上页讲了精度评定如何打分，但成绩单建立在平差之上。条件平差是经典路径：多余观测→条件方程→闭合差→法方程。三者怎么咬合？

上一步条件平差给我们算出了坐标——但一个孤零零的数字其实说明不了太多：它可靠吗？哪个方向更弱？会不会有粗差漏网？这就是为什么平差之后必须再走一步：评定精度。

σ₀的意义——假设观测值权为1时的中误差

在条件平差框架下，把残差加权平方和变成单位权中误差，走通这条五步推导链。

从左到右读完整流程：观测值出发，经条件方程、联系数、残差，最终算出 σ₀。每个箭头对应一次数学运算。

前面用 σ̂₀² = VᵀPV/r 算出了单位权中误差，但分母 r = n − u 究竟代表什么？这一页来揭开它的物理含义。

上节推导出单位权方差 σ₀² 这个'精度放大系数'。但未知参数 X 通常不止一个，它们之间还有协方差。要描述这组参数的精度，光靠 σ₀² 不够，需要一个矩阵来承接——这就是协因数阵 Q。

上一节我们把协因数阵 Q 定义出来了——它装的是观测值之间的相对精度结构。这一节看 Q 本身的三个漂亮性质：对称、单位阵退化、迹。这三条性质决定了它在平差里为什么好用。

从左到右读：起点是已知向量的协因数阵，经线性函数变换后，套用传播律即可得到新向量的协因数阵，进而做精度评定。

上页我们用协因数传播律让 P 在公式之间流动。在间接平差里,最后所有 P 与几何构型 A 浓缩成一张矩阵 N=AᵀPA,它的形状决定了参数协因数阵的全部信息。

按箭头方向读：法方程N → 对称正定 → 求逆 → Qaa=N⁻¹。亮起节点即当前讲解步骤。

上页得到改正数 V 的协因数阵 Q_VV，但评定精度最终要看平差值 L̂ 自身。本页从 L̂ = L + V 出发，推导平差值的协因数阵。

上几页我们算出了平差值协因数阵 Q_ll，能求各待定点坐标的精度。但工程真正问的往往是两点间的边长、网形的面积、关键方位角——这些组合量才是平差值的函数。

平差值函数若是非线性的，需要在工作点附近做一阶泰勒展开，才能套用协因数传播律。

用流程图展示从 F=f(L̂) 到 Q_FF 公式的完整推导链。

上页我们算出 F 的总协因数 Q_{FF}，但它只是一个无量纲的权倒数。这一页只做一件事：把它和单位权中误差 σ₀ 拼起来，得到真正带量纲的 F 中误差 σ_F。

三个协因数阵形式相似但含义迥异：Qaa、Q_ll 与 QFF 选错对象是精度评定最常见错误。

条件平差中，已知单位权中误差 σ₀=1.5″，某平差值函数的协因数 Q_F=4。求该函数的中误差 σ_F。

先自己想，再对照参考答案看思路是否对得上。