O que um grafo ou rede?

? De uma forma muito simples no mais do que um conjunto de nodos (vrtices) e ligaes (arestas) entre eles, como explica neste artigo Jos Fernando Mendes. Os exemplos mais comuns de redes incluem a World Wide Web, Internet, redes sociais, redes biolgicas e muitas outras.

FSICA DE REDE COMPLEXAS

O que um grafo ou rede? De uma forma muito simples no mais do que um conjunto de nodos (vrtices) e ligaes (arestas) entre eles (Fig. 1) [1-5]. Os exemplos mais comuns de redes (grafo uma designao mais usada na literatura matemtica) incluem a World Wide Web (WWW), Internet, redes sociais, redes biolgicas e muitas outras (Fig. 2). O estudo das redes teve o seu incio por volta de 1735 quando Leonard Euler apresentou a soluo para o problema das pontes de Knigsberg. Esta prova por muitos hoje considerada o ponto de partida de um ramo da matemtica (teoria dos grafos), para o qual pessoas como Erdos Rnyi deram contribuies importantssimas, nas ltimas dcadas do sculo XX. Tambm, durante o sculo passado, muitos estudos, mais empricos, foram realizados na rea das cincias sociais. Um dos trabalhos percursores nesta rea foi o de Milgram [6]. Mais recentemente, com o aparecimento de redes reais com um grande nmero de nodos e com o aumento da capacidade computacional tornaramse viveis estudos das mesmas.

Fig. 1 Representao esquemtica de uma rede

JOS FERNANDO F. MENDES Departamento de Fsica da Universidade de Aveiro Campus Universitrio de Santiago 3810-193 Aveiro jfmendes@fis.ua.pt

Como pode, por exemplo, a estrutura da rede afectar o trfego na Internet, ou o desempenho de um motor de busca, ou a dinmica de sistemas sociais ou biolgicos? Ou podemos ns, atravs do conhecimento da rede social correspondente a uma dada sociedade, por exemplo, auxiliar na preveno da propagao de uma epidemia, ou de um vrus informtico na Internet? Respostas a estas, e a muitas outras perguntas, tm sido procuradas por uma grande comunidade de cientistas em variadas reas. No entanto, a compreenso destes sistemas complexos (redes) permanece na sua infncia.

ARTIGO

simulaes numricas pode ser gerado um nmero finito de realizaes do ensemble. Como se sabe da mecnica estatstica, os ensembles estatsticos so classificados como de equilbrio ou de no-equilbrio. No caso de redes, estas so aleatrias de equilbrio ou de no-equilbrio, consoante o seu nmero de nodos fixo ou cresce. TIPOS DE REDES Quando um conjunto de vrtices ligado atravs de um certo nmero de ligaes, e no levando em considerao outro tipo de aspectos, estamos perante o exemplo mais simples de uma rede (Fig. 1). No entanto, estas podem ser mais complicadas. Pode, por exemplo, haver mais do que um tipo de nodos na rede, ou mais do que um tipo de ligaes. Numa rede econmica, por exemplo, os nodos podem representar empresas ou bancos, etc., o mesmo se passando com as ligaes, que podem ser de diferentes tipos (banco-banco, banco-empresa), ou mesmo terem diferentes intensidades, correspondendo estas, por exemplo, ao volume de negcio entre os nodos. Podem ser dirigidas, ou no, consoante a troca se faz num ou em ambos os sentidos. Por exemplo, a WWW uma rede dirigida, enquanto a Internet no o .

O que so redes aleatrias? Redes aleatrias so ensembles estatsticos de redes. Um ensemble estatstico um conjunto de redes particulares, cada uma delas tendo uma probabilidade especfica de realizao (um peso estatstico). Em estudos empricos, regra geral, observado um nico membro (uma realizao particular) deste ensemble. Em

2a)

2b)

2c)

2d)

Fig. 2 a) Rede de contactos sexuais entre indivduos, por Potterat et al. [7]; b) Rede de contgios entre pessoas [8]; c) Rede dos amigos numa escola dos Estados Unidos. As relaes de amizade foram obtidas atravs de questionrios, por James Moody [9]; d) Documentos num stio da Web e ligaes entre eles. As cores designam diferentes comunidades, por M. Girvan e M. E. J. Newman [10]

GAZETA DE FSICA

11

FSICA DE REDES COMPLEXAS

Nodo (vrtice): caracterstica local de uma rede, pode ser um documento (Web), um computador (Internet), um actor (filmes), um gene (biologia), etc. Ligao: a linha entre dois nodos. Podem ser de vrios tipos ou intensidades. Dirigida/no dirigida: consoante aponta num sentido entre dois nodos ou em ambos. Por exemplo, na Web uma pgina pode ter um link para outra e o contrrio no se verificar. Na Internet, os cabos pticos transportam informao em ambos os sentidos. Conectividade ou grau: nmero de ligaes presentes num nodo. Se a rede dirigida, fala-se de conectividade de entrada e de sada, consoante a ligao aponta para o nodo ou, pelo contrrio, sai do nodo e aponta para outro. Distribuio de conectividades: diz-nos como se distribuem as ligaes pelos nodos, d-nos a probabilidade de um nodo ter k ligaes. Numa rede aleatria, a distribuio de conectividades a fraco mdia dos nodos com grau k: P(k) = <N(k)>/N. Aqui N(k) o nmero dos nodos de grau k numa rede particular do ensemble estatstico. O clculo da mdia sobre todos os elementos do ensemble estatstico. Caminho mais curto: a menor distncia entre dois nodos na rede. Em geral existe mais do que um caminho a lig-los. Dimetro: o comprimento da maior distncia entre quaisquer dois nodos (medida em nmero de ligaes). Matriz adjacente: esta matriz contm toda a informao sobre uma rede. Uma rede de N nodos tem uma matriz de adjacncia de NN. Cada elemento da matriz de adjacncia aij igual ao nmero das ligaes que conectam os nodos i e j. Coeficiente de agregao: a sua definio est relacionada com os ciclos de comprimento trs (tringulos de ligaes). O coeficiente de agregao local o nmero relativo das conexes entre os vizinhos mais prximos de um nodo i, Ci = 2ni /(ki(ki -1)). Aqui ki o grau do nodo i e ni o nmero total das conexes entre seus vizinhos mais prximos.

Fig. 3: Ilustrao da definio de coeficiente de agregao, C. Esta rede tem um tringulo em seis possveis, portanto, para o nodo central, C=1/6

ALGUMAS REDES REAIS Nesta seco apresentar-se-o alguns dos exemplos mais conhecidos de redes reais: 1 - Redes sociais Uma rede social no mais que um conjunto de pessoas ou grupos de pessoas, ligados entre eles por relaes que podem ser profissionais, familiares ou outras. Os estudos neste campo iniciaram-se nos anos trinta por Moreno (1934) [11]. A introduo de modelos matemticos foi feita por Rapoport [12], o primeiro autor a realar a importncia da distribuio do nmero de ligaes. Outro estudo importante, nesta rea, foi o de Milgram [13] atravs das suas experincias que levaram ao conceito de "pequeno mundo" (small world). Estas experincias esto na base do conceito dos "seis graus de separao". 2 - Redes de informao O exemplo clssico de uma "rede de informao" a rede das citaes entre artigos cientficos. A maioria dos artigos publicados cita outros trabalhos anteriores relacionados ou importantes para este. Estas citaes geram uma rede em que os nodos so os artigos cientficos e a ligao dirigida do artigo em causa para outro artigo indica que este cita o precedente. A estrutura da rede de citaes reflecte assim a estrutura da informao armazenada nos seus nodos: da a designao "rede de informao". Estas redes tm certas particularidades, que por vezes no surgem noutras. Isso prende-se com o facto de, aps a publicao de um artigo que cita outros anteriores, a informao relativa ao nmero de citaes ficar congelada no sendo mais possvel alterar esse nmero. Jaffe e Trajtenberg [14], por exemplo, estudaram a rede das citaes entre patentes dos E. U. A., que semelhante, em alguns aspectos, das citaes entre artigos cientficos. Um outro exemplo muito importante de uma rede de informao a World Wide Web, onde os nodos so os documentos disponveis e os links fazem as ligaes entre documentos.

GAZETA DE FSICA

12

ARTIGO

3 - Redes biolgicas (a) - A estrutura de redes neuronais A estrutura de uma rede neuronal de um organismo minsculo, o C. elegans, contm 282 neurnios que do forma a uma rede dirigida com uma conectividade mdia <k> = 14 [15]. As distribuies de conectividades so exponenciais. O comprimento mdio da distncia mais curta 2,65, e o coeficiente de agregao 0,26. Consequentemente, a rede apresenta o efeito de pequeno mundo e o coeficiente de agregao muito maior do que o valor caracterstico para o caso da rede aleatria clssica, C=0,26>>14/282 =0,05. (b) - As redes de reaces metablicas Um grande nmero de sistemas biolgicos pode ser utilmente representado como uma rede. Um exemplo valioso de uma rede biolgica com uma estrutura topolgica extremamente rica fornecido pela rede das reaces metablicas [16]. Actualmente, tais redes esto documentadas para diversos organismos. Os seus nodos so substratos componentes moleculares, e as ligaes so reaces metablicas que conectam os substratos. De acordo com [17], as ligaes que apontam para um dado substrato so as reaces em que este participa como um produto. (c) - Redes de protenas Trata-se da rede de interaces fsicas entre protenas (ao contrrio das qumicas nas redes metablicas). Este tipo de redes foi estudado por um grande nmero de cientistas [18]. (d) - Redes genticas A rede de regulao gentica designa uma outra classe, igualmente importante, de redes biolgicas. A expresso de um gene, isto , a produo atravs da transcrio e translao de protenas codificadas pelo gene, pode ser controlada pela presena de outras protenas. Assim o prprio genoma forma uma rede onde os nodos representam as protenas e as ligaes dirigidas representam a dependncia da produo da protena na presena de outras protenas (nodos). AS PROPRIEDADES DAS REDES

estatstico de todas as redes possveis precisamente com N nodos e L ligaes, onde cada membro do ensemble tem igual probabilidade de acontecer. - No modelo de Gilbert, cada par de nodos (dos N) conectado com uma probabilidade p. Obtm-se assim um ensemble estatstico de todos os grficos possveis de N nodos. Os membros deste ensemble so pesados com pesos estatsticos. No limite termodinmico (redes infinitamente grandes), estas duas verses so equivalentes ( k = p ( N 1) ). A distribuio de conectividades destas redes aleatrias clssicas obedece a uma distribuio binomial, ou uma distribuio de Poisson no limite de N grande: k P ( k ) ~ k / k ! . A conectividade mdia <k> est fixa. Esta uma distribuio que decai rapidamente com uma escala natural k ~ k . Uma particularidade desta rede que todos os seus momentos convergem. O mesmo no se verifica nas redes encontradas na Natureza, com uma dependncia em lei de potncia. A maioria das caractersticas interessantes das redes reais que atraram a ateno dos investigadores nos ltimos anos prende-se com o facto de estas no serem redes aleatrias no sentido acima definido. - O modelo da configuracional (introduzido por B. Bollobs [6]) a primeira generalizao natural do modelo de redes aleatrias clssicas. De um modo muito simples, o modelo de configurao uma rede mxima aleatria com uma distribuio dada P(k) da conectividade. Esta rede aleatria complexa de equilbrio no correlacionada. A maioria dos resultados para redes complexas so obtidos usando o modelo de configurao. Existe, contudo, uma outra forma, mais tradicional para os fsicos estatsticos, de construir ensembles de redes. Por vezes, chamado modelo exponencial. Os membros do ensemble estatstico nesta construo so sistemas (conjuntos) de configuraes locais dos nodos e ligaes. Cada tipo destes conjuntos ("tijolos") tem a sua "energia de excitao". Por excitao trmica podemos obter um conjunto de realizaes (redes) do ensemble. As energias especficas da excitao determinam os pesos estatsticos destas realizaes, isto , a estrutura da rede aleatria resultante. REDES DE CAUSA PESADA (FAT-TAILED)

As redes aleatrias mais simples so o chamado classical random graph (Solomonoff e Rapoport, 1950-1952, Erdos e Rnyi, 1959-1960 [19], Gilbert 1959). Em termos simples, estas so redes mximas aleatrias sob a restrio de que a conectividade mdia dos seus nodos, <k>, est fixa (o nmero de nodos est tambm fixo). Por "mximas aleatrias" entenda-se que so redes para as quais a entropia mxima. H vrias verses de redes aleatrias clssicas: - O modelo de Erdos-Rnyi, que consiste no ensemble

Se uma rede tiver uma distribuio de conectividades que varia de forma suficientemente lenta com o aumento da conectividade, como acontece com a maioria das redes reais importantes, as suas propriedades so bem distintas das caracterizadas por distribuies do tipo Poisson. Em geral, nestes casos os investigadores tentam interpolar as distribuies empricas da conectividade por dependn cias especficas do tipo de lei de potncia, P ( k ) ~ k (distribuies sem escala). Contudo, um facto importante

GAZETA DE FSICA

13

FSICA DE REDES COMPLEXAS

observado que os momentos de ordem mais elevada das distribuies empricas da conectividade divergem em redes grandes. Esta observao mostra que, com probabilidade aprecivel, os nodos de conectividade elevada esto presentes em redes reais, ao contrrio das redes aleatrias clssicas. OS MODELOS DE REDES EM CRESCIMENTO Nesta seco iremos examinar uma classe de modelos cujo objectivo preliminar explicar as propriedades de uma dada rede. Nestes modelos, as redes crescem tipicamente pela adio gradual de novos nodos e de ligaes feitas de uma forma que de alguma maneira reflicta os processos de crescimento que originam as redes reais. As ligaes so adicionadas de forma preferencial. Comearemos com o modelo introduzido por Price [20] que foi baseado, por sua vez, num trabalho anterior de Simon [21]. Um trabalho semelhante foi apresentado anteriormente por Yule (1925) [22]. O modelo de Barabsi e Albert [23], que foi em certa medida o precursor desta rea, nos tempos mais recentes, ser apresentado de seguida. Outras variantes e generalizaes destes modelos foram introduzidas por outros autores [1]. O MODELO DE PRICE Derek de Solla Price apresentou em 1965 [20] aquele que provavelmente ter sido o primeiro exemplo do que hoje chamado uma rede scale-free; estudou a rede das citaes entre artigos cientficos e encontrou que ambas as distribuies (entrada e sada: nmero de vezes que um artigo citado e nmero das vezes que um artigo cita outros) obedecem a uma lei de potncia. De facto, o seu trabalho baseou-se nas ideias de Herbert Simon [21], que mostrou que as leis de potncia surgem quando estamos na presena do conceito rich get richer, isto , a quantidade de dinheiro que ganhamos depende da quantidade que j temos. Em sociologia, este efeito conhecido por efeito Matthew [24]. Tambm conhecido por "vantagem cumulativa". Na verso do economista Pareto, seria conhecido pela regra do 80/20. Todos estes mecanismos so equivalentes ao proposto mais recentemente por Barabsi e Albert: a ligao preferencial [23]. Price foi talvez o primeiro a discutir especificamente a vantagem cumulativa no contexto das redes. A sua ideia era que a taxa com que um artigo comea a receber novas citaes deve ser proporcional ao nmero das que j tem. Isto fcil de justificar de uma maneira qualitativa. O mesmo argumento pode tambm ser aplicado a outras redes. A soluo exacta do modelo de Price pode ser obtida atravs de uma equao-mestra. Consideremos uma rede dirigida com N nodos. Seja pk a fraco de nodos na rede com conectividade k, de modo pk . que

Novos nodos so adicionados continuamente rede, embora no necessariamente com uma taxa constante. Cada nodo adicionado tem um dado nmero prvio de ligaes comeando nele prprio - corresponde ao nmero dos artigos que cita - e note-se que este valor ficar inalterado durante a evoluo da rede. Por razes de simplicidade seja m (em mdia) o nmero dessas citaes. A conectividade mdia da rede dada por m = k pk .

A probabilidade de um artigo, recentemente aparecido, citar um artigo precedente simplesmente proporcional ao nmero de ligaes que chegam ao artigo existente. No entanto, inicialmente um artigo no tem citaes para ele prprio, o que faz surgir um problema. Price resolveu o problema admitindo que o artigo nascena tem automaticamente uma ligao para si prprio (autocitao). Portanto, a probabilidade de um artigo receber uma nova citao simplesmente proporcional a k+1. A distribuio para este modelo vem assim dada por: pk = (1 + 1 / m) B ( k + 1, 2 + 1 / m) ~ k
( 2 +1 / m )

onde B ( a , b ) = ( a ) (b ) / ( a + b ) a funo Beta de Legendre. Portanto, no limite de N grande, a distribuio de conectividades do tipo lei de potncia (scale-free) com um expoente = 2+1/m. MODELO DE BARABSI E ALBERT E A IDEIA DE LIGAO PREFERENCIAL O modelo que agora apresentaremos consiste numa redescoberta do modelo proposto por Price. Este modelo tambm conhecido por modelo com ligao preferencial. A soluo exacta deste modelo foi apresentada por Dorogovtsev e Mendes [1] (a soluo apresentada por Barabsi e Albert [2] era aproximada e apenas vlida sob certas condies). A probabilidade de um nodo se ligar a outro de conectividade k proporcional a k. Consideremos ento uma rede dirigida, e vamos estudar a distribuio do nmero de ligaes de entrada num nodo (in-degree), q(s,t) = ki(s,t). As regras de evoluo so as seguintes: (1) Por unidade de tempo, um novo nodo adicionado rede. (2) Simultaneamente, m novas ligaes dirigidas provenientes de nodo no especificados so adicionadas. (3) As extremidades destas novas ligaes so distribudas de acordo com a seguinte regra: a probabilidade de uma nova ligao apontar para um nodo s proporcional a q(t) + A. O parmetro A = ma joga o papel de uma atractividade adicional. Desta forma a conectividade total de um nodo s no instante t dada por k(s,t) = q(s,t) + m. Se consi-

GAZETA DE FSICA

14

ARTIGO

derarmos A = m, isto , a = 1, ento as novas ligaes so distribudas com probabilidade proporcional a k(s,t).

Levando em considerao a parte estacionria da equao (excluir o termo com a derivada temporal) tem-se uma equao para a distribuio estacionria P ( q ) = P ( q , t ), supondo que esta existe. A soluo exacta desta equao dada por [1]: P ( q ) = (1 + a ) (1 + ( m + 1) a ) ( ma ) ( q + ma ) ( q + 2 + ( m + 1) a )

Fig 4: Representao esquemtica da distribuio das m novas ligaes.

onde a funo gama. Quando a = 1, obtm-se o resultado correspondente ao modelo de Barabsi e Albert, P(q) = 2 m( m + 1) ( q + m)( q + m + 1)( q + m + 2) ~q
3

A equao mestra para a evoluo da distribuio de conectividade de chegada num nodo s no instante t p(q, s, t) e pode ser entendida do seguinte modo. A probabilidade de uma nova ligao apontar para um nodo s igual a = q ( s , t ) + am (1 + a ) mt

A probabilidade de um nodo s receber exactamente l novas ligaes das m injectadas : Ps =

ml

m l

q ( s , t ) + am ) (1 + a)mt

q ( s, t ) + am 1 (1 + a ) mt

m l

Assim, a distribuio de conectividades de um nodo particular dada por, p ( q , s , t + 1) =

m

Uma formulao mais rigorosa deste modelo foi apresentada por Ballobs [6]. Dada a ateno que este modelo despertou na comunidade cientfica, vrias generalizaes tm sido propostas. Uma variante, proposta por Dorogovtsev e Mendes [5], consistiu em considerar que a conectividade mdia da rede cresce com o tempo (crescimento acelerado). Este efeito foi observado, por exemplo, na World Wide Web e na Internet, o que corresponde ao parmetro m variar com o tempo. Se admitirmos que m, nmero de novas ligaes por unidade de tempo (por cada novo nodo introduzido), cresce com o tamanho da rede, t, na forma t, e que a probabilidade de se ligar a um dado nodo proporcional a q+Bt (com B constante), ento a distribuio de conectividades obedece a uma lei de potncia com expoente:

P
l =0

ml

p ( q l , s, t )
l

= 2+

B (1 + ) (1 B )

l =0

p ( q l , s , t ).

Esta equao est sujeita a uma condio de fronteira, p ( q , t , t ) = q , 0 (delta de Kronecker). Somando sobre s na equao anterior e considerando t grande, obtm-se a equao integro-diferencial: (1 + a )t
P t

( q , t ) + (1 + a ) P ( q , t )

+ ( q + am) P ( q , t ) ( q 1 + am) P ( q 1, t ) = (1 + a ) q , 0

Esta robustez contra falhas obviamente importante para as redes biolgicas e de comunicaes. Isto, em parte, explica por que razo as redes com esta estrutura so comuns na Natureza. A sua enorme estabilidade uma consequncia da sua estrutura. Mas, ao mesmo tempo, apresentam um fenmeno contrastante, a ausncia de um limiar epidmico, por exemplo, na propagao de epidemias. Epidemias podem facilmente espalhar-se em redes complexas, sendo este o ponto fraco destas.

GAZETA DE FSICA

q ( s, t ) + am 1 (1 + a ) mt

m l

15

( ) (1 + a)mt
m

q l + am

Muitos outros estudos tm mostrado que na sua maioria, as redes naturais e artificiais apresentam uma estrutura descrita por leis do tipo fat-tailed e scale-free. Uma das mais importantes e intrigantes propriedades de redes deste tipo est relacionada com o facto destas apresentarem uma grande estabilidade contra ataques intencionais e aleatrios.

FSICA DE REDES COMPLEXAS

REFERNCIAS [1] Dorogovtsev, S.N. and Mendes, J.F.F., "Evolution of networks", Adv. Phys., 51, 2002, pp. 1079. [2] Albert, R. and Barabsi, A.-L., "Statistical mechanics of complex networks", Rev. Mod. Phys., 74, 2002, pp. 47. [3] Newman, M.E.J., "The structure and function of complex networks", SIAM Review, 45, 2003, pp. 167. [4] Watts, D.J., Small Worlds: The Dynamics of Networks between Order and Randomness, Princeton University Press, Princeton, NJ., 1999. [5] Dorogovtsev, S.N. and Mendes, J.F.F., Evolution of Networks: From Biological Nets to the Internet and WWW, Oxford University Press, Oxford, 2003. [6] Bollobs, B. and Riordan, O.M., "Mathematical results on scale-free random graphs", in Handbook of Graphs and Networks: From the Genome to the Internet (S. Bornholdt and H.G. Schuster, eds.), Wiley-VCH, Berlin, 2002. [7] Potterat, J. J., et al., "Risk network structure in the early epidemic phase of HIV transmission in Colorado Springs", Sexually Transmitted Infections, 78, 2002, i159-i163. [8] Valdis Krebs, http://www.orgnet.com/contagion.html [9] "High school friendship: James Moody, Race, school integration, and friendship segregation in America", American Journal of Sociology 107, 2001, pp. 679-716. [10] M. E. J. Newman and M. Girvan, "Finding and evaluating community structure in networks", Physical Review E, 69, 2004, 026113. [11] Moreno, J. L., Who Shall Survive?, Beacon House, Beacon, NY, 1934. [12] Rapoport, A., "Contribution to the theory of random and biased nets", Bulletin of Mathematical Biophysics, 19, 1957, pp. 257-277. [13] Milgram, S., "The small world problem", Psychology Today, 2, 1967, pp. 60-67; Travers, J. and Milgram, S., "An experimental study of the small world problem", Sociometry, 32, 1969, pp. 425-443. [14] Jaffe, A. and Trajtenberg, M., Patents, Citations and Innovations: A Window on the Knowledge Economy, MIT Press, Cambridge, MA, 2002. [15] Watts, D. J. and Strogatz S. H., "Collective dynamics of small-world networks", Nature, 393, 1998, pp. 440.

[16] Kauffman, S. A., "Metabolic stability and epigenesis in randomly constructed genetic nets", J. Theor. Biol., 22, 1969, pp. 437. [17] Jeong, H., Tombor, B., Albert, R., Oltvai, Z. N. and A-L. Barabsi, "The large-scale organization of metabolic networks", Nature, 407, 2002. [18] Jeong, H., Mason, S., Barabsi, A.-L., and Oltvai, Z. N., "Lethality and centrality in protein networks", Nature, 411, 2001, pp. 41-42. [19] Erdos, P. and Rnyi, A., "On random graphs", Publicationes Mathematicae, 6, 1959, pp. 290-297; Erdos, P. and Rnyi, A., "On the evolution of random graphs", Publications of the Mathematical Institute of the Hungarian Academy of Sciences, 5, 1960, pp. 17-61. [20] Price, D. J. de S., "Networks of scientific papers", Science, 149, 1965, pp. 510-515; Price, D. J. de S., "A general theory of bibliometric and other cumulative advantage processes", J. Amer. Soc. Inform. Sci., 27, 1976, pp. 292-306. [21] Simon, H. A., "On a class of skew distribution functions", Biometrika, 42, 1955, pp. 425-440. [22] Yule, G., "A mathematical theory of evolution based on the conclusions of Dr. J.C. Willis, F.R.S.", Philosophical Transactions of the Royal Society of London (Series B), 1925, 213:21-87. [23] Barabsi, A.-L. and Albert, R., "Emergence of scaling in random networks", Science, 286, 1999, pp. 509-512. [24] Merton, R. K., "The Matthew effect in science", Science, 159, 1968, pp. 56-63.

GAZETA DE FSICA

16

Concurso Imagens da Fsica

Categoria A Categoria B

1 prmio: Paulo Jorge Pires Moita, Amora

Nuvens cirrus e altus stratus sobre o forte de Peniche com halo

1 prmio: Sandra Maria Almeida Neves, Figueira da Foz

Deflexo de um feixe de electres num tubo de raios catdicos

2 prmio: Maarten Roos Serote, Lisboa

Eclipse anular do Sol projectado no cho

2 prmio: Ricardo S da Costa, Lisboa

Encapeladura de uma gota de gua.

3 prmio: Carlos Saraiva,Vila Franca das Naves

Levitao magntica

3 Prmio: Jos Augusto da Silva Gama, Carvalhos

Arco-ris fotografado no Brasil

O jri decidiu ainda atribuir as seguintes menes honrosas: Alexandre Miguel Ferreira Lindote, Coimbra; Jos Lus Malaquias, Coimbra; Maria Lusa Esteves, Cascais; Jos Augusto da Silva Gama, Carvalhos; Rosa Maria Figueiredo Simes, Covilh; Paulo Martins, Coimbra e Maarten Roos Serote, Lisboa. Todos os trabalhos premiados podero ser vistos na exposio "Passado ao espelho - mquinas e imagens das vsperas e primrdios da photographia" de 9 de Janeiro a 12 de Fevereiro, no Museu de Fsica da Universidade de Coimbra. A entrega dos prmios decorrer durante a inaugurao da exposio. Resultado do concurso organizado pelo Departamento de Fsica da Faculdade de Cincias e Tecnologia da Universidade de Coimbra, no mbito do Ano Internacional de Fsica 2005.