Triangulate Raci On

RACV Digital - Progreso en la prctica del ajuste gaussiano de una red local: mtodo de triangulateracin
Copyright: M Jos Jimnez Martnez, A. Marqus Mateu, J.M. Paredes Asencio, M. Villar Cano E-mail: mjjimenez@cgf.upv.es RECEPCIN: 20-01-2011 APROBACIN: 27-01-2011
PROGRESO EN LA PRCTICA DEL AJUSTE GAUSSIANO DE UNA RED LOCAL: MTODO DE TRIANGULATERACIN
M.J. Jimnez Martnez, A. Marqus Mateu, J.M. Paredes Asencio, M. Villar Cano
VALENCIA, ENERO 2011
ndice general
1. Introduccin y planteamiento del trabajo

1.1. 1.2. 1.3. Localizacin de la Red de Prueba . . . . . . . . . . . . . . . . . . . . . . . . Monumentacin, materiales y caractersticas constructivas
4
6 6 9
Especicaciones tcnicas de las estaciones totales utilizadas . . . . .
2. Resultados de la Observacin. Vector de Observables

2.1. Observaciones angulares azimutales . . . . . . . . . . . . . . . . . . 2.1.1. 2.2. Test de adherencia de Pearson . . . . . . . . . . . . . . . . .
12
12 13 17 18
Observaciones distanciomtricas . . . . . . . . . . . . . . . . . . . . 2.2.1. Test de adherencia de Pearson . . . . . . . . . . . . . . . . .
3. El vector de coordenadas aproximadas Xa . Consistencia de la Figura 20

3.1. Clculo de la Consistencia de la Figura y optimizacin del camino de clculo del vector 3.2. 3.3.
Xa
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21 26 29
Un primer ajuste. La red Libre Triangulada
Clculo de las coordenadas aproximadas y de los azimutes 3.3.1.
Clculo de las coordenadas aproximadas por el camino de mejor consistencia angular . . . . . . . . . . . . . . . . . . . 29
3.3.2.
Clculo de las coordenadas aproximadas por el camino de mejor consistencia distanciomtrica . . . . . . . . . . . . . . 31 33
3.3.3.
Clculo de azimutes . . . . . . . . . . . . . . . . . . . . . . .
4. Ponderacin de observables
4.1. 4.2. 4.3. 4.4. Varianza del observable de peso unidad . . . . . . . . . . . . . . . . Ponderacin segn las caractersticas tcnicas de la instrumentacin Ponderacin segn los observables de la red . . . . . . . . . . . . .
36
36 37 38
La ponderacin y clculo en la prctica de una red triangulaterada con homogeneizacin de datos . . . . . . . . . . . . . . . . . . . . . 39
4.4.1.
Mtodo de clculo de la triangulateracin en ajuste gaussiano determinista con homogeneizacin de datos . . . . . . 40
4.4.2.
El factor de conversin y el peso de las formas lineales de azimut . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4.3.
El factor de conversin y peso de las formas lineales de distancia 4.4.3.1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Pesos homogeneizados . . . . . . . . . . . . . . . . 55 57
5. Resolucin de la red triangulaterada

5.1. Formas lineales de azimut 5.1.1. 5.2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Ecuaciones de azimut factorizadas
58
58 59 59 60 60
Formas lineales de distancia 5.2.1.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Ecuaciones de distancia factorizadas
5.3.
Sntesis y resultado del ajuste de la red triangulaterada . . . . . . . 5.3.1. La matriz A, la matriz de pesos P, el vector de trminos independientes K, y la matriz S 5.3.1.1. 5.3.2. . . . . . . . . . . . . . . . .
61 63
Un ejemplo aclaratorio . . . . . . . . . . . . . . . .
El vector de variables, el vector de residuos y la varianza a posteriori del observable de peso unidad . . . . . . . . . . . 66
5.3.3.
Las matrices de criterio : matriz cofactor de las variables o parmetros, matriz cofactor de los residuos, matriz cofactor de los observables corregidos, matriz varianza-covarianza de las variables o parmetros, matriz varianza-covarianza a posteriori de los residuos, y matriz varianza-covarianza a posteriori de los observables corregidos . . . . . . . . . . . . . . . 68 69 72 75 76
5.3.4. 5.3.5. 5.4. 5.5.
Comprobacin de los observables: abilidad interna de la red Comprobacin de los observables: abilidad externa de la red . . . . . . . . . . . . . . . . . . . . .
Semiejes de la elipse standard Nota sobre la constante K
. . . . . . . . . . . . . . . . . . . . . . .
6. Figuras de error
6.1. 6.2. 6.3. La podaria o curva pedal . . . . . . . . . . . . . . . . . . . . . . . . La elipse asociada a la curva pedal . . . . . . . . . . . . . . . . . . . . . . . . .
78
78 80 80
Probabilidades de error asociadas a las guras de error
7. Clculo del porcentaje de error en ajuste gaussiano determinista 83

7.1. Teora sobre el clculo de porcentaje de error en ajuste gaussiano determinista 7.2. 7.3. 7.4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 94 98
Error o perturbacin db
Error o perturbacin db con ponderacin clsica . . . . . . . . . . . Error o perturbacin dS
. . . . . . . . . . . . . . . . . . . . . . . . 100
8. Conclusiones
8.1. 8.2. Protocolo de clculo y de anlisis del mtodo de triangulateracin 8.2.1. 8.2.2. 8.2.3. 8.2.4. Los observables
102
. 104
Resultados nales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
. . . . . . . . . . . . . . . . . . . . . . . . . 105 . . . . . . . . . . . . . . . . . 105
Las coordenadas aproximadas
La solucin seudoinversa . . . . . . . . . . . . . . . . . . . . 108 El mtodo de ponderacin de la triangulateracin 8.2.4.1. . . . . . . 109
Varianza del observable de peso unidad de los observables de la red topogrca . . . . . . . . . . . 110
8.2.4.2.
Los errores angulares y lineales proyectados en el cuadriltero de ponderacin . . . . . . . . . . . . . 111
8.2.4.3.
Factor de conversin y peso de las formas lineales de ngulo . . . . . . . . . . . . . . . . . . . . . . . 113
8.2.4.4.
Factor de conversin y peso de las formas lineales de distancia . . . . . . . . . . . . . . . . . . . . . . 114
8.2.4.5. 8.2.5.
Pesos homogeneizados
. . . . . . . . . . . . . . . . 115 . . . . . . . . . . . . . . 115
Anlisis de los resultados parciales 8.2.5.1.
La matriz A, la matriz de pesos P, el vector de trminos independientes K . . . . . . . . . . . . . . 115
8.2.5.2.
El vector de variables, el vector de residuos y la varianza a posteriori del observable de peso unidad 116
8.2.5.3. 8.2.5.4. 8.2.5.5. 8.2.6. 8.2.7.
Matrices de criterio . . . . . . . . . . . . . . . . . . 116 La abilidad interna y externa . . . . . . . . . . . 116
Semiejes de la elipse standard . . . . . . . . . . . . 117 . . . . . . . . . . . . . . . . . . 117 . . . . . . . . . . . . . . . . 120 . . . . . . . . . . . . . . . 120 . . . . . . . . . . . . . . . 121
Figuras de error y abilidad
Clculo del porcentaje de error 8.2.7.1. 8.2.7.2.
Error o perturbacin db Error o perturbacin dS
9. Bibliografa
123
Captulo 1
Introduccin y planteamiento del trabajo
El alto nivel de calidad constructiva, automatizacin y precisin de los modernos instrumentos de Topografa Clsica supera amplia y generalmente cualquier exigencia real y prctica de tolerancia en los trabajos topogrcos usuales, conriendo a operadores y calculistas un amplio coeciente de seguridad que ampara satisfactoriamente su trabajo. Lo mismo puede decirse, an con algunas reservas y en tono menor, cuando la instrumentacin es GPS. En cualquier caso, los vectores de observables tratados segn rutina en ajustes gaussianos (y no gaussianos) facilitan resultados aceptables con guras de error de magnitudes muy inferiores a las prescripciones establecidas y en consecuencia, no comprobadas ni contrastadas con la realidad fsica. Ello da lugar a que el proyecto topogrco aparezca como innecesario, sustituyndose por una rutina operativa que permanentemente ha demostrado y demuestra su ecacia prctica. Sin embargo, no es menos cierto que, especialmente en aplicaciones que se han dado en llamar no topogrcas, como el control de deformaciones en Industria y Obra Civil, el escenario est cambiando rpidamente hacia necesidades reales mucho ms duras, poniendo en peligro el cmodo binomio instrumentacin - tolerancia inicialmente establecido. Merece la pena pues, reexionar sobre la doctrina aplicada, gaussiana a lo largo de este trabajo, completndola con los requisitos tericos de aplicacin que permitan, no mejorar en gabinete los resultados de campo, que es misin peligrosa por ilusoria , sino predecir y contrastar matemtica y estadsticamente con alto nivel de abilidad los resultados parciales, intermedios, y nales. En el presente trabajo y los que esperamos le sigan se aplicar la teora clsica de "Ajuste de redes microgeodsicas por el mtodo de Gauss Markov", desarrollada, y establecida con algunas innovaciones cuya importancia dejamos al buen criterio del lector, sobre una red local de prueba formada por cuatro vrtices sealados y monumentados al efecto en el Campus de Vera de la Universidad Politcnica de Valencia. Procede en primer lugar claricar algunos supuestos y cuestiones, a saber: No entraremos en estudios ni cuestiones de eleccin y optimizacin de localizacin, instrumentacin, metodologa de observacin, estacionamiento, ni ecuaciones de
observador. No se imponen en principio exigencias especcas ni generales previas de precisin. Ni tolerancias. Ni hablamos de alta precisin. Nos interesa especca y fundamentalmente en esta primera fase del trabajo establecer y garantizar al mximo la abilidad y poder de armacin de algoritmos, datos de partida, y resultados parciales y totales. Ello conlleva analizar todas las hiptesis, todos los algoritmos y todos los resultados intermedios, parciales y nales, y contrastarlos rigurosamente con la realidad fsica por medio del ajuste de la red observada. La precisin alcanzada, por el momento, es una consecuencia, no una imposicin previa. Su previsin y jacin dentro de un Proyecto riguroso se abordar cuando se trate del Diseo de Redes propiamente dicho. Se utilizarn vectores de observables clsicos (angulares y/o distanciomtricos), en la acepcin ms general, contrastando y vericando previamente su adecuacin estadstica para ser utilizados en el proceso Gaussiano, con una informacin de precisin adicional a efectos de la necesaria ponderacin, tratndolos por separado o mezclndolos en redes mixtas. Posteriormente nos ocuparemos de los observables GPS. Ms adelante y en una segunda fase estableceremos las condiciones de Diseo de la red para que dichos resultados parciales y nales puedan predecirse en magnitud y con alto poder de armacin. Despus extenderemos el anlisis con el mismo rigor no solo a los vrtices de la red sino a cualquier punto arbitrario o rea de su zona de inuencia, que llamaremos de precisin especca, consiguiendo informacin tan exacta como en los vrtices de estacin. Posteriormente, se establecer una doctrina complementaria de deformaciones de la realidad fsica a lo largo del tiempo, con idnticas caractersticas a las descritas. Y nalmente, sobre todo en clculo de deformaciones, abordaremos las redes tridimensionales con orientacin arbitraria de triedro. Siempre con justicacin rigurosa de lo que se haya conseguido en cada caso y se pueda predecir. Tambin estableceremos el proyecto de Diseo a partir de un condicionado previo y cifrado de obligado cumplimiento. Para terminar, estableceremos un anlisis crtico y riguroso de la doctrina del mtodo Gauss-Marcoviano, con sus puntos fuertes y dbiles. Y si en algn supuesto, o incluso en general, se llegara a constatar que no es de aplicacin, total o parcialmente, se establecer as. Sin embargo, antes de rechazar el mtodo, se recomendar su prudente sustitucin por otro indiscutiblemente mejor y a lo menos igual de riguroso, que ser ineludible justicar en detalle. La tarea descrita tiene vocacin de Tesis Doctoral, tal vez ms de una, y de libro de ms que moderada extensin. En principio y en las pginas que siguen desarrollaremos la praxis del mtodo que damos en llamar Triangulateracin con observables clsicos presentando alguna novedad sobre la metodologa usualmente empleada. Futuras publicaciones esperamos que continen el Proyecto enunciado, hasta darle buen n.
1.1. Localizacin de la Red de Prueba

En el entorno de la Escuela Tcnica Superior de Ingeniera Geodsica, Cartogrca y Topogrca, segn se representa en la fotografa area de la Fig 1.1. Formando un cuadriltero de lados comprendidos entre 64 y 69 metros.
Figura 1.1: Localizacin de la Red de Prueba
1.2. Monumentacin, materiales y caractersticas constructivas

Tres de los cuatro pilares forman parte de la red de calibracin de la Universidad Politcnica de Valencia
que se pretende densicar con un nuevo vrtice.
Dichos pilares V1, V3 y V4 son de acero inoxidable de 1.2 m de altura y dimetro exterior de 22 cm. Se construyeron en doble tubo concntrico con una cmara de aire que separa el tubo interior anclado directamente a cimentacin, del tubo exterior cuyas funciones bsicas son de proteccin tanto frente a posibles agresiones externas como a la posible dilatacin por insolacin directa. Ver Fig.1.2.
1 Cfr. Base de calibracin de la Universidad Politcnica de Valencia: descripcin y medicin .

Jos Luis Bern, Inge Revhaug, Pascual Garrigues, Luis Garca-Asenjo, Sergio Baselga, Sergio Navarro. Actas del IX Congreso Nacional TOPCART, Valencia 2008.
Figura 1.2: Estacin total sobre vrtice V3
La cimentacin consiste, en una zapata de hormign armado, de dimensiones aproximadas: 100 x 100 x 60 cm que queda por debajo de la cubierta vegetal (Fig. 1.2) .
Figura 1.3: Prisma sobre el vrtice V1
Los pilares van rematados por su parte superior con una base de acero inoxidable nivelada y con rosca macho solidaria de paso estndar 5/8, protegida con cubierta de acero inoxidable cuando no se observa. En cuanto al pilar V2 es de acero y est anclado sobre el hormign de la va del campus universitario, tiene una altura de 1.3 m., y en la parte superior tres
alineaciones para estacionar la basada ( Fig. 1.4, Fig. 1.5, y Fig. 1.6).
Figura 1.4: Pilar del vrtice V2
Figura 1.5: Detalle del pilar V2
Figura 1.6: Basada y prisma sobre el vrtice V2
1.3. Especicaciones tcnicas de las estaciones totales utilizadas

Se utilizaron las distancias medidas con la estacin total MS 1A de la marca Topcon, y los ngulos medidos con la S6, de la marca Trimble. Las desviaciones tpicas de los errores angulares obtenidos a partir de la libreta de campo de la estacin total MS 1A superaron las previstas por el catlogo del fabricante. Fuera por defecto de correccin del instrumento, o error de operador, se preri repetir la observacin con la otra estacin total. El cuadro de caractersticas tcnicas de catlogo est contenido en el cuadro 1.1. Fabricante Modelo Precisin angular Precisin distanciomtrica Sensibilidad del nivel electrnico Compensador automtico Aumentos Topcon MS 1A cc 3 1 mm + 1 ppm 2 ejes 30 Trimble S6 cc 6 3 mm + 2 ppm 2 ejes 30
Cuadro 1.1: Caracterstica tcnicas de la instrumentacin
La medida de precisin angular (entendida como repetibilidad) est expresada como la desviacin tpica de una coordenada medida una vez en CD y CI. Y la medida de precisin en distancia est expresada como la desviacin tpica de una coordenada medida una vez en CD y CI. Segn las normas ISO 17123.
En conjunto la preparacin del trabajo se ha procurado realizar minuciosamente y por lo que respecta a la instrumentacin puede resistir sin mengua la comparacin con cualquier otra rma constructora acreditada internacionalmente en el campo de la Ingeniera Cartogrca. La observacin se ha realizado por especialistas del Laboratorio de Instrumentos Topogrcos
de la Escuela de Ingeniera Geodsica de la Universidad Politcnica
de Valencia, cuya cualicacin y buen hacer est fuera de toda duda . Por todo ello se sigue adelante con la tranquilidad de conciencia de no saberlo hacer mejor.
Figura 1.7: Estacin Total Topcon MS 1A
2 El trabajo de observacin ha recado directamente sobre Jos Manuel Paredes Asencio.
10
Figura 1.8: Estacin Total Trimble S6
11
Captulo 2
Resultados de la Observacin. Vector de Observables
2.1. Observaciones angulares azimutales

El resultado de campo de la observacin angular horizontal se resume en el cuadro 2.1. Se observaron independientemente las 12 lecturas azimutales de la red, (tres por vrtice), con la numeracin indicada. no. L1 L2 L3 L4 L5 L6 L7 L8 L9 L10 L11 L12 Observacin V1-V4 V1-V3 V1-V2 V2-V3 V2-V4 V2-V1 V3-V4 V3-V1 V3-V2 V4-V3 V4-V2 V4-V1 Media
[g ]
i [cc ]
5,4831 5,1888 5,3541 3,71 4,8255 3,7161 4,6766 8,6613 4,1341 7,4239 5,7971 6,504
ni
13 13 26 14 7 7 22 11 11 12 12 24
i ni
=T i [cc ]
1,52 1,44 1,05 0,99 1,82 1,40 1 2,61 1,25 2,14 1,67 1,33
87,6817 42,4931 0,0009 70,6808 129,7559 187,3250 24,3619 67,9869 108,8502 193,9946 137,5574 82,8070
Cuadro 2.1: Lecturas azimutales horizontales
Es el objetivo del trabajo densicar la Red de Calibracin de la Universidad Politcnica de Valencia con un nuevo punto, denominado sealado y monumentado como
V2 .
12
Figura 2.1: Croquis de la observacin
En dicho cuadro se representan de izquierda a derecha y por columnas, la numeracin de las lecturas azimutales, su identicacin por vrtices (Estacin-Destacado), g las medias aritmticas en grados centesimales [ ], las desviaciones tpicas de una cc observacin genrica en dmgr., i [ ], el nmero de observaciones por destacado ni , cc y las desviaciones tpicas de las medias aritmticas en dmgr T i [ ] .
2.1.1. Test de adherencia de Pearson

La correcta aplicacin del ajuste por mnimos cuadrados requiere como condicin previa la distribucin normal de cada uno de los observables, que implica as mismo la distribucin normal de los residuos. Toda la doctrina se sostiene y desarrolla a partir de la ms rigurosa cumplimentacin de las expresiones bien conocidas
O = Om,1 N (OTm,1 ,
o m,m )
N (OT , s2 Q) (1)
E (R) = 0
R N (0,
o m,m )
N (0, s2 Q) (2)
Que reproducimos con la notacin de rutina usual. Es por tanto ineludible cerciorarse de que todos y cada uno de los observables que intervengan en los clculos satisfagan (1) y (2), debiendo ser rechazados los que no lo hagan. A este efecto se ha contrastado cada uno de ellos a travs del Test de Adherencia de Pearson, que tambin damos por conocido .
1 Vease cualquier Manual de Estadstica. O bien Tratado de Topografa Tomo I. Pag.36 y

sig. M.Chueca et alt.
13
Referente a la aplicacin particular en el caso que nos ocupa, merece la pena tener en cuenta una cuestin previa importante. La suposicin como hiptesis nula de que la distribucin es normal, conducente en la prctica ms extendida a adoptar un nivel de signicacin de uno o a lo ms cinco por ciento, a efectos de prevenir la comisin del posible error de orden uno (rechazo de la hiptesis nula siendo cierta) no es aconsejable en nuestra opinin, por poco rigurosa. En nuestro caso, redes caracterizadas en general por el escaso nmero de vrtices, es asequible lograr que el nmero de lecturas y de observables sea siempre superabundante y no se debe vacilar en desprenderse de un cierto nmero de ellos si son sospechosos, an en grado menor, de no cumplir la condicin de normalidad. El ptimo del parmetro contrastado es cero y a ello debe tenderse porque el riesgo contrario (error de orden dos, aceptacin de la hiptesis nula, siendo errnea o aceptacin de observables de distribucin no normal) es mucho ms peligroso. As hemos rechazado el observable angular L8 (lectura V3-V1) con un nivel de signicacin aproximado de un 49 %. En cuanto a las once restantes lecturas angulares puede asegurarse con alto poder de armacin que su distribucin es adecuada. Veamos la secuencia de clculo de un observable aceptado. Consideremos la observacin angular horizontal V1-V4 (Cfr. cuadro2.2), sealada como L1 en el cuadro 2.1. La secuencia de clculo de aplicacin del Test de Pearson es la que sigue (ver el cuadro 2.3), de sencilla interpretacin. Bajo la hiptesis nula: Ho = se acepta distribucin normal. Lecturas V1-V4 87,6811 87,6816 87,6816 87,6819 87,6812 87,6823 87,6818 87,6829 87,6819 87,6808 87,6819 87,6814 87,6821 Cuadro 2.2: Observaciones azimutales V1-V4
[g ]
R = max. min = 87, 6829 87, 6808 = 21cc 27cc

27 nintervalos 27 3
A=
S1 87,68035-87,68125
14
S2 87,68125-87,68215
S3 87,68215-87,68305
h=
1 2
1 5,4831 2
= 0, 1290
9 2
39 2
= 13, 5
= 4, 5
z1 = 0, 129
= 0, 129
2 13, 5 = 2, 4628 2,46
I1 = 2 0, 4931 = 0,9862 z2 = 0, 129 2 = 0, 129 2 4, 5 = 0, 8209 0, 82
I2 = 2 0, 2939 = 0, 5878 p2 = 0, 5878

0,98620,5878 2
p 1 = p3 =
= 0,1992
Intervalos
nj
3 8 2 13
pj
0,1992 0,5878 0,1992 0,9862
n pj
2,5896 7,6414 2,5896 12,8206
n pj nj
-0,4104 -0,3586 0,5896 -0,1791
(npj nj )2 npj
0,065 0,0168 0,1342 0,216
S1 S2 S3
Cuadro 2.3: Secuencia de clculo
Con el usual nivel de signicacin del 5 % el resultado de test es en la distribucin
2 , =grados
2 RC:{2
de libertad:
0, 216} {0, 216 5, 99} Aceptamos H0 con un nivel de signicacin 2 ,

o directamente integrando se sigue:
de 5 %. E interpolando en las tablas de
y=
0,2160,211 (0, 25 0,5750,211
0, 10) + 0, 1 = 0, 1021 10, 21 %

15
Y en el caso que nos ocupa se puede escribir:
P (2 2 > 0, 216) = 100 0, 1021 = 89, 79 %

Por consiguiente, con un nivel de aceptacin del 89,79 % de los casos y para unos 2 parmetros arbitrarios 2 > 0,216, ms desfavorables que el calculado, la distribucin sera tambin normal. Indudablemente, puede aceptarse la hiptesis nula
H0 .
Figura 2.2: Histograma de frecuencias absolutas de la lectura azimutal V1-V4
Como complemento, en Fig. 2.2 se representa el histograma de frecuencias absolutas de la muestra que sugiere claramente una distribucin normal. Los niveles de aceptacin de los ngulos interiores de la red resultan, con la aplicacin reiterada del mismo algoritmo, los del cuadro 2.4.
16
no. L1 L2 L3 L4 L5 L6 L7 L8 L9 L10 L11 L12
Lectura V1-V4 V1-V3 V1-V2 V2-V3 V2-V4 V2-V1 V3-V4 V3-V1 V3-V2 V4-V3 V4-V2 V4-V1
Nivel de aceptacin 89,79 % 85,72 % 96,63 % 100 % 100 % 100 % 100 % 49,20 % 84,44 % 89,91 % 93,65 % 69,60 %
Cuadro 2.4: Niveles de aceptacin de las lecturas angulares horizontales
Como se puede apreciar en el cuadro 2.4 la lectura angular L8 (lectura V3-V1) tiene un nivel de aceptacin en el entorno del 49 % comparativamente insuciente y se rechaza.
2.2. Observaciones distanciomtricas

Desde cada uno de los vrtices se observan las tres distancias restantes. Las distancias reducidas, obtenidas a partir de las distancias geomtricas y ngulos verticales, se encuentran en el cuadro 2.5. En l anotamos las distancias que hacen referencia al mismo eje de la red visadas desde los dos extremos (por ejemplo V1-V2 y V2-V1), y consideradas como suma el total de todas ellas. As por ejemplo, 23 observaciones (V2-V1) + 10 observaciones (V1-V2) = 33 observaciones (V1-V2) + (V2-V1).
17
i ni
no. D1 D2 D3
Distancia reducida V1-V4 V4-V1 (V1-V4) + (V4-V1)
Media [m] 66,5965 66,5974
i [mm]
0,2712 0,7536
ni
15 20
=T i [mm]
0,07 0,1685
D4
D5 D6
V3-V2
V2-V3
66,3912
66,3919
66,5971
0,3585
0,8473
0,7500
10
20
35
0,1134
0,1895
0,126
D7
D8 D9
(V3-V2) + (V2-V3)
V2-V1
V1-V2
64,2143
64,2142
66,3917
0,2923
0,3977
0,7709
23
10
30
0,0609
0,126
0,1406
D10
D11 D12 D13 D14 D15 D16 D17 D18
(V1-V2) + (V2-V1)
V2-V4
V4-V2 V3-V4 V4-V3
83,1499
83,1506 83,1502 68,5769 68,5771 68,5771
64,21431
0,2998
0,4328 0,5108 0,1160 0,3283 0,2300 0,3858 0,6384 0,70
0,3301
10
10 20 19 10 29 15 10 25
33
0,0948
0,1369 0,1140 0,0266 0,1038 0,0427 0,0996 0,2019 0,14
0,0574
(V2-V4) + (V4-V2)
(V3-V4) + (V4-V3) V1-V3 V3-V1 (V3-V1) + (V1-V3)
103,6089 103,6079 103,6085
Cuadro 2.5: Lecturas de las distancias reducidas entre vrtices. Las distancias que hemos utilizado para el ajuste de la red aparecen en negrita
2.2.1. Test de adherencia de Pearson

Al igual que con las observaciones angulares la correcta aplicacin del ajuste por mnimos cuadrados requiere como condicin previa la distribucin normal de cada una de las distancias que utilicemos para calcular la red. En el cuadro 2.6 se puede leer el nivel de aceptacin de cada una de las distancias medidas en la red. La diferencia con los resultados del test de Pearson con lecturas azimutales es claramente favorable a este ltimo . Es obligado utilizar en el ajuste de la red las distancias correspondientes al vrtice
V2
como nico variable en este primer
supuesto que superan ampliamente el test de Pearson (en negrita). Posteriormente abordaremos otras aplicaciones modicando el nmero de distancias reducidas a compensar y ajustar.
2 Segn J.M. Reger en su libro Electronic Distance Measurement, pginas 220 y 221, (editorial Springer-Verlag Berlin Heiderberg, Alemania 1996), las distancias observadas por distanciometra no deberan usarse en un ajuste mnimo cuadrtico, debido a los errores sistemticos propios de estas mediciones. Copiamos un prrafo del texto mencionado: Please note that there is a very careles mixing and quasi-random errors (e.g. short periodic errors) with purely systematic errors (frecuency drift with temperature). Because of this, the eqs. of the acuracy of their instruments (in the following form B in ppm, d = distance (in Km), the variance follows as
s = (A + Bd), where A un mm, s2 = (A + Bd)2 should not be used as
a priori variances in least-squares adjustments. For example, under homogeneous temperature conditions in the eld, the distance proportional term is likely to much smaller.
18
no. D1 D2 D3
Distancia V1-V4 V4-V1 (V1-V4) + (V4-V1)
Media [m] 66,5965 66,5974
Porcentaje de aceptacin 74,34 % No aceptamos la
H0
D4
D5 D6
V3-V2
V2-V3
66,3912
66,3919
66,5971
90,53 %
87,20 % No aceptamos la
54,47 %
D7
D8 D9
(V3-V2) + (V2-V3)
V2-V1
V1-V2
64,2143
64,2142
66,3917
67.90 % 89,32 %
74,86 %
H0 H0 H0 H0 H0 H0
No aceptamos la No aceptamos la
D10
D11 D12 D13 D14 D15 D16 D17 D18
(V1-V2) + (V2-V1)
V2-V4
V4-V2 V3-V4 V4-V3
83,1499
83,1506 83,1502 68,5769 68,5771 68,5771 103,6089 103,6079 103,6085
64,2143
No aceptamos la
(V2-V4) + (V4-V2)
No aceptamos la No aceptamos la 69,06 % 43,09 % No aceptamos la 91 %
(V3-V4) + (V4-V3) V1-V3 V3-V1 (V3-V1) + (V1-V3)
H0
Cuadro 2.6: Lecturas de las distancias reducidas entre vrtices y porcentaje de aceptacin del test de Pearson. Las distancias que hemos utilizado para el ajuste de la red triangulaterada aparecen en negrita
Se calcularon las correcciones debidas a las variaciones de presin y temperatura, segn la ecuacin del fabricante, y sus valores en todos los casos fueron despreciables, debido a la longitud de las visuales y a que los incrementos de temperatura y presin entre observaciones eran muy pequeos .
3 El instrumento determina y corrige las medidas efectuadas para una temperatura standard
de 15C, y una presin standard de 1023,25 hPa/750 mmHg. En nuestro trabajo la temperatura mnima fue de 14,4C y la mxima 18,4C. La presin mnima fue de 1008 hPa y la mxima 1013 hPa.
19
Captulo 3
El vector de coordenadas aproximadas Figura
Xa .
Consistencia de la
Lograr que el vector de coordenadas aproximadas la red se escriba que
Xa sea de la mejor calidad posible
es objetivo inesquivable. Recordemos que en la bsqueda de la mejor solucin de
X = Xa + x
implicando
xT x = m nimo
es decir
| x |= m nimo
Por el momento, aceptndose la aplicacin de matrices seudoinversas en redes libres e inversas clsicas de Cayley en redes ligadas o deterministas. En su momento se ver que la mejor solucin no tiene semejante carcter absoluto y vara con las caractersticas de la red en presencia y, sobre todo, con el condicionado fsico y tcnico que pretenda resolver. As, en el ajuste que nos ocupa consideraremos en principio como variables todas las coordenadas de los cuatro vrtices (mtodo de red libre) slo a efectos posteriores
1 Cfr. M.Chueca et alt. Microgeodesia y Redes locales, pg. 195 y sig., Complementos docentes
pg. 38.
20
de jar los vrtices
V1 , V3 V2 .
V4
con las sucientes garantas y exclusivamente con
nuestra propia observacin de campo (mtodo de red ligada) densicando la red con un nuevo vrtice
Debe tenerse presente que para el proyectista y/o calculista que el objeto del ajuste se dirige ms a perfeccionar la interpretacin con rigor y poder de armacin de los resultados obtenidos antes que a mejorar los iniciales. Nos referimos a la teora expuesta que resumimos ms adelante por su novedad sobre la geometra del error en el caso general de triangulateracin que resumimos, no obstante por su novedad ms adelante, y su particularizacin en triangulacin y trilateracin. As mismo a la teora de Consistencia de Figuras, tanto en triangulacin como en trilateracin
Se trata por tanto de optimizar el camino de clculo a priori del vector
Xa
. Lo
haremos para el caso de triangulacin pura. Y como sabemos que las guras de error en los vrtices de la red triangulada y trilaterada independientemente son muy aproximadamente ortogonales , el camino de mximo error en un supuesto coincidir con el de mnimo error en el otro y recprocamente. La aplicacin al caso que nos ocupa de la Teora de Consistencia de Figuras en triangulacin resuelve el problema. El camino de mnimo valor obtenido del parmetro de consistencia ser el ptimo si se proyecta una triangulacin. El de mximo valor, si se trata de trilateracin. Entre ambos, todos los casos intermedios de redes mixtas triangulateradas.
3.1. Clculo de la Consistencia de la Figura y optimizacin del camino de clculo del vector Xa
Sea el esquema aproximado de la red representado en la Fig.3.1, que siempre podr obtenerse a partir de los datos de campo.
2 Cfr. M.Chueca et alt. Mtodos Topogrcos pg. 366 y sig., pg. 407 y sig., pg. 442 y sig. 3 Siendo el error del distancimetro: e = Cte. + k ppm., la perpendicularidad de los ejes
mayores (direccin de mximo error) de las elipses de error en un vrtice cualquiera triangulado y trilaterado ser tanto ms exacta cuanto menor sea la constante. Matemticamente ortogonales en el lmite para Cte. = 0. El camino de los ejes de mximo error en un caso ser el de los ejes de mnimo error en el otro y recprocamente.
21
Figura 3.1: Croquis de la red
Siendo
Q = nmero de direcciones observadas
P = nmero de ngulos observados
A = nmero de vrtices de la triangulacin
r = nmero de observaciones redundantes
K = parmetro de consistencia conjunta de la gura
se tendr
Q = P + A = 8 + 4 = 12
r = Q - 3A + 4 = 12 - 34 + 4 = 4
K=
Los sucesivos valores de
3A4 Q
344 12
8 12
= 0, 666 0, 67
se pueden obtener por medio de la tabla de doble
entrada que se adjunta, de interpretacin inmediata.
4 M.Chueca et alt. Mtodos Topogrcos Opus cit. Para un camino dentro de la red la
expresin recomendada es
C = K V V
se tabula segn se adjunta. Citando a diversos
autores y segn recomendacin del National Geodetic Survey, de USA.
22
Y la aplicacin del mtodo en los cuatro casos de caminos posibles, siempre empezando por el eje V3V4, es ya inmediato.
CADENA DE TRINGULOS V3V4V2-V2V4V1 Tringulo V3V4V2

23
= 59g = 40g + 43g = 83g V = 3, 5
Tringulo V2V4V1
= 45g + 42g = 87g = 54g V = 4 = 3, 5 + 4 = 7, 5 C = 7, 5 0, 67 = 5

= 45g = 110g V = 5
Tringulo V3V1V2
= 59g + 57g = 116g = 40g V = 7 = 5 + 7 = 12 C = 12 0, 67 = 8
CADENA DE TRINGULOS V3V4V2-V3V1V2
24
Tringulo V3V4V2
= 59g = 56g V = 8
Tringulo V3V1V2
= 42g = 40g V = 25 = 25 + 5 = 33 C = 33 0, 67 = 22

= 45g = 43g V = 20
Tringulo V4V1V2
= 57g = 54g V = 9 = 20 + 9 = 29 C = 29 0, 67 = 19
El camino V3V4V2V2V4V1 resulta ser el ms apropiado para la triangulacin, caso que nos ocupa, con un parmetro de consistencia C = 5 (mejor consistencia
25
angular). En el tringulo V3V4V2 se partir del lado V3V4 para calcular el V4V2 y seguidamente en el V2V4V1 se partir del V2V4 y se calcular el V2V1. Si se tratara de trilaterar, el camino mejor sera el V3V4V2-V3V1V2, con parmetro de consistencia C = 22 (mejor consistencia distanciomtrica).
3.2. Un primer ajuste. La red Libre Triangulada

Es bien conocida la teora del clculo y ajuste de Redes Libres. Su origen bsico, no se olvide, es la desconanza en o probada carencia de los puntos de apoyo de precisin contrastada suciente, en el trabajo en presencia, que trasmitiran amplicados sus posible e inaceptables errores, a la red ligada, verdadera solucin del problema. Si existen en nmero y calidad suciente, utilizar el algoritmo y mtodo de las redes libres encierra una contradiccin en s mismo. Tambin se ha puesto de maniesto la serie de inconvenientes que presentan, en especial con respecto al establecimiento de recintos de error, generados particularmente por la inevitable presencia de variables libres tericamente indeterminadas que transforman en cudricas degeneradas los hiperelipsoides de incertidumbre. En nuestro caso, suponemos que no existe a priori ningn vrtice privilegiado y se persigue exclusivamente conocer con la mayor precisin posible la mtrica del espacio que cubren. Es frecuente que as suceda o que se pueda establecer dicho supuesto con provecho para el buen resultado del trabajo. As pues, con el objetivo de ofrecer siempre la solucin nal en forma de red ligada, resolvemos previamente la red libre generada por los datos disponibles. Se trata de clasicar con ella los vrtices de la red en orden de obtener una primera informacin de la precisin esperable en ellos, en conjunto e individualizadamente. Pueden utilizarse todos o parte de los datos goniomtricos disponibles. En nuestro caso, resolvemos la red libre con siete de los ngulos tiles obtenidos. Por el momento, tan solo nos interesan los datos de partida y la matriz varianzacovarianza de las variables corregidas. Los datos de partida son los siguientes: Vrtices:
Observaciones:
26
Matriz de diseo:
Vector K de trminos independientes:
Matriz de pesos:
27
Matriz E:
Y la matriz varianza covarianza de las variables corregidas es:
En la diagonal principal, la varianza de las coordenadas de los cuatro puntos de la red. Despreciables en cualquier caso. Las desviaciones tpicas apenas alcanzan la dcima de milmetro. La consecuencia es doble: 1.- Los vrtices estn determinados de forma equiprecisa y, en principio, con excelentes cifras. 2.- Cualquiera de ellos en conjunto con otro u otros o separadamente, puede adoptarse como jo. Visto lo expuesto, basta con un somero anlisis de los resultados parciales del clculo para cerciorarse de que no hay nada que destaque desfavorablemente hasta aconsejar su rechazo o repeticin con otros datos de partida. Tal vez el trmino independiente de la forma lineal correspondiente al observable uno V2-V1-V3
28
destaque negativamente respecto a las otras por su mayor valor. O la desviacin tpica del observable de peso unidad a posteriori, nula
= 0,88201 , con una hiptesis
Ho = 1
, hubiera completado un excelente trabajo resultando ms cercano a
la unidad. Algo podra aducirse respecto a las unidades de longitud adoptadas y los coecientes de la matriz de diseo A. Incluso sobre los pesos. Vector de correcciones [m]: -0.00003 +0.00006 -0.00001 -0.00017 +0.00011 +0.00011 -0.00007 +0.00001 Pero con un vector de residuos muy pequeo, indicando la excelente calidad de los observables, y sobre todo con el vector de correcciones a las coordenadas que se adjunta, tomado del listado, se aleja cualquier duda razonable en contra del trabajo realizado. Correcciones del orden de las centsimas de mm., absolutamente inapreciables, nos sitan, en principio aparentemente, en el caso ptimo antes citado, adoptndose en consecuencia
X = Xa .
Por consiguiente los resultados expuestos pueden elevarse a denitivos. Otra cuestin es su interpretacin y cifrado riguroso de parmetros de error e incertidumbre, que ser objeto de posterior anlisis. Queda abierto y justicado el camino para denir el vrtice manteniendo los otros tres jos y a travs de una red ligada. Ello signica que es preciso asignarle unas coordenadas obtenidas a travs de un clculo sin reproche posible y en especial, interpretar los resultados matemtica y estadsticamente con el mximo poder de armacin. No se busca a ultranza la mxima precisin. Se pretende que sea cual fuere la alcanzada su veracidad quede fuera de duda. Por otra parte, es lgico esperar que se consiga por aadidura.
V2
lo mejor posible
3.3. Clculo de las coordenadas aproximadas y de los azimutes

3.3.1. Clculo de las coordenadas aproximadas por el camino de mejor consistencia angular
Hemos calculado las coordenadas aproximadas de nuestros vrtices siguiendo el camino de mejor consistencia angular, que es el que ofrece la cadena de tringulos V3V4V2V2V4V1. Lo hemos hecho siguiendo los pasos que siguen.
29
1. Elegimos arbitrariamente las coordenadas del vrtice V4:
x4 = 100
m.
y4 =100
m.
2. Adoptamos un azimut aproximado V4-V3 :
111,1874
3. Segn la libreta de campo la distancia reducida V4-V3 es 68,577 m. 4. Con la distancia y el azimut V4-V3 obtenemos las coordenadas de V3:
x3 =
167,5209 m.
y3 =
88,0108 m.
5. Por interseccin directa, a partir de las coordenadas V3 y V4 y los ngulos 56, 43724
y 84,48818
obtenemos las coordenadas de V2:
x2 =163,0146
m.
y2 =
154,2486 m.
6. Finalmente, por interseccin directa a partir de las coordenadas V2 y V4, y los ngulos 57,56937
y 54,75018
obtenemos las coordenadas de V1:
x1a =100.0000
de lecturas azimutales el V4-V1
m.
5 A partir de la libreta de campo se obtiene este azimut aproximado, tomando como eje origen
30
y1a =166,5974
m.
Diremos que estas coordenadas aproximadas son las mejores para la triangulacin pura, se identican con el subndice
a.
Obsrvese que son exactamente los mismos
valores de la red libre triangulada con siete ngulos.
3.3.2. Clculo de las coordenadas aproximadas por el camino de mejor consistencia distanciomtrica
Hemos calculado las coordenadas aproximadas de nuestros vrtices siguiendo el camino de mejor consistencia distanciomtrica, que es el que ofrece la cadena de tringulos V4V3V2V3V1V2. Las coordenadas de los vrtices V2, V3 y V4 resultan las mismas que las que provienen del camino de mejor consistencia angular. Y el vrtice V1 lo calculamos con el tringulo V3V1V2 segn la gura 3.2.
Figura 3.2: Croquis del tringulo V3V1V2
Con los ngulos interiores del tringulo V3V1V2:
V 3 = 40, 86334g
V 2 = 59, 07483 + 57, 56937 = 116, 6442g

31
Y con la distancia V3V2= V1:
66, 3917 m obtenemos las nuevas coordenadas del vrtice
x1d =99,99940
m.
y1d =166,59777
m.
Diremos que estas coordenadas aproximadas son las mejores para resolver la trilateracin, se identican con el subndice
d.
Si queremos calcular una triangulateracin las coordenadas aproximadas ptimas sern la media entre las coordenadas calculadas por el camino de mejor consistencia angular y las del camino de mejor consistencia distanciomtrica. Resultando que las coordenadas del vrtice V1 sern:
x1m= (x1a + x1d )/2 =99,9997
m.
y1m = (y1a + y1d )/2 =166,59758
m.
NOTA: Creemos que quiz sera ms correcto ponderar los caminos de consistencia en funcin del nmero de observables de cada tipo: sabiendo que tenemos 5 observables de ngulo y solo 3 de distancia. De modo que podramos ponderar siguiendo la ecuacin que proponemos, y obtener la coordenada x1p :
x1p =
nu mero de observables angulares mero de observables distanciome tricos x1a + nu x1d nu mero total de observables nu mero total de observables
=3 99, 9994+ 5 100 = 99, 99977 8 8
m.
La diferencia con
x1m (=99,9997
m.) es de 7 centsimas de mm.
En cuanto a la coordenada y:
32
y1p =
nu mero de observables angulares mero de observables distanciome tricos y1a + nu y1d nu mero total de observables nu mero total de observables
5 8
3 166, 5974+ 8 166, 59777=
166,59754 m.
La diferencia con
y1m (=166,59758
m.) es de cuatro centsimas de mm.
En cualquier caso, nos movemos obviamente en trminos de magnitud despreciable
Denitivamente la coordenada aproximada del vrtice V1 en el ajuste de la red triangulaterada ser:
x1m= (x1a + x1d )/2 =99,9997
m.
y1m = (y1a + y1d )/2 =166,59758
m.
Las coordenadas aproximadas que emplearemos en lo sucesivo son las que siguen:
Vrtice
x [m] 99,9997 163,01455 167,52085 100
y [m] 166,59758 154,2486 88,01078 100
V1 V2 V3 V4
3.3.3. Clculo de azimutes

Nuestras coordenadas aproximadas se han obtenido adoptando un azimut V4-V3 (Cfr. epgrafe 3.2.1): Azimut V4-V3 =
v4v3 =
111,1874
siendo origen de azimutes el eje V4-V1, que implica que el azimut V4-V1 sea: v4v1 = 0g Sucesivamente podemos escribir los azimutes entre los vrtices, y sus errores asociados siguiendo los de los cuadros siguientes Azimut:ij
=v4v2
g cc
Azimut= 54,75018 desviacin tpica =
= 1,84979
6 Fundamentalmente se debe a la excelente conguracin de la gura y la calidad de los

observables empleados. En M.Chueca et alt. Mtodos Opus cit. pg 451, en un ejemplo anlogo de un cuadriltero en trabajos de mapa, un estimador de consistencia C = 3,35 sita a priori el error mximo en la base de llegada en 29,9 cm. Con un camino de C = 31,49 el error alcanza 81 cm.
7 Los azimutes provienen de la libreta de campo y de la corrida de azimutes.
33
El azimut
v4v2
g = 54,75018 , tiene una desviacin tpica
=1,84979
cc
, que
proviene directamente de la desviacin tpica de las lecturas de campo que sg lo en este caso coinciden con el azimut, ya que v 4v 1 = 0 . Azimut:v 1v 2
g Azimut = 112,3190
desviacin tpica =
d=2,48526cc
El azimut
v1v2
g
se obtiene a partir de:
v1v2
= 200
- 45,18867
g g - 42,49233 = 112,3190
con una desviacin tpica siendo
(1, 73347cc )2 + 1, 78090cc )2 = 2, 48526cc

g
y
1, 73347cc
g
1, 78090cc ,
las desviaciones tpicas de los ngulos 45,18867
42,49233 , obtenidas a partir de las lecturas de la libreta de campo. Azimut:v 3v 2
g Azimut = 395,6759
desviacin tpica =
d=
3,6669
cc
El azimut
v3v2
v3v2
v4v3
+ 200
+ 43,62514
g g + 40,86334 = 395,6759
(2, 57708cc )2 + 2, 60863cc )2 = 3, 6669cc

g
y
2, 57708cc
g
2, 60863cc ,
las desviaciones tpicas de los ngulos 43,62514
40,86334 , obtenidas a partir de las lecturas de la libreta de campo. Azimut:v 2v 4
g Azimut = 254,74963
desviacin tpica =
d=
2,49489
cc
El azimut
v2v4
v2v4
v2v1
g g + 59,07483 = 254,74963
con una desviacin tpica siendo 2,49489
= 2,49489
cc
la desviacin tpica de las lecturas de campo obtenida a partir de g las lecturas del ngulo 59,07483 . Azimut:v 2v 3
cc
g Azimut = 195,6748
desviacin tpica =
d=
2,8404
cc
El azimut
v2v3
v2v3
v1v2
+ 200
- 57,56937
g g - 59,07483 = 195,6748
34
(1, 35777cc )2 + 2, 49489)2 = 2, 8404cc
1, 35777cc
g
2, 49489,
g las desviaciones tpicas de los ngulos 57,56937 y
59,07483 , obtenidas a partir de las lecturas de la libreta de campo. Hemos considerado como nico vrtice libre el V2, por lo tanto, los azimutes entre vrtices jos no aparecen reejados en este epgrafe.
35
Captulo 4
Ponderacin de observables
En este captulo trataremos de establecer los primeros pesos de los observables en la ponderacin previa al ajuste de la red trilaterada.
4.1. Varianza del observable de peso unidad

Con el n de justicar la ponderacin previa al ajuste, desarrollamos el planteamiento que sigue segn teora conocida .
Sea el vector de observables
O,
y el de observables promediados
OT . mi > 1):
Se tendr , para un observable de orden i, (i
1, 2, 3, ...mi ,
para
2 = o i
(OTi Oi )2 mi 1
oTi =
o i ; ambos valores son conocidos: mi
2 o i
mi
Por denicin de peso:
POT i =
2
2 O Ti
2
)2 ( Oi mi
i 2 mi = 2( ) = 2 Oi 2 Oi
mi 2 Oi
Siendo en esta ltima ecuacin
2 el factor de varianza o varianza del observable de
peso unidad. Directamente se deduce que los pesos sern siempre adimensionales.
36
4.2. Ponderacin segn las caractersticas tcnicas de la instrumentacin

Entendemos que la ponderacin clsica es la que utiliza las caractersticas tcni2 cas de los instrumentos, y considera el factor de varianza igual a la unidad. El peso del observable responde a la ecuacin:
POT i =
y Oi mi
, ( Oi )2 mi
siendo
2 = 1, el valor de la varianza del observable de peso unidad
= OT i , la desviacin tpica del catlogo del fabricante del instrumento, que

cc
en nuestro caso es 6
En nuestro caso, segn las especicaciones tcnicas de los fabricantes, la Estacin cc Total Trimble S6 tiene una desviacin tpica angular de 6 y la Estacin Total Topcon MS 1A tiene una desviacin tpica distanciomtrica de 1mm + 1 ppm. Podemos obtener el peso en ambos casos, con
mi = 1:
Pa ngulos =
2 ( Oi )2 m
i
= 612 =
1 36
=0,027,
para todos los observables angulares y
en cuanto a los observables distanciomtricos
2 = 1 + 0, 1 = 1, 1 mm = 0, 0011 m
, para todos los observables distan-
Pdistancias =
ciomtricos.
2
)2 ( Oi mi
1 (1+0,1)2
1 1,21
= 0, 83
Las unidades de
2 . Es obvia la precaucin 2 , en este caso de valor 1, sern las de O Ti 2 de asegurar que las unidades del estimador de peso unidad son las apropiadas 2 para el trabajo. No tendra sentido por ejemplo y en nuestro caso que = 1 2 metro . Lo veremos inmediatamente.
Es subrayable que segn lo expuesto el observable tipo distanciomtrico tiene aparentemente un peso casi 30 veces superior que el angular, lo que tiene muy poco sentido para un mismo instrumento bien proyectado y construido. Y basta con cambiar las unidades para tener las ms dispares combinaciones Si
2=
2 1 metro , el peso del observable distanciomtrico sera:
Pdistancias =
2 1 = (0,0011) 2 2 ) ( Oi m
i
= 826446, 3
Si
2=
1 radian, el peso del observable angular sera:
1 El clculo y compensacin de una poligonal con observaciones angulares y distanciomtricas

puede llevar a que el peso de las distancias sea 10000 frente a un peso en los ngulos de 0,0025. Cfr. Chueca, M.; Anquela A.B.; Baselga, S: Diseo de redes y control de deformaciones. Los problemas del datum y principal de diseo. Pgina 59. Ed. Universidad Politcnica de Valencia. (2007). Valencia.
37
Pdistancias =
2 = ( 61 )2 2 ) ( Oi 636620 m
i
= 1, 1E + 10
Parece razonable esforzarse en ordenar la situacin.
4.3. Ponderacin segn los observables de la red

Proponemos a continuacin una ponderacin que se apoya en los observables de la red topogrca que se pretende calcular. Los datos sern ms reales que los que ofrece el catlogo y, en general, diferentes para cada observable, ajustndose as a lo que ha sido la observacin de campo de la red, con sus caractersticas propias (entre las que se encuentran la ecuacin del observador, el estacionamiento, las lecturas de campo con sus punteras, las condiciones atmosfricas, etc). Consideramos que 2 el valor de la varianza del observable de peso unidad 0 que ms se ajusta a su valor real es el de la mediana de los valores de oT , obtenidos a partir de los datos
i
de campo. Y as lo hemos hecho en nuestros clculos, mejorando notablemente tanto el resultado como su interpretacin, como veremos en epgrafes posteriores. A partir de las ecuaciones:
2 = o i
(OTi Oi )2 mi 1 o i mi
oTi =
calculamos
2 o T
para cada observable de nuestra red.
De entre los valores
2 o T
seleccionamos la mediana, y desde ese momento la mediana
se convierte en la varianza del observable de peso unidad Una vez conocidos segn la ecuacin:
2 0 .
2 0
2 o T
obtenemos el peso de cada uno de los observables
POT i =
2 o 2 O
Ti
En el caso de la ponderacin de ngulos de la red triangulada y sirvindonos de los datos que reeja el cuadro 4.1, vamos a obtener los pesos de seis ngulos interiores. no. 1 2 3 4 5 6 Observacin V2-V1-V3 V3-V2-V4 V4-V2-V1 V1-V3-V2 V1-V4-V2 V2-V4-V3 Media 42,49233 59,07483 57,56937 40,86334 54,75018 56,43724
oi [cc ]
6,42112 6,60087 3,59232 8,54720 6,40786 7,99384
n1
13 7 7 11 12 12
oTi [cc ]
1,78090 2,49489 1,35777 2,57708 1,84979 2,30762
Cuadro 4.1: Observaciones angulares de la red
38
La mediana de los valores es
4, 3734 =
1,849792 +2,307622 2
oTi = {1, 35777, 1, 78090, 1, 84979, 2, 30762, 2, 49489, 2, 57708 }

2 0 = 4, 3734
.
y entonces la varianza del observable de peso unidad ser
Y en consecuencia los pesos de los seis observables angulares:
PO1 = PO2 = PO3 = PO4 = PO5 = PO3 =
2 o 2 O
Ti
,3734 = 14 = 1, 37 ,780902 ,3734 = 24 = 0, 70 ,494892 ,3734 = 14 = 2, 39 ,357772 ,3734 = 0, 66 = 24 ,577082 ,3734 = 14 = 1, 29 ,849792 ,3734 = 24 = 0, 82 ,307622
2 o 2 O 2 o
Ti
2 O
Ti
2 o 2 O Ti 2 o 2 O
Ti
2 o 2 O Ti
Con los pesos de los observables distanciomtricos se sigue la misma rutina de clculo. As, en el caso de red triangulada o trilaterada, esta ponderacin es rigurosa, y se adapta a cada levantamiento en particular, como demuestran los resultados obtenidos en diferentes redes, en los que el estimador de la varianza a posteriori coincida con el valor propuesto para ese parmetro a priori alcanzando en algunos casos el 99 % y el 100 % de similitud. Sin embargo, si la red contiene simultneamente observaciones azimutales y distanciomtricas es preciso arbitrar un nuevo mtodo que presentamos a continuacin.
4.4. La ponderacin y clculo en la prctica de una red triangulaterada con homogeneizacin de datos
En las condiciones de red mixta descritas el problema de la ponderacin resulta capital, fundamentalmente por las diferentes unidades lineales y angulares que pueden arbitrariamente usarse. A efectos de abordar sta y otras cuestiones que tambin se expondrn desarrollamos el mtodo de clculo que llamaremos triangulateracin.
39
4.4.1. Mtodo de clculo de la triangulateracin en ajuste gaussiano determinista con homogeneizacin de datos
La expresin general de una forma lineal genrica de observacin azimutal
en el
lado ij, estacin en i (xi ,xi ), vrtice visado j (xj ,xj ), coordenadas aproximadas tomadas del vector
Xa ,
segn notacin usual ser:
ij = ijca + dijca =ijo +rijo
(1)
donde
ij =azimut
compensado de lado ij
ijca =azimut dijca =
calculado de lado ij
diferencial de
ijca
ijo =azimut
observado de lado ij
rijo =residuo
de
ijo
siendo el desarrollo de (1)
doi
yj yi dxi 2 lijca
xj xi dyi 2 lijca
yj yi dxj 2 lijca
xj xi dyj 2 lijca
= ijo ijca rijo
(2)
donde
oi =descentrado doi =
2 lijca =
de la estacin i
diferencial de
oi
= distancia reducida calculada de lado ij
(xj + xi )2 + (yj + yi )2
dmgr/radian
= 636620
y el sistema de formas lineales ser, con la notacin matricial bien conocida
2 De acuerdo con la teora desarrollada en M. Chueca et alt., Mtodos pg. 420 y sig. Forma
lineal de observacin angular. Descentrado.
40
A1 x K1 = R1
(3)
cuya resolucin es sencilla, con posibilidad adicional de eliminacin de los descentrados a lo largo del algoritmo, segn se sabe. Evidentemente, los residuos de los observables azimutales, elementos del vector
R1 ,
se miden en dmgr en el caso expuesto.
Y si sobre la misma red, simultanea o separadamente, se practican observaciones distanciomtricas de las distancias reducidas de sus lados, ser preciso agregar nuevas formas lineales de expresin general anloga a (1).
lij = lijca + dlijca =lijo +rlijo
(4)
con la misma notacin. Y la forma lineal genrica desarrollada ser
xj xi dxi 2 lijca
yj yi dyi 2 lijca
xj xi dxj 2 lijca
yj yi dyj 2 lijca
= lijo lijca rlijo
(5)
y ser preciso adicionar al sistema de formas lineales (3) el generado por las (5), que escribimos como
A2 x K2 = R2
(6)
Y es claro que los residuos de los observables distanciomtricos, elementos del vector
R2 ,
se medirn en unidades de longitud. Supongamos milmetros en el caso
expuesto, slo a efectos de jar ideas. As el ajuste de la triangulateracin deber resolver conjuntamente (3) y (6), es decir
(7)
A1 K1 R1 x = A2 K2 R2
41
Donde el subndice 1 corresponde a formas lineales de observables-azimutes y el 2 al de observables-distancias reducidas, asimilable tambin, segn veremos, a observables GPS.
que para simplicar escribimos segn rutina como
Ax K = R
(8)
La pregunta es qu signicado fsico tiene
= ngulos y distancias?
R1 R= R2
(por ejemplo dmgr y mm). Y lo tenga o no: Es lcito resolver la cuestin con la condicin gaussiana
RT P R = mnimo? Sin tener en cuenta que el estimador de la
varianza del observable de peso unidad a posteriori carece tambin de signicado fsico? Y que la matriz de pesos a priori est dividida en dos grupos sin relacin entre s, o a lo menos de muy confusa interpretacin?.
Sea como fuere, la interpretacin geomtrica de una estacin de triangulateracin cualquiera en O
i(xi , yi )
desde la que se levanta el vrtice M
j (xj , yj )
es la
de la gura 4.1, donde se explicitan los observables correspondientes a la medicin azimutal
= ijo
y la distanciomtrica reducida
= lijo .
42
Figura 4.1: Cuadriltero de ponderacin
Con el convenio de azimutes topogrcos dextrorsum de N a S pasando por el E adoptado en la expresin (1). Los errores o correcciones de observacin se representan por
d.
Entendiendo que se conserva la aproximacin de primer orden del desarrollo en serie del modelo matemtico
F (X ) C = 0 de la red detenido en el primer trmino
lineal que aceptamos como suciente a cualquier efecto, puede escribirse
d = rijo
(9)
d = rlijo
(10)
43
El supuesto, es riguroso a partir del postulado de independencia a priori de los observables, que impide, cualquier transmisin de error de otras estaciones. El problema de error de estacionamiento no se contempla en el algoritmos de ajuste de redes. No es preciso considerar los signos en
d ni d, por dar lugar a varianzas,
desviaciones tpicas y pesos que, por denicin, conservan la ambigedad o son escalares al cuadrado, siempre positivos.
En virtud de lo expuesto, la correccin en el vrtice M se explica geomtricamente por la composicin de dos errores lineales:
d = rijo = M Q = arc d =cuerda d
(11)
d = rlijo = M N
(12)
cuya resultante es el vector gura 4.2 proyectando
MP , N
correccin total. Y en el detalle ampliado de la
sobre
MP
se tendr
M R = SP = d sen = rijo sen = elij =
estimador especco de la
componente escalar de correccin azimutal en el mdulo
MP
M S = RP = d cos = rlijo cos = elij =estimador especco de la componente

escalar de correccin distanciomtrica en el mdulo
MP
44
Figura 4.2: Cuadriltero de ponderacin ampliado
Ambas magnitudes lineales escalares cumplindose evidentemente, por ser iguales los tringulos rectngulos en por lados paralelos, valiendo rectngulo), que
R ,
y en
S , M QR
N SP
(ngulos en Q y N iguales
e iguales los catetosM Q y
NP ,
lados de
M N P Q,
M R + M S = SP + M S = M P =mdulo
del vector
MP ,
correccin total.
Siendo indudable la ventaja de dicha interpretacin del error a priori en Diseo. Un error en un vrtice de diez diezmiligrados signica en principio poco. Pero transmitido por un lado de longitud normal a
= 10 Km.
signica 15,7 cm en direccin
Con lo que se consigue homogeneizar en valores lineales errores y correcciones azimutales y distanciomtricas asociadas a un lado genrico de la red, objetivo
45
que se pretenda alcanzar. Efectivamente, de alguna manera, sea a partir de datos de catlogo o, lo que entendemos ms acertado, utilizando medias, varianzas y desviaciones tpicas de observables reiterados con resultados positivos en aplicacin del Test de Pearson, se conocern estimadores sucientemente aproximados de:
d = dijo rijo eijo
(13)
Error cuadrtico o desviacin tpica asociado a la medicin azimutal de la distancia reducida genrica lij correspondiente al lado de igual denominacin. Y de
d = dlijo rlijo elijo
(14)
Error cuadrtico o desviacin tpica asociado a la medicin distanciomtrica de la distancia reducida genrica lij correspondiente al lado de igual denominacin. Y en general se podr escribir en Fig. 4.2 y para una doble medicin genrica azimutal y distanciomtrica:
elij = ij eijo seni = d sen = el elij = elijo cosi = d cos = el

(16)
(15)
Formulacin de los errores cuadrticos o desviaciones tpicas expresados en unidades de longitud de los dos grupos de observables (azimutales y distanciomtricos respectivamente) referidos por proyeccin ortogonal a la correccin total MP y conocidos tambin a priori por serlo y
, , observables, d, d, estimadores de sus errores,
d . = arctg d
A continuacin, adoptando la notacin ms sencilla, para simplicar la escritura de los clculos que siguen y dando por supuesta su exacta interpretacin genrica, especca y geomtrica, el peso de la forma lineal de azimut podr formularse como
46
pij
1 2 elij
1 2 el
1 2 d2 sen2
conocidos tambin a priori. Que por cierto es ms claro escribir:
pij =
1 2 d2 sen2
1 2 2 2 ijo dijo sen ij
1 2 d2 sen2 lijo ij ijo
y mejor an
pij =
1
1 2 d2 sen2 2
1
1 2 2 d2 ijo sen ij 2 ijo
1
1 2 2 l d2 ijo sen ij 2 ijo
(17)
poniendo de maniesto que
se expresa en dmgr.
y el peso de la forma lineal de distancia reducida podr formularse como
plij
1 2 elij
1 2 el
1 2 d2 ijo cos ij
1 2 cos2 dlijo ij
1 (18) d2 cos2 ij
Establecidos as los pesos de las formas lineales azimutales y distanciomtricas en funcin de los errores especcos antes denidos, todos ellos expresados en unidades de longitud, ser preciso reformular tambin los residuos a priori en las formas lineales iniciales de acuerdo con los nuevos supuestos. El residuo ms general de una observacin azimutal podr escribirse como:
rijo (dmgr) <> lijo

que estar sobre
rijo
(en las unidades elegidas para las distancias reducidas lij ) Ser preciso proyectar como se hizo anteriormente, sobre
M Q.
MP ,
tenindose:
lijo
rijo
senij = rlij
(19)
y en cuanto a la observacin distanciomtrica, proyectando tambin sobre
MP
rlijo cosij = rlij
(20)
y despejando en (19) los residuos azimutales iniciales
rijo =
y sustituyendo
1 lijo senij
rlij
(21)
R1
en (3) , se tendr en forma matricial
A1 x K1 = diag
47
1 lsen
Rl1
(22)
diag
l sen A1 x diag
l sen K1 = Rl1 = diag
l sen R1
(23)
y en notacin simplicada
Al1 x Kl1 = Rl1
(24)
Sistema de formas lineales transformado de las azimutales (3), del que se conocen todos los coecientes y trminos. con posterior ponderacin segn (17)
pij =
1
1 2 2 l d2 ijo sen ij 2 ijo
Por consiguiente, las formas lineales de azimut ponderadas adoptarn la expresin:
diag = diag pij diag

1
pij Al1 x diag
pij Kl1 = pij diag

1
lijo senij Al1 x diag

1 lijo dijo senij
lijo senij K 1 =
= diag
diag
lijo senij Al1 x

1
diag
1 lijo dijo senij
diag
lijo senij K 1 =
1
= diag
1 lijo dijo senij
diag
lijo senij R1
es decir, teniendo en cuenta con notacin simplicada, que
diag
en denitiva queda
1 ldsen
diag
l sen = diag
1 d
diag
1 d
A1 x diag
1 d
Kl1 = diag
1 d
Rl1
Que es la expresin de las formas lineales de azimut ponderadas en la forma clsica, notacin simplicada. Y por lo tanto, con la misma notacin, siendo
Rl1 = diag
l sen R1
P l1 = diag Pij = diag

48
1
1 2 2 d2 ijo sen ij 2 ijo
= diag
2 lijo
1
d2 ijo sen2 ij 2
= diag
1 2 sen2 lijo ij
P1
y se cumplir que
T T P l1 Rl1 P1 R1 = Rl1 R1
y a fortiori
T T R1 P1 R1 = Rl1 P l1 Rl1 = m nimo

Evidentemente con un nico mnimo comn correspondiente a la solucin GaussMarkov. Estamos hablando tan solo de la misma solucin, con distinto tratamiento a pesos y residuos. Del mismo modo, en observaciones distanciomtricas, ser preciso multiplicar en primer lugar a los dos miembros de cada una de las formas lineales por el factor
cosij
(siendo los residuos distanciomtricos, si operamos en (20):
rlijo =
1 rl (25) cosij ij
con lo que las formas lineales de distancias sustituyendo en (6) , se expresan en notacin simplicada, segn:
diag cos A2 x diag cos K2 = diag cos R2
(26)
diag cos A2 x diag cos K2 = diag cos R2 = Rl2
(27)
Al2 x Kl2 = Rl2
(28)
con posterior ponderacin segn (18) de acuerdo con
plij =
1 2 d2 ijo cos ij
1 2 cos2 dlijo ij
Por consiguiente, las formas lineales de distancia ponderadas adoptarn la expresin:
diag = diag
plij Al2 x diag
plij Kl2 =
plij diag cosij A2 x diag

49
plij diag cosij K 2 =
= diag
1 dlijo cosij
diag cosij A2 x diag

1 dlijo cosij
1 dlijo cosij
diag cosij K 2 =
= diag
diag cosij R2
es decir, teniendo en cuenta con notacin simplicada, que
diag
en denitiva queda
1 dlcos
diag cos = diag
1 dl
diag
1 dl
A2 x diag
1 K dl 2
= diag
1 R dl 2
Que es la expresin de las formas lineales de distancia ponderadas en la forma clsica, notacin simplicada. Y por lo tanto, con la misma notacin, siendo
Rl2 = [diag cos] R2
P l2 = diag Plij = diag

se cumplir que
1 (dlcos)2
= diag
1 cos2
P2
T T R2 P2 R2 = Rl2 P l2 Rl2
y a fortiori
T T R2 P2 R2 = Rl2 P l2 Rl2 = m nimo

Evidentemente con un nico mnimo comn correspondiente a la solucin GaussMarkov. De nuevo estamos hablando tan solo de la misma solucin, con distinto tratamiento a pesos y residuos. Y si consideramos el sistema de triangulateracin conjunto, evidentemente se tendr sumando (24) y (28):
(29)
Al1 Kl1 Rl1 x = Al2 Kl2 Rl2
de forma simplicada
Alx Kl = Rl
50
(30)
Sistema nal conjunto de formas lineales de coecientes y trminos conocidos. Listo para aplicacin. Siendo la matriz
P P l1 0 0 P l2 = diag pij 0 0 diag lij

(31)
P =
Y su condicin de mnimo
(32)
Rl1 P l1 0 Rl1 nimo = m Rl2 0 P l2 Rl2
Desarrollemos la expresin anterior
Rl1 Rl2
P l1 0 0 P l2
Rl1 Rl2 Rl1 Rl2
T T Rl1 Rl2
P l1 0 0 P l2
Rl1 Rl2
T P l1 Rl1
T P l2 Rl2
T T P l2 Rl2 P l1 Rl1 + Rl2 Rl1
T RT 1 P 1 R1 + R2 P 2 R2
R1 R2
P1 0 0 P2
R1 R2
como deba ser. Y de nuevo un mnimo comn Gauss-Marcov, y seguimos hablando en cualquier caso de la misma solucin, con distinto tratamiento a pesos y residuos. La expresin (32) permite ajustar rigurosamente la red resolviendo adecuadamente las cuestiones que sealbamos al principio. Todos los resultados, parmetros, estimadores, vectores y matrices de criterio y diseo presentan idnticos poder de armacin e interpretacin fsica que en el caso de la triangulacin o trilateracin simple. Obviamente en la gura 4.2 se deduce que no existe direccin privilegiada de transformacin, correccin o deformacin de la red a priori. El ngulo
es
esencialmente variable en cada punto y con l la direccin y sentido del vector
MP .
Como casos particulares del ms general desarrollado, la triangulateracin deviene en trilateracin pura para
i = = 0 sen = 0 , y (23) y (24), correcciones azimutales, dan lugar a un sistema de formas lineales idnticamente nulo. Con cos = 1 , (25), (26), (27), y el
en dicho supuesto sistema resultante (28) son idnticos a (4), (5) y (6), correcciones distanciomtricas y expresiones de la trilateracin.
51
Se deduce en la gura 4.3 una sencilla interpretacin geomtrica del ajuste de una red por trilateracin. Las correcciones sentido de los lados o ejes trilaterados
M N en el vrtice M sern siempre en el . Dicha condicin geomtrica dominante
a priori no tiene normalmente ningn respaldo en la realidad fsica y merece ser tenida en cuenta en la prctica profesional. Otra cosa es que en el ulterior ajuste se compongan los distintos vectores correccin como el
MN
generados desde distintos
vrtices de estacin y en distintas direcciones, pero el hecho inicial es indiscutible.
Figura 4.3: Geometra de la ponderacin de la trilateracin pura
Del mismo modo en la gura 4.4, la triangulateracin deviene en triangulacin pura para
1 i = = 2
52
i = = l = 1
La segunda expresin es implcita en (1), expresin formada por diferenciales de ngulo en radianes, equivalentes a longitudes de cuerdas o arcos de radio unidad. En dicho supuesto
cos = 0
y (27) y (28), correspondientes a la trilateracin,
resulta un sistema de formas lineales idnticamente nulo. Con expresin diferencial de una red triangulada.
sen = 1, l = 1
(23) y (24), correcciones azimutales, dan lugar a un sistema resultante como el (3),
Figura 4.4: Geometra de la ponderacin de la triangulacin pura
Y de nuevo se deduce una sencilla interpretacin geomtrica del ajuste de una red por triangulacin. Las correcciones en los vrtices como diculares a los ejes
M Q sern siempre perpen-
que necesariamente se habrn calculado, en el vrtice visado
M. Condicin geomtrica dominante a priori, a la que es aplicable la consideracin correspondiente anterior en trilateracin. Resulta que slo la prctica y resultados de los ajustes por triangulateracin estn exentos a priori de condicionados geomtricos. Sera deseable encontrar tambin una interpretacin geomtrica adecuada para el caso de formas lineales de ngulo, que evitara el enojoso descentrado.
53
En cuanto a los observables GPS es cuestin que se abordar ms adelante.
4.4.2. El factor de conversin y el peso de las formas lineales de azimut

Con el n de homogeneizar unidades multiplicamos a cada una de las formas lineales azimutales por el factor adecuado.
El factor que multiplica a la forma lineal azimutal
ij
es:
F actorij =
lij senij
siendo lij : la distancia reducida entre los vrtices
ij ;
= 636620 :
ngulo interior del cuadriltero de error del azimut
ij
En el caso del azimut
v4v2 :
F actorij =
lij senij
sen 44 ,22 = 83 ,15023 = 8, 36 105 636620
Con el n de ponderar calcularemos un valor proporcional al peso, que como sabemos multiplicar a la forma lineal azimutal
ij ,
y responde a la ecuacin:
pij = (
siendo
lij dij sen 2 )
: el error angular azimutal entre los vrtices
ij ,
obtenido a partir de la
desviacin tpica de las lecturas angulares de la libreta de campo;
En el caso del azimut
v4v2 :
pij = (
lij dsen 2 ,84979 sen 44 ,22 2 ) =( 83 ,15023 1636620 )
= 2, 3409 108 m2
54
A continuacin, las tablas con factores de conversin y pesos proporcionales de todas las ecuaciones de azimut: Ecuacin de Azimut :ij
=v4v2
cc
F actorij =
g Azimut = 54,75018
8, 36 10
lij senij 5
pij = (
2, 37 10
lij dsen 2 ) 8
error angular = d= 1,84979 Distancia= lij = 83,15023 m ij = 44 , 22 g
Ecuacin de Azimut:v 1v 2
F actorij =
cc
g Azimut = 112,3190
6, 588 10
lij senij 5
pij = (
2, 56 10
lij dsen 2 ) 8
error angular= d=2,48526 Distancia= lij = 64,21431 m ij = 45 , 31 g
F actorij =
cc
g Azimut = 395,6759
7, 611 10
lij senij 5
pij = (
7, 95 10
lij dsen 2 ) 8
error angular= d= 3,6669 Distancia= lij = 66,39615 m ij = 52 , 08 g
F actorij =
cc
g Azimut = 254,74963
1, 31 10
lij senij 4
pij = (
10, 61 10
lij dsen 2 ) 8
error angular= d= 2,49489 Distancia= lij = 83,15023 m ij = 90 g
F actorij =
cc
g Azimut = 195,6748
1, 04 10
lij senij 4
pij = (
8, 77 10
lij dsen 2 ) 8
error angular= d= 2,8404 Distancia= lij = 66,39165 m ij = 90 g
4.4.3. El factor de conversin y peso de las formas lineales de distancia

Con el n de homogeneizar unidades multiplicamos a cada una de las formas lineales de distancia por el factor adecuado. El factor que multiplica a la forma lineal distanciomtrica i j es:
55
F actorij = cosij ,
siendo
ngulo interior del cuadriltero de error de la distancia i j
En el caso de la distancia
Dv4v2
el factor ser:
F actorij = cosij = cos 44 , 22 = 0 , 7683
Con el n de ponderar calcularemos un valor proporcional al peso, que como sabemos multiplicar a la forma lineal azimutal ij, y responde a la ecuacin:
2 plij = dlij cos2 ij
siendo
dlij
: el error distanciomtrico entre los vrtices i, j obtenido a partir de la
desviacin tpica de las lecturas distanciomtricas de la libreta de campo; En el caso de la distancia
Dv4v2
el valor proporcional al peso ser:
2 plij = dlij cos2 ij = (2 , 998 10 4 )2 cos2 44 , 2
A continuacin, las tablas con factores de conversin y pesos proporcionales de todas las ecuaciones de distancia: Ecuacin de Distancia :
error distanciome trico = dl= Distancia= lij = 83,15023 ij = 44 , 22 g
Dv4v2 2, 998 104 m

m
F actorij =cosij ,
0,7683

0,2303
Ecuacin de Distancia :
error distanciome trico = dl= Distancia= lij = 66,39165 ij = 52 , 08
Dv3v2 3, 585 104 m

m
F actorij =cosij ,
0,6836

0,2450
Ecuacin de Distancia :
error distanciome trico = dl= Distancia= lij = 64,21431 ij = 45 , 31
Dv1v2 2, 9230 104 m

m
F actorij =cosij ,
0,7572

0,2213
56
4.4.3.1. Pesos homogeneizados

Una vez conocido el valor proporcional al peso de cada una de las formas lineales de azimut y distancia, que hemos llamado en epgrafes anteriores
pi , seleccionamos
de entre todos ellos el valor de la mediana, que desde ese momento se convierte en 2 el estimador de la varianza a priori del observable de peso unidad 0 .
4 4 La mediana la ocupan los valores 0.230310 y 0.245010 , y la media de ellos 4 es 0 ,23765 10 . Y nalmente calcularemos el peso de cada observable con la
expresin:
POT i =
2 o 2 O
Ti
2 o pi2
siendo
2 = (0 ,23765 10 4 )2 = 5,6647108 o
Resultando:
PO1a =
2 o 2 O
=2, 3409
Ti
PO2a =
2 O
2 o Ti
=2, 1025
PO3a =
2 o 2 O
=0, 7099
Ti
PO4a =
2 O
2 o Ti
=0, 5318
PO5a =
2 o 2 O
=0, 6435
Ti
PO1d =
2 o 2 O
=1, 0609
Ti
PO2d =
2 o 2 O
=0, 9409
Ti
PO3d =
2 o 2 O
=1, 1449
Ti
57
Captulo 5
Resolucin de la red triangulaterada
5.1. Formas lineales de azimut

Las formas lineales azimutales del sistema de ecuaciones que resolveremos por el mtodo de variacin de coordenadas, junto a sus factores de conversin, son las siguientes: Ecuacin de Azimut:v 4v 2 = 54,75018
4995.2285dx - 5802.3999dy = -5.0361E-002 + Residuo 5 factor de conversin = 8, 36 10
Ecuacin de Azimut:v 1v 2 = 112,3190
-1906.5976dx - 9729.0597 dy = -6.7232 + Residuo 5 factor de conversin = 6, 588 10
9566.8432 dx + 650.8527 dy = 2.9651 + Residuo 5 factor de conversin = 7, 611 10
4995.2285 dx - 5802.3999dy - descentrado(V2) = 1.2423 + Residuo 4 factor de conversin = 1, 31 10
9566.8432dx + 650.8527dy - descentrado(V2) = -1.2423 + Residuo 4 factor de conversin =1, 04 10
58
Se ha supuesto nico vrtice libre, el V2. Una ventaja aadida por no utilizar ecuaciones de ngulo es que evitamos la acumulacin de errores en algunos de ellos, lo que resulta evidente y constatable en los ngulos exteriores de la red, ltimos de cada vuelta de horizonte.
5.1.1. Ecuaciones de azimut factorizadas

Segn la teora expuesta anteriormente sobre el Mtodo de clculo de la triangulateracin en ajuste gaussiano, es imprescindible convertir las unidades angulares de las ecuaciones de azimut en unidades lineales. Conocido el factor de conversin de cada una de las ecuaciones de azimut multiplicaremos ordenadamente a las 5 ecuaciones para obtener las nuevas expresiones resultantes: Ecuacin de Azimut :
v4v2 =
54,75018
0.4176dx - 0.4851dy = -4.21E-006 + Residuo
Ecuacin de Azimut :
v1v2 =
112,3190
-0.1256dx -0.6409 dy = -4.42E-004 + Residuo
Ecuacin de Azimut :
v3v2
= 395,6759
0.7281dx + 4.95E-002 dy = 2.25E-004 + Residuo
Ecuacin de Azimut :
v2v4 =
254,74963
0.4176 dx - 0.4851dy - 0.1385 descentrado(V2)= 1.72E-004 + Residuo
Ecuacin de Azimut :
v2v3 =
254,74963
0.7281 dx + 4.95E-002 dy - 0.1043descentrado(V2) = -1.29E-004 + Residuo
5.2. Formas lineales de distancia

Las formas lineales distanciomtricas del sistema de ecuaciones que resolveremos por el mtodo de variacin de coordenadas son las siguientes:
Distancia [m] V2-V4 V3-V2 V2-V1 83,1499 66,3912 64,2143
Ecuacin de distancia 0.7578dx + 0.6524 0.9813dx - 0.1923
dy = 9.7268E-004 + Residuo
-6.7875E-002dx+ 0.9977dy = 2.7036E-004 + Residuo dy = 8.3858E-004 + Residuo
59
Y sus factores de conversin son:
factor de conversin V2-V4 V3-V2 V2-V1 0,7683 0,6836 0,7572
5.2.1. Ecuaciones de distancia factorizadas

Conocido el factor de conversin de cada una de las ecuaciones de distancia multiplicaremos ordenadamente a las 3 ecuaciones para obtener las nuevas expresiones resultantes: Distancia [m] V2-V4 V3-V2 V2-V1 83,1499 66,3912 64,2143 Ecuacin de distancia 0.7431dx - 0.1456 dy = 6.05E-004 + Residuo 0.5822dx + 0.5012 dy = 7.68E-004 + Residuo -4.64E-002 dx + 0.6820dy = 2.05E-004 + Residuo
5.3. Sntesis y resultado del ajuste de la red triangulaterada

La red queda denida por un vrtice libre, V2, y el resto de vrtices, los consideramos ligados, V1, V3, V4. Las coordenadas aproximadas son la media ponderada entre las que provienen del camino de mejor consistencia y las que provienen del camino de peor consistencia. La ponderacin es la propia de la triangulateracin. Hemos utilizado 5 azimutes y 3 distancias (slo tenemos un vrtice libre, el sistema no admite otras). El estimador de la desviacin tpica a priori del observable de peso unidad es 0.23 mm. En el listado de resultados de la resolucin del sistema de ecuaciones normales, se obtienen sucesivamente: - Las matrices de diseo del sistema normal. A saber, la matriz S, la A, la de pesos P, y el vector de trminos independientes K. - El resultado de las variables (diferencial de la coordenada x: la coordenada y:
dxV 2 ,
diferencial de
dyV 2
y el diferencial del error debido a la lnea de ceros del limbo:
d),
los residuos y la varianza a posteriori del observable de peso unidad.
60
- Las matrices de criterio a posteriori del ajuste, a saber: matriz cofactor de las variables o parmetros, matriz cofactor de los residuos, matriz cofactor de los observables corregidos, matriz varianza covarianza de las variables o parmetros, matriz varianza covarianza a posteriori de los residuos, y matriz varianza covarianza a posteriori de los observables corregidos. - Comprobacin de los observables: abilidad interna y abilidad externa de la red.
5.3.1. La matriz A, la matriz de pesos P, el vector de trminos independientes K, y la matriz S

La matriz A, el vector K, la matriz diagonal de pesos P, y la matriz S:
MATRIZ A
A( 1, 1) = 0.4176 A( 1, 2) = -0.4851 A( 1, 3) = 0 A( 2, 1) = -0.1256 A( 2, 2) = -0.6409 A( 2, 3) = 0 A( 3, 1) = 0.7281 A( 3, 2) = 4.95E-002 A( 3, 3) = 0 A( 4, 1) = 0.4176 A( 4, 2) = -0.4851 A( 4, 3) = 0.1385 A( 5, 1) = 0.7281 A( 5, 2) = 4.95E-002 A( 5, 3) = 0.1043 A( 6, 1) = 0.5822 A( 6, 2) = 0.5012 A( 6, 3) = 0 A( 7, 1) = -4.64E-002 A( 7, 2) = 0.6820 A( 7, 3) = 0 A( 8, 1) = 0.7431 A( 8, 2) = -0.1456 A( 8, 3) = 0
61
VECTOR K [m]
k( 1) = -4.21E-006 k( 2) = -4.42E-004 k( 3) = 2.25E-004 k( 4) = 1.72E-004 k( 5) = -1.29E-004 k( 6) = 7.68E-004 k( 7) = 2.05E-004 k( 8) = 6.05E-004
MATRIZ DIAGONAL P [adimensional]

Peso del observable 1 2.29 Peso del observable 2 2.11 Peso del observable 3 0.70 Peso del observable 4 0.51 Peso del observable 5 0.61 Peso del observable 6 1.1 Peso del observable 7 0.90 Peso del observable 8 1.11
Por ltimo, la matriz S:
MATRIZ S
2,2038 0,1778 0,0758 S = AT P A = 0,1778 2,2473 0,0311 0,0758 0,0311 0,0164
Debemos extremar las precauciones con el diseo de la matriz
A, porque diferencias
notables entre sus elementos producen grandes inestabilidades en el sistema de ecuaciones y sus resultados pueden ser irreales. Ello es tanto ms cierto cuando el resultado esperable es muy pequeo, como sucede con las redes de alta precisin. Buscaremos una matriz de diseo
esttica y matemticamente estable, con
elementos muy similares. La nueva factorizacin y ponderacin propuesta en la triangulateracin cumple indudablemente este requisito, como se desprende de su misma expresin consignada. En cuanto a la matriz de los pesos, siguiendo con la idea anterior, si tiene valores muy diferentes entre s, adulterar la matriz
y empeorar su condicionamiento
62
y el resultado. Este nuevo problema no nos afecta porque todos nuestros pesos son de valores prximos a la unidad, fruto tambin de la metodologa empleada. El vector
tambin tiene su signicado : as, valores similares en sus elemen-
tos nos garantizan observaciones con errores asociados parecidos. Si uno de ellos destacara excesivamente del resto sera conveniente prescindir de l, por no ser un buen observable. La similitud de valores de los elementos del vector
K,
tambin
es un garante ms de la estabilidad del sistema de ecuaciones normales. La homogeneizacin de unidades nos permite en una red triangulaterada conocer en valor y unidades cada uno de los elementos del vector
K,
y comparar formas lineales
de azimut con las de distancias, situacin imposible si no seguimos el protocolo establecido en la nueva metodologa y aplicamos la que podemos llamar clsica. Siendo la matriz
S = AT P A , y para insistir en la importancia de los elementos S.
de las matrices de diseo exponemos a continuacin un ejemplo de aplicacin de una red triangulada con modicaciones sucesivas en la matriz de diseo
5.3.1.1. Un ejemplo aclaratorio

Permtasenos la digresin del sencillo ejemplo que sigue, a efectos de aclarar y raticar conceptos anteriormente expuestos. Se observan los puntos destacados A, B, C, D, relacionados en sentido dextrorsum, con los resultados siguientes: ngulo AOB = ngulo BOC = ngulo COD = ngulo AOC = ngulo BOD =
1 2 3 4 5
= 30,1615 = 40,2709
g g
= 29,5681 = 70,4327
g g
= 69,8381
Observados desde la estacin O, como muestra la gura 5.1.
Figura 5.1: Destacados A, B, C y D visados desde el vrtice O
1 En primer lugar y siguiendo el epgrafe 5.5 de esta misma publicacin (Nota sobre la constante K), el vector K se comporta como constante a lo largo de todo el ajuste.
63
Se trata de ajustar rigurosamente los ngulos anteriores, forzando al ngulo AOD a valer exactamente 100 grados centesimales. Las formas lineales en observaciones indirectas sern las adjuntas:
1 0 0 1 0 1 0 2 0 +2 2 +2 0
30, 1615 40, 2709 29, 5681 70, 4327 70, 4327 100 0 3 = 0 +3 +3
+r1 +r2 +r3 +r4 +r5 +r6
Con peso unitario las tres primeras y doble las dos siguientes y teniendo en cuenta que la ltima es de peso innito. Tomaremos en el listado un peso de 9999, suciente para el clculo. Todo ello como sigue:
MATRIZ A
A( 1, 1) = 1 A( 1, 2) = 0 A( 1, 3) = 0 A( 2, 1) = 0 A( 2, 2) = 1 A( 2, 3) = 0 A( 3, 1) = 0 A( 3, 2) = 0 A( 3, 3) = 1 A( 4, 1) = 1 A( 4, 2) = 1 A( 4, 3) = 0 A( 5, 1) = 0 A( 5, 2) = 1 A( 5, 3) = 1 A( 6, 1) = 1 A( 6, 2) = 1 A( 6, 3) = 1
VECTOR K [grados]
k( 1) = 30.1615 k( 2) = 40.2709 k( 3) = 29.5681 k( 4) = 70.4327 k( 5) = 69.8381 k( 6) = 100
64
MATRIZ DIAGONAL P [adimensional]

Peso de la medida 1: 1 Peso de la medida 2: 1 Peso de la medida 3: 1 Peso de la medida 4: 2 Peso de la medida 5: 2 Peso de la medida 6: 9999
El estimador del error cuadrtico de la medida de peso unidad es = 4.34E-004 Los ngulos corregidos son: ngulo AOB = ngulo BOC = ngulo COD = ngulo AOC = ngulo BOD = y por supuesto:
1c 2c 3c 4c 5c
= 30,16172 = 40,27076
g g g
70,43248 69,83828
= 29,56752 = =
1c + 2c = 2c +3c =
g
c.d.s.
1c + 2c +3c =
100 , exacto con cuatro decimales.
A continuacin aplicaremos de nuevo el mtodo de observaciones indirectas, incrementando sucesivamente el peso de la ltima forma lineal, lo que no solo es correcto, sino que tericamente es cada vez ms riguroso, y emplearemos para ello el mismo programa y el mismo ordenador hasta ahora utilizado. El peso de la medida 6 pasa de 9999 a 999999, repetimos el ajuste y mejora. Disminuyen los residuos (es importante que baje el sexto) y el estimador de la varianza del observable de peso unidad es = 4.34E-004
RESIDUOS
Residuos ponderados ...... sin ponderar (E = A * x - k) 2.20E-004..... 2.20E-004 -1.40E-004..... -1.40E-004 -5.80E-004..... -5.80E-004 -3.11E-004..... -2.20E-004 2.54E-004..... 1.80E-004 4.32E-008..... 4.32E-011
Ha mejorado el resultado. Adems de las dos circunstancias favorables anteriores, obsrvese que el residuo de la sexta forma lineal disminuye ms y ms, como deba suceder. Repetimos el ajuste. El peso de la medida 6 pasa de 9999 a 9999999999.
65
RESIDUOS
Residuos ponderados ...... sin ponderar (E = A * x - k) 2.93E-004..... 2.93E-004 -1.03E-004..... -1.03E-004 -5.86E-004..... -5.86E-004 -1.56E-004..... -1.10E-004 2.98E-004..... 2.11E-004 10.4125..... 1.041E-004
El estimador del error cuadrtico de la medida de peso unidad ahora es = 6.0117 Es evidente que se degradan aceleradamente los resultados. Empiezan a deteriorarse tambin los valores de los ngulos corregidos. Se pierde la quinta cifra decimal respecto a los valores anteriores. Sin embargo es subrayable que hasta aqu los valores corregidos de los ngulos han permanecido practicamente constantes. Repetimos el ajuste. El peso de la medida 6 pasa de 9999 a 999999999999. Todos los resultados, ngulos ajustados inclusive, son inaceptables o absurdos:
INCGNITAS
30.1658 40.2701 29.5662
= (At*A)-1*At*k
Residuos ponderados ...... sin ponderar (E = A * x - k) 4.33E-003..... 4.33E-003 -8.17E-004..... -8.17E-004 -1.85E-003..... -1.85E-003 4.54E-003..... 3.21E-003 -2.51E-003..... -1.77E-003 2157.6881..... 2.16E-003 Estimador del error cuadrtico de la medida de peso ud. = 1245.7418
Y sin embargo, todo lo que se ha hecho es incrementar el peso de la sexta forma lineal, prctica tericamente irreprochable (forzando al ngulo AOD a valer exactamente 100 grados centesimales). Es preciso preservarse de las matrices con elementos aproximados de magnitudes muy dispares, circunstancia comn en la prctica, sobre todo en las matrices de pesos, especialmente si no se toman precauciones en la eleccin de unidades. En caso contrario, la prdida de precisin por simple redondeo automtico y mantenido en el ordenador puede dar disgustos muy importantes.
5.3.2. El vector de variables, el vector de residuos y la varianza a posteriori del observable de peso unidad
Volvemos a nuestra red inicial. El resultado se expresa segn: - diferencial de la coordenada x: - diferencial de la coordenada y:
dxV 2 , dyV 2
- y por ltimo el diferencial del error debido al descentrado de la lnea de ceros del limbo:dv 2 , en el vrtice V2. Este error est asociado slo a la ecuacin de azimut, 66
y no a la ecuacin de ngulo. No aporta nada a nuestro resultado, pero asume la existencia de ese error y le da un valor, completando as las correcciones del vrtice
V2 .
Si el parmetro
dv2
no estuviera incluido en el sistema de ecuaciones
normales quedaran afectados desfavorablemente los valores
dxV 2
dyV 2 .
Cuando
estudiemos los errores de redondeo eliminaremos no obstante este parmetro, sin perjuicio de la calidad del resultado nal, de forma matemticamente rigurosa.
VARIABLES O PARMETROS [m]

6.37E-004 4.72E-004 -1.82E-003 4.12E-005 5.94E-005 2.62E-004 -3.88E-004 4.26E-004 -1.60E-004 8.73E-005 -2.00E-004
RESIDUOS [m]
Varianza de la medida de peso ud. = 6.7E-008 m2 Desv. tpica de la medida de peso ud. = 2.59E-004
Los residuos son muy similares y podemos comprobar que tanto las observaciones 4 distanciomtricas como las azimutales son de anloga precisin (6, 37 10 my 4 4, 72 10 m.). La desviacin tpica a posteriori del observable de peso unidad es la esperable, considerando que la desviacin tpica a priori del observable de peso unidad es 2, 3 104 m (recordemos que es el valor de la mediana de los valores obtenidos a partir de las estadsticas de la libreta de campo). La diferencia entre la desviacin tpica a priori y a posteriori es de tres centsimas de milmetro, conrmando la bondad del clculo y trabajo. No se olvide que la varianza a posteriori del observable de la medida de peso unidad es un parmetro fundamental adems porque multiplica a las matrices de criterio que exponemos a continuacin.
67
5.3.3. Las matrices de criterio : matriz cofactor de las variables o parmetros, matriz cofactor de los residuos, matriz cofactor de los observables corregidos, matriz varianza-covarianza de las variables o parmetros, matriz varianza-covarianza a posteriori de los residuos, y matriz varianza-covarianza a posteriori de los observables corregidos
Para la presentacin de las matrices cofactor y varianza-cov se ofrece el formato +eeee.ddddd
Matriz cofactor de las Variables o PARMETROS.
+000.53323711 +000.01398919 -002.44201593 +000.01398919 +000.45279754 +000.78831188 -002.44201593 +000.78831188 +070.92405034

Matriz cofactor de los RESIDUOS
+000.23330960 -000.10991471 -000.14660857 +000.00032762 -000.00035953 -000.01853162 +000.15583602 -000.19156134 -000.10991471 +000.27897220 +000.06974387 -000.08242082 +000.09044866 +000.19054025 +000.19558967 +000.01392255 -000.14660857 +000.06974387 +001.12384648 +000.09424436 -000.10342384 -000.24278090 -000.00418560 -000.28427669 +000.00032762 -000.08242082 +000.09424436 +000.71445506 -000.78404351 +000.12365798 +000.06568107 +000.07566613 -000.00035953 +000.09044866 -000.10342384 -000.78404351 +000.86040992 -000.13570237 -000.07207846 -000.08303607 -000.01853162 +000.19054025 -000.24278090 +000.12365798 -000.13570237 +000.63994408 -000.14559885 -000.20167742 +000.15583602 +000.19558967 -000.00418560 +000.06568107 -000.07207846 -000.14559885 +000.85194252 +000.05616421 -000.19156134 +000.01392255 -000.28427669 +000.07566613 -000.08303607 -000.20167742 +000.05616421 +000.57241458
Matriz cofactor de los observables corregidos
+000.19387651 +000.10991471 +000.14660856 -000.00032762 +000.00035953 +000.01853161 -000.15583602 +000.19156134 +000.10991471 +000.19665204 -000.06974387 +000.08242081 -000.09044866 -000.19054026 -000.19558967 -000.01392256 +000.14660856 -000.06974387 +000.28480261 -000.09424437 +000.10342383 +000.24278089 +000.00418559 +000.28427668 -000.00032762 +000.08242081 -000.09424437 +001.16595110 +000.78404351 -000.12365799 -000.06568107 -000.07566613 +000.00035953 -000.09044866 +000.10342383 +000.78404351 +000.69359162 +000.13570236 +000.07207845 +000.08303606 +000.01853161 -000.19054026 +000.24278089 -000.12365799 +000.13570236 +000.30265181 +000.14559884 +000.20167742 -000.15583602 -000.19558967 +000.00418559 -000.06568107 +000.07207845 +000.14559884 +000.21086967 -000.05616421 +000.19156134 -000.01392256 +000.28427668 -000.07566613 +000.08303606 +000.20167742 -000.05616421 +000.30102414
68
Matriz varianza-cov de las variables o PARMETROS
+000.00000003 +000.00000000 -000.00000016 +000.00000000 +000.00000003 +000.00000005 -000.00000016 +000.00000005 +000.00000478
Matriz varianza-cov a posteriori de los residuos
+000.00000001 -000.00000001 -000.00000001 +000.00000000 -000.00000000 -000.00000000 +000.00000001 -000.00000001 -000.00000001 +000.00000001 +000.00000000 -000.00000001 +000.00000000 +000.00000001 +000.00000001 +000.00000000 -000.00000001 +000.00000000 +000.00000007 +000.00000000 -000.00000001 -000.00000002 -000.00000000 -000.00000002 +000.00000000 -000.00000001 +000.00000000 +000.00000004 -000.00000005 +000.00000000 +000.00000000 +000.00000000 -000.00000000 +000.00000000 -000.00000001 -000.00000005 +000.00000005 -000.00000001 -000.00000000 -000.00000001 -000.00000000 +000.00000001 -000.00000002 +000.00000000 -000.00000001 +000.00000004 -000.00000001 -000.00000001 +000.00000001 +000.00000001 -000.00000000 +000.00000000 -000.00000000 -000.00000001 +000.00000005 +000.00000000 -000.00000001 +000.00000000 -000.00000002 +000.00000000 -000.00000001 -000.00000001 +000.00000000 +000.00000003
Matriz varianza-cov a posteriori de los observables corregidos
+000.00000001 +000.00000000 +000.00000000 -000.00000000 +000.00000000 +000.00000000 -000.00000001 +000.00000001 +000.00000000 +000.00000001 -000.00000000 +000.00000000 -000.00000001 -000.00000001 -000.00000001 -000.00000000 +000.00000000 -000.00000000 +000.00000001 -000.00000001 +000.00000000 +000.00000001 +000.00000000 +000.00000001 -000.00000000 +000.00000000 -000.00000001 +000.00000007 +000.00000005 -000.00000001 -000.00000000 -000.00000001 +000.00000000 -000.00000001 +000.00000000 +000.00000005 +000.00000004 +000.00000000 +000.00000000 +000.00000000 +000.00000000 -000.00000001 +000.00000001 -000.00000001 +000.00000000 +000.00000002 +000.00000000 +000.00000001 -000.00000001 -000.00000001 +000.00000000 -000.00000000 +000.00000000 +000.00000000 +000.00000001 -000.00000000 +000.00000001 -000.00000000 +000.00000001 -000.00000001 +000.00000000 +000.00000001 -000.00000000 +000.00000002
En una primera interpretacin, todas tienen sus trminos aceptablemente pequeos. No obstante, la informacin que ofrecen es claramente insuciente a efectos de interpretar resultados con el poder de armacin que entendemos adecuado. Para ello y en primer lugar, acudiremos a la denicin de la llamada abilidad, interna y externa, de la red y sus recintos de error.
5.3.4. Comprobacin de los observables: abilidad interna de la red

Se entiende por abilidad interna de la red, como su capacidad de deteccin y control de posibles errores groseros en los observables. A travs de ella, es posible cifrar la sensibilidad de la red ante los errores groseros. En nuestro caso, dadas las precauciones que hemos tomado desde el inicio, es slo otra manera de comprobar que la repetibilidad y exactitud de los observables son las previstas. La redundancia de un observable es un parmetro adimensional, y nos muestra lo bien o mal que est controlado dicho observable
. La expresin que nos permite
calcular el nmero de redundancias de un observable es:
ri = pi qi
donde
2 Cfr. M. Chueca et. alt. Tratado de Topografa Tomo III, pag. 295 y siguientes.
69
ri : pi :
redundancia de un observable
peso de un observable
qi :elemento
de orden
ii
de la matriz cofactor de los residuos a posteriori
Nuestras redundancias son homogneas y prximas a torno a la redundancia media
5 8
= 0, 625.
Todas estn en
0, 625,
que en la prctica es el valor ptimo, puesto
que la suma de las redundancias debe valer 5, redundancia total de la red.
Comprobaciones de Fiabilidad Interna de la red Comprobaciones de REDUNDANCIAS

Observacin. Peso. Cofactor. Redundancia. 1 +002.3409 +000.23330960 +000.54615445 2 +002.1025 +000.27897220 +000.58653906 3 +000.7099 +001.12384648 +000.79781862 4 +000.5318 +000.71445506 +000.37994720 5 +000.6435 +000.86040992 +000.55367378 6 +001.0609 +000.63994408 +000.67891668 7 +000.9409 +000.85194252 +000.80159272 8 +001.1449 +000.57241458 +000.65535745 Suma de Redundancias = +005
El parmetro de Baarda depende del nivel de signicacin test , en nuestro caso se ha establecido
y de la potencia del El parmetro de
= 5%
= 80 %.
Baarda se obtiene a partir de la expresin:
wi =
Ri Ri
El parmetro de Baarda es el que se emplea para eliminar o rechazar un observable. Adems este parmetro permite controlar los errores groseros introducidos en la red. De este modo un observable ser rechazado cuando el parmetro de Baarda sea superior al punto porcentual establecido para el nivel de signicacin, que para nosotros es 3.29 (wi <3.29). Todos los parmetros de Baarda en nuestro caso se encuentran en el intervalo [+1.80,-1.80] < 3.29, y por tanto todos los observables son aceptados.
70
Comprobaciones de Fiabilidad Interna de la red Comprobaciones de Error grosero (TEST DE BAARDA)

Ob. Residuo (Ri ) Err.cuad(i ) Var.de Baarda (wi ). 1 +000.00004124 +000.00012546 +000.32871355 2 +000.00005945 +000.00013719 +000.43339309 3 +000.00026218 +000.00027535 +000.95213905 4 -000.00038791 +000.00021954 -001.76685555 5 +000.00042569 +000.00024093 +001.76685555 6 -000.00016054 +000.00020778 -000.77261671 7 +000.00008737 +000.00023974 +000.36445253 8 -000.00020036 +000.00019651 -001.01955530
El mnimo error detectable para un observable se obtiene a partir de la siguiente expresin:
Oi =
i ri
Siendo
el parmetro de translacin, funcin de
= 5%
= 80 %,
y que tiene
un valor de 4.12.
En consecuencia el error mximo que puede deslizarse en uno de nuestros observables y no ser detectado es de 0.00187 metros (observable n
4).
El parmetro de homogeneidad, por los nmeros de redundancia.
IN i =
o , conrma la informacin facilitada ri
Comprobaciones de Fiabilidad interna de la red

Valor de para el nivel de signicacin , y potencia del test , = 4.12 Ob.(i )( ri )(Oi )-Parmetro de Homogeneidad IN i = 1 +000.00011436 +000.73902263 +000.00063759 +005.57493072 2 +000.00011518 +000.76585838 +000.00061964 +005.37958462 3 +000.00013861 +000.89320693 +000.00063938 +004.61259295 4 +000.00028046 +000.61639857 +000.00187465 +006.68398690 5 +000.00021632 +000.74409259 +000.00119775 +005.53694532 6 +000.00014289 +000.82396400 +000.00071450 +005.00021841 7 +000.00011927 +000.89531710 +000.00054887 +004.60172151 8 +000.00014251 +000.80954150 +000.00072527 +005.08930048
o ri
71
Sin embargo, la abilidad interna en s misma no facilita informacin sobre la repercusin ltima que puede tener la aparicin de errores como los descritos en las coordenadas de los vrtices de la red, solucin del problema. El anlisis de la abilidad externa de la red nos dir cmo inuir en dichos resultados los errores no detectados por el anlisis de la abilidad interna.
5.3.5. Comprobacin de los observables: abilidad externa de la red

Una aceptable abilidad interna de la red puede no ser suciente para garantizar la calidad del ajuste. El debido rigor en el trabajo requiere completar su estudio con la descripcin de la abilidad externa, para que no se deteriore la calidad exigible en la precisin por los errores despreciados o no detectados.
La abilidad externa quedar denida por los siguientes elementos:
1 - Los parmetros de homogeneidad
Exi = IN i 1 ri
, (conocido
IN i =
o ). ri
La calidad del ajuste es inversamente proporcional al valor de los parmetros de homogeneidad. Es claro que en una red tan pequea como la estudiada la informacin que ofrecen tanto
Exi
como
IN i
es muy escasa. Sin embargo en una
red amplia puede ser muy importante poner de maniesto las diferencias de nivel de control entre unas zonas y otras.
2 - Los vectores son
xOi = (AT P A)1 AT P ei Oi Oi
Un error no detectado segn:
en el observable de orden
afectara a cada variable
error dxV 2
= Variable 1
error dyV 2
= Variable 2
error dv2
= Variable 3, segn el listado siguiente.
72
Comprobaciones de Fiabilidad Externa de la red
O. 1 ri - Parmetro de Homogeneidad Exi = IN i 1 ri 1 +000.67368059 +003.75572265 2 +000.64300927 +003.45912282 3 +000.44964583 +002.07403322 4 +000.78743431 +005.26320064 5 +000.66807650 +003.69910306 6 +000.56664214 +002.83333446 7 +000.44542931 +002.04974165 8 +000.58706264 +002.98773818
73
Comprobaciones de Fiabilidad Externa de la red Vectores de abilidad externa:

Observable ... ( 1 )[m] Variable o Parmetro 1... +000.00032223 Variable o Parmetro 2... -000.00031912 Variable o Parmetro 3... -000.00209286 Observable ... ( 2 )[m] Variable o Parmetro 1... -000.00009894 Variable o Parmetro 2... -000.00038036 Variable o Parmetro 3... -000.00025862 Observable ... ( 3 [m]) Variable o Parmetro 1... +000.00017654 Variable o Parmetro 2... +000.00001479 Variable o Parmetro 3... -000.00078934 Observable ... ( 4 )[m] Variable o Parmetro 1... -000.00012195 Variable o Parmetro 2... -000.00010431 Variable o Parmetro 3... +000.00839503 Observable ... ( 5 )[m] Variable o Parmetro 1... +000.00010346 Variable o Parmetro 2... +000.00008849 Variable o Parmetro 3... +000.00436121 Observable ... ( 6 )[m] Variable o Parmetro 1... +000.00024064 Variable o Parmetro 2... +000.00017820 Variable o Parmetro 3... -000.00077821 Observable ... ( 7 )[m] Variable o Parmetro 1... -000.00000785 Variable o Parmetro 2... +000.00015914 Variable o Parmetro 3... +000.00033616 Observable ... ( 8 )[m] Variable o Parmetro 1... +000.00032734 Variable o Parmetro 2... -000.00004611 Variable o Parmetro 3... -000.00160215
Renunciando por el momento al parmetro o variable 3: desfavorable, resulta:
dv2
, la composicin
cuadrtica de los errores transmitidos por los observables, supuesto el caso ms
74
Observable 1 2 3 4 5 6 7 8
error dx2 + error dy 2

0,45 mm 0,31 mm 0,17 mm 0,15 mm 0,12 mm 0,29 mm 0,15 mm 0,30 mm
El peor de los casos sera el que hiciera simultneos todos los errores de la tabla anterior, y en ese caso, la composicin cuadrtica de todos ellos alcanzara el valor de 0,74 mm. Parece que la precisin en la determinacin del vrtice preestablecida.
V2 es claramente
submilimtrica. Si el resultado es satisfactorio o no, es cuestin de la tolerancia
5.4. Semiejes de la elipse standard

Conocida la matriz
S = (AT P A)
MATRIZ S
2,2038 0,1778 0,0758 S = AT P A = 0,1778 2,2473 0,0311 0,0758 0,0311 0,0164
y conocida la desviacin tpica del observable de peso unidad
0 = 2, 59 104
podemos calcular, segn teora conocida , los semiejes de la elipse estandard de error. En primer lugar obtendremos los autovalores de la matriz S:
autovalores de S
1 =2.4069 2 =2.0471 3 =0.0135

3 Cfr. M. Chueca et. alt. Tratado de Topografa Tomo III, pag. 273 y siguientes.
75
No obstante, el tercer autovalor corresponde al descentrado y en el caso que nos ocupa puede ser ignorado. Slo se utilizarn los dos primeros para formar la elipse de error del vrtice en estudio. Y en segundo y ltimo lugar calcularemos los semiejes genricos, segn la ecuacin
i = 0
1 i
, y sern los que siguen:
1 = 1, 67 104 m 2 = 1, 81 104 m
5.5. Nota sobre la constante K

A partir del modelo matemtico general de la red del ajuste de una Red, caso general, se tiene que
Fi (X, C ) = 0
y en el desarrollo
K = Fi (Xa , OT ) (1)
Y como en la solucin del ajuste
x = S 1 AT M 1 K
4
(2) (Xa , OT ), K
Y segn teora , K sigue valiendo (1) se deduce que en el entorno de puede considerarse constante. Del mismo modo y considerando que tambin clculo,
Xa = Cte.
a lo largo de todo el
puede desarrollarse en serie de Taylor en funcin lineal solamente de
OT
deteniendo el desarrollo en su trmino de primer grado.
Se escribe pues :
K + dK = K = Fi (OT + dOT ) = Fi (OT )
Fi OT
dOT =
= Fi (OT ) BR = Cte. BR (3)

deducindose inmediatamente
QK = (B ) QR (B ) = B Q B T = B P 1 B T = M
con la notacin establecida.
(4)
En el caso de observaciones indirectas el modelo matemtico es de la forma
4 Cfr. M. Chueca et. alt. Tratado de Topografa Tomo III, pag. 17 ecuacin (37). 5 Cfr. M. Chueca et. alt. Tratado de Topografa Tomo III, pag. pg. 21 ecuaciones (38) a (40)
y sig.
76
F (X ) C = 0 (5)
prescindiendo de subndices, y con
B = I
resulta
QK = Q = P 1
(6)
Pero tambin puede escribirse en (1) con la notacin usual
K = Fi (Xa ) + OT = OT OC = OT + Cte. (7)

De donde se sigue
QK = QOT
Pero segn (6)
(8)
2 O = diag i = s2 Q
QK = Q =
y tambin se puede escribir segn (8)
1 diag s2
2 i
(9)
OT = diag
1 S2
2 i ni
= s2 QOT
2 i ni
QK = QOT =
que resulta a lo menos paradjico.
diag
= Q (10)
Parece que la explicacin se encuentra en que, en el caso (7) de observaciones indirectas, no ha sido preciso desarrollar nada ni despreciar nada. El resultado es que aceptando (6) en vez de (8) se adopta tambin un coeciente de seguridad que no debe ignorarse en el proyecto, a priori cifrable en el factor varianzas de los observables. Ahora bien, en el caso en que
ni
, divisor de las
ni
=n=Cte. , (10) puede escribirse

2 i ni
OT = diag
1 S2
= s2 QOT
1 S 2 n 2 diag i = Q (11)
QK = QOT =
diag
2 i ni
1 S 2 n
2 diag i =
adoptando el factor de varianza queda resuelta.
s' en vez de s. Siendo ambos arbitrarios la cuestin
Una nica recomendacin que, como siempre, es de sentido comn. Tampoco es indiferente mezclar observables con nmero de reiteraciones muy distintos. No solo desequilibra como hemos visto la cuestin de los pesos. Tambin inuye en el estricto desarrollo terico.
77
Captulo 6
Figuras de error
Este captulo tiene como objetivo determinar las guras de error asociadas a un vrtice obtenido a partir de observaciones angulares o distanciomtricas, y calcular la abilidad asociada a las supercies de esas guras. El mtodo que utilizamos puede aplicarse, y as se hace, tanto a triangulaciones como a trilateraciones y poligonaciones, y en general a cualquier determinacin por coordenadas de un vrtice genrico. En el caso que nos ocupa las guras de error y las abilidades las calcularemos del vrtice libre eracin.
V2 ,
determinado por el mtodo de la triangulat-
6.1. La podaria o curva pedal

Se dene como el lugar geomtrico de los ajos de los vectores con origen en el vrtice en estudio, argumento arbitrario, y mdulo igual a una desviacin tpica de error lineal en el eje considerado. Su ecuacin en polares es:
2 2 2 sen2 w + 2xy sen w cos w, cos2 w + y P S r = x

con la notacin usual: argumento
w,
radio vector
Y la ecuacin en cartesianas de la podaria ser de la forma:
2 2 P S x x2 + y y 2 + 2xy x y = (x2 + y 2 )2
Geomtricamente se trata de la curva pedal del centro de la elipse standard :
2 2 2 2 ES x y 2 2xy x y + y x2 = (x y xy )
sobre sus tangentes, de forma bien conocida. La supercie encerrada por la curva
PS
se acepta como recinto de error con a-
bilidad 0,6826 donde se encuentra el vrtice exacto desconocido.
1 Cfr. M. Chueca et. alt. Tratado de Topografa Tomo III, pag. 281, frmula (804).
78
Figura 6.1: La podaria o curva pedal (P) y elipse asociada (E)
xxV 2 =Matriz
2 varianza-cov de las variables o PARMETROS[m ]
+000.00000003 +000.00000000 +000.00000000 +000.00000003

2 x = 0, 00000003 m2 , x = 0, 1732 mm 2 y = 0, 00000003m2 , y = 0, 1732 mm
xy = 0 m2
Aplicando en nuestro caso a queda determinada segn
V2
y siendo conocido
2 2 , , y x
xy ,
la curva podaria
2 r = 0, 03 (cos2 w + sen2 w) = (x2 + y 2 )2

o bien
0, 03 (x2 + y 2 ) = (x2 + y 2 )2
es decir
x2 + y 2 = 0, 03
En polares y cartesianas, resultando una circunferencia de centrada en el vrtice
0, 1732 mm.
de radio,
V2
79
6.2. La elipse asociada a la curva pedal

Segn hemos adelantado, con cierta prolijidad aunque sencillamente, se puede demostrar que la elipse asociada a la podaria ser de la forma:
2 2 2 2 ES x y 2 2xy x y + y x2 = (x y xy )
Elipse genrica standard de incertidumbre a posteriori en coordenadas cartesianas para un punto compensado cualquiera de la red, en nuestro caso el vrtice funcin de su matriz varianza covarianza con origen en
V2 ,
en
xxV 2 ,
referida al sistema de ejes locales
V2
y paralelos a los del levantamiento OXY.
Los semiejes de la elipse (errores mximo y mnimo) en direccin y mdulo se calculan con la expresin siguiente:
1 2 2 2 ) + y =2 [(x r
2 2 )2 + 4 2 ] = (x y xy
1 2
(2 0, 00000003) = 0, 00000003 m2
con el signo + se obtiene el semieje mayor:
r1 = +aL = +0, 1732 mm = a

con el signo - se obtiene el semieje menor:
r2 = aL = 0, 1732 mm = b
En general, errores mximo y mnimo en valor absoluto que en nuestro caso resultan iguales y la elipse una circunferencia c.d.s.
6.3. Probabilidades de error asociadas a las guras de error

Una primera reexin se plantea sobre la impropia denominacin tradicional de la elipse
ES
como gura de error standard . En efecto, el recinto que corresponde a
esa denominacin, de probabilidad constante, es el delimitado por la podaria. Es ms, la probabilidad asociada a la elipse mal llamada standard es variable en cada caso. No obstante, seguiremos denominndola as, bien entendido lo que antecede. Por otra parte es claro que podaria y elipse slo dependen de
xxV 2
. Es preciso
preguntarse qu papel desempean el resto de las covarianzas de la matriz
xx
correspondientes a pares de coordenadas de distintos puntos de la red. Tambin lo veremos. Pero en el supuesto presente slo tenemos un vrtice libre y no es pues caso de estudio presente. Sin embargo, s puede estimarse la probabilidad asociada a la elipse standard, segn se ha denido y aceptado. Bastar con calcular la relacin existente entre las reas delimitadas por las dos supercies de error, en su caso ms general.
80
Conocida el rea de la podaria y el rea de la elipse se puede estimar en primera aproximacin y sin exigencias de rigor terico la probabilidad asociada a la elipse a partir de la probabilidad conocida de la podaria. Siendo la probabilidad de la podaria tpica),<
1 2 (una
varianza)<>
0, 68 >,
y la probabilidad de la elipse asociada a
1 (una desviacin K 2 2 (varianzas) <>
(desviaciones tpicas) con:
Area P odaria = AP =
a2 +b2 2
Area Elipse = AE = ab
K2 =
AE AP
2ab = a2 +b2
Prob ES
2ab <> ( a2 )=K +b2
desviaciones tpicas
donde
k 1,
pues lo que s suponemos:
2ab a2 +b2
se sigue
a2 + b2 2ab;
(a + b)2 0
ab
cierto por hiptesis. (a,
semiejes mayor y menor de la elipse)
y por denicin de ambas curvas de nuevo encontraremos el ptimo en nuestro proyecto cuando a = b = R =0, 1732 mm . La elipse y su podaria standard ptimas que denominamos ESO y PSO se confunden en la circunferencia CS standard, y se tiene:
Probabilidad CS = Probabilidad ESO =
81
= Probabilidad PSO<>
2R2 2 R2 +R2
= 1 <> 0, 68
probabilidad standard. Una homotecia de razn adecuada segn rutina de la distribucin normal practicada a las guras descritas genera el recinto de incertidumbre con la probabilidad que se precise. (P.ej. son muy usadas la razn 2 y 2,5 que corresponden a abilidad 0,95 y 0,99 ). As en nuestra red: A la circunferencia standard de radio A lacircunferencia de radio(2 del 95 %. A la circunferencia de radio(2, 5 0, 1732 mm) del 99 %. Podemos decir nalmente que despus de la compensacin de la triangulateracin las correcciones del nico vrtice libre
0, 1732 mm se asocia una abilidad del 68 %.

se asocia una abilidad
0, 1732 mm) = 0,3464 mm
= 0,4330 mm se asocia una abilidad
V2
son:
VARIABLES O PARMETROS [m]

diferencial de la coordenada x: diferencial de la coordenada y:
dxV 2 = 6.370E-004 m dyV 2 = 4.720E-004 m
que modican las coordenadas aproximadas del vrtice sern:
V2
, que denitivamente
XV 2 =163,0146
m + 0,00064 = 163,01524 m
YV 2 =
154,2486 m + 0,00047 = 154,24907 m
Y nalmente, la posicin exacta y siempre desconocida del vrtice que podemos llamar
V2E
se encontrar en el interior del crculo de centro el vrtice
V2
(compensado
rigurosamente) y de radio
0,4330 mm
con una abilidad del 99 % .
En consecuencia, tal parece que todos los nmeros que hemos realizado hasta ahora conducen a denir las coordenadas del vrtice
V2
con cifras exactas hasta
los milmetros. Anar ms se nos antoja aventurado, y todava lo ser ms cuando cuando nos ocupemos de las posibles perturbaciones en los elementos del sistema lineal de ecuaciones normales, tarea que emprendemos a continuacin. Tal vez se acostumbre a denir la condicin submilimtrica en la precisin de redes con alguna alegra. Pues tal vez. Y quiz parezca desmesurado el esfuerzo realizado para estudiar un slo vrtice y su resultado ms bien magro. Pues quiz.
82
Captulo 7
Clculo del porcentaje de error en ajuste gaussiano determinista
En este captulo estudiamos el error debido al clculo numrico del sistema ma1 tricial de ecuaciones normales: x = S b , rerindonos slo a la solucin determinista. Podemos evaluar el error relativo transmitido al vector de correcciones - el error existente en el vector
por:
- el correspondiente error de la matriz
S. Am,n
, sus elementos carecen de infor-
Por lo que respecta a la matriz de diseo
macin especca de error y slo pueden considerarse como exactos en todas sus cifras, hasta el ltimo decimal adoptado, como corresponde a la mejor solucin asequible a priori. Las formas de ngulo de la matriz de diseo A podran ser ms problemticas que las de distancia, simplemente por las unidades (radianes o diezmiligrados igualmente peligrosos). Pero, en nuestro caso, restamos este problema porque hemos aplicado un factor de conversin de unidades angulares a unidades lineales, en las formas de ngulo, como ya hemos visto en epgrafes anteriores. Intentando paliar el error debido a las operaciones que efecta el ordenador en la resolucin del ajuste es importante no utilizar nmeros con muchas cifras enteras y decimales y con mayor razn evitar el empleo de nmeros muy grandes y muy pequeos simultneamente. Entonces indefectiblemente aparecen los redondeos y muy peligrosamente.
7.1. Teora sobre el clculo de porcentaje de error en ajuste gaussiano determinista

Con la notacin usual. Sea el sistema de ecuaciones normales solucin de la red:
S x = AT P A x = AT P K = AT P (OT OC ) = b
83
Es evidente, que nuestro objetivo fundamental y prcticamente nico es denir el vector de correcciones determinista
con la mayor precisin posible. Y despus de nuestras
reexiones sobre las redes libres y ligadas, rerindonos tan solo a la solucin
x = S 1 b
previa determinacin de los vrtices ms precisos (de varianza mnima) que se tomarn como exactos eligindolos en la matriz varianza covarianza de todas las correcciones denida en la solucin seudo inversa
2 xx = o S+
Dicho esto, es claro que a lo largo del algoritmo de clculo y programa que se emplee, las nicas fuentes de error posibles procedern de los valores adoptados 1 para S , S , y b, matrices, vectores y sus elementos que llamamos de diseo . Y como todo el resto de nuestro esfuerzo, se sustenta sobre un trabajo de campo 2 sintetizado en el vector de observables O N (OT , o ) = N (OT , diag i ) = 2 Q) con la notacin convenida. N (OT , diag o Quiere decirse que solamente los valores de los observables representados por los elementos del vector
y sus medias por
OT
podemos considerarlos a priori como
nmeros aproximados reuniendo los requisitos imprescindibles para ello, a saber, conocimiento de sus errores cuadrticos (desviaciones tpicas
svi
, su distribucin,
normal en nuestro caso, y por tanto la posibilidad de establecer cotas de error de poder de armacin arbitrario, hasta ser asinttico con la certeza). En puro rigor, no conocemos valores aproximados en el sentido aritmtico de nmero de cifras exactas a priori. Por lo tanto, este dato se deducir en su caso y a posteriori de la secuencia de clculos en el algoritmo operativo. Para ello, los valores de
Xa
, coordenadas aproximadas a priori, y
Oc = F (Xa ),
observables
calculados en el modelo matemtico
F (X )C = 0
debern recibir el tratamiento
inicial de valores exactos. Al n y al cabo, es la mejor solucin que puede arbitrarse antes de iniciar el clculo del ajuste y a travs de l. Con ello, toda la profusa doctrina existente de lgebra Lineal y sus aplicaciones en procesos de clculo con nmeros aproximados y redondeos se simplica sensiblemente, aplicndola estrictamente a nuestros nes. Y hablaremos de redondeo cuando haya algo que redondear, evidentemente. Entrando ya en materia, supongamos la existencia de un error y clculo del trmino independiente formulado. Podr escribirse
db en la formulacin
del sistema de ecuaciones normales antes
S (x + dx) = S x = b = b + db
Y operando segn teora conocida
S dx = S (x x) = db
84
dx = (x x) = S 1 db
Multiplicando y dividiendo por
Sx = b
se tiene sucesivamente
dx = S 1
y por denicin de norma
S x b
db
dx = x x S 1 S x
x x x
db b
= S 1 S x
bb b
bb b
S 1 S S 1 S
dx x
y siendo
db b
S , S 1 ,
dx x
simtricas y denido positivas, en aplicacin directa del Cociente
de Rayleigh a ambas
S 1 S
db b
1 m nimo
ma ximo
db b
ma ximo m nimo
db b
y en denitiva, podemos formular la expresin del error relativo transmitido al vector de correcciones
por el correspondiente error existente en
segn
dx x
donde
db b
= n
de condicin de la matriz de diseo
S. k,
El porcentaje de error o
error relativo en
ser igual o menor al error relativo en
multiplicado por
k.
estar tanto mejor condicionada cuanto menor sea
que suponemos conocido.
En principio, es todo lo que necesitamos, si somos capaces de gestionar bien la frmula y su signicado fsico. Tratemos de cifrar Siendo
db estableciendo un estimador adecuado de b
db.
AT P K = AT P (OT OC ) = b
Es claro que el posible error en que le conforman. Por lo que respecta a
b solo puede proceder de uno o varios de los factores
Am,n ,
matriz de diseo, sus elementos en una red que enten-
demos por el momento clsica, procedern solamente de observaciones angulares y/o distanciomtricas y en cualquier caso habrn sido calculados a partir del vector de coordenadas aproximadas
Xa ,
constantes a lo largo de todo el proceso, y
que segn hemos convenido, deben recibir el tratamiento de exactos. Sus expresiones, con la notacin usual, sern de la forma o bien
xk xj 2 ljk
xk xj 2 ljk
xj xi 2 lij
en formas lineales de ngulo
85
y de la forma
xk xj ljk
en formas de lado.
Adelantamos que es importante tener en cuenta para lo que sigue que los valores anteriores son siempre menores o a lo sumo iguales a la unidad (cocientes de incrementos de coordenadas por cuadrados de las longitudes o longitudes de los ejes correspondientes). Y la sencillez de las operaciones matemticas utilizadas, una simple resta seguida de divisin, permiten que los consideremos as mismo exactos. Sin embargo, en las formas de ngulo, si no se opera en radianes es preciso multiplicar por el coeciente de conversin correspondiente, que llega a valer 636.620 dmgr/radian si se opera en diezmiligrados centesimales con el consiguiente incremento de las cifras resultantes y las consecuencias que veremos de ello se derivan. Sea como fuere, insistimos en que los elementos de la matriz
carecen de infor-
macin especca de error y solo pueden considerarse como exactos en todas sus cifras, hasta el ltimo decimal adoptado, como corresponde a la mejor solucin asequible a priori. Y si
es, a priori, de elementos exactos? Lo veremos.
Por lo que respecta a los pesos, midiendo las relaciones de precisin entre observables, son obviamente nmeros adimensionales y por supuesto tambin los mejores asequibles. Les es aplicable el prrafo anterior, y tambin la consideracin anteprecedente, porque en principio nada impide multiplicarlos a todos por cualquier nmero, no inuyendo tericamente en el resultado nal. Sin embargo, se reitera y recuerda que un solo observable que en teora tiene un peso innito, segn el ejemplo que se expuso en pginas anteriores, puede en la prctica destrozar el resultado de un ajuste al realizar los clculos correspondientes con los medios informticos a nuestro alcance y sus redondeos inherentes. Es preciso facilitar el trabajo del ordenador no obligndole a operar con nmeros de muchas cifras enteras y decimales o, peor todava, con nmeros muy grandes y muy pequeos simultneamente. Entonces indefectiblemente s que aparecen los redondeos y muy peligrosamente. Segn el modelo matemtico general del caso de observaciones indirectas,
F (X ) C = 0
nico que tenemos en cuenta, se verica que
Oc = F (Xa )
cifra sin informacin de error, que es preciso tambin considerar a priori como exacta a efectos de clculo, segn ya se dijo. En denitiva se tendr
b = A T P K = A T P (OT OC ) = AT P OT AT P OC
Y tomando en su caso alguna precaucin en la magnitud de los datos introducidos, segn hemos advertido, y teniendo en cuenta que los clculos necesarios para obtener
A, P ,
OC
son as lo sucientemente sencillos como para que cualquier
equipo informtico los realice sin redondeo alguno, podemos escribir (y creo que no est en nuestras manos escribir otra cosa) que:
86
b = OT +
Con
= AT P
= AT P OC ,
constantes exentas de error atribuible ni a
priori ni adquirido por clculo. As resulta
b funcin tan solo de la variable aleatoria a priori OT
, y por tanto, tam-
bin variable aleatoria. Su matriz varianza covarianza es ya inmediata aplicando el teorema de propagacin de las varianzas segn:
b = OT T = AT P OT P A = B
con la notacin usual de subndice simple donde
(b , OT )
2
indicando matriz a priori,
2 OT = diag (O ) = diag ( Nii ) Ti

siendo como sabemos
2 i =estimador
de la varianza del observable de orden
la matriz a priori de varianzas de observables
i = elemento 2 ) o = (diag i i
de orden
en
Ni =
nmero de observaciones efectuadas al observable de orden
Evidentemente la matriz
es cuadrada de orden n y simtrica. Se demuestra
sencillamente que la suma de sus autovalores es igual a su traza, suma de los elementos de su diagonal principal. Por lo tanto considerando como su diferencial, con la interpretacin estadstica inherente de error a esperar, a la desviacin tpica de cada elemento del vector escribiremos
b,
2 bi = db2 i
bi = dbi
2 bi = db2 i = Tr B 1 1 n n
Y concluyendo, hay que esperar en eucldea de su vector diferencial
un error a priori igual a la norma vectorial
db,
es decir
1 2
db =| vec.diag
2 bi
|= T r(A P diag
2 ( Nii )
P A)
= [T r B ] 2
Siendo un estimador asesgado y consistente de
dbi
(promedio)
2 db2 bi (promedio) = i (promedio) =
Tr B n
dbi = bi (promedio) =
87
Tr B n
1 2
Sin embargo, es claro que
db
es un vector sin signicacin fsica, variando sus
componentes de valor segn el sistema de unidades adoptado. Por ello y segn se dijo, solo es representativo el valor del error relativo, jo e igual a
db b
En denitiva, escribiremos,
1 2
dx x
db b
=k
1 [T rB ] 2
ma ximo m nimo
T r(AT P diag ( Ni )P A)
i
(Donde si
i 0
los observables resultan muy precisos y el error relativo tiende
tambin a cero c.d.s.) Expresin nal, que resuelve la cuestin, conocida en todos sus trminos y que proponemos con una nueva llamada a la precaucin en el empleo de nmeros demasiado grandes (o simultneamente grandes y pequeos) en las matrices y vectores antes indicados, cuidando las unidades empleadas, a efectos de favorecer la mecnica informtica del clculo. Establecida en funcin del vector o matriz diagonal de varianzas independientes de alcanzar. Supongamos ahora que se adopta el procedimiento clsico de ponderacin segn la matriz de pesos a priori de observables. Veremos que el resultado es muy distinto del anterior.
OT
para cada elemento y distribucin
normal, puede afectarse rigurosamente del coeciente de abilidad que se desee
P = diag
1 2 i
que implica un factor de varianza, o valor de la varianza del observable de peso 2 unidad = s2 = 1.
sv
Operando se tendr:
1 2
dx x
db b
=k
1 [T rB ] 2
ma ximo m nimo
i
ma ximo m nimo
T r(AT diag (
1 2 2 1 )diag ( Ni )diag ( 1 )A) 2 2 i i i
ma ximo m nimo
T r(AT diag (
1 )A) 2 Ni i
1 2
88
Expresin del error relativo que tiende a innito si inaceptable,
sv2 i 0,
con signicado fsico
corroborndose lo expuesto si generalizando se adopta:
P = diag
2 2 i
se sigue
2 1 2
dx x
db b
=k
1 [T rB ] 2
ma ximo m nimo
i
ma ximo m nimo
T r(AT diag ( 2 )diag ( Ni )diag ( 2 )A)

i i i
1 2
ma ximo m nimo
T r(AT diag (
4 )A) 2 Ni i
1 2
expresin que no signica nada, ni fsica ni matemticamente, al depender del factor de varianza, por denicin arbitrario. Y no queremos decir con ello que el resultado del ajuste sea rechazable. Solamente apuntamos que la ponderacin clsica de formas lineales diculta la determinacin de los porcentajes de error estudiados hasta hacerla inviable. Pero no olvidemos que hemos aprendido a preferir otras matrices de pesos. Y es preciso aceptar que la aplicacin de las expresiones anteriores requieren como condicin previa la ponderacin por el procedimiento de la mediana, deducido del anlisis de Pearson. Y si se trata de una red mixta, resulta preceptivo ajustar por triangulateracin. A lo mejor es imperativo ponderar por Pearson . En cuanto al denominador del segundo trmino de la inecuacin, solucin de la red, es reiterativo que una vez ms el problema se traslada a la correcta determinacin de los autovalores y autovectores de la matriz informacin de la precisin alcanzada en ellos. Efectivamente, volviendo a la expresin fundamental del sistema de ecuaciones normales, se tendr
S.
Y sobre todo, a acceder a la
S x = AT P K x = S 1 AT P K
y vericndose que
S = T = (diag ) T
1 A lo menos, hacindolo as explicamos con cierto xito el error de redondeos y clculos.
89
1 S 1 = 1 T = (diag ) T
podemos expresar
x = S 1 AT P K = 1 T AT P K =
1 ) T AT P K = (diag
y sustituir
en la expresin del error relativo antes deducida
dx x
despejando
db b
dx k x
db b
con rigurosa coherencia, escaso volumen de clculo que evita redondeos, y posibilidad de formulacin de parmetros de abilidad. Finalmente cuanto menor sea relativo en
mejor condicionada estar
y menor ser el error
b.
Por propia denicin
k 1.
Pero si diseamos la red aplicando el
PD2 (problema de diseo de orden 2), optimizaremos el resultado obteniendo una Hiperesfera de Correcciones a las variables, con todos los autovalores de y
iguales
k = 1.
Adicionalmente, se obtiene ahora con riguroso poder de armacin el estimador antes calculado
dbi = bi =
constante para cualquier
Tr B n
1 2
i. x
son
Al principio de estas pginas decamos que las fuentes de posible error en y
b.
Hemos estudiado la inuencia de
b.
En cuanto a la de
S,
si tenemos acceso a
adecuada informacin de autovalores y autovectores, utilizando la forma factorial 1 de S y S , la cuestin se resuelve tambin con sencillez. En efecto, considerando la existencia de un error o perturbacin que sea su origen, en la matriz ecuaciones normales
dS ,
cualquiera
S,
podemos escribir en la expresin del sistema de
(S + dS ) (x + dx) = b S x + x dS + S dx + dx dS = b
Y con
Sx=b S dx + dS (x + dx) = 0
90
dx = S 1 dS (x + dx) = S 1 dS x
de donde
dx = S 1 dS x + dx
dx x+dx dx x
S 1 dS S
y multiplicando y dividiendo al segundo miembro de la inecuacin por
dx x+dx
y en denitiva
S S 1
dS S
dx x
dx x+dx
dS S
que resuelve el problema en principio, quedando por determinar
dS
puede expresarse en forma factorial segn
S = T = (diag ) T
Con la notacin establecida. Es claro que la perturbacin diferencial escribir.
dS
tendr su origen en perturbaciones
anlogas en sus matrices de autovectores y autovalores componentes. Se podr
dS = d d dT = d (diag d) dT
debiendo tenerse en cuenta que, con toda generalidad, ortogonal de autovectores distinta de
signica otra matriz
y parece lcito suponer que la expresin
anterior puede explicarse como una rotacin diferencial en el espacio normado n T unitario E de la misma condicin geomtrica que S = . En dicho supuesto se tendr
dS d (diag d) dT
y como tendr
d y dT
, matrices ortogonales, sus normas sern iguales a la unidad y se
dS (diag d) = dma ximo

y por consiguiente
dx x
dx x+dx
k
91
dS S
=k
dma ximo ma ximo
expresin denitiva, que an puede desarrollarse sustituyendo sultando
por su valor re-
dx x
dx x+dx
dS S
=k
dma ximo ma ximo
dma ximo m nimo
|M T raza S | nm nimo
siendo
la suma de los autovalores de la matriz
y si fuera una hiperesfera:
i = = constante, k=1
donde, siguiendo el criterio establecido, sea capaz de determinar el autovalor
dma ximo
representa la precisin con que se
Sin importar demasiado que sea en forma
de desviacin tpica, cota de error, o nmero e cifras exactas. Y de nuevo todo sera perfecto determinando los autovalores de armacin. Es interesante y til efectuar clculos anlogos partiendo de un error diferencial 1 en dS . As, escribiremos siguiendo la rutina establecida
y su precisin con alto nivel de
x = S 1 b x' = x + dx = (S 1 + dS 1 ) b x x = dx = S 1 b + dS 1 bS 1 b = dS 1 b x x = dx = dS 1 S x x x dS 1 S x
x x x dx x dS 1 S 1
S S 1 = k
dS 1 S 1
y tambin como en el caso anterior se tendr
dS 1 d (diag d 1 ) dT
dS 1 d (diag
1 d) 2
dT
dS 1 = (diag
92
1 d) 2
dS 1 =
1 dm nimo 2 m nimo
x x x
dx x
dS 1 S 1
=k
1 dm nimo 2 m nimo 1 m nimo
=k
dm nimo m nimo
expresin denitiva, anloga a la anteriormente deducida, y que tambin puede desarrollarse ms sustituyendo
por su valor segn
x x x
dx x
dm nimo m nimo
ma ximo 2 m nimo
dm nimo
Y al estribillo. Si somos capaces de determinar los autovalores como deseamos, tenemos resuelta buena parte de nuestra investigacin. No obstante, a lo mejor con un poco de astucia sorprendemos desprevenido al problema y lo tomamos por sorpresa. Veamos como. Sea la matriz cuadrada, simtrica y denido positiva de diseo en la mejor expresin que seamos capaces de alcanzar. Se tendr, con la notacin usual:
Sn,n , que conocemos
n 1
n 1
T raza S = T r S = sii = i = M
Resaltamos el hecho de que
S = AT P A
se obtiene con muy escaso volumen de
clculo. Y que no tenemos otra alternativa que suponer (y conseguir) que de verdad nuestro mejor dato y tratarlo como exacto.
sea
Y supongamos que por algn procedimiento, utilizando el equipo y programa que sea, hemos determinado los autovalores de prolijo. Sea su suma
S , lo que requiere un proceso de clculo
Parece claro que un estimador de los errores conjuntos de clculo y redondeo cometidos a travs de la aplicacin del algoritmo ser
EA = M M = M T rS
La cota media de error para un autovalor cualquiera ser
Ei =
EA n
M T rS n
M M n
= conocido
y es de esperar que, si no se ha conseguido una hiperesfera de error se est cerca de ella, con lo que todos los autovalores estn comprendidos en un entorno pequeo y la diferencia entre el mximo y el mnimo sea poco signicativa. En resumidas cuentas, que el nmero de condicin de S sea
k 1.
En dicho supuesto, todos los
autovalores sern equiprecisos con la aproximacin antes estimada. Y podremos escribir, tanto ms acertadamente cuanto mejor se cumpla lo anteriormente dicho
93
Ei = di = d
En cuanto al error relativo de un autovalor ser:
ei =
di i
M T rS ni
M -M ni
Ei i
de nuevo tanto ms estable cuanto menor sea la diferencia entre los autovalores mximo y mnimo. Y el error relativo de
k=
ma ximo por Teora de Errores sabemos que valdr m nimo M T r S n 1 ( ma + ximo 1 ) m nimo
= + em ek = ema nimo ximo

ptimo, caso hiperesfera para
ek =
2(M T r S ) n
2(M -T r S ) M
2(M -M ) M
= 2E
c.d.s.
con todos los autovalores iguales y
k = 1.
Con lo que antecede podemos llevar a cabo aplicaciones numricas realmente originales. Ahora se trata de ver contrastar los resultados con la dura realidad. Tal vez resulten satisfactorios y ratiquen la teora anterior. Por cierto que, si las cosas van bien, habr que recordar a Strang. lgebra Lineal pg. 317 Wilkinson prob que el nmero de condicin
lleva consigo todas las
equivocaciones por errores de redondeo. Wilkinson necesitaba dos libros y cientos de pginas con prolijos clculos para abordar el problema en toda su amplitud. Admirable. Pero a nosotros nos basta (y nos sobra) con resolver nuestro minsculo caso particular y as y con la debida humildad, pero tambin con pragmatismo, hemos de considerarlo.
7.2. Error o perturbacin db

Siguiendo la teora expuesta en el epgrafe anterior, la expresin nal de cmo afecta el error relativo
db b
al error relativo del vector de correcciones
dx x
es:
dx x
db b
=k
1 [T rB ] 2
ma ximo m nimo
i
1 2
siendo:
2, 2454 0, 2080 0,0796 S = AT P A = 0, 2080 2, 2713 0, 0324 0, 0796 0, 0324 0, 0172

94
m a ximo =autovalor m nimo =autovalor k=

ma ximo m nimo
mximo de la matriz
S S
mnimo de la matriz
b=
= 175, 36 0, 0011 0, 0009 0, 000004
, nmero de condicin que entraa los peores augurios.
b = 0, 0015,
norma de
b
0 0 0 0, 51 0 0 0 0 0 0 0 0 0, 61 0 0 0 0 0 0 0 0 1, 11 0 0 0 0 0 0 0 0 0, 90 0 0 0 0 0 0 0 0 1, 11
P = POT i
2, 29 0 0 0 = 0 0 0 0
2
0 2, 11 0 0 0 0 0 0
0 0 0, 70 0 0 0 0 0
i diag ( Ni ) = diag ( m )= i i
2, 37 0 0 0 = 0 0 0 0
0 2, 56 0 0 0 0 0 0
0 0 7, 95 0 0 0 0 0
0 0 0 10, 61 0 0 0 0
0 0 0 0 8, 77 0 0 0
0 0 0 0 0 4, 85 0 0
0 0 0 0 0 0 6, 00 0
0 0 0 0 0 0 0 4, 89
8 10 2
Los valores de la diagonal de la matriz anterior: dos 4.4.3 y 4.4.4. a los que nos referimos.
diag ( Nii ), provienen de los aparta-
Siendo
Ni = mi =nmero
de observaciones con el que se ha calculado
dl
Resultando que:
dx x
= 57, 0994,
valor absolutamente aberrante, como era de esperar.
Los autovalores de la matriz
son:
95
autovalores de S = 2,050573 2,469244 0,014081 Los dos primeros autovalores son los que corresponden a
dx
dy
, y el tercero al
d,
valor que no afecta a nuestros resultados bajo ningn punto de vista. Es precisamente ese valor el que provoca que el parmetro
(condicionamiento de la matriz
S)
alcance un valor muy superior al 1, que es el valor ptimo. Es precisamente el
coeciente
quien provoca que
dx x
tenga un valor tan alto.
En consecuencia y con el n de mejorar el valor de
k,
damos un paso ms.
Sea nuestro sistema de ecuaciones normales:
S x = AT P A x = A T P K = b
Sx=b
Y eliminando por sustitucin la ecuacin del parmetro
se obtiene :
S x = AT P A x = AT P K = b
2 Segn teora sobre eliminacin del descentrado en redes de triangulacin, Cfr. M. Chueca et.
alt. Tratado de Topografa Tomo II, pag. 424 y siguientes.
96
MATRIZ A'
A'( 1, 1) = 0.4176 A'( 1, 2) = -0.4851 A'( 2, 1) = -0.1256 A'( 2, 2) = -0.6409 A'( 3, 1) = 0.7281 A'( 3, 2) = 4.95E-002 A'( 4, 1) = -0.2986 A'( 4, 2) = -0.4214 A'( 5, 1) = 0.2384 A'( 5, 2) = 0.3365 A'( 6, 1) = 0.5822 A'( 6, 2) =0.5012 A'( 7, 1) = -4.64E-002 A'( 7, 2) = 0.6820 A'( 8, 1) = 0.7431 A'( 8, 2) = -0.1456
VECTOR K' [m]

K'( 1) = -4.21E-006 K'( 2) = -4.42E-004 K'( 3) = 2.25E-004 K'( 4) = 1.62E-004 K'( 5) = -1.29E-004 K'( 6) = 7.68E-004 K'( 7) = 2.05E-004 K'( 8) = 6.05E-004
Y a partir de las matrices
A, K
y la matriz conocida de pesos
P,
obtenemos
S:
0, 0012 b = AT P K = 0, 0010
1, 8956 0, 0049 S = AT P A = 0, 0049 2, 3119
y el nmero de condicin de
S:
97
k =
Obtenemos:
ma ximo m nimo
2,3120 1,8955
= 1, 2197
dx x
= 0, 385,
error relativo de un 38.5 % sobre las variables:
dx = 0, 615 mm
dy = 0, 426 mm.
Un porcentaje alto, a pesar de todas las precauciones adoptadas: a) Matriz A con todos los valores muy similares. b) Las formas lineales de ngulo no quedan multiplicados por 636.620 dmgr/radian, porque al multiplicar por el factor conversin de unidades desaparece. c) El requisito de que los pesos sean pequeos y parecidos se cumple.
7.3. Error o perturbacin db con ponderacin clsica

Simplemente a efectos de raticar lo expuesto anteriormente sobre lo inadecuado del procedimiento supongamos que se adopta el mtodo clsico de ponderacin segn la matriz de pesos a priori de observables:
P = diag
1 2 i
que implica un factor de varianza, o valor de la varianza del observable de peso unidad
2 i = s2 = 1.
Como vimos en el epgrafe 4.3 Ponderacin segn las caractersticas tcnicas de la instrumentacin, los pesos de todos los observables angulares sern:
1 Pa ngulos = 62 =
1 36
= 0, 027
y en cuanto a los observables distanciomtricos el peso ser:
98
Pdistancias =
Con lo que la matriz de Pesos
1 (1+0,1)2
1 1,21
= 0, 83
P:
0 0 0 0, 027 0 0 0 0 0 0 0 0 0, 027 0 0 0 0 0 0 0 0 0, 027 0 0 0 0 0 0 0 0 0, 83 0 0 0 0 0 0 0 0 0, 83 0 0 0 0 0 0 0 0 0, 83
P = POT i
0, 027 0 0 0 = 0 0 0 0
0, 027 0 0 0 0 0 0
De entrada, el valor:
Pdistancias Pa ngulos
0,83 0,027
= 30
no tiene sentido en un trabajo bien concebido y calculado. No obstante, sigamos. Y la matriz diagonal de las covarianzas inversas multiplicadas por observaciones de azimutes y distancias:
Ni ,
nmero de
) = diag ( 21 )= diag ( 21 Ni mi
i i
1 (2,3712)
0
1 (2,5626)
0 0
1 (7,9511)
0 0 0
1 (10,617)
0 0 0 0
1 (8,7714)
0 0 0 0 0
1 (4,8514)
0 0 0 0 0 0
1 (6,0023)
0 0 0 0 0 0 0
1 (4,8910)
1/108
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
Siendo
S:
0, 7401 b = AT P K = 103 0, 3674
0, 7648 0, 1294 S = AT P A = 0, 1294 0, 6375

99
El nmero de condicin
k:
k=
ma ximo m nimo
2.3120 1.8955
= 1, 5177
la norma de
b:
= 8, 2628 104
Calculamos la raz cuadrada de la Traza de
(A T diag ( 21 ) A ): Ni
i 1 2
T r (A diag
( 21 ) i Ni
A)
= 2, 4323 103
Y por ltimo el error relativo
dx x
debido a
b:
1 2
dx x
db b
=k
1 [T rB ] 2
ma ximo m nimo
T r(AT diag (
1 )A) 2 Ni i
= 1, 5177
2,4323103 8,2628104
= 4, 47 106
Absurdo que conrma la funesta previsin de la teora expuesta. Y repetimos que el resultado del ajuste puede ser aceptable. Slo resaltamos que su interpretacin por el mtodo propuesto es inviable, fsicamente irreal y matemticamente rechazable.
7.4. Error o perturbacin dS

En la introduccin de este captulo decamos que las fuentes del posible error en
son
b.
Hemos estudiado la inuencia de
b.
En cuanto a la de
S,
si tenemos
adecuada informacin de autovalores y autovectores, utilizando la forma factorial 1 de S y S . Segn se deduce del epgrafe 7.1, la expresin nal de cmo afecta el error relativo al error relativo del vector de correcciones
dS S
dx x+dx
es:
100
dx x+dx
dx x
dS S
=k
dma ximo m nimo
k=
ma ximo m nimo
= 175, 36
dma ximo = 1, 7763E 015,

terminar el autovalor diagonal de
que representa la precisin con que sea capaz de de-
Se calcula fcilmente porque la suma de los valores de la
debe ser igual a la suma de sus autovalores.
m nimo = 0, 0141
dx x+dx
dx x
dma ximo m nimo
= 2, 2249E 011
Si utilizamos la matriz
1, 8956 0, 0049 S = AT P A = 0, 0049 2, 3119

los resultados sern ligeramente diferentes.
k =
ma ximo m nimo
2.3120 1.8955
= 1 , 2197
dma ximo = M T raza (S ) = 0

dx x+dx dma ximo m nimo 0 ,000 2 ,0499
= 1 ,2197
=0 dS
Es claro que, al no intervenir en
el vector de observables, la perturbacin En realidad despreciable.
es mucho menos perjudicial para el resultado.
Y la
consecuencia, la de siempre. Es preciso lograr un vector de observables optimizado, de componentes equiprecisos y con un alto nivel de aproximacin a los valores exactos.
101
Captulo 8
Conclusiones
Objetivo del presente trabajo es predecir y contrastar matemtica y estadsticamente los datos de partida, los resultados parciales y los totales, con mximo nivel de abilidad de algoritmos. No se imponen en principio exigencias especcas ni generales previas de precisin. Ni tolerancias. Ni hablamos de alta precisin. No se busca a ultranza la mxima precisin. Se pretende que sea cual fuere la alcanzada su veracidad quede fuera de duda. Debe tenerse presente que para el proyectista y/o calculista el objeto del ajuste se dirige ms a perfeccionar la interpretacin con rigor y poder de armacin de los resultados obtenidos antes que a mejorar los iniciales. En ningn caso se pretende mejorar en gabinete los resultados de campo, que es misin peligrosa por ilusoria.
8.1. Resultados nales

En primer lugar, hay que denir el resultado en las variables El vrtice en
dxV 2
dyV 2
V2
se ha determinado con una abilidad del 99 % segn un recinto de
error en el que podaria y elipse directriz se confunden con un crculo de centro
V2C
(vrtice compensado) y radio
= 0, 43 mm.
Dentro de l debe ubicarse el
punto exacto. Existe el riesgo aadido de que clculos y redondeos den lugar a un error relativo mximo adicional en coordenadas de un 38 %. Nuestra mejor solucin (con reservas de instrumentacin, observacin y replanteo formuladas al principio del trabajo) se formula segn:
XV2C = XV 2 + dxV 2 = 163, 0146 + 0, 0006 = 163, 0152 YV2C = YV 2 + dyV 2 = 154, 2486 + 0, 0005 = 154, 2491
163, 015 m 154, 249 m
Con un recinto de error circular, que con 0,99 de abilidad, tendr un radio:
102
Figura 8.1: Siendo ciones y
V2C
el vrtice libre compensado,
el mdulo de las correc-
dx
el mdulo del error de las correcciones debido a
db
= radio c rculo (1 + 0, 38) = 0, 43 1, 38

Con el n de comprobar el valor de
0, 6 mm
radio del recinto de error circular del
vrticeV2C , hacemos los siguientes clculos: Despejamos
dx
de la ecuacin del error relativo, conocido
dx x
= 0, 38 :
dx x
dx
2 2 (x2 V 2 +yV 2 ) 1
dx (0,62 +0,52 ) 2
1
= 0, 38 <> 38%
dx = 0, 38 0, 61 2 = 0, 2967
0, 3 mm
El error nal en cada una de las variables debido al error de redondeo podr llegar a ser:
dxv2 = 0, 6 0, 38 = 0, 228 mm dyv2 = 0, 5 0, 38 = 0, 190 mm

103
siendo su composicin cuadrtica:
2 2 dx = ( dx + dy ) 2 = (0, 2282 + 0, 1902 ) 2 = 0, 2967 mm V2 V2

siendo el radio del crculo de centro en
V2C
= 0, 43 mm: 0, 43 + 0, 3 = 0, 7 mm
+ dx = 0, 43 + 0, 2967
Figura 8.2: Supercie nal de error entorno al vrtice compensado
V2C
Podemos aceptar con suciente poder de armacin que incluso si se produjera este error de redondeo la precisin del vrtice
V2
sera mejor que el milmetro. Tal es el
resultado en sntesis del trabajo. Y de nuevo insistimos en que no se pretende ms que ayudar al tcnico que, al comparar el resultado con la tolerancia o prescripcin requerida, debe adoptar una decisin de aceptacin o rechazo rigurosa cifrada y defendible slidamente ante cualquier eventualidad.
8.2. Protocolo de clculo y de anlisis del mtodo de triangulateracin

Exponemos a continuacin las conclusiones ms destacables y la secuencia de trabajo de una red triangulaterada.
104
8.2.1. Los observables

La correcta aplicacin del ajuste por mnimos cuadrados requiere como condicin previa la distribucin normal de cada uno de los observables, que implica as mismo la distribucin normal de los residuos:
O = Om,1 N (OTm,1 ,
o m,m )
N (OT , s2 Q) (1)
E (R) = 0
R N (0,
o m,m )
N (0, s2 Q) (2)
Es por tanto ineludible cerciorarse de que todos y cada uno de los observables que intervengan en los clculos satisfagan (1) y (2), debiendo ser rechazados los que no lo hagan. A este efecto se ha contrastado cada uno de ellos a travs del Test de Adherencia de Pearson. Con un nivel de signicacin alto, cercano a la certeza. Hacemos notar que los observables distanciomtricos ofrecen cierta resistencia a la normalidad, por lo que es importante comprobar que superan el mencionado Test de Pearson. Tampoco es indiferente mezclar observables con nmero de reiteraciones muy distintos. No solo desequilibra como hemos visto la cuestin de los pesos (Cfr. epgrafe 5.5), sino que tambin inuye en el estricto desarrollo terico.
8.2.2. Las coordenadas aproximadas

Lograr que el vector de coordenadas aproximadas la red se escriba que
Xa sea de la mejor calidad posible
es objetivo inesquivable. Recordemos que en la bsqueda de la mejor solucin de
X = Xa + x
implicando
xT x = m nimo
es decir
| x |= m nimo
1 Cfr. M.Chueca et alt. Microgeodesia y Redes locales, pg. 195 y sig., Complementos docentes
pg. 38.
105
Se trata por tanto de optimizar el camino de clculo a priori del vector
Xa
La aplicacin al caso que nos ocupa de la Teora de Consistencia de Figuras en triangulacin resuelve el problema. El camino de mnimo valor obtenido del parmetro de consistencia ser el ptimo si se proyecta una triangulacin. El de mximo valor, si se trata de trilateracin. Entre ambos, todos los casos intermedios de redes mixtas triangulateradas. En consecuencia el mejor camino de consistencia angular ser el peor de consistencia distanciomtrica. Cuando los observables son angulares y distanciomtricos, como sucede en la triangulateracin, las coordenadas aproximadas que se utilicen en el ajuste mnimo cuadrtico sern la media ponderada entre: - las coordenadas aproximadas por el camino de mejor consistencia angular y - las coordenadas aproximadas por el camino de mejor consistencia distanciomtrica En nuestro caso un camino de consistencia u otro slo cambian las coordenadas aproximadas del vrtice
V1 :
Con el mejor camino de consistencia angular:
x1a =100,0000
m.
y1a =166,5974
m.
Con el mejor camino consistencia distanciomtrica:
x1d =99,99940
m.
y1d =166,59777
m.
Las variaciones submilimtrica en las coordenadas aproximadas no afectan a las variables nales
dxV 2
dyV 2
. Y tambin hay que decir que aunque el resultado
del ajuste, entendido como el valor de las correcciones a nuestras coordenadas aproximadas, sea el mismo, la interpretacin estadstica, los recintos de error y la abilidad asociada vara enormemente. En nuestro caso aplicando unas u otras coordenadas aproximadas a la triangulateracin con ponderacin clsica obtenemos los siguientes estimadores: Si utilizamos a priori:
x1a , y1a
, los resultados son:
Estimador varianza observable peso unidad = 1
106
Estimador desviacin tpica observable peso unidad = 1
a posteriori:
Estimador varianza observable peso unidad =
2 0
= 1,79
Estimador desviacin tpica observable peso unidad = 1,34 Si utilizamos a priori:
x1d , y1d
los resultados son:
Estimador varianza observable peso unidad = 1
Estimador desviacin tpica observable peso unidad = 1
a posteriori:
2 0 =
0,35
Estimador desviacin tpica observable peso unidad = 0,59 Las diferencias son notables, y afectan directamente a la interpretacin de los re2 sultados. El estimador varianza observable peso unidad a posteriori, 0 , debe ser 2 muy similar al propuesto a priori , asegurando as la bondad de nuestro ajuste. 2 Y no debemos olvidar que 0 afecta directamente a las matrices de criterio: matriz cofactor de las variables o parmetros, matriz cofactor de los residuos, matriz cofactor de los observables corregidos, matriz varianza-covarianza de las variables o parmetros, matriz varianza-covarianza a posteriori de los residuos, y matriz 2 varianza-covarianza a posteriori de los observables corregidos. El valor de 0 inuir en la abilidad interna y externa de la red, en los semiejes de la elipse standard, en las guras de error, en el porcentaje de abilidad asociada y por ltimo en el error de redondeo debido fundamentalmente a
db.
Si utilizamos la media del vrtice V1 entre los dos caminos de consistencia y la ponderacin propia del mtodo de la triangulateracin, los resultados cambian positivamente.
Siendo las coordenadas del vrtice
V1 :
m.
x1m= (x1a + x1d )/2 =99,9997
2 Es en denitiva la aplicacin del F-Test de Snedecor imponiendo un intervalo de aceptacin

muy riguroso. En la prctica, en el entorno tan pequeo como sea posible de la hiptesis nula
2 2 H0 =0 = 0
, apriori y posteriori respectivamente.
107
y1m = (y1a + y1d )/2 =166,59758

Obtenemos: a priori:
m.
5, 29 108 m 2, 3 104 m
Estimador desviacin tpica observable peso unidad =
a posteriori:
6, 7 108 m 2, 59 104 m
Estimador desviacin tpica observable peso unidad =
La desviacin tpica a posteriori del observable de peso unidad es la esperable, considerando que la desviacin tpica a priori del observable de peso unidad es 2, 3 104 m (recordemos que es el valor de la mediana de los valores obtenidos a partir de las estadsticas de la libreta de campo, siendo una novedad importante y subrayable de la ponderacin del mtodo de la triangulateracin). La diferencia entre la desviacin tpica a priori y a posteriori es de tres centsimas de milmetro, conrmando la bondad del mtodo de clculo y del trabajo. Por ltimo aadir que de nuestro equipo.
2 0
es una medida de la precisin de nuestras observaciones.
Nos dice si hemos medido cuidadosamente y si hemos aprovechado las prestaciones
8.2.3. La solucin seudoinversa

Su origen bsico, no se olvide, es la desconanza en o probada carencia de puntos de apoyo de precisin contrastada suciente, en el trabajo en presencia, que trasmitiran amplicados sus posible e inaceptables errores, a la red ligada, verdadera solucin del problema. Si existen en nmero y calidad suciente, utilizar el algoritmo y mtodo de las redes libres encierra una contradiccin en s mismo. Creemos que la solucin seudoinversa es una excelente herramienta cuando se persigue exclusivamente conocer con la mayor precisin posible la mtrica del espacio que cubre, o cuando no existe a priori ningn vrtice privilegiado. Es frecuente que as suceda o que se pueda establecer dicho supuesto.
Se trata de clasicar con ella los vrtices de la red en orden de obtener una primera informacin de la precisin esperable en ellos, en conjunto e individualizadamente.
resolvemos previamente la red libre generada por los datos disponibles. 108
As pues, con el objetivo de ofrecer siempre la solucin nal en forma de red ligada,
Analizando la matriz varianza covarianza de las variables corregidas de los cuatro puntos de nuestra red podemos decir que: Las desviaciones tpicas apenas alcanzan la dcima de milmetro. Despreciables en cualquier caso. Los vrtices estn determinados de forma equiprecisa y, en principio, con excelentes cifras. Cualquiera de ellos en conjunto con otro u otros o separadamente, puede adoptarse como jo. Visto lo expuesto, basta con un somero anlisis de los resultados parciales del clculo para cerciorarse de que no hay nada que destaque desfavorablemente hasta aconsejar su rechazo o repeticin con otros datos de partida. Es evidente que el estudio de los resultados parciales que a continuacin hacemos se debe hacer tambin a la red ligada, siendo igualmente ecaz. Tal vez el trmino independiente de la forma lineal correspondiente al observable uno V2-V1-V3 destaque negativamente respecto a las otras por su mayor valor (es importante comprobar que el vector
tiene todos sus valores de similar magnitud,
en caso contrario debemos sospechar del observable que destaque). O la desviacin tpica del observable de peso unidad a posteriori, nula
= 0,88201 , con una hiptesis
Ho = 1,
hubiera completado un excelente trabajo resultando ms cercano a
la unidad. Algo podra aducirse respecto a las unidades de longitud adoptadas y los coecientes de la matriz de diseo
A.
Incluso sobre los pesos.
Pero con un vector de residuos muy pequeo, indicando la excelente calidad de los observables, y sobre todo con el vector de correcciones a las coordenadas que se adjunta, tomado del listado, se aleja cualquier duda razonable en contra del trabajo realizado. Correcciones del orden de las centsimas de mm., absolutamente inapreciables, nos sitan, en principio aparentemente, en el caso ptimo antes citado, adoptndose en consecuencia
X = Xa . V2
lo mejor posible
Queda abierto y justicado el camino para denir el vrtice manteniendo los otros tres jos y a travs de una red ligada.
8.2.4. El mtodo de ponderacin de la triangulateracin

Como introduccin, decir, que la ponderacin con pesos absolutamente diferentes en valor entre ngulos y distancias: 1. No responde a la realidad del instrumento. Como sucede en nuestro ejemplo, que el peso clsico de las observaciones distanciomtricas sea casi 30 veces superior al de las angulares, tiene poco sentido para un mismo instrumento bien proyectado y construido. Si no se tiene cuidado con las unidades adoptadas en los pesos puede incrementarse la diferencia de valor entre los pesos de ambos tipos de observables, lo que empeorara an ms los resultados y su interpretacin. 2. Cuando los pesos de las distancias son muy superiores a los angulares, situacin bastante comn, desplazamos hacia el resultado de la trilateracin aislada el ajuste de una red con observables conjuntos angulares y distanciomtricos.
109
3. Aniquila la estabilidad del sistema matemtico. Hay que evitar a toda costa nmeros grandes y pequeos en las matrices que conguran el sistema, porque incrementa el condicionamiento de la matriz
, y con ello los errores de redondeo.
En cuanto a la ponderacin que hemos llamado clsica nos parece: 1. Que el estimador varianza observable peso unidad a priori sea 1, no tiene sentido y no se ajusta a la precisin de nuestros observables. Pero lgicamente hay que establecer un valor de la varianza, comn, para ngulos y distancias y no es posible que se aproxime al valor real de la varianza de ambos, porque son muy diferentes habitualmente. 2. La matriz de pesos a priori est dividida en dos grupos sin relacin entre s, o a lo menos de muy confusa interpretacin. 3. El estimador de la varianza a posteriori del observable de peso unidad deja de tener sentido geomtrico y fsico, porque carece de unidades y de valor real. Un nico estimador no debera aunar variables diferentes. 4. El estimador de la varianza a posteriori del observable de peso unidad ajuste. 5. No podemos evaluar el error cometido por redondeo, ni su inuencia en los resultados nales.Y no queremos decir con ello que el resultado del ajuste sea rechazable. Solamente apuntamos que la ponderacin clsica de formas lineales diculta la determinacin de los porcentajes de error estudiados hasta hacerla inviable. 6. El error (desviacin tpica) que los fabricantes de los equipos topogrcos ofrecen como precisin tiene dos inconvenientes: - Es un error que procede de una serie de mediciones en unas condiciones determinadas por una norma ISO (por la que hay que pagar un coste). La realidad nos ha enseado que en general y salvo excepciones se desconocen las condiciones descritas en la norma, lo que imposibilita que se conozca su verdadero signicado matemtico. - Los certicados de los servicios tcnicos nos garantizan repetibilidad en las mediciones exclusivamente, porque, en general, no ejecutan el procedimiento descrito en la norma ISO. Todas estas debilidades de la ponderacin con pesos poco homogneos y de la ponderacin clsica, se superan con la ponderacin segn el mtodo de la triangulateracin.
2 , 0
se
aleja del valor 1, disminuyendo su porcentaje de abilidad y con ello la bondad del
8.2.4.1. Varianza del observable de peso unidad de los observables de la red topogrca
Proponemos la ponderacin que se basa enteramente en los observables de la red topogrca que se pretende calcular. Los datos sern ms reales que los que ofrece el catlogo y, en general, diferentes para cada observable, ajustndose as a lo que ha sido la observacin de campo de la red, con sus caractersticas propias (entre las que se encuentran la ecuacin del observador, el estacionamiento, las lecturas de
110
campo con sus punteras, las condiciones atmosfricas, etc). Consideramos que el 2 valor de la varianza del observable de peso unidad 0 que ms se ajusta a su valor real es el de la mediana de los valores de oT , obtenidos a partir de los datos de
i
campo. Y as lo hemos hecho en nuestros clculos, mejorando notablemente tanto el resultado como su interpretacin. A partir de las ecuaciones:
2 o = i
(OTi Oi )2 mi 1
oTi =
2 o T
o i mi
calculamos
para cada observable de nuestra red.
De entre los valores
2 o T
seleccionamos la mediana, y desde ese momento la mediana
se convierte en la varianza del observable de peso unidad Una vez conocidos segn la ecuacin:
2 . 0
2 0
2 o T
obtenemos el peso de cada uno de los observables
POT i =
2 o 2 O
Ti
As, en el caso de red triangulada o trilaterada, esta ponderacin es rigurosa, y se adapta a cada levantamiento en particular, como demuestran los resultados obtenidos en diferentes redes, en los que el estimador de la varianza a posteriori coincida con el valor propuesto para ese parmetro a priori alcanzando en algunos casos el 99 % y el 100 % de similitud. Sin embargo, si la red contiene simultneamente observaciones azimutales y distanciomtricas es preciso arbitrar un nuevo mtodo. Proponemos una homogeneizacin de unidades en el siguiente epgrafe.
8.2.4.2. Los errores angulares y lineales proyectados en el cuadriltero de ponderacin

Podemos unicar la ponderacin angular y distanciomtrica proyectando sus errores respectivos en un cuadriltero, que tendr origen en el vrtice a partir de un azimut y una distancia desde un vrtice conocido Exponemos brevemente el desarrollo terico y su aplicacin. Sea a partir de datos de catlogo o, lo que entendemos ms acertado, utilizando medias, varianzas y desviaciones tpicas de observables reiterados con resultados positivos en aplicacin del Test de Pearson, se conocern estimadores sucientemente aproximados de los errores o correcciones de observacin se representan por
a levantar
O.
d.
es la distancia reducida entre el vrtice origen
OM = lOM
y el visado
M.
111
Figura 8.3: Cuadriltero de ponderacin
La correccin en el vrtice
se explica geomtricamente (Cfr. Fig. 8.3) por la
composicin de dos errores lineales
MR
M S,
M R + M S = SP + M S = M P =mdulo
Siendo:
del vector
MP ,
correccin total
d = arctg d
M R = SP = d sen = elij =
estimador especco de la componente escalar
de correccin azimutal en el mdulo
MP
M S = RP = d cos = elij =
estimador especco de la componente escalar de
correccin distanciomtrica en el mdulo
MP
112
Con lo que se consigue valores lineales de los errores azimutales y distanciomtricos asociados a un lado genrico de la red. Podemos conocer en unidades lineales los errores de nuestras lecturas angulares, antes de hacer el ajuste de la red, lo que puede llegar a ser muy til para el proyectista. Por ltimo y como casos particulares del ms general desarrollado, simplicamos el cuadriltero de ponderacin en uno de sus lados, dependiendo del error de que se trate: caso a - la triangulateracin deviene en trilateracin pura para
i = = 0
en dicho supuesto
sen = 0 M,
pero no
Se conoce la forma lineal de distancia que afecta al vrtice a levantar la forma azimutal. caso b - la triangulateracin deviene en triangulacin pura para
1 i = = 2
en dicho supuesto
cos = 0 M,
pero no la
Se conoce la forma lineal de azimut que afecta al vrtice a levantar forma lineal de distancia .
8.2.4.3. Factor de conversin y peso de las formas lineales de ngulo

Con el n de homogeneizar unidades angulares y distanciomtricas multiplicamos a cada una de las formas lineales azimutales por el factor adecuado. Cada forma lineal azimutal o distanciomtrica quedar multiplicada por un factor y tendr un peso. El factor que multiplica a la forma lineal azimutal
ij
es:
F actorij =
lij senij
113
siendo lij
= ij :
la distancia reducida entre los vrtices
ij
= 636620 :
ngulo interior del cuadriltero de error del azimut
ij ,
ij ,
pij = (
siendo
lij dij sen 2 )
: el error angular azimutal entre los vrtices
ij ,
desviacin tpica de las lecturas angulares de la libreta de campo. Como casos particulares del ms general desarrollado: - la triangulateracin deviene en trilateracin pura para
i = = 0
en dicho supuesto
sen = 0
- la triangulateracin deviene en triangulacin pura para
i = = 1 2
en dicho supuesto
cos = 0
8.2.4.4. Factor de conversin y peso de las formas lineales de distancia

Al igual que con las formas lineales de azimut, multiplicamos a cada una de las formas lineales de distancia por el factor adecuado. El factor que multiplica a la forma lineal distanciomtrica
ij
es:
F actorij = cosij ,
siendo
ngulo interior del cuadriltero de error de la distancia
ij ,
ij ,
114
2 cos2 ij plij = dlij
siendo
dlij
: el error distanciomtrico entre los vrtices
ij
desviacin tpica de las lecturas distanciomtricas de la libreta de campo.
8.2.4.5. Pesos homogeneizados

Una vez conocido el valor proporcional al peso de cada una de las formas lineales de azimut y distancia, que hemos llamado en los epgrafes anteriores
pij
plij ,
seleccionamos de entre todos ellos el valor de la mediana, que desde ese momento se convierte en el estimador de la varianza a priori del observable de peso unidad 2 0 . Y nalmente calcularemos el peso de cada observable con la expresin:
POT i =
2 o 2 O
Ti
2 o pi
y conoceremos la matriz de los pesos
P.
8.2.5. Anlisis de los resultados parciales

8.2.5.1. La matriz A, la matriz de pesos P, el vector de trminos independientes K
Debemos extremar las precauciones con el diseo de la matriz
A, porque diferencias
notables entre sus elementos producen grandes inestabilidades en el sistema de ecuaciones y sus resultados pueden ser irreales. Ello es tanto ms cierto cuando el resultado esperable es muy pequeo, como sucede con las redes de alta precisin. Buscaremos una matriz de diseo
esttica y matemticamente estable, con
elementos muy similares. La nueva factorizacin y ponderacin propuesta en la triangulateracin cumple indudablemente este requisito, como se desprende de su misma expresin consignada. En cuanto a la matriz de los pesos, siguiendo con la idea anterior, si tiene valores muy diferentes entre s, adulterar la matriz
y empeorar su condicionamiento
y el resultado. Este nuevo problema no nos afecta porque todos nuestros pesos son de valores prximos a la unidad, fruto tambin de la metodologa empleada. El vector
tambin tiene su signicado: as, valores similares en sus elemen-
tos nos garantizan observaciones con errores asociados parecidos. Si uno de ellos destacara excesivamente del resto sera conveniente prescindir de l, por no ser un buen observable. La similitud de valores de los elementos del vector
K,
tambin
es un garante ms de la estabilidad del sistema de ecuaciones normales. La homogeneizacin de unidades nos permite en una red triangulaterada conocer en valor
115
y unidades cada uno de los elementos del vector
K,
y comparar formas lineales
de azimut con las de distancias, situacin imposible si no seguimos el protocolo establecido en la nueva metodologa y aplicamos la que podemos llamar clsica.
8.2.5.2. El vector de variables, el vector de residuos y la varianza a posteriori del observable de peso unidad
Los residuos son muy similares y podemos comprobar que tanto las observaciones 4 distanciomtricas como las azimutales son de anloga precisin (6, 37 10 my 4 4, 72 10 m.). Como dicta el sentido comn, porque ambas mediciones proceden de un instrumento similar. La desviacin tpica a posteriori del observable de peso unidad es la esperable, considerando que la desviacin tpica a priori del observable de peso unidad es 2, 3 104 m (recordemos que es el valor de la mediana de los valores obtenidos a partir de las estadsticas de la libreta de campo). La diferencia entre la desviacin tpica a priori y a posteriori es de tres centsimas de milmetro, conrmando la bondad del clculo y trabajo. Por ltimo aadir que la desviacin tpica
es una medida de la precisin de
nuestras observaciones. Nos dice si hemos medido cuidadosamente y si hemos aprovechado las prestaciones de nuestro equipo. No se olvide que la varianza a posteriori del observable de la medida de peso 2 unidad, 0 es un parmetro fundamental adems porque multiplica a las matrices de criterio.
8.2.5.3. Matrices de criterio

En una primera interpretacin, todas tienen sus trminos aceptablemente pequeos. No obstante, la informacin que ofrecen es claramente insuciente a efectos de interpretar resultados con el poder de armacin que entendemos adecuado. Para ello y en primer lugar, acudiremos a la denicin de la llamada abilidad, interna y externa, de la red y sus recintos de error.
8.2.5.4. La abilidad interna y externa

El anlisis de la abilidad interna de la red dice que el error mximo que puede deslizarse en uno de nuestros observables y no ser detectado es de 0.00187 metros (observable n
4).
Del anlisis de la abilidad externa de la red podemos decir que la composicin cuadrtica de los errores transmitidos por los observables, supuesto el caso ms desfavorable, resulta ser:
116
Observable 1 2 3 4 5 6 7 8
error dx2 + error dy 2

0,45 mm 0,31 mm 0,17 mm 0,15 mm 0,12 mm 0,29 mm 0,15 mm 0,30 mm
El peor de los casos sera el que hiciera simultneos todos los errores de la tabla anterior, y en ese caso, la composicin cuadrtica de todos ellos alcanzara el valor de 0,74 mm. Parece que la precisin en la determinacin del vrtice submilimtrica.
V2 es claramente
8.2.5.5. Semiejes de la elipse standard

Conocida la desviacin tpica del observable de peso unidad y los autovalores de la matriz S:
0 = 2, 59 104
autovalores de S
1 =2.4069 2 =2.0471 3 =0.0135

los semiejes genricos de la elipse standard , sern los que siguen:
ES ,
segn la ecuacin
i = 0
1 i
1 = 1, 67 104 m 2 = 1, 81 104 m
8.2.6. Figuras de error y abilidad

La gura de error asociada a un vrtice obtenido a partir de observaciones angulares o distanciomtricas es la podaria o curva pedal. La ecuacin en cartesianas de la podaria ser de la forma:
2 2 P S x x2 + y y 2 + 2xy x y = (x2 + y 2 )2
117
La supercie encerrada por la curva
PS
se acepta como recinto de error con a-
bilidad 0,6826 donde se encuentra el vrtice exacto desconocido. Se demuestra que la elipse asociada a la podaria ser de la forma:
2 2 2 2 y xy ) x2 = (x y 2 2xy x y + y ES x
Ecuacin de la elipse tradicionalmente denominada standard de incertidumbre a posteriori en coordenadas cartesianas para un punto compensado cualquiera de la red . Podemos conocer
ROS= xx.
ES
a partir de la Matriz varianza-cov de las variables o PARMET-
Los semiejes de la elipse (errores mximo y mnimo) en direccin y mdulo se calculan con la expresin siguiente:
1 2 2 2 r =2 + y ) [(x
2 2 )2 + 4 2 ] = (x y xy
1 2
(2 0, 00000003) = 0, 00000003 m2
con el signo + se obtiene el semieje mayor:
r1 = +aL = +0, 1732 mm = a

con el signo - se obtiene el semieje menor:
r2 = aL = 0, 1732 mm = b
(Nota: Los semiejes de la elipse asociada a la podaria que, es tambin unos ejes
a y b muy similares a la de la elipse 2 = 1, 81 104 m. La diferencia entre ambos
standard:
ES , tiene 1 = 1, 67 104 m ,
valores slo puede achacarse a
errores de redondeo y clculo, ya que proceden de algoritmos diferentes).
Una vez conocida la elipse standard
ES ,
se puede estimar la probabilidad
asociada a esa gura, bastar con calcular la relacin existente entre las reas delimitadas por las dos supercies de error (podaria y elipse), en su caso ms general.
Siendo la probabilidad de la podaria tpica),<
1 2 (una
varianza)<>
0, 68 >,
y la probabilidad de la elipse asociada a
1 (una desviacin K 2 2 (varianzas) <>
(desviaciones tpicas) con:
Area P odaria = AP =
a2 +b2 2
Area Elipse = AE = ab
3 Que se obtiene a travs de un algoritmo completamente distinto del presente. Cfr. M. Chueca
et. alt. Tratado de Topografa Tomo III, pag. 285, expresin (834).
118
K2 =
AE AP
2ab = a2 +b2
Prob ES
2ab )=K <> ( a2 +b2
desviaciones tpicas
donde
k 1,
pues lo que s suponemos:
2ab a2 +b2
se sigue
a2 + b2 2ab;
(a + b)2 0
ab
cierto por hiptesis. (a,
semiejes mayor y menor de la elipse)
y por denicin de ambas curvas de nuevo encontraremos el ptimo en nuestro proyecto cuando a = b = R, . La elipse y su podaria standard ptimas que denominamos ESO y PSO se confunden en la circunferencia CS standard, y se tiene: Probabilidad CS = Probabilidad ESO =
= Probabilidad PSO<>
2R2 2 R2 +R2
= 1 <> 0, 68
probabilidad standard. Una homotecia de razn adecuada segn rutina de la distribucin normal practicada a las guras descritas genera el recinto de incertidumbre con la probabilidad que se precise. (P.ej. son muy usadas la razn 2 y 2,5 que corresponden a abilidad 0,95 y 0,99 ). As en nuestra red: A la circunferencia standard de radio A la circunferencia de radio(2 del 95 %. A la circunferencia de radio(2, 5 0, 1732 mm) del 99 %.
0, 1732 mm se asocia una abilidad del 68 %.

se asocia una abilidad
0, 1732 mm) = 0,3464 mm
= 0,4330 mm se asocia una abilidad
119
8.2.7. Clculo del porcentaje de error

Podemos evaluar el error relativo transmitido al vector de correcciones - el error existente en el vector
por:
- el correspondiente error de la matriz
S. db.
La fuente del posible error en las variables del sistema matricial es fundamentalmente el vector
b.
Se hace imprescindible calcular la perturbacin
En el epgrafe 8.1 Resultados nales, de este mismo captulo de conclusiones, mencionbamos el porcentaje de error debido al clculo numrico del sistema ma1 tricial de ecuaciones normales: x = S b , y su inuencia en el resultado del ajuste determinista. Ahora procedemos a exponer brevemente su clculo.
8.2.7.1. Error o perturbacin db

La expresin nal de cmo afecta el error relativo de correcciones
db b
al error relativo del vector
dx x
es:
dx x
db b
=k
1 [T rB ] 2
ma ximo m nimo
i
1 2
siendo:
S = AT P A m a ximo =autovalor m nimo =autovalor k=

ma ximo m nimo
mximo de la matriz mnimo de la matriz
S S
Teniendo la precaucin de eliminar por sustitucin el parmetro ciones de azimut, modicando as la matriz de diseo Obtenemos:
de las ecua-
Am,n .
dx x
= 0, 385,
error relativo de un 38.5 % sobre las variables:
dx = 0, 615 mm
dy = 0, 426 mm.
Un porcentaje alto, a pesar de todas las precauciones adoptadas: a) Matriz A con todos los valores muy similares.
120
b) Las formas lineales de ngulo no quedan multiplicados por 636.620 dmgr/radian, porque al multiplicar por el factor conversin de unidades desaparece.
c) El requisito de que los pesos sean pequeos y parecidos se cumple.
8.2.7.2. Error o perturbacin dS

La expresin nal de cmo afecta el error relativo de correcciones
dS S
al error relativo del vector
dx x+dx
es:
dx x+dx
dx x
dS S
=k
dma ximo m nimo
siendo:
k=
ma ximo m nimo
dma ximo = 1, 7763E 015, representa la precisin con que sea capaz de determinar
el autovalor de
Se calcula fcilmente porque la suma de los valores de la diagonal
debe ser igual a la suma de sus autovalores. Cumpliendo la ecuacin:
dma ximo = M T raza (S )

donde:
M m nimo = 0, 0141
= suma de los autovalores de
dx x+dx
dx x
= 2, 2249E 011
121
Es claro que, al no intervenir en
el vector de observables, la perturbacin
dS
es mucho menos perjudicial para el resultado. En realidad despreciable. Y la consecuencia, la de siempre. Es preciso lograr un vector de observables optimizado, de componentes equiprecisos y con un alto nivel de aproximacin a los valores exactos. (Nota: No es imprescindible eliminar el parmetro modicando as la matriz de diseo
de las ecuaciones de azimut,
Am,n
para calcular el error debido a
dS ).
Y en resumen, los resultados y su solidez interpretativa son las consignadas. En nuestra opinin, suciente para adoptar decisiones lgicas. Es a n de cuentas la labor del ingeniero. En sucesivos artculos ampliaremos la teora y praxis presente con otras cuestiones relevantes, como por ejemplo la utilizacin de observables GPS en ajustes gaussianos, el estudio riguroso de recintos de error, la extensin a todos los puntos de una red, la extensin a los puntos que componen el modelo de un terreno y a la variacin en el tiempo de redes y modelos, osea, el clculo de deformaciones.
122
Captulo 9
Bibliografa
123
Bibliografa
[1] Anquela, A.B.; Chueca, M.; Bern, J.L. (2001). Aportacin al problema general de redes locales de alta precisin: condicionantes especcos de jacin de criterios tericos y prcticos, de calicacin de parmetros intermedios y resultados nales. Tesis Doctoral. E.T.S.I.G.C.T. de la Universidad Politcnica. Valencia. [2] Ashkenazi, V. (1981): Models for control in National and continental Network. Bulletin Geodesique. Vol 55. [3] Ashkenazi, V.: Criterion for optimisation Boletino di Geodesia e Scienze Ane. [4] AshkenazI, V. (1981): Models for control in National and Continental Network. Bulletin Geodesique. Vol. 55. [5] Baarda, W. (1977): Measures for the accuracy of geodetic networks. Sopron. Hungra. [6] Baarda, W. (1973): S-transformations and Criterion Matrices. Netherlands Geodetic Commission, Vol. 5 nm. 1. [7] Baarda, W.: Statistical concepts in Geodesia. Rijkscommisie voor geodesie. Delft (Holanda). [8] Baarda, W.: Statistical Transformations and Criterion Matrices. Rijkscommisie voor geodesie. Delft (Holanda). [9] Baarda, W.: Measures for the accuracy of geodetic networks, Sopron. Hungra. [10] Bannister, A.; y Raymond, S. (1984): Tcnicas modernas en topografa. R. S. Mxico. [11] Baselga, S. (2000): Aplicacin informtica para el diseo y compensacin de redes locales. Proyecto Fin de Carrera de Ingeniera en Geodesia y Cartografa. E.T.S.I.G.C.T. de la Universidad Politcnica. Valencia. [12] Baselga, S., Chueca, M. y Bern, J.L. (2003). Clculo, compensacin e interpretacin de resultados en redes locales de alta precisin observadas por GPS y Topografa Clsica con aplicacin de anlisis estadstico multivariante y tcnicas de estimacin robusta. Tesis doctoral. Universidad Politcnica de Valencia, Valencia.
124
[13] Belayev, V. (1996): Optimal weiyhting in linear function estimation. Journal of Geodesy. [14] Bern Valero, J. L., y Herrez Boquera, J. (1993): Instrumentos modernos en topografa. Universidad Politcnica de Valencia. Valencia. [15] Bern, J. L.; Baselga, S.; Anquela, A. B. (2000): RedTop. Aplicacin Informtica para el Diseo, Anlisis y Compensacin de Redes Topogrcas. Editorial de la Universidad Politcnica. Valencia. [16] Bjerhammar, A. (1973): Theory of errors and generalized matrix inverses. Elsevier. [17] Bezoari, G.; Mart, C, y Selvini, A. (1994): Topografa. Cartografa. Hoepli Miln. [18] Blachut, T. J. A., Chrzanowski, Saastamoinem (1980): Cartografa y levantamientos urbanos. Librera del Congreso. Mxico. [19] Blackie and Son Ltd. Lauf. G. B.: The method of least Squares [20] Bomford, G. (1971): Geodesy. Oxford University Press. Londres. [21] Burnside, C. D. (1971): Electromagnetic Distance measurements. Crosby Lockwood. [22] Camacho, A. y Martn, M. (1986): Constreimientos internos en la compensacin de estaciones. Instituto de Astronoma y Geodesia. Madrid. [23] Caspary, W. F. (1987): Concepts of network and deformation analysis. Monograph 11. School of Surveying. The University of New South Wales, Australia. [24] Chen, Y. Q.: Analysis of deformations. Surveys A. generalized Method. Dep. Sur. Eng. Fredericton. Canada. [25] Chueca, M. (1982): Topografa. Dossat. S.A. Madrid. [26] Chueca, M.; Herrez, J.; Bern, J. L. (1993): Topografa. Anlisis de errores. Tomo I. UPV. [27] Chueca, M.; Herrez, J.; Bern, J. L. (1993): Topografa. Nivelacin. Tomo II. UPV. [28] Chueca, M.; Herrez, J.; Bern, J. L. (1993): Topografa. Poligonacin. Tomo III. UPV. [29] Chueca, M.; Herrez, J.; Bern, J. L. (1993): Topografa.. Triangulacin. Tomo IV. UPV. 1993. [30] Chueca, M.; Herraez, J.; Bern, J. L. (1994): Redes topogrcas y locales. UPV. [31] Chueca, M.; Herrez, J.; Bern, J. L. (1995): Ampliaciones de redes topogrcas y locales. UPV.
125
[32] Chueca, M.; Bern, J. L.; Herrez, J. (1996): Redes Topogrcas y Locales. Microgeodesia. Ed. Paraninfo. Madrid. [33] Chueca, M.; Bern, J. L.; Herrez, J. (1996): Mtodos Topogrcos. Ed. Paraninfo. Madrid. [34] Chueca, M.; Bern, J. L. (2000): Ampliacin de Redes Topogrcas y locales. Cuestiones de Diseo. Universidad Politcnica. Valencia. [35] Chueca, M.; Bern, J. L.; Anquela, A. B.; Baselga, S. (2001): Avances en la interpretacin de resultados en Redes Locales. Recintos de Error. Ed. Universidad Politcnica de Valencia. Valencia. [36] Chueca, M.; Bern, J. L.; Anquela, A. B.; Baselga, S. (2003): Microgeodesia y Redes Locales: Complementos Docentes. Ed. Universidad Politcnica de Valencia. Valencia. [37] Chueca, M.; Anquela, A. B.; Baselga, S. (2007): Diseo de Redes y Control de Deformaciones. Los Problemas del Datum y Principal de Diseo. Ed. Universidad Politcnica de Valencia. Valencia. [38] Domnguez Garca-Tejero, F. (1978): Topografa general y aplicada. Dossat. Madrid [39] Espiga Gmez Lobo: El tratamiento matricial de mtodo de los mnimos cuadrados. Boletn de Informacin del Servicio Geogrco del Ejrcito. [40] Ferrer Torio, B.; Pina, B. (1991): Mtodos topogrcos. UPV. [41] Ferrer Torio, R.; Pina, B. (1991): Introduccin a la topografa. E.T.S.I. Caminos, Canales y Puertos. Santander. [42] Ferrer Torio, A., y otros (1992): Topografa aplicada a la Ingeniera Civil. Universidad de Cantabria. [43] Grafarend, E. W.: Optimisation of Geodetic Networks. Bollettino di Geodesia e Science Ani. [44] Groten. E.; Strau, B. (1988): GPS - Techniques Applied to Geodesy and Surveying. Springer Nerlag. Berln. [45] Heiskanen y Moritz: Geodesia Fsica. IGN. Madrid [46] Hirvonen, R. A. (1971): Adjustment by least squares in Geodesy and Photogrammetry. Ungar Pub. [47] Hofman-Wellwn Hof. (1994): GPS. Theory and Practice. Lichtenegger and Collins. Springer-Verlay. New York. [48] Hotine, M. (1969): Mathematical Geodesy. U. S. Department of Commerce. Washington D.C. [49] Isahi Precission co.ltc (1988): Principios de la medicin electrnica. Revista Topogrca y Carto
grca, nms. 28 y 29.

126
[50] Jordan, W. (1974): Tratado general de topografa. Gustavo Gil. Barcelona. [51] Kennie and G. Petrie: Engineering Surveying Technology [52] Kincaid, D.; Cheney, W. (1994): Anlisis Numrico: las Matemticas del Clculo Cientco. Addison-Wesley Iberoamericana. [53] Leick, A. (1990): GPS. Satellite Surveying. John Wiley and Sons. New York. [54] Levallois (1970): Geodesie Genrale. Eyrolles. Pars. [55] Lpez Cuervo (1994): Topografa. Mundi Prensa. Madrid. [56] Maestro, I., Baselga, S., Chueca, M. (2005). Cano, Contribucin al estudio microgeodsico de deformaciones: diseo de redes mediante el clculo y modelizacin de la incertidumbre.Tesis Doctoral. E.T.S.I.G.C.T. de la Universidad Politcnica. Valencia. [57] Martn Asn, F. (1989): Geodesia y Cartografa matemtica. Paraninfo. Madrid. [58] Marussi, A. (1985): Intrinsic Geodesy. Springer-Vcrlag. Berlin-Heidelberg. [59] Mikhail, E. M.; Ackerman, F. (1976): Observations and least squares. IAP. Dun-Donneley Pub. New York. [60] Mikhail and Ackermann: Analysis and Adjustements of Survey Measurements. Van Nostrand. New York. [61] Montes de Oca, M. (1985): Topografa. R. S. Mxico. [62] Nez-Garca del Pozo, A. (1992): Ajuste de redes geodsicas en un arco tridimensional. E.T.S.I. Caminos, Canales y Puertos. Santander. [63] Nez-Garca del Pozo. A. (1987): Anlisis de redes libres. Asamblea nacional de Geodesia y Geofsica. Madrid. [64] Nez-Garca del Pozo. A.: Concepto de precisin y abilidad en redes geodsicas. Boletn de Informacin del Servicio Geogrco del Ejrcito. [65] Nez-Garca del Pozo. A., y Valbuena Duran, J. L. (1992): Determinacin de movimientos pequeos por procedimientos de trilateracin. Aplicacin a la auscultacin de presas. Particularizacin a la presa del Atazar. E.T.S.I. Caminos, Canales y Puertos. Santander. [66] Nez-Garca del Pozo. A., y Valbuena Duran, J. L. (1992): Distanciometra electrnica de precisin. Distancimetros submilimtricos. E.T.S.I. Caminos, Canales y Puertos. Santander. [67] Nez-Garca del Pozo. A., y Valbuena Duran, J. L. (1992): Medida electrnica de los parmetros topogrcos. E.T.S.I. Caminos, Canales y Puertos. Santander.
127
[68] Nez-Garca del Pozo. A., y Valbuena Duran, J. L. (1991): VII Curso de Geodesia Superior. Instrumentos, teora y funcionamento. Instituto de Astronoma y Geodesia. Madrid. [69] Ojeda Ruiz, J. L. (1984): Mtodos topogrcos y ocina tcnica. Madrid. El autor. [70] Ollivier, F. (1995): Instruments Topographiques. Eyrolles. Pars. [71] Pope, A. J. (1975): The statistics of the residuals and the detection of outtiers IUGG XVIII. General Assembly. Grenoble. [72] Richardus, P.; Aliman, J. (1966): Project Surveying. North-Holland Publising Co. Amsterdam. [73] Richardus. P. (1977): Project. Surveying. A. Balkema. Netherlands. [74] Reger, J.M. (1996): Electronic Distance Measurement, Edit. Springer-Verlag Berlin Heiderberg, Alemania. [75] Ruiz Morales. M. (1991): Manual "de Geodesia y Topografa. Proyecto Sur. Granada. [76] Russell, C; Wolf, P. R. (1984): Elementary Surveying. Harper and Row Publishers, Inc. [77] Sevilla, M. J.; Nez, A. (1980): Ajuste y anlisis estadstico de ondulaciones del geoide. Fsica de la Tierra. U. Complutense Madrid. [78] Sevilla, M. J. (1987): Colocacin mnimos cuadrados. Instituto de Astronoma y Geodesia. Madrid. [79] Sevilla, M. J. (1987): Curso de Geodesia Superior. U.C. Madrid. [80] Sevilla, M. J.; Muoz, P. (1987): Velasco, J.; Romero, P.: Calibracin de un distancimetro de infrarrojos en una base interferomtrica. Topografa y Cartografa. Vol. III. [81] Sevilla, M. J. (1989): Compensacin de redes de nivelacin trigonomtrica. Instituto de Astronoma y Geodesia. Madrid. [82] Sevilla, M. J. (1989): Soluciones progresivas en el mtodo mnimos cuadrados. Instituto de Astronoma y Geodesia. Madrid. [83] Sevilla, M. J. (1990): Fsica de la Tierra 2. Universidad Complutense. Madrid. [84] Sevilla, M. J. (1991): VII Curso de Geodesia Superior. Refraccin atmosfrica y su inuencia en la medida electromagntica de distancias. Instituto de Astronoma y Geodesia. Madrid. [85] Strang, G. (1990): lgebra lineal y sus aplicaciones. Addison-Wesley. Madrid. [86] Torge Wolfgang (1983): Geodesia fsica. Diana. Madrid.
128
[87] Valbuena Duran. J. L. (1989): Distanciometra electrnica, calibracin y puesta a punto. Topografa y Cartografa. Vol. IV. [88] Vanicek, P., y Krakwsky, E. (1986): Geodesy. North Holland. Amsterdam. [89] Wellach, W. (1979): A review of the adjustment of the free network. Survey Review, XXV, 194. [90] Zakatov: Curso de Geodesia Superior. Mir. Mosc. [91] Zund, Joseph: Foundations.
129

Triangulate Raci On

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Triangulate Raci On

Încărcat de

Drepturi de autor:

Formate disponibile

RACV Digital - Progreso en la prctica del ajuste gaussiano de una red local: mtodo de triangulateracin

VALENCIA, ENERO 2011

1. Introduccin y planteamiento del trabajo

Especicaciones tcnicas de las estaciones totales utilizadas . . . . .

2. Resultados de la Observacin. Vector de Observables

Observaciones distanciomtricas . . . . . . . . . . . . . . . . . . . . 2.2.1. Test de adherencia de Pearson . . . . . . . . . . . . . . . . .

3. El vector de coordenadas aproximadas Xa . Consistencia de la Figura 20

Un primer ajuste. La red Libre Triangulada

Clculo de las coordenadas aproximadas y de los azimutes 3.3.1.

Clculo de las coordenadas aproximadas por el camino de mejor consistencia angular . . . . . . . . . . . . . . . . . . . 29

Clculo de las coordenadas aproximadas por el camino de mejor consistencia distanciomtrica . . . . . . . . . . . . . . 31 33

La ponderacin y clculo en la prctica de una red triangulaterada con homogeneizacin de datos . . . . . . . . . . . . . . . . . . . . . 39

Mtodo de clculo de la triangulateracin en ajuste gaussiano determinista con homogeneizacin de datos . . . . . . 40

El factor de conversin y el peso de las formas lineales de azimut . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

5. Resolucin de la red triangulaterada

Formas lineales de distancia 5.2.1.

Ecuaciones de distancia factorizadas

5.3.4. 5.3.5. 5.4. 5.5.

Semiejes de la elipse standard Nota sobre la constante K

Probabilidades de error asociadas a las guras de error

7. Clculo del porcentaje de error en ajuste gaussiano determinista 83

Error o perturbacin db con ponderacin clsica . . . . . . . . . . . Error o perturbacin dS

Resultados nales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

Las coordenadas aproximadas

La solucin seudoinversa . . . . . . . . . . . . . . . . . . . . 108 El mtodo de ponderacin de la triangulateracin 8.2.4.1. . . . . . . 109

Los errores angulares y lineales proyectados en el cuadriltero de ponderacin . . . . . . . . . . . . . 111

Factor de conversin y peso de las formas lineales de ngulo . . . . . . . . . . . . . . . . . . . . . . . 113

Factor de conversin y peso de las formas lineales de distancia . . . . . . . . . . . . . . . . . . . . . . 114

Anlisis de los resultados parciales 8.2.5.1.

La matriz A, la matriz de pesos P, el vector de trminos independientes K . . . . . . . . . . . . . . 115

8.2.5.3. 8.2.5.4. 8.2.5.5. 8.2.6. 8.2.7.

Matrices de criterio . . . . . . . . . . . . . . . . . . 116 La abilidad interna y externa . . . . . . . . . . . 116

Semiejes de la elipse standard . . . . . . . . . . . . 117 . . . . . . . . . . . . . . . . . . 117 . . . . . . . . . . . . . . . . 120 . . . . . . . . . . . . . . . 120 . . . . . . . . . . . . . . . 121

Figuras de error y abilidad

Clculo del porcentaje de error 8.2.7.1. 8.2.7.2.

Error o perturbacin db Error o perturbacin dS

Introduccin y planteamiento del trabajo

1.1. Localizacin de la Red de Prueba

Figura 1.1: Localizacin de la Red de Prueba

1.2. Monumentacin, materiales y caractersticas constructivas

que se pretende densicar con un nuevo vrtice.

1 Cfr.  Base de calibracin de la Universidad Politcnica de Valencia: descripcin y medicin .

Figura 1.2: Estacin total sobre vrtice V3

Figura 1.3: Prisma sobre el vrtice V1

Figura 1.4: Pilar del vrtice V2

Figura 1.5: Detalle del pilar V2

Figura 1.6: Basada y prisma sobre el vrtice V2

1.3. Especicaciones tcnicas de las estaciones totales utilizadas

Cuadro 1.1: Caracterstica tcnicas de la instrumentacin

de la Escuela de Ingeniera Geodsica de la Universidad Politcnica

Figura 1.7: Estacin Total Topcon MS 1A

2 El trabajo de observacin ha recado directamente sobre Jos Manuel Paredes Asencio.

Figura 1.8: Estacin Total Trimble S6

Resultados de la Observacin. Vector de Observables

2.1. Observaciones angulares azimutales

Cuadro 2.1: Lecturas azimutales horizontales

Figura 2.1: Croquis de la observacin

2.1.1. Test de adherencia de Pearson

1 Vease cualquier Manual de Estadstica. O bien Tratado de Topografa Tomo I. Pag.36 y

R = max. min = 87, 6829 87, 6808 = 21cc 27cc

2 13, 5 = 2, 4628 2,46

I1 = 2 0, 4931 = 0,9862 z2 = 0, 129 2 = 0, 129 2 4, 5 = 0, 8209 0, 82

I2 = 2 0, 2939 = 0, 5878 p2 = 0, 5878

Cuadro 2.3: Secuencia de clculo

Especicaciones tcnicas de las estaciones totales utilizadas . . . . .

Probabilidades de error asociadas a las guras de error

Resultados nales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

Matrices de criterio . . . . . . . . . . . . . . . . . . 116 La abilidad interna y externa . . . . . . . . . . . 116

Figuras de error y abilidad

que se pretende densicar con un nuevo vrtice.

1 Cfr. Base de calibracin de la Universidad Politcnica de Valencia: descripcin y medicin .

1.3. Especicaciones tcnicas de las estaciones totales utilizadas

1 Vease cualquier Manual de Estadstica. O bien Tratado de Topografa Tomo I. Pag.36 y

Con el usual nivel de signicacin del 5 % el resultado de test es en la distribucin

0, 216} {0, 216 5, 99} Aceptamos H0 con un nivel de signicacin 2 ,

de jar los vrtices

con las sucientes garantas y exclusivamente con

K = parmetro de consistencia conjunta de la gura

Denitivamente la coordenada aproximada del vrtice V1 en el ajuste de la red triangulaterada ser: