es un mtodo que puede usarse para localizar la posicin horizontal
desconocida de una estacin ocupada con teodolito, midiendo un mnimo de dos
ngulos de una estacin ocupada con teodolito, midiendo un mnimo de dos
ngulos horizontales hacia un mnimo de tres estaciones cuyas posiciones
horizontales se conoce. Si se tienen ms de tres estaciones, se pueden obtener
observaciones redundantes y computar la posicin de la estacin ocupada
desconocida empleando el procedimiento de mnimos cuadrados.
Como en la interseccin, el mtodo es adecuado para ubicar un punto aislado, y
especialmente adaptado para operar en rea inaccesibles.
Vamos a considerar el cmputo de la posicin de reseccin para el punto ocupado
U de la Fig. 12.3, habiendo observado los tres ngulos horizontales mostrados.

Los puntos A,B, C y D son estaciones fijas de control. Los ngulos 1,2,y 3 se
observan desde la estacin U, cuya posicin es desconocida.
Utilizando la ecuacin prototipo (12b), puede escribirse una ecuacin de

observacin linearizada para cada ngulo. Las ecuaciones de observacin lineal
pueden expresarse en forma matricial como:
La aplicacin de la rutina de mnimos cuadrados produce las correcciones dxu y
dyu, las coordinadas ms probables Xu y Yu, y la desviacin estndar estimada de
la posicin calculada del punto U.
12.5 Ajuste de la triangulacin tradicional.
Pueden aplicarse procedimientos idnticos a aqullos que hemos visto en el ajuste
de intersecciones y resecciones, a fin de ajustar triangulaciones tradicionales. De
hecho, interseccin y reseccin son casos especiales de triangulacin. Aunque la
figura bsica para la triangulacin generalmente se considera que es el
cuadriltero, el mtodo del ajuste de la ecuacin de observacin por mnimos
cuadrados se puede aplicar a otras figuras geomtricas tales como cadenas de
cuadrilteros, figuras de punto central, etc. Sin importar la forma geomtrica de la
figura triangulada, el enfoque bsico de mnimos cuadrados involucra el escribir
una ecuacin de observacin linerizada para cada ngulo observado, en trminos
de las coordenadas ms probables de los puntos implicados.
Usando un nmero mnimo de los ngulos observados, los tringulos pueden
resolverse por la ley de senos para determinar las coordenadas aproximadas
iniciales. Se calcular luego las correcciones a estas coordenadas aplicando la
rutina de mnimos cuadrados, seguido del clculo de las coordenadas ms
probables y las desviaciones estndar estimadas en las posiciones calculadas. El
nmero de ecuaciones involucrado en el ajuste de triangulacin es, en general, tan
enorme como para hacer antieconmica una solucin manual, especialmente en
esta era de las computadoras.
12.6 Programa de computadoras para el ajuste del cuadriltero triangulizado.

El Apndice D da un programa FORTRAN para el ajuste del cuadriltero
triangulizado por mnimos cuadrados. Este programa en particular se dise para
ajustar un cuadriltero estndar como el de la Fig. 12.4 Los cmputos se efectan
en un sistema de coordenadas rectangulares provisionales X-Y, segn se muestra
en la figura. Las coordenadas de los puntos de control ay D (puntos extremos/
finales de la lnea base), se giran a travs de un ngulo a para colocarlas en el
sistema provisional del eje X-Y. El ngulo a se cambia usando una constante y
se selecciona para que los ngulos 4 y 8 tengan uno de sus lados /tramos en cada
lado de la Y provisional; i,e., lneas paralelas a Y y pasando a travs de los puntos
B y D cortados por los ngulos 4 y 8. Esto hace que los ngulos 4 y 8 concuerden
con las Figs. 12.1 (g) y (h), y se tratan por consiguiente en la formulacin de K.
Todos los otros ngulos concuerdan con una de las Figs. 12.1 de (a) a (f) y, por
tanto, se aplican directamente a la ecuacin prototipo (12b).
Casi todos los cuadrilteros de forma estndar, sin importar sus orientaciones,
pueden as acomodarse por este programa bsico. Despus de efectuar el ajuste
en el sistema del eje provisional, se giran de nuevo las coordenadas por medio de
(360-) para regresarlas al sistema del eje N-E.
El Apndice D ofrece informacin sobre el uso del programa. No es necesario dar

entrada a las matrices A ni L. Mas bien, la computadora las computa de loas
datos de entrada que incluyen las coordenadas de las estaciones fijas A y D, los
ocho ngulos observados y el ngulo de rotacin a. La matriz de peso tiene que
ser entrada. Los pesos pueden estimarse basndose en un conocimiento a priori
del personal e instrumentos usados, o se calcular conforme a la ecuacin (6g) si
las desviaciones estndar para cada uno de los ngulos se computan de
observaciones mltiples.
12.7 Ejemplo del problema
Para la figura a continuacin, se dispone de las siguientes observaciones y datos
conocidos:
ngulos observados (suponer pesos iguales)
Coordenadas fijas:
Xa= 4270.33
Ya= 8448.90
Xd= 7610.58
Yd= 4568.75
Se us el programa de computadora del Apndice D para resolver el problema
anterior. Se emplearon pesos iguales. En el programa, los ngulos son entrada
en orden del 1 al 8. La matriz X en la solucin es:
dYb
dXb
X
dYc
dXc
El listado de salida___ que es auto explicativo ___ se da en las cuatro pginas

siguientes. Como se muestra en el listado, fue satisfactoria una (1) iteracin para
lograr convergencia. Ntese, por ejemplo, en el tercer listado de salida que es
para la segunda iteracin, que las correcciones de las incgnitas (Vector X) para
las coordenadas iniciales son todas ceros, lo que indica convergencia.
EJEMPLO DE TRIANGULACIN, COMPUTOS DE AJUSTE DE WOLF

COORDENADAS DE PUNTOS DE CONTROL
8448 .900
4270 .330
4568 .750
7610 .580
(Ya )
( Xa )
(Yd )
( Xd )
ANGULO DE ROTACION= 0.0 GRADOS

ANGULOS OBSERVADOS
COORDENADAS APROX. DE LAS INCOGNITAS
4235'29.0"
8735'10.60"
7954'42.10"
1828'22.40"
2129'23.90"
391'35.40"
3120'45.80"
3934'27.90"
COORDENADAS APROXIMADAS DE LAS INCOGNITAS

16748 .769
5599 .549
(Yb )
( Xb )
16636 .185 14633 .027

(Yc )
( Xc )
MATRIZ DE VARIACION COVARIACION QLL

1
0
0
0
0
0
0 0 0 0 0 0 0
1 0 0 0 0 0 0
0 1 0 0 0 0 0
0 0 1 0 0 0 0
0 0 0 1 0 0 0
0 0 0 0 1 0 0
0 0 0 0 0 1 0
0 0 0 0 0 0 1
EJEMPLO DE TRIANGULACION, COMPUTOS DE AJUSTE DE WOLF

ITERACIN N 1
MATRIZ A
24.230
3.880
0.000
0.000
20.108 16.201
7.745
6.602
0.000
0.000
0.285
22.830
2.722
16.485
2.722 16.485
12.255
12.255
22.830
0.000
4.824
10.575
0.000
7.430
9.682
9.682
0.285
0.000
3.086
9.967
0.000
12.769
MATRIZ L (VECTOR)
4.650
4675
4.262
4.291
7.805
4.230
7.904
8.593
MATRIZ DE VARIANZA Y COVARIANZA QXX

0.008
0.001
0.007
0.008
0.001 0.007 0.008

0.002 0.000 0.002
0.000 0.007 0.006
0.002 0.006 0.011
INCOGNITAS VECTOR X
0.646
0.191 0.699 0.851
VECTOR DE RESIDUOS V
2.152
ITERACIN N 2
MATRIZ A
5.010
4.162
1481 1.805 5.419 6.509
1.534
24.229
3.879
0.000
0.000
20.111 16.200
7.744
6.601
0.000
0.000
0.284
22.832
2.722
16.484
2.722 16.484
12.254
12.254
22.832
0.000
4.824
10.579
0.000
7.430
9.681
9.681
0.284
0.000
3.086
9.966
0.000
12.767
MATRIZ L (VECTOR)
2.152
5.01 4.162 1.481 1.805 5.419
6.509 1.534
MATRIZ DE VARIANZA Y COVARIANZA QXX

0.008
0.001
0.007
0.008
0.001 0.007 0.008

0.002 0.000 0.002
0.000 0.007 0.006
0.002 0.006 0.011
INCOGNITAS VECTOR X
0.000
0.000 0.000 0.000
VECTOR DE RESIDUOS V
2.152
5.010
4.162
1481 1.805 5.419 6.509
1.534
EJEMPLO DE TRIANGULACIN, COMPUTOS DE AJUSTES DE WOLF

COORDENADAS DESCONOCIDAS AJUSTADAS
16749 .415
5599 .356
(Yb )
( Xb )
16636 .886 14633 .876

(Yc )
( Xc )
ERROR ESTANDAR DEL PESO UNITARI= 5.626

DESVIACIN ESTANDAR
SYB= 0.500
SXB= 0.227
SYC= 0.048
SXC= 0.580
ANGULOS AJUSTADOS
4235'31.15"
8735'15.61"
7954'37.94"
1828'20.92"
2129'25.70"
391'29.98"
3120'52.31"
3934'26.37"

1) Conocido los siguientes ngulos medidos para el problema de reseccin en el
croquis:
Las
coordenadas terrestres de los puntos de control son:

PUNTO
A
B
C
D
Y
10,000
10,000
10,000
10,000
10,000
7,500
2,500
0
Calcular las coordenadas ajustadas en el punto P y las desviaciones estndar en
estas coordenadas. (Nota: para las primeras aproximaciones USE Xpo=5,000.00

y Ypo=5,000.00)
2) Conociendo los siguientes ngulos medidos y, entre parntesis, las

desviaciones estndar de las mediciones para el cuadriltero en la figura.
Calcular las coordenadas ajustadas de los puntos B y C, y las desviaciones
estndar de tales coordenadas. Mantener fija la estacin D en N = 10.000 y E =
10.000, y mantener la longitud y acimut de la lnea DA en 2320.13 pies y 271 37,
respectivamente. Efectuar un ajuste ponderado usando las ecuaciones (6g) y las
desviaciones estndar conocidas para calcular los pesos.
CAPITULO 13
AJUSTE DE POLIGONALES
13.1 Introduccin
De los muchos mtodos para el ajuste de poligonales, la caracterstica que
distingue el ajuste de poligonales por mnimos cuadrados de los mtodos
aproximados, es que las observaciones de distancia y direccin se ajustan
simultneamente en el mtodo de mnimos cuadrados que con cualquier otro
mtodo.
Adems, el mtodo de mnimos cuadrados permite la asignacin de pesos
relativos a las observaciones basndose en sus confiabilidades relativas
esperadas.
13.2 Las ecuaciones de observacin
En este captulo se presenta el ajuste de poligonales por mnimos cuadrados
escribiendo ecuaciones de observacin. En este procedimiento, se escribe una
ecuacin de observacin para cada distancia y ngulo medido ( o direccin). La
ecuacin de observacin bsica para la distancia, una ecuacin no lineal, se
formul y lineariz en el cpitulo 11 como la ecuacin (11b).
En esta presentacin se usarn ecuaciones de observacin de ngulos, aunque
como una alternativa, es posible formular ecuaciones de observacin de direccin.
Se ha seleccionado el concepto angular porque es algo mas simple de usar, y
tambin porque el nmero de incgnitas, en la solucin es menor. La ecuacin
bsica de observacin de ngulos se formul en el Cpitulo 3 como la ecuacin
(3m). Se repiti en el Captulo 12 como la (12b). En el Captulo 12 se demostr
su uso en el ajuste de la triangulacin.
El hecho que las observaciones de ngulos y distancias con unidades diferentes
se combinan en un ajuste, se resuelve mediante el uso de pesos apropiados.
En este procedimiento se asigna un peso relativo a cada observacin de acuerdo
con la inversa de su variacin y priori (el cuadrado de la desviacin estndar).
Como antes se indic, la condicin fundamental que se hace cumplir en el ajuste
por mnimos cuadrados es la minimizacin de los trminos pv. De ah que si se
ponderan las observaciones conforme a la inversa de sus variaciones a priori, y si
se usan las mismas unidades para la desviacin residual y estndar, todos los
trminos pv quedarn sin dimensin alguna y, por tanto, compatibles para el
ajuste simultneo. Este procedimiento se demuestra en el problema de la Seccin
13.4.
13.3 Nmero de ecuaciones redundantes

Se puede escribir una ecuacin de observacin para cada ngulo y distancia
medidos en una poligonal cerrada. Si hay n lados en la poligonal, hay n distancias
y n=1 ngulos (considerando un (1) ngulo para la orientacin). En las Figs. 13.1
(a) y (b), cada poligonal cerrada tiene 4 lados y a cada una se le han medido 4
distancias y 5 ngulos.
Cada nueva estacin de poligonal introduce dos incgnitas, las coordenadas X y

Y; de ah que existen 2 (n-1) incgnitas para cualquiera poligonal cerrada
completamente levantada. Por ende, para cualquiera de stas, sin importar un
nmero de lados, el nmero de ecuaciones redundantes (nmero de
observaciones menos el nmero de incgnitas es igual a (n+n+1)-2 (n-1) =3.
13.4 Ejemplo numrico
Se presenta un sencillo ejemplo numrico del ajuste del poligonales por mnimos
cuadrados. Para dicho ejemplo se muestran el croquis y los datos vrgenes (sin
procesar) del levantamiento en la Fig. 13.2.
Observaciones
AB = 200.00
BC = 100.00
1 240 00 '
2 150 00 '
3 240 01'
Fig. 13.2.
A. Calcular las coordenadas aproximadas iniciales para la estacin B
X bo 100 200 Sen60 1173.20
ybo 100 200Cos 60 1100.00
B. Formular las matrices X y K:
d xb
X
d yb
K Lab
K Lbc
K K1
K
2
K3
200.00 200.00 ft
0.00
100.00 99.81 ft
0.19
K 120 00 '00 '' 120 00 '03''* 3''
150 00 '00 '' 149 55 '51'' 249 ''

119 59 '00 '' 119 55 '18 ''* 192 ''
Los valores en la matriz K se derivan restando cantidades computadas,

basndose en coordenadas iniciales, de sus cantidades observadas respectivas.
* Ntese
que el ngulo observado se considera 360 - para hacer el ngulo

inferior a 180 y concordar con uno de los 12 casos dados e la Fig. 12.1
C. Calcular la matriz A:
La matriz A se forma usando la matriz prototipo (11b) para las distancias, y la
(12b) para los ngulos. Ntese que los coeficientes de ngulos se multiplican por
rho (206.265/rad) para convertir a segundos y ser compatible con los valores
dados en la matriz K.
1100 1000
1173.20 1000
200
200
1100 1186.50
1173.20 1223.00
100
100
1173.20 1000
1000 1100
2
2
200
200
1000 1100 1186.50 1100 1173.20 1000 1173.20 1223.00
2
2
2
2
200
100
200
100
1223.00 1173.20
1100 1186.50
2
2
100
100
0.866
0.498
A 515.7
2299.8
1784.2
0.500
0.865
893.1
1920.3
1027.2
D. Formular la matriz P.
Para resolver unidades dismiles, se usan pesos de acuerdo con las inversas de
las variaciones. Puesto que antes del ajuste se desconocen las variaciones, stas
tienen que estimarse a priori; y son importantes porque influyen en el ajuste. Los
pesos de distancia y ngulo son:
PLij
Para longitud:
P jik
Para ngulo:
S Lij
jik
Suponer las siguientes desviaciones estndar para las cantidades observadas:
AB 0.05 ft
BC 0.08 ft
1 30 sec.
2 30 sec.
3 30 sec.
Basndose en esas desviaciones estndar, la matriz P es:
1
0.052
1
0.082
1

30
1

30
1

30
400

156

0.001

0.001
0.001
E. resolver el sistema anterior por el programa de computadora del Apndice B

que usa la ecuacin:
X AT PA AT PL
1
Vase el listado anexo de salida de computadora:

La solucin produce los siguientes valores para las correcciones a las
coordenadas iniciales:
dX b 0.11 ft
dYb 0.01 ft
Los residuales sin como sigue:
Vab 0.10 ft
Vbc 0.12 ft
V 1 49.0 sec
V 2 17.4 sec
V 3 604 sec
La desviacin estndar del peso unitario y las desviaciones estndar de las

coordenadas ajustadas son:
S o 1.77 ft
S X b 0.04 ft
SYb 0.05 ft
F. Las coordenadas revisadas de los puntos:

X b 1173.20 0.11 1173.09
Yb 1100.00 0.01 1099.99
G. Calcular las observaciones ajustadas de los residuales:

AB 200.00 0.10 199.90
BC 100.00 0.12 99.88
1 360 (120 00 '00 '' 0 00 ' 49 '') 239 59 '11''

2 150 00 '00 '' 0 00 '17 '' 149 59 ' 43''
3 360 (119 59 '00 '' 0 00 '06 '') 240 01'06 ''
(Ntese que una segunda iteracin produce ceros para
dX b
dYb ).
EJEMPLO DE POLIGONAL, CMPUTOS DE AJUSTE DE WOLF
MATRIZ A
0.866000
0.498000
515.700000
2299.800000
1784.200000
MATRIZ L
0.500000
0.865000
893.100000
1920.300000
1027.200000
0.000000
0.190000
3.000000
249.000000
192.000000
MATRIZ DE PESO
400.000
156.000 0.001 0.001 0.001

9077.067383 6469.208008
6469.208008 5757.041016
MATRIZ DE COVARIACIN
0.000553 0.000622
0.000622 0.000872
INCGNITAS X
-0.111379
-0.012762
RESIDUALES Y
-0.102835
-0.123494
49.040077
-17.358521
-6.387482
DESVIACIN ESTNDAR DEL PESO UNITARIO
1.765992
DESVIACIN ESTNDAR DE VALORES AJUSTADOS

0.041537
0.052157
TAREA AUTODIDCTICA No. 13

Ajustar por Mnimos cuadrados la poligonal cerrada en el croquis a continuacin:
ngulo
Valor
observado
Desviacin
estndar(seg)
Longitud
Valor
observado
XAB
633430"
AB
2731.25
Desviacin
estndar
(pies)
0.29
4512'15"
10
BC
3005.81
0.32
ABC
943920"
10
CA
4222.01
0.44
BCA
400905"
10
BAC
Acimut AX = 345173
Coordenadas de A:
X = 10,000.00
Y = 10,000.00
CAPITULO 14
AJUSTE POR CONDICIONES
14.1 Introduccin
Hay una clase de problemas en los cmputos de ajustes en la cual ciertas
condiciones tienen que satisfacerse exactamente en el ajusta de las
observaciones. Las ecuaciones que expresan esas condiciones se llaman
ecuaciones de condicin. En el ajuste de mnimos cuadrados por el mtodo de
ecuacin de condicin, se halla la solucin que produce las cantidades ajustadas
ms probables y al mismo tiempo satisface exactamente todas las condiciones.
Claro est que la solucin que da las cantidades ajustadas ms probables, es la
que minimiza la suma de los pesos multiplicada por los residuales elevados al
cuadrado.
El clsico ejemplo de este tipo de condicin es el ajuste de los tres ngulos
observados en un tringulo plano. La condicin que se debe satisfacer es que la
suma de los tres ngulos ajustados debe ser exactamente igual a 180 grados. El
ajuste por mnimos cuadrados es el que produce simultneamente los valores
ajustados que tienen la ms alta probabilidad.
En redes de triangulacin, hay muchas condiciones geomtricas que deben
cumplirse y, por ende, frecuentemente se ajustan por el mtodo de condiciones.
Tambin pueden ajustarse las poligonales por dicho mtodo. Por ejemplo, el
mtodo Crandall es un ajuste donde despus del ajuste del cierre angular de
manera tal que cada ngulo recibe una correccin igual, todo
el error restante se supone que este contenido en las observaciones de distancia.
Se escriben ecuaciones que expresan las dos condiciones de cierre de latitud y de
partida.
Una de las dificultades confrontadas en el ajuste por condiciones es la de
reconocer y formular todas las ecuaciones de condicin. Debe recalcarse que
todas las condiciones deben considerarse para obtener el ajuste correcto. Para
ciertos problemas de ajuste, se puede reducir la cantidad de clculos si el ajuste
se efecta por ecuaciones de condicin en lugar de observaciones. Sin embargo,
para otros problemas, lo opuesto es cierto. En esta era de computadoras
electrnicas, la cantidad de clculos parece proporcionar muy poca Justificacin
para el ajuste mediante condiciones. En pro del mtodo de la ecuacin de
observacin se encuentran la fcil, sistemtica formulacin de las ecuaciones, y el
conveniente y sistemtico anlisis del error proporcionado por la matriz de
covariacin.
14.2 Forma matricial de las ecuaciones de condicin

En cualquier problema de ajuste hay m observaciones que implican a n incgnitas.
Supngase que q ecuaciones relacionan las observaciones y sus residuales con
ciertas condiciones especificadas, y pueden representarse en la siguiente forma
general:
b11
v1 b12
v2
b1m
b21
v1 b22
v2
b2 m
m
m
vm c1
v m c2
. . . .(14a)
bq1
v1 bq 2
v2
bqm
vm cq
En la ecuacin (14a) las b son los coeficientes de las observaciones

residuales v, y las c son constantes inherentes en las condiciones.
y sus
14.3 Solucin matricial por mnimos cuadrados

La ecuacin (14a) puede expresarse en forma matricial como:
Bqm (L m1 + Vm1 ) = C q1 . . . . . . . . (14b)

de la cual BL + BV = C, y
BV = C - BL
Permita que C - BL = W
. . . . . . . . . . . . . . . . (14c)
Luego BV = W
La expresin matricial para la solucin de los residuales que tienen la probabilidad
ms alta (solucin por manimos cuadrados) se da por:
Vm1 BT mq Bqm BT mq Wq1 * . . . . . . . . . . . (14d)
1
Se puede expresar en forma matricial un sistema de' condiciones ponderadas

como:
Bqm Pmm (L m1 + Vm1 ) = C q1 . . . . . . . . (14e)
La ecuacin matricial para el cmputo de mnimos cuadrados de los residuales

ms probables de las ecuaciones de condicin ponderada es:
Vm1 P 1mm BT mq Bqm P 1mm B T mq Wq1
1
* La derivacin de esta expresin matricial se da en la Seccin 14.8.

SI los pesos son iguales, la matriz P se convierte en una matriz idntica y la
ecuacin (14f) se reduce a la (14d).
Habiendo determinado los residuales ya sea de (14d) o de (14f), es fcil calcular
las observaciones corregidas seguidas de un clculo de las incgnitas ajustadas.
14.4 Ajuste de los ngulos de un tringulo plano
Para aclarar la formulacin de las ecuaciones de condicin, segn se indico en
(14a), y la solucin matricial, se da un ejemplo del ajuste de los ngulos de un
tringulo plano. En la F1g. 14.1, se observaron los tres ngulos A, B y C como se
muestra. La condicin siguiente expresa la relacin que las observaciones tienen
la una con la otra.
A VA B VB C VC 18000 '00 '' .
. . . . . . . . . (14g)
En forma matricial esta ecuacin es:

B13 L31 V31 C11 . . . . . . . . . (14h)
Estacin
A
B
C
ngulo
observado
681040
6634 22"
451449
En la ecuacin (14h) la matriz B es:

B13 1 1 1
De la ecuacin (14c) la matriz W es:

W C BL 180 6810 ' 40 '' 66 34 ' 22 '' 45 14 ' 49 '' 09 ''
Luego la solucin matricial de la ecuacin (14d) es:

1
T
BB 1 1 1 1 3

BB
T
T
31
V B
13
T
31
BB
T
1 / 3
1
1

1/ 3
W 1/ 3
1/ 3
1/ 3
1/ 3 1/ 3
1/ 3
3 ''
9 '' 3 ''
3 ''
Finalmente se obtienen los ngulos ajustados sumando los residuales a sus
respectivas observaciones:
A ' A V A 6810 ' 40 '' 03 '' 6810 ' 43 ''
B ' B VB 66 34 ' 22 '' 03 '' 66 34 ' 25 ''
C ' C VC 4514 ' 49 '' 03 '' 4514 '52 ''
-------------------180 00 00
14.5 Ajuste de redes de nivel por ecuaciones de condicin

Este procedimiento se ilustra con el conocido problema no ponderado previamente
considerado en los Caps. 8 y 9. Para mayor conveniencia, el croquis del problema
se repite en la Fig. 14.2.
Lnea No.
Dif. elev.
observada
1
2
3
4
5
6
7
5.10
2.34
-1.25
-6.13
-0.68
-3.00
1.70
Fig 14.2
En el ajuste de redes de nivel, el nmero de condiciones es igual al numero de
observaciones menos el numero de Incgnitas. Por tanto, en este problema hay 73, 4 ecuaciones de condicin que deben formularse. Tales condiciones son:
V1
V3
V4 7.50
V2
V5
V2 7.50
V3
V6 0
V6
V7 0
Para este sistema de ecuaciones de condicin, la matriz B es:

1
0
B
0
-1
-1
0
0
Por la ecuacin (14c) la matriz W es:

W C BL
7.50 1
7.50 0
W
0.00 0

0.00 0
-1
-1
0.06
0.12
W
0.02
0.05
Entonces la solucin matricial de la ecuacin (14d) es:
5.10
2.34
1.25
6.13
0.68
3.00
1.70
BB T
BB
T
BB
T
2
0
0.619
0.048
0.238
0.095
0.619
0.381
0.048
0.048
0.238
0.143
0.095
0
1
0.048
0.238
0.619
0.095
0.095
0.476
0.238
0.190
0.048
0.238
0.047
0.238
0.381
0.095
0.619
0.095
0.095
0.476
0.143
0.286
0.238
0.190
0.095
0.228
0.190
0.476
0.095
0.095
0.238
0.238
0.190
0.286
0.467
0.041
0.019
0.06
0.062
0.12
0.058
V B T BB T W B T BB T
0.02
0.022
0.05
0.017
0.005
Las diferencias de elevacin corregidas se calculan sumando los residuales a sus

respectivas observaciones:
5.10 0.041 5.141

2.34 0.019 2.359
1.25 0.062 1.312
6.13 0.058 6.188
0.68 0.0220 0.658
3.00 0.017 3.017
1.70 0.005 1.705
Las observaciones ajustadas de BM se calculan de las diferencias de elevacin

corregidas. Sin hacer caso de cuales fueron las observaciones
corregidas que se usaron para calcular las elevaciones de BM, sus valores
ajustados sern los mismos. El procedimiento para calcular las elevaciones
ajustadas es:
A = 100.000 + 5.141 = 105.141
B = 105.141 - 0.658 = 104.483
C = 104.483 + 1.705 = 106.188
Basndose en los residuales, la desviacin estndar del peso unitario puede

calcularse como:
So
0.0101
0.050 ft
7-3
m-n
Para el ajuste ponderado de esta red de nivel, las matrices B y W se formulan

exactamente como antes, y la matriz P (peso) es como sigue:
3
0
P 0
0
0
0
La solucin ponderada se obtiene de la ecuacin (14f).
0
0
0
0
0
6
En el Artculo 14.9 se describe un programa de computadora para resolver la

ecuacin (14f). Este programa se us para resolver los problemas de la red de
nivel ponderada y no ponderada. El listado de salida para esos problemas se halla
en las dos pginas siguientes. Ntese la conformidad de los residuales entre estos
resultados y los del mtodo de la ecuacin de observacin.
EJEMPLO DE RED DE NIVEL NO PONDERADA, CMPUTOS DE AJUSTE DE
WOLF
MATRIZ B
1.0000000
0.0000000
0.0000000
0.0000000
1.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
1.0000000
1.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
1.0000000
0.0000000
1.0000000
-1.0000000
0.0000000
1.0000000
0.0000000
0.0000000
-1.0000000
1.0000000
-0.1200000
-0.0200000
1.0000000
1.0000000
1.0000000
1.0000000
MATRIZ W
0.0600000
0.0500000
MATRIZ P
1.0000000
1.0000000
1.0000000
RESIDUALES
0.0409524
0.0190476
-0.0623810
-0.0576190
0.0219048
-0.0219048
0.0047619
EJEMPLO DE RED DE NIVEL PONDERADA, CMPUTOS DE AJUSTE DE
WOLF
MATRIZ B
1.0000000
0.0000000
0.0000000
0.0000000
1.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
1.0000000
1.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
1.0000000
0.0000000
1.0000000
-1.0000000
0.0000000
1.0000000
0.0000000
0.0000000
-1.0000000
1.0000000
-0.1200000
-0.0200000
4.0000000
6.0000000
6.0000000
6.0000000
MATRIZ W
0.0600000
0.0500000
MATRIZ P
3.0000000
4.0000000
6.0000000
RESIDUALES
0.0504000
0.0096000
-0.0528000
-0.0672000
0.0188000
-0.0108000
0.0080000
14.6 Ajuste de poligonales por el Mtodo de ecuaciones de condicin
(mtodo Crandall)
Algunas veces se le llama errneamente al mtodo Crandall como el mtodo de
mnimos cuadrados. En realidad, una vez que se distribuye el error angular de
cierre en porciones iguales a todos los ngulos, el mtodo Crandall mantiene fijos
esos ngulos y coloca a todas las correcciones restantes en las mediciones
lineales mediante un procedimiento de mnimos cuadrados ponderados. Sin
embargo, no es un verdadero ajuste por mnimos cuadrados, ya que las
mediciones angulares y lineales no se ajustan simultneamente.
El mtodo CrandalI es vlido para ajustar poligonales en donde se espera que las
mediciones lineales contengan errores fortuitos ms grandes que las mediciones
angulares. Como ejemplo de una situacin ideal para el mtodo Crandall es el
ajuste de una poligonal de estada.
La poligonal de la Fig. 14.3 se ajustara usando el mtodo Crandall. Dicha poligonal
contiene adrede un cierre absurdamente grande, para que el procedimiento sea
mas claro. El proceso computacional del mtodo Crandall se compone de la
formulacin de las dos ecuaciones que expresen las condiciones de que, las
sumas algebraicas de las latitudes y partidas en una poligonal cerrada debern ser
igual a cero.
Primero se calculan las marcaciones ajustadas, seguidas del clculo de latitudes y
partidas, segn la tabla:
Curso
AB
BC
CD
DE
EF
FA
Extensin
748.25
532.18
659.74
440.33
345.90
445.02
Marcacin
ajustada
Due North
N 44 48' E
S 40 14' E
S 24 14' W
S 89 52' W
S 49 47' W
Lat.
748.25
448.58
-503.66
-401.53
- 0.81
-287.34
N= 3.49
Part.
0.00
445.46
426.13
-180.73
-345.90
-339.82
E= 5.14
Las dos condiciones que han de cumplirse, exclusivo de los pesos, se expresan
en las siguientes ecuaciones:
Sumas algebraicas de latitudes = 0
Sumas algebraicas de partidas = 0. . . . . . . . . . . . . (14g)
Expresiones mas detalladas para (14g) son:
AB Cos (Bng AB) + BC Cos (Bng BC) + CD Cos (Bng CD) + DE Cos (Bng DE) +
EF Cos (Bng EF) + FA Cos (Bng FA) = 0
. . . . . . . . . . (14h)
AB Sin (Bng AB) + BC Sin (Bng BC) + CD Sin (Bng CD) + DE Sin (Bng DE)
EF Sin (Bng EF) + FA Sin (Bng FA) = 0
POLIGONAL PARA EL EJEMPLO DEL MTODO CRANDALL
ngulos interiores
Punto Observado Ajustado
A
4945
4947
B
13510
13512
C
8500
8502
D
11530
11532
E
11420
11422
F
22003
22005
Fig. 14.3
Insertando los valores numricos en la ecuacin (14h) resulta:
1.00 AB V1 0.710 BC V2 0.763 CD V3 0.912 DE V4

. . . . . . . . . . .
0.002 EF V5 0.646 FA V6 0
. . (14i)
0.000 AB V1 0.705 BC V2 0.646 CD V3 0.410 DE V4

1.000 EF V5 0.764 FA V6 0
Estas ecuaciones expresadas en forma matricial son:
B L V
Donde
1.000
B
0.000
7.10
0.763
0.912
0.002
0.705
0.646
0.410
1.000
0.646
0.764
De la ecuacin (14c), las constantes W se calculan como:
W21 C21 B26 L61

De la (14a), se ve que BL es exactamente igual a N y E que fueron
previamente calculados. Por tanto, los elementos de la matriz W son:
W1 0 3.49 3.49
W2 0 5.14 5.14
En el mtodo Crandall se supone que los pesos sean inversamente proporcionales
a las longitudes. Por ende, la matriz inversa de peso para esta poligonal es:
748.25
0
0
0
0
0
632.18
639.74
440.33
345.90
445.02
Utilizando el programa descrito en el Art. 14.9, la solucin siguiente da los

residuales para este problema. Pueden obtenerse las longitudes corregidas
sumando esos residuales a las longitudes observadas. Luego se calculan las
latitudes y partidas corregidas.
MTODO CRANDALL PARA EL EJEMPLO DE POLIGONAL, CMPUTOS DE

AJUSTE DE WOLF
MATRIZ B
1.0000000
-0.9120000
0.0000000
-0.4100000
0.7100000
-0.0020000
0.7050000
-1.0000000
-0.7630000
-0.6460000
0.6460000
-0.7640000
MATRIZ W
-3.4900000
-5.1400000
MATRIZ P
1.3400000
2.2700000
RESIDUALES
-0.7615914
-2.1829762
-1.0643644
1.0800547
1.2843576
1.5526733
1.5300000
2.8900000
1.5200000
2.2500000
14.7 Ajuste de un cuadriltero triangulado por el mtodo de la ecuacin de

condicin
Las configuraciones geomtricas de las redes de control en la triangulacin son
muchas y variadas. Cada diferente configuracin engloba un juego distinto de
ecuaciones de condicin. Los mtodos para formular estas ecuaciones estn bien
documentados, por 1o que no se repetirn aqu. El cuadriltero estndar es la
figura ms comnmente usada en la triangulacin y, por tanto, ser el tema de un
ejemplo.
Hay cuatro condiciones que deben mantenerse en un cuadriltero:
Tres condiciones de ngulo y una condicin de lado. Con referencia a la Fig. 14.4,
se pueden escribir las tres siguientes ecuaciones de ngulo que expresan la
condicin de que un tringulo debe contener 180 grados:
1 v 1 3 v 3 4 v 4 6 v 6 180
3 v 3 5 v 5 6 v 6 8 v 8 180
2 v 3 5 v 5 7 v 7 8 v 8 180
Fig. 14.4
Inherente en estas tres ecuaciones de ngulos es la ecuacin para el cuarto
tringulo. La cuarta ecuacin expresa la condicin de que la longitud de la lnea de

cierre (lado opuesto a la lnea base), de un cuadriltero debe ser la misma sin
importar los ngulos usados para calcularla. Esta ecuacin se formula usando la
ley de senos como sigue:
Calcular el lado BC desde los tringulos DAC Y BAC:
CD
AD
Sin 2
Sin 5
and BC
CD
Sin 8
Sin 2
Sustituyendo;
BC = AD Sin 2 Sin 8
Sin 3 Sin 5
Calcular tambin BC de los tringulos DAB y ABC:
AB
AD
Sin 7
Sin 4
and BC
AB
Sin 1
Sin 6
Sustituyendo:
BC
AD Sin 1 Sin 7
Sin 4 Sin 6
Igualando las dos expresiones para BC:

AD
Sin 1 Sin 7
Sin 4 Sin 6
AD
Sin 2 Sin 8
Sin 3 Sin 5
Multiplicando en cruz, resulta la siguiente ecuacin de condicin de lado (lateral):

Sin 1 Sin 3 Sin 5 Sin 7
Sin 2 Sin 4 Sin 6 Sin 8
Esta ecuacin de condicin no lineal se lineariza por la siguiente expresin

logartmica:
log sines (odd) - log Sienes (even) = 0 . . . . . . . . . . . . (14k)
Considrese el problema del cuadriltero en la Fig. 12.4 que fue resuelto antes por
la computadora usando el mtodo de la ecuacin de observacin. A continuacin,
la formacin de la ecuacin de condicin lateral (14k) para ese cuadriltero, en
forma tabular:
Angle
Value
Log Sin
1
3
5
7
42 35
290
79 54421
21 29239
31 20458
Diff
l
9.8304381
9.9932329
9.5638824
9.7161751
2.29
.38
5.34
3.46
Angle
Value
Log Sin
Diff
l*
2
4
6
8
87 35106
18 28224
39 01354
39 34279
9.9996145
9.5008618
9.7991197
9.8041938
.08
6.30
2.60
2.54
39.1037285
39.1037898
El lado derecho de la ecuacin (14k) es:

39.103 7285 - 39.1037898= -61.3*
Los coeficientes de los ngulos en (14k) se toman como las diferencias para un (1)
segundo; por tanto, las matrices, B y L para este ejemplo de cuadriltero son:
0
BL
0
2.29
0
0
0
1
1
1
1
0
0
0
1
1
1
1
.08 .38 6.30 5.34 2.60 3.46 2.54

0
1

2
3

4
5

6

7
8
Para mayor conveniencia, el decimal se ha movido arbitrariamente seis lugares a

la derecha.
La matriz W es:
W
W
W
W
1
2
3
4
180 (1 3 4 6) 08"9
180 (3 5 6 8) 09"3
180 (2 5 7 8)
11"8
61.3
0 ( 61.3)
Este problema se resolvi usando el programa de computadora descrito en el Art.

14.9. El listado de salida para la solucin se da en la pgina siguiente. Puesto que
todos los ngulos fueron observados por el lirismo personal usando el mismo
equipo y procedimientos, los pesos son iguales y la matriz P es una de identidad /
idntica. Ntese la conformidad de los residuales entre este mtodo de la
ecuacin de condicin y la solucin de la ecuacin de observacin del Cap. 12.
CUAD TRIANGULADO, COMPUTOS DE AJUSTE DE WOLF
MATRIZ B
1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
2. 2 9 0 0 0 0 0
-6. 3 0 0 0 0 0 0
3. 4 6 0 0 0 0 0
0. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
-0. 0 0 0 0 0 0 0
5. 3 4 0 0 0 0 0
-2. 5 4 0 0 0 0 0
1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0
0. 0 0 0 0 0 0 0
0. 3 8 0 0 0 0 0
-2. 6 0 0 0 0 0 0
MATRIZ W
-8. 9 0 0 0 0 0 0
61. 3 0 0 0 0 0 0
-9. 3 0 0 0 0 0 0
11. 8 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
MATRIZ P
1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
1. 0 0 0 0 0 0 0
RESIDUALES
2. 0 9 8 2 5 2 6
5. 0 3 4 6 3 9 0
-4. 1 8 1 8 0 5 9
-1. 4 1 5 6 2 4 2
1. 7 5 3 0 3 4 2
-5. 4 0 0 8 2 2 5
6. 4 8 2 7 3 2 6
-1. 4 7 0 4 0 5 8
14.8 Deduccin de la ecuacin para resolver ecuaciones de condicin por
mnimos cuadrados
14.8.1 Solucin por los multiplicadores de Lagrange / lagrangianos
Suponiendo que tenemos un sistema de ecuaciones de condicin tal como el de
(14a). Si desarrollamos estas ecuaciones tendremos:
c1 b11 1 b11v1 b12
b12 v2 ............... b1m
c2 b21 1 b21v1 b22 v2 b22
.............. b2 m
b1m vm
m
m
b2 m vm
.
........(14 )
.
.
cq bq1 1 bq1v1 bq 2
bq 2 v2 ............... bqm
bqm vm
Si reunimos los trminos constantes, rotulndolos w, y reescribimos la ecuacin

(141), tendremos:
b11v1 b12 v2 .............. b1m vm w1 0

b21v1 b22 v2 .............. b2 m vm w2 0
.
.
.
bq1v1 bq 2 v2 .............. bqm vm wq 0
.. ........(14 )
en donde tas w de la ecuacin (12m) son:
w1 c1 (b11 1 b12
w2 c2 (b21 1 b22
............... b1m
.............. b2 m
.............. bqm
.
.
.
wq cq (bq1 1 b22
Sabemos de consideraciones previas que en el ajuste por mnimos cuadrados,

buscamos la solucin que minimiza el pv 2 . Vamos pues a definir esa funcin
deseada como sigue
pv 2 min imun.................................................................(14n)
Ya que las (14m) todas son iguales a cero, podemos multiplicar cada ecuacin por
una constante (-2) y, por un "multiplicador lagrangiano", o correlacionar (K) y
sumarlos todos a la ecuacin (14n) sin cambiar el valor de
Efectuando esta operacin resulta:
pv 2 2 K1 (b11v1 b2 v2 ................. b1m vv w1 )

2 K 2 (b21v b22v2 ................ b2 m vm w2 ) ..........................................................(14o)
........ 2 k q (bq1v1 bq 2 v2 ................. bqm vm wq )
Vamos a minimizar de una manera tradicional por mnimos cuadrados, tomando

la derivada parcial de con respecto a cada residual y estableciendo el resultado
igual a cero:
0 2 p1v1 2k1b11 2k 2b21 ............... 2 k q bq1

v1
0 2 p2 v2 2k1b12 2k 2b22 ............... 2 k q bq 2

v2
.............................................(14 p)
.
.
0 2 pm vm 2k1b1m 2k 2b2 m ............... 2 k q bqm

vm
Dividiendo a travs de las (14p) por 2, resolviendo para las v, y lueqo sustituyendo
estos valores v en las (l4m), obtenemos:
b11k q bq1 b12 k1b12 b12 k 2b22

b1k1b1 b11k 2b21
................
p1
p1
p1
p2
p2
.............
b12 k q bq 2
p2
...........................
b1m k1b1m
pm
b1m k q bqm
b1m k 2b2 m
..............
w1 0
pm
pm
.
.
.
.
b21k q bq1 b22 k1b12 b22 k 2b22

b21k1b11 b21k 2b21
..............
p1
p1
p1
p2
p2
b22 k q bq 2
p2
...............................
..............
b2 m k q bqm
pm
w2 0
.
.
.
.
b2 m k1b1m b2 m k1b2 m
pm
pm
bq1k1b11
p1
bq1k 2b21
bq 2 k q bq 2
p1
p2
...............
bq1k q bq1
p1
bq 2 k q bq1
................................
..............
bqm k q bqm
pm
p2
bqm k1b1m
pm
bq 2 k 2b22
p2
.............
bqm k 2b2 m
p2
wq 0
Las ecuaciones (14q) son q en nmero e implican como incgnitas slo a los
correlativos o valores K, K1, K2.., Kq. Estas ecuaciones se resuelven para los
correlativos, con lo cual esos valores correlativos luego se sustituyen de nuevo en
las ecuaciones (l4p) y se calculan los residuales. Teniendo los residuales, que
son valores de mnimos cuadrados, podemos aplicarlos a las observaciones
originales para calcular las observaciones corregidas. De stas corregidas, uno
puede calcular los valores ajustados para los parmetros desconocido requerido.
14.8.2 Solucin por mtodos matriciales
El procedimiento bsico anterior que acabamos de presentar, puede realizarse
usando mtodos matriciales. Las ventajas obviamente son la conveniencia de
expresar las ecuaciones y el procedimiento sistemtico computacional que se
adaptan idealmente a cmputos mediante computadoras electrnicas.
Comenzando otra vez con el sistema de ecuaciones de condicin (14),
representamos este sistema en forma matricial como:
B (L + V ) = C . . . . . . . . . . . . . . . . . . . ( 14r)
De la cual despus del desarrollo tenemos:
BL + BV = C
Y reordenando resulta:
BV = C - BL
Let BV = W = C BL.
Entonces BV - W = O. . . . . . . . . . . . . . . . . . . . . . (14 S)
La (14s) es el equivalente matricial de las ecuaciones algebraicas (14m). En el

ajuste por mnimos cuadrados, minimizamos el pv 2 , que en forma matricial es:
' V T PV minimo . . . . . . . . . . . . . . . . .. . . . . . (14t)
Since BV W 0, then also :

2k T ( BV W ) 0
En la ecuacin matricial (14u) , hemos introducido los correlativos. Ya que la
expresin (14u) es igual a cero, podemos restarla de la ecuacin (14t) sin cambiar
el valor de ' , o:
' V T PV 2 K T ( BV W ) . . .. .. . . . . . . . . . . . . . . . . . . . . . (14v)
La expresin (14v) es equivalente a la ecuacin algebraica (14o). Para hacer
cumplir la minimizacin en la solucin por mnimos cuadrados, tomamos las
'
derivadas parciales de con respecto a cada residual y se establece el resultado
igual a cero. Esto se expresa en forma matricial como:
'
2V T P 2 K T B 0
V
. .. . . . . . . . . . . . . . . . . . . . . (14w)
La expresin (14w) es equivalente a las ecuaciones algebraicas (14p). Dividiendo

(14w) por 2, y transponiendo, tenemos: (Ntese que PT = p).
P V - BT K = O
Ahora resolvemos para V en la expresin anterior y obtenemos:
V P 1 BT K . . . . . . . . . . . . . . .(14x)
Sustituyendo (14x) en (14s) tenemos:
B P 1 B T K W 0 .. . . . . . . (14y)
La ecuacin (14y) es equivalente a la expresin algbrica (14q).
Resolviendo (14y) para K, los correlativos, resulta:
K ( B P 1 B T ) 1 W
Sustituyendo esa expresin anterior en (14x), finalmente obtenemos:

V P 1 BT ( BP 1 B T ) 1 W . . . . . . . . (14z)
La ecuacin (14z) es la expresin matricial para la solucin por mnimos

cuadrados de las ecuaciones de condicin. Es equivalente a la ecuacin (14f).
14.9 Programa de computadora para la solucin de ecuaciones de
condicin
Se brinda en el Apndice E un listado del programa de computadora que resuelve
la ecuacin de condicin matricial (14f). Las matrices B, W y P deben calcularse e
ingresarse en la computadora mediante tarjetas perforadas. El programa se
entiende para acomodar un problema que tenga hasta 20 ecuaciones de condicin
involucrando hasta 50 valores observados. Se pueden asignar pesos a la
observacin, o si se desea una solucin no ponderada, se puede dar entrada a la
matriz P como una matriz de identidad. Tambin se ofrece en el Apndice E
documentacin del programa para su empleo.
Tarea autodidictica No. 14
1) Resolver el problema 1 de la tarea autodidctica No. 8 usando el mtodo de

condiciones.
2) Resolver el problema 2 de la tarea autodidctica No. 8 usando el mtodo de
condiciones.
3) Resolver el problema 2 de 1a tarea autodidctica No. 12 usando el mtodo de
condiciones
CAPITULO 15
AJUSTE DE POLIGONALES POR CONDICIONES
15.1 Introduccin
En cualquiera poligonal cerrada completamente levantada, se pueden cumplir en
los ajustes las tres siguientes condiciones: 1) cierre de partida o cierre en
coordenadas X; 2) cierre de latitud o cierre coordenadas Y; y 3) cierre de
acimut/acimutal. Estas condiciones existen sin importar cuantos lados estn
presentes en la poligonal. La manera de formar esas ecuaciones de condicin se
da en los artculos siguientes.
15.2 Las condiciones de partida Y latitud
La Fig. 15.1 ilustra una lnea IJ, y con referencia a la figura se pueden escribir las
ecuaciones siguientes:
X D sin . . . . . . . . . . . . . . . . . . . . . . (15a)
Y D cos . . . . . . . . . . . . . . . . . . . . . . . . (15b)
Fig. 15.1
En las 15a) y (15b) X y Y son la partida y latitud respectivamente del
curso, D es la longitud o largo de la lnea, y es el acimut medido del curso.
Tomando la derivada de la ecuacin (15a), un pequeo error de partida d X
debido a un pequeo error acimutal d y al error de distancia D es:

X = D cos . d + sen dD . . . . . . . . . .(15c)
La sustitucin de las ecuaciones (15a) y (15b) en (15c) produce:
d X Yd
X
dD . . . . . . . . . . . . . . . . . (15d)
D
Tomando ahora la derivada de la (15b), un pequeo error de latitud d Y debido al

pequeo error acimutal d y al error de distancia D es:
d Y D sin d cos dD . . . . . . . . . .(15e)

Sustituyendo las (15a) y (15b) en (15e) produce:
d Y Xd
dD / D . . . . . . . . (15f)
Considrese a d como un pequeo error residual va en el acimut de

cualquiera lnea de poligonal, y considrese D como un pequeo error residual
vs
en la medicin de distancia de cualquiera linea poligonal. Las ecuaciones

(15d) y (15f) pueden expresarse con estas sustituciones como:
d X Yva
X
vs . . . . . . . . . . . . . . (15g)
D
d Y Xva
X
vs . . . . . . . . . . . . . (15h)
D
Ahora considrese la poligonal cerrada de la Fig. 15.2, en donde los puntos 1 y 5

son puntos de control. El error val en el primer acimut se propaga a travs de toda
la figura, de ah que para val el Y que contribuye al error d X de la ecuacin
(15g) es (Y5l Yl ) y el X que contribuye al error d Y en la ecuacin (15h) es
( X 5l X l ) . En lo antedicho, el X 5l y Y5l son coordenadas preliminares del punto
5; es decir, son coordenadas calculadas usando acimuts y longitudes no
ajustados.
va2
Semejantemente para el error acimutal en Ta estacin 2,
, el Y que
contribuye al error d X de la ecuacin (15g) es (Y5 Y2 ) , y el X que

l
contribuye al error d Y en la ecuacin (15h) es ( X 5l X 2 l )

Referente a estos residuales de distancia vs , los residuales individuales de
distancia no se propagan a travs de la poligonal. Mas bien, slo los X y Y
individuales de cada lnea contribuyen a sus errores d X y d Y . Por esto el X
para vsl , en 1a ecuacin (15g) es ( X 2l X l ) y el Y para vsl , en la ecuacin
(15h) es (Y2 l Yl )
Tambin el X para vs2 en (15g) es ( X 3l X 2l ) , el Y en
(15h) es (Y3l Y2l ) , etc.

Expresando la Suma de todos los d X para todas las lneas de la Fig. 15.2:
Fig 15.2
( X 5 X 5l ) (Y5l Yl )va1 (Y5l Y2l )va2 (Y5l Y3l )va3

(Y5l Y4l )va4
( X 2 l X 1 )vs1
D1,2
( X 4 l X 3l )vs3
D3,4
( X 3l X 1l )vs2
D2,3
( X 5 l X 4 l ) v s4
D4,5
. . . . . . . . (15i)
Simplificando la (15i):
n 1
n 1
( X j X i )vsi
i 1
i 1
Dij
( X n X n ) (Yn Yi )vai
l
Fig 15.2
. . . . .. . . .
(15j)
( X 5 X 5l ) (Y5l Yl )va1 (Y5l Y2l )va2 (Y5l Y3l )va3

(Y5l Y4l )va4
( X 2 l X 1 )vs1
D1,2
( X 4 l X 3l )vs3
D3,4
( X 3l X 1l )vs2
D2,3
( X 5 l X 4 l ) v s4
D4,5
. . . . (15i)
Simplificando la (15i):
n 1
n 1
( X j X i )vsi
i 1
i 1
Dij
( X n X n l ) (Yn Yi )vai
. . . . . . . . . . (15j)
Similarmente, la ecuacin simplificada para la suma de d Y es:

'
( Yn - Yn ) =
n 1
i 1
(Y j Y1 )
n 1
( X n X 1 ) v a1
i 1
1)
aij
vs1...................
(15k)
En las ecuaciones (15j) y (15k) n representa el nmero total de estaciones de

poligonales comenzando con la estacin de control inicial en la cual se mide el
ngulo, y terminando con la estacin de control final donde se mide un ngulo.
Por ende, n tambin es igual al nmero total de ngulos medidos en la poligonal.
Por ejemplo de la poligonal en la fig. 15.2, n = 5. En estas ecuaciones, el suscrito j
= i+1. Todas las coordenadas X y Y son preliminares; vg., se calculan de acimuts y
longitudes/largos no ajustados, empezando desde la estacin de control inicial.
Los valores de D en estas ecuaciones son longitudes medidas. Las unidades de
los trminos D, X y Y son lineales (usualmente pies o metros), y se aplican las
mismas unidades a los residuales de distancia. Se aplican unidades de radianes a
los residuales angulares.
15.3 La condicin acimutal
La condicin de cierre acimutal se ilustra en la Fig. 15.3
La condicin acimutal o de cierre de ngulo es:
F I (1 va1 ) ( 2 va 2 ) ( 3 va 3 ) ( 4 va 4 ) ( 5 va 5 )............(15l )
En la ecuacin (15l ) i A j 180 , I es el acimut de control inicial y F es el
acimut de control final o de cierre. La (15l ) puede simplificarse como sigue:
n
i 1
i 1
F I i vai ................................................................................(15 m)
Los valores w en las (15 p ) y (15m) son ngulos de desviacin, y todas las
unidades estn en radianes.
15.4 Ejemplo del problema del ajuste de poligonales
Para ilustrar los principios discutidos en los artculos precedentes. La muy sencilla
poligonal presentada en el Art. 13.4 la cual se ajust por el mtodo de la ecuacin
de observacin, ser ahora ajustada por el mtodo de la ecuacin de condicin.
Como abajo se indica, las soluciones tabulares son muy tiles para formar las
ecuaciones de condicin.
15.4.1 Condicin acimutal
Por la ecuacin (15m) , la ecuacin de condicin acimutal es:

n
F I 1 va1 va 2 va 3 ................................................................(15 n)
i 1
El lado izquierdo de la (15m) es el cierre de acimut que se calcula como sigue:

(vase a continuacin la solucin tabular) w1 90 00'0 00'90 01'0 01'
Convirtiendo a radianes:
w1
Estacin
E
A
B
C
D
01
0.000291rad.
3438
ngulos
observados (A)
ngulos de
desviacin (W)
24000
15000
24001
6000
3000
6001
i 9001'
Acimuts
preliminares
000
6000
3000
9001
Solucin tabular para calcular el cierre acimutal
15.4.2 Condiciones de partida y latitud

Por la ecuacin (15 j ) , la ecuacin de condicin de partida es:
( X c X 'c ) (Y 'c Ya )va1 (Y 'c Y 'b )va 2
( X 'b X a )
( X 'c X 'b )
v s1
vs 2 ................(15o)
Dab
Dbc
Tambin por la (15k ) , la ecuacin de condicin de latitud es:

(Yc Y 'c ) ( X 'c X a )va1 ( X 'c X 'b )va 2
(Y 'b Ya )
(Y 'c Y 'b )
v s1
vs 2 ..................(15 p )
Dab
Dbc
Es de utilidad una solucin tabular para calcular los coeficientes y cierres para las
(15o) y (15 p ) , a saber:
Estaci
n
Acimut
prelimina
r
Distancia
medida
Partida
Latitud
6000
200.00
173.205
100.00
3000
100.00
50.000
86.603
A
B
C
Coordena
das
X
1000.000
Coordena
da
Y
1000.000
1173.205
1100.000
1223.205
1186.603
De la tabla anterior, los coeficientes de los residuales en la ecuacin de partida

son:
Y 'c Ya 186 .603
Y 'c Y 'b 86 .603
X 'b X a 173 .205
0.866
Dab
200 .00
X 'c X 'b
50 .000
0.500
Dbc
100 .000
Tambin el trmino constante o el cierre en las partidas son:

w2 X c X 'c 1223.000 1223.205 0.205 ft.
Similarmente, los coeficientes de los residuales y es trmino constante o de cierre

para la ecuacin de condicin de latitud son:
( X 'c X a ) 223.203
( X 'c X b ) 50.000
Y 'b Ya 100.000
0.500
Dab
200.000
Y 'c Y ' b
86.603
0.866
Dbc
100.000
w 3 Yc Y 'c 1186.500 1186.603 0.103ft .
15.4.3 Compendio de las matrices

De acuerdo con la ecuacin bsica de condicin matricial, BV=W, se aplican las
siguientes matrices para este problema de ejemplo:
B=
v a1

va 2
va 3
V=
v s1
v
s2
vs 3
0.000291
W = 0.205
0.103
La matriz P o de peso comprende los pesos individuales de las observaciones.

Ellos son equivalentes a los inversos de los cuadrados de las desviaciones
estndar (o variaciones) de los valores observados, de acuerdo con la ecuacin (6
g). Se dieron las desviaciones estndar para esas observaciones en el Art.13.4.
Recurdese que las unidades de los valores angulares estn en radianes.
Considerando que las observaciones no estn correlacionadas, los elementos no
diagonales son cero, y la matriz P es:
P=
En la matriz anterior, (Rho) es el nmero de segundos por radian o 206,265.

Reduciendo esta matriz P a valores numricos produce:
P=
15.4.4 Solucin programa computadora

Las matrices anteriores se ingresaron a la computadora y se resolvieron usando el
programa descrito en el Apndice E. los resultados se listan en una de las paginas
siguientes. Ntese que los primeros tres residuales listados estn en unidades de
radianes que al convertirse a segundos son -49, -17 y +6, respectivamente. Los
residuales de distancia son -0.11 y -0.12 ft, respectivamente para las lneas AB y
BC. Estos valores concuerdan con aquellos obtenidos por la solucin de la
ecuacin de observacin dada en el Art. 13.4.
15.4.5 Clculo de los valores ajustados
El programa de computadora produce residuales que deben aplicarse a las
observaciones originales para obtener observaciones ajustadas. Basndose en las
observaciones ajustadas, pueden obtenerse los acimuts y coordenadas ajustados,
a saber:
Observacin
1
2
3
AB
BC
A
B
C
Ntese
Residual
-49
-17
+6
Valor ajustado
2395911
1495943
2400106
200.00
100.00
-0.11
-0.12
199.89
99.88
Distancia
Coordenadas Coordenadas
Partida Latitud
ajustada
ajustadas X
ajustadas Y
1000.00
1000.00
595911 199.89 173.09 99.99
1173.09
1099.99
295854
99.88
49.91 86.51
1186.50
1223.50
que las coordenadas ajustadas para el punto B concuerdan exactamente
Estacin
Acimut
ajustado
Valor medido
2400000
1500000
2400100
con aquellas de la solucin de la ecuacin de observacin, y la poligonal cierra

precisamente en el punto de control C.
15.5 Poligonales de polgono cerrado
El problema presentado aqu fue una poligonal que comenz en un punto de
control y cerro en otro diferente. Los tipos de poligonales de polgono cerrado,
tales como los de la figura 13.1 (a) que se reprodujeron en la Fig. 15.4, no
presentan ningn problema especial. Se calculan las coordenadas preliminares
para los puntos B, C, D y A usados en las ecuaciones de condicin (15j) y (15k)
basndose en los ngulos medidos 1 al 4 , y en las cuatro distancias medidas.
Los cierres de partida y latitud seran X a X 'a y Ya Y 'a , respectivamente. La
ecuacin de condicin angular sera:
s
i 1
i 1
i 180 vai ........................................................................................(15q)

Donde ei 180
Fig. 15-4
Ejemplo de poligonal de polgono cerrado

POLIGONAL DE LA FIG. 13-2, COMPUTOS DE AJUSTE DE WOLF
MATRIZ B
1.0000000
0.0000000
186.60300
0.8660000
-223.2050
0.5000000
1.0000000
0.0000000
86.603000
0.5000000
-50.00000
0.8660000
1.0000000
0.0000000
0.0000000
0.0000000
0.0000000
0.0000000
MATRIZ W
[-0.0002910
-0.2050000
-0.1030000]
MATRIZ P
7300000.00
400.000000
47300000.00
156.0000000
47300000.00
0.000000000
RESIDUALES
0.0002350
0.0000834 Radianes
0.0000275
0.1069571
Pies
0.1225815

1) Usando el mtodo de condiciones de mnimos cuadrados, calcular los
residuales y las coordenadas ajustadas de las estaciones B y C en la poligonal
de la tarea autodidacta No. 13. (Nota: elimnese el ngulo BAC=451215, y
agrguese el ngulo CAX=2511315).
2) Para la poligonal cerrada de la figura a continuacin, se aplican los datos
dados. Calcular los residuales y las coordenadas ajustadas de las estaciones
A, B y C usando el mtodo de condiciones de mnimos cuadrados.
Observaciones
Angulo
PQA
QAB
ABC
BCR
CRS
Valor
8517
26711
9434
17930
30803
Acimuts fijos: PQ = 15005

RS = 18443
Coordenadas fijas:
X q 10 .000
X r 11 .813,99
Yq 10 .000
Yr 10 .458,84
Desviaciones estndar:
ngulos medidos = 60"
Distancias medidas = 0.20 pies
Curso
QA
AB
BC
CR
Longitud
453.85
621.20
598.35
671.91
CAPITULO 16
TRANSFORMACION CONFORME DE COORDENADAS BIDIMENSIONALES
16.1 Introduccin
Se usa tal transformacin para transformar las coordenadas de puntos de un
sistema de coordenadas planas a otro sistema paralelo de coordenadas planas.
La caracterstica de una transformacin conforme es que mantiene una forma
cierta/verdadera entre las posiciones relativas de los puntos transformados. Una
tpica situacin en agrimensura donde se utiliza dicha transformacin, es la de
colocar dos levantamientos separados (efectuados en distintos sistemas de
coordenadas) en uno de los sistemas.
Las transformaciones conformes de coordenadas bidimensionales involucran un
proceso de tres pasos: (1) hacer el cambio utilizando una constante
(desmultiplicar), para crear iguales tamaos de los dos sistemas de coordenadas;
(2) rotacin, para hacer paralelos los ejes de referencia de los dos sistemas; y (3)
traslacin, a fin de crear un origen comn para los dos sistemas de coordenadas.
Para efectuar dicha transformacin, es necesario tener un mnimo de 2 puntos
comnmente llamados puntos de control, cuyas coordenadas son conocidas en
ambos sistemas. No obstante, es deseable tener ms de dos puntos de control.
16.2 desarrollo de las ecuaciones
Las Figs. 16.1 y 16.2 ilustran a dos sistemas de coordenadas independientes con
tres puntos de control: A, B y C, se requieren transformar los puntos adicionales 1,
2, 3,.., n del sistema x-y al sistema X-Y. las ecuaciones necesarias se
deducen como sigue:
Paso 1 Desmultiplicacin.
Para hacer las longitudes de lneas segn definidas por las coordenadas x-y,
iguales a sus longitudes segn definidas por las coordenadas X-Y, es necesario
multiplicar las coordenadas x-y por un factor de escala s. las coordenadas
desmultiplicadas x y y pueden, por tanto, definirse como:
Paso
2
x = sx
Rotacin
y = sy. (16a)
En la Fig. 16.3, El sistema de coordenadas X-Y ha sido superpuesto en el sistema

desmultiplicado x-y. El ngulo entre los ejes Y y y es el llamado ngulo de
rotacin. Para efectuar la rotacin, es necesario construir un sistema de eje X-Y,
que sea paralelo al sistema X-Y, pero que tenga su origen en le origen del
sistema del eje x-y. Las expresiones que dan las coordenadas giradas X-Y de
cualquier punto (vg., punto 4 de la Fig. 16.3), en trminos de las coordenadas x-y
y , son:
X '4 x ' cos y ' sen
Y '4 x ' sen y ' cos ............................................................................(16b)
Fig. 16.3
Paso 3 Traslacin
Para llegar finalmente a las coordenadas X y Y de cualquier punto, es necesario
trasladar desde el origen del sistema X-Y hasta el origen del sistema X-Y.
Haciendo referencia a la Fig. 16.3, se indica que esta traslacin para cualquier
punto (vg., punto 4), se logra sumando factores de traslacin como sigue:
X 4 X 'TX
Y4 Y 'TY .................................................................................................(16 c )
Combinando las ecuaciones (16a), (16b) y (16c):

X 4 sx cos sysen TX
Y4 sxsen sy cos TY .................................................................................(16 d )
Permitir que s cos a, ssen b, Tx c y TY d . Luego reescribiendo la ecuacin

(16d), y aadiendo residuales para hacer compatibles las ecuaciones
redundantes, resultan las siguientes ecuaciones de observacin:
ax by c X v X
ay bx d Y vY .............................................................................................(16 e)
16.3 Aplicacin de los mnimos cuadrados

Las ecuaciones anteriores representan las ecuaciones bsicas de observacin
para efectuar una transformacin conforme de coordenadas bidimensionales. Las
ecuaciones contienen cuatro incgnitas: a, b, c y d. estas cuatro incgnitas se
conocen como los coeficientes de transformacin. Se pueden escribir dos
ecuaciones de esta forma para cada punto de control; de ah que dos puntos de
control dan cuatro ecuaciones y una solucin nica en su gnero. Resulta un
sistema de ecuaciones redundantes de observacin al usar ms de dos puntos de
control. Como ejemplo, considrense las ecuaciones, que resultaran al realizar
una transformacin conforme para la situacin ilustrada en las Figs. 16.1 y 16.2.
Hay tres puntos de control A, B y C; por tanto, pueden escribirse las seis
ecuaciones siguientes:
axa bya c = X A v XA
bxa aya +d = YA vYA
axb byb c X B v XB
bxb ayb d YB vYB
axc byc c X c v Xc
.. (16f)
bxc ayc d Yc vYc
Las ecuaciones anteriores pueden expresarse en forma matricial como:

A6 x 4 X 4 x1 L6 x1 V6 x1.....................................................................................(16 g )
Donde:
A=
a

X = b
c

d
XA
Y
A
XB
L=
YB
X
C
YC
VXA

VYA
VXB
V=
VYB
V
XC
VYC
Puede resolverse el sistema anterior de ecuaciones redundantes usando la

ecuacin de mnimos cuadrados (9c), en cuyo caso se obtienen los valores ms
probables para los cuatro coeficientes de transformacin. Habiendo obtenido tales
coeficientes, las coordenadas X-Y de todos los puntos adicionales (cuyas
coordenadas slo se conocan en el sistema x-y) pueden obtenerse resolviendo

ecuaciones en la forma de (16f) para cada punto, aunque en esta solucin se
abandona el residual. Se puede usar la solucin de mnimos cuadrados
ponderados si difieren las veracidades de las coordenadas.
16.4 Programa de computadora y ejemplo numrico
Se ofrece en el Apndice F un programa de computadora que resuelve el
problema de la transformacin conforme. Este programa acomodar hasta diez
puntos de control (puntos cuyas coordenadas se conocen en ambos sistemas),
permitiendo la transformacin de hasta 50 puntos. Con este programa, slo es
necesario ingresar el nmero de puntos y sus coordenadas. El programa dirige la
computadora a formular matrices A y L. El programa supone pesos iguales en
todas las coordenadas medidas, lo que es el caso usual.
Para demostrar el uso del programa, se resolvi el siguiente ejemplo:
Ejemplo
Un levantamiento efectuado en un sistema arbitrario de coordenadas X-Y produjo
coordenadas para los puntos A, B y C, y del 1 al 5. Los puntos A, B y C son puntos
de control cuyas coordenadas planas estatales (rotuladas E y N) se conocen. Se
requieren determinar las coordenadas N-E de los puntos 1 al 5.
A continuacin una tabulacin de las coordenadas arbitrarias X-Y y de las N-E
para esos puntos:
Punto
A
B
C
1
2
3
4
5
E
1,049,422.40
1,049,413.95
1,049,244.95
N
51,089.20
49,659.30
49,884.95
X
121.622
141.228
175.802
174.148
513.520
754.444
972.788
1068.118
Y
-128.066
187.718
135.728
-120.262
-192.130
-67.706
120.994
161.624
Este problema se resolvi usando el programa de computadora del Apndice F,

que tambin documenta la forma como se ingresan los datos de entrada en la
computadora. La salida impresa para la solucin se da en la pgina siguiente, y es
auto explicativo e incluye los datos de entrada, las coordenadas de los puntos
transformados y los coeficientes de transformacin.
EJEMPLO DEL PROBLEMA COMPUTOS PARA EL AJUSTE DE WOLF
PUNTOS DE CONTROL
PUNTO
A
B
C
ABCISA
1049422.400
1049413.950
1049244.950
ORDENADA
51089.200
49659.300
49884.950
COORDENADAS MEDIDAS
PUNTO
X
A
121.622
B
141.224
C
175.802
1
174.144
2
513.520
3
754.444
4
972.788
5
1064.118
Y
-124.066
187.714
135.724
-120.262
-192.130
-67.706
120.994
161.624
COORDENADAS TRANSFORMADAS TERRESTRES DE LOS PUNTOS

PUNTO
A
B
C
1
2
3
4
5
ABCISA
1049422.404
1049414.051
1049244.845
1049187.361
1047637.713
1046582.113
1045644.713
1045224.845
ORDENADA
51089.171
49659.223
49885.056
51040.629
51278.829
50656.241
49749.336
49541.807
ECUACIONES DE TRANSFORMACION
X TIERRA A1 A2 ( XMEDIDA ) A3(YMEDIDA )
YTIERRA A4 A3( XMEDIDA ) A2 (YMEDIDA )
Donde A1 1050003.71, A2 4.51249, A3 0.25371, A4 50542.13

Tarea autodidacta No. 16
1) Se conocen las coordenadas de los puntos A, B y C en el sistema X-Y y en el
sistema x-y. Slo se conocen las coordenadas de los puntos D, E, F y G en el
sistema x-y. Estas coordenadas se muestran en la tabla a continuacin.
Usando una transformacin conforme de coordenadas bidimensionales, y el
mtodo de mnimos cuadrados, calclense las coordenadas de D, E, F y G en
el sistema X-Y.
Punto
A
B
C
D
E
F
G
X
3000.00
1000.00
3000.00
Y
2000.00
3000.00
4000.00
x
1767.77
707.11
1060.66
1414.21
353.52
1414.21
353.52
y
1060.66
707.11
1767.77
1414.21
1060.66
-353.52
-353.52
2) Para el problema 16.1, cules son los valores de: (a) el ngulo de rotacin,
(b) el factor de escala, (c) la traslacin en X, y (d) la traslacin en Y?
CAPITULO 17
ELIPSES DE ERRORES
17.1 Introduccin
Como se demostr en el capitulo 10, despus de realizar los ajustes por mnimos
cuadrados para obtener las posiciones ms probables de los puntos en un sistema
de coordenadas de referencia X-Y, las desviaciones posicionales estndar SX i y
SYi para el punto i en las direcciones X y Y pueden calcularse fcilmente de los
elementos de la matriz de covariacin. Esas desviaciones estndar proporcionan
estimaciones de errores en las direcciones de los ejes de referencia que tienen un
68 por ciento de probabilidad. En forma grfica, representan las medias
dimensiones de un rectngulo de error estndar alrededor de cada punto.
En una ms rigurosa teora del error, el rectngulo de error estndar se reemplaza

por una elipse de error estndar cuyos arcos son tangentes a los lados del
rectngulo de error. (Vase la Fig. 17.1) La orientacin de la elipse depende del
ngulo t que establece las direcciones de los ejes ortogonales auxiliares U-V a lo
largo de los cuales yacen los ejes de la elipse. Hay un nmero infinito de
diferentes formas de orientacin de la elipse. Sin embargo, en agrimensura
normalmente nos interesa el sistema de ejes U-V que produce valores mximos y
mnimos para los ejes semimayores y semimenores de la elipse, respectivamente.
De los elementos de la matriz de covariacin determinados el valor de t que
orienta la elipse a proporcionar los semiejes mximos y mnimos, adems de
calculas los valores numricos para esos semiejes.
Conforme a ala teora del error, dependiendo del nmero de grados de libertad en
el problema del ajuste hay aproximadamente un 35 por ciento de probabilidad que
el punto ajustado yazca dentro de la elipse de error estndar. Esta elipse de error
estndar puede modificarse en dimensiones mediante el uso de valores
estadsticos F para representar una probabilidad de error de cualquier por ciento
seleccionado. Con frecuencia los agrimensores seleccionan la probabilidad del
95%, puesto que esto permite un alto nivel de confianza.
Los procedimientos para calcular el ngulo t y los ejes semimayores y
semimenores se presentan en la seccin 17.2, dndose ejemplos en la 17.3.
17.2 Computo de orientacin y semiejes de la elipse
El procedimiento a fin de calcular el ngulo de orientacin t de la elipse que
produce semiejes mximos y mnimos, primero involucra la escritura de
ecuaciones de transformacin conforme bidimensional para transformar cualquier

punto I del sistema del eje de ajuste X-Y al sistema de coordenadas ortogonales
U-V (vase la Fig. 17.2); luego diferenciando estas ecuaciones con respecto a t,
estableciendo el resultado igual a cero y resolviendo para t. esto se demuestra en
los pasos siguientes:
A. Cualquier punto I en el sistema UV puede representarse con respecto a sus
coordenadas X-Y como:
U i Yi cos t X i sent
Vi Yi sent X i cos t.....................................................................................................(17 a )
En forma matricial las ecuaciones anteriores son:
sent Yi
U i cos t

.. (17b)
Vi sent cos t X i
O en una notacin simplificada:

Z = NX... (17c)
B. supngase que como resultado del problema del ajuste en el cual aparece I,
hemos desarrollado una matriz de covariacin QXX para el sistema X-Y. Ahora el
problema es desarrollar de la matriz QXX una nueva matriz de covariacin Q ZZ para
el sistema del eje UV.
C Sustituir las identidades trigonomtricas dentro del elemento QUU de (17f) y
reducir:
QUU cos 2 tQYY 2 cos tsentQXY sen 2tQXX
sen 2t
Q XY
2
QYY
Q cos 2 t Q XX sen 2t QYY sen 2t Q XX cos 2 t
( sen 2t cos 2 t ) YY
sen 2tQXY
2
2
2
2
2
QYY QYY
Q
(cos 2 t sen 2t ) XX (cos 2 t sen 2t ) Q XX sen 2t

2
2
2
QUU cos 2 tQYY sen 2tQXX 2

QUU
Q XX
QUU
Q XX
Finalmente,
QUU
QXX QYY QYY QXX
cos 2t QXY sen 2t...................................................(17 g )

2
2
D. Con una manipulacin similar, todos los elementos de la matriz QZZ pueden
representarse como: ecuacin (17h)
QYY Q XX QYY Q XX
cos 2t Q XY sen 2t
2
2
Q Q
YY
sen 2t Q XY cos 2t
XX
2
QXX QYY
sen 2t Q XY cos 2t
QYY QXX QYY QXX
cos 2t QXY sen 2t
2
2
Para determinar el valor de t que maximizar (o minimizar) QUU . Diferenciamos

QUU con respecto a 2t y se establece la funcin resultante igual a cero:
d (QUU )
Q QXX
0 YY
(2)( sen 2t ) QXY (2) cos 2t
d 2t
2
Reduciendo:
(QYY Q XX ) sen 2t 2Q XY cos 2t
sen 2t
2Q XY
tan 2t.........................................................................................(17 i )
cos 2t Q yy Q XX
De ( 17i ) hallamos el valor 2t y de ah t. tambin lo posicionamos en el cuadrante

apropiado reconociendo que el numerador es seno 2t y el denominador coseno 2t.
La siguiente tabla ayuda a seleccionar el cuadrante correcto:
Signo algebraico de
Seno 2t Coseno 2t
+
+
+
+
Cuadrante
1
2
3
4
E. Para facilitar el clculo de QUU se desarrolla la siguiente ecuacin:
Permita que K
QYY QXX
cos 2t
QYY QXX
.........................................................................(17 j )
K
2QXY
Y de la ecuacin ( 17i ) : sen 2t
.....................................................(17k )
K
Luego: cos 2t
Elevando al cuadrado ( 17 j ) y ( 17 k ) y tomando sus sumas:

cos 2 2t sen 2 2t (
QYY QXX 2
2Q
) ( XY ) 2
K
k
Por identidad trigonomtrica el lado izquierdo de la ecuacin anterior es 1, por

tanto:
1
(QYY QXX ) 2 ( 2QXY ) 2

K2
Resolviendo para K:
K (QYY QXX ) 2 ( 2QXY ) 2
1 / 2 ........................................................(17l )
Sustituyendo ( 17 j ) y ( 17k ) en el elemento QUU de ( 17h) :

QUU
QYY QXX
Q QXX QYY QXX
Q
( YY
)(
) QXY (2)( XY )......................(17m)
2
2
K
K
Reduciendo:
QUU
QUU
Finalmente:
QYY QXX
1 (Q QXX ) 2
YY
2(QXY ) 2
2
K
2
QYY Q XX
2
1 K2
K 2
QUU
1
(QYY QXX k )..........................................................................................(17n)
2
La ecuacin ( 17n) permite el clculo fcil de un valor numrico, que al multiplicarlo

por s02 , da la variacin a lo largo del eje U. La raz cuadrada de la variacin es el
eje semimayor para la elipse de error estndar.
F. Ahora hallamos el valor de QVV diferenciando QVV de la ecuacin (17h) y
estableciendo la funcin resultante igual a cero:
d (QVV )
Q Qxx
0 ( YY
)( sen 2t )( 2) QXY cos 2t (2)
d 2t
2
Reduciendo:
(QYY Q XX ) sen 2t 2QXY cos 2t
sen 2t
2QXY
tan 2t.........................................................................................(17 o)
cos 2t (QYY QXX )
G. De previas consideraciones:
QYY QXX )
cos 2t
Q QXX
cos 2t ( YY
)..........................................................................................................(17 p )
K
K (
Sustituyendo tambin en (17o)

sen 2t
2QXY
....................................................................................................................(17q )
K
Elevando al cuadrado (17p) y (17q) y sumando:

cos 2 2t sen 2 2t
(QYY Q XX ) 2 4(Q XY ) 2
K2
K (QYY Q XX ) 2 4(Q XY ) 2
Sustituyendo (17p) y (17q) en QVV de la (17h):
1/ 2
QVV
QYY QXX
Q QXX
Q QXX
Q (2)QXY
( YY
)( YY
) XY
2
2
K
K
Reduciendo:
QVV
(Q XY ) 2
QYY QXX 1 (QYY QXX ) 2
2
K
2
QVV
QYY QXX 1 K 2
2
K 2
Finalmente:
QVV
1
(QYY QXX K ).............................................................................................(17r )
2
La ecuacin (17r) produce un valor numrico de QVV que cuando se multiplica por
s 2 da la variacin a lo largo del eje V. La raz cuadrada de esta variacin es el
semieje menor de la elipse.
H. Resumiendo, los procedimientos a fin de calcular el ngulo t y los valores

numricos para los semiejes mayores y menores de la elipse son:
(1) De la matriz de covariacin
tan 2t
(1)
2Q XY
sen 2t
QYY Q XX
cos 2t
(2)
QUU
1
(QYY QXX K )
2
(3)
QVV
1
(QYY QXX K )
2
Donde:
K (QYY Q XX ) 2 4(Q XY ) 2
1 / 2
La ecuacin (1) da el ngulo t, que el eje U hace con el eje Y. La ecuacin (2) da
el valor numrico para QUU que al multiplicarse por s 2 , da la variacin a lo largo del
eje U. La raz cuadrada de la variacin es el semieje mayor para la elipse de error
estndar.
La ecuacin (3) da el valor numrico para QVV que al multiplicarse por s 2 da la
variacin a lo largo del eje V. la raz cuadrada de esta variacin da el semieje
menor de la elipse de error estndar.
Ntese que no es menester buscar las funciones trigonomtricas, excepto para 2t
del valor numrico obtenido en la ecuacin (1).
17.3 Ejemplo del problema de los clculos de la elipse de error estndar

17.3.1 Calcular las elipses de error para el problema de trilateracin en el
Artculo 11.9
A. Croquis del problema.
B. Del listado de computadora se obtiene lo siguiente:

1) s0 0.020 pies
2) Las matrices de covariacin (Q XX ) y X son:
Q XX
X=
dX 2
dX
3
dY2
dY3
C. La elipse de error para la estacin Wls. (No. 2):
1)
tan 2t
2( 1.66 )
2.333;2t 293 40' ; t 146 50'
2.634 1.199
2)
1/ 2
K ( 2.634 1.199 ) 2 4( 1.66 ) 2
K 2.059 11 .022
1 / 2
13 .08 3.617
3)
SU S 0 QUU 0.020
2.634 1.199 3.617

0.039 ft .
2
SV S 0 QVV 0.020
2.634 1.199 3.617

0.007 ft .
2
4)
5)
S X 0.020 1.199 0.022 ft .
6)
SY 0.020 29364 0.033 ft .
D. La elipse de error para la estacin Campus (No. 3):

1)
tan 2t
2)
2(0.460 )
0.270;2t 15 08' ; t 7 34'
3.962 0.583
K (3.962 0.583) 2 4(0.460 ) 2
1 / 2
12 .26 3.502
3)
SU 0.020
3.962 0.583 3.502

0.040 ft .
2
SV 0.020
3.962 0.583 3.502

0.014 ft .
2
4)
5)
S X 0.020 0.583 0.015 ft .
6)
SY 0.020 3.962 0.040 ft .
E. Dibujando la elipse de error estndar.

La Fig. 17.3 muestra la figura para el ejemplo de trilateracin de Art. 11.9, dibujada
a una escala de 1200 pies por pulgada. A fin de dibujar las elipses de error para
los puntos 2 y 3, primero se construye el rectngulo de error delineando los
valores de S X y SY hacia alguna escala conveniente de elipse a lo largo de los
ejes de ajuste X y Y, respectivamente. Para este ejemplo, se seleccion una
escala de elipse de 1 igual a 0.5pies. Luego se delinea el ngulo t al dextrorso
del eje Y positivo para construir los ejes U y V. Despus se trazan los valores de
SU y SV a la escala de la elipse a lo largo de los ejes U y V respectivamente. La
elipse se dibuja de manera tal que SU es el semieje mayor. SV Es el semieje
menor y la elipse es tangente al rectngulo de error.
Escala de Fig.:1=1200pies
Escala de elipse: 1=0.5 pies
Fig. 17.3
Elipses de error estndar para el cuadriltero trilaterado del Art. 11.9
17.3.2 Calcular la elipse de error estndar para el punto B del problema de la
poligonal del Art. 13.4
A. Para el ajuste, S0 1.76 pies , y las matrices X y Q son:
dX
X=
dY
Q XX Q XY 0.000553 0.000622
QB
=
0.000622 0.000872
Q XY QYY
B. Clculos para la elipse de error:
1)
2(0.000622 )
0.000872 0.00553
2t 75 .6
tan 2t
t 37 .8
Al dextrorso del eje Y
2)
K = (0.000872 0.000553) 2 4(0.000622) 2

K 0.001284
1/ 2
3)
SU 1.76
0.000872 0.000553 0.001284

0.064 ft .
2
SV 1.76
0.000872 0.000553 0.001284

0.015 ft .
2
4)
5)
S X 1.76 0.000553 0.41 ft .
6)
SY 1.76 0.000872 0.052 ft .
C. La Fig. 17.4 da la elipse trazada de error estndar
Fig. 17.4
Elipse de error estndar para el ejemplo de poligonal Art 13.4
17.4 La elipse de error de 95 por ciento

Los clculos del Art. 17.3 producen la elipse de error estndar. Tales elipses
pueden modificarse para producir elipses de error (EE) de cualquier intervalo de

confianza o por ciento de probabilidad, por ejemplo de 50%, del 90%, del 95% o
del 99%. En agrimensura la EE del 95% es la mayormente usada se usa la
estadstica F a fin de modificar las EE estndar para obtener elipses de otras
probabilidades. La estadstica F da razones/relaciones de variaciones para
variados grados de libertad, puesto que al aumentar los grados de libertad, se
espera que tambin aumente la precisin. Los modificadores de la estadstica F
para las EE del 95% de confianza son:
Grados de libertad
1
2
3
4
5
10
15
20
25
30
Estadstica F
200
19.0
9.55
6.94
5.79
4.10
3.68
3.49
3.39
3.19
Para calcular el 95% de los ejes semimayores y semimenores de la elipse, se

usan las ecuaciones siguientes:
SU 95 SUStd . ( 2 F )
SV 95 SVStd . ( 2 F ) . (17s)
S X 95 S XStd . ( 2 F )
SY 95 SYStd . ( 2 F )
En las ecuaciones (17s), los valores de F se toman de la tabla anterior de

acuerdo con el nmero de grados de libertad en el ajuste particular.
17.5 Ejemplo del problema del clculo de la elipse de error (EE) de 95%
La EE del 95% para el punto 2 del ejemplo de trilateracin del Art. 11.9 se calcula
usando las (17s) como sigue:
SU 95 0.039 2(200) 0.780ft .
SV 95 0.007 2(200) 0.140ft .
S X 95 0.022 2(200) 0.440ft
SY 95 0.033 2(200) 0.660ft .
17.6 Ventajas de las elipses de errores (EE)

Adems de proporcionar la informacin crtica referente a la precisin de cada
punto, una ventaja principal de las EE es que ofrecen medios excelentes para
hacer comparaciones visuales de las precisiones de puntos. Comparando formas,
tamaos, y orientaciones de las EE de cinto por ciento de probabilidad o nivel de
confianza, se pueden comparar rpida y significativamente varios levantamientos.
17.7 Diseo de redes de levantamientos
El tamao, forma y orientacin de las EE de la estacin slo dependen de las
precisiones de las distintas observaciones y del carcter geomtrico de la red. Por
ende, es posible estimar por adelantado durante un levantamiento las precisiones
a priori de las observaciones de una red propuesta. Usando datos observacionales
simulados, se puede efectuar un ajuste por mnimos cuadrados para el
levantamiento propuesto y trazar la EE de estacin. La geometra de la red puede
variarse en configuraciones diferentes, realizar ajustes por mnimos cuadrados en
esas configuraciones y trazar EE para cada una de las variaciones. Adems de
una geometra variada tambin se tienen distintas precisiones a priori de acuerdo
con las precisiones que serian posibles con el equipo de agrimensura disponible.
Por experimentacin, es posible seleccionar la ptima combinacin de la red y el
equipo necesario a fin de lograr la mayor precisin en cualquier levantamiento.
Lo anteriormente dicho se conoce como el diseo de la red. Su valor potencial
estriba en que capacita al agrimensor a seleccionar la red que proporcionara la
ms alta proporcin en el gabinete antes de marchar al campo. An que el mtodo
parece ser viable en teora, otros factores dominantes tales como accesibilidad de
la estacin, terreno, vegetacin, etc., a menudo impiden en realidad el uso del
diseo de la red ptima. No obstante, existe la posibilidad de algn diseo de la
red incluso con ciertas restricciones.
Las Fig. 17.5 y 17.6 muestran las EE para dos redes diferentes. La Fig. 17.5
ilustra las EE de un levantamiento por trilateracin de una red compuesta por 9
estaciones. El levantamiento incluye 19 observaciones de distancia y 5 grados de
libertad. La Fig. 17.6 muestra las EE de la misma red, ms el levantamiento es por
triangulacin y se compone de una lnea base desde la estacin Red hasta Bug,
involucrando 19 ngulos observados.
Respecto a esas dos Fig., y teniendo en cuenta que mientras ms pequea sea la
elipse ms alta ser la precisin, se hacen las siguientes observaciones
generales:
1. Las estaciones Sand y Birch en ambas figuras tienen las precisiones ms altas.
Claro est que esto se esperaba, debido a su proximidad a la estacin de
control Bug y por la densidad de observaciones hechas a esas estaciones.
2. El gran tamao de las EE en las estaciones White, Baever, Bunker y Bee de la
Fig. 17.6 indica que estas estaciones tienen precisiones ms bajas.
3. Las estaciones White y Schutt (Fig. 17.5) tienen precisiones relativamente
altas de este a oeste y precisiones relativamente bajas de norte-sur. El examen
de la red indica que esto era de esperar.
4. Las estaciones Beaver y Bunker (Fig. 17.5) y White (Fig. 17.6) tienen una
precisin relativamente baja este-oeste. Una vez ms el examen de de las
redes indican que esto se esperaba.
5. La estacin Bunker (Fig. 17.69) tiene una precisin uniforme total en todas las
direcciones segn se ilustra por la casi forma circular de sus EE.
6. Las EE generalmente ms pequeas en la Fig. 17.5 indican que el
levantamiento por trilateracin espera producir precisiones superiores al
levantamiento por triangulacin de la Fig. 17.6.
Estos ejemplos sirven para ilustrar algunos de los valores de las EE de estacin.
Tales observaciones se hicieron fcil y rpidamente mediante una comparacin de
las EE. Esa misma informacin hubiera sido difcil, sino imposible, de averiguar
slo con las desviaciones estndar en las direcciones X y Y.
Variando el levantamiento, sera posible el encontrar finalmente un diseo que
proporcionar ptimos resultados en trminos de llenar los requisitos de una
precisin uniformemente aceptable con la mayor economa posible.
Fig. 17.5
Fig. 17.6
1) Calcular los ejes semimenores y semimayores de la EE estndar para la

posicin ajustada del punto U del ejemplo de la trilateracin en el Art. 11.4.
Trazar la figura trilaterada usando una escala de 1 pulgada a 1000pies y
trazar la EE usando una escala de 1 pulgada a 0.50 pies
2) Calcular los ejes semimenores y semimayores de la EE del 95% de
confianza para el problema No. 1. Trazar esta elipse superpuesta sobre la
elipse del problema No. 1.
3) Igual que el problema No. 1 excepto el problema de triangulacin del Art.
12.4.
4) Igual que el problema No. 2 excepto para el problema de triangulacin del
Art. 12.4.
5) Igual al problema No. 1 excepto para la posicin ajustada del punto C de la
red de triangulacin del Art. 12.8. usar una escala de 1 pulgada a 2000 pies
para la figura, y una escala de 1 pulgada a 1 pie para las EE.
CAPITULO 18
ENCAJADO/ACOMODAMIENTO DE CURVAS POR MNIMOS
CUADRADOS
18.1 Introduccin:
Con frecuencia en trabajos de ingeniera, es deseable o necesario
encajar/acomodar una lnea recta o curva en un juego de datos. Los datos normalmente se deducen de mediciones o de un experimento. El problema esta en la
determinacin de la ecuacin de la lnea o curva que mejor encaje los datos. La
decisin de usar una lnea recta, parbola u otra curva de orden ms alto,
generalmente puede tomarse despus de trazar los datos y estudiar su forma.
Puede evaluarse la fineza del encaje de la lnea o curva seleccionada basndose
en los residuales despus de haber computado la ecuacin.
18.2 Encajando una lnea recta a los datos

Considrense los datos ilustrados en la Fig. 18.1. La lnea recta mostrada puede
representarse por la ecuacin siguiente:
y = Mx + B
(18a)
En la ecuacin (18a), x y y es un par de datos, M es e1 declive/ pendiente de la

lnea (positiva si hacia arriba a 1a derecha), y B es la ordenada en el origen y en x
= 0. Todos los valores de y encajaran perfectamente en esta lnea para sus
correspondientes valores x si sus relaciones funcionales fueran verdaderamente
lineales, y si no hubiera ningn error de medicin o experimental. Sin embargo,
esto sucede rara vez. Mtese que esos datos no encajan muy bien en una lnea
recta. Por tanto, es posible que la relacin funcional no sea lineal y que una curva
de orden ms alto encajara mejor los datos. No obstante, puede determinarse la
ecuacin de1 mejor encaje de la lnea recta para los datos, mas para dar cuenta
de los elementos mal entallados ilustrados en la figura, se aaden residuales. Se
escriben cuatro ecuaciones para los datos de la Fig. 18.1 , a saber:
Fig. 18.1
Mxa + B = ya + vya
Mxb + B = yb + vyb
Mxc + B = yc + vyc
Mxd + B = yd + vyd
(18b)
Las (18b) contienen dos incgnitas, M y B. Este sistema de ecuaciones de

observacin puede representarse en forma matricial como:
A4,2 x2,1 = L4,1 +V4,1 (18c)
donde:
xa
x
b
A
xc
xd
1
1
1
ya

M y b
X L
B y c

yd
vy a
vy
b
V
vy c

vy d
La ecuacin (18c) se puede resolver por el mtodo de mnimos cuadrados usando

la ecuacin (9c). Esto minimiza la suma de los cuadrados de los residuales, y
produce el mejor encaje de acuerdo con la teora de la probabilidad. Si algunos
datos son ms confiables que otros, se pueden introducir pesos relativos y
obtenerse una solucin de mnimos cuadrados ponderados usando la ecuacin
(9g).
18.3 Encajando una parbola a los datos

Para ciertos juegos de datos o en situaciones especiales, debe determinarse una
parbola del mejor encaje. Un ejemplo seria calcular una curva parablica vertical
del mejor encaje a un firme existente. En tales situaciones se usa la siguiente
ecuacin general de una parbola:
y =Ax2 + Bx + C
(18 d)
Una vez ms, se introducen residuales debido al hecho de que la parbola

rarsima vez encajara perfectamente con los datos. Para los datos mostrados en
la Fig. 18.2, se escriben las siguientes ecuaciones de observacin:
AX a2 BX a2 C y a v a
AX b2 BX b2 C y b vb
AX c2 BX c2 C y c v c
AX d2 BX d2 C y d v d
AX e2 BX e2 C y e v e
(18e)
Las (18e) contienen 3 incgnitas. A, B y C. Este sistema redundante de

ecuaciones se representa en forma matricial como:
A5,3 * x3,1 L5,1 * V5,1
(18f)
donde:
x a2
2
xb
A x c2
2
xd
x 2
e
xa
xb
xc
xd
xe
1
1
1
1
A
X B

C
ya
y
b
L yc

yd
y e
va
v
b
V vc

v d
ve
El sistema de ecuaciones puede resolverse usando la ecuacin de minimos

cuadrados (9c) , o si se introducen pesos, se usa la (9g).
18.4 Encajando un polnomio a los datos

Mediante polinomios de orden ms alto, se representan de mejor manera los
distintos juegos de datos en ingeniera. . Por ejemplo, las distorsiones radiales del
lente en las cmaras fotogramtricas calibradas. La experiencia normalmente
dictar la forma del polinomio que ha de usarse. Como ejemplo, se usa la
siguiente forma para la distorsin radial del lente:
D k1 r k 2 r 3 k 3 r 5 k 4 r 7
(18g)
En la (18g), D es la distorsin radial en una distancia radial r desde el punto

principal , y las K son coeficientes que definen la curva. El procedimiento a fin de
determinar los valores K sigue los mismos pasos generales segn bosquejados en
las dos secciones previas, y como se ilustra en e1 siguiente problema:
EJEMPLO: de los datos de calibracin de la aerocmara abajo tabulados,
computar los coeficientes de un polinomio que se aproxime a la curva de distorsin radial del lente, y trazando la curva resultante. Use la ecuacin (18g).
Distancia radial, r
(mm)
Distorsin radial del

lente, D
(mm)
0.000
0.000
20.072
0.004
40.855
0.18
63.155
0.047
88.034
0.062
116.995
0.035
152.472
-0.064
SOLUCIN: basndose en los datos anteriores, pueden escribirse las 7 siguientes

ecuaciones de observacin sustituyendo los valores r y D en la ecuacin (18g):
0.000 v1 0.000k1 0.000 k 2 0.000 k 3 0.000 k 4
3
0.004 v 2 20.072k1 20.072 k 2 20.072 k 3 20.072 k 4

3
0.018 v3 40.885k1 40.885 k 2 40.885 k 3 40.885 k 4

3
0.047 v 4 63.155k1 63.155 k 2 63.155 k 3 63.155 k 4

3
0.062 v5 88.034k1 88.034 k 2 88.034 k 3 88.034 k 4

3
0.035 v 6 116.995k1 116.995 k 2 116.995 k 3 116.995 k 4

3
0.064 v 7 152.472k1 152.472 k 2 152.472 k 3 152.472 k 4

3
Usando la ecuacin de mnimos cuadrados (9c) y una computadora electrnica, se

resolvieron estas 7 ecuaciones obteniendo los valores a continuacin para los 4
coeficientes:
k1 1.99697 10 4
k 3 1.97388 10 11
k 2 1.94801 10 7
k 4 0.43934 10 15
Usando estas k en la (18g), pueden calcularse fcilmente las distorsiones radiales
del lente para cualquier valor de r. Para comprobar la validez de esas k, se
calcularon las distorsiones usndolas a incrementos de 10 mm de r, y los
resultados se trazaron segn la Fig. 18.4 (curva quebrada). Superpuesto en la
misma figura se halla el trazo de los datos reales dados para el problema (lnea
slida). Ntese lo bien que concuerdan las dos curvas.

Curva de distorsin radial del lente
r-Distancia radial desde el punto principal (milmetros)

Fig. 18.4

Se van a reconstruir ocho cuadras de la Calle Mayor en la parte antigua de cierta
ciudad. La calle existente se compone de segmentos cortos, de inflexin segn se
muestra en la figura inferior. A continuacin se dan 1os resultados de un
levantamiento por poligonales conectando los centros de interseccin. Suponiendo
que las coordenadas X=0 y Y=0 en la estacin A, y suponiendo que la direccin
AB coincide con el eje X, defnase un nuevo alineamiento recto para una calle
reconstruida que pasa por esta rea y que mejor concuerde con el presente
alineamiento de inflexin. Dse la ordenada en el origen Y y el rumbo del nuevo
alineamiento, si el rumbo actual de la lnea AB es Este derecho.
Curso
735.7
BC
CD
DE
EF
FG
GH
HJ
Longitud (pies)
B
464.8
503.1
820.0
917.3
329.8
287.4
345.9
Estacin
18017'
C
D
E
F
G
H
ngulo a la derecha
179051'
17928'
18033'
17910'
17959'
18102'
AB
2) Calcular una parbola con e1 mejor encajado que se encaje a los siguientes
datos obtenidos en un levantamiento de una curva vertical existente. La curva
empieza en la estacin 10+00 y termina en la estacin 18+00.
Estacin
10+00
11+00
12+00
13+00
14+00
Elevacin
51.2
49.5
48.2
47.3
46.8
Estacin
15+00
16+00
17+00
18+00
Elevacin
46.9
47.3
48.3
49.6
APNDICE A
LA CURVA DE DISTRIBUCIN NORMAL DEL ERROR
A.1 Desarrollo de la ecuacin para la curva de distribucin normal

En el Art. 4.5, se presentaron el histograma y el polgono de frecuencia como
mtodos para exhibir grficamente las distribuciones de errores fortuitos. Si uno
fuera a examinar un gran nmero de esas distribuciones encontrarla que las
distribuciones de errores fortuitos (DEF) de las mediciones en agrimensura,
geodesia y fotogrametra se someten a las distribuciones normales o gausianas. A
continuacin las leyes generales que gobiernan las distribuciones gausianas:
1) Los errores positivos y negativos ocurren con igual probabilidad e igual
frecuencia.
2) Los errores pequeos son ms comunes que los errores grandes.
3) Raramente ocurren errores grandes, y hay un lmite en el tamao del error
fortuito ms grande que ocurrir en cualquier juego de mediciones.
Una curva que se someta a las leyes anteriores, trazada con el tamao del error
en la abscisa y la probabilidad de ocurrencia en la ordenada, aparecera como la
Fig. 4.2. Tal curva reptese en la Fig. 5.1 y se la llama la curva de distribucin
normal, la curva normal de error, o sencillamente la curva de probabilidad. Se
obtendra una curva suave, uniforme, de esta misma forma, si para un enorme
grupo de mediciones se trazara un histograma con un intervalo de clase
infinitamente pequeo.
Supongamos que la curva de probabilidad sea continua y que la probabilidad de
ocurrencia de un error entre x y x + dx se d por la funcin y = f(x). Suponiendo
que esto sea la ecuacin para la curva de probabilidad, vamos a determinar ahora
la forma de f(x). Las probabilidades de ocurrencia de errores dentro de las gamas
de (x1 y x1 +dx), (x2 y x2 + dx), etc., son f(x1) dx1 , f(x2) dx2,...., f(xn) dxn. El rea
total bajo la curva de probabilidad representa la probabilidad total o simplemente el
entero uno. Luego para un nmero finito de posibles errores,
f(x1) dx1 + f(x2)dX2 + .... + f(xn)dXn = 1
(Aa)
Tamao del error

Curva de distribucin normal Fig. A.1
Si la gama total de errores x1, x2, ..., xn est entre 2 , entonces considerando un
nmero infinito de erroresque hace la curva continua- e1 rea bajo la curva
puede establecerse igual a:
2
f ( x)dx
Pero porque el rea bajo la curva de +2 a + , y de -2 a - es esencialmente

cero, se pueden extender los lmites de integracin a , como:
f ( x ) dx
ydx
(Ab)
Supongamos que hemos medido una cantidad M que es igual a alguna funcin de
n parmetros desconocidos z1 , z2,...., Zn para que M = f(z1, z2.zn). Deje
tambin que x1. x2,...., xn sean los errores de observaciones m1 , M2, ...., Mm y
deje que f(x1) dx1 , f(x2) dx2, .f(xm) dxm sean las probabilidades de los errores
cayendo dentro funciones gamas de (x1 y x1 + dx1) , (x2 y x2 + dx2), etc. Por la
ecuacin (4c) la probabilidad P de 1a ocurrencia simultnea de todos estos errores
es igual al producto de las probabilidades individuales, por ende:
P f ( x1 )dx1 f ( x 2 )dx2 ............... f ( x m )dxm
Luego por los logs (logaritmos):

Log P = log f(x1) + log f(x2) +....+ log f(xm) log dx1 + log dx2 + .... + log dxm
(ac)
Los valores ms probables de los errores ocurrirn cuando se maximiza P o
cuando el 1og de P se maximiza. Para maximizar una funcin, diferenciamos la
funcin con respecto a cada parmetro desconocido z y se establecen los
resultados igual a cero. Despus de la diferenciacin logartmica de la ecuacin
(5c), resultan las siguientes n ecuaciones: (ntese que las dx son constantes
independientes de las z, por lo cual sus diferenciales con respecto a las z son
1 P
1 df ( x1 ) dx1
1 df ( x 2 ) dx 2
1 df ( x m ) dx m
.......
0
p Z 1
f ( x1 ) dx1 dz 1 f ( x 2 ) dx 2 dz 1
f ( x m ) dx m dz 1
1 P
1 df ( x1 ) dx1
1 df ( x 2 ) dx 2
1 df ( x m ) dx m
.......
0
p Z 2
f ( x1 ) dx1 dz 2 f ( x 2 ) dx 2 dz 2
f ( x m ) dx m dz 2
.
.
.
1 P
1 df ( x1 ) dx1
1 df ( x 2 ) dx 2
1 df ( x m ) dx m
.......
0
p Z n
f ( x1 ) dx1 dz n
f ( x 2 ) dx 2 dz n
f ( x m ) dx m dz n
Permita ahora que:

f `( x )
Substituyendo (Ae) en (Ad)
df ( x )
dx
(Ae)
f `( x m ) dx m
f `( x1 ) dx1 f `( x 2 ) dx 2
..........
0
f ( x1 ) dz1
f ( x 2 ) dz1
f ( x m ) dz1
f `( x m ) dx m
f `( x1 ) dx1 f `( x 2 ) dx 2
..........
0
f ( x1 ) dz 2
f ( x 2 ) dz 2
f ( x m ) dz 2
.
.
.
f `( x m ) dx m
f `( x1 ) dx1 f `( x 2 ) dx 2
..........
0
f ( x1 ) dz n
f ( x 2 ) dz n
f ( x m ) dz n
(Af)
Hasta ahora f(x) y f`(x) son generales, no importa el nmero de parmetros

desconocidos. Vamos a considerar el caso especial en donde solo hay una (1)
incgnita z, y m1 , M2 ,... .Mm son m valores, observados de z. Si z* es el valor
verdadero de la cantidad, entonces los errores asociados con las observaciones
son:
x1 z * M 1 ; x 2 z * M 2 ;.........; x m z * M m
(Ag)
diferenciando (Ag) tenemos:

dx
dx1
dx
1 2 ........ m
dz
dz
dz
(Ah)
Luego para este caso especial, sustituyendo (Ag) y (Ah) en las ecuaciones (Af), se
reducen a una sola ecuacin:
f `( z * M 1 )
f ( z * M 1 )
f `( z * M 2 )
.........
f ( z * M 2 )
(Ai)
f `( z * M m )
f ( z * M m )
Y la ecuacin (Ai) para este caso especial es tambin general para cualquier valor
de m y para cualesquier valores observados m1, M2,...., Mm. Por tanto, digamos
que los valores de M son:
M 2 M 3 ....... M m M 1 M n
donde N se escoge por conveniencia como
N
M1 M 2
m
La media aritmtica es el valor ms probable para este caso de una sola cantidad
que ha sido observada varias veces; por tanto, f el valor ms probable en este
caso es:
z* ( M 1 M 2 ......... M m ) / m
z* M 1 ( m 1)( M 1 mN ) / m
z* M 1 mN N
z* M 1 N ( m 1)
z * M 1 N ( m 1) N (1 m)
(Aj)
N
Recuerde que
M1 M 2
m
de lo cual M1=mN + M2
Sustituyendo en (5j)
z * ( mN m 2 ) N (1 m )
z * M 2 N
Similarmente, puesto que
M1 M 3 M1 M 4
.......etc .
m
m
z * M 3 N
z * M 4 N
etc.
Sustituyendo estas expresiones en (Ai)

f `N (1 m) ( m 1) f `( N )
0
f N (1 m)
f (N )
(Ak)
reordenando lo anterior:
f `N (1 m)
f `( N )
Nf (1 m)(1 m) f ( N ) N
una constante porque en este caso N es una constante de ah que

f `( x )
xf ( x )
una constante = k
(A2)
sustituyendo (Ae) en (A2)

f `( x) xf ( x)k
df ( x)
dx
De lo cual
df ( x )
k dx
f ( x)
(Am)
Integrando (Am)
log e f ( x )
1
c1
2kx 2
f ( x ) e c1 e kx
/2
pero deje ec1 = c
luego:
f ( x) Ce kx
/2
(An)
En (An), ya que f(x) disminuye mientras que x aumenta, luego K/2 debe ser
negativo. Cambiando arbitrariamente esta constante 1/2K a h2, resulta:
f ( x) Ce h
2 2
(Ap)
Para hallar el valor de la constante C, sustituir (Ap) en (Ab):
Ce
h2 x2
dx
Tambin establecer arbitrariamente t = hx, luego dt = hdx y dx = dt/h de lo cual

despus de cambiar variables,
C / h e t dt 1
2
El valor de1 integral definido es
, del cual:
C
1
h
h
C
(Aq)
Sustituyendo (Aq) en (Ap), (estableciendo tambin f(x) igual a y):

y
e h
2 2
(Ar)
donde los trminos son como se definieron para la ecuacin (4d).

Esta es la ecuacin general para la curva de probabilidad, habiendo sido deducida
en este caso de la consideracin de una situacin especial:
tcnica para integrar esta funcin no elemental se da en la Pg. 24. de
Rainsford.
APNDICE B
Programa general para el ajuste de minimos cuadrados mediante
ecuaciones de observacion
B.1 Introduccin al programa
Este programa de computadora dirige la solucin del algoritmo de mnimos
cuadrados dado en la ecuacin (9g). El algoritmo no ponderado de la (9c) tambin
puede resolverse si los pesos de unidad o uno (1) se ingresan (entrada). El
programa acomodara tantas como 30 observaciones involucrando 30 incgnitas.
Para usar este programa, es necesario calcular manualmente e ingresar en la
computadora las matrices A, L y P. Tal programa es especialmente til para
ajustar las redes de nivel como las de los ejemplos en los Arts. 9.2 y 9.4y
tambin para una variedad de otros problemas de ajuste por mnimos cuadrados.
Adems de calcular los valores ms probables para las incgnitas, el programa
dirige la computadora a resolver para los residuales, la desviacin estndar del
peso unitario y las desviaciones estndar estimadas de las cantidades ajustadas.
B.2 Nombres y descripciones de las variables de entrada ;

En este programa, se han asignado los nombre siguientes a las variables de
entrada:
NO - El numero de problemas que se resuelve en la pasada de
computadora.
TITLE - El nombre o descripcin de problema de ajuste que viene
resolvindose.
M - El nmero de observaciones y, por tanto, el nmero de ecuaciones en
el problema de ajuste.
N- El nmero de incgnitas que se estn calculando en el problema de
ajuste.
A - La matriz de coeficiente. Las dimensiones de A son filas M y columnas
N. Estos son los trminos A de la ecuacin (9g).
EL - La matriz constante. Es una matriz columnas de dimensin de filas M.
Estos son los trminos L de la ecuacin (9g).
QLL - La matriz de peso. Es una matriz cuadrada de dimensin M por M.
Estos son los trminos P de la ecuacin (9g).
8.3 Preparacin de los lotes de datos para la entrada
El croquis siguiente indica la manera de preparar las tarjetas para la lectura de los
datos de entrada en la computadora:
Fig. B.1
B.4 Salida
El Art. 9.5 brinda ejemplos resultantes de la salida de computadora de este
programa. Esta salida es para los ejemplos de la red de nivel "no ponderada'' y
"ponderada" en los Arts. 9.2 y 9.4, respectivamente. Los datos en la salida se
identifican en las hojas/copias impresas que son auto explicativas. Se da otro
ejemplo en el Art. 13.4 que es para el ajuste de una poligonal por a1 mtodo de la
ecuacin de observacin.
B.5 Listado de1 programa
En las pginas siguientes se ofrece el listado del programa. La ltima pgina del
mismo se compone de los datos de entrada para los problemas en los Art. 9.2, 9.4
y 13.4. Dichos listados de entrada deben estudiarse con cuidado junto con los Art.
B.2 y B.3 para asegurarse de ingresar correctamente tos datos en la computadora
al usar este programa
PROGRAMA GENERAL PARA EL AJUSTE DE MNIMOS CUADRADOS POR
LAS ECUACIONES DE OBSERVACIN NO PONDERADAS O PONDERADAS.
Programado por Pal R. Wolf. PH.D.
LENGUAJE DEL PROGRAMA FORTRAN
NOMBRES VARIABLES DE ENTRADA DEL PROGRAMA
NO = NUMERO DE SOLUCIONES ESTA PASADA
TITLE = CUALESQUIER NOMBRES O NMEROS IDENTIFICACIN DEL
TRABAJO
M AND N = EL NUMERO DE ECUACIONES E INCGNITAS
RESPECTIVAMENTE
A(I,J) = LA MATRIZ DE COEFICIENTE
EL(I,1) = LA MATRIZ CONSTANTE
OLL(I,J)' = LA MATRIZ DE PESO (LOS PESOS SE INGRESAN COMO 1 SI
LA SOLUCIN ES IGUALMENTE PONDERADA O NO PONDERADA)
DIMENSION A(30,309, EL(30,1), OLL(30,30). AT(30,30), AQ(30,30),QX1X(30,30),
AQL(30,l), X(30,l), V(30,l), VAR(30),title(1 6)
LEER DATOS DE ENTRADA
READ 500,NO
DO 510 II= l,NO
PRINT 509
READ 710,TITLE
PRINT 710,TITLE
READ 500, M ,N
PRINT 500, M, N
DO 502 I = 1,M
502 READ 501, (A(i,J), J=l, N)

READ 501, (EL (I, T), I= l, M)
DO 507 I=1,M
507 READ 501, (QLL(I, J), J=l, M)
IMPRIMIR LOS RESULTADOS
DO 30 I=1,N
PRINT 508, (QXX(I, J),J=l, N)
(6) COMPUTAR AQL = AQ * EL
DO 101 I=1, N
DO 101 J=1, 1
AQL(I,J)=0
DO 101 K=1, M
AGL(I,J)=AQL(I,,J)+AQ(I,X)*EL(K,J)
(7) COMPUTAR X = QXX * AQL
DO 201 I=1, N
DO 201 J=l, 1
X(I,J)=0
DO 201 K=1,N
X(I,J)=X(I,J)4-QXX(I,K)*AQL(K,J)
PRINT 31
DO 503 I=1,N
PRINT 508, X(I,1)
(8) COMPUTAR V = A* X EL
DO 301 I=1, M
DO 301 J=l, l
V(I,J)=0.
DO 301 K=l,N
V(I,J)=V(I,J)+A(I,K)*X(K,J)
DO 1 I=l, M
V(I, l)=V(I, l)-=EL(I=l)
PRINT 32
DO 504 I=1, M
PRINT 508, V(I,1)
SIGMA=0,
DM=M
DN=N
D0 382 I=l, M
SGMA=SIGMA+V(I, l)**2*QLL,(I,I)
SIGMA=SQRT (SIGMA/(DM=DN))
PRINT 89
PRINT 508,SIGMA
DO 446 I=1,N
VAR(I)=SQRT (QXX(1,1)*S1GMA**2)
PRINT 90
PRINT 508,(VAR(I),I=l,N)
FORMAT(l6X,9H A MATRIZ)
FORMAT(11X, 9H L MATRIX)
FORMAT(10X, 14H WEIGHT MATRIX)
FORMAT(10X, 18H COVARIANCE MATRIX)
FORMAT(10X, 11H UNKNOWNS X)
FORMAT(10X, 12H RESIDUALS V)
FORMAT(10X, 5FI5, 3)
FORMAT(10X, 34H STANDARD DEVIATION OF UNIT WEIGHT)
FORMAT(11X, STANDARD DEVIATION OF ADJUSTED VALUES)
FORMAT(10X, 2I5)
FORMAT(8F10, 3)
FORMAT(10X, NORMAL EQUATIONS MATRIX)
FORMAT(10X, 8F14, 6)
FORMAT(1H1)
FORMAT(10X, 8F10, 3)
FORMAT(10X, 16A5)
CONTINUE
PRINT 509
STOP
END
EJEMPLO RED DE NIVEL NO PONDERADA, COMPUTOS DE AJUSTE
DE WOLF
1.
1.
1.
1.
1.
1.
1.
1.
1.
1.
1.
1.
7
0.
0.
0.
0.
-1.
1.
1.
1.0
5,
1.6
3
0.
0.
1.
1.
0.
0.
-1.
10
6,
25
10
6,
13
1.
1.
1.
0.
68
10
4,
50
1.
70
1.0
1.
5,1
0
1.
1.
1.
.
EJEMPLO RED DE NIVEL PONDERADA, COMPUTOS DE AJUSTE DE
WOLF
7
3
1
0.
0.
.
1
0.
0.
.
1
0.
1.
.
1
0.
-1.
.
1
1.
0.
.
1
1.
0.
.
1
-1.
1.
.
1
10
10
1.7
.
1.0
6,
10
0.6
4,
0
5,
25
6,
8
50
1.6
13
1
6.
.
6.
6.
6.
6.
6.
EJEMPLO DE POLIGONACION, COMPUTOS DE AJUSTE DE WOLF
.866
10.498
515.7
5
0.500
-0.865
893.1
2299.8
2784.2
0.0
1.
10.0
1920.3
1027.2
0.19
-1.
156.0
-3.0
249.0
192.0
0.001
0.001
APNDICE C
PROGRAMA PARA EL AJUSTE POR MNIMOS CUADRADOS DE
REDES DE
TRILATERACION
C.1 Introduccin al programa
Este programa est diseado para ajustar levantamientos de trilateracin por el
mtodo de la ecuacin de observacin de manimos cuadrados. Podr acomodar
cualquiera configuracin de la red, sin importar su complejidad. Segn la
determinacin de medidas, puede manejar una red conteniendo hasta 20 lneas
medidas e incluyendo hasta 10 estaciones nuevas. Cualquier numero de
estaciones (control) fijas pueden existir en la red. El programa puede fcilmente
ampliarse para acomodar mayores cantidades de lneas medidas y estaciones
desconocidas sencillamente modificando las declaraciones/sentencias de
dimensin.
Conociendo los correctos datos de entrada segn los Arts. C.3 y C.4, este
programa dirige la computadora a resolver las aproximaciones iniciales para las
coordenadas de estacin desconocidas. Luego procede a formular las matrices A
y L de 1a ecuacin (9g). Sin embargo, la matriz de peso debe leerse en la
computadora.
Siguiendo a la formulacin de las matrices, e1 programa resuelve la ecuacin (9g)
por mnimos cuadrados de forma iterativa hasta lograr una convergencia
satisfactoria. Habiendo alcanzado la convergencia, computa los valores ms
probables para las coordenadas ajustadas de los puntos desconocidos, los
residuales en las longitudes medidas, la desviacin estndar del peso unitario, las
desviaciones estndar de las coordenadas ajustadas y las longitudes ajustadas de
las lneas medidas. Estos datos los lista la computadora en su salida.
C.2 Nombres y descripciones de las variables de entrada
En este programa se han asignado los siguientes nombres a las variables de
entrada:
NON - nmero de redes procesadas en esta pasada de computadora.
TITLE - identificacin del trabajo.
LL - numero de estaciones nuevas en la red.
MM - nmero de lneas medidas en la red.
NC - nmero de puntos de control en la red.
NAM1 - primeros 3 caracteres de nombres de estacin.
NAM2 - siguientes 3 caracteres de nombres de estacin; por tanto, los nombres de
estacin pueden tener hasta 6 caracteres. Pueden ser alfa o numricos. Deben
justificarse a la derecha en las columnas 2 al 7.
XX(1) - coordenada X del punto de control inicial No. 1.
YY(1) - coordenada Y del punto de control inicial No. 1.
SI -. longitud medida de la lnea 1.
AZD - grados de acimut de la lnea 1.
AZM - minutos de acimut de la lnea 1.
AZS - segundos de acimut de la lnea 1.
NP - nmeros de puntos de estaciones de control del dibujo de entrada.
XP coordenadas X de estaciones de control salvo la estacin No. 1.
YP - coordenadas Y de estaciones de control salvo la estacin No. 1.
S - longitudes medidas de las lneas en sucesin de la estacin No. 2 a No. 3, No.
3 a No. 4, No. 4 a No. 5, etc., hasta haber incluido a toda estacin nueva.
DEFD - esta variable, y las siguientes dos variables, se relacionan con las
porciones de grados, minutos y segundos, respectivamente, de los ngulos de
desviacin. Se ingresan en sucesin para las lneas de la estacin No. 2 a No. 3,
No. 3 a No. 4, No. 4 a No. 5, etc., hasta incluir a cada estacin nueva. Ntese que
un ngulo de desviacin derecho viene precedido por un signo ms (+), y un
ngulo de desviacin izquierdo esta precedido por un signo menos (-).
DEFM - la porcin de minutos de los ngulos de desviacin arriba descritos.
OEFS - La porcin de segundos de los ngulos de desviacin arriba descritos.
DIST - las longitudes medidas de las lneas.
IEND - el nmero del dibujo que corresponde a los extremos I de las lneas
medidas.
JEND - el nmero del dibujo que corresponde a los extremos J de las lneas
medidas.
ICOOE - nmeros de cdigo indicando a la computadora si est fijo el extremo I, el
extremo J o ningn extremo de cada lnea de entrada. Un ICODE de uno indica
que est fijo el extremo I, un dos indica que est fijo el extremo J y un cero indica
que ningn extremo de la lnea est fijo.
P - pesos de las lneas medidas.
C.3 Preparacin del lote de datos para la entrad
Fig. C.1
C.4 Discusin del procedimiento de entrada
C.4.1 Dibujo de la red
A fin de preparar los datos para su entrada en la computadora en este programa,

debe efectuarse un dibujo a escala de la figura trilaterada. Esto se hace trazando
primero las estaciones de control en la red conforme a sus coordenadas, y luego
usando un comps de dibujo, se trazan arcos para un numero mnimo de
longitudes de lneas desde las estaciones de control para localizar las estaciones
nuevas. Una vez localizadas las estaciones nuevas, se dibujan las lneas
restantes.
C.4.2 Numeracin de estaciones y clculo de las coordenadas iniciales
Habiendo terminado el dibujo, cada estacin se numera consecutivamente
comenzando con el numero uno. La estacin No. 1 tiene que ser una estacin de
contrl. Los nmeros del 2 al (NC + LL) pueden asignarse + arbitrariamente,
excepto que la lnea 1-2 debe tener un acimut conocido o aproximado y, por tanto,
la estacin No. 2 deber asignarse de consiguiente.
El ejemplo del cuadriltero en el Art. 11.9 ilustra el procedimiento de numeracin.
Ah, la estacin Badger es una de control y e1 acimut de la lnea Badger a
Wisconsin se conoca de la desmultiplicacin que era de aproximadamente 80;
por tanto, se asign a Badger el No. 1 y el No. 2 a Wisconsin. Las otras dos
estaciones, Campus y Bucky, recibieron los Nos. 3 y 4, respectivamente. La Fig.
11.6 da otro ejemplo del procedimiento de numeracin de puntos. En este
problema, la estacin de control Lou recibe el No. 1 y la estacin Pal e1 No. 2,
puesto que las coordenadas de Lou se conocen y tambin se conoce e1 acimut de
1a lnea Lou-Paul (podra escalarse). En este ejemplo, las otras estaciones se
numeran consecutivamente hasta el 9.
Se realiza la secuencia de numeracin de estacin a fin de facilitar los clculos de
las coordenadas iniciales aproximadas de los puntos desconocidos. La estacin 1
siempre debe tener coordenadas conocidas. Luego se dan a la computadora la
longitud y acimut de la lnea 1-2, de lo cual pueden calcularse las coordenadas de
la estacin 2. El ngulo de desviacin en la estacin 2 desde la lnea 1-2 hasta la
lnea 2-3 y la longitud 2-3, luego son usados por la computadora para calcular las
coordenadas iniciales de la estacin 3. Luego la computadora usa el ngulo de
desviacin entre lneas 2-3 y 3-4 y 1a longitud de lnea 3-4 a fin de calcular las
coordenadas iniciales de la estacin 4. Este procedimiento se contina hasta que
todas las estaciones desconocidas en la red hayan tenido sus coordenadas
iniciales determinadas. Finalmente, se numeran todas las estaciones de control
restantes, tambin consecutivamente.
Por el tema anterior, deber verse claro que preferiblemente la secuencia de
numeracin de estacin debiera hacerse para que las lneas medidas puedan
usarse a fin de calcular las coordenadas iniciales, aunque las longitudes de lnea
podran escalarse del dibujo con este propsito. Sin embargo, se prefiere el uso de
longitudes medidas porque esto producir valores ms exactos para las
aproximaciones iniciales de las coordenadas de estaciones desconocidas, lo que
ayudara a la computadora a lograr la convergencia con menos iteraciones y, por
tanto, ahorrando tiempo y dinero.
A fin de obtener una mejor comprensin sobre el procedimiento de numeracin de
estacin y e1 mtodo para dar entrada a los datos y calcular asi las coordenadas
iniciales, se resumen los ejemplos de las Figs. 11.5 y 11.6. En la Fig. 11.5, se
ingresaron tas coordenadas de la estacin 1 (Badger) junto con la longitud
aproximada (5870 pies) y el acimut , (80 00' 00") de la lnea 1-2 (Badgerwisconsin). Esto permite calcular las coordenadas de la estacin 2 (Wisconsin).
Luego se ingresan la longitud aproximada (3616 pies) de la Lnea 2-3 (WisconsinCampus) y el ngulo de desviacin (82" 00" 00") de la lnea 2-3. Esto permite
computar las coordenadas para la estacin 3 (Campus).
En la Fig. 11.6, se ingresaron las coordenadas de la estacin de control Lou junto
con la longitud y acimut de la lnea Lou-Paul para permitir calcular las
coordenadas de la estacin Pal. Luego se ingresaron la longitud de 1a lnea
Paul-Ram y el ngulo de desviacin "a" (ver Fig.) para permitir computar las
coordenadas para la estacin Ram. Despus se ingresaron la longitud de la lnea
Ram-Tom y e1 ngulo de desviacin "b" a fin de obtener coordenadas para Tom.
Luego se ingresaron la longitud de 1a lnea Tom-Jim y el ngulo de desviacin "c"
a fin de determinar las coordenadas para la estacin Jim. (Ntese que el ngulo
de desviacin "c" est a la izquierda o al sinistrorso, por lo que se le da un signo
menos (-.) en 1a entrada). Finalmente, se leyeron en la computadora la longitud
de la lnea Jim-Bitl y el ngulo de desviacin "d" a fin de obtener las coordenadas
para la estacin Bill.
C.4.3 Procedimiento de entrada
Dicho procedimiento, incluyendo los nombres de variables, secuencia de las
tarjetas de entrada, datos requeridos de tarjetas y tos necesarios formatos de
lectura se discuten en los Arts. C.2 y C.3. Ser de utilidad una explicacin
adicional.
La primera tarjeta le dice a la computadora cuantas redes se vienen resolviendo
en cualquiera pasada en particular. Este nmero, con el nombre variable NON, se
justifica a la derecha en la columna 5 de la tarjeta.
La segunda tarjeta contiene la identificacin del proyecto. Este nombre variable es
TITLE, y cualesquier datos alfa o numricos pueden perforarse dondequiera en
esta tarjeta desde la columna 2 hasta la 80.
La tercera tarjeta contiene las variables LL, MM y NC en tal orden. Ellas son el
nmero total de estaciones nuevas en la red, el nmero total de lneas medidas en
la red y el nmero total de puntos de control en la red, respectivamente. Esos
nmeros se perforan justificados a la derecha en 1as columnas 5, 10 y 15,
respectivamente.
El cuarto juego de tarjetas da los nombres de las estaciones en orden consecutivo:
un nombre de estacin por tarjeta. Se justifican a la derecha en la columna 7.
Pueden usarse caracteres alfa o numricos de hasta seis caracteres para
identificar cualquiera estacin.
La tarjeta siguiente da las coordenadas X y Y de la estacin No. 1, la longitud de la
lnea 1-2 y las porciones de los grados, minutos y segundos del acimut de la lnea
1-2. Estos nombres de variables son XX, YY, SI, AZD, AZM y AZS,
respectivamente. La variable XX se perfora en alguna parte dentro de las
columnas 1 al 15, YY en las columnas 16 al 30, SI en las columnas 31 al 40, AZD
de la 41 a la 50, AZM de la 51 a 1a 60 y AZS de la 61 a la 70.
El juego siguiente de tarjetas da los restantes nmeros de estacin y sus
coordenadas X y Y. Tales nombres variables son NP , XP y YP , respectivamente.
Se perfora una tarjeta para cada estacin de control (excepto la No. 1, que ya ha
sido ingresada en la computadora). En cada tarjeta el nmero de estacin se
justifica a la derecha en la columna 5, su coordenada X se perfora dentro de las
columnas 6 a 20 y su coordenada Y en las columnas 21 a 35.
El siguiente juego de tarjetas da las longitudes y ngulos de desviacin
necesitados para calcular las coordenadas iniciales de todas las estaciones
desconocidas excepto la No. 2. Los datos perforados en estas tarjetas constan de
longitudes de lnea, las porciones de grados, minutos y segundos del ngulo de
desviacin. Los nombres de estas variables son S, DEFD, DEFM y DEFS, y se
perforan dentro de las columnas 1 a 10, 11 a 20, 21 a 30 y 31 a 40,
respectivamente. Hay LL-1 de estas tarjetas, o una menos que el nmero total de
estaciones nuevas en la red.
El siguiente juego de tarjetas da a la computadora las longitudes medidas, el
nmero del extremo I y del extremo J de cada lnea, y un nmero de cdigo. Se
perfora una tarjeta para cada longitud medida. Los nombres de variables son
DIST, IEND, JEND e ICODE, respectivamente. Los extremos I y J de las lneas
corresponden a los nmeros asignados de estacin del dibujo. El cdigo le dice a
la computadora si la lnea tiene su extremo I fijo, en cuyo caso el cdigo es uno; si
est fijo el extremo J, en cuyo caso el cdigo es dos; o si ningn extremo est fijo,
en cuyo caso el cdigo es cero. La distancia se perfora en las columnas 1 a 10. El
y los nmeros ICODE se justifican a la derecha en las columnas 15, 20 y 25,
respectivamente.
E1 juego final de tarjetas contiene los pesos de las lneas medidas. El nombre de
la variable es P. Cada tarjeta puede contener hasta 8 pesos perforados en campos
de 10.
C.5 -Listado del programa
En las paginas siguientes se da el listado del programa. La pgina final consta de
los datos de entrada para los problemas de los Arts. 11.9 y 110.De esos datos de
entrada, se produjo la salida dada en aquellos artculos. Seria til comparar estos
datos de entrada con las Figs. 11.5 y 11.5.
AJUSTE DE TRILATERACION-COORDENADAS PLANAS MTODO
ECUACIN DE OBSERVACIN-MNIMOS CUADRADOS
POR PAUL R WOLF
IMPLICIT DOUBLE PRECISIN (A=M,0=Z)
DIMENSIN A(30,20),P(30),Q(20,20),AL(20),FL.(30),XX(15),YY(15)
DIMENSIN X(20),DIST(20},IEND(20),JEND(20),ICODE(20),V(30)
DIMENSIN TITLE(l6),NAM1(30),NAM2(30),EX(20),EY(20)
SIN(X)=DSIN(X)
C0S(X)=DCOS(X)
ABS(X)=DABS(X)
SQRT(X)=DSQRT(X)
LEER 10, NON
NON ES EL NUMERO DE REDES PROCESADO EN ESTA PASADA.
DO 695 IM=1,NON
KRUN=1
READ 11,TITLE
READ 10,LL,MM,NC
TITLE ES IDENTIFICACIN DEL TRABAJO , ETC.
LL ES NUMERO DE ESTACIONES NUEVAS
MM ES NUMERO DE DISTANCIAS MEDIDAS
NC ES NUMERO DE PUNTOS DE CONTROL EN LA RED
PRINT 999
PRINT 11,TITLE
PRINT 12,LL
PRINT 13,M
PRINT 16,NC
PI=4..*ATAN(1.)
RAD=180./PI
M=MM
N=2*LL
PRINT 670
PRINT 998
LEER NOMBRES ESTACIN
NTOT=LL+NC
DO 36 I=L, NTOT
READ 87,NAM1(I),NAM2(I)
CONTINU
CALCULAR APROXIMACIONES INICIALES PARA ESTACIONES .
READ 15,XX(1),YY(1),S1,AZD,AZM,AZS
XX (1) ES COORDENADA X DEL PUNTO DE CONTROL INICIAL
YY(1) ES COORDENADA Y DEL PUNTO DE CONTROL INICIAL SI ES
LONGITUD MEDIDA DE LINEA 1 AZD, AZM Y AZS SON GRADOS MINUTOS Y
SEGUNDOS DEL ACIMUT DE LA LINEA 1
IAZD=AZD
IAZM=AZM
PRINT 997,S1,IAZD,IAZM,AZS
AZ=(AZD+AZM/60.*AZS/3600.)/RAD
XX(2)=XX(1)+S1*SIN(AZ)
YY(2)=YY(1)+S1*C0S(AZ)
LEER COORDENADAS DE PUNTOS DE CONTROL ADEMAS DE NUMERO 1
IF(NC=1)925,925,924
CONTINU
DO 860 I=2,NC
READ 46,NP,XP,YP
XX(NP)=XP
YY(NP)=YP
CONTINU
IF(LL=1)738,738,739
CONTINU
DO 75 I=2,LL
II=I+1
READ 20,S,DEFD,DEFM,DEFS
DEFD, DEFM Y DEFS SON GRADOS, MIM., SEG DE NGULOS DE
DESVIACIN COMENZANDO CON EST. 2, + SI DESVIACIN DERECHA,
- SI DESVIACIN IZQUIERDA S ES LONGITUD MEDIDA COMENZANDO
DESDE EST. 2 HASTA 3
IDEFD=DEFD
IDEFM=DEFM
PRINT 997,S,IDEFD,IDEFM,DEFS
DEF=(DEFD+DEFM/60,*DEFS/3600.)/RAD
AZ=AZ+DEF
IF(AZ=2.*PI)72,71,71
71 AZ=AZ=2.*PI
GO TO 74
72 IF(AZ)73,74,74
73 AZ=AZ+2,*PI
70 CONTINU
XX(II)=XX(I)+S*SIN(AZ)
YY(II)=YY(I)+S*COS(A2)
75 CONTINU
738 CONTINU
PRINT 670
PRINT 996
DO 910 I=1,NTOT
910 PRINT 995,NAMI(I),NAM2(I),XX(I),YY(I)
FORMULAR LAS MATRICES DE COEFICIENTES Y CONSTANTES
DO 90 I=1,M
EL(I)=0,
DO 90 J=1,M
90 A(I,J)=0.
CONTINUE
PRINT 994
DIST (I) SON LONGITUDES CURSOS MEDIDOS EN SUCESIN IEND ES
NUMERO EST. EN EXTREMO I DEL CURSO JEND ES NUMERO EST. EN
EXTREMO J DEL CURSO ICODE IDENTIFICA TIPO DE LINEA
1 SI EXTREMO I DE LINEA ESTA FIJO
2 SI EXTREMO J DE LINEA ESTA FIJO
EN BLANCO SI NINGN EXTREMO DE LINEA ESTA FIJO
DO 99 I=1,MM
READ 40,DIST(I),IENDM.,JEND(I),ICODE(I)
IE=IEND(I)
JE=JEND(I)
99 PRINT 993,NAM(IE),NAM2(IE),NAM1(JE),NAM2(JE),DIST(I),ICODE(I)
70 CONTINU
P(I) SON PESOS DE OBSERVACIONES, EN SUCESIN, LONGITUDES
PRIMERO
READ 20,(P(I).I=L,M)
509 CONTINU
DO 100 I=1,MM
IJK=IEND(I)
IJL=JEND(I)
DO=(XX(IJK)=XX(IJL))**2+(YY(IJK)-YY(IJL))**2
DO=SQRT(DD)
KEND=I0END(I)=1
II=LL+KEND
LEND=JEND(I)=1
JJ=LL*LEND
IF(ICODE(I)=1)50,60,50
50 A(I,KEND)=(XX(IJK)=XX(IJL))/DD
A(I,II)=(YY(IJK)=YY(IJL))/DD
IF(ICOOE(I)-1)60.60,100
60 A(I,LEND)=-XX(IJK)-XX(IJL))/DD
A(I,JJ)=YY(LJK)-.YY(IJL))/DD
EL(I)=((DIST (I) DD)
PRINT 999
PRINT 660
DO 102 I=1,M
102 PRINT 45,(A(I,J)',J=1,N)
PRINT 661
PRINT 45.(EL(I),I=1,M)
LA RUTINA POR MNIMOS CUADRADOS
DO 1 I1,N
DO 1 J=1,I
Q(I,J)=0
DO 3 K=1,M
3 1Q(I,J)=Q(I,J)+A(K,I)*P(K)*A(K,J)
Q(J,I)=(Q(I.J)
1 CONTINU
.
DO 307 K=1,N
DO. 302 J=1,N
IF_(J=K)304,302 304
Q(K,J)=Q(K,J)/Q(K,K)
302 CONTINU
Q(K,K)=1./Q(K,K)
DO 307 I=1,N
IF(I=K) 305,307,305
DO 303 J=1,N
IF(J=K) 306,303,306
306 Q(I,J)=Q(I,J)-Q(I,K)*Q(K,J)
303 CONTINU
Q(I,K)=Q(I,K)*Q(K,J)
307 CONTINU
DO 2 J=1,N
AL(J)=O.
DO 2 K=1,M
2 AL(J)=AL(J)*A(K,J)*P(K)*EL(K)
DO 900 I=L,N
X(1)=0.
DO 900 J=1,N
900 X(I)=X(I)+Q(I,J)*AL(J)
PRINT 662
PFTINT 45,(X(I),I=1,N)
DO 51S I=1,LL
J=I+1
K=I+LL
XX(J)=XX(J)+X(I)
515 YY(J)=YY(J)+X(K)
PROBAR PARA LA NO CONVERGENCIA
KRUN=KRU+1
IF(KRUN=5)702,702,701
702 CONTINU
PROBAR PARA LA CONVERGENCIA AL DESEADO ESTNDAR
EXACTITUDNCOR=2*LL
I=1
507 CONTINU
IF(ABS(X(-I )) =.001) 505, 505,500
505 CONTINU
I=L+1
IF(I=NCOR)507,507,506 506
CONTINU
GO TO 508
506 CONTINU
IMPRIMIR LA MATRIZ DE COVARIACION
PRTNT 693
DO 692 I=1,N
692 PRINT 45, ((Q(I,J),J1L*N)
COMPUTAR RESIDUALES
DO 400 I=1,M
V(I)=O
DO 400 K=L,N
400 V(I)=V(I)+A(I,K)*X(K)
DO 401 I=L,M
V(I)=V(I)-EL(I)
COMPUTAR DESVIACIN ESTNDAR DEL PESO UNITARIO
SIG=O.
DO 404 I=I,M
002 SIG=SIS+V(I)**2*P(L)
DM=M
DN=N
SIGMA=SQRT(SIG/DOM-DN))
COMPUTAR DESVIACIN ESTNDAR DE COORDENADAS AJUSTADAS
EX(L)=0.
EY(L)=0.
ILL=L*LL
DO 410 I=ILL,NTOT
EX(I)=0.
EY(I)=0.
410 CONTINU
DO 415 I=2,ILL
IMN=I-1
IM2=IM1+LL
EX(I)=SIGMA*SQRT( (Q(IM1, IM1))
EY(I)=SIGMA*SQRT(Q(IM2*IM2))
415 CONTINU
COMPUTAR LONGITUDES DE LINEA AJUSTADAS
DO 403 I=I,MM
J=IEND(I)
J=IENO(I)
403 DIST(I)=SQRTC(XX(J)=.XX(K))**2(YY(J)=YY(X))**23
IMPRIMIR COORDENADAS AJUSTADAS Y SUS DESVIACIONES ESTNDAR
PRINT 999
PRINT 405
DO 413 I=1,NTOT
413 PRINT 995,NAMI(I),NAM2(L),XX(I),EX(I),YY(I),EY(I)
IMPRIMIR DESVIACIN ESTNDAR DEL PESO UNITARIO
PRINT 406,SIGMA
IMPRIMIR LONGITUDES DE LINEA AJUSTADAS Y SUS RESIDUALES
PRTNT 407
DO 444 I=1,MM
IE=IEND(I) ,
JE=JEND(I)
444 PRINT 408,NAMF (IE),NAM2(IE),NAM1(JE),NAM2(JE)DIS(I),V(I)
PRINT 999
701 CONTINU
695 CONTINU
PRINT 999
FORMATOS
10 FORMAT(16I5)
11 FOMAT(16A5)
12 FORMAT_(//,10X,20HNUMBER OF NEW STATIONS =,13)
13 FORMAT(//,10X,30MNUMBER OF DISTANCES MEASUREO A,I=13)
15 FORMAT(2F10.3)
16 FORMAT(//,10X,37MNUMBES OF CONTROL POINTS IN THE NET =,I3)
20 FORMAT(8FL0.3)
40 FORMAT(F10.3.3I5)
45 FORMAT(1X,8F12,5)
46 FORMAT(I5.2F15.3)
87 FOBMAT(1X,2A3)
405 FORMAT(//,11X,44HADJUSTED COORDINATES ANO
STANDARDEVIATIONS,/,9
IX,7HSTATION,8X,IHX.17X,2HSX,11X,IHY,15X,2HSY,//) '
406 FORMAT(/.20X,36H STANDARD DEVIATION OF UNIT WEIGHT =F6,3,3H
FT)
407 FORMATO(//,30X,30HADJUSTED LENGTHS AND
RESIDUALS,/,18X,4HL1NE,20X,6 IHLENGTH,11X',12HRESIDUAL(FT),//)
408 FORMAT(11X,2A3,3H . ,2A3,2X,2F20.3)
660 FORMAT(//,25X,12HTHE A MATRIX,//)
661 FORMATO(//,25X,12HTHE L MATRIX,//)
662 FORMAT(//,25X,L2HTME X MATRIX,//)
670 FORMAT(//)
693 FORMAT(//,25X,12HTHE Q MATRIX,//)
993 FORMAT(11X,2A3=3H ,2A3,F28.3,115)
994 FORMAT(1HL,40X,10HIMPUT
.DATA,//,IIX,4HLINE,23X,6HLENGTH,13X,AHCCOE I//)
995 FORMAT(9X,2A3,4F15.3)
996 FORMAT(7X, 44MFIXED COORDINATES AND INITIAL
APPROXIMATIONS,//,9X, 17HSTATION,AX,LHX,15X,1HY,//)
997 FORMAT(20X,F17.3, 1X,2I5,F83.3)
998 FORMAT(10X,'PRFLIMINARY LENGTHS AND ANGLES TO CALCLATE' 1'
INITIAL APPROXTMATIONS'-//30X, LENGTH,20X,'ANGLE'//)
999 FORMAT(1H1)
STOP
END
2
EJEMPLO CUADRILATERO
TRILATERADO
5
2
2
BADGER
WIS
CAMPUS
BUCKY
10000,000
10000,000
5780,000 80. 0. 0.
4
11820,756
6881,222
3616,000 82.
0.
0.
5870,302 1
2
1
7297,588
3616,434
5742,878
5123,760
1.
5
LOU
PAUL
RAM
TAM
JIM
BILL
PAT
JOHN
TIM
10993.
34955.
144.69.
22939.
30319,17
34954,73
31376,2
45986,22
10992,63
16,353,41
39446,64
17445,22
29712,49
37437,93
35162,5
35162,49
1
2
2
3
1.
3
3
4
4
1.
1
0
2
2
1.
1.
EJEMPLO DE
TRILATERACIN
17
4
833766,690
7830040,4
8886672,11
9887981,21
11.
120.
-170
43.
454925,95
467467,97
473334,4
453589,28
30.
00.
-15
00.
2
3
2
2
2
1
4
6
4
7
4
6
16353. 26.
00.
00.
0
00.
6
4
4
8
3
2
8
8
9
4
6
4
0
0
0
2
0
1
2
2
2
1
0
0
30.
00.
43007,65
41305,83
14468,7
19896,23
22939,17
1.
1.
1.
1.
1
6
4
2
6
1.
1.
6
7
5
5
5
1.
1.
1
2
0
0
0
1.
1.
1.
1.
1.
1.
1.
1.
APENDICE D
PROGRAMA PARA EL AJUSTE POR MINIMOS CUADRADOS
DE UN CUADRILATERO TRIANGULADO
D.1
Introduccin al programa
Este programa de computadora efecta el ajuste por mnimos cuadrados de los

cuadrilteros triangulados usando el mtodo de la ecuacin de observacin. La
figura para este programa se ilustra en la Fig. 12.4. Es un cuadriltero estndar
con la dos diagonales observadas que tiene dos estaciones de control adyacente.
Los datos de entrada para este programa incluyen las coordenadas X y Y de la
estaciones de control, A y D, los ngulos observados ingresados en secuencia
numerada del 1 al 8 segn se indica en la Fig. 12.4 y el ngulo de rotacin a.
De los datos de entrada, el programa dirige a la computadora a calcular las
coordenadas iniciales de las estaciones by C y a formar las matrices A y L. Luego
efecta la solucin pro mnimos cuadrados conforme la ecuacin (9g). La solucin
se repite hasta lograr la convergencia satisfactoria.
Habiendo convergido, la computadora entones calcula e imprime las coordenadas
ajustadas de las estaciones C y C, los residuales de los ngulos medidos, la
desviacin estndar del peso unitario y las desviaciones estndar de las
coordenadas ajustadas de las estaciones B y C. El Art. 12.8 brinda un ejemplote la
salida de computadora para un ajuste del cuadriltero.
D.2
Sistema de eje provisional del ajuste
A fin de que este programa sea general para todos los cuadrilteros, el ajuste se
realizar en un sistema giratorio de eje provisional X-Y. El eje Y se coloca de
manera tal que corte a travs de los ngulos 4 y 8 segn muestra la Fig. 12.4.
Esto hace que tales ngulos concuerden con los casos (g) y (h) respectivamente,
de la Fig. 12.1. Esto es conveniente para permitir a la computadora que forme la
matriz L sin importar la orientacin del cuadriltero. Despus de terminar el ajuste,
las coordenadas ajustadas se vuelven a girar a travs del ngulo (360-a) al
sistema del eje N-E. La formula de rotacin para la rotacin inicial a travs de a, y
la rotacin final a travs de (360-a) son las ecuaciones (16e). Se obtiene mejor el
valor del ngulo trazando el cuadriltero a escala, dibujando el eje provisional Y, y
desmultiplicando su valor con un transportador. Slo se necesita darlo al grado
ms cercano.
D.3 Nombres y descripciones de las variables de entrada para este
programa
NO el nombre de ajustes al cuadriltero que se viene efectuando en esta pasada
TITLE el nombre o descripcin del problema de ajuste que se est resolviendo
M el nmero de ngulos observados (usualmente 8)
N el nmero de incgnitas (siempre 4)
YA la coordenada Y de la estacin de control A
XA la coordenada X de la estacin de control A
YD la coordenada Y de la estacin de control D
XD la coordenada X de la estacin de control D
ALPHA ngulo de rotacin
DEG la porcin de grados de los ngulos observados
AMIN la porcin de los minutos de los ngulos observados
SEC la porcin de los segundos de los ngulos observados
QLL la matriz de peso. Estos son los trminos P de la ecuacin (9g). Slo se
leen los elementos diagonales de la matriz de peso; por lo tanto, no se
asume correlacin entre ngulos observados. Se asignan valores cero a
todos los elementos no diagonales en el programa.
D.4
Preparacin del lote de datos para la entrada
El siguiente croquis indica la manera de preparar las tarjetas para la lectura de los
Fig. D.1
D.5
listado del programa
Las pginas siguientes contienen el listado de la computadora y de los datos de

entrad para el problema del Art. 12.8.
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
TRIANGULACIN - MNIMOS CUADRADOS POR VARIACIN DE

COORDENADAS
PROGRAMADO POR --- PAL R. WOLF, PH.D.
Este programa ajusta un cuadriltero estndar, teniendo un lado como la
base, usando el mtodo de la ecuacin de observacin del ngulo
ENTRADA
1RA Tarjeta - no es el nmero de ajustes efectundose en la pasada,
formato (110)
2DA Tarjeta - TITLE son cualesquier datos alfa o numricos para identificar
el
trabajo. Pueden usarse cualesquiera columnas de 2 a 80.
3RA Tarjeta - m y n son el numero de ecuaciones e incgnitas.
Formato(2I10)
4TA Tarjeta - YA, XA, YD y XD en ese orden, son las coordenadas de
control
terrestre de las terminales de la lnea de base. Formato
(4f20.3)
5TA Tarjeta - alfa es el ngulo de rotacin (grados) necesitado para colocar
el eje provisional de manera tal que la figura concuerde con un as llamado
cuadriltero estndar. Formato (Fig.3).
6TA, 7MA y 8VA Tarjetas - DEG(I), AMIN(I) y SEC(I) son los grados,
minutos y segundos de los 8 ngulos observados. Cada ngulo se lee
sucesivamente. Formato B(8F10.3).
C
C
C
C
205
133
9NA TARJETA - QLL Son los elementos diagonales de la matriz QLL. Es

una matriz de variaciones. Si se suponen iguales variaciones. (Pesos
iguales), QLL es una matriz de unidad. Formato (8F10.3).
DIMENSION A(30,20),X(20,1),EL(30,1),QLL(30,30),V(30,1)
DIMENSION VT(1,30),VTP(1,30),VTPV(1,1),QXX(20,20)
DIMENSION DEG(20),AMlN(20),SEC(20),ANGLE(20)
DIMENSION IDEG(20),BDEG(20),IMIN(20),BMIN(20)
DIMENSION TITLE(15),KDEG(20),KMIN(20)
KK=1
PI=3.1415927
READ 6,NO
READ 15,TITLE
READ 6,M,N
II=1
PRINT 4
PRINT 15,TITLE
READ 171,YA,XA.YD,XD
PRINT 3
PRINT 8
PRINT 7l,YA,XA,YD,XD
READ 110,ALPHA
PRINT 3
PRINT 1,ALPHA
ALPHA=ALPHA/(l80./PI)
TEMP1=YA
TEMP2=XA
TEMP3=YD
TEMP4=XD
YA=TEMP1*COS(ALPHA)+TEMP2*SIN(ALPHA)
XA =TEMP2*COS(ALPHA)-TEMP 1*SIN( ALPHA)
YD=TEMP3*COS (ALPHA)+TEMP4*SIN( ALPHA)
XD=TEMP4*COS(ALPHA 5-TEMP3*SIN(ALPHA)
READ 110,(DEG(I),AMIN(I),SEC(I),I=1,M)
PRINT 3
PRINT 2
DO 205 I=l,M
KDEG(I)=DEG(I)
KMIN(I)=AMIN(I)
PRINT 845,KDEG(I),KMIN(I),9EC(I)
DO 133 I=1,M
ANGLE (I)=DEG(I)/(180./PI)+AMIN(I)/(10800./PI)+SEC(I)/(648000./PI)
CALL ZERO(QLL,M,30)
READ 110,(QLL(J,J),J=1,M)
BASE=SQRT((YA-YD)**2+(XA-XD)**2)
DIR=PI/2.-ATAN((YD-YA)/(XD-XA))
AB=(BASE*SIN(ANGLE(7)))/SIN(ANGLE(4))
BC=(AB*SIN(ANGLE(1)))/SIN(ANGLE(6))
YB=AB*COS(DIR-ANGLE(1)-ANGLE(2))+YA
XB=AB*SIN(DIR-ANGLE(1)-ANGLE(2))+XA
YC=BC*COS(DIR-ANGLE (1)-ANGLE (2)+PI-ANGLE(3)ANGLE(4))+YB
XC=BC*SIN(DlR-ANGLE(1)-ANGLE(2)+Pl-ANGLE(3)-ANGLE(4))+XB
PRINT 3
PRINT 9
PRINT 71,YB,XB,YC,XC
PRINT 3
PRINT 13
DO 20 I=1,M
20
PRINT 11,(QLL(I,J),J=1,M)
CALL MATINV(QLL,M,30)
3
CONTINUE
PRINT 4
PRINT 15,TITLE
PRINT 3
PRINT 14,II
C
C
GENERAR LAS MATRICES
C
EL(1,1)=3ANGLE(1)-ATAN((YB-YA)/(XR-XA))+ATAN((YC-YA)/(XC-XA))
EL(2,1)=ANGLE(2)-ATAN((YC-YA)/(XC-XA))-ATAN((YA-YD)/(XD-XA))
EL(3,1)=ANGLE(3)-ATAN((YB-YD)/(XD-XB) )+ATAN((YB-YC)/(XC-XB))
EL(4,1)=ANGLE(4)-ATAN((XD-XB)/(YB-YD))-ATAN((XB-XA)/(YB-YA))
EL(5,1)=ANGLE'(5)-ATAN((XC-XA)/(YC-YA))+ATAN((XC-XD)/(YC-YD))
EL(6.1)=ANGLE(6)-ATAN((YB-YC)/(XC-XB))-ATAN((YC-YA)/(XC-XA))
EL(7,1)=ANGLE(7)-ATAN((YB=YD)/(XD-XB))+ATAN((YA-YD)/(XD-XA))
EL(8,1)=ANGLE(8)-TAN((XD-XB)/(YB-YD))-ATAN((XC-XD)/(YC-YD))
DO 77 I=1,8
EL(I,1)=EL(I,1)*(648000./PI)
AC=SQRT((YC-YA)**2+(XC-XA)**2)
BD=SQRT((YD YB)**2+(XD-XB)**2)
CD=SQRT((YD YC)**2+(XD-XC)**2)
AB=SQRT((XB-XA)**2+(YB-YA)**2)
CB=SQRT((XC-XB)**2+(YC-YB)**2)
DO 500 I=1,M
DO 500 J=1,N
500
A(I,J)=0.
PRINT 3
PRINT 7
A(1,1)= (XB-XA)/AB**2
A(1,2)= -1.*(YB-YA)/AB**2
A(1,3)= -1.*(XC-XA)/AC**2
A(1,4)= (YC-YA)/AC**2
A(2,3)= (XC-XA)/AC**2
A(2,4)= -l.*(YC-YA)/AC**2
A(3,1)= (XD-XB)/BD**2-(XC-XB)/BC**2
A(3,2)= (YB-YD)/YD)**2-(YB-YC)/BC**2
A(3,3)= (XB-XC)/BC**2*(-1.)
A(3,4)= (YB-YC)/BC**2
A(4,1)= (XB-XD)/BD**2-(XB-XA)/AB**2
A(4,2)= -l.*(YB-YD)/BD**2+(YB-YA)/AB**2
A(5,3)= -l.*(XC-XA)/AC**2+(XC-XD/CD**2
A(5,4)= (YC-YA)/AC**2-(YC-YD)/CD**2
A(6,1)= (XC-XB)/BC**2
A(6,2)= (YB-YC)/BC**2
A(6,3)= -l.*(XC-XB)/BC**2+(XC-XA)/AC**2
A(6,4)= -l.*(YB-YC)/BC**2-(YC-YA)/AC**2
A(7,1)= (XD-XB)/BD**2
A(7,2)= (YB-YD)/BD**2
A(8,1)= -1.*(XD-XB)/BD**2
A(8,2)= -1.*(YB-YD)/BD**2
l.*(XC-XD)/CD**2
A(8,4)= (YC-YD)/CD**2
DO 78 I=1,M
DO 78 J=1,N
78
A(I,J)=A(I,J)*(648000./PI)
DO 10 I=1,M
10
PRINT 41,(A(I,J),J=l,N)
PRINT 3
PRINT 12
PRINT 11,(EL(I,J),I=1,M)
C
C
LLAMAR LA SUBRUTINA DE MINIMOS CUADRADOS
C
CALL MALIME(A,X,EL,QLL,V,QXX,M,N)
PRINT 3
PRINT 21
DO 30 I=1,N
PRINT 41,(QXX(I,J),J=1,N)
PRINT 31
A(8,3)= -
PRINT 11,(X(I,1),I=1,N)
PRINT 3
PRINT 32
PRINT 11,(V(I,1),I=1,M)
YB= YB*X(1,1)
XB= XB*X(2,1)
YC= YC+X(3,1)
XC= XC+X(4,1)
II=II+1
C
C
C
PROBAR PARA CONVERGENCIA
I=1
CONTINUE
If(X(I,1).GT.0.0001)GO TO 34
I=I+1
IF(N=I)36,201,20l
CONTINUE
ANGLE(1)= ATAN((YB-A)/(XB-XA))-ATAN((YC-YA)/(XC-XA))
ANGLE(2)= ATAN((YC-YA)/(XC-XA))+ATAN((YA-YD)/(XD-XA))
ANGLE(3)= ATAN((YB-YD)/(XD-XB))-ATAN((YB-YC)/(XC-XB))
ANGLE(4)= ATAN((XD-XB)/(YB-YD))+ATAN((XB-XA)/(YB-YA))
ANGLE(5)= ATAN((XC-XA)/(YC-YA))-ATAN((XC-XD)/(YC-YD))
ANGLE(6)= ATAN((YB-YC)/(XC-XB)+ATAN((YC-YA)/(XC-XA))
ANGLE(7)= ATAN((YB-YD)/(XD-XB))-ATAN((YA-YD)/(XD-XA))
ANGLE(8)= ATAN((XD-XB)/(YB-YD))+ATAN((XC-XD)/(YC-YD))
THETA=2.*PI-ALPHA
TEMP1=YB
TEMP2=XB
TEMP3=YC
TEMP4=XC
YB=TEMP1*COS(THETA)+TEMP2*SIN(THETA)
XB=TEMP2*COS(THETA)-TEMP1*SIN(THETA)
YC=TEMP3*COSfTHETA)+TEMP4*SIN(THETA)
XC=TEMP4*COS(THETA)-TEMP3*SIN(THETA)
C
C
IMPRIMIR LOS VALORES AJUSTADOS
C
PRINT 4
PRINT 15,TITLE
PRINT 3
PRINT 108
PRINT 71,YB,XB,YC,XC
201
901
576
902
C
C
C
1
2
3
4
6
7
8
9
11
12
13
14
15
CALL MATRAN(V,VT,M,1,30,1,1,30)
CALL MATMUL(VT,QLL,VTP,1,M,M,1,30,30,30,1,30)
CALL MATMUL(VTP,V,VTPV,1,M,1,1,30,30,1,1,1)
AM= M
AN=N
S=SQRT(VTPV(1,1)/(AM-AN))
PRINT 3
PRINT 35,S
PRINT 3
PRINT 900
DO 901 I=1,N
SD=SQRT(QXX(1,1)*S**2)
PRINT 111,SD
PPINT 3
PRINT 843
DO 576 I=1,M
DEG(I)= ANGLE(I)*(180./PI)
IDEG(I)= DEG(I)
BDEG(I)= IDEG(I)
AMIN(I)= (DEG(I)-BDEG(I))*60.
IMIN(l)= AMIN(l)
BMIN(I)= IMIN(l)
SEC(I)= (AMIN(I)-BMIN(I))*60.
PRINT 845,IDEG(I),IMIN(I),SEC(I)
KK=KK+1
IF(KK-NO)5,5,902
CONTINUE
FORMATOS
FORMAT(10X,'ROTATION ANGLE =',F5.1,' DEGREES')
FORMAT(10X,'OBSERVED ANGLES')
FORMAT(/)
FORMAT(1H1)
FORMAT(2I10)
FORMAT(10X,'A MATRIX')
FORMAT(10X,'CONTROL POINT CO-ORDINATES')
FORMAT(10X,'APPROX. CO-ORDINATES OF UNKNOWNS')
FORMAT(8F8.3)
FORMAT(10X, 'L MATRIX (VECTOR)')
FORMAT(10X,'VARIANCE - COVARIANCE MATRIX QLL')
FORMAT(10X,ITERATION No. ,I4//)
FORMAT(15A6)
21
31
32
35
41
71
108
110
111
171
843
845
900
C
C
C
C
C
C
C
FORMAT(10X,'VARIANCE - COVARIANCE MATRIX QXX')

FORMAT(10X,'UNKNOWNS X VECTOR')
FORMAT(10X,'RESIDUALS V VECTOR')
FORMAT(10X,'STANDARD ERROR OF UNIT WEIGHT =',F9.3//)
FORMAT(8F10.3)
FORMAT(4F12.3)
FORMAT(10X,'ADJUSTED UNKNOWN CO-ORDINATES')
FORMAT(8F10.3)
FORMAT(10X,F10.3)
FORMAT(4F20.3)
FORMAT(10X,'ADJUSTED ANGLES')
FORMAT(10X.I4,' =',I4,' -',F6.2)
FORMAT(10X, STANDARD DEVIATIONS')
PRINT 4
STOP
END
SUBROUTINE MALIME(A,X,EL,QLL,V,QXX,M,N)
DIMENSION A(30,20),X(20,1),EL(C30,1),QLL(30,30),V(30,1),
1QXX(20,20),AQL(20,1),AT(2O,30),AQ(20,30)
(2) TRANSPONER A A AT
CALL' MATRAN (A,AT,M,N,30,20,20,30)
(3) COMPUTE AQ = AT * QLL
CALL MATMUL (AT,QLL,AQ,N,M,M,20,30,30,30,20,30)
(4) COMPUTE QXX = AQ * A
CALL MATMIIL (AQ,A,QXX,N,M,N,20,30,30,20,20,20)
(5) INVERT QXX MATRIX
CALL MATINV (QXX,N,20)
(6) COMPUTE AQL = AQ * EL
CALL MATMUL (AQ,EL,AQL,N,M,1,20,30,30,1,20,1)
(7) COMPUTE X = QXX * AQL
CALL MATMUL (OXX,AQL,X,N,N,1,20,20,20,1,20,1)
(8) COMPUTE V = A * X EL
CALL MATMUL (A,X,V,M,N,1,30,20,20,1,30,l)
DO 1 I=1,M
V(I,1)=V(l,1)-EL(I,1)
RETURN
END
SUBROUTINE zero(a,xi,m)
DIMENSION A (M, M)
DO 1 I=1,N
DO 1 J=1,N
A(I,J)=0.
RETURN
4
5
2
6
7
8
3
1
END
SUBROUTINE MATINV(A,N,M)
DIMENSION A(M,M)
DO 1 K=1, N
DO 2 J=1, N
IF(J=K) 4,5,4
A(K,J)=A(K,J)/A(K,K)
CONTINUE
CONTINUE
A (K, K)= 1./(K,K)
DO 1 I=1,N
IF(I=K)6,1,6
DO 3 J=1, N
IF (J = K) 7, 8, 7
A (I, J) =A (I, J) = A (I, K) * A (K, J)
CONTINUE
CONTINUE
A(I,K)=-A(I,K)*A(K,K)
CONTINUE
RETURN
END
SUBROUTINE MATMUL(A,B,C,L,M,N,LA,MA,MB,NB,LC,NC)
DIMENSION A (LA,MA),B(MB,NB),C(LC,NC)
DO 1 I=1,L
DO 1 J=1,N
C(I,J)=0.
DO 1 K=1,M
C(I=J)= C(I,J)+A(I,K)*B(K,J)
RETURN
END
TRANSPONER MATRIZ B= A-TRANSPONER
SUBROUTINE MATRAN(A,B,M,N,MA,NA,MB,NB)
DIMENSION A(MA,NA), B(MB,NB)
DO 1 I=1,M
DO 1 J=1,N
B(J,I)= A(I,J)
RETURN
END
1
EJEMPLO DE TYRIANGULACIN, CALCULOS DE AJUSTE DE
WOLF
8
4
8448,9
0.
42.
42.1
1.
1.
4270.33
35.
18.
35.4
1.
29.
28.
31.
1.
4568.75
87.
22.4
20.
1.
35.
21.
45.8
1.
7610.58
10.6
29.
39.
1.
79.
23.9
34.
1.
54.
39.
27.9
1.
APENDICE E
PROGRAMA PARA EL AJUSTE DE MINIMOS CUADRADOS POR
ECUACIONES DE CONDICION
E.1
Este programa de computadora dirige la solucin de la ecuacin (14f) que es el

cmputo de mnimos cuadrados para las ecuaciones de condicin ponderada. La
ecuacin no ponderada (14d) tambin puede resolverse por este programa si se
ingresan en la computadora pesos de unidad. El programa acomodar hasta 50
observaciones implicando a tantas como 20 ecuaciones de condicin.
A fin de usar este programa, es necesario calcular manualmente e ingresar en la
computadora las matrices W, B y P. El programa calcula los residuales ms
probables. De stos, es preciso calcular manualmente las observaciones
corregidas y de stas se pueden computar los valores ajustados.
E.2 Nombres y descripciones de las variables de entrada en este
programa:
NO el nmero de soluciones en esta pasada.
TITLE el nombre o descripcin del problema que se esta resolviendo.
M el nmero de ecuaciones de condicin.
N el nmero de observaciones.
W la matriz W, o matriz de trminos constantes en la ecuacin (14f).
B la matriz de coeficientes de las observaciones en las ecuaciones de condicin.
P la matriz de peso. Esta es una matriz cuadrada de dimensiones N por N; sin
embargo, solo se leen los elementos diagonales. Se les asigna a todos los
elementos no diagonales un valor de cero. Estos son los trminos P de la
ecuacin (14f)
E.3
Preparacin del lote de datos para la entrada
dato de entrada en la computadora:
Fig. E.1
E.4
Salida
En el (Art. 14.5) se dan ejemplo de la salida de computadora que resultan de este

programa, y que son los problemas de red de nivel no ponderad y ponderada; (Art.
14.6) ajustado del ajuste de poligonales por el mtodo Crandall; (Art. 14.7)
ajustado por el mtodo de mnimos cuadrados de ecuaciones de condicin. Los
datos en la salida se identifican en las hojas impresas y son autoexplicativos.
E.5
Listados del programa
Las siguientes pginas contienen listados del programa y de los datos de entrad
para los problemas de Arts. 14.5, 14.6, 14.7 y 15.4.4.
C
C
C
C
C
C
C
C
SOLUCIN DE ECUACIONES DE CONDICIN POR MTODOS

MATRICIALES
PROGRAMMED BY --- PAUL R. WOLF, PH.D
PROCEDIMIENTO DE ENTRADA
1RA TARJETA-NO, EL NMERO DE SOLUCIONES EN ESTA PASADA.
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
FORMATO (15)
2DA TARJETA-TITLE CULESQUIER CARACTERES ALFA O NUMERICOS
N COLS 2 A 30
3RA TARJETA-MY N, EL NMERO DE ECUACUINOES DE COND. Y
OBSERVACIONES RESPECTIVAMENTE. FORMAT0 (215)
MATRIZ W-UN (1) VALOR PARA CADA ECUACION DE CONDICIN
MATRIZ B-COEFICIENTES DE OBSERVACIONWES CON MXIMO DE
CUATRO VALORES POR TARJET. LEEER TODO LOS VALORES PARA
CADA ECUACIN, LUEGO COMENZAR CON UNA TARJETA NUEVA.
FORMATO (4F20.3)
MATRIZ P-PESOS DE OBSERVACIONES CON MXIMO DE CUATRO
VALORES POR TARJETA. LEER SOLO ELEMENTOS DIAGONALES Y
EN SECUENCIA CORRECTA. FORMATO (4F20.3)
IMPLICIT DOUBLE PRECISION (A=H,O-Z)
DIMENSION W(20,1),B(20,50),C(20,20),D(50,20),V(50,1)
DIMENSION WW(20),P(50,50), TITLE(16),PT(50,20)
C
C
C
155
15
16
145
120
LEER E IMPRIMIR DATOS DE ENTRADA

READ 105,NO
KK=1
CONTINUE
READ 15, TITLE
FORMAT(165)
PRINT 16
FORMAT(/)
READ 105,MMN
READ 110,(WW(I),I=1,M)
DO 145
W(I,1)=WW(I)
PRINT 17
PRINT 160
DO 120 I=1,M
READ 110,(B(I,J),J=1,N)
PRINT111,(B(I,J),J=1,N)
PRINT 17
PRINT 170
18
C
C
C
C
C
44
C
C
C
C
130
20
C
C
C
11
C
C
C
4
2
PRINT 111,(B(I,J)),I=1,M)
DO 18 I=1,N
DO 18 J=1,N
P(I,J)=0.D0
READ 110,(P(J,J)J=1,N)
PRINT 17
PRINT 190
PRINT 111,(P(J,J),J=1,N)
RESOLVER EL ALGORITMO DE MINIMOS CUADRADOS
P INVERSA = P
DO 44 I=1,N
P(I,J)=1.D0/P(I,I)
TRANSPONER B A BT
DO 130 I=1,M
DO 130 J=1,N
MAULTIPLICAR P*BT=PT
DO 20 I=1,N
DO 20 K=1,M
PT(I,K)=0.D0
DO 20 J=1,N
PT(I,K)=PT(I,K)+P(I,J)*BT(J,K)
MULTIPLICADOR B*PT = C
DO 11 I=1,M
DO 11 J=1,M
C(I,J)=0.D0
DO 11 K=1,N
C(I,J)=C(I,J)+B(I,K)+PT(K,J)
INVERTIR C
DO 1 K=1,M
DO 2 J=1,M
IF(J=K)4,2,4
C(K,J)=C(K,J)/C(K,K)
CONTINUE
5
6
3
1
C
C
C
21
C
C
C
31
140
105
110
111
160
170
180
190
150
C(K,K)=1.D0/C(K,K)
DO 1 I=1,M
IF(I=K)5,1,5
DO 3 J=1,M
IF(J=K)6,3,6
C(I,J)=C(I,J)-C(I,K)*C(K,J)
CONTINUE
C(I,K=-C(I,K))*C(K,K)
CONTINUE
MULTIPLICADOR PT * C = D
DO 21 I=1,N
DO 21 J=1,M
D(I,J)=0.D0
DO 21 K=1,M
D(I,J)=D(I,J)+PT(I,K)*C(K,J)
MULTIPLICADAR D*W=V
DO 31 I=1,N
DO 31 J=1,1
V(I,J)=0.D0
DO 31 K=1,M
V(I,K)=V(I,J)+D(I,K)*W(K,J)
PRINT 17
PRINT 180
DO 140 I=1,N
PRINT 111,(V(I,J),J=1,1)
KK=KK+1
IF(KK-N0)115,155,150
FORMAT(215)
FORMAT(4F20.3)
FORMAT(3F20.7)
FORMAT(10X,9H B MATRIX)
FORMAT(10X,9H N MATRIX)
FORMAT(10X,10H RESIDUALS)
FORMAT(10X,9H P MATRIX)
CONTINUE
PRINT 16
STOP
END
EJEMPLO RED DE NIVEL NO PONDERADA, COMPUTOS DE
WOLF
4
.06
1.
-.12
1.
-1
1.
1.
1.
1.
1.
1.
1.
.06
1.
-1.
3.
6.
-8.9
1.
-.02
.05
1.
1.
-1.
1.
1.
1.
EJEMPLO RED DE NIVEL PONDERAD, COMPUTOS AJUSTE

DE WOLF
4
7
-.12
-.02
1.
1.
1.
1.
-1.
1.
1.
4.
6.
6.
6.
CUAD TRIANGULADO, COMPUTOS AJUSTE DE
WOLF
4
8
-9.3
11.8
1.
1.
1.
1.
.0.5
1.
4.
61.3
1.
1.
1.
1.
2.29
1.34
1.
1.
-3.49
1.
1.
1.
1.
-.08
.38
-6.30
-2.60
3.46
-2.54
1.
1.
1.
1.
1.
1.
METODO CRANDALL PARA EJEMPLO POLIGONAL, COMPUTOS
AJUSTE DE WOLF
2
6
-5.14
1.
-.002
.710
-.763
-.646
.705
.646
1.
-.764
1.34
1.53
1.52
2.89
2.25
POLIGONAL DE LA FIG. 13.2, COMPUTOS AJUSTE
DE WOLF
3 5
-0.000291
-0.205
-0.130
1.00
1.0
1.0
0.0
186.603
86.603
0.0
0.5
-223.205
-50.00
0.0
0.866
4730000.0
4730000.0
4730000.0
156.00
-.912
-.410
2.27
0.0
0.866
0.5
400.0
APENDICE F
PROGRAMA PARA LA TRANSFORMACIN CONFORME DE COORDENADAS
BIDIMENSIONALES
F.1
Este programa de computadora dirige la solucin de las ecuaciones (16e) que es

el compute de mnimos cuadrados para dicha transformacin. El programa
acomodara hasta 10 puntos de control (puntos cuyas coordenadas se conocen en
ambos sistemas). Se pueden transformar hasta otros 50 puntos en el sistema de
control.
Para usar el programa, es necesario ingresar las coordenadas de todos los puntos
de control en el sistema de coordenadas de control, las coordenadas medidas de
todos los puntos de control y de todos los otros puntos a transformarse. La
computadora forma las matrices A y L, y dirige la solucin por mnimos cuadrados.
Se suponen pesos iguales en la solucin.
F.2
Nombres y descripciones de las variables de entrada en este programa
TITLE el nombre o descripcin del problema que se viene resolviendo.
MP el nmero total de puntos involucrados en la solucin. Esta es la suma del

nmero de puntos de control y el nmero de otros puntos en
transformacin.
NCON - el nmero total de puntos de control que se esta usando.
P - los primeros 5 caracteres de la identidad del punto. Pueden ser alfa o
numricos.
Q los siguientes 5 caracteres de la identidad del punto. Por tanto, se pueden
usar hasta 10 caracteres para identificar cualquier punto.
XCON coordenadas X de los puntos de control en el sistema de coordenadas de
control.
YCON coordenadas Y de los puntos de control en el sistema de coordenadas de
control.
XMEAS coordenadas X de puntos en el otro sistema de coordenadas. Estas
coordenadas deben ingresarse para todos los puntos. Esto incluye los
puntos de control y otros puntos.
YMEAS coordenadas Y de puntos en el otro sistema de coordenadas. De nuevo,
estas deben ingresarse para todos los puntos de control y todos los otros
puntos.
F.3
Preparacin de lote de datos para la entrada
Fig. F.1
F.4
Salida
El Art. 16.4 da un ejemplo de la salida de computadora resultante de este

programa. Los datos listados incluyen las coordenadas de todos los puntos de
control usados, las coordenadas medidas de todos los puntos en el otro sistema,
las coordenadas transformadas de todos los puntos y 1os valores de 1os
parmetros de transformacin, i.e., 1os valores de a, b, c y d de las ecuaciones
(16e). Esta informacin se identifica en e1 listado de salida, siendo autoexplicativa.
Aunque el listado no contiene 1os residuales, pueden calcularse sus valores
restando las coordenadas transformadas de 1os puntos de control de las
coordenadas de control originales. Como ejemplo, e1 residual de 1a coordenada X
del punto de control A es 1049422.400 - 1049422.404 = -.004 de pie, y e1 residual
de la coordenada Y del punto de control A es 51089.171 -51089.200 = -.029 de
pie. Inspeccionando de esta manera 1os tamaos de 1os residuales, se puede
efectuar un avalu de la calidad del ajuste.
F.5
Listado del programa
Las pginas siguientes contienen 1os listados del programa de computadora y los
datos de entrada para e1 problema del Art. 16.4.
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
C
TRANSFORMACIN CONFORME DE COORDENDAS

PROGRAMMED BY PAUL R. WOLF, PH.D.
LENGUAJE DEL PROGRAMA FORTRAN
ESTE PROGRAMA DESMULTIPLICA, GIRA Y TRANSLADA LAS
COORDENADS DE PUNTOS DE UN SISTEMA ABITRARIO DE
COORDENADAS BIDIMENSIONALES EN UN SISTEMA ABSOLUTO DE
COORDENADAS BIDIMENSIONALES. SE PUEDEN USAR 2 A 10
PUNTOS DE CONTROL, Y SI SE USAN MAS DE 2 EL PROCEDIMIENTO
COMPUTACIONAL ES PRO MNIMOS CUADRADOS.
NOMBRES DE LAS VARIABLES DEL PROGRAMA DE ENTRADA
NP = NMERO TOTAL DE PUNTYOSEN TRANSFORMACIN
INCLUYENDO CONTROL
NCON = NMERO DE PUNTOS DE CONTROL EN USO
PYQ = NMERO S O NOMBRES DE ESTACIN
XCON = COORDENADAS X DE PUNTOS DE CONTROL
YCON = COORDENADAS Y DE PUNTOS DE CONTROL
XMEAS = COORDENADAS X DE PUNTOS EN EL SISTEMA
ARBITRARIO
C
C
C
YMEAS = COORDENADAS Y DE PUNTOS EN EL SISTEMA

ARBITRARIO
DOUBLE PRECISION XCON(10),YCON(10),XMEAS(50),YMEAS(50)
DOUBLE PRECISION A(20,4),AT(4,20),EL(20,1),ATL(4,1),ATA(4,4)
DOUBLE PRECISION X(4,1),XGRO(50),TITLE(16)
MMAX=20
NMAX=4
LEER DATOS DE ENTRADA
77
C
C
C
4
C
C
C
PRINT 77
FORMAT(1H1)
READ 32,TITLE
PRINT 32,TITLE
READ 1,NP,NCON
READ 2,(P(I),Q(I),XCON(I),YCON(I),I=1,NCON)
PRINT 20
PRINT 6,(P(I),Q(I),XCON(I),YCON(I),I=1,NCON)
READ 7,(P(I),Q(I),XMEAS(I),YMEAS(I),I=1,NP)
PRINT 21
PRINT 8,(P(I),Q(I),XMEAS(I),YMEAS(I),I=1,NP)
FORMAR LAS MATRICES
DO 3 I=1,NCON
A(I,1)=1.
A(I,2)=XMEAS(I)
A(I,3)= YMEAS(I)
A(I,4)=0.
EL(I,1)=XCON(I)
J=NCON+1
K=2*NCON
DO 4 I=J,K
II=I=NCON
A(I,1)=0.
A(I,2)=YMEAS(II)
A(I,3)=XMEAS(II)
A(I,4)=1.
EL(I,1)=YCON(II)
RESOLVER EL ALGORITMO DE MINIMOS CUADRADOS
5
C
C
C
1
2
6
7
8
20
21
22
30
31
32
C
C
C
C
C
CALL MATR (A,AT,K,4,MMAX,NMAX)

CALL MATM (AT,A,ATA,4,K,4,NMAX,MMAX,NMAX)
ATA(3,2)=0.
ATA(2,3)=0.
CALL MATM (AT,EL,ATL,4,K,1,NMAX,MMAX,1)
CALL MATI (ATA,4,NMAX)
CALL MATM (ATA,ATL,X,4,4,1,NMAX,MMAX,1)
DO 5 I=1,NP
XGRO(I)=X(1,1)+X(2,1)*XMEAS(I)=X(3,1)*YMEAS(I)
YGRO(I)=X(2,1)*YMEAS(I)+X(3,1)*XMEAS(I)+X(4,1)
IMPRIMIR LOS RESULTADOS
PRINT 22
PRINT 6,(P(I),Q(I),XGRO(I),YDGRO(I),I=1,NP)
PRINT 31,(X(I,1),I=1,4)
FORMAT(2I2)
FORMAT(2A5,2F20,3)
FORMAT(2A5,2F20,3)
FORMAT(2A5,2F10,3)
FORMAT(2A5,2F20,3)
FORMAT(18X,14HCONTROL POINTS,//,2X,5HPOINT,16X,7HEASTING,
12X,8HNOR1THING)
FORMAT(//,15X,20HMEASURED COORDINATES,//,2X,5HPOINT,16X,
7HX=COORD,112X,7HY=COORD)
FORMAT(/,6X,40HTRANSFORMED GROUND COORDINATES OF
POINTS,//,2X,5HPO1INT,16X,7HEASTING,12X,8HNORTHING)
FORMAT(4E20,7)
FORMAT(//,21H TRANSFORMATION EQNS.,//,37H XGROUND = A1 +
A2(XMEAS)=A3(YMEAS),//,37H YGROUND=A4+A3(XMEA S)+
A2(YMEAS),//,6H WHE2RE,2X,3HAI=,F10,2,2X,3HA2=,F10,5,2X,
3HA3=,F10,5,2X,3HA4=,F10,2)
FORMAT(16A5)
PRINT 77
STOP
END
SUBROUTINE MATI (QXX,N,XMAX)
LA MATRIZ QXX SE INVIERTE Y LA INVERSA REEMPLAZA QXX EN EL
ALMACENAMIENTO
LA INVERSA RETIEN EL NOMBRE DE ORDENAMIENTO QXX. QXX ES
UNA MATRIZ CUADRADA DE DIMENSIONES (N,N)
DOUBLE PRECISION QXX(NMAX,NMAX)
304
302
305
306
303
307
C
C
10
C
C
C
100
DO 307 K=1,N
DO 302 J=1,N
IF(J=K) 304,302,304
QXX(K,F)=QXX(K,J)/QXX(K,K)
CONTINUE
QXX(K,K)=1./QXX(K,K)
DO 307 I=1,N
IF(I=K) 305,307,305
DO 303 J=1,N
IF(J=K) 306,303,306
QXX(I,J)=QXX(I,J)-QXX(I,K)*QXX(K,J)
CONTINUE
QXX(I,K)=-QXX(I,K*QXX(K,K))
CONTINUE
RETURN
END
SUBROUTINE MATR (A,AT,M,N,NMAX,NMAX)
A=MATRIZ ORIGINAL, AT=MATRIZ TRANSPUESTA
M=NMERO DE FILAS EN A, N = NMERO DE COLUMNAS EN A
DOUBLE PRECISION A(MMAX,NMAX),AT(NMAX,MMAX)
DO 10 I=1,M
DO 10 J=1,N
AT(J,I)=A(I,J)
CONTINUE
RETURN
END
SUBROUTINE MATM (A,B,C,M,N,L,MMAX,NMAX,LMAX)
A= PRIMERA MATRIZ DE DIMENMSIONES (M,N)
B= PRIMERA MATRIZ DE DIMENMSIONES (N,L)
C= PRODUCTO DE A VECES B
DOUBLE PRECISION A(MMAX,NMAX),B(NMAX,LMAX),C(MMAX,LMAX)
DO 100 I=1,M
DO 100 H=1,L
C(I,K)=0
DO 100 J=1,N
C(I,K)=C(I,K)+A(I,J)*B(J,K)
CONTINUE
RETURN
END
EJEMPLO DEL PROBLEMA, COMPUTOS DE AJUSTE DE

WOLF
8 3
A
1049422,4
51089,2
B
1049413,95
49659,3
C
1049244,95
49884,95
A
121,622
-128,066
B
141,228
187,718
C
175,802
135,728
1
174,148
-120,262
2
513,52
-192,130
3
754,444
-67,706
4
972,788
120,994
5
1068,118
161,624
REFERENCIAS
Barry, B.A., Engineering Measurements, John Wiley & sons. New York, 1964.
Benjamin, J.R. and C.A. Cornell, Probability, Statistics and Decision for Engineers,
McGraw-Hill Book Co., Inc., New York, 1970.
Bjerhammar. A., Theory of Errors and Generalized Matrix Inverses, Elsevier
Scientific Publishing Co., New York, 1973.
Brinker, R.C. and P.R. Half, Elementary Surveying , 6th Ed., Harper and Row
Publishing Co., Inc., New York, 1977.
Cooper, M.A.R. Fundamentals of Survey Measurement and Analysis, Crosby,
Lockwood, Staples, London, 1973.
Crandall, K.C. and R.W. Sea bloom, Engineering Fundamentals in Measurements.
Probability, Statistics and Dimensions. McGraw-Hill Book Co., Inc., New
York, 1970
Deming, W.E. Statistical Adjustment of Data. Dover Publications, Inc., New York,
1943.
Hamilton, W.C., Statistics in Physical Science, the Ronald Press Co., New York,
1964.
Hirvonen, R.A., Adjustment by Least Squares Geodesy and Photogrammetry,
Frederick Unger Publishing Co., New York, 1965.
Maksoudina, Y.L., Probability and Statistics with Applications, International
Textbook Co., Scranton, 1969.
Mikhail, E.M., Observations and Least Squares. IEP, Dun-Donnelley Publisher,

New York, 1976.
Moffitt, F.H. and H. Bouchard, Surveying, 6th Ed., Harper and Row Publishing
Co., Inc., New York, 1975.
Rainsford, H.F. Survey Adjustments and Least Squares, Constable and Co., Ltd.,
London, 1957.
Richardus, P., project Surveying, North Holland Publishing Co., Amsterdam John
Wiley & Sons, Inc.., New York, 1966.
Snedecor, G.W. and W.C. Cochran, Statistical Methods, Iowa State Univ. Press,
Ames, Iowa, 1973.
Wolf, P.R., Elements of Photogrammetry, McGraw-Hill Book Co., Inc., New York,
1974.
Veress, S.A., Adjustment by Least Squares, American Congress on Surveying and
Mapping, Washington, D.C., 1974.
Aguilar, A.M, Principles of Survey Error- Analysis and Adjustment," Journal of the
the surveying and Mapping Division, ASCE, Vol. 99, No. SU1 Sept., 1973.
Baker,J.R., Adjusting Radial Surveys," Journal of the Surveying and Mapping
Division, ASCE, Vol. 98, No. SU2, Nov., 1972.
Fubara, D.M.J., "Three-Dimensional Adjustment of Terrestrial Geodetic Networks,
Canadian Surveyor. Vol. 26, No. 4, Sept., 1972.
Gale, L.A., Theory of Adjustments by Least Squares," Canadian Surveyor, Vol. IX,
No. 1, Mar., 1965.
Konecny, G., Classical Concepts of Least Squares Adjustment," Canadian
Surveyor, Vol. IX, No. 1, Mar., 1965.
Kouba, G Principal Property and Least Squares Adjustment Design," Canadian
Surveyor, Vol. 26, No. 2, June, 1972.
Madkour, M.F., Non-linear Least Squares Algorithm," journal of the Surveying and
Mapping Division, ASCE, Vol. 98. No. SU2, Nov., 1972.
Navasky, M., Adjusting Observed Directions by Angles Using Equitable Wights,
Surveying and Mapping, Vol. XXXIV, No. 4, Dec., 1974.
Pinch, M.C and A.E. Peterson, "A Methods for Adjusting Survey Networks," in
sections, Canadian Surveyor, Vol, 28, No. 1, Mar., 1974.
E. Schmid, "A Generalized Least Squares Solution for hybrid Measuring Systems,"
Canadian Surveyor, Vol. IX, No. 1, Mar., 1965
Stoughton, H.A., "An Algorithm to Adjust a Quadrilateral," Surveying and Mapping.

Vol.XXXVII. No. 3, Sept., 1977.
Stoughton, H.W., "The First Method to Adjust a Traverse Based on Statistical
Considerations," Surveying and Mapping, Vol. XXXIV,No. 2, June, 1974.
Dotila, U.A., "Statistical Tests as Guidelines in Analysis of Adjustment of Control
Nets,"
Surveying and Mapping, Vol. XXXV, No. 1, Mar., 1975.
Uotila, U.A., "Useful Statistics for Land Surveyors ," Surveying and Mapping, Vol.
XXXIII, No. 1, Mar., 1973.
Veress, S.A., "Measures of Accuracy for Analysis and Design of Survey,"
Surveying and
Mapping, Vol. XXXIII, No. 4, Dec., 1973.
Vreeland, R.P., "Adjustment of Traverses," Journal of the Surveying and and
Mapping
Division, ASCE, Vol. 98, No. SU2, Nov., 1972.
White, L.A. and N.D. Betts, "Modification of Conditional Adjustment Solutions
Caused by Amendment of the Original Observations Involved," Canadian
Surveyor. Vol.
XXIII, No. 5, Dec., 1969.
Witson, P., "The Solution of Linear Equation Systems," Canadian Surveyor, Vol.
IX, No. 1,
Mar., 1965.
Wolf, P.R., "Horizontal Position Adjustment," Surveying and Mapping^ Vol. XXIX,
No. 4, Dec., 1969.
Wolf, P.P., Matrix Algebra A tool for engineers and Surveyors, Surveying and
Mapping,
Vol. XXX, No. 3, Sept.1970
Wolf, P.R. and S.D. Johnson, Trilateration with Short Range EDM Equipment and
Comparison with Triangulation, Surveying and Mapping, Vol. XXXIV, No.4
Dec., 1974

Computos para El Ajuste

Cargado por

Copyright:

Formatos disponibles

Computos para El Ajuste

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Computos para El Ajuste

Cargado por

Copyright:

Formatos disponibles

CURSO

REDUCCIN Y AJUSTE AUTOMATIZADOS DE DATOS GEODSICOS

COMPUTOS PARA EL AJUSTE

AGENCIA CARTOGRFICA DE DEFENSA

7. PRINCIPIOS DE LOS MINIMOS CUADRADOS

12. AJUSTE DE TRIANGULACION

14. AJUSTE POR CONDICIONES

PROGRAMA GENERAL PARA EL AJUSTE DE MINIMOS CUADRADOS

Introduccin al programa. Nombres y descripciones de las variables de entrada.

PROGRAMA PARA LA TRANSFORMACION CONFORME DE COORDENADAS

El sistema anterior de ecuaciones lineares puede representarse en forma matricial

1.4.3 Matriz rectangular (el numero de filas es m y el nmero de

1.4.4 Matriz cuadrada (el numero de filas es igual al numero de columnas)

1.4.5 Matriz simtrica

1.4.6 Matriz diagonal

1.4.7 Matriz unitaria

1.7 Multiplicacin de una matriz por un escalar.

Cada elemento de la matriz A

Ntese que 4 [A] = [A] + [A] + [A] + [A] =

1.8 Multiplicacin de una matriz por otra matriz

Las siguientes multiplicaciones no son posibles.

1.8.2 La multiplicacin se efecta como sigue:

Los elementos Cij de la matriz C son totales obtenidas al multiplicar

El proceso anterior puede verse ms fcilmente con un ejemplo numrico

C11 = 1X4 + 2X6 + 3X5 = 31

Ahora el estudiante deber verificar la representacin matricial de las ecuaciones

1.8.4 Es aparente que la multiplicacin de matrices de gran tamao involucra

Encuentre el producto A y B y colquelo en C

2) Haga las siguientes operaciones matriciales

3. para el problema 1 anterior, halle el producto

de manera tal que

C=I, en donde I es la matriz identidad.

Si premultiplicamos ambos lados de la matriz (2a) por

Las incgnitas (matriz x) pueden hallarse calculando la formula (2b), la matriz

b. Si la determinante obtenida usndolos elementos de la matriz A es cero, se

Ahora calculemos w, x, y, z, en trminos de a, b, c y d. sustituyendo A,

a. Por multiplicacin de matriz:

Ntese que la determinante de A se simboliza como:

b. Entonces para cualquier matriz 2x2 compuesta de los elementos:

Su inversa sencillamente es:

2.3.2 Inversas por adjuntas

b) El adjunto de A se obtiene reemplazando primero cada elemento de la matriz

Co-factor de a 11 = (-1) (4x4 1x3) = 13

Co-factor de a 12 = (-1) (3x4 1x2) = -10

Transponiendo esta matriz

c) La determinante de A puede hallarse de la manera usual. Ntese que los

= 4 (13) + 3 (-6) + 2 (-5) = 24

d) Ahora puede calcularse la inversa de A.

e) Puede obtenerse una verificacin del trabajo aritmtico puesto que:

2.3.3 Inversas por transformaciones de filas

transformamos I en A . Se ilustra el procedimiento usando la matriz que usamos

Con las siguientes tres transformaciones de filas hechas en A e I, las matrices A e

, respectivamente. Esto convierte a11 de la matriz

2. Multiplquese la fila 1 de las matrices

de las matrices A e I y colquese en la fila 2 de

las matrices A e I y colquese en la fila 3 de

3. Multiplquese la fila 1 de las matrices

por a21 o 3, rstese de la fila 2