Skip to content

README.md

Latest commit

 

History

History
475 lines (346 loc) · 13.8 KB

README.md

File metadata and controls

475 lines (346 loc) · 13.8 KB

Algoritmos e Programação para Licenciatura em Física

Disciplina: FSC1189 - Algoritmo e Programação
Professor: Prof. Hans Rogério Zimermann
Instituição: Universidade Federal de Santa Maria (UFSM)
Centro: Centro de Ciências Naturais e Exatas (CCNE)
Departamento: Departamento de Física
Semestre: 2026/1
Carga Horária: 60 horas (16 semanas)

📜 Licença e Atribuição

Este repositório utiliza dupla licença:

Material Licença Observações
Código-fonte (notebooks .ipynb, scripts Python) MIT License Implementações, algoritmos, exercícios resolvidos
Conteúdo Didático (apostila, listas, guias) CC BY 4.0 Apostila, GUIA_DEBUGGING, Plano de Ensino, Listas

Atribuição: Prof. Hans Rogério Zimermann, UFSM, 2026

Para mais detalhes, consulte LICENSE (MIT) e LICENSE_CC.md (Creative Commons).

📚 Recursos Disponíveis

Este material completo fornece uma formação em Algoritmos e Programação orientada para licenciandos em Física, com ênfase em aplicações práticas e contextualizadas na disciplina.

1. APOSTILA_ALGORITMOS_PROGRAMACAO.md

Formato: Markdown (90 páginas)
Conteúdo: 10 capítulos didáticos cobrindo:

  • Capítulo 1: Introdução a Algoritmos
  • Capítulo 2: Lógica de Programação
  • Capítulo 3: Variáveis e Tipos de Dados
  • Capítulo 4: Estruturas de Controle
  • Capítulo 5: Estruturas de Repetição
  • Capítulo 6: Vetores e Matrizes
  • Capítulo 7: Funções e Procedimentos
  • Capítulo 8: Métodos Numéricos em Física
  • Capítulo 9: Tratamento de Dados e Visualização
  • Capítulo 10: Projetos Integrados em Física

Características:

  • ✅ Exemplos em Português Estruturado (Portugol) para VisualG
  • ✅ Fórmulas em MathJax para melhor visualização matemática
  • ✅ Contextualizações com fenômenos físicos reais
  • ✅ Tom técnico e profissional
  • ✅ Orientado para alunos com base em cálculo e física

Como usar:

  1. Leia a apostila sequencialmente
  2. Execute os exemplos em VisualG (disponível gratuitamente)
  3. Compare com as implementações em Python nos notebooks

2. 01_Conceitos_Basicos.ipynb

Jupyter Notebook com exercícios dos Capítulos 1-3

Exercícios inclusos:

  • 1.1: Cálculo de Trajetória de Projétil

    • Resolução analítica
    • Código Python com NumPy
    • Visualização da trajetória

  • 2.1: Análise de Movimento com Operadores Lógicos

    • Classificação automática de movimentos
    • Tabelas de teste

  • 3.1: Validação de Dados Experimentais

    • Verificação de medidas dentro de tolerância
    • Gráficos de validação

  • 3.2: Conversor de Temperatura

    • Funções reutilizáveis
    • Múltiplas conversões

Exercícios Propostos:

  • Energia Potencial Gravitacional
  • Lei de Coulomb

Como usar:

# Abrir em Jupyter Notebook
jupyter notebook notebooks/01_Conceitos_Basicos.ipynb

# Ou em Google Colab
# Faça upload do arquivo e execute

3. 02_Estruturas_Controle_Repeticao.ipynb

Jupyter Notebook com exercícios dos Capítulos 4-6

Exercícios inclusos:

  • 4.1: Classificação de Estados de Matéria

    • Estruturas condicionais
    • Funções com retorno

  • 5.1: Tabela de Queda Livre

    • Loops com range
    • Uso de pandas
    • Gráficos com matplotlib

  • 5.2: Série de Leibniz para π

    • While loops
    • Análise de convergência
    • Gráficos de convergência

  • 6.1: Produto Escalar

    • Operações com vetores
    • Casos de teste

  • 6.2: Matriz de Coordenadas

    • Matrizes NumPy
    • Visualização 3D

Exercícios Propostos:

  • Validação Repetida de Entrada
  • Soma de Vetores

Notas Importantes:

  • Usa bibliotecas: NumPy, Pandas, Matplotlib
  • Visualizações profissionais
  • Análise de erros e convergência

4. 03_Metodos_Numericos_Projetos.ipynb

Jupyter Notebook com exercícios dos Capítulos 7-10

Exercícios inclusos:

  • 7.1: Módulo de Funções Físicas

    • Cálculo de energias (cinética, potencial, mecânica)
    • Cálculo de trabalho

  • 8.1: Método da Bisseção

    • Encontrar raízes de equações
    • Análise de convergência

  • 8.2: Diferenciação Numérica

    • Diferenças finitas
    • Comparação de métodos
    • Análise de precisão

  • 8.3: Integração Numérica

    • Regra do Trapézio
    • Convergência do método

  • 10.1: Projeto - Análise de Pêndulo Simples

    • Dados experimentais
    • Regressão linear
    • Estimação de g

  • 10.2: Projeto - Queda com Arrasto

    • Equações diferenciais
    • Simulação numérica
    • Velocidade terminal

Exercícios Propostos:

  • Lei de Coulomb Numérica
  • Oscilador Harmônico Amortecido

Bibliotecas usadas:

  • NumPy, Pandas, Matplotlib
  • SciPy (odeint, fsolve)
  • Visualização 3D

5. 04_Circuito_RC.ipynb

Jupyter Notebook dedicado à simulação de circuito RC (Capítulo 10.3)

Exercícios inclusos:

  • 10.3: Projeto — Circuito RC
    • Equação diferencial: $V_C(t) = V_0(1 - e^{-t/RC})$
    • Simulação da carga e descarga do capacitor
    • Análise da constante de tempo $\tau = RC$
    • Visualização da curva de tensão

Exercícios Propostos:

  • Variação de R e C e seus efeitos na constante de tempo
  • Comparação analítica × numérica

Bibliotecas usadas:

  • NumPy, Matplotlib
  • SciPy (odeint)

6. 05_Tratamento_Dados_Visualizacao.ipynb

Jupyter Notebook com exercícios do Capítulo 9

Exercícios inclusos:

  • 9.1: Estatísticas descritivas

    • Média, variância, desvio padrão
    • Detecção de outliers ($3\sigma$)

  • 9.2: Interpolação de dados

    • Interpolação linear entre pontos experimentais
    • Estimativa de valores intermediários

  • 9.3: Visualização avançada

    • Histogramas e gráficos de dispersão
    • Curvas de ajuste com Matplotlib

Exercícios Propostos:

  • Análise estatística de medidas de laboratório
  • Regressão linear com estimativa de incerteza

Bibliotecas usadas:

  • NumPy, Pandas, Matplotlib
  • SciPy (interpolate, stats)

7. 06_Projeto_Capstone_Fisica.ipynb

Jupyter Notebook de projeto integrador final (Capítulos 1-10)

Conteúdo:

  • Integração de todos os conceitos da disciplina:

    • Algoritmos, estruturas de controle e repetição
    • Métodos numéricos aplicados
    • Tratamento e visualização de dados

  • Simulação física completa com múltiplos componentes

  • Documentação profissional de código

  • Análise e comunicação de resultados

Objetivo: Demonstrar domínio completo da disciplina em um projeto autônomo de simulação física.

Bibliotecas usadas:

  • NumPy, Pandas, Matplotlib
  • SciPy, e outras conforme o projeto

8. Listas de Exercícios (Graduadas)

Pasta: listas/
Conteúdo: 7 listas cobrindo todo o programa da disciplina:

🎯 Cronograma 16 Semanas — Estrutura Pedagógica

Módulo 1: Fundamentos (Semanas 1-4)

Semana Capítulos Atividades Avaliação
1-2 1-3 Lab em VisualG; trajetória de projétil —
3 3-4 SE-SENÃO; validação de dados —
4 4 Revisão; exercícios integrados P1

Módulo 2: Iteração e Dados (Semanas 5-8)

Semana Capítulos Atividades Avaliação
5 5 Loops PARA; tabelas de queda livre —
6 5 ENQUANTO; série de Leibniz; convergência Lista 3
7 6 Vetores; produto escalar; visualização 3D —
8 5-6 Revisão módulo 2 P2

Módulo 3: Métodos Numéricos (Semanas 9-12)

Semana Capítulos Atividades Avaliação
9 7 Funções; escopo; módulos —
10 8 Bisseção; diferenciação numérica Lista 5
11 8 Euler; integração numérica; circuito RC P3
12 9 Análise estatística; regressão linear Projeto 1

Módulo 4: Aplicações Avançadas (Semanas 13-16)

Semana Capítulos Atividades Avaliação
13 10 Simulação dinâmica; pêndulo —
14 10 Big-O empírico; oscilador amortecido Lista 7
15 10 Projeto Capstone integrado Projeto 2
16 1-10 Revisão geral Prova Final

Consulte PLANO_DE_ENSINO_16_SEMANAS.md para cronograma detalhado.

🛠️ Requisitos Técnicos

Para Português Estruturado:

Para Python/Jupyter:

# Instalar dependências
pip install numpy pandas matplotlib scipy jupyter

# Ou usar Anaconda (recomendado)
conda install numpy pandas matplotlib scipy jupyter

# Ou usar Google Colab (sem instalação)
# https://colab.research.google.com

📖 Como Usar os Notebooks

Opção 1: Localmente com Jupyter

jupyter notebook notebooks/01_Conceitos_Basicos.ipynb

Opção 2: Google Colab

  1. Acesse https://colab.research.google.com
  2. Clique em "Arquivo" → "Abrir notebook"
  3. Selecione a guia "Upload"
  4. Faça upload do arquivo .ipynb

Opção 3: VS Code com Jupyter Extension

  1. Instale a extensão Jupyter no VS Code
  2. Abra o arquivo .ipynb
  3. Execute as células

💡 Dicas de Estudo

Para Aprender Programação:

  1. Estude o conceito primeiro: Leia a apostila
  2. Veja exemplos: Execute os códigos em VisualG
  3. Compare linguagens: Veja a mesma solução em Python
  4. Experimente: Modifique os códigos e observe o resultado
  5. Pratique: Solva os exercícios propostos

Para Entender Métodos Numéricos:

  1. Estude a matemática: Entenda a fórmula e a derivação
  2. Implemente do zero: Não apenas copie
  3. Teste convergência: Varie parâmetros
  4. Visualize: Use gráficos para entender o comportamento

Para Aplicações em Física:

  1. Resgate conceitos físicos: De cálculo e mecânica
  2. Valide resultados: Compare com soluções analíticas
  3. Use dados reais: Quando possível
  4. Analise erros: Entenda fontes de erro

📊 Recursos Adicionais

Para Aprofundamento:

Livros Recomendados:

  1. "Numerical Methods for Physics and Engineering" - Guazzelli & Luca
  2. "Python for Data Analysis" - Wes McKinney
  3. "Introduction to Scientific Computing" - Marcus Recktenwald

🚀 Próximos Passos

Após completar este material, você estará preparado para:

  1. ✅ Implementar algoritmos em múltiplas linguagens
  2. ✅ Resolver problemas físicos numericamente
  3. ✅ Analisar e visualizar dados experimentais
  4. ✅ Usar programação como ferramenta de pesquisa
  5. ✅ Comunicar resultados com clareza

Sugestões de Projetos Independentes:

  1. Simulação de Sistema Solar

    • Integração numérica de órbitas
    • Visualização 3D
    • Conservação de energia

  2. Análise de Dados Experimentais

    • Ajuste de curvas
    • Estimação de parâmetros
    • Análise de incertezas

  3. Simulação de Dinâmica Molecular

    • Potencial de Lennard-Jones
    • Integração de trajetórias
    • Propriedades termodinâmicas

  4. Processamento de Imagens em Física

    • Análise de microscopia
    • Detecção de características
    • Quantificação

📞 Suporte e Dúvidas

Para dúvidas sobre:

  • Conceitos de Programação: Consulte os notebooks com exercícios resolvidos
  • Sintaxe Portugol/VisualG: Revise os exemplos na apostila
  • Métodos Numéricos: Estude os notebooks 03 com análise detalhada
  • Aplicações Físicas: Relacione com conceitos de cálculo e mecânica

📝 Licença e Atribuição

Este material foi desenvolvido para fins educacionais na Universidade Federal de Santa Maria.

Recomendações:

  • Use e compartilhe livremente
  • Cite a fonte apropriadamente
  • Contribua com melhorias e correções

✅ Checklist de Aprendizado

Ao completar este material, você deve ser capaz de:

  • Entender o conceito de algoritmo e sua importância
  • Escrever e compreender pseudocódigo
  • Implementar código em Português Estruturado
  • Usar estruturas de controle efetivamente
  • Trabalhar com vetores e matrizes
  • Criar e usar funções reutilizáveis
  • Implementar métodos numéricos básicos
  • Resolver equações numericamente
  • Integrar e diferenciar numericamente
  • Analisar dados experimentais
  • Visualizar dados com gráficos
  • Simular sistemas físicos
  • Validar e comparar resultados

Última atualização: Abril de 2026
Versão: 1.0