Documentos de Académico
Documentos de Profesional
Documentos de Cultura
aproximar ra
ces de polinomios,
con aplicaciones a procesamiento
de senal
ii
Indice general
1. Introduccin
o
1.1. Modelos polinmicos en procesado de voz . .
o
Espectrograma . . . . . . . . . . . . . . . .
Prediccin lineal . . . . . . . . . . . . . . . .
o
Formantes y modelo de produccin . . . . .
o
Estimacin y uso . . . . . . . . . . . . . . .
o
1.2. Mtodos tradicionales para hallar ra . . .
e
ces
Mtodos iterativos y geomtricos . . . . . .
e
e
1.3. Anlisis de algoritmos numricos . . . . . .
a
e
Aproximacin, estabilidad, condicionamiento
o
Coste de algoritmos para ra
ces . . . . . . .
2. Clculo del
a
ndice de una curva
2.1. El
ndice de una curva y el clculo de ra
a
ces
2.2. Deniciones y procedimiento de insercin . .
o
2.3. Coste para curvas uniformes . . . . . . . . .
2.4. Cota para curvas Lipschitzianas . . . . . . .
2.5. Evitando giros perdidos . . . . . . . . . . .
2.6. Cota independiente de la -singularidad . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
2
2
7
10
13
16
17
23
23
28
.
.
.
.
.
.
33
33
35
40
49
52
66
.
.
.
.
.
73
74
87
90
94
102
4. Implementacin y comparativa
o
113
4.1. Planteamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
iii
INDICE GENERAL
iv
4.2. Descripcin de mtodos . . . . . . . . . . . . . .
o
e
4.3. Diseo del experimento . . . . . . . . . . . . . .
n
4.3.1. Polinomios aleatorios y de procesamiento
. . . . .
. . . . .
de seal
n
. . . . .
. . . . .
. . . . .
. . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
115
116
116
119
120
125
140
155
Cap
tulo 1
Introduccin
o
Los polinomios son un tipo de funciones con una larga historia en matemticas,
a
ciencia e ingenier como puede verse en la revisin [Pan, 1997]. Una razn es que
a,
o
o
pueden ser evaluados numricamente con un nmero nito de multiplicaciones y adie
u
ciones. Adems, resultan ser densos en el conjunto de funciones continuas [Rudin,
a
1987], es decir, pueden ser usados para aproximar funciones continuas ms complicaa
das, o ajustarse a los datos obtenidos en cualquier proceso de medicin de magnitudes
o
f
sicas.
Se introducen en enseanza secundaria para ejemplicar los principios bsicos del
n
a
Algebra y sus mtodos. Esto hace que sea conocido que las ra
e
ces de polinomios de
grado 2, 3 y 4 pueden obtenerse con ciertas frmulas, y que no existen tales frmulas
o
o
(usando radicales) para grados superiores. En la prctica se recurre a mtodos numria
e
e
cos, ms efectivos para aproximar ra que las frmulas por radicales. Los polinomios
a
ces
o
que aparecen en aplicaciones cient
cas y de ingenier pueden ser de grado superior
a
al centenar, por ejemplo en procesamiento digital de seal [Sitton et al., 2003].
n
Los mtodos para calcular ra de polinomios, se pueden clasicar a grandes rase
ces
gos en iterativos y geomtricos. Los mtodos iterativos estn basados en una sucesin
e
e
a
o
de estimaciones de error y correccin que, en la mayor de los casos, conduce a un
o
a
punto del plano complejo tan cerca de una ra como se quiera. Como se detalla ms
z
a
adelante, estos mtodos son rpidos (convergencia ms que lineal) y su anlisis, es
e
a
a
a
decir, la prueba de su correccin como algoritmo y la determinacin de los recursos
o
o
necesarios, se basa en tcnicas numricas bien conocidas. Por el contrario, los mtodos
e
e
e
geomtricos se basan en la distribucin de ra
e
o
ces en el plano complejo. Por ejemplo,
acotan el mdulo de las ra
o
ces, o las separan (es decir, denen regiones del plano que
contienen precisamente una ra
z).
Sin embargo, como se describir en el siguiente apartado, los mtodos iterativos no
a
e
son fcilmente aplicables en la prctica a los polinomios que aparecen en las aplicaa
a
1
CAP
ITULO 1. INTRODUCCION
1.1.
Espectrograma
Para analizar la seal de voz, cuyas caracter
n
sticas espectrales cambian rpidamena
te, es necesario dividirla en segmentos en los que estas sean estacionarias. La nocin
o
de seal estacionaria se corresponde con que el contenido espectral permanezca relatin
vamente estable. En intervalos temporales pequeos (10-20 msg, 220-240 muestras de
n
una seal tomadas con una frecuencia de 22050 kHz) el contenido espectral de la seal
n
n
de voz cambia poco, y puede considerarse estacionaria. A cada uno de estos intervalos
casi-estacionarios (conocido como ventana de anlisis o frame), se le pueden aplicar
a
los procedimientos habituales de anlisis espectral.
a
En estos anlisis tiempo-frecuencia, la precisin en una dimensin es inversamente
a
o
o
proporcional a la precisin en la otra. En el caso de seales de voz, puede escogerse una
o
n
ventana corta (banda ancha), para resaltar caracter
sticas temporales, o una ventana
larga (banda estrecha), para resaltar las caracter
sticas espectrales. Como ejemplo
puede compararse la gura 1.1 con la 1.3. Los espectrogramas han sido elaborados con
la aplicacin Praat [Boersma, 2002] sobre la grabacin SS40AANT (una pronunciacin
o
o
o
1.1. MODELOS POLINOMICOS EN PROCESADO DE VOZ
CAP
ITULO 1. INTRODUCCION
4
a muestra
1.1. MODELOS POLINOMICOS EN PROCESADO DE VOZ
CAP
ITULO 1. INTRODUCCION
localizacin (es decir, frecuencia central y ancho de banda) de los formantes. Los
o
parmetros estimados de formantes, como componentes del vector de caracter
a
sticas
acsticas (o template), pueden ser usados directamente (datos crudos en la terminolog
u
a
de [Markel, 1976]) como se hace en [Welling and Ney, 1998] o [Garner and Holmes,
1998], o ser sometidos a un proceso de seguimiento de formantes [Holmes and Russell,
1999]. En aplicaciones de reconocimiento de voz la posicin relativa de los formantes es
o
el parmetro principal en la clasicacin de vocales, y las trayectorias de los formantes
a
o
estn ligadas con los puntos de articulacin, como se revisa en [Schmid and Barnard,
a
o
1995]. El reconocimiento del hablante tambin puede beneciarse de esta tcnica. La
e
e
motivacin para hallar formantes de [Snell and Milinazzo, 1993] es usar el nmero de
o
u
ellos en ciertas bandas de frecuencia para vericar la identidad el hablante. En esta
1.1. MODELOS POLINOMICOS EN PROCESADO DE VOZ
Prediccin lineal
o
Para estimar los parmetros de los formantes es frecuente localizar los picos de
a
resonancia del ltro de prediccin (LPC, Linear Prediction Code [Markel, 1976]) obteo
nido a partir de segmentos de la seal de voz. La prediccin lineal es una herramienta
n
o
muy usada en varios aspectos de proceso de seal. Quiz por esto hay gran varien
a
dad de exposiciones de sus fundamentos y de los algoritmos para llevarla a cabo, que
resumimos a continuacin.
o
Consideremos una seal de tiempo discreto (x(t))tN = (x(0), x(1), . . . ), es decir,
n
tal que los valores x(t) R estn distribuidos continuamente, y el
a
ndice de tiempo
t N es discreto. Para un nmero natural n 1, una aproximacin por prediccin
u
o
o
lineal de (x(t))tN de orden n consiste en unos nmeros reales a1 , a2 , ..., an . Estos se
u
denominan coecientes de la prediccin lineal. La seal ((t))tN denida como
o
n x
x(t) = a1 x(t 1) + a2 x(t 2) + + an x(t n) si t n ((t) = 0 si t < n),
x
es la prediccin lineal de (x(t)) con coecientes ai , 1 i n. La diferencia entre
o
la seal y su prediccin lineal es el error de la prediccin, la seal (e(t))tN denida
n
o
o
n
como e(t) = x(t) x(t). Como se ve, el error depende de los coecientes ai . Tambin
e
es evidente que conociendo solamente la seal de error (y los coecientes), puede
n
reconstruirse iterativamente el valor de la seal x(t) en cada instante t, como x(t) =
n
e(t) para t < n, y
x(t) = x(t) + e(t) = a1 x(t 1) + a2 x(t 2) + + an x(t n) + e(t) para t n.
(e(t))tN
e(t)2 .
=
t=0
o
x
de m
nimo error es la mejor prediccin. En la literatura, este esquema de prediccin
o
o
lineal a veces se expone en un contexto de aproximacin funcional (con el aparato
o
matemtico de proyecciones en espacios de Hilbert [Wiener, 1975]). Ms frecuente
a
a
es exponerlo mediante ltros, usando tcnicas de seales y sistemas [Haykin, 1995].
e
n
CAP
ITULO 1. INTRODUCCION
E=
e(t) =
t=0
t=0
como si fuese una funcin de los coecientes ai . Suponiendo [Haykin, 1995] que los
o
extremos de la funcin de error se alcanzan donde se anula la derivada, y que ese
o
extremo es m
nimo por convexidad, el error es m
nimo donde se verique:
E
= 0 para 1 i n
ai
1.1. MODELOS POLINOMICOS EN PROCESADO DE VOZ
=
ai
ai
x(t)
t=0
t=0 ai
aj x(t j)
j=1
x(t)
x(t i)
aj x(t j)
x(t)
aj x(t j)
aj x(t j)
j=1
x(t)
j=1
t=0
= 2
x(t)
=
2
t=0 ai
= 2
aj x(t j)
j=1
j=1
x(t i)e(t) = 0
t=0
x(t i)
x(t)
t=0
aj x(t j)
= 0. Si se
j=1
j=1
diccin lineal puede verse como la aplicacin de un ltro F (z) a esta seal, X(z) =
o
o
n
n
E(z)
A(z)
CAP
ITULO 1. INTRODUCCION
10
vocalizados, es decir, con actividad de las cuerdas vocales) o la de ruido blanco (en
habla no vocalizada) [Rabiner, 1999].
El tercer grupo de cuestiones atae a los clculos prcticos con los que llevar a cabo
n
a
a
este planteamiento. Las operaciones anteriores, con sumatorios y correlaciones que se
extienden sobre todo el eje de tiempos, deben truncarse para poder realizar clculos con
a
efectividad. Se suele restringir el anlisis a una ventana de la seal x(t), a lo largo de la
a
n
cual es razonable suponer que se mantienen las caracter
sticas que recoge el modelado
LPC. Con este truncamiento, con una ventana de longitud N , la expresin del error
o
N 1m
n(i,j)
N 1
2
ventaneado queda EN =
x(ti)x(tj).
t=mx(i,j)
a
N 1+|ij|
t=0
expresin que depende solo de |i j|, es decir N (i, j) = rN (|i j|). Esto permite
o
n
aj rN (|ij|)
j=1
para 0 i n pasamos a
rN (0)
rN (1)
rN (2)
.
.
.
rN (1)
rN (0)
rN (1)
.
.
.
rN (2)
rN (1)
rN (0)
.
.
.
. . . rN (n 1)
a
r (1)
1
N
a
r (2)
. . . rN (n 2) 2 N
. . . rN (n 3) a3 = rN (3)
.
.
.
.
.
.
.
.
.
rN (n 1) rN (n 2) rN (n 3) . . .
rN (0)
an
rN (n)
Para hallar las incgnitas ai , suelen usarse mtodos de algebra lineal numrica
o
e
e
adaptados al hecho de que esta matriz de coecientes de correlacin es de tipo Toeplitz
o
(es decir, simtrica y con valores constantes a lo largo de diagonales paralelas a la
e
principal), como el algoritmo de Levinson-Durbin [Haykin, 1995].
o
modelo de produccin de la seal de voz como un generador de impulsos seguido de un
o
n
resonador. Con ms detalle, las tres componentes ser glotis, tracto vocal, radiacin
a
an
o
desde los labios (modelo de Liljencrants-Fant [Markel, 1976]).
En trminos de funciones de transferencia (ver [Oppenheim et al., 1996] como
e
referencia para seales y sistemas y [Ogata, 2010] para tcnicas de control y anlisis
n
e
a
1.1. MODELOS POLINOMICOS EN PROCESADO DE VOZ
11
12
CAP
ITULO 1. INTRODUCCION
lineal), respalda la hiptesis de que el espectro del tracto no tiene ceros. La seal de
o
n
habla resultante de aplicar el ltro de prenfasis s puede tenerlos debido a la fuente
e
1.1. MODELOS POLINOMICOS EN PROCESADO DE VOZ
13
14
CAP
ITULO 1. INTRODUCCION
1974]). Una vez que se tiene el polinomio predictor A(z), los formantes se obtienen de
las ra
ces de A(z) = 0: cada par de ra
ces complejas nos da la frecuencia y ancho de
banda correspondiente a un formante. As los polos, que estn en el interior del c
,
a
rculo
unidad, son los elementos responsables de la distribucin espectral [Duncan and Jack,
o
1988, Snell and Milinazzo, 1993].
Como pasa con la frecuencia fundamental, aunque en principio parece un parmetro
a
directamente medible siguiendo alguno de los mtodos de las tres clases mencionadas,
e
en la prctica surgen ciertas dicultades. La asignacin de mximos espectrales (picos)
a
o
a
a formantes no es directa, sobre todo si se usan estimadores espectrales tipo Fourier,
que muestran gran cantidad de picos. Y aunque la estimacin espectral que resulta de
o
LPC es ms suave que con Fourier, los dos o tres picos disponibles en LPC a veces
a
se adaptan a mximos del espectro que no corresponden a formantes. Otro problema
a
complementario es el de dos mximos espectrales que con el tiempo se funden en uno.
a
Un tercer problema aparece en las voces agudas, en las que los picos de la envolvente
estimada tienden a acercarse a los picos armnicos, en vez de a los mximos debidos
o
a
a formante [Parsons, 1987].
Por otro lado, con el modelo de produccin de habla antedicho, el ltro del traco
to vocal (responsable en ultimo trmino de los formantes) puede modelarse mediante
e
LPC. Los parmetros de la funcin de transferencia que se consideran normalmente
a
o
son los coecientes del polinomio predictor. Se puede hallar una estimacin del especo
tro suavizado mediante la evaluacin en el c
o
rculo unidad descrita en [Rabiner, 1999].
Esta evaluacin en el c
o
rculo unidad a veces no muestra los mximos espectrales sua
cientemente separados, al estar los polos del modelo dentro del c
rculo unidad. [McCandless, 1974, Duncan and Jack, 1988] proponen evaluar el espectro en un circulo
interior. [Kang and Coulter, 1976, Parsons, 1987] proponen el mtodo del par de linea
e
(line pair), que modica los coecientes del polinomio para que sus ra
ces (polos del
modelo) se acerquen al c
rculo unidad. Ambas aproximaciones pierden efectividad por
las interacciones no lineales que se dan entre los coecientes y las ra del polinomio.
ces
Un conjunto equivalente de parmetros es el de las ra del polinomio, los polos
a
ces
del modelo LPC. Como comenta [Olive, 1992], el modelo LPC se adapta al espectro de
la seal de voz, pero los coecientes no tienen un signicado f
n
sico claro. Por ejemplo
no es fcil saber qu coecientes LPC modicar para que la seal de voz cambie de
a
e
n
e a i, o saber a partir de estos parmetros si es vocal o consonante. Los polos
a
s que son f
1.1. MODELOS POLINOMICOS EN PROCESADO DE VOZ
15
16
CAP
ITULO 1. INTRODUCCION
ra
ces genrico (de biblioteca), es inevitable hallar las 31 ra
e
ces (aunque luego se seleccionen solo las ms cercanas a la circunferencia unidad). No se puede restringir la
a
bsqueda a regiones espec
u
cas del plano complejo. Adems, el tener que hallar todas
a
las ra requiere trabajar con muy alta precisin en los clculos intermedios [Ralston
ces
o
a
and Rabinowitz, 1978a]. En general, los mtodos basados en ra
e
ces tienen una gran
carga computacional, y no se suelen usar en la prctica.
a
Consideremos por ejemplo el mtodo de Newton, que no permite concentrar el
e
esfuerzo en una regin del plano. Los resultados tericos nos aseguran la convergencia
o
o
a una ra dada si se inicia el mtodo cerca de esta. Pero en general, aunque se converja
z
e
a una ra esta puede estar arbitrariamente lejos del punto inicial. En contraposicin,
z,
o
otros mtodos permiten condicionar la bsqueda a una regin especicada. Por ejemplo
e
u
o
el mtodo de Biseccin, que halla una ra (en la recta real) de una funcin contenida
e
o
z
o
en un intervalo. Cualquier subintervalo de este, si la funcin toma valores de distinto
o
signo en sus extremos, contiene al menos una ra Aplicando este criterio a las mitades
z.
que surgen de dividir el intervalo inicial, se detecta en cul est contenida alguna de
a
a
estas. A este subintervalo puede aplicarse recursivamente el mtodo, hasta alcanzar la
e
precisin deseada. En el plano complejo tambin se puede utilizar un procedimiento
o
e
anlogo: cada regin plana se divide en subregiones, en cada una de las cuales se
a
o
aplica un criterio para la presencia de ra
ces, y as recursivamente. En nuestro caso,
por particin reiterada de la corona 095 < r < 1 aplicando este mtodo, pueden
o
e
encontrarse las ra con la condicin impuesta. Vamos a ver cmo llevar a cabo este
ces
o
o
esquema de clculo.
a
1.2.
1.2. METODOS TRADICIONALES PARA HALLAR RA
ICES
17
tener los segmentos (o regiones) de separacin. Sin una separacin adecuada, los algoo
o
ritmos iterativos no convergen a una ra cercana a la estimacin inicial. Para evitar
z
o
la no convergencia, un recurso frecuente es variar la estimacin inicial. As tras varios
o
,
intentos, es ms probable la convergencia a alguna ra Pero esto diculta el anlia
z.
a
sis del mtodo, y hace que el coste sea imponderable. Adems, frecuentemente no se
e
a
desea una ra cualquiera, sino las que cumplan cierta propiedad, por ejemplo la de
z
mayor mdulo, como sucede en el anlisis adaptativo de componentes espectrales [Hayo
a
kin, 1995] o las prximas al circulo unidad, en el procesado mediante LPC [Rabiner,
o
1999]. En estos casos es necesario encontrar todas las ra
ces, y luego ltrarlas por la
propiedad deseada. Al aproximar todas las ra
ces, para evitar converger varias veces
a una ra ya encontrada, se aplica una deacin al polinomio original. La deacin
z
o
o
consiste en dividir el polinomio por el factor correspondiente a la ra encontrada.
z
Con esto se consigue que, al aplicar de nuevo el mtodo al polinomio resultado de
e
la deaccin, la nueva ra encontrada no sea otra vez la misma. Pero la deacin es
o
z
o
un mtodo costoso [Ralston and Rabinowitz, 1978a] y adems, la divisin de polinoe
a
o
mios es numricamente inestable (ms adelante se introduce el concepto de estabilidad
e
a
algor
tmica).
Los mtodos ms extendidos actualmente se basan en este esquema, cuyas limitae
a
ciones impiden que se pueda encontrar con seguridad ra
ces de polinomios de grado
mayor que unas pocas decenas [Lang and Frenzel, 1994]. Aunque esto ven siendo sua
ciente, nuevas aplicaciones demandan mtodos con capacidad para mayores grados.
e
Tambin es de inters hallar ra
e
e
ces de polinomios cuyos coecientes estn dados con
a
baja precisin (como pasa en procesado de voz), y la deacin requiere aumentarla
o
o
articialmente, lo que adems de elevar el coste altera el modelo. Para lograr estos
a
dos objetivos hemos recurrido a los denominados mtodos geomtricos, y que pueden
e
e
verse como una automatizacin de la fase de separacin.
o
o
En el siguiente apartado se desarrolla la clasicacin de los mtodos de aproxio
e
macin de ra en iterativos o geomtricos. Para cada clase, se describe el esquema
o
ces
e
general y se dan unos mtodos de ejemplo. Posteriormente, en el siguiente apartado,
e
se describen los conceptos o herramientas tericas que aparecen en la literatura para
o
su anlisis.
a
18
CAP
ITULO 1. INTRODUCCION
1.2. METODOS TRADICIONALES PARA HALLAR RA
ICES
19
apartado.
Los mtodos geomtricos (MG), tambin llamados de bsqueda, se basan en el
e
e
e
u
renamiento recursivo de una serie de condiciones que restringen la bsqueda. Como
u
ejemplo, consideremos el mtodo de la biseccin para hallar ceros de funciones reales
e
o
continuas. Se basa en el teorema de Bolzano, que dice que si una funcin continua
o
f : [a, b] R, en un intervalo [a, b] de la recta real tiene signos opuestos en sus
extremos (es decir, f (a) f (b) < 0), entonces tiene al menos una ra en ese intervalo.
z
El MG de biseccin se basa en la hiptesis de este teorema. Partiendo de un intervalo
o
o
inicial que cumpla esta condicin, y viendo cul de las mitades que surgen de dividir
o
a
el intervalo inicial verica a su vez la condicin, se detecta cul contiene al menos una
o
a
ra A este subintervalo puede aplicarse recursivamente el mtodo de biseccin, hasta
z.
e
o
alcanzar la precisin deseada.
o
Otras condiciones distintas a la hiptesis del teorema de Bolzano pueden aplicarse
o
en la recta, dando lugar a otros MG. Por ejemplo suelen aplicarse las sucesiones de
Sturm [Henrici, 1988], ms costosas de evaluar que el signo en los extremos, pero que
a
dan ms informacin sobre el nmero de ra
a
o
u
ces. Tambin hay condiciones que asee
guran la existencia de ra
ces en regiones del plano complejo, y que se puede utilizar
en un procedimiento bidimensional anlogo: cada regin plana se divide en subregioa
o
nes, en cada una de las cuales se comprueba cierta condicin para la presencia de
o
ra
ces, y as recursivamente. Como los MG se basan en la delimitacin de regiones que
o
pueden contener ra
ces, a menudo se denominan mtodos de bracketing (horquillado,
e
enmarcado) por analog con el de biseccin.
a
o
Los mtodos basados en nociones geomtricas como las mencionadas son iguale
e
mente vlidos para todos los polinomios. Esto los diferencia de los MI. Adems, la
a
a
uniformidad, que es la ausencia de casos especiales, facilita el anlisis de la complea
jidad de los MG. Los estudios tericos de complejidad del problema del clculo de
o
a
ra han motivado el desarrollo de mtodos geomtricos. Por otro lado, las aplicacioces
e
e
nes prcticas en procesamiento de seal o robtica necesitan mtodos que permitan
a
n
o
e
enfocar la bsqueda de ra a una zona pre-especicada del plano complejo, como se
u
ces
ha descrito. Esta acotacin de la bsqueda produce un ahorro en cantidad de cmpuo
u
o
to con respecto a los MI, que no permiten tal acotacin. MG basados en nociones
o
geomtricas distintas al recuento del nmero de ra en subregiones son el de test de
e
u
ces
inclusin de Weyl [Henrici, 1988], [Yakoubsohn, 2005], o el procedimiento de escisin
o
o
(splitting) de Graee [Bini and Pan, 1996].
En general, los MG tienen un patrn comn. Consideremos de nuevo el mtodo de
o
u
e
la biseccin. Este mtodo consiste en utilizar de forma recursiva los signos distintos
o
e
en los extremos de un intervalo para construir una sucesin de intervalos anidados
o
20
CAP
ITULO 1. INTRODUCCION
(y por lo tanto cada vez ms pequeos) que contienen una ra real. Estos son los
a
n
z
componentes protot
picos de un MG: un test de inclusin, para decidir si hay alguna
o
ra en una regin, ya sea de la recta o del plano, y un procedimiento recursivo para
z
o
obtener localizaciones cada vez ms pequeas de las ra deseadas.
a
n
ces
Tratamos dos ejemplos en el plano para comparacin: el mtodo de Lehmer-Schur
o
e
y el de Weyl. El mtodo de Lehmer-Schur [Lehmer, 1961] es un mtodo de enmarcado
e
e
bidimensional basado en un test de inclusin de Schur y Cohn, que dice cundo un
o
a
polinomio tiene ra dentro de un c
ces
rculo. As el area de inters se cubre con c
,
e
rculos,
y se aplica este criterio a cada uno de ellos. Despus, los c
e
rculos que contienen alguna
ra se cubren a su vez por c
z
rculos de menor radio, y as sucesivamente, hasta que se
a
consiste en un rbol de bsqueda en el que cada nodo es un cuadrado, enlazado a sus
a
u
cuatro sub-cuadrados, de la mitad de lado. Se han propuesto varios tests de inclusin
o
para cuadrados, por Weyl y otros [Pan, 1997], para ser utilizados en procedimientos
recursivos de bsqueda en rbol cuadrtico.
u
a
a
Son menos frecuentes los predicados, que responden armativa o negativamente
sobre la presencia de ra en una regin, que los tests, que responden armativamente
ces
o
o no se deciden. Ejemplos de test de inclusin aparecen en los trabajos citados en
o
[Dickenstein and Emiris, 2005]: [Ne and Reif, 1996a], [Ne, 1994], [Cardinal, 1996],
[Stetter, 1996], [Kirrinnis, 1998]. Basados en predicados de inclusin estn [Henrici and
o
a
Gargantini, 1969] o [Dedieu and Yakoubsohn, 1993]. En [Pan, 1996a] se insiste en que
un aspecto crucial a efectos de complejidad de estos mtodos es que la descomposicin
e
o
divide y vencers se haga en partes equilibradas.
a
Las pruebas en las que se basan los MG suelen ser geomtricas, pero tambin hay
e
e
propuestas para usar predicados que usan expresiones algebraicas ms generales, como
a
aproximaciones p-dicas [Lenstra Jr, 1999]. En esta l
a
nea es similar [Burr and Krahmer,
2012], donde los predicados se organizan como un arbol sin interpretacin geomtrica
o
e
directa, y los mtodos algebraico-simblicos descritos en [Elkadi and Mourrain, 2005].
e
o
En este trabajo no usamos test de inclusin, ni predicados con expresiones algeo
braicas, sino el nmero de vueltas o
u
ndice de curvas planas cerradas. Otros mtodos
e
geomtricos basados en el nmero de vueltas, son los de [Ying and Katz, 1988], [Here
u
locker and Ely, 1995], [Noureddine and Fellah, 2005] o [Yap and Sagralo, 2011], aproximando la integral de Cauchy con las tcnicas generales de acotacin del error de intee
o
1.2. METODOS TRADICIONALES PARA HALLAR RA
ICES
21
o
En este trabajo se sigue otro enfoque, que puede remontarse hasta [Henrici, 1988],
basado en una muestra de puntos del contorno de la regin que contiene las ra
o
ces. El
mtodo descrito es aplicable a curvas genricas, sin necesidad de recurrir a precisin
e
e
o
mltiple. Se ha implementado y comparado con varios algoritmos de clculo de ra
u
a
ces,
con resultados favorables [Garc Zapata and D Mart 2008]. La comparacin se
a
az
n,
o
ha realizado tambin sobre los polinomios de alto grado que surgen en proceso de
e
seal.
n
Mtodos derivados del de Henrici se han usado en el clculo recursivo de ra
e
a
ces,
ya sea para aplicaciones prcticas [Snell and Milinazzo, 1993] o para estudios tericos
a
o
sobre la complejidad del clculo de ra [Renegar, 1987], [Pan, 1997]. En los trabajos
a
ces
de [Ying and Katz, 1988] o en [Ko et al., 2008] se encuentran enunciados precisos sobre
las condiciones en que se puede usar el
ndice de curvas planas en algoritmos de clculo
a
de ra
ces, y sugerencias sobre cmo gestionar los casos singulares.
o
Los mtodos tericamente ptimos del problema del clculo de ra
e
o
o
a
ces, en el sentido
de la complejidad computacional, son de tipo geomtrico [Pan, 1996b], [Ne and Reif,
e
1996b], [Schnhage, 1982], pero no estn muy extendidos en la prctica. Los MG son
o
a
a
ms dif
a
ciles de implementar que los mtodos iterativos, ya que requieren tipos de datos
e
para objetos geomtricos y variables complejas, y procedimientos de bsqueda en rbol
e
u
a
o de backtracking para el ujo de control [Brassard and Bratley, 1988]. Sin embargo,
los mtodos basados en relaciones geomtricas son vlidos para todos los polinomios.
e
e
a
Esta uniformidad permite un anlisis de la complejidad de tales mtodos. Esta es la
a
e
razn por la cual los estudios tericos de complejidad han sido la fuerza motriz en
o
o
el desarrollo de MG [Renegar, 1987]. Por ejemplo, supongamos que se requieren las
ra
ces de un polinomio hasta b bits, es decir con una precisin de 2b . El nmero de
o
u
multiplicaciones necesarias para extraer todas las ra de un polinomio de grado n,
ces
22
CAP
ITULO 1. INTRODUCCION
con esta precisin, es O(n2 log n log b) usando el MG de [Pan, 1997]. Para el mtodo
o
e
de Newton no existen semejantes estimaciones de coste, ni para otros MI (ver [Traub
and Woniakowski, 1979], [Forster, 1992]). Sin embargo en la prctica la mayor de
z
a
a
las aplicaciones de bsqueda de ra se basan en MI.
u
ces
Como se ha comentado, tradicionalmente los mtodos geomtricos se usaban como
e
e
una parte heur
stica en el proceso de hallar ra
ces de polinomios, en una fase previa
de separacin. En un fase posterior de aproximacin se usaban mtodos iterativos.
o
o
e
Las implementaciones de MG, por lo general, tambin incluyen, por eciencia, algn
e
u
mtodo iterativo que interviene al nal del clculo, como la aplicacin del mtodo
e
a
o
e
de Newton, cuando la bsqueda quadtree alcanza una subregin donde se da una
u
o
convergencia rpida.
a
Otros cambios que se hacen en las implementaciones prcticas de un MG genrico
a
e
estn relacionados con aspectos numricos de los tests de inclusin. En las implemena
e
o
taciones con aritmtica de coma otante, es decir, con una precisin nita ja, los
e
o
errores de redondeo se acumulan y hacen que el clculo pierda toda abilidad [Goura
don, 1993]. Sin embargo, en implementaciones con aritmtica de precisin arbitraria,
e
o
sin errores de redondeo, la precisin puede crecer indenidamente [Pan, 1997], y por
o
tanto los recursos computacionales necesarios. Estos problemas de precisin numrica
o
e
han sido un obstculo para el uso prctico de MG. En este trabajo se demostrar que
a
a
a
el
ndice de curvas planas puede calcularse con abilidad, identicando las curvas que
requerir ms recursos de los asignados, y usando el
an a
ndice en un MG eciente.
Este paso de mtodos iterativos a geomtricos, que requiere anlisis ms elaborae
e
a
a
dos, se da tambin en otras areas del clculo numrico: autovalores mediante divide-ye
a
e
vencers [Demmel, 1997], ramicacion y poda en programacin lineal [Padberg, 1999],
a
o
o descomposicin de dominio en resolucin de ecuaciones diferenciales [Toselli and
o
o
Widlund, 2005]. Para tener una mayor perspectiva de esta evolucin desde los mtoo
e
dos iterativos, basados en un bucle, hacia otros basados en recursividad, vamos a usar
un famoso ejemplo no numrico: el problema de la ordenacin de una lista. Los diversos
e
o
algoritmos conocidos para este problema pueden clasicarse tambin como iterativos
e
(basados en un bucle) o como recursivos. Los mtodos de bucle, como el algoritmo de
e
insercin, o el de la burbuja [Aho et al., 1983] producen resultados parciales ms ordeo
a
nados en cada iteracin, hasta llegar a la solucin (mediante sucesivas aproximaciones;
o
o
ms ordenado signica que contiene una sublista ordenada de mayor longitud). Los
a
mtodos recursivos (quicksort o mergesort) llegan a la solucin sin pasar por renae
o
mientos sucesivos, y son ms efectivos. Como contrapartida, para analizar el coste de
a
algoritmos de ordenacin iterativos es suciente con combinatoria elemental, mientras
o
que demostrar el menor coste de los algoritmos de ordenacin recursivos requiere tcnio
e
23
1.3.
Tras dar una descripcin a grandes rasgos de los mtodos para hallar ra de poo
e
ces
linomios en el apartado anterior, en este haremos una comparativa en cuanto al coste.
Primero precisamos los conceptos relacionados con el coste de algoritmos numricos
e
(como precisin, condicionamiento y estabilidad). Luego comentamos brevemente el
o
coste de los algoritmos ms usados para hallar ra
a
ces, y posteriormente exponemos
aplicaciones que se dan en la prctica para las que el rendimiento de los mtodos
a
e
actuales no es suciente, y que motivan el desarrollo del presente trabajo.
absoluto) entre la aproximacin y el valor buscado. Desde luego este error es descoo
nocido (como lo es el valor buscado), pero para cada algoritmo numrico aproximado
e
24
CAP
ITULO 1. INTRODUCCION
puede hallarse una cota superior del error de la aproximacin obtenida, en funcin de
o
o
los recursos dedicados. Esta cota de error es una funcin decreciente (a ms recursos,
o
a
menor error). Por ejemplo consideremos el problema de hallar un cero de una funcin
o
continua en el intervalo [a, b]. Un algoritmo aproximado para resolverlo es la biseccin
o
sucesiva, cuyo recurso tiempo puede medirse en cantidad de bisecciones realizadas. El
error en tras la biseccin n-sima verica en 2ba . Otro algoritmo aproximado para
o
e
n+1
este problema es el mtodo de Newton (si converge en ese intervalo [a, b]). Tambin
e
e
puede medirse el tiempo dedicado en iteraciones, y el error en tras la iteracin n-sio
e
C
ma es menor que 22n para cierta constante C. La cota del error de Newton decrece
ms rpidamente que la de biseccin. La cota de error es una medida de la efectivia a
o
dad del algoritmo: mientras ms rpidamente decrezca, el algoritmo requerir menos
a a
a
operaciones para bajar de un error mximo preestablecido.
a
El error de truncamiento es el que se produce al detener la ejecucin del algoritmo,
o
potencialmente innita, como en los dos ejemplos anteriores. Otra manera de limitar
los recursos de un algoritmo es la discretizacin o muestreo, en la que no se usan todos
o
los datos de entrada, sino slo los sucientes para producir la aproximacin. El error
o
o
de discretizacin es el cometido en este caso, por ejemplo al aproximar una integral
o
mediante una suma nita de Riemann, o mediante el mtodo de los trapecios. Como se
e
ha comentado, en el campo del anlisis numrico es fundamental dar, como medida del
a
e
coste de un algoritmo, una cota de su error de truncamiento en funcin del momento
o
de detencin, o de su error de discretizacin en funcin de la cantidad de datos usados.
o
o
o
Independientemente del error de truncamiento o de discretizacin, que viene de la
o
limitacin de recursos de ejecucin del algoritmo, est el error de redondeo, que viene
o
o
a
de la nitud de recursos usados para representar datos, normalmente datos numricos.
e
El redondeo es la conversin de un valor en un dato del tipo numrico que se va a usar
o
e
para representarlo. Se usa un recurso nito, como es la memoria, para representar un
conjunto de valores potencialmente innito, como los enteros, o realmente innitos
(en cuanto a recursos requeridos para su expresin), como 1/3 = 0 33, o 2. El tipo
o
numrico ms frecuente es el basado en coma otante. Una introduccin a este tipo de
e
a
o
dato es [Goldberg, 1991] y un estudio en profundidad [Higham, 2002]. Las implementaciones del tipo de dato coma otante siguen el standard IEEE 754-2008, adoptado
internacionalmente como IEC-60559, que permite diversos formatos, caracterizados
por su precisin (nmero de bits). Los formatos ms frecuentemente usados son preo
u
a
cisin simple y doble. La precisin de la mantisa es de 24 bits en simple, lo que quiere
o
o
decir que puede representar valores con un error menor que 1/224 (aproximadamente
7 2 cifras decimales). Por otro lado el exponente tiene 8 bits, con lo que puede tomar
valores entre -128 y 127 (aproximadamente 38 ordenes de magnitud decimales).
25
El standard especica cinco modos de redondeo [IEEE, 2008]: hacia abajo, al valor
mas cercano, etc. Vamos a usar como ejemplo una aritmtica decimal, y as 1/3 redone
deado a una precisin 1/100 = 0 01 de dos cifras decimales, por el modo de redondeo
o
hacia abajo, ser 0 33. El error de redondeo (la diferencia, en valor absoluto, entre un
a
valor y su redondeo) es 0 00333.... En general, se consigue error cero solo para ciertos
valores. El error de redondeo es menor que la precisin (en el ejemplo, 0 0033... < 0 01)
o
y, dependiendo del modo de redondeo, puede ser igual. El error de redondeo interviene
fundamentalmente en el redondeo de las operaciones en coma otante (suma, producto, inverso): a partir de unos operandos con un cierto error, el resultado de una
operacin, con la misma precisin, va a tener en general peor error.
o
o
Estas nociones se han recogido tradicionalmente, en teor de medida y operaciones
a
con magnitudes f
sicas [Taylor, 1997], considerando tres tipos de error: error de medida
de datos (que no vamos a considerar), error de truncamiento (o discretizacin) y error
o
de redondeo en las operaciones. Podr
amos decir que el error de medida reeja la
sensibilidad nita de los dispositivos de entrada de datos, el error de truncamiento (o
discretizacin) el nito tiempo disponible para cmputo, y el error de redondeo reeja
o
o
la nita memoria disponible para representar datos.
Adems de la anterior clasicacin de las fuentes de error, tambin es habitual
a
o
e
en el anlisis numrico hablar de la velocidad (u orden) de convergencia [Ralston
a
e
and Rabinowitz, 1978b]. Las aproximaciones pueden ponerse como una sucesin xn ,
o
si el algoritmo es iterativo (n es la aproximacin en la iteracin n-sima), o si este
x
o
o
e
procede por discretizacin (n es la aproximacin para una muestra de tamao n). En
o x
o
n
cualquiera de los dos casos la cota de error, decreciente con n, asegura la existencia de
un l
mite al que converge esa sucesin. Se dene el orden de convergencia, siendo en
o
la sucesin de errores de xn , como el exponente q tal que el l
o
mite:
en+1
l
m
=C
n eq
n
pertenece al intervalo (0, ). Equivalentemente, si el error en+1 es proporcional a eq ,
n
con constante de proporcionalidad independiente de n. El orden de convergencia mide
la velocidad a la que converge xn . En el ejemplo anterior de cotas de error, se ve que
CAP
ITULO 1. INTRODUCCION
26
u xn1
consistente en aplicar repetidamente xn =
. Evidentemente, tal algoritmo slo
o
2
ser de inters prctico en un hipottico procesador en cuya aritmtica la operacin
a
e
a
e
e
o
de dividir entre tres sea muy costosa comparada con la divisin entre dos. Calculamos
o
por este algoritmo 1/3 y 10/3, ambos con condicin inicial, por ejemplo, x0 = 5 (en la
o
tabla 1.1).
n
0
1
2
3
4
5
6
7
8
9
10
1 xn1
2
5.0000
-2.0000
1.5000
-0.2500
0.6250
0.1875
0.4063
0.2969
0.3516
0.3242
0.3379
xn =
n
0
1
2
3
4
5
6
7
8
9
10
10 xn1
2
5.0000
2.5000
3.7500
3.1250
3.4375
3.2813
3.3594
3.3203
3.3398
3.3301
3.3350
xn =
27
1 xn1
redonxn =
2
deado a dos decimales
0
1
2
3
4
5
6
7
8
9
10
11
12
5.00
2.00
1.50
-0.25
0.62
0.19
0.40
0.30
0.35
0.32
0.34
0.33
0.34
CAP
ITULO 1. INTRODUCCION
28
29
CAP
ITULO 1. INTRODUCCION
30
gura 1.5. Es la regin plana |Re(z)| < 12, |Im(z)| < 12. Las ra
o
ces estn sealadas
a
n
con asteriscos. El mtodo de Newton se aplica una vez para cada pixel de la gura.
e
La estimacin inicial es el valor complejo correspondiente a la posicin de este pixel.
o
o
Luego cada pixel es coloreado con un nivel de gris, segn la ra a la que converge.
u
z
As cada cuenca queda coloreada con un nivel de gris diferente.
1.2
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
1.2
0.2
0.4
0.6
0.8
31
computacional, o algebra por ordenador (Computer algebra systems, CAS [Aho et al.,
32
CAP
ITULO 1. INTRODUCCION
se necesita encontrar todas y cada una de las ra de un polinomio, sino slo aquellas
ces
o
que satisfacen ciertas condiciones. En aplicaciones de procesado de seales, como se
n
describe en la seccin anterior, el anlisis LPC produce una funcin de transferencia
o
a
o
1
, el modelo de la seal. Las ra del polinomio denominador A(z) estn
n
ces
a
H(z) =
A(z)
dentro del c
rculo unidad, por la estabilidad del modelo, y las ra
ces ms cercanas a
a
la circunferencia estn relacionados con los componentes de frecuencia principales de
a
la seal [Oppenheim et al., 1996]. Por ejemplo, el polinomio de la gura 1.5 proviene
n
del anlisis LPC de una seal de voz. Estamos interesados en encontrar las ra
a
n
ces
complejas de polinomios que estn situadas cerca de la circunferencia de la unidad,
e
hasta una distancia que depende del grado de modelado LPC. Esto nos ha llevado a
considerar MG para resolver este problema. En el campo del procesamiento de seal
n
se usan varios mtodos iterativos para encontrar las ra
e
ces de mayor mdulo, como
o
Graee o Bernoulli [Ralston and Rabinowitz, 1978a]. Sin embargo, el alto grado de
los polinomios de inters para nosotros, y la compleja casu
e
stica que requieren estos
mtodos, son dos caracter
e
sticas que dicultan su aplicacin.
o
Es el objetivo de esta memoria precisar las condiciones bajo las cuales puede aplicarse ecientemente un procedimiento de extraccin de ra
o
ces, capaz de restringirse a
una zona de inters en el plano complejo, aplicable en el ambito de la codicacin lineal
e
o
predictiva para la deteccin y seguimiento de formantes. En el cap
o
tulo 2 introducimos
un mtodo para calcular el
e
ndice, el nmero de vueltas que da una curva plana alredeu
dor del origen, y en el cap
tulo 3 se usa el
ndice como criterio de la presencia de ra
ces
de un polinomio en una regin del plano. Tambin se desarrolla un mtodo recursivo
o
e
e
de subdivisin de regiones usando este criterio para hallar las ra
o
ces. Finalmente en el
cap
tulo 4 se realiza una comparativa del mtodo propuesto con otros ms usados en
e
a
la prctica para tareas similares de proceso de seal.
a
n
Cap
tulo 2
Desarrollo y estudio terico de un
o
mtodo geomtrico para calcular el
e
e
El
ndice de una curva y el clculo de ra
a
ces
El
ndice de una curva plana cerrada es el nmero de vueltas que da alrededor
u
del origen. Su valor puede ser calculado aplicando la formula integral de Cauchy (un
resultado de Anlisis Complejo) como:
a
1
dz
2i z
El
ndice se ha usado en varios procedimientos para calcular las ra de un polinoces
mio f , basndose en el hecho de que el nmero de ra contenidas en una regin del
a
u
ces
o
plano complejo bordeada por una curva coincide con el
ndice de la curva =f ().
Si este
ndice es positivo, la regin contiene una o varias ra
o
ces. Si se divide en regiones
ms pequeas, y se calcula el
a
n
ndice de la transformacin por f del borde de cada una
o
de ellas, se tiene una localizacin ms precisa de las ra
o
a
ces. Aplicando esta subdivisin recursivamente a las regiones que contengan alguna ra puede alcanzarse una
o
z,
aproximacin a las ra de f con la precisin que se quiera [Henrici, 1988]. Un proceo
ces
o
dimiento similar se ha propuesto para hallar los ceros de funciones anal
ticas [Kravanja
and Van Barel, 2000].
En los trabajos de [Ying and Katz, 1988] o en [Ko et al., 2008] se encuentran enunciados precisos sobre las condiciones en que podemos usar el
ndice en algoritmos de
clculo de ra
a
ces, y sugerencias sobre como gestionar los casos singulares. Pero el estudio de la complejidad de estos mtodos, esencial para compararlos con los tradicionales,
e
no se ha llevado a cabo. Nos proponemos llenar ese hueco.
Ind() =
33
34
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
2.2. DEFINICIONES Y PROCEDIMIENTO DE INSERCION
2.2.
35
longarc(([x, y])). Toda curva diferenciable a trozos puede parametrizarse uniformemente [Kolmogorov and Fomn, 1975]. Esto es, para cualquier curva : [a, b] C
hay otra curva u : [0, longarc()] C con Im() = Im(u ) y u uniformemente
parametrizada.
Tambin consideraremos curvas Lipschitzianas (esto es, vericando que hay una
e
constante L con |(y) (x)| L|y x| para cada x, y [a, b]). Las curvas uniformemente parametrizadas son un caso particular de las Lipschitzianas, con L = 1.
El ndice, o nmero de vueltas al origen, Ind() de una curva : [a, b] C, es el
u
nmero de rotaciones completas que da la curva alrededor del punto (0, 0) en sentido
u
contrario a las agujas del reloj. Vase la gura 2.1.
e
1
2i
1
dw
w
El concepto de
ndice se aplica en el principio del argumento [Henrici, 1988], que
arma que el nmero de ceros (contados con multiplicidad) de una funcin anal
u
o
tica
36
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
Plano z
Plano w
aproximacin poligonal es n = ((s0 ), . . . , (sn )). La gura 2.3 muestra una curva
o
con una de sus aproximaciones poligonales.
Dada una secuencia S = (s0 , . . . , sn ) de valores crecientes, si < si+1 , i = 0, . . . , n1,
llamamos su paso mximo |S| a la mxima diferencia entre valores consecutivos, esto
a
a
2.2. DEFINICIONES Y PROCEDIMIENTO DE INSERCION
37
38
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
deniendo un pol
gono m
o
ndice Ind(m )
es igual al nmero de puntos (ti ) en C7 que estn seguidos por un punto (ti+1 ) en
u
a
C0 . La ocurrencia de un sector C0 seguido por C7 debe contarse negativamente. Esto
2.2. DEFINICIONES Y PROCEDIMIENTO DE INSERCION
39
Figura 2.5: Las imgenes de los valores sucesivos ti , ti+1 estn conectadas.
a
a
1988] se propone tal procedimiento, con un coste computacional razonable. Consiste en construir la secuencia buscada a partir de una secuencia inicial de valores del
parmetro, (a = s0 , . . . , sn = b), de la curva , cuyas imgenes no verican necesaa
a
riamente la propiedad de conexin, esto es, que quizs, para algn i, las imgenes de
o
a
u
a
si y si+1 no estn conectadas. Se recorre la secuencia de valores (. . . , si , . . . ) desde su
a
inicio s0 , hasta que se encuentra un par (si , si+1 ) de valores consecutivos cuyas imgea
nes (si ) Cx y (si+1 ) Cy no estn conectadas. En esta situacin se inserta un
e
o
si + si+1
valor de interpolacin
o
en la secuencia de parmetros (s0 , . . . , sn ) entre si y
a
2
si+1 . Despus se recorre de nuevo la secuencia resultante (s0 , . . . , sn+1 ) hasta que se
e
a
e
encuentre otro par (sj , sj+1 ) cuyas imgenes no estn conectadas, y otra vez se inserta
un punto intermedio como se ha descrito. Iterando este proceso, se llega nalmente
a una secuencia T = (t0 , ..., tm ), m n, cuyas imgenes verican la propiedad de la
a
conexin. Este procedimiento est denido en la gura 2.6.
o
a
El Procedimiento de Insercin recorre la secuencia de izquierda a derecha, de modo
o
que los puntos necesarios para conectar si y si+1 se insertan antes que los que van entre
40
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
Procedimiento de Insercin: Para hallar el
o
ndice de una curva
: [a, b] C
Parmetros de entrada: La denicin anal
a
o
tica de la curva ,
(0)
y una secuencia S = (s0 , . . . , sn ), de valores crecientes s0 < s1 <
. . . < sm , de [a, b] con a = s0 y b = sn .
Salida: Una secuencia (t0 , . . . , tm ) cuyas imgenes verican la
a
propiedad de la conexin.
o
Mtodo:
e
Asignar a k el valor 0. (k es un contador de iteraciones);
Mientras S (k) = (s0 , . . . , si , si+1 , . . . , sn+k ) tenga dos valores
e
consecutivos cuyas imgenes (si ) y (si+1 ) no estn conectadas
a
(encontrados recorriendo la secuencia de izquierda a derecha) hacer:
s + si+1
{ Insertar i
entre si y si+1 ; esto es, S (k+1) =
2
si + si+1
, si+1 , . . . , sn+k ;
s0 , . . . , s i ,
2
Incrementar k;
}
Retornar la secuencia resultante.
Figura 2.6: Procedimiento de insercin (Ying y Katz).
o
2.3.
41
. . . , sn ).
42
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
sean iguales a pk . Supongamos que ningn punto de la secuencia (S (k) ) entre (si )
u
y (si+1 ) pertenece a Cx1 ni a Cx+1 , los sectores adyacentes al que contiene (si ).
En tal caso tenemos que q1 Cx y q2 (Cx1 Cx Cx+1 )c . Esto es porque el procedimiento de insercin recorre la secuencia en orden creciente del valor del parmetro,
o
a
(k)
y por tanto los puntos del segmento ((si ), . . . , q1 ) de (S ) deben pertenecer todos
a Cx (ya que estn conectados, (si ) Cx , y no hay puntos en Cx1 ni en Cx+1 ). Y
a
por tanto el punto no adyacente q2 debe pertenecer a un sector no adyacente, esto es,
q2 (Cx1 Cx Cx+1 )c .
La siguiente proposicin formaliza este razonamiento, llamando Ik al segmento de
o
curva que une pk con el punto previo de la secuencia, y Ik al segmento de curva que
une pk con el punto siguiente. Se dene I0 = I0 = ([si , si+1 ]). Por ejemplo, como
p1 = (u1 ), tenemos que I1 = ([si , u1 ]) y I1 = ([u1 , si+1 ]) (ver gura 2.8).
a
Figura 2.8: Los puntos (si ) y (si+1 ) y los intervalos Ik y Ik estn marcados.
Como notacin, en la siguiente proposicin el conjunto de puntos {p1 , p2 , . . . , pk1 }
o
o
debe entenderse como {p1 , p2 } cuando k = 3, {p1 } cuando k = 2 y el conjunto vac
o
cuando k = 1.
43
d(t)).
x
44
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
4M
lg2
para el nmero de iteraciones requeridas hasta que un punto de insercin
u
o
est conectado con (si ). x es el menor entero mayor o igual que x (el redondeo
a
hacia arriba).
Proposicin 4. Supongamos que es uniformemente parametrizada y -singular. Si
o
(si ) y (si+1 ) no estn conectados, siendo Cx el sector que contiene a (si ), entonces
a
4M
hay un punto de insercin pK vericando pK Cx1 Cx+1 , con K lg2
o
.
M
Denimos k0 como el entero vericando k0 < k0 1 . Esto es equivalente a
4
2
4M
4M
4M
4M
k0
2 < 2
, es decir lg2
k0 < lg2
+ 1, por tanto k0 =
lg2
4M
45
4M
4M
M , verica M >
, es decir
> 1, luego lg2
4
tanto k0 1.
> 0 y lg2
4M
1. Por
4M
entonces se verica la armacin de la proposicin, porque K < k0 = lg2
o
o
.
Si, por el contrario, todos los puntos de insercin pK con K < k0 verican pK
o
/
Cx1 Cx+1 (o equivalentemente, los sectores Cx1 y Cx+1 no contienen ningn punto de
u
p1 , p2 , . . . , pk0 1 ) estamos en la hiptesis de la proposicin 1 (con k = k0 ). Si suponemos,
o
o
buscando una contradiccin, que pk0 Cx1 Cx+1 (esto es, pk0 Cx o pk0 (Cx1
o
/
c
Cx Cx+1 ) ), entonces o bien Ik0 o bien Ik0 tiene sus extremos no conectados. Adems,
a
M
M
o
o
tenemos que longarc(Ik0 ) = k0 por la proposicin 2, y k0 por denicin
2
2
4
Notemos que siendo pK el primer punto de insercin con pK Cx1 Cx+1 , los
o
puntos en el segmento ((si ), . . . , q1 ) de la secuencia S = (. . . , (si ), . . . , q1 , pK ,
q2 , . . . , (si+1 ), . . . ) pertenecen a Cx . Esto es porque el procedimiento de insercin
o
recorre la secuencia de izquierda a derecha, y por tanto no es posible que uno de los
puntos de ((si ), . . . , q1 ) pertenezca a (Cx1 Cx Cx+1 )c , porque en tal caso el punto
de insercin K-simo habr sido insertado en una posicin anterior a la de q1 . Tamo
e
a
o
poco es posible que alguno de estos puntos pertenezca a Cx1 Cx+1 , porque pK es
el primer punto insertado con esta propiedad. Por tanto los puntos de ((si ), . . . , q1 )
deben pertenecer a Cx .
Usando la proposicin 4 podemos encontrar una cota al nmero de puntos de
o
u
insercin requeridos para conectar (si ) y (si+1 ). Recurdese que ([si , si+1 ]) cruza
o
e
N bordes entre sectores si el intervalo de parmetros contiene N valores fj , j =
a
1, . . . , N , con si f1 < f2 < . . . < fN si+1 , cuyas imgenes (fj ) pertenecen a
a
algn borde.
u
Notemos que si ([si , si+1 ]) cruza N = 0 bordes, el nmero de puntos de insercin
u
o
requeridos en este segmento es cero porque (si ) y (si+1 ) estn en el mismo sector.
a
De modo parecido, si N = 1, entonces (si ) y (si+1 ) estn conectados, y no se
a
requiere ningn punto de insercin. En el caso de que el nmero de cruces N sea
u
o
u
mayor, se verica la siguiente armacin:
o
46
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
4M
.
nmero de puntos de insercin entre (si ) y (si+1 ) est acotado por (N 1) lg2
u
o
a
4M
ms arriba representa el primer caso. Por la proposicin 4, en menos de lg2
a
o
4M
(N 2) lg2
puntos de insercin, siendo M su longitud. Demostraremos que
o
4M
puntos de insercin, dividiendo
o
([si , si+1 ]) requiere como mucho (N 1) lg2
este segmento en dos partes, una primera que va de (si ) a un punto en Cx1 o en
Cx+1 , y una segunda parte que va de este punto a (si+1 ).
4M
Por la proposicin 4, tenemos que para cierto K lg2
o
, el punto pK =
(uK ) est en un sector que es adyacente a (si ), ya sea Cx1 o Cx+1 . Adems, segn
a
a
u
la nota tras la prueba de la proposicin 4, los puntos en el segmento ((si ), . . . , q1 ) de
o
la secuencia (. . . , (si ), . . . , q1 , pK , q2 , . . . , (si+1 ), . . . ) pertenecen a Cx . La gura 2.9
muestra un ejemplo con K = 3 y pK Cx+1 .
Dividimos el segmento ([si , si+1 ]) en dos subsegmentos, ([si , uK ]) y ([uK , si+1 ]).
Notemos que ([si , uK ]) cruza al menos un borde (el que est entre Cx y Cx1 o Cx+1 ),
a
pero no necesariamente bordes distintos en cada cruce, como se puede ver por ejemplo en las posiciones de la gura 2.10. Adems, despus de la K-sima iteracin el
a
e
e
o
procedimiento de insercin no inserta puntos en ([si , uK ]), porque todos los puntos
o
de la secuencia en este segmento, ((si ), . . . , q1 , pK ) pertenecen a Cx excepto pK que
pertenece a Cx1 o a Cx+1 .
Llamemos al nmero de bordes cruzados por ([si , uK ]). El resto del segmenu
to de curva original, ([uK , si+1 ]), cruza N bordes, con 1. Consideremos
47
Figura 2.9: El segmento de curva entre (si ) y (si+1 ) tiene una longitud de arco de
M , y ([si , si+1 ]) cruza cuatro bordes.
4M
puntos de insercin, siendo M su longitud.
o
quiere como mucho (N 2) lg2
4M
Por tanto ([uK , si+1 ]) requiere como mucho (N 2) lg2
inserciones, siendo
4M
nes (siendo K lg2
), el segmento ([si , si+1 ]) da lugar a un subsegmento
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
48
ms de lg2
a
4M
+(N 2) lg2
4M
4M
4M
inserciones. En total no
Teorema 1. Si : [a, b] C es -singular con > 0, uniformemente parametrizada, el procedimiento de insercin para la curva con una secuencia inicial S (0) =
o
(s0 , . . . , sn ) de valores crecientes con s0 = a, sn = b, concluye en menos de
4|S (0) |
4(b a)
lg2
inserciones.
Demostracin. Consideremos una curva circular situada a distancia constante del
o
M
4M
Nmax de valores del parmetro fj a una distancia de
a
es + 1 =
+ 1.
4
4
Por tanto el nmero de bordes cruzados por cualquier curva debe ser menor o igual
u
que este valor. particular, siendo N el nmero de bordes cruzados por ([si , si+1 ]),
En
u
4M
4M
N Nmax =
+ 1, luego N 1
. Aplicando el lema previo, el mximo
a
4M
4M
nmero de puntos de insercin en ([si , si+1 ]) est acotado por
u
o
a
lg2
.
49
4M
4M
Hemos deducido una cota
lg2
del nmero de puntos de insercin reu
o
queridos en ([si , si+1 ]). Esto es vlido para cada i, 0 i n 1, siendo S (0) =
a
(s0 , . . . , sn ) la secuencia inicial, salvo que la distancia M entre (si ) y (si+1 ) puede
variar con i. En cualquier caso, esta distancia es igual a (si+1 si ) por la parametriza
n1
4(si+1 si )
4(si+1 si )
lg2
.
cin uniforme. La suma de estos mximos nos da
o
a
i=0
Adems, los (si+1 si ) son menores o iguales a |S (0) | por la denicin de paso mximo.
a
o
a
4(si+1 si )
4|S (0) |
Por tanto lg2
lg2
para i = 0, 1, 2, . . . , n 1, y el sumatorio
n1
4(si+1 si )
4|S (0) |
anterior es menor o igual que
lg2
. Esto puede simpli
i=0
n1
carse porque
i=0
igual que
4|S (0) |
4(b a)
lg2
2.4.
vas Lipschitzianas
Debemos generalizar el teorema anterior para manejar curvas -singulares no necesariamente uniformemente parametrizadas. Debe notarse que la secuencia resultante
del proceso de insercin depende de la parametrizacin: esto es, dos parmetros y
o
o
a
con la misma curva imagen en C pueden producir diferentes puntos de insercin.
o
El anlisis anterior del coste del procedimiento de insercin para curvas uniformemena
o
te parametrizadas puede extenderse a las curvas Lipschitzianas, ms generales. Estas
a
curvas son las que verican que hay una constante L con |(y) (x)| L|y x|
para cada x, y [a, b].
Este relajamiento de las hiptesis es necesario para la aplicacin que tenemos en
o
o
mente, el clculo del
a
ndice de curvas = f () para un polinomio f y bordeando
un area de inters. La curva normalmente se dene concatenando segmentos unifor
e
memente parametrizados, y esto hace que sea uniformemente parametrizada. Pero
su transformacin = f () no es en general uniformemente parametrizada para un
o
polinomio f , aunque s es Lipschitziana [Kolmogorov and Fomn, 1975].
50
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
51
4LM
el primer punto insertado vericando pK Cx1 Cx+1 es tal que K lg2
.
LM
LM
Demostracin. Denamos k0 como el entero vericando k0 < k0 1 . Tenemos
o
2
4
2
4LM
1.
que k0 = lg2
4LM
entonces la armacin K lg2
o
de la proposicin es obvia. En caso cono
trario, todos los puntos p1 , p2 , . . . , pk0 1 estn fuera de Cx1 Cx+1 , y por tanto el
a
procedimiento de insercin alcanza la iteracin k0 -sima. As estamos en la hiptesis
o
o
e
o
de la proposicin 1 (con k = k0 ), y si suponemos que pk0 Cx1 Cx+1 , entonces
o
/
o bien Ik0 o bien Ik0 tiene sus extremos no conectados. Adems por la proposicin
a
o
LM
LM
o
5, longarc(Ik0 ) = longarc(Ik0 ) k0 . por denicin de k0 tenemos que k0 ,
2
2
4
o
4
3. Debemos pues concluir que pk0 Cx1 Cx+1 .
4LM
.
puntos de insercin requeridos no puede ser mayor que (N 1) lg2
o
4LM
est acotado por (N 1) lg2
a
.
Demostracin. Se puede repetir la prueba del lema de seccin anterior con la cota
o
la
o
4LM
4M
lg2
de la proposicin 6 en vez de lg2
o
, concluyendo con la arma
cin deseada.
o
52
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
Teorema 2. Si : [a, b] C es -singular con 0, y Lipschitziana con constante L, entonces el procedimiento de insercin para la curva con secuencia inicial
o
4L|S (0) |
4L(b a)
lg2
S (0) = (s0 , . . . , sn ), s0 = a, sn = b, concluye en menos de
inserciones.
Demostracin. Vamos a acotar el nmero N de bordes cruzados por un segmeno
u
to ([si , si+1 ]) de una curva -singular Lipschitziana. Consideremos los valores del
parmetro fj , j = 1, . . . , N , correspondientes a los puntos (fj ) que estn en un
a
e
borde. Dos de tales puntos que estn consecutivos (fj ) y (fj+1 ) estn separae
a
. Esto es,
dos por un segmento de curva de longitud de arco mayor o igual que
4
longarc((fj+1 fj ))
. Adems, por Lipschitzianidad, longarc((fj+1 fj ))
a
4
L(fj+1 fj ) para
L(fj+1 fj ), y encadenando las desigualdades deducimos que
4
4LM
M
4LM
intervalo de longitud M es + 1 =
+ 1. Por tanto N
+ 1.
4L
4LM
, el nmero mximo de puntos de
u
a
Aplicando el lema previo, como N 1
4LM
4LM
insercin en ([si , si+1 ]) est acotado por
o
a
lg2
.
n1
n1
4L(si+1 si )
4L(si+1 si )
4L(si+1 si )
presin
o
lg2
es menor o igual que
i=0
i=0
n1
(0)
4L|S |
lg2
porque (si+1 si ) |S (0) |. Adems, como
a
(si+1 si ) = (b a),
i=0
4L(b a)
4L|S (0) |
tenemos que el total de inserciones es menor que
lg2 (
) .
2.5.
Debemos evitar situaciones como la que se muestra en la gura 2.11 para asegurar
el correcto clculo del
a
ndice mediante el procedimiento de insercin. Los puntos de
o
la secuencia S = (s0 , . . . , sn ) verican la propiedad de conexin, pero el
o
ndice de la
no es igual al
= 1 y Ind() = 2.
poligonal
ndice de , ya que Ind()
Cada par de puntos consecutivos en la secuencia S = (s0 , . . . , sn ) dene un segmento de curva i : [si , si+1 ] C, para i = 0, 1, 2, . . . , n 1. Si cualquiera de estos
53
3
segmentos abarca un angulo mayor que
Ind() = Ind(). Un segmento de curva que abarque un ngulo negativo (esto es, que
a
3
vaya en sentido horario) menor que
produce una situacin similar.
o
2
Para evitar tales situaciones usamos un hecho conocido de anlisis complejo: el
a
angulo cubierto por una curva, no necesariamente cerrada, : [x, y] C es la integral
1
1
de linea
dw. Un giro perdido para la secuencia S = (s0 , . . . , sn ) es un segmento
i w
1
1
3
de curva i : [si , si+1 ] C, vericando que
dw >
. El siguiente teorema
i w
2
nos da una condicin suciente para evitar giros perdidos.
o
Teorema 3. Si : [a, b] C es -singular con = 0 y Lipschitziana con constante L,
y se aplica el procedimiento de insercin con una secuencia inicial S (0) = (s0 , . . . , sn )
o
3
vericando que su paso mximo es |S (0) |
a
, entonces no hay giros perdidos.
2L
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
54
Demostracin. Para asegurar que no hay giros perdidos (es decir, que
o
1
i
1
dw
w
3
para cada i ) consideramos dos hechos geomtricos: primero, que un segmento
e
2
longarc(i )
i = ([si , si+1 ]) de una curva -singular subtiende un ngulo mximo de
a
a
1
longarc(i )
1
dw
). Esto es porque la curva -singular
(equivalentemente, que
i w
con una longitud de arco dada que subtiende el mximo ngulo es un segmento de la
a
a
circunferencia de radio .
Segundo, que en una curva Lipschitziana con constante L, se cumple que
longarc(i ) L(si+1 si ).
Luego si |S (0) |
1
i
3
, y recordando que (si+1 si ) |S (0) |, se tiene:
2L
L(si+1 si )
L|S (0) |
L3
3
1
longarc(i )
dw
=
w
2L
2
a) Si |S (0) |
3
, la secuencia retornada nos da Ind().
2L
b) Acaba en menos de
4L(b a)
4L|S (0) |
lg2 (
) iteraciones.
, tenemos un
n
n
2L
3
2L(b a)
array S que verica |S|
. El menor de estos n es
. En una segunda
2L
3
4L 3
4L(b a)
4L|S (0) |
4L(b a)
2L
fase, se necesitan al menos
lg2 (
)
lg2
=
12L(b a)
4L(b a)
lg2 (6) =
iteraciones del bucle. Cada iteracin requiere la ino
55
u
2L(b a)
(0)
ndice:
para obtener una secuencia inicial S que verique la cota del
3
12L(b a)
evaluaciones por el teorema 2.
teorema 3, ms como mucho
a
|(si )| + |(si+1 )|
.
L
i w
2
1
3
1
dw , es mayor que
, entonces su longitud de arco debe
subtendido por i ,
i w
2
vericar |(si )| + |(si+1 )| longarc(i ). En realidad, para vericar esta desigualdad
es suciente que el angulo subtendido por i sea mayor que . La gura 2.12 puede
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
56
3
Figura 2.12: Si la curva entre (si ) y (si+1 ) recorre ms de
a
radianes, debe
2
tener longitud de arco mayor que |(si )| + |(si+1 )|.
(K)
(K)
(K)
a
S (K) = (s0 , s1 , . . . , sn+K ). Esta secuencia es vlida para calcular Ind(), porque ve(K)
(K)
rica, para cada i = 0, . . . , n+K +1, no p(si ) y no q(si ), que es la negacin de la
o
(K)
condicin del bucle. Esto implica que la secuencia S
o
verica la propiedad de conexin
o
(K)
(esto es, no p(si )) y que no tiene giros perdidos, porque el contrarrec
proco del lema
(K)
(K)
|(si )| + |(si+1 )|
(K)
(K)
(K)
(K)
3 aplicado a S
es si no q(si ) (esto es, si (si+1 si ) <
),
L
(K) (K)
entonces ([si , si+1 ]) no es un giro perdido. Luego S (K) es vlido para calcular
a
Ind() correctamente.
El PIV calcula el
ndice con cualquier secuencia inicial, mientras que el procedimiento de insercin anterior requer una secuencia que vericase una restriccin en
o
a
o
funcin del desconocido . Sin embargo, el nmero de iteraciones de PIV no pueo
u
de deducirse del teorema 2 porque este se aplica slo al procedimiento de insercin.
o
o
Probaremos el teorema 4 ms adelante, que nos da una cota al nmero de iteracioa
u
nes de PIV. Es una prueba ms complicada que la anterior por la interrelacin de la
a
o
propiedades p y q.
Con el cambio de notacin, al nal de la iteracin k-sima, la secuencia producida es
o
o
e
(k)
S , y el ultimo punto insertado es (si+1 ). Llamamos Ik al segmento de curva que une
57
Esto es equivalente a decir que el valor de su parmetro si+1 va, en la secuencia S (k) ,
a
inmediatamente antes o despus del parmetro de la insercin (k 1)-sima (ver gura
e
a
o
e
2.14). El nombre decreciente viene de que en tales inserciones, la diferencia de los
parmetros de los extremos de Ik es la mitad de esta diferencia en Ik1 .
a
Figura 2.14: Los puntos p1 a p5 se han insertado en iteraciones consecutivas. Los puntos
p1 , p2 , p3 y p5 son decrecientes pero p4 no es decreciente.
Usaremos el hecho de que, si el valor del parmetro de la insercin (k + 1)-sima
a
o
e
58
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
o
o
no p(si
o como q-insercin, pero no ambos tipos a la vez. Se verica el siguiente hecho:
o
Lema 4. Supongamos que es Lipschitziana de constante L, -singular, y S (k) es la
secuencia de parmetros al nal de la iteracin k-sima de PIV aplicado a , en la que
a
o
e
(k)
y longarc(Ik )
, entonces
se ha insertado el punto (si+1 ). Si longarc(Ik )
4
4
la insercin (k + 1)-sima no puede ser p-insercin y decreciente.
o
e
o
Demostracin. La proposicin 3 de la seccin anterior dice que la longitud de arco
o
o
o
(k)
,
4
|(si )| + |(si+1 )|
(k)
(k)
longarc(Ik )
y (si+1 si ) <
), entonces la iteracin (k + 1)o
4
L
sima no puede ser decreciente de tipo p ni decreciente de tipo q, luego no puede ser
e
decreciente.
Las siguiente proposiciones son pasos en la prueba de la subsiguiente proposicin
o
(k+K)
9. Notemos que si llamamos (sj
) al (k + K)-simo punto de insercin, entonces
e
o
j depende de K. Ver gura 2.15.
Proposicin 7. Supongamos que es Lipschitziana de constante L, que S (k) es la
o
secuencia de parmetros al nal de la k-sima iteracin del PIV aplicado a , y que
a
e
o
59
(k+K)
(k+1)
(k)
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
60
(k+K1)
(k+K1)
(k+K)
puntos q1 = (sj1
) y q2 = (sj
) que causaron la insercin pK = (sj
o
).
Estos son los primeros puntos encontrados que verican o bien q1 y q2 estn no coneca
(k+K1)
(k+K1)
|(sj1
)| + |(sj
)|
(k+K1)
(k+K1)
(k+K1)
Notemos que por la proposicin anterior, los puntos de insercin sucesivos entre
o
o
(k)
y si+1 son de tipo p hasta que uno de ellos pertenezca a Cx1 Cx+1 , despus de
e
lo cual pueden venir uno o varios de tipo q.
(k)
si
4LM
(k)
(si+1 ) (Cx1 Cx Cx+1 )c , entonces para algn K lg2
u
el (k + K)
simo punto de insercin pK verica pK Cx1 Cx+1 .
e
o
LM
LM
4LM
k0 = lg2
. En general, no es posible tener k0 + 1 p-inserciones decrecien
(k) (k)
tes consecutivas. Esto es porque empezamos con un segmento Ik = ([si , si+1 ]),
(k)
(k)
e
cuya longitud de arco es menor que LM con M = (si+1 si ), y despus de k0
(k+k0 )
inserciones decrecientes, llamando sj
al parmetro del (k + k0 )-simo punto de
a
e
(k+k0 )
insercin pk0 = (sj
o
), tenemos que la diferencia de parmetros de los extremos
a
M
LM
(k+k ) (k+k )
(k+k )
(k+k )
de Ik+k0 = ([sj1 0 , sj 0 ]) es (sj 0 sj1 0 ) = k0 , y longarc(Ik+k0 ) k0 ,
2
2
61
Notemos que si para algn K, menor o igual que k0 , se tiene que pK Cx1 Cx+1 ,
u
concluimos porque es la armacin de la proposicin. En caso contrario alcanzamos
o
o
una contradiccin, porque entonces para cada K de 1 a k0 , pK Cx1 Cx+1 . Luego
o
/
podemos aplicar la proposicin 7 para K = 1 (Esto es, usando la hiptesis de que
o
o
(k)
(k)
p1 Cx1 Cx+1 ), porque p1 es de tipo p por la hiptesis (si ) Cx y (si+1 )
/
o
(Cx1 Cx Cx+1 )c , para deducir que p2 es decreciente y de tipo p; Tambin la
e
aplicamos para K = 2 (sabiendo que p2 Cx1 Cx+1 y de tipo p) para concluir que
/
p3 es decreciente y de tipo p, y as sucesivamente para K = 1, 2, . . . , k0 , concluyendo
porque |(t)|
L
L
(k)
(k)
(k)
para cualquier parmetro t. Por tanto, si se verica q(si ) (esto es, (si+1 si )
a
(k)
(k)
|(si )| + |(si+1 )|
2
, que es mayor o igual que ), entonces el punto insertado tiene
L
L
(k)
(k)
(k)
(k)
si + si+1
si+1 si
(k+1)
(k+1)
(k)
un valor de parmetro de si+1 =
a
que verica (si+1 si ) =
2
2
(k)
(k)
(k)
(k)
|(si )| + |(si+1 )|
s si
(k)
(k+1)
(k+1)
y (si+1 si+1 ) = i+1
. Esto es, si+1 est situaa
2L
L
2
L
(k)
(k)
do a una distancia mayor que de si y de si+1 . Repitiendo el razonamiento, x inserL
ciones de tipo q se extienden sobre una longitud mayor o igual que (x1) . Dentro de
L
LM
Esto es, no puede haber ms de
a
1 q-inserciones, si esta expresin es mayor o
o
62
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
4LM
(x + 1) lg2
+ x hay un punto s(k+K ) de la secuencia S (k+K ) vericando que
g
(k+K )
(s(k+K ) ) Cx1 Cx+1 y que para cada h con i h < g no se verica ni p(sh
)
g
(k+K )
ni q(sh
).
Demostracin. El enunciado es ms complicado que el de la proposicin 6 porque el
o
a
o
(k+K )
punto de inters sg
e
no es necesariamente el punto pK insertado en la iteracin
o
(k + K )-sima. Probaremos la armacin por induccin completa en x.
e
o
o
o
u
4LM
(k+K)
lg2
el (k + K)-simo punto de insercin pK = (sj
e
o
) verica pK
Cx1 Cx+1 . Podemos suponer que este es el primer punto insertado perteneciente a Cx1 Cx+1 , porque un punto de insercin anterior perteneciente a esta regin
o
o
4LM
(k+K1)
tambin tendr su sub
e
a
ndice acotado por lg2
)
. No se verica p(sh
o
e
a
parmetro con
a
ndice j. Notemos que, para i h < j 1, son equivalentes no
(k+K1)
(k+K)
p(sh
) y no p(sh
), porque los puntos implicados en estas aserciones en
(k+K1)
(k+K)
S
y en S
son los mismos. Luego los puntos imagen del segmento ini(k+K) (k+K)
(k+K) (k+K)
cial (si
, si+1 , . . . , sj2 , sj1 ) de la secuencia S (k+K) deben pertenecer a Cx ,
(k+K)
(k+K)
)), y pK = (sj
) es el primer punto de
porque estn conectados (no p(sh
a
insercin perteneciente a Cx1 Cx+1 . Adems, como pK pertenece a Cx1 Cx+1 , no
o
a
(k+K)
(k+K)
) para h = j 1. Tampoco se verica q(sj
) para i h < j
se verica p(sh
porque en ese caso tendr
amos una q-insercin, y eso no es posible con x = 0. Luego
o
4LM
llegamos a la armacin con K = K lg2
o
y g = j.
4LM
la proposicin 8, sabemos que en no ms de K lg2
o
a
inserciones, pK =
(k+K)
) Cx1 Cx+1 . Se cumple que T = K + 1, por el siguiente razonamiento:
(sj
como esta insercin, la (k + K)-sima, tiene lugar en la j-sima entrada de la sucesin,
o
e
e
o
(k+K1)
(k+K1)
entonces no se verica ni p(sh
) ni q(sh
) para i h < j 1 (esto es
(k+K)
(k+K)
(k+K)
equivalente a ni p(sh
) ni q(sh
) para i h < j 1). Como (sj
)
(k+K)
(k+K)
Cx1 Cx+1 , tampoco se verica p(sj1 ). Si adems tampoco se vericase q(sj1 ),
a
63
concluir
amos con la armacin deseada: (s(k+K ) ) Cx1 Cx+1 y cada h con
o
para
g
4LM
(k+K )
(k+K )
i h < g no se verica ni p(sh
) ni q(sh
) con K = K lg2
y
(k+K)
g = j, como en el caso base. Falta considerar el caso de que s se vericase q(sj1 ).
).
Como esta ultima insercin, la (k + K1 )-sima, tiene lugar en la entrada f -sima
o
e
e
(k+K1 1)
(k+K1 1)
de la secuencia, no se verica ni p(sh
) ni q(sh
) para i h < f 1
(k+K1 )
(k+K1 )
) ni q(sh
) para i h < f 1). Adems, como la
a
(equivalentemente, ni p(sh
siguiente insercin pK1 +1 = pK+y+1 no es de tipo q (o no existe), no puede vericarse
o
(k+K1 )
(k+K )
(k+K )
q(sf 1 ). Resumiendo, tenemos no p(sh 1 ) para i h < f 1, y no q(sh 1 )
para i h f 1. Este hecho ser usado varias veces ms adelante.
a
a
Ahora discutimos dos casos diferentes. Consideremos primero que algn valor del
u
(k+K1 ) (k+K1 )
(k+K1 ) (k+K1 )
(k+K1 )
segmento inicial (si
, si+1 , . . . , sf 2 , sf 1 ) de la secuencia S
es tal
que su imagen no pertenece a Cx . Llamemos g al menor
ndice de estos valores, es
decir, el primer
ndice g con i g f 1 y que la imagen (s(k+K1 ) ) no pertenezca
g
(k+K )
a Cx . Debe vericar (s(k+K1 ) ) Cx1 Cx+1 , porque tenemos no p(sh 1 ) para
g
(k+K1 ) (k+K1 )
(k+K )
(k+K )
i h < f 1, luego las imgenes de (si
a
, si+1 , . . . , sg2 1 , sg1 1 ) deben
estar en sectores conectados, y (s(k+K1 ) ) es la primera que no est en Cx . Y para
a
g
(k+K1 )
(k+K1 )
) (por el hecho mostrado
) ni q(sh
cada h con i h < g no se verica ni p(sh
(k+K1 )
(k+K1 )
) para i h < f 1, y porque g f 1).
) y no q(sh
anteriormente no p(sh
(k+K1 )
Como y x, tenemos un punto (sg
) que satisface la
armacin deseada con
o
4LM
4LM
K = K1 = K + y lg2
+ x (x + 1) lg2
+ x.
Consideremos ahora el caso alternativo, que todos los puntos imagen del segmento
(k+K1 ) (k+K1 )
(k+K ) (k+K )
inicial (si
, si+1 , . . . , sf 2 1 , sf 1 1 ) de la secuencia S (k+K1 ) pertenecen a Cx .
(k+K )
(k+K )
En particular (sf 1 1 ) Cx . Para pK1 = (sf 1 ) hay tres posibles opciones:
pK1 Cx , pK1 Cx1 Cx+1 , o pK1 (Cx1 Cx Cx+1 )c .
(k+K )
(k+K )
(k)
1
En la primera opcin, como pK1 = (sf 1 ) Cx y (si+K1 +1 ) = (si+1 )
o
(k)
(k+K )
(Cx1 Cx Cx+1 )c , y llamando M2 = (si+1 sf 1 ), se verica la hiptesis de
o
(k+K1 ) (k)
induccin en el intervalo [sf
o
, si+1 ], que solo puede tener x y inserciones de tipo
4LM2
q, y deducimos que en K2 (x y + 1) lg2
+ (x y) inserciones, tenemos
cierto punto (s(k+K1 +K2 ) ) Cx1 Cx+1 tal que para cada h con f h < g2 no se
g2
(k+K +K )
(k+K +K )
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
64
que K1 + K2 = K + y + K2 lg2
4LM
+ y + (x y + 1) lg2
4LM2
4LM
(k+K +K 1)
+ x. Tambin tenemos que no p(sh 1 2 ) y no
e
(k+K1 +K2 1)
q(sh
) para i h f 1 (porque en caso contrario no alcanzar
amos la
(k+K1 +K2 1)
(k+K1 +K2 )
(k+K1 +K2 )
insercin (sg2
o
) de
ndice g2 con f < g2 ), y sh
= sh
para
(k+K1 +K2 )
i h f 1. Reuniendo i h f 1 con f h < g2 , tenemos que ni p(sh
)
(k+K1 +K2 )
ni q(sh
) para cada h con i h < g2 .
En la segunda opcin pK1 Cx1 Cx+1 tambin obtenemos lo deseado tomando
o
e
4LM
(k+K )
+ x, porque (sf 1 ) pertenece
g = f y K = K1 = K + y (x + 1) lg2
(k+K )
(k+K )
a Cx1 Cx+1 , y por el hecho mostrado anteriormente no p(sh 1 ) y no q(sh 1 )
para i h < f .
(k+K )
Finalmente, en la tercera opcin, que es pK1 (Cx1 Cx Cx+1 )c , como (sf 1 1 )
o
(k+K )
(k+K )
(k+K )
Cx y (sf 1 ) (Cx1 Cx Cx+1 )c , llamando M2 = (sf 1 sf 1 1 ), el intervalo
(k+K ) (k)
[sf 1 1 , sf ] verica la hiptesis de induccin, y solo puede tener (xy) inserciones de
o
o
4LM2
tipo q, y por tanto deducimos que en menos de K2 (xy+1) lg2
+(xy)
inserciones, se obtiene cierto punto (s(k+K1 +K2 ) ) Cx1 Cx+1 tal que para cada
g2
(k+K +K )
(k+K +K )
h with f 1 h < g2 no se verica ni p(sh 1 2 ) ni q(sh 1 2 ). De modo
a
+
K
parecido lo anterior, concluimos tomando K = K1 + K2 = K y +2
4LM
4LM2
4LM
lg2
+ y + (x y + 1) lg2
+ (x y) (x + 1) lg2
+x
(k+K +K )
(k+K +K )
y tenemos que no p(sh 1 2 ) y no q(sh 1 2 ) para i h < g2 .
(x y) (x + 1) lg2
LM
LM
1 = mx 0,
a
1 .
(N 1)
LM
1
+1
0
lg2
4LM
LM
+N
1
.
0
4LM
sicin 9 en K inserciones, con K (x + 1) lg2
o
+ x, siendo x el nmeu
65
(k+K )
(k+K )
LM
LM
4LM
1 + 1 lg2
+
1 . Como se verica ni p ni q, el PIV
0
0
(k) (k+K )
]).
no producir ninguna insercin adicional en el segmento de curva ([si , sg
a
o
(k+K ) (k)
, si+1 ]) (porque los puntos exAdems no producir ningua p-insercin en ([sg
a
a
o
(k)
tremos estn conectados ya que N = 2). nmero de q-inserciones en ([s(k+K) , si+1 ])
a
El u
g
(k)
L(si+1 s(k+K) )
0
(k)
(k)
LM
1
K +
LM
1
+1
lg2
4LM
LM
+2
1
,
0
(N 2)
LM
1
+1
0
lg2
4LM
LM
+ (N 1)
1
o
4LM
4LM
LM
LM
1 + 1 lg2
1 , el
K (x + 1) lg2
+x
+
0
0
punto de insercin (s(k+K ) ) Cx1 Cx+1 es tal que para cada h con i h < g no se
o
g
(k)
(k+K )
(k+K )
). Luego el segmento ([si , s(k+K ) ]) no tendr ms
a a
) ni q(sh
verica ni p(sh
g
(k+K ) (k)
inserciones, y ([sg
, si+1 ]), que tiene una diferencia entre los parmetros de los
a
(k)
(k+K )
extremos de M = (si+1 sg
) < M , por hiptesis de induccin requerir coo
o
a
LM
4LM
LM
mo mucho de (N 2)
1 + 1 lg2
+ (N 1)
1
0
LM
4LM
LM
(N 2)
1 + 1 lg2
+ (N 1)
1 inserciones. Suman
0
0
do cotas de ambos segmentos, tenemos que el total es menor o igual que (N
las
LM
4LM
LM
1)
1 + 1 lg2
+N
1 .
0
0
Finalmente tenemos:
Teorema 4. Si : [a, b] C es -singular con = 0, con una parametrizacin Lipso
chitziana de constante L, entonces el PIV aplicado a la curva concluye en menos de
4L(b a)
4L|S (0) |
4L|S (0) |
L(b a)
L|S (0) |
1 + 1 lg2
+
+1
1 in
0
0
serciones.
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
66
(0)
(0)
(0)
(0)
(0)
(0)
(0)
(0)
4L(si+1 si )
4L(si+1 si ) L(si+1 si )
1 + 1 lg2
segmento es
(0)
(0)
4L(si+1 si )
+1
lg2
(0)
4L(si+1
(0)
si )
(0)
L(si+1
(0)
(0)
lg2
si )
1 . Sumando estos valores, y usando que
4L|S |
,
(0)
L(si+1
(0)
si )
1
L|S (0) |
1
y
0
n1
(0)
(0)
(0)
(0)
L(si+1 si )
L(si+1 si )
= L(b a) , se tiene que el total de
i=0
i=0
(0)
4L(b a)
L|S |
4L|S (0) |
inserciones es menor o igual que
1 +1
lg2
(0)
L(b a)
4L|S |
+1
1 .
+
0
n1
1
1
1
1
1
1
clculo del
a
ndice es de orden O 2 lg2
+ lg2
= O 2 lg2
.
2.6.
4L(b a)
L|S (0) |
1
+1
0
4L|S (0) |
4L|S (0) |
L(b a)
lg2
+
+1
1 inserciones. Sin embargo, si no
0
es previamente conocido, esta frmula no puede aplicarse para presupuestar el nmero
o
u
de inserciones que se necesitarn. Puede ser arbitrariamente alto si la distancia de
a
la curva al origen es cercana a cero. El PIV, aplicado a una curva con valor de
singularidad desconocido, se enfrenta a un coste impredecible. Para controlar esto,
modicamos el PIV, de tal modo que podemos acotar el coste del clculo del
a
ndice,
retornando con excepcin cuando se excede esta cota. La herramienta usada es el teoo
rema 5 ms abajo. Est basado en el hecho de que dos puntos de insercin con valores
a
a
o
de parmetro cercanos implican un valor de singularidad bajo. Primero probamos este
a
hecho para p-inserciones, en el lema 6, y luego para q-inserciones, en el lema 7.
67
Lema 6. Si si , si+1 , si+2 son tres valores del parmetro de la curva , Lipschitziana
a
si + si+2
con (si ) y (si+2 ) en
con constante L, -singular, y si+1 verica que si+1 =
2
sectores no conectados, y adems si+1 si para cierto positivo, entonces o bien
a
L
L
. Consecuentemente
.
|(si )| o bien |(si+2 )| es menor o igual que
sen 8
sen
8
si + si+2
entonces si+2 si+1 = si+1 si y por hiptesis
o
Demostracin. Como si+1 =
o
2
si+2 si = si+2 si+1 + si+1 si = 2(si+1 si ) 2. Adems por la propiedad
a
de Lipschitz, |(si+2 ) (si )| L(si+2 si ) L2. Luego se tiene que los puntos
(si ) y (si+2 ) estn en sectores no conectados, pero a una distancia menor que L2.
a
Consideremos el tringulo formado por estos puntos y el origen O. Tiene un angulo
a
Figura 2.16: El punto D est a la misma distancia del origen que (si+2 ).
a
Se verica que long((si+2 )D) L2, porque el tringulo issceles de vrtices O,
a
o
e
(si+2 ), D tiene el lado m
nimo entre aquellos tringulos que tienen un angulo de
a
y el menor lado adyacente a este tiene longitud |(si+2 )|. Adems, considerando el
a
long((s
)D)
i+2
2
=
.
tringulo que surge de la biseccin del angulo , tenemos que sen
a
o
2
|(si+2 )|
Finalmente notemos que como , entonces y por tanto y
4
8
2
2
8
2
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
68
sen
=
sen
8
2
Y entonces |(si+2 )|
que |(si+2 )|
long((si+2 )D)
2
|(si+2 )|
L
|(si+2 )|
L
. Como es el m
nimo |(s)| con s [a, b], tenemos
sen
8
L
.
sen
8
Lema 7. Si si , si+1 , si+2 son tres valores del parmetro de la curva , Lipschitziana
a
si + si+2
con constante L, -singular, y si+1 verica que si+1 =
con (si+2 si )
2
|(si )| + |(si+2 )|
, y adems si+1 si para cierto positivo, entonces o bien
a
L
|(si )| o bien |(si+2 )| es menor o igual que L. Consecuentemente L.
si + si+2
Demostracin. Como si+1 =
o
entonces si+2 si+1 = si+1 si y por hiptesis,
o
2
como en el lema 6, si+2 si = si+2 si+1 + si+1 si = 2(si+1 si ) 2. Encadenando
|(si )| + |(si+2 )|
|(si )| + |(si+2 )|
esto con (si+2 si )
, se tiene 2
, esto es
L
L
2L |(si )| + |(si+2 )| 2 m
n(|(si )|, |(si+2 )|). Luego m
n(|(si )|, |(si+2 )|)
L, lo que implica la conclusin.
o
Notemos que estos lemas son vlidos para tres valores cualquiera del parmetro,
a
a
(k)
independientemente de que formen parte de una secuencia. Pero en particular, si si+1 es
(k) (k)
(k)
el valor insertado en una iteracin del PIV en la secuencia S (k) = (s0 , s1 , . . . , sn+k ),
o
(k1)
(k1)
(k)
(k)
s
+ si+1
s + si+2
(k)
entonces si+1 = i
= i
. Luego tenemos que:
2
2
(k)
(k)
(k)
o
L
.
para cierto positivo, entonces
sen
8
Demostracin. Notemos que, en la k-sima iteracin del bucle mientras, las condio
e
o
(k1)
ciones p y q se evalan en la secuencia S
u
que resulta de la iteracin previa. Luego
o
(k1)
(k1)
(k)
se verica p(si
) o q(si
), y el punto insertado tiene de parmetro a si+1 =
a
(k1)
(k1)
(k)
(k)
si + si+2
si
+ si+1
(k1)
(k1)
(k)
=
. Por un lado, si p(si
), entonces (si
) = (si )
2
2
(k1)
(k)
(k)
(k)
(k)
y (si+1 ) = (si+2 ) no estn conectados, y los valores si , si+1 y si+2 estn en
a
a
69
L
. Por otro lado, si q(s(k1) ), entonces
i
sen
8
(k)
(k)
(k1)
(k1)
|(si )| + |(si+2 )|
|(si
)| + |(si+1 )|
(k)
(k)
(k1)
(k1)
, i.e. (si+2 si )
,
(si+1 si
)
L
L
L
. En
y podemos aplicar el lema 7 para concluir que L, que es menor que
sen
8
(k1)
(k1)
(k)
(k)
cualquier caso, si p(si
) o q(si
), y si+1 si , entonces se tiene que
L
.
sen
8
la hiptesis del lema 6. Por tanto
o
L
si s(k) s(k)
i+1
i
sen
8
(k)
en la insercin de si+1 ), modicaremos el PIV de tal manera que podremos acotar
o
el nmero de iteraciones que realiza. El Procedimiento de Insercin con Control de
u
o
la Singularidad (PICS) (mostrado en la gura 2.17) tiene como entradas una curva
(0) (0)
anal
ticamente denida , una sucesin S (0) = (s0 , s1 , . . . , s(0) ) y un parmetro real
o
a
n
(k) (k)
(k)
(k)
a
Q. Recordemos que S = (s0 , s1 , . . . , sn+k ) es el valor de la secuencia de parmetros
(k)
(k)
despus de la insercin k-sima. Las aserciones p(si ) y q(si ) signican lo mismo que
e
o
e
(k)
(k)
(k)
en la seccin anterior, y r(si , Q) es los valores si y si+1 en la secuencia S (k) verican
o
(k)
(k)
si+1 si Q.
Informalmente, podemos decir que el PICS consiste en un bucle mientras que se
repite hasta que se obtiene una secuencia conexa (i.e., que verica la condicin no
o
p) y sin giros perdidos (no q), comprobando (con r) que este bucle no se ejecuta
indenidamente.
(k)
(k)
(k)
Notemos que la asercin r(si , ) es equivalente a si+1 si , la hiptesis del
o
o
corolario anterior, y en caso de retorno con excepcin podemos aplicarlo para deducir
o
una cota superior del valor de singularidad.
El uso de la secuencia de salida para calcular Ind(), y el coste del PICS, se
describen en el siguiente:
Con esta cota del valor de singularidad (que es
ba
a) Retorna en menos de
1
Q
iteraciones.
0
LQ
.
sen
8
70
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
Procedimiento de insercin con control de singularidad:
o
Para hallar el
ndice de una curva : [a, b] C
Parametros de entrada: La curva de constante de Lipschitz L, una secuencia S (0) = (s0 , s1 , . . . , sn ), muestreo del [a, b], y un
parmetro real Q > 0.
a
Salida: Una secuencia que es vlida para calcular Ind(), si se
a
sale normalmente, o un valor t en [a, b] tal que |(t)| < LQ, si se sale
con excepcin.
o
Mtodo:
e
Asignar a k el valor 0.
(k)
(k)
(k)
Mientras haya un si en S (k) con p(si ) o con q(si ) hacer:
(k)
(k)
si + si+1
(k)
(k)
(k+1)
entre si y si+1 ;
{ Insertar si
=
2
(k)
(k)
(k)
Si r(si , Q), retornar t = si o t = si+1 segn sea
u
(k)
(k)
m
n(|(si )|, |(si+1 )|); [Salida con excepcin]
o
Incrementar k;
}
Retornar la secuencia resultante; [Salida normal]
ba
ba
k es
1 . Luego como mucho
1 iteraciones se realizan hasta que
Q
Q
0
0
(k)
se alcanza la condicin de excepcin r(si , Q), si no hay antes una salida normal.
o
o
Para b), el caso de salida normal, la traza de ejecucin del PICS coincide con la
o
del PIV, y por tanto la secuencia retornada es vlida para calcular el Ind() por el
a
teorema 4.
Respecto al valor del parmetro t retornado si hay excepcin, notemos que en
a
o
(k1)
(k1)
(k)
tal caso se verica que p(si
) o q(si
), y r(si , Q), que son las condiciones
71
requeridas para entrar en el bucle y salir con excepcin. En el caso de que se verique
o
(k)
(k)
s + si+2
(k1)
(k)
(k)
p(si
) y r(si , Q), la ultima iteracin ha sido de tipo p (esto es, si+1 = i
o
2
(k)
(k)
(k)
(k)
con (si ) y (si+2 ) en sectores no conectados) y si+1 si Q. Por el lema 6,
LQ
(k)
(k)
. En el caso
tenemos que o bien |(si )| o bien |(si+2 )| es menor o igual que
sen
8
(k1)
(k)
de que se verique q(si
) y r(si , Q), la ultima iteracin ha sido de tipo q (esto es,
o
(k)
(k)
(k)
(k)
s + si+2
|(si )| + |(si+2 )|
(k)
(k)
(k)
(k)
(k)
si+1 = i
con (si+2 si )
) y si+1 si Q. Luego por
2
L
(k)
(k)
el lema 7 o bien |(si )| o bien |(si+2 )| es menor que LQ. Como t es precisamente
(k)
(k)
(k)
(k)
t = si or t = si+1 dependiendo de m
n(|(si )|, |(si+1 )|), en cualquiera de los dos
LQ
.
casos el valor de retorno t verica |(t)|
sen
8
ba
cruces coincide con el
ndice de la curva, siempre en menos de
1 iteraciones.
Q
0
Para encuadrar este resultado en el marco de la literatura existente, hay que considerar que hemos desarrollado un algoritmo para el clculo del
a
ndice, usando la
discretizacin de la curva para obtener una secuencia a la que se puede aplicar con
o
abilidad el mtodo de Henrici de contar el nmero de pasos por el eje de las abscisas
e
u
positivo. Tambin damos una cota de su coste computacional en casos no singulares,
e
1
1
en el teorema 4. Esta cota es del orden de O 2 log
evaluaciones de la curva,
siendo su distancia m
nima al origen. Tambin damos otro algoritmo para calcular
e
el
ndice que se puede aplicar a curvas cuya distancia m
nima es desconocida, pero
asegurando que, antes de invertir una cantidad predenida de clculo, retornar con
a
a
el
ndice calculado o con un certicado de que la curva es casi singular.
Como conexin con
o
otros trabajos, y sugerencias de desarrollo futuro, podemos
1
1
decir que el coste de O 2 log
es coherente con los procedimientos analizados
72
CAP
ITULO 2. CALCULO DEL
INDICE DE UNA CURVA
1
los restantes de su clase. El rec
proco del valor de singularidad, , puede verse como
Cap
tulo 3
Mtodo geomtrico para calcular el
e
e
n mero de ra
u
ces
Siguiendo con el programa expuesto en la introduccin para desarrollar un mtodo
o
e
geomtrico, disponiendo del mtodo PICS para el clculo del
e
e
a
ndice de curvas planas
del cap
tulo anterior, en este se particulariza, en la seccin 3.1, para curvas imagen
o
por un polinomio, y se incorpora a un procedimiento recursivo de descomposicin
o
en subregiones, en la seccin 3.2. Como se ha comentado, la principal aportacin
o
o
de nuestro mtodo es que permite evitar las curvas singulares, lo es crucial para la
e
descomposicin pues asegura la nitud del proceso. Tambin se hace un anlisis de
o
e
a
coste en la seccin 3.3.
o
Calculamos el
ndice de una curva utilizando un muestreo discreto obtenido por
un procedimiento iterativo. Hemos demostrado la convergencia de este procedimiento
para curvas no singulares en el cap
tulo anterior, y tambin lo hemos modicado de
e
tal forma que se mantengan acotados los requerimientos de cmputo cuando se aplica
o
a curvas singulares o cercanas a singulares [Garc Zapata and D Mart 2012]. Es
a
az
n,
una modicacin del bucle de recorrido-insercin del procedimiento bsico de Yingo
o
a
Katz (gura 2.6) con una condicin adicional de entrada en el bucle, que asegura el
o
clculo correcto del
a
ndice de la curva mediante el nmero total de cruces C7 C0 de
u
la secuencia resultante. El Procedimiento de Insercin Vlido para cualquier secuencia
o
a
inicial (PIV) es el de la gura 2.13. Informalmente, se puede decir que el PIV involucra
un bucle while que es repetido hasta que se obtiene una secuencia conectada (es decir,
que verica la condicin no p) y sin giros perdidos (no q). La validez de la secuencia
o
de salida para calcular Ind() se ha demostrado, analizando tambin el coste del PIV
e
usando la nocin de -singularidad, en el teorema 4.
o
1
1
Sin tener en cuenta las constantes, esta cota del coste es de orden O 2 log
.
73
74
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
Sin embargo, este resultado es de escaso inters para la aplicacin prctica del PI,
e
o
a
debido a que el valor no se conoce previamente. El teorema anterior nos dice que
1
el nmero de iteraciones es menor que una cota que crece proporcionalmente a
u
ba
cualquier caso, el procedimiento retorna en menos de
iteraciones.
Q
3.1.
75
descrito en la gura 3.1 y teorema 6) que, cuando retorna con excepcin, nos da una
o
cota de cierta funcin (el nmero de condicin f ()) que depende de las ra
o
u
o
ces y la
curva. En la siguiente seccin se ver como usar esta cota en el mtodo iterativo de
o
a
e
particin de la seal de bsqueda.
o
n
u
Para calcular el
ndice de las curvas usando PIV, el teorema 4 requiere que
sea Lipschitziana. Para cumplir este requisito tcnico en curvas de la forma = f ()
e
para un polinomio f , imponemos que est uniformemente parametrizada. Esto no
e
supone una restriccin en la prctica, ya que la curva que encierra la regin que
o
a
o
nos interesa normalmente se construye conectando segmentos rectos (o arcos de circunferencia) uniformemente parametrizados. Para mostrar que si es uniformemente
parametrizada entonces f () es Lipschitziana, usamos que es acotada (porque es la
imagen de un conjunto compacto : [a, b] C). Consecuentemente, como una funcin
o
diferenciable en un conjunto acotado es Lipschitziana [Kolmogorov and Fomn, 1975],
el polinomio f es Lipschitziano (en ) con constante L = sup |f ((x))|. Por tanto,
x
o
ndice de = f () (es
decir, el nmero de ra dentro de ).
u
ces
El factor clave en el coste del clculo del
a
ndice, por el teorema 4, es la distancia al
origen desde . Esta distancia y las ra
ces de f estn relacionadas como se describe
a
en la siguiente proposicin.
o
n
Sea f (z) = an z + + a1 z + a0 un polinomio de grado n y su descomposicin
o
en ra
ces f (z) = an (z z1 )(z z2 ) . . . (z zn ). Recordemos que la distancia d(A, B)
entre dos conjuntos A and B es el m
nimo de las distancias entre cada par de puntos
de los respectivos conjuntos. En particular, si Z es el conjunto de las ra
ces de f ,
Z = {z1 , z2 , . . . , zn }, su distancia d(Z, ) a es la distancia desde la ra ms cercana,
z a
y d(O, ) es la distancia desde el origen O a .
Proposicin. Si : [a, b] C es una curva uniformemente parametrizada, f un
o
polinomio de grado n, con constante de Lipschitz L, y = f (), entonces se tiene:
|an | d(Z, )n d(O, ) L d(Z, )
Demostracin. Para la primera desigualdad, usando la descomposicin en ra de f ,
o
o
ces
tenemos que:
f ((t)) = an ((t) z1 )((t) z2 ) . . . ((t) zn )
Tomando mdulo, para cada t [a, b]:
o
|(t)| = |f ((t))| = |an ||(t) z1 ||(t) z2 | . . . |(t) zn |
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
76
nf(g)
nf(h). Si tomamos el
nmo sobre t [a, b] en la anterior igualdad, tenemos
|(t)| = |an |
nf
nf(|(t) z1 ||(t) z2 | . . . |(t) zn |)
t[a,b]
|an |
m |(t) zi |
n nf
i=1...n t[a,b]
t[a,b]
t[a,b]
t[a,b]
1
1
, su coste ser O 2 log
a
por la cota del teorema 4, donde = d(O, ). En
1
1
deducida de
trminos que dependen de , por la desigualdad
e
n
|an | d(Z, )
d(O, )
la anterior proposicin, el clculo tiene un coste de orden menor o igual a
o
a
1
1
O
log
n )2
(|an | d(Z, )
|an | d(Z, )n
1
1
log
. Debe notarse que esta dependencia de la dises decir O
d(Z, )2n
d(Z, )
tancia a la ra ms cercana es consistente con otros algoritmos que calculan el nmero
z a
u
de ra en una regin [Renegar, 1987, Pan, 1997].
ces
o
Como la distancia d(Z, ) a las ra es desconocida, nos enfrentamos a un coste
ces
indeterminado usando PIV, como se discuti en el cap
o
tulo anterior. Esta fue la motivacin para introducir PICS (gura 2.17), que nos da una cota asegurada de coste.
o
Adems, una segunda ventaja de PICS es que si se alcanza la cota del coste, retorna
a
LQ
,
con excepcin devolviendo un punto de la curva cerca del origen, |(t)|
o
sen
8
LQ
. En el
como establece el teorema 5. Esto nos da una cota a d(O, ), que es
sen
8
caso particular de curvas de la forma = f () podemos deducir una cota superior
77
LQ
, y por
sen
8
LQ
, en caso de una salida con excepcin de PICS.
o
|an | sen(/8)
Esta cota dada para PICS es muy laxa, ya que decrece mucho ms lentamente que
a
el parmetro Q: su valor puede ser cercano a 1 para valores moderados de n incluso
a
con un Q muy pequeo. En caso de retornar con excepcin necesitamos un cota de
n
o
d(Z, ) ms na, para as poder localizar una ra verdaderamente cerca del punto que
a
z
produce la excepcin. Tomar la n-sima ra es un severo inconveniente en una frmula
o
e
z
o
de acotacin. El procedimiento PICS, al menos como esta descrito en el teorema 5, no
o
proporciona una buena cota.
Debemos pues denir otro procedimiento para el cual exista una cota que dependa
linealmente de Q. En el Procedimiento con Control de proximidad de las Ra (PCR,
ces
gura 3.1) utilizamos los predicados p, q2 y r signicando p(si ) que los valores si y
si+1 en la secuencia S tienen sus imgenes f ((si )) y f ((si+1 )) no conectadas, q2 (si )
a
es los valores si y si+1 en la secuencia S verican:
tanto d(Z, )
|f ((si ))| + |f ((si+1 ))| 2 |f ((si ))| (si+1 si ) + |f ((si+1 )) f ((si ))| ,
y r(si , Q) signica los valores si y si+1 en la secuencia S verican (si+1 si ) Q.
Como antes, si+1 en el caso extremo de i = n debe entenderse como s0 . Las aserciones
p y r son iguales que en PICS, pero q2 es distinto de q. La asercin q2 es necesaria en
o
la proposicin 1 para demostrar que no hay giros perdidos y en la proposicin 3 para
o
o
demostrar que se verica cierta cota en caso de retorno con excepcin.
o
El retorno de PCR verica una armacin que involucra f (), el nmero de cono
u
dicin de la curva con respecto a f , denido como la suma de los inversos de las
o
distancias a de cada ra de f :
z
n
f () =
1
.
i=1 d(zi , )
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
78
0.5
f()
f((si))
0.5
f((si+1))
1.5
1
0.5
0.5
1.5
2.5
Figura 3.2: La longitud de arco de la curva f (([si , si+1 ])) es mayor que
|f ((si ))| + |f ((si+1 ))|.
Proposicin 1. En una curva f (), si hay un giro perdido entre si y si+1 , entonces
o
se verica q2 (si ) en la secuencia S = (. . . , si , si+1 , . . . ).
Demostracin. Geomtricamente, si la curva f (([si , si+1 ])) traza un giro perdido, su
o
e
79
longitud es mayor que la suma de los mdulos |f ((si ))| y |f ((si+1 ))| (ver gura 3.2).
o
si+1
|f ((x))| dx
si
f (k) ((si ))
(x si )k1
(k 1)!
k=3
por tanto
si+1
|f ((x))| dx =
si
f ((si )) +
si
si+1
si
si+1
|f ((si ))| dx +
si+1
k=2 si
n
f (k) ((si ))
(x si )k1 dx
k=2 (k 1)!
f (k) ((si ))
(x si )k1 dx =
(k 1)!
f (k) ((si ))
(k 1)!
si+1
si
(x si )k1 dx =
f (k) ((si ))
(x si )k
k!
k=2
f (k) ((si ))
k=2
k!
Por tanto
si+1
|f ((x))|dx
si
si+1
|f ((x))| dx
si
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
80
Ahora clasicamos las iteraciones realizadas por el bucle mientras. Una iteracin
o
es de tipo p si se realiza porque se verica el predicado p(si ), y es de tipo q si se realiza
porque se verica la propiedad no p(si ), y q2 (si ). As toda iteracin es de tipo p o de
o
tipo q, pero no de ambos a la vez. Del mismo modo se pueden clasicar las salidas con
excepcin como de tipo p, o q, segn el tipo de iteracin en la que ocurre el retorno.
o
u
o
Mostraremos en el teorema 6 que PCR retorna con una secuencia vlida para cala
cular el nmero de ra dentro de , o con una cota inferior del nmero de condicin
u
ces
u
o
(equivalentemente, una cota superior de la distancia a una ra el anlogo del teorema
z,
a
5 para PICS). Previamente damos cotas inferiores de este nmero de condicin en caso
u
o
de excepciones de tipo p y q en las proposiciones 2 y 3, respectivamente, despus de
e
varios lemas auxiliares. Consideraremos los angulos medidos en el intervalo [0, 2).
Lema 8. Si es el ngulo orientado entre tres nmeros complejos (x, z, y) con vrtice
a
u
e
en z (es decir, = arg(y z) arg(x z)) entonces
m
n(d(z, x), d(z, y))
d(x, y)
2| sen(/2)|
y
y
d(x,y)
d(x,y)
x
z
Figura 3.3: El angulo orientado en z puede ser tanto menor como mayor que .
el angulo orientado entre (y, z, x), es decir 2 , es menor o igual que . Notemos
81
adyacente a este tiene longitud d(z, y). Adems, considerando el tringulo rectngulo
a
a
a
que surge de la biseccin de , tenemos que sen(/2) =
o
d(z, y) =
d(D,y)
2
d(z, y)
, es decir
d(D, y)
d(x, y)
2 sen(/2)
2 sen(/2)
Demostracin. El valor insertado si es el punto medio de si1 y si+1 , por tanto si+1
o
si1 = si+1 si +si si1 < +. Por la parametrizacin uniforme de , |si+1 si1 | =
o
|(si+1 ) (si1 )| y entonces |(si+1 ) (si1 )| < 2.
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
82
7
<
j <
.
4 j=1
4
|(si1 ) (si+1 )|
2| sen(j /2)|
. Tomando inversos:
| sen(j /2)|
1
1
j
> sen
mj
n
1
1
1 n
j
f () =
>
sen
j=1
2
j=1 d(zj , )
j=1 mj
n
83
<
4
j <
j=1
7
,
4
n
n
7
j
j
tenemos <
<
, y entonces
est en el intervalo [0, ] donde la funcin
a
o
8 j=1 2
8
j=1 2
seno es subaditiva [Schechter, 1996] (esto signica que sen() + sen() sen( + )).
por tanto:
1 n
j
1
sen
j=1
2
j
1
sen
sen
2
j=1
j
j=1 2
Como
7
j
est entre y
a
, el m
nimo del seno se alcanza en un punto extremo:
8
8
j=1 2
1
f () > sen
j
j=1 2
1
m
n
sen
8
7
, sen
8
1
sen(/8), como quer
amos demostrar.
1
i=1 (x zi )
n
1
1
i=1 (x zi )
i=1 |x zi |
1
1
Adems, como |x zi | d(zi , ) para cada zi , entonces
a
y
|x zi |
d(zi , )
n
n
1
1
f (x)
=
f (x)
|x y| |x| + |y| 2 m
n(|x|, |y|) 1 sen
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
84
x+y
y
|xy|
2|y|sin(/2)
x
D
|x||y|
unidades.
2
Los otros lados del tringulo D, x, y miden |x y| y |x| |y|, luego por la desigualdad
a
triangular:
2 2
.
entonces f ()
4
Demostracin. Siendo una q-iteracin, q2 (si1 ) y no p(si1 ) es cierto en la secuencia
o
o
S = (. . . , si1 , si+1 , . . . ) antes de la insercin de si , luego
o
|f ((si1 ))| + |f ((si+1 ))| 2 |f ((si1 ))| (si+1 si1 ) + |f ((si+1 )) f ((si1 ))|
Por el lema 10, siendo la diferencia de argumentos de f ((si1 )) y f ((si+1 )):
|f ((si+1 )) f ((si1 ))|
|f ((si1 ))| + |f ((si+1 ))|
2 m
n(|f ((si1 ))|, |f ((si+1 ))|) 1 sen
85
es decir
2 m
n(|f ((si1 ))|, |f ((si+1 ))|) 1 sen
1 sen
|f ((si1 ))|
2
m
n(|f ((si1 ))|, |f ((si+1 ))|)
si+1 si1
Por otra parte, por el lema 9
f ()
f ((si1 ))
f ((si1 ))
f ((si1 ))
m
n(|f ((si1 ))|, |f ((si+1 ))|)
1 sen(/2)
. Adems, por no p(si1 ), f ((si1 )) y f ((si+1 )) estn
a
a
si+1 si1
en sectores adyacentes, lo que implica que su diferencia de argumentos es menor que
2 2
Luego f ()
.
4
luego f ()
ba
a) Retorna en menos de
+ 1 iteraciones.
Q
b) Si retorna normalmente la secuencia retornada nos da el nmero de races de f
u
dentro de .
2 2
c) Si retorna con excepcin, entonces f ()
o
.
4Q
Demostracin. Para a), notemos que el predicado r causa una salida si hay una ino
sercin en S de un valor del parmetro que est a menos de Q de otro valor en S. El
o
a
a
nmero mximode valoresen un intervalo [a, b] a una distancia mayor o igual que Q
u
a
ba
es precisamente
+ 1 . Luego este es el mximo nmero de iteraciones posibles.
a
u
Q
Para b), en una salida normal tenemos una secuencia S que verica no p(si ) y no
q2 (si ) para cada si . Consideremos el pol
gono formado por sus puntos imagen, que
son conexos (no p). No tiene giros perdidos (por la proposicin 1, no q2 implica que
o
no hay giro perdido). Luego el nmero de cruces del pol
u
gono por el semieje positivo
de abcisas nos da el
ndice de f (), que es el nmero de ra dentro de .
u
ces
86
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
Para c), en una salida con excepcin el predicado |si+1 si | < Q es cierto. Si la
o
sen(/8)
, y si es de tipo q, por
salida es de tipo p, por la proposicin 2 f ()
o
Q
2 2
la proposicin 3 f ()
o
. En cualquier caso, como (2 2)/4 < sen(/8),
4Q
obtenemos la cota del teorema.
4nQ
.
d(zi , )
2 2
n
2 2
1
2 2
1
para algn i.
u
un sumando es mayor que la n-sima parte, que es
e
d(zi , )
4nQ
Tomando inversos tenemos el resultado deseado.
ba
vlida para calcular el nmero de ra
a
u
ces, siempre en menos de
1 iteraciones.
Q
Estas caracter
sticas son necesarias para utilizar PCR como componente en un
mtodo geomtrico para hallar ra
e
e
ces. As se evitan los inconvenientes, descritos en la
ba
Hemos mostrado que PCR retorna en menos de
+ 1 iteraciones, ya sea norQ
malmente o con excepcin. Seguramente sea posible demostrar que, si el parmetro Q
o
a
es lo sucientemente pequeo, PCR retorna normalmente en menos de O(f ()2 log(f ()))
n
87
3.2.
precisin de A > 0 es una regin de dimetro rectangular menor que A que contiene
o
o
a
a la ra
z.
El Procedimiento Recursivo de Divisin (PRec, gura 3.6) divide la regin inicial en
o
o
subregiones progresivamente ms pequeas, hasta que el dimetro cae por debajo de la
a
n
a
precisin A. Estas regiones se insertan en la secuencia , que al nal de PRec contiene
o
aproximaciones a las ra dentro de P . Cada regin Pi incluida en est etiquetada
ces
o
a
con el nmero de ra
u
ces que contiene, ni . En caso de que ni > 1 se tiene una ra
z
mltiple o un cluster (un conjunto de ra
u
ces situadas a distancia menor que A entre
s
).
Respecto a las dos rutinas, Ind(P ) y Bisec(P ) de PRec en la gura 3.6, la primera
es el clculo del
a
ndice de la imagen por f del borde de P . Internamente, este clculo es
a
realizado aplicando PCR a esta imagen, y con cierto valor de Q, como se ha mencionado
previamente. Denotamos esto con PCR(P, Q). El clculo del
a
ndice en Ind debe hacerse
sin excepcin, y por el teorema 6c, cuando el valor de Q es tal que no hay ra a menos
o
ces
o
de (4 + 2 2)nQ del borde de P , PCR no lanza una excepcin. Aunque el retorno con
excepcin de PCR nos da una aproximacin a una ra hemos preferido evitar tal
o
o
z,
modo de hallar ra
ces, para no introducir casos especiales en PRec y mantenerlo tan
regular como sea posible. Ms adelante se precisa qu valor de Q hay que usar.
a
e
88
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
89
, siendo nc el nmero de ra
u
ces
y mostramos que un valor Q menor que
(8 + 4 2)nc n
en la regin original, produce subregiones que no lanzan excepcin. Este valor de Q
o
o
hace que se satisfaga tambin el tercer requisito. En la seccin 3.3 mostramos que
e
o
PRec acaba en un nmero nito de llamadas recursivas, y que al nal se verica la
u
armacin sobre la salida en la gura 3.6. Tambin calculamos su coste computacional.
o
e
Antes de esto, un comentario sobre el tipo de regiones que se van a considerar.
Por simplicidad, la regin inicial, y tambin las que surgen en las subdivisiones, deben
o
e
ser arcoconexas. Este tipo de regiones tienen como borde una curva cerrada simple
(curva de Jordan [Kolmogorov and Fomn, 1975]). Una regin no arcoconexa (por
o
ejemplo, el interior de dos discos disjuntos) tiene un borde compuesto de varias curvas cerradas. Se pueden tratar de modo parecido a una regin arcoconexa, porque el
o
nmero de ra
u
ces dentro de una regin no arcoconexa es la suma de los
o
ndices de
sus componetes arcoconexas. Sin embargo, el supuesto de arcoconexin simplica los
o
razonamientos.
Las subregiones se crean mediante cortes a lo largo de l
neas rectas. Para impedir
que tales cortes produzcan una subregin no arcoconexa, se exige que la regin inicial
o
o
P sea convexa (es decir, que si un segmento de recta tiene sus extremos en P , todo
el segmento est contenido en P ). As por simplicidad, las subregiones van a ser
a
,
convexas (por tanto arcoconexas). Desde el punto de vista prctico, para hallar las
a
ra en una regin no convexa, se tiene que aplicar PRec a su envolvente convexa, o
ces
o
a su descomposicin en partes convexas.
o
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
90
3.2.1.
horizontal ms alta que tiene algn punto en comn con P . Del mismo modo, la lnea
a
u
u
derecha lR es la l
nea recta vertical ms a la derecha que tiene algn punto en comn
a
u
u
con P . El dimetro horizontal dmH (P ) es la distancia entre estas l
a
neas d(lL , lR ). Es
decir dmH (P ) = m d(x, y). La gura 3.7 ilustra estas deniciones, y tambin el
n
e
xlL , ylR
dmH(P)
lT
dmV(P)
dm(P)
lB
lL
lR
Figura 3.7: L
neas de soporte y dimetros para una regin plana P .
a
o
Para regiones denidas por segmentos de recta los dimetros horizontal y vertical
a
son ms fciles de calcular que el dimetro clsico. Estn relacionados por las siguientes
a a
a
a
a
91
cotas.
Lema 11. Si dos regiones planas P1 , P2 verican P1 P2 , entonces dm(P1 ) dm(P2 ),
dmH (P1 ) dmH (P2 ), y dmV (P1 ) dmV (P2 ).
Demostracin. Para el dimetro clsico es evidente porque el mximo en la denicin
o
a
a
a
o
de dm(P2 ) se toma en un conjunto mayor que en la de dm(P1 ). Para el dimetro
a
horizontal, notemos que las dos l
neas de soporte verticales de P1 estn entre las dos
a
l
neas de soporte verticales de P2 , quizs coincidiendo con alguna de ellas. Por lo tanto
a
su distancia es menor. Lo mismo sucede con el dimetro vertical.
a
dmH (P )2 + dmV (P )2 .
x, yP
Para dividir una gura en partes menores, denimos los operadores T , B, L and
R que actan en una regin plana P . Si mH (P ) es la l
u
o
nea recta equidistante de las
l
neas de soporte horizontales, T (P ) es la interseccin de P con el semiplano superior
o
denido por mH (P ), y B(P ) es la interseccin de P con el semiplano inferior. Del
o
mismo modo, si mV (P ) es la l
nea recta equidistante de las l
neas verticales de apoyo,
L(P ) es la interseccin de P con el semiplano izquierdo del plano denido por mV (P ),
o
y R(P ) es la interseccin de P con el semiplano derecho. Los operadores T y B se
o
dice que son de tipo horizontal, mientras que L y R son de tipo vertical. La gura 3.8
muestra varias composiciones de estos operadores aplicados a una regin no convexa.
o
92
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
m (T(P))
V
LT(P)
RT(P)
mH(P)
RB(P)
LB(P)
m (B(P))
V
93
RTLT(P) LTRT(P)
RTRT(P)
LTLT(P)
LBLT(P)
RBLT(P)
RBRT(P)
LBRT(P)
RTLB(P) LTRB(P)
LTLB(P)
RTRB(P)
RBRB(P)
LBLB(P)
LBRB(P)
RBLB(P)
Figura 3.9: Las regiones que surgen de aplicar todos los operadores en O2 a
una regin.
o
Lema 13. Para m 1, si Om es un operador de tipo Om
dmRect (P )
2m
Demostracin. Por induccin en m. Denotamos como antes con H un operador que
o
o
puede ser T o B y con V otro que puede ser L o R. Para m = 1, tenemos que O = V H.
Encadenando algunas desigualdades del lema 12 varias veces:
dmRect (Om (P ))
dmRect (V H(P )) =
dmH (P )2 + dmV (P )2
dmH (H(P ))2
dmRect (P )
22
22
2
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
94
dmH (P )
2m1
dmV (P )2
+
2m1
2
dmH (P )2 + dmV (P )2
dmRect (P )
=
m
2
2m
dmRect (Om (P ))
. Con respecto al dimetro clsia
a
2
dm(P )
co, en general no es cierto que dm(Om (P ))
. Por ejemplo si P es el c
rculo de
2m
dm(P )
.
radio 1, dm(P ) = 2 pero RT (P ) es un sector circular con dm(RT (P )) = 2 >
2
Sin embargo, tenemos lo siguiente:
En particular, dmRect (Om+1 (P ))
dmRect (P )
2m
Por el corolario anterior, tenemos que la divisin de la regin por cortes horizontales
o
o
y verticales reduce en efecto el dimetro de las subregiones obtenidas.
a
En el contexto del procedimiento recursivo PRec de la gura 3.6, denimos la
descomposicin en subregiones Bisec(P ) cortando P con un corte recto, que puede ser
o
horizontal o vertical. Los cortes se hacen alternativamente: cuando aplicamos PRec
a una regin producida por un corte horizontal, se divide con un corte vertical, y
o
viceversa. Por ejemplo en la primera llamada a PRec(P, A), se tiene que P0 = T (P )
y P1 = L(P ), y en las llamadas subsiguientes PRec(P0 , A) y PRec(P1 , A) se obtiene
P00 = RT (P ), P01 = LT (P ), P10 = RB(P ) y P11 = LB(P ).
Esta descomposicin satisface los requisitos de decrecimiento del dimetro de las
o
a
subregiones. Por el lema 13 para m = 1, las cuatro regiones obtenidas Pij , 0 i, j 1
dmRect (P )
vericarn dmRect (Pij ) <
a
. Adems el lema 13 para m > 1 tambin descria
e
2
be el tamao de las regiones de llamadas posteriores que es dmRect (Pi1 j1 i2 j2 im jm ) <
n
dmRect (P )
despus de 2m llamadas recursivas.
e
2m
3.2.2.
95
contornos de estas regiones, puede retornar con excepcin sin acabar el clculo, como
o
a
establece el teorema 6. Lo siguiente es un ejemplo de esa situacin.
o
Consideremos una circunferencia centrada ligeramente a la derecha del origen,
que contiene las ra
ces del polinomio f (z) = z 3 1. Su imagen = f () rodea tres
veces el origen (ver la gura 3.10). El origen est marcado con , y es la imagen de las
a
tres ra
ces. Podemos suponer, a benecio del ejemplo, que PCR aplicado a , con un
parmetro adecuado Q, calcula el
a
ndice de , que es 3. Siguiendo PRec (gura 3.6), se
descompone el interior de en dos sectores circulares, mediante un corte horizontal.
Una de estas subregiones tiene un borde, digamos s , que cruza una ra como se
z,
muestra en la gura 3.10 c). La imagen de s cruza el origen, vase f (s ) en la gura
e
3.10 d), y por tanto PCR aplicado a s retorna con excepcin porque no puede calcular
o
su
ndice. Una situacin similar puede surgir con cortes verticales.
o
11
11
0.5
0.5
0.5
0.5
00
00
0.5
0.5
0.5
0.5
1
1
1 1
1 1
1
1
11
11
00
00
00
0
a) 0
11
11
11
11
0.5
0.5
0.5
0.5
00
00
0.5
0.5
0.5
0.5
1 0.5
1 0.5 0 0 0.5
0.5 1 1
Subregion ofof 1 1
Subregion 0.5
1 0.5
1 0.5 0 0 0.5
Subregion ofof
Subregion
c) Subregin de borde s
o
1
1
1
1
3
3
3
3
2
2
2
2
1
1
1
b)1
00
00
11
11
1.5
1.5
1.5 1
1.5
1
1
0.5 1
0.5
0.5 0
0.5
0
0
0.5 0
0.5
0.5
0.5
1
1
1
1
2
2
1
1
00
Image ofof subregion
Image 1
subregion
2
2
1
00
Image ofof subregion
Image subregion
d) Imagen f (s )
o
hay una ra a menos de (4 + 2 2)nQ de s . Decimos que una regin P de borde es
z
96
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
Q-segura si PCR(, Q) no retorna con excepcin. Podemos dividir una regin Q-segura
o
o
en dos subregiones que tambin son Q-seguras usando el siguiente procedimiento,
e
llamado Cortes Iterados con Desplazamiento (CID).
Si una (o ambas) de las subregiones T (P ) o B(P ) que surgen del corte por mH (P )
no son Q-seguras, descartamos ese corte y usamos en su lugar otro dado con una l
nea
a
ms arriba de mH (P ), a una distancia de 2E, siendo E = (4 + 2 2)nQ. Quizs esta
a
segunda l
nea produce de nuevo subregiones tales que alguna no es Q-segura. En tal
caso la divisin se realiza siguiendo una tercera l
o
nea horizontal por debajo de mH (P ),
a distancia 2E (gura 3.11).
z4
z2
z1
z3
mH(P)+4EQ
mH(P)+2EQ
mH(P)
mH(P)2EQ
mH(P)4EQ
(4 + 2 2)nQ, las l
neas mH (P ), mH (P ) + 2E, mH (P ) 2E, mH (P ) + 4E
lanzan excepcin sucesivamente por proximidad de las ra
o
ces z1 , z2 , z3 y z4
respectivamente. Finalmente mH (P ) 4E no tiene una ra a distancia menor
z
que E.
Hemos descrito el caso de un CID horizontal, siendo similar el vertical. Para ser
preciso, CID comienza en el paso 0 con el corte central (horizontal o vertical), que se
considera desplazado una distancia de h0 = 0. Despus sigue, en el paso i, un corte
e
desplazado hi de la l
nea central si el paso i 1 ha producido una subregin que lanza
o
una excepcin. Si i es impar entonces hi = (i + 1)E, si no hi = iE.
o
El procedimiento CID acaba alcanzando un corte que produce dos regiones Q-
97
Q<
m
n(dmH (P ), dmV (P ))
,
(8 + 4 2)(n0 + 1)n
entonces CID alcanza un corte que da dos subregiones tambin Q-seguras, con una
e
casos, esto implica que h (n0 + 1)E = (4 + 2 2)(n0 + 1)nQ. Por hiptesis, Q <
o
98
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
dmV (P )
m
n(dmH (P ), dmV (P ))
=
.
2
2(4 + 2 2)(n0 + 1)n
dmH (P )
Un razonamiento similar es vlido para subdivisiones verticales, as que h <
a
2
tambin, y se concluye.
e
a
recursivas. El procedimiento CID se aplica a las subregiones, y su comportamiento en
todas estas subregiones se describe en la proposicin 6. Esta dice que, si la regin
o
o
inicial es Q-segura, todas las subregiones obtenidas son Q-seguras (para Q por debajo
de cierta cota). Para la regin inicial, su contorno no debe pasar cerca de una ra
o
z,
para que sea Q-segura. Podemos asegurarnos de esto aplicando PCR a P antes de
PRec, y si no retorna con excepcin entonces P es Q-segura.
o
Recordemos que el lema 13 nos da una reduccin en el dimetro para divisiones a
o
a
lo largo de mH (P ) y mV (P ). Como la divisin usando CID ya no permite la aplicacin
o
o
de este lema, necesitamos desarrollar un resultado general acerca del decrecimiento en
dimetro mediante los cortes iterados con desplazamiento (ms adelante en el lema
a
a
16). Tambin daremos (en la proposicin 7) un valor de Q que garantiza que las
e
o
subdivisiones de P no solo son Q-seguras (por la proposicin 6 anterior), sino tambin
o
e
decrecientes.
Se dene el operador T de la siguiente manera. La l
nea horizontal a una distancia
por encima de mH (P ) se denota mH+ (P ). La regin T (P ) es la interseccin de P
o
o
con el semiplano superior denido por mH+ (P ). Si es un valor negativo, la l
nea
mH+ (P ) debe entenderse por debajo de mH (P ). Anlogamente el operador B (P ) es
a
la interseccin de P con el semiplano inferior denido por la misma l
o
nea horizontal,
mH+ (P ). De esta manera T (P ) B (P ) = P , y T (P ) B (P ) es su borde comn,
u
un segmento de mH+ (P ). De modo similar R (P ) es la interseccin de P con el
o
semiplano derecho denido por mV + (P ) (la l
nea vertical a una distancia a la
derecha de mV (P )), y L (P ) la interseccin con el semiplano izquierdo denido por la
o
misma l
nea mV + (P ). Vase la gura 3.12.
e
Lema 14. Si 0, entonces B(P ) B (P ) y R(P ) R (P ). Si 0, entonces
B(P ) B (P ) y R(P ) R (P ). Para los operadores T y L , en la mismas hiptesis,
o
las inclusiones se invierten.
99
L(P)
T(P)
mH+(P)
mH(P)
B(P)
R(P)
m(P) mV+(P)
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
100
(a, b) + (, ) = (a, b) + 2.
Demostramos el lema por induccin en m. Para m = 1, tenemos que O = V1 H1 .
o
Por tanto, aplicando algunas desigualdades de los lemas 14 y 15:
dmH (V1 H1 (P ))2 + dmV (V1 H1 (P ))2
dmRect (V1 H1 (P )) =
dmH (H1 (P ))
+ |1 |
2
dmH (P )
+ |1 |
2
dmV (P )
+
+ |1 |
2
2
2
dmH (P )
dmV (P )
+ +
+ =
2
2
dmH (P )
dmV (P )
dmRect (P )
=
+ ,
+
+ 2
2
2
2
dmRect (Om1 (P ))
dmRect (Om (P )) = dmRect (Vm Hm Om1 (P ))
+ 2
2
dmRect (P ) 2m1 1
Por hiptesis de induccin, dmRect (Om1 (P ))
o
o
+
2, luego
2m1
2m2
dmRect (P ) 2m1 1
+
2
dmRect (Om1 (P ))
2m1
2m2
+ 2
+ 2=
2
2
m1
dmRect (P ) 2
1
dmRect (P ) 2m 1
=
+
2+ 2=
+ m1 2
2m
2m1
2m
2
2m 1
Notemos que m1 =
2
2 2.
1
2m1
101
dmRect (P )
+
2m
Para valores cualquiera , 1 y 2 menores o iguales que , decimos que las subregiones P00 = R1 T (P ), P01 = L1 T (P ), P10 = R2 B (P ) y P11 = L2 B (P )
son una -descomposicin de P . Es decir, se hace primero un corte horizontal con
o
desplazamiento , y luego T (P ) y B (P ) se cortan verticalmente con desplazamientos
respectivos 1 y 2 , valores menores que . En el procedimiento PRec de la gura 3.6,
dos llamadas recursivas de profundidad consecutiva realizan una -descomposicin, si
o
la primera llamada hace un CID horizontal.
e
o
los dimetros rectangulares de las regiones que surgen de la aplicacin sucesiva de
a
o
-descomposiciones. Despus de cualquier nmero de -descomposiciones, el dimetro
e
u
a
rectangular puede ser igual a este trmino.
e
Aplicamos la teor de -descomposiciones a PRec. Por un lado, necesitamos que
a
las subregiones producidas por Bisec(P ) sean Q-seguras. Por otro lado, tambin necee
sitamos que decrezca el dimetro rectangular hasta la precisin deseada A (parmetro
a
o
a
de PRec, gura 3.6) incluso teniendo en cuenta la obstruccin del lema 16.
o
Con respecto al primer requisito, recordemos que por la proposicin 6, con cualo
m
n(dmH (P ), dmV (P ))
tomar Q <
(siendo nc el nmero de ra
u
ces dentro de la regin
o
2(4 + 2 2)(nc + 1)n
inicial) porque A m
n(dmH (P ), dmV (P )) y el nmero de ra
u
ces nc en la regin
o
inicial es mayor o igual que el nmero de ra
u
ces n0 en cualquier subregin, nc n0 .
o
As si se calcula el
,
ndice en PRec con un valor Q que verique esa cota, las subregioA
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
102
A
A
= (4 + 2 2)(n0 + 1)n
.
4 2(4 + 2 2)(nc + 1)n
4 2
Es decir, las subregiones son de la forma Om (P ), para algn operador Om de tipo Om,
u
A
con .
4 2
Se verica:
dmRect (P )
A
Proposicin 7. Si m lg2
o
+1 y , entonces cualquier operador
A
4 2
Om de tipo Om, verica dmRect (Om (P )) A.
Demostracin. Si aplicamos a P un operador Om de tipo Om, , por el lema 16
o
dmRect (Om (P ))
dmRect (P )
+ 2 2
2m
dmRect (P )
A
dmRect (P )
. Segundo,
+ 1, luego
m
A
2
2
A
A
como , se tiene 2 2 . Sumando estas dos cotas:
2
4 2
dmRect (P )
A A
+ 2 2 + = A
m
2
2
2
como quer
amos demostrar.
Con este decrecimiento en dimetro de las regiones Q-seguras producidas por CID
a
ya tenemos un procedimiento Bisec con las caracter
sticas especicadas.
3.3.
3.3. TERMINACION Y COSTE DEL PROCEDIMIENTO RECURSIVO
103
Teorema 7. Para un polinomio f, si P es una regin plana con dmRect (P ) > A y tal
o
que PCR(P, Q) no lanza excepcin, entonces el procedimiento PRec aplicado a P con
o
una precisin de A verica que:
o
dmRect (P )
A
b) Al acabar, las regiones planas de la secuencia = (P1 , P2 , . . . , Pk ) son aproximaciones de todas las races de f en P, cada una conteniendo el nmero de races
dmRect (P )
v
A
si lg2
+ 1, y < , entonces el dimetro de la subregin Om (P )
a
o
2
A
4 2
es menor o igual que A. Por tanto la siguiente llamada, de profundidad v + 1, retorna
no recursivamente por la salida Por tanto, se puede alcanzar una profundidad de
2.
v
dmRect (P )
v + 1 con = lg2
+ 1, pero no ms.
a
2
A
a
o
dmRect (P )
+3. Como el cuerpo del procedimiento acaba en un nmero nito
u
2 lg2
A
de pasos, hay solo dos llamadas recursivas en este cuerpo, y la profundidad de recursin
o
es acotada, el procedimiento acaba en un nmero nito de pasos.
u
Para ver b), decimos que la regin plana P requiere una A-profundidad de v si
o
el procedimiento PRec(P, A) alcanza hasta una profundidad de recursin v, pero no
o
ms. Toda regin
a
o plana requiere solo una A-profundidad nita, menor o igual que
dmRect (P )
2 lg2
+ 3 como hemos visto en a). Demostraremos la parte b) por
A
induccin en la A-profundidad v. Es decir, primero demostraremos b) para regiones
o
P de A-profundidad 0, y luego para regiones de mayor A-profundidad, suponiendo
cierta b) para profundidades menores. As la hiptesis de induccin HI(v) es Al nal
,
o
o
del procedimiento PRec(P, A), para cualquier regin plana P de A-profundidad v, las
o
regiones planas de tienen dimetro menor que A, contienen el nmero de ra dado
a
u
ces
por N , y esas son todas las ra
ces de f contenidas en P . La parte b) es equivalente
a la conjuncin de la hiptesis de induccin para todas las profundidades. Es decir b)
o
o
o
es equivalente a
v=0
caso base HI(0), y luego el caso general: si HI(v ) para cada v < v, entonces HI(v).
+ 3.
104
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
Notemos que esta induccin es completa, lo que signica que el caso v-simo depeno
e
de de todos los casos previos, no solo del inmediatamente precedente. Es un ejemplo
de induccin estructural [Burstall, 1969,Hopcroft et al., 2000], un mtodo general para
o
e
probar propiedades de procedimientos recursivos.
El caso base (v = 0) consiste en las regiones que no requieren llamadas recursivas,
las que no tienen ra
ces (que retornan por la salida 1), o con una o ms ra
a
ces pero
con dimetro menor que A (que retornan por la salida 2). Retornando por la salida
a
1 la asercin HI(0) se verica trivialmente porque P no tiene ra
o
ces y permanece
vac (como N ). Retornando por la salida 2 la asercin se verica tambin porque
o
o
e
contiene solo la regin P, y como PCR calcula sin excepcin el
o
o
ndice, N contiene el
nmero de ra dentro de P.
u
ces
Para el caso general (v 1), consideramos las dos llamadas recursivas PRec(Pi , A),
siendo P0 y P1 regiones disjuntas que recubren P . Las A-profundidades de P0 y P1 ,
digamos v0 y v1 , no son necesariamente iguales, pero ambas son menores o iguales que
v 1, porque la regin de la que surgen, P , tiene A-profundidad v. Llamemos i a la
o
secuencia de regiones aadidas a por PRec (Pi , A), y Ni a la secuencia de nmeros
n
u
aadida a N . Por hiptesis de induccin HI(vi ), que suponemos cierta porque vi < v,
n
o
o
al nal de la llamada recursiva PRec(Pi , A) las regiones pertenecientes a i son todas
de dimetro menor que A, contienen el nmero de ra dado por Ni , y esas son todas
a
u
ces
las ra en Pi . Por tanto la concatenacin de 1 y 2 (es decir, ) junto con la de N1
ces
o
y N2 (que es N ) verica que sus regiones tienen dimetros y nmero de ra
a
u
ces como
se ha especicado. Que esas son todas las ra
ces dentro de P viene del hecho de que
las Pi son disjuntas y recubren P . Esto es lo que se quer demostrar, HI(v).
a
Para el coste computacional del mtodo completo para hallar ra
e
ces, vamos a examinar las tareas ejecutadas por PRec(P, A) (gura 3.6), que son Ind(P ), el clculo del
a
dimetro dmRect (P ) y la divisin en subregiones P0 y P1 , Bisec(P ). Discutiremos estas
a
o
tareas, contabilizando sus operaciones, para ver que su coste se debe principalmente
al clculo de f (z) para z complejo (lo que se conoce como una evaluacin polinmica,
a
o
o
EP). Concluiremos que el coste de PRec est bien cuanticado por el nmero de EP
a
u
que requiere.
El borde se construye concatenando segmentos de recta, uniformemente parametrizados, y el muestreo (S) incluye los extremos de estos segmentos (ver la gura
3.13). Si la regin inicial se construye de esta forma, las subregiones producidas por
o
CID tambin son de esta forma. Con los bordes denidos de esta manera se determie
nar el coste. Recordemos que se trabaja con una secuencia de valores del parmetro
a
a
S = (s0 , . . . , sn ), muestreo de [a, b]. De esta manera (S) es una secuencia de puntos del borde de P . Recordemos tambin que la regin inicial y las subregiones son
e
o
3.3. TERMINACION Y COSTE DEL PROCEDIMIENTO RECURSIVO
105
maxI
e1
e4
e0
minI
minR
maxR
106
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
(S)
mI
c1
si
si+1
Figura 3.14: La curva tiene dos puntos a altura mI. Las coordenadas de c1
se encuentran por interpolacin lineal.
o
Por tanto, el primer corte de una divisin horizontal por CID requiere un escaneo
o
de (S), comparando la parte imaginaria con mI, y tambin diecisis adiciones (o
e
e
sustracciones) y cuatro divisiones para las coordenadas de c1 y c2 . Una divisin vertical
o
es similar. Cada corte desplazado posterior, si hay alguno, requiere un coste igual a
esta cantidad. Recordemos que el nmero de desplazamientos est acotado por n0 + 1,
u
a
siendo n0 el nmero de ra
u
ces dentro de P . En total, Bisec(P ) requiere menos de 16
adiciones ms 4 multiplicaciones, todo esto multiplicado por n0 + 1.
a
Sobre la tarea Ind, su primera parte es PCR (gura 3.1), que produce la secuencia
S de valores del parmetro cuyos puntos correspondientes f ((S)) estn conectados, y
a
a
la segunda parte es un escaneo de f ((S)), para contar el nmero de cruces por el eje
u
positivo de las abscisas, como se describe en la introduccin. Las subtareas de PCR,
o
si + si+1
en cada iteracin del bucle, son la insercin de un valor del parmetro s =
o
o
a
2
en la secuencia S, y la evaluacin de los predicados p, q2 y r. La evaluacin de p solo
o
o
requiere comparaciones, mientras que la de r requiere una sustraccin, y la de q2 tres
o
adiciones, dos multiplicaciones y la EP de f y f en (s). Cada iteracin del bucle
o
de PCR requiere cinco adiciones (o sustracciones), dos multiplicaciones, dos divisiones
y dos EP. El nmero de iteraciones del bucle coincide con el nmero de valores del
u
u
3.3. TERMINACION Y COSTE DEL PROCEDIMIENTO RECURSIVO
107
Ra cuadrada
z
Divisiones
Veces
realizada
por llamada
3
16
5
EP
Dimetro
a
Bisec
Ind
Multiplicaciones
Adiciones
1
menos de n0 + 1 veces
ms de 8n0 veces
a
1
4
2
n+1
n+1
adiciones complejas y
multiplicaciones complejas usando un esque2
2
ma de evaluacin de Horner complejo [Knuth, 1981]. Una adicin compleja es equivao
o
lente a dos adiciones en coma otante. Una multiplicacin compleja es equivalente a
o
cuatro multiplicaciones en coma otante as dos adiciones coma otante. Sumando
m
en
n+1
n+1
n+1
se tiene que una EP requiere 2 2
+2
=6
(aproximadamente
2
2
2
2
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
108
n+1
3(n + 1) ) adiciones en coma otante y 4
(aproximadamente 2(n + 1) ) multi2
plicaciones en coma otante. El coste debido solo a EP es 2 3(n + 1)B en adiciones
y 2 2(n + 1)B en multiplicaciones. Para comparar, asignamos un coste de 10 multiplicaciones a las operaciones superiores. El coste sin EP es 3 + 16A + 5B en adiciones,
y 12 + 40A + 22B en multiplicaciones, contra 6(n + 1)B adiciones y 4(n + 1)B multiplicaciones con solo EP. Notemos que A < B si hay alguna ra dentro de P , luego
z
si n > 5 el coste en adiciones solo de las EP es mayor. El coste en multiplicaciones
solo de las EP es mayor que la parte sin EP para n > 10, incluso en el caso n0 = 1.
Ademas esta diferencia en la contribucin al coste entre EP y las otras operaciones
o
se hace ms acentuada para valores mayores de n, porque este ultimo coste no se ve
a
16(1 +
2)(nc + 1)n(b a)
1 +
A
2)(nc + 1)2 nc n
dmRect (P )+
A
dmRect (P )
3
2
+(24 + 20 2)(nc + 1) nc n lg2
+
.
A
2
+
32(1 +
dmRect (P )
una profundidad mxima de lmax = 2 lg2
a
+ 3, por el teorema 7a) (el
A
segundo y tercer sumando) para cada ra de las nc contenidas en P .
z
Ejecutamos PRec(P, A) con
A
A
Q=
=
4 2(4 + 2 2)(nc + 1)n
16(1 + 2)(nc + 1)n
3.3. TERMINACION Y COSTE DEL PROCEDIMIENTO RECURSIVO
109
ba
lor de Q, el nmero de EP requeridas por PCR(P, Q) es menor que
u
1 =
Q
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
110
16(1 +
+ (1 +
)A
m1
A
2
4
3.3. TERMINACION Y COSTE DEL PROCEDIMIENTO RECURSIVO
111
A
La ultima igualdad viene de que .
4 2
La expresin anterior acota el nmero de EP requeridas para una -descomposicin,
o
u
o
esto es, por un par de llamadas de profundidad consecutiva. La mxima profundidad
a
dmRect (P )
+ 3. Luego sumando la cota anterior en el
de recursin es lmax = 2 lg2
o
A
lmax
nmero de EP para las
u
-descomposiciones se tiene que el nmero total es menor
u
2
o igual que
lmax/2
2
16(1 + 2)(nc + 1)2 n dmRect (P )
)A =
+ (1 +
m1
A
2
4
m=1
l
max/2
16(1 + 2)(nc + 1)2 n
dmRect (P ) lmax
2
=
(1 +
)A <
+
A
2m1
2
4
m=1
2
16(1 + 2)(nc + 1)2 n
lmax
<
2 dmRect (P ) +
(1 +
)A =
A
2
4
lmax
32(1 + 2)(nc + 1)2 n
dmRect (P ) + (24 + 20 2)(nc + 1)2 n
.
=
A
2
Este es el coste de una rama del rbol de bsqueda que conduce a una ra Con el
a
u
z.
supuesto muy pesimista de que cada ra de las n0 en P necesita una rama exclusiva,
z
multiplicamos este coste por n0 . Sumando el resultado al nmero de EP en la regin
u
o
inicial, se concluye.
lg2
dmRect (P )
A
3
+
.
2
1
Para un grado dado n, esta cota del nmero de EP es de orden O
u
.
A
Con esto concluye el anlisis terico del mtodo geomtrico que hemos desarroa
o
e
e
llado, que llamaremos Contour, para hallar ra
ces de polinomios. Permite restringir
la bsqueda a un area de inters en el plano complejo, al contrario que los mtodos
u
e
e
iterativos ms comunes.
a
Contour combina un predicado de inclusin (para ver si una regin plana contiene
o
o
alguna ra basado en el
z)
ndice, con un mtodo recursivo de particin en subregiones,
e
o
como otros algoritmos conocidos [Ying and Katz, 1988, Renegar, 1987, Schnhage,
o
1982, Pan, 1997, Ne and Reif, 1996b]. La contribucin de nuestro mtodo es utilizar
o
e
un predicado de inclusin robusto, que nunca falla. Esto aporta dos caracter
o
sticas.
La primera es que Contour siempre acaba con una aproximacin a la solucin dentro
o
o
de la precisin especicada, lo que ha hecho posible desarrollar una implementacin
o
o
112
CAP
ITULO 3. CALCULO DEL NUMERO DE RA
ICES
prctica. La segunda es que permite una prueba formal de correccin y el clculo del
a
o
a
coste computacional, como se ha hecho. Contour es el primer mtodo geomtrico con
e
e
esas caracter
sticas.
Sobre la complejidad computacional, la cota enel umero de evaluaciones pon
1
con respecto a la precisin
o
linmicas requeridas por el algoritmo es de orden O
o
A
A. Aunque nuestro inters en este desarrollo es principalmente prctico, esta complejie
a
dad se puede comparar con otras cotas tericas, siendo mejor que la de [Pan, 2001a] y
o
similar a [Ne and Reif, 1996b]. La complejidad con respecto al grado, que es O(n3 n),
c
no parece prometedora, siendo O(n lg n) la de [Ne and Reif, 1996b]. Sin embargo debe
notarse que el factor nc es el nmero de ra contenidas en la regin de bsqueda, que
u
ces
o
u
puede ser mucho menor que el nmero total de ra
u
ces. Notemos tambin que la cota
e
del teorema 8 es extremadamente pesimista, y muy probablemente puede mejorarse.
En la prctica el coste de nuestro algoritmo puede ser mucho menor, porque se
a
puede relajar la hiptesis en la seccin 3.3 de que cada ra requiere profundidad de
o
o
z
recursin maximal. Adems, entre los mtodos geomtricos para hallar ra
o
a
e
e
ces, es usual
implementar un procedimiento iterativo (de mayor orden de convergencia, como el
de Newton) para buscar una ra cuando el dimetro de la regin est por debajo
z
a
o
a
de cierto umbral que asegura su convergencia (por ejemplo el umbral de [Traub and
Woniakowski, 1979]). Esta caracter
z
stica no se ha comentado, pero disminuye el coste
sin comprometer la correccin.
o
Nos hemos centrado en producir una implementacin prctica, que pueda operar
o
a
en condiciones de trabajo, en contraste con otros mtodos geomtricos que solo tienen
e
e
implementaciones de laboratorio. Puede probarse en la direccin web http://gim.
o
unex.es/contour. Como trabajo futuro, se est desarrollando una implementacin
a
o
paralela, que aprovecha el paralelismo de tareas impl
cito en los mtodos geomtricos.
e
e
Cap
tulo 4
Implementacin y comparativa
o
En este cap
tulo desarrollamos una comparativa del mtodo geomtrico Contour
e
e
con otros mtodos para hallar ra
e
ces. Nuestro mtodo est implementado en coma
e
a
otante, y evita los problemas de singularidad que afectan a otros mtodos geomtricos
e
e
con un mecanismo de excepciones, como se ha descrito en los cap
tulos anteriores.
Est basado en un predicado de inclusin aplicable a regiones de forma arbitraria, y
a
o
en un procedimiento recursivo que da origen a una bsqueda recursiva. El predicado
u
de inclusin utiliza el
o
ndice de curvas planas cerradas, y usaremos el procedimiento
eciente para calcular el
ndice desarrollado en el cap
tulo anterior. Adems, se ha
a
determinado una cota del coste computacional del predicado.
4.1.
Planteamiento
114
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
115
de bsqueda. Incluye una traza visual del comportamiento de los mtodos consideu
e
rados como ejemplo. Despus la seccin de resultados numricos revisa las medidas
e
o
e
tomadas, con su discusin, seguida por una seccin de conclusiones.
o
o
4.2.
Descripcin de mtodos
o
e
separacin de ra
o
ces. Estos procedimientos se utilizan con frecuencia para controlar
la convergencia de los mtodos iterativos. Por ejemplo, en el problema particular de
e
encontrar las ra reales de un polinomio, stas se separan previamente en segmentos
ces
e
por sucesiones de Sturm [Ralston and Rabinowitz, 1978a]. En cada segmento, la cuestin de la imprevisibilidad de la convergencia es ms manejable que en toda la recta
o
a
real. De ah el nfasis tradicionalmente puesto en los criterios de convergencia para
e
el anlisis de los mtodos iterativos. Como otro ejemplo de procedimiento de separaa
e
cin de ra
o
ces en el caso de ra
ces complejas, los mtodos tericos recientes tratan la
e
o
naturaleza impredecible de la iteracin mediante una corona de exclusin ( [Renegar,
o
o
1987, Pan, 1997, Pan, 2001b, Bini et al., 2004b]), pero no son de uso prctico. Un paa
quete pensado para el uso prctico que se basa en una fase geomtrica de separacin de
a
e
o
ra junto de una etapa de aproximacin iterativa es MPSolve [Bini and Fiorentino,
ces
o
2000]. De forma similar, nuestro mtodo puede ser visto como el uso intensivo de un
e
procedimiento de separacin de ra sin el requisito de multiprecisin aritmtica de
o
z,
o
e
MPSolve.
El mtodo Contour se inicia en una curva que delimita el rea de inters. Estie
a
e
mamos el nmero de vueltas de la curva f (). Si este valor no es nulo, la regin plana
u
o
interior a contiene alguna ra En tal caso, regin se divide en partes. El borde de
z.
o
cada parte es una nueva curva, y el nmero de vueltas de su imagen por f nos informa
u
si contiene alguna ra Prosiguiendo con esta divisin recursiva podemos llegar a una
z.
o
precisin arbitraria. Como renamiento con respecto al anlisis terico del cap
o
a
o
tulo
116
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
e
n
geomtrica del mtodo hace que sea naturalmente paralelizable, sin comunicacin entre
e
e
o
las tareas a cargo de la bsqueda de ra en zonas disjuntas. Por lo tanto, la ganancia
u
ces
en tiempo de ejecucin debe ser lineal en el nmero de procesadores. Este campo de
o
u
investigacin no se aborda en la presente memoria.
o
4.3.
Se compara Contour con una implementacin del mtodo de Newton, que utiliza
o
e
las recetas comunes de deaccin estable, la variacin de la semilla inicial y el pulio
o
do de las ra
ces [Fortune, 2002]. Tambin probamos otro mtodo iterativo, Durande
e
Kerner [Werner, 1982] para la determinacin simultnea de las ra
o
a
ces, as como otro un
4.3.1.
4.3. DISENO DEL EXPERIMENTO
117
o
ejemplo.
118
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
Los polinomios de tipo 2 estn construidos de tal manera que sus ra son aleatoa
ces
rias, uniformemente dispersas dentro del c
rculo unidad, en pares complejos conjugados
para tener coecientes reales. As se cumple el primer objetivo de prueba (vase la
e
gura 4.2). Como es conocido [Kyurkchiev, 1998], el valor absoluto de los coecientes
de un polinomio de ra
ces al azar sigue una curva de campana. Por esta razn, los
o
coecientes de grado por encima de 22 son cercanos a cero.
4.3. DISENO DEL EXPERIMENTO
119
4.3.2.
Para probar los mtodos geomtricos, Contour y Lehmer-Schur, elegimos tres reas
e
e
a
del plano complejo para buscar ra
ces. Un area incluye todas las ra
para comparar con los tiempos de los mtodos iterativos, que hallan todas las ra
e
ces.
Por otra parte, para las aplicaciones en LPC tenemos que encontrar las ra situadas
ces
cerca del per
metro del c
rculo unidad, por lo tanto es pertinente considerar un area
que cubra este margen. Para ello, probamos los mtodos geomtricos sobre estas tres
e
e
regiones del plano complejo: el cuadrado de vrtices 1 + i, 1 i, 1 + i, 1 i; la
e
corona semicircular 095 < r < 1, y la corona semicircular 099 < r < 1, llamadas
respectivamente zona A, zona B y zona C.
120
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
a
n
la mitad que en la zona A, por lo que es igualmente vlida para comparacin.
a
o
La zona B es una corona de anchura 005, y la zona C una anloga de anchura
a
001. Para encontrar slo las ra situadas cerca del per
o
ces
metro del c
rculo unidad, la
bsqueda est limitada a la mitad superior de la corona circular centrada en el origen,
u
a
delimitada exteriormente por este per
metro. Estas zonas contienen las ra de inters
ces
e
en las aplicaciones de procesamiento de seal. Para aplicar el mtodo Contour, usamos
n
e
ocho trapecios para cubrir las areas, encontramos las ra contenidas en cada uno de
ces
ellos, sumando los tiempos tomados. En un entorno paralelo estos trapecios pueden
ser asignados a los procesadores independientes. Del mismo modo, para el mtodo
e
geomtrico Lehmer-Schur cubrimos el area de inters utilizando c
e
e
rculos, ya que este
mtodo slo se puede aplicar a las regiones de esta forma. La gura 4.5 muestra las
e
o
areas de prueba.
4.3.3.
Mtodos a ensayar
e
a
o
El mtodo de Newton da 284 pasos para encontrar las ra
e
ces del polinomio de
ejemplo del tipo 3 (LPC) de grado 32 mostrado en la gura 5. Un paso consiste en la
evaluacin del polinomio y de su derivada en un punto complejo. La evaluacin de un
o
o
polinomio de grado d se puede hacer con aproximadamente d/2 multiplicaciones complejas [Knuth, 1981]. Si denotamos xn la estimacin n-sima de una ra del polinomio
o
e
z
f (x), un paso consiste en calcular la siguiente estimacin:
o
xn+1 = xn
f (xn )
f (xn )
4.3. DISENO DEL EXPERIMENTO
121
122
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
4.3. DISENO DEL EXPERIMENTO
123
xk
i
f (xk )
i
d
k
k
j=1,j=i (xi xj )
i = 1, . . . , d
124
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
o
el polinomio LPC de ejemplo, para encontrar todas las ra se requiere la aplicacin
ces
o
del criterio de Schur-Cohn a 6364 c
rculos (equivalente aproximadamente a un milln
o
de multiplicaciones), lo que se muestra en la gura 4.10:
El c
rculo inicial es el c
rculo unidad, y se cubre con un c
rculo de centro el origen,
de radio de 05, y ocho ms en torno a ste a izquierda, derecha, arriba, abajo y
a
e
4.4. RESULTADOS NUMERICOS
125
4.4.
Resultados numricos
e
cada uno de los cuatro tipos de polinomios de prueba, y cada grado de 3 a 128, se
126
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
4.4. RESULTADOS NUMERICOS
127
128
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
Newton Tipo 1
Newton Tipo 2
o
medida sin necesidad de calcular estad
sticos superiores. En el entorno DSK las cifras
son comparables (guras 4.14 y 4.15).
Aunque las grcas anteriores descalican a Contour frente a Newton como mtodo
a
e
para encontrar todas las ra
ces, en areas ms pequeas esta calicacin se invierte,
a
n
o
como muestran las guras 4.16 y 4.17.
El mtodo Contour es ms rpido que Newton para encontrar ra en reas rese
a a
ces
a
tringidas. En una aproximacin de grano grueso, se puede suponer que los clculos
o
a
requeridos por Contour son proporcionales al area cubierta. Los tiempos ms bajos
4.4. RESULTADOS NUMERICOS
129
Newton Tipo 3
Newton Tipo 4
130
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
Newton Tipo 1
Newton Tipo 2
4.4. RESULTADOS NUMERICOS
131
Newton Tipo 3
Newton Tipo 4
132
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
4.4. RESULTADOS NUMERICOS
133
134
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
4.4. RESULTADOS NUMERICOS
135
136
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
Durand-Kerner Tipo 1
Durand-Kerner Tipo 2
Durand-Kerner Tipo 3
Durand-Kerner Tipo 4
4.4. RESULTADOS NUMERICOS
137
Durand-Kerner Tipo 1
Durand-Kerner Tipo 2
Durand-Kerner Tipo 3
Durand-Kerner Tipo 4
138
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
Lehmer-Schur Tipo 1 Zona B
o
mtodo solo a los primeros c
e
rculos que denen esta zona (gura 4.5). Slo a partir de
o
grado 120 aproximadamente los polinomios tienen alguna ra en la zona C. Esto no
z
ocurre en los tipos 1 y 4, como sugieren la guras 4.22 y 4.23.
En cualquier caso, el mtodo de Lehmer-Schur muestra un pobre rendimiento,
e
debido a la superposicin de los c
o
rculos de particin. La deaccin de las ra
o
o
ces encontradas, como en el mtodo de Newton, puede resolver el problema de encontrar
e
repetidamente la misma ra pero esto requiere clculos de alta precisin. Hacer la
z,
a
o
comparativa con estas mejoras se sale del objetivo de este trabajo.
4.4. RESULTADOS NUMERICOS
139
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
140
4.4.1.
4.4. RESULTADOS NUMERICOS
141
142
CAP
ITULO 4. IMPLEMENTACION Y COMPARATIVA
ra
ces deseadas. La presencia de clusters de ra
ces no afecta a la ecacia del mtodo
e
Contour, en contraste con el mtodo de Newton.
e
Para la tarea de encontrar todas las ra
ces, el mtodo de Durand-Kerner es prefee
rible sobre el de Newton en polinomios con clusters, por lo menos hasta el grado 100,
donde la convergencia del primer mtodo comienza a fallar. Para los otros tipos de
e
polinomio Newton es la mejor opcin.
o
Para encontrar ra
ces en zonas seleccionadas, Contour es preferible sobre el otro
mtodo geomtrico considerado, ya que utiliza una descomposicin de la zona de inters
e
e
o
e
en subreas disjuntas, evitando por lo tanto encontrar repetidamente la misma ra
a
z.
El mtodo Contour es intr
e
nsecamente paralelo, porque las subdivisiones de la zona
de inters se pueden asignar a diferentes procesadores, aunque este aspecto no se ha
e
puesto a prueba en este trabajo.
Para ampliar este trabajo comparativo, se deber probar Contour contra otros
a
mtodos espec
e
cos para ra
ces de mdulo mximo. Estos mtodos se han aplicado
o
a
e
frecuentemente al proceso de seal (Bernouilli o cociente-diferencia QD [Pan, 1997]).
n
Adems, la bater de pruebas se puede ampliar con los conjuntos estndar de polia
a
a
nomios de [Jenkins and Traub, 1975] y [Zeng, 2005], y con polinomios utilizados en la
modelizacin de sistemas complejos (como el diseo Schelkuno en teor de antenas
o
n
a
o el problema cinemtico inverso en robtica). Por otra parte, aumentar el grado del
a
o
polinomio por encima de 128 requiere aritmtica de precisin mltiple, lo que se sale
e
o
u
de lo corriente en mtodos numricos de propsito general.
e
e
o
Bibliograf
a
[Aberth, 1973] Aberth, O. (1973). Iteration methods for nding all zeros of a polynomial simultaneously. Mathematics of computation, 27(122):339344.
[Aho et al., 1983] Aho, A., Hopcroft, J., and Ullman, J. (1983). Data structures and
algorithms:. Addison-Wesley series in computer science and information processing.
Addison-Wesley.
[Anderson et al., 1999] Anderson, E., Bai, Z., Bischof, C., Blackford, S., Demmel, J.,
Dongarra, J., Du Croz, J., Greenbaum, A., Hammarling, S., McKenney, A., and
Sorensen, D. (1999). LAPACK Users Guide. Society for Industrial and Applied
Mathematics, Philadelphia, PA, third edition.
[Atal and Hanauer, 1971] Atal, B. S. and Hanauer, S. L. (1971). Speech analysis and
synthesis by linear prediction of the speech wave. The journal of the acoustical
society of America, 50(2B):637655.
[Ball, 1997] Ball, K. (1997). An elementary introduction to modern convex geometry.
In Flavors of geometry, volume 31 of Math. Sci. Res. Inst. Publ., pages 158. Cambridge Univ. Press, Cambridge.
[Bermdez et al., 2000] Bermdez, J., Sancho, J., and Vilda, P. (2000). Reconocimienu
u
to de Voz y Fontica Acstica. Ra-Ma.
e
u
[Bini and Fiorentino, 2000] Bini, D. and Fiorentino, G. (2000). Design, analysis, and
implementation of a multiprecision polynomial rootnder. Numerical Algorithms,
23:127173. 10.1023/A:1019199917103.
[Bini et al., 2004a] Bini, D., Gemignani, L., and Pan, V. (2004a). Inverse power and
durand-kerner iterations for univariate polynomial root-nding. Computers &
Mathematics with Applications, 47(2-3):447 459.
143
144
BIBLIOGRAF
IA
[Bini and Pan, 1994] Bini, D. and Pan, V. Y. (1994). Polynomial and matrix computations. Vol. 1. Progress in Theoretical Computer Science. Birkhuser Boston Inc.,
a
Boston, MA. Fundamental algorithms.
[Bini and Pan, 1996] Bini, D. and Pan, V. Y. (1996). Graees, chebyshev-like, and
cardinals processes for splitting a polynomial into factors. Journal of Complexity,
12(4):492511.
[Bini et al., 2004b] Bini, D. A., Gemignani, L., Victor, and Pan, Y. (2004b). Improved
initialization of the accelerated and robust qr-like polynomial root-nding. Electron.
Trans. Numer. Anal, 17:2004.
[Blum et al., 1998] Blum, L., Cucker, F., Shub, M., and Smale, S. (1998). Complexity
and real computation. Springer-Verlag, New York. With a foreword by Richard M.
Karp.
[Boersma, 2002] Boersma, P. (2002). Praat, a system for doing phonetics by computer.
Glot international, 5(9/10):341345.
[Box et al., 2008] Box, G., Jenkins, G., and Reinsel, G. (2008). Time Series Analysis:
Forecasting and Control. Wiley Series in Probability and Statistics. John Wiley &
Sons.
[Brassard and Bratley, 1988] Brassard, G. and Bratley, P. (1988).
theory and practice. Prentice Hall.
Algorithmics -
[Burr and Krahmer, 2012] Burr, M. A. and Krahmer, F. (2012). Sqfreeeval: an (almost) optimal real-root isolation algorithm. Journal of Symbolic Computation,
47(2):153166.
[Burstall, 1969] Burstall, R. (1969). Proving properties of programs by structural
induction. The Computer Journal, 12(1):4148.
[Cardinal, 1996] Cardinal, J.-P. (1996). On two iterative methods for approximating the roots of a polynomial. LECTURES IN APPLIED MATHEMATICSAMERICAN MATHEMATICAL SOCIETY, 32:165188.
[Chou and Ko, 1995] Chou, A. W. and Ko, K.-I. (1995). Computational complexity
of two-dimensional regions. SIAM J. Comput., 24(5):923947.
[Collins, 1977] Collins, G. E. (1977). Infallible calculation of polynomial zeros to specied precision. In Mathematical software, III (Proc. Sympos., Math. Res. Center,
BIBLIOGRAF
IA
145
Univ. Wisconsin, Madison, Wis., 1977), pages 3568. Publ. Math. Res. Center, No.
39. Academic Press, New York.
[Cormen et al., 2001] Cormen, T., Leiserson, C., Rivest, R., and Stein, C. (2001). Introduction To Algorithms. MIT Press.
[Craig, 2005] Craig, J. (2005). Introduction to robotics: mechanics and control.
Addison-Wesley series in electrical and computer engineering: control engineering.
Pearson/Prentice Hall.
[Dedieu and Yakoubsohn, 1993] Dedieu, J.-P. and Yakoubsohn, J.-C. (1993). Computing the real roots of a polynomial by the exclusion algorithm. Numerical Algorithms,
4(1):124.
[Deller et al., 2000] Deller, J., Hansen, J., and Proakis, J. (2000). Discrete-Time Processing of Speech Signals. An IEEE Press classic reissue. Wiley.
[Delves and Lyness, 1967] Delves, L. and Lyness, J. (1967). A numerical method for
locating the zeros of an analytic function. Mathematics of computation, 21(100):543
560.
[Demmel, 1997] Demmel, J. (1997). Applied Numerical Linear Algebra. Miscellaneous
Bks. Society for Industrial and Applied Mathematics.
[Demmel, 1987] Demmel, J. W. (1987). On condition numbers and the distance to
the nearest ill-posed problem. Numer. Math., 51(3):251289.
[Diaz Martin et al., 2001] Diaz Martin, J., Rodriguez Garcia, J., Garcia Zapata, J.,
and Gomez Vilda, P. (2001). Robust voice recognition as a distributed service. In
Emerging Technologies and Factory Automation, 2001. Proceedings. 2001 8th IEEE
International Conference on, volume 2, pages 571 575 vol.2.
[Dickenstein and Emiris, 2005] Dickenstein, A. and Emiris, I. Z. (2005). Solving polynomial equations: Foundations, algorithms, and applications, volume 14. Springer.
[Duncan and Jack, 1988] Duncan, G. and Jack, M. (Feb. 1988). Formant estimation
algorithm based on pole focusing oering improved noise tolerante and feature resolution. In IEE Proceedings, vol. 135, Pt. F, no. 1, pp 18-32,.
[Edelman and Murakami, 1995] Edelman, A. and Murakami, H. (1995). Polynomial roots from companion matrix eigenvalues. Mathematics of Computation,
64(210):763776.
146
BIBLIOGRAF
IA
BIBLIOGRAF
IA
147
P., Kopecek, I., and Pala, K., editors, Text, Speech and Dialogue, volume 3206 of
Lecture Notes in Computer Science, pages 529536. Springer Berlin / Heidelberg.
10.1007/978-3-540-30120-2.
[Garc Zapata and D Mart 2014] Garc Zapata, J. L. and D Mart J. C.
a
az
n,
a
az
n,
(2014). Finding the number of roots of a polynomial in a plane region using the
winding number. Computers & Mathematics with Applications, 67(3):555 568.
[Garner and Holmes, 1998] Garner, P. N. and Holmes, W. J. (May 1998). On the
robust incorporation of formant features into hidden markov models for automatic
148
BIBLIOGRAF
IA
BIBLIOGRAF
IA
149
150
BIBLIOGRAF
IA
BIBLIOGRAF
IA
151
[Oppenheim et al., 1996] Oppenheim, A. V., Willsky, A. S., and Hamid, W. S. (1996).
Signals and Systems (International Edition). Pearson Education, 2 edition.
[Orchard et al., 1985] Orchard, H., Elliott, R., and Stern, G. (1985). Optimising the
synthesis of shaped beam antenna patterns. Microwaves, Antennas and Propagation,
IEE Proceedings H, 132(1):63 68.
[Orfanidis and Vail, 1986] Orfanidis, S. and Vail, L. (1986). Zero-tracking adaptive
lters. Acoustics, Speech and Signal Processing, IEEE Transactions on, 34(6):1566
1572.
[Ouaaline and Radouane, 1998] Ouaaline, N. and Radouane, L. (1998). Pole-zero estimation of speech signal based on zero-tracking algorithm. International Journal
of Adaptive Control and Signal Processing, 12(1):112.
[Padberg, 1999] Padberg, M. (1999). Linear Optimization and Extensions, volume 12.
Springer.
[Pan, 1987] Pan, V. (1987). Sequential and parallel complexity of approximate evaluation of polynomial zeros. Computers & Mathematics with Applications, 14(8):591
622.
[Pan, 1996a] Pan, V. Y. (1996a). Optimal and nearly optimal algorithms for approximating polynomial zeros. Computers & Mathematics with Applications, 31(12):97
138.
[Pan, 1996b] Pan, V. Y. (1996b). Optimal and nearly optimal algorithms for approximating polynomial zeros. Comput. Math. Appl., 31(12):97138.
[Pan, 1997] Pan, V. Y. (1997). Solving a polynomial equation: some history and recent
progress. SIAM Rev., 39(2):187220.
[Pan, 2001a] Pan, V. Y. (2001a). Univariate polynomials: Nearly optimal algorithms
for numerical factorization and rootnding. J. Symbolic Computation, 33:2002.
[Pan, 2001b] Pan, V. Y. (2001b). Univariate polynomials: Nearly optimal algorithms
for numerical factorization and rootnding. J. Symbolic Computation, 33:2002.
[Pan, 2012] Pan, V. Y. (2012). Root-rening for a polynomial equation. In Computer
Algebra in Scientic Computing, pages 283293. Springer.
[Parsons, 1987] Parsons, T. (1987). Voice and speech processing. MCGRAW HILL
SERIES IN ELECTRICAL AND COMPUTER ENGINEERING. McGraw-Hill.
152
BIBLIOGRAF
IA
[Press et al., 1992] Press, W. H., Teukolsky, S. A., Vetterling, W. T., and Flannery,
B. P. (1992). Numerical recipes in C. Cambridge University Press, Cambridge,
second edition. The art of scientic computing.
[Priestley, 1981] Priestley, M. (1981). Spectral analysis and time series. Number v.
1-2 in Probability and mathematical statistics. Academic Press.
[Rabiner, 1999] Rabiner, L., J. B. (1999).
Prentice-Hall, New Jersey.
[Ralston and Rabinowitz, 1978a] Ralston, A. and Rabinowitz, P. (1978a). A rst course in numerical analysis. McGraw-Hill Book Co., New York, second edition. International Series in Pure and Applied Mathematics.
[Ralston and Rabinowitz, 1978b] Ralston, A. and Rabinowitz, P. (1978b). A rst
course in numerical analysis. International series in pure and applied mathematics. McGraw-Hill.
[Renegar, 1987] Renegar, J. (1987). On the worst-case arithmetic complexity of approximating zeros of polynomials. J. Complexity, 3(2):90113.
[Riley, 1989] Riley, M. (1989). Speech Time-Frequency Representation. Kluwer International Series in Engineering and Computer Science. Springer.
[Rudin, 1987] Rudin, W. (1987). Real and complex analysis. McGraw-Hill Book Co.,
New York, third edition.
[Sakurai et al., 2003] Sakurai, T., Kravanja, P., Sugiura, H., and Van Barel, M. (2003).
An error analysis of two related quadrature methods for computing zeros of analytic
functions. Journal of computational and applied mathematics, 152(1):467480.
[Schechter, 1996] Schechter, E. (1996). Handbook of Analysis and Its Foundations.
Elsevier Science.
[Schmid and Barnard, 1995] Schmid, P. and Barnard, E. (Sept 1995). Robust, n-best
formant tracking. In Proc. EUROSPEECH?95, Madrid, Spain, pages pp. 737740.
[Schnhage, 1982] Schnhage, A. (1982). The fundamental theorem of algebra in terms
o
o
of computational complexity. Technical report, Mathematisches Institut Universitt
a
Tbingen.
u
[Sitton et al., 2003] Sitton, G., Burrus, C., Fox, J., and Treitel, S. (2003). Factoring
very-high-degree polynomials. Signal Processing Magazine, IEEE, 20(6):27 42.
BIBLIOGRAF
IA
153
[Smale, 1981] Smale, S. (1981). The fundamental theorem of algebra and complexity
theory. Bulletin of the American Mathematical Society, 4(1):136.
[Smith et al., 1976] Smith, B. T., Boyle, J. M., Dongarra, J. J., Garbow, B. S., Ikebe,
Y., Klema, V. C., and Moler, C. B. (1976). Matrix eigensystem routinesEISPACK
guide. Springer-Verlag, Berlin, second edition. Lecture Notes in Computer Science,
Vol. 6.
[Smith, 2003] Smith, S. (2003). Digital Signal Processing: A Practical Guide for Engineers and Scientists. Demystifying Technology Series. Newnes.
[Snell and Milinazzo, 1993] Snell, R. and Milinazzo, F. (1993). Formant location from
lpc analysis data. Speech and Audio Processing, IEEE Transactions on, 1(2):129
134.
[Sommese and Wampler, 2005] Sommese, A. J. and Wampler, C. W. (2005). The
numerical solution of systems of polynomials: Arising in Engineering and Science.
World Scientic.
[Starer, 1990] Starer, D. (May 1990). Algorithms for Polynomial-Based Signal Processing. PhD thesis, Yale University.
[Stetter, 1996] Stetter, H. J. (1996). Analysis of zero clusters in multivariate polynomial systems. In Proceedings of the 1996 international symposium on Symbolic and
algebraic computation, pages 127136. ACM.
[Suzuki, 2001] Suzuki, Toshio; Suzuki, T. (2001). A globally convergent zero nding
method. In Proceedings of the Third World Congress of Nonlinear Analysts, Part 6
(Catania, 2000), volume 47, pages 38693875.
[Taylor, 1997] Taylor, J. (1997). An Introduction to Error Analysis: The Study of
Uncertainties in Physical Measurements. A series of books in physics. University
Science Books.
[Toh and Trefethen, 1994] Toh, K.-C. and Trefethen, L. N. (1994). Pseudozeros of
polynomials and pseudospectra of companion matrices. Numerische Mathematik,
68(3):403425.
[Toselli and Widlund, 2005] Toselli, A. and Widlund, O. B. (2005). Domain decomposition methods: algorithms and theory, volume 34. Springer.
154
BIBLIOGRAF
IA
[Wilkinson, 1965] Wilkinson, J. H. (1965). The algebraic eigenvalue problem. Clarendon Press, Oxford.
BIBLIOGRAF
IA
155