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 ←

Leia mais

Ajustamento de Observações Geodésicas: Introdução ao Ajustamento de Observações.

A partir desta aula entramos diretamente no Ajustamento de Observações, compreendendo o porquê e o para quê do Método dos Mínimos Quadrados. Esta aula é fundamental antes de entrarmos na matemática formal.

Aula 008 – Introdução ao Ajustamento de Observações

Objetivos da Aula

1. Entender o porquê do ajustamento de observações.
2. Compreender que observações possuem erro inevitável.
3. Ver como o MMQ produz o valor “mais provável”.
4. Introduzir os elementos básicos: observações, parâmetros, resíduos e pesos.
5. Estabelecer a estrutura geral do Ajustamento Geodésico.

1. Por que Ajustar Observações?

Porque todas as observações possuem erro:

Em que:

• L = observação
• L_t = valor verdadeiro
• e = erro (sistemático + aleatório)

Como não conhecemos "L_t", o ajustamento busca encontrar a melhor estimativa possível. Sem ajustamento:

• Cada observação é tratada isoladamente.
• Não há controle de qualidade.
• Erros aleatórios permanecem sem tratamento.
• Erros grosseiros não são detectados.

Com ajustamento:

• As observações “conversam entre si”.
• Produzimos valores consistentes, otimizados e testados.

2. O que é o Ajustamento de Observações?

É o processo matemático que compara:

• O que foi observado (L), com, o que o modelo matemático espera (A·x)

E busca minimizar a soma dos quadrados dos resíduos:

Daí o nome Método dos Mínimos Quadrados (MMQ).

3. O Valor Mais Provável

A solução ajustada "x̂" é chamada de:

• Estimativa de Máxima Verossimilhança (para erros aleatórios normais, independentes e de média zero)

Isto é, para qualquer outra estimativa possível, é preciso:

Ou seja, é o resultado estatisticamente mais confiável.

4. Componentes Fundamentais do Ajustamento

4.1 Observações (L)

São os valores medidos. Ex.: distâncias, ângulos, coordenadas GNSS, desníveis etc.

4.2 Parâmetros (x)

São as incógnitas do problema. Ex.: coordenadas X,Y,Z; azimutes; altitudes etc.

4.3 Modelo Funcional (A·x)

É a relação matemática entre observações e parâmetros. A matriz "A" contém as derivadas parciais das funções.

4.4 Resíduos (v)

Diferença entre observado e ajustado:

ou

4.5 Pesos (P)

Peso é o “valor de confiança” de cada observação:

• Observações mais precisas → maior peso.
• Observações menos precisas → menor peso.

5. O Sistema Geral das Equações Normais

A equação fundamental do MMQ é:

E os resíduos são:

Essa é a modelação matemática que ajustará:

• poligonais
• nivelamento
• redes GNSS
• redes altimétricas
• redes planimétricas
• redes combinadas
• entre outros

6. Intuição Geométrica

Imagine vários pontos medidos ao redor da posição verdadeira. O MMQ encontra o centro estatístico mais provável. Mesma lógica para distâncias, coordenadas ou qualquer observação.

7. Redundância e Ajustamento

Sem redundância (Aula 005), não:

• calculamos resíduos,
• testamos qualidade,
• detectamos erros grosseiros.

O ajustamento é possível, mas não confiável.

8. Exemplo Resolvido

8.1 Problema (conceitual):

Três observações independentes de uma mesma distância:

1. 153,223 m
2. 153,227 m
3. 153,221 m

8.2 Pergunta:

Qual é o valor ajustado pelo MMQ, considerando pesos iguais?

8.3 Solução

Como os pesos são iguais, o MMQ gera a média aritmética:

Não há equações normais explícitas aqui porque:

• Uma única incógnita (valor ajustado da distância).
• Modelo funcional simples.
• A solução do MMQ coincide com a média.

8.4 Resultado final:

L_a = 153,224 m

9. Exemplo Proposto

Quatro observações de uma mesma direção horizontal (em graus):

1. 90,003°
2. 90,001°
3. 89,999°
4. 90,004°

Assumindo mesma precisão, calcule:

a) O valor ajustado (valor mais provável).
b) O resíduo de cada observação.

9.1 Resposta Final Esperada:

⇒Clique aqui⇐

10. Conclusão da Aula

• O ajustamento de observações é uma necessidade em Geodésia.
• O MMQ encontra a solução mais provável para as incógnitas.
• Resíduos, pesos e modelo funcional são elementos fundamentais.
• Essa aula é a ponte entre Estatística e Geodésia Prática.

⇾ Próxima Aula ⇽ → Todas as Aulas ←

Leia mais