Trabajo para la asignatura de Topografa Superficial y Subterrnea TEMA: Ajustes en los circuitos topogrficos, aplicando el mtodo de mnimos cuadrados DOCENTE: Ing. Lile Walter Asalde Zea INTEGRANTES: SALAZAR VASQUEZ, JOSUE ISAAC CHUYES BENEL, FRANCO
CICLO: III
AJUSTE DE CURVAS POR MNIMOS CUADRADOS En la ingeniera se da, a menudo, el caso de que un procedimiento topogrfico produce un conjunto de datos (x 1 ,y 2 ), (x 2 ,y 2 ), ..., (x n ,y n ). El objetivo en esta seccin es determinar una frmula y = (x) que relacione las variables. Generalmente se dispone de un conjunto de variables previamente establecidas, y lo que hay que hallar son los valores ms adecuados de unos coeficientes o de unos parmetros para estas frmulas. Aunque existen muchas funciones que se pueden usar, suele ocurrir que existe un modelo matemtico subyacente, basado en la situacin fsica que se est estudiando y determina la forma de la funcin salvo algunos coeficientes. Si la relacin entre x i e y i para 1 i n, es lineal, entonces la funcin que mejor se ajusta a los datos es una lnea de aproximacin de la forma: Mejor lnea de aproximacin
y = ax + b Una forma para encontrar la recta ptima es el mtodo de los mnimos cuadrados y consiste en hallar el valor de las constantes a y b de tal manera que reduzcan al mnimo la suma de los cuadrados de los errores entre los valores y i dados y los valores y(x i ) = ax i + b en la lnea de aproximacin. (7)
La cantidad (7) se puede considerar una funcin de dos variables a y b, a la que se le quiere hallar un mnimo. Para que ocurra un mnimo es necesario que las derivadas parciales sean cero. Observe que las x i e y i son puntos de datos.
Al dividir entre 2 cada una de estas ecuaciones y desarrollar las sumatorias se obtienen las llamadas ecuaciones normales (2) La solucin del sistema (2), de dos ecuaciones con dos incgnitas es (3)
Por lo tanto la recta que mejor se ajusta a los datos (x i , y i ), 1 i n relacionados en forma lineal es y = ax + b con a y b dados por (3). El problema de aproximar un conjunto de datos (x i , y i ), 1 i n con un polinomio algebraico P m (x) de grado m < n 1 mediante el procedimiento de mnimos cuadrados, es similar al de y = ax + b (Ver ejercicio 24 de este captulo). En muchos casos los datos provenientes de pruebas experimentales no son lineales por lo que es necesario ajustarlos a una funcin que no sea un polinomio de primer grado. Algunas veces conviene suponer que los datos tienen una relacin exponencial. Para ello, la funcin de aproximacin debe tener la forma: y = Be ax (4) o bien y = Bx a (5) para algunas constantes a y B Es posible desarrollar ecuaciones normales para stas de manera anloga al desarrollo precedente para una recta por mnimos cuadrados si las derivadas parciales se igualan a cero. Tales ecuaciones no lineales son mucho ms difciles de resolver que las ecuaciones lineales. Por esta razn el mtodo que suele utilizarse cuando se sospecha que los datos tienen una relacin exponencial, consiste en considerar el logaritmo de la ecuacin de aproximacin: y = Be ax
ln y =ln(Be ax ) ln y =ln B + ln e ax
ln y = ax + ln B (6) y = Bx a
ln y =ln(Bx a ) ln y =ln B+ ln x a
ln y = aln x + ln B (7) ((6) y (7) se conocen como formas linealizadas) Observe que en (6) se presenta en una relacin lineal entre x y ln y, por lo que se pueden usar las frmulas dadas en (3) para resolver el problema lineal cambiando y i por ln y i y b por ln B. Una ventaja adicional de las formas linealizadas es que las grficas de los datos en papel Log-Log o en papel semilogartmico muestran a simple vista si estas formas son idneas, en el sentido de que una recta representa los datos cuando se trazan de esa manera. Ejemplo. Ajustar los datos x i 1 2 4 y i 3 5.1 8.8 A funciones de la forma y = ax + b, y, y = Be ax
Qu funcin aproxima mejor? Solucin: Para este caso se tienen tres datos, luego n=3. Se construye una tabla con los datos que se necesitan en las frmulas (3) 3 .
Para el modelo lineal:
y = ax+b................... y = 1.92143x + 1.15
Si se evala la recta en x 3 =4, resulta y =1.92143(4) + 1.15 = 48.83572, el error al cuadrado entre la aproximacin dada por la recta y el valor real es (y 3 ax 3 b) 2 = (8.8 8.83572) 2 = 1.2759 x 10 -3 . Para el modelo exponencial.
ln B =0.8258, ......B = e 0.0250 2.28371 Y = Be ax ............... Y = 2.28371e 0.34645x
Para los datos de este ejercicio, aproxima mejor el modelo lineal, porque la suma de los errores al cuadrado en el lineal, es menor que la suma de los errores al cuadrado que en el modelo exponencial
Conclusiones Como conclusin general del presente trabajo se puede referir que, la teora de mnimos cuadrados con sus ventajas intrnsecas, puede aplicarse a la compensacin de Puntos de Control y Apoyo en trabajos de nivelacin topogrfica, si los recorridos se manejan como circuitos, lo cual es particularmente recomendable para trabajos de alta precisin y con la ventaja adicional de poder compensar n circuitos simultneamente; adems, la metodologa aqu generalizada es aplicable independientemente del Procedimiento Topogrfico que se emplee