UNVIVERSIDAD COMPLUTENSE CONSEJO SUPERIOR

FACULTAD DE CIENCIAS MATEMATICAS DE INVESTIGACIONES CIENTIFICAS

INSTITUTO DE ASTRONOMIA y GEODESIA

(Centro mixto C.S.LC. - U.C.M.). MADRID

Publicación núm. 157

COLOCACION MINIMOS CUADRADOS

por

M. J. SEVILLA

PUBLICADO EN «IV CURSO DE GEODESIA SUPERIOR»

págs. 97-141

MADRID
1987
 111

e o L o e A e ION M 1 N 1M o S
e u A D R A D o S

por

M. J. SEVILLA

Instituto de Astronomía y Geodesia (UCM-CSIC)

Facultad de Ciencias Matemáticas
Universidad Complutense

MADRID
 INDICE

P á g.

1. AJUSTES MINIMOS CUADRADOS

1.1. Modelos ma temáticos de ajustes .....••....... 99
1.2. Descomposición general de un observable .... 101
1.3. Principio de mínimos cuadrados •............. 103
1.4. Formulación de modelos regulares ordinarios.. 104

2. MODELO GENERAL DE COLOCACION MINIMOS CUADRADOS

2.1. Modelo funcional............................. 111
2.2. Modelo estocástico 113
2.3. Valores estimados............................ 114
2.4. Estima ción de la precisión a posteriori 116
2.5. Predicción de la "señal completa" 120
2.6. Colocación con el modelo mixto............... 121
2.7. Propiedad de mínima varianza 124
2.8. Señales de dist inta naturaleza 126
2.9. Funciones covarianza 127

3. COLOCACiON PROGRESiVA
3.1. Objeto de la colocac ión progr es iv e ..•....... 131
3.2. Inversión de la matriz C 132
3.3. Cálculo de la matriz N 133
3.4. Inversión de la matriz N 133
3.5. Cálculo de la matriz d .............•........ 134
3.6. Fórmula progresiva para los parámetros
e st i nnd o s x........... 134
3.7. Fórmula progresiva para las señales esti
madas z -:-. . .. 135
3.8. Fórmula progresiva para la matriz cova-
rianza error de x :........................... 136
3.9. Fórmula progresiva para la matriz cova-
rianza error cruzada de x y z 137
3.10. Fórmula progresiva para la matriz cova-
rianza error de z 138

BIBLIOGRAFIA 139
 COLOCACION MINIMOS CUADRADOS

M.J. SEVILLA
Instituto de Astronomía y Geodesia (UCM-CSICl
Facultad de Ciencias Matemáticas
Universidad Complutense. MADRID.

l. AJUSTES MINIMOS CUADRADOS

1.1.- Modelos matemáticos de ajustes

En todo problema geodésico aparecen involucrados

tres tipos de elementos de carácter fundamental. En primer
lugar están los que llamamos parámetros, son incógnitas
del problema, magnitudes que nos representan aquello que
deseamos determinar. En segundo lugar están los observables
que son aquellas magnitudes que podemos determinar directa
o indirectamente por observación. En tercer lugar están
las funciones o relaciones matemáticas establecidas entre
los parámetros y los observables. Al conjunto de parámetros,
observables y funciones 10 llamamos modelo matemático.

Entonces, mediante un modelo matemático trataremos

de descri bi r o representar una situación o fenómeno físico
o geométrico con el que i n c e n t a r emo s explicar la realidad
del problema.

El modelo matemático suele considerarse constituido

por dos partes: el modelo funcional y el modelo estocástico.

El modelo funcional o determinista establece las

propiedades físicas o geométricas del problema dando las
relaciones matemáticas entre las variables involucradas
de forma implicita o explicita, independientemente de los
valores numéricos que tomen dichas variables; estará constitui-
do por las funciones que relacionen los parámetros con los
observables incluyendo algunas constantes propias del fenómeno
estudiado si ello fuera necesario. En forma implicita general -
100 l. J. Seyilla

podemos escribir un modelo funcional como

F(X,L) = o, (1. 1 )

también puede adoptar una forma explícita en L:

L = F (X) , (1.2)

o e-n X
X = F (L ) , (1. 3)

o, en ausencia de parámetros, la forma de un modelo condición

F (L ) o. (1. 4)

En estas expresiones F es un conjunto de funciones,

que pueden ser la misma en cada caso, X son los parámetros,
que son variables independientes entre si y que no se pueden
observar, salvo en el caso t r i v i a l del modelo (1.3) y L
son los observables, variables del problema a las que se
les podrá asignar valores por observación.

El modelo estocástico establece las características

o propiedades estocásticas de las variables aleatorias involu-
cradas en el modelo funcional. La necesidad ~el modelo estocás-
tico surge del hecho inicial de que las observaciones que
entran en el problema son variables aleatorias, al ser el
resultado de un proceso de medida en el que incuestionablemente
se cometen errores de observación; además otras variables
del modelo como los parámetros, e incluso las propias funciones
pueden tener también carácter aleatorio. El modelo estocástico
se especifica generalmente dando la esperanza matemática
de las variables aleatorias que intervengan y sus matrices
de varianza-covarianza.

Las variables X, L Y las funciones F constituirán

tres espacios matemáticos formados por todos los elementos
que se puedan presentar de cada clase. Así, el conjunto
de todos los posibles vectores solución X constituye el
espacio de parámetros que supondremos de dimensión n. El con-
junto de todos los posibles vectores de observaciones L
constituye el espacio de observaciones que supondremos de dime~
sión m. Y el conjunto de todos los posibles vectores de funcio-
nes F constituyen el espacio de funciones de dimensión c.
 Colocaci6n .{.i.os cuadrados 101

Para un tratamiento adecuado, desde un punto de

vista matemático, de nuestros modelos en los problemas de
ajuste que hemos de plantear es necesario un buen conocimiento
de la estructura de estos tres espacios, cuyas propiedades
juegan un papel fundamental en la teoría y en nuestras aplica-
ciones.

Desde un primer momento es necesario darse' cuenta

de que un modelo matemático, tal como el F(X,L) O por
ejemplo, se verifica exactamente para los valores X de los
parámetros y los va lores L de 1 as observaci ones que entonces
llamaremos valores ajustados. Las observaciones reales t
no coinciden con los valores L porque adolecen del error
de observación, a su diferencia que representamos por el
vector v la llamaremos vector de errores residuales, yescribi-
remos

L = e + v, ( 1. 5)

donde el signo más es convencional. Además, los valores

L que verifican el modelo tampoco son los valores verdaderos
de los observables de manera que los errores v no son los
errores verdaderos. Evidentemente, con los valores verdaderos
de los observables, Ly y con los valores verdaderos de
los errores, €, tendríamos una relación análoga a la (1.5):

(1 .6)

p e r o L, Y e: s o n por p r i n e i p i o i mp o s i b 1 e s de con o e e r o de ter mi -

na r .

1.2.- Descomposición general de un observable

En los problemas de ajuste es muy importante conocer

las características de los observables. Cuando en un cierto
instante T y en un cierto lugar P efectuamos una observación
o medida, 10 que pretendemos hacer es obtener el valor que
en ese instante y en ese lugar toma una cierta variable,
por ello se han definido los observables como aquellas cantida-
des físicas o geométricas susceptibles de observación, es
de c i r, q ue de f o r ma di re c t a o i n d i re e t a p u e den ser o b ten ida s
como resultado de una observación u operación de medida.
La geodesia nos proporciona una gran cantidad de observables
 102 11. J. S.villa

como por ejemplo: direcciones, ángulos, distancias, diferencias

de altitudes, gravedades, direcciones y distancias a satélites,
diferencias de distancias, etc.
Efectuada una observación, lo que obtenemos es
un número que representa el valor que en un instante y en
un lugar toma un observable, pero este valor está en cierto
modo enmascarado por el error de observación que está incluido
en el número obtenido. Así pues, en toda observación aparece
una componente genuinamente aleatoria, que es el error de
observación, junto al valor del observable. Así se ha supuesto
en (1.5).

El conocimiento que se tenga, por otra parte,

del observable en cuestión, e independientemente de que
se mida o no, nos llevará a asignar1e una cierta constitución;
as en su forma-- más general
í podemos considerarlo compuesto
por una parte determinista que incluirá el valor esperado
del observable y posiblemente una parte a1eatoria que sea
propia del fenómeno estudiado y nada tenga que ver con el
error de observación. Entonces, en vez ~ (1.5) podemos
escribir

L = t + r + s, (1. 7J

donde L es el valor ajustado del observable, es el valor

observado, r es el error aleatorio de medida que ahora llamamos
ruido y s es otra parte aleatoria propia del campo en el
que se realiza el experimento, que no depende del sistema
o equipo de medida y que llamaremos señal.

Con esta descomposición, la parte aleatoria completa

del observable, que seguiremos llamando residual v, está
constituida por el ruido y la señal

v = r + s (1. 8)

en conformidad con (1.5). El ruido r lo constituyen cantidades

a1eatorias estadísticamente independientes de esperanza
matemática cero, 1 as señales por su parte serán cantidades
a1eatorias estadísticamente dependientes de media cero.
Un hecho diferencial es que al repetir varias veces observa-
ciones en un mismo punto, los diferentes valores del ruido
 Colocaci6o .rni.os cuadrados 103

serán distintos, aunque su esperanza matemática será E(r} = O,

mientras que la señal en ese punto deberá ser la misma,
por lo que E [S} s ; esta seña 1 cambi ará cuando cambi emos de
p u n t o d e o b s e r v a c i ó n y en t o d o e 1 e s p a c io con sí de r a d o s u
m e d i a s e r á M (s } = O, s i en d o en ton e e s 1ó g ic o t o m a r M {r} r. E v i
dentemente, si como hace Moritz (1980) definimos la media
total M = EM resulta M(n = O Y M(s} = O, es decir con respecto
a esta media total ambas cantidades son centradas.

Una última cuestión puede ser el considerar la

e x i s ten e i a en e 1 pro p i o o b s e r v a b 1e d e u n a par t e s i s t e m á tic a
que indicará alguna tendencia o sesgo de la propia observación
y esta parte debi damente formul ada podrí a entrar a formar
parte de la expresión (l.?); este seria el caso de sistematis-
mos instrumentales o efectos perturbadores de la observación
como por ejemplo la refracción atmosférica. La expresión
(1.7) supone que las observaciones han sido corregidas
de efectos sistemáticos lo que es corriente en geodesia.

1.3.- Principio de mínimos cuadrados

Los problemas de ajuste o compensación en geodesia

surgen del hecho de que en general se dispone, después
de la fase de observación, de más observaciones de las
extrictamente necesarias para la resolución del problema
geodésico planteado, además, estas observaciones siempre
adolecen de los inevitables errores de observación que
son desconocidos.

Si consideramos un modelo matemático regular

en el que estas observaciones se toman como valores de
los observables, desde un punto de vista algebráico y debido
a 1a s u p e r a b u n dan c i a i n a ie a d a, ten d r e m o s v a r i a s p o s ib i 1 ida d e s
de obtener soluciones aproximadas del problema, tantas
como combinaciones podamos efectuar con las observaciones
tomadas en número mínimo necesario para que cada submode
lo particular pueda resolverse. Ahora bien, ninguna de
estas soluciones particulares resolverá exactamente el
problema general debido a la existencia de los errores
de observación. Es entonces cuando entran en juego los
errores residuales que vienen a ser las discrepancias
104 l. J. Sevilla

o diferencias entre los valores teóricos proporcionados

por el modelo (observaciones ajustadas) y los valores numéri-
cos obtenidos con l a s.ob s e r v ac o ne s reales. í A cada conjunto
de soluciones o valores ajustados corresponderá un con j unt o
de errores residuales que hacen el modelo consistente y
como, además de los parámetros, los residuales son incógnitas
del problema nos encontramos con más incógnitas que ecuaciones
y por tanto con infinitas soluciones del modelo lineal
o linealizado.
Evidentemente, de entre las infinitas soluciones
posibles deseamos la "mejor" y para obtenerla necesitamos
algún criterio adicional. Este criterio adicional es el
principio de minimos cuadrados justificado plenamente por
el análisis matemático y la estadística (Sevilla, 1986).
Este principio es._tablece en su forma elemental que la suma
de los cuadrados de los errores residuales debe ser mínima;
con la métrica euclidea ordinaria esto es

(1.9)

y si dicha métrica viene definida en el espacio de observa-

ciones por la matriz P, matricialmente escribimos
/p v = mínimo (1. 1 O)

En definitiva la solución óptima de un problema

de ajuste o compensación es aquella que además de satisfacer
exactamente las ecuaciones del modelo en su forma lineal
de lugar a unos errores residuales que satisfagan el principio
de mínimos cuadrados.

1.4.- Formulación de modelos regulares ordinarios

Presentaremos a continuación la formulación de

tres modelos matemáticos regulares ordinariamente empleados
en geodesia. No daremos las demostraciones ni la deducción
de las fórmulas que pueden verse en Sevilla (1986). No
o b s tan te, re e o r d a re m o s q u e 1 a s s o 1 u e ion e s p re se nt ad a s so n .
las mejores estimaciones lineales insesgadas que pueden
obtener se con los datos del problema. Son pues soluciones
mínimos cuadradoi mínima varianza.
 Colocaci6 •• r.i.os cuadrados 105

Un primer modelo matemático muy general es el

modelo de ajuste mixto de observaciones de condición y
parámetros. El modelo funcional es de la forma (1.1)

F(X,L) = O (1. 11 )

donde las variables que intervienen y las que utilizaremos

después son:
X, es el vector de parámetros ajustados de dimensión (nxl).
Xo, es el vector de valores aproximados de los parámetros X.
x, es el vector de parámetros incógnita, definido por

x = X - Xo' (1. 12)

que llamaremos simplemente parámetros.

L, es el vector de valores ajustados de las observaciones de
dimensión (mx l ) ,
Lo' es el vector de valores aproximados de las observaciones.
t, es el vector de observaciones reales de dimensión (mx l ] .
v, es el vector de errores residuales (incógnitas).

v = L f. - (1. 13)
m, es el número de observaciones t.
n, es el número de parámetros x.
c, es el número de condiciones, siendo

c<m, c> n , c<m+n.

P, es la matriz de pesos de las observaciones e, simétrica y

definida positiva de dimensión (mx m) .
Q, es la matriz cofactor a priori de las observaciones f.
-1
Q = P (1.14)

~, es la varianza a priori de la unidad de peso.

[, es la matriz de varianza-covarianza a priori de las observa
ciones e
(1. 15)

A aF
ax- X L
, es 1 a primera matriz de diseño de dimensión
o' o (cxn) .
aF
B al de dimensión
Xo ' Lo ~ es 1 a segunda matriz de diseño,

(e x m ) .
106 R. J. Sevilla

Todas las matrices P, Q,1:, A, B se suponen de

rango completo como corresponde a un modelo regular.

t, es el vector de constantes de observación, dado por

t = -[F(Xo,lo) + Be - BloJ. (í. 1 6 )
Si el modelo ya es lineal en X y L de la forma
F (X,l ) AX + Bl + b (1.17)

y si tomamos como valores aproximados Lo las propias observa-

ti ones f, entonces

t -(AX + Be + b ) . (1. 18)

o
Con todo esto, el modelo funcional linealizado
toma la forma
Ax + Bv - t = O. (1. 19)

El m&delo estocástico viene dado por

E t vi = O, ( 1. 20)

donde E es el operador esperanza matemática y el superíndice

T indica matriz traspuesta, también se puede p~cribir

E{t)= Ax, (1. 21 )

siendo
( 1. 22)

la condición de mínimos cuadrados consiste en

minimizar 1 a función matricia1
T (v , 1\, X ) = vI P V - 2 !lT( Ax + Bv - t ), ( 1 .23 )

donde A es el vector de multiplicadores de lagrange.

Resolviendo este problema de mínimo se obtienen

los valores estimados de los parámetros, residuales y observa-
ciones por las fórmulas

x = (Al w1Ar1AT t{\, (1. 24)

v P -1 B T W 1 (t - A ~) =

P--1B1 W1 (¡-A(A] W1AjiATW1)t¡ (1. 25)

L e + Q. ( 1 .26 )

la estimación de 1 a varianza a' prior; de 1 a unidad

de peso es
V ¡P v
° 0
2
= c-n (1 .27)
 Colocaci6 •• r.ioos cuadrados 107

donde la suma de cuadrados de residuales viene dada por

(1. 28)

Las matri ces cofactor a posteri ori más interesantes

que resultan son:
( 1 .29 )

Q Q - Qw> (1. 31 )
LL

Q~= O, (1.32 )
xv

Q~= _ (Al M-IArl Al M-lB p-l, (1. 33)

xL

Q~= O. (1. 34)

vL

Un segundo modelo matemático, caso particular

del anterior, es el modelo de observaciones indirectas o
modelo explícito en los observables. Este modelo viene dado
por (1.2)

L = F ( X ). (1. 35)

En este caso el número de ecuaciones coincide

con el de observaciones (c=m) . Su forma lineal es

L = Ax + b,

o b i en,
L = Ax + Lo' (1. 36)

En general 1 a forma linealizada se escribe

Ax - t = v J
(1.37)

donde ahora el vector de constantes de observación es sencilla-

mente
t = e - Lo' (1 .38)

siendo Lo = F(\l. Aquí solo existe una matriz de diseño A.

La parte estocástica de este modelo es análoga a 1a del
anterior con
- T 2
[{v}= O , Elvv}=r=ooQ, (1.39 )
o bien

Elt}= Ax, r ¡; • (1. 40)

t t
loa l. J. Sevilla

La condición de mínimos cuadrados se reduce a

minimizar
T (1. 41 1
T (v 1 = v P v,

y las soluciones o valores estimados vienen dadas por

x (ATp ArlATp t. (1 .42 1

~ (1. 43 1
v Ax - t = [ A ( A T P Afl AT P - 1] t ,
~ ~ T I 1
L + v = Lo + A(A PAf A Pt. (1.44 1

La precisión a posteriori viene dada por las siguien-

tes fórmulas:
~T A
a 2= v P v (1 .45 1
o m- n
vT p V tT Pt (AT PAíI;,
T
= - x (1.46 )

con las matrices cofactor

QAA= (AT PAl-l, (1.47)
x x

Q AA = Q - A ( A T P A r' A T , (1. 48)

vv

(1.49 1
(1.50 )

(1. 51 )

( 1 .52 )

Un tercer modelo matemático, caso particular también

del primero, es el .odelo de observaciones condicionadas
en el que no aparecen los parámetros. Este modelo es el
(1.4 1

F (L) = O. (1 .53)

En este caso el número de condiciones c es menor

q u e e 1 n úm e r o d e o b s e r v a c ion e s m (c< m ) .

El vec~or de constantes toma la forma

(1 .54)

Si el modelo ya es lineal de la forma

F(L) = BL + b o (1. 55 1

y si como vaiores aproximados Lo tomamos las observaciones

f queda
 Coloeaeió •• ¡.i.os eyadrados 109

t = -(Bl + b). (1 .56)

El modelo funcional 1inea1izado se escribe

Bv - t = O. (1.57)

El modelo estocástico es

E 1 v l = O, (1 .58)

o bien
E lt} = O, 1: = o ~, (1 .59)
tt o
donde M viene dado por (1.22).

L~ función que hay que minimizar es

T (v , A) /p v - T
2A (Bv - t) (1 .60)

y las soluciones o valores estimados son

V p-iBT W1t, (1. 61 )
L f + v. ( 1 .62 )

La precisión a posteriori viene dada por las siguientes fórmulas:

~ T ~
02_ v P v (1.63)
G - --c-'
con
~T
V P V (1. 64)

y las matrices cofactor

( 1 .65 )

Ou:- = Q - Qvv' (1. 66)

QvL = O. (1.67)

De los modelos que acabamos de exponer los dos

primeros serán utilizados en el epígrafe siguiente. El
modelo mixto nos servirá para establecer las fórmulas de
colocación minimos cuadrados, independientemente del modelo
matemático que consideremos para establecer la relación
funcional entre los parámetros y los observables. En primer
1 u g a r s u pon d r e m o s q u e e s t a s m a 9 n i tu d e s s e h a y a n re 1 a e ion a da s
por un modelo sencillo de observaciones indirectas, que
es el más utilizado en problemas de colocación donde se
introducen, a través de él, los sistematismos de las observa-
ciones. Después, obtendremos también las fórmulas de coloca-
110 l. J. Sevilla

c í ó n en la hipótesis de que el modelo matemático que relaciona

parámetros y observables es el modelo mixto, es decir,
supondremos que las observaciones son condicionadas.

Otra hipótesis que se utilizará en lo que sigue

es que todos los modelos que intervienen son regulares,
es decir que todas las matrices de diseño que aparecen
son de rango completo y que las matrices de covarianza
a prior; son todas ellas definidas positivas. No obstante,
desde un punto de vista matemático, también podríamos haber
considerado modelos singulares, pero el tener que recurrir
entonces a las matrices inversas generalizadas o al uso
de constreñimientos entorpecería la exposición del método
que es nuestro objetivo.
 Colocaci6 •• í.i.os cuadrad.s 111

2. MODELO GENERAL DE COlOCACION MINIMOS CUADRADOS

2.1.- Modelo funcional

El modelo general de colocación constituye un

caso muy general de mínimos cuadrados, su característica
principal es que además de los parámetros y los errores
de observación permite estimar otras cantidades aleatorias
de gran interés en muchos problemas geodésicos. El observable
L 10 suponemos en la forma (1.7) que incluye en la observación
t una parte aleatoria de esperanza matemática cero que
serán los errores de observación o ruido r, y otra parte
también a1eatoria de media cero o señal s, siendo r y s
incorre1ados. Entonces con respecto d la observación tomamos
L ~ t + s + r. (2. 1)

Suponemos, por otra que nos encontramos

ante un mode lo exp 1 ie ito en L F (X) , que en su forma
lineal escribimos (1.36)

L ~ Ax + L. ,

con la m i srn a notación que en la sección anterior. Entonces,

con (2.1) y (2.2) el modelo funcional de colocación general
toma la forma

Ax + L. e T s + r (2.3)

Y si como en (1 .38) llamamos

t ~ t - Lo / (2.4)

podemos escribir
Ax - s - r - t ~ O. (2.5)

Para completar el planteamiento del problema de colo

cación, supondremos m observaciones e (y por tanto m ruidos r,
y m señales s en puntos de observación) y n parámetros
x con m> n para di sponer de observac iones superabundantes:
supondremos, además, que deseamos estimar señales en puntos
que pueden ser los mismos (señales s) o distintos de los
de observación, el vector de señales en los puntos distintos
lo representamos por z y lo supondremos de dimensión k
y también incorrelado con r.
 112 l. J. S•• i11.

Entonces, la determinación de los parámetros

x es un problema de ajuste, la de la señal z en puntos
distintos a los de oDservacionuna pr ed í cc í on y la eliminación
del ruido un problema de filtrado. La combinación eM un
solo procedimiento del ajuste, la predicción (interpolación
o extrapolación) y el filtrado constituye el problema de
colocación general (Moritz, 1980).

Transformemos la expresión (2.5) para tener en

cuenta todas las señales. Introducimos una matri z B definida
de la siguiente forma

-1 O O O O -1 O O
O -1 O O O O -1 O
ii (-1,0,-1)::

O O -1 O ••• O O 0 .•. -1

(2.6)
esto es, constituida por tres cajas, una primera caja con
la (mxm)-matriz unidad cambiada de s i q np , otra segunda
con la (mxk)-matriz de ceros y una tercera con otra (mxm)-matriz
unidad cambiada de signo. Definimos asimismo un vector
v, formado por toda la parte aleatoria de nuestro problema,
de la forma

(2.7)

Entonces es evidente que

Bv =-s - r, (2.8)

de manera que el modelo (2.5) toma la forma estandard

Ax + Bv - t = O (2.9)

Formalmente las ecuaciones de condición así obteni-

das para la colocación (2.9) responden a un modelo de ajuste
mixto de o b s e r va c i o ne s con condiciones y parámetros (1.19)
y este hecho nos va a servir para obtener de forma inmediata
las estimaciones mínimos cuadrados de los parámetros, de
las señales y del ruido y sus correspondientes precisiones
a posteri ori .
 Colocación .íni.os cuadr.dos 113

2.2. Modelo estocástico

Supongamos
de momento que la varianza de referencia
2
a priori cro del as
o b s e r v a e ion e s e s 1 a uni dad,. entonces 1 as
matrices cofactor coincidirán con las matrices covarianza
a priori. En particular sabemos que con respecto a, la media
total M introducida en 1.2 se verifica

M ¡ V} O, M ¡v vT }= C, vI
(2.10)
M It } Ax, ¡;; ¡t t\ = Ctt+ M{t) M ¡tf},

donde por (2.7) 1 a matriz de covarianza C'IV viene dada por cajas
en la forma

C vv = (2. 11)

por lo que debemos analizar por separado las matrices cove-

r i anza de 1a señal, Css' C II del ruido C,.,. y cruzadas
e SI' C~ r' C, r' q u e por Sus e s p e e i a 1 e s e a r a e ter í s tic a s h e m o s
representado por la letra C, evitando la utilización de
E que se usa ordinariamente para cantidades genuinamente
a1eatorias (como los errores de observación).

En primer lugar como la señal y el ruido son

vari ab 1 es i ncorre 1 adas, los térmi nos Csr, Ctr, Ces y Crz son
cero y (2.11) queda reducida a

c'v
[,,,
e zs
C SI
c" OO J • ( 2.12 )
O o Crr
En segundo lugar, si consideramos 1 a s propias obser-
vaciones e, cuya parte aleatoría es + r , como c.r= O
resulta

C tt Css + C,.,. = e (2 • 13 )

es decir, 1a matriz covarianza de 1a s observaciones es

1a suma de 1as matrices covarianza de 1a señal y del ruido
en los puntos de observación.

En lo que sigue supondremos conocidas de y

rango completo todas 1 a s matrices covarianza de 1 a s s e e l e sñ

y de i ruido que figurar en (2.12) , 1 a s primeras pueden

114 l. J. Sevilla

obtenerse por el cálculo en el campo de las señales y 1a

segunda por la precisión de las medidas. Es deci~ todas
las funciones covarianza han de ser definidas positivas.

2.3.- Valores estimados

La consideración formal del modelo (2.9) como

un modelo de ajuste mi xto con c =m ecuaci ones, n parámetros
y 2m+k observaciones ficticias, nos permite obtener los
valore~ estimados aplicando las fórmulas (1.24) y (1.25).

Comencemos calculando M dado por (1 .22)

M = B f"'i Si.
sustituyendo aquí (2.6), (2.10), (2.12) y (2.13) obtenemos

M (- 1
° -i )
~::U [:i J =(-Css-Csz-Crr)l
¡-_0
1
lr
I
es decir
M : C
ss
~ e rr c. (2.14 )

Entonces, por (1.24) resulta

1 _.,¡ -1 I --1
X = (A e A) A C t. ( 2 . 15)

Análogamente, con (2.7) y (2.12), (2.13) Y (2.14) la expresión

( ; .25) da

rs
¿~1
l
I . I ss --1
. Z I ((t-Ax) -C
[ = C (t - Ax) J
li'J
oe donde obtenemos

é -1
(Ax t ), (2.16 )
(ss
- -1
i c" e (Ax t ) (2. 17 )
r C-r e -j
(Ax t l. (2.18)
Los resultados Obtenidos lo están sobre la base de
n parámetros, m condiciones (y observaciones) y k señales adi-
c i o n a le s , siendo m>r .• y " c u a l qu i e r e,
 C.l.c~ció •• i.i ••s cuadrad •• 115

Si suponemos que no hay señales (s=O), entonces

e-= er= P~. por consiguiente la fórmula (2.15) queda reducida
a la forma ordinaria
(2.19 )
que es la propia estimación (1.42) de un problema de ajuste de
observaciones indirectas con ms n y k=O. Además, (2.18)·es senci
11amente (1.43)

r = Ax - t. (2.20 )

Si suponemos que no hay parámetros. (A=O) ni ruido

(r -u}, entonces e = Css= Cny la fórmula (12.17) queda

i (2.21 )

que corresponde a una predicción mínimos cuadrados con \TI

señales observadas sin error y k cualquiera (Moritz, 1980).

Obsérvese que 1 a matriz de covarianza ezz no aparece en 1 a s
fórmulas de predicción, de 1a señal. Como 1a predicción
no afecta al modelo, pueden estimarse primero los parámetros
x por ajuste (2.15) Y después 1as señales por (2.17) .

Por último, si en ausencia de parámetros (A=O)

pero con ruido suponemos que no deseamos señales adicionales
(z=O) entonces e sigue siendo (2.14) pero (2.16) queda
5= -C
ss
(e s s + e rr r\ J
(2.22 )

que corresponde a un filtrado con m observaciones, llamado

algunas veces filtrado del tipo Wiener-Ko1mogorov.

Por consi9uiente, la colocación general mínimos

cuadrados combina el ajuste, la predicción y el filtrado
y en este sentido generaliza el problema de ajustes. Ahora
b i e n como hace observar Moritz (1980), esto todavía
difiere de un ajuste en sentido estricto (si k. > O), Pue s
mientras en e 1 caso de ajustes 1 as condiciones relacionan
todas 1as observaciones, es decir, todos los residuales
entran en todas las ecuacione~ de condición (1. 19) , en
la colocación los valores aleatorios que queremos estimar,
es decir las señales, no entran en todas las ecuaciones
10 que queda representado por los ceros de la matriz B.
Ahora b i en, 1 a condición de mínimo, que s e obtiene a partir
116 l. J. Sevilla

de (1.23) consiste en minimizar la función

T ( s , z , r ,.J\, x ) (2.23 )

-
donde por (2.12)

r
1

Entonces,
vés de
v1c.;Jv

esta
(2.24)
= (S1

función
toda
l) l"-C,s Cs
4s

(2.23)
la parte
C,
l L
que se minimiza
aleatoria
Z

del
s
]+

sí incluye
problema
yl" C-1 r.
rr
(2.24)

a tr~
que es
lo importante, aunque la relación de las señales adicionales
z con las observaciones sólo queda establecida por medio
del a ma t r i z c o v a r i a n z a C,s q u e e s C,f a 1 e s t a r 1 a s e ñ a 1 y e 1
rui do i ncorrel ados. Entonces, si empre que se conozca C" 1 as
cantidades estimadas o las propias observaciones pueden
ser cualesquiera, aunque, como se dijo antes, las señales
y el ruido han de ser centradas e incorreladas.

El método de colocación es invariante frente a

transformaciones lineales de los datos o de los resultados,
pues dicho método tiene como base la teoría de mínimos cuadra-
dos donde tal aserto se verifica. El resultado de la predicción,
como muestra (2.21) es independiente del número de señales
que deseemos estimar pues sólo la matriz C"incluye sus cova-
rianzas cruzadas y actúa fila a fila para cada señal, por
lo que añadiendo filas se obtienen nuevas señales; algo más
complicado es el análisis de su influencia en el mínimo
de v'
C:;)v (Moritz, 1980)(Sanso, 1986). Por otra parte es
claro que las propiedades de ser estimaciones lineales insesga-
das mínima varianza se verifican automáticamente al cumplirlas
las soluciones del modelo mixto que ha servido de soporte.

2.4.- Estimación de la precisión a posteriori

En el modelo de ajuste mixto, la estimación de

1a varianza a priori de la unidad de peso viene dada por
! 1.271 que con e=m resulta
• 2 V 1 C;J v
°0 =---- (2.25 )
m-n
donde por (1.28) con (2.14) resulta

(2.26 )
 Colocaci6 •• ínieos cuadrados 111

En cuanto a las covarianzas a posteriori o covarian-

zas error, 1 as obtendremos tambi én a part i r de 1 as correspon-
dientes fórmulas del modelo de referencia, teniendo en cuenta
la definición de nuestro modelo estocástico.

La matriz Cn= e de covarianzas de las observaciones

podemos considerar1a formada por dos partes} (2.13), una
primera correspondiente a la senal C.en los puntos de observa-
ción y otra correspondiente al ruido Crr que no es otra que
la matriz normalmente utilizada en los cálculos de un ajuste
ordinario por mínimos cuadrados. Recordemos que la señal
y el ruido están incorre1ados.

Para los parámetros estimados partimos de la fórmula

(1.29) y obtenemos inmediatamente (con notación de Moritz,
1980) .
(2.27)

Para las restantes covarianzas observamos que

tanto las señales como el ruido están incluidos en el vector
v pero unas y otras tienen distinto significado, pues mientras
el ruido r es la parte a1eatoria que surge de la operación
de medida, las sena1es s y z son vectores observados (o
estimados) que constituirán toda la observación si se prescin-
diese de la parte sistemática modelada.

Tomemos entonces 1a matri z (1.30) de cavar; anza

2
(suponemos °0= 1) a posteriori de los residua1es v del modelo
de ajuste mixto, que ahora escribimos
-1 _-1 _-1 T_-1 -1 T _-1
Q~; = e; B [C - C A (A e A) A C J B c,v) ( 2 . 28 )

y atendiendo a la composición del vector v, (2.7) esta matriz

escrita por cajas es

(2.29 )

En primer lugar es evidente que

(2.30 )

y,por otra parte, según la fórmula general de las covarianzas

a posteriori de las observaciones ajustadas en el modelo mixto
(1.31) se tiene
118 11. J. Sevilla

rü= Cu- Qí';" (2.31 )

ESs= Css - QSs'
etc.

Sustituyendo (2.29), (2.12) y (2.6) en (2.28) tenemos

crr]
c., ) (2.32)
Crr

donde hemos puesto

(2.33 )

Entonces} identificando términos en (2.32) y sustituyendo en las

fórmulas (2.31) obtenemos las siguientes matrices covarianza -
error:

~= Css - Css R Css ' (2.34 )

~z= C,,- Css R C S2 '
(2.35 )
~= - C,.R (,.,., (2.36 )
En= C Z2
C R C.z '
- lS
(2.37)
Err= - ~R c,.,., (2.38 )
frr= c".R c,.,., (2.39 )
Eu= e - C"R CTT" (2.40 )

las demás son las traspuestas correspondientes.

Particularicemos las fórmulas de las covarianzas error

a los casos de predicción y filtrado.

Puede verse inmediatamente que en ausencia de señales

 Colocaci6ft eí.ieos cuadrados 119

e Crr = -'. en ton e e s (2 . 27) Y (2.4 O) se con v i e r ten en 1as

fórmulas ordinarias del ajuste de observaciones indirectas
(1.47) y (1.49):

! -1
E~= (A PA)} ( 2 . 41 )

E-.= A(A! PAt1AT. (2.42 )

LL

-1 Sin o h ay par á m e t r o s , A = O, n i r u ido, E C.sresulta

R C,sy (2.37) da
(2.43 )

como corresponde a la predicción mínimos cuadrados. El término

de (2.37) que no aparece en (2.43) 10 escribimos en la forma
-l T -1
CzsCssA E~A esse" (2.44)

y representa la influencia de los errores en los parámetros en

los valores de predicción de la señal.

Por ú 1 t im o, e n e 1 e a s o de f i 1 t r a do (A = O, z = O) d e (2. 34 )
Y (2.40) obtenemos

E,,= Css- Css(Css+ crrr1c SSl

(2.45 )
E •• =
LL
r_,-
-r
C
rr
(C
ss
+ C
rr
¡-1 C
rr
• (2.46 )

Las fórmulas (2.43), (2.45) Y (2.46) son idénticas a

1 a s ob ten ida s individualmente en cada problema por separado
(Moritz, 1980).

Calculemos, por último, la covarianza cruzada a

posteriori de los parámetros con las señales. Para esto
basta considerar el vector de residuales v (2.7), según
la teoría de mínimos cuadrados, como el residual de una
hipotética observación generalizada e tal que su valor ajustado
sea t = -e + v. Entonces, del modelo de ajuste mixto tomamos
la fórmula (1.33) aplicada a la colocación,

(2.47)
siendo ahora

Q, L (E", E", E xC) • (2.48 )

Sustituyendo en (2.47), (2.48) y el producto BC w resulta

! _-1 -1 L
(E,.s' EX!' E••)
xl
= - (A C ti) A e-l {-'C ss - e - 52
C ),
"
120 •• J. S.villa

de donde identificando elementos obtenemos

(2.49 )
(2.50 )
( 2 • 'S 1 )

con esto concluimos el cálculo de las covarianzas error.

2.5.- Predicción de la ·señal completa"

Una interesante combinación de las fórmulas de

colocación es la siguiente (Moritz, 1973). Una vez obtenida
la señal i en los k puntos adicionales y obtenidos también
los parámetros X, podemos obtener estimaciones de la propia
observación t en los k puntos de predicción, es decir de
la "señal completa" incluyendo sistematismos en estos puntos
(problema de interpo1ación y filtrado).

Se a D -\:j na ma t r i z de c o e f i e i en t e s e o r r e s pon die n te

a los n u e vos punt os , su d i me n s i ó n ser á ( k x n)J y con e 11a
podemos escribir en estos k puntos la observación restituida

t = Dx - i (2.52 )

Si el filtrado se efectuase en los m puntos originales

de observación, la matriz D sería precisamente la matriz
original A de dimensión (mxn) y el vector i sería el vector
de señales 5, el vector de parámetros sería evidentemente
el mismo. En este caso (2.52) se escribiría

t = Ax - s ( 2 • 53)

(Aquí ya no aparecen los errores de observación).

La matriz de covarianzas error de la "señal completa"

t en puntos adicionales, que nos dará la precisión de los
valores restituidos allí, la obtenemos aplicando a (2.52)
la ley de propagación de las covarianzas. En efecto
¡ 1
EH = D EXi D - En D - D EXl + En ( 2 . 54 )

sustituyendo aquí las expresiones (2.50), (2.37) y (2.33) ob-

tenemos
¡ --1 ¡ i -1
O Exx O - e A Exx o - o
Czs Exx A e esz +

+ ezz- ezs (e - e--1 A ~A 1 e)--'

--1

y agrupando términos resulta en definitiva

 Colocació •• í.i.os cuadrados 121

Ett -Czz- CzsC1Csz+ (C,s C1A - O) Ea (C,s C1A - 0)1.

(2.55 )

2.6.- Colocaci1n con el modelo mixto

Supongamos que en vez de partir del modelo de
observaciones indirectas (1.36), partimos de un modelo de
ajuste mixto de c condiciones, n parámetros y m observaciones
que, como antes, ya sea 1 i nea 1 (1. 17), es deci r

F(X,l) = AX + Bl + b o (2.56 )

y d o n.d e 1 as observaciones l contengan parte señal s y parte

ruido r
l t + s + r. (2.57)

Entonces el modelo queda

AX + B ( s + r ) + B t + b = O .

Para tener en cuenta nuevas señales z en k puntos adicionales

introducimos de nuevo el vector v

(2.58 )

y la hipermatriz

B = (B, O, B) (2.59)
formada por cajas y equilibrada en sus dimensiones. Si, además,
ponemos
t = -(AXo + Bl + b) (2.60 )

pndemos escribir el modelo colocaCión en la forma

Ax + Bv - t = O, (2.61 )

siendo válidas todas las fórmulas auxiliares con la sustitución

de B (2.6) por la matriz B dada por (2.59) y t dado por (2.60).
Ahora la matriz M (1.21) vale

M (B,

BCss B
O,

I
B)

+ BCrr B
l~::J [n
l
=
C
C sz

O
zz

B (Css + c., ) B I
(BCss' !:lCsz ' BC •..•.)
[:l
122 l. J. Sevilla

y si como en (2.14) llamamos

(2.62 )

resulta
M = S e ST. (2.63 )

Ahora, de (1.24) se obtiene inmediatamente

x = (2.64 )

El vector V, vuelve

[ ~1J
Z

r
=
a obtenerse

lcss
C z s c.,
O
C , OO
O
S

Crr
J l
a partir

OST]
ST -
de (1.25):

de donde resultan las fórmulas de estimación

_ -1
-s c., ST (SCS1) (t, Ax). (2.65 )
i C,• ST (BCBi )-1 (t 'Ax), (2.66 )
r c., SI (SCST )-1 (t -Ax). (2.67)

Las matrices covarianza error se obtienen a partir

de (2.27), (2.34) a (2.40) y (2.49) a (2.51).

Para Exx se obtiene la expresión

l
Ex,= [Al (BCS )'lAr; (2.68 )

pues procede de (1.29) con la sustitución de (2.63).

La matriz R (2.33), que procede del factor central de

(1.30), resulta al sustituir en (2.33) C-1por (SCSi )-1 según (2.63)
Así se obtiene, con (2.68)

R (2.69 )
Entonces, por (2.28)

y con (2.59) queda

l j
í
C ss B
C
zs
s'T R ( st s s ' SC" ' BC"" )I
C rr S

con 10 que las expresiones (2.34) a (2.40) se convierten en

 Colocaci6. .ini.os cuadrados 123

EAA
ss
= Css - Cs s s' R S Css ' (2.70)
E •• = C
sz 52
- e
Ss
SI R B C,,' (2.71 )
l
EAA=
s r
- e ss B R B err ' (2.72 )

EZí = ez z - e Z s SI R B
es, ' (2.73 )

El? = - e
zs
B
R S Crr ' (2.74 )
l
EAA =
rr
e rr B R S err ' ( 2 .75 )
E E - e sl R s e (2.76 )
LL rr rr

Aplicando 1a misma transformación a 1a s fórmulas

(2.49 ) a ( 2.51 ) resulta

En = -Exx Al (SESl ¡-lS Css (2.77)

l l
Exz = - ~x A (B E B í 1 S C's, ( 2 • 78)
.. Al (BESl )-ls er-r- •
EXL = -E ¡¡x (2.79)

como se comprueba utilizando (1,33), (2,59), (2,63) Y (2,68).

Un caso particular de éste es el correspondiente

al modelo condición sin parámetros (1.15), con e ecuaciones
y m observaciones. Se toma la forma lineal (1.55)

F (Ll = S L + b = O

Y todo resulta análogo al caso anterior poniendo A=O y t=-(St+b).

Los resultados con este modelo son: De (2.69 )

queda
R = (BCST )-1 (2.80 )

Y en función de R #
(2,80) , los valores estimados (2.65 ) a
(2.67) son
1
Css 8 R t , (2.81 )
í e,s SI R t, (2.82 )
i: c., ~ R t , (2.83 )

y las matrices covarianza error (2.70) a (2.76) quedan iguales

pero con R dado por (2.80).
12~ l. J. Sevilla

2.7.- Propiedad de mínima varianza

La solución colocación mínimos cuadrados es efectiva-

mente 1 a mejor est t ma c ón 1 i neal í i nsesgada de los parámetros
y de las señales que puede obtener se con los datos del
problema, en el sentido de que es una estimación lineal
insesgada mínima varianza.

Consideremos las expresiones (2.15) Y (2.17) por

una parte

X (2.15 )
i (2.l7)

y las (2.27) y (2,37) por otra

T
E~2= (A e-IArl, (2.2 l)

En = Cn- CzsR C~z.' (2.27)

con (2.33)

(2.33 )
El hecho de que x y z sean estimaciones lineales se es
cribe, en general, por medio de

i Lt + a, (2.84 )
x Gt + b, (2.85 )

siendo
t = Ax-s-r. (2.86)
Aquí, L Y G son matrices y a y b vectores de números reales
y dimensiones adecuadas.

La p r o p i e d a o de que, además, sean estimaciones insesga-

das conduce a (Moritz, 1980)

x= G tJ (2.8l)
z= H(Ax-tl, (2.88 )

donde H es una matriz arbitraria relacionada con L por

L = H (AG - 1), (2.89)
verificándose

LA = O, (2.90 )
GA = l. (2.91 )
La misma teoría de estimadores lineales insesgados
 Colocación .íni.os cuadrados 125

conduce a las siguientes expresiones de las matrices covarianza

error

(2 .92 )

(2.93 )

En particular las estimaciones por .colocación

mínimos cuadrados (2.15) y (2.17) pueden escribirse en la
forma (2.87) Y (2.88) poniendo
G (A! C-1ArlATe-l, (2.94 )
H = C e-l. (2.95 )
zs

En este mismo caso, (2.89) da

L = C e-¡[A(A! e-1ArIA! e-l_ Il.
zs
que en función de R por (2.33) se escribe

L = -C
zs
R. (2.96)
Además, las expresiones (2.92) y (2.93) toman la forma
L.=
xx
G é G! = (A! e-l A r 1 ( 2 . 9 7)

y sustituyendo (2.96) en (2.93) queda

L,.,= Cz z -C 2S R C52 - CRC

ZS S2
+ C 15 R é R C S2
C zz - C z; R C 51
(2.98 )
p ue s I

--1
C,sR
1
C,,= C,sR e R C52'
a 1 s e r 1 a m a t r i z (1 - C A Ex¡A ) id e m p o ten te.

Tomemos ahora cualquier otra estimación lineal inses-

gada, obtenida con los mísmos datos, que escribimos en la forma

x G t.
-
z H (Ax - t ), (2.99 )
siendo
L=H (AG - J),
GA= 1 J
(2.100 )
LA = O.

Al ser distinta estimación de 1 a de colocación existirán unas di

ferencias matricia1es g y 1 tales que

G G + q ,
(2. 101 )
L L + 1,
¡t6 I!. J. Sevilla

y en este caso general 1 as matrices covarianzas error serán

E--~ G e Gl = (G + g) e
(G + g) 1
xx

G
-C Gl + GC
- gl + 9 -C Gl 1- 9 e 1
gJ
_1 - -1
Ejj= Czz + Cs. + CzsL + L C L
I
e z z + (L+ 1 ) Csz + ezs (L + d + (L + 1) C(L + 1 )1.

Después de algunos cálculos se obtiene (Moritz, 1980)

L_= E22+ 9
xx
e 9
T
1
I (2.102 )
~,.= E 11+ 1 el.
(2.103 )

Entonces la varianza de un elemento estimado, que será un

término de la diagonal principal, se escribe de la forma
~2 = 02 + f "C fT I

don d e f es 1a e o r r e s p on die n t e f i 1a del a m a t r iz g o y

como e es defi ni daposit i va, f e f~O y resulta

(2.104 )

Luego la m'hima varianza correspondiente a la estimación por co

locación m'nimos cuadrados.
2.8.- Señales de distinta naturaleza
El método de colocación min í mo s cuadrados es válido,
como ya se ha dicho, para estimar no sólo señales s que
formen parte directamente de las observaciones como en (2.5)
sino también otras cantidades señal que seguiremos llamando
s a partir de las cuales resultan las señales que intervienen
en las observaciones, que ahora llamamos s*, por medio de
funcionales acotados; esto equivaldría a decir que las señales
s que se desean estimar no pertenecen al espacio de observa-
ciones. Sea entonces

s* = Ss, (2.105)
en cuyo caso el modelo de colocación (2.5) se convierte en

Ax - Ss - r - t = O

de manera que para pasar al modelo mixto (2.9) se toma la

matriz

B = (-S, O, -I)

y con este cambio el resto del razonamiento sigue siendo válido

 Colocacíó •• r.í.os c••d~.d.s 127

Entonces, para la estimación de s pueden mantenerse

las mismas fórmulas de estimación si se conocen las nuevas
matri ces covari anza de 1a seña 1 transformada ~* para formar
e y la de covarianza cruzada C••••para la estimación; estas
matrices pueden calcularse previamente utilizando la relación
(2.105) y la ley de propagación de las covarianzas, resultando
entonces

Cs*s" (2.106 )

Cs s*
con 1 ás que, en el caso de observaciones indirectas se obten-
dría
5= CsJCs*s,,+CrJ1(AX- t ). (2.107)

El método de colocación puede extenderse aún más

pues incluso la señal estimada z puede ser otra transformada
de s distinta de cualquier s * . Así, si tenemos

z= z s. (2.108)

el valor de predicción sería

i = Cls"(<;'''s'+Crrfl(Ax - t I, (2.109 )

donde

- Z C SI (2.110)
ClS• - ss'

Esta es una propiedad fundamental del método de coloca

ción mínimos cuadrados que resalta la importancia esencial
del a f u nc i ó n e o v a r i a n z a b á sic a Css a par ti r del a e u a 1 p u e den
obtener se las covarianzas de cualquier otra señal del mismo
campo siempre que se conozca el funcional de relación entre
ellas. (Krarup, 1969; Tscberning, 1975; Moritz 1980). Así queda
resuelto el problema de estimar una señal s a partir de
observaciones cuya parte señal s* son funcionales lineales
acotados de s.

2.9.- Funciones covarianza

Una de las cuestiones más delicadas en las aplica-

ciones del método de colocación reside en el establecimiento
del as f u n e i o n.e s eovar i anza a p r i o r i. La s f u n e ion e s c o va ri a n z a
verdaderas son desconocidas por 10 que se aproximan por funcio-
nes covarianza calculadas de tal forma que cumplan las propied~
des requeridas en particular la de ser funciones definidas Dositivas.Est?'
128 11. J. Sevilla

funciones covarianza constituirán el modelo teórico que represente

las covarianzas estimadas en puntos di scretos a part ir de
los datos de o b s e r vac t n , por
ó 10 tanto diferirán grandemente
de un problema geodésico a otro.

Estas funciones covarianza dependerán de unos

ciertos parámetros que será necesario definir bien y determinar.
Es muy corriente determinar funciones covarianza globales
a partir de otras funciones simples por combinación lineal
positiva y por multiplicación.

En el caso de la geodesia física el problema está

muy estudiado con resultados satisfactorios (Krarup, 1969;
Tscherning 1974; Moritz, 1976, Moritz, 198G), pudiéndose
obtener 1 as covari anzas de los diversos elementos del campo
anómalo a partir de la función covarianza del potencial
perturbador. No ocurre lo mismo en otros casos.

En genera 1, la función covarianza de la señal

s Vlene definida por

c,.s= C(P,O} = E[s(P}, s(O)L (2.111 )

donde s(P} y st o) son los valores de la señal en dos puntos

genéricos P y O y E es el operador esperanza matemátic~
en muchos casos tomado como una media bien definida. La
función (2.111) ha de ser definida positiva y en general
se la supone isótropa, es decir que solo dependa de la distan-
cia entre los puntos P y O; entonces

C(P,O} = C(d} ,
(2. 11 2 )
d = dist(P,O} = IP - 01;

esto indica que la función covarianza es constante para el punto

P y todos los puntos de una ci rcunferenci a centrada en P
de radio d.

La función covarianza del rui~o en el caso de

observaciones incorreladas respecto a los errores de observa-
ción adopta la forma diagonal

(2.113 )
donde~es la varianza de la unidad de peso de las observaciones
 Colocaci6ft aí.iaos cuadrados 129

e I es la matriz unida~

En estas condiciones la matriz covarianza de las

observaci ones -(2.13) se escri be

t1l= C(d) c. (2.114)

En virtud de (2.112) Y (2.113) para los puntos dato se verfica

C (d12) •••••

..........
e (d,.l 1 o 2

o
o
o o
o

••
C (O) C (d2.) 02
C(d ..l= + o
lJ ...................
C (O) o o • • •o 2
o

de manera que para covarianzas entre puntos distintos (ilj) te-

nemos

E ( dI.J.) = C (d 1..)
J
, d ..
lj
F O s o los e ñ al, (2. 116)

Y para varianzas en el mismo punto

2
C(d.] ((O) C(O) + 0 señal y ruido, (2.117)
11 o '

Para obtener una estimación empírica puntual de

la función covarianza consideramos un intervalo de distancia
lid yefectuamos una clasificación de los datos en grupos
de amplitud creciente d, 2 d, 3 d , etc. Entonces si llamamos

k =0,1, ... , (2.118 )

para puntos distintos, por aplicación de (2.116) y (2.111),

resulta para cada k (t se supone sin parte sistemática)
((d .) = C(di<.) =_l_L t(P.)C(P.), (2.119)
ij n k íj 1 j

donde los índices i y j varían sobre todos los pares para los
que
dk-Ad<lP; - ~I<do+ód con rc j ,

siendo n"el número de pares (Barzaghi y Sansó 1983).

También puede hacerse e5ta clasificación poniendo

(k - 1 ) ód < I P; - ~ I < k 6d k = 1,2, ...

(Mussio 1987)

Para d o la relación (2.117) permite escribir

130 l. J. Sevilla

C' ( O) : ~ ~t2( P) : C ( O) + q,2. (2.120 )

mi..o i
Entonces la función de covarianza empírica de e presenta
una discontinuidad característica en el origen que es ese~cia1
par a e s t im a r cro 2 •

No obstante, el establecimiento de f unc i o n e s c o v a-

rianza puede hacerse a partir de ciertas funciones covarianza
particulares bien estudiadas que cumplan todas las propiedades
requeridas y que puedan identificarse por adaptación en
el modelo; entonces se aplica la propiedad de que toda combina-
ción lineal positiva y todo producto de funciones definidas
positivas es otra función definida positiva. Ejemplos de
funciones covarianza básicas pueden verse en Moritz (1976),
Barzaghi e Sansó (19B3), ~ussio (1987).

Para 'la aplicación de las fórmulas de colocación

ha quedado establecido que Cn: e debe ser definida positiva,
entonces Css ha de s er lo también al menos al orden del ruido;
si cualquier matriz C(d) es definida positiva entonces la
función covarianza lo será.

Para estudiar si la matriz C(d) es definida positiva

existen algunos criterios que no usan directamente la defini-
ción puesto que esta propiedad es muy inestable (Moritz
1976, Barzaghi e Sansó 1983). Estos autores establecen como
condición necesaria para que C(d) sea definida positiva
que C~O) é'(dhO para toda d y que C(d) tenga un máximo
en el origen. Un criterio más cómodo que aplican es el siguien-
te: C(d) es definida positiva si y solo sí su transformada
de Fourier es una función no negativa.
 Colocaci6 •• ¡ni.os cuadrados 131

3.- COLOCACION PROGRESIVA

3.1.- Objeto de la colocación progresiva
Moritz (1973) introduce la formulación de la
colocación progresiva que permite resolver el problema
de la colocación por etapas sucesivas; de esta forma se
reducen las dimensiones de las matrices que hay que invertir.
Esta formu1 ación permite también de forma fáci 1 y cómoda
aHadir o suprimir observaciones sin necesidad de resolver
cada vez el problema completo. Por su interés deducimos
a continuación las fórmulas utilizadas en colocación progresi-
va para 1a estimación de parámetros y seHa1es y para sus
matrices de cavari anza a posteri ori. Para su obtención
utilizaremos técnicas matricia1es como en 1a primera parte
de Moritz (1973, 1980) que después utiliza una vía estadís-
tica para la obtención de las matrices error covarianza,
nosotros por el método matricia1 llegamos a los mismos
resultados.

Supongamos el modelo de colocación (2.5) formado

por dos grupos de observaciones, que escribimos en la forma

Al X - SI - r~ - tI = O,
(3.1 )
A2 X - S2 - r2 - t2 = O,

o bien en forma global

A x - s - r - t O, (3.2)

donde hemos puesto las matrices por cajas

A
[:l' [::].,. [~]. [::] t (3.3)

Las soluciones del modelo conjunto (3.2) vienen

dadas por (2.15) y (2.17), que escribimos de la forma:

X N-1 d, (3.4)
N A! e-lA d = A! c-1t, (3.5)
i CzsC-1(Ax t ). (3.6)

Según la partición (3.3), la matriz de covarianza

C de las observaciones es de la forma
132 R. J. Sevilla

c OV (~ ~) e O V (ti tz) 1 (3.7)

[ e O V (tz ~) e O V (t2 t ) J
1
T - T _ _ T
siendo coy (ti,t)=E{[ti- E(~)l [tj- E(t)l)= Ml~tj)+ Mlt¡) Mltj},dot1de
t= e Lo por (2.4). Las submatrices C12y C21son distintas
de cero puesto que las señales son variables aleatorias
correladas (esto distingue la colocación progresiva de
un ajuste mínimos cuadrados progresivo).

La matriz C~es de la forma

C, s = [C 1 C 21 = [ e o v ( z ti)' e o v (z tz) 1 (3.8)

_ T
siendo cov(z~) = MI z[ti- M¡ti) l.

En estas condiciones para obtener unas fórmulas

progresivas a partir de (3.4) y (3.6) procedemos de la
f.orma siguiente-.

3.2.- Inversión de la matriz e

Para invertir la matriz e utilizaremos la técnica
de inversión de matrices por cajas. De las relaciones
- --1
C C = (3.9)

y poniendo

c· i
= [BU B,~ (3.10)
B B 21 22
con dimensiones adecuadas de 1 a s cajas, obtendremos
C11 B11 + C12 B 21 1, (3.11 )
C 11 B 12 + C12 B 22 O, ( 3 . 12)
C 21 B 12 + C22 B 22 1, (3.13)
B 21 C 11 + B22 C 21 O. (3.14 )
·1-
Multiplicando ( 3. 12) por Czl C 11 por 1a izquierda
y restando el resultado de ( 3. 13) resulta

C21 B12 + C228;>2- r,

de donde

( 3 . 1 5)

De (3.12)
(3.16 )
 Colocació •• rai.os cuadrados 133

De (3.14),
- 1
B.>1= - B22C21C1i- (3.17)

Por Gltimo de -(3,11) con (3.17),

-1 -1 -1 --1 -1
Bu= C11- C1IC12B21= CI1+ CUC12Bz2C21Cll (3.18 )

Las fórmulas (3.15) a (3.18) permiten obtener las ca

_ -1
jas de la matriz inversa C

3.3.- Cálculo de la matriz N

C~n las relaciones (3.5), (3.3) y (3.10) obtenemos

T - - 1
N A C A

T T) i r
= (Al Bll+ A2 Bz! Al + (Al B¡2+ A2 e22) A2·

Sustituyendo aquí (3.16), (3.17) Y (3,18) resulta

T -1 -1 _i T -1
N = Al (Cl1+ Cll CI2Bz2C21Cll)Al - A2 Bz2C21CllAl-
T -1 T
-A1CllCI2Bz2A2+ A2BzzA2
T -1 T T -1 -1
= Al CllA 1 + (A2 - Al CIl 2) S B22(A2- C21CIIAl ),

y poniendo
T -1
N1 = Al CIlA¡, (3.19 )
-1
queda A2 = A2 - SlCllAl, ( 3 .20)
- T -
N = NI + Az B22A2 . ( 3.21 )

3.4.- Inversión de 1 a matriz N

Para invertir la matriz N dada por (3.21) utilizare-

mos una fórmula general del cálculo matricia1 que es válida
para matrices X e Y regulares y matrices U y V cualesquiera.
La fórmula es

(X + U YV r 1= X-l_ X-1U ( y-l T V X -1U r' V X-l • ( 3 .22 )

Tomando X=N1, Y=B22 ' U=A! Y V=A2, resulta

-1 -1 -1 - T -1 - -1- T -1 - -1
N = NI - f'\ A (B22+ A2N1A2) A2N1,

Y llamando K al factor entre paréntesis

ll~ R. J. Se.illa

-1 - I-¡
K = B + A2 N; A2' ( 3.23 )
22

que por ( 3.15 ) se escribe

-1 - -1- ¡
K = ~- SI CIIC12+ A 2 NI A2 , (3.'24 )

obtenemos
-1 -1 -1-¡ -1- -1
N = Ni - Ni Al K A1Ni (3.25 )

3.5.- Cálculo de la matriz d

Con las relaciones (3.5), (3.3) y (3.10) obtenemos

¡ T T T
(Al Bll+ ~ E!22)tl + (Al B12+ A2B22)t2·

Al igual que antes, sustituyendo aquí (3.16), (3.17) y

(3.18) resulta

- -
y poniendo

(3.26 )
(3.27)

resulta

(3.28 )

3.6. Fórmula progresiva para los parámetros estimados i

Sustituyendo (3.25) y (3.28) en (3.4) y operando

obtenemos:

(3.29)

- -I-T
Transformemos el último término de (3.29) reemplazando ~ N¡ A 2
por su valor obtenido de (3.23),es decir

( 3 • 3 O)
 Colocació •• rni.os cuadrados 135

entonces resulta
-I-T -1 -1-
-NI ~ K (K - ~2)B22t2 =
-1- T - -1 - T -t-
= - NI ~ Bnt2 + NI A-zK t2

Y llevando esto a la expresión (3.29) queda

x = N~ld¡_ N~IÁ;K-IÁ2N~ld¡ + N~I~ K-¡E2•

Teniendo en cuenta que

- -1 d (T C~ )-1 T -¡
~ = t\ ¡= A¡ lJA¡ A¡ Cllt! ( 3 . 31 )

es la solutión para x obtenida con el primer grupo de observa-

ciones solo, resulta la fórmula progresiva

(3.32 )

3.7.- Fórmula progresiva para las señales estimadas z

Para obtener una fórmula progresiva para las
señales, transformemos la ecuación (3.6) por el método
de Moritz (1973). Con (3.3), (3.7) Y (3.8) escribimos

= (C¡B¡t C2B21) (A¡X -;) + (C¡BI2+ C2Bn)(A2 x - 1:z).

Sustituyendo otra vez (3.16), (3.17) Y (3.18) resulta

i =. (C¡ C~~+ C¡ C~\C¡~22C2IC~~- C2 B22C2¡C~~) (Al X - t,) +

+ ( - C1 C~~C¡2B22+ C2 B22) (~x - ~ )

-1 _ -1 -l.
= S C¡¡(A¡x - ti) + C¡CJ12BnC2¡C¡¡(A1x - tl)-

-S ~2C2¡C~~(A¡ x - ti) - C¡ C:¡C¡2~2 (A-z x - ti+

+ C2 B22(~x - t2 )
~ ~ -1. •
= S C~¡(A¡ x - tI) + (e; e;1e;2- S)B22[~ICll(AI x - tI)

-(~x-S)j·

Poniendo ahora. (3.32) en la forma

136 11. J. Sevilla

con
(3. 33)

y sustituyendo en 10 anterior queda

-¡
i = C1 C¡¡{AI x¡ + A¡óx - .t¡ )+
~ -¡ •
+(C¡ C¡¡C¡Z- Cz )Bzz[S¡<1¡ (A¡ x¡ + A¡ óX - tI) -

-(Az X¡ + AZ ex - tzll
-¡ _ -¡
CI Cl! (Al xl - t¡) + C¡ CllA/J-x +
-¡ -¡.
+( C¡ CI¡CIZ- Cz) Bzz[ (Cz¡Cn A¡ - Ai XI +
-¡ -¡
+ (CZ¡C¡IA¡ - A.¿)óX - CZ¡C¡¡t¡ + tZ] .

Ahora bien, poniendo

( 3.34 )
(3. 35)

donde ~ es la estimación de las señales a partir de las observa

ciones del primer grupo solo, sustituyendo óx por (3.33) y te-
niendo en cuenta (3.20) y (3.27) resulta

i = i¡+ C¡C~~A¡N~¡AzK-1(fz- AZx¡)

- - -. - - -1- T -t - -.
- Cz B22 ( tz - Az xI ) + Cz Bz0z N¡ Az K (tz - Az xl )
-¡ -¡- -¡ - - -¡ - T _¡ - -.
il+ [C¡CllAIN¡AzK - S Bzz(I - AZN¡AZK )](tz-~\
-¡ -1- T - - i -T -1 _ -.
i¡ + [CI e¡¡A¡ N¡ Az - Cz Bzz{K -Az NI pS)] K (t2 - Az x¡ i.
efectuando el producto de los paréntesis con la ayuda de (3.23)
resulta finalmente la fórmula progresiva

( 3 . 36)

3.8.- Fórmula progresiva para la matriz covarianza error de x

Por (2.27) 1a matri z covari anza a posteri ori
de x es

Entonces su forma progresiva viene dada directamente por (3.25);

observando que

(3.37)
 Coloc~ti6. ai.iaos tu.dr.dos 137

es la matriz covarianza error de x, considerado solo el

primer grupo de observaciones, la fórmula progresiva es

(3.38 )

siendo por (3.24)

(3 .39)

3.9.- Fórmula progresiva para la matriz covarianza error cruza-

da xy i

Por (2.50) la matriz covarianza cruzada a posterior;

de x y i es

entonces, sustituyendo (3.3), (3.7) y (3.8) resulta

Por un procedimiento análogo al utilizado en el apa~

tado 3.5 para la obtención de la matriz d y teniendo en cuenta
(3.20), (3.35) resulta
-1 1 -1 1 -! _1
En = N ¡Al ellel + A2 822e2 l
Sustituyendo aquí (3.25) queda
-1 -1-1 -1- -I , 1 -1 ¡ _1 -1
E Xl = [NI - N¡ A2 K A2 NI J [Al e I le 1 + A2 822C2l
-l. T -1 T -l-i -1 _ -1 r -1 T
NI Al elíe1 - N¡ A2 K A2 N, A: el~el +
-1-1 _1 -:...: -1- -1- - 1
+ NI A2 Bne2 - NI A2 K A2 NI A2 821:2 .

El primer término de esta expresión

-1: -í 1
E-·= N¡ A,• e¡le, ( 3 .40)
Xl z 1 ~

es la matriz covarianza error correspondiente al primer grupo

de observaciones solo. En el último término sustituimos (3.30)
y queda

que llevándolo a lo anterior y cancelando términos resulta la

fórmula progresiva
138 l. J. Sevilla

E
""
xz
= E
o"1 "l1
- N-1A1)(1 re
1 2 l
C1A Wli',1 -
1 11 1 1 2
e2 ]1 (3.41)

3.10.- F6rmula progresiva para la matriz covarianza error de ~

Por (2.37) Y (2.33) se tiene

e - II e,sR es,
--1 --1 -11--1
e ll- e, s(e - e AN A e ) es z
--< --1 -1 T _-1
e ll
- ezs e c•• + ezs e A N A e e 52 • ( 3 .42 )
1
Su s t it uy en d o A por A por e,. Y
e n e 1 e á 1e u 1 o d e N del a par t~ esz
do 3.3 y teniendo en cuenta (3.35), en analogía con (3.21) se
obti.ene

(3,43 )
¡
En las mismas relaciones, sustituyendo solo A por e,. se obtiene
e ,r.-lA = el e;l¡Al + E¿ Bz2A 2' (3.44 )
De la fórmula (3.41) para Ex; resulta
1 T 1'-1 -1 1 -1 1 -1 -1 -L -1 -1 - 1 -]1
WA," C,,= N1A1CI1Cl- Ni~K lC1CllA1N1A2- C2. (3.45 )
Sustituyendo estos resultados parciales (3.4~), (3.44) y (3.45)
en (3.42) resulta
_. ¡ _ _1
C"
l.- ••••.
II
_
- ezz- e" Cl'[ Cl + C¡ Bz2C2 +
-1 -1 T -1 1 -1 -1- T -1 r T
+ C, S!A¡N¡Ale1!e; - e¡ellA1N1A2K l*]+

+ e2 B2l'2 N-: A; <le: - e2 B22~ ~lA~ l

K- [ *] T,

(3,46)
donde
*'
í
l , = e 1 e!-l!lA 1 ~ ¡¡r
"'2 [2 .

Ahora bien, por (3.30) el último término de (3.46) es

-. -¡ -1· ,1 - f -, - -1 f 11
- e2 Bnl K - B 2 2] K l" - e 2 B2 ' * J + e 2 K ,* 2
de manera que (3.46) queda

En= ezz- (,e11(,"-1 -

C2Bz2[*j' +

1
+ el e;:A¡ ~l~ e;~c~ - el e;llA¡ N;lA~ K- [*]T

- ~2 B
22
1*]1 + S K-1[*]1
-1 -1 -1 1 -1 1
e ll- el e"el + el ellAl NI Al e11el -
. -l.. i
11: : K i =.
 Colocación .i.i.os cuadrados 139

y siendo

-1 -1 -1 ¡ -1 ¡
E ••1 = C - C 1 (C11- C¡lA 1 N¡ Al CII) C1 ( 3 .47 )
z1 i ZZ

la matriz covarianza error correspondiente al primer grupo de

observaciones solo, queda la fórmula progresiva

*-----*-----*

El método de colocación progresiva puede aplicarse s u c e s t v a-

mente tantas cuantas veces se desee. Con este método las
q u'e han dei n ver t ir se s o n C¡l' NI Y K c uya s d im e n s ion e s p u e d el)
elegirse adecuadamente y por supuesto menores que las de
la matriz C. El caso límite consistiría en ir aumentando
el número de observaciones de una en una, es 10 que Moritz
(1980) llama colocación secuencial, que saivo en el tratamien-
del primer grupo de observaciones no necesita a inversión de nin
guna matriz. Un programa en FORTRAN IV de aplicación de
la colocación progresiva a la determinación del potencial
anómalo puede verse en Tscherning (1974).

BIBLIOGRAFIA

BALMINO, G. (1978): " Introduction to 1east-squares Collocation"

in Moritz/Sunkel, Approx.Meth. in Geodesy, pp 47-88.

BARZAGHI, Re F. SANSO. (1983); "Sulla stima empirica della fun

zione di covarianza". Bol1. di Geod. e Sc. Affini
pp 389-415.
GRAFAREND, E. (1978): "Operational Geodesy" in Moritz/Sunkel,
Approx. Meth in Geodesy, pp. 235-284.

HEISKANEN, VI.A. y H. MORITZ (1985); " Geodesia Física" Institu

to Geográfico Nacional-Instituto de Astronomía y Geo
desia. Madrid.

KOCH, K.R. (1977): "Least squares adjustment and Co110cation"

Bu1l. Geod. 51 p p , 127-135.
l~O •• J. Sevilla

KRARUP, T. (1969): "A contribution to the Mathematical Founda-

tion of Physical Geodesy" Danish Geodetic Institute,
Meddelelse n2 44. Copenague.

KRARUP, T. (1978): "Some remarks about Collocation" in Moritz/

Sunkel, Aprrox . Meth. in Geodesy pp, 193-210.

LAURITlEN, S.L. (1973): "The probabilistic background of some

statistical Methods in Physical Geodesy". Danish Geo
detic Institute. Meddelelse nQ 48. Copenague.

LIE8ELT, P.B. (1969): "An introduction to Optimal Estimation"

Addison-Wesley. Mas. EEUU.

MEISSL, P. (1976): "Hilbert Spaces and their Application to

Geodetic Least Squares Problems". Bol1. di Geod. e
Sc. Affini 1 pp, 49-80.

t10RI l, H. (1973"): "Stepwise and Sequential Collocation". Dep.

of G-eod. Sci. Rep. n2 203. Ohio State Univ.

MORITl, H. (1973): "Least-Squares Collocation" Deut. Geod. Komm.

Reihe A nº 75. Munich.

MORITl, H. (1975): "Elements of Collocation" in Brosowsky and

Martensen, Mathematical Geodesy Vol. I pp. 125-159
BI.

MORITl, H. (1976): "Covariance Functions in Least-squares Col1~

e a tia n " De p. of Ge o d. S e i. Re p. nº 240. Oh i o S t a t e Uni v.

MORITl, H. (1980): "Advanced Physical Geodesy" Herbert Wichmann.

Karlsruhe.

MORI l, H. (1981): "Statical foundation of Collocation" VII Sym.

Math. Geodesy (4º Sym. Hotine) Como Geod. italiana
pp. 139-194. Florencia.

MORITl, H. and H. SUNKEL (ed) (1978): "Approximation Methods in

Geodesy" Herbert Wichmann Verlag. Karlsruhe.

MUSS 1 O, L. (1987):" Estrategi as de cálculo del método de colocación y ejem

plos calculados". IV Curso de Geodesia Superior, pp. 143-209.
 Calacació •• ífti.a. c •• drado. 141

RUMMEL, R. (1976): "A mode1 comparison in Least-squares Co110-

cation". Bu11, Geod. 50 pp, 181-192.

SANSO. F. (1986) : " Statistical Methods in Physical Geodesy"

in Sunke1 (e d ) - Math. and Num. Tech. in Phy. Geodesy.
Springer-Verlag.

SANSO, F. and C.C. TSCHERNING (1980) :"Notes on convergence in

Collocation theory", Boll. di Geod. e Sci. Affini n23
pp. 221-252.

SCHWARZ, K.P. (1976): "Least Squares Col10cation for Large Sy!

tems" Bol1. di Geod. e Sci. Affini 35 pp, 309-324.

SEVILLA, M.J. (1979): "Técnicas de colocación en Geodesia Dini

mica".Revista de la Real Academia de Ciencias Exactas,
Físicas y Naturales, Yo l . 73 n2 1 pp, 78-81.

SEVILLA, M. J. (1986): "Formulación de modelos matemiticos en la

compensación de redes geodésicas". IGN-IAG. Cursos y
Seminarios n2 2 pp, 1-69.

SUNKEL, H. (1979): "A covariance approximation procedure". Dep.

of Geod. Sci. Rep. n2 286. Dhio State Univ.

TSCHERNING, C.C. (1974): "A Fortran IV program for the determi

nation of the anomalous potentia1 using stepwise Least
squares collocation" Dep. of Geod . Sci. Rep. n 212
2

Ohio State Univ.

TSCHERNING, C.C. (1975): "App1ication of Collocation. Determina

tion of a local approximation to the anomalous poten-
tial of the Earth using "exactO astrogravimetric Coll~
cation". in Brosowsky and Martensen: Mathematical Geo-
desy VD. 111, pp. 83-110, B.l.

VANICEK, P. and E. KRAKIWSKY, (1986): "Geodesy: the concepts".

North Ho 11 and.
PUBLICACIONES DEL INSTITUTO DE ASTRONOMIA y GEODESIA'
DE LA UNIVERSIDAD COMPLUTENSE - MADRID
(Antes Seminario de Astronomía y Geodesia)

1,-Efemérides de 63 Asteroides para la oposición de 1950 (1949).

2,-E. PAJARES:Sobre el cálculo gráfico de valores medios (1949).
3,-1. PENSADO:Orbita del sistema visual o' U Maj (1950).
4.-Efemérides de 79 Asteroides para la oposición de 1951 (1950).
5,-J, M. TORROJA:Corrección de la órbita del Asteroide 1395 "Aribeda" (1950).
6.-R, CARRASCO y 1. M. TORROJA:Rectificación de la órbita del Asteroide 1371 "Resi"
(1971).
7,-1. M, TORROJAy R. CARRASCO: Rectificación de la órbita del Asteroide 1560 (1942 XB)
y efemérides para la oposición de 1951 (1951).
8,-M. L. SIEGRIST:Orbita provisional del sistema visual ¿; 728-32 Orionis (1951).
9.-Efemérides de 79 Asteroides para la oposición de 1952 (1951),
10.-J. PENSADO:Orbita provisional de ¿; 1883 (1951).
11.-M. L. SIEGRIST:Orbita provisional del sistema visual ¿; 2052 (1952).
I2,-Efemérides de 88 Asteroides para la oposición de 1953 (1952).
13,-J. PENSADO:Orbita de ADS 9380 = ¿; 1879 (1952),
14,-F. ALCÁZAR:Aplicaciones del Radar a la Geodesia (1952).
15.-1. PENSADO:Orbita de ADS 11897 = ¿; 2438 (1952).
16.-B. RODRÍGUEZ-SALINAS: Sobre varias formas de proceder en la determinación de perío-
dos de las marcas y predicción de las mismas en un cierto lugar (1952).
17.-R. CARRASCO y M. PASCUAL:Rectificación de la órbita del Asteroide 1528 "Contada"
(1953).
18.-J. M. GONZÁLEZ-ABOIN: Orbita de ADS 1709 = ¿; 228 (1953).
19.-1. BALTÁ: Recientes progresos en Radioastronomía. Radiación solar hiperfrecuente
(1953).
20.-J, M. TORROJAy A. VÉLEZ: Corrección de la órbita del Asteroide 1452 (1938 DZ,)
(1953).
21.-1. M. TORROJA:Cálculo con Cracovianos (1953).
22.-S. AREND:Los polinomios ortogonales y su aplicación en la representación matemática
de fenómenos experimentales (1953).
23.-1. M. TORROJAy V. BONGERA:Determinación de los instantes de los contactos en el
eclipse total de Sol de 25 de febrero de 1952 en Cogo (Guinea Española) (1954).
24,-1. PENSADO:Orbita de la estrella doble ¿; 2 (1954).
25.-1. M. TORROJA:Nueva órbita del Asteroide 1420 "Radcliffe" (1954).
26.-J. M. TORROJA:Nueva órbita del Asteroide 1557 (1942 AD) (1954).
27.-R. CARRASCO y M. L. SIEGRIST:Rectificación de la órbita del Asteroide 1290 "Alber-
tine" (1954).
28.-1. PENSADO:Distribución de los períodos y excentricidades y relación período-excen-
tricidad en las binarias visuales (1955).
29.-1. M. GONZÁLEZ-ABOIN: Nueva órbita del Asteroide 1372 "Haremari" (1955).
30,-M. DE PASCUAL:Rectificación de la órbita del Asteroide 1547 (1929 CZ) (1955).
31.-J. M. TORROJA:Orbita del Asteroide 1554 "Yugoslavia" (1955).
32.-1. PENSADO:Nueva órbita del Asteroide 1401 "Lavonne" (1956).
33.-J. M. TORROJA:Nuevos métodos astronómicos en el estudio de la figura de la Tierra
(1956). .
34.-D. CALVO:Rectificación de la órbita del Asteroide 1466 "Miindleira" (1956).
35.-M. L. SIEGRIST:Rectificación de la órbita del Asteroide 1238 "Predappia" (1956).
36.-1. PENSADO:Distribución de las inclinaciones y de los polos de las órbitas de las es-
trellas dobles visuales (1956).
37.-1. M. TORROJA y V. BONGERA:Resultados de la observación del eclipse total de Sol
de 30 de junio de 1954 en Sydkoster (Suecia) (1957).
38.-ST. WIERZBINSKI: Solution des équations normales par l'algorithme des cracoviens
(1958).
39.-1. M. GONZÁLEZ-ABOIN:Rectificación de la órbita del Asteroide 1192 "Prisma" (1958).
40.-M. LóPEZ ARROYO: Sobre la distribución en longitud heliográfica de las manchas so-
lares (1958).
4 l.-F. MÚGICA: Sobre la ecuación de Laplace (1958).
42.-F. MARTÍN ASÍN: Un estudio estadístico sobre las coordenadas de los vértices de la
triangulación de primer orden española (1958).
43.-ST. WIERZBINSKI: Orbite améliorée de h 4530 = Y Cen = Cpd -48', 4965 (1958).
44.-0. CALVOBARRENA: Rectificación de la órbita del Asteroide 1164 "Kobolda" (1958).
45.-M. LóPEZ ARROYO: El ciclo largo de la actividad solar (1959).
46.-F. MÚGICA: Un nuevo método para la determinación de la latitud (1959).
47.-1. M. TORROJA: La observación del eclipse de 2 de octubre de 1959 desde El Aaiun
(Sáhara) (1960).
48.-1. M. TORROJA, P. JIMÉNEZ-LANDIy M. SoLÍs: Estudio de la polarización de la luz de
la corona solar durante el eclipse total de Sol del día 2 de octubre de 1959 (1960).
49.-E. PAJARES: Sobre el mecanismo diferencial de un celóstato (1960).
50.-1. M. GONZÁLEZ-ABOIN:Sobre la diferencia entre los radios vectores del e1ipsoide in-
ternacional y el esferoide de nivel (1960).
51.-J. M. TORROJA: Resultado de las observaciones del paso de Mercurio por delante del
disco solar del 7 de noviembre de 1960 efectuadas en los observatorios españoles (1961).
52.-F. MÚGICA: Determinación de la latitud por el método de los verticales simétricos (1961).
53.-M. LÓPEZ ARROYO: La evolución del área de las manchas solares (1962).
54.-F. MÚGICA: Determinación simultánea e independiente de la latitud y longitud me-
diante verticales simétricos (1962).
55.-P. DiEZ-PICAZO: Elementos de la órbita de la variable eclipsan te V 499 Scorpionis
(1964).
56.-J. M. TORROJA: Los Observatorios Astronómicos en la era espacial (1965).
S7.-F. MARTÍN ASÍN: Nueva aportación al estudio de la red geodésica de primer orden
española y su comparación con la red compensada del sistema europeo (1966).
SIlo-F. SÁNCHEZMARTíNEZ: La Luz Zodiacal. Luz del espacio interplanetario (1966).
59.-1. M. GONZÁLEZ-ABOíN:Variaciones de las coordenadas geodésicas de los vértices de
una red, por cambio de elipsoide de referencia (1966).
60.-F. SÁNCHEZMARTíNEZy R. DUMONT: Fotometría absoluta de la raya verde y del con-
unuo atmosférico en el Observatorio Astronómico del Teide (Tenerife), de enero de
1964 a julio de 1965 (1967).
h l.-M. IÜGo: Estudio del espectro de la estrella 31 Aql. en la región U 4000-6600 A (1969).
62.-C. MACHÍN: Marcas terrestres (1969).
63.-J. M. TORROJA: La estación para la observación de satélites geodésicos de la í-acultad
de Ciencias de la Universidad de Madrid (1969).
64.-M. J. SEVILLA: Reducción automática de posiciones de estrellas (1970).
65.-J. M. TORROJA: Memoria de las actividades del Seminario de Astronomía y Geodesia
de la Facultad de Ciencias de la Universidad de Madrid en 1969 (1970).
66.-M. 1. SEVILLA: Los cálculos de estación en triangulación espacial (1970).
67.-MANUEL E. REGO: Determinación de las abundancias de los elementos en i" atmó--
fera de la estrella de alta velocidad 31 Aq1. (1970).
68.-M. J. FERNÁNDEZ-FIGUEROA: Análisis cualitativo del espectro de la estrella peculiar
HD 18474 (1971).
69.-J. M. TORROJA: Memoria de las actividades del Seminario de Astronomía v Geodesia
de la Universidad Complutense de Madrid en 1970 (1971).
70.-R. VIEIRA Y R. ORTIZ: Descripción de un aparato para medida de coordenadas (1971).
71.-J. M. TORROJA: Memoria de las actividades del Seminario de Astronomía y Geodesia
de la Universidad Complutense de Madrid en 1971 (1972).
72.-M. J. FERNÁNDEZ-FIGUEROA: Observación y estudio teórico del espectro de la estrella
peculiar HD 18474 (1972).
73.-M. 1. SEVILLA: Cálculo de las constantes de distorsión y parámetros del disco obtu-
rador para cámaras balísticas (1973).
74.-R. PARRAY M. J. SEVILLA: Cálculo de efemérides y previsiones de pasos de satélites
geodésicos (1973).
75.-M. REGO y M. 1. FERNÁNDEZ-FIGUEROA:Resultado de las observaciones de él< Peg
efectuadas desde el satélite europeo TDl (1973).
76.-E. SIMONNEAU:Problemas en la determinación de abundancias de elementos en las
estrellas en condiciones de equilibrio termodinámico local y alejadas del equilibrio
termodinámico local (1974).
77.-1. ARANDA:Construcción de modelos de estructura interna para estrellas en la secuen-
cia principal inicial (1974).
78.-R. ORTIZ, M. 1. SEVILLAY R. VIEIRA: Estudio de la calibración, técnica de medida y
autouiauzación de datos en un comparador para medidas de placas estelares (1974).
7Y.-M. 1. SEVILLA: Método autocorrector para el cálculo de direcciones de satélites geo-
désicos y análisis de los errores en la restitución de un arco de órbita (1974).
~O.-M. A. Acosrx, R. ORTIZ y R. VIEIRA: Diseño y construcción de un fotómetro foto-
eléctrico para la observación de ocultaciones de estrellas por la Luna (1974).
¡H.-T. 1. VIVES, C. MORALES, 1. GARCÍA-PELAYOy 1. BARBERO: Fotometría fotográfica
UBV del cúmulo galáctico King 19 (1974).
~2.-R. ORTIZ y R. VIEIRA: Control automático en posición y tiempo de los sistemas de
obturación de las cámaras de observación de satélites geodésicos (1974).
~3.-J. M. TORROJA: Memoria de las actividades del Seminario de Astronomía y Geode-
sia de la Universidad Complutense de Madrid en 1972 y 1973 (1974).
84.-M. 1. FERNÁNDEZ-FIGUEROA y M. REGO: IX CrB en el ultravioleta lejano (197SJ.
~5.-1. M. TORROJA, R. VIEIRA, R. ORTIZ y M. J. SEVILLA: Estudio de mareas terrestres
en España (1Y75).
~ó.-M. 1. SEVILLAY R. PARRA: Levantamiento gravimétrico de Lanzarote (1975).
~7.-P. KUNDANMALSUKHWANI:Modelos teóricos de curvas de luz. Su aplicación al siste-
ma ¡J Lyrae (1975).
~~.-M. 1. SEVILLA: Coordenadas astronómicas y geodésicas. Desviación relativa de la ver-
tical (1975).
89.-C. TEJEDOR: Fotometría fotoeléctrica R. G. U. del cúmulo galáctico lC 2581 (1976).
YO.-M. 1. SEVILLA: Nuevos coeficientes para la reducción automática de posiciones de
estrellas (1976).
91.-M. REGO: Técnicas observacionales en espectroscopía astrofísica (1976).
n.-M. J. SEVILLA: Determinación de la latitud por distancias cenitales de la polar, mé-
todo de Littrow (1976).
93.-T. 1. VIVES: Determinación fotométrica del tipo espectral de la componente desco-
nocida de una estrella binaria eclipsan te (1976).
94.-M. REGO y M. J. FERNÁNDEZ-FIGUEROA: Contraste y determinación por métodos astro-
físicos de fuerzas de oscilador (1977).
Y5.-M. 1. SEVtLLAy R. CHUECA: Determinación de acimutes por observación de la Polar.
Método rrucrometrico (1977).
Yó.-JosÉ M. GARCÍA-PELAYO:Fotometría R G U en un campo del anticentro galáctico,
cerca del NGC 5~1 (1977).
n.-JosÉ M. GARCÍA-PELAYO:Datos fotométricos de 2.445 estrellas estudiadas en la región
de Casiopea, entre los cúmulos abiertos Trumpler 1 y NGC 581 (1977).
98.-PREM K. SUKHWANIy RICARDO VIEIRA: Spectral Analysis of Earth Tides (1977).
99.--JosÉ M. TORROJA y RICARDOVIEIRA: Earth Tides in Spain. Preliminary results (1977).
IOO.--PREM K. SUKHWANIy RICARDOVIEIRA: Three different methods for taking in account
the gaps in spectral analysis of Earth Tides records (1978).
(continúa en la cuarta de cubierta)
10 l.-R. VIEIRA: Mareas terrestres (1978).
102.-M. J. SEVILLA Y A. NÚÑEZ: Determinación de la longitud por el método de Mayer.
Programas de cálculo automático (1979).
103.-M. J. SEVILLA Y A. NÚÑEZ: Determinación de la latitud por el método de Sterneck.
Programas de cálculo automático (1979).
104.-M. J. SEVILLA: Determinación de la latitud y la longitud por el método de alturas
iguales. Programas de cálculo automático (1979).
105.-P. K. SUKHWANIy A. GIMÉNEZ: Corrección de efectos atmosféricos para imágenes
tomadas desde satélites Landsat (1979).
106.-M. J. SEVILLA: Inversión de matrices simétricas en el método de mínimos cuadrados
(1979).
107.-A. GIMÉNEZ: Análisis de la curva de luz del sistema binario ec1ipsante S Velorum (979).
108.-M. J. SEVILLA: Determinación del acimut de una referencia por observación de la es-
trella polar. Programa de cálculo automático (1979).
109.-M. J. SEVILLA: El sistema IAU (1976) de constantes astronómicas y su repercusión
en la reducción de posiciones de estrellas (Primera parte) (1980).
11O.-M. 1. SEVILLA Y R. PARRA: Determinación de la latitud por el método de Horrebow-
Talcott. Programas de Cálculo Automático (1980).
11l.-M. 1. SEVILLA: Determinación de la latitud y la longitud por fotografías cenítales
de estrellas (1980).
112.-R. VIEIRA Y M. OREJANA: Comunicaciones presentadas en las XLI y XLII Jornadas
del Grupo de Trabajo de Geodinámica del Consejo de Europa. Luxemburgo (1979-80).
1l3.-M. J. SEVILLA: Sobre un método de cálculo para la resolución de los problemas geo-
désicos directo e inverso (1981).
114.-R. VIEIRA. J. M. TORROJA, C. TORO, F. LAMBAS,M. OREJANAV P. K. SUKHWANI:
Comunicaciones presentadas en el IX Symposium Internacional de Mareas Terrestres.
Nueva York (1981).
115.-M. A. MONTULL,M. J. SEVILLAV A. GONZÁLEZ-CAMACHO: Aplicación de la V. L. B. 1.
al estudio del movimiento del Polo (1981).
116.-A. GONZÁLEZ-CAMACHO y M. J. SEVILLA: Algunas relaciones entre diferentes ejes que
se consideran en la rotación de la Tierra (1981).
117.-R. VIEIRA, F. LAMBASy E. GIMÉNEZ: Modificaciones realizadas en un gravímetro
LaCoste Romberg modo G para su utilización en registro continuo de la gravedad (1981).
lI8.-R. VIEIRA: La microrred de mareas gravimétricas del Sistema Central (1981).
119.-J. M. TORROJA y R. VIEIRA: Informe sobre el desarrollo del programa de investiga-
ción sobre mareas terrestres en el último bienio (1981).
l20.-F. LAMBASy R. VIEIRA: Descripción. estudio de la precisión y aplicaciones geodésicas
y geofísicas de los nuevos niveles de lectura electrónica (1981).
12 l.-M. J. SEVILLA: Programación del método de la cuerda (1981).
122.-J. M. TORROJA: Historia de la Ciencia Arabe. Los Sistemas Astronómicos (1981).
123.-M. J. SEVILLA y R. VIEIRA: Comunicaciones presentadas en la Sesión Científica de
la Real Academia de Ciencias Exactas, Físicas y Naturales, celebrada el día 13 de
enero de 1982 (1982).
124.-M. J. SEVILLA y P. ROMERO: Aplicación del método de colocación a la reducción de
placas fotográficas de estrellas (1982).
l25.-M. J. SEVILLAY A. G. CAMACHO:Deformación rotacional de una tierra elástica (1982).
126.-M. J. SEVILLAY P. ROMERO: Obtención de las medidas de la precisión en la determi-
nación de la latitud y la longitud por fotografías cenitales de estrellas (1982).
127.-M. J. SEVILLA, A. G. CAMACHOy P. ROMERO: Comunicaciones presentadas en la
IV Asamblea Nacional de Astronomía y Astrofísica. Santiago de Composte1a (1983).
l28.-M. J. SEVILLA: El sistema IAU (1976) de constantes astronómicas y su repercusión
en la reducción de posiciones de estrellas (Segunda parte) (1983).
l29.--·M. J. SEVILLA: Geodesia por satélites y navegación (1983).
UO.-L. GARCÍA ASENSIO, A. G. CAMACHO,P. ROMERO Y M. J. SEVILLA: Comunicaciones
presentadas en la V Asamblea Nacional de Geodesia y Geofísica (1983).
[corrtintu: en la segunda de cubierta)
13 l.-M. 1. SEVILLA: Anomalías de la gravedad basadas en el sistema geodésico de refe-
rencia 1980 (1983).
132.-J. M. TORROJA: Historia de la Física hasta el siglo XIX. La Mecánica Celeste U983).
133.-A. G. CAMACHOy M. 1. SEVILLA: The Molodensky Problem for an homogeneous liquid
core (1984).
134.-J. M. TORROJA: La obra astronómica de Alfonso X El Sabio (1984).
135.-H. MORITZ: Sistemas de referencia en Geodesia (1984).
136.-H. MORITZ: Rotación de la Tierra (1984).
137.-A. G. CAMACHOy M. J. SEVILLA: Autofrecuencias del movimiento del Polo para un
modelo de Tierra de tipo Jeffreys Molodensky (1984).
138.-J. M. TORROJA: Nuevas definiciones en el problema de la medida del tiempo (1984).
139.-M. 1. SEVILLA: Astronomía Geodésica (1984).
140.-M. J. SEVILLA Y M. D. MARTÍN: Diseño de una Microrred en la Caldera del Teide
para el estudio de deformaciones de la corteza en la zona (1986).
14 l.-R. VIEIRA, C. DE TORO Y V. ARAÑA: Estudio Microgravimétrico en la Caldera del
Teide (1986).
142.-M. J. SEVILLA,M. D. MARTÍN Y A. G. CAMACHO:Análisis de Datos y Compensación
de la primera campaña de observaciones ton la Caldera del Teide (1986).
143.-M. 1. SEVILLA Y P. ROMERO: Hamiltonian Formulation of the polar motion for an
elastic earth's model (1986).
144.-P. ROMERO Y M. J. SEVILLA: The Sasao-Okubo-Saito equations by Hamilton Theory.
First Results (1986).
145.-R. VIEIRA, M. 1. SEVILLA, A. G. CAMACHOy M. D. MARTÍN: Geodesia de precisión
aplicada al control de movimientos y deformaciones en la Caldera del Teide (1986).
146.-R. VIEIRA, 1. M. TORROJA, C. DE TORO, B. DUCARME,1. KAARIAINEN,E. MEGÍAS y
1. FERNÁNDEZ:Comunicaciones presentadas en el X Symposium Internacional de Ma-
reas Terrestres. Madrid, 1985 (1986).
147.-M. 1. SEVILLA, A. G. CAMACHOy P. ROMERO: Comunicaciones presentadas en el X
Symposium Internacional de Mareas Terrestres. Madrid, 1985 (1986).
148.-M. 1. SEVILLA: Formulación de modelos matemáticos en la compensación de redes
Geodésicas: 111 Curso de Geodesia Superior (1986).
149.-H. LINKWITZ: Compensación de grandes redes geodésicas: Hl Curso de Geodesia Su-
perior (1986).
150.-H. HENNEBERG: Redes geodésicas de alta precisión: Il l Curso de Geodesia Superior
(1986).
151.-M. J. SEVILLA: Cartografía Matemática (1986).
152.-P. ROMERO y M. J. SEVILLA:Tratamiento Canónico del problema de Poincare. Mo-
vimiento del Polo. (1986)
153.-A. G. CAMACHOy M. D. MARTÍN: Constreñimientos internos en la compensación de
Estaciones. (1986)
154.-J. OTERO: An Approach to the Scalar Boundary Value Problem of Physical Geodesy
by Means of Nash-Horrnander Theorem. (1987)
155.-M. J. SEVILLA:Introducción al Problema Clásico de Molodensky. (1987)
156.-F. SANSÓ: Problemas de Contorno de la Geodesía Física. (1987)

Depósito Legal: M. Sep. 894·1958

ISSN: 0213·6198 Realigra], S. A., Burgos, 12. 28039 Madrid