Curvaturas Curvas R4 PDF

Rogerio Vaz de Almeida Junior
Estimadores de Curvaturas para Curvas no R4

PUC-Rio - Certificao Digital N 0912372/CA
Dissertacao de Mestrado
Dissertacao apresentada como requisito parcial para obtencao do

grau de Mestre pelo Programa de Posgraduacao em Matematica
do Departamento de Matematica da PUCRio
Orientador : Prof. Sinesio Pesco

CoOrientador: Prof. Helio Cortes Vieira Lopes
Rio de Janeiro
setembro de 2011
Estimadores de Curvaturas para Curvas no R4
Dissertacao apresentada como requisito parcial para obtencao do

grau de Mestre pelo Programa de Posgraduacao em Matematica
do Departamento de Matematica do Centro Tecnico Cientfico da
PUCRio. Aprovada pela comissao examinadora abaixo assinada.
Prof. Sinesio Pesco

Orientador
Departamento de Matematica PUCRio
Prof. Helio Cortes Vieira Lopes

CoOrientador
Departamento de Matematica PUCRio
Prof. Humberto Jose Bortolossi

Instituto de Matematica UFF
Prof. Marcos Craizer

Departamento de Matematica PUC-Rio
Prof. Jose Eugenio Leal

Coordenador do Centro Tecnico Cientfico PUCRio
Rio de Janeiro, 16 de setembro de 2011

Todos os direitos reservados. Proibida a reproducao total ou
parcial do trabalho sem autorizacao da universidade, do autor
e do orientador.

Graduouse em Matematica (licenciatura) pela Universidade
Federal Fluminense, Niteroi-RJ). Durante a graduacao, con-
quistou o segundo lugar no Premio Vasconcellos Torres de
Iniciacao cientfica realizado na UFF com o trabalho Visua-
lisacao Cientfica: Deformacoes em Mapas Cartograficos na
area de ciencias exatas e da terra. Participou do concurso
RIVED tendo desenvolvido o software DynAtlas que explora
a geometria do globo terrestre. Este trabalho foi um dos
17 contemplados no Brasil pelo MEC e a Organizacao das
Nacoes Unidas na area de desenvolvimento de softwares para
educacao.
Ficha Catalografica
de Almeida junior, Rogerio Vaz
Estimadores de Curvaturas para Curvas no R4 / Rogerio

Vaz de Almeida Junior; orientador: Sinesio Pesco ; co
orientador: Helio Cortes Vieira Lopes. Rio de Janeiro :
PUCRio, Departamento de Matematica, 2011.
v., 101 f: il. ; 29,7 cm
1. Dissertacao (Mestrado em Matematica) - Pontifcia

Universidade Catolica do Rio de Janeiro, Departamento de
Matematica.
Inclui referencias bibliograficas.
1. Matematica Tese. 2. Geometria Diferencial; Estima-

dores de Curvaturas; Processamento Geometrico. I. Pesco,
Sinesio. II. Lopes, Helio Cortes Vieira. III. Pontifcia Univer-
sidade Catolica do Rio de Janeiro. Departamento de Ma-
tematica. IV. Ttulo.
CDD: 510
O ser humano vivencia a si mesmo, seus pensamentos como algo separado

do resto do universo - numa especie de ilusao de otica de sua consciencia. E
essa ilusao e uma especie de prisao que nos restringe a nossos desejos
pessoais, conceitos e ao afeto por pessoas mais proximas. Nossa principal
tarefa e a de nos livrarmos dessa prisao, ampliando o nosso crculo de
compaixao, para que ele abranja todos os seres vivos e toda a natureza em
sua beleza. Ninguem conseguira alcancar completamente esse objetivo, mas
lutar pela sua realizacao ja e por si so parte de nossa liberacao e o alicerce de
nossa seguranca interior.
Albert Einstein
Dedico esta dissertacao aos meus pais por todo apoio e incentivo em todos os
momentos da minha vida.
Agradecimentos
A Deus, pela oportunidade da vida. Aos meus pais, Rogerio Vaz de Almeida
e Rosane de Andrade de Almeida, por todo apoio e por serem os personagens
principais da minha historia. Ao meu padrinho Ricardo Goncalves de Andrade
pelas palavras de incentivo nos momentos de dificuldade. Ao meu orientador
de mestrado Sinesio Pesco pelas longas conversas nos meus momentos de di-
ficuldade e por confiar no meu trabalho. Ao meu orientador durante minha
graduacao Humberto Jose Bortolossi por toda paciencia, dedicacao e profissi-
onalismo. Ao professor Helio Cortes Vieira Lopes pelas ideias valiosas e toda
ajuda na parte escrita deste trabalho. Aos meus colegas de mestrado, especi-
almente Luana Sa, Andrea Lins, Maria Andrade, Lis Ingrid e Leandro Souza
pelo companheirismo, incentivo e amizade. Por fim, agradeco a CAPES e a
PUC-Rio, pelos auxlios concedidos, sem os quais este trabalho nao poderia
ter sido realizado.
Resumo
de Almeida junior, Rogerio Vaz; Pesco, Sinesio; Lopes, Helio Cortes

Vieira. Estimadores de Curvaturas para Curvas no R4 . Rio
de Janeiro, 2011. 101p. Dissertacao de Mestrado Departamento
de Matematica, Pontifcia Universidade Catolica do Rio de Janeiro.
Vamos apresentar neste trabalho dois metodos para calcular as propri-

edades diferenciais geometricas de uma curva discreta no R4 . O primeiro e
baseado em aproximacoes por comprimento de arco. O segundo e baseado
na metodologia de derivacao discreta. Esses metodos estimam numerica-
mente as curvaturas k1 , k2 e k3 e os vetores tangente, normal, binormal
e trinormal para cada ponto da curva. Sao apresentados tambem calculos

dessas propriedades geometricas para curvas tanto na forma parametrica
como na forma implcita, com o objetivo final de testar a consistencia dos
metodos propostos comparando-os aos resultados teoricos.
Palavraschave
Geometria Diferencial; Estimadores de Curvaturas; Processamento
Geometrico.
Abstract
de Almeida junior, Rogerio Vaz; Pesco, Sinesio (Advisor); Lopes,

Helio Cortes Vieira (Co-Advisor). Curvature Estimators for
Curves in R4 . Rio de Janeiro, 2011. 101p. MSc. Dissertation
Department of Matematica, Pontifcia Universidade Catolica do Rio
de Janeiro.
We present new algorithms for computing the diferential geometry

properties of a discrete curve in R4 based on two different methods:
arc-lenght aproximation and discrete derivatives.
Keywords
Differential Geometry; Curvature Estimation; Geometry Processing.
Sumario
1 Introducao 12
1.1 Divisao da Dissertacao 13
2 Propriedades geometricas de curvas parametrizadas no R4 14

2.1 Curvas Parametrizadas 14
2.2 Reparametrizacao da curva 15
2.3 Comprimento de Arco 15
2.4 Teoria Local de Curvas no R4 Parametrizadas pelo Comprimento de
Arco 16
2.5 Obtendo as propriedades geometricas de curvas no R4 19
2.6 Teoria Local de Curvas no R4 Parametrizadas de Forma Arbitraria 22
3 Curvas Implcitas no R4 e Curvaturas 25

3.1 Hipersuperfcies Implcitas 25
3.2 Curvas Implcitas e o Teorema da Funcao Implcita 25
3.3 Curvas em uma Hipersuperfcie 26
3.4 Curvas com Parametrizacao Especial em uma Hipersuperfcie 27
3.5 Propriedades Geometricas de uma Curva Implcita no R4 28
4 Estimadores Numericos de Curvatura 31

4.1 Calculo das Curvaturas: Coordenadas Independentes 31
4.2 O Metodo das Derivadas Discretas 36
5 Resultados Computacionais 40
5.1 Geracao de Pontos 40
5.2 Rudo aditivo 41
5.3 Visualizacao 41
5.4 Analise de erro 41
5.5 Curvas Parametrizadas 42
5.6 Curvas Implcitas 77
6 Conclusao 98
Referencias Bibliograficas 99
A Analise do tempo de execucao 100

A.1 Legenda de curvas e apresentacao das tabelas 100
Lista de figuras
1.1 Projecao particular com rotacao nos 4 eixos 12
2.1 O vetor tangente e normal a curva r em s. 17
4.1 Ajuste de Curva 31

4.2 Derivadas discretas 37
5.1 Preditor-corretor no R3 40
5.2 Acrescimo de rudo em um ponto 41
5.3 rotacao nos 4 eixos 42
5.4 Curvatura k1 , n = 1300, = 0 43
5.5 Curvatura k2 , n = 1300, = 0 43
5.6 Curvatura k3 , n = 1300, = 0 43
5.7 Projecao em XY , n = 1300, = 0.1 44
5.8 Grafico n Me , q = 2, = 0 44
5.9 Grafico n Me , q = 2, = 0 44
5.10 Grafico n Me , q = 2, = 0 45
5.11 Grafico n Me , q = 10, = 0 45
5.12 Grafico n Me , q = 10, = 0 45

5.13 Grafico n Me , q = 10, = 0 45
5.14 Grafico n Me , q = 2, = 102 47
5.15 Grafico n Me , q = 2, = 102 47
5.16 Grafico n Me , q = 2, = 102 48
5.17 Grafico n Me , q = 10, = 102 48
5.18 Grafico n Me , q = 10, = 102 48
5.19 Grafico n Me , q = 10, = 102 49
5.20 Grafico n Me , q = 2, = 103 49
5.21 Grafico n Me , q = 2, = 103 49
5.22 Grafico n Me , q = 2, = 103 49
5.23 Grafico n Me , q = 10, = 103 50
5.24 Grafico n Me , q = 10, = 103 50
5.25 Grafico n Me , q = 10, = 103 50
5.26 Grafico q Me , n = 1300, = 0 52
5.27 Grafico q Me , n = 1300, = 0 52
5.28 Grafico q Me , n = 1300, = 0 52
5.29 Grafico q Me , n = 1300, = 102 54
5.30 Grafico q Me , n = 1300, = 102 54
5.31 Grafico q Me , n = 1300, = 102 54
5.33 k1 , n = 1300 56
5.34 k2 , n = 1300 56
5.35 k3 , n = 1300 57
5.36 Curvatura k1 57
5.39 n = 1300, = 104 59
5.40 = 0, n = 1300 59
5.41 = 102 , n = 1300 59
5.42 Coordenadas independentes, = 0, q = 2, grafico n Me 60
5.43 Derivadas discretas, = 0, q = 2, grafico n Me 60
5.44 Coordenadas independentes, = 104 , q = 2, grafico n Me 62
5.45 Derivadas discretas, = 104 , q = 2, grafico n Me 62
5.46 Coordenadas independentes, n = 1300, q = 2 64
5.47 Derivadas discretas, n = 1300, q = 2 64
5.49 n = 1300, curvatura k1 65
5.50 n = 1300, curvatura k2 65
5.51 Projecao em XY , n = 1300, curvatura k3 65
5.52 n = 1300, = 102 65
5.53 zoom, = 0 66
5.54 zoom, = 102 66
5.55 Grafico n Me , q = 10, = 0 67
5.56 Grafico n = 1300, = 0 67
5.57 Grafico q = 2, n = 1300 68
5.58 Grafico q = 2, n = 1300 68
5.59 Grafico q = 2, n = 1300 68
5.60 Grafico n = 1300, = 104 68

5.61 Grafico n = 1300, = 104 68
5.62 Grafico n = 1300, = 104 69
5.64 Escala para k1 70
5.70 Curva com n = 1300, = 0.1 72
5.71 Grafico q = 10, = 0, curvatura k1 73
5.72 Grafico q = 10, = 0, k2 73
5.73 Grafico q = 10, = 0, k3 73
5.74 Grafico n Me , q = 10, = 103 73
5.75 Grafico n Me , q = 10, = 103 74
5.76 Grafico n Me , q = 10, = 103 74
5.77 Grafico t k1 , q = 2, = 0 75
5.78 Grafico t k2 , q = 2, = 0 75
5.79 Grafico t k3 , q = 2, = 0 75
5.80 Grafico t k1 , q = 2, = 103 75
5.81 Grafico t k2 , q = 2, = 105 76
5.82 Grafico t k3 , q = 2, = 105 76
5.83 Curva exemplo 1 77
Estimadores de Curvaturas para Curvas no R4 11

5.87 Grafico n Me , q = 2, = 0 79
5.88 Grafico n Me , q = 2, = 0 79
5.89 Grafico n Me , = 105 79
5.90 Grafico n Me , = 105 79
5.91 Grafico q Me , = 0, n = 1300 80
5.92 = 105 , n = 1300, curvatura k1 80
5.93 = 105 , n = 1300, curvatura k2 80
5.94 Eixos x e y 81
5.95 Visualizacao do eixo z 81
5.96 Visualizacao do eixo w 82
5.97 Nova rotacao 82
5.100Escala para k3 83
5.101q = 2, = 0, curvatura k1 84
5.102q = 2, = 0, curvatura k2 84
5.103q = 2, = 0, curvatura k3 84
5.104q = 2, = 103 , curvatura k1 85
5.105q = 2, = 103 , curvatura k2 86
5.106q = 2, = 103 , curvatura k3 86
5.107Projecao em XY 87
5.108Visualizacao do eixo z 87
5.109Rotacao nos 4 eixos 88
5.110Nova rotacao 88
5.111n = 1300, = 0, curvatura k1 89
5.112n = 1300, = 0, curvatura k2 89
5.113n = 1300, = 103 , curvatura k1 90
5.114n = 1300, = 103 , curvatura k2 90
5.115q = 2, = 0, curvatura k1 90
5.116q = 2, = 0, curvatura k2 91
5.117q = 2, = 104 , curvatura k1 91
5.118q = 2, = 104 , curvatura k2 92
5.119Visualizacao em x e y 93
5.120Visualizacao do eixo z 93
5.121Visualizacao do eixo w 93
5.122Curvatura k1 93
1
Introducao
O problema de estimar de forma precisa as propriedades geometricas de curvas

discretas no plano R2 e no espaco R3 e reconhecidamente importante em dife-
rentes domnios da ciencia, tais como: visao computacional (9), reconhecimento
de padroes (7), processamento de imagens (4) e modelagem geometrica (8).
O objetivo principal desse trabalho e o desenvolvimento de metodos
numericos que estimam as propriedades geometricas (vetores tangente, nor-
mal, binormais e curvaturas) de curvas discretas no R4 . A Figura 1.1 ilus-
tra uma projecao de um conjunto de pontos pertencentes a uma discre-
tizacao uniforme da curva parametrica r(t) = (2cos(t) + 2cos(3t), 2sen(t)
2sen(3t), 4sen(2t), 21 t2 ).
Figura 1.1: Projecao particular com rotacao nos 4 eixos
Esse trabalho tem sua justificativa nao so pelo conteudo matematico do

assunto, mas tambem pelas aplicacoes existentes de curvas no R4 como em
construcao de curvas offsets e em deteccao de colisoes (5) e (3).
Foi adotada como metodologia a extensao para o R4 de dois metodos
existentes para calculo de curvaturas para curvas discretas no R3 . O primeiro
deles e baseado nas estimativas por mnimos quadrados parametrizando a
curva por comprimento de arco (6). O segundo utiliza um modelo de derivacao
discreta (2).
1.1
Divisao da Dissertacao
No captulo 2 trataremos dos conceitos basicos de geometria diferencial.
Vamos falar sobre curvas parametrizadas no R4 , definir curvas regulares e com-
primento de arco, definir o produto vetorial no R4 , tratar de aspectos impor-
tantes sobre teoria local de curvas parametrizadas pelo comprimento de arco,
apresentar as formulas de Frenet-Serret, tratar de curvas com parametrizacao
arbitraria e obter as expressoes para as curvaturas k1 , k2 e k3 .
No captulo 3, vamos definir uma curva implcita no R4 , enunciar o
teorema da funcao implcita, tratar de curvas em hipersuperfcies implcitas
e descrever os procedimentos, segundo um modelo contnuo, para obtencao
das curvaturas de um ponto pertencente a intersecao de tres hipersuperfcies
implicitamente definidas no R4 .
No captulo 4, vamos descrever os metodos numericos para uma estimacao
das curvaturas de uma curva discreta no R4 . Eles sao as extensoes dos
algoritmos propostos em (6) e (2).
No captulo 5 serao apresentados os resultados computacionais atraves de
graficos e tabelas que mostram os erros de estimacao comparados a resultados

analticos tanto para curvas implcitas quanto para curvas parametricas.
Finalmente, o captulo 6 apresentara as consideracoes finais e assuntos
que serao abordados em trabalhos futuros.
2
Propriedades geometricas de curvas parametrizadas no R4
Nesse captulo trataremos dos conceitos basicos de geometria diferencial refe-

rentes a curvas parametrizadas no R4 .
2.1
Curvas Parametrizadas
Uma curva parametrizada e uma aplicacao contnua r I Rn de um intervalo
I R em Rn . O conjunto imagem C = {r(t) Rn t I} e chamado traco de r.
A aplicacao r e dita uma parametrizacao de C e chamaremos t de parametro
da curva.
0)
A curva r e dita ser diferenciavel em t = t0 , se limtt0 r(t)r(t
tt0 existe, e
nesse caso o valor desse limite sera denotado por r(t0 ) ou dt (t0 ). O vetor r(t0 )
dr
e chamado de vetor tangente a curva r em t = t0 .

Se r e diferenciavel em todos os pontos de seu domnio dizemos simples-

mente que ela e diferenciavel.
Podemos definir a funcao derivada de uma curva diferenciavel r como
sendo a funcao r I Rn que associa a cada t0 I o vetor derivada r(t0 ).
Quando existir o valor da derivada da funcao r(t) no ponto t = t0 , dizemos
que ele e a segunda derivada de r em t0 , nesse caso esse numero sera denotado
por r(t0 ).
Derivadas de ordem superiores em cada ponto t I sao obtidas de forma
analoga, quando existirem.
Se r possui derivadas ate ordem k e elas sao contnuas em todos os pontos
de seu domnio, entao dizemos que ela e de classe C k .
Uma curva e dita ser suave se ela possui derivadas de todas as ordens
em todos os pontos de seu domnio.
Uma curva r de classe C k e dita ser regular de ordem m se os m vetores
derivadas de r,
dr d2 r dm r
{ , 2 , . . . , m },
dt dt dt
em qualquer ponto de seu domnio sao linearmente independentes.
Em particular, uma curva r de classe C 1 e regular se para qualquer ponto
de seu domnio a norma do vetor tangente nunca e igual a zero.
2.2
Reparametrizacao da curva
O traco de uma curva r pode possuir diversas parametrizacoes. A geometria
diferencial estuda propriedades das curvas que sao invariantes a reparame-
trizacoes. Por isso, seria interessante definir uma relacao de equivalencia entre
as diversas parametrizacoes de um dado traco.
Duas curvas parametricas de classe C k , r1 I1 Rn e r2 I2 Rn , sao
equivalentes se existe uma bijecao I1 I2 tal que d
dt (t) 0, para todo t I1
e r2 ((t)) = r1 (t). Nessas condicoes, dizemos que r2 e uma reparametrizacao
de r1
2.3
Comprimento de Arco
Sejam r I Rn uma curva continuamente diferenciavel e [a, b] I um
intervalo fechado. O comprimento de arco de r no intervalo [a, b] e definido
por:
b
l = r(u)du,
onde representa a norma euclidiana do vetor.

Para uma curva regular r I Rn de ordem C k , k 1, e para um numero
t0 I, podemos definir a funcao s I Rn como
s(t) = r(u)du
t0
Como r() e uma funcao contnua, entao s e uma funcao diferenciavel e

s(t) = r(t).
Ao escrever r(s) = r(t(s)), onde t(s) e a inversa de s(t), dizemos que a
curva r esta parametrizada pelo comprimento de arco.
Derivando r(s) em relacao a s, obtemos:
dr dt 1 r(t(s))
(s) = r(t(s)) (s) = r(t(s)) = .
ds ds dt (s)
ds r(t(s))
ds (s) = 1 para todo s.

Isso implica que dr
Por outro lado, se a curva r tem r(t) = 1 em todos os pontos t de seu
domnio I, entao ela esta parametrizada pelo comprimento de arco, pois para
quaisquer t0 e t em I o comprimento de arco de r em [t0 , t] vale
s(t) = 1du = t t0 .
t0
Daqui por diante, usaremos a notacao para denotar a derivada em

relacao ao comprimento de arco e para denotar a derivada em relacao a um
parametro qualquer.
Vale observar que toda curva regular pode ser reparametrizada para obter
velocidade unitaria, ou seja, para se tornar parametrizada pelo comprimento
de arco (1).
2.4
Teoria Local de Curvas no R4 Parametrizadas pelo Comprimento de Arco
Seja r I R R4 uma curva regular parametrizada pelo comprimento de
arco. Denotamos por t(s) = r (s) o vetor tangente unitario da curva r em s.

Como r (s) = 1, isto e < r (s), r (s) >= 1, temos, ao derivarmos ambos os

membros da igualdade anterior, que:
< r (s), r (s) > + < r (s), r (s) > = 0.
O que implica em:

< r (s), r (s) > = 0.
Estabelecemos que r (s) esta na direcao do vetor que denominamos vetor

normal unitario n(s) (veja Figura 2.1). Com isso, podemos definir uma funcao
diferenciavel k1 I R, tal que r (s) = k1 (s)n(s). Chamamos o numero real
k1 (s) de curvatura da curva r em s I. A curvatura k1 (s) nos fornece uma
medida do quao rapidamente uma curva se afasta, em uma vizinhanca de s,
da tangente em s.
Figura 2.1: O vetor tangente e normal a curva r em s.
Se aplicarmos o produto escalar com r (s) em ambos os membros da

equacao r (s) = k1 (s)n(s), obtemos que
k12 (s) = < r (s), r (s) > .
Em resumo, ate agora, obtivemos tres expressoes para o calculo das

primeiras propriedades geometricas diferenciais de uma curva, sao elas:
r (s) = t(s),
r (s) = k1 (s)n(s),
e
k12 (s) = < r (s), r (s) > .
Para obter outras propriedades geometricas interessantes para curvas no

Rn e necessario definir a famosa base movel de Frenet-Serret.
2.4.1
Formulas de Frenet-Serret
Se r I Rn e uma curva de classe C n+1 , regular de ordem n e para-
metrizada pelo comprimento de arco, entao a base movel de Frenet-Serret no
Rn , denotada por {e1 (s), e1 (s), ..., en (s)}, e obtida pela aplicacao do processo
de ortogonalizacao de Gram-Schmidt nos vetores r (s), r (s), ..., r(n) (s). Essa
base e portanto abtida da seguinte forma:
r (s)
e1 (s) = r (s)
r (s)<r (s),e1 (s)>e1 (s)
e2 (s) = r (s)<r (s),e1 (s)>e1 (s)

k1
r(k) (s) <r(k) (s),ei (s)>ei (s)
ek (s) = i=1
k1
r(k) (s) <r(k) (s),ei (s)>ei (s)
i=1
O teorema a seguir constitui uma das principais ferramentas de deter-

minacao das formulas de Frenet-Serret para curvaturas de ordem superior.
Teorema 2.1 Se r I Rn e uma curva de classe C n+1 , regular de

ordem n e parametrizada pelo comprimento de arco, entao para qualquer
s I tem-se que:
e1 (s) k1 (s) e1 (s)

0 0 0

e2 (s) k (s) k2 (s) e2 (s)
0 0

1
= .

en1 (s) kn2 (s) kn1 (s) en1 (s)
0 0 0

en (s) kn1 (s) en (s)
0 0 ... 0
Em particular para as curvas no R4 , podemos denotar a base movel

de Frenet-Serret como sendo {t(s), n(s), b1 (s), b2 (s)}, onde chamamos esses
vetores, repectivamente, de vetor tangente, vetor normal, vetor binormal e
vetor trinormal de r em s. Aplicando o Teorema anterior, obtemos a lista

completa das quatro formulas de Frenet-Serret para curvas no R4 :
t (s) = k1 (s)n(s) (2-1)
n (s) = k1 (s)t(s) + k2 (s) b1 (s) (2-2)
b1 (s) = k2 (s)n(s) + k3 (s)b2 (s) (2-3)
b2 (s) = k3 (s)b1 (s) (2-4)
Como observacao, as curvaturas generalizadas (ou curvaturas de Frenet-Serret)

sao definidas pela expressao:
ki (s) = < ei (s), ei+1 (s) >, com 1 i n 1.
Uma vez determinadas as formulas de Frenet-Serret, nosso objetivo agora

e encontrar as expressoes das curvaturas k1 (s), k2 (s) e k3 (s) para uma curva
r no R4 parametrizada pelo comprimento de arco em termos de suas funcoes
derivadas ate a 4a ordem. A razao e que os dois metodos numericos a serem
propostos no captulo 4, na realidade, calculam aproximacoes para essas quatro
derivadas.
2.5
Obtendo as propriedades geometricas de curvas no R4
2.5.1
Os vetores tangente e normal e a curvatura k1
Aplicando o processo de ortogonalizacao de Gram-Schmidt nas duas primeiras
derivadas da curva r parametrizada pelo comprimento de arco, podemos obter
novamente as formulas das primeiras propriedades geometricas que foram
calculadas na secao 2.4:
t(s) = r (s), (2-5)
r (s)
n(s) = , (2-6)
r (s)
e que:
k1 (s) =< t (s), n(s) >= r (s) (2-7)
2.5.2
O vetor binormal e a curvatura k2
Agora, o objetivo e determinar uma expressao para o vetor binormal b1
e para k2 em cada ponto da curva r(s).
O vetor b1 e definido como sendo:
r (s) < r (s), t(s) > t(s) < r (s), n(s) > n(s)
b1 (s) = (2-8)
r (s) < r (s), t(s) > t(s) < r (s), n(s) > n(s)
Para obter k2 (s), inicialmente derivamos a expressao r (s) = k1 (s)n(s):
r (s) = k1 (s)n(s) + k1 (s)n (s)
r (s) = k1 (s)n(s) + k1 (s)(k1 (s)t(s) + k2 (s)b1 (s)
r (s) = k12 (s)t(s) + k1 (s)n(s) + k1 (s)k2 (s)b1 (s)
Com isso, podemos obter k1 (s) atraves do produto escalar de cada um dos
termos da identidade anterior com n(s). Assim,
< r (s), n(s) > = k12 (s) < t(s), n(s) > +k1 (s) < n(s), n(s) > +k1 (s)k2 (s) < n(s), b1 (s) > .
Que nos da:

k1 (s) = < r (s), n(s) >
Com esse resultado, podemos determinar uma formula para k2 (s):
< r (s), b1 (s) > = k12 (s) < t(s), b1 (s) > +k1 (s) < n(s), b1 (s) > +k1 (s) k2 (s) < b1 (s), b1 (s) > .
Logo,
< r (s), b1 (s) >

k2 (s) = (2-9)
k1 (s)
Para obter o vetor trinormal b2 de forma mais simples podemos utilizar

o produto vetorial no R4 que sera definido a seguir.
2.5.3
O produto vetorial no R4
Sejam 3 vetores u, v, w R4 . Obtenha uma matriz C3x4 onde as linhas de C
sao constitudas pelos vetores u, v e w. Assim, C = [u v w]T .

Seja cj o determinante da matriz 3 3 obtida eliminando-se a j-esima
coluna de C. O produto vetorial dos 3 vetores u, v e w e representado pelo
vetor:
u v w = [c1 , c2 , c3 , c4 ] R4 .
Exemplo: Sejam u = (1, 0, 0, 1), v = (0, 0, 1, 0) e w = (2, 1, 1, 0). Temos

que
1 0 0 1

C= 0 0 1 0

2 1 1 0
RRR R RRR R RRR R RRR R
RRR 0 0 1 RRRRR RRR 1 0 1 RRRRR RRR 1 0 1 RRRRR RRR 1 0 0 RRRRR
c1 = RRRRR 0 1 0 RRRRR = 1, c2 = RRRRR 0 1 0 RRRRR = 2, c3 = RRRR 0 0 0 RRRR = 0 e c4 = RRRR 0 0 1 RRRR = 1
R R R R
RRR RRR RRR RRR RRR RRR RRR R
RRR 1 1 0 RRR RRR 2 1 0 RRR RRR 2 1 0 RRR RRR 2 1 1 RRRRR
u v w = [c1 , c2 , c3 , c4 ] = (1, 2, 0, 1)
Algumas propriedades:
1. Se os vetores u, v e w sao linearmente independentes, entao o vetor

u v w e ortogonal a u, v e w individualmente;
2. Se os vetores u, v e w sao linearmente dependentes, entao o produto

vetorial u v w = 0;
3. Seja R {0}, entao (u v w) = (u) v w = u (v) w =

u v (w).
2.5.4
O vetor trinormal e a curvatura k3
O vetor trinormal b2 (s) pode ser obtido da seguinte forma:
r (s) r (s) r (s)

b2 (s) = (2-10)
r (s) r (s) r (s)
pois, por definicao, ele deve ser ortogonal ao espaco gerado por esses tres
vetores, que e o mesmo espaco gerado por {t(s), n(s), b1 (s)}.
Podemos tambem utilizar essa mesma estrategia do produto vetorial para
obter uma outra forma de calcular o vetor binormal b1 . Ja que temos, para
cada s, os vetores r e r , entao o vetor b1 e tambem dado por:
b2 (s) r (s) r (s)

b1 (s) = . (2-11)
b2 (s) r (s) r (s)
Para calcular k3 (s), vamos calcular r(4) (s) que e obtida substituindo as
formulas de Frenet-Serret na derivada da expressao:
r (s) = k12 (s)t(s) + k1 (s)n(s) + k1 (s)k2 (s)b1 (s).
Assim,
r(iv) (s) = 2k1 (s) k1 (s) t(s) + (k12 (s)) t (s) +

k1 (s) n(s) + k1 (s) n (s) + (k1 (s) k2 (s)+

k1 (s) k2 (s)) b1 (s) + k1 (s)k2 (s)b1 (s)

r(iv) (s) = 2k1 (s) k1 (s) t(s) k12 (s) k1 (s) n(s)+

k1 (s) n(s) + k1 (s) [k1 (s) t(s) + k2 (s)b1 (s) ] +

k1 (s)k2 (s)b1 (s) + k1 (s)k2 (s) [ k2 (s)n(s) + k3 (s)b2 (s) ]

r(iv) (s) = 2k1 (s) k1 (s) t(s) k13 (s) n(s)+

k1 (s) n(s) k1 (s) k1 (s) t(s) + k1 (s) k2 (s)b1 (s) +

k1 (s)k2 (s)b1 (s) + k1 (s)k2 (s)b1 (s) k1 (s)k22 (s)n(s) +

k1 (s)k2 (s)k3 (s)b2 (s)
r(iv) (s) = 3k1 (s) k1 (s) t(s) + [k13 (s) + k1 (s) k1 (s) k2 (s)]n(s)+

[ 2k1 (s) k2 (s) + k1 (s) k2 (s) ] b1 (s) +

k1 (s)k2 (s)k3 (s)b2 (s).
Finalmente, k3 (s) e obtida fazendo o produto escalar de cada um dos

termos da expressao anterior com b2 (s). Assim,
< r(iv) (s), b2 (s) > =
3k1 (s) k1 (s) < t(s), b2 (s) > +

[ k13 (s) + k1 (s) k1 (s)k22 (s) ] < n(s), b2 (s) > +

[ 2k1 (s) k2 (s) k1 (s) k2 (s) ] < b1 (s), b2 (s) > +

k1 (s) k2 (s) k3 (s) < b2 (s), b2 (s) > .
Portanto,
< r(iv) (s), b2 (s) >

k3 (s) = (2-12)
k1 (s)k2 (s)
Ficam portanto, definidas todas as propriedades geometricas diferenciais

de uma curva r(s) parametrizada pelo comprimento de arco.
2.6
Teoria Local de Curvas no R4 Parametrizadas de Forma Arbitraria
Vimos nas secoes anteriores como obter as formulas de Frenet-Serret para uma
curva r(s) parametrizada pelo comprimento de arco. Nesta secao, mostraremos
como obter as expressoes das formulas de Frenet-Serret para uma curva com
parametrizacao arbitraria, digamos h(t).
Sabemos que toda curva regular pode ser reparametrizada para ter vetor
tangente unitario.
Digamos que h (a, b) R4 seja uma curva regular com parametrizacao
h. Seja r (c, d) R4 uma reparametrizacao de h pelo comprimento de arco.
Podemos escrever que h(t) = r(s(t)) onde s(t) e a funcao comprimento de arco.
Seja = { t(s), n(s), b1 (s), b2 (s) } a base ortonormal de Frenet-Serret para

a curva r(s). Seja = {t(t), n(t), b1 (t), b2 (t)} a base ortonormal de Frenet-
Serret para a curva h(t). Definimos, entao, o seguinte conjunto de expressoes:

ki (t) = ki (s(t)), i = 1, 2, 3

t(t) = t(s(t))

n(t) = n(s(t)) .

b1 (t) = b1 (s(t))

b2 (t) = b2 (s(t))

Seja h (a, b) R4 uma curva de classe C 4 regular com parametrizacao

arbitraria. Seja r (c, d) R4 uma reparametrizacao de h pelo comprimento
de arco. Considere que v(t) = h(t) = s(t). Como h(t) = r(s(t)) onde s(t) e a
funcao comprimento de arco, entao as formulas de Frenet para a curva h sao
dadas por:
dt (t(t)) = v(t)k1 (t)n(t)

d
dt (n(t)) = v(t)k1 (t)t(t) + v(t)k2 (t)b1 (t)

d
dt (b1 (t)) = v(t)k2 (t)n(t) + v(t)k3 (t)b2 (t)

d
dt (b2 (t)) = v(t)k3 (t)b1 (t)

d
Uma vez obtidos os vetores tangente, normal, binormal e trinormal que

caracterizam a base de Frenet no R4 para uma curva parametrizada pelo
comprimento de arco, precisamos determinar as expressoes para as derivadas
ate a quarta ordem de uma curva h com parametrizacao arbitraria. Como
h(t) = r(s(t)), obtemos que:
h (t) = v(t)t(t)

Derivando a expressao anterior, temos a segunda derivada que e dada por:
dv
h (t) = (t)t(t) + v 2 (t)k1 (t)n(t)

dt
Derivando novamente, encontramos uma expressao para a terceira derivada:
d2 v dv dk1
h (t) = [ 2
(t) v 3 (t)k12 (t)]t(t) + [3v(t) (t)k1 (t) + v 2 (t) (t)]n(t)
dt dt dt
+v 3 (t)k1 (t)k2 (t)b1 (t)

Derivando mais uma vez obtemos finalmente uma expressao para a quarta
derivada:
d3 v dv dk1 (t) d2 v
h(iv) (t) = [ (t)6v 2
(t) (t)k1
2
(t)v 3
(t)k1 (t) ]t(t)+[4v(t) (t)k1 (t)
dt3 dt dt dt2
dv dk1 dv d2 k1
+5v(t) (t) (t)v 4 (t)k13 (t)+3k1 (t)( (t))2 +v 2 (t) 2 (t)v 4 (t)k1 (t)k22 (t)]n(t)
dt dt dt dt
dv dk1 dk2
+[6v 2 (t) (t)k1 (t)k2 (t) + 2v 3 (t) (t)k2 (t) + v 3 (t)k1 (t) (t)]b1 (t)
dt dt dt
+v 4 (t)k1 (t)k2 (t)k3 (t)b2 (t)
A seguir, destacamos o principal teorema que sera utilizado neste trabalho:
Teorema 2.2 Se h (a, b) R4 e uma curva de classe C 4 e regular,

entao vale para qualquer t (a, b) que:
h (t)
t(t) = ;
h (t)
h (t) h (t) h (t)

b2 (t) = ;
h (t) h (t) h (t)
b2 (t) h (t) h (t)
b1 (t) = ;
b2 (t) h (t) h (t)
b1 (t) b2 (t) h (t)
n(t) = ;
b1 (t) b2 (t) h (t)
< n(t), h (t) >
k1 (t) = ;
h (t)
2
< b1 (t), h (t) >

k2 (t) = ;
h (t) k1 (t)
3
< b2 (t), h(iv) (t) >

k3 (t) = .
h (t)4 k1 (t)k2 (t)
3
Curvas Implcitas no R4 e Curvaturas
Nesse captulo continuaremos tratando dos conceitos basicos de geome-

tria diferencial, mas agora, referentes a curvas implcitas no R4 . Esse estudo e
baseado no recente trabalho de O. Alessio em (1).
3.1
Hipersuperfcies Implcitas
Considere uma funcao f U R4 R de classe C 1 . O vetor gradiente de f ,
denotado por f , e uma aplicacao diferenciavel definida por f U R4 ,
que leva p em f (p) = (fx (p), fy (p), fz (p), fw (p)), onde fx , fy , fz e fw sao as
derivadas parciais de f com relacao a x, y, z e w, respectivamente.
Seja c um numero real pertencente ao conjunto imagem de f . O conjunto
de nvel c de f e definido como f 1 (c) = {(x, y, z, w) D; f (x, y, z, w) = c}.
Dessa forma, f 1 (c) e o conjunto de todas as solucoes em D da equacao
f (x, y, z, w) = c. O nvel c e dito ser um valor regular de f se f em f 1 (c)

nunca se anula.
Teorema 3.1 Seja f U R4 R funcao de classe C 1 e c f (U ) e um

valor regular de f , entao f 1 (c) e uma variedade de dimensao 3 no R4 .
Daqui por diante, chamaremos as variedades de dimensao 3 que corres-

pondem ao conjunto de nvel de um valor regular c de uma funcao f U
R4 R de hipersuperfcies implcitas.
Para cada ponto p f 1 (c) R4 , o vetor f (p) e normal a hipersu-
perfcie f 1 (c). Denotaremos o vetor normal unitario a hipersuperfcie f 1 (c)
f (p)
no ponto p por Nf (p) = f (p) .
4
No R , o hiperplano que passa por um ponto p0 pertencente a uma
hipersuperfcie f 1 (c) e que ainda e perpendicular ao vetor f (p0 ) denomina-
se hiperplano tangente a hipersuperfcie f 1 (c), cuja equacao pode ser escrita
como f (p0 ) [p p0 ] = 0.
3.2
Curvas Implcitas e o Teorema da Funcao Implcita
Seja c um valor regular para as funcoes f U R4 R, g U R4 R e
h U R4 R. Dizemos que as tres hipersuperfcies implcitas Sf = f 1 (c),
Sg = g 1 (c), Sh = h1 (c) se interceptam transversalmente se, para todo
ponto p Sf Sg Sh , temos que f (p), g(p) e h(p) sao linearmente

independentes.
Quando as superfcies implcitas Sf = f 1 (c), Sg = g 1 (c) e Sh = h1 (c)
se interceptam transversalmente, entao dizemos que o conjunto de pontos
Cfc gh = {p R4 f (p) = g(p) = h(p) = c} e uma curva implcita no R4 .
O Teorema da Funcao Implcita fala que uma curva implcita e localmente
parametrizavel por uma das quatro coordenadas.
Teorema 3.2 (Teorema da Funcao Implcita) Sejam f, g, h U

V R R3 R tres funcoes de classe C k , k 1 e p0 = (x0 , y0 , z0 , w0 )
U V um ponto. Se f (p0 ) = g(p0 ) = h(p0 ) = 0 e
RRR RRR
y (p0 ) z (p0 ) w (p0 )
f f f
RRR RRR
(p0 ) = RRRRR RRR 0,
(f, g, h)
y (p0 ) z (p0 ) w (p0 )
g g g
(y, z, w) RRR RRR
RRR RRR
y (p0 ) z (p0 ) w (p0 )
h h h
RR
entao existe uma vizinhanca U0 em torno do ponto x0 em U , existe uma

vizinhanca V0 em torno do ponto (y0 , z0 , w0 ) em V, e uma unica aplicacao
U0 V0 tal que (x) = (y(x), z(x), w(x)) com

f (x, y(x), z(x), w(x)) = 0

g(x, y(x), z(x), w(x)) = 0

h(x, y(x), z(x), w(x)) = 0

para todo x U0 . Alem disso, a aplicacao e de classe C k .
Neste trabalho, vamos calcular todas as propriedades geometricas dife-

renciais de uma curva no R4 obtida pela intersecao de tres hipersuperfcies
implcitas.
3.3
Curvas em uma Hipersuperfcie
Dizemos que uma curva parametrica r I R R4 esta sobre a hipersuperfcie
implcita de nvel 0 de uma funcao f D R4 R, se para qualquer t I temos
que f r(t) = 0.
Considere que r e uma curva parametrica de classe C 4 sobre uma
hipersuperfcie implcita f 1 (0), onde f tambem e de classe C 4 .
Derivando ambos os lados da equacao f r(t) = 0, podemos escrever que:
f (r(t)) r(t) = 0
Derivando mais tres vezes a equacao anterior, obtemos:
f (r(t)) r(t) = (r(t))T Hf (r(t))r(t),
... d
f (r(t)) r (t) = (r(t))T (Hf (r(t)))r(t) 3(h(t))T Hf (r(t))r(t),
dt
.... d d d
f (r(t)) r (t) = (r(t))T ( (Hf (r(t))))r(t) 5(r(t))T (Hf (r(t)))r(t)
dt dt dt
...
3(r(t))T Hf (r(t))r(t) 4(r(t))T Hf (r(t)) r (t).
onde Hf (x, y, z, w) denota a matriz Hessiana de f (x, y, z, w):
fxx (x, y, z, w) fxy (x, y, z, w) fxz (x, y, z, w) fxw (x, y, z, w)

fyx (x, y, z, w) fyy (x, y, z, w) fyz (x, y, z, w) fyw (x, y, z, w)
Hf (x, y, z, w) =

.

fzx (x, y, z, w) fzy (x, y, z, w) fzz (x, y, z, w) fzw (x, y, z, w)

fwx (x, y, z, w) fwy (x, y, z, w) fwz (x, y, z, w) fww (x, y, z, w)
3.4
Curvas com Parametrizacao Especial em uma Hipersuperfcie

Nosso objetivo nesta secao e particularizar o conjunto de equacoes obtidas
na secao anterior para uma curva com uma parametrizacao especial em
uma hipersuperfcie implcita. Essa parametrizacao que proporemos seria uma
equivalente a parametrizacao local proposta no Teorema da Funcao Implcita.
Seja r I R R4 uma curva parametrica de classe C 4 tal que
r(x) = (x, y(x), z(x), w(x)). Suponha que r esteja sobre uma hipersuperfcie
implcita f 1 (0), onde f U R4 R seja tambem de classe C 4 . Como
f (r(x)) = 0, temos que:
f (r(x)) r(x) = 0, (3-1)
f (r(x)) r(x) = (r(x))T Hf (r(x))r(x), (3-2)
... d
f (r(x)) r (x) = (r(x))T (Hf (r(x)))r(x) 3(r(x))T Hf (r(x))r(x),
dx
(3-3)
.... T d d T d
f (r(x)) r (x) = (r(x)) ( (Hf (r(x))))r(x)5(r(x)) (Hf (r(x)))r(x)
dx dx dx
...
3(r(x))T Hf (r(x))r(x) 4(r(x))T Hf (r(x)) r (x). (3-4)
Na proxima secao, trataremos de forma mais direta dos calculos das
propriedades geometricas diferenciais para um ponto pertencente a uma curva
de intersecao de tres hipersuperfcies implcitas no R4 .
3.5
Propriedades Geometricas de uma Curva Implcita no R4
Considere que as funcoes f U R4 R, g U R4 R e h U R4 R
possuem 0 como valor regular e que as superfcies implcitas f 1 (0), g 1 (0) e
h1 (0) se interceptam transversalmente. Seja Cf0gh = {p R4 f (p) = g(p) =
h(p) = 0} a curva implcita no R4 dada pela intersecao dessas hipersuperfcies.
Como as hipersuperfcies se interceptam transversalmente, entao pelo
(f,g,h) (f,g,h) (f,g,h) (f,g,h)
menos um dos determinantes (y,z,w) , (x,z,w) , (x,y,w) , (x,y,z) deve ser diferente
de zero num ponto p0 pertencente a curva Cf0gh .
Vamos supor, sem perda de generalidade, que (y,z,w) (f,g,h)
(p0 ) 0 num
ponto p0 Cf0gh . Entao, pelo Teorema da Funcao Implcita, existe uma curva
r(x) = (x, y(x), z(x), w(x)) que parametriza localmente a curva implcita Cf0gh
numa vizinhanca em torno de p0 = (x0 , y0 , z0 , w0 ).
Queremos agora calcular os vetores tangente, normal, binormal e trinor-
mal da curva r no ponto p0 Cf0gh , assim como as curvaturas generalizadas da
curva nesse mesmo ponto.
3.5.1
Calculo do Vetor r(x0 )
O vetor r(x0 ) e calculado resolvendo um sistema de 3 equacoes linea-
res com tres incognitas, a saber: y(x0 ), z(x0 ) e w(x0 ) (ja que r(x) =
(1, y(x0 ), z(x0 ), w(x0 ))). Usamos a equacao 3-1 para montar esse sistema, que
fica da seguinte forma:

f (p ) f (p ) f (p ) y(x ) f (p )

f (p0 ) r(x0 ) = 0 y 0 0 0

z 0 w

0

x

g(p0 ) r(x0 ) = 0 gy (p0 ) gz (p0 ) gw (p0 ) z(x0 ) = gx (p0 ) .

hy (p0 ) hz (p0 ) hw (p0 ) w(x0 ) hx (p0 )
h(p0 ) r(x0 ) = 0

3.5.2
Calculo do Vetor r(x0 )
O vetor r(x0 ) = (0, y(x0 ), z(x0 ), w(x0 )) e calculado de forma semelhante, mas
agora utilizamos a equacao 3-2 para montar um novo sistema de equacoes
lineares:

f (p0 ) r(x0 ) = (r(x0 ))T Hf (p0 )r(x0 )

g(p0 ) r(x0 ) = (r(x0 ))T Hg(p0 )r(x0 )

h(p0 ) r(x0 ) = (r(x0 )) Hh(p0 )r(x0 )
T
que na forma matricial fica:
f (p ) f (p ) f (p ) y(x )) (r(x ))T Hf (p ) r(x )

y 0 0

z 0 w 0 0 0 0
gy (p0 ) gz (p0 ) gw (p0 ) z(x0 ) = (r(x0 ))T Hg(p0 ) r(x0 ) ,

hy (p0 ) hz (p0 ) hw (p0 ) w(x0 ) (r(x0 ))T Hh(p0 ) r(x0 )

onde r(x0 ) foi obtido resolvendo o primeiro sistema.
3.5.3
...
Calculo do Vetor r (x0 )
... ... ... ...
O vetor r (x0 ) = (0, y (x0 ), z (x0 ), w(x0 )) e tambem calculado de forma
analoga. Montamos um novo sistema de equacoes lineares utilizando a equacao
3-3:

...

f (p0 ) r (x0 ) = (r(x0 ))T dx
d
(Hf (p0 ))r(x0 ) 3(r(x0 ))T Hf (p0 ) r(x0 )

...
g(p0 ) r (x0 ) = (r(x0 ))T dx
d
(Hg(p0 ))r(x0 ) 3(r(x0 ))T Hg(p0 ) r(x0 )

...

h(p0 ) r (x0 ) = (r(x0 )) dx (Hh(p0 ))r(x0 ) 3(r(x0 )) Hh(p0 ) r(x0 )
T d T
f (p ) f (p ) f (p ) ...
y 0 0 y (x0 )

z 0 w
gy (p0 ) gz (p0 ) gw (p0 ) ... =
z (x0 )
...
hy (p0 ) hz (p0 ) hw (p0 ) w(x0 )

(r(x ))T d (Hf ((p )))r(x ) 3(r(x ))T Hf (p ) r(x )

0 dx 0 0 0 0 0
(r(x0 ))T d (Hg((p0 )))r(x0 ) 3(r(x0 ))T Hg(p0 ) r(x0 )

dx

(r(x0 ))T d (Hh((p0 )))r(x0 ) 3(r(x0 ))T Hh(p0 ) r(x0 )
dx
3.5.4
....
Calculo do Vetor r (x0 )
.... .... .... ....
Finalmente, o vetor r (x0 ) = (0, y (x0 ), z (x0 ), w (x0 )) e calculado resolvendo
o seguinte sistema de equacoes lineares dado pelo uso da equacao 3-4:

....

f (p0 ) r (x0 ) = (r(x0 ))T dx
d
( dx
d
(Hf (p0 )))r(x0 ) 5(r(x0 ))T dxd
(Hf (p0 ))r(x0 )

...

3(r(x0 ))T Hf (p0 ) r(x0 ) 4(r(x0 ))T Hf (p0 ) r (x0 )

....

g(p0 ) r (x0 ) = (r(x0 ))T dx
d
( dx
d
(Hh(p0 )))r(x0 ) 5(r(x0 ))T dxd
(Hh(p0 )) r(x0 )
...
3(h (x0 ))T Hh(p0 ) h (x0 ) 4(r(x0 ))T Hh(p0 ) r (x0 )

....

h(p0 ) r (x0 ) = (r(x0 ))T dx
d
( dx
d
(Hg(p0 )))r(x0 ) 5(r(x0 ))T dxd
(Hg(p0 )) r(x0 )

...

3(r(x0 ))T Hg(p0 ) r(x0 ) 4(r(x0 ))T Hg(p0 ) r (x0 )

f (p ) f (p ) f (p ) ....
y 0 0 y (x0 )

z 0 w
gy (p0 ) gz (p0 ) gw (p0 ) ....
z (x0 ) =

....
hy (p0 ) hz (p0 ) hw (p0 ) w (x0 )

(r(x ))T d ( d (Hf (p )))r(x ) 5(r(x ))T d (Hf (p ))r(x )

0 dx dx 0 0 0 dx 0 0

...
3(r(x0 )) Hf (p0 ) r(x0 ) 4(r(x0 )) Hf (p0 ) r (x0 )
T T

(r(x0 ))T d ( d (Hh(p0 )))r(x0 ) 5(r(x0 ))T d (Hh(p0 )) r(x0 )

dx dx dx
T Hh(p ) h (x ) 4(r(x ))T Hh(p )...

(x ))

0 r (x0 )

3(h 0 0 0 0

(r(x0 ))T ( (Hg(p0 )))r(x0 ) 5(r(x0 ))T (Hg(p0 )) r(x0 )
d d d

dx dx dx
T Hg(p ) r(x ) 4(r(x ))T Hg(p )...

3(r(x )) 0 r (x0 )

0 0 0 0
3.5.5
Obtendo as propriedades geometricas
Encontradas as expressoes das derivadas de r ate a 4a ordem na vizinhanca de
um ponto p0 = r(x0 ), aplicamos o Teorema 2.2 para determinar as propriedades
geometricas diferenciais que desejamos nesse ponto. E importante lembrar a

ordem em que sao feitos os calculos ate a obtencao das tres curvaturas k1 , k2 e
k3 :
r(x0 )
t(x0 ) = r(x 0 )
...
r(x0 ) r(x0 ) r (x0 )
b2 (x0 ) = ...
r(x0 ) r(x0 ) r (x0 ) ,
b2 (x0 ) r(x0 ) r(x0 )

b1 (x0 ) = b2 (x0 ) r(x0 ) r(x0 ) ,
b1 (x0 ) b2 (x0 ) r(x0 )

n(x0 ) = b1 (x0 ) b2 (x0 ) r(x0 ) ,
< n(x0 ), r(x0 ) >

k1 (x0 ) = r(x0 )2 ,
...
< b1 (x0 ), r (x0 ) >
k2 (x0 ) = r(x0 )3 k1 (x0 ) ,
....
< b2 (x0 ), r (x0 ) >
k3 (x0 ) = r(x0 )4 k1 (x0 ) k2 (x0 ) .
4
Estimadores Numericos de Curvatura
Chamamos uma colecao finita de pontos P = {p1 , p2 , ..., pm } que representa a

discretizacao de uma curva r no R4 de curva discreta.
Neste captulo, vamos apresentar extensoes do R3 para o R4 de dois
estimadores numericos das propriedades geometricas nos pontos da curva
discreta P. O primeiro extende o algoritmo proposto em (6) definido como
Coordenadas Independentes e o segundo extende o algoritmo proposto em (2)
definido como Metodo das Derivadas Discretas.
4.1
Calculo das Curvaturas: Coordenadas Independentes
Dada uma curva P = {p1 , p2 , ..., pm } que representa a discretizacao de uma
curva r no R4 . Vamos admitir que r esta parametrizada pelo comprimento de
arco s e tambem a existencia de rudo na amostragem. Precisamos estimar as

derivadas ate a quarta ordem das coordenadas (x(s), y(s), z(s), w(s)) de um
ponto p P e utilizar as informacoes das derivadas obtidas para calcular as
tres curvaturas em p com o uso do Teorema 2.2.
A extensao do algoritmo proposto em (6) consiste em aproximar os q
vizinhos de um ponto por uma curva quartica utilizando o Metodo dos Mnimos
Quadrados com Peso (ver Figura 4.1). No artigo original esses q vizinhos eram
aproximados por uma cubica.
Figura 4.1: Ajuste de Curva
Vamos fixar um ponto p0 P conforme a Figura 4.1 considerando que p0

possui q vizinhos para frente e q para tras, definindo assim uma janela com
2q + 1 pontos em torno de p0 : {pq , pq+1 , ..., pq }. Da, supondo que p0 = r(0)
seja a origem da parametrizacao por comprimento de arco, podemos escrever

as expressoes das derivadas de r em p0 utilizando expansao em Taylor. As
aproximacoes de quarta ordem, por exemplo, sao escritas da seguinte forma
com (gi (s) 0 quando s 0):

xi = x (0) + 21 x (0)s2i + 16 x (0)s3i + 24 x (0)s4i + g1 (s)s5i + x,i
1 (iv)

yi = y (0) + 12 y (0)s2i + 61 y (0)s3i + 24

y (0)s4i + g2 (s)s5i + y,i
1 (iv)
(4-1)

zi = z (0) + 21 z (0)s2i + 61 z (0)s3i + 24

z (0)s4i + g3 (s)s5i + z,i
1 (iv)

wi = w (0) + 21 w (0)s2i + 61 w (0)s3i + 24
1
w(iv) (0)s4i + g4 (s)s5i + w,i

Considere pi = (xi , yi , zi , wi ) um ponto da amostra, si o comprimento de
arco da curva r de p0 a pi e i um rudo onde cada coordenada constitui uma
variavel aleatoria independente com media zero e variancia 2 .
As estimativas para as derivadas ate a quarta ordem em pi serao descritas
a seguir. Antes, precisamos de uma estimativa li para os comprimentos de arco
si . Defina lk o comprimento do vetor pk pk+1 , onde k varia de q ate (q 1). O
estimador para o comprimento de arco de p0 a pi e definido entao da seguinte
forma:

li = k=0 lk , se i > 0
i1

li = 1
k=i lk , se i < 0

Para estimar as curvaturas, devemos obter uma curva quartica da forma
4-1. De uma maneira geral, o metodo consiste em minimizar o quadrado do erro
de cada coordenada de pi de forma independente. Para isso, basta determinar
(iv)
os valores de x0 , x0 , x0 e x0 que minimizam:
q
(iv) 1 1 1 (iv)
Ex (x0 , x0 , x0 , x0 ) = ui (xi x0 li x0 li2 x0 li3 x0 li4 )2

(4-2)
i=q 2 6 24
Mais precisamente, desejamos obter min Ax b 2 , onde:
1 2 1 3 1 4
lq 2 lq 6 lq 24 lq xq

x0

x0
A=
l0 1 2
2 l0
1 3
6 l0
1 4
24 l0
, x =

eb=
x0

x0
(iv)
x0
lq 1 2 1 3 1 4
2 lq 6 lq 24 lq xq
Note que a matriz A em questao possui 2q + 1 linhas e 4 colunas. Usando

mnimos quadrados, buscamos a solucao do sistema AT Ax = AT b onde:
1 2 1 3 1 4
lq 2 lq 6 lq 24 lq
a1 a2 a4 a7 lq l0 lq
1 2 1 2
a2 a3 a5 a8 1 2

A A=
T = 2 lq 2 l0 2 lq 1 2 1 3 1 4
1 3 1 3
l0 2 l0 6 l0 24 l0
a4 a5 a6 a9 1 3

6 lq 6 l0 6 lq

a7 a8 a9 a10 241 4
lq 1 4
24 l0 24 lq
1 4
lq 1 2 1 3 1 4
2 lq 6 lq 24 lq
Dessa forma obtemos:

a1 = qi=q ui li2

a2 = 12 qi=q ui li3

a3 = 14 qi=q ui li4

a4 = 16 qi=q ui li4

a5 = 12 1 q
i=q ui li5

a6 = 361 q
i=q ui li6

a7 = 241 q
i=q ui li5

a8 = 481 q
i=q ui li6

a9 = 144
1 q
i=q ui li7


a10 = (24)2 i=q ui li
q
1 8
Por outro lado,
xq
bx,1 lq l0 lq
1 2
bx,2 2 lq 1 2
2 l0 1 2
2 lq

A bx =
T

=
1 3

x0

bx,3 6 lq 1 3
6 l0 1 3
6 lq

bx,4 24
1 4
lq 1 4
24 l0 1 4
24 lq
xq
Da, obtemos que

bx,1 = qi=q ui li xi

bx,2 = 12 i=q ui li2 xi
q

bx,3 = 16 qi=q ui li3 xi

bx,4 = 24 i=q ui li xi
q
1 4
Da mesma forma que calculamos as aproximacoes para as derivadas ate a

quarta ordem para a componente x, devemos fazer o mesmo procedimento para
as outras coordenadas y, z e w, solucionando os problemas de minimizacao
Ey , Ez e Ew perfazendo um total de quatro sistemas lineares 4 4. Para a
coordenada y, por exemplo, precisamos resolver o sistema:
y0 by,1

a1 a2 a4 a7

y0 by,2

a2 a3 a5 a8
=
y0 by,3

a4 a5 a6 a9
a7 a8 a9 a10 y0(iv) by,4

y by

by,1 = qi=q ui li yi

by,2 = 21 qi=q ui li2 yi

by,3 = 16 qi=q ui li3 yi

by,4 = 24
1 q
i=q ui li4 yi

Analogamente, este procedimento e realizado para as coordenadas z e w.

Estabelecido um procedimento discreto de determinacao das derivadas
ate a quarta ordem em um ponto pi de uma amostragem, basta utilizar as
expressoes do teorema 2.2 para determinar as 3 curvaturas numericas k1 , k2 e
k3 do ponto em questao.
O peso ui no ponto pi que aparece em expressoes anteriores deve ser
positivo, relativamente grande para si pequeno e relativamente pequeno para
si grande. Consideramos neste trabalho que ui = 1 e fizemos alguns testes com
ui = esi .
2
Os algoritmos a seguir resumem os passos para montar a matriz AT A e

os vetores bx , by , bz e bw .
Algoritmo 1: Coeficientes Mnimos Quadrados

V [n][4] lista de n pontos da curva no R4
l[n] acumuladas dos comprimentos
k ndice do ponto
q quantidade de vizinhos
a1 = a2 = a3 = . . . = a10 = 0;
bx1 = bx2 = bx3 = bx4 = by1 = by2 = by3 = by4 = bz1 = bz2 = bz3 = bz4 =
bw1 = bw2 = bw3 = bw4 = 0;
m l[k]
for(i = q; i q; i + +){
l[i + k] l[i + k] m;
a1 a1 + u (l[i + k])2 ;
a2 a2 + u2 (l[i + k])3 ;
a3 a3 + u4 (l[i + k])4 ;
a4 a4 + u6 (l[i + k])4 ;
a5 a5 + 12 u
(l[i + k])5 ;
a6 a6 + 36 u
(l[i + k])6 ;
a7 a7 + 24 (l[i + k]5 ;
u
a8 a8 + 48 u
(l[i + k])6 ;
a9 a9 + 144 u
(l[i + k])7 ;
a10 a10 + 576 (l[i + k])8 ;
u
bx1 = bx1 + u l[i + k] (V [k + i][0] V [k][0]);

by1 = by1 + u l[i + k] (V [k + i][1] V [k][1]);
bz1 = bz1 + u l[i + k] (V [k + i][2] V [k][2]);
bw1 = bw1 + u l[i + k] (V [k + i][3] V [k][3]);
bx2 = bx2 + u2 (l[(i + k])2 (V [k + i][0] V [k][0]);
by2 = by2 + u2 (l[i + k])2 (V [k + i][1] V [k][1]);
bz2 = bz2 + u2 ([i + k])2 (V [k + i][2] V [k][2]);
bw2 = bw2 + u2 (l[i + k])2 (V [k + i][3] V [k][3]);
bx3 = bx3 + u6 (l[i + k])3 (V [k + i][0] V [k][0]);
by3 = by3 + u6 (l[i + k])3 (V [k + i][1] V [k][1]);
bz3 = bz3 + u6 (l[i + k])3 (V [k + i][2] V [k][2]);
bw3 = bw3 + u6 (l[i + k])3 (V [k + i][3] V [k][3]);
bx4 = bx4 + 24 u
(l[i + k])4 (V [k + i][0] V [k][0])
by4 = by4 + 24 u
(l[i + k])4 (V [k + i][1] V [k][1]);
bz4 = bz4 + 24 (l[i + k])4 (V [k + i][2] V [k][2]);
u
bw4 = bw4 + 24 u
(l[i + k])4 (V [k + i][3] V [k][3]);
}
Calcula Curvatura (A, bx, by, bz, bw, k)
}
Algoritmo 2: Calcula Curvatura (A,bx, by, bz,bw,k)

(iv)
sistema Ax = bx ; // x = (xk , xk , xk , xk )

Resolver
(iv)
sistema Ay = by ; // y = (yk , yk , yk , yk )

Resolver
(iv)
sistema Az = bz ; // z = (zk , zk , zk , zk )

Resolver
(iv)
sistema Aw = bw ; // w = (wk , wk , wk , wk )

Resolver
// juntar as respostas dos sistemas nos vetores r , r , r , r(iv)

r
t = ; // vetor tangente:
r
r r r

b2 = ; // vetor binormal:
r r r
b2 r r

b1 = ; // vetor binormal:
b2 r r
b1 b2 r

n= ; // vetor normal:
b1 b2 r
// Obtendo as curvaturas:
< n, r >

k1 = ;
r 2
< b1 , r >

k2 = ;
r 3 k1
< b2 , r(iv) >
k3 = ;
r 4 k1 k2
k1 [k] = k1
k2 [k] = k2
k3 [k] = k3
4.2
O Metodo das Derivadas Discretas
O objetivo desta secao e explicar de forma resumida o metodo proposto por (2),
e como foi realizada a extensao de tal metodo para o R4 . O ponto de partida
para compreensao do metodo das derivadas discretas e a propria definicao de
derivada de uma funcao em um determinado ponto.
Sabe-se que a derivada de uma funcao y = f (x) em um ponto e igual a
inclinacao da reta tangente ao grafico da funcao no ponto escolhido. De forma
similar, a derivada de uma funcao discreta yi = fd (xi ) no ponto pk , 1 k n
pode ser descrita pela inclinacao da reta tangente ao grafico da funcao discreta
em pk . A tangente discreta em pk e definida como a reta que possui as seguintes
caractersticas (Figura 4.2):
a reta contem o ponto pk ;

A soma dos quadrados das distancias entre a reta e os vizinhos {pj =
(xj , yj ) tal que k q j k + q} de pk ao longo do eixo y e mnima. Esta
soma pode ser estendida com pk R4 .
Figura 4.2: Derivadas discretas
Se a funcao discreta yi = fd (xi ) e uma amostragem de uma funcao

contnua suave, entao a reta tangente discreta aproxima a reta tangente em

pk quando xkq , xkq+1 , ..., xk+q1 estao muito proximos. Dessa forma, resolver
o problema da reta tangente discreta equivale a solucionar o problema de
minimizacao correspondente dado por:
k+q
min (yj axj b)2 sujeito a: yk axk b = 0;
(a,b) j=kq
Este problema e resolvido com a utilizacao dos multiplicadores de Lagrange:
k+q
L(a, b, ) = (yj axj b)2 + (yk axk b)
j=kq
As equacoes para encontrar a, b e sao dadas por:
L L L
= 0; =0e =0
a b
Da, a inclinacao a da tangente discreta em pk e dada por:
j=kq (xj xk )(yj yk )

k+q
a=
j=kq (xj xk )2
k+q
Seja yi = fd (xi ), xi {x1 , x2 , ..., xn } um conjunto de pares de pontos que

definem uma funcao real discreta. O valor yk = fd (xk ) dado por


k+q
yk =

j=kq (xj xk )2
k+q
e chamado derivada discreta da funcao fd em pk , 1 k n.

A derivada discreta de segunda ordem e dada de acordo com a definicao
para a de primeira ordem por:

k+q
yk =

j=kq (xj xk )2
k+q
Este procedimento pode ser feito para determinar as derivadas discretas de

ordem superiores.
4.2.1
Calculo das propriedades geometricas pelo metodo das derivadas discretas
Na secao 4.1 foi realizado um procedimento para estimar o comprimento de

arco de uma amostragem de pontos no R4 . Em (2) os autores utilizam o metodo
de parametrizacao pelo comprimento de corda. Neste caso, as acumuladas
dos comprimentos de corda, denotadas por ti , em cada ponto pi de uma
amostragem sao definidas pela expressao:
j=1 pj+1 pj
i1
ti = n1 (4-3)
j=1 pj+1 pj
com 2 i n e t1 = 0.
Utilizando o metodo proposto por (2), pensamos uma curva discreta como
uma aplicacao rd Id R4d onde Id = {ti tal que 1 i n} e R4d = {pi =
(xi , yi , zi , wi ) com 1 i n}. Assim, pi = rd (ti ) = (xd (ti ), yd (ti ), zd (ti ), wd (ti )),
ti {t1 , t2 , ..., tn } onde xi = xd (ti ), yi = yd (ti ), zi = zd (ti ) e wi = wd (ti )
constituem funcoes discretas do parametro comprimento de corda ti .
Portanto, podemos combinar as propriedades geometricas de curvas
discretas parametrizadas pelo comprimento de corda ti com as definicoes de
derivadas discretas. Dessa forma, os estimadores para as derivadas discretas,
por exemplo, de primeira ordem sao dados pelas expressoes:

i+q
j=iq (tj ti )(xj xi )

xd =

i+q
j=iq (tj ti )2

i+q
j=iq (tj ti )(yj yi )
yd =

i+q
j=iq (tj ti )2

i+q
j=iq (tj ti )(zj zi )

zd =

i+q
j=iq (tj ti )2

i+q
j=iq (tj ti )(wj wi )
wd =

i+q
j=iq (tj ti )2

As derivadas de segunda, terceira e quarta ordem sao dadas, respectivamente,

pelas expressoes:

i+q

x

=

d i+q
j=iq (tj ti )2

i+q

yd = i+q

j=iq (tj ti )
2

i+q
(t t )(z z i)

z

= j=iq j i j

d i+q
j=iq (tj ti )2

i+q

w =

d
i+q
j=iq (tj ti )2

i+q

xd =

i+q
j=iq (tj ti )2

i+q

yd =

i+q
j=iq (tj ti )2

i+q

zd =

i+q
j=iq (tj ti )2

i+q

wd =

i+q
j=iq (tj ti )2

(iv)
i+q

xd =

i+q
j=iq (tj ti )2

(iv)
i+q

yd = i+q
j=iq (tj ti )2

i+q

zd
(iv)
=

i+q
j=iq (tj ti )2

i+q

wd
(iv)
=

i+q
j=iq (tj ti )2
Uma vez obtidas todas as derivadas para a curva rd , basta aplicar o

Teorema 2.2 para obter os vetores que definem a base movel de Frenet-Serret,
bem como as curvaturas k1 , k2 e k3 em cada ponto da curva discreta dada.
5
Resultados Computacionais
Neste captulo faremos uma analise da performance dos metodos apresentados

neste trabalho. Foram calculadas as curvaturas reais (modelo contnuo) de
algumas curvas selecionadas, e os resultados foram comparados com os dois
modelos discretos desenvolvidos. O primeiro e a versao estendida para o R4
do metodo de coordenadas independentes (C.I) proposto por (6). O segundo
metodo e a versao estendida para o R4 do metodo das derivadas discretas
(D.D) proposto por (2).
Para fazer uma analise comparativa dos metodos, geramos curvas
discretas Pi = { p0 , p1 , ..., pn } por um processo de discretizacao de cur-
vas parametricas e de curvas implcitas, para as quais sabemos calcular
analticamente os resultados.
5.1
Geracao de Pontos
No caso parametrico, a geracao de pontos foi feita atraves do processo de
particao uniforme do domnio parametrico, correspondendo a um intervalo I
da reta real.
Para o caso implcito a geracao de pontos nao ocorre de forma tao
imediata. Foi implementado o metodo Preditor-Corretor para obtencao de
uma amostragem de pontos pertencentes a intersecao de tres hipersuperfcies
definidas implicitamente no R4 . De um modo geral, o metodo de Euler nos
permite avancar de um ponto pk para pk+1 atraves de calculos de derivadas,
enquanto o metodo de Newton corrige a aproximacao dada pelo metodo de
Euler no ponto pk+1 de modo a obter um ponto muito proximo da curva em
questao (ver Figura 5.1).
Figura 5.1: Preditor-corretor no R3

5.2
Rudo aditivo
Para testar a sensibilidade do metodo em relacao a presenca de rudo, adi-
cionamos a cada ponto da curva discreta Pi = { p0 , p1 , ..., pn } um rudo
(Vx , Vy , Vz , Vw ), onde cada coordenada desse rudo constitui uma variavel
aleatoria independente e identicamente distribuda por uma normal com media
zero e variancia 2 (ver Figura 5.2).
Figura 5.2: Acrescimo de rudo em um ponto

5.3
Visualizacao
A visualizacao das curvas e orientada pelos angulos de Euler (5). No R4 temos
seis graus de liberdade, assim a rotacao e descrita por 6 angulos 1 , 2 , . . . , 6
definidas pelas transformacoes q = Rp onde a matriz de rotacao R e dada pelo
produto de seis matrizes de rotacao em um plano formado por dois vetores no
R4 :
R = Rxy
4
(1 )Ryz
4
(2 )Rzw
4
(3 )Rxy
3
(4 )Ryz
3
(5 )Rxy
2
(6 ).
5.4
Analise de erro
A analise de erro foi feita pelo erro absoluto em cada ponto da amostra-
gem. Dessa forma, i = Kteorico (pi ) Kdiscreto (pi ) , onde K representa uma
das curvaturas k1 , k2 ou k3 . O erro medio e dado pela expressao 5-1:
i
n
Me = i=0 , (5-1)
n+1
Para o caso parametrico, as curvaturas teoricas(modelo contnuo) foram
calculadas para cada ponto da amostra, conforme as expressoes do Teorema
2.2. No caso implcito, as curvaturas teoricas foram obtidas atraves do processo
descrito na secao 3.5.5.
5.5
Curvas Parametrizadas
Nesta secao, vamos analisar o comportamento de Me para quatro curvas
parametricas. Serao apresentados os resultados computacionais atraves da
equacao parametrica da curva, visualizacao da curva atraves da projecao XY ,
com rotacao nos quatro eixos coordenados, nas versoes sem rudo e com rudo
de raio , alem de diferentes conjuntos de graficos.
Exemplo 1:
O primeiro exemplo corresponde a curva r abaixo e a Figura 5.5 exibe

uma projecao particular.
r(t) = (cos(t) + cos(3t), (3/5)sen(t) + sen(3t), (2/5)sen(3t) sen(6t), t/2)

Figura 5.3: rotacao nos 4 eixos

A Figura 5.4 mostra a projecao da curva no plano XY , alem de ilustrar

uma escala de cores para a curvatura numerica k1 . O mesmo e apresentado
para as curvaturas k2 e k3 (Figuras 5.5 e 5.6).
Figura 5.4: Curvatura k1 , n = 1300, Figura 5.5: Curvatura k2 , n = 1300,

=0 =0
Figura 5.6: Curvatura k3 , n = 1300, = 0

A Figura 5.7 ilustra a curva com rudo de raio = 0.1.
Figura 5.7: Projecao em XY , n = 1300, = 0.1
5.5.1
Analise dos Resultados
Resultados n Me sem rudo
Os graficos das Figuras 5.8, 5.9 e 5.10 ilustram, para cada uma das
tres curvaturas, a comparacao da media dos erros absolutos Me do metodo de
coordenadas independentes(C.I) para o metodo das derivadas discretas(D.D).
O resultado e que Me diminui com o aumento da densidade de pontos(n)
quando = 0 (ausencia de rudo). Pode-se observar que os erros sao maiores
quando analisamos a curvatura k3 (Figura 5.10). Para este experimento,
foi observado que o metodo de coordenadas independentes(C.I) apresentou
melhor performance. Como observacao, o peso u do metodo de coordenadas
independentes foi fixado em u = 1.
Figura 5.8: Grafico nMe , q = 2, = 0 Figura 5.9: Grafico nMe , q = 2, = 0

Figura 5.10: Grafico n Me , q = 2, = 0
As Figuras 5.11, 5.12 e 5.13 mostram que a media dos erros absolutos
Me aumenta, para cada uma das tres curvaturas, quando aumentamos a
vizinhanca q. Novamente, os erros sao maiores quando analisamos a curvatura
k3 . Observe que os graficos sao mantidos propositalmente na mesma escala.
A analise grafica para a curva em questao ilustra que os metodos alternam
em termos de performance (Figuras 5.12 e 5.13). Na presenca de um numero
maior de vizinhos e com densidade de pontos n menor, o metodo das derivadas
discretas(D.D) obteve um desempenho ligeiramente melhor.
Figura 5.11: Grafico n Me , q = 10, Figura 5.12: Grafico n Me , q = 10,

=0 =0

Considerando a curva em questao, vale ressaltar que foram realizados

experimentos mudando o peso do metodo de coordenadas independentes(C.I)
para u = esi . Em geral, o ajuste do peso u melhora as estimativas para as
2
medias absolutas Me nos casos com ausencia de rudo e aumento do numero

de vizinhos, para esse exemplo.
As tabelas 5.1 e 5.2 mostram que ocorreu uma melhora de Me para as
curvaturas k1 e k3 quando diminumos a densidade de pontos da amostragem
para u = esi .
2
n k1 (C.I) k2 (C.I) k3 (C.I)

1300 0.00503019789999455560 0.02775845761732609700 0.25256073734046686000
929 0.01405838694541703900 0.05090477161776777600 0.37557136977308847000
722 0.02676797128867453000 0.07869091521449660100 0.47611730048910689000
591 0.04070353751150593300 0.10973367932497256000 0.55241319501329111000
500 0.05369455438289195300 0.14373602410923900000 0.61871502707178871000
433 0.06524877924645851300 0.18066051607564954000 0.65540752655991763000
382 0.07655786247919382800 0.21972769809608436000 0.65229178640436725000
342 0.09009676675931954600 0.25931102599349826000 0.68670374511409427000
309 0.10769901032817072000 0.29924707898525787000 0.74907433326930628000

282 0.12765931129603075000 0.33498551695458517000 0.80944412210299599000
260 0.15396634514995955000 0.36393893974823432000 0.91853595281956157000
240 0.18559811785166747000 0.38164304162341517000 0.99768599048038531000
224 0.21866202791229952000 0.37413343073898397000 1.11744559071879860000
209 0.25461126089910197000 0.34886743556825767000 1.29231732054040700000
197 0.29861316042070879000 0.31868044460875633000 1.42291378904675050000
185 0.34248937832735915000 0.27823825636025690000 1.54941558437152380000
175 0.38139843906694576000 0.23640165506953920000 1.62078912330217760000
166 0.42438333287339924000 0.21162809024870091000 1.65109898378403260000
158 0.45024929545160303000 0.19749407914146985000 1.81400643002616270000
Tabela 5.1: u = 1, q = 10 fixo, = 0

n k1 (C.I) k2 (C.I) k3 (C.I)

1300 0.00500598551931233200 0.02764444416142783000 0.25214547429301704000
929 0.01391825390859737600 0.05054521362023324500 0.37443927518239301000
722 0.02630686103025528900 0.07792642210375888600 0.47401429509507853000
591 0.03964638429330042500 0.10845405400197543000 0.54937215658585292000
500 0.05181090316694624000 0.14189876467815302000 0.61476277579748384000
433 0.06260400894778252200 0.17814374888603074000 0.65242832617251501000
382 0.07383805916124297500 0.21646038521045158000 0.65062299886424002000
342 0.08802134072064309000 0.25538025670758546000 0.68724258180533271000
309 0.10691170289893025000 0.29325490933086151000 0.75202772305964283000
282 0.12911128497059396000 0.32838244841552117000 0.81603101877839357000
260 0.15693895196408489000 0.35549768805616455000 0.91956139525062164000
240 0.18904877114306928000 0.37051450494433613000 0.98939178152682139000
224 0.21739782560986184000 0.36887412102649902000 1.08141595496056770000
209 0.24883198418582311000 0.35170675606432572000 1.21563872440083020000
197 0.28168782179263552000 0.32921843576817439000 1.29534051925026670000
185 0.30954675322197589000 0.30655619700273978000 1.37712791065913050000
175 0.32815722458415864000 0.27985193306952888000 1.40363274430765460000
166 0.35450022777042584000 0.25323763950614075000 1.38147826398943780000
158 0.36157447966709683000 0.23381294933764141000 1.52559158508543800000
Tabela 5.2: u = esi , q = 10 fixo, = 0

2
Resultados n Me com rudo
As Figuras 5.14, 5.15 e 5.16 ilustram graficos do tipo n Me com

parametro q = 2 fixo, e rudo de raio = 102 .

= 102 = 102
A primeira observacao que fizemos foi a ocorrencia de um aumento

da media absoluta dos erros Me em ambos os metodos, com o aumento da
densidade de pontos. Para este exemplo, esse efeito ilustra que, na presenca
de rudo, e necessario um maior distanciamento do ponto base ou um numero
maior de vizinhos para recuperar as curvaturas. Observe a diferenca de escala
desse conjunto de graficos em relacao as Figuras 5.8, 5.9 e 5.10. O acrescimo
de rudo faz com que o metodo das derivadas discretas(D.D) apresente melhor
performance, especialmente para densidades de pontos muito altas.
Por outro lado, se aumentarmos a vizinhanca para q = 10 e, mantivermos

o mesmo raio = 102 , obtemos com este efeito a diminuicao de Me . Pode-se
observar que o metodo de coordenadas independentes(C.I) apresentou melhores
resultados para a primeira curvatura k1 ate uma certa densidade de pontos n
(Figura 5.17). Para as curvaturas k2 e k3 , o metodo das derivadas discretas
apresentou melhor performance ( 5.18 e 5.19).

= 102 = 102
Note que a diminuicao de diminui a media dos erros absolutos Me e

mantem os melhores resultados para o metodo das derivadas discretas(D.D).
As Figuras 5.20, 5.21 e 5.22 ilustram bem tal situacao para um raio = 103
e q = 2. Observe que os graficos estao em escalas diferentes.

= 103 = 103

Por outro lado, se fixarmos dessa vez q = 10 para o mesmo raio =

103 ,observa-se que o metodo de coordenadas independentes(C.I) apresenta
melhores resultados ate uma certa densidade de pontos n (Figuras 5.23 e 5.24).
O metodo das derivadas discretas(D.D) possui melhor performance quando
analisamos a curvatura k3 (Figura 5.25).

= 103 = 103
A seguir, apresentamos os resultados obtidos quando alteramos o valor

do peso para u = esi mantendo q = 10. Foi acrescentado rudo de raio = 102 .
2
Punir pontos distantes do ponto base quando a densidade da amostra e grande,

em geral, piora as medias absolutas dos erros Me . As tabelas 5.3 e 5.4 ilustram
tal efeito.
n k1 (C.I) k2 (C.I) k3 (C.I)

1300 0.79707133750835202000 2.97934090871091240000 22.64922871149987700000
929 0.35535698703686719000 2.03190707654318150000 13.03328673660905000000
722 0.20731960939632627000 1.23663216394209520000 8.25041608360564640000
591 0.13470916208473960000 0.81915680790194312000 6.71814211664894590000
500 0.11184607581088360000 0.50733572996608434000 4.60168721923529930000
433 0.08483847497065349900 0.36740616369425350000 3.61610386083497250000
382 0.08769018675688404500 0.34139216701411340000 3.31497512493104910000
342 0.09952235336646395000 0.32499462740040480000 2.80804321296324710000
309 0.10963511211895863000 0.32351317378999611000 2.35185967572521810000
282 0.13303009165482690000 0.37138491490669950000 2.10044258789704540000
260 0.14930671759874570000 0.35080515176190991000 1.86863570040448130000
240 0.18996645718514929000 0.38698192857162511000 1.72746387166350380000
224 0.21563101918550234000 0.37015763111706512000 1.75949874796148340000
209 0.25434820678331338000 0.33644580260137597000 1.67094207701309430000
197 0.29733281402559347000 0.30561997255970558000 1.73600849956334450000
185 0.34107925341263506000 0.27641419250055316000 1.66394372348380460000
175 0.38000237951945259000 0.23939822090446988000 1.75588011759340760000
166 0.42548151751876845000 0.21045221533150829000 1.74706565320833150000
158 0.44943794317924324000 0.20213630988078418000 1.80593583301467530000
Tabela 5.3: u = 1, q = 10 fixo, = 102

n k1 (C.I) k2 (C.I) k3 (C.I)

1300 0.80418114612487923000 2.99716781293903400000 23.17800612911009500000
929 0.36067119371403017000 2.03229886700262300000 13.51155518931723700000
722 0.21203976795110557000 1.25171732546706530000 8.83005785044727530000
591 0.13880245739492902000 0.85407399218112268000 6.95856901461512760000
500 0.11493164096105704000 0.54074665712419867000 4.75120840722840310000
433 0.08765496884453342900 0.39712896707407869000 3.65564802642848980000
382 0.08947372229922265200 0.36200769211088912000 3.62546385552332810000
342 0.10178201832909528000 0.33948399196396728000 2.82724579916286740000
309 0.11169915888968872000 0.32841463854766922000 2.75996047724741760000
282 0.13683924589327418000 0.37634194246784825000 2.20577034131258860000
260 0.15308774517533125000 0.34020723339007214000 2.16444585867045540000
240 0.19420643033948209000 0.38026330023912058000 1.90714976167745730000
224 0.21766621941059242000 0.37637938309950270000 1.94752125906770760000
209 0.24874983139470219000 0.34210434845646015000 1.74692845348536020000
197 0.28162338675028797000 0.31629619460615527000 1.93202053543079710000
185 0.30673111868109981000 0.29692961857960076000 1.91088191253028340000
175 0.32821728070919731000 0.28975144795507352000 1.67193724313464380000
166 0.35390107041695879000 0.25081639598969446000 1.43910806394704170000
158 0.36068922167368073000 0.23928472679199650000 1.60420215690181430000

2
Resultados q Me sem rudo
Trabalharemos agora com graficos q Me e apresentaremos os resultados

obtidos para um parametro densidade de pontos n fixo e u = 1 (peso do metodo
de coordenadas independentes). De uma forma geral, para o caso sem rudo,
a media dos erros absolutos de uma amostragem aumenta com o aumento do
numero de vizinhos q tomados de um ponto base. Nos casos com ausencia
de rudo ( = 0), o metodo de coordenadas independentes(C.I) apresentou
melhores resultados.
As Figuras 5.26, 5.27 e 5.28 exibem a comparacao dos resultados para
os dois metodos. Foi fixado o valor n = 1300 para a densidade de pontos da
amostragem e = 0.
Figura 5.26: Grafico q Me , n = 1300, Figura 5.27: Grafico q Me , n = 1300,

=0 =0
Figura 5.28: Grafico q Me , n = 1300, = 0
As tabelas 5.5 e 5.6 ilustram que a media absoluta dos erros Me diminui
quando escolhemos um numero alto de vizinhos para u = esi . Resultados
2
melhores podem ser obtidos com a mudanca de escolha do peso u.

q k1 (C.I) k2 (C.I) k3 (C.I)

2 0.00000247069427494420 0.00295518103180600650 0.06475327609887146500
3 0.00004551713719452816 0.00377218362301911950 0.07333364145217818900
4 0.00016904826521314651 0.00540843511833213800 0.08741831564254035100
5 0.00041886801266234760 0.00791610048581308130 0.10736321081124155000
6 0.00084227325376286808 0.01101021993379275700 0.13189279824721889000
7 0.00148309471700916180 0.01458257924744523800 0.15937637392277035000
8 0.00237886441620789290 0.01858895550171182600 0.18952028499988594000
9 0.00355624849501287540 0.02299427270578511100 0.22100928737494951000
10 0.00503019789999455560 0.02775845761732609700 0.25256073734046686000
11 0.00680529262791883080 0.03285358360347978600 0.28365132161038553000
12 0.00887642936133336770 0.03824487209615874000 0.31370346809503902000
13 0.01122970454179332400 0.04390803446477999100 0.34264677469269533000
14 0.01383783384654786700 0.04981985358111712400 0.37066773047902318000
15 0.01667010238772626300 0.05596532475281105300 0.39790500518823174000
16 0.01969842143586686100 0.06232542813388220600 0.42477564461686812000
17 0.02288500389243869300 0.06888588276028744000 0.45234566531098058000
18 0.02619493403445628800 0.07564436599003432300 0.48135703479503178000
19 0.02958410151025662000 0.08259058301813196300 0.50990466217969244000
20 0.03301652809095715500 0.08972270372199775400 0.53448056685633438000
Tabela 5.5: u = 1, n = 1300 fixo, = 0

q k1 (C.I) k2 (C.I) k3 (C.I)

2 0.00000247069427531658 0.00295518103178752080 0.06475327611747973300
3 0.00004551702417718377 0.00377182276171879590 0.07333346671402205000
4 0.00016898945342187500 0.00540603717303565070 0.08741262015925181600
5 0.00041853069758163527 0.00790856964967231140 0.10734072331542785000
6 0.00084111070427116466 0.01099399103285485600 0.13183842050418002000
7 0.00148004031082721180 0.01455253458666894000 0.15926865405862381000
8 0.00237201426588772800 0.01853873596335179100 0.18933208430608001000
9 0.00354278900821419600 0.02291638052535111700 0.22072010429541547000
10 0.00500598551931233200 0.02764444416142783000 0.25214547429301704000
11 0.00676455442275623870 0.03269427572112960900 0.28308684328217598000
12 0.00881137974784744480 0.03803093735237286800 0.31296789458012203000
13 0.01113164832339059800 0.04362980789680138300 0.34171025014684364000
14 0.01369529136178779100 0.04946787898508217500 0.36951238919731211000
15 0.01647034098831317400 0.05553070461768863700 0.39651402375876998000
16 0.01942609842116603500 0.06179999949256447000 0.42313943097009304000
17 0.02252154055975309400 0.06826177620444201500 0.45040190999574731000
18 0.02572269160845407400 0.07491728973166494900 0.47908239886727189000
19 0.02898494821779736700 0.08175089680265085200 0.50730814627152010000
20 0.03227010516991668500 0.08877011839068982300 0.53154462276522518000
Tabela 5.6: u = esi , n = 1300 fixo, = 0

2
Resultados q Me com rudo
Em geral, esperamos que no caso com rudo sejam necessarios mais pontos
vizinhos para reproduzir a curva original. Consideramos o peso do metodo de
coordenadas independentes(C.I) u = 1.
As Figuras 5.29, 5.30 e 5.31 ilustram graficos q Me com n = 1300 e
= 102 . O grafico para a curvatura k3 (Figura 5.31) e o que melhor indica a
comparacao entre os dois metodos no caso com rudo. E importante observar
a diferenca de escala entre os erros do caso sem rudo (Figuras 5.26, 5.27 e
5.28) e com rudo.
Figura 5.29: Grafico q Me , n = 1300, Figura 5.30: Grafico q Me , n = 1300,

= 102 = 102
Figura 5.31: Grafico q Me , n = 1300, = 102
Tambem modificamos o valor do peso no metodo de coordenadas inde-

pendentes(C.I) para u = esi . As tabelas 5.7 e 5.8 mostram que, para um
2
numero elevado de vizinhos considerados, ocorre uma piora nas medias dos
erros absolutos Me quando u = esi .
2
q k1 (C.I) k2 (C.I) k3 (C.I)

2 45.66817684118127800000 19.41063544257870200000 30.59371322845945000000
3 16.67861311334221200000 14.51317037239235000000 30.32931795227856500000
4 8.31963815458533240000 10.54420721814093700000 24.94893166598530600000
5 4.97286121448334400000 7.67726706313945060000 22.89347877652295100000
6 3.09774711396319000000 6.05795202498155750000 24.15332201192565600000
7 2.05784461745750050000 4.95577811536844060000 23.70545558807234300000
8 1.41292051148492790000 3.89623818893852960000 25.70806362956769000000
9 1.02859656091790200000 3.29281995308883780000 24.03621753298879700000
10 0.79707133750835202000 2.97934090871091240000 22.64922871149987700000
11 0.62920091991703553000 2.52795360539621590000 23.26641160343206500000
12 0.52011400076622116000 2.29281654370868540000 20.47759418443163400000
13 0.43908573689088554000 1.98680124017309280000 18.48335880338760300000
14 0.37237527335641052000 1.78079835368144330000 17.02356789136705800000
15 0.32214955670579348000 1.56848704938647510000 15.44081525695260200000
16 0.27913210724394144000 1.33239099156930800000 13.43427301135998600000
17 0.24551397239826792000 1.14294693692772940000 12.99586379453152000000
18 0.21882892440472923000 1.01044157496027820000 11.17587676764648200000
19 0.19421355651324593000 0.90599442608344471000 10.83802507815542200000
20 0.17545752794122990000 0.80984655398830785000 10.54838363293303700000
Tabela 5.7: u = 1, n = 1300 fixo, = 102

q k1 (C.I) k2 (C.I) k3 (C.I)

2 45.66817684118122900000 19.41063544257863800000 30.59371322845949600000
3 16.68539090777499500000 14.50941477616961900000 29.82292185238366900000
4 8.32793609417422690000 10.53407819245005900000 25.79368065103160400000
5 4.98124476930244510000 7.66532340978696340000 22.91593717462613400000
6 3.10656987755889210000 6.04133103957786410000 24.17805440962145300000
7 2.06659976405437760000 4.93465531711405260000 23.73526845305638800000
8 1.42151295612467040000 3.87815154305969090000 25.88611602183588900000
9 1.03639511662587800000 3.27355433139468310000 23.75631099473270100000
10 0.80418114612487923000 2.99716781293903400000 23.17800612911009500000
11 0.63611574100307522000 2.51471311011168950000 23.80293802691477700000
12 0.52643531902402296000 2.27735786265190180000 21.45087883774943200000
13 0.44516146765494841000 1.98381834095886720000 19.42988282146854600000
14 0.37820002370731642000 1.77205909797080840000 16.79318681335932300000
15 0.32783144392690050000 1.56719376417675330000 15.56600844442328900000
16 0.28472366359633611000 1.34133471451511290000 13.34088675765662500000
17 0.25113437501295577000 1.15056631974125990000 13.97799773728158400000
18 0.22440502369903323000 1.02384853694748920000 11.39814410646651600000
19 0.19982382392404632000 0.92255187268940653000 10.84326598981658800000
20 0.18104900336498184000 0.83059372529025921000 10.81975570660334500000
Tabela 5.8: u = esi , n = 1300 fixo, = 102

2
Exemplo 2:
r(t) = (2cos(2t) + 2cos(3t), 2sen(t) 2sen(3t), 4sen(2t), t2 /2)
A Figura 5.32 ilustra uma projecao para r com rotacao nos 4 eixos
coordenados.

As Figuras 5.33, 5.34 e 5.35 apresentam uma escala de cores referente

as curvaturas k1 , k2 e k3 .
Figura 5.33: k1 , n = 1300 Figura 5.34: k2 , n = 1300

Figura 5.35: k3 , n = 1300
Nas Figuras 5.36, 5.37 e 5.38 pode-se observar as regioes onde os erros
nos calculos das curvaturas sao maiores.
Figura 5.36: Curvatura k1


A Figura 5.39 ilustra a curva com rudo de raio = 104 .

Figura 5.39: n = 1300, = 104
A seguir, apresentamos uma parte da curva r com efeito zoom (Figuras

5.40 e 5.41)
Figura 5.40: = 0, n = 1300 Figura 5.41: = 102 , n = 1300
5.5.2
Analise dos resultados
Neste exemplo optamos por graficos comparativos dos erros medios Me

das tres curvaturas por metodo. A primeira observacao e que, em geral, a
curvatura k3 e mais sensvel aos erros.
A Figura 5.42 apresenta o comportamento das tres curvaturas (em um

mesmo referencial) para o metodo das coordenadas independentes(C.I) com
q = 2 e = 0. O peso para o metodo de coordenadas independentes foi ajustado
em u = 1. As curvaturas sao diferenciadas por tons de azul e, pode-se observar
que os valores de Me sao maiores para a curvatura k3 .
A Figura 5.43 apresenta o comportamento das tres curvaturas, diferen-
ciadas por tons de vermelho, para o metodo das derivadas discretas(D.D) com
q = 2 e = 0. A comparacao dos graficos das Figuras 5.42 e 5.43 revelam
melhor performance no metodo das coordenadas independentes(C.I).
Figura 5.42: Coordenadas indepen- Figura 5.43: Derivadas discretas, =

dentes, = 0, q = 2, grafico n Me 0, q = 2, grafico n Me
Para esta curva tambem foi testado o valor u = esi no metodo de

2
coordenadas independentes(C.I). Neste caso, o valor ajustado para o peso

revelou-se eficaz. As tabelas 5.9 e 5.10 apresentam tal observacao.
n k1 (C.I) k2 (C.I) k3 (C.I)

1300 0.00000014578661838620 0.00021168737907111907 0.00010872804031684026
929 0.00000056366799104735 0.00041526662116467017 0.00021314889929152897
722 0.00000155303915418971 0.00068671055551814959 0.00035254059339609803
591 0.00000349485929348277 0.00102508561099055959 0.00052571176073867994
500 0.00000688338373455417 0.00142955310712425941 0.00073322131068175836
433 0.00001233124463600349 0.00189868960273152317 0.00097311154218595718
382 0.00002056042786628565 0.00243009989038017954 0.00124775564477811189
342 0.00003240703714261028 0.00302114386887335695 0.00154767758075568672
309 0.00004890256374275856 0.00367061090728366957 0.00187133036895580107
282 0.00007105596968928658 0.00437421673196747730 0.00223208160674177088
260 0.00009985827788245967 0.00512788347193869360 0.00262072091299495914
240 0.00013704731495350116 0.00593523235767172246 0.00303214653406646542
224 0.00018291665077847531 0.00678647839091413210 0.00343619750602929637
209 0.00023981766319388132 0.00768983711956514136 0.00385114768511195943
197 0.00030715550656720960 0.00863657050464435028 0.00422531099777145262
185 0.00038868092571012810 0.00963939111944104969 0.00457151300282404582
175 0.00048295359758224378 0.01069114475042530488 0.00481813834231511594
166 0.00059196471734533683 0.01179812561272223018 0.00497644749766505776
158 0.00071645416160910267 0.01296172362100258754 0.00509772668069738855
Tabela 5.9: u = 0, q = 10 fixo, = 0

n k1 (C.I) k2 (C.I) k3 (C.I)

1300 0.00000014049058810560 0.00020904719897574611 0.00010805914514112830
929 0.00000052414118293429 0.00040509731350610648 0.00021058428590551030
722 0.00000137674611660945 0.00065885561194362681 0.00034574021417055464
591 0.00000291771971798092 0.00096276461536172963 0.00051064915795304231
500 0.00000534569200359278 0.00130764237825833972 0.00070453229560813726
433 0.00000879787186746748 0.00168192037066876039 0.00092090974832298813
382 0.00001330595751970245 0.00207110276416089300 0.00116367060702742909
342 0.00001877707779449919 0.00245855236298928330 0.00142733320499629926
309 0.00002503305120024035 0.00282820621126061468 0.00170308355256368381
282 0.00003169050950454836 0.00316031045933293534 0.00198337331850494862
260 0.00003824095968601970 0.00343732995737869003 0.00226587837462135155
240 0.00004443866064325458 0.00365899217205826023 0.00255362453713180778
224 0.00004949522704273113 0.00381113400312284214 0.00279821627274061489
209 0.00005361571251033177 0.00391519182765941338 0.00300923364398886358
197 0.00005620712054381859 0.00396748586826389717 0.00317584125190064140
185 0.00005802056450548675 0.00400287201030619533 0.00326641381410117939
175 0.00005878557196504840 0.00401649251307574246 0.00331324641418794105
166 0.00005907720842518467 0.00402454627149311395 0.00332209778939664135
158 0.00005906549798092231 0.00403162016935073361 0.00333845347742761341

2
As Figuras 5.44 e 5.45 mostram que, na presenca de rudo ( = 104 ),

o desempenho do metodo das derivadas discretas(D.D) e superior ao metodo
de coordenadas independentes(C.I), especialmente na analise da curvatura k3 .
Figura 5.44: Coordenadas indepen- Figura 5.45: Derivadas discretas, =

dentes, = 104 , q = 2, grafico n Me 104 , q = 2, grafico n Me
Novamente, foram efetuados experimentos com u = esi no metodo de

2
coordenadas independentes(C.I) para a curva em questao. As tabelas 5.11 e

5.12 apresentam os resultados obtidos. Note que, com o novo peso ocorreu
uma piora especialmente para as curvaturas k1 e k3 .
n k1 (C.I) k2 (C.I) k3 (C.I)

1300 0.01815468158613908756 0.11603511879084529856 20.85292671677058251589
929 0.00875791523823360972 0.04401243908708958597 7.39726096542676714307
722 0.00551900818872161705 0.02136176441777727295 2.68806824432672186731
591 0.00362089063019930147 0.01172786945748643603 1.18701943571732826399
500 0.00257212998617123260 0.00661524614794882764 0.65006563803035932736
433 0.00186730274292345685 0.00479951982638803041 0.33573101054464166149
382 0.00155848310368820043 0.00375679469506013698 0.21884774797007355840
342 0.00125120214740871813 0.00350759513960612664 0.13388047784658768657
309 0.00103420951395237905 0.00371652866882344387 0.08763720544847865279
282 0.00088069455514219307 0.00437280217929090012 0.05933771447412881234
260 0.00073103515045030022 0.00513722166491812401 0.04299477438667399093
240 0.00063594021183923711 0.00592000295509313452 0.03409390304804248151
224 0.00058898456565550743 0.00676289191445739006 0.02574552332395355428
209 0.00050931272161242709 0.00765799330093219419 0.01928543220626895496
197 0.00048672318787345680 0.00859922796203041115 0.01477111612645987289
185 0.00052426440321391699 0.00961841733732396453 0.01263610530702409702
175 0.00058475810682118872 0.01068690322846851774 0.01016156527569579519
166 0.00066707187769499598 0.01180337839438677650 0.00988429425885288364
158 0.00074839170183660353 0.01296005240546987090 0.00949532772500814512
Tabela 5.11: u = 1, q = 10 fixo, = 103

n k1 (C.I) k2 (C.I) k3 (C.I)

1300 0.01852728096081897313 0.11593528498089324119 21.45947511992439160622
929 0.00914792025645811725 0.04452143714924723661 7.88083845777441638347
722 0.00593247134471550433 0.02189332379808776874 3.00211848219046650854
591 0.00402930752371469594 0.01205135317409249986 1.38543899939105208396
500 0.00303732607545207072 0.00680913153492700152 0.78838430892233857250
433 0.00231749600258207176 0.00548662174420079963 0.44391276503199877945
382 0.00203414942802870391 0.00417602958938359265 0.32053236055013600847
342 0.00180616045313453642 0.00376900404925413750 0.22036663601755002162
309 0.00154804981789578508 0.00341785361072455664 0.16051939051363781075
282 0.00146988045954500515 0.00363661196529221475 0.13138365810653707122
260 0.00134526976156507062 0.00384836382922017868 0.11152393532567222989
240 0.00130176211889479021 0.00424927557540726118 0.10754628448778193184
224 0.00134961890152396086 0.00448053588427350675 0.10168066761910629636
209 0.00117409921813685044 0.00418279568531278786 0.09290626340965099650
197 0.00111859799411733948 0.00422830795906363032 0.08161661212499073115
185 0.00118661695050236490 0.00438307016897593674 0.07633102467997845975
175 0.00128196026654279148 0.00475557581561031253 0.07636088470860502575
166 0.00133831136583000649 0.00489317487210811069 0.08487543122080165592
158 0.00123718844056833741 0.00468156948431445400 0.09073341711624194339

2
Resultados Me
Os graficos Me das Figuras 5.46 e 5.47 apresentam o comportamento

de Me a medida que o raio escolhido para acrescimo de rudo aumenta.
os graficos comprovam melhores resultados para o metodo das derivadas
discretas(D.D).
Figura 5.46: Coordenadas indepen- Figura 5.47: Derivadas discretas, n =

dentes, n = 1300, q = 2 1300, q = 2
Exemplo 3:
r(t) = (cos(t) + cos(3t), sen(t) + sen(3t), t2 , sen(t))
A seguir, apresentamos a curva com rotacao nos 4 eixos coordenados

(Figura 5.48) e, em seguida, ilustramos as escalas de cores para cada uma das
curvaturas k1 , k2 e k3 (Figuras 5.49, 5.50 e 5.51).

Figura 5.49: n = 1300, curvatura k1 Figura 5.50: n = 1300, curvatura k2

Figura 5.51: Projecao em XY , n = 1300, curvatura k3
A Figura 5.52 ilustra a curva com rudo de raio = 102 .
Figura 5.52: n = 1300, = 102

Pode-se verificar ainda o efeito zoom para o rudo acrescentado (Figuras

5.53 e 5.54)
Figura 5.53: zoom, = 0 Figura 5.54: zoom, = 102
5.5.3
Neste exemplo, optamos por comparar simultaneamente os resultados

das tres curvaturas para os dois metodos. O peso do metodo de coordenadas
independentes(C.I) foi ajustado em u = 1.
O grafico da Figura 5.55 compara, em um mesmo referencial, as medias
Me das tres curvaturas conforme o aumento da densidade de pontos(n)
para o metodo das coordenadas independentes(C.I) e o metodo das derivadas
discretas(D.D). Pode-se observar que o metodo das coordenadas independentes
apresentou melhor performance. Optamos novamente em diferenciar as cores
utilizando tons de azul para o metodo de coordenadas independentes(C.I) e
tons de vermelho para o metodo das derivadas discretas(D.D).
No proximo grafico, foi verificado o comportamento das curvaturas con-

forme a variacao do numero de vizinhos q. Observamos melhor comportamento
para o metodo de coordenadas independentes(C.I). A Figura 5.56 ilustra tal
efeito.
Figura 5.56: Grafico n = 1300, = 0
Os resultados com rudo sao apresentados em dois modelos de com-

paracao: variacao do rudo() e variacao do numero de vizinhos(q).
Para o primeiro modelo, os graficos das Figuras 5.57, 5.58 e 5.59
ilustram o comportamento dos dois metodos a medida que reduzimos o nvel
de rudo, onde mais uma vez a melhor performance foi verificada no metodo
das derivadas discretas(D.D).
Figura 5.57: Grafico q = 2, n = 1300 Figura 5.58: Grafico q = 2, n = 1300
Figura 5.59: Grafico q = 2, n = 1300

Para o segundo modelo, os graficos das Figuras 5.60, 5.61 e 5.62

comparam, na presenca de rudo de raio = 104 , o desempenho dos dois
metodos a medida que aumentamos o numero de vizinhos. Note que o conjunto
de graficos encontra-se em escalas diferentes.
Figura 5.60: Grafico n = 1300, = Figura 5.61: Grafico n = 1300, =

104 104
Figura 5.62: Grafico n = 1300, = 104
Exemplo 4:
r(t) = (2sen(t) + 2sen(t)cos(t), 2sen2 (t), tsen(t), t2 )
A Figura 5.63 ilustra a curva com rotacao nos quatro eixos coordenados.
As Figuras 5.64, 5.65 e 5.66 ilustram uma escala de cores referente as

curvaturas k1 , k2 e k3 .
Figura 5.64: Escala para k1 Figura 5.65: Escala para k2

Figura 5.66: Escala para k3
As Figuras 5.67, 5.68 e 5.69 indicam a variacao do erro para cada uma
das tres curvaturas.


A Figura 5.70 ilustra um acrescimo de rudo de raio = 101 .

Figura 5.70: Curva com n = 1300, = 0.1
5.5.4
Neste ultimo exemplo parametrico, optamos por fixar o numero de

vizinhos em q = 10 e comparar os resultados obtidos quando variamos a
densidade de pontos. O peso no metodo de coordenadas independentes(C.I)
foi fixado em u = 1.
As Figuras 5.71, 5.72 e 5.73 ilustram melhor desempenho para o metodo
de coordenadas independentes(C.I).
Figura 5.71: Grafico q = 10, = 0, curvatura k1
Figura 5.72: Grafico q = 10, = 0, k2 Figura 5.73: Grafico q = 10, = 0, k3

Para este exemplo foi acrescentado um rudo de raio = 103 e mantido

q = 10. Na Figura 5.74 foi observado que o metodo das derivadas discre-
tas(D.D) apresentou melhor performance para uma densidade de pontos n
superior a 382.
Na Figura 5.75, pode-se observar que, para a curvatura k2 , o metodo das

derivadas discretas(D.D) apresentou melhor performance para uma densidade
de pontos n 500.
Para a curvatura k3 , o metodo das derivadas discretas apresenta melhor

performance especialmente se escolhermos valores altos para densidade de
pontos (Figura 5.76).
Resultados t k1 , t k2 e t k3 sem rudo
Para esta curva foram construdos graficos que tratam da evolucao dos
valores obtidos das curvaturas numericas conforme o aumento do parametro t
da equacao parametrica da curva. As Figuras 5.77, 5.78 e 5.79 apresentam
os resultados obtidos tanto para o metodo de coordenadas independentes tanto
para o metodo das derivadas discretas na ausencia de rudo. os graficos para
ambos os metodos coincidem neste caso, devido as mudancas numericas serem
sentidas apenas a partir da terceira casa decimal.
Figura 5.77: Grafico tk1 , q = 2, = 0 Figura 5.78: Grafico tk2 , q = 2, = 0
Figura 5.79: Grafico t k3 , q = 2, = 0

Resultados t k1 , t k2 e t k3 com rudo
A Figura 5.80 apresenta um grafico t k1 na presenca de rudo. Pode-se

observar um melhor desempenho para metodo das derivadas discretas.
Para as curvaturas k2 e k3 , foi utilizado um rudo de raio 105 e,

novamente, o metodo das derivadas discretas apresentou melhor performance
(Figuras 5.81 e 5.82). Note que as curvaturas k3 teoricas estao muito proximas
de zero (Figura 5.82).

Na proxima secao trataremos dos resultados obtidos a partir de curvas

definidas pela intersecao de tres hipersuperfcies implicitamente definidas no
R4 .
5.6
Curvas Implcitas
Nesta secao vamos apresentar os resultados computacionais obtidos
atraves do estudo de curvas definidas pela intersecao de tres hipersuperfcies
implicitamente definidas no R4 .
Exemplo 1:

Considere a curva Cf0gh que contem o ponto p0 = ( 21 , 12 , 22 , 1) representada
pela intersecao das tres hipersuperfcies implicitamente definidas no R4 :

f (x, y, z, w) = x2 + y 2 + z 2 + w2 2

h(x, y, z, w) = x2 + y 2 + z 2 w2

g(x, y, z, w) = x2 + y 2 x

A Figura 5.83 ilustra tal curva em uma projecao particular.
Figura 5.83: Curva exemplo 1

Como observacao, nao faremos o estudo da curvatura k3 para esta curva,

por se tratar de uma curva no R3 e, portanto, k3 = 0. Fixamos o passo
do metodo de Euler em 0.0005 e o peso para o metodo de coordenadas
independentes(C.I) foi ajustado para u = 1. Esta curva e a mesma que aparece
no artigo (1).
As Figuras 5.84, 5.85 e 5.86 apresentam uma escala de cores referente
a cada curvatura k1 , k2 e k3 .

5.6.1
As Figuras 5.87 e 5.88 mostram o grafico comparativo entre os dois

metodos referente ao caso sem rudo, ( = 0). Nessas condicoes, assim como no
caso parametrico, o metodo das coordenadas independentes(C.I) apresentou
melhores resultados. Observe que no grafico da Figura 5.87, o metodo de
coordenadas independentes(C.I) esta praticamente sobre o eixo x para a escala
selecionada.

=0 =0
Por outro lado, com acrescimo de rudo de raio = 105 e q = 2, o metodo

das derivadas discretas obteve os melhor performance como era esperado
(Figuras 5.89 e 5.90)
Figura 5.89: Grafico n Me , = 105 Figura 5.90: Grafico n Me , = 105
A Figura 5.91 ilustra um grafico q Me com = 0 e exibe as duas

curvaturas para ambos os metodos.
Figura 5.91: Grafico q Me , = 0, n = 1300
As Figuras 5.92 e 5.93 ilustram graficos q Me com = 105 .

Comparando as escalas dos graficos sem rudo (Figura 5.91 ) com os graficos
com rudo (Figuras 5.92 e 5.93), nesta curva em particular, o calculo da
curvatura foi muito sensvel ao rudo, e o aumento dos vizinhos torna-se
essencial para recuperar alguma informacao sobre as curvaturas.
Figura 5.92: = 105 , n = 1300, curvatura k1
Figura 5.93: = 105 , n = 1300, curvatura k2

Exemplo 2:
Considere a curva Cf0gh que contem o ponto p0 = (0, 0, 1, 2.2) represen-

tada pela intersecao das tres hipersuperfcies implicitamente definidas no R4 a
seguir:

f (x, y, z, t) = y 2 + z 2 1

h(x, y, z, t) = x2 + y 2 + (z + t)2 1.44

g(x, y, z, t) = 4xy 4yt 4xz

Esta curva e um exemplo obtido de testes de colisao entre dois corpos
usando silhueta no R4 . A primeira equacao y 2 +z 2 1 = 0 representa um cilindro,
e a segunda equacao x2 +y 2 +(z +t)2 = 1.44 representa uma esfera de raio 1, 2 se
deslocando ao longo do eixo z. Junto com a equacao g(x, y, z, t) = 0, obtemos
uma curva utilizada para obter o primeiro ponto de contato (a descricao
completa do problema pode ser vista em (5) e (3)). O passo utilizado no
metodo de Euler foi ajustado em 0.0005 e o peso no metodo de coordenadas
independentes(C.I) para u = 1.
A curva foi representada na projecao XY com visualizacao dos eixos x
e y (Figura 5.94) e, em seguida, a curva foi rotacionada para visualizacao do

eixo z (Figura 5.95).
Figura 5.94: Eixos x e y Figura 5.95: Visualizacao do eixo z

As Figuras 5.96 e 5.97 mostram a curva em questao com rotacao nos

quatro eixos em diferentes posicoes.
Figura 5.96: Visualizacao do eixo w Figura 5.97: Nova rotacao
As Figuras 5.98, 5.99 e 5.100 indicam as escalas de cores para cada

uma das tres curvaturas.

5.6.2
A tabela 5.13 apresenta o erro absoluto medio Me nos calculos das

curvaturas para diferentes densidades de pontos(n). Note que os dois metodos
aparecem na mesma tabela.
n k1 (C.I) k1 (D.D) k2(C.I) k2(D.D) k3(C.I) k3(D.D)

128 0,000162013 0,029565292 0,037823184 0,056847839 0,059496246 0,277772822
142 0,000105863 0,023940409 0,030998458 0,045735175 0,056496603 0,241321574
160 6,5604E-05 0,018923442 0,02479795 0,035942272 0,038664059 0,189916899
183 3,82069E-05 0,014496599 0,019068777 0,027238748 0,029155765 0,149922085
214 2,04492E-05 0,010616996 0,014033449 0,019772797 0,289575864 0,380383784
258 9,81795E-06 0,007300239 0,009690256 0,013518754 0,015351633 0,081725366
323 4,06254E-06 0,004659797 0,006150625 0,008557992 0,009846663 0,053724728
431 1,30632E-06 0,002637414 0,003437359 0,004793869 0,135914016 0,16085647
648 2,60067E-07 0,001187169 0,001519024 0,002126135 0,086376145 0,097780367
1298 1,62218E-08 0,000300705 0,000378219 0,000532512 0,042866547 0,045813969
Tabela 5.13: q = 2, = 0
Os graficos das Figuras 5.101, 5.102 e 5.103 exibem os resultados

da tabela 5.13 para cada curvatura. Note que os graficos estao em escalas
diferentes.
Figura 5.101: q = 2, = 0, curvatura k1


A tabela 5.14 apresenta os erros medios absolutos obtidos quando

acrescentou-se rudo de raio = 103 e as Figuras 5.104, 5.105 e 5.106
ilustram esses resultados.

128 0,268751318 0,022926573 1,366500034 0,152981878 12,59217363 0,254945844
142 0,592099269 0,021823761 1,786567336 0,121032258 19,90979819 0,288127459
160 0,515615086 0,021497169 2,31685063 0,119936179 29,20432895 0,313226659
183 0,29928149 0,023265314 3,149029281 0,120143144 38,67832799 0,475096879
214 0,365420492 0,026039444 3,191268831 0,243883158 58,41269642 1,127348423
258 0,590622863 0,026306108 5,674817603 0,240281956 55,92960731 1,883905381
323 1,047450552 0,040662525 7,444737815 0,449422315 74,68811984 4,278702351
431 2,163972173 0,080837568 11,46859564 1,737696646 61,68329074 15,54383372
648 5,516953216 0,143973323 20,53576648 4,780537442 56,56069157 24,52598716
1298 23,84171116 0,634622899 43,19034122 29,07720398 86,38304623 33,86811345
Tabela 5.14: q = 2, = 103

Figura 5.104: q = 2, = 103 , curvatura k1


Os resultados obtidos mantem a tendencia do metodo das derivadas

discretas(D.D) em reproduzir melhor a curvatura nos casos com rudo e o
metodo de coordenadas independentes(C.I) ter melhor performance para os
casos sem rudo.
Exemplo 3:
Considere a curva Cf0gh que contem o ponto p0 = (0, 0, 2.7, 1.7) represen-
tada pela intersecao das tres hipersuperfcies implicitamente definidas no R4 a
seguir:

f (x, y, z, t) = x2 + y 2 + (z + t)2 1

h(x, y, z, t) = x2 + y 2 + (z + 2t)2 0.49

g(x, y, z, t) = 4t(x y)

Tal curva possui k3 = 0 ,passo no metodo de Euler 0.0005 e peso
no metodo de coordenadas independentes(C.I) u = 1. Pode-se interpretar as
equacoes anteriores como o movimento de duas esferas de raios diferentes no
eixo z conforme o aumento do tempo t. A curva em questao tambem representa
testes de colisao entre dois corpos (ver (5) e (3)).
A Figura 5.107 ilustra a curva em questao na projecao XY com ausencia

de rotacao.
Figura 5.107: Projecao em XY
A Figura 5.108 ilustra a visualizacao do eixo z

Figura 5.108: Visualizacao do eixo z
As Figuras 5.109 e 5.110 ilustram a curva com rotacao nos 4 eixos

coordenados.
Figura 5.109: Rotacao nos 4 eixos Figura 5.110: Nova rotacao
5.6.3
A Tabela 5.15 apresenta os valores das medias Me para diferentes valores

de q (quantidade de vizinhos). Os graficos podem ser observados nas Figuras

5.111 e 5.112.
q k1 (C.I) k2 (C.I) k1 (D.D) k2 (D.D)

2 7,69265E-08 0,000242736 0,000591363 0,000518849
3 1,33148E-06 0,000565952 0,001209414 0,001069625
4 5,06988E-06 0,000996106 0,002025447 0,001805908
5 1,28029E-05 0,001532521 0,00303568 0,002988765
6 2,62073E-05 0,002174333 0,004236202 0,004575643
7 4,69841E-05 0,002920568 0,005623205 0,00644782
8 7,6782E-05 0,003769623 0,007191461 0,008555544
9 0,000117123 0,00471813 0,009380988 0,010857403
10 0,000169352 0,005762887 0,012004643 0,013358403
11 0,00023462 0,006904433 0,014946456 0,016065837
12 0,000313956 0,008143863 0,018141052 0,018983831
13 0,000408089 0,009479272 0,021547426 0,022120899
14 0,000517767 0,010911186 0,025136227 0,025474405
15 0,000643438 0,012436425 0,028885128 0,029033372
16 0,000785554 0,014050819 0,032777371 0,032796782
17 0,000944986 0,015751155 0,036797046 0,036771839
18 0,001122125 0,017534185 0,040931822 0,040959195
19 0,001316915 0,01939088 0,045173348 0,045347287
20 0,001530312 0,021325006 0,049512366 0,049934489
Tabela 5.15: n = 1300 fixo, = 0

Figura 5.111: n = 1300, = 0, curva- Figura 5.112: n = 1300, = 0, curva-

tura k1 tura k2
A tabela 5.16 ilustra o acrescimo de rudo na amostragem. Foi observado

melhores resultados para o metodo das derivadas discretas(D.D) (Figuras
5.113 e 5.114).
q k1 (C.I) k2 (C.I) k1 (D.D) k2 (D.D)

2 323,453673 153,0659102 13,10673086 145,8436622
3 114,9390079 106,6103304 4,754569951 100,0704418
4 60,35954306 74,62285654 2,262677399 69,38897463

5 37,34955516 58,38320892 1,190274331 47,43225746
6 25,56238538 44,80074426 0,696368317 34,32532569
7 18,4796696 35,73767989 0,439568236 26,56897466
8 13,83321516 31,15994538 0,305505723 18,58003714
9 10,61332695 26,09686886 0,231452873 13,78187013
10 8,44780424 21,58121919 0,181048885 9,303680489
11 6,863359153 17,94538591 0,148332543 6,460559353
12 5,607153715 15,59062178 0,124309691 4,516049951
13 4,673397284 13,272211 0,106373391 3,21867235
14 3,899136697 11,65593218 0,092632638 2,323597801
15 3,311378904 10,3993936 0,08238076 1,747071592
16 2,793543536 9,639362419 0,074868452 1,394430585
17 2,415292599 8,864765894 0,069186412 1,145837318
18 2,120254036 7,714537864 0,071294568 1,076533273
19 1,869953484 6,654333897 0,062221975 0,794533546
20 1,645406148 5,973946662 0,060411448 0,669781449
Tabela 5.16: n = 1300 fixo, = 103

Figura 5.113: n = 1300, = 103 , Figura 5.114: n = 1300, = 103 ,

curvatura k1 curvatura k2
Analisaremos agora o comportamento de Me para diferentes valores de

densidade de pontos. Para o caso sem rudo obtivemos os seguintes resultados
conforme a tabela 5.17. Os graficos podem ser vistos nas Figuras 5.115 e
5.116.
n k1 (C.I) k2 (C.I) k1 (D.D) k2 (D.D)

128 0,000445642 0,022802406 0,045800822 0,055202128
142 0,000297265 0,018501357 0,038064149 0,044894933

160 0,000190236 0,014677753 0,031017837 0,03535453
183 0,000113405 0,011349696 0,024294101 0,026849712
214 6,6588E-05 0,008491688 0,018371949 0,019539941
258 3,45094E-05 0,005948973 0,013160779 0,013428033
323 1,52485E-05 0,003867454 0,008705404 0,008497812
431 5,32732E-06 0,00219149 0,005047259 0,00472966
648 1,17345E-06 0,000976728 0,002302495 0,002082734
1298 7,69265E-08 0,000242736 0,000591363 0,000518849
Tabela 5.17: q = 2 fixo, = 0

A tabela 5.18 mostra o comportamento dos valores de Me com acrescimo

de rudo de raio = 104 . Os graficos podem ser observados nas Figuras 5.117
e 5.118 com melhor performance para o metodo das derivadas discretas(D.D).
n k1 (C.I) k2 (C.I) k1 (D.D) k2 (D.D)

128 0,259545371 3,855026547 0,029966211 0,220500727
142 0,310417082 4,866170081 0,03794877 0,277126684

160 0,329069324 7,506715329 0,03467692 0,390802004
183 0,403041072 14,28783288 0,037070284 0,477989018
214 0,535316946 17,3733109 0,037633088 0,692458853
258 0,808564472 21,76645979 0,042417347 1,106250927
323 1,301761362 33,80908791 0,05168078 2,144549637
431 2,72243435 46,60425845 0,090272359 5,806706312
648 7,091296954 73,44679382 0,200787489 68,7319328
1298 31,16121635 155,6445893 0,849719144 101,8095904
Tabela 5.18: q = 2 fixo, = 104

Exemplo 4:
Considere a curva Cf0gh que passa pelo ponto P0 = (5.0034, 36.083, 6, 36)
pertencente a intersecao das tres hipersuperfcies de equacoes

f (x, y, z, w) = (x z)2 + (y w)2 1

h(x, y, z, w) = w z 2

g(x, y, z, w) = 2x + 2z 4yz + 4zw

Essas equacoes correspondem ao metodo envelope para gerar curvas offset

(ver (5) e (3)). De forma resumida, w z 2 = 0 corresponde a curva original e
as equacoes f (x, y, z, w) e g(x, y, z, w) definem uma curva silhueta no R4 que
reproduz a curva offset quando projetada no plano ZW .
Tais curvas representam o offset de uma parabola (indicada pela segunda
equacao). As Figuras 5.119, 5.120 e 5.121 indicam, respectivamente, a
curva com visualizacao em cada um dos eixos coordenados. O passo no
metodo de Euler foi ajustado para 0.0005 e o peso no metodo de coordenadas
independentes(C.I) para u = 1. Como observacao, registramos que foi testado o
peso u = esi para esta curva, mas os resultados obtidos apontaram mudancas
2
pouco significativas no calculo das medias absolutas Me .

Figura 5.119: Visualizacao em x e y Figura 5.120: Visualizacao do eixo z

Figura 5.121: Visualizacao do eixo w
As Figuras 5.122, 5.123 e 5.124 indicam as escalas de cores para cada

uma das tres curvaturas k1 , k2 e k3 .
Figura 5.122: Curvatura k1 Figura 5.123: Curvatura k2

5.6.4
A tabela 5.19 apresenta os resultados para diferentes densidades de

pontos e ausencia de rudo considerando as medias Me . Pode-se confirmar

a melhor performance para o metodo de coordenadas independentes(C.I).

128 4,07863E-05 0,011720365 0,019151482 0,022694939 0,031798558 0,036473329
142 2,65129E-05 0,009414509 0,015365932 0,01817786 0,025846459 0,02936457
160 1,63856E-05 0,007338662 0,01199528 0,014158456 0,020399483 0,023020615
183 9,47485E-06 0,005554303 0,009074765 0,010697094 0,01559122 0,01745742
214 5,03665E-06 0,004028485 0,006572589 0,007742235 0,011403368 0,012679478
258 2,39214E-06 0,00275328 0,004490652 0,005284361 0,007852665 0,00868711
323 9,66697E-07 0,00173943 0,002837527 0,003335479 0,004992388 0,005501149
431 3,02194E-07 0,000966537 0,001576028 0,001851705 0,002787539 0,003061317
648 6,01011E-08 0,00042364 0,00069059 0,00081101 0,001228625 0,00134341
1298 1,48337E-08 0,000104498 0,00017035 0,000199963 0,000681836 0,00033172
Tabela 5.19: q = 2, = 0
A tabela 5.20 comprova melhores resultados para o metodo das derivadas

discretas(D.D) com acrescimo de rudo de raio = 103 .

128 1,023938982 0,018178346 8,985208004 1,597732179 35,86708185 2,213493457
142 1,116107703 0,022390652 12,76038756 1,648274956 38,10711672 8,667808137
160 1,540812297 0,045153173 18,52982891 1,690732175 33,22522921 11,10102385
183 1,76801736 0,06104773 10,13055856 1,664208398 45,39972466 10,7356769
214 3,401414151 0,064582993 17,24064818 1,077857148 34,55655158 9,489680475
258 4,205954109 0,126311356 16,27158013 2,785034745 37,43934034 21,55196007
323 5,790654424 0,166829745 19,92121963 5,194649182 39,41872391 21,30169246
431 12,02835504 0,315233814 22,96952793 11,27389598 48,77981663 23,02102064
648 30,13207797 0,750574694 35,84603675 27,1467422 64,13296249 24,91787421
1298 111,3413876 3,846703579 73,75128833 66,41951195 154,758446 26,42651439
Tabela 5.20: q = 2, = 103
A tabela 5.21 apresenta as medias Me obtidas para diferentes valores

de q com ausencia de rudo. O metodo das coordenadas independentes(C.I)
apresentou melhor performance, neste caso, para a curvatura k1 . O metodo
das derivadas discretas(D.D) obteve melhor desempenho para a curvatura k3 .
q k1 (C.I) k1 (D.D) k2(C.I) k2(D.D) k3(C.I) k3(D.D)

2 1,48337E-08 0,000104498 0,00017035 0,000199963 0,000681836 0,00033172
3 4,4228E-08 0,000215093 0,000397128 0,000411652 0,000850294 0,000682836
4 1,51682E-07 0,000362472 0,000699009 0,000693832 0,001553543 0,001152927
5 3,82248E-07 0,000546567 0,001075515 0,00104676 0,002449316 0,001739525
6 7,96742E-07 0,000767291 0,001526079 0,001470292 0,003519693 0,002441375
7 1,4695E-06 0,001024539 0,00205002 0,001964202 0,004760628 0,003257625
8 2,48737E-06 0,0013182 0,002646545 0,002528329 0,006168336 0,004187486
9 3,94927E-06 0,001648353 0,003314746 0,003162497 0,007738647 0,005230265
10 5,96606E-06 0,002014782 0,0040536 0,003866585 0,009467004 0,006385086
11 8,66043E-06 0,002417248 0,00486197 0,00464048 0,011348484 0,007651047
12 1,21666E-05 0,002855553 0,005738604 0,005484056 0,013377825 0,009027114
13 1,66304E-05 0,003329527 0,006682149 0,006397156 0,015549458 0,010512424
14 2,22087E-05 0,003838995 0,007691119 0,007379634 0,017857545 0,012105911
15 2,90696E-05 0,004383748 0,008763915 0,008431384 0,020296013 0,013806348
16 3,73918E-05 0,004963481 0,009898825 0,009552218 0,022858595 0,015612505
17 4,73646E-05 0,005578097 0,011094023 0,010742019 0,025538866 0,017523086
18 5,91875E-05 0,006227392 0,012347614 0,012000645 0,028330285 0,019536754
19 7,30701E-05 0,006911009 0,013657513 0,013327972 0,031226233 0,021652108
20 8,92312E-05 0,007628813 0,015021553 0,014723879 0,03422003 0,023868622
Tabela 5.21: n = 1300, = 0

A tabela 5.22 apresenta as medias Me obtidas para diferentes valores de q

com rudo de raio = 103 . O metodo das derivadas discretas(D.D) apresentou
melhor performance.
q k1 (C.I) k1 (D.D) k2(C.I) k2(D.D) k3(C.I) k3(D.D)

2 111,3980345 3,852524236 73,82843991 68,35191787 131,4035265 27,46139541
3 39,05483997 1,34794541 50,7807492 44,10522185 104,0906579 23,39656069
4 19,72329952 0,595526733 37,24185414 28,41011792 90,16746152 27,77690263
5 11,9594194 0,323902231 27,46130147 16,60858394 82,13796447 28,89671992
6 7,937663693 0,202426677 20,97574973 8,783452943 67,32157891 24,30731989
7 5,819344315 0,137655473 16,84659664 4,989445983 64,94956539 24,56479842
8 4,284753694 0,103612116 14,07419233 2,978003351 63,06823498 20,0630426
9 3,239704562 0,081317176 12,5654888 1,833496076 57,95086976 17,6133485
10 2,528804211 0,064515075 10,40202709 1,174847216 59,08890965 17,42194423
11 1,99663528 0,050984219 8,073304055 0,820173205 67,43776096 12,46383064
12 1,581073377 0,040771521 7,328539795 0,628520707 72,11329743 8,896037297
13 1,270116077 0,033541311 5,992561385 0,501348802 78,35567728 6,533693438
14 1,036439411 0,028000514 5,090042629 0,41212881 86,33712241 3,910530419

15 0,848488578 0,023915848 5,926766981 0,332264829 61,58471412 2,341583906
16 0,708695616 0,020940081 5,248959547 0,26690205 59,22701751 1,590698457
17 0,606171187 0,018555764 4,474321311 0,215337035 61,36373391 1,152774638
18 0,526970944 0,016676346 4,253248995 0,174311924 67,238457 0,879475025
19 0,472078101 0,015267051 2,347427725 0,141487932 82,30919368 0,691517213
20 0,41939906 0,014204245 2,03834354 0,116448945 86,99502656 0,559949386
Tabela 5.22: n = 1300, = 103
5.6.5
Consideracoes finais do captulo
Foi verificado que, para toda curva selecionada nos casos sem rudo, o
valor de Me aumenta com o valor de q. Tal fato mostra que as estimativas das
curvaturas sao melhores quando utilizamos as informacoes dos pontos mais
proximos ao ponto base. Da mesma forma pode-se observar ainda atraves
da analise grafica que, nos casos sem rudo, a melhor precisao numerica
das curvaturas e obtida quando aumenta-se a densidade de pontos de uma
amostragem.
O metodo das derivadas discretas(D.D) apresenta melhor desempenho
computacional quando acrescentamos rudo na amostragem de pontos. Para
os casos sem rudo, o metodo das coordenadas independentes(C.I) revela-se

mais eficiente.
Os numeros ideais para q(quantidade de vizinhos ao ponto base), (raio
para rudo) e a densidade de pontos(n) da amostragem variam de acordo com
a curva selecionada para estudo.
A escolha do peso u no metodo de coordenadas independentes(C.I) e
variavel e depende muito da curva escolhida para estudo. Nos experimentos
realizados foi verificado que, encontrado o peso ideal no caso sem rudo,
melhores resultados sao verificados a medida que aumentamos o numero de
vizinhos q uma vez que pontos distantes ficam com menor influencia. Ja para
o caso com rudo, o aumento do numero de vizinhos piora as estimativas para
as tres curvaturas.
Embora nao tenhamos realizado uma analise de convergencia para os
metodos, os experimentos desenvolvidos neste trabalho contriburam na me-
dida em que resultados esperados foram obtidos.
Referencias Bibliograficas
[1] ALESSIO, O. Computer Aided Geometric Design. Differential

geometry of intersection curves in r4 of three implicit surfaces, journal, v.26,
n.4, p. 455 471, 2009. Geometric Modeling and Processing 2008, 5th
International Conference on Geometric Modeling and Processing.
[2] AN, Y.; SHAO, C.; WANG, X. ; LI, Z. Computers & Graphics.
Geometric properties estimation from discrete curves using discrete derivatives,
journal, v.35, n.4, p. 916 930, 2011.
[3] E LINS SOUZA, A. L. Dissertacao de Mestrado. Silhuetas de superfcies

no r4, journal, 2011.
[4] ESTROZI, L. F.; FILHO, L. G. R.; BIANCHI, A. G. C.; JR, R. M. C. ;

DA FONTOURA COSTA, L. Digital Signal Processing. 1D and 2D
fourier-based approaches to numeric curvature estimation and their compara-
tive performance assessment, journal, v.13, p. 172197, 2003.
[5] HOFFMAN, C. M.; ZHOU, J. Computer-Aided Design. Some tech-

niques for visualizing surfaces in four-dimensional space, journal, v.23, n.1, p.
8391, 1991.
[6] LEWINER, T.; A DOMINGOS GOMES JR., J.; LOPES, H. ; CRAIZER,

M. Computers & Graphics. Curvature and torsion estimators based on
parametric curve fitting, journal, v.29, n.5, p. 641 655, 2005.
[7] MOKHTARIAN, F.; MACKWORTH, A. K. IEEE Transactions on

Pattern Analysis and Machine Intelligence. A theory for multiscale,
curvature based shape representation for planar curves, journal, v.14, p. 789
805, 1992.
[8] PATRIKALAKIS, N. M.; MAEKAWA, T. Shape Interrogation for

Computer Aided Design and Manufacturing. Springer Verlag, 2002.
[9] WORRING, M.; SMEULDERS, A. W. M. CVGIP: Image Understan-

ding. Digital curvature estimation, journal, v.58, n.3, p. 366382, 1993.
A
Analise do tempo de execucao
A seguir, apresentaremos tabelas comparativas do tempo de execucao de

cada curva presente neste trabalho em relacao aos dois metodos implementa-
dos(coordenadas independentes e derivadas discretas) nas versoes sem rudo e,
depois, com rudo de raio . Para o caso parametrico, na ausencia de rudo, foi
verificado que os tempos de execucao sao similares para ambos os metodos ana-
lisados(ver tabela A.1). Para os casos com rudo, foi verificado que o tempo de
execucao aumenta em relacao aos casos com ausencia de rudo e metodo das
Derivadas discretas saiu-se um pouco melhor(ver tabela A.2).
A.1
Legenda de curvas e apresentacao das tabelas
1. (cos(3t), (3/5)sen(t) + sen(3t), (2/5)sen(3t) sen(6t), t/2)
2. (2cos(2t) + 2cos(3t), 2sen(t) 2sen(3t), 4sen(2t), t2 /2)
3. (cos(t) + cos(3t), sen(t) + sen(3t), t2 , sen(t))
4. (2sen(t) + 2sen(t)cos(t), 2sen2 (t), tsen(t), t2 )

5. Considere a curva Cf0gh que contem o ponto p0 = ( 21 , 12 , 2
2 , 1), intersecao
das hipersuperfcies

f (x, y, z, w) = x2 + y 2 + z 2 + w2 2

h(x, y, z, w) = x2 + y 2 + z 2 w2

g(x, y, z, w) = x2 + y 2 x

6. Considere a curva Cf0gh que contem o ponto p0 = (0, 0, 1, 2.2), intersecao

das hipersuperfcies

f (x, y, z, t) = y 2 + z 2 1

h(x, y, z, t) = x2 + y 2 + (z + t)2 1.44

g(x, y, z, t) = 4xy 4yt 4xz

7. Considere a curva Cf0gh que contem o ponto p0 = (0, 0, 2.7, 1.7), intersecao
das hipersuperfcies

f (x, y, z, t) = x2 + y 2 + (z + t)2 1

h(x, y, z, t) = x2 + y 2 + (z + 2t)2 0.49

g(x, y, z, t) = 4t(x y)

8. Considere a curva Cf0gh que passa pelo ponto P0 = (5.0034, 36.083, 6, 36),
intersecao das hipersuperfcies

f (x, y, z, w) = (x z)2 + (y w)2 1

h(x, y, z, w) = w z 2

g(x, y, z, w) = 2x + 2z 4yz + 4zw

Curva Coordenadas independentes Derivadas discretas

1 1.5430 s 1.5420 s
2 1.52270 s 1.5700 s
3 1.5650 s 1.5360 s
4 1.5490 s 1.5480 s
5 3.6290 s 3.4900 s
6 3.6220 s 3.7120 s
7 3.5290 s 3.4560 s
8 4.7480 s 4.9010 s
Tabela A.1: Tempo de execucao sem ruido
Curva raio () Coordenadas independentes Derivadas discretas

1 103 3.0460 s 3.1820 s
2 104 4.5140 s 3.0800 s
3 104 3.2530 s 3.0420 s
4 103 3.0710 s 2.9920 s
5 105 3.1040 s 3.0010 s
6 103 3.4350 s 2.9810 s
7 103 3.2610 s 3.1710 s
8 103 4.2160 s 3.7720 s
Tabela A.2: Tempo de execucao com ruido

Curvaturas Curvas R4 PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Curvaturas Curvas R4 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Rogerio Vaz de Almeida Junior

Estimadores de Curvaturas para Curvas no R4

Dissertacao apresentada como requisito parcial para obtencao do

Orientador : Prof. Sinesio Pesco

Estimadores de Curvaturas para Curvas no R4

Dissertacao apresentada como requisito parcial para obtencao do

Prof. Sinesio Pesco

Prof. Helio Cortes Vieira Lopes

Prof. Humberto Jose Bortolossi

Prof. Marcos Craizer

Prof. Jose Eugenio Leal

Rio de Janeiro, 16 de setembro de 2011

Rogerio Vaz de Almeida Junior

Estimadores de Curvaturas para Curvas no R4 / Rogerio

v., 101 f: il. ; 29,7 cm

1. Dissertacao (Mestrado em Matematica) - Pontifcia

Inclui referencias bibliograficas.

1. Matematica Tese. 2. Geometria Diferencial; Estima-

O ser humano vivencia a si mesmo, seus pensamentos como algo separado

de Almeida junior, Rogerio Vaz; Pesco, Sinesio; Lopes, Helio Cortes

Vamos apresentar neste trabalho dois metodos para calcular as propri-

e trinormal para cada ponto da curva. Sao apresentados tambem calculos

de Almeida junior, Rogerio Vaz; Pesco, Sinesio (Advisor); Lopes,

We present new algorithms for computing the diferential geometry

arc-lenght aproximation and discrete derivatives.

2 Propriedades geometricas de curvas parametrizadas no R4 14

3 Curvas Implcitas no R4 e Curvaturas 25

3.5 Propriedades Geometricas de uma Curva Implcita no R4 28

4 Estimadores Numericos de Curvatura 31

A Analise do tempo de execucao 100

1.1 Projecao particular com rotacao nos 4 eixos 12

2.1 O vetor tangente e normal a curva r em s. 17

4.1 Ajuste de Curva 31

5.12 Grafico n Me , q = 10, = 0 45

5.60 Grafico n = 1300, = 104 68

5.85 Escala para k2 78

O problema de estimar de forma precisa as propriedades geometricas de curvas

Figura 1.1: Projecao particular com rotacao nos 4 eixos

Esse trabalho tem sua justificativa nao so pelo conteudo matematico do

graficos e tabelas que mostram os erros de estimacao comparados a resultados

Nesse captulo trataremos dos conceitos basicos de geometria diferencial refe-

e chamado de vetor tangente a curva r em t = t0 .

Se r e diferenciavel em todos os pontos de seu domnio dizemos simples-

onde representa a norma euclidiana do vetor.

Como r() e uma funcao contnua, entao s e uma funcao diferenciavel e

ds (s) = 1 para todo s.

quaisquer t0 e t em I o comprimento de arco de r em [t0 , t] vale

Daqui por diante, usaremos a notacao para denotar a derivada em

membros da igualdade anterior, que:

< r (s), r (s) > + < r (s), r (s) > = 0.

O que implica em:

Estabelecemos que r (s) esta na direcao do vetor que denominamos vetor

Figura 2.1: O vetor tangente e normal a curva r em s.

Se aplicarmos o produto escalar com r (s) em ambos os membros da

k12 (s) = < r (s), r (s) > .

Em resumo, ate agora, obtivemos tres expressoes para o calculo das

Para obter outras propriedades geometricas interessantes para curvas no

O teorema a seguir constitui uma das principais ferramentas de deter-

Teorema 2.1 Se r I Rn e uma curva de classe C n+1 , regular de

e1 (s) k1 (s) e1 (s)

Em particular para as curvas no R4 , podemos denotar a base movel

vetor trinormal de r em s. Aplicando o Teorema anterior, obtemos a lista

t (s) = k1 (s)n(s) (2-1)