Mat e Comp

História Divisão das áreas Matemática para computação Computação para matemática Comentários finais Referências FIM
Interface entre Matemática Aplicada e Ciência da

Computação.
“A equação me propõe, computador me resolve.”
– Dois mil e um, Tom Zé.
Luiz Fernando Ramos Lemos
III Semana de Engenharia de Software e Ciência da Computação - UFC Campus Russas
20 de Outubro, 2017
Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 1 / 46

Sumário
1 Breve história da relação entre Matemática e Computação.

2 Computação Científica e Ciência da Computação
3 Matemática a serviço da Computação
4 Computação a serviço da Matemática
5 Comentários Finais
6 Referências
7 FIM

Antes da Computação Automatizada
Algoritmos são presentes na matemática a milhares de anos, como por

exemplo o Algoritmo de Euclides para o cálculo do Máximo Divisor
Comum, datado de por volta de 300 a.c., já o Método Babilônico para
o cálculo da raiz quadrada teve sua primeira descrição precisa por volta do
ano de 30 a.c., embora já fosse conhecido anteriormente.

Computação Mecânica
Já na biblioteca de Alexandria, havia registros de como se fazer cálculo me-

cânicamente. Porém, a automação por meio dos computadores diferenciais
de caráter mecânico, com capacidade de se executar um algoritmo, tornou
mais próxima, ou praticamente inaugurou, a computação que conhecemos
hoje com o primeiro programa para ser executado por uma máquina: O
algoritmo de Ada Lovelace para o cálculo de números de Bernoulli na
máquina analítica de Charles Babbage no século XIX.
Ada Lovelace Máquina Analítica

Começo do Século XX
No começo do século XX, com o advento da guerra, se desenvolveu muito

a teoria da computação, que teve como expoente Alan Turing. Assim como
métodos matemáticos computacionais, tais como o Método Simplex para
resolução de problemas de Programação Linear, uma modelagem econômica
inicialmente proposta pelo matemático Soviético Leonid Kantorovich, em
1939, e com método computacional de solução pelo americano George
Dantizig entre 1939 e 1947.
Leonid Vitaliyevich Kantorovich

George Dantig
(1975)
(∼1950)

Transição para o Transistor
Ainda no começo do século XX a computação era prioritariamente manual,

ou por máquinas diferenciais, apenas depois da década de 50 com a popula-
rização do transistor que os computadores tomaram forma que conhecemos
hoje, máquinas eletrônicas.

Desenvolvimento das Linguagens de Programação
Com a eletrônica as linguagens de programação prosperaram, primeiramente

eram quese equivalentes ao manuseio direto dos componentes eletrônicos.
Então, em 1954, uma equipe de 10 pesssoas trabalhando para a IBM de-
senvolveram o FORTRAN (Formula Translation) como primeira linguagem
de alto nível, já voltada para a matemática , sendo o primeiro analisador
sintático de expressões aritimética desenvolvido pela cientista Lois Haibt.

Divisão das áreas
Ciências da Computação É a ciência que tem por objeto de estudo os

processos computacionais.
Computação Científica É o uso e estudo de ferramentas computacionais

para aplicações científicas.

IMECC - Unicamp
Sigla: Instituto de Matemática, Estatística e Computação Científica.
No Departamento de Matemática Aplicada existem os seguintes grupos de
pesquisa:
• Física Matemática
• Análise Aplicada • Fundamentos Matemáticos da Teoria

Quântica
• Análise Numérica
• Geofísica Computacional
• Biomatemática
• Inteligência Computacional, Análise e
• Combinatória e Teoria dos Números Processamento de Imagens
• Epidemiologia e Fisiologia Matemáticas • Métodos Computacionais de Otimização
• Pesquisa Operacional

Exemplo de áreas
• Lógica.
• Álgebra Linear.
• Cálculo.

Lógica
O estudo de lógica booleana é a base da computação transistorada e fun-

damenta teoricamente a construção de algoritmos e linguagens e o próprio
conceito de Máquina de Turing.
Um exemplo do uso de lógica que utiliza conhecimentos diversas áreas é a
abordagem de problemas por Programação Linear Inteira.

Programação Linear Inteira.
A Programação Linear trata de resolver problemas com uma função obje-

tivo linear, e restrições lineares permitindo desigualdades. Quando exigimos
que a solução seja inteira, temos um Problema Linear Inteiro. Podemos
representar um problema linear da seguinte forma:
min cT x
s.a Ax = b
Ux ≤ u
Lx ≥ l
lb ≤ x ≤ ub

Exemplos de conversões lógicas:

“E”.
Se x1 , x2 são proposições quaisquer, então a proposição:
x1 ∧ x2
É equivalente a outra proposição:
x1 + x2 = 2, x1 , x2 ∈ {0, 1}


“E” (n variáveis).
E temos o mesmo para n variáveis:
x1 ∧ x2 ∧ . . . ∧ xn
⇔
n
X
xk = n, xk ∈ {0, 1}.
k=1

Exemplos de conversões lógicas: “Ou exclusivo”.
x1 ∨ x2
⇔
x1 + x2 = 1, x1 , x2 ∈ {0, 1}


“Ou exclusivo” (n variáveis).
x1 ∨ x2 ∨ . . . ∨ xn
⇔d
n
X
xk = 1, xk ∈ {0, 1}.
k=1

Exemplos de conversões lógicas: “Ou”.
x1 ∨ x2
⇔
x1 + x2 ≥ 1, x1 , x2 ∈ {0, 1}

Exemplos de Conversões Lógicas:

“Ou” (n Variáveis).
E temos o mesmo para n variáveis:
x1 ∨ x2 ∨ . . . ∨ xn
⇔
n
X
xk ≥ 1, xk ∈ {0, 1}.
k=1

Construindo as Restrições:
Ocupação de Todos os Professores.
Garantia que todo professor lecione uma ou mais disciplinas. Dados um

professor pf fixo, D o conjunto das disciplinas oferecidas, S o conjunto
dos dias da semana letivos e H o conjunto dos horários permitidos,
temos: X X X
x(pf , di, ds, hr ) ≥ 1.
di∈D ds∈S hr ∈H
Já aqui, exigimos que a soma de todos os eventos associados a um
professor seja maior que 1. Esta restrição é válida se uma ou mais
ocorreu (“ou” simples).

Construindo as Restrições:
Garantia de Oferecimento Único.
Temos que garantir que toda disciplina seja oferecida, porém associada
à apenas um professor dia e horário. Dado uma disciplina di fixa e P o
conjunto dos professores disponíveis, S o conjunto dos dias da semana
letivos e H o conjunto dos horários possíveis, temos:
X X X
x(pf , di, ds, hr ) = 1.
pf ∈P ds∈S hr ∈H
Onde temos a soma de todas as associações para uma disciplina di fixa

condicionada a ser igual a 1 . Esta restrição é válida se, e somente se,
ocorre apenas um dos eventos (“ou” exclusivo). Deve ser criada uma
restrição para cada disciplina.

Construindo as restrições:
Inibição de choque de de horário.
Afim de evitar choques de horário vamos definir uma restrição linear

que impede de ocorrer duas associações entre professor e disciplina
ocorram em um mesmo dia e horário. Dados um dia da semana ds e
horário hr , P o conjunto dos professores disponíveis, D o conjunto das
disciplinas oferecidas temos:
X X
x(pf , di, ds, hr ) ≤ 1.
pf ∈P di∈D
Que é a soma de todas as variáveis associadas ao dia e horário fixados

condicionada a ser menor ou igual a 1. Esta restrição é válida se
nenhuma associação ocorre (“e” para a negação dos eventos) ou se
ocorre apenas uma associação (“ou” exclusivo).

Álgebra Linear
Muito além da aplicação apresentada anteriormente, a Álgebra Linear tem

amplas aplicações, como a construção de medidas de similaridade para
mecanismos de buscas e processamento de imagens.

Exemplo: Simulação por medidas de similaridade
Simulações econômicas feitas utilizando as medidas de similaridade por

norma e por cossenos.

Compressão de imagens por SVD
SVD é uma decomposição matricial utilizada para a compressão de ima-

gens com perdas.
Imagem original. Imagem com 20% do número

de bytes da original.

Cálculo diferencial e integral
O cálculo diferencial e integral é frequentemente utilizado para modelar

sistemas físicos, o que já implica em ampla aplicação na robótica, além
disso é de extrema importância no processamento de imagens.

Imagem por tomografia
A Transformada de Radon nos permitem ver dentro de um objeto sem

precisar abri-lo! (O que é muito importante quando o objeto é sua cabeça!)
n R∞ R∞
Transformada: φ(ρ, θ) = −∞ −∞ f (x1 , x2 ) · δ (ρ − x1 cos(θ) − x2 sin(θ)) dx1 dx2

 γ(ρ, θ) = ∂ φ(ρ, θ)


 ∂ρ
Transformada Inversa:
1 Rπ R∞ γ(ρ,θ)
 f (x1 , x2 ) = R−1 {φ(ρ, θ)} = −

−∞ ρ − x1 ·cos(θ) − x2 ·sin(θ) dρ dθ

2π 2 0


• Pacotes e linguagens.
• Ferramentas para o ensino.

Linguagens de Programação
Com a eletrônica as linguagens de programação prosperaram, primeiramente

eram quese equivalentes ao manuseio direto dos componentes eletrônicos.
Então, em 1954, uma equipe de 10 pesssoas trabalhando para a IBM de-
senvolveram o FORTRAN (Formula Translation) como primeira linguagem
de alto nível, já voltada para a matemática, sendo o primeiro analisador
sintático de expressões aritimética desenvolvido pela cientista Lois Haibt.

Pacotes e padronização:
BLAS, LINPACK, EISPACK, LAPACK
Para evitar trabalhos recriados, facilitar a pesquisa e favorecer a eficiência

a comunidade cientifica convergiu para o uso de determinadas convenções
e pacotes de operações matemáticas:
BLAS: Subrotinas Básicas de Algebra Linear (Basic Linear Algebra Su-
broutines), se trata de especificação de operações básicas com matrizes
e vetores.

Pacotes e padronização:
BLAS, LINPACK, EISPACK, LAPACK
Implementações para FORTRAN:

LINPACK: Pacote com implementações das BLAS.
MINPACK: Pacote para otimização não-linear, baseado em minimi-
zação por Quadrados Mínimos.
EISPACK: Pacote para cálculos envolvento autovetores e autovalo-
res.
LAPACK: Modernização em FORTRAN 90 dos 3 pacotes
citados acima.

Matlab (Matrix Laboratory) e Octave
O Matlab é um programa comercial desenvolvido no fim da década de 70

para facilitar o acesso das funções dos pacotes citados anteriormente. Utiliza
uma linguagem de programação estruturada, de script interpretado, com
diversas funções e kit implementados para a área de matemática computa-
cional. Trabalharemos com um programa similar, porém de código aberto,
o GNU Octave.
Logotipo do Matlab.

GNU Octave
O GNU Octave é um software livre, iniciado em 1988, mantido pela

comunidade do GNU Project que foca em ser uma alternativa gratuita
com grande compatibilidade de código com o Matlab.
Atualmente se encontra em um estágio maduro de desenvolvimento com
versões para Android, iOS, Linux, Windows, macOS. As versões para PC
além do terminal, possuem interface com editor integrado, navegador de
arquivos e acesso à documentação.
Logotipo do Octave.

Apresentação
O aplicativo foi construído em linguagem C++ e reaproveita varias bibli-

otecas e aplicativos de código aberto como o OpenGL, para construção
gráfica e o glpk para solução de problemas lineares. Porém, por se tratar
de uma linguagem de alto nível e interpretada sua eficiência não é alta,
sua vantagem é a facilidade.
Tem grande semelhança com a linguagem C e suporta divesas funções da
Biblioteca Padrão da Linguagem C.

Instalação
A instalação para diversos sistemas pode ser obtida gratuitamente no site

https://www.gnu.org/software/octave/.
Para celulares existem versões não oficiais no Google Play e App Store.
Página de download do Octave.

Computação e o ensino:
Teoria dos Registros de Representação Semiótica. (TRRS)
A Teoria dos Registros de Representação Semiótica, uma área de

pesquisa dentro da Educação Matemática, alega que o conhecimento ma-
temático é acessado por meio de suas representações, sendo que cada
representação guarda características próprias, vantagens e limitações, em
relação ao acesso de um conceito.
Esse trabalho foi iniciado pelo filósofo e psicólogo frânces Raymond Duval.
Raymond Duval

Acesso ao conhecimento Matemático
Cardoso (2013, p. 71), “[...] é a articulação dos registros que constitui

uma condição de acesso à compreensão matemática, e não o inverso, qual
seja, o enclausuramento em cada registro. Como cada registro de repre-
sentação possui elementos distintos a ser analisado, quanto mais o aluno
passa a conhecer e compreender as diversas representações semióti-
cas de um mesmo objeto [matemático], mais ele irá compreender o
significado, conceitos e propriedades envolvidas no processo para um
dado conteúdo”

Ferramentas computacionais para o ensino de Matemática
Assim a computação, sobretudo a computação gráfica, constitui uma pode-

roza ferramenta para o ensino de Matemática.

O GeoGebra:
GeoGebra é um software de código aberto para representações algébricas

de formas gráficas, e vice-versa. Seu nome vem da junção das palavras
Álgebra e Geometria.
Existem versões para Linux, Windows, macOS, iOS e Android.

Exemplo: Geogebra no Android.

Conhecimento é único ou
compartimentado?

É dialético, material e histórico!

“Os homens fazem a sua própria história, mas não a fazem segundo a sua
livre vontade; não a fazem sob circunstâncias de sua escolha e sim sob
aquelas com que se defrontam diretamente, legadas e transmitidas pelo
passado. A tradição de todas as gerações mortas oprime como um pesadelo
o cérebro dos vivos.”
Karl Marx, O 18 de Brumário de Luís Bonaparte.

A organização do conhecimento evidentemente tem nuances em seus limites,

é dependente de diversos fatores, inclusive políticos econômicos e estes são
dependentes de sua história. Porém, frequentemente, “tudo que é sólido
se desmancha no ar”, os limites se exaurem e as revoluções dos conceitos
acontencem nas interfaces do conhecimento.

A Computação é uma ciência de interface, com raízes na Matemática,

certamente aqueles que dominarem para além do conhecimento de específico
de seu curso terá muito mais chances de inovar, e terá vantagens tanto na
Academia quanto em qualquer outra ocupação.

Referências
Daniel Cordeiro de Morais Filho.

Um convite à Matemática.
SBM, 2012.
Mokhtar S Bazaraa, John J Jarvis, and Hanif D Sherali.

Linear programming and network flows.
John Wiley & Sons, 2011.
Dimitris Bertsimas and Robert Weismantel.

Optimization over integers.
Dynamic Ideas Belmont, 2005.
Gene H Golub and Charles F Van Loan.

Matrix computations.
JHU Press, 2012.
Stanley R Deans.
The Radon transform and some of its applications.
Courier Corporation, 2007.
Raymond Duval.
Registros de representações semióticas e funcionamento cognitivo da compreensão em
matemática.
Aprendizagem em matemática: registros de representação semiótica. Campinas: Papirus, pages
11–33, 2003.

FIM

Mat e Comp

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Mat e Comp

Enviado por

Direitos autorais:

Formatos disponíveis

História Divisão das áreas Matemática para computação Computação para matemática Comentários finais Referências FIM

Interface entre Matemática Aplicada e Ciência da

Luiz Fernando Ramos Lemos

III Semana de Engenharia de Software e Ciência da Computação - UFC Campus Russas

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 1 / 46

1 Breve história da relação entre Matemática e Computação.

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 2 / 46

Antes da Computação Automatizada

Algoritmos são presentes na matemática a milhares de anos, como por

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 3 / 46

Já na biblioteca de Alexandria, havia registros de como se fazer cálculo me-

Ada Lovelace Máquina Analítica

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 4 / 46

No começo do século XX, com o advento da guerra, se desenvolveu muito

Leonid Vitaliyevich Kantorovich

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 5 / 46

Transição para o Transistor

Ainda no começo do século XX a computação era prioritariamente manual,

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 6 / 46

Desenvolvimento das Linguagens de Programação

Com a eletrônica as linguagens de programação prosperaram, primeiramente

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 7 / 46

Divisão das áreas

Ciências da Computação É a ciência que tem por objeto de estudo os

Computação Científica É o uso e estudo de ferramentas computacionais

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 8 / 46

• Análise Aplicada • Fundamentos Matemáticos da Teoria

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 9 / 46

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 10 / 46

O estudo de lógica booleana é a base da computação transistorada e fun-

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 11 / 46

Programação Linear Inteira.

A Programação Linear trata de resolver problemas com uma função obje-

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 12 / 46

Exemplos de conversões lógicas:

Se x1 , x2 são proposições quaisquer, então a proposição:

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 13 / 46

Exemplos de conversões lógicas:

E temos o mesmo para n variáveis:

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 14 / 46

Exemplos de conversões lógicas: “Ou exclusivo”.

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 15 / 46

Exemplos de conversões lógicas:

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 16 / 46

Exemplos de conversões lógicas: “Ou”.

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 17 / 46

Exemplos de Conversões Lógicas:

E temos o mesmo para n variáveis:

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 18 / 46

Garantia que todo professor lecione uma ou mais disciplinas. Dados um

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 19 / 46

Onde temos a soma de todas as associações para uma disciplina di fixa

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 20 / 46

Afim de evitar choques de horário vamos definir uma restrição linear

Que é a soma de todas as variáveis associadas ao dia e horário fixados

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 21 / 46

Muito além da aplicação apresentada anteriormente, a Álgebra Linear tem

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 22 / 46

Exemplo: Simulação por medidas de similaridade

Simulações econômicas feitas utilizando as medidas de similaridade por

Luiz Fernando Ramos Lemos UFC Matemática e Computação 20 de Outubro, 2017 23 / 46

Compressão de imagens por SVD

SVD é uma decomposição matricial utilizada para a compressão de ima-