Universidad Nacional de Ingeniera

Ciencias de la Computacin
Geometra Computacional
Anthony Carrera, Jhordan Prez*
yohelacarrera20@gmail.com, jor_sk13@hotmail.com

Resumen 2. Storage: Cunta memoria es requerida para la

El articulo tiene como objetivo presentar los
conceptos fundamentales de la geometra
computacional, para ello buscaremos estructuras
de datos para resolver los problemas geomtricos
de la localizacin de puntos y las consultas de
rango ortogonal. Estos problemas abarcan
aplicaciones tales como la determinacin en qu
elemento GUI un usuario ha hecho clic en una
ciudad , en que conjunto de coordenadas GPS est
, y ciertos tipos de consultas de base de datos.
1. Introduccin
Una cuestin bsica para las aplicaciones
informticas que emplean estructuras geomtricas
(por ejemplo, en DAC, sistemas de informacin
geogrfica, robtica, bases de datos...) es: "Dnde
estoy?" Dado un conjunto de objetos geomtricos,
el "problema de localizacin del punto" pregunta
por el objeto que contiene a un determinado
punto. Existen numerosas variantes de este
problema en funcin de la dimensin y del tipo de
objetos, adems de si el conjunto es esttico o
dinmico. Las soluciones varan en el
procesamiento usado, el espacio necesario y el
tiempo de respuesta. La localizacin ha inspirado
numerosas tcnicas de modelado de datos
geomtricos, algunas de las cuales sern
examinadas.
estructura de datos?
3. Processing time: Cunto tiempo es necesario
para arrancar los datos de la bsqueda?
4. Update time: Dado un elemento especfico,
cunto tiempo me tomar aadirlo o borrarlo
de la estructura de datos?
2. Localizacin de Puntos Planos
La localizacin de puntos planos es un problema
en el que se nos da un grfico plano (sin cruces)
que define un mapa, como el lmite de los
elementos GUI. Entonces queremos apoyar una
consulta que toma un punto dado por sus
coordenadas (x, y) y devuelve la cara que lo
contiene (vea la Figura 1 para un ejemplo).
Como suele ocurrir con estos problemas, hay
una versin esttica y dinmica de este
problema. En la versin esttica, se nos da el
mapa completo de antemano y slo queremos
ser capaces de responder consultas. Para la
versin dinmica, tambin queremos permitir la
adicin y eliminacin de aristas.

1. Query time: Cunto tiempo es requerido, en

caso mejor o peor, para responder a la simple
cuestin (query)?
Figura1.-Ejemplo de mapa planar

1

2.1 Disparos de Rayos Verticales
Un problema estrechamente relacionado con la
localizacin de puntos planos es el disparo con rayos
verticales. Al igual que en la localizacin de puntos planos,
nos interesa un grfico plano que defina un mapa. En este
caso, cuando consultamos un punto (x, y) estamos
interesados en el primer segmento de lnea que est
sobre l. Equivalentemente, si imaginamos disparar un
rayo vertical desde el punto de consulta, queremos
devolver el primer segmento de mapa que intersecta
Podemos usar el disparo de rayo vertical para resolver el
problema de localizacin de puntos planares en el caso
esttico precomputando, para cada borde, cul es la cara
que est debajo de ella. Para el problema de localizacin
de puntos planos dinmicos, podemos usar de nuevo esta
tcnica, pero necesitamos mantener los datos de la cara
dinmicamente, dando lugar a una sobrecarga aditiva O
(log n). El problema de disparo de rayos verticales se
puede resolver con una tcnica llamada barrido de lnea.
Figura 2: El mismo mapa y puntos de consulta en la
vista de disparo de rayos
2.2 Barrido de Lneas
El barrido de lnea es una tcnica relativamente general para
reducir la dimensin de un problema geomtrico en 1. Dado
un problema geomtrico en el espacio d-dimensional,
podemos considerar una seccin transversal dimensional
"vertical" (d - 1), que significa un hiperplano perpendicular
al eje x1. Ahora imaginamos nuestro problema de geometra
dentro de ese hiperplano y consideramos cmo cambia al
mover el hiperplano a lo largo del eje x1. Si esta dimensin
x1 tiene una interpretacin "parecida a un tiempo"
adecuada, como ocurre en el disparo vertical de rayos,
entonces una estructura de datos persistente o totalmente
retroactiva para el problema dimensional (d - 1) nos
permitir resolver el problema d - dimensional.
2
En el caso de la toma de rayos verticales, en una dimensin
podemos resolver el problema con un rbol de bsqueda
binario equilibrado. Ms especficamente, estamos
haciendo consultas sucesivas. En la ltima conferencia vimos
cmo hacer un rbol de bsqueda binario equilibrado
parcialmente persistente con consultas de tiempo O (log n),
y sabemos que una estructura de consulta sucesora
completamente retroactiva tambin se puede hacer con
consultas O (log n). Obsrvese, sin embargo, que en este
caso la estructura sucesora slo nos permite manejar
segmentos horizontales, ya que la funcin de comparacin
entre segmentos generales depende de la coordenada x.
Qu sucede cuando aplicamos barrido de lnea para
resolver el problema de dos dimensiones?
A medida que nuestra seccin transversal vertical barre de
izquierda a derecha, primero notamos que ningn segmento
de lnea cambia nunca de orden debido a la suposicin de
que no hay cruces en nuestro mapa. Esto significa que la
estructura de rbol slo cambia en unos pocos tiempos
discretos. En particular, cuando alcanzamos el punto final
izquierdo de un segmento estamos realizando una insercin
de ese segmento, y cuando alcanzamos el punto final
derecho estamos realizando una eleccin. Supongamos
que implementamos este barrido de lnea usando un rbol
de bsqueda binario equilibrado parcialmente persistente,
para hacer una consulta de disparo de rayo vertical para el
punto (x, y), encontramos la actualizacin correspondiente
a la coordenada xy hacemos una consulta (usando
persistencia) para (x, y) en esa versin de la estructura de
datos. Tambin es til tener en cuenta que esta estructura
se puede calcular en O (n log n) tiempo de
preprocesamiento, como lo demuestra Dobkin y Lipton
en[8].
Adems, si usamos la estructura de datos sucesor
totalmente retroactiva, podemos resolver el problema
dinmico de disparo de rayos verticales con segmentos
horizontales con consultas de tiempo O (log n). Vase [4] y
[10].
Varias variantes del problema de disparo de rayo vertical
todava estn abiertas. Ejemplos incluyen:
*OPEN: Podemos hacer O (log n) disparos dinmicos de
rayos verticales en un grfico planar general?
*OPEN: Podemos hacer O (log n) rayos estticos cuando
los rayos no tienen que ser verticales? Tenga en cuenta que
la versin tridimensional de este problema est motivada
por el trazado de rayos.

2.3 Intersecciones
El mtodo de barrido de lnea tambin se puede usar para
encontrar intersecciones en un conjunto de segmentos de
lnea, y este problema da una buena ilustracin del mtodo
de barrido de lnea.
Dado un conjunto de segmentos de lnea en el plano definido
por sus extremos, queremos encontrar todas las
intersecciones entre ellos.
Figura 3: Un barrido de lnea para detectar intersecciones
Para resolver este problema, utilizamos la tcnica de barrido
de lnea donde almacenamos los segmentos de lnea en un
rbol de bsqueda binario equilibrado. Las modificaciones
en el rbol de bsqueda son las siguientes.
El extremo izquierdo de un segmento nos hace
insertar ese segmento en el rbol.
El punto final derecho de un segmento nos hace
eliminar ese segmento del rbol.
Dos segmentos de cruce nos hacen intercambiar su
orden dentro del rbol.
Podemos utilizar estas ideas para resolver el problema de
interseccin de segmentos de lnea en O (n log n + k) cuando
hay k intersecciones. Para ello, debemos ser capaces de
determinar de manera eficiente la prxima vez que se
cruzarn dos segmentos. Observamos que, si un cruce
ocurrira antes de agregar o eliminar ms segmentos,
tendra que involucrar dos segmentos que estn
actualmente adyacentes en la orden de rbol. Luego, para
cada segmento, rastreamos cundo cruzara su sucesor en el
rbol y cada nodo interno rastrea el cruce ms temprano en
su subrbol. No es difcil mantener estos datos adicionales
en O (log n) tiempo por actualizacin, y al realizar un
intercambio se puede hacer en tiempo constante.
3.- Bsqueda de Rango Ortogonal
En este problema se nos dan n puntos en dimensiones d, y
la consulta es determinar qu puntos caen en una caja
3
determinada (una caja se define como el producto cruzado
de intervalos d, en dos dimensiones, esto es slo un
rectngulo). Vea la Figura 4 para un ejemplo. ste es, en
cierto sentido, el inverso del problema anterior, en el que
se nos dio un grfico plano, y la consulta estaba en forma
de punto.
Figura 4: Bsqueda de rango ortogonal
En la versin esttica del problema podemos preprocesar los
puntos, mientras que en la versin dinmica los puntos se
aaden y eliminan. En ambos casos, consultamos los puntos
dinmicamente. La consulta tiene versiones diferentes:
Hay puntos en la caja? Esta es la versin de
"existencia" del problema, y es la ms fcil.
Cuntos puntos hay en la caja? Esto puede resolver la
existencia tambin.
Cules son todos los puntos en la caja?
Alternativamente, qu es un punto, o cules son diez
puntos, en la caja?
Estas preguntas son muy similares, y podemos resolverlas
con la misma eficiencia. Una vez que la excepcin es la ltima
pregunta -para una entrada dada, la respuesta puede
implicar devolver todos los puntos del conjunto, lo que
tomara O (n) tiempo. Por lo tanto, estamos buscando una
solucin similar a O (log n + k), donde k es el tamao de la
salida.
3.1- Arboles de Rango
Comencemos con el caso 1-dimensional, d = 1. Para
resolverlo, podemos simplemente ordenar los puntos y usar
la bsqueda binaria. La consulta es un intervalo [a, b];
podemos encontrar el predecesor de a y el sucesor de b en
la lista ordenada y usar los resultados para averiguar si hay
algn punto en la caja; restar los ndices para determinar el
nmero de puntos; o imprimir directamente una lista de
puntos en el cuadro. Desafortunadamente las matrices no
generalizan bien, aunque las utilizaremos ms adelante.
Podemos lograr los mismos tiempos de ejecucin usando
una estructura llamada Range Trees. Los rboles del rango
fueron inventados por un nmero de personas
simultneamente a finales de los aos setenta [3], [2], [11],
[12], [16]. Podemos construir un rbol de rango como sigue.
Considere un rbol de bsqueda binario equilibrado (BBST)
con los datos almacenados en las hojas solamente. Esto ser
conveniente para las dimensiones ms altas. Cada nodo no-
hoja almacena el min y el mximo de las hojas en sus
subrboles; alternativamente, podemos almacenar el valor
mximo en el subrbol izquierdo si queremos almacenar
solo un valor por nodo. De nuevo, buscamos pred (a) y succ Figura 6: Los subrboles de todos los elementos entre a y b
(b) (ver la Figura 5). A medida que buscamos, nos
Ahora queremos ordenar los puntos por coordenadas y. No
moveremos por el rbol y la rama en un nmero de puntos.
podemos usar un rbol de rango sobre todos los puntos,
(Como antes, la bsqueda de pred (a) y succ (b) toma O (log
porque slo estamos interesados en los puntos que
n) tiempo.) Una vez que los caminos de pred (a) y succ (b)
conocemos entre a1 y b1, en lugar de todos los puntos del
divergen, en cualquier momento giramos a la izquierda en
conjunto. Podemos restringir nuestra atencin a estos
un nodo mientras
puntos creando, para cada subrbol x, un rbol de rango y
dimensional correspondiente, que consta de todos los
puntos de esa sub-rbol x, pero ahora ordenados por su
coordenada y. Tambin almacenaremos un puntero en cada
nodo del rbol de rangos x al correspondiente rbol y (ver
Figura 7 para un ejemplo). Por ejemplo, x, x y x apuntan
a subrboles correspondientes y, y y y. x es un subrbol
de x en x, pero y es disjunto de y (aunque y x
Figura 5: Ruta de ramificacin a pred (a) y succ (b) almacenan el mismo conjunto de puntos).
buscando a pred (a), sabemos que todas las hojas del
subrbol derecho de ese nodo estn en el intervalo dado. Lo
mismo ocurre con los subrboles izquierdos de la rama
derecha. Si el rbol izquierdo se ramifica a la derecha o el
rbol derecho a la izquierda, no nos importa el subrbol del
otro; esas hojas estn fuera del intervalo. La respuesta se
representa implcitamente de la siguiente manera: Si
almacenamos el tamao del subrbol de cada nodo en el
nodo, podemos calcular el nmero de elementos en nuestra
Figura 7: Cada uno de los nodos en el nivel x tiene un
lista en tiempo O (log n). Para encontrar los primeros k
puntero a todos los nios de ese nodo ordenados en la
nmeros, podemos visitar los primeros elementos k despus
dimensin y, que se indica en naranja.
de pred (a) en tiempo O (k) (las operaciones en las dos
oraciones anteriores podran ser ms fciles de visualizar subrboles correspondientes y, y y y. x es un subrbol
con referencia a la Figura 6). Estos son los mismos resultados de x en x, pero y es disjunto de y (incluso aunque
que recibimos con matrices, pero los rboles de rango son y y x almacenan el mismo conjunto de puntos). Esta
ms fciles de generalizar a mayor d. estructura ocupa mucho espacio: cada punto se almacena
en rboles de rango de log y, por lo que estamos usando
Veamos el caso 2-d, buscando puntos entre a1 y b1 en x y a2 y
(nlogn) espacio. Sin embargo, ahora podemos hacer la
b2 en y. Podemos construir un rbol de rango usando slo la
bsqueda eficientemente - podemos filtrar primero nuestro
coordenada x de cada punto, y luego repetir el
conjunto de puntos por x coordinar y luego buscar los
procedimiento anterior para averiguar qu puntos caen
correspondientes rboles de rangos y para filtrar por la
entre a1 y b1.
coordenada y. Fueron buscando a travs de O (log n) y
subrboles, por lo que la consulta se ejecuta en tiempo O
(log2 n). Podemos extender esta idea a dimensiones d,
almacenando un subrbol y para cada subrbol x, un
subrbol z para cada uno y subrbol, y as sucesivamente.

4
Esto resulta en un tiempo de consulta de O (logd n). Cada
dimensin aade un factor de O (log n) en el espacio;
podemos almacenar el rbol en O (n logd-1 n) espacio en
total. Si el conjunto de puntos es esttico, podemos
preprocesarlos en O (n logd-1) tiempo para d> 1; la
clasificacin toma tiempo O (n log n) para d = 1. La
construccin de los rboles de rango en este tiempo lmite
no es trivial, pero se puede hacer.

4.- Referencias
[1] S. Alstrup, G. Stolting Brodal, T. Rauhe, New data structures
for orthogonal range searching, Foundations of Computer
st
Science, 2000. Proceedings, 41 annual symposium, 198-
207.

[2] J.L. Bentley, Multidimensional Binary Search Trees in

Database Applications, IEEE Transactions on Software
Engineering, 4:333-340, 1979.

[3] M. de Berg, O. Cheong, M. van Kreveld, M. Overmars,

Computational Geometry: Algorithms and Applications,
rd
Springer, 3 edition, 2008.
[4] G. Blelloch, Space-efficient dynamic orthogonal point
location, segment intersection, and range reporting, SODA
2008:894-903.

[5] B. Chazelle, Reportin and counting segment intersections,

Journal of Computer and System Sciences 32(2):156-182,
1986.

[6] B. Chazelle, L. Guibas, Fractional Cascading: I. A Data

Structuring Technique, Algorithmica, 1(2):133-162, 1986.
[7] B. Chazelle, L. Guibas, Fractional Cascading: II. Applications,
Algorithmica, 1(2):163-191, 1986.

[8] D. Dobkin, R. Lipton, Multidimensional searching problems,

SIAM Journal on Computing, 5(2):181-186, 1976.