sexta-feira, 20 de fevereiro de 2026

Ajustamento de Observações Geodésicas: Modelo Funcional no Método dos Mínimos Quadrados.

No ajustamento de observações, é necessário estabelecer uma relação matemática entre as observações realizadas e as incógnitas que se deseja determinar. Essa relação é chamada de modelo funcional e representa a base do Método dos Mínimos Quadrados. Um modelo funcional bem definido permite descrever corretamente o comportamento do sistema e garantir a consistência do ajustamento.


Modelo Funcional no Método dos Mínimos Quadrados



Objetivos

  1. Compreender o conceito de modelo funcional.
  2. Relacionar observações e incógnitas por meio de equações matemáticas.
  3. Entender a forma matricial do modelo.
  4. Introduzir a necessidade de linearização.
  5. Preparar a base para a formulação paramétrica do MMQ.


1. Conceito de modelo funcional

O modelo funcional descreve a relação entre:

  • observações ( L )
  • incógnitas ( x )

Na forma geral:

Entretanto, como as observações contêm erros:

Em que:

  • v = vetor de resíduos (correções às observações)

2. Forma matricial do modelo

Considerando ( n ) observações e ( u ) incógnitas:

O objetivo do ajustamento é determinar os valores de x que minimizam os resíduos.


3. Modelo linear

Se a função f(x) for linear:

então o modelo torna-se:

Em que:

  • A = matriz de coeficientes (ou matriz de projeto)
  • dimensão: n × u

Essa é a forma básica do modelo paramétrico linear.


4. Modelo não linear

Em muitos problemas geodésicos:

  • distâncias
  • direções
  • coordenadas GNSS

A relação entre observações e incógnitas é não linear.

Nesse caso:

É linearizado em torno de um valor aproximado ( x_0 ):

Em que:

  • Δx = correção das incógnitas
  • A = matriz das derivadas parciais

Esse processo será estudado em detalhes nas próximas aulas.


5. Interpretação geométrica

O modelo funcional define:

  • como cada observação depende das incógnitas
  • a sensibilidade das observações às variações dos parâmetros
  • a estrutura da matriz normal

Um modelo mal definido leva a:

  • instabilidade
  • matriz singular
  • impossibilidade de ajustamento

6. Exemplo Resolvido

Deseja-se determinar o valor de uma distância ( x ) a partir de três observações: 100,012; 100,018; 100,010.

Modelo funcional:

Forma matricial:

Este é um modelo linear simples com:

O valor ajustado será a média das observações.

Resultado:


7. Exercício Proposto

Uma altura ( H ) foi determinada por quatro observações: 50,006; 50,010; 50,004; 50,008.

  • a) Escreva o modelo funcional
  • b) Identifique ( A ), ( L ), ( n ) e ( u )

  • 7.1 Resposta final esperada

    Clique aqui

    8. Conclusão

    O modelo funcional estabelece a relação matemática entre observações e incógnitas e constitui a base de todo o ajustamento pelo Método dos Mínimos Quadrados. Sua correta definição é essencial para garantir a estabilidade e a consistência do processo.


    Próxima Aula
    Todas as Aulas
    Compartilhar:

    quinta-feira, 19 de fevereiro de 2026

    Ajustamento de Observações Geodésicas: Derivação Matemática do Critério de Mínimos Quadrados.

    No Método dos Mínimos Quadrados, a solução do problema de ajustamento é obtida a partir de um princípio de otimização. Esse princípio estabelece que os parâmetros devem ser determinados de forma a minimizar a soma ponderada dos quadrados dos resíduos. Nesta aula, é apresentada a derivação matemática desse critério, que conduz diretamente às equações normais do ajustamento paramétrico.


    Aula 020 – Derivação Matemática do Critério de Mínimos Quadrados



    Objetivos

    1. Formular matematicamente o problema de mínimos quadrados.
    2. Expressar os resíduos em função das incógnitas.
    3. Construir a função objetivo do ajustamento.
    4. Derivar a condição de mínimo.
    5. Obter a equação fundamental do MMQ.


    1. Modelo linear de observações

    Considere o modelo paramétrico linear:

    Em que:

    • L = vetor de observações (n × 1)
    • v = vetor de resíduos
    • A = matriz dos coeficientes (n × u)
    • x = vetor de incógnitas (u × 1)

    Isolando os resíduos:


    2. Função objetivo

    O critério dos mínimos quadrados estabelece que deve ser minimizada a soma ponderada dos quadrados dos resíduos:

    Em que:

    • P = matriz de pesos (simétrica e positiva definida)

    Substituindo ( v ):

    Essa função depende apenas das incógnitas x.


    3. Expansão da função

    Expandindo:

    O último termo não depende de x e não influencia o mínimo.


    4. Condição de mínimo

    Para que a função seja mínima:

    Derivando em relação a (x):

    Dividindo por 2:


    5. Equações normais

    Definindo:

    Obtém-se o sistema:

    Se (N) for invertível:

    Essa é a solução do Método dos Mínimos Quadrados.


    6. Interpretação matemática

    A derivação mostra que o MMQ é um problema de otimização quadrática.

    Como:

    • P é positiva definida.
    • N = AT P A também é positiva definida

    A função Φ possui:

    • Um único mínimo global.
    • Solução única e estável.

    7. Exemplo Resolvido

    Três observações de uma distância (pesos iguais):

    Modelo:

    Como P = I:

    • Passo 1 – Matriz normal
    • Passo 2 – Segundo membro
    • Passo 3 – Solução

    8. Exercício Proposto

    Quatro observações (pesos iguais): 50,006; 50,010; 50,004; 50,008. Determine o valor ajustado utilizando o critério dos mínimos quadrados.

    8.1 Resposta Final Esperada

    Clique aqui

    9. Conclusão

    A derivação do critério de mínimos quadrados mostra que a solução do ajustamento é obtida pela minimização da soma ponderada dos quadrados dos resíduos. Esse princípio conduz às equações normais, que constituem a base matemática de todo o ajustamento geodésico.


    Próxima Aula
    Todas as Aulas
    Compartilhar:

    quarta-feira, 18 de fevereiro de 2026

    Adjustment of Observations in Geodesy: Redundancy and Degrees of Freedom.

    In geodetic adjustment, the reliability of results depends not only on measurement precision but also on the amount of available information. When the number of observations exceeds the number of unknowns, redundancy is introduced into the system. This redundancy allows error detection, quality control, and the application of the Least Squares Method.


    Lesson 05 – Redundancy and Degrees of Freedom



    Objectives

    1. Understand the concept of redundancy in geodetic observations.
    2. Define degrees of freedom.
    3. Interpret the relationship between observations and unknowns.
    4. Recognize the importance of redundancy for adjustment and quality control.
    5. Apply the concept in simple practical situations.


    1. Observations and Unknowns

    In a geodetic problem:

    • n = number of observations
    • u = number of unknown parameters

    Three situations may occur:

    Case
    Condition
    Interpretation
    Underdetermined
    n < u
    Not enough information
    Determined
    n = u
    Unique solution, no redundancy
    Redundant
    n > u
    Extra information available

    In practice, geodetic networks are designed so that:


    2. Concept of Redundancy

    Redundancy represents the excess of observations relative to the number of unknowns:

    Where:

    • r = redundancy (degrees of freedom)

    This extra information allows:

    • detection of gross errors
    • reliability assessment
    • statistical testing
    • improved precision through adjustment

    3. Degrees of Freedom

    Degrees of freedom indicate how many independent residuals remain after adjustment.

    Interpretation:

    • Higher r → better reliability and control
    • r = 0 → no redundancy, no statistical control

    In Least Squares Adjustment, degrees of freedom are essential for:

    • variance estimation
    • quality tests
    • reliability analysis

    4. Example of Redundancy

    A distance is measured four times to determine one unknown value.

    The system has three degrees of freedom, allowing statistical evaluation of the measurements.


    5. Importance in Geodesy

    Redundancy is fundamental in:

    • geodetic networks
    • leveling lines
    • traverse adjustment
    • GNSS processing

    Without redundancy:

    • gross errors cannot be detected
    • precision cannot be evaluated
    • Least Squares cannot estimate variance

    For this reason, redundancy is intentionally introduced during network design.


    6. Solved Example

    A leveling section includes:

    • 6 height difference observations
    • 2 unknown elevations

    6.1 Interpretation:

    • The system is redundant
    • Four degrees of freedom are available for statistical analysis.

    7. Proposed Exercise

    A geodetic problem contains:

    • 8 observations
    • 3 unknown parameters

    Determine:

  • a) Whether the system is redundant
  • b) The degrees of freedom

  • 7.1 Answer

    The system is redundant with five degrees of freedom.


    8. Conclusion

    Redundancy and degrees of freedom quantify the amount of extra information available in a geodetic adjustment. Systems with ( n > u ) allow error detection, precision evaluation, and reliable application of the Least Squares Method.

    Next Class
    All Lessons
    Compartilhar:

    Ajustamento de Observações Geodésicas: Conceito e Fundamentação do Método dos Mínimos Quadrados.

    Em levantamentos geodésicos, é comum que diferentes observações relacionadas a uma mesma grandeza apresentem pequenas inconsistências devido à presença de erros. Quando existe redundância, torna-se necessário um critério matemático que permita obter uma solução única e estatisticamente ótima. O Método dos Mínimos Quadrados (MMQ) fornece esse critério, sendo a base de todo o ajustamento moderno em Geodésia.


    Aula 019 – Conceito e Fundamentação do Método dos Mínimos Quadrados



    Objetivos

    1. Compreender o problema das observações redundantes.
    2. Entender o conceito do Método dos Mínimos Quadrados.
    3. Interpretar o significado físico e estatístico do MMQ.
    4. Conhecer o princípio de minimização da soma dos quadrados dos resíduos.
    5. Preparar a base conceitual para a formulação matemática do método.


    1. O problema das observações redundantes

    Considere uma grandeza observada várias vezes: 100,012; 100,018; 100,010.

    Devido aos erros aleatórios, os valores não são iguais. Surge então a pergunta: Qual é o melhor valor a ser adotado?

    Se o número de observações é maior que o número de incógnitas:

    O sistema é redundante e, em geral, incompatível.


    2. Conceito de resíduo

    No ajustamento, define-se:

    ou seja:

    Os resíduos representam os erros remanescentes após o ajustamento.


    3. Princípio do Método dos Mínimos Quadrados

    O MMQ estabelece que: A melhor solução é aquela que minimiza a soma dos quadrados dos resíduos.

    Matematicamente:

    Se as observações possuem pesos diferentes:

    Em que:

    • (P) é a matriz de pesos.

    4. Por que minimizar os quadrados?

    • a) Evita compensações.

    Se fosse minimizada a soma simples:

    Resíduos positivos e negativos poderiam se anular.

    • b) Penaliza erros grandes

    O quadrado aumenta a influência de resíduos grandes.

    • c) Fundamentação estatística

    Se os erros são:

    • Aleatórios.
    • Independentes.
    • Normalmente distribuídos.

    Então o MMQ fornece o estimador de máxima verossimilhança.


    5. Interpretação física

    O MMQ busca:

    • A melhor concordância global entre observações e modelo.
    • A solução mais provável.
    • A distribuição mais equilibrada dos erros.

    Observações com maior peso influenciam mais o resultado.


    6. Exemplo Conceitual

    Três observações de uma distância (m): 100,012; 100,018; 100,010.

    O valor médio é:

    Esse valor é aquele que minimiza:

    Ou seja, a média aritmética é um caso particular do MMQ para pesos iguais.


    7. Exercício Proposto

    Quatro observações (m): 50,006; 50,010; 50,004; 50,008.

    Determine o valor que minimiza a soma dos quadrados dos resíduos.


    7.1 Resposta Final Esperada

    Clique aqui


    8. Importância em Geodésia

    O Método dos Mínimos Quadrados é utilizado em:

    • Redes geodésicas planimétricas e altimétricas
    • Ajustamento de poligonais
    • Nivelamento de alta precisão
    • Processamento de dados GNSS
    • Integração de diferentes tipos de observações

    Todo o ajustamento moderno em Geodésia é baseado nesse princípio.


    9. Conclusão

    O Método dos Mínimos Quadrados fornece um critério rigoroso para resolver sistemas redundantes e inconsistentes. Ao minimizar a soma ponderada dos quadrados dos resíduos, o método produz a solução mais provável e estabelece a base teórica para o ajustamento geodésico.


    Próxima Aula
    Todas as Aulas
    Compartilhar:

    terça-feira, 17 de fevereiro de 2026

    Matemática: Problemas com Adição.

    Aula 011 - Problemas com Adição


    Objetivos da aula

    • Resolver problemas do cotidiano que envolvem adição.
    • Identificar situações em que é necessário juntar quantidades.
    • Desenvolver a interpretação de textos simples em matemática.

    1) Quando usar a adição

    A adição é usada quando precisamos juntar quantidades, acrescentar algo a uma quantidade que já existe, ou descobrir o total.

    Palavras que indicam adição em problemas incluem ao todo, no total, mais, juntou, ganhou.

    Exemplo. Maria tinha 5 balas e ganhou mais 3. Quantas balas ela tem ao todo. Aqui estamos juntando quantidades, então usamos a adição.


    2) Como resolver um problema de adição

    Um roteiro simples ajuda a resolver com segurança.

    • Ler o problema com atenção.
    • Identificar os números.
    • Entender o que o problema está pedindo.
    • Fazer a adição.
    • Escrever a resposta completa.

    3) Representando o problema

    Problema. Em uma caixa há 12 lápis. Foram colocados mais 6 lápis. Quantos lápis há no total.

    Representação: 12 + 6 = 18

    Resposta: 18 lápis


    4) Exemplos resolvidos e explicados

    4.1) Exemplo 1

    Ana tinha 7 figurinhas e ganhou mais 4. Quantas figurinhas ela tem agora.

    Quantidade inicial 7. Quantidade recebida 4. Somamos 7 + 4 = 11.

    Resposta: 11 figurinhas.

    4.2) Exemplo 2

    Uma biblioteca recebeu 25 livros novos em um dia e 18 livros no dia seguinte. Quantos livros foram recebidos ao todo.

    Primeiro dia 25 livros. Segundo dia 18 livros. Somamos 25 + 18 = 43.

    Resposta: 43 livros.


    5) Exercícios para você fazer

    5.1) Exercício 1

    Pedro tinha 9 carrinhos e ganhou mais 5. Quantos carrinhos ele tem agora.

    Resposta: 14.

    5.2) Exercício 2

    Uma loja vendeu 36 camisetas pela manhã e 27 à tarde. Quantas camisetas foram vendidas no total.

    Resposta: 63.


    Próxima Aula
    Todas as aulas
    Compartilhar:

    segunda-feira, 16 de fevereiro de 2026

    Adjustment of Observations in Geodesy: Precision, Accuracy, and Trueness.

    In geodetic and surveying work, evaluating the quality of measurements is essential. Three concepts are fundamental for this evaluation: precision, accuracy, and trueness. Understanding the differences between them helps professionals interpret results correctly and identify the sources of measurement errors.


    Lesson 04 – Precision, Accuracy, and Trueness



    Objectives

    1. Understand the concepts of precision, accuracy, and trueness.
    2. Distinguish between random and systematic effects.
    3. Interpret measurement quality using statistical indicators.
    4. Relate these concepts to geodetic observations and adjustment.


    1. Precision

    Precision describes the degree of agreement among repeated measurements of the same quantity.

    Characteristics:

    • Related to the dispersion of observations.
    • Evaluated using statistical measures such as variance and standard deviation.
    • High precision means small dispersion.

    Example: If repeated distance measurements are very close to each other, the observations are precise, even if they are not close to the true value.


    2. Trueness

    Trueness refers to the closeness between the mean of the observations and the true value.

    Characteristics:

    • Affected mainly by systematic errors.
    • Cannot be evaluated directly if the true value is unknown.
    • Improved through calibration and error modeling.

    3. Accuracy

    Accuracy combines both precision and trueness.

    A measurement is accurate when:

    • It has small dispersion (high precision), and
    • Its mean is close to the true value (high trueness).

    In practice:

    Situation
    Interpretation
    High precision, low trueness
    Systematic error present
    Low precision, high trueness
    Large random errors
    High precision and high trueness
    High accuracy

    4. Relationship with Error Types

    • Random errors affect precision.
    • Systematic errors affect trueness.
    • Gross errors affect both and must be removed.

    Understanding this relationship is essential before performing adjustment.


    5. Importance in Geodesy

    In geodetic applications:

    • Precision is evaluated using standard deviation.
    • Trueness is improved through instrument calibration and modeling.
    • Accuracy is achieved after proper error control and adjustment.

    The Least Squares Method improves precision by reducing the effect of random errors.


    6. Solved Example

    Two distance measurement sets (m):

    • Set A: 100.002; 100.003; 100.001; 100.002.
    • Set B: 99.980; 100.020; 100.005; 99.995.

    Assume the true value is 100.000 m.


    6.1 Analysis

    Set A:

    • Small dispersion → high precision
    • Mean = 100.002 → small systematic bias

    Set B:

    • Large dispersion → low precision
    • Mean ≈ 100.000 → good trueness

    6.2 Interpretation:

    • Set A: precise but less true
    • Set B: true but not precise

    7. Proposed Exercise

    Two observation groups of an angle (degrees):

    • Group 1: 45.002; 45.003; 45.001; 45.002.
    • Group 2: 44.990; 45.015; 45.005; 44.995.

    Assuming the true value is 45.000°, determine which group is:

  • a) More precise
  • b) More accurate

  • 7.1 Answer

    • Group 1: more precise
    • Group 2: less precise and less accurate

    Conclusion

    Precision describes the consistency of measurements, trueness indicates closeness to the true value, and accuracy combines both. These concepts are fundamental for evaluating observation quality and for reliable geodetic adjustment.

    Next Class
    All Lessons
    Compartilhar:

    domingo, 15 de fevereiro de 2026

    Adjustment of Observations in Geodesy: Statistical Fundamentals of Observations.

    In geodetic measurements, repeated observations are commonly performed to reduce the influence of random errors. Statistical analysis allows the evaluation of data quality and the determination of the most reliable value. Understanding basic statistical measures is essential for the correct application of the Least Squares Method.


    Lesson 03 – Statistical Fundamentals of Observations



    Objectives

    1. Understand the role of statistics in geodetic observations.
    2. Compute the arithmetic mean of repeated measurements.
    3. Understand the concept of dispersion.
    4. Calculate variance and standard deviation.
    5. Interpret precision based on statistical measures.


    1. Role of Statistics in Geodesy

    Since every measurement contains random errors, repeated observations of the same quantity will not produce identical values.

    Statistical analysis allows us to:

    • determine the most probable value,
    • evaluate the dispersion of measurements,
    • assess the precision of the observations.

    The most probable value of repeated measurements is the arithmetic mean.


    2. Arithmetic Mean

    For n observations:

    Where:

    • Li = observed values
    • L̅ = mean value

    The mean represents the best estimate of the true value when only random errors are present.


    3. Residuals (Deviations)

    The difference between each observation and the mean is called a deviation (or residual):

    Properties:

    Residuals indicate how each observation differs from the most probable value.


    4. Variance

    Variance measures the dispersion of the observations:

    A smaller variance indicates higher precision.


    5. Standard Deviation

    The standard deviation is:

    Interpretation:

    • Small ( s ) → high precision
    • Large ( s ) → low precision

    Standard deviation is one of the most important quality indicators in geodetic measurements.


    6. Standard Error of the Mean

    The precision of the mean is given by:

    This value represents the uncertainty of the estimated mean.


    7. Solved Example

    A distance was measured five times (m): 125.334; 125.338; 125.331; 125.336; 125.335.

    Step 1 – Mean

    Step 2 – Residuals

    Observation
    Residual (m)
    125.334
    -0.0008
    125.338
    0.0032
    125.331
    -0.0038
    125.336
    0.0012
    125.335
    0.0002

    Step 3 – Variance

    Step 4 – Standard deviation

    Step 5 – Standard error of the mean

    Final result:


    8. Proposed Exercise

    Repeated angle measurements (seconds): 32.418; 32.421; 32.416; 32.420.

    Determine:

  • a) Mean
  • b) Standard deviation
  • c) Standard error of the mean

  • Answer

    • Mean = 32.4188
    • Standard deviation ≈ 0.0022
    • Standard error ≈ 0.0011

    9. Conclusion

    Statistical analysis allows the determination of the most probable value and the evaluation of precision in repeated observations. The mean, variance, and standard deviation form the statistical foundation for the Least Squares Adjustment.

    Next Class
    All Lessons
    Compartilhar:

    SOCIAL





    InstagramFacebookTwitterLattesOrcid

    ANÚNCIO

    Arquivo do Blog

    Seguidores

    Recomendado

    Postagens populares

    Tecnologia do Blogger.