Matematica e Realidade

Milton C. Lopes Filho

IMECC-UNICAMP

September 20, 2010

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Introducao

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Um olhar sobre a maneira em que a matematica e usada como instrumento cientco e tecnologico. Modelagem matematica - teorias matematicas que se comportam de maneira parecida com sistemas de interesse no mundo real. Modelagem instrumental (computacional) encarnacoes concretas e operaveis de teorias matematicas. Analise assintotica - estrategia para obtencao de modelos mais simples a partir de outros mais complicados. Analise rigorosa - estrategia para explorar propriedades (obvias ou nao) de modelos matematicos.
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Exemplo - o problema do pastor

Figure: rebanho de ovelhas na Patagonia

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Problema tecnologico - um pastor do Conde da Patagonia esta encarregado de um grupo de ovelhas para engorda. Devolve as mesmas ovelhas gordas ou sofre as consequencias. Modelo matematico - numero inteiro N - o numero de ovelhas.
O modelo matematico nao e a realidade! Numeros nao produzem la nem cam bons no espeto. Duas contagens ocorrem sob condicoes controladas - na sada para a pastagem e na chegada. O modelo e robusto - contagens cuidadosas produzem sempre o mesmo resultado e as operacoes com inteiros correspondem corretamente a operacoes com ovelhas. O pastor precisa de uma metodologia para obter contagens razoavelmente conaveis em condicoes de campo.
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Modelagem Instrumental ou Computacional

Primeira aproximacao - uma pedrinha para cada ovelha, em um saco. Digamos, N 500, peso 10g por pedrinha. Resultado um saco de 5kg - um saco para carregar. Calcular tem a mesma raiz etimologica que pedrinha (calculo renal = pedra no rim), ou seja, calcular pode signicar fazer contas com pedrinhas. Um saco com N pedrinhas e um modelo computacional para o modelo matematico N, ou para o rebanho de ovelhas. Ele associa corretamente operacoes com ovelhas no mundo real, por exemplo, dividir o rebanho em dois rebanhos com N1 e N2 ovelhas, com a operacao aritmetica associada, N = N1 + N2 e com uma divisao fsica das pedrinhas em dois sacos com N1 e N2 pedrinhas.
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Analise Assintotica
O Conde da Patagonia tem P pastores trabalhando para ele, cada um com aproximadamente N ovelhas para engordar. O rebanho do conde e NP ovelhas. Se P e razoavelmente grande (digamos, mais que 20), o Conde nao esta interessado no numero exato de ovelhas de cada pastor. Na escala do Conde, as ovelhas individuais desaparecem, e o Conde mede seu rebanho em numero de pastores P. Este e um modelo mais simples, valido desde que as utuacoes das ovelhas por pastor em torno de N nao sejam muito ferozes. Por exemplo, o Conde oferece 2N ovelhas ao Duque de Cordoba como dote para sua lha. Para realizar o pagamento ele simplesmente instrui os dois pastores mais proximos de Cordoba a levar seus rebanhos diretamente ao Duque.
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Analise Rigorosa
Toda a teoria dos numeros se aplica a conjuntos de ovelhas, mas, na maior parte dos casos, sem revelancia pratica. Para ser relevante, um resultado matematico deveria ser de algum interesse para o pastor. Exemplo: Para economizar seu lombo o pastor introduziu um sistema de pedras coloridas: uma pedra azul valem sete ovelhas, uma vermelha, dezenove ovelhas. Teorema O rebanho e divisvel em seis grupos com igual numero de ovelhas se e somente se, o numero de pedras no saco e divisvel por seis, ignorando-se as cores. Isso e um bom criterio rapido de consistencia na contagem.
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

* Alguns modelos matematicos, como o modelo aproximado do rebanho do Conde pelo numero de pastores sao aproximacoes reconhecidamente grosseiras, boas para fazer estimativas. Frequentemente, a assintotica utilizada ignora uma situacao real em escala pequena que apresenta enorme, talvez impossvelmente enorme complexidade. * Outros modelos sao quase magicamente adequados, capturando de maneira tao perfeita a realidade, que parecem se confundir com esta. Este e o caso do numero de ovelhas como modelo matematico do rebanho. * Um outro modelo matematico de enorme poder e a mecanica Newtoniana, que descreve o movimento dos corpos celestes e dos objetos do cotidiano humano. * Apesar de sua origem recente, o modelo Newtoniano e tao poderoso que ele se tornou a raiz de nossa intuicao sobre como o mundo funciona.
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Linear versus nao-linear

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Equilbrios
Modelos matematicos que incorporam, e descrevem variacao no tempo sao chamados de sistemas dinamicos. Um sistema dinamico descreve uma trajetoria temporal, que pode ser contnua ou discreta, em um conjunto, chamado de espaco de estados do sistema. Um elemento X do espaco de estados (ou um estado) do sistema dinamico e um equilbrio, ou estado estacionario se a trajetoria do sistema partindo de X ca parada em X . Equilbrios nao correspondem apenas a situacoes em que o sistema real modelado ca parado, mas tambem a trajetorias periodicas, pois estas sao equilbrios do sistema dinamico discreto dada pela evolucao do sistema por tempo igual a um perodo.
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Exemplo - Pontos Lagrangeanos

Figure: pontos de equilbrio no sistema Sol-Terra

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Linearizacao
Se nosso sistema dinamico se escreve na forma Xn+1 = f (Xn ), onde f e uma transformacao do espaco de estados nele mesmo, um equilbrio X e uma solucao da equacao X = f (X ). Na pratica, muitos problemas importantes tratam da dinamica de estados proximos ao equilbrio - X = X + dX . Neste caso, f (X ) = f (X + dX ) f (X ) + Df (X ).dX = X + Df (X )dX , ou seja, o novo sistema dinamico (dX )n+1 = Df (X ).(dX )n , chamado linearizacao do sistema original descreve a dinamica do sistema proximo ao equilbrio X .
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Estabilidade de Equilbrios
Um equilbrio X e estavel se trajetorias que comecam proximo ao equilbrio continuam proximas do equlilbrio para sempre. Neste caso, a aproximacao linear ca justicada e pequenos deslocamentos a partir do equilbrio sao descritos por sistemas dinamicos lineares, da forma xn+1 = Axn .
Existe um poderoso ferramental analtico para estudar sistemas lineares; alem disso, correcoes de ordem mais alta que linear podem ser empregadas para economizar esforco ou obter maior precisao. O conjunto de tecnicas para estudar sistemas dinamicos proximo ao equilbrio chama-se metodos perturbativos. Ate meados do seculo XX, metodos perturbativos eram a principal ferramenta das aplicacoes de matematica, e ainda hoje estes metodos retem grande importancia.
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Urbain Le Verrier (1811-1877) e o planeta Netuno

Talvez o maior triunfo dos metodos perturbativos tenha sido a descoberta, em 1846, do Planeta Netuno, feita pelo astronomo Johann Galle, com base na estimativa de sua posicao calculada por Le Verrier a partir de pequenas utuacoes da orbita do planeta Urano.
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

caminhos para a nao-linearidade

O desenvolvimento de instabilidades - modelos lineares deixam de ser validos pois o equilbrio subjacente deixa de ser estavel - aparicao de modos instaveis ou ressonancias. A teoria de bifurcacoes - Equilbrios mudam de carater e tornam-se mais complicados. Aparicao de caos - fenomeno caracterstico da nao-linearidade plenamente desenvolvida. Dinamica torna-se imprevisvel na pratica.

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Figure: a esteira de um cilindro

Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

A segunda metade do seculo XX trouxe diversas novidades no tratamento nao-perturbativo de problemas nao-lineares.
1 2

Caos - comportamento complicado com causas simples Metodos de convergencia fraca - dinamica de estruturas irregulares em problemas nao-lineares. Teoria geometrica da medida - interpretacao - curvas e superfcies generalizadas, geometria fractal. Analise Microlocal, analise harmonica, analise funcional nao-linear,

que permitem o estudo rigoroso de muitos problemas nao-lineares classicos.

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Estocasticidade

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Modelos determinsticos ou estocasticos

Figure: Movimento Browniano

Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Movimento Browniano - modelo matematico para o movimento irregular de pequenas partculas suspensas em um uido (Einstein ,1905 e Smoluchowski 1906). Explicacao intuitiva: um grao de polen suspenso no ar e bombardeado constantemente por moleculas de gas, exercendo uma forca que na media se anula, mas que, de fato, esta quase ` sempre desbalanceada devido as utuacoes aleatorias nestas colisoes. Modelo matematico - W (t) processo de Wiener, trajetorias quase certamente contnuas, com incrementos W (t) W (s) independentes com distribuicao normal com variancia t s.

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Sistema dinamico com rudo: dX (t) = f (X (t))dt + dW (t). Solucoes resultam em modelar a perturbacao das trajetorias do sistema dinamico dX /dt = f (X ) com rudo aleatorio O rudo aleatorio tambem pode modelar incerteza sobre os dados ou parametros de um modelo matematico, permitindo propagar os efeitos destas incertezas no tempo. Em compensacao, a natureza do modelo muda drasticamente - ao inves de funcoes, os modelos passam a ser processos estocasticos, animais de natureza muito mais complicada.

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Figure: Simulacao de precos de acoes

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Uma area bem estabelecida de aplicacao para modelos estocasticos e nanca quantitativa ,em grande parte porque os precos de ativos nanceiros tendem a ser sujeitos a violentas oscilacoes em todas as escalas. A necessidade de manejar modelos estocasticos quotidianamente em empresas atuando no mercado nanceiro criou uma demanda por prossionais com formacao sosticada me matematica, fsica, estatstica (nem engenheiros aprendem a lidar com modelos estocasticos). A atuacao conjunta destes prossionais (quants) foi considerada parcialmente responsavel pela crise de 2008.
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Complexidade

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Modelagem matematica tende a ser reducionista, isto e, busca compreender sistemas complicados isolando e analisando suas partes mais simples. Axioma da Complexidade: existem comportamentos, chamados emergentes que so aparecem ao se considerar sistemas com interacao efetiva entre muitas partes, ou seja, que nao sao trataveis pelo paradigma reducionista da ciencia classica. Alguns exemplos de comportamentos emergentes: El Nino, multicelularidade, resposta imunologica, balanco ecologico e a conciencia humana. Complexidade pode aparecer espontaneamente no limiar do caos - ou seja, entre a ordem rgida dos sistemas determinsticos e a completa desordem da estocasticidade pura. Sistemas no limiar do caos sao capazes de auto-organizacao.
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Figure: Diagrama historico de complexidade

Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Modelos de sistemas complexos sao projetos enormes de engenharia computacional, multi-escala, multi-fsica, envolvendo problemas complicados de aquisicao e integracao de grandes quantidades de dados.

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Figure: Elementos de um modelo global de clima

Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Turbulencia

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Em fsica, a turbulencia e considerada um dos grandes, talvez o maior problema em aberto. E o que um fsico quer dizer com o problema da turbulencia? A busca de uma teoria matematica, que interpretada corretamente, produza previsoes que concordem com os resultados de experimentos e observacoes disponveis. Nao existe uma teoria assim no momento.

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Kolmogorov 1941
Teoria de turbulencia homogenea e isotropica, fundamentada em consideracoes de analise dimensional e fractalidade. Escoamento e modelado como um processo estocastico, fundamentado na nocao de cascata de energia. Concorda bem com experimentos mais simples, adequado para modelos de uso pratico. Teoria e renamentos mais modernos nao capturam comportamento observado em experimentos mais sutis.

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

O problema matematico associado a turbulencia - turbulencia e as equacoes de Navier-Stokes. t u + (u )u + div u = 0, p = u

(1)

onde u = (u1 , u2 , u3 ) e a velocidade do escoamento, p e a pressao e > 0 e a viscosidade do uido. A equacao obtida fazendo = 0 chama-se equacao de Euler.

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

As equacoes de Navier-Stokes, que sao, de fato, uma encarnacao da segunda lei de Newton, sao um daqueles modelos magicos. O problema matematico e procurar famlias de solucoes de Navier-Stokes que se comportem de das Equacoes maneira turbulenta. E relativamente facil construir processos estocasticos que sao solucoes das equacoes de Navier-Stokes, bastando colocar dados, ou forcamento estocastico, na equacao. O problema e que turbulencia aparece espontaneamente, e e isso, solucoes suaves que se tornam estocasticas sozinhas, que nunca ninguem viu.
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Parte da diculdade e que a propria equacao de Navier-Stokes ainda apresenta alguns misterios matematicos importantes. Dois deles, que tem uma relacao complicada com o problema da turbulencia sao:
1

(Problema do Milenio, vale US$ 106 ) Mostre ou de contra-exemplo - solucoes de Navier-Stokes que sao inicialmente suaves cam suaves para todo tempo. (Problema da Camada Limite) Seja u uma sequencia de solucoes das equacoes de Navier-Stokes com viscosidade > 0 e dado inicial xado, suave, em um domnio limitado com fronteira suave e velocidade zero na fronteira. Suponha que u converge a u quando 0. Pergunta - u e solucao de Euler, em algum sentido?
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Conclusoes e Referencias

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Quem faz matematica aplicada? E importante manter a situacao concreta na cabeca mais divertido que a realidade. matematica e Nao se vai longe em ciencia e tecnologia sem matematica. Matematica sosticada pode ser necessaria, ou conveniente, mas seu uso limita dramaticamente os participantes da conversa.

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Algumas Referencias
T. W. Korner - The Pleasures of Counting, Cambridge University Press, 1996. C. C. Lin and L. A. Segel - Mathematics Applied to Deterministic Problems in the Natural Sciences, SIAM 1988. I. Stewart - Does god plays dice? - the new mathematics of chaos, Blackwell, 1989. S. Kauffman - The Origins of Order - Oxford University Press, 1993. U. Frisch - Turbulence, the legacy of Kolmogorov, Cambridge University Press, 1995.
Milton C. Lopes Filho Coloquio Regional Norte, Belem setembro de 2010.

Preliminares. Linear versus nao-linear Estocasticidade - quanticando incerteza Complexidade - os limites da modelagem Na fronteira da ciencia - turbulencia Conclusoes

Obrigado!

Milton C. Lopes Filho

Coloquio Regional Norte, Belem setembro de 2010.