Ecossistema Python para matemática computacional
Gravado no evento PyMat 2021 - Python para Matemática e Além · 2 h de gravação
Trechos em vídeo

A importância de ensinar programação antes do ensino médio
Trecho de a da gravação

A versatilidade multipropósito da linguagem Python
Trecho de a da gravação

Os riscos do software de código fechado na ciência
Trecho de a da gravação
Sobre o conteúdo
A apresentação tem início com a abertura institucional conduzida pela professora Ângela Didier, que introduz os objetivos do evento PyMat 2021 voltados à integração entre matemática, ciência e programação em Python. Na sequência, o professor Leon Silva assume a palavra para ministrar a palestra 'Ecossistema Python para matemática computacional'. Inicialmente, o palestrante relata sua trajetória acadêmica na graduação na UFRPE, mestrado na UFC e doutorado em Ciência da Computação na UFPE, culminando na coautoria do livro de computação matemática com SageMath publicado pela SBM.
O palestrante discute os motivos da popularização de Python, sublinhando sua sintaxe legível e próxima da linguagem natural, o papel pioneiro do MIT na adoção de Python para substituir C e Fortran no ensino, e a liderança recente da linguagem em índices como o TIOBE. Em seguida, é realizada uma detalhada análise comparativa de Python com linguagens compiladas (C, C++, Fortran) e ambientes proprietários ou emergentes (Julia, MATLAB, Maple e Mathematica). O foco da comparação reside nas vantagens do código aberto, custo financeiro, auditabilidade de bibliotecas e nas limitações do fechamento de código perante a reproducibilidade científica.
Na continuidade, Leon Silva detalha o ecossistema científico estruturado em torno do Python, analisando o papel do NumPy como alicerce de processamento de matrizes e vetores de alta performance, complementado pelo Matplotlib para visualizações gráficas bidimensionais e tridimensionais, e pelo SciPy para computação numérica aplicada a integrais, otimização e equações diferenciais. Demonstram-se também as capacidades do SymPy para manipulação algébrica simbólica exata e do scikit-image para operações de visão computacional, como conversão de espaço de cores e limiarização de imagens pelo método de Otsu.
A palestra dedica atenção especial ao SageMath, caracterizado analogicamente como um agregador que unifica bibliotecas do Python e pacotes clássicos externos, tais como Maxima, GAP e R. Para viabilizar o uso no cotidiano de estudantes e pesquisadores, são apresentadas opções de ambientes práticos, como a distribuição local Anaconda e plataformas em nuvem como Google Colab e CoCalc, onde são executados exemplos em tempo real de cálculos matriciais, simbólicos e renderização interativa em 3D.
Na etapa final, a sessão é aberta para perguntas dos participantes. São abordados temas como a relevância da linguagem Julia e suas distinções frente à maturidade do Python e do SageMath, a função de bibliotecas no ensino de matemática discreta, escolhas entre ambientes de desenvolvimento locais versus computação em nuvem, e a conveniência do ensino precoce de lógica computacional e programação antes mesmo do ensino médio.
O que é abordado
- Abertura do PyMat 2021
- Trajetória acadêmica e motivação
- Por que Python? Ascensão e relevância científica
- Necessidades computacionais dos cientistasTrecho de 2 min
- Comparação: Python vs. C, Julia, MATLAB, Maple e MathematicaTrecho de 2 min
- Visão geral do ecossistema científico em Python
- Sintaxe básica aplicada à matemática
- Computação numérica com NumPy
- Visualização de dados com Matplotlib
- Computação científica com SciPy e SymPy
- Processamento de imagens e outros pacotes
- SageMath, ambientes de execução e demonstração práticaTrecho de 1 min 54 s
Dúvidas que o conteúdo responde
Qual é a principal vantagem do NumPy em relação ao uso de listas nativas do Python para operações matemáticas?
O NumPy fornece estruturas de dados em arrays homogêneos e opera próximo ao hardware por meio de código vetorizado implementado em C e Fortran, permitindo cálculos matriciais em larga escala de forma significativamente mais rápida e com sintaxe muito mais compacta.
Por que o código aberto de ferramentas como Python e SageMath é visto como uma vantagem metodológica frente a softwares fechados como MATLAB?
No código aberto, qualquer pesquisador pode inspecionar diretamente os algoritmos implementados, detectar possíveis falhas numéricas ou bugs e adaptar o código existente para criar novos métodos, além de evitar custos elevados com licenças e limitações de acesso fora do laboratório.
Qual é a diferença entre a função do SciPy e a do SymPy dentro do ecossistema Python?
O SciPy é focado em computação científica numérica (como integração numérica por quadratura de Gauss e resolução aproximada de EDOs), enquanto o SymPy lida com computação matemática simbólica exata, realizando manipulação de expressões algébricas, limites analíticos e derivações formais.
Como o SageMath se posiciona perante o restante do ecossistema Python?
O SageMath atua como um meta-sistema ou integrador que reúne os melhores pacotes científicos em Python (como NumPy, SciPy e SymPy) junto a softwares matemáticos clássicos de código aberto (como GAP, Maxima e R), preenchendo lacunas funcionais específicas em uma interface unificada.
Quais são as plataformas sugeridas pelo palestrante para quem está iniciando em Python para matemática?
Para quem não quer lidar com instalações locais, recomenda-se iniciar pelo Google Colab (especialmente para pacotes padrão do Python na nuvem) ou pelo CoCalc (para utilizar SageMath). Para trabalho local mais avançado, recomenda-se a instalação da suíte Anaconda e editores como Spyder, VS Code ou PyCharm.
Assuntos
Palestrantes

Leon Silva
Coordenador(a)
Outros conteúdos deste evento
Gravados no evento PyMat 2021 - Python para Matemática e Além
Python: gráficos e outras visualizações
Gravado no evento PyMat 2021 - Python para Matemática e Além
Neste minicurso, o professor Edgar Amorim apresenta ferramentas práticas para construir gráficos e visualizações matemáticas utilizando Python, com ênfase nas bibliotecas NumPy e…
Ver resumo e capítulosPython e problemas matemáticos desafiadores
Gravado no evento PyMat 2021 - Python para Matemática e Além
Neste workshop do evento 'Python para Matemática e Além', o palestrante Leon Silva aborda a resolução de desafios matemáticos inspirados no Project Euler utilizando Python. Ele…
Ver resumo e capítulosAlgumas abordagens para a modelagem da epidemia de COVID-19
Gravado no evento PyMat 2021 - Python para Matemática e Além
A professora Maité Kulesza apresenta a palestra 'Algumas abordagens para a modelagem da epidemia de COVID-19' no evento Python para Matemática e Além. Ela relata sua experiência…
Ver resumo e capítulosCriptografia RSA em SageMath/Python
Gravado no evento PyMat 2021 - Python para Matemática e Além
Nesta oficina ministrada durante o evento Python para Matemática e Além, o professor Ricardo Nunes Machado Júnior apresenta a fundamentação teórica e a implementação prática do…
Ver resumo e capítulosConstrução de imagens e simulações dinâmicas com Python
Gravado no evento PyMat 2021 - Python para Matemática e Além
Neste workshop do evento Python para Matemática e Além, o professor Edgar Amorim apresenta técnicas de computação gráfica e simulações com Python usando NumPy e Matplotlib. A…
Ver resumo e capítulosComputação Quântica
Gravado no evento PyMat 2021 - Python para Matemática e Além
A palestra aborda os conceitos fundamentais da computação quântica e a sua distinção prática em relação à computação clássica. O palestrante desmistifica a necessidade de…
Ver resumo e capítulosManipulação de dados e regressões lineares com Python
Gravado no evento PyMat 2021 - Python para Matemática e Além
O minicurso aborda fundamentos de manipulação de dados em Python com Pandas, Seaborn e NumPy. O palestrante ensina a inspecionar DataFrames, filtrar registros, analisar variáveis…
Ver resumo e capítulos





