Metoda celor mai mici patrate.

Un sistem liniar de ecuatii ale corectiilor este supradeterminat atunci cand

numarul ecuatiilor este mai mare decat numarul necunoscutelor.
Aceasta supradeterminare indica faptul ca in model au fost luate in considerare mai
multe masuratori decat cele necesare pentru determinarea parametrilor necunoscuti in
consecinta se pot determina mai multe valori pentru aceeasi necunoscuta. De exemplu,
daca se considera ca sistemul este format din m ecuatii si n necunoscute prin luarea in
considerare a primelor n ecuatii rezultand niste valori pentru cei n parametri necunoscuti
(X). Luand in considerare alte n ecuatii din cele m (m > n) se obtin alte valori pentru
parametri X. Pentru geodezie este necesar sa se gaseasca niste valori unice ale
parametrilor necunoscuti. Pentru aceasta trebuie ca modelul sa fie reformulat in sensul
ca, pentru a face ca sistemul sa devina consistent, se introduce un vector al corectiilor
(v) care adaugat la vectorul masuratorilor (M*) sa rezulte vectorul valorilor cele mai
probabile ale observatiilor (M);

M=M* + v
Solutia prin metoda celor mai mici patrate se obtine prin minimizarea sumei
patratelor corectiilor. In foarte multe cazuri, valorile efective ale variantelor si
covariantelor nu se pot cunoaste, de aceea ele sunt inlocuite cu valori proportionale cu
acestea numite coeficienti de pondere, factorul de proportionalitate fiind varianta unitatii
de pondere. In legatura cu matricea coeficientilor de pondere Qm se defineste si
matricea ponderilor

P=
Pentru o populatie data, varianta, media si celelalte momente ale variabilei sunt
unice si, in cele mai multe cazuri, nu pot fi cunoscute valorile lor ci doar estimatii ale
acestora.

Prelucrarea observatiilor efectuate in retele geodezice se desfasoara sub

conditia specifica metodei celor mai mici patrate, componenta principala a modelului
stochastic:

vT Pv minim

In aceasta relatie, care reprezinta forma generala a conditiei de minim,

matricea ponderilor masuratorilor si matricea cofactorilor masuratorilor sunt matrice
pozitiv definite (admit inversa). Pentru o prelucrare cat mai corecta, aceste matrice ar
trebui sa fie matrice plina, insa determinarea elementelor dreptunghiulare (p ij si
respectiv, cu qij cu ij) nu este, deocamdata, intotdeauna posibila.

Pentru prelucrarile observatiilor efectuate in retele geodezice ce se efectueaza in

mod curent, se face o aproximatie prin considerarea masuratorilor ca fiind
independente. Aceasta aproximare face ca matricea ponderilor sa devina o matrice
diagonala (pij=0, pentru ij) ceea ce usureaza foarte mult calculele. In aceste conditii,
relatia vT Pv minim se mai poate scrie sub forma:

[pvv]minim

Cand cerintele de precizie nu sunt ridicate, se mai poate face o aproximatie prin
considerarea masuratorilor independente ca fiind de precizii egale, caz in care conditia
de minim [pvv]minim

se poate scrie astfel:

[vv]minim

Metoda celor mai mici patrate de estimare a parametrilor necunoscuti mai este
cunoscuta si sub denumirea de compensarea prin metoda celor mai mici patrate.

Modelul functional-stochastic Gauss-Markov, utilizat la prelucrarea observatiilor

geodezice este reprezentat, de modelul functional, dat de relatia v = Ax+l si de modelul
stochastic reprezentat de relatia:Cm=2 Qm

Daca se considera ca matricea coeficientilor A are rangul n (rang(A)= n) si ca

matricea ponderilor este pozitiv definita atunci modelul este denumit modelul Gauss-
Markov fara defect de rang.

In acest model se presupune ca valorile medii ale observatiilor pot fi reprezentate

de o combinatie liniara a coeficientilor dati si parametri necunoscuti, deci avem un
model liniar. Relatia liniara este cunoscuta sub denumirea de regresie, iar estimatia
in modelul Gauss-Markov o analiza de regresie. Totusi acest model difera esential
de modelul regresiei deoarece parametri aleatori sunt estimati prin combinatii liniare ale
observatiilor.

Rangul unei matrici A de dimensiuni m x n este

rang(A) minin(m,n)
iar in cazul studiat mn. Intotdeauna se cauta ca numarul
observatiilor efectuate (m) sa fie mult mai mare decat numarul parametrilor
necunoscuti (n), pentru a diminua efectul aleator al observatiilor in estimatii, deci m >
n. Modelul se numeste fara defect de rang deoarece rang(A) = n.

Sistemul de ecuatii

M=AX
nu este un sistem consistent. Se obtine un sistem consistent prin adaugarea unui
vector aleator v (m,1)al erorilor lui M, adica

M* + v = AX , ecuatii ale observatiilor

cu media M(v)=0

si dispersia D(v)=D(M)=

Aceste ultime trei relatii reprezinta o alta formulare a modelului Gauss-Markov

. Ecuatiile observatiilor la prelucrarea prin metoda celor mai mici patrate sunt cunoscute
ca ecuatii ale corectiilor, iar modelul Gauss-Markov se mai
numeste compensarea observatiilor.

Matricea de covarianta a observatiilor M a fost presupusa cunoscuta in relatiile

de mai sus, exceptand factorul . Matricea
ponderilor P a observatiilor M s-a presupus ca este pozitiv definita, deci inversa P -
1 exista si este o matrice pozitiv definta:

Se considera ca vectorul M(m,1)

M=[m1,..mm]T
este aleator si ca matricea lui de covarianta este data de relatia dispersiei. In
acest caz

P=cC -1
se numeste matricea ponderilor, c fiind o constanta. Elementele de pe
diagonala acestei matrice (pii) reprezinta ponderea variabilei aleatoare mi, i=1,.,m .

Daca C este o matrice diagonala

 C=diag(

ponderea pii a variabilei aleatoare mi este data de relatia

pii =

sau daca c= pii =

deci dimensiunea ponderii este patratul reciprocei dimensiunii variantei.

Matricea ponderilor poate fi acceptata aproape intotdeauna ca fiind o matrice

diagonala, componentele sale putand fi determinate cu formule e mpirice care se
gasesc cu usurinta in diverse manuale. Componentele matricei ponderilor pot fi
determinate si print-o estimare

'a posteriori'.

Intr-o prelucrare, prin metoda celor mai mici patrate

P-1 = Q

deoarece

D(M)= Q

Q reprezentand matricea cofactorilor sau matricea coeficientilor

de pondere.

Daca P = I atunci

D(m)= I
iar factorul , este denumit varianta unitatii de pondere. Modelul functional - stochastic
este dat de relatiile M=AX si D(m)= I

In general, intre parametri X si observatiile M nu sunt relatii liniare , putem

scrie:
 F1 (X1, X 2, Xn )=m* + v1

F2 (X1, X 2, Xn )=m* + v2

Fm(X1, X 2, Xn )=mm* + vm

Unde:

F1 (X1, X 2, Xn ) reprezinta functii diferentiabile real - evaluate ale

parametrilor X1, X 2, Xn
mi* sunt observatiile efectuate, iar
vi, sunt corectiile ce trebuie aduse observatiilor

......

unde X sunt valorile aproximative ale parametrilor, cunoscute, iar corectiile xi sunt
necunoscute. Prin liniarizarea acestor relatii si dezvoltare in serie Taylor, in jurul
valorilor aproximative:

Fi (X1, X 2, Xn )= Fi (X +x1,.. X +xn,)=

= Fi (X ,.. X )+

i=1,2,...,n

Acest sistem se numeste sistemul liniarizat al ecuatiilor de corectie si poate fi

scris sub forma

v = Ax + l

unde: l = AX - m*

reprezinta vectorul termenilor liberi si are aceleasi dimensiuni ca si vectorul

observatiilor. Conditia sub care se efectueaza prelucrarea este data de relatia

=vTPvminim
 Valorile cele mai probabile ale parametrilor necunoscuti se obtin, sub conditia de
minim, cu relatia cunoscuta

x = -(APTA)-1A T Pl.

Daca in modelul Gauss-Markov parametri necunoscuti X sunt subi ectul

unor conditii, atunci modelul

M(M) = AX,

unde M reprezinta operatorul medie, cu ecuatiile de conditie dintre

necucunoscute

BX = w si D(M)=

este denumit modelul Gauss-Markov cu constrangeri sau

compensarea masuratorilor indirecte cu ecuatii de conditie intre necunoscute.

Conditia sub care se efectueaza compensarea este data de relatia :

=vTPvminim

Deoarece este o problema de minim conditionat, functia Lagrange este

= vTPv - 2kT (BX-w)

- k este vectorul multiplicatorilor Lagrange;
- B este matricea, coeficientilor necunoscutelor;
- w este vectorul termenilor liberi;
x = (ATPA)-1BTk - (ATPA) - ATPl,

unde

k=(B(ATPA)-1BT)-1B(ATPA)-1ATPl-(B(ATPA)-1BT)-1

Rangul matricei coeficientilor B se noteaza cu r (rang(B) = r). Daca rangul acestei

matrici este mai mic decat numarul necunoscutelor (r < n), pot fi eliminati r parametri
necunoscuti cu relatia BX = w din modelul M(M) = AX, iar daca rangul este egal cu
numarul necunoscutelor (r = n) atunci parametri necunoscuti sunt unic determinati prin
relatia:

x = B-1w.
 In cazul in care in modelul functional Gauss-Markov, reprezentat de relatia M
= AX, sau

M* + v = AX , rang(A) = r < n, atunci modelul se numeste modelul Gauss-Markov

cu defect de rang si el se utilizeaza la prelucrarea observatiilor in retele libere.

In lucrarile geodezice numarul observatiilor efectuate este mai mare decat

numarul parametrilor necunoscuti (m = n), deci matricea coeficientilor sistemului de
ecuatii liniare A are un defect surjectiv care se elimina prin conditia sub care se face
prelucrarea prin metoda celor mai mici patrate : =vTPvminim

In cazul retelelor libere rangul matricei A si deci al matricei sistemului de ecuatii

normale

(N = ATPA), rang(A) = rang(N) = r, este mai mic decat numarul parametrilor implicati
in model (r < n) deci A si N sunt matrice singulare, avand un defect injectiv (d = n - r).

Metode de prelucrare a masuratorilor efectuate in retele geodezice libere.

In literatura de specialitate, se cunosc mai multe metode de rezolvare

a sistemelor de ecuatii linare, normale si singulare si se prezinta procedee
care se bazeaza pe urmatoarele doua principii:

a) intr-o prima etapa a algoritmului de calcul se procedeaza la alegerea

arbitrara a unui numar strict necesar si suficient de ''elemente fixe''(un set
minim de constrangeri) care sa conduca la obtinerea unui sistem nesingular.
Acesta poate fi rezolvat, solutiile care rezulta sunt insa ''deplasate'' fiind, de
fiecare data, dependente de modul in care au fost alese 'elementele
fixe',(corectiile masuratorilor sunt aceleasi indiferent de care elemente au fost
alese fixe).

b) in continuare se efectueaza transformarea solutiilor deplasate, neunice, ale

sistemului singular de ecuatii normale, in estimatii ale coordonatelor sau ale
corectiilor valorilor aproximative ale coordonatelor.

Modelul functional-stochastic de compensare a observatiilor este dat de relatiile

:

v = Ax+l
 Cm=2 Qm

Daca intr-o retea geodezica nu este considerat nici un e l e m e n t f i x,

d e ci o re t e a i n c a re in t e r vin n u m a i masuratori necesare determinarii
geometrice a retelei, atunci aceasta retea este denumita retea geodezica
libera.

Deoarece masuratorile propiu-zise nu pot fixa reteaua respectiva intr-un sistem de

coordonate, aceasta capata un anumit 'defect', reprezentat de numarul gradelor de
libertate, specific si diferit de la o etapa la alta.

In cazul unor asemenea retele matricea sitemului de ecuatii normale es te

singulara, avind un defect de rang d. Rangul acestei matrice este mai mic decat
dimensiunea ei (r< n) rezultand.

d=n-r