Ajustamento de Observações Geodésicas: Introdução ao Método Paramétrico.

No ajustamento de observações existem diferentes formas de formular o problema matemático. Uma das mais utilizadas em Geodésia é o Método Paramétrico, no qual as incógnitas do sistema são os próprios parâmetros físicos que se deseja determinar, como coordenadas, altitudes ou parâmetros geométricos. Nesse método, as observações são expressas como funções desses parâmetros, e o Método dos Mínimos Quadrados é utilizado para estimar os valores mais prováveis dessas incógnitas.

---

Aula 025 – Introdução ao Método Paramétrico

---

Objetivos

1. Compreender o conceito do método paramétrico.
2. Identificar os parâmetros desconhecidos do problema.
3. Relacionar observações e incógnitas.
4. Montar o modelo funcional do método paramétrico.
5. Aplicar o método em um exemplo simples.

---

1. Conceito do método paramétrico

No método paramétrico, as incógnitas do ajustamento são os parâmetros do modelo matemático.

Exemplos de parâmetros em Geodésia:

• Coordenadas (X,Y,Z)
• Altitudes
• Orientação de estação
• Parâmetros de transformação
• Coeficientes de um modelo matemático

As observações são escritas como funções desses parâmetros.

Forma geral do modelo:

Em que:

• L = vetor de observações
• v = vetor de resíduos
• x = vetor de parâmetros

2. Modelo linear do método paramétrico

Quando o modelo é linear, pode-se escrever:

Em que:

• A = matriz de coeficientes (matriz de projeto)

Ou, isolando os resíduos:

O critério dos mínimos quadrados é:

3. Estrutura matricial do método

O problema é organizado usando vetores e matrizes.

3.1 Vetor de observações

3.2 Vetor de incógnitas

3.3 Matriz de coeficientes

4. Sistema de equações do ajustamento

Aplicando o critério dos mínimos quadrados, obtêm-se as **equações normais**:

Definindo

O sistema torna-se

A solução é

5. Exemplo Resolvido

Deseja-se ajustar a reta: y = a + bx, aos seguintes dados observados:

x	y
1	2,1
2	3,9
3	6,2

As incógnitas são:

• Passo 1 – Equações observacionais

Cada observação gera uma equação:

2,1 = a + b
3,9 = a + 2b
6,2 = a + 3b

• Passo 2 – Forma matricial

• Passo 3 – Cálculo da matriz normal

Primeiro calculamos

Agora

• Passo 4 – Segundo membro

• Passo 5 – Sistema normal

• Passo 6 – Solução

Resolvendo o sistema:

a = -0,033
b = 2,050

• Equação ajustada

y = -0,033 + 2,050x

6. Exercício Proposto

Considere os dados:

x	y
1	1,9
2	4,2
3	5,8

a) Escreva o modelo paramétrico.

b) Construa a matriz A.

c) Identifique o vetor L.

6.1 Resposta final esperada

⇒Clique aqui⇐

7. Conclusão

O método paramétrico formula o ajustamento diretamente em termos dos parâmetros do modelo matemático. A partir da matriz de coeficientes e do vetor de observações, o Método dos Mínimos Quadrados permite estimar os valores mais prováveis das incógnitas, sendo amplamente utilizado em problemas geodésicos e de engenharia.

⇾ Próxima Aula ⇽ → Todas as Aulas ←

Leia mais

Ajustamento de Observações Geodésicas: Interpretação Geométrica do Ajustamento.

Além da formulação algébrica e matricial, o Método dos Mínimos Quadrados possui uma interpretação geométrica clara e muito útil para compreender o comportamento do ajustamento. Nessa interpretação, o problema do ajustamento é visto como uma projeção de vetores em espaços vetoriais. Essa visão ajuda a entender por que os resíduos são ortogonais ao modelo e por que o método produz a solução de menor erro possível.

---

Aula 024 – Interpretação Geométrica do Ajustamento

---

Objetivos

1. Compreender a interpretação geométrica do ajustamento.
2. Entender o conceito de espaço das observações.
3. Interpretar o espaço gerado pela matriz de projeto.
4. Relacionar resíduos à ortogonalidade geométrica.
5. Compreender a solução do MMQ como uma projeção.

---

1. Espaço das observações

Considere o vetor de observações:

Esse vetor pertence ao espaço vetorial:

Cada conjunto possível de observações pode ser representado como um ponto nesse espaço.

2. Espaço gerado pela matriz A

A matriz de projeto:

possui u colunas.

Essas colunas geram um subespaço chamado: espaço coluna de A.

Qualquer vetor da forma:

pertence a esse subespaço.

Esse espaço contém todos os vetores que podem ser representados pelo modelo matemático.

3. Problema fundamental do ajustamento

Em geral, devido aos erros de observação:

Ou seja, o vetor de observações não pertence ao espaço gerado pelo modelo.

Logo, não existe solução exata para:

4. Solução do MMQ

O Método dos Mínimos Quadrados procura o vetor:

que esteja no espaço coluna de A e seja o mais próximo possível de L.

Geometricamente, isso corresponde a projetar L sobre o subespaço S(A).

5. Vetor de resíduos

O vetor de resíduos é:

Esse vetor liga o ponto observado ao ponto ajustado.

A condição de mínimo implica:

No caso de pesos unitários:

Isso significa que o vetor de resíduos é ortogonal ao espaço gerado por A.

6. Interpretação geométrica

Temos três vetores principais:

• L → vetor observado
• L^ → vetor ajustado
• v → vetor de resíduos

Relação:

ou

Geometricamente:

• L está fora do subespaço
• L^ é a projeção de L
• v é perpendicular ao subespaço

7. Exemplo Resolvido

Considere o modelo:

Observações:

x	y
1	2
2	2,9
3	4,1

Matriz do modelo:

Vetor de observações:

A solução do MMQ fornece os parâmetros a e b que definem a reta que melhor se ajusta aos pontos observados. Geometricamente, o vetor L é projetado no subespaço gerado pelas colunas de A.

8. Exercício Proposto

Considere os pontos:

x	y
1	3
2	5
3	7

a) Escreva a matriz A.

b) Identifique o vetor de observações L.

c) Explique qual subespaço é gerado pelas colunas de A.

8.1 Resposta final esperada

⇒Clique aqui⇐

9. Conclusão

A interpretação geométrica do ajustamento mostra que o Método dos Mínimos Quadrados corresponde à projeção ortogonal do vetor de observações sobre o subespaço definido pelo modelo. Essa visão permite compreender de forma intuitiva a minimização dos resíduos e a estrutura das equações normais.

⇾ Próxima Aula ⇽ → Todas as Aulas ←

Leia mais

Adjustment of Observations in Geodesy: Mean Errors, Standard Deviation, and Variance.

In geodetic measurements, repeated observations are used to reduce the influence of random errors and to estimate the precision of the results. Statistical indicators such as mean error, variance, and standard deviation allow surveyors and geodesists to evaluate the quality of observations and quantify their uncertainty. These measures form the statistical basis for the Least Squares Adjustment.

---

Lesson 06 – Mean Errors, Standard Deviation, and Variance

---

Objectives

1. Understand the concept of mean error in observations.
2. Compute variance and standard deviation.
3. Interpret the dispersion of measurements.
4. Relate statistical indicators to measurement precision.
5. Apply these concepts to repeated geodetic observations.

---

1. Mean Error of Observations

In repeated measurements, each observation differs slightly from the true value due to random errors.

The mean error represents the expected magnitude of these random deviations.

For a set of residuals v_i, the mean square error is related to the variance of the observations.

2. Variance

Variance measures the dispersion of the observations around the mean.

Where

• s² = variance
• v_i = residuals
• n = number of observations

A smaller variance indicates higher precision.

3. Standard Deviation

The standard deviation is the square root of the variance:

Interpretation:

• small standard deviation → high precision
• large standard deviation → low precision

In geodetic practice, standard deviation is the most commonly used indicator of measurement precision.

4. Relationship Between Residuals and Precision

Residuals represent the differences between observations and the estimated value.

These residuals are used to compute variance and standard deviation.

The smaller the residuals, the better the consistency of the observations.

5. Importance in Geodesy

Variance and standard deviation are essential for:

• evaluating measurement precision
• defining observation weights
• assessing the reliability of geodetic networks
• performing statistical tests in adjustment

These indicators are used extensively in leveling, GNSS processing, and network adjustment.

6. Solved Example

Repeated distance measurements (meters): 125.334; 125.338; 125.331; 125.336; 125.335.

• Step 1 – Mean value

• Step 2 – Residuals

Observation	Residual
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

7. Proposed Exercise

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

Determine:

a) Mean value

b) Variance

c) Standard deviation

7.1 Answer

• Mean ≈ 32.4188
• Variance ≈ 0.0000048
• Standard deviation ≈ 0.0022

8. Conclusion

Mean error, variance, and standard deviation are fundamental statistical indicators for evaluating the precision of geodetic observations. These measures quantify the dispersion of measurements and provide the statistical basis for the Least Squares Adjustment.

⇾ Next Class ⇽ →All Lessons←

Leia mais

Ajustamento de Observações Geodésicas: Condições de Observabilidade e Redundância.

Em um ajustamento geodésico, nem sempre é possível determinar todas as incógnitas a partir das observações disponíveis. Para que o Método dos Mínimos Quadrados produza uma solução única e confiável, é necessário que o sistema satisfaça condições matemáticas específicas. Essas condições estão relacionadas à observabilidade dos parâmetros e ao nível de redundância do sistema.

---

Aula 023 – Condições de Observabilidade e Redundância

---

Objetivos

1. Compreender o conceito de observabilidade.
2. Identificar quando um parâmetro é ou não determinável.
3. Relacionar observabilidade ao posto da matriz A.
4. Entender a relação entre observabilidade e redundância.
5. Analisar a estabilidade do ajustamento.

---

1. Conceito de observabilidade

Um parâmetro é observável quando pode ser determinado de forma única a partir das observações. Matematicamente, isso significa que as observações fornecem informação independente suficiente sobre esse parâmetro.

Se um parâmetro não for observável:

• Não pode ser estimado.
• O sistema terá infinitas soluções.
• A matriz normal será singular.

2. Condição matricial de observabilidade

No modelo linear:

A condição fundamental é:

Em que:

• u = número de incógnitas.

Se o posto for menor:

Então:

• Há dependência linear entre as colunas de A.
• Alguns parâmetros não são observáveis.

3. Relação com a matriz normal

A matriz normal é:

Se os parâmetros forem observáveis:

• N é inversível.

Caso contrário:

• |N| = 0
• O sistema é singular.
• O ajustamento não pode ser resolvido sem restrições adicionais.

4. Redundância do sistema

A redundância é dada por:

Em que:

• n = número de observações
• u = número de incógnitas

Condições:

• r > 0: sistema redundante (desejável)
• r = 0: sistema determinado (sem controle)
• r < 0: sistema indeterminado

Observabilidade e redundância são conceitos diferentes:

• observabilidade → independência das colunas de A
• redundância → excesso de observações

Um sistema pode ter r > 0 e ainda assim ser não observável se houver dependência linear.

5. Interpretação geodésica

Problemas típicos de não observabilidade:

• Rede livre sem datum.
• Ausência de ponto fixo em coordenadas.
• Medições insuficientes para separar parâmetros.
• Observações que fornecem a mesma informação repetida.

Exemplo clássico: Uma rede planimétrica sem fixação permite translação e rotação livres.

6. Exemplo Resolvido

Deseja-se determinar duas incógnitas x e y.

Observações:

Forma matricial:

• Passo 1 – Redundância

O sistema é redundante.

• Passo 2 – Verificação do posto

As linhas são múltiplas entre si. Logo:

Conclusão:

• Apenas a soma x + y é observável.
• Os valores individuais de x e y não podem ser determinados.
• O sistema é não observável.
• A matriz normal é singular.

7. Exercício Proposto

Considere:

Determine:

a) n, u e r.

b) Se o sistema é observável.

7.1 Resposta final esperada

⇒Clique aqui⇐

8. Conclusão

A observabilidade garante que todos os parâmetros possam ser determinados de forma única, enquanto a redundância fornece controle estatístico e confiabilidade ao ajustamento. Para um ajustamento geodésico estável, é necessário que a matriz (A) tenha posto completo e que o sistema possua redundância positiva.

⇾ Próxima Aula ⇽ → Todas as Aulas ←

Leia mais