Cálculo e Estimação de Invariantes Geométricos: Uma ... - Impa
Cálculo e Estimação de Invariantes Geométricos: Uma ... - Impa
Cálculo e Estimação de Invariantes Geométricos: Uma ... - Impa
- TAGS
- invariantes
- impa
- www.impa.br
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
12 1.4. Técnicas <strong>de</strong> Mudança <strong>de</strong> Contexto<br />
uma coor<strong>de</strong>nada z tal que fz(p) �= 0. Então existem uma vizinhança<br />
Vp <strong>de</strong> p e uma função suave g : U ⊂ R d → R tal que<br />
S ∪ Vp = {(xd, z) ∈ R d+1 , xd ∈ U, z = g(xd)}.<br />
Em outras palavras, qualquer varieda<strong>de</strong> implícita é localmente o<br />
gráfico <strong>de</strong> uma função g. Usando a relação f(xd, g(xd)) = 0, as <strong>de</strong>rivadas<br />
<strong>de</strong> g po<strong>de</strong>m ser <strong>de</strong>duzidas das <strong>de</strong>rivadas <strong>de</strong> f. Em particular,<br />
temos que gx(xd) = − fx(p)<br />
fz(p) , com p = (xd, g(xd)). Isso permite usar<br />
o cálculo diferencial dos invariantes no caso paramétrico no contexto<br />
implícito.<br />
1.4.2 Processos <strong>de</strong> Amostragem<br />
Os processos <strong>de</strong> amostragem <strong>de</strong>screvem as mudanças dos contextos<br />
não discretos para os contextos discretos. Do ponto <strong>de</strong> vista matemático,<br />
isso correspon<strong>de</strong> a restringir as funções, parametrizações<br />
ou funções implícitas, a um número finito <strong>de</strong> elementos <strong>de</strong>ntro <strong>de</strong><br />
um conjunto a parâmetro <strong>de</strong> funções. Esse processo nem sempre é<br />
possível, e os processos <strong>de</strong> amostragem são frequentemente associados<br />
aos problemas <strong>de</strong> aproximação. Por isso o cálculo no caso discreto é<br />
geralmente chamado <strong>de</strong> estimação.<br />
Os processos <strong>de</strong> amostragem aparecem naturalmente com dados<br />
reais no computador. Por exemplo, uma fotografia digital é uma<br />
função implícita discreta que correspon<strong>de</strong> a uma medição <strong>de</strong> luz por<br />
médias locais. Essas médias constituem um processo <strong>de</strong> amostragem<br />
a partir da distribuição <strong>de</strong> luz real “contínua”. Porém, nesses casos<br />
reais, o erro <strong>de</strong> aproximação, em particular se contar as <strong>de</strong>rivadas, é<br />
muito difícil <strong>de</strong> quantificar.<br />
A abordagem usual <strong>de</strong> geometria discreta consiste em <strong>de</strong>finir operações<br />
discretas que aproximem as operações dos contexto não discreto.<br />
Por exemplo, no caso <strong>de</strong> medida, é <strong>de</strong>sejável que medidas<br />
feitas no contexto discreto convirjam para as medidas do caso diferenciável<br />
quando o erro <strong>de</strong> aproximação da amostragem vá para<br />
zero. Essas noções são <strong>de</strong>licadas <strong>de</strong> aplicar, porque são apenas resultados<br />
assintóticos, e porque os processos <strong>de</strong> amostragem que permitem<br />
formalizar essas análises (em particular as ɛ-amostragens) não<br />
são facilmente realizáveis na prática.