Você está na página 1de 47

Matemticas

na vida quotidiana


Sumrio
cdigos secretos tornados pblicos
dos satlites aos telefones portteis
imagens com rudo!!!
a Bolsa sem risco?
um fenmeno turbulento
prejuzo zero!
no encalo do genoma!!!
da rvore floresta
como pavimentar?
gua no azeite!
ouvir um CD riscado?
de um s trao
agradecimentos

Onde est a matemtica?
Nos livros inacessveis? Nas salas de aula? Nos produtos de alta tecnologia da
grande indstria? De forma nenhuma: h matemtica por trs das nossas antenas
de televiso, nos nossos cartes bancrios, nas carroarias das nossas viaturas...

esta matemtica do quotidiano que este folheto e a exposio que ele acompanha
vos propem descobrir. Esta iniciativa da Sociedade matemtica europeia
inscreve-se no quadro do Ano mundial da matemtica, e beneficia do apoio da
Comisso europeia. Ela visa evidenciar o impacto da investigao matemtica na
vida e na sociedade contempornea e mostrar a riqueza e a natureza das suas
intervenes.

Os doze temas descritos, entre muitos outros, evocam a utilidade da matemtica
quer na representao dos fenmenos naturais quer nos tratamentos mdicos, na
regulao dos transportes, na colocao de mosaicos ou nos entretenimentos.
Ldicos, surpreendentes ou vitais, alguns antigos outros muito recentes, eles esto
todos ligados aos desenvolvimentos actuais e s investigaes em curso.

Esperamos que eles estimulem a vossa curiosidade para esta matemtica escondida
no fabrico e na utilizao de objectos que nos so familiares e, porque no, que eles
suscitem novas vocaes.

Mireille Chaleyat-Maurel Jean Brette Michel Darche Catherine Goldstein Maurice Mashaal
Grard Tronel





Cdigos secretos
tornados pblicos?


Graas aos cdigos de chave publica, podereis, em breve e sem riscos, fazer compras
na internet e transmitir as vossas referncias bancrias. O mtodo: o cdigo tornado
pblico mas a mensagem s pode ser decifrada pelo destinatrio autorizado porque o
processo de descodificao mantm-se secreto! Isto verdade, por exemplo, para o
mtodo RSA, concebido em 1978 por Rivest, Shamir e Adleman.

A astcia? Se um nmero o produto de outros dois, pode ser muito difcil
determinar os dois nmeros que o compem, sobretudo se os nmeros so muito
grandes. O cdigo, que pblico, utiliza unicamente o nmero produto: os dois
nmeros que o compem permanecem secretos. So necessrios para descodificar.
por isto que a investigao matemtica se interessa pelos grandes nmeros primos, de
vrias centenas de algarismos.



GRANDES NMEROS PRIMOS
Alguns matemticos procuram e por vezes encontram algoritmos de factorizao
suficientemente rpidos para constiturem uma ameaa segurana do cdigo RSA; isso obriga,
com o tempo, a aumentar a ordem de grandeza dos nmeros primos utilizados.
As pesquisas matemticas muito puras, envolvendo os nmeros primos e a factorizao dos
grandes nmeros, tornaram-se de uma importncia crucial para a criptografia. E os nmeros
primos no so os nicos objectos matemticos interessantes para a criptografia.
Alguns especialistas elaboram, tambm, mtodos de codificao baseados nas propriedades
aritmticas das curvas elpticas, outros procuram processos envolvendo leis estranhas da fsica
quntica, etc.

Disse aifargotpirC?
Para comunicar ao abrigo dos indiscretos, preciso codificar as mensagens.
E, para inventar mtodos de codificao e de descodificao, melhor ser
matemtico...

Desde h muito que militares e polticos usam diversos estratagemas para que o
campo contrrio no possa aceder s suas mensagens confidenciais e adivinhar
as suas intenes. Pensa-se que Jlio Csar comunicava com Ccero com a ajuda
de um cdigo secreto, que consistia em deslocar as letras do alfabeto trs lugares.
O A tornava-se D, o B tornava-se E, o C tornava-se F, etc., e retomava-se o
alfabeto desde o princpio para as ltimas letras. Segundo este processo, GARE
AU GORILLE ficava JDUH DX JRULOOH. Quando o valor do deslocamento
conhecido (aqui, 3), a descodificao de uma mensagem assim codificada muito
simples: basta aplicar o deslocamento no sentido inverso.



Demasiado simples, este exemplo? Sem dvida, porque o inimigo ao interceptar
esta troca de mensagens poderia, em pouco tempo, adivinhar o mtodo utilizado,
encontrar o deslocamento e decifrar. Mas ele resume o objectivo da criptografia,
que a determinao de bons processos de codificao e de descodificao.
Durante o sculo XX, este domnio passou da poca artesanal poca cientfica.
Ao mesmo tempo, os seus utilizadores multiplicaram-se: ao mundo militar e
diplomtico juntou-se o mundo da banca ou das finanas, o do crime organizado,
o da internet e do comrcio electrnico, etc. Com o progresso das
telecomunicaes, a criptografia tornou-se uma parada capital para a sociedade
civil.
O que vm os matemticos fazer aqui? Antes de mais, bem mais simples
manipular letras traduzindo-as primeiro em nmeros, o que permite transform-las
custa de operaes aritmticas. cada vez mais verdade nos nossos dias: a
informtica e as telecomunicaes modernas tratam a informao representada
sob forma numrica (em geral sequncias de bites, isto , sequncias de 0 ou
1). Estando a mensagem traduzida numa sequncia de nmeros, a criptografia
dispe, ento, ao jogar com procedimentos aritmticos, de uma grande variedade
de mtodos de codificao possveis. Sendo os mais simples tambm os mais
vulnerveis aos esforos de descodificao pelo inimigo, v-se que a matemtica
pode ajudar a conceber mtodos de codificao ( ou de descodificao...)
sofisticados mais eficazes e que ela permite avaliar a sua eficcia.
Diferenciam-se dois tipos de cdigos. O primeiro, mais clssico, o dos mtodos
de chave secreta. Os dois correspondentes, Alice e Bernardo, para assentar
ideias, estabelecem um mtodo de codificao das suas mensagens e escolhem
uma chave, isto , um ou vrios nmeros que determinam completamente o
processo de codificao. No exemplo referido mais acima, o mtodo de
codificao o deslocamento das letras e a chave o nmero 3. Neste tipo de
mtodo, a chave serve tanto para codificar como para descodificar e s deve ser
conhecida pela Alice e pelo Bernardo: uma chave secreta que, acima de tudo,
no deve cair nas mos do inimigo, chamemos-lhe Emlio. Se o nmero de chaves
possveis muito grande, o Emlio ter dificuldade, na ausncia da chave, em
decifrar as mensagens interceptadas, e isto mesmo que conhea bem o mtodo
utilizado (porque teria que experimentar todas as chaves). O DES (Data
Encryption Standard), mtodo publicado em 1975 e adoptado como standard
pelos Estados Unidos desde 1977, a codificao de chave secreta mais utilizada
nos nossos dias. O algoritmo DES envolve uma chave de 56 bites, isto , um
nmero que se escreve com 56 algarismos binrios e, portanto, a priori existem
56
2 chaves possveis. Este nmero grande (da ordem de
17
10 ), mas o progresso
dos computadores e dos caadores de cdigos fazem com que o DES seja
actualmente considerado como pouco seguro: ele ser dentro em breve
substitudo por um standard mais eficaz.



O outro tipo de codificao o dos cdigos de chave pblica. O seu incio data de
1976. Nestes mtodos, o conhecimento da chave que serve para codificar no
permite deduzir facilmente a chave de descodificao. A chave de codificao
pode, ento, ser pblica, no secreta, enquanto que a chave de descodificao s
conhecida pelo destinatrio da mensagem secreta: a Alice comunica
publicamente ao Bernardo uma chave de codificao de que o Bernardo se serve
para enviar uma mensagem secreta a Alice, que a descodifica com a ajuda da sua
chave secreta. Muitas vezes faz-se apelo codificao de chave pblica a fim de
modificar uma chave secreta que servir para as restantes comunicaes, sendo,
em geral, os mtodos de chave secreta menos vidos em termos de clculos. O
mais conhecido e mais utilizado dos mtodos de chave pblica o sistema RSA,
concebido em 1978 no MIT (Estados Unidos) por Ronald Rivest, Adi Shamir e
Leonard Adleman. Este sistema muito seguro serve tambm para procedimentos
de assinatura electrnica e autenticao, por exemplo, para o comrcio
electrnico e a segurana dos cartes bancrios. O algoritmo RSA (ver caixa)
utiliza o facto de ser fcil encontrar dois grandes nmeros primos p e q e calcular
o seu produto N = p q, mas ser extremamente difcil decompor N se no se
conhecem previamente p ou q. Por outro lado, certos matemticos procuram (e
por vezes encontram) algoritmos de factorizao suficientemente rpidos para
constiturem uma ameaa segurana do RSA; isto obriga a, com os anos,
aumentar a ordem de grandeza dos nmeros primos p e q utilizados.

Foi assim que as pesquisas
matemticas muito puras, sobre os
nmeros primos e a factorizao dos
grandes nmeros, se tornaram de
uma importncia crucial para a
criptografia ainda que pouca gente,
h algumas dezenas de anos,
imaginasse que a teoria de nmeros
tivesse um dia aplicaes. E os
nmeros primos no so os nicos
objectos matemticos interessantes
para a criptografia: alguns
especialistas elaboram, tambm,
mtodos de codificao baseados nas
propriedades aritmticas das curvas
elpticas, outros concebem processos
que envolvem leis estranhas da fsica
quntica, etc.

O mtodo RSA
O Bernardo quer enviar uma mensagem secreta Alice. A Alice deve enviar-lhe previamente uma chave de
codificao, que no necessita de ser confidencial:
1) A Alice escolhe dois grandes nmeros primos p e q, calcula N = pq e escolhe um inteiro positivo e menor
do que N, sem factores comuns com o produto (p-1)(q-1).
Actualmente, p e q devem ser nmeros com uma centena de algarismos cada um para que o inimigo no
possa, num tempo razovel, factorizar N e, assim, determinar a chave de descodificao. Para simplificar,
aqui tomaremos, a ttulo de exemplo, p = 3, q = 11, donde N = 33, e e = 3 (que no tem factores comuns com
2 10 = 20).
2) A Alice comunica ao Bernardo unicamente os inteiros N e e (33 e 3, no nosso exemplo), que constituem a
chave pblica (de codificao).
3) O Bernardo converte a sua mensagem numa sequncia de inteiros m inferiores a N. Para escrever cada
m, ele calcula o resto c da diviso de
e
m por N e envia a Alice a sequncia dos c.
A operao de codificao deriva do elevar a uma mesma potncia (e) os nmeros (m) que representam as
letras da mensagem, sem ter em conta os mltiplos de N. No nosso exemplo, para codificar o G,
representado pelo nmero m = 7 (a ordem de G no alfabeto), calcula-se
3
7 = 343, cujo resto da diviso por
N = 33 vale c = 13. O G , pois, representado, codificado, pelo nmero 13, que corresponde letra M.
4) Por outro lado, a Alice calculou o inteiro positivo d inferior a N cujo resto da diviso de ed por (p-1)(q-1)
igual a 1. No nosso exemplo, d = 7.
Este nmero indispensvel para inverter a operao de codificao (etapa n 3). Note-se que d depende
no apenas de N mas tambm dos factores primos p e q que compem N. por isso que a Alice deve
manter secretos os nmeros p, q e d (3, 11 e 7) e no os comunicar a ningum. Se N suficientemente
grande, o inimigo s muito dificilmente poder encontr-los.
5) A Alice decifra cada c que lhe enviou o Bernardo calculando o resto da diviso de
d
c por N: demonstra-
se que esse resto igual a m, isto , mensagem inicial.
No nosso exemplo, se a Alice recebe c = 13 (ou a letra M), calcula
d
c =
7
13 , cujo resto da diviso por N =
33 vale 7, que corresponde letra G. A codificao e a descodificao de GARE AU GORILLE esquematiza-
se, ento, assim:

G A R E A U G O R I L L E
7 1 18 5 1 21 7 15 18 9 12 12 5

Codificao Descodificao

(c = resto da diviso de
e
m por 33)
13 1 24 26 1 21 13 9 24 3 12 12 26
M A X Z A U M I X C L L Z
(m = resto da diviso de
d
c por 33)
7 1 18 5 1 21 7 15 18 9 12 12 5
G A R E A U G O R I L L E



Dos satlites aos
telefones portteis


Telecomunicaes, navegao, meteorologia..., telefones celulares, GPS, Internet...,
tantas razes para se enviarem satlites volta da Terra.
Os projectos so cada vez mais numerosos. Necessitam do envio de engenhos espaciais
ao menor custo.
Por isso, os matemticos seleccionam e optimizam as trajectrias e as rbitas dos
engenhos espaciais, melhoram a economia de combustvel... Utilizam ferramentas
desenvolvidas h muito tempo, o mtodo de Lagrange (1755), de Gauss (1801) ..., mas
tambm resultados recentes que tm em conta a teoria da relatividade.





UMA AJUDA GRAVITACIONAL
Para determinar a melhor trajectria do engenho espacial e explorar ao mximo a atraco de um
corpo celeste, preciso que a velocidade do veculo varie o menos possvel ao passar perto do
corpo. Para isso, pode agir-se sobre trs parmetros: a velocidade de aproximao, a velocidade
de sada e a distncia de sobrevoo.

Odisseias no espao: o menor custo
O sector espacial um grande consumidor de clculos e de matemtica quer
para lanar e manter em rbita um satlite quer para determinar a melhor
trajectria de uma sonda interplanetria.

Telecomunicaes, televiso, espionagem, meteorologia, astronomia,
oceanografia, geofsica, etc.: em numerosos domnios, os satlites tornaram-se
totalmente indispensveis e omnipresentes. Mas, lanar um satlite, coloc-lo
numa boa rbita e mant-lo a, orient-lo convenientemente, tudo isto no
simples de fazer. A preciso necessria pode ser impressionante, por exemplo
quando a posio de um satlite deve ser controlada com aproximao ao
centmetro embora ele se encontre a vrias centenas de quilmetros de altitude!
Os problemas de ordem matemtica que se colocam aos cientistas e engenheiros
da rea espacial so mltiplos e muito variados. Uma boa parte de entre eles
envolvem a teoria de optimizao e mais especificamente o que se chama a teoria
do controle optimal. (ver caixa). A palavra optimizao quer dizer que preciso
minimizar ou maximizar uma certa grandeza.
De modo geral, um problema de controle optimal consiste na determinao da
sequncia de operaes que permitem passar de um estado inicial a um estado
final predeterminado, optimizando qualquer coisa. Assim, quando se envia uma
sonda espacial para explorar planetas longnquos, preciso prever uma trajectria
que utilize ao mximo a atraco gravitacional dos diversos astros, a fim de fazer
funcionar o menos possvel os motores da sonda: a quantidade de combustvel
que ela pode levar pequena.
Um outro exemplo importante a manuteno de um satlite na sua rbita, e a
tambm necessrio determinar as manobras que fazem isso e que consomem o
mnimo de combustvel. As solues dependem nitidamente das caractersticas
dos motores. O problema no matematicamente do mesmo tipo para os motores
que funcionam por impulsos fortes e breves (situao actual) e para os motores de
impulsos fracos mas capazes de funcionar em contnuo; o ltimo sistema, pouco
divulgado hoje em dia, dever generalizar-se nos anos vindouros porque os
estudos de controle optimal indicam que vantajoso em termos de economia de
combustvel.
Os especialistas do espao fazem igualmente apelo a uma disciplina mais
clssica, que data do sculo XVIII, mas sempre em actividade: a mecnica
celeste, que estuda o movimento dos corpos (planetas, satlites, etc.) sob o efeito
das foras gravitacionais. O problema de duas massas pontuais que se atraem
mutuamente relativamente simples e foi resolvido por Newton: as trajectrias
so elipses, parbolas ou hiprboles. Mas, a partir de trs corpos em interaco
gravitacional, o problema torna-se de uma dificuldade considervel e continua a
ser tema de investigao. Foi ao atac-lo que Henri Poincar, grande matemtico
dos anos 1900, colocou as bases do que hoje em dia se chama a teoria do caos
determinstico e dos sistemas dinmicos. Mais geralmente, a mecnica celeste
faz apelo a teorias matemticas elaboradas (mecnica analtica, geometria
simpltica) que, ao reformularem o problema em termos muito gerais, permitem
analis-lo de forma terica, destacar certas propriedades e facilitar a sua
resoluo concreta por mtodos numricos.
No contexto espacial, os mtodos da mecnica celeste servem, por exemplo, para
calcular a trajectria, dita mnima, de um satlite. a trajectria que resulta
unicamente das foras gravitacionais; no completamente elptica por causa do
achatamento da Terra nos polos, pela influncia da Lua, etc.; necessrio
determin-la para em seguida ter em conta efeitos perturbadores mais tnues,
como o atrito com a alta atmosfera ou a influncia das radiaes
electromagnticas. Um outro exemplo onde a mecnica celeste utilizada: o
estudo da evoluo ao longo do tempo, ao fim de vrios anos, das trajectrias de
um conjunto de vrios satlites que partilham uma tarefa, tais como os enxames
de satlites destinados ao posicionamento (como o sistema GPS) ou s
telecomunicaes.
Enfim, preciso sublinhar que todos os mtodos matemticos referidos aqui no
evitam o recurso, com vista ao seu tratamento, a clculos numricos muito
volumosos. Estes, sem dvida efectuados por computador, so necessrios para
se obterem os valores concretos das solues (as posies sucessivas do satlite
em funo do tempo, por exemplo).
Ainda necessrio saber
faz-lo eficazmente e obter a
certeza de que os resultados
dos clculos so uma boa
aproximao das
verdadeiras solues. Este
trabalho, que no nada
simples, constitui em si
mesmo uma outra rea da
matemtica: a anlise
numrica...

Controle optimal: um exemplo simples
Um dos exemplos mais elementar de problemas de controle que pode imaginar-se consiste em considerar
um veculo munido de um motor a jacto em cada uma das suas duas extremidades e limitado a deslocar-se
ao longo de uma recta, digamos o eixo Ox. Sabendo que, no instante inicial, o veculo tem uma posio
0 x

e uma velocidade
0 v
, pode tentar determinar-se como devem os motores ser accionados para que o
veculo chegue ao seu ponto de encontro, por exemplo a origem do eixo Ox, com uma velocidade nula.
A formulao matemtica do problema bastante simples: denotemos por x(t) a posio do veculo no
instante t e por F(t) o valor algbrico da fora exercida pelos motores sobre o veculo no instante t. O
movimento deste regido pela segunda lei de Newton (fora = produto da massa e da acelerao); se m
a massa do veculo, isto escreve-se, na ausncia de atritos ou de outras foras exteriores:
2 2
md
x
dt
F t / ( ) =
O problema reside, ento, na determinao de uma funo-controlo adequada, F(t), tal que:
x T v T dx dt ( ) ( ) / = = 0 e
=
=
0
t T

para um certo valor T do tempo, sujeita s condies iniciais x(0) =
0
x e v(0) =
0
v .
Pensando um pouco, vemos que, se no h qualquer restrio sobre a fora F exercida pelos motores nem
sobre o valor de T, existir uma infinidade de solues possveis, isto , uma infinidade de manobras
possveis F e de valores para o instante T que permitem atingir o ponto de encontro e parar a.
Na prtica, as funes F(t) possveis esto sujeitas a condies a priori, tendo, por exemplo, os motores
reais uma potncia mxima. Alm disso, procura-se, quase sempre, efectuar a tarefa optimizando qualquer
coisa: por exemplo, pretende-se que o trajecto dure o menor tempo possvel, ou que o consumo de
combustvel seja mnimo. Ao impor uma tal condio de optimizao, o problema de controle inicial torna-se
um problema de controle optimal; o conjunto das solues possveis , ento, muito mais restrito (por
vezes, no existe mesmo qualquer soluo para o problema proposto).
A teoria de controle optimal analisa tais problemas, em toda a sua generalidade, e tem por fim a
determinao de teoremas ou de mtodos que permitam resolv-los. um ramo relativamente recente da
matemtica aplicada; nasceu por volta dos anos 1940-1950, nomeadamente para responder s
necessidades da indstria aeroespacial. Um dos seus resultados mais clebres e mais fortes o Princpio
do mximo de Pontrygin, obtido por investigadores soviticos (um dos quais Lev Pontrygin) por volta de
1960; este problema estabelece condies necessrias que toda a soluo de um problema de controle
optimal deve verificar e de uma ajuda preciosa na procura efectiva de solues.





Imagens sem
rudo !!!



As imagens numricas apresentam sempre imperfeies, designadas por rudo, que
so devidas, por exemplo, aos receptores. Antes de ser possvel analisar estas imagens,
uma das primeiras etapas da viso por computador suprimir esse rudo, isto , obter
uma imagem to regular quanto possvel a partir da imagem em bruto.
Isso pode ser feito graas a um algoritmo onde cada nvel de cinzento da imagem
codificado de uma forma numrica
Este algoritmo estende-se, sem dificuldade, s imagens a cores.


DO ESBATIDO AO NTIDO
Para realizar esta operao, utilizam-se equaes s derivadas parciais. A mais comum
a equao do calor. Para uma imagem a preto e branco, isso consiste em considerar que o
nvel de cinzento de cada ponto uma mdia ponderada dos nveis de cinzento dos pontos
vizinhos. Isso tem como inconveniente o tornar esbatidos os bordos dos objectos.
Remedeia-se isso, utilizando tcnicas que no envolvem todos os pontos vizinhos.


Equaes para imagens bem ntidas
Daqui para o futuro, vivemos na poca da imagem, do numrico e das
telecomunicaes. Mas, sem tratamento matemtico apropriado, uma grande
parte das imagens reproduzidas ou retransmitidas seriam de pssima qualidade.


A prima afastada de Johnny Napalliday casou com o avanado centro da equipa
nacional de futebol. Um reprter fotogrfico do Paris-Tchatche foi destacado para
o lugar a fim de imortalizar este feliz acontecimento, de uma importncia capital
para o futuro da humanidade. Armado com o seu aparelho de registo de imagens
numricas, ele metralhou o casal, em seguida enviou as imagens para a redaco
da revista via o seu telefone porttil ltimo grito.



A icongrafa que deve escolher a fotografia a publicar est perplexa: todas as
fotografias esto pouco ntidas e salpicadas de pequenas manchas. Falta de jeito
do fotgrafo, poeiras na objectiva, imperfeies nos captores electrnicos, m
qualidade das transmisses radio ou da sua recepo? Pouco importa. Em vez de
retocar ela mesmo as fotografias, tarefa demorada, a icongrafa acciona, no seu
computador, o programa lgico PhotoMiracle comprado Micromou Inc. Alguns
segundos mais tarde, ela recupera imagens ntidas e sem parasitas. O vestido da
noiva aparece, por fim, mais branco do que o branco...
Limpar uma fotografia e melhorar a sua nitidez uma das operaes que o
tratamento numrico de imagens tem em vista. uma rea de investigao cuja
importncia no cessa de crescer: diz-lhe claramente respeito a transmisso e
reproduo de fotografias, o restauro de fotografias e filmes antigos, a anlise de
fotografias areas ou de satlite, a produo de imagens mdicas, a viso
robtica, o reconhecimento automtico da escrita, a deteco de defeitos nos
componentes industriais, etc.
Retornemos clarificao das imagens. Como faz-la? Um dos passos mais
eficazes e mais prometedores, desenvolvido especialmente na universidade de
Paris-Dauphine, utiliza equaes s derivadas parciais, isto , equaes
diferenciais onde as funes a determinar dependem de vrias variveis. Antes de
mais, considera-se a imagem a tratar como uma funo 0 u que, a cada ponto (x, y)
da imagem, associa o seu nvel de cinzento 0 u (x, y) (isso para uma imagem a
preto e branco; para uma imagem a cores, o princpio o mesmo, processa-se
separadamente cada cor de base). Trata-se, ento, de construir a partir da funo
conhecida 0 u uma nova imagem, mais ntida, representada por uma nova funo
u.

Para o fazer, supe-se, em primeiro lugar, que u depende de trs variveis: x e y
(como 0 u ), e uma terceira varivel t que vai corresponder a uma espcie de grau
de nitidez. No incio, isto , para t = 0, u deve corresponder a uma imagem inicial
com rudo, condio que se escreve:
u (x, y, t = 0) = 0 u (x, y) para todos os x e y.

Em seguida, tenta determinar-se uma equao que a funo u (x, y, t) deve
verificar, de forma a que a soluo desta equao (isto , u) corresponda a uma
imagem mais ntida. A procura de uma tal equao , evidentemente, a etapa
mais difcil, mais do que a sua resoluo efectiva.

Uma das primeiras ideias foi estabelecer uma analogia com um fenmeno fsico, a
difuso do calor. Da mesma forma que, num material, o calor se difunde de um
ponto a outro, de vizinho em vizinho, e tende, assim, a repartir-se uniformemente
medida que o tempo se escoa, pode imaginar-se fazer difundir de vizinho em
vizinho os nveis de cinzento numa imagem. Assim, as asperezas dos nveis de
cinzento diminuiro e determinar-se- um nvel de cinzento mais uniforme:
apagar-se-o, de alguma forma, as pequenas manchas.



Um mtodo de clarificao consistiria, ento, em impor funo u(x, y, t), definida
mais acima, que obedea mesma equao que descreve a propagao do calor.
Esta bem conhecida desde o sculo XIX foi o matemtico e fsico Joseph
Fourier quem a estabeleceu e estudou. A funo u deveria, assim, verificar a
seguinte equao s derivadas parciais: u/ t =
2
u/
2
x +
2
u/
2
y
, com a
condio inicial u (x, y, t = 0) = 0 u (x, y) para todos os x e y.
Nesta escrita, uma derivada parcial como u/ t designa simplesmente a
derivada de u em ordem a t, considerando as outras variveis (aqui, x e y) como
fixas. A varivel t interpreta-se como sendo o tempo.

Suponhamos que se resolveu a equao, logo calculou-se u(x, y, t ). Se se
escolheu t demasiado pequeno, os nveis de cinzento no tero tido tempo de se
difundir e u corresponder a uma imagem insuficientemente ntida (ver-se- ainda
rudo na imagem). Se se considera t demasiado grande, os nveis de cinzento
estaro completamente difusos e toda imagem ser de um cinzento uniforme: toda
a informao estar perdida. preciso, portanto, escolher um valor razovel de t,
nem demasiado pequeno, nem demasiado grande.

Mas este mtodo de clarificao, fielmente decalcado sobre a difuso do calor,
coloca alguns problemas. Em particular, a difuso dos nveis de cinzento aplica-se
tambm aos bordos dos objectos representados na imagem, o que torna os
contornos mais esbatidos. (ver a ilustrao).

Que fazer? Modificar a equao imposta a u de forma a que a difuso no se
efectue ao nvel dos contornos. Do ponto de vista matemtico, um contorno
reconhecvel: ele corresponde a uma regio da imagem onde o nvel de cinzento
varia fortemente, portanto a norma do gradiente de u tem valores elevados (o
gradiente de u um vector cujas componentes so as derivadas parciais de u em
relao s variveis x e y; mede o grau de variao de u e a sua direco). Os
matemticos modificaram, portanto, a equao satisfeita por u, substituram o seu
membro da direita por uma expresso mais complicada, fazendo intervir, entre
outros, o gradiente de u. H diversas maneiras de o fazer e isso exige, em
seguida, outros estudos matemticos, por exemplo para provar a existncia e a
unicidade da soluo da equao, ou para determinar um mtodo de resoluo
(numrico) eficaz e rpido.
Qualquer que seja, o resultado procurado uma difuso anistropa, isto , que
no se efectua da mesma forma em todas as direces e o menos possvel
perpendicularmente aos contornos. E os exemplos de clarificao da imagem que
nos mostram os matemticos (ver abaixo) procedendo assim, tm um ar bastante
convincente!


Uma imagem com rudo (A), a sua clarificao por um mtodo de difuso istropa, baseada na equao de propagao do calor
(B) e a sua clarificao por um mtodo de difuso anistropo (C).





A bolsa sem
risco?


Como fazer uma operao na bolsa sem correr riscos? Basta fazer um seguro por um
preo e para um perodo fixados antecipadamente.
O exemplo mais antigo o dos mercadores genovses: quando fretavam um barco,
compravam uma opo para um segundo navio. Se o primeiro chegasse a bom porto, a
opo no se concretizava e perdia-se o seu valor; se ele fosse ao fundo, o seguro
permitia comprar a carga do segundo a um preo fixado antes. Uma frmula encontrada
por Black e Scholes (prmio Nobel de economia em 1997), permite, actualmente, fixar
antecipadamente o preo da opo.
O desenvolvimento considervel dos mercados financeiros leva hoje a uma oferta
crescente de produtos, chamados derivados, que cobrem riscos cada vez mais
complexos.

GUARDAR OS DLARES?
- Eu acabo de fazer uma viagem em que usei Dlares!
- Se os trocar por Euros o risco que corro nulo, mas porque no guard-los, esperando
que o Dlar suba?
- Pronto, eu guardo-os, mas ... e se o Dlar baixa?!?
Estou perplexo!!!
Posso ...
Resposta: sim, possvel ...
Mas no de borla!!!
O banco pode dar-lhe garantias de vender os seus Dlares ao melhor preo durante os prximos 6
meses. Ter a certeza que no ficar a perder muito!!!
Mas ... no de graa, claro.
preciso que o banco tenha, tambm, lucro com isso.
Quanto ter de pagar por isso?
A resposta est na frmula de Black e Scholes!
Concluso: fazer matemtica, tambm pode dar garantias.
A Matemtica, dinheiro!
Os funcionrios das finanas compram ou vendem toda a espcie de produtos
no materiais como aces ou opes. Para fixar os seus preos preciso ter em
conta riscos e flutuaes das cotaes; o que no simples!

Os bancos e as finanas quem recrutam? Banqueiros e financeiros? No,
matemticos. Para fazer adies e multiplicaes? No, isso faz o computador
muito melhor do que eles... Se o mundo financeiro e bancrio precisa cada vez
mais de matemticos certamente para ajudar a fixar preos dos diversos
produtos que oferece (contratos a prazo, opes,, etc.), a avaliar os riscos
financeiros, a gerar capital com o mnimo risco de perda de dinheiro. Tudo num
mercado cada vez mais vasto (a globalizao a isso obriga), complexo e
diversificado.
Entre a grande quantidade de produtos financeiros doravante acessveis a toda a
gente, ou a quase toda, esto as opes, das quais h, alis, numerosas
variantes. O que uma opo de compra? Imaginemos que um fabricante de
gelado de baunilha (o verdadeiro, com pelo menos uma vagem de baunilha por
litro de leite!) quer ter garantias quanto ao risco dum grande aumento do preo
desta orqudea, na sequncia de, por exemplo, condies climatricas
desfavorveis ou complicaes scio econmicas nas regies produtoras. Os
mercados financeiros poderiam oferecer ao nosso fabricante a possibilidade de
optar por uma compra casual, ao preo actual e com um prazo fixo, duma certa
quantidade de vagens de baunilha. Noutros termos, o nosso fabricante de gelados
reserva-se o direito de comprar, digamos dentro de seis meses, uma tonelada de
vagens. Passados os seis meses, ele decide ou no exercer esse direito, de
acordo com o estado do mercado; se os preos tiverem aumentado, ele tem
interesse em efectuar a opo; se baixarem, ele renuncia e compra pelas vias
usuais. A escolha da opo , pois, uma espcie de contrato de garantia contra o
aumento das cotaes.



Contudo, tudo se paga, quer os contratos de seguros que as opes. a que
est a questo. Como fixar o preo da opo?
Em domnios como a economia, as finanas, ou as seguradoras, o imprevisto e o
acaso desempenham um papel fundamental. A evoluo, com o tempo, do preo
de um produto, da cotao de uma aco, depende dum grande nmero de
factores imprevisveis; na prtica, constata-se que o mercado flutua de um modo
bastante aleatrio. , pois, preciso ter em conta este aspecto aleatrio e os riscos
financeiros que isso implica, para determinar o preo da opo. Do ponto de vista
matemtico a teoria das probabilidades em particular a dos processos
estocsticos que permite modelar este tipo de problemas e obter respostas
precisas. Trata-se de matemtica de ponta, que ultrapassa largamente conceitos e
tcnicas relativamente elementares, permitindo, por exemplo, calcular a
probabilidade de ter uma combinao ganhadora no Loto (no Loto, ao contrrio
das situaes financeiras, o nmero de possibilidades finito, e as leis de
probabilidade subjacentes so simples e perfeitamente conhecidas: a
probabilidade, digamos, de tirar a bola com o nmero 13 do conjunto das bolas de
1 a 49 1/49).
As primeiras aplicaes das probabilidades aos aparelhos financeiros como as
caues remontam a 1900, com os trabalhos, ignorados durante muito tempo, do
matemtico francs Louis Bachelier. Uma etapa importante foi alcanada pelos
anos 1970 graas aos americanos Paul Samuelson, Robert Merton, Fischer Black
e Myron Scholes e conduziu a uma frmula que permite fixar o preo "certo" das
opes.
A "frmula de Black-Scholes", hoje clebre e muito utilizada
pelos estabelecimentos financeiros, foi obtida com a ajuda de ferramentas
matemticas (em particular o "clculo estocstico" criado por volta de 1944-46
pelo japons Kiyosi It) desenvolvidas em relao com o movimento browniano.
Este tipo de movimento, estudado por Einstein mesmo no comeo do sculo XX, e
por outros fsicos ou matemticos at aos nossos dias, foi descoberto pelo
botnico escocs Robert Brown em 1827: quando observamos ao microscpio
gos de plen imersos num lquido vemos os gros moverem-se de modo errtico
e descreverem trajectrias bastante extremamente irregulares (ver figura). O
movimento brouniano dos gros de plen resulta de minsculos mas inumerveis
choques com as molculas do lquido, tambm elas sujeitas a uma agitao
trmica desordenada. Os crescimentos financeiros como o preo de uma aco
cotada na Bolsa flutuam de modo semelhante ao movimento brouniano, sob o
efeito acumulado das compras e vendas realizadas no mercado por numerosos
operadores.
Mas, embora representativo de muitos processos aleatrios, o movimento
brouniano no o nico que temos que enfrentar. Os matemticos das finanas
procuram modelos e frmulas mais satisfatrias que as do tipo Black-Scholes, por
exemplo partindo de hipteses de base mais fieis s realidades do mercado que
as leis de probabilidade subjacentes ao movimento brouniano.










Uma trajectria brouniana num plano
As trajectrias descritas num movimento brouniano
tm certas particularidades matemticas. Por
exemplo, uma trajectria rigorosamente brouniana
contnua mas de tal forma irregular que no tem
tangente em nenhum dos seus pontos. A matemtica
que foi desenvolvida para analisar o movimento
brouniano uma sub-disciplina da teoria das
probabilidades que se interessa pelos processos
aleatrios que evoluem continuamente com o tempo,
e no em instantes sucessivos instantes sucessivos e
separados serve, tambm, para produzir produtos
financeiros como as caues de compra e venda.

Clculo estocstico e modelo de Black-Scoles

Suponhamos que se quer fixar o preo de uma opo relativa a um determinado produto ou de uma
aco financeira cuja cotao no instante t S
t
. O modelo de Black-Scholes para avaliar o preo da
opo parte da hiptese que, entre o instante t e o instante t dt + , a cotao S
t
sofreu uma
variao relativa ( ) S S S
t dt t t +
/ igual soma de dois termos: um, dt , um acrscimo no
aleatrio representando a tendncia geral do mercado; o outro, ( ) B B
t dt t +
,
correspondendo a uma flutuao aleatria e imprevisvel do tipo brouniano ( B
t
representa um
processo brouniano, isto , uma grandeza anloga de posio, no instante t, duma partcula que
efectua um movimento brouniano ao longo de uma recta).
Isto escreve-se na forma condensada: dS S dt dB
t t t
/ = + , onde e so constantes.
Tomando dt infinitamente pequeno, esta expresso assemelha-se a uma equao diferencial cuja
incgnita a cotao S
t
. Com efeito, trata-se de uma equao diferencial estocstica pois pe em
jogo um processo aleatrio estocstico. Se a equao acima envolvesse funes ordinrias, S(t) e B(t),
a sua resoluo faria intervir o integral S t dB t
T
( ) ( )
0

definido como o limite da soma


[ ] [ ] [ ]
[ ]
S B t B S t B t B t S t B t B t S t B T B t
n N
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ... ( ) ( ) (
)
0 0
1 1 2 1 2 3 2 1 1
+ + + +


quando a subdiviso do intervalo [0, T] em N subintervalos (especificados por
0
1 2 1
< < < < <

t t t T
N
.. . ) cada vez mais fina (N ).
Mas se B
t
representar um processo brouniano, demonstra-se que o limite desta soma no existe no
sentido usual (pois as variaes B B
t t '
podem ser suficientemente grandes para levar a um
resultado infinito). Uma parte da teoria do clculo estocstico consiste, portanto, em definir de modo
conveniente uma expresso do tipo S dB
t t
T
0

chamada integral estocstico. Mais geralmente, o


clculo estocstico consiste em construir, por processos estocsticos, um equivalente do clculo
diferencial e integral usuais. Ele permite, pois, tratar equaes como a que apresentmos acima, cuja
resoluo uma das etapas do modelo de Black-Scholes.








Um fenmeno
turbulento!




Quer se trate do nascimento e da trajectria de uma tempestade, da estrutura geomtrica
de uma nuvem e do seu papel na absoro dos raios solares e telricos, da assimilao
optimal de medidas heterogneas e dispersas (estaes meteorolgicas, satlites, avies,
barcos, ...) num modelo numrico de previso do tempo, ...: a modelao matemtica est
omnipresente na meteorologia moderna; ela serve para descrever e compreender os
mecanismos, analisar e prever o tempo ou o clima.

TURBULNCIAS ATMOSFRICAS
Os fluxos turbulentos e os movimentos da atmosfera podem ser modelados pelas equaes de
Navier-Stokes que no sabemos resolver.
Os meteorologistas recorrem, por isso, simulao numrica, utilizando os computadores mais
potentes e os esquemas numricos mais sofisticados. Usam, tambm, a teoria matemtica dos
sistemas dinmicos.
Foi um meteorologista, E. N. Lorenz, quem evidenciou, em 1963, o carcter catico das
trajectrias de um sistema dinmico simples e a sua sensibilidade s condies iniciais,
evocando o efeito, no futuro, do bater das asas de uma borboleta no fluxo atmosfrico.
Prever o tempo, um grande desafio
Para obter previses meteorolgicas ou climticas preciso dispor de equaes
que descrevam a evoluo das condies atmosfricas. Em seguida, resolv-las,
coisa que o computador no consegue fazer sozinho!

As previses meteorolgicas progrediram muito no decorrer as ltimas dcadas.
Mas acontece, por vezes, que as previses tm apenas uma pequena relao
com o tempo que estar no dia seguinte. Devemos, neste caso, culpar a pessoa
que apresentou o boletim meteorolgico? Os meteorologistas? Os seus
computadores? Os caprichos da natureza? Na verdade, a previso do tempo ou
do clima um grande desafio cientfico. O seu princpio, posto em 1904 pelo
meteorologista noruegus Vilhelm Bjerknes, parece, contudo simples: conhecendo
as leis de evoluo do estado da atmosfera, podemos calcular o seu estado futuro
no instante t, se conhecermos o seu estado inicial no instante 0. Mas, vendo
melhor, as dificuldades so muitas.
Primeiro, as leis de evoluo tm de incluir as leis fundamentais da mecnica e da
termodinmica para a gua e o ar da atmosfera. Devem tambm integrar as
especificidades do sistema climtico, como a esfericidade da Terra, os raios
solares, o papel do relevo, o dos oceanos, o da vegetao, etc. Tudo isto torna a
maquinaria meteorolgica um sistema extremamente complexo, fazendo intervir
uma quantidade de fenmenos fsicos, qumicos e biolgicos. Alguns so bem
conhecidos e compreendidos, outros muito menos (como a turbulncia ou
influncia das nuvens). Uma primeira dificuldade diz, portanto, respeito, anlise
e modelao: preciso identificar, quantificar, reter os fenmenos que tm
importncia e esquecer os outros. Esta tarefa, mesmo que no dependa do
matemtico, precisa de ferramentas matemticas por vezes delicadas.
Passemos frente.

Suponhamos que conseguimos um conjunto de leis pertinentes que regem a
evoluo das condies meteorolgicas. Como se traduz um tal "modelo"? Por
equaes envolvendo funes desconhecidas que caracterizam a situao
atmosfrica e as suas variaes. Essas funes so, por exemplo, a presso
( ) t , z , y , x P ou a velocidade do ar ( ) t , z , y , x v no ponto de coordenadas ( ) z , y , x e no
instante t, ou ainda, a humidade h, a temperatura T, etc. Mais precisamente, o
modelo meteorolgico ou climtico traduz-se por um sistema de equaes que
faa intervir as funes P, v, h, T, etc. (que dependem de vrias variveis) e as
suas derivadas em relao ao tempo t ou em relao a x, y ou z. um sistema de
"equaes s derivadas parciais" (ver quadro).


Fluxos turbulentos

A resoluo no se consegue, por vrias razes. Uma resoluo "analtica" exacta
est fora de causa: no o conseguimos a no ser para raras equaes simples.
Por outro lado, quanto mais o modelo tente aproximar-se da realidade, mais o
sistema de equaes correspondente maior e mais complicado. Os processos
numricos que visam dar uma boa aproximao dos valores da soluo
constituem o nico recurso. Eles so muitos e variados, mas a ideia de base
"discretizar" as equaes: cortamos o espao e o tempo num nmero finito de
pedaos, e consideramos a ttulo de aproximao que cada uma das funes
procuradas, a presso ( ) t , z , y , x P por exemplo, tem um valor uniforme no interior
de cada pedao.












Nos modelos matemticos utilizados pelos
meteorologistas ou pelos climatlogos, a atmosfera
cortada em pedaos, ou clulas, e considera-se que
em cada uma das clulas as grandezas
meteorolgicas (presso, velocidade do vento,
temperatura, humidade, etc.) tm valores uniformes.
Obtm-se, assim, equaes simplificadas em que o
nmero de incgnitas finito, que em seguida se
resolvem numericamente.

Deste modo, conduzimos o nmero de incgnitas do problema (os valores das
funes) para um nmero finito. As derivadas so, ento, aproximadas por
diferenas; por exemplo, se cortarmos o eixo dos x em pedaos de igual
comprimento ? x, a derivada com respeito a x
duma funo f no ponto
0
x pode ser aproximada pela razo
( ) ( ) [ ] x / x f x x f
0 0
+ + . Procedendo assim, transformamos o sistema de
equaes diferenciais inicial num sistema de equaes algbricas em N incgnitas
(onde N muito grande).

A resoluo deste novo sistema, ainda que mais simples, exige muitssimos
clculos numricos. E, quanto mais finamente cortarmos o espao e o tempo
(para se aproximar das equaes originais, onde as funes variam a priori
continuamente quando as suas variveis mudam) mais os clculos so
volumosos. Foi por isso que os modelos de previso numrica do tempo s
apareceram por volta de 1940, com a inveno dos computadores. Foi, tambm,
por isso que as previses meteorolgicas melhoraram paralelamente ao aumento
de potncia dos computadores.

Mas os computadores no fazem tudo. Por exemplo, eles no garantem que a
soluo do sistema discretizado seja semelhante verdadeira soluo, a do
sistema inicial de equaes s derivadas parciais. H vrias maneiras de
discretizar equaes, e os resultados obtidos no tm, por vezes nada a ver com
a verdadeira soluo, mesmo quando se corta o espao e o tempo em bocados
cada vez mais pequenos. Obter resultados certos no tarefa fcil. Mas
aperfeioa-se como os anos: uma disciplina matemtica completa, a anlise
numrica, permite encontrar processos numricos eficazes para avaliar
rigorosamente a sua eficcia, procurar teoremas e critrios precisos que permitam
dizer se este ou aquele mtodo numrico aplicado a este ou quele sistema de
equaes convergir para uma soluo, a que ritmo, e se essa soluo a
esperada.

As "condies iniciais", isto , o tempo que faz no instante 0, representam outra
dificuldade. preciso conhec-los completamente para que as equaes
determinem o tempo que far num instante futuro, t. Ser necessrio, para isso,
medir a presso atmosfrica, a temperatura, a velocidade do vento, etc. em cada
ponto da Terra, e nesse mesmo momento. evidentemente impossvel, e o nosso
conhecimento das condies iniciais apenas muito parcial. Como gerar esse
dfice de informao, como devem os modelos ter isso em conta, essa ainda
uma questo em que intervm a matemtica.

Lembremos, para terminar, o fenmeno do "caos determinstico", que os
matemticos dos sistemas dinmicos estudam de perto: para certos sistemas,
mesmo simples, a evoluo extremamente sensvel no estado inicial. Noutros
termos, mudando ligeiramente o estado inicial, o estado futuro pode vir
profundamente modificado. No sendo o estado inicial nunca conhecido com uma
preciso total, a modelao numrica dum tal sistema "catico" daria, no final, um
resultado sem significado; mudando ligeiramente os dados do programa de
clculo, obteramos um resultado completamente diferente. Sabendo que certos
mecanismos meteorolgicos ou climticos so caticos, os peritos pensam que,
no futuro, nunca se poder prever o tempo com preciso para mais de quinze dias
(contra quatro ou cinco dias, actualmente). Para alm disso, podemos, no entanto
esperar fazer previses climticas, ou seja, prever por exemplo mdias de
temperaturas ou de precipitaes. Duro ofcio o de meteorologista ou climatlogo.


A equao de Navier-Stokes
Uma das principais equaes da mecnica dos fluidos a equao de Navier-Stokes, que intervem no
estudo da turbulncia, em meteorologia, em aerodinmica, etc. Estabelecida no sculo XIX, ela ainda
objecto de numerosos estudos matemticos, para determinar por exemplo em que condies a sua soluo
existe e nica. Esta equao traduz localmente, em cada ponto dum fluido em movimento, a lei
fundamental da dinmica (fora = massa acelerao), na aproximao onde o fluido incompreensvel.
Na ausncia de foras exteriores, e a duas dimenses, para simplificar, a equao de Navier-Stokes
constitui um sistema de trs equaes s derivadas parciais ligando a velocidade presso. Elas
escrevem-se assim:
( ) ( )
2 2 2 2
/ / / / / / y v x v x P y v v x v v t v
x x x y x x x
+ + = + +
( ) ( )
2 2 2 2
/ / / / / / y v x v y P y v v x v v t v
y y y y y x y
+ + = + +
0 / / = + y v x v
y x

onde a densidade do fluido, um coeficiente de viscosidade, ( ) t y x P , , a presso no ponto ( ) y x, e no
instante t, ( ) t y x v
x
, , e ( ) t y x v
y
, , as componentes segundo Ox e Oy, respectivamente, do vector velocidade
do fluido no ponto ( ) y x, e no instante t (a derivada parcial duma funo ( ) t y x f , , com respeito a x, x f / ,
a derivada de f com respeito a x considerando as outras variveis fixas). equao de Navier-Stokes,
que apenas sabemos resolver numericamente, devemos juntar as condies iniciais ou condies nos
limites sobre as funes incgnitas para que o problema fique matematicamente bem posto.






Prejuzo Zero!


Na indstria automvel as simulaes com computadores substituem cada vez mais as
experincias reais. Para isso, os engenheiros desenvolvem modelos virtuais de viaturas
descritos por equaes cuja resoluo recorre a mtodos matemticos avanados e
computadores especiais. Pode-se, assim, testar o comportamento dos veculos pelo
custo mnimo.

SIMULAES: DO REAL AO VIRTUAL
O prottipo virtual duma viatura requer a concepo dum modelo matemtico global integrando as
caractersticas do veculo, mas tambm as suas interaces com a estrada, com o ar, a descrio
de eventuais obstculos, etc. Da resulta um sistema de equaes que, depois de discretizado, se
resolve num computador com mtodos numricos.
A complexidade destes modelos conduz a clculos muito volumosos que requerem computadores
sofisticados.
Quando a matemtica quantifica o choque
Simular numericamente o choque dum acidente de viao e os danos corporais
que da resultam, uma atitude cada vez mais utilizada pela indstria automvel
para melhorar a segurana dos veculos.

Na Europa, as estradas matam mais de 50 000 pessoas por ano e ferem mais de
1milho e meio. Estes nmeros so terrveis e, contudo, o nmero de bitos
cerca de 2,5 vezes menor do que h vinte anos, enquanto o trfego automvel
aumentou muito nesse perodo. O melhoramento da situao resulta, em parte,
dos progressos feitos na concepo dos veculos. Os fabricantes esforam-se por
optimizar a arquitectura do habitculo, os acessrios (cintos de segurana,
airbags, ...) os materiais, etc., de modo a conseguir uma maior segurana para os
ocupantes. por isso que, por exemplo, a parte dianteira dos actuais veculos se
deforma com relativa facilidade quando h choque, de modo que uma boa parte
da energia do choque se dissipe nas estruturas deformadas antes de atingir os
ocupantes.

A optimizao da segurana numa viatura supe previamente um estudo
aprofundado do que se passa durante os milsimos de segundo que dura o
choque: como reagem as estruturas do veculo, a que movimentos esto
submetidos os passageiros, sobre que partes do corpo se exercem as presses
mecnicas, quais so as consequncias nos diferentes orgos e tecidos
anatmicos. Um tal estudo , frequentemente efectuado por meio de experincias
reais, onde se substituem os ocupantes de carne e osso por manequins
apropriados e equipados com sensores. O problema que essas experincias
alm de longas e dispendiosas no so fceis de pr em prtica pois
extremamente difcil construir manequins que reproduzam de modo satisfatrio as
caractersticas biomecnicas do corpo humano. Em particular, os manequins
actuais so aceitveis ao nvel da cabea, do pescoo e do trax, mas deixam a
desejar no que respeita a membros, articulaes e reaces musculares.

Um outro mtodo usado h vrios anos e que tende a difundir-se consiste em
simular numericamente o choque e as suas consequncias. Isso significa calcular
em cada instante o que acontece ao veculo e aos seus ocupantes a partir de um
modelo matemtico que descreva o sistema. Logo na fase de modelao,
estabelecem-se leis fsicas s quais obedecem todas as estruturas envolvidas (por
exemplo, as leis que descrevem como se deforma um certo material em funo
das presses mecnicas s quais est submetido) e especifica-se a geometria
dos diversos elementos e os seus parmetros fsicos (por exemplo, a forma e
densidade dos diferentes tecidos e orgos internos, a rigidez dos ossos, o seu
limite de fractura, a plasticidade e elasticidade do acolchoamento das cadeiras,
etc.). Esta fase complexa e obriga a ter em conta dados geomtricos, fsicos,
biolgicos e mdicos. No estado actual, limitamo-nos frequentemente a modelar,
no o sistema completo veculo-ocupantes, mas apenas uma parte, como a
cabea do condutor quando submetida a um choque de intensidade e direco
bem precisos.
A modelao conduz a um certo conjunto de equaes que descrevem, pelo
menos aproximadamente, a evoluo do sistema estudado no tempo e no espao.
Para a conhecer necessrio resolver equaes. Trata-se, em geral, de equaes
em derivadas parciais, isto , equaes diferenciais envolvendo funes que
dependem de vrias variveis (um exemplo de equao em derivadas parciais
0 / / = + y f f x f , onde f uma funo partida desconhecida de x e y,
x f / a sua derivada em ordem a x e y f / a sua derivada em ordem a y).

No se sabe determinar solues
analticas isto , expresses
matemticas explcitas e compactas
para uma equao em derivadas
parciais, a no ser em casos muito
simples. No se sabe calcular
numericamente e pelo computador
uma soluo aproximada. O
mtodo mais poderoso para uma tal
resoluo numrica chama-se o
mtodo dos elementos finitos (ver
quadro) e bastante complexo,
tanto nos seus aspectos tericos
como prticos; os conceitos
subjacentes so do mbito da
anlise funcional (ramo da
matemtica que nasceu no sculo
XIX e que estuda os espaos cujos
pontos so funes). Em todo o
caso, graas a ela que os que
concebem as viaturas podem
simular os comportamentos das
estruturas de um veculo ou os
traumatismos dos seus ocupantes
em caso de acidente, simulaes
que ajudam tambm a testar novas
ideias para proteger a vida dos
automobilistas.


O mtodo dos elementos finitos
Suponhamos que se quer resolver uma certa equao em derivadas parciais incidindo sobre uma funo
f x y ( , ) de duas variveis, sendo esta equao vlida num certo domnio D do plano. Muito
esquematicamente, o princpio do mtodo dos elementos finitos traduz-se por duas operaes fundamentais:
1) Decompe-se o domnio D num grande nmero N de pequenos elementos de forma geomtrica
simples, em geral tringulos (Nesta operao o contorno de D reproduzido apenas de forma aproximada, a
menos que D seja poligonal). Se D for um volume, podemos usar como elementos, por exemplo, tetraedros
ou pentaedros.

2) Considera-se que, no interior de cada um desses elementos, a funo procurada aproximada por
uma expresso polinomial em x e y. Por exemplo, num dado elemento, suponhamos no de ordem i,
considera-se f aproximadamente igual a y c x b a y x P
i i i i
+ + = ) , ( , onde
i i i
c b a , , so constantes a determinar
(que priori diferem de elemento para elemento).

Assim, em vez de procurar valores de f em todos os pontos (x, y), o problema reduz-se a determinar os
valores dos coeficientes
i i i
c b a , , para N i ,..., 2 , 1 = . Esses coeficientes obedecem s seguintes condies:
a) a funo f deve ser suficientemente regular, o que obriga a que no segmento comum a dois
elementos adjacentes i e j, os valores das funes
i
P e
j
P coincidam;
b) a funo f deve obedecer equao em derivadas parciais dada no incio (mais precisamente,
para poder admitir funes f definidas por pedaos no se espera que esta equao seja estritamente
satisfeita, mas que o seja apenas num certo sentido dito fraco, que permite transform-la e obter uma
formulao mais cmoda para a resoluo);
c) a funo f deve verificar uma certa condio na fronteira que conste no enunciado do
problema, por exemplo, a condio 0 ) , ( = y x f para todos os pontos na fronteira de D.

Escrevendo explicitamente estas trs restries em termos dos polinmios
i
P , obtemos um sistema de
equaes algbricas cujas incgnitas so
i i i
c b a e , .
As tcnicas clssicas e a anlise numrica entram ento em jogo para resolver estas equaes e determinar
os valores de
i i i
c b a e , .

Se pretendermos melhorar a aproximao de f definida por polinmios
i
P , podemos repetir o processo
decompondo o domnio D em elementos ainda mais pequenos e mais numerosos, ou utilizando polinmios
i
P de grau mais elevado.






No encalo
do genoma!


Nas ltimas duas dcadas, o aparecimento de novas tcnicas (sequenciamento do
ADN) abriu perspectivas revolucionrias em Biologia. Estas tcnicas geraram uma
massa considervel de dados muito variados (sequncias, imagens, textos, resultados
de experincias, bibliografias).
A matemtica est no centro do seu tratamento e permite extrair deles informaes
pertinentes. Os domnios mais solicitados so o algortmico (so precisos
procedimentos eficazes para encontrar os factos entre a massa de dados) e a teoria das
probabilidades e a estatstica (a tomada de decises assenta em modelos aleatrios).

ESTRUTURA DAS PROTENAS
As protenas so longas cadeias de amino-cidos que se encontram enroladas no espao. A
actividade de uma protena explica-se essencialmente pela sua forma aps enrolamento. Para
mltiplas aplicaes (farmacologia, agricultura), preciso conhecer essa forma. O mtodo mais
seguro actualmente utilizar os processos da cristalografia, mas isso muito demorado. Isto
explica que se faa apelo, massivamente, a mtodos matemticos e informticos para calcular
essa forma.

A gentica no terror dos clculos
O sequenciamento do genoma dos organismos vivos requer ferramentas
informticas e matemticas. A gigantesca massa de dados produzidos pelo
sequenciamento necessita, por seu lado, de outras ferramentas, a fim de a
armazenar, gerir e analisar.

Depois da descoberta do ADN, molcula que contm a informao gentica que
caracteriza um organismo vivo, a gentica tornou-se molecular e conheceu
progressos fulgurantes. A determinao do encadeamento das bases, essas
molculas de quatro tipos notadas A, C, G e T, de que a dupla hlice de ADN
constituda, tornou-se uma acti vidade de amplitude industrial e internacional.
Dezenas de laboratrios pblicos ou privados rivalizam e investem somas
considerveis para sequenciar o ADN de organismos de diversas espcies.
Tambm desde j se sequenciou o genoma de vrias dezenas de organismos,
sobretudo bactrias, mas tambm a levedura da cerveja, o verme nemtode
Caenorhabditis elegans, a famosa mosca drosfila que to til foi aos geneticistas,
o arroz, etc.
Muito recentemente, o do homem foi igualmente sequenciado, graas a grandes
esforos desenvolvidos ao longo de vrios anos. A mais longo prazo, estes
sequenciamentos tm implicaes to fundamentais (compreenso dos
mecanismos da vida, dos parentescos entre espcies, etc.) como: medicinais
(tratamento de doenas genticas), agrcolas (aperfeioamento das plantas), fito-
sanitrias (resistncia s doenas), farmacuticas ou industriais.
O sequenciamento de um genoma, e o trabalho que em seguida necessrio
para compreender a significao biolgica das sequncias obtidas, no tm nada
de evidente. Sem falar das tcnicas bioqumicas, elas necessitam da inveno de
mtodos informticos, estatsticos ou algortmicos adaptados.
til uma colaborao estreita entre bilogos, informticos e matemticos.
Tomemos o caso de um sequenciamento. Sabe-se, por meios fsico-qumicos,
ler curtas sequncias de ADN com algumas centenas de pares de bases. Mas
como fazer para um genoma inteiro, como o da levedura (mais de 12 milhes de
pares repartidos por 16 cromossomas) ou, pior ainda, o do homem (3 bilies de
pares de bases)? A ideia cortar o genoma em fragmentos suficientemente
pequenos, que se sequenciam em seguida. Esse corte pode nomeadamente
fazer-se com a ajuda de enzimas, ditas de restrio, que cortam o ADN em cada
lugar em que aparece um certo encadeamento de bases - por exemplo, a enzima
denominada EcoRI corta depois do G de cada vez que encontra o encadeamento
GAATTC.
Fazendo agir enzimas de restrio diferentes, separadamente ou em conjunto,
obtm-se conjuntos de fragmentos de comprimentos diversos, comprimentos que
se podem medir por electroforese (tcnica que utiliza a migrao das molculas
por efeito de um campo electromagntico). Um problema difcil, de natureza
combinatria, o de determinar o lugar de cada fragmento na poro inicial de
ADN - ou seja, reconstituir a ordem de encadeamento dos fragmentos -
conhecendo apenas os comprimentos dos fragmentos (ver ilustrao da tabela
anterior). Esta questo intervm em particular no estabelecimento dos chamados
mapas fsicos do genoma, estdio preliminar que consiste em colocar estacas no
bocado de ADN estudado.


Suponhamos que uma enzima do tipo A corta um bocado de ADN em certos lugares, como no desenho de
cima, que uma enzima do tipo B o corta como no desenho do meio (os nmeros indicam os comprimentos
dos segmentos). Fazendo agir simultaneamente as duas enzimas, tem-se o corte indicado pelo desenho de
baixo.
O experimentador apenas tem acesso aos comprimentos dos fragmentos obtidos em cada um dos trs casos,
ou seja, el e apenas conhece os trs conjuntos
A
E = {1,3,3,12},
B
E = {1,2,3,3,4,6} e
C
E = {1,1,1,1,2,2,2,3,6}.
Como reconstituir a ordem pela qual estes fragmentos se encadeiam? Um mtodo brutal seria passar em
revista todas as ordens possveis para os cortes A e B, e reter aquela ou aquelas (h, em geral, vrias
solues) que do os valores certos dos comprimentos dos fragmentos obtidos com a combinao das
enzimas A e B.
Se o corte A gerar p fragmentos e o corte B gerar q fragmentos, ser necessrio, com este mtodo, explorar n
= p!q! configuraes possveis, e rapidamente se atingem valores de n demasiado grandes para que o
mtodo seja realista.
Conceber um algoritmo eficaz de procura da ordem dos fragmentos conhecidos os seus comprimentos, uma
das questes de natureza matemtica ou informtica que se colocam em gentica molecular.

O sequenciamento de um genoma representa uma tarefa pesada e ingrata que
no traz em si novos conhecimentos: o resultado apenas um longo texto escrito
com um alfabeto de quatro letras. Mas uma etapa indispensvel para passar s
seguintes, onde entram em jogo simultaneamente os dados de experincias e os
estudos tericos.
preciso identificar os genes (pores da molcula de ADN que comandam a
sntese de uma protena), determinar a sua funo, compreender como a sua
aco regulada e como eles se influenciam uns aos outros, etc. Paralelamente,
os bilogos desejam compreender como um genoma globalmente organizado,
quais so os seus diferentes elementos, onde se situam, quais so as suas
relaes, etc. Tambm se comparam genomas de organismos diferentes, com
vista a compreender, por exemplo, o que faz a diferena entre um rato e um
homem, a reconstituir, pelo menos parcialmente, a histria da evoluo dos seres
vivos, a avaliar com preciso o parentesco de um grupo de espcies.


Sequncia de ADN anotada


Assim, interessante saber comparar uma sequncia de ADN que se acaba de
obter com todas aquelas j conhecidas e armazenadas nos bancos de dados
genticos. Esta comparao chamada o problema do alinhamento: trata-se de
avaliar em que medida uma dada sequncia se parece com outra. Poder-se-,
assim, descobrir parentescos com um outro organismo, ou determinar se um gene
acabado de sequenciar se parece com um gene cuja funo j conhecida. A
dificuldade do problema do alinhamento provm simultaneamente do facto de a
comparao ter de ser feita com numerosas sequncias, e do facto de se
tolerarem imperfeies no alinhamento (devidas a mutaes que substituem,
suprimem ou inserem bases na molcula de ADN inicial). Existem diversos
algoritmos e, aqui tambm, as investigaes prosseguem no sentido de se
encontrarem outros mais eficientes. O mais corrente o da pontuao local:
procura-se nas duas sequncias a comparar regies cujas letras possam ser
postas aproximadamente em correspondncia. Depois soma-se +1 se a letra a
mesma, -m se as letras diferem e d se a correspondncia estabelecida por
meio de uma insero ou de uma supresso, sendo m e d nmeros positivos
previamente escolhidos. O total obtido a pontuao local e constitui uma
medida do grau de alinhamento. Para dizer se o alinhamento significativo,
preciso comparar a sua pontuao s que poderiam ser obtidas com sequncias
aleatrias de letras - o que exige que se calculem as probabilidades de observar
determinado alinhamento nas sequncias aleatrias.

Um outro exemplo de estudos matemticos do genoma diz respeito anlise
estatstica do encadeamento das bases. Pode medir-se a frequncia de
ocorrncia de cada uma das quatro bases A, C, G, T, assim como as frequncias
dos pares de duas bases como AA, TC ou CG, etc. Os conjuntos dessas
frequncias de ocorrncia variam de um organismo para outro, e podem, portanto,
servir para caracterizar o estilo no qual escrito o genoma do organismo em
causa. Anlises estatsticas apropriadas permitem ento determinar se uma
sequncia contm bocados de estilos diferentes, o que sugeriria uma
transferncia de material gentico entre espcies diferentes.


Protena vista de cima




Da rvore
floresta!




Estudar os efeitos do clima sobre as rvores e as florestas requer modelos da sua
evoluo, tendo em conta tantos factores quanto possvel, mas suficientemente simples
para poderem serem estudados.
Isto exige uma estreita colaborao entre matemticos e peritos em florestas.
As principais dificuldades so, em particular, a presena:
- de vrios sistemas hierarquizados em jogo (floresta, rvore, folha, molcula)
- de diferentes escalas de tempo que coexistem (centenas de anos para a durao de
vida, alguns segundos para o metabolismo)

A LUTA PELA LUZ
Enormes progressos foram registados nestes ltimos anos. Um modelo dinmico, baseado nos
processos vitais e ambiente local das rvores, foi aplicado com sucesso anlise dos efeitos
climatricos e serve tambm para a gesto das florestas e o melhoramento da qualidade da
madeira.
Novos modelos tm em conta o crescimento das rvores ao longo do ano e permitem,
nomeadamente, prever a competio das espcies na luta pela luz.

As florestas vo desaparecer?
Qual a influncia do clima e das suas eventuais alteraes no crescimento das
rvores, como gerir melhor uma floresta: a modelao matemtica um dos
meios utilizados para responder a estas questes.

A maior parte dos especialistas do clima esto persuadidos: a Terra est a
aquecer devido aos gases lanados na atmosfera pela actividade humana, gases
como o
2
CO , que reforam o efeito de estufa. Dois ou trs graus a mais, em
mdia, em meados do sculo XXI, e ser certamente a catstrofe em certas
regies do globo: degelo de glaciares, secas definitivas, terras cobertas por gua,
etc. Outra sombra neste quadro: a camada de ozono da estratosfera, que nos
protege dos raios ultravioletas, parece tambm sofrer com a emisso de gases
pela indstria e os seus produtos.

A eventualidade destas alteraes do clima e do meio ambiente coloca aos
cientistas e aos gestores numerosas questes difceis. Uma delas diz respeito s
consequncias sobre as rvores e as florestas, os pulmes da Terra. O
crescimento das rvores ser favorecido ou, pelo contrrio, reduzido? As florestas
de conferas do norte da Europa vo regredir? Que se passar com as florestas
tropicais, que abrigam uma fauna e uma flora ricas e mal conhecidas? Como se
dever ajustar a gesto florestal para atenuar os efeitos negativos das alteraes
climatricas?

Uma das vias de investigao consiste em modelar os mecanismos do
ecossistema florestal e depois, graas aos modelos assim concebidos, simular o
seu comportamento. Uma tal modelao necessita de uma colaborao estreita
entre matemticos e especialistas florestais. Ela visa compreender e descrever
quantitativamente as interaces entre os diversos componentes das florestas (a
sombra das rvores, as diferentes espcies de rvores, a sua folhagem, etc.) e a
influncia dos factores ambientais (a irradiao solar, natureza do solo,
precipitao, temperatura, etc.).



Sendo o ecossistema florestal muito complexo, uma modelao perfeitamente fiel
realidade ilusria; em vez disso, parte-se de modelos simplificados, que
tentam ter em conta os aspectos mais importantes, e depois de terem sido bem
analisados e compreendidos, refinam-se pouco a pouco, integrando mecanismos
negligenciados nas etapas precedentes.

Entre as principais ferramentas matemticas utilizadas na modelao florestal
figuram as equaes s derivadas parciais e os L-sistemas. Uma equao s
derivadas parciais uma equao envolvendo uma funo de vrias variveis -
funo desconhecida que se pretende determinar - e as suas derivadas; o
equivalente a uma equao diferencial ordinria, para as funes de vrias
variveis. As equaes s derivadas parciais servem para descrever uma grande
quantidade de fenmenos fsicos, qumicos, biolgicos ou outros, que variam
simultaneamente no espao e no tempo. No contexto das rvores e das florestas,
elas permitem, por exemplo, modelar o consumo e o deslocamento das matrias
nutritivas numa rvore individual, e os efeitos que da resultam para o ciclo do
carbono.

Uma vez estabelecidas estas equaes e os valores dos parmetros que nela
intervm (isso faz parte da modelao propriamente dita), preciso resolv-las
para determinar o comportamento do sistema estudado. Para tal, faz-se
geralmente apelo a mtodos numricos, no computador (as equaes s
derivadas parciais que se sabem resolver analiticamente so raras!).

Quanto aos L-sistemas, trata-se de algoritmos que permitem simular processos de
crescimento por etapas sucessivas, por exemplo uma rvore em que nascem
novos ramos medida que cresce (ver a tabela seguinte).

A grande dificuldade com a qual so confrontados os modeladores da floresta a
interveno simultnea de fenmenos correspondentes a escalas de tempo e de
espao muito diferentes. Assim, o crescimento de uma rvore depende do que se
passa simultaneamente escala da sua vizinhana, da prpria rvore, dos
seus rgos (as folhas, por exemplo) ou escala molecular (metabolismo,
fotossntese).



O mesmo se passa com as escalas de tempo: a vida de uma rvore conta-se em
dezenas e mesmo em centenas de anos, enquanto que os tempos caractersticos
do metabolismo se medem em segundos. preciso, portanto, fazer a ligao
entre elas, considerando vrios modelos que correspondam, cada um, a uma
certa escala de tempo ou de espao, o que exige o desenvolvimento novos
mtodos matemticos e informticos.

Os investigadores ultrapassam progressivamente os obstculos. Graas a estas
investigaes, que fizeram muitos progressos nos ltimos vinte anos, actualmente
avalia-se melhor os efeitos de uma alterao climtica, e dispe-se de melhores
planos de gesto florestal - por exemplo, para melhorar a qualidade da madeira
ou para explorar de forma ecolgica e durvel as florestas tropicais.



Os L-sistemas
Introduzidos em 1968 pelo bilogo Aristid Lindenmayer (da o nome) para representar os processos de
crescimento ou de desenvolvimento, os L-sistemas so um formalismo que permite construir de maneira
recursiva objectos cada vez mais complexos, a partir de regras de base simples. A ideia fcil de
compreender se se tomar para objectos cadeias de letras.
Partamos de uma cadeia de letras dada, por exemplo aba, constituda por duas letras: a e b. Fixam-se ento
regras determinando a transformao de cada letra: escolhamos, por exemplo, b a e ab b . A
cadeia inicial aba transforma-se ento em babb; aplicando de novo as regras, obtm-se abbabab. E assim
sucessivamente: aplicam-se as regras tantas vezes quantas quisermos. A cadeia inicial e as regras de
transformao escolhidas constituem um exemplo simples de L-sistema.

Se considerarmos que as letras simbolizam objectos ou operaes geomtricas (por exemplo, a = definir um
vector unitrio, b = rodar de 30 no sentido directo, c = rodar de 30 no sentido dos ponteiros do relgio,
etc.), ento os L-sistemas podem representar objectos geomtricos que se constroem por etapas
sucessivas. Escolhendo adequadamente as regras de construo, podemos imitar com bastante
semelhana a geometria de uma planta e a forma como ela cresce e se ramifica. Os L-sistemas so, alis,
muito usados para realizar imagens de sntese, porque se prestam muito naturalmente programao
informtica.


rvore de sntese realizada com os L-sistemas



Como
pavimentar?

A utilizao de pavimentaes regulares com fins decorativos uma tradio to
antiga como a prpria geometria.
A mesma placa rectangular permite preencher o plano de vrias formas, sem
sobreposies nem lacunas.
As pavimentaes acima so regulares e apresentam simetrias diferentes
Pode-se, assim, mudar a forma da placa para obter outros tipos de simetrias.
Quantas?

OS 17 GRUPOS DE PAVIMENTAES
O estudo das simetrias das pavimentaes regulares assenta na teoria dos grupos, criada pelo
matemtico francs Evariste Galois (1811-1832). Actualmente as suas aplicaes so incontveis:
lgebra, geometria, cristalografia, teoria dos cdigos, fsica das partculas, etc.
Ela permitiu mostrar que existem apenas 17 grupos distintos de pavimentaes do plano. Cada um
deles figura j entre as decoraes do Palcio de Alhambra de Granada, construdo h 1000 anos.
O problema anlogo no espao, motivado pelo estudo dos cristais, mostra que existem 230 grupos.

Ento, sabe-se tudo? No, porque existem tambm quasi-cristais, pavimentaes no regulares que
so ainda objecto de investigao.
Homenagem s pavimentaes
Preencher o plano ou o espao com elementos de formas bem determinadas: este
foi um problema que se colocaram matemticos, artistas ou cristalgrafos. E est
longe de estar esgotado.

Quer testar o profissionalismo do seu ladrilhador? Pea-lhe que substitua o
pavimento da sua casa de banho, composto por vulgares rectngulos verdes,
todos idnticos, por mosaicos azuis com a forma de um pentgono regular (cinco
lados iguais, cinco ngulos iguais). Se ele lhe responder sim sem pestanejar,
deve preocupar-se! De facto, impossvel pavimentar o plano com tais mosaicos,
sem deixar buracos. Para se convencer disto, basta tentar unir mais de trs
pentgonos num mesmo ponto.

Agora, quer zangar-se definitivamente com o ladrilhador? Diga-lhe que leu em
algum lugar que se pode realizar uma pavimentao tendo globalmente o
comportamento de um conjunto de pentgonos, com a condio de utilizar dois
tipos de mosaicos em forma de losango (tendo o mesmo lado, mas uns em que o
ngulo agudo mede 36 e outros em que o ngulo agudo mede 72), e insista para
que ele vos faa uma. A no ser que ele tenha um gosto acentuado pela
matemtica, pela originalidade ou pela dificuldade, to cedo no o ver.

Em defesa do infeliz ladrilhador, deve dizer-se que a questo das diferentes
maneiras de preencher um plano sem deixar buracos no simples. O caso das
pavimentaes regulares, em que um mesmo motivo se repete indefinida e
sistematicamente, apenas foi rigorosamente resolvido no fim do sculo XIX. No
sem motivo: a ferramenta necessria, a teoria de grupos, apenas fez a sua
apario com as investigaes de Evariste Galois (1811-1832) sobre a
solubilidade de equaes algbricas (as equaes de grau 2, 3, 4, etc., a uma
incgnita).

Um grupo um conjunto qualquer no qual est definida uma operao que
permite combinar dois elementos para obter um terceiro e que verifica trs
propriedades simples (ver quadro). Apesar da sua aparente simplicidade, estes
objectos matemticos so extremamente difusos e variados, e o seu estudo
aprofundado revela-se muito rico. Mas qual a relao entre as pavimentaes
regulares e a teoria de grupos? Resposta: as simetrias.

A uma pavimentao regular est associada uma simetria evidente, a translao.
No plano, por exemplo, o motivo de base repete-se regularmente segundo duas
direces diferentes; existem, ento, dois vectores fixos a e b tais que, se se
efectuar na pavimentao uma translao de vector ma + nb, com m e n inteiros,
cai-se exactamente na mesma pavimentao (ver ilustrao 1). Ora, fcil
verificar que o conjunto das translaes de vector ma + nb, com m e n inteiros,
constitui um grupo. Este grupo de translaes faz parte das simetrias da
pavimentao, a saber, as transformaes geomtricas do plano que deixam
inalterado o conjunto da figura (o conjunto destas simetrias um grupo).










1. Uma pavimentao regular no plano
Este desenho (estendido, em princpio, a todo o
plano) sobrepe-se exactamente a si prprio
quando se faz uma translao do vector V = 3a +
2b, por exemplo. As translaes de vector ma + nb,
com me n inteiros, formam um grupo: este
constitui uma parte do grupo das simetrias da
pavimentao.


s translaes acrescentam-se as eventuais simetrias do prprio motivo de base.
Por exemplo, num ladrilhamento constitudo de quadrados simples (sem
desenho), cada mosaico invariante por uma rotao de ngulo mltiplo de 90,
em torno do seu centro (todas estas rotaes formam um grupo).

Para determinar todas as pavimentaes regulares possveis, preciso verificar
que as simetrias prprias do motivo de base sejam compatveis com a simetria de
translao associada regularidade. Foi assim que se demonstrou que se pode
pavimentar regularmente o plano unicamente com quadrados, tringulos,
paralelogramos, hexgonos, mas no com pentgonos regulares.
Mais geralmente, estas anlises permitiram classificar as pavimentaes
regulares, em funo do seu grupo de simetrias. No caso do plano, demonstrou-se
tambm que existem exactamente 17 grupos de simetrias possveis, isto ,
essencialmente 17 maneiras de pavimentar regularmente o plano (mesmo que se
possa fazer variar infinitamente o desenho que existe em cada motivo de base).
Coisa notvel, estas 17 possibilidades estariam todas presentes nos ornamentos
do Palcio de Alhambra, em Granada.


A estrutura de grupo
Um grupo G um conjunto de elementos munido de uma operao * (cujo resultado tambm pertence a G),
com as propriedades seguintes:

1) Associatividade:
Quaisquer que sejam os elementos x, y, z de G, tem-se
(x * y) * z = x *(y * z)

2) Existncia de um elemento neutro: existe em G um elemento e tal que, para todo x de G se tem
x * e = e * x = x

3) Existncia dos elementos inversos: para todo x em G existe um elemento x em G tal que
x * x = x * x = e.

O conjunto dos inteiros (positivos e negativos), com a adio usual constitui um grupo (elemento neutro: 0).
Um outro exemplo o conjunto das translaes no plano, com a operao composio de aplicaes
(elemento neutro: a translao de vector nulo).
Um grupo no forosamente comutativo (isto , x * y no sempre igual a y * x); assim, no grupo
constitudo pelas rotaes em torno de um ponto no espao, o resultado da aplicao de duas rotaes de
eixos diferentes depende da ordem pela qual essas rotaes so efectuadas.

O mesmo problema, mas desta vez no espao, era o da cristalografia, visto que os
cristais so caracterizados por uma estrutura atmica ou molecular regular. A,
contaram-se 230 grupos de simetrias possveis, isto , 230 tipos de redes
cristalinas possveis (que os cristalgrafos classificam em catorze redes de
Bravais). Os cristais que foram encontrados at agora na natureza realizam 227
deles


Pavimentaes de Alhambra

E se os libertarmos da obrigatoriedade de regularidade estrita? ainda mais rico e
complicado, e as investigaes sobre o assunto prosseguem. Um exemplo clebre
constitudo pelas pavimentaes planas no regulares criadas por volta de 1974
pelo matemtico britnico Roger Penrose (ver ilustrao 2). Constitudos por dois
tipos de losangos, estas pavimentaes tm a particularidade de serem quase
regulares e de apresentarem globalmente uma simetria pentagonal, que seria
interdita numa pavimentao rigorosamente regular. Para surpresa geral,
materiais apresentando estruturas anlogas foram obtidos pela primeira vez em
1984: trata-se de quasi-cristais, cuja estrutura e propriedades fsicas so objecto
de numerosos estudos.






2. Uma pavimentao de Penrose
Existe uma infinidade no numervel de
pavimentaes de Penrose distintas, todas
realizveis com estas duas nicas peas em
losango. Nenhuma delas regular, mas uma tal
pavimentao possui certas propriedades
prximas da regularidade. Por exemplo, se a
fizermos deslizar segundo o lado de um dos
losangos, quase todos os vrtices da
pavimentao obtida se sobrepem a um vrtice
da pavimentao original. Ou ainda, qualquer
domnio escolhido na pavimentao se
reencontra numa infinidade de outros lugares.
Melhor: ele figura uma infinidade de vezes em
qualquer outra pavimentao do mesmo tipo!
Podemos, por outro lado, notar a presena de
motivos que possuem uma simetria de ordem 5,
ou seja, invariantes por rotaes de ngulo
360/5 = 72, o que seria impossvel numa
pavimentao regular.








gua no azeite!!!


Como misturar duas substncias que tm tendncia a repelir-se? Isto depende da
temperatura e dos limiares de saturao que correspondem ao equilbrio entre a
energia e a entropia dos produtos. Ponhamos um pouco de gua no azeite, que vai
passar-se? Uma s gota vai formar-se? Vrias? Nenhuma? Para analisar estes
fenmenos de coexistncia e separao de dois lquidos, os modelos matemticos
tentam descrever como o acaso, que est presente a nvel atmico, pode induzir efeitos
geomtricos deterministas nossa escala. Enquanto a temperatura baixa, as
partculas do mesmo tipo tm uma tendncia muito forte para se reagruparem, ao
passo que a altas temperaturas, o acaso tende a fazer com que os dois tipos de
molculas se misturem de modo homogneo.


UM MODELO PROBABIlSTICO
Um modelo simples, o modelo dIsing, descreve estes fenmenos de transio de fases. Partindo de
uma descrio microscpica do sistema, ele permite explicar escala macroscpica, os regimes de
solubilidade e de saturao e de verificar o prognstico de formao de uma nica gota com forma
esfrica.
Ele descreve a interaco entre partculas vizinhas e comporta um parmetro, a temperatura, que
controla o acaso. Um valor crtico da temperatura separa o regime onde se observa uma mistura
homognea do regime onde se observam duas fases distintas.
gua e azeite, uma mistura problemtica
Os modelos concebidos pelos fsicos no interessam somente a eles. Os
matemticos tambm a encontram neles matria de reflexo com benefcios
recprocos.

Em certos domnios, a distino entre fsicos e matemticos difcil de
estabelecer. o caso da mecnica estatstica, ramo da fsica nascido no final de
sculo XIX e que tenta explicar as propriedades macroscpicas da matria a partir
de uma descrio microscpica trata-se de compreender como um muito
grande nmero de elementos microscpicos individuais (os tomos por exemplo),
tendo cada qual um comportamento em parte aleatrio, d nascimento s
propriedades fsicas observadas escala comum.

Apesar dos seus sucessos considerveis, numerosos fenmenos mantm-se
compreendidos de modo imperfeito. Passa-se assim com as transies de fase ,
fenmenos onde a matria muda brutalmente de estado ou de propriedades logo
que uma certa temperatura (ou outro parmetro) atingida. Um exemplo por
demais conhecido de todos (e mal compreendido) o da ebulio da gua, no
qual a fase lquida se transforma em fase vapor logo que a temperatura de
ebulio atingida
Debrucemo-nos sobre outro exemplo: a mistura de dois lquidos imcompatveis,
como gua e azeite. Podemos dissolver um pouco de azeite na gua, ou um
pouco de gua no azeite, mas somente at um certo ponto. As concentraes
relativas (gua/azeite e azeite/gua) no devem ultrapassar os valores-limiares e
os seus limiares aumentam com a temperatura. Se por exemplo baixa a
temperatura (o que diminui o limiar de solubilidade) at ao ponto em que a
proporo gua/azeite ultrapassa o limiar de solubilidade, a mistura separa-se em
duas fases: v-se aparecer gotas de lquido rico em gua, que mergulham num
lquido rico em azeite.



Como interpretar este fenmeno? A explicao tradicional de tipo macroscpico.
No essencial, ela atribui ao sistema gua/azeite uma certa energia por unidade de
ar, designada energia de superfcie: gua e azeite no se amam, quanto mais a
superfcie de contacto entre estes dois lquidos grande, mais a energia do
sistema elevada. Para estar em equilbrio, um sistema fsico deve estar num
estado de energia minimal; a mistura gua/azeite vai ento evoluir
espontaneamente para uma configurao que apresente a menor superfcie
possvel de contacto entre a gua e o azeite. Como consequncia, no equilbrio
perfeito e se negligenciarmos os efeitos da gravidade, esperaramos que todo o
excedente de gua se concentrasse numa grossa gota esfrica, em suspenso no
azeite (porque fixado o volume interior, uma gota de forma esfrica que minimiza
a superfcie de contacto esta uma propriedade geomtrica bem conhecida).
Esta explicao, acrescentada de alguns detalhes e requintes, parece correcta,
mas no assenta numa interpretao microscpica do fenmeno. Como que isto
resulta do jogo de tomos e molculas, esta a questo que se coloca do ponto
de vista da mecnica estatstica.
Para responder questo, podemos imaginar um modelo simplificado do sistema
real: comparamos o espao a um grande quadriculado plano (infinito) e supomos
que cada ponto da rede de quadrados ocupada ou por uma molcula de gua
ou por uma molcula de azeite, e que estas no existem noutros lugares. Se o
lugar i ocupado por uma molcula de gua atribui-se-lhe o nmero s(i)=+1. Se
ocupado por uma molcula de azeite, atribui-se-lhe o nmero s(i)=-1.
Uma configurao do sistema ento definida dando todos os nmeros s(1),
s(2),...,s(N) onde N o nmero total de posies da rede, suposto muito grande
fazemo-lo tender para infinito. Para representar a repulso entre a gua e o azeite,
diremos que a energia de interaco entre duas posies i e j vale Eij=-s(i)s(j) se i
e j so vizinhas prximos, e Eij=0 caso contrrio. Se duas posies vizinhas
prximas i e j esto ocupadas por duas molculas diferentes, a energia de
interaco efectivamente maior do que se tratar de molculas do mesmo tipo.
Tambm necessrio ter em conta o efeito da temperatura, ao qual est
associado uma agitao desordenada das molculas (a agitao trmica). Aqui
utilizamos um princpio por demais conhecido da termodinmica estatstica: em
equilbrio trmico, a probabilidade de se observar uma configurao dada
proporcional a exp(-E/kT) onde E representa a energia total desta configurao
(soma das energias de interaco das posies vizinhas prximas), T a
temperatura absoluta e k a constante de Boltzmann.
O modelo assim definido no seno o clebre modelo dIsing imaginado em
1920 pelo fsico alemo Wihelm Lenz (Ernst Ising era seu discpulo) no contexto
do magnetismo (s(i) representando o momento magntico do tomo ou molcula
ni da matria).
Este modelo que desempenhou um papel importante no estudo terico das
transaes de fase, por um lado bastante simples para se prestar a clculos
exactos ou a anlises matemticas poderosas e rigorosas. Certas propriedades do
modelo bidimensional dIsing so j conhecidas h muito tempo, tal como a
existncia de uma temperatura crtica qual o sistema muda de fase. Outras
foram demonstradas h apenas uma dezena de anos por matemticos russos e
checos. Se considerarmos o modelo dIsing como um modelo simplificado da
mistura gua/azeite, os seus resultados mostram expressamente que as gotas
tm uma forma bem definida, que esfrica (no totalmente esfrica, porque nem
todas as direces so equivalentes no modelo dIsing, contrariamente a uma
mistura real gua/azeite). Mais recentemente, um estudo anlogo foi levado a bom
termo sobre o modelo dIsing tridimensional ( priori mais prximo da realidade
mas mais difcil do ponto de vista matemtico) por matemticos, entre os quais os
Franceses Thierry Bodineau, Raphel Cerf e o Suo- Hongrois Agoston Pisztora.
Apreciadores de generalidade como todos os seus colegas, eles examinaram
igualmente modelos do mesmo tipo com dimenso superior a trs.
No verdade que tais pesquisas matemticas permitam descobrir novas
propriedades fsicas; o seu interesse mais dar certezas aos fsicos, de verificar
rigorosamente que os seus modelos so coerentes e suficientemente prximos da
realidade. Em compensao, as tcnicas matemticas desenvolvidas nesta
ocasio sero teis para outros problemas...







O modelo dIsing a duas dimenses e a mistura gua /azeite
O problema da coexistncia de dois lquidos no miscveis pode ser estudado com um modelo simplificado.
As molculas so supostas ocupar posies de uma rede plana de quadrados, posio ni atribudo o
nmero s(i)=+1 ou s(i)=-1 conforme a molcula que a se encontra.
S as molculas vizinhas directas esto autorizadas a interagir; a energia de interaco entre duas
molculas vizinhas igual a +1 se elas so diferentes ou a 1 se so idnticas.
Este problema foi matematicamente estudado h uma dezena de anos no caso bidimensional, e muito
recentemente no caso tridimensional. Estes estudos necessitaram de diversas tcnicas matemticas
relevantes da teoria das probabilidades, da anlise combinatria, da geometria das superfcies, do clculo
das variaes (este consiste em encontrar, num conjunto adequado de objectos matemticos, o objecto que
torna minimal ou maximal uma quantidade Q[f] dependente de f no nosso exemplo, f poderia representar
a forma dos interface gua/azeite, enquanto Q representaria a energia de superfcie da mistura).





Ouvir um CD
riscado!?!


Sobre um disco compacto, como num computador, cada som codificado por uma
sequncia de 0 e 1, agrupados em conjuntos de oito (octetos).
Para garantir a fidelidade do registo, juntam-se outros octetos que permitem
identificar e corrigir os pequenos erros resultantes de poeiras ou de radiaes.

A teoria matemtica dos cdigos correctores de erros estuda meios de aumentar a
fiabilidade do som mas com o mnimo de custos da codificao. Ela tem hoje
numerosas aplicaes: fabricao de discos compactos, transmisso de informao
atravs da Internet ou atravs de satlites...














Cada vrtice deste hipercubo codificado por 4
algarismos.
Qual o mais afastado de 0000?


DISTNCIA ENTRE DUAS PALAVRAS
Tanto quanto mais diferir a escrita das palavras, mais diminui o risco de confuso. Para minimisar
o nmero de octetos acrescentados, utiliza-se um parmetro importante dos cdigos correctores: a
distncia ( dita de Hamming) entre duas palavras. o nmero de smbolos que so diferentes:
entre 10100111 e 10111111 a distncia 2, entre 10100111 e 10000001, 3. fcil beneficiar a
correco aumentando o comprimento das palavras.
Os algoritmos de codificao permitem compromissos: identificar o mximo de erros aumentando
o menos possvel o comprimento das palavras.
Digitalizar para corrigir
Com os cdigos correctores de erros, a informao digitalizada pode em parte
estar protegida contra as perturbaes.

! necessrio di-gi-ta-li-zar!, advertem-nos os peritos da informtica e das
telecomunicaes. Que isto seja feito num computador, num disco compacto, nas
ondas emitidas por uma sonda espacial ou por um telefone mvel, a informao
geralmente codificada (traduzida) sob a forma de uma sucesso de sinais
binrios, bits que podemos comparar a 0 e a 1. Mas uma poeira sobre um
disco, um raio csmico que danifica uma componente electrnica, uma trovoada
com as suas perturbaes electromagnticas, e um ou vrios bits, por vezes
vrios milhares de bits, que so transformados. Ou um 0 que se transforma num
1, como se um sim se transformasse num no, ou um ding em dong: o
sentido da mensagem pode mudar completamente.
Como nos prevenirmos contra estes incidentes, extremamente frequentes, que
ocorrem durante a emisso, a transmisso ou a recepo das mensagens (textos,
sons, imagens, etc.)? A ideia surgida depois dos primrdios da informtica h uns
cinquenta anos, acrescentar um certo nmero de bits a cada palavra
(sequncia de bits de comprimento fixo) da mensagem numrica inicial. Trata-se
de alongar as palavras de modo a que as possamos reconhecer mesmo se
algumas das suas caracteres forem modificados.



Exemplo elementar mais acadmico: triplicar cada bit, tornando 0 em 000 e 1 em
111. Se um bit e um s do sequncia tripla se modificou , isso v-se
imediatamente: 101 provem claramente de 111, enquanto 001 uma alterao de
000. No cdigo ASCII (American Standard Code for Information Interchange) dos
computadores, cada caracter tipogrfico representado por um octecto, ou seja
uma sequncia de oito bits. O oitavo serve de controlo: ele vale 1 se a soma dos
sete primeiros bits mpar, 0 se esta soma par. Em caso de alterao de um
dos oito bits, o bit de paridade no ter mais um valor correcto, o que permite
assinalar um erro.
Detectar um erro bom, corrigi-lo melhor. Assim o cdigo triplo indicado abaixo
permite corrigir, no o cdigo ASCII. Por outro lado vrios erros simultneos
podem afectar a mesma palavra: com dois erros no mesmo octeto, por exemplo,
o cdigo ASCII no assinala nada. A capacidade de correco tanto melhor
quanto mais as palavras do cdigo difiram entre si. O risco de confuso entre
duas palavras ser menos elevado se estas tiverem poucos bits com o mesmo
valor. Tambm um parmetro importante de um cdigo corrector a distncia
minimal entre duas palavras, a distncia sendo o nmero de smbolos que
diferem; por exemplo, a distncia (dita de Hamming) entre 10100111 e 10111111
vale 2, enquanto a distncia entre 10100111 e 11000001 vale 4.
Quanto mais elevada for a distncia minimal, mais facilmente o cdigo pode
corrigir os erros. Podemos aumentar a distncia minimal entre palavras
acrescentando bits. Mas alongar a mensagem acresce a durao e o custo das
comunicaes. Os criadores de cdigos correctores de erros esforam-se para
encontrar algoritmos de codificao performants que permitam detectar e corrigir o
mximo de erros, alongando o menos possvel as palavras. Mais, os
procedimentos de codificao e descodificao devem ser suficientemente
simples.



0000000 0100111 1000010 1100010
0001011 0101110 1000110 1101001
0010110 0110001 1010011 1110100
0011101 0111010 1011000 1111111

1-Um cdigo de Hamming
No cdigo corrector apresentado acima as pal avras de partida a
1
a
2
a
3
a
4
tm 4 bits (h 2
4
=16 palavras distintas).
Acrescentamos a cada palavra 3 bits de controlo a
5
,a
6
,a
7
cujo valor determinado pelos 4 primeiros bits:
a
5
= a
1
+ a
2
+ a
3
, a
6
= a
2
+ a
3
+ a
4
, a
7
= a
1
+ a
2
+ a
4
, sendo estes clculos realizados mdulo 2, isto retendo apenas o
resto da diviso por 2 do resultado obtido (por exemplo 1+1+1=1 e 1+0+1=0). A distncia minimal entre duas
palavras deste cdigo vale 3, o que permite detectar e corrigir um erro sobre um dos sete bits duma palavra. Tais
cdigos, ditos de Hamming, foram inventados por


Fcil de dizer mas difcil de fazer! E no o fazemos graas ao acaso. Uma das
vantagens da digitalizao, a possibilidade de submeter as mensagens a um
tratamento aritmtico. O nmero de smbolos diferentes utilizados na codificao
sendo finito, os especialistas recorrem s matemticas dos corpos finitos, teoria
que arrancou com variste Galois, no incio do sculo XIX, em ligao com a
teoria da resoluo das equaes algbricas. Um corpo finito um conjunto de
elementos em nmero finito que se podem (como os nmeros reais ou complexos)
adicionar, subtrair, multiplicar e dividir, estando o resultado sempre contido no
interior do mesmo conjunto (ver ilustrao 2). Com a ajuda da lgebra, da
aritmtica e mesmo da geometria definidas sobre corpos finitos, construem-se
cdigos correctores de erros cada vez mais eficazes, relativamente aos quais
podemos predizer e analisar matematicamente os seus desempenhos.




A codificao do som num disco compacto, por exemplo, utiliza corpos finitos com
2
8
=256 elementos; permite corrigir 2 erros em cada palavra de 32 octetos, com
somente 4 octetos de controlo para 28 octetos de informao. E actualmente,
saem dos laboratrios de pesquisa cdigos correctores com capacidade de
correco que so quase os melhores possveis tendo em conta as suas outras
caractersticas (comprimento das palavras, nmero ajustado de smbolos de
controlo, etc.)



+ 0 1 a b
0
0 1 a b
1
1 0 a b
a
a b 0 1
b
b a 1 0




0 1 a b
0
0 0 0 0
1
0 1 a b
a
0 a b 1
b
0 b 1 a

2 O corpo finito de 4 elementos
Consideremos um conjunto de quatro elementos designados 0, 1, a e b. As tabelas de adio e de multiplicao
representadas aqui fazem deste conjunto um corpo.
Todos os corpos de quatro elementos so isomorfos, isto caracterizados pelas mesmas tabelas a menos de uma
permutao dos elementos.
uma propriedade geral: todos os corpos finitos com o mesmo nmero de elementos so isomorfos.





De um s trao?



As 7 pontes de Knigsberg
Poderemos percorrer a cidade de Knigsberg passando por cada ponte uma e uma s
vez?
Estudada por Leonhard Euler no sculo XVIII, este problema est na origem da
teoria dos grafos que, hoje, intervm em numerosos domnios: gesto de redes de
distribuio, trfico rodovirio, ordenamento, atribuio de recursos, transmissores
de telefones mveis, concepo de circuitos electrnicos...



Podemos traar cada um dos
percursos desenhados sem levantar o
lpis e sem sobrepor os traos?
A resposta de Euler: contai o nmero
de pontos onde se encontrem um
nmero mpar de traos.
Se este nmero zero ou dois, existem
solues. Nos restantes casos no h
nenhuma soluo.

Jogos com arestas e vrtices
Pontos ligados por traos: aquilo que pode parecer um desenho de criana por
vezes a traduo grfica e formal de um problema bastante srio.

Os habitantes de Knigsberg, cidade porturia da Prssia Oriental situada a cerca
de 250 Km a norte de Varsvia , estavam ociosos no incio dos anos 1700?
Sempre se perguntavam se um visitante podia percorrer esta cidade (hoje
Kaliningrad na Rssia) passando uma e uma s vez por cada uma das suas
pontes sobre o rio Pregolya, e voltando ao local de partida. Na poca, Knigsberg
comportava sete pontes ligando as quatro partes da cidade separadas pelas
guas, e dispostas como indica a ilustrao 1.











1. As sete pontes de Knigsberg.
Percorrer as sete pontes de Knigsberg, passando
uma e uma s vez por cada ponte e voltando ao local
de partida: este problema, que se pode representar
por um esquema simples, no tem soluo, como o
demonstrou Euler em 1736. Ele marcou o
nascimento da teoria de grafos.

A charada no deixou indiferente o grande matemtico suo Leonhard Euler, at
que encontrou a resposta em 1736: no, impossvel fazer um circuito utilizando
todas as sete pontes de Knigsberg com uma s passagem por cada uma delas.
Para representar este problema, podemos colocar numa folha de papel quatro
pontos, a que chamamos vrtices e que simbolizam as quatro partes separadas
da cidade, depois traamos entre estes vrtices linhas simbolizando as pontes,
denominadas arestas. O esquema obtido um grafo (ver ilustrao 1).

bastante fcil compreender porque o problema das sete pontes de Knigsberg
no tem soluo: um visitante que chegue a um dos quatro quarteires da cidade
deve forosamente tornar a partir (tomando um ponto diferente). No grafo, isto
traduz-se pelo facto de que a cada vrtice deve estar associado um nmero par
de arestas. Ora a configurao das pontes de Knigsberg no verificava
manifestamente esta condio que, Euler demonstrou, ser necessria e suficiente
para que exista um circuito passando por todos os vrtices e arestas uma s vez.

Com o problema das sete pontes de Knigsberg nascia uma disciplina
matemtica, a teoria dos grafos, que se desenvolveu muito a partir dos anos 1950.
Numerosos problemas de todos os tipos podem ser formulados em termos de
grafos. Citemos em primeiro lugar o celebrrimo teorema das quatro cores, que
responde a uma questo colocada em 1852 e que no foi demonstrada seno
recentemente (com a ajuda essencial do computador, o que se verificou a primeira
vez numa demonstrao matemtica): para colorir qualquer carta geopoltica
plana (supondo cada pas constitudo por uma nica poro), de tal maneira que
dois pases tendo fronteira comum sejam representados de cores diferentes,
bastam quatro cores no mximo.

Que relao com a teoria de grafos? Escolhamos um ponto em cada pas
representado, e tracemos uma linha unindo dois pontos de cada vez sempre que
estes correspondem a dois pases adjacentes: obtemos assim um grafo (ver
ilustrao 2). O problema de colorao consiste ento em atribuir uma cor a cada
vrtice do grafo de modo que dois vrtices conectados sejam sempre de cores
diferentes. O teorema das quatro cores provado em 1976 por Kenneth Appel e
Wolfgang Haken na universidade de Illlinois (Estados-Unidos), diz que tal
possvel com apenas quatro cores, para todos os grafos assim construdos.

Mas os grafos no interessam somente aos matemticos puros. Eles servem
tambm para representar circuitos elctricos, clculos tericos relativos s
partculas elementares, molculas de estrutura complexa, etc. A teoria dos grafos
tem igualmente uma importncia econmica directa em funo das suas
numerosas aplicaes em investigao operacional, onde a finalidade
racionalizar os processos de fabricao, de pesquisar a melhor organizao duma
empreitada, de determinar o melhor aproveitamento do tempo de uma clnica
mdica, de gerir da melhor forma o trfego automvel ou a rede de metro de um
aglomerado urbano, etc.

Por exemplo, para determinar o trajecto ptimo (o menos dispendioso, o mais
rpido) dos camies que devem fazer entregas e levantar mercadoria nos
numerosos clientes espalhados por todo o pas, a rede viria pode ser modelizada
por um grafo onde as arestas so as estradas que ligam uma localidade a outra,
associando a cada aresta nmeros (comprimento do caminho correspondente,
tempo de percurso, custo da portagem, etc.). Clculos e algoritmos por vezes
complexos determinam ento uma ou mais solues (nem sempre se sabe
determinar a melhor) para o problema colocado.


2. Problema da colorao de mapas.
Colorir um mapa geopoltico com o mnimo de cores: este problema pode ser traduzido em termos de grafos, dois
vrtices unidos devem ter cores diferentes. O teorema das quatro cores, demostrado em 1976, afirma que bastam
quatro cores. Esta propriedade igualmente verdadeira para os mapas desenhados sobre uma esfera. Em
compensao num toro (superfcie anloga a uma cmara de ar), podem ser necessrias at sete cores.