[go: up one dir, main page]
Scribd
Cargar
22 vistas6 páginas

Pol02 T05

El documento presenta métodos matriciales para el ajuste por mínimos cuadrados, representando ecuaciones de observación en forma matricial. Se explican las ecuaciones normales y cómo resolverlas tanto para observaciones igualmente ponderadas como para ponderadas. Además, se incluye un ejemplo práctico que ilustra la aplicación de estos métodos en la resolución de un sistema de ecuaciones.

Cargado por

Wellington pabel
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
22 vistas6 páginas

Pol02 T05

El documento presenta métodos matriciales para el ajuste por mínimos cuadrados, representando ecuaciones de observación en forma matricial. Se explican las ecuaciones normales y cómo resolverlas tanto para observaciones igualmente ponderadas como para ponderadas. Además, se incluye un ejemplo práctico que ilustra la aplicación de estos métodos en la resolución de un sistema de ecuaciones.

Cargado por

Wellington pabel
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 6

MÉTODOS MATRICIALES EN EL AJUSTE POR MÍNIMOS CUADRADOS

MÉTODOS MATRICIALES EN EL AJUSTE POR MÍNIMOS CUADRADOS


En general, cualquier grupo de ecuaciones de observación se puede representar en
forma matricial como:
𝐴 𝑚,𝑛 𝑋 𝑛,1 = 𝐿 𝑚,1 + 𝑉 𝑚,1
Donde A es la matriz de los coeficientes de las incógnitas, X es la matriz de las incógnitas,
L es la matriz de las observaciones y V es la matriz de los residuos. En forma explícita,
estas matrices son:
𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑥1 𝑙1 𝑣1
𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑥2 𝑙2 𝑣2
𝐴= ⋮ ⋮ ⋱ ⋮ 𝑋= ⋮ 𝐿= 𝑉= ⋮
⋮
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑥𝑛 𝑙𝑚 𝑣𝑚
Las ecuaciones normales que resultan de un conjunto de ecuaciones de observación
igualmente ponderadas, están dadas en forma matricial por:
𝐴𝑇 𝐴𝑋 = 𝐴𝑇 𝐿
En la ecuación 𝐴𝑇 𝐴𝑋 = 𝐴𝑇 𝐿, se tiene que 𝐴𝑇 𝐴 es la matriz de los coeficientes de la ecuación normal para las
incógnitas. Premultiplicando ambos miembros de la ecuación por 𝐴𝑇 𝐴 −1 y reduciendo se obtiene
𝑋 = 𝐴𝑇 𝐴 −1 𝑇
𝐴 𝐿
Esta ecuación es la solución de mínimos cuadrados para observaciones igualmente ponderadas. La matriz X
consiste en los valores más probables de las incógnitas 𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 .
Para un sistema de observaciones ponderadas, la siguiente ecuación suministra la matriz X:
𝑋 = 𝐴𝑇 𝑊𝐴 −1 𝑇
𝐴 𝑊𝐿
En dicha ecuación, las matrices son idénticas a las del caso de igual ponderación (se consideran como 1). Si
los pesos tuvieran relevancia, entonces la matriz W sería:
𝑤1 0 ⋯ 0
0 𝑤2 ⋯ 0
W=
⋮ ⋮ ⋱ ⋮
0 0 ⋯ 𝑤𝑛
Problema 4:
Resuelva el ejemplo 3 utilizando métodos matriciales
393.65

190.40 203.16

x y
A B C

Solución:
Las ecuaciones de observación del problema 3, se pueden expresar en forma matricial
como sigue:
𝐴 3,2 𝑋 2,1 = 𝐿 3,1 + 𝑉 3,1
Tenemos las ecuaciones y las convertimos en forma matricial:
1𝑥 + 1𝑦 = 393.65 + 𝑣1
ቐ1𝑥 + 0𝑦 = 190.40 + 𝑣2
0𝑥 + 1𝑦 = 203.16 + 𝑣3
1 1 393.65 𝑣1
𝑥
𝐴= 1 0 𝑋= 𝑦 𝐿 = 190.40 𝑉 = 𝑣2
0 1 203.16 𝑣3

La ecuación 𝐴 3,2 𝑋 2,1 = 𝐿 3,1 + 𝑉 3,1 quedaría de la siguiente forma:


1 1 𝑥 393.65 𝑣1
1 0 𝑦 = 190.40 + 𝑣2
0 1 203.16 𝑣3
Resolvemos la ecuación matricial
1 1
1 1 0 2 1
𝐴𝑇 𝐴 = 1 0 =
1 0 1 1 2
0 1
𝑇 −1
1 2 1
𝐴 𝐴 =
3 1 2
584.05
𝐴𝑇 𝐿 =
596.81
𝑇 −1 𝑇
1 2 −1 584.05 190.43
𝑋= 𝐴 𝐴 𝐴 𝐿= =
3 1 2 596.81 203.19
Observe que esta solución da x = 190.43 m, así como y = 203.19 m, que son
exactamente los mismos valores obtenidos con el procedimiento algebraico del
problema N° 3.

También podría gustarte