Prospeccion I 2007

GEOFSICA DE PROSPECCIN I
Semestre PRIMAVERA/2007
CONTENIDOS
MDULO I: Introduccin (~ 2.5 semanas)
MDULO II: Geofsica de Potencial Descriptiva (~ 1 semana)
MDULO III: Teora de Potencial (~ 2 semanas)
MDULO IV: Modelacin Directa (~ 2 semanas)
MDULO V: ANALISIS EN EL DOMINIO DE FRECUENCIAS (~ 2 semanas)
MDULO VI: PROCESO DE DATOS (~ 3 semanas)
MDULO VII: TEORIA DE INVERSIN (~ 3 semanas)
BIBLIOGRAFIA
BALKELEY, POTENTIAL THEORY, 2002
TELFORD ET AL., APPLIED GEOPHYSICS, 2000
GRANT & WEST, INTERPRETATION THEORY IN APPLIED GEOPHYSICS, 1965
PARKER, GEOPHYSICAL INVERSE THEOR, 1994
VOGELSANG, ENVIRONMENTAL GEOPHYSICS, 1995
BURGER, EXPLORATION GEOPHYSICS OF THE SHALLOW SURFACE, 1992
TURCOTTE & SHUBERT, GEODYNAMICS, 2000
STVE, GEODYNAMICS OF THE LITHOSPHERE, 2002
LOWRIE, FUNDAMENTALS OF GEOPHYSICS, 1997
MDULO I.- Introduccin
MODULO 1: INTRODUCCIN
MTODOS DE POTENCIAL: Conceptos

Bsicos
GRAVEDAD: mide la variacin del campo gravitacional de la
tierra, asociado a contrastes de densidad de las rocas de
subsuperficie.
Aplicaciones:
- marco regional
- isostasia
- geometra de cuencas
- reconocimiento de domos salinos
- geodesia
- etc.
MTODOS DE POTENCIAL: Conceptos

Bsicos
MAGNETISMO: mide variaciones en el campo magntico
terrestre, asociadas a la magnetizacin de las rocas en
subsuperficie.
Aplicaciones:
- marco regional
- propiedades magnticas relleno/basamento
- caracterizacin de arcos magmticos
- geometra de cuencas
- etc.
GRAVEDAD: Campo Gravitacional

F=
GMm
Ley de Gravitacin Universal
R2
Donde : G = 6.67x10-11 N m2 Kg-2 Cte. Gravitacin Universal

Y F corresponde a la atraccin gravitacional entre las
masas M y m separadas por una distancia R.
Si consideramos m=1, hablaremos del campo gravitacional
ejercido por la masa M y en el caso de la tierra corresponder a:
g = aceleracin de gravedad
En este caso M= Masa de la Tierra
R = Radio de la tierra
GRAVEDAD: Potencial Gravitacional

g es un campo conservativo
Puede ser representado como
el gradiente de un potencial escalar.
g(P) = -Grad. U(P) Donde
U(P) = G M/R
En general, para una distribucin
de masa (figura):
U(P) = G dm/r = G
v
(x,y,z) dv
r
(x,y,z) ^
r
g(P) = -Grad. U(P) = G
r2
v
dv
GRAVEDAD: Conceptos Bsicos

Pero la tierra no es una esfera perfecta y esta rotando
R Cte. ; M =
(x,y,z) dV
; efectos dinmicos
U = Ug + Ur (U Potencial Gravitacional)
Ug = Potencial Propio ; Ur = Potencial Rotacional

Tierra Normal Gravedad Terica
g() = 9.78031846(1+0.0053024sin2-0.0000058sin22 ) m/s2
1967 International Gravity Formula
g() = 9.7803267714
1+0.00193185138639sin2
(1-0.00669437999013sin2)1/2
World Geodetic System 1984 (WGS84)
GRAVEDAD: Reduccin de Datos

Gravedad Observada (gobs) = Atraccin del Elipsoide de Referencia
+ variaciones temporales (mareas, deriva instrumental)
+ efecto de elevacin sobre nivel de referencia (free-air)
+ efecto de masa sobre nivel de referencia (Bouguer, Terrain)
+ efectos dinmicos (plataformas en movimiento Etvs)
+ efecto de masas asociadas a compensacin isosttica
+ efectos asociados a variaciones de densidad en la corteza
y manto superior (geologa) 9 9 9
Debemos ser capaces de aislar el ltimo trmino de esta

sumatoria, descontando todos los dems efectos.

Unidades
1 Gal = 1 cm/s2
- La unidad ms comn en gravimetra es el miligal (mGal).
1 mGal = 10-3 Gal
-Un gravmetro puede medir con precisin 0.001 mGal
- Un rango comn de efectos gravimtricos asociados a
fenmenos geolgicos, estara entre 1 50 mGal.
(g normal 9.8 m/s2 = 980 Gal = 980.000 mGal)

Efectos Dinmicos: Mareas y Deriva Instrumental
Mareas:
- Dependen del tiempo y la latitud
- Perodo 12 hrs.
- Tablas
- Nunca > 0.3 mGal.
- Aprox. Lineal en perodos cortos 3 hrs.
En primera aproximacin, ambos efectos pueden ser
considerados lineales y tratados en forma conjunta.

Atraccin del Elipsoide de Referencia
Gravedad Observada
gobs g()

Correcin de Aire Libre (free-air)
g(r+h) = g(r) + hg(r) / r + ...
g(r) = g(r+h) - 2g(r)h/r
Taylor (h<<r)
Corr. de Aire Libre (gfa)
gfa = -0.3086h [mGal] (h en metros)

Anomala de Aire Libre
gfa = gobs g() gfa

Correcin de Bouguer
Considera placa infinita
gPI = 2Gh
gB = 0.04193 B h [mGal]
(h en metros, B en grs/cc)
Anomala de Bouguer (simple)

gB = gobs g() gfa gB
- Como estimar B ?

Correcin de Bouguer
Correccin Topogrfica
(terrain correction)
Anomala de Bouguer (completa)
gB = gobs g() gfa gB gt

Compensacin Isosttica Regional/Residual
- Mnimos Cuadrados
- Filtraje en Frecuencia
- Continuaciones Analticas
- etc.
Anomala Residual

Plataformas en Movimiento (V > 0) Correccin de Etvs
gE = 7.503 V cos() sin() + 0.004154 V2 [mGal]
V [nudos] ; =latitud ; =rumbo c/r norte verdadero
Puede tener magnitud del orden de efectos asociados a

fenmenos geolgicos ( 5 mGal para un barco movindose
hacia el Este, en latitud 45 y con V= 1 nudo).
Crtico para levantamientos aerotransportados.
GRAVEDAD: Instrumental
La COSTE & RONBERG
POZO
WORDEN
TIERRA
SCINTREX
TIERRA
La COSTE & ROMBERG

MARINO
LaCOSTE & RONBERG

TIERRA
Principio Fsico
Lacoste&Romberg
Gravedad: Densidad de Rocas
Gravedad: Precisin Relativa

PRECISION RELATIVA DE LAS
TECNICAS GRAVIMETRICAS
10
SATELITAL
AEREO
m
G
A
l
MARINO
0.1
SUBMARINO
TERRESTRE
0.01
POZO
ABSOLUTO
0.001
0.00001
1
10
100
1000
Longitud de Onda [m]
10,000
100,000
MAGNETISMO: Conceptos Bsicos

Induccin Magntica
Ia
Anlogo a la atraccin entre dos masas

puntuales, consideremos la atraccin entre
dos loops de corriente continua, con
corrientes Ia e Ib respectivamente.
dIa
r
dIb
Ib
La fuerza actuando sobre un

pequeo elemento dIa del loop a,
causada por la corriente en el
elemento dIb del loop b, estar
dada por la Fuerza de Lorentz.
dI a (dI b r$)
df a = Cm I a I b
r2
Fuerza de Lorentz
Cm es una constante de
proporcionalidad, anloga a
G = constante gravitacional

Induccin Magntica
Si definimos un vector B tal que:
dBb = CmIb
dIb x r^
r2
dfa = Ia dla x dBb
e integramos sobre el loop b, obtenemos:
,
dI b r$
B = Cm I b
r2
Ley de Biot-Savart
El vector B se conoce como Induccin Magntica, Densidad de

Flujo Magntico, o simplemente Campo Magntico de un loop de
corriente continua.
Una corriente elctrica induce una fuerza sobre una carga en
movimiento, igual al producto vectorial del campo magntico y la
velocidad de la carga.

Potencial Magntico
El campo magntico (F) es una

fuerza conservativa deriva de
un potencial escalar (A).
r1
r
1
Fr
1
r2
F(r) = - Grad. A (r)
-p
p
2 l
Para un dipolo:
A
+ l
1
2 rl cos
+ l
Si r>>l (campo lejano) A ~

En este caso:
F~
lml
r3
1
+ 2 rl cos
2 l p cos
r2
]
=
lml cos
r2
[2cos r + sin ]
En primera aproximacin, el campo terrestre puede ser considerado dipolar.

Susceptibilidad Magntica
En presencia de un campo externo H, un cuerpo magnetizable se

magnetiza por induccin magntica. El alineamiento de los dipolos
magnticos al interior del cuerpo, produce un campo magntico M
que se suma al campo externo.
En campos magnticos dbiles (como el terrestre), el campo M es
proporcional a H y alineado en la misma direccin.
El grado de magnetizacin alcanzado por este cuerpo corresponde
a la constante de proporcionalidad, que se define como
susceptibilidad magntica (k), tal que:
M = kH

Unidades
Ms complejo que en el caso de gravedad, bsicamente por el enorme rango

de magnitudes que presentan los campos magnticos dependiendo de la
aplicacin y tambin por la derivacin matemtica, que en algunos casos es
dependiente del sistema de unidades usado !!! (Blakely 1995, p.67).
Bsicamente se usan dos sistemas: CGS (tambin conocido como emu =
Electromagnetic Units) y el Sistema Internacional (SI).
Cm = 1 en emu (adimensional) ; Cm = 0/4 [10-7 henry/m] en SI
0 permeabilidad mag. del vaco.
En emu B se mide en Gauss (G), mientras que en SI, B se mide en Weber/m2
Tesla (T). En aplicaciones geofsicas la unidad ms comn para B es
gamma en emu () o nanotesla en SI (nT).
1 Tesla = 104 Gauss (1 nT = 10-9 T = 1 gamma = 10-5 Gauss)

El Campo Magntico Terrestre
Asumimos en primera aproximacin que la tierra es una esfera de

radio a y consideramos un potencial escalar V, el cual debe satisfacer
la ecuacin de Laplace:
2
V=0
La solucin de esta ecuacin en coordenadas esfricas, estar dada
por los polinomios asociados de Legendre
- Colatitud ; Longitud
A partir de valores medidos por los observatorios magnticos, se

determinan los coeficientes g y h que ajustan una superficie matemtica
al campo observado.
Esto se conoce como el IGRF (International Geomagnetic Reference Field)

N
x
Fh
Fx
D
Fy
F
Fz
F = Intensidad de campo total

I = Inclinacin
D = Declinacin

Induccin Magntica Rocas magnetizadas en direccin del campo actual

Remanencia Magntica Rocas magnetizadas en direccin de un campo
magntico del pasado.
Ej.- Termoremanencia en basaltos ocenicos.
Temperatura de Curie (Tc)


Magnetizacin de las Rocas
100
103
106
Origen Externo
109
Inversiones
Variaciones Seculares
Ciclo Manchas Solares
Recurrencia de Tormentas
(Semianual)
Pulsaciones
Atmosfricas
10-3
Tormentas Mag.
Y Variacin Diurna
CMT. Sus Variaciones Temporales
1012
Origen Interno
Tiempo [s]
1015
VARIACIONES CAMPO
MAGNETICO TERRESTRE
Externas:
periodicidad de 11 aos
variacin diurna ~ 30 nT
variacin lunar ~ 2 nT
tormentas solares
MAGNETISMO: Reduccin de Datos

CORRECCIONES:
- ESTACION BASE (REGISTRO DE VARIACIONES TEMPORALES)
- ANOMALA REGIONAL (IGRF)
VARIACIONES CAMPO
MAGNETICO TERRESTRE
Internas:
variaciones seculares (precesin)
[I=10/400 aos; D=35/400 aos]
[IGRF actualizacin cada 5 aos]
Inversin de campo magntico
[comportamiento catico del proceso
magneto-hidrodinmico que genera
el campo magntico terrestre en el
ncleo lquido de la tierra y el
desarrollo de la capa D en la
interfase manto-ncleo
MAGNETIZACION DE LAS ROCAS

En presencia de un campo externo (H) las
rocas presentan dos comportamientos:
PARAMAGNETISMO: Momento
magntico neto positivo (susceptibilidad
magntica, k > 0)
DIAMAGNETISMO: Se opone al campo
externo (susceptibilidad magntica
negativa), caracterstico de materiales
que completan todos los orbitales. En
ausencia de un campo externo tienen
momento magntico nulo (ej. , grafito,
mrmol, quarzo)
En general el efecto paramagntico y diamagntico es muy dbil,
con la excepcin de los elementos FERROMAGNESIANOS (fierro,
cobalto, nquel), con una interaccin magntica varios ordenes de
magnitud superior.

FERROMAGNESIANOS: El tipo de interaccin magntica define los DOMINIOS
MAGNETICOS:
a) Ferromagnetismo: dominios en fase momento magntico mximo (fierro)
b) Anti-Ferromagnetismo: dominios en oposicin de fase, momento
magnetico nulo (hematita), si los dominios estn levemente rotados se
genera un anti-ferromagnetismo con momento magntico dbil en sentido
perpendicular al campo c)
d) Ferrimagnetismo: momento neto mayor que cero (la mayora de las rocas
magnetizadas en la naturaleza (magnetita, titanomagnetita, ox. fierro)

La solucin slida titanomagnetita
es la familia de xidos de fierro
mas importante en trminos de la
magnetizacin de las rocas, a
mayor contenido de titaneo se
incrementa el tamao de grano y
disminuye la T. Curie => ulvospinel no magntico a temperatura
ambiente, la magnetizacin
superior la alcanza la magnetita.
La solucin slida titanohematita
tiene el mismo comportamiento: al
aumentar el contenido de titaneo,
su valor extremo, hematita,
presenta una magnetizacin dbil
pero alta T. Curie por lo cual es
muy utilizada en estudios
paleomagneticos.
FERROMAGNESIANOS: El grado
de magnetizacin en las rocas se
puede expresar en un diagrama
triangular Fe-Ti-O,
SUSCEPTIBILIDA
D MAGNETICA
ROCAS Y
MINERALES
MAGNETIZACION DE LAS ROCAS: PUNTO CURIE
A medida que aumenta la

temperatura el ordenamiento
mostrado por la
magnetizacin de los
dominios magnticos se
mantiene estable hasta
alcanzar la Temperatura de
Curie, propia para cada
mineral (580 C para la
magnetita). Sobre esta
temperatura los granos
magnticos muestran una
orientacin aleatoria con un
momento magntico neto = 0
MAGNETIZACION DE LAS ROCAS:

CICLO DE HISTERESIS Y REMANENCIA
Al variar la intensidad del campo
externo varia la magnetizacin
adquirida por la roca: (1)
aumenta hasta un nivel de
saturacin (Ms); al decrecer el
campo no necesariamente sigue
la misma trayectoria (2),
manteniendo una magnetizacin
remanente incluso en ausencia de
un campo externo (Mrs), si el
campo H no decrece bajo el valor
Hcr al aumentar el campo retoma
la trayectoria original (1), si
alcanza el nivel de saturacin su
recuperacin la efecta segn la
trayectoria (3)
(2)
(1)
(3)
MAGNETIZACION DE LAS
ROCAS: REMANENCIA
En presencia de un campo externo
variable, la magnetizacin de las
rocas puede contener una
magnetizacin remanente (Mr) que
es funcin de la historia de
magnetizacin a la cual ha estado
sometida la muestra. Esta
magnetizacin remanente puede
tener diversos orgenes pero en
trminos simples puede expresarse
como una componente vectorial neta
que presenta una angularidad
relativa con respecto a la
magnetizacin inducida por el campo
actual (Mt). La importancia relativa
de cada componente se expresa en el
RADIO DE KONIGSBERG : Q= Mr/Mt.
MAGNETIZACION DE LAS ROCAS: REMANENCIA
MAGNETIZACION DE LAS ROCAS: TIPOS DE REMANENCIA

TRM: Magnetizacin Termoremanente. Magnetizacin
adquirida al momento de enfriarse bajo el punto de Curie
correspondiente. Esta magnetizacin es caracterstica de
rocas efusivas tipo basaltos ocenicos que se magnetizan
en la direccin del campo ambiente al momento de
cristalizar en dorsales ocenicas.
MAGNETIZACION DE LAS ROCAS: TIPOS

DE REMANENCIA
DRM: Magnetizacin Detrtica.
Magnetizacin adquirida durante los
procesos de sedimentacin lenta, por
ejemplo en arcillas. Los granos de
magnetita se orientan segn la direccin
del campo ambiente al momento de la
depositacin.
MAGNETIZACION DE LAS ROCAS: TIPOS DE REMANENCIA

CRM: Magnetizacin Qumicoremanente. Magnetizacin
adquirida mediante un proceso
qumico en la diagnesis de rocas
sedimetarias y tambin en
ambientes gneos sometidos a
circulacin hidrotermal (ej.
dorsales ocenicas). Tambin en
ambientes metamrficos (ej.
Depsitos tipo skarn)
Otros tipos, VRM: magnetizacin viscoremanente en sometimiento a

campos externos por un periodo prolongado de tiempo.
IRM: magnetizacin remanente al eliminar el campo externo
MAGNETISMO: Instrumental
MAGNETOMETRO GEOMETRICS G-858
PRECESION (VAPORES DE CESIO)
PRINCIPIO FISICO
MAGNETOMETROS DE PRECESION
Principio del magnetometro de

precesin magntica:
a)En una bobina con agua
destilada se dispone un volumen
de protones con una bobina
envolvente.
b)Se
energiza
la
bobina
generando un campo magntico
intenso en una direccin distinta
del campo terrestre
c) Al cortar el flujo de corriente
por la bobina los protones
adquieren un movimiento de
precesin en torno a la direccin
del campo terrestre con una
frecuencia que es proporcional a
la intensidad del campo (50 a
100 veces la amplitud de las
anomalas observadas)
MAGNETISMO:
Instrumental
GRAVEDAD Y MAGNETISMO: Generalidades

1) Definicin del Experimento
- rea de Estudio
- Objetivos Precisin Requerida
Parmetros de Adquisicin
Direccin y espaciamiento entre perfiles
Razn de muestreo (resolucin espacial)
Tipo de posicionamiento
Etc.
2) Adquisicin Planeamiento Logstica
3) Reduccin de Datos
- Correcciones
- Filtros (relacin seal/ruido)
4) Interpretacin
- Problema geolgico
- Infinitas soluciones (informacin complementaria)
- Modelado
GRAVEDAD Y MAGNETISMO: Conclusiones

ALCANCES
LIMITACIONES
APLICACIONES PRINCIPALES
En Diversos Ambientes Geolgicos
En Chile
RESOLUCIN RELATIVA
COSTOS RELATIVOS
(VOGELSANG, 1993)
MDULO II.- GEOFISICA DE POTENCIAL DESCRIPTIVA
MODULO 2: TEORIA DE POTENCIAL

DESCRIPTIVA
SATELITAL (CONTINENTAL)
REGIONAL (MARINA-TERRESTRE)
LOCAL (EXPLORACION)
GRAVEDAD:
Gravedad Satelital, Sandwell-Smith, 1997

Geosat: rbita 800 km altitud
Gravedad Satelital,
Sandwell-Smith, 1997
Gravedad Satelital, Sandwell-Smith, 1997
GRAVEDAD
SATELITAL
SUDAMERICA
MAGNETISMO: MAGSAT
MAGNETOMETRIA SATELITAL: PROYECTO MAGSAT
MAGNETOMETRIA
SATELITAL:
PROYECTO
MAGSAT:
ATLANTICO
MAGNETOMETRIA
SATELITAL: PROYECTO
MAGSAT: PACIFICO
MAGNETOMETRIA SATELITAL: MODELO DE

REMAGNETIZACION N PERIODOS DE
POLARIDAD MAGNETICA ESTABLE
MAGNETOMETRIA SATELITAL: PROYECTO MAGSAT: MODELACION ATLANTICO
MDULO II.- GEOFISICA DE

POTENCIAL DESCRIPTIVA
MAGNETOMETRIA
SATELITAL:
PROYECTO
MAGSAT:
MODELACION
PACIFICO
REGIONAL: RESPUESTA MAGNETICA Y

GRAVIMETRICA EN MARGENES DE PLACA
RESPUESTA
GRAVIMTRICA
EN DORSAL
OCEANICA
MARGEN DIVERGENTE: AL ENFRIARSE EL MAGMA ADQUIERE LA

MAGNETIZACION DEL CAMPO MAGNETICO TERRESTRE
GRAVEDAD: MARGEN ACTIVO
RESPUESTA MAG&GRAV EN MARGEN PASIVO
MAGNETISMO REGIONAL: CORTEZA

OCEANICA
MARGEN DIVERGENTE: AL ENFRIARSE EL MAGMA ADQUIERE LA

MAGNETIZACION DEL CAMPO MAGNETICO TERRESTRE
Anomalas magnticas de fondo ocenico

tratamiento clsico Tebbens, 1997
Interpretacin tectnica
Interpretacin tectnica
Implicancias:
Cinemtica
Reconstruccin de placas
PROYECTO CONDOR:
MAGNETISMO EN CORTEZA
OCEANICA ASOCIADA A LA
COLISION DE LA DORSAL DE
JUAN FERNANDEZ
AREA DE
TRABAJO
RAW DATA
200
[nT]
-200
-400
0
20000
40000
60000
80000
100000
120000
140000
160000
180000
distance [m]
200000
A'
SYNTHETIC MODEL
[nT]
-200
-400
0
20000
40000
60000
80000
A
16
17
100000
120000
140000
160000
180000
200000
A'
distance [m]
18
Anomaly
500 m
35.5
36.5
37.5
half spreading rate 6 cm/yr; magnetization: 1.5 [Am-1]
38.5
39.5
Ma

ANALISIS FLEXURAL: GRAVEDAD
ANALISIS FLEXURAL MEDIANTE LA COMBINACION

DE GRAVEDAD Y RELIEVE, STEWART & WATTS, 1997
ANALISIS
FLEXURAL
MEDIANTE LA
COMBINACION
DE GRAVEDAD Y
RELIEVE
ESTIMACION DE ESPESOR ELASTICO EN SUD-AMERICA
EXPLORACION CARTA
MAGNETICA
GRAVEDAD EN CUENCAS BASIN&RANGE
FUNCION DE DENSIDAD GENERALIZADA

normalized density structure [gr/cc]
0
2.34
-0.1
-0.2
2.34
2.33
-0.1
2.33
2.32
-0.2
2.32
-0.3
2.31
-0.4
2.3
-0.5
2.29
-0.6
2.28
-0.7
normalized depth]
normalized depth]
-0.3
normalized density structure [gr/cc]

0
2.31
-0.4
2.3
-0.5
2.29
-0.6
2.28
-0.7
2.27
-0.8
2.27
-0.8
2.26
-0.9
2.26
-0.9
-1
2.25
0
0.2
0.4
0.6
normalized distance
0.8
-1
0.2
0.4
0.6
normalized distance
0.8
2.25
DISTRIBUCION DE DENSIDAD EN AMBIENTES

DE CUENCAS TIPO BASIN & RANGE
density contrast structure [gr/cc]
density contrast structure [gr/cc]
-0.32
-0.33
-100
-0.32
-0.33
-100
-0.34
-0.34
-200
-200
-0.35
-300
-0.36
-400
-0.37
-0.38
-500
depth [m]
depth [m]
-300
-0.35
-0.36
-400
-0.37
-0.38
-500
-0.39
-600
-0.39
-600
-0.4
-700
-0.41
-800
0
2000
4000
6000
distance [m]
8000
10000
-0.4
-700
-800
-0.41
2000
4000
6000
distance [m]
8000
10000
FUNCION DE DENSIDAD EN TEGUACHI (MEXICO)

d e n s it y c o n t ra s t s t ru c t u re [ g r/ c c ] P e rfil 1 T e g u a c h i
-0 . 3 2
800
-0 . 3 3
-0 . 3 4
700
-0 . 3 5
depth [m]
600
-0 . 3 6
-0 . 3 7
500
-0 . 3 8
-0 . 3 9
400
-0 . 4
300
-0 . 4 1
2000
4000
6000
d is t a n c e [ m ]
8000
COMPARACION
MODELO DE DENSIDAD
CON SECCION
ESTRUCTURAL EN
TEGUACHI
EXPLORACION NORTE CHILE
PAMPA DEL TAMARUGAL SUR

MAGNETISMO: anomalas de alta frecuencia
(volcnico/intrusivo) y sistema estructural NE
GRAVEDAD:desarrollo de cuencas en flanco sur oriental

cortada por sistema estructural evidenciado en magnetismo
PAMPA DE
LIMON VERDE
GRAVEDAD:
cuenca de mas de 1000m
en flanco norte; sistema
estructural NS que
coincide con ramal de
falla oeste en sector
occidental
MAGNETISMO:
anomalas de mas alta
frecuencia asociada
a cuerpos mas someros;
anomala de baja frecuencia
sobre cuenca gravimetrica
(relleno magntico?)
DESCRIPCION
GEOFISICA
CANDELARIA
(MODELO TIPO)
CAMPO MAGNETICO
RTP
MAGNETIZACION DE
LAS ROCAS
DURANTE LOS
EVENTOS
MAGMATICOS Y DE
ENRRIQUECIMIENTO
DURANTE EL
PERIODO QUIETO
DEL CRETACICO =>
MAGNETIZACION EN
LA DIRECCION DEL
CAMPO ACTUAL
ESTRATIGRAFIA Y ALTERACION
SECCION GEOLOGICA V/S RTP

MODELACION
MAGNETICA
EXPLORACION
BRASIL:
Ambientes de
borde cratnico
30
253 00
9190000
25300
0
30
25
500
25
0
2530
300
25
25500
0
9 0
3
2 5
9180000
24
0
80 0
24
0
2530
0
00
20
L12
25100
0
70
24
2 5200
2 4 6
2530
0
3
0
0
200
0
24
90
0
20
25
0
10
25
0
00
25
0
0
2530
2560
252 00
2
L12
0
25 60
6
25
00
0
530
9160000
6
25
00
0
50
25
L2
C.T.
9170000
0
253
0
55 0
25
200
Scale 1:350000
25000
2 4
2
5000
5000
9150000
9150000
[nT]
0
00
25
metres
25
70 0
00
2 56
25
200
CODELCO DO BRASIL
25
500
2530
0
00
252
0
4
5
20 0
225532 0 0
00
256
0
2 5
5
2 5
PROYECTO GRADAUS
2
5
3
0
0
MAGNETOMETRIA AEREA
25100
INTENSIDAD DE CAMPO TOTAL
510000
520000
530000
540000
550000
9140000
00
255
00
253
25400
9140000
EXPLORACION
BRASIL: CAMPO
MAGNETICO
25
25100
25
9190000
00
54
25572
25508
25473
25447
25428
25412
25395
25378
25364
25354
25346
25342
25337
25331
25324
25317
25309
25302
25294
25288
25281
25273
25264
25254
25241
25228
25213
25196
25181
25163
25143
25114
25073
25018
24942
24842
24734
24552
550000
9180000
540000
9170000
530000
L2
9160000
520000
9200000
9200000
510000
AMBIENTES
CRATNICOS DE
ROCAS MAFICAS CON
GRAN CONTRASTE
MAGNTICO
MDULO III.- TEORIA DE POTENCIAL
MODULO 3: TEORIA DE
POTENCIAL
Campos
Se defienen dos tipos de campos:
campo de material: que caracterizan una propiedad fisica
en el espacio (densidad, magnetizacion, temperatura)
campo de fuerza: fuerza actuando en una determinada
posicion en el espacio y tiempo (gravedad, magnetismo,
campo electrico)
Los campos pueden ser escalares (campo gravimetrico gz)

o bien vectoriales (campo magntico)
Campos
Los campos vectoriales pueden exprezarse en trminos de
las lneas de campo o lneas de flujo. Por ejemplo el campo
gravitacional:
m
g ( P ) = G
Campos
Se puede desmostrar que si la funcin F es un campo
vectorial continuo entonces las lineas de campo se pueden
expresar como la integracin de las ecuaciones diferenciales:
dx dy dz
=
=
Fx Fy Fz
Ejercicio: demostrar esta afirmacin
ENERGIA TRABAJO Y POTENCIAL

La energa cinetica utilizada para mover una particula en un
campo de fuerza es definida como el trabajo efectuado por el
campo de fuerza.
La segunda ley de Newton nos indica que:
d
F = m v
dt
Tal que al multiplicar por v (velocidad) a ambos lados se
obtiene:
d 2 d
Fv = m v = E
dt
dt
1
2
t1
p1
to
po
( E Eo ) = F vdt ' = F ds = W ( po , p1 )

El trabajo efectuado depende de la trayectoria seguida entre
los puntos Po y P1.
Un campo de fuerzas se dice conservativo si el trabajo es
independiente de la trayectoria seguida.
Si ese es el caso entonces para el trabajo en una dimensin:
p1
x1
F ds = F dx = W (x , x )
o
po
xo
W
Fx =
x

La expresin anterior se puede generalizar para 3-D tal que:
r W W W
F =
= W
,
,
x y z
La derivada del trabajo en cualquier direccin es igual a la
componente de fuerza en esa direccin. En consecuencia
cualquier cualquier campo de fuerzas cuya funcin trabajo
tiene derivadas es un campo conservativo.
El potencial asociado a un campo vectorial se define como
el trabajo hecho a favor o en contra del campo dependiendo
de la naturaleza de la fuerza:

Fuerzas de atraccin (gravedad):
r
F =
Fuerzas de repulsin (electrosttica):
r
F =
El potencial se define como el trabajo efectuado para traer
una dada particula desde el infinito hasta su posicin actual:
P
= F ds

Definicin:
Superficie equipotencial, superficie en la cual el potencial se
mantiene constante
( x, y, z ) = constante
Funciones armonicas: Mas adelante veremos que la siguiente
ecuacin diferencial (de Laplace) tiene importantes
implicancias en la teoria de potencial. Esta ecuacin presenta
la siguiente forma:
=0
2
Si cumple esta relacin se dice que esta funcin es armonica

(y puede ser resuelta con funciones sinusoidales
POTENCIAL: Consecuencias
En la presentacin anterior se definio la funcin potencial en
campos de fuerzas conservativos, ahora se revisara una serie
de caracteristicas que son fundamentales para el
tratamiento posterior de la teoria de potencial
Identidades de Green:
Considerar dos funciones U y V continuas y diferenciables en
primer orden en un espacio R cerrado. Ademas considerar
que U presenta una segunda derivada continua en la frontera
R. Definiendo:
A = V U
Entonces:
Adv = (VU )dv

R
= V U + V U dv
2
Usando el teorema de divergencia, la integral del lado

izquierdo se puede reducir a una integral de superficie en el
entorno R:
Adv
=
A
n
dS
=
V
n
dS = V
dS
R
S
S
n
S
Entonces se obtiene la primera identidad de Green:
[
R
U
V U + V U dv = V
dS
n
S
2
Si la funcin U es armonica y V=1 (constante), entonces:
U
S n dS = 0
Si la funcin U es armonica el flujo nulo atravez de la
frontera implica la ausencia de fuente al interior del dominio:
[
R
U
V U + V U dv = V
dS
n
S
2
Si la funcin U es armonica y V=U, entonces:
U
R (U ) dv = S U n dS
2
Si la funcin U es nula en la frontera entonces se cumple que

es nula al interior donde U es constante. Se puede demostrar
ademas que si hay dos potenciales U1(S) = U2(S) entonces
U1 y U2 son identicos. En otras palabras la condicion interior
esta determinada por las condiciones de borde.
Segunda identidad de Green:
Si se intercambian U y V en la primera identidad de Green y
se resta a esta:
U
V
R U V V U dv = S U n V n dS
2
Que corresponde a la Segunda identidad de Green:
Tercera identidad de Green:
Considerar V=1/r en segunda identidad de Green (r es la
distancia entre los puntos P y Q):
[U
R
2 1
r
U dv = U
S
1
r
1r 1 U
dS
r
n
n
Se demuestra que al integrar c/r a Q se obtiene 3a Identidad

de Green:
2
1
U
1r 1 U
r
U ( P) =
dv + U
dS
n
n
4 R r
S
Tercera identidad de Green:
Si U es armnico:
1 1r 1 U
r
U ( P) =
U
dS
n
4 S n
MDULO IV.- Modelacin directa
MODULO 4: MODELACION
DIRECTA
Gravedad
El potencial gravitatorio se define
como:
U ( P) = G
V
dv
Tal que la aceleracin de

gravedad se puede escribir como:
g ( P ) = U = G
V
rdv
o en particular en direccin de z:
U
g ( P ) = U =
= G
z
x'

y'
z'
(
z z ')
( x' , y ' , z ' )
dx' dy ' dz '
r3
Gravedad
Donde la distacia observadorfuente r es:
2
r=
( x x ') + ( y y ') ( z z ')

2
A) PRISMAS RECTANGULARES
Para prismas rectangulares
centrados en el origen a una
profundidad z, que pueden
aproximar un cuerpo irregular
(Plouff, 1975):
g = G
x2
x1
y2
z'
z2
(x' + y' + z ' )

y1
z1
2 3/ 2
dx' dy ' dz '
Gravedad
A) PRISMAS RECTANGULARES
Integrando en los lmites correspondientes del prisma:
g = G
i =1
xi y j
2
2
xi log(Rijk + y j )
z k atan
z k Rijk
ijk
j =1 k =1
yi log(Rijk + x j )
Rijk = x + y + z ;
2
i
2
j
2
k
ijk = ( 1) ( 1) ( 1)
i
Gravedad
B) LAMINAS DE PLANTA VARIABLE
Para cuerpos de forma irregular
Talwani & Ewing proponen separar la
integral de volumen en una
integracin de lnea en planta para
luego efectuar la integracin c/r a z
como una sumatoria de la secuencia
de laminas horizontales.
g = G z 'dz '
z'
dx' dy '
(x' + y' + z ' ) = G z '( z ' )dz '

144424443
x'
y'
2 3/ 2
z'
( z ')
Gravedad
La integral (z) se resuelve mediante una integracin de lnea
(teorema de Stokes):
A dl = ( A) nds
s
En la integral anterior esta transformacin de Stokes se

resuelve como:
A=
x'
(y' + z ' ) (x' + y' + z ' )

2
2 1/ 2
; dl = dy '
Gravedad
Discretizando entonces en trazos
rectos, la integral de lnea se
expresa como:
M y m+1
( z ' ) =
x' dy '
(y' + z ' )(x' + y' + z ' )
m =1 y m
2 1/ 2
Gravedad
Esta integral se resuelve para los M segmentos del permetro
de la planta del cuerpo para la profundidad z:
M
( z ' ) = [atan( m +1 ) atan( m )]

m =1
m =
[(
z ' m ym m z '
] (
z ' ( y
)z ' + ] (
xm 1 + m2 z '2 + m2 m2 z '2 + m2
m +1 =
[(
xm +1 1 + m2
x' = m y '+ m ;
2
m
)
)
xm2 + ym2 + z '2
'
z
m +1
m
2
m
z '2 + m2
xm +1 xm
m =
;
ym +1 ym
xm2 +1 + ym2 +1 + z '2
xm ym +1 xm +1 ym
m =
ym +1 ym
Gravedad
Finalmente la integracin segn z se resuelve subdividiendo
el volumen en lminas de espesor dh a una profundidad hi:
M
g = Gh hn ( z ' , hn ) = hn [atan( m +1,n ) atan( m ,n )]
n =1
n =1
m =1
N
Gravedad
C) MODELACION 2-D
Para cuerpos que se extienden
en forma infinita en una
direccin (p.ej cuencas
sedimentarias elongadas en
direccin del rumbo), la
integral de volumen se
transforma en una integral de
superficie (integrando entre - y
+infinito en direccin y:
potencial logartmico), cuya
gravedad corresponde a:
z ' dx ' dz '

g = 2G 2 2
x' + z '
S
Gravedad
C) MODELACION 2-D
Esta integral de superficie puede tambien expresarse como una
integral de lnea mediante la aplicacin del teorema de stokes:
z ' dx' dz '

x'
g = 2G 2 2 = 2G atan dz '
x' + z '
z'
S
Esta integral de lnea se discretiza en trazos rectos que simulan
en forma aproximada la geometra del cuerpo anmalo:
n rn +1
log
g = 2G
n ( n +1 n )
2
rn
n =1 1 + n
xn +1 xn
; n = xn n z n
x' = n z '+ n ; n =
z n +1 z n
rn = xn2 + z n2 ;
n = atan( z n / xn )
MAGNETISMO
P(x,y,z)
Potencial Magntico en cuerpo magnetizado

de forma arbitraria
Un cuerpo magnetizado de volumen
V puede ser discretizado en dipolos
magnticos cuya distancia dipolar
sea considerablemente superior a la
distancia entre el punto de
observacin y la fuente. El potencial
magntico diferencial de cada dipolo
al interior del volumen V
corresponde a:
M(x',y',z')
r
A = M (r ' ) cosr 2 = M (r ' ) ( r1' )
En consecuencia el potencial
magntico de todo el volumen
V se expresa como:
A(r ) = M (r ' ) ( r 1 r ' )dv'

V
Si la magnetizacin es uniforme no depende del volumen de

integracin y puede ser ubicada fuera de la integral en conjunto con
el operador gradiente:
A(ro ) = M (ro ) ( r 1 r )dv

o
La expresin anterior permite establecer una importante relacin

entre el potencial magntico y gravitario para el caso de
distribuciones homogneas de densidad y magnetizacin:
A(ro ) =
M ( ro )
G ( ro )
(Relacin de Poisson).
Gm
Fuerza gra vitacional F = = U U (r ) =
r
o bien para una distribucin en un volumen dado :
Gm
r2
U (ro ) = G
v
dm
r ro
= G
v
dv
r ro
= G
v
dv
r ro
(densidad constante)
Relacin de Poisson:
A(ro ) =
M ( ro )
G ( ro )
Si pensamos en una carga magntica distribuida en

un volumen de integracin:
1
A(r ) M (r )
r ro
V
dv
1
H = A = M (r )
r ro
s
dv
Si la direccin de magnetizacin es la misma en todo

el volumen de integracin entonces:
dv
M = M
H =
M (r )
s
r ro
Al igual que en gravimetra, es posible derivar una
expresin similar del potencial magntico para
cuerpos infinitamente extendidos en la direccin del
rumbo. Utilizando la relacin de Poisson se obtiene:
A(r ) = 2 M (r ' ) log( r 1 r ' )ds '

s
Si la magnetizacin es constante, entonces podemos

expresar el efecto magntico de un cuerpo de forma
arbitraria como:
H (ro ) = M (ro )
dv
r ro
N
Donde es la direccin de
magnetizacin del cuerpo
magnetizado:
d
i
M ()
La derivada direccional en
direccin se expresa en un
sistema cartesiano como:
Z
= cos(i ) cos(d ) + cos(i ) sin(d ) + sin(i )
x
y
z
En la prctica sin embargo el magnetmetro registra

el campo magntico del cuerpo anmalo superpuesto
al campo magntico terrestre, y por razones del
principio fsico utilizado para efectuar la medicin del
campo (ver recuadro), solo se registra la componente
paralela al campo ambiente en el lugar de medicin.
H = H o + H ,
peroH << H o
T H = A =
H
T
= cos( I ) cos( D ) + cos( I ) sin ( D ) + sin ( I )
x
y
z
: direccin del campo magntico terrestre,
I , D : inclinaci n y declinacin del campo magntico
Ho
En caso de cuerpos magnetizados por induccin

( = ; => M = Fo):
2
T (ro ) = ' Fo
2
1
r ro
dv
Para el caso de vectores no coincidentes (remanencia

pura):
2
T (ro ) = M
En el caso mas general:
1
r ro
dv
M = M o + ' Fo
EJEMPLO:
VERTICAL
MODELACION
MAGNETICA
DE
DIQUE
En el captulo de gravedad se demostr que la integral

de volumen:
1
r ro
v
dv
Puede expresarse como una integral de superficie bajo

el supuesto que el cuerpo presenta simetra cilndrica
(se extiende infinitamente en direccin del rumbo):
1
r ro
1
dv = 2 log(
)ds
s
r ro
En consecuencia el potencial magntico en dos

dimensiones se expresa como:
A ( ro ) = 2 M log ( r 1 r ) ds
o
1
1
A(ro ) = 2 M x log( r r )ds + z log( r r )ds
o
o
z s
x s
x : cos(i ) cos(d );
z : sin(i )
N.M.
Y
A(ro ) = 2 M x
s
x
r ro
ds + z
s
z
2 ds
r ro
El campo magntico total se expresa entonces como:
A
A
T = A(ro ) = x
+ z
x
z
x : cos( I ) cos( D );
T = 2 M

x
x s
x
r ro

x
z s
x
r ro
z : sin( I )
ds + z
s
ds + z
s
z
+
ds
r ro

z
ds
r ro


x x

s
T = 2 M

z x
s

z 2 x 2 ds +
2 x z ds +
z
4
4

r ro
r ro

2 x z ds +
x 2 z 2 ds
z
4
4

r ro
r ro

s
T = 2 M { x [ xU xx + zU xz ] + z [ xU xz zU xx ]}
U xx =
z 2 x 2 ds;
4
r ro
U xz =
2 x z ds
4
r ro
Si el cuerpo esta magnetizado por induccin:
x = x = cos(i ) cos(d )
z = z = sin(i )
U cos 2 (i ) cos 2 (d ) sin 2 (i )

T = 2 M xx
2 U xz [cos(i ) cos(d ) sin(i )]
]+
En consecuencia para resolver el campo total es

necesario conocer los cosenos directores y las integrales:
U xx =
z 2 x 2 ds;
4
r ro
U xz =
2 x z ds
4
r ro
Evaluando estas integrales para un punto x distinto del

origen:
U xx =
[
s
z 2 ( x xo ) 2
( x xo ) 2 + z
2 2
ds;
U xz =
[
s
2( x xo ) z
( x xo ) 2 + z
x=0
Para una geometra

correspondiente a un dique vertical:
2d
2 2
ds
x
x = d z =
U xz =
[
dx
x = d z = h
2( x xo ) z
( x xo ) 2 + z
2 2
dz
Integrando c/r a z:
x=d
U xz =
[
(x x ) +h ]
x = d
Integrando c/r a x:
( x xo )
2
dx
2
2
d
+
(
d
+
x
)
+
h
1
1
o
U xz ( xo ) = log ( x xo )2 + h2 d = log
2
2
(d + xo )2 + h2
U xx =
[
dx
z 2 ( x xo ) 2
( x xo ) 2 + z
2 2
dz
Integrando c/r a x / z:
h
h
U xx = arctan
arctan
xo + d
xo d
(d + xo ) 2 + h 2
1
U xz ( xo ) = log
2
( d + xo ) 2 + h 2
4
2
U xz
U xx
0
-2
-4
-5000 -4000 -3000 -2000 -1000
1000
2000
3000
4000
5000
h
h
U xx = arctan
arctan
+
x
d
x
d
o
o
0
-1000
-2000
-5000 -4000 -3000 -2000 -1000
1000
2000
3000
4000
5000
Para variaciones
del ngulo de
inclinacin vemos
que la componente
par es mxima en
los polos y mnima
en el ecuador.
A su vez la
componente impar
es nula en los polos
y ecuador y dipolar
antisimtrica para
inclinaciones
positivas y
negativas
cos 2 (i ) cos 2 (d )
U xx
+
T = 2 M
sin 2 (i )
MODELACION DE CUERPO 2-D DE FORMA ARBITRARIA (MODELO

DE TALWANI): MAGNETISMO
Siguiendo el desarrollo expuesto

para la modelacin gravitatoria y
la relacin de Poisson, debemos
discretizar el contorno del cuerpo
en trazos rectos, de tal forma que
el efecto gravitatorio de cada
segmento es equivalente a la
modelacin de un dique
horizontal:
r1 A (X1, Z1)
r2
B (X2, Z2)
U cos 2 (i ) cos 2 (d ) sin 2 (i )

Tl = 2 M xx
Z
]+
Donde es necesario evaluar:
U xx =
[
s
z 2 ( x xo ) 2
( x xo ) 2 + z
2 2
ds;
U xz =
[
s
2( x xo ) z
( x xo ) 2 + z
2 2
ds
De acuerdo a los siguientes lmites:
z2
U xx =

dz
z1
z ( x xo )
2
[
(x x ) + z ]
c + m z
2
2 2
z2
dx
U xz =

dz
z1
2( x xo ) z
[
(x x ) + z ]
c + m z
2
2 2
La solucin de ambas integrales expresadas en trminos

de la geometra del dique horizontal es:
r
U xx = ( 2 1 ) sin( ) 2 cos( ) sin( ) log 2
r1
r
U xz = ( 2 1 ) cos( ) sin( ) + sin( ) 2 log 2
r1
dz
r2
2
U xx = ( 2 1 ) sin( ) cos( ) sin( ) log
r1
r1
2
X
A (X1, Z1)
r2
r2
U xz = ( 2 1 ) cos( ) sin( ) + sin( ) log
r1
2
B (X2, Z2)
O bien en forma compacta en trminos de las

coordenadas de ambos vrtices:
2
z21
z21 x21
z21 x21
2
z21
r2
U xx = ( 2 1 )
log
2
2
2
2
r1
x21 + z21 x21 + z 21
r2
U xz = ( 2 1 )
+
log
2
2
2
2
r1
x21 + z21 x21 + z 21
x21 = x2 x1;
z21 = z 2 z1;
r1 = sqrt ( x12 + z12 );
r2 = sqrt ( x22 + z 22 )
Al efectuar la suma de todos los segmentos del cuerpo que

definen diques horizontales, se recupera una integral de lnea
correspondiente al cuerpo a modelar dado que las integrales
del flanco derecho se suman con signo opuesto para
descontar el aporte del cuerpo que se extiende hasta infinito
(comn para todos los diques horizontales) :
Ttot = Tl
X
-ANOMALIA MAGNTICA DIPOLAR

-ANOMALIA GRAVIMETRICA MONOPOLAR CENTRADA EN EL CUERPO
-DISMINUCIN DE AMPLITUD CON EL CUADRADO DE LA DISTANCIA
EN GRAVEDAD Y EL CUBO DE LA DISTANCIA EN MAGNETISMO
-AUMENTO DE LONGITUD DE ONDA A MAYOR PROFUNDIDAD
ANOMALIA RESULTANTE DE LA SUPERPOSICION DE CUERPOS

ANOMALOS ES IGUAL A LA SUMA DE LOS EFECTOS
INDIVIDUALES
TEORIA DE MUESTREO ALIASING: AL MUESTREAR LA ANOMALIA

CON UN INTERVALO INFERIOR AL TAMAO DEL CUERPO LA
ANOMALIA NO ES RESUELTA EN FORMA COMPLETA
DX=5M
DX=150 M
CUERPOS TRIDIMENSIONALES:
MDULO V.- ANALISIS EN DOMINIO DE FRECUENCIAS
MODULO 5: ANALISIS
DOMINIO DE LAS
FRECUENCIAS
Introduccin al Anlisis de Fourier

La Transformada de Fourier de una funcin f(x) se define como:
F(k) =
f(x)e-ikx dx
-
k= 2/ Nmero de Onda
La Transformada de Fourier ser en general una funcin compleja

(F(k)=ReF(k)+iImF(k)) y podr ser escrita como:
F(k) = F(k)ei(k)
F(k)= [(ReF(k))2+(ImF(k))2]1/2
donde:
(k) = Tan-1 ImF(k)
ReF(k)
La Transformada inversa de f(x) ser:

f(x) = 1
2
F(k)eikx dk
Algunas Propiedades de la Transformada de Fourier

- Es un operador lineal :
FT[af(x)+bg(x)] = aF(k) + bG(k)
- Hermitiana:
f(x) es real F(k) = F*(-k) (* Complejo Conjugado)
- Un desplazamiento en el dominio del espacio (tiempo), equivale a un
cambio de fase en el dominio de la frecuencia:
f(x-x0) F(k) e-ikx0
- Derivadas :
dn
FT[
f(x)] = (ik)nF(k)
n
dx
- Sistemas Lineales y Convolucin :

f(x)
h(x)
g(x) = f(x)*h(x)
(* Convolucin)
En el dominio de las frecuencias, G(k) = F(k)H(k)
Transformada de Funciones Tpicas
Aliasing
Frecuencia de Nyquist = fn = 1 / 2
Intervalo de Muestreo
Continuaciones Analticas
Partiendo del teorema de Green,
[U V V U]dv = [U V
n
2
- V U ]ds
n
y considerando U = potencial gravitatorio

V = 1/r (r = distancia a un punto P fuera de R)
Es posible llegar al siguiente resultado (Blakely, 1995 pp.313-316) :
g(x,y,z) =
z
2
g(x,y,z)
- -
R3
dxdy
Donde z=z-z y R= ((x-x)2+(y-y)2+z2)1/2
Si nos alejamos de la fuente hablaremos de Continuacin Hacia
Arriba (Upward Continuation), mientras que si nos acercamos a la
fuente hablaremos de Continuacin Hacia Abajo (Downward
Continuation). En este ltimo caso, la expresin tendr validez slo
mientras estemos fuera del volumen (2U=0).
Este resultado es directamente generalizable para el campo magntico.
Veamos la transformada de Fourier de la expresin obtenida:
Fz(Kx,Ky) =
g(x,y,z)
- - -
-
z
[ 2
R3
-i(kxx+kyy)
dxdy ] e
dxdy
Haciendo el cambio de variables x1=(x-x) & y1=(y-y) y reagrupando

trminos, otenemos:
Fz(Kx,Ky) =
Pero
- -g(x,y,z) e
z
1
-
=
(
R3
z R )
-i(kxx+kyy)
z -i(kxx1+kyy1)
dxdy
e
dx1dy1
2R3
- -
propiedades y la TF(1/R) (Blakely, pp.271-273):
-lzl(kx+ky)1/2
Fz(Kx,Ky) = Fz(Kx,Ky) e
|z|(kx+ky)1/2
Fz(Kx,Ky) = Fz(Kx,Ky) e
Continuacin Hacia Arriba
Continuacin Hacia Abajo
- Procedimiento en tres pasos: Transformada/Filtro/Antitransformada

- Forma del Filtro (Pasa Bajo/Pasa Alto)
EJEMPLO DE
CONTINUACIO
N SOBRE
CUERPOS
TEORICOS
EJEMPLO DE
CONTINUACIO
N SOBRE
CUERPOS
TEORICOS:
CONTINUADO
1000M
ARRIBA
EJEMPLO DE
CONTINUACIO
N SOBRE
CUERPOS
TEORICOS:
CONTINUADO
1000M ABAJO
CONTINUACION HACIA ARRIBA

(MAGNETISMO)
OBSERVACION
OBSERVACION
1000M ARRIBA
CONTINUACION
1000M ARRIBA
CONTINUACION HACIA ARRIBA

(GRAVEDAD)
OBSERVACION
OBSERVACION
1000M ARRIBA
CONTINUACION
1000M ARRIBA
CONTINUACION HACIA ABAJO + FILTRO PASABAJO

DE 1000M (MAGNETISMO)
OBSERVACION
OBSERVACION
1000M ABAJO
CONTINUACION
1000M ABAJO
CONTINUACION HACIA ABAJO + FILTRO PASABAJO

DE 1000M (GRAVEDAD)
OBSERVACION
OBSERVACION
1000M ABAJO
CONTINUACION
1000M ABAJO
- Condiciones para la existencia de la antitransformada ?
- Aplicaciones de las Continuaciones Analticas
Continuaciones Analticas a Superficies Arbitrarias

Continuation of Potential Fields Between Arbitrary Surfaces
Geophysics Vol.49 pp.787-795; Hansen & Miyazaki
Porque puede ser util en algunos casos ?
(x,y,z) =
1
2
(,) r
r3
dS
La geometra del problema se muestra

en la figura, y consiste en ubicar una
capa equivalente de dipolos entre la
superficie de observacin y las fuentes.
Dicha capa equivalente debe reproducir
los datos observados.
Continuaciones Analticas a Superficies Arbitrarias

-
El problema se reduce entonces a resolver una ecuacin integral

de Fredholm para un campo escalar, una vez hecha la eleccin
adecuada de la capa equivalente y de la direccin de
magnetizacin de los dipolos.
El sistema ser mas estable mientras mas cerca est del nivel de
observacin (z mximo).
Si la superficie a continuar est por sobre el nivel de

observacin, la solucin ptima se encontrar ubicando los dipolos
en la superficie de observacin y en los mismos puntos de grilla.
La unicidad de la solucin (continuacin) est garantizada por las

condiciones impuestas a .
1) Debe satisfacer la ecuacin de Laplace en la regin sobre D.
2) Debe anularse cuando z .
3) Debe reproducir los datos observados.
Derivadas
Vimos dentro de las propiedades de la FT:
dn
FT[
f(x)] = (ik)nFT(f(x))
n
dx
En 2-D tendremos por lo tanto que (iKx)n e (iKy)n, son filtros que
transforman la funcin medida en sus derivadas espaciales respecto
a x e y respectivamente.
- Forma del Filtro (Pasa Alto)
- Aplicaciones de las Derivadas
- Segunda Derivada Vertical
Consecuencia Directa de la Ecuacin de Laplace
2U
2U
+
2
x
y2
FT[
2f(x,y)
z2
2U
+
= 0
2
z
] = (Kx2 + Ky2) FT[f(x,y)]
Reduccin al Polo
La relacin de Poisson establece:
A(r) =
M
M
U(r)
g =
G
G
Donde A Pot. Magntico; U Pot. Gravitatorio; Dir. Mag. Fuente
Si tomamos la derivada en la direccin del c.m.t. ( t ), obtenemos:

(1)
T(r) =
M 2
U(r)
G t
con T Campo mag. cuerpo anmalo
Analogamente, la anomala terica que producir el mismo cuerpo en

el polo magntico ser:
(2) Tpolo(r) =
M 2
U(r)
G z2
t = ai+bj+ck
= i+j+k
Reduccin al Polo
Tomando FT a las ecuaciones (1) y (2) e igualando FT[U(r)],
obtenemos:
FT[Tpolo(r)] = FP(kx,ky) FT[T(r)]
Con
FP(kx,ky) =
Kx2 + Ky2
[iakx+ibky+c(kx2 + ky2 )1/2] [ikx+iky+(kx2 + ky2 )1/2]

- Aplicaciones
- Que pasa en bajas latitudes geomagnticas (I<20) ?
ky
kx
En polares kx=rcos() ; ky=rsin()
REDUCCION AL POLO
OBSERVACION
OBSERVACION
I=90
REDUCCION AL
POLO
Reduccin al Polo (Baja Latitud Geomagntica)

Norte
Adems: =cosIcosD ; a=cosI0cosD0

=cosIsinD ; b=cosI0sinD0
=sinI
; c=sinI0
D
I
Este
Y escribiendo el FP en estos trminos, tendremos:

FP() =
1
[icosIcos(D- )+sinI] [icosI0cos(D0- )+sinI0]
Claramente este filtro no tiene dependencia radial y para valores

bajos de I0 y en la direccin = D090, el filtro presentar valores
muy altos, que amplificarn el ruido presente en el espectro de
frecuencias del campo observado y el campo reducido al polo
resultar completamente contaminado.
Como ha sido enfrentado este problema ?
Reduccin al Polo (Baja Latitud Geomagntica)

-Aplicacin de filtros pasa-banda
- Como un problema de inversin
Reduction to the Pole as an Inverse Problem and its Application to LowLatitude Anomalies. J. Silva., Geophysics Vol.51 N2 pp.369-382.
Se determina una capa equivalente de dipolos que reproduce los

datos observados, y luego se calcula su efecto en el polo magntico
(I=90).
Problemas prcticos: es necesario resolver un sistema lineal
grande, de naturaleza inestable (mal condicionado).
- Aplicando un Filtro de Wiener
Reduction to the Pole at Low Latitudes by Wiener Filtering. R. Hansen and
R. Pawlowski. Geophysics Vol.54 N12 pp.1607-1613.
Se estiman a partir del espectro de potencia de los datos

observados, sus componentes de seal y ruido, y luego se disea
un filtro que minimiza el cuadrado de los errores. Los resultados son
satisfactorios y tiene todas las bondades numricas de operar en el
dominio de Fourier. Este algoritmo fue posteriormente mejorado en:
Geophysics Vol.61 N1 pp.131-137
Reduccin al Ecuador
Tal como la Reduccin al Polo, la Reduccin al Ecuador puede ser
realizada como una transformacin lineal y puede ser usada como
una alternativa a la Reduccin al Polo en bajas latitudes
geomagnticas, donde sta presenta ciertas inestabilidades.
El filtro de Reduccin al Ecuador puede ser expresado como:
FE() = FP()[sinDsinD0sin2 + sin(D+D0)sincos + cosDcosD0cos2]
Transfer Properties of the Reduction of Magnetic Anomalies to the
Pole and to the Equator. K. Kis., Geophysics Vol.55 N9 pp.1141-1147
Este filtro producir una anomala simtrica (con polaridad cambiada)

y centrada sobre la fuente magntica.
Tambin presenta inestabilidades en ciertas direcciones, pero en
general su performance es mejor que la del filtro de reduccin al
polo en bajas latitudes geomagnticas.
Seal Analtica
Corresponde a la envolvente de energa de las anomalas magnticas y
no depende de la direccin de magnetizacin de las fuentes.
La amplitud de la Seal Analtica tendr directa relacin con la
intensidad de la magnetizacin, y presentar valores mximos sobre los
bordes de las fuentes magnticas.
Seal Analtica
Se define como:
AS(x,y,z) = (Tx2 + Ty2 + Tz2)1/2
Donde Tx, Ty, Tz corresponden a los gradientes (derivadas) en las
direcciones x, y, z respectivamente, que pueden ser fcilmente
calculados en el dominio de Fourier.
El ruido presente en los datos observados, es amplificado al calcular la
Seal Analtica (recordar que las derivadas equivalen a filtros pasaalto), por lo que es recomendable filtrar las altas frecuencias antes de
calcular AS.
An Analytic Signal Approach to the Interpretation of Total Field
Magnetic Anomalies. Shuang Qin., Geophysical Prospecting Vol.42
pp.665-675
REDUCCION AL POLO VS SEAL ANALITICA

OBSERVACION
I=90
REDUCCION
AL POLO
SEAL
ANALITICA
Planos de derivadas: Utilizados para discriminar

tendencias y contactos en los datos. En el dominio de las
frecuencias una derivada de orden n se expresa como:
dn
n
TF n f ( x) = (ik x ) TF [ f ( x)]
dx
Si estas derivadas incluyen la direccin z hay que tener

presente la relacin:
2
2
2
d
T
d
T
d
T
2T = 0 = 2 + 2 + 2
dx
dy
dz
De tal manera que las derivadas c/r corresponden a:
n
d nT
2
2
1
[
]
==
+
TF
k
k
TF
T
y
x
dz n
PLANOS DE DERIVADAS EN MAGNETISMO

POLO 1a DER.X
POLO 1a DER.Y
POLO 2a DER.Z
Anlisis Espectral en Cuerpos Prismticos

Si F(kx,ky) es la transformada de Fourier de una funcin f(x,y), el
espectro de energa (espectro de amplitudes), estar dado entonces
por:
2
E(kx,Ky) = F(kx,ky)F*(kx,ky) = F(kx,ky)
Consideremos las siguientes geometras:
x
y
t(l,m,n)
h
2b
2a
e << h
z
c) Lmina Rectangular
b) Prisma Finito
s(L,M,N)
a) Prisma Infinito

El espectro de energa para estos cuerpos esta dado por las siguientes
relaciones :
a) Ep.i.(r,) =
42S2e-2hr[R
sin2kxa sin2kyb
t()Rs()]
2
(kyb)2
(kxa)
b) Ep.f.(r,) = Ep.i.(r,) (1-e-dr)2

c) EL.R.(r,) = Ep.i.(r,) (tr)2
Donde kx=rcos ; ky=rsin y Rt() = [n2 + (lsin +mcos)2]
Rs() = [N2 + (Lsin +Mcos)2]
Statistical Models for Interpreting Aeromagnetic Data. Spector A.,
Grant F.S., Geophysics Vol.35 pp.293-302

De las relaciones anteriores se puede concluir que, en general el
espectro de energa de un cuerpo prismtico puede ser descrito como:
E(kx,Ky) = KH(h,d,e) RtRsG
Donde K es un trmino constante proporcional al cuadrado de la
magnetizacin; H es un factor que depende bsicamente de la
profundidad al techo de la fuente (especialmente para el prisma
infinito) y del espesor de la fuente; Rt y Rs dependen slo de las
direcciones del campo y la magnetizacin; y finalmente G es un
factor que depender de la geometra del modelo.
El anlisis entonces del espectro de energa, teniendo en mente estos
resultados, permitira eventualmente estimar la profundidad a la
fuente y posibles direcciones de magnetizacin.
Complicaciones prcticas ?
MDULO VI.- PROCESO DE DATOS
MODULO 6: PROCESO DE DATOS
DOMINIO DE LA FRECUENCIA
Se ha visto en clases anteriores la teora sobre el tratamiento
de datos en el dominio de la frecuencia orientado a
la
obtencin de diversos sub-productos que son utilizados en la
interpretacin de datos de potencial:
continuaciones analticas
planos de derivadas
reduccin al polo
seal analtica
En este mdulo veremos en forma detalla el proceso de
datos necesario para la obtencin de estos subproductos
sobre un set de datos.
Ecuaciones
La formulacin matemtica de cada uno de los procesos
anteriores en el dominio de las frecuencias corresponde a:
continuaciones analticas
Fz + z (k x , k y ) = Fz ( k x , k y ) exp z k x2 + k 2y
planos de derivadas
dn
n
FT n f ( x) = (ik ) FT ( f ( x))
dx
Ecuaciones
reduccin al polo
FT T polo ( x, y ) = FP (k x , k y ) FT (T ( x, y ))
FP (k x , k y ) =
[i(ak + bk )+ c(k
x
k x2 + k 2y
2
x
) ] [i(k
2 1/ 2
+ ky
seal analtica
2
y
2 1/ 2
z
AS ( x, y, z ) = T + T + T
2
x
+ k y ) + k + k y
dT
dT
d 2T d 2T
Tx =
; Ty =
; Tz =
+ 2;
2
dx
dy
dx
dy
2
x
) ]
2 1/ 2
Tratamiento numrico
Para efectuar el proceso de datos en el dominio de la
frecuencia en forma prctica trabajaremos con el siguiente
set de datos correspondiente a un levantamiento magntico efectuado
en el norte de Chile
(latitud aproximada 15S);
con lneas de medicin
cada 250m y volado a
una altura de 200-300m
sobre el relieve.
Tratamiento numrico
Estos datos han sido corregidos por lineas de control voladas
en sentido perpendicular a las lneas de produccin (en
direccin E-W) a fin de reducir los efectos de lnea de
direccin NS. El algortimo de nivelacin utilizado considera
los siguientes pasos:
(1) Indentificar puntos de cruce
(2) Determinar residuos
(3) Minimizar estos residuos
modificando el valor del campo de cada
lnea de produccin de acuerdo a una
funcin lineal simple del campo de
residuos (de orden 0 o 1 en general)
(4) repetir puntos (2) y (3) hasta
alcanzar el ajuste propuesto
Tratamiento numrico: nivelacin
Tratamiento numrico
El trabajo con lneas de control y la minimizacin de los
residuos se fundamenta en la condicin de las lneas de
control:
Registradas en forma continua, cortando todas las lneas
de produccin, tal que potenciales errores de medicin son
comunes a todas las lneas. En consecuencia al trabajar con
los residuos se estn corrigiendo los errores de nivel en las
lineas de produccin.
Los errores de nivel que pueden ser corregidos de esta forma
se asocian generalmente a problemas con la reduccin de la
estacin base.
Tratamiento numrico
Sin embargo hay otro tipo de errores comunes a la adquisicin
de datos areos cuya reduccin es compleja mediante el uso
de lneas de control, y que dicen relacin con la ejecucin de
lneas a distinta altura.
En este caso los puntos de cruce entre lneas de produccin y
control no tienen un significado real ya que el punto de cruce
planimtrico entre lineas de produccin y base no miden el
mismo campo.
Para corregir este tipo de efectos es necesario continuar los
datos a un plano comn de observacin (mediante la
continuacin a superficies arbitrarias).
Por ejemplo en el set de datos utilizados en este ejercicio se
aprecian efectos de lnea importantes:
Una forma alternativa de eliminar estos efectos de lnea

se describe a continuacin:
a) Continuacin de grilla a altura hi (hacia arriba). Este
valor continuado hacia arriba constituye la tendencia
general
b) Continuacin de cada perfil NS a la misma altura hi
c) Modificar el campo magntico de cada lnea
reemplazando la tendencia regional de cada lnea de
acuerdo al siguiente algoritmo:
Campo lnea(nuevo) =
Campolnea(antiguo) + Continuacingrilla - Continuacinlnea
c) Modificar el campo magntico de cada lnea

reemplazando la tendencia regional de cada lnea de
acuerdo al siguiente algoritmo:
Campo lnea(nuevo) =
Campolnea(antiguo) + Continuacingrilla - Continuacinlnea
d) Repetir el procedimiento con alturas decrecientes de
continuacin a fin de reducir tendencias de menor
longitud de onda
Ejemplo de lnea nivelada en diversas iteraciones (notese
que a medida que avanza la iteracin el regional de la
grilla y el perfil individual convergen):
La solucin de este proceso iterativo se presenta a

continuacin
Es importante tener presente que este procedimiento, si

bien muy eficiente, tiende a eliminar todo tipo de
tendencia en la direccin de las lineas de vuelo, por
consiguiente su aplicacin debe efectuarse en forma
cuidadosa, tratando de no involucrar direcciones
estructurales de inters.
A continuacin veremos el tratamiento nmerico
orientado a la obtencin de los subproductos
desarrollados en forma terica. En este proceso
utilizaremos ambas grillas: con ruido producto del efecto
de lneas y la grilla nivelada. El proceso de efectua en
ambiente Matlab
La matriz de datos originales es ZZ, el primer paso es

completar la grilla de dimensiones NF, NC hasta la
potencia de 2 mas cercana (nf,nc):
1) Calculo de transformada de Fourier
ZZ1(1:2*nf,1:2*nc)=zeros;
ZZ1(1:NF,1:NC)=ZZ;
A fin de evitar la presencia de soluciones complejas se
desdobla la matriz para asi calcular una transformada de
fourier de una funcin par cuya solucin es real:
ZZ1(1:nf,nc+1:2*nc)=fliplr(ZZ1(1:nf,1:nc));
ZZ1(nf+1:2*nf,1:2*nc)=flipud(ZZ1(1:nf,1:2*nc));
Transformada de Fourier
ZZ_c=fft2(ZZ1,2*nf,2*nc);

contourf(abs(ZZ_c),20)

plot(real(ZZ_c))
plot(imag(ZZ_c))
2) Definicin de filtro
Las frecuencias en la transformada de fourier
mapean el espectro en las siguientes frecuencias:
2 (i 1)
NF
2 (i 1)
NC
=
+1
;
1
:
=
K
i
Kx =
; i = 1:
+1
y
2
NF dy
2
NC dx
2 (i 1)
NF
2 (i 1)
NC
+ 2 : NF
;i =
Kx =
;i =
+ 2 : NC K y =
NF dy
2
NC dx
2
iix=0:1:nc;
iiy=0:1:nf;
IIx=[iix fliplr(iix(2:length(iix)-1))];
IIy=[iiy fliplr(iiy(2:length(iiy)-1))];
[freqx,freqy]=
2*pi*meshgrid(IIx/(2*nc*dx),IIy/(2*nf*dx));
2) Definicin de filtro
Continuacin analtica:
Fz ( k x , k y ) = Fz ' (k x , k y ) exp
z kx +k y
)1 / 2
filtro=exp(-h*sqrt(freqx.^2+freqy.^2));
Calculo de la anti-transformada
ZZ_cont1=real(ifft2(ZZ_c.*filtro,2*nf,2*nc));
ZZ_cont=ZZ_cont1(1:NF,1:NC);
2a) Continuacin h=500m arriba

contourf(ZZ_cont,[-500:50:500])
2a) Espectro de potencia de filtro en funcin de

la frecuencia continuacin hacia arriba
plot(abs(filtro))
2b) Continuacin h=500m hacia abajo

contourf(ZZ_cont,[-500:50:500])
2b) Espectro de potencia de filtro en funcin denla

frecuencia continuacin hacia abajo: destaca las altas
frecuencias plot(abs(filtro))
2b) Dado que se calculo la continuacin hacia

abajo sobre los datos ruidosos hubo una
amplificacin del ruido en las altas frecuencias; si
efectuamos igual proceso sobre datos nivelados
2c) Definicin de filtro

Derivadas:
dn
n
TF n f ( x) = (ik x ) TF [ f ( x)]
dx
Considerando n=2 y la derivada segn z

2
2
2
d
T
d
T
d
T
2
T =0= 2 + 2 + 2
dx
dy
dz
d 2T d 2T
d 2T
2 = 2 + 2 = TF 1 (k x2 + k y2 ) TF [T ]
dz
dy
dx
filtro= (freqx.^2+freqy.^2);
Calculo de la anti-transformada
ZZ_cont1=real(ifft2(ZZ_c.*filtro,2*nf,2*nc));
ZZ_cont=ZZ_cont1(1:NF,1:NC);

Derivadas:

Derivadas:
2d) Definicin de filtro

Reduccin al polo:
Tpolo = TF 1 FP(k x , k y , l , m, n, L, M , N ) TF [T ]
FP =
k x2 + k y2
[i (lk x + mk y ) + n(k x2 + k y2 )1/ 2 ][i ( Lk x + Mk y ) + N (k x2 + k y2 )1/ 2 ]
freqz=sqrt(freqx.^2+freqy.^2);
freqz(1,1)=complex(1,0);
ang_I=ang_i*pi/180;ang_D=ang_d*pi/180;
l=cos(ang_I)*cos(ang_D);
m=cos(ang_I)*sin(ang_D);
n=sin(ang_I);
filtro_polo=((complex(0,l*freqy+m*freqx)+n*freqz).
*(complex(0,l*freqy+m*freqx)+n*freqz))./(freqz.^2+0.0001);

Amplitud de filtro de Reduccin al polo:

Reduccin al polo:

Reduccin al polo sobre datos ruidosos
en zonas de bajo ngulo:
2e) Definicin de filtro

seal analtica:
dT dT dT
+
SA(T ) =
+
dx dy dz
dT
dT
1
= TF [i k x TF [T ]];
= TF 1 i k y TF [T ]
dx
dy
dT
= TF 1 (k x2 + k y2 )1/ 2 TF [T ]
dz
2
Utilizando los filtros de derivadas se contruyen los filtros

individuales de cada trmino:
filtro_x=complex(0.,1.)*freqx;
filtro_y=complex(0.,1.)*freqy;
filtro_z=-(freqx.^2+freqy.^2);

seal analtica:
2
dT dT dT
+
SA(T ) =
+
dx dy dz
2
Cada termino se calcula en forma independiente

ZZ_x=real(ifft2(ZZ_c.*filtro_x,2*nf,2*nc));
ZZ_y=real(ifft2(ZZ_c.*filtro_y,2*nf,2*nc));
ZZ_z=real(ifft2(ZZ_c.*filtro_z,2*nf,2*nc));
ZZ_SA1=sqrt(ZZ_x.^2+ZZ_y.^2+ZZ_z.^2);
ZZ_SA=ZZ_SA1(1:NF,1:NC);
Finalmente la seal analitica se determina como la raiz de
la suma cuadratica de los tres trminos.

seal analtica:
contourf(ZZ_SA,[0.001:0.005:0.05]);
colorbar
axis equal
INTRODUCCION AL TRATAMIENTO DE WAVELETS

Se presenta en este modulo una introduccin a una nueva
tecnica de proceso e intepretacin de datos de potencial
denominada transformadas de wavelets u ondulitas en su
descripcin en espaol.
El anlisis de seales o series de tiempo en forma convencional
utiliza el formulismo de las transformadas de Fourier, visto en
clases. Este tipo de anlisis considera como supuesto bsico que
la seal bajo anlisis es estacionaria.

Si bien para muchos problemas esta suposicin bsica es
claramente aplicable, en otros casos se trata de una sobre
simplificacin que impide determinar por ejemplo algunas de las
siguientes situaciones:
tendencias
cambios abruptos
en general rasgos no estacionarios
En muchos casos estos rasgos constituyen la parte mas
interesante de la seal, en el caso de la teora de potencial puede
asociarse a la presencia de cuerpos anmalos (p. ej. potenciales
zonas con una concentracin anmala de mineral que se esconde
dentro de una seal litolgica regional que representa el rasgo
de tipo estacionario).

Una forma de enfrentar este tipo de situaciones es utilizando el
racional de las trasnformadas de Fourier en bandas limitadas de
tiempo (o espacio): STFT (short time fourier transform).
Si bien esta aproximacin al problema puede resolver en cierta

forma el problema esta muy condicionada por la eleccin de la
venta temporal (o espacial), que una vez elegida impide
determina el espectro de armonicos que van a poder ser
estudiados. Adicionalmente este tratamiento presenta gran
contaminacin por los efectos de borde.

El tratamiento de las transformadas de wavelets propone en
consecuencia una metodologa para resolver los problemas
anteriores: ser capaz de utilizar intervalos de tiempo grandes
para identificar seales de gran longitud de onda, e intervalos de
tiempo corto para resolver problemas de alta frecuencia.
En este esquema vemos que la transformada de wavelets, a

diferencia de la transformada de Fourier, utiliza el dominio de la
escala v/s tiempo (mas adelante veremos la relacin entre escala
y frecuencia).

El anlisis de una serie de tiempo en los dominios antes descritos
se representa esquemticamente de la siguiente forma:
En que consiste entonces la representacin en wavelets?

A diferencia de la transformada de Fourier que utiliza como seal
fundamental una funcin sinusoidal, infinitamente extendido en
el tiempo, la descomposicin de wavelets utiliza una funcin
irregular, asimetrica y limitada temporalmente:

En consecuencia para una dada funcin f(t), la transformada de
fourier se representa como:
En el caso de la transformada de wavelet continua se define

como la suma sobre todo el tiempo del producto de la seal f(t) y
la funcin de wavelet , escalada y desfasada:

Los coeficientes C en la transformada de wavelet son funcin de
la escala y la posicin temporal o espacial.
ESCALAMIENTO
En este contexto el escalamiento de la funcin de wavelet dice
relacin con el estiramiento o acortamiento de la seal en el
espacio o tiempo, y en consecuencia tiene una conotacin en la
longitud de onda de la seal.
Para una sinusoide:

Para una funcin de wavelet:
Es evidente que el escalamiento depende en forma directa de la

longitud de onda de la seal

DESFASE
El desfase de una funcin f(t) es simplemente su representacin
en un dado tiempo k relativo al origen: f(t-k)
Mediante los conceptos de escalamiento y desfase podemos

entonces establecer los pasos necesarios para obtener una
transformada de wavelet:

1) elegir una dada wavelet y comprar con la seal seccin a
seccin.
2) determine el factor C que parametriza la correlacin entre la
funcin wavelet y el segmento bajo anlisis
Ntese que este factor C es funcin del tipo de wavelet elegido,

si el ajuste es exacto entonces C=1 (correlacin mxima)

3) desplazar la funcin wavelet a la derecha y repetir el
procedimiento 1) y 2) hasta completar de recorrer la seal.
4) escalar la funcin de wavelet y repetir los procedimientos 1)

a 3)
5) repetir los procedimientos 1) a 4), para todas las escalas

posibles obteniendo una familia de coeficientes C.

Una vez aplicada la transformacin de wavelet obtenemos una
representacin de la seal en el dominio escalamiento-tiempo en
el cual para cada tiempo tenemos una familia de coeficientes que
nos indican cuan parecida es la seal con un determinado
estiramiento de la funcin de wavelet utilizada.

El escalamiento de la funcin de wavelet dice relacin con la
longitud de onda, aunque no tiene una relacin directa
Escalamientos pequeos => alta frecuencia, detalles en la seal

Escalamientos grandes => baja frecuencia, tendencias regionales
Pese a no existir una relacin directa es importante considerar
que los rasgos en la naturaleza tienen mas relacin con
escalamientos de una determinada forma (comportamiento
fractal) que sinusoides regulares. Por tal razon el disponer de una
herramienta de esta naturaleza probablemente constituye un
avance c/r a la representacin en el dominio de Fourier.

Una forma de aproximar la relacin entre frecuencia y escala es
considerar la frecuencia central, Fc, que caracteriza la frecuencia
dominante de la funcin de wavelet dominante:
La frecuencia Fc
dominante es indicada
por la sinusoide de color
rojo, mientras que la
funcin de wavelet se
representa en color azul.
De tal forma que para
una dada dilatacin a y
un intervalo de muestreo
la frecuencia asociada
se expresa como:
Fa =
Fc
a

FILTRADO DE SEAL
El tratamiento normal de una seal corresponde a extaer las
altas y bajas frecuencias en procesos denominados como filtrado
de pasa alto y bajo:
En este esquema la seal S es descompuesta en una componente

de baja frecuencia (A: aproximacin), y otra componente de alta
frecuencia (D: detalles)

FILTRADO DE SEAL
En el dominio de wavelets este proceso se efecta reduciendo el
nmero de puntos de muestreo. La reconstitucin de la seal
filtrada se basa en los coeficientes cD (para los detalles) y cA
(para la aproximacin).

FILTRADO DE SEAL
Este proceso de filtrado se puede efectuar en forma iterativa
extrayendo las seales de mas alta frecuencia:

La reconstruccin de la seal original se obtiene incorporando las
seales aproximadas y detalles:

Matemticamente la transformada de wavelet se expresa como:
C (a, b) = s (t )
R
1
t b
)dt
(
a
a
C (a, b) : coeficientes de transformada wavelet

s (t ) : seal
: funcin wavelet
a : escalamiento o dilatacin
b : desfase
La respectiva transformada inversa se expresa como:
1
s (t ) =
K
t b dadb
1
R ' R C (a, b) a ( a ) a 2

La funcin de wavelet debe cumplir algunas condiciones bsicas:
Debe tender suavemente a cero para x en infinito
La integral en todo el espacio es nula:
dt = 0
R'
Momentos de la funcin de wavelet son identicamente

nulos:
n
t
dt = 0,
R'
n = 0,1,... p

Algunas funciones de wavelet:
2
2 1/ 4
2 x2
( x) = 1 x e
3
( x) = Ce
x2
2
cos(5 x)
APLICACIN DE WAVELETS
Deteccin de tendencias
Deteccin de discontinuidades
Eliminacin de ruido
Compresin de imagen: utilizando un 7% de la seal
aproximada se retiene un 97% de la energa original
Proceso de datos geofisicos: The wavelet transform in
aeromagnetic processing, Smith & Dentith, Geophysics, 1999,
1003-1013
Proceso de datos geofisicos: Identification of sources of potential fields with
the continuous wavelet transform: Complex wavelets and application to aeromagnetic

profiles in French Guiana, Sailhac et al., Geophysics, 2001,
En este trabajo se plantea el uso de algunas propiedades de la

funcin de wavelet que permiten determinar los parametros que
caracterizan a una dada anomala simple. El procedimiento
expuesto puede ser utilizado para la identificacin de anomalas
reales del mismo tipo.
Considerando entonces los coeficientes W de la transformada de
wavelet , asociados a la funcin de potencial :
o
W o
1 bx
= o ( x ) (
)dx
a
a
R
Proceso de datos geofisicos: Identification of sources of potential fields with
the continuous wavelet transform: Complex wavelets and application to aeromagnetic

profiles in French Guiana, Sailhac et al., Geophysics, 2001,
En este caso se utiliza las funciones de wavelet del tipo Poisson

para el cual los coeficientes de la transformada de wavelets
exhibe porpiedades simples:
1x ( x) =
2x
(x 2 + 1)2
1z ( x) =
1 x2 1
(x 2 + 1)2
Proceso de datos geofisicos: Proceso de datos geofisicos: Identification of
sources of potential fields with the continuous wavelet transform: Complex wavelets and
application to aeromagnetic profiles in French Guiana, Sailhac et al., Geophysics, 2001,
Asumiendo por ejemplo un campo magntico generado por una

lnea infinita de fuentes magnticas a una profundidad zo y en un
ngulo con respecto al norte magntico:
( x x )2 ( z z )2
(
x xo ) ( z zo )
o
o
T ( x) = 2
cos(2 I ' ) 4
sin(2 I ' )
2
2 2
2
2 2
( x xo ) + ( z zo )
(x xo ) + (z zo )
tan( I )
tan( I ' ) =
cos( D + )
I : inclinacin; D : declinacin; : rumbo
Aplicando la funcin de wavelet anterior se obtiene la siguiente

familia de coeficientes:
sinI
W 1 T ( x, a ) = 4
a exp i 2 I ' [( x xo ) + i (a + zo )]
c
sinI '
Utilizando las formulas anteriores para dos cuerpos ubicados a
una profundidad de z=1 con inclinaciones aparentes de I=90 y
I=29, se obtienen los siguientes funciones de campo magntico
y coeficientes de wavelet:
Coeff.
wavelet
campo
En la figura anterior se
aprecia que los
coeficientes tienden a
converger a un valor de
a=-zo para la interseccin
de las dos funciones de
mximo en el dominio
[x,a]. Esta interseccin
puede ser calculada
numericamente tal cual se
aprecia en el diagrama
siguiente
En el trabajo de Sailhac et al., 2001 se presenta una serie de

aplicaciones mas de la transformada de wavelet asumiendo otras
geometrias de cuerpos simples y determinando relaciones
geomtricas en el dominio [a,x] que permiten recuperar los
parametros asociados al cuerpo en forma directa y sin hacer
suposiciones a priori.
La simplicidad de esta metodologa y la capacidad de obtener
resultados para distintas posiciones de observacin constituyen
cualidades muy interesantes para su aplicacin masiva en la
interpretacin de datos de potencial.
MDULO VII.- TEORIA DE INVERSIN EN DATOS DE POTENCIAL
MODULO 7: TEORIA DE INVERSION EN

DATOS DE POTENCIAL
TEORIA BASICA
La cadena de procedimientos que tiene como resultante el
entender un problema geolgico a partir de observaciones
geofsicas involucra el establecer las propiedades fsicas de las
rocas involucradas en los datos instrumentales. Para resolver
este problema se plantean dos estrategias extremas:
Modelacin directa
Proble
Modelacin inversa
ma
Directo
Datos d
Modelo m
Proble
ma
Inverso
TEORIA BASICA
La modelacin directa se plantea en general en trminos
iterativos de prueba y error, en el cual los datos u observaciones
se comparan con la respuesta del modelo. Un uso eficiente de
esta metodologa exige un nivel elevado de experiencia en el tipo
de respuesta geofsica del problema geolgico especfico. En
contraposicin, la modelacin inversa deriva los parmetros
directamente de las observaciones.
En algunos caos ideales es posible derivar una teora exacta en la
cual se puedan establecer en forma directa los parmetros del
modelo, sin embargo en condiciones reales esta situacin tiene
una aplicacin muy limitada.
TEORIA BASICA
Para problemas concretos el proceso de inversin debe ser
desagregado en dos etapas:
1) determinacin de un modelo estimado
2) inferencias sobre el modelo verdadero
ma
Directo
Modelo
verdadero M
P
in r o b
so fere lem
ve bre nc a d
rd m ias e
ad o
er d e
o lo
Proble
ma
Datos d
Estimacion
de Modelo m
Pr
de ob l
de es ema
p a ti m
ra ac
me ion
tro
s
Pr o b l e
o
ers
v
In
TEORIA BASICA
En teora de inversin el formulismo matemtico difiere si la
descripcin del modelo se fundamenta en parmetros continuos
o discretos, y si el modelo es una combinacin lineal de los
parmetros o bien no lineal. En este seminario efectuaremos una
descripcin del problema inverso partiendo en primer lugar con
el tratamiento del problema discreto lineal y luego las
aproximaciones necesarias para el tratamiento de problemas no
lineales. En una segunda etapa se presentara el problema de
variables de campo continuas, dando una breve resea sobre su
tratamiento y analoga con el problema discreto.
TEORIA BASICA
Elementos de lgebra lineal
En problemas de inversin geofsica el espacio comn de
operacin matemtica corresponde al espacio de vectores
lineales.
Los vectores (y matrices) son utilizados en este curso para
definir las observaciones (d=[d1, d2, , dN]T), y parmetros
(p=[p1, p2, ,pM]T).
Notacin :
Letras maysculas
matrices (A, B, C..).
itlicas
negritas
representan
Vectores columna se representan con

minsculas itlicas negritas (x, y, m, d,..).
letras
TEORIA BASICA
Se considera conocidas todas las propiedades aditivas,
multiplicativas y distributivas de los espacios vectoriales, mas la
presencia de elemento neutro en la suma y producto por un
escalar en n (vector de n componentes). Para el caso de
matrices se considera el mismo grupo de propiedades pero en el
espacio nxm.
Dos matrices tienen la misma dimensin si el nmero de filas (n)
y columnas (m) son los mismos. Una matriz Anxm, representa a
una matriz de n filas y m columnas de acuerdo a la siguiente
A1,1 A1, 2 ..... A1, j .... A1,m
nomenclatura:
A
....
....
.......
...
2 ,1
.... ...
...
..
A= :
...
...
A
A
A
i, j
i ,m
i ,1
An ,1 An , 2
An , j
An ,m
TEORIA BASICA
La traspuesta de esta matriz Anxm, es Bmxn = AnxmT. Es decir los
elementos de la matriz a se permutan de la siguiente forma Bi,j =
Aj,i. Para efectuar una multiplicacin entre dos matrices C=A * B
se debe cumplir que el nmero de filas de la matriz B sea igual al
numero de columnas de la matriz A, tal que el producto en
notacin tensorial se escribe como:
Ci , j = Ai ,k Bk , j = Ai ,k Bk , j
m
k =1
(convencin de suma sobre ndices repetidos)

Si una matriz A es igual a su matriz transpuesta AT, se dice que
se trata de una matriz simtrica. En matrices de nmeros
complejos es comn el uso de matrices Hermitianas que
consisten en el complejo conjugado de la matriz transpuesta.
TEORIA BASICA
Entre matrices y vectores existe un operador lineal que se
denomina producto punto, que permite la multiplicacin de
cada fila de una matriz Anxm por un vector xm:
A x = Ai ,k xk = Ai ,k xk
m
con i = 1, n
k =1
Otras matrices de importancia en la operacin matricial son:

Matriz identidad (en la multiplicacin):
cuyo producto con una matriz A
1 0 0 0
es siempre A.
0 1 0 0
I =
0 0 1 0
0
0
0
1
TEORIA BASICA
Matriz diagonal:
x1
0
diag ( x1 , x2 ,....., xn ) =
0
0
x2
0
0
0
0 0
... 0
0 xn
0
Matriz ortogonal: QT Q = I (veremos mas adelante que el

uso de matrices ortogonales no afecta la mtrica de una
matriz y en consecuencia su aplicacin como operador lineal
constituye solo una rotacin)
TEORIA BASICA
Norma de Vectores y matrices:
La informacin en nuestro problema de inversin esta contenida
en vectores y matrices, en consecuencia se debe establecer un
procedimiento para determinar el tamao relativo de cada
matriz o vector. En cantidades escalares el problema se reduce a
determinar el valor absoluto. En vectores y matrices esta
condicin de tamao se generaliza en el concepto de mtrica
llamado norma . Una norma dada se establece como tal si
cumple la siguiente definicin para dos vectores arbitrarios u, v
y un escalar arbitrario :
v > 0,
v 0,
v = v
v+u v + u
v = 0,
para v = 0
TEORIA BASICA
El tipo de norma mas utilizado en vectores de n esta dado por:
p
x = xi , p > 1
1
1/ p
Ejemplo
% determinacin de norma para vector x
% con p=1:9
clear all;
x=[1 2 3 4 20 4 7 1 9];
for i=1:9,
y(i)=norm(x,i);
end
plot(1:9,y);
xlabel('p');
ylabel('Lp');
title('Norma Lp ');
TEORIA BASICA
Veremos mas adelante que en problemas sobre determinados es
comn el uso de la norma euclidiana (p=2). Para problemas
indeterminados (mas incgnitas que ecuaciones) se utiliza una
norma con p cercano a 1. La eleccin de la norma depende
fuertemente de la estadstica de los datos. Como se ve en el
ejemplo anterior, los valores de mayor amplitud (peso o error)
son ms influyentes en normas de mayor p. En contraposicin la
norma L1 es menos sensitiva a valores alejados de los valores
medios (outliers), por tanto se afirma que es una mtrica que
asegura soluciones mas robustas. En matrices tambin es
posible definir una norma anloga al caso vectorial. En tal
sentido es comn el uso de la norma de Frobenius:
A F =
i=1
n
T
A
=
traza
(
A
A)
ij
j=1
1/ 2
Nota:
N
traza ( M ) = M i ,i
i =1
TEORIA BASICA
Dependencia e independencia lineal:
Para una familia de vectores {x1, x2, x3, , xm} de igual
dimensin, la siguiente combinacin lineal:
1x1 + 2x2 + 3x3+ + m xm = 0
indica independencia lineal entre los vectores si esta relacin
slo si se cumple:
1 = 2 = 3 = = m = 0
en caso contrario es posible escribir uno o varios vectores como
combinacin lineal de los restantes vectores, es decir se trata de
vectores linealmente dependientes.
TEORIA BASICA
Dependencia e independencia lineal:
Se define el rango (r) de una matriz Anxm, como el nmero de

vectores columna linealmente independientes. Este sub-espacio de
r vectores columna independientes es complementario al
subespacio nulo que es solucin de la siguiente relacin:
Ax=0,
La combinacin lineal de vectores cuyo aporte neto al sistema de
ecuaciones es nulo. Esta solucin es de vital importancia en los
problemas de inversin ya que representa una combinacin lineal
de los parmetros que no puede ser resuelta por el modelo y en
consecuencia denota la falta de unicidad en la solucin (siempre es
posible incorporar el vector solucin en el subespacio nulo). El
rango del subespacio linealmente independiente es r, y el rango del
subespacio nulo es m-r.
TEORIA BASICA
Inversin de Matrices:
La inversa a la izquierda (B) de una matriz Anxm perteneciente al

espacio nxm, se define como:
BA=I
(I: matriz unitaria),
de igual forma se define la matriz inversa a la derecha (C) como:
A C = I.
Se demuestra que si B y C existen ambas matrices deben ser
idnticas. En un sistema de ecuaciones lineales:
Ax=y
El rango r de la matriz es siempre menor o igual que el nmero de
ecuaciones (n), y solo puede llegar a ser igual a n si existen tantas
ecuaciones como incgnitas.
TEORIA BASICA
Solucin de un sistema de ecuaciones lineales
En la solucin de problemas lineales podemos distinguir entonces

dos familias extremas:
Sobre determinados: aquellos problemas en los cuales existen mas
ecuaciones que incgnitas (n m)
indeterminados: aquellos problemas en los cuales existen mas
incgnitas que ecuaciones (m n)
De esta caracterizacin extrema se puede llegar a situaciones
mixtas en la cual es posible identificar segmentos del problema
sobre determinados y otros indeterminados. Un caso tpico de
problemas mixtos lo constituyen las tcnicas tomogrficas en las
cuales algunos dominios son iluminados por varios rayos
mientras otros no reciben iluminacin alguna.
TEORIA BASICA
A.Problemas sobre determinados: solucin de mnimos cuadrados

En problemas del tipo: G m = d , la solucin del vector m se
construye efectuando una minimizacin de la norma euclidiana E
del vector error e = d G m, tal que :
E = eTe = (d G m)T (d G m)
M
M
E = d i Gij m j d i Gik mk
i
j
k
La minimizacin de la norma euclidiana de la discrepancia entre las

observaciones y el modelo compromete la minimizacin
independiente de cada parmetro mq, lo cual entrega un sistema de
M ecuaciones del tipo:
N
N
M
E
= 0 = 2 mk Giq Gik 2 Giq d i ,
mq
i
i
k
q = 1, M
TEORIA BASICA

En problemas del tipo: G m = d , la solucin del vector m se
construye efectuando una minimizacin de la norma euclidiana E
del vector error e = d G m, tal que :
E = eTe = (d G m)T (d G m)
M
M
E = d i Gij m j d i Gik mk
i
j
k
La minimizacin de la norma euclidiana de la discrepancia entre las

observaciones y el modelo compromete la minimizacin
independiente de cada parmetro mq, lo cual entrega un sistema de
M ecuaciones del tipo:
N
N
M
E
= 0 = 2 mk Giq Gik 2 Giq d i ,
mq
i
i
k
q = 1, M
TEORIA BASICA

Matricialmente este sistema de ecuaciones se puede escribir como:
GT G m GT d = 0
El cual permite determinar una estimacin de m (mest):
mest = [GT G]-1 GT d

La matriz G-g = [GT G]-1 GT, se denomina la matriz inversa
generalizada, tal que el producto R = G-g G se denomina la matriz
resolucin. Con esta definicin se puede escribir la estimacin de m
como:
mest = R m + G-g e = m + [R - I] m + G-g e
TEORIA BASICA

Matricialmente este sistema de ecuaciones corresponde a:
GT G m GT d = 0
El cual permite determinar una estimacin de m (mest):
mest = [GT G]-1 GT d

La matriz G-g = [GT G]-1 GT, se denomina la matriz inversa
generalizada, tal que el producto R = G-g G se denomina la matriz
resolucin. En estos trminos m se expresa como:
mest = R m + G-g e = m + [R - I] m + G-g e

Si R es igual a I entonces la resolucin del modelo es perfecta (cada
parmetro es determinado en forma unica). Si R no es una matriz
identidad, entonces la estimacin del modelo es en la prctica una
media mvil de los parmetros reales.
TEORIA BASICA

Ejemplo: Ajuste de una recta del tipo: di = m1 + m2 zi , i=1, N, en los
parmetros m1 y m2. Para esto se debe resolver el siguiente sistema
de ecuaciones:
1 z1
d1
1 z
d
2
m 2
. . 1 = .
m2
. .
.
1 z N
d N
1
G G =
z1
T
1
z2
1 z1
1 z
2
. . 1
1
T
. . ; G d =
. . .
z1
.
.
1 z N
1
z2
d1
d
2
. . 1
.
. . .
.
d N
Entonces la estimacin de mnimos cuadrados de los parmetros que

definen la recta se define como:
N
m1
m= = N
m2 zi
i=1
zi
i =1
N
2
zi
i =1
di
i=1
z i d i
i=1
TEORIA BASICA

% ajuste de minimos cuadrados para
la ecuacin de una recta
% di=m1 + m2*zi
clear all;
z=[0 1 2 3 4 5 6 7 8 9 10];
d=[2 5 7 9 12 15 16 20 24 26 33]';
n=length(z);
g=[1 1 1 1 1 1 1 1 1 1 1;z]';
gtg=g'*g;
gtd=g'*d;
m=inv(gtg)*gtd;
d_mod=m(1)+m(2)*z;
plot(z,d,'*b',z,d_mod,'r');
xlabel('z');
ylabel('d');
title('minimos cuadrados ec. recta ');
grid on
print -djpeg -r200 fig1.jpg
m1 : 1.0000
m2 : 2.8727
TEORIA BASICA

Si el sistema de
ecuaciones del problema
anterior se amplifica por
dos en el ultimo punto,
matemticamente el
sistema es equivalente:
g(11,:)=g(11,:)*2;
d(11)=d(11)*2;
z(11)=z(11)*2;
Sin embargo la solucin
de mnimos cuadrados
entrega un resultado
diferente:
m1 : 0.3150
m2 : 3.1011
Variaciones en el sistema de ecuaciones

afectan directamente la mtrica del
problema, produciendo soluciones diversas.
La mtrica del sistema se preserva si la
matriz (Q) de transformacin es ortogonal,
es decir si la transformacin lineal involucra
solamente una rotacin del sistema
coordenado.
TEORIA BASICA
B. Problemas indeterminados
Como ya ha sido descrito, en problemas indeterminados existen
mas incgnitas que ecuaciones (n < m). En estas condiciones la
inversa generalizada es singular: det( Gg) = 0. En consecuencia no
existe una solucin nica al sistema de ecuaciones, en la prctica
existe una familia infinita de potenciales soluciones al sistema de
ecuaciones. Bajo estas condiciones es necesario incorporar
informacin externa al sistema de ecuaciones (informacin a priori),
que permita acotar la familia de potenciales soluciones.
Un
ejemplo
simple
de
problemas
indeterminados lo constituye la definicin de
una recta que pretende ser definida con una
sola observacin. Existen infinitas soluciones
a este problema, de hecho la inversa
generalizada del ejemplo anterior involucra
la inversin de la matriz cuadrada:
1
1
z
1
z1
z12
TEORIA BASICA
El determinante de esta matriz es nulo, en consecuencia es una
matriz singular. Una forma de incorporar informacin a priori para
acotar la solucin de este problema no determinado es imponer que
la recta corta el origen. Bajo esta condicin el problema se resuelve
en forma completa. Existen variadas formas de imponer informacin
a priori, por ejemplo en la inversin gravimtrica se puede imponer
la condicin fsica de una densidad acotada en su limite superior e
inferior (0 y 3.3 gr/cc). Una forma de incorporar informacin a priori
en trminos formales consiste en asumir que la solucin del
problema inverso es simple, en donde la nocin de simplicidad es
cuantificada como una medida de la mtrica (euclidiana) de la
solucin L = mT m = mi. En ciertas circunstancias se puede
imponer que esta norma sea mnima, por ejemplo en problemas que
involucren consideraciones de mnima energa o masa mnima. Bajo
estas condiciones el problema original de minimizar el error en la
relacin lineal e = d G m, incorpora adems la condicin que la
norma L = mT m es mnima.
TEORIA BASICA
Este
problema
es
resuelto
directamente
utilizando
los
multiplicadores de Lagrange (ver recuadro), de tal forma que se
M
minimiza la funcin
(m) = L + i ei con respecto a m
i =1
(donde i corresponde a
los multiplicadores de
Lagrange).
La minimizacin de esta funcin produce la ecuacin:
2 m = GT ,
que en combinacin con la ecuacin matricial:
G m = d,
permite resolver los multiplicadores de Lagrange, y obtener as una

estimacin de norma mnima de los parmetros:
mest = GT [G GT]-1 d (solucin de norma mnima)
MULTIPLICADORES DE LAGRANGE
En la minimizacin de una funcin de dos variables E(x,y) con la restriccin de una
determinada funcin (x,y)=0, se establece que al minimizar la funcin E,
pequeas variaciones en x e y no alteran el valor
de E, es decir:
dE =
E
E
dx +
dy = 0
x
y
Por otra parte el diferencial de la funcin restriccin es igual a cero, demostrando

adems que las perturbaciones en x e y no son independientes:
d =
dx +
dy = 0
x
y
La suma pesada de ambas ecuaciones por el factor (multiplicador de Lagrange)

es en consecuencia idnticamente igual a cero:
dE + d = (
E
E
E
E
+
)dx + ( +
)dy = 0
x
x
y
y
MULTIPLICADORES DE LAGRANGE
En la ecuacin anterior si se elige un multiplicador de Lagrange apropiado para
que por separado cada trmino en parntesis sea igual a cero, entonces se cumple
automticamente que el otro trmino es tambin igual a cero. En consecuencia el
problema ha sido transformado en un sistema de ecuaciones de tres incgnitas y
tres sistemas de ecuaciones:
+ ) = 0;
x
x
+ ) = 0;
y
y
( x, y ) = 0
La generalizacin a un sistema de M incgnitas y q funciones de restriccin

considera la incorporacin de un multiplicador de Lagrange por cada restriccin,
tal que se obtiene un sistema de M+q ecuaciones con igual nmero de incgnitas:
q
j
E
+ j
= 0; i = 1, M;
mi j=1
mi
(m) = 0;
k
k = 1, q
TEORIA BASICA
C. Problemas mixtos
En la mayora de los problemas prcticos que se resuelven en

geofsica existen parmetros muy bien determinados y otros
pobremente determinados. La forma optima de analizar este
problema involucra la descomposicin en valores singulares (que se
ver a continuacin). Si es posible efectuar una particin entre
aquellos parmetros que estn sobre determinados ms de aquellos
indeterminados mi, entonces es posible formular el siguiente
sistema de ecuaciones:
s
G
m s d s
= i
i
i
G m d
Si esta factorizacin es factible, entonces se resuelve el sistema

sobre determinado mediante tcnicas de mnimos cuadrados, y la
parte indeterminada mediante la minimizacin de la norma
euclidiana en los parmetros.
TEORIA BASICA
C. Problemas mixtos
Una modalidad alternativa considera la minimizacin del error E y la

norma mnima L en forma simultnea: (m) = E + L = eT e + mT
m, en donde determina la importancia relativa del error E y la
norma mnima L. Si es muy grande entonces la componente
indeterminada es resuelta mediante este procedimiento. Lo
contrario es vlido para ->0. En consecuencia, la estimacin de los
parmetros en un problema mixto tiene por solucin el sistema de
mnimos cuadrados amortiguados:
m = [G G + I ] G d
est
Es evidente que el trmino de amortiguamiento permite estabilizar

la inversin de matrices al incorporar una cantidad positiva en la
diagonal. Existen variadas estrategias para determinar el factor de
amortiguamiento que estan directamente condicionadas por el
problema bajo anlisis.
TEORIA BASICA
Descomposicin en Valores singulares
Cuando una matriz A opera sobre un vector x normalmente produce
un cambio en la direccin de este, sin embargo si esta matriz A
simplemente escala al vector x, entonces se denomina a este vector
como un vector propio asociado al valor propio , tal que:
Ax=x
En esta expresin podemos re escribir x como I x, entonces:
(A - I) x=0,
es decir para un dado valor propio existe un vector propio x en el
espacio nulo de la matriz (A - I). Para que esta condicin se
cumpla, el determinante de (A - I) debe ser igual cero;
det(A - I) = 0.
TEORIA BASICA
Para una matriz cuadrada Anxn esta ecuacin implica la determinacin
de n valores propios (races del sistema).
Es posible demostrar (ver recuadro) que una matriz Gnxm puede
descomponerse en funcin del producto de las matrices de
n vectores propios que mapean el espacio de los datos (Unxn) y

m vectores propios que mapean el espacio de los parmetros (Vmxm),
y la matriz diagonal nxm cuyos trminos comprenden la serie de
valores propios asociados:
Gnxm = Unxn nxm Vmxm T
Las matrices U y V son matrices ortogonales tales que:
U UT = Inxn; V VT= Imxm.
TEORIA BASICA
Es comn organizar la descomposicin de la matriz G en funcin de
valores propios cuya magnitud es decreciente. Bajo este esquema es
posible distinguir una familia de p valores propios mayores que cero y
un conjunto de valores propios iguales a cero:
v1
v T
2
0 :
T
=
U
V
p
p p
0 v Tp
:
v T
m
T
= p
0
0
p
[
]
u
u
u
u
,
tal
que
..
..
p
n
1 2
0
0
TEORIA BASICA
En esta relacin Up y Vp corresponden a los primeros p vectores de las
matrices U y V. Para los restantes vectores propios de los datos Uo y
parmetros Vo, la matriz G no contiene informacin. Podemos asociar
las matrices Uo y Vo, a los espacios nulos que no pueden ser resueltos.
Es decir solo p vectores propios son en la prctica linealmente
independientes. En consecuencia, la identificacin de los valores
propios distintos de cero permite construir una matriz inversa
generalizada de valores propios mayores que cero:
G-1 = Vpxp pxp-1 Upxp T

Entonces:
mest = Vp p-1 Up T d
Al considerar en la inversa generalizada los vectores propios

asociados a los valores propios distintos de cero, se esta resolviendo
en forma particular el dominio de solucin que puede ser
determinado.
TEORIA BASICA
Ejemplo: Considere el siguiente sistema de ecuaciones:
1.0000 2.0000 3.0000
1
1.0000 1.9500 4.0000
m2 =
1.0000 2.0000 5.0000
m3
1.0000 2.0000 6.0000
La
solucin
de
este
sistema de ecuaciones est
dada por:
[m1 m2 m3]T = [1 2 3]T

La descomposicin en
valores y vectores propios
del sistema de ecuaciones
anterior se formaliza en
ambiente MATLAB:
14.0000
16.0550
20.0000
23.0000
clear all
G=[1 2 3;1 1.95 4; 1 2 5;1 2 6];
m=[1 2 3]';
d=G*m;
[U,S,V]=svd(G); n=length(S(1,:));
figure(3)
for i=1:3,
ii=(i-1)*2+1;
subplot(3,2,ii),bar(U(1:length(G(:,1)),i));
xlabel(strcat('valor propio:',num2str(floor(S(i,i)*100)/100)));
ylabel('U')
subplot(3,2,ii+1),bar(V(i,1:n));
xlabel(strcat('valor propio: ',num2str(floor(S(i,i)*100)/100)));
ylabel('V')
end
TEORIA BASICA
En este conjunto de valores propios el valor propio menor es cercano
a cero, lo cual esta indicando que el sistema es cuasi-singular. La
solucin del sistema de ecuaciones considerando los tres valores
propios:
m_est_3_0=V(:,1:3)*inv(S(1:3,1:3))*U(:,1:3)'*d
1.0000
= 2.0000
3.0000
Si solo consideramos los primeros

2 valores propios:
m_est_2_0=V(:,1:2)*inv(S(1:2,1:2))*U(:,1:2)'*d
1.0076
= 1.9961
3.0000
TEORIA BASICA
Esta ultima estimacin es una (buena) aproximacin de la solucin
verdadera, que es exacta en la tercera componente y solo aproximada
en los dos primeros trminos.
Podemos entender este comportamiento al analizar el peso del vector
propio de los parmetros asociado al valor propio ms cercano a cero
(ver en Figura anterior). En este caso el peso relativo de la tercera
componente es prcticamente nulo, por consiguiente su valor final
esta totalmente determinado por la combinacin lineal de los dos
primeros vectores propios.
Ahora bien si introducimos un porcentaje de ruido en el segundo
trmino del vector de observaciones (el punto de mayor peso en el
vector propio asociado a ese valor propio menor):
d(2)=d(2)*0.95;
TEORIA BASICA
Bajo esta condicin la estimacin con dos y tres valores propios
corresponde a:
m_est_2=V(:,1:2)*inv(S(1:2,1:2))*U(:,1:2)'*d
0.8967
= 1.7781
3.0747
- 32.8000
m_est_3=V(:,1:3)*inv(S(1:3,1:3))*U(:,1:3)'*d = 18.9000
3.0000
Se concluye que la solucin que restringe la estimacin al dominio de

los valores propios mayores es ms estable que la solucin completa,
que Es altamente sensible a errores en las observaciones. La
descomposicin en valores y vectores propios permite establecer a
priori que observaciones son mas determinantes para la estimacin
de un dado parmetro
DESCOMPOSICION EN VALORES SINGULARES:

DERIVACIN ALGEBRAICA
Considerando el sistema de ecuaciones: G m = d , se construye la matriz cuadrada
S, de n+m filas y columnas:
0
S= T
G
G
0
Esta matriz tiene n+m valores propios reales y un grupo de n+m vectores propios
wi que cumplen la relacin
S wi = i wi, i=1,n+m, o bien: S w = 0

G T
G ui
ui
=
v
0 vi
i
En esta relacin la particin del vector wi en un vector ui de largo n (asociado a las

observaciones) y un vector vi de dimensin m (asociado a los parmetros). Este
sistema de ecuaciones puede desacoplarse en dos sistemas que ligan los vectores
propios asociados al espacio de las observaciones y los parmetros:
G T ui = i vi
Gvi = i ui
DESCOMPOSICION EN VALORES SINGULARES:

DERIVACIN ALGEBRAICA
Ahora bien, si multiplicamos la primera ecuacin por G y la segunda por GT podemos
separar los vectores propios de cada dominio:
GG T ui = i Gvi = i i ui = 2i ui
G T Gvi = i G T ui = i i vi = 2i vi
Dado que ambos sistemas de ecuaciones estn conformados por matrices
cuadradas y simtricas, existen m vectores vi que conforman una matriz V ortogonal
que mapea todo el espacio de los datos m, y n vectores ui que conforman una
matriz U ortogonal que a su vez mapea todo el espacio de las observaciones n.
Este conjunto de vectores se divide en p vectores que se asocian a valores propios
distintos de cero y los restantes vectores propios conforman el espacio nulo que se
asocia a valores propios nulos.
Escribiendo la ecuacin
Gvi = i ui
vectores y valores propios:

obtiene:
en trminos matriciales para el conjunto de
GV = U
GVV T = GI = UV T
y post-multiplicando por la matriz VT se
o simplemente : G
= UV T
que corresponde a la descomposicin en valores singulares descrita previamente.
TEORIA BASICA
Elementos de probabilidades y estadstica
En la seccin anterior representamos las observaciones de un
determinado experimento como un vector d cuyos elementos
constituyen
medidas
individuales
e
independientes.
Esta
caracterizacin de un grupo de observaciones es sin embargo una
sobre simplificacin del trabajo experimental y prctico en geofsica
como en cualquier otra disciplina cientfica en la cual las
observaciones estn contaminadas
por ruido. En consecuencia, si una
determinada observacin es
repetida varias veces cada
medida sera diferente (ver en
figura). La completa
caracterizacin de la observacin
requerir entonces reconocer el
rango y forma de esta dispersin,
que son en la prctica inherentes
al trabajo experimental.
TEORIA BASICA
Para la descripcin de las caractersticas de la forma y rango en la
dispersin de una determinada observacin se utiliza el concepto de
variable aleatoria. Cada variable aleatoria presenta propiedades
definidas y precisas que permiten su caracterizacin, si bien ellas no
pueden ser medidas directamente. En la prctica nosotros solo
podemos efectuar medidas individuales o realizaciones de la variable
aleatoria, y en base a esta informacin se infieren las propiedades
reales del conjunto de datos.
Las propiedades reales de una variable aleatoria d se especifican
completamente a partir de una distribucin de probabilidad P(d). Se
puede entender la probabilidad como el nmero de realizaciones
iguales de un determinado experimento N(d), normalizado por el
nmero total de realizaciones N().
P(d) = N(d) / N(), entonces P() = 0; P() = 1
TEORIA BASICA
La probabilidad que una realizacin del experimento se encuentre en
el rango d + d es P(d) d. Por otra parte la probabilidad que la
variable aleatoria se ubique en el rango entre menos y ms infinito es
claramente absoluta es decir igual al 100%
o simplemente 1:
P(d )d = 1
El conocimiento de la funcin de probabilidad

es en general difcil. En la prctica se opta por
identificar una serie de parmetros que
permitan una mejor caracterizacin de esta:
valor de mxima probabilidad
max(P(d))
valor medio o esperado
E ( d ) = d = d P ( d ) d
varianza o ancho cuadrtico
= (d d ) P(d )d
TEORIA BASICA
En problemas geofsicos se mide en general una serie de
observaciones, y en consecuencia es necesario cuantificar la
probabilidad de un conjunto de variables aleatorias. La probabilidad
conjunta es la probabilidad de que el primer datos se encuentre en la
vecindad de d1, el segundo en la vecindad de d2, y as sucesivamente.
Si los datos son independientes, es decir si no existe un patrn de
ocurrencia comn a dos o mas observaciones, entonces la
probabilidad conjunta es simplemente el producto de las
distribuciones individuales:
P(d) = P(d1) P(d2) P(d3) . P(dn)

Se puede graficar esta independecia en un
diagrama de probabilidad conjunta para dos
variables. Se aprecia que no existe una
correlacin particular entre ambas variables
aleatorias .
TEORIA BASICA
En ciertos casos las observaciones estan
correlacionadas. En estos casos la
funcin de probabilidad conjunta tiende
a privilegiar ciertas combinaciones en
los datos. En el ejemplo de la figura, la
probabilidad conjunta aumenta ante la
presencia de valores altos de la variable
d2 y pequeos de la variable d1.
Al igual que en el caso uni-variado, la
funcin de probabilidad multivariada se
caracteriza por una serie de parmetros
que se definen como:
valores medios o esperados:
d i = d1 d 2 ... d i P(d )d n
matriz de covarianza
: [cov d ] = d d ... [d d ]P(d )d

ij
TEORIA BASICA
La diagonal de la matriz de covarianza representa el ancho de la
distribucin multivariada, Los trminos fuera de la diagonal indican el
grado de correlacin entre pares de elementos.
Si se conoce la estadstica de las observaciones y si existe una
relacin lineal entre las observaciones y los parmetros, entonces es
posible expresar los parmetros en funcin de las observaciones:
m = M d + v, donde M y v son matrices y vectores arbitrarios.

En este sistema de ecuaciones la estimacin de la media y covarianza
de los parmetros es directamente un mapeo del vector medio de las
observaciones y la matriz de covarianza:
m = M d + v;
[cov m] = M [cov d ]M T
TEORIA BASICA
Algunas funciones de probabilidad se describen a continuacin:
Distribucin Gaussiana (o normal):
(d d )
P(d ) =
exp
1/ 2
(2 )
2 2
1
, con valor medio <d>

y varianza 2
La correspondiente funcin de
distribucin es:
x
x < x >
F ( x) = dx' p ( x' ) = 0.5 + erf
A medida que aumenta la varianza aumenta la amplitud de la

distribucin Gaussiana y disminuye la funcin de probabilidad como
condicin de su integracin unitaria. La funcin de distribucin tiende
a 1 para valores de d mayores.
TEORIA BASICA
Distribucin de Cauchy:
/
p(d ) =
+d
2
El parmetro controla el
ancho de la distribucin.
Distribucin lognormal:
1
d
1
P(d ) =
exp 2 log
2d 2
d
2
La distribucin lognormal es
asimtrica con respecto al valor
medio.
TEORIA BASICA
-Distribuciones condicionales (Regla de Bayes):
El considerar distribuciones condicionales es importante en el anlisis
de problemas que consideren informacin a priori, en las cuales por
ejemplo se disponga de informacin que permita inferir en que forma
las observaciones van a condicionar los parmetros del medio o en
sentido contrario. Asumiendo que A1 y A2 corresponden a potenciales
realizaciones de un determinado experimento, cuyas respectivas
propabilidades son P{ A1} y P{ A2}, en ambos casos esta probabilidad
se define como:
P{ Ai}= suma de probabilidades en eventos de realizacin Ai

suma de probabilidades de todos los eventos en el espacio A
TEORIA BASICA
Al mismo tiempo es posible definir la probabilidad conjunta de ambos
eventos como:
P{ A1, A2}. Adicionalmente se define la probabilidad condicional que
habiendo ocurrido A2 ocurra A1: P{ A1| A2}. Por otra parte la
condicin de que ocurra A1 dado A2 involucra la probabilidad conjunta
P{ A1, A2}, y en consecuencia la probabilidad condicional esta
definida como:
P{A1 A2 } =
P{A1 , A2 }
P{A2 }
o bien :
P{A1 A2 }P{A2 } = P{A1 , A2 }
De igual forma se puede construir la probabilidad condicional que

ocurra el evento A2 dado A1:
P{A2 , A1 }
P{A2 A1 } =
P{A1 }
o bien :
P{A2 A1 }P{A1 } = P{A2 , A1 }
TEORIA BASICA
Ambas probabilidades conjuntas son idnticas de tal forma que se
puede establecer una relacin entre ambas probabilidades
condicionales (regla de Bayes):
P{A2 A1 }P{A1 } = P{A1 A2 }P{A2 }
o bien :
P{A2 A1 } =
P{A1 A2 }P{A2 }
P{A1 }
En problemas de inversin es comn utilizar la regla de Bayes

identificando A1 como el vector de observaciones y y A2 como el
vector x del modelo:
P{y x}P{x}
P{x y} =
P{y}
TEORIA BASICA
En esta expresin el trmino P{x|y} se reconoce como la
probabilidad del modelo a posteriori (dadas las observaciones). Esta
probabilidad condicional involucra probabilidades marginales en
observaciones P{y} y modelo P{x}, esta ltima es una probabilidad a
priori que es independiente del modelo. A su vez la probabilidad
condicional P{y|x} se obtiene una vez que la informacin del
experimento comienza a ser generada considerando la probabilidad
conjunta como variable auxiliar. De esta forma es posible obtener
informacin estadstica del modelo a posteriori.
TEORIA BASICA
Problemas de inversin en sistemas discretos y continuos
-Inversin
mediante el mtodo de Mxima Similitud:
El uso de la probabilidad multivariada permite presentar un esquema

de inversin alternativo, que corresponde al mtodo de mxima
similitud (maximum likelihood).
Asumiendo un sistema lineal G m = d, en el cual se asume una
distribucin gaussiana multivariada:
P(d ) exp{ [d G m] [cov(d )] [d G m]}

1
1
2
El mtodo de mxima similitud expresa que los parmetros ptimos

son aquellos maximizan la probabilidad de obtener los valores
observados. En consecuencia la mxima probabilidad P(dobs) ocurre
cuando la exponencial es mxima o bien su argumento es mnimo:
E = [1
d4
2
G4
3
m] [cov(d )] [1
d G 3
m] min imo
1
424
3 424
1
eT
Wd
TEORIA BASICA
-Inversin
La matriz Wd corresponde a una matriz de pesos en los datos. En

consecuencia la solucin de mxima similitud es simplemente la
solucin de cuadrados mnimos pesados para una norma L2. Si los
datos estn descorrelacionados y todos presentan igual varianza:
P (d ) exp{ 12 [d G m] [cov(d )] [d G m]}

1
2
[cov(d )] = d I E = 2 ei2 = solucin mnimos cuadrados
1
ei2
Si la varianza es distinta para cada dato: E = 2 = , el peso del dato

i
i
de menor varianza es mayor.
El uso de una norma L2 es en consecuencia apropiado para la
minimizacin del error predicho si los datos son descorrelacionados,
presentan igual varianza y obedece una estadstica gaussiana.
TEORIA BASICA
-Inversin
La solucin de mnimos cuadrados pesados esta dada por:

mest = [GT We G]-1 GT We d
Anlogamente se puede resolver el problema de peso en los
parmetros para la solucin de norma mnima:
L = [ m - <m> ]T Wm [ m - <m> ] = min
mest = <m> + WmGT [GT Wm G]-1 [ d G <m>]
Finalmente la solucin amortiguada que compromete a ambos
criterios: min(E + L) corresponde a:
mest = <m> + [GT We G + Wm ]-1 GT We [ d G <m>]
TEORIA BASICA
-Inversin
La matriz de peso en los parmetros Wm puede indicar diversos tipos

de la informacin a priori, por ejemplo rugosidad (parmetros
discontinuos o con gradientes muy fuertes, por ejemplo un sistema de
capas con propiedades elctricas contrastantes: acufero-basamento)
o suavidad (parmetros que varan lentamente, por ejemplo la
compactacin de la densidad en una cuenca sedimentaria):
- suavidad:
1
0
0
I =
...
...
...
0
...
1 1
... ...
...
...
...
...
0 m1
... ... m1
... ... m1
T
T
T
D2
3
Dm
= Dm L = I I = m 1
... ... ...

Wm
... ... mM 1
1 1 mM
...
TEORIA BASICA
-Inversin
- rugosidad:
1
0
0
I =
...
...
...
...
...
0
...
1
...
2
...
1
...
...
...
...
...
...
0 m1
... m1
... m1
T
T
T
D2
3
Dm
= Dm L = I I = m 1
... ...
Wm
... mM 1
1 mM
TEORIA BASICA
- Formulacin Bayesiana del problema inverso:
De acuerdo a la definicin de la probabilidad condicional:
P{x y} =
P{y x} P{x}
P{y}
podemos identificar:
Es decir:
P{m d } =
P{d m} P{m}
P{d }
x : m parmetros
y : d observaciones
En esta relacin P(m) es la probabilidad marginal del vector parmetro independiente de las observaciones, anlogamente P(d) es la probabilidad de las observaciones independiente de los parmetros del
problema. Podemos entender esta probabilidad como una condicin
asociada ala metodologa de observacin y en consecuencia puede
considerarse una cantidad constante en relacin a los parmetros.
TEORIA BASICA
En consecuencia la probabilidad de ocurrencia de un determinado
vector parmetro dado el set de observaciones (probabilidad a
posteriori) es proporcional al producto de la probabilidad de las
observaciones condicionadas por los parmetros P(d|m) (funcin de
similitud) y la probabilidad marginal de los parmetros P(m)
(distribucin a priori):
P{m d } P{d m} P{m}
La eleccin de la funcin de similitud esta dada por la distribucin de

los errores o ruido en los datos, y requiere en consecuencia un
conocimiento a priori de la distribucin de errores en los datos.
Asumiendo un modelo del tipo:
d=g(m)+n
en donde d: observaciones; g(m): operador del modelo directo sobre

los parmetros m; n:error o ruido, o teora inexacta (ver despus).
TEORIA BASICA
La probabilidad del error corresponde a:
P(n) = P( d g(m) ) P( d|m) : probabilidad condicional de las
observaciones d dados los parmetros m
En geofsica se establece usualmente una distincin entre errores en

las observaciones (no) y tericos (nt). Los errores en las
observaciones involucran un problema instrumental. A su vez, los
errores tericos explican la existencia de una teora inexacta.
Para una teora inexacta, la diferencia entre la teora exacta (gt(m)) y
la teora inexacta (g(m)) corresponde a:
En consecuencia:
nt = gt(m) g(m)
d = g ( m ) + n = gt(m) - nt +n = gt(m) + no
TEORIA BASICA
En la prctica es difcil efectuar una distincin entre ambos errores y
en consecuencia se estima que el error considerado es en la prctica
una mezcla de efectos instrumentales y una teora imperfecta. Si los
errores en los datos y parmetros presentan a priori una distribucin
gaussiana, entonces la probabilidad a posteriori en los parmetros,
dadas las observaciones, corresponde a:
exp{ 12 [d G m] [cov(d )] [d G m]}

P(m d )
T
1
1
exp{ 2 [m m priori ] [cov(m)] [m m priori ]}
T
Esta distribucin es no-Gaussiana debido al operador del problema

directo g(m), que no necesariamente es una funcin lineal. La
maximizacin de la funcin de probabilidad a posteriori es
equivalente a minimizar el exponente:
E = { 12 [d G m ] [cov(d )] [d G m ]} { 12 [m m priori ] [cov(m)] [m m priori ]} min

T
TEORIA BASICA
Si el operador del problema directo es una funcin lineal, entonces
esta minimizacin se reduce a la solucin de mnimos cuadrados
pesados:
] [
E = [d G m] Wd [d G m] + [m m priori ] Wm [m m priori ]
1
2
1
2
Es decir la mxima probabilidad de obtener una estimacin de los

parmetros m, dadas las observaciones d, esta dada por la solucin
de mnimos cuadrados pesados en el caso de un sistema lineal. O bien
expresado en forma inversa la solucin de mnimos cuadrados
pesados corresponde a una estimacin para una distribucin
gaussiana en las observaciones y parmetros para un operador lineal
entre las observaciones y los parmetros.
TEORIA BASICA
- Mtodos iterativos de Inversin para problemas cuasi-lineales
La solucin del problema inverso: m = g-1(d) para operadores cuasilineales se resuelve mediante un desarrollo en serie de Taylor
generalizado:
d = do + Go (m mo) + 0( m2)
G2 ,1
m1
donde Go = ...
...
GmN1,1
G1,1
m1
...
G1, j
m j
G2 , 2
m2
...
...
...
...
Gi , j
m j
...
GN , j
m j
...
...
...
... GmNM,M m = mo
...
...
...
...
G1,M
mM
TEORIA BASICA
Si m es cercano a mo esta funcin de perturbacin tiene un error
pequeo (0( m2) 0), entonces:
inversa
generalizada
}
m = mo + Go1 [d d o ] o m = mo + Go1 [d g (mo )]
en terminos iterativos :
mi+1 = mi + Gi1 [d g (mi )]
La inversa generalizada se resuelve utilizando las tcnicas descritas
en capitulo 1, por ejemplo la solucin de mnimos cuadrados
corresponde a:
mi+1 = mi + [Gi Gi ] GiT [d g (miest )]

est
est
TEORIA BASICA
En mnimos cuadrados amortiguados:
mi+1 = mi + Gi Gi + d2
m
est
est
T
I Gi [d g (miest )]
en este caso el factor de amortiguamiento se ha expresado en

trminos de la razn entre las varianzas en las observaciones y los
parmetros.
Para el caso de la solucin de norma mnima la estimacin de la
solucin cuasi-lineal corresponde a:
miest+1 = miest + GiT [Gi GiT ] [d g (miest )]

1
TEORIA BASICA
Es importante tener en consideracin
que esta solucin iterativa es
dependiente de la condicin inicial tal
cual se aprecia en el siguiente esquema:
En este caso el esquema iterativo
tiende a mnimos locales al iniciar
el proceso iterativo en puntos 2 y 3.
Solo al iniciar en 1 es posible acceder
al mnimo absoluto. Una forma de
acceder al valor mnimo es utilizar
una tcnica de optimizacin global
como por ejemplo el mtodo de
mimin mi mimax
Monte-Carlo en el cual se mapea
nuevo
min
max
min
[
]
tal
que
:
m
=
m
+
P
m
m
a la funcin error en un dominio
i
i
n
i
i
1
4
4
244
3
( nmero aleatorio:01 )
amplio:
TEORIA BASICA
- Introduccin a teora inversa con modelos continuos
Por simplicidad se restringe este anlisis al problema de sistemas
lineales. Una teora de perturbacin anloga a la utilizada en el caso
de problemas cuasi-lineales es aplicada para el caso de mayor
complejidad asociado a funciones no-lineales. En consecuencia:
di
{
observaciones
= Gi ( x) m
( x) dx + ei
{
{
123 parmetros
errores
Kernel G ,
equivalente
a matriz G
Como el problema directo es lineal, una estimacin de los parmetros

resulta de una combinacin lineal de las observaciones:
~ ( x) = a ( x)d
m
i
i
N
i =1
TEORIA BASICA
Insertando la relacin anterior en esta expresin:
~ ( x ) = a ( x) G ( x' ) m( x' )dx '+ a ( x ) e

m
i
i
i
i
1i=1 44
i =1
244
3
14243
N
R ( x , x ') Kernel resolucin
propagacin del errores
En el caso ideal R(x,x) = (x-x), tal que la solucin estimada se

aproxima a la solucin real:
~ ( x ) m( x )
m
Un enfoque alternativo es considerar que el parmetro continuo se

construye a partir de una funcin de bases (por ejemplo en el caso de
armnicos esfricos):
m( x ) = m j j
j =1
TEORIA BASICA
La ventaja de esta representacin es que ahora el factor a invertir es
un vector discreto mj que puede ser truncado para su manejo
numrico. Insertando esta base en la solucin del problema directo:
d i = Gi ( x) m j j ( x) dx + ei
N
i =1
En esta expresin la sumatoria no depende de la integral, en

N
consecuencia:
d i = m j Gi ( x) j ( x)dx j + ei
i =1
o bien : d i = m j Ai , j + ei
N
i =1
Esta ecuacin puede ser resuelta mediante las tcnicas descritas

previamente si se conoce la funcin de bases.
APLICACIONES
Problemas lineales: (a) Estimacin de magnetizacin en modelo de
bloques (corteza ocenica):
En este caso particular el campo magntico puede expresarse como
una funcin del tipo:
Ti = M j i , j
N
j =1
En la cual la variable de magnetizacin Mi es una funcin lineal del

factor geomtrico i,j (efecto del bloque j en la posicin i):
T1 1,1 1, 2 ..
T
2 , 2 ..
2 2 ,1
: = ..
.. i ,i

..
..
: ..
TL L ,1 L , 2 ..
.. 1,N M 1
.. 2 ,N M 2

.. .. :

.. .. :
.. L ,N M N
APLICACIONES
bloques (p. Ej. corteza ocenica):
Este sistema de ecuaciones se resuelve directamente si L=N,
invirtiendo la matriz :
M = 1T
Si hay mas observaciones que coeficientes de magnetizacin (L>N),
se efecta una minimizacin de cuadrados:
M = [ T ] T T
1
Aproximando el efecto de un bloque de area a*b por un cilindro de

radio R: R = a * b el efecto de cada bloque (cilindro), ubicado a una
profundidad h es (I es la inclinacin magntica):

2
(
)
x
x
2(x j xi )h
h2
j
i
2
2
2
i , j = 2R M i [cos I sin I ]
2 + [2 cos I sin I ]
2
2
((x j xi ) + h )
((x j xi )2 + h 2 )2
APLICACIONES
En el modelo anterior se ha asumido que el perfil es perpendicular al
campo terrestre y que la declinacin es nula, al igual que potenciales
remanencias. En la figura siguiente se ha modelado esta anomala
para una seccin ubicada a 2 km de la superficie, considerando una
secuencia de magnetizacin +/- 5 Am-1 (25000[nT]*0.02[cgs])
clear all
close all
a=500;b=500;R=sqrt((a*b)/pi); xi=-50*R:2*R:50*R;
xj=min(xi):200:max(xi);
I=input('ingrese inclinacion');
h=input('ingrese profundidad [m]');
I=I*pi/180; fact1=cos(I)^2-sin(I)^2; fact2=2*cos(I)*sin(I);
% definicion de dominio observaciones-parametros
[XI,XJ]=meshgrid(xi,xj); R4=((XJ-XI).^2+h*h).^2;
N1=(XJ-XI).^2-h*h; N2=2*(XJ-XI)*h;
func=2*pi*R*R*((fact1*N1./R4)+(fact2*N2./R4));
% definicin de vector de magnetizacin por funcin aleatoria
M=sign(random('Normal',0,0.5,length(xi),1))*500;
T=func*M;
figure(1)
subplot(3,1,1),plot(xj/1000,T);
title('campo magnetico'); subplot(3,1,2),bar(xi/1000,M/500); title('polaridad');
axis([-15 15 -2 2])
% inversion de parametros
M_est=inv(func'*func)*func'*T;
subplot(3,1,3),plot(xi/1000,M,xi/1000,M_est,'.-');
title('magnetizacin'); print -djpeg -r200 fig4.jpg
APLICACIONES
Si introducimos un 1% de ruido aleatorio vemos que la solucin se
deteriora en forma dramtica:
% Incorporacion de ruido aletorio de un 1% en la
seal
TT=T+(max(T)min(T))*0.01*random('Normal',0,0.5,length(xj),1);
figure(2)
subplot(3,1,1),plot(xj/1000,T,xj/1000,TT);
title('campo magnetico');
subplot(3,1,2),bar(xi/1000,M/500);
title('polaridad');
axis([-15 15 -2 2])
% inversion de parametros
M_est=inv(func'*func)*func'*TT;
subplot(3,1,3),plot(xi/1000,M,xi/1000,M_est,'.-');
title('magnetizacin');
APLICACIONES
Una forma de disminuir la inestabilidad en la solucin consiste en
aplicar la descomposicin en valores propios (en rojo en el grfico):
a medida que se toman menos valores propios la inversin es mas
estable pero pierde resolucin
% descomposicion en valores
singulares
[U,S,V]=svd(func);
m_est_1=(V(:,1:30)*inv(S(1:30,1:30)
)*U(:,1:30)')*TT;
m_est_1=(V(:,1:20)*inv(S(1:20,1:20)
)*U(:,1:20)')*TT;
m_est_1=(V(:,1:10)*inv(S(1:10,1:10)
)*U(:,1:10)')*TT;
APLICACIONES
Problemas lineales: (b) determinacin del espesor en una cuenca
sedimentaria mediante observaciones gravimtricas
g i 2Ghi
grav.
La gravimetra ha sido utilizada en forma rutinaria para definir la

morfologa de un basamento cubierto por material sedimentario poco
consolidado. La eficacia de la tcnica en este caso se basa en el fuerte
contraste en densidad entre el basamento (2.7 a 2.9 gr/cc) y el
relleno (2-2.4 gr/cc). Una aproximacin de primer orden a este
problema es asumir que para cada punto la gravedad se aproxima a la
formula de una capa plana (vlido si la rugosidad del basamento es
pequea):
0
gi
hi
APLICACIONES
El proceso de inversin en este caso es directo y no involucra a los
restantes puntos ya que para cada estacin gravimtrica se cumplira
que:
g
hi
2G
rho=0.4
% contraste gr/cc
g = 0.00667;
% constante de gravitacion
fact=2*pi*g*rho
load datos_cuenca.dat;
x=datos_cuenca(:,1);
y=datos_cuenca(:,2);
g=datos_cuenca(:,3);
h=g/fact;
APLICACIONES
Observamos en la figura anterior que la solucin en la zona que
cumple en peor forma el supuesto de una capa plana (el fondo de la
cuenca) tiende a subestimar el valor del espesor sedimentario. Una
forma de corregir este resultado es introducir un proceso iterativo de
ajuste que agregue mayor espesor en funcin del residuo entre la
gravedad observada y la calculada:
obs
g
i
hi0
2G
[
g iobs g ik 1 ] / 2
k
k 1
hi hi
,
k = 1, N
2G
hik : prof . estacin i en iteracin k
g ik 1 : grav. estacin i en iteracin k

Aplicando este algoritmo se obtiene:
APLICACIONES
APLICACIONES
Vemos que la solucin converge en forma progresiva hasta alcanzar
un buen ajuste en las observaciones y la profundidad.
El algoritmo anterior tiene la virtud de compensar la aproximacin de
una capa plana al calcular su efecto mediante un programa de
modelacin directa de 2-d (talwani), el cual va incorporando los
efectos de cada profundidad en los puntos aledaos.
APLICACIONES
Problemas no-lineales: determinacin magnetizacin, profundidad
y ancho de dique magntico vertical
El efecto magntico de un dique vertical de espesor 2d y profundidad
h, orientado perpendicular al campo magntico esta dado por:
2
2
2
U xx [cos (i ) cos (d ) sin (i )] +
T = 2Fo
= 2Fo {U xx xx + U xz xz }
x=0
donde:
h
h
U xx ( x) = arctan
arctan
xd
x + d
2d
(d + x) + h
1
U xz ( x) = log
2
(d + x) 2 + h 2
2
APLICACIONES
Asumiendo conocida la inclinacin i, declinacin d, e intensidad del
campo magntico Fo, entoces los 3 parmetros a determinar son: el
espesor d, la profundidad h, y la susceptibilidad magntica k. De estos
parmetros solo la susceptibilidad magntica es lineal c/r al campo, y
en consecuencia el proceso de inversin exige una linealizacin de los
parmetros utilizando un desarrollo de Taylor:
est
est
est
i
i+1 i
h est = h est + [G T G ]1 G T T T h est
i
i
i
i
obs
i+1 i
d est
d iest+1 d iest
i
x=0
h
2d
donde Gi = :
TN
T1
T1
h
:
TN
h
:
TN
d
o , ho , d o
T1
d
APLICACIONES
Para resolver este problema es necesario el determinar las derivadas
de la matriz Gi, este proceso puede llevarse a cabo en forma numrica
(teora de lmite) o en forma analtica si es posible. En este caso se ha
optado por utilizar la teora de lmite, de tal forma que las derivadas
con respecto a las incgnitas se expresan como:
Gi Ti Ti ( xi , + , h, d ) Ti ( xi , , h, d )
=
Gi Ti Ti ( xi , , h + h, d ) Ti ( xi , , h, d )
=
h
h
h
Gi Ti Ti ( xi , , h, d + d ) Ti ( xi , , h, d )
=
d
d
d
APLICACIONES
En el problema planteado estas derivadas corresponden a:
function[G]=mat_der(x,h,d,susc,f0
,inc,dec);
[T0]=campo_dique(x,h,d,susc,f0,i
nc,dec);
[T_h]=campo_dique(x,h*1.01,d,su
sc,f0,inc,dec);
[T_d]=campo_dique(x,h,d*1.01,su
sc,f0,inc,dec);
[T_susc]=campo_dique(x,h,d,susc
*1.01,f0,inc,dec);
G(:,1)=100*(T_susc'-T0')/susc;
G(:,2)=100*(T_h'-T0')/h;
G(:,3)=100*(T_d'-T0')/d;
APLICACIONES
Problemas no-lineales: (a) determinacin magnetizacin,
profundidad y ancho de dique magntico vertical
En consecuencia la inversin iterativa de los parmetros asociados al
dique corresponde a:
[T]=campo_dique(x,h,d,susc,f0,inc,dec);
h1=h*1.2; d1=d/1.2; susc1=susc/1.2;
for l=1:5,
[T1]=campo_dique(x,h1,d1,susc1,f0,inc,dec);
[G1]=mat_der1(x,h1,d1,susc1,f0,inc,dec);
par=[susc1,h1,d1]'+inv(G1'*G1)*G1'*(T-T1)';
susc1=par(1); h1=par(2); d1=par(3);
end
APLICACIONES
Problemas no-lineales: linealizacin de problemas sobre
determinados: minimizacin de momento de inercia en gravedad
Un tipo de solucin de problemas inversos en secciones 2-D es
resolver una distribucin de densidades en una malla regular en la
cual la geometra queda establecida y solo se desconoce la propiedad
fsica de cada celda:
para una discretizacin por
cilindros, la gravedad observada
en superficie corresponde a:
g = A p
z i , j
dx dz
2
; Req =
;
Ai , j = 2GReq 2
2
xi , j + zi , j
2
j = 1, nx * nz; i = 1, N : observaciones
pk = densidad ; k = 1, nx * nz
APLICACIONES
Esta solucin tiene la ventaja de una geometra fija en donde solo es
necesario resolver la propiedad fsica como una funcin lineal de una
geometra fija.
Sin embargo, para un problema as planteado la solucin esta
indeterminada porque el nmero de observaciones en superficie (np)
va a ser en general inferior al nmero de incgnitas (las nx*nz
densidades en la discretizacin del problema).
El problema tiene solucin si incorporamos informacin a priori sobre
alguna caracterstica de la distribucin de densidades, como por
ejemplo que la solucin sea compacta (que minimice el momento de
inercia, es decir que la solucin entregue cuerpos bien definidos y no
dominios de densidad con varios cuerpos pequeos distribuidos en
forma homognea en el espacio).
APLICACIONES
Formalmente esta informacin a priori se establece mediante la
tcnica de multiplicadores de lagrange indeterminados en donde se
minimiza el funcional:
S ( p, g ) = Ap g + ( ) H ( p )
: norma euclidiana
: metrica asociada a la perturbacion de las observaciones

( ) : funcin determinada de : Ap g =
H ( p ) : informacin a priori
Esta ecuacin es equivalente a resolver:
min( H ( p )) ( p p o ) T W p ( p p o )
sujeto a : Ap g ( g A p ) T We ( g A p )
APLICACIONES
En estas ecuaciones Wp y We son matrices diagonales definidas y
positivas asociadas a los paremtros y datos respectivamente, p0 es
una solucin inicial al problema. Estas ecuaciones indican que se esta
resolviendo una minimizacin de la condicin a priori pero sujeta a
que los parmetros explique dentro de un nivel de incertidumbre las
observaciones g. Minimizando el funcional S(p,g) c/r a los
parmetros:
S ( p, g )
=0
p
p = p + W p A {A W p A + ( ) We
*
} (g A p )
1 1
APLICACIONES
La informacin a priori que condiciona la matriz diagonal Wp se
determina imponiendo una condicin de mnimo momento c/r a un
eje de referencia. El momento de inercia de todas las celdas se
expresa como:
M
I = p j j ( 2j + d j2 );
j =1
d j = distancia al eje de la celda j;
= rea de la celda j;
j
= coeficiente que depende de la geometra;

j
Considerando esta expresin la funcin de normalizacin H(p) se

define como:
2
2
M
( + d
H ( p ) = w p ; donde : w =
p +
j
p, j
j =1
p, j
APLICACIONES
Como la densidad debe ser siempre positiva, la minimizacin de este
funcional para un tendiendo a cero es equivalente a minimizar el
momento de inercia, de tal forma que los coeficientes de la matriz Wp
corresponden a:
2
2
( + d
w =
p +
j
p, j
Como los coeficientes de Wp dependen de p, la solucin de los

parmetros es iterativa:
*( n +1 )
=p
0(n)
+ [W p
( n ) 1
A {A[W p
( n ) 1
A + ( )[We
T
] } (g Ap )
1
( n ) 1
0(n)
La matriz de ponderacin de las observaciones We se expresa como:
[W ]
( n ) 1
ii
= 02 {A[W p( n ) ] AT }ii
1
APLICACIONES
Donde es la estimacin de la desviacin standard del ruido en las
observaciones. La iteracin es inicializada con:
2
W p(1) = I ;We1 = I ; p 0 (1) = 0

mas los parmetros:
( ) = 0.01; = 0.1; = 10
o
APLICACIONES
Problemas no-lineales:
linealizacin de problemas sobre
determinados: minimizacin
de momento de inercia en
gravedad
Ejemplo de inversin: 1a
iteracin, (a): grav observada
(lnea continua) y calculada
(asteriscos); (b): error en el
ajuste; (c): modelo terico; (d)
modelo invertido
APLICACIONES
Problemas no-lineales:
linealizacin de problemas sobre
determinados: minimizacin
de momento de inercia en
gravedad
Ejemplo de inversin: 6a
iteracin. Vemos que se produce
un mejor ajuste del modelo
terico, en el cual la solucin
tiende a concentrar las masas
segn los ejes de inercia
correspondientes a las
distribuciones reales de las
masas. Es interesante destacar
que la calidad del ajuste original
no se ve sustancialmente
mejorado: ambas soluciones
son equivalentes desde el punto
de vista del ajuste de los datos.
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Werner

En las secciones anteriores hemos estudiado problemas en los cuales
se asume una geometra del cuerpo anmalo determinada. En el
desarrollo siguiente veremos un par de mtodos que permiten la
obtencin de una solucin aproximada de los parmetros
fundamentales: profundidad a la fuente y determinacin de la
propiedad fsica asociada.
En este mtodo se considera que el basamento magntico tiene una
seccin transversal poligonal, como indica la figura:
APLICACIONES

La contribucin mayor a la anomala magntica total en la vecindad
del punto xo ser:
T ( x ) = 2 MC Im C I sen [cos ln R + sen ]
donde:
=I+I +
m
( i + d )
I m , I : inclinacin de campo y cuerpo
C I = sen2 I + cos2 I cos2 ( D A) ; D : declinacin campo; A : azimut

C M = sen2 I m + cos2 I m cos2 ( Dm A) ; Dm : declinacin cuerpo
APLICACIONES

Las derivadas horizontal y vertical de este vrtice y evaluadas en z=0
corresponden a:
[
T
sen h + cos ( x x )]
= 2 MC C sen
T =
R
z
[
T
sen ( x x ) + h cos ]
T =
= 2MC C sen
x
R
0
Im
Im
o bien en forma simplificada:
Tz = Av
[ sen h + cos (x x )]
0
R2
[
sen ( x x0 ) + h cos ]
Tx = Av
R2
APLICACIONES

De clases anteriores debemos recordar que las derivadas horizontal y
vertical del campo magntico constituyen un par de Hilbert, y en
consecuencia la derivada vertical puede ser evaluada a partir de la
derivada horizontal (de fcil evaluacin) de acuerdo a la siguiente
expresin:
T
T
= H
z
x
Que en el dominio de las frecuencias corresponde a:
T
T
TF (k ) = i sgn (k ) TF (k )
z
x
APLICACIONES

Si consideramos todos los vrtices que contribuyen a la anomala
observada en el punto xo, obtenemos una sumatoria de efectos de
similar tipo:
N
hn cos n + ( x x0 n )sen n
Tx ( x ) = An
2
2
hn + ( x x0 n )
1
tot
hn sin n + ( x x0 n ) cos n
Tz ( x ) = An
2
2
hn + ( x x0 n )
1
N
tot
El mtodo de Werner se basa en suponer que para una porcin del

perfil de observaciones se puede considerar que hay un slo vrtice
que influye de manera significativa, y que la influencia de los vrtices
vecinos puede tenerse en cuenta usando un desarrollo en serie.
Entonces se plantea la siguiente ecuacin genrica:
A + B ( x x0 )
2
TT ( x ) = 2
+
C
+
Dx
+
Ex
+L
2
h + ( x x0 )
APLICACIONES

TT(x) puede representar
1)La derivada horizontal o vertical de la anomala (vrtices)
2)La anomala misma
La justificacin de la primera posibilidad est dada en los prrafos
precedentes. La segunda posibilidad contempla el caso en el que el
basamento pueda ser no magntico pero contener un dique
magntico incrustado. Los trminos C + Dx + Ex2 + ... son los que
tienen en cuenta la influencia de vrtices vecinos o diques cercanos.
Esta expresin se puede transformar en:
x + x + x + x + + xT + T = Tx
4
Las I contienen h, x0, A, B, C, D y E, que son 7 incgnitas a calcular

de las observaciones TT(x)
APLICACIONES

De estos coeficientes interesa especialmente aquellos asociados a la
ubicacin del cuerpo xo y profundidad h: 6, 7:
= 2 x
= ( h + x )
6
xo =
; h = 7
2
6
Cabe hacer notar que otros parmetros relevantes en el proceso de

interpretacin (como por ejemplo la magnetizacin del cuerpo)
pueden tambin ser resueltos en este proceso de inversin al
descomponer los restantes coeficientes del sistema de ecuaciones
anterior.
APLICACIONES

Generalmente se recorre el perfil de valores medidos de TT con una
ventana mvil, que debe tener al menos 7 puntos para poder calcular
las 7 incgnitas. La ventana puede ser mayor, y en ese caso se aplica
una regresin lineal. Los parmetros se obtienen con su error de
ajuste, y se puede designar un valor de tolerancia para aceptacin o
rechazo. En las incgnitas listadas, adems de la profundidad y
posicin del vrtice, se encuentran la magnetizacin, el campo
principal y los parmetros angulares de los vrtices. Las estimaciones
de estas variables son en general muy groseras, pero sirven de
control para la validez de la aplicabilidad del mtodo. Como TT puede
ser la derivada horizontal o vertical de la anomala, y tambin la
anomala misma, en cada ajuste (cada posicin de la ventana) se
pueden obtener por lo menos 3 estimaciones de h y x0.
APLICACIONES

En el
ejemplo
siguiente se
ha invertido
la siguiente
secuencia de
diques
verticales:
APLICACIONES
Inversin de funciones
aproximadas:
Deconvolucin de
Werner
Algoritmo
%determinacion de derivadas horizontales y verticales

T_x=gradient(T,dx); % derivada horizontal
ii=0:1:128;
ii(130:256)=-fliplr(ii(2:128));
K=ii/(256*dx);
T_z=-real(ifft(1i*sign(K).*fft(T_x)));
% deconvolucion de werner paso 1 2 4 8
unos(1:8)=1;
for l=1:3
jj=0;
for i=1:4
j=2^(i-1);
for k=1:j:256-j*7,
xx=x(k:j:k+j*7);
if l==1,T_x1=T_x(k:j:k+j*7);end
if l==2,T_x1=T_z(k:j:k+j*7);end
if l==3,T_x1=T(k:j:k+j*7);end
x_mat=[xx.^4; xx.^3; xx.^2; xx; unos; xx.*T_x1; T_x1]';
b_mat=T_x1.*xx.^2;
alfa=inv(x_mat'*x_mat)*x_mat'*b_mat';
if -alfa(7)-(alfa(6)^2)/4 >0,
jj=jj+1;
x0(jj)=alfa(6)/2;
h0(jj)=sqrt(-alfa(7)-(alfa(6)^2)/4);
end
end
end
APLICACIONES

Se utilizo paso
de 1,2,4, y 8
intervalos de
muestreo.
Como la
magnetizacin
de los diques
es constante
solo aparecen
transiciones
bien marcadas
cuando hay
cambios de
relieve en el
basamento
magntico
APLICACIONES
Inversin de funciones aproximadas: Deconvolucin de Euler

Una ltima metodologa de uso comn en la estimacin de la
profundidad a una determinada interfase con contraste geofsico en
los mtodos de potencial, lo constituye la deconvolucin de Euler. Al
igual que el mtodo de Werner esta tcnica es apropiada para una
primera estimacin de la profundidad al basamento (y tambin la
intensidad de la propiedad fsica muestreada) de grandes volmenes
de datos en donde no sea posible disponer de una caracterizacin
acabada de la fuente.
Una funcin V se dice homognea de grado n si cumple la ecuacin
diferencial de Euler:
V
V
V
+y
+z
= nV
x
y
z
APLICACIONES

Se puede demostrar adems que derivadas direccionales de la
ecuacin de Euler son tambin homogneas, por ejemplo la deriva c/r
z de V:

V
V
V
z
z
z
x
= (n + 1) V
+z
+y
z
z
y
x
si V=1/r, satisface la ecuacin de Euler, en consecuencia el potencial
gravitatorio V = Gm tambin es solucin de esta ecuacin con n=1. A
r
su vez la gravedad que es la derivada z del potencial cumple la

relacin de Euler con n=2. Otras formas simples de fuentes de
potencial tambin cumplen esta ecuacin con ordenes crecientes de
n.
APLICACIONES

Para datos de potencial Ti (ya sea gravedad o magnetismo) se cumple
en general la siguiente ecuacin de Euler:
(xi xo ) Ti + ( yi yo ) Ti + (zi zo ) Ti
x
= n(Ti B )
donde B es un campo regional o de referencia, y n se denomina el

ndice estructural. Valores de n para distintos cuerpos simples se
adjuntan en la siguiente tabla.
Indice
n
0
0.5
1
2
3
Cuerpo
gravedad
sill/dique
cinta
cilindro
esfera
magnetismo
contacto
escaln
dique
cilindro
esfera
APLICACIONES

Considerando un conjunto de observaciones, cada una de ellas
cumple la ecuacin de Euler y en consecuencia puede ser
representada como un sistema de ecuaciones en el cual las incgnitas
corresponden a la ubicacin de la fuente causante de la anomala (x0,
y0, z0), eventualmente el ndice n:
T1
x
T2
x
:
Ti
x
Tn
x
T1
y
..
Ti
y
Tn
y
T1
T1
T1
T1
+
+
+
T
x
y
z
1
1
1
1
z
x
y
z
T
T
T
2
2
2
T2 + x2
.. xo
+ y2
+ z2
y
x
y
z
o
= n
Ti
Ti
Ti
Ti zo
+ yi
+ zi

Ti + xi
x
y
z
z
Tn
Tn
Tn
Tn
+
+
+
T
x
y
z
n
n
n
n
y
x
z
APLICACIONES

Este sistema de ecuaciones se resuelve de forma similar al esquema
propuesto para la deconvolucin de Werner:
Se selecciona un ndice estructural acorde con la geologa de los
cuerpos esperados
Se determina un paso de muestreo y se toma un nmero
significativo de puntos para realizar una inversin de matrices
estable.
Se procede a continuacin a determinar las derivadas horizontales
(mediante diferencias) y verticales (transformada de hilbert)
Se invierte la matriz de derivadas determinando la ubicacin de la
fuente para la venta espacial elegida
Se avanza en el perfil desplazando la ventana de muestreo hasta
completar las observaciones
Se aumenta el muestreo para mapear profundidades mayores y se
repite toda la secuencia anterior.

Prospeccion I 2007

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

Prospeccion I 2007

Încărcat de

Drepturi de autor:

Formate disponibile

GEOFSICA DE PROSPECCIN I

MDULO I.- Introduccin

MDULO I.- Introduccin

MTODOS DE POTENCIAL: Conceptos

MDULO I.- Introduccin

MTODOS DE POTENCIAL: Conceptos

MDULO I.- Introduccin

GRAVEDAD: Campo Gravitacional

Ley de Gravitacin Universal

Donde : G = 6.67x10-11 N m2 Kg-2 Cte. Gravitacin Universal

MDULO I.- Introduccin

GRAVEDAD: Potencial Gravitacional

MDULO I.- Introduccin

GRAVEDAD: Conceptos Bsicos

MDULO I.- Introduccin

GRAVEDAD: Conceptos Bsicos

World Geodetic System 1984 (WGS84)

MDULO I.- Introduccin

GRAVEDAD: Reduccin de Datos

Debemos ser capaces de aislar el ltimo trmino de esta

MDULO I.- Introduccin

GRAVEDAD: Conceptos Bsicos

(g normal 9.8 m/s2 = 980 Gal = 980.000 mGal)

MDULO I.- Introduccin

GRAVEDAD: Reduccin de Datos

MDULO I.- Introduccin

GRAVEDAD: Reduccin de Datos

MDULO I.- Introduccin

GRAVEDAD: Reduccin de Datos

gfa = -0.3086h [mGal] (h en metros)

MDULO I.- Introduccin

GRAVEDAD: Reduccin de Datos

Anomala de Bouguer (simple)

MDULO I.- Introduccin

GRAVEDAD: Reduccin de Datos

MDULO I.- Introduccin

GRAVEDAD: Reduccin de Datos

MDULO I.- Introduccin

GRAVEDAD: Reduccin de Datos

Puede tener magnitud del orden de efectos asociados a

MDULO I.- Introduccin

La COSTE & ROMBERG

LaCOSTE & RONBERG

MDULO I.- Introduccin

Gravedad: Densidad de Rocas

MDULO I.- Introduccin

Gravedad: Precisin Relativa

Longitud de Onda [m]

MDULO I.- Introduccin

MAGNETISMO: Conceptos Bsicos

Anlogo a la atraccin entre dos masas

La fuerza actuando sobre un

MDULO I.- Introduccin

MAGNETISMO: Conceptos Bsicos

Si definimos un vector B tal que:

dfa = Ia dla x dBb

e integramos sobre el loop b, obtenemos:

El vector B se conoce como Induccin Magntica, Densidad de

MDULO I.- Introduccin

MAGNETISMO: Conceptos Bsicos

El campo magntico (F) es una

F(r) = - Grad. A (r)

Si r>>l (campo lejano) A ~

En primera aproximacin, el campo terrestre puede ser considerado dipolar.