Sei sulla pagina 1di 168

Matematica, l’esplosione continua

ISBN 978-88-96336-19-9
Stampa: Monograf S.r.l., Bologna
© Copyright 2015 Unione Matematica Italiana
e Società Italiana di Matematica Applicata e Industriale
I matematici sono richiestissimi, la matematica è applicabile a qualsiasi
cosa, un matematico trova un lavoro stabile nei tre anni dopo la laurea ecc...,
tante belle parole che distruggono l’idea comune (ad es., nei miei tempi licea-
li) che un laureato in matematica possa fare soltanto l’insegnante. Hanno pro-
vato anche con il cinema e con le TV a far capire al mondo che i matematici
possono essere utili anche al di fuori di una scuola.
I matematici trovano quasi subito lavoro, nel settore bancario, assicurati-
vo, editoriale, di consulenza, perfino nella polizia scientifica oltre che, natu-
ralmente, nell’insegnamento. I matematici si sentono obbligati a “continuare
a studiare” anche dopo la laurea, non necessariamente ancora matematica
(ma informatica, economia, biologia, ….), e cercare sempre di utilizzare quel
modo di ragionare che li caratterizza in quello che studiano e fanno. Proprio
qui sta il problema e la virtù di un matematico: cercare di adattarsi ai vari
mestieri cercando di utilizzare al meglio quello che ha studiato. Per un inge-
gnere, un medico, un avvocato è molto più semplice, sanno già cosa faranno
una volta finiti gli studi; il loro lavoro, il più delle volte, sarà strettamente
legato ai loro studi, sfrutteranno necessariamente quello che hanno studiato,
non avranno bisogno di adattarsi a realtà che apparentemente non gli appar-
tengono. Per un matematico invece è tutto il contrario: perché, partendo dalla
sua formazione e dalle cose che ha appreso, il matematico dovrà confrontarsi
con problemi concreti (ed anche quelli dell’insegnamento lo sono!) e cercare di
risolverli adattando le proprie conoscenze alla realtà: quella del matematico è
quindi la scelta più coraggiosa ed esaltante e va ricordato il fatto che una lau-
rea in matematica richiede probabilmente anche più impegno di una qualsia-
si altra laurea.
Oltre a teoremi, sempre più ricercatori matematici si applicano alla ricer-
ca di algoritmi, cioè escogitano e mettono a punto procedimenti di calcolo: lo
sviluppo dei computer stimola – anziché limitare – il lavoro di molti matema-
tici, rendendo realizzabili modelli che decenni fa sarebbero stati impraticabi-
li. Perciò molti matematici lavorano in enti di ricerca (per esempio Cnr,
Enea, Esa, ...) in diversi ambiti scientifici che richiedono modellistica mate-
matica. È qui che si manifesta maggiormente l’importanza della continuità
dello spettro: da matematica “pura” a matematica ispirata dalle applicazioni
ad applicazioni concrete.
È totalmente falso che iscrivendosi a Matematica si limiti il proprio futuro
all’insegnamento o poco più. Alcuni faranno “ricerca” matematica, altri come
detto, si dedicheranno all’insegnamento ovvero alla cura dei figli dei nostri
concittadini, ed altri al vasto campo delle applicazioni (ed in tal caso sarebbe
importante avere nel piano degli studi, al di la’ dei corsi di matematica, anche
corsi di informatica e di statistica: fra i corsi a scelta sono più utili questi che
i corsi di chitarra messicana o insegnamenti con titoli fantasiosi).
Oltre a diventar matematici è importante che i matematici riescano a far-
si conoscere, come tali ovvero come i migliori “affrontatori” di problemi di
qualsivoglia natura in campo scientifico. Le Società di matematica di Fran-
cia, allo scopo di evidenziare questo fatto in molte sfaccettature delle attività
più importanti della nostra vita quotidiana, hanno pubblicato nel 2002 un
volumetto intitolato “L’explosion de Mathématiques” del quale l’Unione Mate-
matica Italiana ha ottenuto a suo tempo i diritti di traduzione e di pubblica-
zione. Nel 2013 è uscito il “seguito” ovvero un volumetto intitolato “Mathéma-
tiques: l’explosion continue” l’Unione Matematica Italiana e la Società Italiana
di Matematica Applicata e Industriale hanno chiesto, ottenendoli, i diritti di
pubblicazione e, grazie al collega Marco Maggesi, che ha curato la traduzione
(e che qui sentitamente ringraziamo), siamo in grado di presentare questo
nuovo volumetto che, ne siamo convinti, renderà interessante la lettura da
parte dei giovani interessati a coltivare la nostra disciplina e fornirà motivi
di positiva sorpresa a chi, pur addetto ai lavori, non conosceva nei dettagli il
meraviglioso mondo delle possibili applicazioni della matematica.
Giuseppe Anichini

Si ringraziano
Société Mathématique de France
Société de Mathématiques Applicquées et Industrielles
Société Française de Statistique

per averci concesso i diritti di traduzione, di riproduzione e diffusione gratuita.


Sommario

11 Premessa

15 Tagliare, frollare, affettare, sfumare: un racconto culinario


sulla risoluzione informatica di problemi difficili
Nicolas Schabanel, direttore di ricerca CNRS presso Université Paris Diderot
Pierre Pansu, professore presso Université Paris-Sud
Come disporre gli ospiti in due tavoli senza mettere insieme coloro che si dete-
stano? Cercare una soluzione a questo rompicapo che sia indipendente dal
numero di ospiti è un problema estremamente difficile da risolvere quando il
numero di ospiti cresce. Con l’aiuto di un po’ di programmazione geometrica,
possiamo trovare una risposta che approssima la soluzione ottimale con una
precisione stimabile.

23 Mantenere il controllo ...


... con l’ausilio della matematica
Karine Beauchard, ricercatrice CNRS presso l’École polytechnique
Jean-Michel Coron, professore presso Université Pierre et Marie Curie
Pierre Rouchon, professore presso Mines-ParisTech
Vincolare la traiettoria di un satellite, regolare la temperatura della propria
abitazione, stabilizzare il livello dell’acqua di un canale ... le situazioni che
richiedono che debba essere controllato un dato, una quantità, una posizione,
sono onnipresenti. Questi temi sono oggetto di una ricca teoria matematica: la
teoria del controllo.

Sommario – 5
31 Il teorema di Green-Tao e altri segreti dei numeri primi
Michel Waldschmidt, professore emerito presso l’Università Pierre et Marie Curie
Anche se i matematici se ne sono interessati fin dai tempi antichi, i numeri
primi continuano ad affascinare. Sommandoli o sottraendoli tra loro, si trova
una miniera di problemi, alcuni dei quali sono rimasti aperti a lungo o resta-
no ancora irrisolti.

37 La superconduttività
Sylvia Serfaty, professoressa presso Université Pierre et Marie Curie
La superconduttività, la capacità di un metallo di far passare la corrente elet-
trica senza perdita di energia, può avere applicazioni sorprendenti. Lo studio
di questo fenomeno coinvolge vari settori della matematica, come il calcolo del-
le variazioni, le equazioni alle derivate parziali, l’analisi asintotica. Ad esso
sono associati diversi problemi aperti.

43 I(n)spirazione matematica: la modellizzazione del polmone


Céline Grandmont, direttrice di ricerca presso Inria
Il nostro sistema respiratorio, per la sua complessità, è un eccellente oggetto per
l’indagine matematica. Il funzionamento del sistema respiratorio è descritto
da equazioni che vengono utilizzate per eseguire simulazioni che completano
le sperimentazioni e permettono di comprendere meglio e di prevedere i feno-
meni che si verificano quando respiriamo.

51 Il tempo che farà


Basdevant Claude, professore presso l’Università di Parigi 13 e presso École
Polytechnique
Le previsioni meteorologiche o climatiche non sono un’impresa facile. Esse
implicano la modellizzazione di numerosi fenomeni di diversa natura e l’in-
tervento di diverse scienze, dalla matematica alla biologia, passando per l’in-
formatica, la fisica o la chimica.

57 Internet, incendi boschivi e porosità: alla ricerca del


punto in comune
Théret Marie, docente presso l’Università Paris Diderot
Lo scambio di dati tra gli utenti, la diffusione di un incendio boschivo, le infil-
trazioni d’acqua in una roccia: un semplice modello matematico che utilizza i
grafi permette di capire meglio questi fenomeni.

63 Alla ricerca della forma ideale


Grégoire Allaire, professore presso École polytechnique
François Jouve, professore presso l’Università Paris Diderot
Gli oggetti nati dalla produzione industriale sono concepiti in modo da otti-
mizzare una serie di parametri come il peso e la resistenza. Per evitare di
cercare a tentoni la migliore forma possibile, possiamo oggigiorno contare su
diversi metodi matematici di ottimizzazione.

6 – Matematica, l’esplosione continua


69 La biodiversità tradotta in equazioni... o quasi
Sylvie Méléard, professoressa presso École polytechnique
Predire l’evoluzione di una popolazione animale su un lungo periodo, conosce-
re il funzionamento di un ecosistema, capire il vantaggio della riproduzione
sessuale per la sopravvivenza delle specie ... i problemi che nascono dallo studio
della biodiversità sono complessi e la loro risoluzione utilizza sofisticati stru-
menti matematici.

77 Il restauro dei vecchi film


Julie Delon, ricercatrice CNRS presso Telecom ParisTech
Agnès Desolneux, direttrice di ricerca CNRS presso Ecole Normale
Supérieure de Cachan
Lo sfarfallio fa parte dei difetti che comunemente colpiscono le pellicole dan-
neggiate. Attraverso alcuni casi particolari, vedremo come la matematica aiu-
ta a creare degli algoritmi per correggere automaticamente le imperfezioni dei
vecchi film.

83 Criptaggio e decriptaggio:
comunicare in tutta sicurezza
Jean-Louis Nicolas, professore presso Université Claude Bernard Lyon 1
Christophe Delaunay, professore presso Université Franche-Comté
La protezione delle nostre carte bancarie, così come altre procedure crittografi-
che comunemente utilizzate, si basa sull’impossibilità pratica di fattorizzare
numeri molto grandi. La supremazia di questi metodi, la cui affidabilità è co-
stantemente messa in discussione dai progressi informatici, potrebbe in futu-
ro essere scalzata da altre tecnologie.

89 Come e perché nuotare nel miele?


François Alouges, Guilhem Blanchard Sylvain Calisti, Simon Calvet, Paul
Fourment Christian Glusa, Romain e Mario Leblanc Quillas-Saavedra,
rispettivamente professore e studenti presso École polytechnique
Il nuoto nei mezzi altamente viscosi come il miele è oggetto di ricerche in corso,
che coinvolgono discipline diverse come la meccanica dei fluidi, la matematica
applicata e la biologia. Ma perché interessarsi al nuoto nel miele? E quali sono
le differenze tra nuotare nel miele e nell’acqua?

95 Il teorema del soffietto


Étienne Ghys, CNRS direttore di ricerca presso École Normale Supérieure
de Lyon
Un righello, una matita, del cartone, delle forbici e della colla: non c’è bisogno
di altro per procurare ai matematici divertimento e problemi interessanti, il
cui studio si rivela spesso, a posteriori e in modo del tutto inaspettato, di uti-
lità nelle applicazioni.

Sommario – 7
101 Riconoscere lo Spam: un gioco da ragazzi?
Tristan Mary-Huard, ricercatore INRA presso INRA-AgroParisTech
Come distinguere automaticamente lo spam da un messaggio normale. I filtri
anti-spam analizzano i messaggi di testo utilizzando algoritmi di classifica-
zione a forma di alberi. Questi comprendono un numero ottimale di nodi cor-
rispondenti ad altrettante domande pertinenti per determinare la natura di un
messaggio.

107 L’arte di tagliare teste senza ferire


Erwan Le Pennec, ricercatore presso INRIA all’Università Paris-Sud
Il principio dalla tomografia è quello di ricostruire un oggetto da una raccolta
di sue radiografie. Questo è noto in matematica come un problema inverso. La
risoluzione è difficile e sempre fonte di nuove domande per matematici.

113 Climatologia e statistica


Yiou Pascal, ricercatore presso CEA
Philippe Naveau, ricercatore CNRS presso Institut Pierre Simon Laplace
Lo studio del clima e delle sue variazioni si basa su un gran numero di stru-
menti e concetti statistici. Ciò si riflette nel linguaggio utilizzato dai vari rap-
porti dell’IPCC (Comitato internazionale di esperti sui cambiamenti climati-
ci), che mettono un forte accento sulle incertezze e la loro quantificazione.

119 Cercare nel web: nient’altro che un punto fisso e qualche


algoritmo
Serge Abiteboul, direttore di ricerca Inria presso École Normale Supérieure
de Cachan
Il Web ci offre una notevole quantità di informazioni, diverse decine di miliar-
di di documenti. Senza i motori di ricerca, questi sistemi sempre più sofistica-
ti che ci aiutano a focalizzarci su di un piccolo numero di pagine, il Web sareb-
be una massa di rifiuti, enorme e inutilizzabile. Il ruolo di questi sistemi è
quello di far emergere dalla comunità degli internauti una intelligenza collet-
tiva in grado di valutare, classificare, filtrare le informazioni. Come fanno i
motori di ricerca a gestire questa mole fenomenale di informazioni? Come
riescono ad aiutare gli utenti a trovare quello che cercano? Una panoramica su
uno dei più grandi successi del Web.

127 La carriola di Monge e il trasporto ottimale


Yann Brenier, direttore di ricerca CNRS presso École Polytechnique
Nato da problemi concreti – come quello di spostare un mucchio di sabbia in
maniera efficiente – il trasporto ottimale è uno strumento che ha applicazioni
sia all’interno della matematica (dalla geometria all’analisi funzionale) che in
altri settori, come, ad esempio, la gestione delle risorse.

8 – Matematica, l’esplosione continua


135 La statistica per l’individuazione delle alterazioni
cromosomiche
Emilie Lebarbier, ricercatrice
Stéphane Robin, direttrice di ricerca INRA presso AgroParisTech
Le alterazioni cromosomiche sono responsabili di molte malattie, tra cui alcu-
ni tipi di cancro. La rilevazione di piccole alterazioni, essenziale per la dia-
gnosi medica, fa appello ad modello classico in statistica: la segmentazione.

143 Il pianoforte che i matematici sognano


Juliette Chabassier, ricercatrice Inria, gruppo di ricerca Magic-3D
Come molti fenomeni fisici, il funzionamento di un pianoforte può essere mo-
dellizzato matematicamente. Una volta fatto ciò, possiamo andare oltre e so-
gnare pianoforti impossibili o immaginare nuovi suoni. In questo modo la
ricerca offre al compositore un meraviglioso campo di esplorazione e di crea-
zione.

149 Come far cooperare individui egoisti?


Yannick Viossat, professore presso l’Università Paris-Dauphine
La cooperazione è al centro di molti comportamenti sociali e biologici. La teo-
ria dei giochi può spiegare la scelta delle strategie di cooperazione e compren-
derne i meccanismi in contesti in cui gli individui sono in concorrenza, dalle
situazioni di guerra alla regolamentazione della pesca.

155 Ictus: la matematica viene in soccorso


Emmanuel Grenier, professore presso École Normale Supérieure de Lyon
L’ictus, che colpisce migliaia di persone ogni anno, è una malattia complessa
la cui diagnosi e il cui trattamento devono ancora essere migliorati. Questo è
un settore nel quale la modellizzazione matematica può aiutare la ricerca me-
dica, in particolare affiancandosi alla sperimentazione sugli animali.

161 FAQ (e preconcetti) circa i matematici


Quali sono le opportunità per chi studia matematica? Come si diventa un ma-
tematico? In che cosa consiste questo lavoro? Professionisti, uomini e donne,
rispondono a queste domande e abbattono i preconcetti.
Quale professione si può esercitare con la laurea in matematica?

Sommario – 9
Premessa
Maria J. Esteban, presidente della Société de Mathématiques Appliquées
et Industrielles 2009-2012
Bernard Helffer, presidente della Société Mathématique de France 2010-2012
Jean-Michel Poggi, presidente della Société Française de Statistique 2011-2013

Da una decina d’anni, numerose ini- crescita in tutti i settori della società:
ziative sono apparse in Francia per l’esplosione continua! Il congresso
capire meglio il ruolo della matemati- Maths à Venir, il cui scopo era quello di
ca nella nostra società. I matematici testimoniare l’espansione crescente
sono diventati più consci del fatto che della matematica, è stato nel 2009 un
era necessario far conoscere meglio la vero successo, al quale hanno aderito
specificità e l’utilità della loro discipli- molti soggetti del mondo dell’indu-
na. Una delle prime iniziative è stata stria. I fondi raccolti in questa occa-
la pubblicazione di Explosion des sione ci permettono di realizzare una
Mathématiques nel 2002. Questa rac- nuova edizione. È per questo che ab-
colta è stata ampiamente diffusa e tra- biamo deciso di pubblicare un nuovo
dotta in diverse lingue1. È ormai esau- opuscolo che riprende tre articoli ag-
rita, anche se è ancora disponibile sul giornati dalla vecchia brochure e ven-
web2. I circa dieci anni che ci separa- tuno3 nuovi articoli che tengono conto
no dalla prima edizione hanno visto dei recenti sviluppi e della diversità
un rapido sviluppo di tutti i rami crescente delle interazioni e delle ap-
­della matematica e il loro sviluppo in plicazioni della matematica.

1 Traduzione italiana, a cura dell’UMI: http://umi.dm.unibo.it/downloads/explosio.pdf


2 Versione originale in francese: http://smf.emath.fr/Publications/ExplosionDesMathematiques/
3 Il numero si riferisce all’edizione originale. Nella traduzione presente non sono stati considera-
ti due articoli relativi alla matematica francese.

Premessa – 11
Prima di lasciare che il lettore scopra in altre direzioni di ricerca legate
questi articoli, collochiamo questo alle sue reali applicazioni. Così le
volume nel suo contesto. Viviamo an- applicazioni arricchiscono la ricerca
cora oggi una situazione paradossa- in matematica, ma da sole non posso-
le. La matematica è uno strumento no guidarla. Questo sottile equilibrio
insostituibile di formazione al rigore tra i fattori interni ed esterni del suo
e al ragionamento; sviluppa l’intui- sviluppo deve essere assolutamente
zione, l’immaginazione, il pensiero preservato. Voler definire o misurare
critico, oltre ad essere un linguaggio l’attività o la ricerca in matematica
universale e costituire un elemento attraverso le applicazioni esistenti o
­
forte della cultura. Inoltre svolge, per potenziali ne provocherebbe la loro
le sue interazioni con le altre scienze scomparsa. Viceversa, privilegiare l’as-
e per la sua capacità di descrivere e siomatizzazione, lo studio delle strut-
spiegare fenomeni complessi messi ture e delle dinamiche interne della di-
in evidenza nella natura e nel mondo sciplina, come ha fatto, certamente con
tecnologico, un ruolo crescente nella grande successo, la matematica france-
nostra vita quotidiana. Questo fatto è se nel periodo 1940-1970, ha portato
spesso ignorato o almeno poco consi- in Francia a ritardare lo sviluppo
derato dalla maggioranza delle perso- della matematica detta applicata, di-
ne, per le quali la matematica è una versamente da quello che stava acca-
disciplina astratta, che non si evolve, dendo nello stesso periodo negli Stati
congelata in una prospettiva di ap- Uniti e in Unione Sovietica. I fattori
prendimento e che ha poco a che fare di progresso si trovano molto spesso
con il mondo reale. alle frontiere della disciplina. Oggi, e
ne siamo lieti, la matematica ha ri-
Naturalmente, si possono trovare a stabilito legami forti con le scienze
questa contraddizione spiegazioni economiche e con le altre scienze, e,
che tengono conto della natura speci- talvolta, ne ha creati di nuovi. Il con-
fica della matematica. Si tratta di fine tra matematica pura e matema-
una disciplina che oltre ad alimen- tica applicata è diventato permeabi-
tarsi attraverso i legami con le altre le: la matematica fondamentale viene
scienze, con la società e con il mondo impiegata per risolvere problemi con-
dell’industria, si auto alimenta: nuo- creti sempre più difficili, mentre
ve teorie non distruggono le prece- nuovi problemi teorici vengono for-
denti, ma le utilizzano, le migliorano mulati a partire dalle applicazioni.
o le superano. Anche se molti ricerca-
tori in matematica sono principal- Lo scopo di questa pubblicazione è
mente interessati al lato intellettuale quello di far scoprire tutte le attrattive
o persino estetico della disciplina, ce ed i vantaggi del mondo matematico
ne sono molti altri che sono coinvolti e, soprattutto, la notevole efficacia della

12 – Matematica, l’esplosione continua


matematica nella soluzione di proble­ che. È impossibile evitarlo, dato che
mi sociali e tecnologici; di mostrare siamo di fronte alla necessità di svi-
la matematica nei sui aspetti più di­ luppare, gestire, analizzare e otti-
versi – scientifico, tecnico, culturale, mizzare sistemi sempre più comples-
sociologico; evidenziare la diversità e si. Gli Stati Uniti lo hanno capito
l’universalità di una disciplina che bene, dato che l’NSF (National Scien-
ha legami sia con la fisica, la chimica, ce Foundation, l’organizzazione fede-
la meccanica, l’informatica, l’econo­ rale nordamericana responsabile del-
mia e la biologia, che con le discipli­ la distribuzione dei fondi per la
ne  umanistiche e le scienze sociali, ricerca universitaria) ha notevol-
attraversando tutti gli aspetti della mente aumentato il suo sostegno fi-
tec­nologia. La matematica è ovunque. nanziario alla matematica dal 2000.
Senza di lei non ci sarebbe nessun Più di recente, altri paesi emergenti
computer, nessun sistema di infor­ come la Cina hanno investito massic-
ma­ zione, nessun telefono cellulare, ciamente in questo settore.
nessun laboratorio di progettazione
per i costruttori di automobili e per i È in questo contesto che ci sembra
sistemi aerospaziali di tracciamento; prezioso completare e aggiornare
e così via per l’elaborazione dei questo strumento di diffusione e di
segnali satellitari, la decodifica del divulgazione della matematica. Au-
genoma, le previsioni meteorologiche, guriamo al lettore delle belle e stimo-
la crittografia, le smart card, i robot, i lanti scoperte.
motori di ricerca e l’elaborazione di
grandi quantità di dati ...

Al di là del suo ruolo nella scienza


accademica e nella formazione di
base, la matematica è onnipresente
nella scuola e nella società di oggi.
Essa segue, accompagna e qualche
volta precede, lo sviluppo scientifico
e tecnologico attuale, il quale fa
riferimento tanto ai risultati di
ricerca fondamentale contemporanea
più recente, quanto alle scoperte
accumulate nel passato.

Infine, le necessità nella matematica


crescono con l’accelerazione e la mo-
dificazione delle creazioni tecnologi-

Premessa – 13
un racconto culinario sulla risoluzione informatica
di problemi difficili
Nicolas Schabanel, direttore di ricerca CNRS presso Université Paris Diderot
Pierre Pansu, professore presso Université Paris-Sud

Come disporre gli ospiti in due tavoli senza mettere insieme coloro che si
detestano? Cercare una soluzione a questo rompicapo che sia indipenden-
te dal numero di ospiti è un problema estremamente difficile da risolvere
quando il numero di ospiti cresce. Con l’aiuto di un po’ di programmazio-
ne geometrica, possiamo trovare una risposta che approssima la soluzio-
ne ottimale con una precisione stimabile.

Questa sera invito alcuni amici a cena. Pur­ chiaramente sul mio disegno (chiamato anche
troppo, non ho un tavolo abbastanza grande e grafo).
devo disporre le persone in due tavoli. Come
formare i gruppi?

Fermamente deciso a risolvere questo proble­


ma in modo razionale, prendo carta e penna e
chiamo Maelys, sempre la prima ad essere in­
formata sugli ultimi pettegolezzi, per sapere
chi ha litigato con chi ultimamente. Tenendo il
telefono con una mano, mi ritrovo a rappre­
sentare ogni ospite da un piccolo cerchio
(chiamato nodo in teoria dei grafi) e tracciare
una linea (un arco, è più chic) tra ogni coppia
di ospiti che, in questo momento, è meglio te­
nere separati. Mi rendo subito conto che la si­
tuazione è piuttosto complicata: c’è molta più
animosità tra di loro di quanto pensassi; per Figura 1. Il grafo delle incompatibilità tra
esempio, nessun gruppo sembra delinearsi i miei amici

Tagliare, frollare, affettare, sfumare – 15


Cerco, dunque, di trovare la suddivisione dei quindi sufficiente elencarli tutti e cercare quello
miei amici in due gruppi in modo che si possa che taglia il massimo numero di archi. Tuttavia,
ridurre al minimo il numero di inimicizie all’in­ siamo sicuri che questo metodo sia migliore di
terno di ogni tavolo, il che equivale a mas­ quello precedente?
simizzare il numero di archi che vanno da un
tavolo all’altro. Matematicamente, provo a divi- Certo, in questo modo si troverà la soluzione
dere i vertici del mio grafo in due parti in modo ottimale, ma dopo un tempo esponenziale-
da massimizzare il numero di archi tagliati dalla mente lungo: 2n tentativi. Ad esempio, con 60
partizione, vale a dire, a cavallo tra i due tavoli. ospiti, è necessario elencare e testare 260 os­
(Per non aggiungere complicazioni inutili, non sia circa 1018 partizioni, il che richiederebbe
cercheremo di ottenere due gruppi della stes­ approssimativamente 109 secondi cioè circa
sa grandezza. D’altra parte, le tecniche di riso­ 100 anni con un ipotetico processore capace
luzione con o senza questo vincolo non differi­ di una frequenza di 100 GHz. E se avessimo
scono significativamente.) invitato 61 persone, sarebbero 200 anni, e ci
vorrebbero 400 anni per 62, ecc. Inutile dire
che questa non è la soluzione adatta non ap­
Quando si mangia? pena il numero degli invitati cresce di poco:
aggiungere un solo invitato raddoppia il tempo
Se fossi un fisico, certamente costruirei un di­ di calcolo (e questo indipendentemente dalla
spositivo di questo tipo: per ogni ospite pren­ velocità del processore)! In altre parole, rad­
derei una biglia, e per ogni arco porrei una doppiare la velocità del processore non per­
grande molla compressa per simulare l’inimici­ metterebbe di risolvere il problema per il caso
zia tra le due biglie. Poi lancerei il tutto in un di un solo ospite in più!
corridoio, le molle allontanerebbero le biglie
che si detestano, le quali si disporrebbero, Con 60 ospiti, sarebbe neces-
quindi, per tutta la lunghezza del corridoio e sario elencare e testare 260
dunque otterrei la disposizione dei due tavoli ossia circa 1018 partizioni, il
dividendo il corridoio a metà: così avrei deter­ che richiederebbe approssi-
minato la distribuzione degli invitati tra i due mativamente 109 secondi cioè
tavoli in funzione del punto del corridoio dove circa 100 anni con un proces-
si è posata la loro biglia. Il problema è che, in sore ipotetico capace di una
questo modo, non disporrei di alcuna garanzia frequenza di 100 GHz.
sulla qualità della soluzione trovata.

Un matematico potrebbe dimostrare molto fa­ Asciugare fino all’osso


cilmente che si può trovare una soluzione otti­
male. In realtà, ho due scelte per ogni ospite: È possibile trovare la migliore soluzione per il
metterlo al primo o al secondo tavolo. Quindi nostro problema in un tempo ragionevole? In
non vi sono che 2 × 2 ×... × 2 = 2n modi possibi­ qualità di informatico, risponderei che abbia­
li per suddividere n ospiti tra i due tavoli. È mo buoni motivi per pensare che non è scon­

16 – Matematica, l’esplosione continua


Metodi efficienti e inefficienti
In informatica, è opinione comune consi­ la grandezza del problema aumenta anche
derare un metodo di risoluzione efficiente solamente di uno! (2n + 1 = 2 × 2n). Ad esem­
se il numero di operazioni da eseguire è al pio, se la potenza di calcolo dei computer
più polinomiale in funzione della grandezza raddoppia ogni 18 mesi, con un algoritmo
del problema (nα nel caso peggiore per un polinomiale possiamo sperare di risolvere
1
problema di grandezza n, qualunque sia α). problemi 2 a volte più grandi ogni 18 mesi,
Per un metodo polinomiale, raddoppiare la mentre con un algoritmo esponenziale, il
grandezza del problema aumenta il tempo massimo che si può sperare è di risolvere
1
di risoluzione di un fattore costante 2 a : le dei problemi che hanno una grandezza +1
variazioni del tempo di calcolo “seguono” ogni 18 mesi ...
quelle della grandezza dei dati in proporzio­
ni limitate. Il numero di operazioni in funzione del­
la grandezza n dell’input del problema è
Al contrario, l’effetto delle grandezze su di una misura della complessità intrinseca
un algoritmo di risoluzione in tempo espo­ di un problema: indipendentemente dalla
nenziale (per esempio 2n) è catastrofico: macchina utilizzata più questa funzione
cresce rapidamente, più sarà difficile ri­
il tempo di calcolo di un algoritmo in tem­ solvere questo problema per grandi di­
po esponenziale raddoppia ogni volta che mensioni.

tato perché questo problema (il cui nome ricetta che risolve il problema ipotetico A = “far
scientifico è Max-Cut) è “uno dei più difficili”. uscire questo robot dalla stanza” si può basare
Ecco cosa intendo dire con questo. sulla ricetta B = “trovare la porta di questa
stanza”, dato che, una volta trovata la porta, è
Per risolvere un problema con un computer, relativamente semplice uscire. Poiché sappia­
deve essergli fornita una ricetta (programma) mo come risolvere A facilmente se sappiamo
che lo risolva e i valori dei parametri (nel nostro risolvere B, questo mostra che il problema A è
caso: il numero di ospiti e l’elenco degli archi meno difficile che B. È in questo modo che gli
di inimicizia tra loro). Per scrivere questa ricet­ informatici dimostrano che un problema A non
ta (voglio dire, questo programma, noto anche è più difficile di un altro B: supponendo che si
come algoritmo), possiamo partire da zero, o conosca una ricetta per B e scrivendo una ri­
sfruttare altre ricette per evitare di perdere cetta efficiente per A che usa quella di B. In
troppo tempo (rischiare di introdurre nuovi questo caso si dice che la soluzione di A si ri-
bug). Ad esempio, si può immaginare che la duce a quella di B.

Tagliare, frollare, affettare, sfumare – 17


Ora il nostro problema di disporre gli ospiti qualsiasi altro problema “ragionevole”. Ciò si­
(Max-Cut) è parte di quel gruppo di problemi ai gnifica che tra i problemi che possono essere
quali è possibile ridurre qualsiasi altro proble­ risolti in un tempo “ragionevole”, Max-Cut è
ma problema “ragionevole”: se mi fornirete una uno dei più difficili! Si dice che Max-Cut è
ricetta efficiente per il nostro problema Max- ­NP-completo (vedi il riquadro I problemi più
Cut, riuscirò a scrivere una ricetta per risolvere difficili: i problemi NP-completi).

P =? NP: la meccanizzazione dell’intuizione è possibile?


Una questione fondamentale sollevata dagli corretta o meno (questi problemi sono
informatici è espressa da chiamati NP). Ad esempio, non è noto
P =? NP alcun metodo efficiente per trovare una
colorazione di una carta con tre colori in
che chiede se c’è un metodo efficiente per modo che due nazioni vicine abbiano co­
risolvere tutti i problemi per i quali si può lori diversi, ma questa proprietà è molto
efficacemente verificare una soluzione una facile da verificare per una data colorazio­
volta che la si conosce. ne. Ciò significa che, per i problemi NP, se
si ha una buona intuizione di quella che
P è l’insieme di problemi per i quali esiste dovrebbe essere la soluzione, si può effi­
una costruzione efficiente della soluzione cientemente verificare che la soluzione sia
(vedi Metodi efficienti e inefficienti nel riqua­ effettivamente corretta.
dro precedente). Per molte questioni impor­
tanti (in particolare per l’industria), nessuno La questione P=?NP chiede dunque se
conosce, attualmente, algoritmi efficienti. tutti i problemi NP ammettono una so­
Ad esempio, sui computer di oggi, nessun luzione efficiente. Essa riassume così la
metodo conosciuto riesce a trovare in modo questione filosofica “l’intuizione è mecca­
efficiente il percorso più breve passante per nizzabile”? Questa domanda figura nella
tutte le città di un pae­se che termina al pun­ lista dei sette problemi matematici per il
to di partenza con più di 1.500 città. prossimo millennio, selezionati dall’Istitu­
to Clay nel 2000, per i quali la soluzione
Tuttavia, per la maggior parte di questi sarà ricompensata da un milione di dollari.
problemi importanti, è molto facile veri­ L’impatto della risposta, ancora oggi sco­
ficare efficientemente che una soluzione nosciuta, andrebbe assai oltre il contesto
proposta da qualcuno sia effettivamente informatico.

Il grande problema aperto in informatica è: di no, ma non abbiamo ancora una risposta
sarà possibile un giorno trovare una soluzione chiara per il momento (vedi il riquadro
­
efficiente per il gruppo dei problemi più dif­ P =? NP: la meccanizzazione dell’intuizione è
ficili? La maggior parte dei ricercatori pensa possibile?).

18 – Matematica, l’esplosione continua


I problemi più difficili: i problemi NP-completi
La maggior parte dei problemi computa­ l’altro (colorare una mappa, il commesso
zionali da risolvere nella vita reale apparten­ viaggiatore ...), sono tutte NP-completi! La
gono alla classe NP, quelli in cui l’intuizione risoluzione di uno solo di questi condurreb­
può essere d’aiuto (vedi riquadro P =? NP: be alla risoluzione di tutti gli altri! Questo è,
la meccanizzazione dell’intuizione è possi- per esempio, il caso del problema Max-Cut
bile?). qui studiato.

Taluni problemi NP sono più difficili o più im­ La maggior parte dei numerosi problemi
portanti di altri, nel senso che sono quelli in studiati in informatica sono in P oppure
cui si concentrano tutte le difficoltà dei pro­ sono NP-completi, e sono rari quelli che
blemi NP? Nel 1971, da una parte e dall’al­ sfuggono a questa dicotomia – tra i quali,
tra del muro di Berlino, Stephen A. Cook e però, c’è un caso emblematico: la fattoriz­
Leonid A. Levine hanno dimostrato che c’e­ zazione di grandi numeri, attualmente pietra
ra effettivamente un problema NP che era, angolare della sicurezza di Internet con pro­
in realtà, più difficile di tutti gli altri, nel senso tocollo RSA (vedi articolo pag. 83).
che tutti gli altri problemi NP si potevano
riportare a quello: se vi fosse un metodo Nonostante degli sforzi significativi, nessun
efficiente per risolvere quello, saremmo in progresso decisivo che possa indicare l’e­
grado di trasformarlo in un metodo di risolu­ sistenza o l’impossibilità di una risoluzione
zione efficiente per tutti i problemi NP! efficiente di uno qualsiasi di questi proble­
mi NP-completi è stato ancora compiuto.
Tale problema è chiamato NP-completo. Ri­ Data la diversità di questi problemi, mol­
chard M. Karp dimostrò l’anno successivo ti ricercatori ritengono che non esista un
che, in effetti, moltissimi problemi NP, che a modo efficiente per risolvere i problemi
priori non hanno nulla a che fare l’uno con NP-completi.

Frolliamo il nostro si possa renderlo più abbordabile! Ad esem­


problema ... pio, si potrebbe essere soddisfatti di una ricet­
ta che garantisca di tagliare almeno il 99% del
Fino a quando tale questione non verrà risolta, numero di bordi tagliati dalla soluzione ottima­
sarà comunque necessario trovare il modo di le. Purtroppo, si può dimostrare che avvicinar­
disporre i nostri ospiti. Se il problema è troppo si a 16/17 ovvero 94,1% del numero dei bordi
difficile, può darsi che rilassando alcuni vincoli, del taglio ottimale è anch’esso parte del “club

Tagliare, frollare, affettare, sfumare – 19


dei problemi più difficili” e quindi, probabilmen­
te, non ammette una ricetta efficiente.

Se il problema è troppo difficile,


può darsi che rilassando
alcuni vincoli, si possa rendere
più abbordabile!

Cerchiamo di indebolire ulteriormente i vincoli.


Per questo, usiamo una forma originale di pro­
grammazione: la programmazione geometrica.
Uno dei problemi principali con l’approccio fi­ Figura 2. Una proiezione tridimensionale
sico menzionato all’inizio è che le sfere e le su di una cipolla dei nostri n vettori
molle hanno difficoltà a muoversi in un corri- n-dimensionali nella configurazione ottimale
determinata dai nostri vincoli sui prodotti
doio troppo stretto e per interferire tra loro, il
scalari.
che complica notevolmente la convergenza
verso uno stato di equilibrio ottimale. Se diamo
più spazio, è possibile che si possa garantire
una convergenza efficiente del dispositivo ad puntarli in direzioni opposte. Per questo, use­
un equilibrio ottimale e persino certificare la remo il fatto che il prodotto scalare di due vet­
qualità della soluzione prodotta. tori è positivo se puntano nella stessa direzio­
ne e negativo nel caso contrario, anzi più
negativo quando puntano in direzioni opposte.
Una grossa cipolla Cerchiamo allora di disporre i vettori in modo
e qualche chiodo di garofano da minimizzare la somma dei prodotti scalari
tra i vettori corrispondenti agli ospiti legati da
Ecco come procederemo. Anziché con delle un arco d’ostilità. Ora, si dà il caso che si ab­
biglie, rappresenteremo gli n invitati con altret­ bia a disposizione una ricetta (un programma)
tanti vettori di lunghezza 1 (detti anche unitari) per risolvere efficientemente tali vincoli sui pro­
applicati ad una origine comune, in uno spazio dotti scalari tra n vettori n-dimensionali: è la
n-dimensionale (significa solo che abbiamo “programmazione semi-definita” che genera­
scelto di dare n componenti a ciascun vettore, lizza la “programmazione lineare”.
affinché essi abbiamo abbastanza spazio per
muoversi – la nostra biglia di prima aveva una
sola dimensione per muoversi: la sua posizio­
ne nel corridoio, questo era troppo restrittivo).
Come per le biglie, vogliamo distanziare due
vettori corrispondenti agli ospiti collegati da un
arco di inimicizia. Invece di collegare questi
vettori da molle compresse, cercheremo di

20 – Matematica, l’esplosione continua


Tagliamo nel mucchio Tagliare sempre

Grazie alla nostra ricetta, ora abbiamo ottenu­ Esistono molte varianti di questo problema:
to una configurazione dei nostri n vettori unita­ possiamo provare a tagliare in due parti uguali,
ri n-dimensionali che minimizza la somma dei o in k pezzi, o aggiungere pesi sugli archi per
prodotti scalari dei vettori corrispondenti agli quantificare le inimicizie tra gli individui: la so­
ospiti nemici. Per dividerli in due gruppi, a que­ luzione proposta precedentemente può essere
sto punto è sufficiente tagliare con un piano (in adattata di conseguenza.
realtà, un iperpiano in dimensione n) per l’ori­
gine dei vettori in una direzione scelta a caso:
gli ospiti saranno nell’uno o nell’altro tavolo a I problemi di taglio nei grafi hanno molte appli­
seconda che i loro vettori cadano nell’uno o cazioni nella pratica. Si può citare, ad esem­
nell’altro lato del piano. La scelta di una dire­ pio, il rilevamento delle comunità nei grafi, le
zione casuale per tagliare è un ingrediente es­ cui applicazioni sono molteplici: in sociologia,
senziale della ricetta. È anche possibile proce­ dove possiamo isolare gruppi di amici (con
dere anche senza una scelta casuale, ma è più poca inimicizia tra di loro); nel marketing, in cui
complicato e paradossalmente si basa in è possibile suggerire ad una persona un acqui­
modo essenziale sull’analisi del metodo ca­ sto tramite la sua appartenenza a un profilo di
suale. Michel Goemans e David Williamson consumo; nella progettazione di microproces­
hanno dimostrato nel 1994 che questa solu­ sori, in cui i componenti possono essere rag­
zione interseca sempre almeno l’87,8% del gruppati per minimizzare i cablaggi che si in­
numero ottimale di archi. In questo modo ho crociano …
raggiunto il mio obiettivo con un margine di er­
rore relativamente piccolo, garantito essere
inferiore al 12,2%.

Figura 3. Una volta tagliata seguendo una direzione casuale, otteniamo la partizione degli ospiti
qui sopra, che taglia in modo efficiente molte inimicizie (in nero), che si può certificare essere in
media superiore all’87,8% di quella ottimale!

Tagliare, frollare, affettare, sfumare – 21


In conclusione, è possibile vedere un bel lega­ Questi problemi hanno molte
me tra una geometria di natura continua (posso applicazioni nella vita pra-
spostare i miei vettori a poco a poco nello spa­ tica: nel marketing, in cui è
zio) e un problema puramente discreto (le solu­ possibile suggerire ad una
zioni possibili sono distintamente separate tra persona un acquisto tramite
loro, non ci sono intermezzi possibili tra piazza­ la sua appartenenza a un
re un invitato su un tavolo o su un altro). Anche profilo di consumo; nella
se la tecnologia dell’informazione è il regno del progettazione di micropro-
discreto (tutto è codificato come numeri interi cessori, in cui i componenti
rappresentati in memoria da sequenze finite di possono essere raggruppati
bit, 0 o 1), sembra che le interazioni tra conti­ per minimizzare i cablaggi
nuo e discreto, non si limitino all’ottenimento di che si incrociano ...
buone approssimazioni. In effetti, alcuni risulta­
ti recenti stabiliscono connessioni interessanti Ma mi rendo conto che i miei ospiti stanno ar­
tra le congetture circa la difficoltà di risolvere rivando ed è il momento di sedersi a mangiare,
informaticamente certi problemi e certe con­ prima di rischiare una indigestione matemati­
getture puramente geometriche. co-informatica!

22 – Matematica, l’esplosione continua


Mantenere il controllo ...
... con l’ausilio
della matematica
Karine Beauchard, ricercatrice CNRS presso l’École polytechnique
Jean-Michel Coron, professore presso Université Pierre et Marie Curie
Pierre Rouchon, professore presso Mines-ParisTech

Vincolare la traiettoria di un satellite, regolare la temperatura della pro-


pria abitazione, stabilizzare il livello dell’acqua di un canale ... le situa-
zioni che richiedono che debba essere controllato un dato, una quantità,
una posizione, sono onnipresenti. Questi temi sono oggetto di una ricca
teoria matematica: la teoria del controllo.

Posiamo una scopa verticalmente, capovolta, che la scopa cada, anche se questo richiede
su una superficie piana (la punta della scopa è un certo allenamento. Nel gergo della teoria
arrotondata). La posizione in cui la scopa è del controllo, il movimento del nostro dito è un
verticale, immobile, è una posizione di equili- comando che agisce sul sistema (la scopa).
brio: in teoria, quando la scopa è in questa Infatti, il nostro dito esercita una retroazione
configurazione, vi rimane. In pratica, questo sulla scopa, chiamata anche feedback, in
non è ciò che constatiamo (la scopa si allonta- modo da rendere stabile un equilibrio instabile.
na dalla verticale e finisce per cadere), perché Questo feedback si basa sul fatto che i nostri
la scopa non è esattamente sulla posizione di occhi vedono la scopa cadere e quindi, se la
equilibrio (non è né perfettamente verticale, né scopa inizia a pendere a destra, muoveremo il
perfettamente immobile). Così, piccoli disturbi nostro indice a destra, e questo tanto più rapi-
producono grandi effetti: anche se all’inizio damente quanto più velocemente pende la
dell’esperimento la scopa è vicina alla posizio- scopa. Così la posizione del nostro indice, il
ne di equilibrio, finisce per allontanarsene no- comando, dipende ad ogni istante da una
tevolmente. Si dice allora che l’equilibrio è in- combinazione di posizione e velocità della
stabile. scopa: questo è un feedback che stabilizza la
scopa intorno al suo equilibrio verticale insta-
Adesso, posiamo la scopa sul nostro indice. bile.
Spostando il dito abilmente, si può impedire

Mantenere il controllo ... – 23


Il nostro dito esercita sulla do, è riempito con acqua. L’acqua fluisce at-
scopa una retroazione, nota traverso il foro in un altro contenitore. Si può
anche come “feedback”, in quindi misurare il tempo misurando l’altezza
modo da rendere stabile un dell’acqua nel secondo contenitore. Questo
equilibrio instabile. metodo è stato utilizzato dagli egizi dalla metà
del secondo millennio a.C. Il problema di que-
Questo problema di stabilizzazione della sco- sto dispositivo è che è difficile garantire un
pa è un tipico problema detto di controllo. La flusso costante del primo contenitore al se-
teoria del controllo studia i sistemi su cui si condo: più acqua c’è nel primo contenitore,
può agire tramite un comando. Il comando è maggiore è la velocità, come mostrato in figu-
qui utilizzato per portare il sistema da un dato ra 1. Quindi, il flusso dell’acqua diminuisce nel
stato iniziale ad uno stato finale desiderato no- tempo e il livello dell’acqua nel secondo con-
nostante la presenza di disturbi. Il problema tenitore non è proporzionale al tempo trascor-
della stabilizzazione è una questione centrale so.
della teoria del controllo.
Per superare questo problema, Ctesibio ha
introdotto nel III secolo a.C. il dispositivo mo-
strato in figura 2. Adesso ci sono tre conteni-
Gli orologi ad acqua tori; l’acqua fluisce dal primo contenitore al
di Alessandria secondo e poi dal secondo fino al terzo. È nel
secondo contenitore che si trova il feedback.
Storicamente, uno dei feedback più antichi
Quando il livello dell’acqua nel contenitore 2 è
mai costruiti dall’uomo è quello inventato da
troppo alto, il galleggiante rosso tocca il co-
Ctesibio, un ingegnere greco di Alessandria
perchio verde. Questo impedisce all’acqua di
del III secolo a.C, per orologi ad acqua o cles-
passare dal contenitore 1 al contenitore 2. Vi-
sidre, il cui scopo è quello di misurare il tempo
ceversa, se il livello dell’acqua nel contenitore
che passa, un problema che risale ai primordi
2 è bassa, il galleggiante rosso non ostruisce
della civiltà. Il principio della clessidra è il se-
il flusso d’acqua dal contenitore 1 al conteni-
guente: un primo contenitore, forato sul fon-
tore 2. L’apparecchio è costruito in modo che
la portata dal contenitore 1 al contenitore 2 sia
maggiore di quella dal recipiente 2 al recipien-
te 3, quindi il livello dell’acqua aumenta nel
contenitore 2, fino a che il galleggiante rosso
non sia di nuovo troppo alto. In questo modo
si mantiene un livello quasi costante d’acqua
nel contenitore 2, che assicura un flusso co-
stante dal contenitore 2 al contenitore 3. Il li-
vello dell’acqua nel recipiente 3 dà così una
Figura 1. Quando il livello scende, la portata misura relativamente buona del tempo tra-
diminuisce. scorso.

24 – Matematica, l’esplosione continua


Il primo regolatore to si solleva: questo provoca una riduzione
industriale della fornitura di vapore, e la macchina inizia a
girare più lentamente. Viceversa, se la macchi-
Il primo regolatore utilizzato industrialmente è il na ruota più lentamente di quanto desiderato,
regolatore di James Watt (1736-1819), che il manicotto si muove verso il basso: questo
serve a regolare la velocità di rotazione di un provoca una maggiore apertura della valvola di
motore a vapore. Lo si può osservare in figura immissione, aumentando l’erogazione di vapo-
3 e nello schema 4. Il suo funzionamento è il re, e la macchina inizia a girare più velocemen-
seguente. Quando la macchina è in funzione te. Il regolatore di Watt esercita quindi un
trasmette (con un sistema non mostrato) il suo feedback sul motore a vapore. Questa azione
movimento all’asse del regolatore, che ruota dipende, in ogni momento, dallo stato della
attorno alla verticale ad una velocità propor- macchina a vapore.
zionale alla velocità di rotazione della macchi-
na. La struttura del regolatore è solidale con il È stato solo 80 anni più tardi che la prima ana-
suo asse e ruota quindi alla stessa velocità. lisi matematica di questo tipo di controllo è
Quando la velocità di rotazione aumenta, le stata effettuata da James Clerk Maxwell
due sfere, sotto l’azione della forza centrifuga, (1831-1879). Il regolatore di Watt viene model-
si allontanano dall’asse verticale e il manicotto lato in questo contesto da un’equazione diffe-
rosso si alza. Questo manicotto rosso attraver- renziale.
so un insieme di aste non mostrato, agisce
sulla valvola di immissione del vapore nella Nel mondo di oggi, i regolatori sono onnipre-
macchina. Pertanto, se la macchina ruota più senti. Ad esempio, il termostato di una casa
velocemente di quanto desiderato, il manicot- stabilizza la temperatura della casa vicino al

Figura 2. Grazie al galleggiante rosso, il flusso è adesso costante.

Mantenere il controllo ... – 25


Anche se James Watt è riuscito a regolare la
sua macchina a vapore senza analisi mate-
matica, i due esempi recenti di regolatori che
ora vedremo si basano in modo cruciale sulla
matematica: il primo stabilizza i corsi d’ac-
qua navigabili, il secondo gli stati quantici
fragili.

Le equazioni di Saint-Venant
per gli invasi

I canali navigabili sono costituiti da gore, vale a


dire, da una serie di piccoli canali separati da
paratoie mobili che permettono di agire in tem-
po reale sul livello dell’acqua, e da invasi per il
passaggio delle barche (vedi figura 5). In questi
canali navigabili è importante regolare sia il li-
vello dell’acqua sia la velocità del flusso. Per-
ché? In primo luogo, dobbiamo permettere ai
portacontainer di calcolare il carico massimo
che possono montare a bordo senza correre il
Figure 3. Questo regolatore è installato sulla rischio di toccare il fondo, il che rende neces-
celebre macchina a vapore “Lap” della
sario regolare il livello dell’acqua con precisio-
società Boulton & Watt che risale al 1788
e si trova attualmente presso lo Science
ne, dato che i canali sono spesso poco pro-
Museum a Londra.

valore impostato dall’utente: il termostato re-


gola in tempo reale la posizione della valvola,
che determina se l’acqua nel circuito dei radia-
tori passa dalla caldaia (valvola aperta) o circo-
la nel circuito senza essere riscaldata (valvola
chiusa). Le sospensioni attive delle auto effet-
tuano una stabilizzazione dell’abitacolo attra-
verso un feedback. I droni volanti sono dotati
di feedback che li stabilizzano e li rendono più
Figura 4. Schema del regolatore di Watt.
facili da guidare, ecc.

26 – Matematica, l’esplosione continua


fondi. Inoltre è necessario garantire continuità al XIX secolo. Adhemar-Jean-Claude Barré de
all’approvvigionamento alle centrali elettriche e San Venant è stato uno studente della École
alle industrie che consumano acqua situate Polytechnique e, successivamente, ha inse-
sulle rive, il che richiede una regolazione del gnato matematica presso la École nationale
flusso. des ponts et chaussées. Pubblicò il suo mo-
dello nel 1871, frutto di uno studio sui fiumi in
Il controllo delle paratoie di una piena e sul movimento delle maree negli estua-
gora avviene automaticamente. ri. Si tratta di equazioni alle derivate parziali
Il processo è gestito da un che traducono la conservazione della massa e
algoritmo basato su un mo- della quantità di moto in un fluido.
dello di controllo che descrive
il comportamento dell’acqua Per progettare leggi di controllo che regolino il
negli invasi. comportamento delle paratoie, si utilizza una
quantità rappresentativa del comportamento
Il controllo delle paratoie oggigiorno avviene generale dell’invaso: una funzione di Lyapu-
automaticamente. Il processo è gestito da un nov, cioè una funzione che raggiunge il suo
algoritmo basato su un modello di controllo minimo quando il sistema è nello stato di equi-
che descrive il comportamento dell’acqua ne- librio desiderato. Questo metodo di stabilizza-
gli invasi. Il modello più diffuso è quello delle zione mediante funzioni di Lyapunov è molto
equazioni di Saint Venant. La sua origine risale comune in teoria del controllo. Ha il vantaggio

Figura 5. Paratoie mobili per i canali di controllo. A destra, la paratoia è fuori dall’acqua per una
operazione di manutenzione.

Mantenere il controllo ... – 27


di condurre a dei comportamenti affidabili nei In questo esperimento, i fotoni sono confinati
confronti delle incertezze dovute alla modelliz- fra due specchi superconduttori uno di fronte
zazione e ai disturbi esterni. Inoltre, queste all’altro, formando così una cavità aperta ai lati,
leggi di controllo sono, nel nostro esempio, come mostrato in figura 7. La misurazione si
facili da implementare in pratica. effettua mediante degli atomi che passano uno
dopo l’altro attraverso la cavità, interagendo
Questo metodo di analisi e progettazione del con i fotoni, e misurati in uscita. Per il coman-
controllo dei corsi d’acqua è stato utilizzato, in do, si dispone di una sorgente di luce adatta,
particolare, per l’impostazione delle paratoie usata tra il passaggio di un atomo e l’altro.
del Sambre da parte dell’amministrazione delle (Una descrizione molto più dettagliata di que-
vie idrauliche del Ministero delle Infrastrutture e sto esperimento si trova in particolare sul sito
dei Trasporti della Regione Vallona in Belgio. Si http://www.lkb.ens.fr/Un-asservissement-quantique/
sono potuti constatare dei guadagni di dove vengono anche presentate delle anima-
prestazioni notevoli: l’ampiezza delle variazione zioni basate sui dati sperimentali.)
del livello è stata dimezzata e le perturbazioni
del flusso vengono ammortizzati due volte più I principi della meccanica quantistica condu-
velocemente. cono ad una descrizione probabilistica molto
precisa del modello che collega i segnali di co-
mando e quelli di misura. Questa descrizione
Stabilizzare gli stati matematica, anche se relativamente comples-
quantici di luce usando la sa, permette di determinare un feedback sta-
probabilità bilizzante che ancora una volta si basa su una
funzione di Lyapunov.
L’esperienza che segue è la prima realizzazio-
ne sperimentale di un feedback per un sistema Anche se i modelli utilizzati
quantistico. Si tratta di un passo significativo per i canali di navigazione
verso il computer quantistico, per cui la prote- e gli stati quantici di luce
zione di stati quantici attraverso un feedback sono di natura molto diversa,
sarebbe un metodo efficace per combattere i i loro controlli si basano su
disturbi legati all’ambiente (decoerenza). L’o- metodi matematici analoghi,
biettivo di questo esperimento è di stabilizzare che risalgono al lavoro
certi stati quantici della luce. Questi stati com- fondamentale di Alexander
portano un numero intero e ben definito di fo- Lyapunov sulla stabilità
toni. Questi sono fragili e difficili da osservare
perché molto diversi da quelli della luce che ci Così, anche se i modelli utilizzati per i canali di
circonda. L’obiettivo è di mantenere costante navigazione e quelli degli stati quantici di luce
tale numero di fotoni. Come mostrato in modo sono di natura molto diversa, essendo il primo
schematico in figura 6, dobbiamo superare determinista e con tempo continuo e il secon-
una difficoltà aggiuntiva, in quanto su scala do probabilistico e con tempo discreto, i loro
quantistica, la misurazione modifica il sistema. controlli si basano sui metodi matematici simili

28 – Matematica, l’esplosione continua


la cui origine risale ai lavori fondamentali sulla sono molteplici (equazioni differenziali, equa-
stabilità di Alexander Lyapunov. zioni differenziali alle derivate parziali, processi
stocastici, ...) e la ricerca spesso si svolge
Nei problemi di controllo, il progresso non vie- nell’interfaccia con altre discipline (meccanica
ne quindi solo puramente da invenzioni tecni- dei fluidi, idraulica, meccanica quantistica, ot-
che o sperimentali. Nasce anche dalle ri­ tica quantistica, ...).
cerche astratte della teoria matematica del
controllo. Gli strumenti matematici ivi utilizzati

Figura 6: Gli stati quantici da stabilizzare sono degli stati con un numero intero ben definito di fotoni.
Questi rimbalzano tra i due specchi. La difficoltà per il feedback, qui rappresentato metaforicamente
dalle mani del giocoliere, è che l’osservazione di questi fotoni da parte del giocoliere inevitabilmente
li perturba. Questa retroazione dovuta alla misurazione deve essere messa in conto nella
progettazione del feedback stabilizzante.

Mantenere il controllo ... – 29


Ringraziamenti
Gli autori ringraziano Michel Brune per le figure 6
e 7 che illustrano il controllo degli stati quantici.

Bibliografia Sayrin C., Dotsenko I., Zhou X., Peaudecerf


Coron J.-M., d’Andréa-Novel B., Bastin G., B., Rybarczyk T., Gleyzes S., Rouchon
(marzo 2008). Penser globalement, agir lo- P., Mirrahimi M., Amini H., Brune M.,
calement. La Recherche, n° 417, p. 82-83. Raimond J.-M., Haroche S., (settembre
2011). Real time quantum feedback pre-
Mayr O., (1970). The origins of feedback pares and stabilizes photon number sta-
control. The M.I.T. Press (Cambridge tes. Nature, vol. 477, p. 73-77.
Massachusetts, and London, England),
p. vii +151.

Figura 7. La luce da controllare è un campo elettromagnetico di una frequenza vicina ai 10 GHz,


confinata tra due specchi superconduttori contrapposti come nella figura. In questo modo questi
formano una cavità aperta ai lati. La misura si basa su degli atomi (non mostrati in figura) che
attraversano orizzontalmente la cavità a metà strada tra i due specchi. Questi atomi interagiscono
con il campo elettromagnetico e vengono misurati all’uscita. Per il comando, si dispone di una
sorgente elettromagnetica vettoriale regolabile (non mostrata in figura) che, dopo ogni atomo,
illumina la cavità come un flash.

30 – Matematica, l’esplosione continua


Il teorema di Green-Tao
e altri segreti
dei numeri primi
Michel Waldschmidt, professore emerito presso l’Università Pierre et Marie Curie

Anche se i matematici se ne sono interessati fin dai tempi antichi, i nu-


meri primi continuano ad affascinare. Sommandoli o sottraendoli tra
loro, si trova una miniera di problemi, alcuni dei quali sono rimasti
aperti a lungo o restano ancora irrisolti.

Ottenere tutti i numeri interi positivi utilizzando fondamentale dell’aritmetica. Per esempio
soltanto i simboli + e 1 è facile: basta scrivere 4200 = 2 × 2 × 2 × 3 × 5 × 5 × 7.
qualsiasi intero n > 0 nella forma 1 + 1  + …
+ 1 con n volte il simbolo 1 e (n-1) volte il
simbolo + . Numeri grandi
a piacere
Sostituiamo l’addizione con la moltiplicazione
e il simbolo + con il simbolo × (o •) . Per scri- La lista dei numeri primi inizia con 2, 3, 5, 7,
vere tutti i numeri interi positivi come prodotto, 11, 13, 17, 19, 23, 29, 31, 37, ...
abbiamo quindi bisogno di mattoni elementari L’inizio di questa lista si trova nell’enciclopedia
che svolgono il ruolo che 1 ha per l’addizione. delle sequenze dei numeri interi, che è una mi-
Questi mattoni sono i numeri primi, quelli che niera di informazioni per questo tipo di que-
non possono essere scritti come il prodotto di stioni. I numeri superiori a 1 che non sono nu-
numeri interi più piccoli. Ogni numero intero meri primi sono chiamati composti. La loro
maggiore o uguale a 2 è il prodotto, in modo lista inizia con 4, 6, 8, 9, 10, 12, 14, 15, 16, ...
univoco (a meno di permutazioni) di numeri pri-
mi: questo è quello che si chiama il teorema

Il teorema di Green-Tao e altri segreti dei numeri primi – 31


Proprietà additive
sorprendenti

I numeri primi sono stati introdotti in aritmetica


per la moltiplicazione, come abbiamo appena
visto. Studiare le loro proprietà additive può
sembrare una strana idea. Tuttavia, questo ci
conduce ad alcuni problemi profondi, il cui stu-
dio ha portato a teorie molto elaborate e di
grande ricchezza, che richiedono l’utilizzo di
sofisticati strumenti matematici. Ma la cosa più
affascinante di questa teoria è che essa conti-
nua ad essere sviluppata. Essa ha permesso
di risolvere un grande numero di questioni che
sono rimaste aperte per lungo tempo, ma non
è ancora abbastanza potente per rispondere
ad alcune domande che tuttavia sono facili da
porre.
Questo secondo elenco contiene tra l’altro tut-
ti i numeri pari a partire da 4. È facile scrivere Sommiamo due numeri primi tra loro; si otten-
un numero composto grande quanto voglia- gono i seguenti valori:
mo. Invece, la scrittura (ad esempio nella for-
p 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37...
ma decimale) di un numero primo grande a
p + 2 4, 5, 7, 9, 13, 15, 19, 21, 25, 31, 33, 39…
piacere è una operazione che non sappiamo
p + 3 5, 6, 8, 10, 14, 16, 20, 22, 26, 32, 34, 40…
effettuare.
p + 5 7, 8, 10, 12, 16, 18, 22, 24, 28, 34, 36, 42…
p + 7 9, 10, 12, 14, 18, 20, 24, 26, 30, 36, 38, 44…
Il più grande numero primo noto in modo espli- p + 11 13, 14, 16, 18, 22, 24, 28, 30, 34, 40, 42, 48…
cito (dal 2 Maggio 2013) è 257 885 161-1 che ha … …
17 425 170 cifre in base dieci. Se scrivessimo
tutte queste cifre con due cifre per centimetro, Gli unici numeri dispari che possiamo trovare
la scrittura del numero si estenderebbe per ol- in questa tabella sono riportati nella prima
tre 87 km! riga (quella che dà i p + 2 ) e sulla prima co-
lonna (quella che dà i 2 + p , poiché la tabella
Eppure sappiamo da Euclide, che la lista dei è simmetrica). Infatti, la somma di due nume-
numeri primi non si ferma mai: esiste un nu- ri dispari è necessariamente un numero pari.
mero infinito di numeri primi. I numeri primi Dato che 2 è l’unico numero primo pari, le
sono quindi un esempio di successione che uniche somme di due numeri primi dispari
sappiamo essere infinita, ma per la quale non sono quelli che coinvolgono l’aggiunta di 2
sappiamo esplicitare degli elementi grandi a ad un primo dispari; tutte le altre somme
piacere. sono numeri pari.

32 – Matematica, l’esplosione continua


Una cosa notevole è che sembra si possano La differenza tra due numeri
ricavare da questa tabella tutti i numeri pari primi: una fonte di domande
maggiori di 4. Molti numeri pari si possono appassionanti
esprimere in vari modi, ad esempio,
10 = 5 + 5 = 3 + 7; 14 = 7 + 7 = 3 + 11... Un modo diverso per accoppiare i numeri primi
rispetto all’addizione è quello di studiare la dif-
ferenza tra numeri primi consecutivi.

Che tutti i numeri maggiori


La lista dei numeri primi è
o uguali a 4 possano essere
p1, p2, p3, ...) = (2, 3, 5, 7, 11, 13, 17, 19, 23,
scritti come somma di due
29, 31, 37,...) e la lista ( pn –  pn – 1) delle diffe-
numeri primi è un problema
renze tra due numeri primi consecutivi inizia
ancora aperto.
con 1, 2, 2, 4, 2, 4, 2, 4, 6, 2, 6 ...
Che tutti i numeri pari maggiori o uguali a 4
possano essere scritti come somma di due nu- È facile vedere che a parte il primo valore, 1,
meri primi è chiamato problema binario di tutti gli altri sono numeri pari: questo ancora
Goldbach; è stato proposto da Eulero in rispo- una volta è dovuto al fatto che 2 è l’unico nu-
sta ad una lettera di Goldbach risalente al mero primo pari. Ci sono un infinità di 2 in que-
1742, in cui Goldbach suggeriva che qualsiasi sta lista? Non lo sappiamo ancora; è la con-
numero intero maggiore o uguale a 7 è​​ la som- gettura dei primi gemelli, che afferma: c’è
ma di tre primi. Quest’ultimo risultato, più de- un’infinità di numeri primi p con la proprietà
bole del problema binario di Goldbach, è stato che p + 2 è anch’esso primo.
annunciato da Harald Helfgott nel maggio
2013. Ma il problema binario di Goldbach è Sappiamo che le differenze tra due numeri pri-
ancora aperto ed è stata la fonte di molte ricer- mi consecutivi della successione di numeri pri-
che per quasi tre secoli. Questo è un problema mi non è limitata: ci sono “buchi” grandi a pia-
difficile, che ha dato luogo a teorie sofisticate cere (lo studio dei “buchi” nella successione
che hanno altre applicazioni. Possiamo citare dei numeri primi risale a Legendre e Gauss).
ad esempio il problema della teoria additiva dei Sappiamo anche stimare l’ordine di grandezza
numeri, che studia gli interi appartenenti ad un media di tali buchi, grazie al Teorema dei nu-
insieme dato (qui i numeri primi). meri primi, dimostrato nel 1896 da Hadamard
e da la Vallée Poussin. La leggenda racconta
che il matematico che riuscisse a dimostrare
questa congettura diventerebbe immortale. In
qualche modo Jacques Hadamard (1865-
1963) e Charles de la Vallée Poussin (1866-
1962) hanno lasciato il loro nome nella storia
con il loro teorema, ma hanno anche quasi
avverato la previsione, dal momento che sono
morti dopo quasi un secolo di vita.

Il teorema di Green-Tao e altri segreti dei numeri primi – 33


Di recente, sono stati compiuti nuovi progressi costante. Questo valore è la ragione della pro-
sulla questione dei buchi tra due numeri primi. gressione aritmetica.
Il postulato di Bertrand, dimostrato da
Chebyshev nel 1850, afferma che tra un nu- Per esempio la successione 5, 11, 17, 23, 29
mero intero e il suo doppio c’è sempre un nu- è una progressione aritmetica di 5 termini di
mero primo. ragione 6.

Anziché raddoppiare, cioè usare il fattore 2, La successione 7, 37, 67, 97, 127, 157 è una
possiamo prendere qualsiasi fattore c > 1 : per progressione aritmetica di 6 termini di ragione
n sufficientemente grande, vi è sempre un pri- 30 e la successione 199, 409, 619, 829, 1039,
mo p tra n e cn. Questo dà già informazioni 1249, 1459, 1669, 1879 , 2089 è una progres-
sulle differenze tra elementi consecutivi della sione aritmetica di 10 termini di ragione 210. In
successione dei numeri primi. Il teorema dei questi esempi, i termini di queste successioni
numeri primi implica più precisamente che la sono tutti dei numeri primi.
differenza tra l’n-esimo numero primo pn e il
successivo pn + 1 è nell’ordine di grandezza di Esistono progressioni aritmeti-
log pn, il logaritmo naturale di pn. che lunghe a piacere costituite
unicamente da numeri primi?
Nel 2013, Yitang Xang ha dimostrato che esi-
stono infinite coppie di numeri primi la cui dif- La progressione aritmetica più lunga nota
ferenza è inferiore a 70 milioni. esplicitamente composta solo da numeri primi
contiene 26 termini, la cui ragione è il prodotto
Ciò è ancora lontano da quello che ci aspette- di 23 681 770 per 223 092 870; è la succes-
remmo pensando alla congettura dei primi ge- sione 43 142 746 595 714 191 + 223 092 870
melli esposta sopra, secondo la quale la diffe- ⋅ 23 681 770 ⋅ n con n che varia da 0 a 25.
renza tra due numeri consecutivi nella lista dei Essa è stata scoperta da Bonoît Perichon.
numeri primi dovrebbe essere 2 infinite volte.
Ma questo è un considerevole miglioramento Esistono progressioni aritmetiche lunghe a
rispetto a quello che sapevamo prima. piacere composte unicamente da numeri pri-
mi? Per molto tempo questo problema è rima-
sto aperto, era dunque una sfida in più per i
Progressioni aritmetiche matematici. È stato un lavoro di collaborazione
trai matematici Ben Green e Terence Tao che
Lo studio delle differenze tra numeri primi può alla fine ha portato alla soluzione nel 2004. Il loro
essere generalizzato in un altro modo, studian- teorema afferma che sì, ci sono progressioni
do progressioni aritmetiche composte da nu- aritmetiche di lunghezza grande a piacere, com-
meri primi. Una successione di numeri forma poste da numeri primi soltanto. La loro dimo-
una progressione aritmetica se la differenza tra strazione non è costruttiva, vale a dire, non ci
due termini consecutivi della successione è dice come costruire una tale successione!

34 – Matematica, l’esplosione continua


Ben Green Terence Tao

Per approfondire Su Internet

Tenenbaum G., Mendès-France M., http://www.mersenne.org/


(1997). Les Nombres premiers; Presses http://primes.utm.edu/largest.html
Universitaires de France (PUF), coll. Que https://oeis.org/
Sais-je?.
Il blog di Terence Tao:
Ribenboim P., (2000). Nombres premiers: http://terrytao.wordpress.com/
mystères et records; Presses Universitaires
de France (PUF), coll. Mathématiques.

Hardy G.H., Wright E.M., (2008). An


Introduction to the Theory of Numbers;
Oxford Science Publications, sixth ed.
Oxford: Oxford University Press. Revised
by D. R. Heath-Brown and J. H. Silverman,
With a foreword by Andrew Wiles.

Il teorema di Green-Tao e altri segreti dei numeri primi – 35


Sylvia Serfaty, professore presso Université Pierre et Marie Curie

La superconduttività, la capacità di un metallo di far passare la corrente


elettrica senza perdita di energia, può avere applicazioni sorprendenti.
Lo studio di questo fenomeno coinvolge vari settori della matematica,
come il calcolo delle variazioni, le equazioni alle derivate parziali, l’ana-
lisi asintotica. Ad esso sono associati diversi problemi aperti.

La superconduttività ha appena festeggiato posto ad un campo magnetico esterno, provo-


100 anni. Più precisamente, è stato nel 1911 ca un chiaro effetto respingente. Questo è
che il fisico olandese Heike Kamerlingh Onnes chiamato effetto Meissner.
ha scoperto che, una volta raffreddato ad una
temperatura molto vicina allo zero assoluto, il
mercurio perde completamente la sua resi-
stenza elettrica: in altre parole, si osserva cir-
colare su di esso delle correnti elettriche inde-
finitamente, senza dissipazione d’energia o di
perdita di calore.

Levitazione e vorticosità

La superconduttività, che riguarda molti metal-


li e leghe, provoca altri fenomeni inconsueti, in
particolare in risposta ad un campo magneti- Figura 1. Un superconduttore levita
co. Quando un superconduttore, raffreddato al sopra un magnete: l’effetto Meissner.
Copyright: J. Bobrov
di sotto della sua temperatura critica, è sotto-

La superconduttività – 37
Una delle conseguenze più sorprendenti di campo critico, i vortici divengono così fitti tra
questo effetto è che un magnete posto so- loro che non vi è più spazio per la fase super-
pra un superconduttore è sottoposto ad conduttiva, e il materiale torna ad assumere il
una forza magnetica che lo respinge: si os- suo stato normale.
serva il magnete levitare sopra il supercon-
duttore! Un magnete posto sopra
un superconduttore è
Tuttavia, quando certi materiali supercondut- sottoposto ad una forza
tori sono sottoposti ad un campo magnetico magnetica che lo respinge:
più intenso, la situazione cambia: oltre una si osserva il magnete
certa soglia, chiamata primo campo critico, il levitare sopra
campo magnetico comincia a penetrare in cer- il superconduttore!
ti punti, e là dove si insinua, si formano dei vor-
tici, che sono come dei mini-cicloni, al cui cen-
tro si ha lo stato normale (non-superconduttore) Un enorme potenziale
circondati dalla fase superconduttrice e attor- in termini di applicazioni
no ai quali ruotano degli anelli di corrente su-
perconduttrice. Più il campo applicato è eleva- Le applicazioni della superconduttività sono
to, più i vortici si infittiscono. All’aumentare del potenzialmente enormi. Infatti, questo feno-
loro numero, si organizzano in perfetti reticoli meno in linea di principio permette di traspor-
esagonali a nido d’ape (vedi foto). Tuttavia, su- tare correnti molto elevate senza perdita di
perata una certa intensità, chiamata secondo energia. Già oggi, i treni a levitazione magne-
tica, come il giapponese Maglev, sono basati
sulla superconduttività. Questi treni sono do-
tati di bobine superconduttrici che permetto-
no loro di scivolare senza attrito, levitando al
di sopra di rotaie magnetizzate. I supercon-
duttori sono utilizzati anche per generare
campi magnetici di forte intensità, facendo
fluire correnti elevate, come ad esempio nel
nuovo acceleratore di particelle LHC di
Ginevra. Vengono inoltre utilizzati per rilevare
campi magnetici molto deboli; questo trova
impiego, tra l’altro, nei sottomarini, nelle
immagini medicali, nel rilevamento di oggetti
nascosti e nei nano-circuiti. Al momento, le
limitazioni principali sono dovute al fatto che i
Figura 2. Vortici organizzati in rete
di Abrikosov, foto di H.F. Hess et al., superconduttori necessitano di essere dotati
Bell Labs, Phys. Rev. Lett. 62, 214 di sistemi per il raffreddamento a temperatu-
(1989) re molto basse, il che è costoso e riduce le

38 – Matematica, l’esplosione continua


loro applicazioni. I fisici in collaborazione con tà, ma è solo negli anni ‘50 che è nata la teo-
i chimici, continuano ad esplorare la possibili- ria di Ginzburg e Landau, ad oggi quella più
tà di sintetizzare delle sostanze chimiche che universalmente accettata, che descrive la
risultino dei superconduttori a temperature comparsa della superconduttività e il com-
più elevate. portamento dei superconduttori in presenza
di campo magnetico. Questa teoria descrive
un superconduttore mediante due “funzioni”
Un po’ di fisica quantistica che indicano il suo stato locale: una funzione
d’onda Ψ e un campo magnetico A, ciascuno
Cosa dovrebbe succedere all’interno di un dipendente dal punto del campione nel quale
materiale che diventa superconduttore a bas- ci poniamo.
se temperature? Solo la fisica quantistica può
spiegarlo. In un metallo normale, gli elettroni si A queste due funzioni è associato, attraver-
comportano come onde diffuse su ciascun so una formula esplicita, un numero unico,
atomo, indipendenti le une dalle altre. Quando dipendente dall’intensità del campo appli-
il metallo diventa superconduttore a bassa cato, e che fornisce quella che viene chia-
temperatura, gli elettroni si legano a coppie, mata l’energia di Ginzburg-Landau. Gli stati
dette coppie di Cooper. Approssimativamen- stabili del sistema, quelli che si osservano
te, queste coppie di elettroni si mettono nello a riposo, sono quelli per cui l’energia
stesso stato quantico a formare un’unica Ginzburg-Landau è minima. Nel 1956, la
onda, proprio come i pesci in un banco. Que- teoria BCS di Bardeen, Cooper e Schrieffer
sto comportamento collettivo degli elettroni ha completato la teoria di Ginzburg e Lan-
permette loro di passare attraverso il materiale dau, spiegando la superconduttività a parti-
senza essere sensibili agli ostacoli e quindi la re dal livello quantico, mediante la formazio-
resistenza elettrica scompare. La condensa- ne di coppie di Cooper.
zione in un unico stato quantico è esattamente
ciò che avviene anche per gli atomi nei super-
fluidi (come per l’elio liquido a bassa tempera-
tura) o i condensati di Bose-Einstein, previsti Dove interviene
da Einstein e recentemente osservati speri- la matematica in tutto
mentalmente. Superfluidi e condensati sono questo?
due tipi di liquidi che perdono la viscosità a
temperature molto basse, da cui il nome di li- L’energia di Ginzburg-Landau, che è una fun-
quidi superfluidi. Quando si mette un liquido zione di stato del sistema, costituisce una
superfluido in rapida rotazione, si osserva, sorta di funzione matematica. Inoltre, in
come nei superconduttori, la formazione di modo non così sorprendente, questa è quasi
vortici. la stessa funzione matematica che descrive
l’energia di un superfluido o di un condensa-
Negli anni ‘30 il fisico London ha fornito il pri- to di Bose-Einstein in rotazione. Si può dun-
mo modello descrittivo della superconduttivi- que fingere di dimenticare il modello fisico da

La superconduttività – 39
cui questa energia proviene e guardarla con I matematici sanno dire, per
occhio matematico, studiandola come una esempio, come i vortici si
funzione matematica, con l’aiuto di dimostra- disporranno sotto l’influenza
zioni, ottenendo in un solo colpo dei risultati di una corrente applicata,
validi in ciascuno di questi tre problemi fisici. problema importante poiché i
Ci si domanda allora: qual è il valore minimo movimenti dei vortici pro-
di questa funzione? Quali sono gli stati che vocano una dissipazione di
raggiungono questo minimo? Come variano energia.
a seconda del valore del campo applicato?
Possiamo predire l’insorgenza di vortici (ca- Ma torniamo a quella famosa energia di
ratterizzati come i punti in cui la funzione Ψ Ginzburg-Landau: come fare per sapere se
vale 0) e le loro posizioni? questa energia, originariamente proposta sen-
za riscontri sperimentali, costituisce un buon
Questo tipo di domande si pone per tutti i tipi modello per descrivere la superconduttività?
di energia che provengono dalla fisica, così Più precisamente, si vuole capire se questa
come dall’ingegneria, dall’economia ecc., predice matematicamente lo stesso compor-
dove si cerca di minimizzare certi costi (o, nel tamento di quello osservato negli esperimenti.
caso dell’economia, di massimizzare il guada- Lo stesso problema si presenta per qualsiasi
gno o una funzione utilità) e dove si vuole capi- modello fisico: lo studio matematico dapprima
re quali sono gli stati o le configurazioni ottima- aiuta a validare il modello, successivamente
li. In matematica, questa è chiamata la teoria permette di predire il comportamento del si-
del calcolo delle variazioni, che risale a Ber- stema fisico con maggiore dettaglio e in quelle
noulli, Eulero e Lagrange, che ci dice quando situazioni che non sono, ad esempio, accessi-
siamo in grado di garantire l’esistenza di un bili sperimentalmente! In questo modo, il fisico
optimum, e di descriverlo. Di solito, questo Abrikosov, poco dopo l’introduzione del mo-
viene caratterizzato mediante una equazione dello di Ginzburg e Landau, ha fatto dei calco-
alle derivate parziali, che altro non è che una li, piuttosto formali, che lo hanno portato a dire
relazione esatta tra la funzione di stato (che che il modello dovrebbe avere soluzioni con
dipende dalla posizione del campione) e le sue vortici organizzati periodicamente e a predire
derivate. I matematici hanno sviluppato da più che questo dovrebbe essere riscontrato speri-
di un secolo una vasta teoria e una classifica- mentalmente. I fisici hanno in seguito cercato
zione di queste equazioni differenziali alle deri- di osservare tali situazioni e hanno effettiva-
vate parziali. Anche se rimangono molte do- mente scoperto la disposizione dei vortici a
mande difficili, sappiamo dire molto bene reticolo esagonale, come si vede nella foto a
quali di esse hanno soluzione, come si com- pagina 38 (Figura 2). Queste disposizioni sono
portano qualitativamente nello spazio e nel state chiamate reti di Abrikosov.
tempo, ecc.
Rispetto alla fisica e al calcolo simbolico, la
matematica apporta tutto il rigore e la precisio-
ne del metodo ipotetico-deduttivo. Da questo

40 – Matematica, l’esplosione continua


punto di vista, il modello Ginzburg-Landau è sofia, che è molto generale, è di arrivare a ri-
già ampiamente convalidato matematicamen- durre un complicato problema di minimizzazio-
te. In effetti, siamo in grado di dimostrare per ne (in uno spazio ad infinite dimensioni) ad un
quali valori (detti critici) del campo magnetico problema più semplice, con un minor numero
applicato appaiono dei vortici nei minimi dell’e- di dimensioni (vale a dire, con meno parametri
nergia, quanti ce ne sono, e come si dispon- possibili da considerare). La difficoltà è quella
gono mediamente. Si ritrova e si precisa in di giustificare rigorosamente questa semplifi-
questo modo il comportamento osservato o cazione (in qualche modo, di dimostrare che è
calcolato dai fisici. I matematici sanno dire, per “legale”) e dare la formula esplicita per l’ener-
esempio, come i vortici si disporranno sotto gia ridotta.
l’influenza di una corrente applicata, problema
importante, poiché i movimenti dei vortici pro-
vocano una dissipazione di energia. La miglior disposizione
possibile

Analisi asintotica Solo molto di recente siamo riusciti ad esplici-


tare, dalla Ginzburg-Landau, la formula dell’e-
Nell’analisi matematica della superconduttività nergia semplificata, che disciplina la distribu-
intervengono quindi il calcolo delle variazioni, zione e la ripartizione dei vortici. Questa
la teoria delle equazioni alle derivate parziali, la energia non è sconosciuta né ai fisici, né ai
teoria spettrale, ma anche, e soprattutto, un matematici: essa corrisponde ad una intera-
altro ingrediente chiamato analisi asintotica. zione di tipo elettrostatico tra i vortici. Essi per-
Nei superconduttori, il comportamento del tanto si comportano come delle cariche elettri-
vortice dipende da una costante K, chiamata che puntiformi che si respingono tra loro, ma
parametro Ginzburg-Landau, che è specifico che sono limitate allo stesso tempo da una
per ogni materiale che compare in modo natu- forza esterna (la forza del campo magnetico
ralmente nel calcolo dell’energia Ginzburg- applicato). È la competizione tra questi due ef-
Landau. Infatti, è solo nei materiali per i quali fetti a dettare la loro distribuzione. Per fare
questa costante è sufficientemente grande un’analogia, immaginiamo molte persone che
che i vortici fanno la loro comparsa. si detestano, ma sono costrette a stare tutte
insieme nella stessa stanza: qual è il modo mi-
L’idea di analisi asintotica è quindi di “portare gliore di posizionarsi per rimanere più lontani
all’estremo” questo comportamento: se si è in- possibile gli uni dagli altri?
teressati a quei materiali dove i vortici appaiono
– cioè per i quali questa costante è grande – Questo problema non si limita alla supercon-
perché non guardare ciò che accade quando duttività: è in effetti un tipo di domanda comu-
la si rende infinitamente grande matematica- ne in natura. Perché gli atomi in un cristallo si
mente? Questa idea risulta effettivamente es- dispongono proprio secondo un reticolo cri-
sere molto fruttuosa nell’analisi di equazioni o stallino (in generale cubico), vale a dire in
di energie provenienti da modelli fisici. La filo- modo periodico? Di nuovo, è la somma di tut-

La superconduttività – 41
te le interazioni elettrostatiche tra gli atomi, e La migliore configurazione
tra gli atomi e gli elettroni, a dettarne la dispo- per delle sfere rigide identiche
sizione. Possiamo misurare il costo di ogni in un piano, come le palle da
distribuzione tramite una energia, per la quale biliardo, è la rete esagonale
si suppone che il minimo venga proprio rag- (in dimensione 3, allo stesso
giunto da una tale disposizione in rete. Ahimè, modo in cui le arance vengo-
non si sa dimostrare che queste strutture cri- no impilate sul banco di un
stalline sono quelle che minimizzano questa fruttivendolo!)
energia, anche se le osserviamo chiaramente
in natura ... Il solo caso in cui sappiamo dimo-
strare qualcosa di simile è quando cerchiamo
la migliore distribuzione di palline rigide identi-
che in un piano, come le palle da biliardo,
quando se ne vuole mettere il più possibile in
una unità di volume. In questo caso, è stato
dimostrato assai di recente che la migliore
configurazione è un reticolo esagonale (in 3
dimensioni, allo stesso modo in cui le arance
vengono impilate sul banco del fruttivendolo!)

Questioni di periodicità come queste sono


quindi generali, fondamentali in natura, e co-
stituiscono una vera e propria sfida matemati-
ca. Nel caso della repulsione elettrostatica
che governa l’interazione tra vortici in
Ginzburg-Landau, si pensa che la soluzione
migliore sia di nuovo il reticolo esagonale, di
nuovo la famosa rete di Abrikosov! Ma per il
momento, non si riesce a dimostrarlo rigoro-
samente. La Ginzburg-Landau non ha quindi
ancora rivelato tutti i suoi segreti ...

42 – Matematica, l’esplosione continua


I(n)spirazione
matematica:
la modellizzazione del polmone

Céline Grandmont, direttrice di ricerca presso Inria

Il nostro sistema respiratorio, per la sua complessità, è un eccellente og-


getto per l’indagine matematica. Il funzionamento del sistema respirato-
rio è descritto da equazioni che vengono utilizzate per eseguire simula-
zioni che completano le sperimentazioni e permettono di comprendere
meglio e di prevedere i fenomeni che si verificano quando respiriamo.

Quali sono i fenomeni fisiologici che si veri­ L’albero bronchiale:


ficano durante un attacco d’asma? Dove si una geometria complessa
depositano nei polmoni gli aerosol terapeu­
tici o le particelle inquinanti emesse dai gas La respirazione coinvolge molti fenomeni fi­
di scarico? Qual è il modo migliore per ven­ sici, in scale molto diverse. La funzione
tilare un paziente che ha bisogno di assi­ principale del sistema respiratorio è quella
stenza respiratoria? In che modo enfisema di garantire lo scambio di gas tra aria e san­
o fibrosi, malattie del tessuto polmonare, gue. L’aria inspirata attraverso il naso, o la
alterano la ventilazione e la diffusione bocca, viene poi trasportata nelle vie respi­
dell’ossigeno nel sangue? ratorie: faringe, laringe, trachea, bronchi ...
L’albero bronchiale umano possiede una
Tutte queste domande interessano i medici geometria molto complessa: si presenta in
– pneumologi, allergologi – i biologi, gli stu­ forma di un albero diadico (in cui ogni ramo
diosi di meccanica dei fluidi, ma anche i ma­ si divide in due e così di seguito) con circa
tematici, che cercano di fornire alcune ri­ 23 livelli di biforcazione e ogni generazione
sposte. è costituita da condotti più piccoli dalla pre­

I(n)spirazione matematica: la modellizzazione del polmone – 43


cedente, con lunghezze che diminuiscono bero (da questo punto di vista, il polmone
da 10 cm (trachea) a 1 mm (gli ultimi bron­ assomiglia a un mantice).
chioli respiratori). Questo albero è circonda­
to da un materiale viscoelastico, il parenchi-
Non sappiamo necessariamente
ma polmonare, consistente tra l’altro di
misurare sperimentalmente
elastomero, di fibre di collagene e di una
tutte le quantità desiderate
rete di vasi sanguigni.
e non possiamo ripetere gli
esperimenti all’infinito per
confutare o confermare certe
ipotesi. Per questo motivo può
essere utile fare un modello.

Descrivere e comprendere il trasporto di


aria, o il deposito di particelle, in questa
geometria complessa, e in tutta la sua gene­
ralità, può rivelarsi difficile. Non sappiamo
necessariamente misurare sperimentalmen­
te tutte le grandezze desiderate e non pos­
siamo ripetere gli esperimenti all’infinito per
confutare o confermare certe ipotesi. Que­
Figura 1. Modello di polmone umano. sto è il motivo per cui può essere utile mo­
Istituto d’Anatomia dell’Università di Berna, dellizzare – vale a dire, in questo contesto,
Prof. Ewald R. Weibel. descrivere con equazioni e effettuare delle
simulazioni al computer – in un modo sem­
plice, ma rappresentativo, eventi specifici,
La prima parte dell’albero bronchiale, fino come la variazione di volume polmonare glo­
alla quinta generazione, è puramente con­ bale durante i cicli della respirazione. Si può
duttrice e ha per funzione principale il tra­ anche cercare di descrivere con maggiore
sporto dell’aria. Successivamente, degli al­ dettaglio una particolare area, ad esempio la
veoli sono innestati sui bronchioli e porzione superiore (detta prossimale) dell’al­
consentono lo scambio di gas (ossigeno e bero, al fine di ottenere una mappatura del
anidride carbonica) con i capillari sanguigni, flusso d’aria in questa re­gione.
i quali foderano l’esterno con circa 300 mi­
lioni di alveoli. Il movimento dell’aria in que­ La modellizzazione, naturalmente, dipenderà
sta rete di tubi è assicurato dal diaframma e dalle necessità che la motivano. Potrebbe trat­
dalla gabbia toracica, i veri motori della re­ tarsi di capire un meccanismo globale e l’effet­
spirazione. Questo si traduce, durante l’i­ to che certe patologie hanno su questo mec­
spirazione, in aumento del volume polmo­ canismo, oppure per ottenere una descrizione
nare, il quale induce una differenza di tridimensionale del flusso, ad esempio per
pressione tra la bocca (o il naso) e gli alveo­ prevedere in quali aree dell’albero si deposita­
li polmonari, creando un flusso d’aria nell’al­ no delle particelle curative o inquinanti.

44 – Matematica, l’esplosione continua


Un modello semplificato ... alveolare Pa e quella alla bocca Patm. La co­
stante di proporzionalità è la resistenza R
Riprendiamo l’immagine del mantice. Im­ dell’albero bronchiale al flusso (la resistenza
maginiamo di cercare di riprodurre i risultati dipende dalle dimensioni del tubo e dalla
di un esperimento di spirometria (dal latino viscosità del fluido, in particolare, più il tubo
spiro, respirare, e dal greco metron, misura: è lungo e sottile e più è difficile far passare
misurazione della respirazione). In questo l’aria all’interno). Questa può essere espres­
esperimento, al paziente viene chiesto di sa da un’equazione chiamata Legge di Poi­
inspirare ed espirare più forte possibile e seuille dal nome del medico francese che
viene misurato il volume respirato, che indi­ l’ha stabilita nel 1844, nella quale si afferma:
cheremo con V, e il flusso associato (che ·
Patm – Pa = RV
non è altro che il tasso di variazione di volu­
·
me nel tempo), che indicheremo con V.
Inoltre il volume del “palloncino” dipende
dall’elastanza dei tessuti (indicata con E) e
dalle forze ad esso applicate (nel nostro caso
dalla pressione alveolare Pa e dalla pressione
P esercitata dalla membrana). Questo è
espresso da un’altra equazione che traduce
l’equilibrio elastico del palloncino:

Pa – P = EV

Infine, combinando le due equazioni, si


ottiene:
Figura 2. Evoluzione del volume di
·
respirazione nel tempo (da S. Martin, Patm – P = RV + EV
T. Similowski, C. Straus, B. Maury, ESAIM
Proc., Vol. 23, 2008, p. 30-47)
che descrive l’evoluzione nel tempo del
volume del palloncino.

Supponiamo di voler descrivere il compor­ Si tratta di un’equazione differenziale, poiché


tamento globale della dinamica dei volumi fa intervenire sia il volume V che la sua
di respirazione (vale a dire come cambia ·
variazione V, lineare, per la quale sappiamo
questo volume respirato nel tempo). Il mo­ calcolare esplicitamente la soluzione.
dello matematico più semplice, ampia­
mente utilizzato, che possiamo applicare è Per sfruttare tale modello, per quanto
quello che è chiamato il modello monocom- semplice sia, bisogna trovare i valori dei
partimento. In questo modello, noto ed uti­ parametri che sono la resistenza delle vie
lizzato da lungo tempo, il flusso d’aria è aeree, l’elastanza dei tessuti e la pressione
proporzionale alla differenza tra la pressione esercitata.

I(n)spirazione matematica: la modellizzazione del polmone – 45


Questa ricerca dei giusti parametri può ... che può essere arricchito
essere fatta “a mano” o, se siamo in grado
di misurare la pressione esercitata, in modo Anche se si è interessati soltanto ad una di­
sistematico mediante metodi matematici al namica globale del volume, questo modello
fine di produrre la soluzione più precisa del semplificato non tiene conto di tutti i feno­
volume misurato. meni che possono avere un impatto su ciò
che si sta cercando di misurare. In partico­
Aggiustarli a “mano” significa provare diver­ lare, l’espansione polmonare è limitata dalla
si valori dei parametri per riprodurre le mi­ cassa toracica, l’albero bronchiale si defor­
gliori misure di flusso di volume, in accordo ma durante i cicli di respirazione, la resi­
con i dati sperimentali. Se la pressione eser­ stenza al flusso aumenta con la velocità... È
citata è misurabile, è anche possibile risol­ quindi necessario arricchire il modello.
vere un problema di minimizzazione, dove si
cercano R ed E che minimizzano la differen­ Si può immaginare che la resistenza R e
za tra la pressione misurata Pm e la pressio­ l’elasticità E dipendano dal volume V e dal
·
ne P data dall’equazione: flusso V. Ma tenendo conto di questa di­
pendenza, giungiamo a una equazione per
·
P = Patm – RV – EV la quale non sappiamo più esplicitamente
· calcolare la soluzione. Tuttavia, siamo in
dove V e V sono dati sperimentalmente. grado di dire se una tale soluzione esiste e
di fornire dei metodi per calcolarne un’ap­
Così, una volta “aggiustati” i parametri, prossimazione. Il lavoro del matematico
risolvendo la nostra equazione differenziale, applicato è quindi quello di comprendere il
si ottiene una formula matematica che comportamento delle soluzioni e calcola­
esprime il volume in funzione del tempo e di re, al variare del tempo e con l’ausilio del
Patm, Pa, P e E: computer, il volume di respirazione.

E
− t t P atm − P ( s ) ER ( s−t ) Se la soluzione del modello matematico e
V (t ) = V (0 )e R
+∫ e ds
0 R numerico è vicina alla sperimentazione spi­
rometrica, allora il modello è “buono”: si
può in seguito “giocare” con i parametri e
farli variare per riprodurre o per capire i fe­
nomeni in gioco. La resistenza R aumenta
durante un attacco d’asma, l’elastanza E
del tessuto diminuisce in caso di enfisema.
Possiamo quindi contribuire ad una pro­
spettiva diversa da quella delle misure spe­
rimentali ed aiutare a rispondere a domande
quali:

46 – Matematica, l’esplosione continua


In che modo un enfisema o una crisi d’a- periore dell’albero respiratorio (fino alla de­
sma  influenzano globalmente la ventila- cima generazione). Chiamiamo questa
zione? zona Ω .

Ovviamente, un tale modello non può spie­


gare il flusso di aria in tutta la sua comples­
sità e non permette di conoscere la veloci­
tà dell’aria nella trachea o nei piccoli
bronchi. Ciò non di meno, se cerchiamo di
descrivere il comportamento dell’aria in
ciascun punto dell’albero bronchiale, l’ap­
proccio del matematico applicato sarà lo
stesso: determinare un sistema di equazio­
ni capace di spiegare il più fedelmente
possibile la realtà, capire tali equazioni e le
proprietà delle loro soluzioni utilizzando
strumenti matematici, trovare strategie –
dal momento che non sappiamo calcolare
le soluzione esatte – per determinare ap­
prossimazioni numeriche, utilizzare questi Figura 3. Zona Ω.
calcoli e confrontarli con le misure speri­
mentali disponibili per convalidare o invali­
dare il modello ...
All’interno di Ω, è ragionevole supporre che
la velocità e la pressione dell’aria verifichino
delle equazioni ben note nella meccanica
Con diversi livelli dei fluidi: le equazioni di Navier-Stokes (vedi
di descrizione riquadro p. 49). Tuttavia, questa velocità e
questa pressione sono altamente dipen­
Supponiamo dunque che si cerchi di de­ denti da ciò che ­accade oltre la decima ge­
scrivere il flusso d’aria nell’albero bron­ nerazione e, in particolare, dal movimento
chiale, non più unicamente mediante il vo­ del diaframma e dell’elasticità del tessuto
lume respiratorio, ma in modo più accurato. polmonare. Dobbiamo trovare un modo per
Ad esempio, determiniamo la velocità e la descrivere matematicamente questa parte
pressione del fluido in ogni punto di del sistema respiratorio e accoppiarlo con
quest’albero durante un ciclo respiratorio. le equazioni di Navier-Stokes. Possiamo
Data la complessità geometrica, i calcoli ispirarci al semplice modello descritto in
non sono, allo stato attuale, improponibili precedenza. Otteniamo in questo modo un
sulla totalità dell’albero. Possiamo quindi, sistema di equazioni con due livelli di de­
in un primo tempo, limitarci alla parte su­ scrizione: una descrizione dettagliata di Ω e

I(n)spirazione matematica: la modellizzazione del polmone – 47


una più grossolana per le zone restanti. Il paziente, con un numero finito di punti:
passo successivo è quello di studiare il si­ nodi connessi da archi. È quello che viene
stema risultante: esiste una soluzione e chiamato un reticolo. Si prende un’immagi­
quali sono le sue proprietà matematiche? ne da una risonanza magnetica o da una
Come calcolare efficacemente le velocità e TAC e la si “segmenta” e la si riduce ad un
le pressioni approssimate? Questo sistema reticolo: questo, di nuovo, richiede signifi­
rappresenta in parte la realtà? cativi sviluppi matematici, necessari per
queste geometrie complesse, costituite da
Le risposte alla prima domanda permettono curve con diversi rami come quelle dell’al­
di fornire un quadro di riferimento per com­ bero bronchiale.
prendere meglio il dominio di validità del
modello. Le difficoltà qui sono sono legate
al fatto che siamo in presenza di equazioni
non lineari, che mettono insieme diversi li­
velli di descrizione. Inoltre, guardiamo il flus­
so in una data zona e “tagliamo” artificial­
mente ciò che non ci interessa. Quindi si
tratta di un sistema aperto in cui la massa e
l’energia (cinetica) possono variare. Uno dei
problemi matematicamente importanti con il
quale dobbiamo confrontarci è quindi di sti­
mare questa energia.

Tutti questi passaggi pongono


domande appassionanti
che hanno un interesse
matematico proprio.
Figura 4. Magliatura di Ω.

Questo problema è cruciale anche quando


si cerca di rispondere alla seconda doman­
da, sul calcolo numerico della velocità e È nei suddetti nodi che verrà determinata la
della pressione. Questo è un calcolo ap­ velocità e la pressione del fluido.
prossimato, perché, come abbiamo detto,
non è noto come produrre soluzioni esplici­ Infine, calcolare numericamente i valori ap­
te (cioè scrivere la velocità in ogni punto e prossimati delle velocità e delle pressioni in
in qualsiasi momento, come per il volume questi punti dello spazio e in un numero fini­
nella formula di p. 46). Per questo, cerche­ to di istanti, richiede l’individuazione di me­
remo di descrivere il campo della computa­ todi specifici adattati al modello che, ad
zione Ω , che è ottenuto a partire dalle im­ esempio, trattino efficacemente il fatto che il
magini mediche ed è unico per ogni sistema è “aperto”.

48 – Matematica, l’esplosione continua


Tutti questi passaggi pongono appassio­ scienze respiratorie, che possono confer­
nanti domande che hanno un interesse mare se i modelli sviluppati sono pertinenti
matematico proprio e che sono attualmen­ e come questi possono essere migliorati.
te oggetto di filoni attivi di ricerca. Malgra­ L’obiettivo finale è quello di ottenere stru­
do tutto, non è possibile realizzare questi menti di previsione affidabile e fornire un
modelli senza confrontare i risultati della chiarimento complementare a quello che si
simulazione con gli esperimenti. I matema­ ottiene attraverso la sperimentazione dal
tici interagiscono con gli specialisti delle vivo o in vitro.

Le equazioni di Navier-Stokes
Le equazioni di Navier-Stokes qui utilizzate descrivono il flusso di un fluido viscoso incom­
primibile e quindi collegano la velocità u del fluido con la sua densità ρ e la pressione p.
Esse si scrivono

⎧ρ∂t u + ρ ( u ⋅ ∇ ) u − ν∆u + ∇p = 0

⎩∇ ⋅ u = 0

La prima equazione esprime il principio fondamentale della dinamica di Newton in as­


senza di forze esterne, mentre la seconda traduce l’incomprimibilità del liquido, la cui
viscosità è indicata da ν. Per risolvere queste equazioni numericamente, è necessario
fornire la velocità al bordo della zona in cui sono applicate, oltre che in tutto il dominio
all’istante iniziale.

I(n)spirazione matematica: la modellizzazione del polmone – 49


Il tempo che farà

Basdevant Claude, professore presso l’Università di Parigi 13 e presso École


Polytechnique

Le previsioni meteorologiche o climatiche non sono un’impresa facile.


Esse implicano la modellizzazione di numerosi fenomeni di diversa na-
tura e l’intervento di diverse scienze, dalla matematica alla biologia, pas-
sando per l’informatica, la fisica o la chimica.

Dietro le piccole nuvole grigie e i soli radiosi dell’atmosfera in ogni momento, attraverso i
che punteggiano la mappa nel bollettino mete- valori dei parametri meteorologici (velocità del
orologico della sera, è da tempo che non ci vento, temperatura, umidità, pressione, nuvo-
sono più rane1 e termometri, ma computer le, aerosol, ecc) al centro di “scatole” da due a
super-potenti ai quali abbiamo fatto assorbire venti chilometri di lato e da qualche decina a
un gran numero di misurazioni (ottenute princi- centinaia di metri d’altezza. Questo partiziona-
palmente via satellite), molte leggi della mec- mento immaginario dell’atmosfera in scatole è
canica e della fisica, ma anche tanta matema- necessario perché è impossibile specificare i
tica, a volte molto recente. parametri in tutti i punti dell’atmosfera (questi
punti sono un numero infinito!). In linea di prin-
Affinché i computer possano fornire le previ- cipio, più le caselle sono piccole – e numerose
sioni, è necessario sviluppare preliminarmente –, più la descrizione dello stato atmosferico è
quello che viene chiamato un modello numeri- preciso e più le previsioni lo saranno a loro vol-
co delle previsioni del tempo. Schematica- ta. Ma in pratica, le scatole sono non meno di
mente, un tale modello di previsione a scaden- un qualche chilometro per una previsione re-
za da otto a dieci giorni rappresenta lo stato gionale a breve termine, e qualche decina di

1 Secondo una credenza particolarmente diffusa in Francia si può prevedere il tempo osser-
vando il comportamento delle rane, N.d.T.

Il tempo che farà– 51


chilometri per una previsione a dieci giorni che Abbiamo, quindi, una massa di dati disparati,
è necessariamente relativa a tutto il pianeta; mal distribuiti sulla superficie del globo, che si
oltre questo, neanche la potenza dei computer estendono su 24 ore, acquisiti con approssi-
più grandi è sufficiente: è necessario che il cal- mazioni variabili, con i quali si deve inizializzare
colo venga completato in tempo, vale a dire, in una previsione, vale a dire, costruire uno stato
molto meno di 24 ore! meteorologico iniziale rispetto al quale il mo-
dello simulerà l’evoluzione. Ma grazie al lavoro
Partendo dallo stato dell’atmosfera all’inizio nel campo dell’ottimizzazione dinamica, nel
del periodo da prevedere, il modello fa calcola- quale hanno molto contribuito lo scienziato
re al computer la sua futura evoluzione usando russo Lev Pontryagin (1908-1988) e la scuola
le leggi della dinamica e della fisica. L’evoluzio- matematica francese, sono stati messi a punto
ne nel tempo viene calcolata passo a passo, negli anni 1980, dei metodi detti di assimilazio-
ad intervalli di pochi minuti. Questo è il princi- ne variazionale che permettono di ricostruire in
pio di previsione del tempo numerica, un prin- modo ottimale lo stato iniziale. L’idea alla base
cipio noto dall’inizio del ventesimo secolo, ma di tali metodi, operativi dagli anni 2000 presso
che ha dovuto attendere gli anni 1940-1950 e Meteo-France, è quella di forzare in qualche
i primi computer prima di essere messo in atto. modo la traiettoria del modello numerico, fa-
cendola passare “vicino” ai dati osservati du-
rante le 24 ore precedenti, tuttavia preservan-
Misurazioni inutilizzabili do l’equilibrio del modello. L’assimilazione
direttamente variazionale non è, d’altra parte, l’unica tecni-
ca matematica moderna che ha rivoluzionato il
Il primo problema nello schema di previsione trattamento delle osservazioni: l’uso di reti
ideale che è stato appena descritto è costruire neuromimetiche o delle ondine, inventate negli
lo stato iniziale dell’atmosfera. Le osservazioni anni 1980, ha portato a guadagni notevoli in
sono lungi dall’essere adatte a questo scopo. termini di efficienza, precisione e rapidità
Le stazioni meteorologiche sono irregolarmen- nell’elaborazione dei dati forniti dai satelliti.
te distribuite sul globo e forniscono pochissi-
me misure in altitudine. Quanto ai satelliti, essi Si dispone, quindi, di una
sono per la maggior parte a scorrimento, vale massa di dati disparati, mal
a dire, scansionano in continuo la Terra. Le distribuiti sulla superficie
loro misurazioni non sono, dunque, ottenute al del globo, che si estendono su
medesimo istante in tutti i punti. Inoltre, i satel- 24 ore, acquisiti con diversi
liti misurano delle quantità integrate su tutto lo gradi di approssimazione.
spessore dell’atmosfera (si tratta solitamente
del flusso di energia ricevuta in un certo inter-
vallo di lunghezze d’onda) e non le variabili
meteorologiche (vento, temperatura, umidità,
ecc.) che sono quelle che entrano in gioco nel-
le equazioni dei modelli.

52 – Matematica, l’esplosione continua


Quando l’analisi numerica migliore precisione possibile, è precisamente il
entra in azione campo dell’analisi numerica, una branca della
matematica che è esplosa dopo l’arrivo dei
Una volta conosciuto lo stato atmosferico ini- computer. L’analisi numerica ha come obietti-
ziale necessario per il modello di previsione vo la risoluzione delle equazioni in modo espli-
numerica, resta ancora da scrivere il software cito, vale a dire, fino ad ottenere valori nume-
in grado di calcolare il tempo futuro a partire rici accurati, investendo il minor tempo e
da questo stato iniziale e dalle leggi della fisi- sforzo possibile. Questo è indispensabile per-
ca. Queste leggi si basano su una descrizione ché la simulazione sia utile e per valutare il
continua dello spazio e del tempo. Invece il grado di incertezza delle previsioni. Ad esem-
nostro modello numerico prende in considera- pio, notevoli progressi sono stati recentemen-
zione soltanto un numero finito, seppur gran- te compiuti sui metodi per simulare il movi-
de, di scatole. Inoltre, gli intervalli di tempo tra mento delle sostanze chimiche o delle
due stati calcolati sono di vari minuti - si dice particelle nella turbolenza atmosferica. Questi
che il problema è stato discretizzato. Passare progressi hanno migliorato in modo significati-
da equazioni continue a degli schemi numerici vo lo studio e la previsione dell’inquinamento
per il modello discretizzato, mantenendo la atmosferico.

Figura 1. Vista prospettica delle scatole di un modello di previsione del tempo o del clima.
(L. Fairhead LMD / CNRS)

Il tempo che farà – 53


Le previsioni meteo sono strumenti nati dall’incrocio tra la teoria dei si-
affidabili? stemi dinamici e la teoria della probabilità sono
stati utilizzati per sviluppare quelle che vengo-
Una delle più grandi sfide che riguardano le no chiamate le previsioni d’insieme: questo
previsioni meteo è quella di riuscire a valutare consiste nel fare non più una sola previsione
la qualità delle previsioni effettuate: si possono da un unico stato iniziale, ma effettuare in pa-
considerare affidabili le previsioni per tre, quat- rallelo un gran numero di previsioni (ad esem-
tro o anche dieci giorni? Oltre che ad interes- pio 50) a partire da condizioni iniziali perturba-
sare chi cerca di organizzare il proprio lavoro o te. La teoria dei sistemi dinamici consente di
le proprie vacanze, questa domanda ha un scegliere le perturbazioni iniziali più significati-
forte impatto umano ed economico: sia per la ve, mentre la teoria della probabilità permette
previsione di eventi estremi che possono esse- di estrarre dalla divergenza delle simulazioni
re devastanti, che per la gestione dell’energia delle informazioni sull’affidabilità di quest’ulti-
o per la produzione del gelato! Sebbene i pro- me e di calcolare la probabilità che un evento
gressi constatati a posteriori siano molto inco- specifico si verifichi.
raggianti, rimane difficile stimare a priori l’affi-
dabilità delle previsioni. Negli ultimi anni, alcuni

Figura 2. Le concentrazioni di ozono in superficie del 6 luglio 2011 rilasciato dal sistema di previsione
nazionale della qualità dell’aria PREVAIR (INERIS / IPSL / Météo-France). I colori rappresentano le
concentrazioni previste dal modello di chimica e trasporto CHIMERE, i valori numerici sono i picchi
di concentrazione rilevati nella giornata dalla rete di monitoraggio.

54 – Matematica, l’esplosione continua


Possiamo prevedere il tempo sono i modelli climatici più prevedibili e quelli
con largo anticipo? La teoria che sono più instabili. In situazioni di instabili-
dei sistemi dinamici dice di tà, uno strumento utilizzabile è la modellazione
no. probabilistica del clima, vale a dire, la proget-
tazione di modelli che tengano conto esplicita-
Abbiamo parlato finora delle previsioni a breve mente del carattere aleatorio della previsione.
tempo, da otto a dieci giorni. Ma perché non Ancora poco sviluppati, i modelli di questo tipo
facciamo delle previsioni per periodi più lun- necessitano di strumenti molto recenti della
ghi? Il meteorologo americano Edward N. Lo- teoria delle equazioni alle derivate parziali sto-
renz ha dimostrato in un famoso articolo del castiche.
1963, che, con tutta probabilità, non abbiamo
speranza di riuscirci. L’atmosfera è un sistema
caotico, vale a dire che qualsiasi errore sullo Dalle previsioni meteorolo-
stato-tempo iniziale, per quanto possa essere giche alle previsioni clima-
piccolo, viene rapidamente amplificato nel tiche
tempo, talmente rapidamente che una previ-
sione a scadenza di dieci giorni perde comple- I modelli numerici per le previsioni del clima as-
tamente senso. Questo non significa, tuttavia, somigliano ai modelli per le previsioni meteoro-
che non si possa prevedere il clima - vale a logiche, con due differenze essenziali. Per ra-
dire fare una previsione di tipo statistico e non gioni dovute al tempo di calcolo, le loro
deterministico, studiare le medie delle tempe- “scatole” sono necessariamente più grandi (da
rature o delle precipitazioni in un periodo o in 100 a 300 km quadrati); dato che l’intervallo di
una regione, anziché il tempo specifico che tempo da simulare va da pochi mesi a centina-
farà a Quimper in Bretagna in un determinato ia o addirittura migliaia di anni, è impossibile
giorno del mese di luglio. La questione è di essere più precisi. Ma la differenza importante
grande importanza: il nostro clima futuro è mi- è che i cambiamenti climatici avvengono su
nacciato dalle emissioni di gas causate dalle scale temporali lunghe e che questo non per-
attività umane e dobbiamo prevedere l’effetto mette più di trascurare le interazioni che inter-
a lungo termine di questi mutamenti, conse- corrono tra l’atmosfera, l’oceano, i ghiacci del
guenza dell’effetto serra. La teoria dei sistemi mare e la biosfera. Questo è il motivo per cui
dinamici ci fornisce gli strumenti per dare vali- un modello climatico deve combinare un mo-
dità a questa modellizzazione del clima. Que- dello per l’atmosfera, un modello per l’oceano,
sto dominio, nel quale il matematico Henri un modello per il ghiaccio dei mari, un modello
Poincaré, all’inizio del XX secolo, è stato un per la biosfera e per i cicli degli scambi di ener-
grande precursore, ha registrato notevoli pro- gia, di quantità di moto, d’umidità, di gas, così
gressi negli ultimi anni del XX secolo. La teoria come delle interazioni chimiche tra questi
dei sistemi dinamici permette, ad esempio, di mezzi. Al di là della complessità informatica di
identificare ciò che i matematici chiamano at- una tale costruzione, sorgono dei delicati pro-
trattori o modelli climatici per i meteorologi. blemi matematici riguardo a quale sia il modo
Questo permette anche di riconoscere quali giusto di mettere in relazione questi domini e

Il tempo che farà – 55


come specificare le condizioni nell’interfaccia bilancio energetico di una scatola di 300 km
atmosfera-oceano, oceano-ghiaccio, ecc. E dovuto alla presenza di piccoli cumuli di pochi
affinché il calcolo nelle “grandi scatole” resti km di diametro?). Restano ancora, in tutte
significativo, bisogna considerare l’effetto sta- queste questioni, molti aspetti interdisciplinari
tistico, sulla scala di queste scatole, dei pro- da sviluppare, per i quali la matematica detiene
cessi che si verificano su scale molto più pic- un ruolo importante.
cole (ad esempio: qual è l’effetto statistico sul

Bibliografia

Jouzel J., Debroise A., (2004). Le climat: jeu Temam R., Wang S., (2000). Mathematical
dangereux, quelques prévisions pour les Problems in Meteorology and
siècles à venir, éd. Dunod. Oceanography, Bull. Amer. Meteor. Soc.,
81, p. 319-321.
Le Treut H., Jancovici J.-M., (2004). L’effet
de serre: allons-nous changer le climat?, Ulteriori riferimenti:
éd. Flammarion. Joussaume S., (2000). Le Climat: d’hier à
aujourd’hui, CNRS Editions.
Sadourny R., (2002). Le climat est-il devenu
fou?, éd. Le Pommier. Hauglustaine D., Jouzel J., Le Treut
–, (2003). Peut-on croire à la météo?, éd. H., (2004). Climat: chronique d’un
Le Pommier. bouleversement annoncé, éd. Le Pommier.
–, (2005). D’où viennent les tempêtes?,
éd. Le Pommier

56 – Matematica, l’esplosione continua


Théret Marie, docente presso l’Università Paris Diderot

Lo scambio di dati tra gli utenti, la diffusione di un incendio boschivo, le


infiltrazioni d’acqua in una roccia: un semplice modello matematico che
utilizza i grafi permette di capire meglio questi fenomeni.

Che cosa c’è in comune tra una foresta, una La diffusione di una malat-
rete di comunicazione e una roccia porosa? tia in un bosco
Per preservare le foreste è importante capire
come si propaga un fuoco, o una certa malat- Concentriamoci sull’esempio del bosco per
tia, da un albero all’altro. Per migliorare le reti descrivere questo modello. Vogliamo studiare
di comunicazione è necessario sapere come i come si diffonde una malattia: la contamina-
dati circolano tra i diversi utenti. Per studiare la zione causata da un albero malato rimarrà
porosità di una roccia bisogna descrivere confinata in una piccola area, o riuscirà a dif-
come l’acqua filtra al suo interno. Questi tre fondersi ad alberi che si trovano molto lontano
problemi molto concreti, se pure hanno formu- rispetto alla zona di contaminazione iniziale?
lazioni molto diverse nel linguaggio corrente, L’approccio che adottiamo è quello della fisica
possono essere rappresentati dallo stesso statistica: per capire un fenomeno macrosco-
modello matematico: il modello della percola- pico, vale a dire su larga scala, si studiano gli
zione. elementi microscopici che compongono il si-

Internet, incendi boschivi e porosità: alla ricerca del punto in comune – 57


stema. Il sistema studiato è l’intero bosco, co- Dobbiamo cominciare descrivendo come av-
stituito da un gran numero di elementi “micro- viene il contagio da un albero all’altro. Si pre-
scopici” (vale a dire, molto piccoli rispetto al sume che la contaminazione diretta possa av-
bosco): gli alberi. venire soltanto tra alberi sufficientemente
vicini, e che essa si verifichi con una certa pro-
babilità, che dipende solo dalla virulenza della
malattia (e non dalle caratteristiche individuali
degli alberi, o dalla zona dove sono). Queste
ipotesi sono da un lato entrambe credibili dal
punto di vista biologico, dall’altro costituisco-
no una semplificazione sufficiente da permet-
tere un trattamento matematico efficiente.

Essi formano un grafo in cui ogni albero è un


vertice e dove si collegano due alberi da un
arco se sono sufficientemente vicini da potersi
contaminare uno con l’altro.

Figura 1. Due grafi ampiamente usati in teoria della percolazione: il reticolo quadrato e il reticolo
triangolare

58 – Matematica, l’esplosione continua


Il grafo risultante descrive come la malattia po- atorio. Pertanto, vi è una certa probabilità di
trebbe diffondersi nello scenario peggiore, ov- contaminazione tra vicini, quindi coloreremo
vero se ogni albero infettasse tutti i suoi vicini. un arco con un pennarello rosso quando si ve-
Ma vogliamo considerare il fatto che la tra- rifica la contaminazione lungo un arco.
smissione della malattia si verifica in modo ale-

Figura 2. Archi colorati in modo casuale, indipendentemente l’uno dall’altro, ad indicare che la
contaminazione tra due alberi adiacenti si verifica. Questa contaminazione si presume istantanea. In
particolare, l’ordine in cui coloriamo gli archi non influisce. A sinistra: L’albero A contamina l’albero
B e anche altri alberi più lontani. Questo avviene tipicamente quando la probabilità di trasmissione
è alta. A destra: Un albero contamina soltanto altri 3 altri alberi. Non contamina B. Questo si verifica
in genere quando la probabilità di trasmissione è bassa.

Quello appena descritto è il ni tra alberi vicini si verificano simultaneamen-


modello di percolazione ad ar- te, istantaneamente e indipendentemente le
chi: partendo da un dato grafo, une dalle altre. Gli archi non colorati corrispon-
abbiamo colorato in modo alea- dono a coppie di alberi tra cui la malattia non
torio gli archi secondo una certa si è trasmessa.
probabilità, indipendentemente
gli uni dagli altri. Quello che abbiamo appena descritto è il mo-
dello di percolazione ad archi. Per tradurre la
Osserviamo che questo modello semplificato differenza di scala tra l’albero e la foresta, si
non tiene conto dell’aspetto temporale della può considerare che vi è un numero infinito di
diffusione della malattia: tutte le contaminazio- alberi nella foresta, vale a dire che il grafo da

Internet, incendi boschivi e porosità: alla ricerca del punto in comune – 59


studiare è infinito. Le domande che ci siamo Un semplice ma ricco modello
posti sulla trasmissione della malattia possono
essere riformulate in questo contesto: per sa- Il modello della percolazione è molto semplice,
pere se l’epidemia causata da un albero mala- ma anche molto ricco.
to rimarrà circoscritta, o se, al contrario, essa In primo luogo, perché presenta una transizio-
rischia di raggiungere altri alberi molto distanti, ne di fase, cioè un improvviso cambiamento di
bisogna guardare quali vertici sono collegati comportamento quando il parametro del siste-
tra loro mediante un cammino rosso al punto ma – la probabilità che un arco del grafo sia
corrispondente all’albero malato iniziale. In colorato – supera un certo valore critico. Infat-
particolare, ci chiediamo se questi alberi con- ti, se ogni arco è colorato con una probabilità
taminati sono in numero finito o infinito. Il no- sufficientemente elevata, la trasmissione della
stro modello dipende da un singolo parametro: malattia si verifica in tutto il sistema, vale a
la probabilità di contaminazione tra vicini, e si dire, un albero cattivo può infettare altri alberi
tratta dunque di studiare, a seconda dei valori arbitrariamente lontani da lui. Matematicamen-
di questo parametro, le proprietà del grafo ale- te, ciò è espresso dicendo che “esiste una
atorio sopra descritto. componente connessa infinita nel grafo alea-
torio”. Ma non appena la probabilità di trasmis-
Questo modello è adeguato anche per descri- sione scende sotto una certa soglia, la tra-
vere una rete di comunicazione o una roccia smissione della malattia rimane locale, vale a
porosa. Nel primo caso, gli archi del grafo dire che l’infezione resta limitata a piccole aree
sono i collegamenti della rete che possono es- del bosco: “non esistono componenti connes-
sere in perfetto stato di funzionamento (arco se infinite” (vedi le figure nella pagina seguen-
colorato) oppure guasti o insufficienti (arco non te). Questo teorema è stato dimostrato da
colorato): possiamo in questo modo studiare Broadbent e Hammersley.
la trasmissione delle informazioni inviate da un
utente. Nel secondo caso, gli archi del grafo D’altra parte, nonostante la sua semplicità,
sono dei tubi microscopici nella roccia, che questo modello solleva molte domande che
possono lasciare filtrare l’acqua, ma anche in- rimangono senza risposta, a cominciare dal-
tasarsi. Ci si interessa, quindi, alla zona della la più ovvia: come possiamo calcolare que-
roccia che è bagnata per capire se l’acqua fil- sto valore critico? Grandi progressi nello stu-
tra in un’area particolare. Il termine “percolare” dio della percolazione si sono verificati in
significa, per un liquido, passare attraverso questi ultimi anni, in particolare attraverso
materiali porosi: è quindi questa interpretazio- l’utilizzo di strumenti dell’analisi complessa,
ne della roccia porosa che ha dato il nome al un altro ramo della matematica (citiamo ad
modello matematico della percolazione, ed è esempio i lavori di Lawler, Schramm e Wer-
infatti per modellizzare i mezzi porosi che que- ner degli anni 2000), ma la ricerca continua.
sto modello è stato introdotto da Broadbent e
Hammersley nel 1957.

60 – Matematica, l’esplosione continua


Nonostante la sua semplicità, Per uno studio più dettagliato di questi feno-
questo modello solleva mol- meni, Hammersley e Welsh hanno introdotto
te domande che rimangono nel 1965 un modello più complesso, il modello
senza risposta, a partire dalla della percolazione di primo passaggio. Invece
più ovvia: come calcolare il di colorare a caso degli archi del grafo, gli vie-
valore critico? ne associato un tempo aleatorio (il tempo ri-

Fig 3. Fenomeno di transizione di fase (simulazioni al computer): analizziamo il sistema su larga


scala, ogni pixel rappresenta qui un albero nella foresta. Un albero contamina quelli situati nella
zona avente il suo stesso colore. (A) La probabilità di trasmissione è di 0,4. Le macchie di colore
sono piccole: un albero malato infetta solo una regione circoscritta intorno ad esso. (B) p = 0,506,
leggermente superiore al valore critico. La zona verde si estende indefinitamente: Un albero può
contaminare alberi situati arbitrariamente lontani da lui. (C) p = 0.5, il regime critico, è la transizione
tra gli altri due, il regime meno conosciuto. Le macchie sono di dimensione finita, ma molto grandi.
Simulazioni numeriche di R. Cerf.

Internet, incendi boschivi e porosità: alla ricerca del punto in comune – 61


chiesto al fuoco di propagarsi tra due alberi o Per andare oltre
all’acqua per passare attraverso un tubo) o
una capacità aleatoria (la massima quantità di Duminil-Copin H., La Percolation, jeu de
informazioni che può passare attraverso un pavages aléatoires,
cavo in un secondo). Le questioni sollevate http://images.math.cnrs.fr/La-percolation-
sono quindi più numerose: quanto tempo ci jeu-de-pavages.html
vuole perché l’acqua attraversi uno strato po-
roso di roccia? Quali saranno gli alberi colpiti Grimmett G., (1989). Percolation. Springer-
da un incendio boschivo nelle prime ventiquat- Verlag.
tro ore? Qual è la quantità massima di infor-
mazioni che un utente della rete è in grado di
inviare a un altro destinatario in un secondo?
Molti teoremi sono stati ottenuti (citiamo i risul-
tati negli anni ‘80 di Kesten, e più di recente i
lavori di Benjamini, Kalai e Schramm nel 2003
e Chatterjee e Dey nel 2009), ma restano an-
cora molte sfide da affrontare!

62 – Matematica, l’esplosione continua


Grégoire Allaire, professore presso École polytechnique
François Jouve, professore presso l’Università Paris Diderot

Gli oggetti nati dalla produzione industriale sono concepiti in modo da


ottimizzare una serie di parametri come il peso e la resistenza. Per evita-
re di cercare a tentoni la migliore forma possibile, possiamo oggigiorno
contare su diversi metodi matematici di ottimizzazione.

La nostra società moderna è affascinata dal de­ di carburante, che è direttamente collegato al
sign, termine che riflette il nostro impegno a peso. Un problema matematico classico è pro-
coniugare la bellezza all’utilità. Il grande pubbli- prio quello di trovare la soluzione ottimale di un
co conosce bene gli stilisti famosi e resi celebri problema di ottimizzazione di una funzione
dai media come Pininfarina o Starck, ma molto (chiamata funzione obiettivo) nel rispetto dei
meno gli scienziati, gli ingegneri e i ricercatori, vincoli.
che si occupano di design ottimale: lontani da
tutte le preoccupazioni estetiche, migliorano le È chiaro che la solidità delle
forme degli oggetti industriali (struttura mecca- strutture varia inversamente
nica, profilo aerodinamico, elettronica, ecc.), al al suo peso (ciò che è pesante
fine di aumentarne le prestazioni (resistenza, è più robusto di quello che è
efficienza), pur tenendo conto dei vincoli, a volte leggero).
contrapposti, come il peso o il costo. È eviden-
te, ad esempio, che la resistenza di una struttu- Il metodo tradizionale di ottimizzazione proce-
ra varia inversamente al suo peso (ciò che è più de per tentativi ed errori, secondo la pratica e
pesante è più robusto di ciò che è leggero). l’intuizione dell’ingegnere: si sceglie una forma
Così, l’ottimizzazione della robustezza di un ae- della quale si calcolano le prestazioni e, a se-
reo è limitata dal vincolo di un consumo minimo conda del risultato, si apportano delle modifi-

Alla ricerca della forma ideale – 63


che per cercare dei miglioramenti, fino all’otte- stazione della struttura risulta migliorata, si
nimento di una forma soddisfacente (in ­ripete il procedimento a partire dalla nuova
mancanza di poter trovare quella ottimale). forma.
Questo approccio “manuale” è molto lento, co-
stoso e impreciso. Grazie all’enorme sviluppo È necessario indovinare la
della potenza di calcolo dei computer e al pro- topologia corretta da impor-
gresso matematico, questo approccio empiri- re alla forma di partenza, o
co viene progressivamente sostituito da appli- questo sarà impossibile nella
cativi software che automatizzano questo maggior parte dei casi.
processo di ottimizzazione.
Nel 1907, il matematico Jacques Hadamard
ha proposto un metodo di variazione della for-
Ottimizzare la geometria ma, che oggi porta il suo nome, e che, nono-
con il metodo Hadamard stante la sua origine teorica, viene applicato in
pratica per simulare alcuni problemi al compu-
Qualsiasi algoritmo di ottimizzazione è iterati­ ter. Il metodo consiste nel partire da una forma
vo: si costruisce una nuova forma a partire da iniziale, spostando i bordi gradualmente, sen-
una variazione della precedente. Successiva- za crearne nuovi. Questo metodo modifica la
mente si calcolano le prestazioni di questa geometria della forma originale, ma ne conser-
nuova forma, le quali vengono confrontate va la topologia. Infatti le forme ottenute suc-
con quelle della precedente. Infine, se la pre- cessivamente preservano lo stesso numero di

Figura 1. Configurazione iniziale (a sinistra), l’iterazione intermedia (al centro) e la forma ottimale
(a destra) di una mensola, ottenute con il metodo di Hadamard.

64 – Matematica, l’esplosione continua


fori, come mostrato nelle figure che rappre- esempio il valore 0,5) corrispondono ad un
sentano i risultati numerici del metodo Hada- materiale composito poroso, ad esempio
mard. come una spugna. Più il valore è prossimo a
0 e più la proporzione dei fori nel materiale è
Il fatto che la topologia non cambi è una limita- elevata.
zione piuttosto fastidiosa. In realtà, ciò significa
che è necessario indovinare la topologia giusta Qui viene sostituito il problema di ottimizzazio-
da imporre alla nostra forma di partenza, dal ne discreta originale di tipo 0 o 1 (ad ogni pun-
momento che non potremo cambiarla succes- to dello spazio, si ha un vuoto o del materiale),
sivamente per migliorarne le prestazioni. Ma ad un nuovo problema di ottimizzazione conti­
questo risulta essere impossibile nella maggior nua, dove la variabile da ottimizzare, la densità
parte dei casi. Da qui la motivazione dei mate- di materiale, varia all’interno dell’intervallo
matici ad inventare altri metodi in grado di otti- [0,1].
mizzare la topologia, cioè il numero di fori.
L’idea di base è quella di
Inoltre, il metodo di Hadamard presenta anche trasformare un problema di
lo svantaggio di essere molto costoso in tem- ottimizzazione della forma in
po di calcolo. un problema di ottimizzazio-
ne della densità del materiale.

Con questo nuovo approccio, non si è più pri-


L’importanza dei materiali gionieri della parametrizzazione delle forme
compositi proposte da Hadamard: la topologia potrà va-
riare e i fori potranno apparire o scomparire a
Nel 1990, i matematici hanno inventato un me-
seconda della variazione di densità del mate-
todo di ottimizzazione della forma topologica,
riale composito.
chiamato metodo di omogeneizzazione, che è
oggi ampiamente utilizzato dagli ingegneri in
Osserviamo che la densità del materiale non
molti software industriali.
è sufficiente a caratterizzare completamente
un materiale composito: per una data densi-
L’idea di base è quella di trasformare un pro- tà, conta anche la forma dei fori per valutare
blema di ottimizzazione della forma in un pro- le proprietà effettive del materiale. Ad esem-
blema di ottimizzazione della densità di un ma­ pio, la rigidità equivalente di un materiale
teriale. composito non sarà la stessa per una strut-
tura laminata rispetto ad una struttura a nido
In ogni punto dello spazio, la densità del ma- d’ape. Il metodo di omogeneizzazione pro-
teriale è un valore compreso tra 0 e 1. Il va- pone, pertanto, di ottimizzare non solo la
lore 0 corrisponde ad un foro o vuoto (as- densità del materiale, ma anche la micro-
senza di materiale), il valore 1 corrisponde al struttura (la forma dei fori) del materiale
materiale solido e i valori intermedi (ad composito.

Alla ricerca della forma ideale – 65


Figura 2. Esempio di materiale composito.

tare come una forma. Per trovare una forma


“classica” che si approssimi alla forma compo­
sita ottimale, una soluzione è quella di “pena-
Un ulteriore vantaggio del metodo di omoge- lizzare” i materiali compositi nel processo di
neizzazione è che la sua soluzione numerica è ottimizzazione numerica, vale a dire aggiunge-
più veloce: essa richiede un minor numero di re dei vincoli all’algoritmo, affinché la soluzione
calcoli. Una ragione di questo è che, per cam- ottimale sia costituita da zone o piene o vuote,
biare la densità in un dato punto, l’algoritmo piuttosto che da composite.
utilizza solo i valori di densità nel suo intorno, e
non necessita dei valori dei punti più distanti, Il risultato è impressionante: la zona composita
come invece avviene con il metodo di Hada- si trasforma in un reticolo di barre, che ricorda
mard. molto le strutture dell’ingegneria civile o mec-
canica.

La mensola ottimale Questi metodi di ottimizzazione della forma


geometrica e topologica sono utilizzati

Ecco un problema classico di ottimizzazione


della forma, quello della mensola ottimale. In
questo caso, il bordo sinistro della mensola è
fissato, mentre una forza verticale è applicata
al centro del bordo di destra.

Disegniamo la densità di materiale, rappresen-


tata da un livello di grigio (il nero corrisponde ai
pieni, il bianco ai vuoti). La soluzione ottimale Figura 4. Mensola composita ottimale (il
presenta grandi aree di grigio, corrispondente livello di grigio indica la densità del
materiale).
al materiale composito, che è difficile interpre-

66 – Matematica, l’esplosione continua


Figura 5. Mensola ottimale dopo la
penalizzazione e senza compositi.

quotidianamente nei settori automobilistico


e aerospaziale, per esempio quando si trat- Figura 7. Ottimizzazione del pignone di una ruota.
ta di trovare la forma di una struttura che
sia al contempo rigida e leggera. Molte par-
Per saperne di più
ti meccaniche (bracci di sospensione, gui-
de, ecc.) nelle automobili o negli aerei sono
Sito web:
alleggeriti in questo modo attraverso l’otti-
http://www.cmap.polytechnique.fr/~optopo
mizzazione, al fine di ridurre il consumo di
carburante.
Allaire G., (2007). Conception optimale de
structures, Collection Mathématiques et
Applications, vol. 58, Springer Verlag.

Henrot A., Pierre M., (2005). Variation


et optimisation de formes, Collection
Mathématiques et Applications, vol. 48,
Springer Verlag.

Hildebrandt S., Tromba A., (1986). Mathé­


matiques et formes optimales, Pour la
Figura 6. Ottimizzazione di un ponte.
Science, Belin, Paris.

Alla ricerca della forma ideale – 67


Sylvie Méléard, professoressa presso École polytechnique

Predire l’evoluzione di una popolazione animale su un lungo periodo,


conoscere il funzionamento di un ecosistema, capire il vantaggio della
riproduzione sessuale per la sopravvivenza delle specie ... i problemi che
nascono dallo studio della biodiversità sono complessi e la loro risoluzio-
ne utilizza sofisticati strumenti matematici.

“After years, I have deeply regretted Può sembrare sorprendente associare la


that I did not proceed far enough at le- matematica, spesso vista come una suc-
ast to understand something of the great cessione di formule fisse, e la biodiversità,
leading principles of mathematics: for associata alla vita brulicante degli ecosiste-
men thus endowed seem to have an ex- mi. Tuttavia, la complessità estrema, che si
tra-sense”. manifesta appena si osserva la biodiversità,
giustifica l’interesse della matematica e dei
matematici per questo campo. La sfida è
(Dopo anni, ho un profondo rimpianto
quella di semplificare in modo intelligente i
per non aver progredito abbastanza nel
fenomeni al fine di poterli tradurre in equa-
capire almeno i grandi principi essenzia-
zioni e costruire così dei modelli matematici
li della matematica: gli uomini dotati di
innovativi. L’obiettivo è quello di dedurre
tale capacità di comprensione sembra-
quantità calcolabili quali, ad esempio, il
no possedere un sesto senso.)
tempo di estinzione di una specie, la stima
dell’abbondanza di una specie, la velocità
Charles Darwin, d’invasione di un parassita, oppure di svi-
Autobiografia luppare algoritmi di simulazione, che sono
strumenti indispensabili di sperimentazione

La biodiversità tradotta in equazioni... o quasi – 69


teorica per poter prevedere determinati nuovi modelli e teoremi di grande ricchezza,
comportamenti. Ciò è particolarmente vero che permetteranno di comprendere alcuni
per le grandi scale temporali dell’evoluzio- fenomeni ecologici.
ne, per le quali non esistono osservazioni
dirette. Le simulazioni sono anche un sup-
porto visivo che facilita lo scambio scientifi- Alcune questioni biologiche
co con i biologi. La modellizzazione infine
può essere utilizzata per costruire degli Ecco alcuni esempi di domande di biologia
strumenti statistici utili a prevedere e quan- alle quali i matematici cercano di dare delle
tificare diversi scenari della biodiversità alla risposte:
luce dei dati osservati.
– Qual è il comportamento di una popo-
Nel XIX secolo e all’inizio del XX secolo, lazione nel tempo? Si stabilizzerà o si
molti modelli, soprattutto deterministici, estinguerà? Se si estinguerà, in quanto
vale a dire in cui la stessa causa provoca tempo?
sempre lo stesso effetto, sono stati svilup-
pati per studiare la dinamica delle popola- – Le specie coabitano e interagiscono in
zioni (Malthus, Verhulst, Lotka, Volterra ...). una competizione per le risorse all’inter-
Altri modelli più probabilistici, vale a dire, no di una dinamica ospite-parassita o di
che coinvolgono il caso, sono stati proposti una catena alimentare, o diversamente
per studiare la genetica delle popolazioni collaborano per sopravvivere. Come si
(Fisher, Haldane, Wright ...). Negli ultimi de- evolvono questi sistemi?
cenni, i biologi si sono concentrati principal-
mente sulla biologia molecolare e sulla – Qual è l’impatto della migrazione e della
grande massa di dati che le nuove tecnolo- frammentazione degli habitat sulla biodi-
gie hanno permesso loro di ottenere. Meto- versità?
di di sequenziamento hanno fornito una
massa formidabile di informazioni da filtrare, – Qual è il vantaggio della riproduzione
classificare, ordinare e analizzare. Con que- sessuale per la biodiversità e la so-
sti dati, i biologi sentono ancora di più la pravvivenza delle specie? Anche se la
necessità di creare modelli che possano riproduzione sessuale apporta maggio-
dare a queste rilevazioni una coerenza e re variazione genetica attraverso la ri-
consentire di ricavare previsioni sul compor- combinazione, la nutrizione dei maschi,
tamento biologico ed ambientale. l’accoppiamento, l’esposizione ai pre-
datori durante il sesso, sono fattori che
La complessità dei problemi relativi alla bio- rendono più favorevole la riproduzione
diversità richiede, quindi, sofisticati stru- asessuata.
menti matematici. Allo stesso tempo, i
matematici possono attingere da questi
­ – Qual è l’impatto dei cambiamenti am-
problemi motivazioni e ispirazioni per creare bientali sulla biodiversità?

70 – Matematica, l’esplosione continua


– Qual è il legame tra il DNA delle popo- razze di cani, piccioni, canarini che non era-
lazioni, le loro interazioni e la loro evo- no presenti in precedenza in natura. Inizial-
luzione? mente essi sono stati solo frutto del caso; il
ripetersi delle caratteristiche nelle genera-
zioni ha creato le specie.” Nel lavoro di La-
Il concetto di specie marck (1744-1829), l’immagine lineare della
e modelli probabilistici grande catena degli esseri viventi è sostitu-
ita da un “albero con più rami.” Fino a che,
Per comprendere la biodiversità, dobbiamo nella sua famosa opera Sull’origine delle
prima capire che cos’è una specie. specie per mezzo della selezione naturale,
Darwin (1809-1882) ha introdotto l’idea del-
Il concetto di specie si è evoluto nel tempo. la selezione naturale e dell’albero delle spe-
Già Maupertuis (1698-1759), matematico e cie, con la perdita di specie per selezione
naturalista, osservò la comparsa di muta- del più adatto e l’apparizione di nuove,
zioni casuali che si sviluppano e formano come le varie specie di fringuelli che egli os-
una nuova popolazione, “Vediamo apparire servò sulle isole Galapagos.

Figura 1. Albero delle specie con l’estinzione di certe specie e l’apparizione di nuove, secondo
C. Darwin, L’origine delle specie per mezzo della selezione naturale.

La biodiversità tradotta in equazioni... o quasi – 71


È questa dinamica della biodiversità che vo- re alcune risposte quantitative – non tengo-
gliamo capire meglio, attraverso modelli no conto della diversità genetica e delle in-
matematici e, in particolare, modelli proba- terazioni biologiche. Inoltre, le ricerche
bilistici che tengano conto della nascita e attuali dei biologi teorici e dei matematici
della morte in modo aleatorio degli individui hanno lo scopo di presentare la diversità
e che si chiama generalmente processo di genetica (DNA) e l’interazione (competizio-
ramificazione o processo di nascita e morte. ne, cooperazione, predazione) nei parametri
Il prototipo è il processo di Galton-Watson demografici dei modelli.
(vedi riquadro pag. 75), che può essere
usato per calcolare la probabilità di estinzio-
ne di una specie.
La ricerca attuale si
propone di tenere conto della
diversità genetica
Un approccio inverso, che la scoperta del
e dell’interazione.
DNA ha fortemente stimolato, è quello di ri-
costruire la storia di una popolazione. Dato
un gruppo di individui, a che epoca risale il I primi modelli in cui si è introdotta la com-
loro più recente antenato comune? Come petizione sono stati dei modelli deterministi-
risalire agli antenati di un individuo? Questo ci, i quali descrivono il comportamento di
approccio è quello degli studiosi della gene- grandi popolazioni. Il più famoso è l’equa-
tica delle popolazioni e ha portato al model- zione logistica, che descrive lo sviluppo di
lo di Wright-Fisher (vedi riquadro pag. 76). una popolazione:

=
n '(t) n(t)(b − cn(t))
Questa dualità tra la dinamica della popola-
zione nel tempo e la ricostruzione dell’albe-
In questa equazione, il parametro b descri-
ro genealogico, permette di stimare la bio-
ve il tasso di crescita della popolazione e c
diversità passata in funzione delle parentele
misura la competizione tra due individui per
tra le specie attuali.
le risorse condivise. Per tempi t molto gran-
di, questa grandezza si stabilizza sul valore
limite b/c, chiamata capacità di carico. Se la
I modelli basati sui popolazione comprende individui di tipo di-
comportamenti individuali verso, è necessario impiegare un sistema di
e le loro interazioni equazioni. Un esempio è il modello di pre-
biologiche datore-preda: se n1(t) e n2(t) sono il numero
delle prede e dei predatori al tempo t allora
I modelli di cui sopra sono matematicamen- abbiamo le equazioni:
te molto semplici. Sebbene il processo Gal-
ton-Watson e i modelli di Wright-Fisher gio- n ’1 ( t ) = an 1 ( t ) − bn 1 ( t ) n 2 ( t )
chino un ruolo fondamentale – la loro
semplicità permette di fare calcoli e di forni- n ’2 ( t ) = − cn 2 ( t ) + dn 1 ( t ) n 2 ( t )

72 – Matematica, l’esplosione continua


In questo modello si osserva un comporta- esempio tra 0 e 4. Il tempo che un individuo
mento ciclico di queste dinamiche. di peso x impiega a riprodursi è una varia-
bile aleatoria di valore atteso b(x). Possiamo
Nel caso di un continuum di tipologie (gran- supporre ad esempio, che valga
b=
( x ) 1/ ( 4 − x ) il che riflette il fatto che un
dezza alla nascita, l’età alla maturità ...), la
dinamica di una popolazione di grandi di- individuo più grande necessita di più ener-
mensioni sarà descritta da equazioni più gia per nutrirsi sottraendola alla riproduzio-
complicate (equazioni alle derivate parziali o ne.
integro-differenziali) che mettono in relazio-
ne le tipologie degli individui con il tempo. Ad ogni riproduzione, l’individuo trasmette
ereditariamente il suo tipo x, ma può suc­
cedere che il suo discendente muti in un in­
Questi modelli deterministici sono modelli
dividuo un tipo di y. Questo si riprodurrà a
macroscopici (vale a dire che considerano il
sua volta generando una sua sottopo­
comportamento globale di un insieme di in-
polazione di tipo y. Le mutazioni introduco-
dividui) e non tengono conto del comporta-
no, così, la variabilità genetica nel modello.
mento individuale, né della nascita casuale
Inoltre, la morte dell’individuo dipende dai
di individui mutanti. Essi non sono rappre-
parametri genetici, ma anche dalla com­
sentativi del comportamento di piccole po-
petizione per le risorse che deve sostenere
polazioni nelle quali le fluttuazioni aleatorie
con i suoi consimili. Ad esempio, un indivi-
sono essenziali. Inoltre non possono spie-
duo di tipo y > x consumerà più risorse, a
gare tutte le scale temporali alle quali dob-
scapito di quelle di x, che in questo modo
biamo lavorare: per esempio, il rapporto tra
vede diminuire le sue possibilità di sopravvi-
scala biologica (il tempo di nascita e di mor-
venza.
te degli individui) e quello dell’evoluzione
(l’apparizione e la fissazione delle mutazio-
La selezione naturale, che permetterà alla
ni). Per integrare questi eventi nel modello,
popolazione di adattarsi e portare avanti la
è importante ricorrere ad una descrizione
sua evoluzione, è il risultato di un compro-
del comportamento aleatorio di ogni indivi-
messo tra il fatto di favorire i piccoli individui
duo, tenendo conto delle sue peculiarità.
per accrescere la loro capacità riproduttiva
Modelli probabilistici sono quindi delle ge-
e quella di favorire i grossi individui per con-
neralizzazioni del processo Galton-Watson.
sentire loro di essere più forti nella competi-
zione per le risorse. È questo tipo di ottimiz-
zazione evolutiva che i matematici cercano
Esempio di una popolazione di capire, così come i meccanismi matema-
caratterizzata dal peso degli tici che possono spiegare la comparsa di
individui alla nascita nuove specie.

In questo esempio, gli individui sono carat- Il modello sopra descritto può spiegare la
terizzati dal peso x alla nascita, che varia ad diversità dei fringuelli di Darwin attraverso

La biodiversità tradotta in equazioni... o quasi – 73


la dimensione del loro becco. La figura Naturalmente è totalmente illusorio poter ri-
mostra la simulazione di un modello (vedi durre la biodiversità a delle semplici equa-
figura 2), che spiega la comparsa di zioni, ma i modelli matematici possono for-
quattro specie da una singola specie su nire una nuova prospettiva e un punto di
di una scala di tempi molto lunghi. vista svincolato e obiettivo degli ecosistemi.

Figura 2. Simulazione del modello dei fringuelli di Darwin.

74 – Matematica, l’esplosione continua


Il processo successione ricorsiva (nella quale il termine
di Galton-Watson generale dà la probabilità di estinzione alla
generazione n) ed è una soluzione dell’e-
Il processo di Galton-Watson è una se- quazione g ( p ) = p , dove g ( s ) è la media
quenza di variabili aleatorie (Zn) che de- de sX. Si può dimostrare che se m è un
scrivono l’evoluzione di una popolazione numero maggiore di 1, la popolazione può
che, ad ogni generazione si riproduce in
Zn
esplodere esponenzialmente, mentre se m
modo casuale. Se Zn è la grandezza del- è inferiore o Zuguale ad 1, la popolazione si n
n
la popolazione alla n-esima generazione, estingue. Ad esempio, sapendo che il nu-
allora     , dove XXi è il mero medio deii piccoli delle balene nere Xi
numero di figli del’i-esimo individuo. Le va- è stimato a 0,976 e l’abbondanza delle
riabili Xi seguono tutte la stessa legge X, femmine è stimata a 150 nel 1994, si può
in particolare il numero medio m di figli per dedurre usando il modello che ci sia il 99%
individuo è costante. La probabilità di estin- di possibilità che queste balene siano com-
X
 limite di una
zione si ottiene, allora, come pletamente s scomparse nel 2389. m

Figura 3. Una realizzazione del processo di Galton-Watson.

La biodiversità tradotta in equazioni... o quasi – 75


Il modello di Wright-Fisher
In questo modello, la grandezza della popolazione N è costante e, ad ogni generazione, ogni
individuo sceglie il suo antenato con probabilità uniforme tra gli individui della generazione
precedente. In questo modo, la probabilità che due individui abbiano lo stesso genitore è
1/N, che tende a 0 quando N tende all’infinito. È necessario, quindi, modificare la scala
dei tempi per osservare la genealogia di una grande popolazione e considerare i tempi di
generazione proporzionali ad N. In questo caso, si costruisce un oggetto limite chiamato
coalescente di Kingman, che è un oggetto geometrico probabilistico che descrive le linee
di discendenza.

Figura 4. Il coalescente Kingman come limite di scala degli alberi genealogici (B. Mallein,
Culture Math, ENS Ulm, 2011)

Per saperne di più


Bacaer N., (2008). Histoires de mathématiques http://www.math.ens.fr/culturemath/articles-
et de populations. Le sel et le fer, Cassini. ens/mallein11/coalescent-de-kingman.
html
Haccou P., Jagers P., Vatutin VA, (2005).
Branching Processes Variation, growth: Tangente Hors série n° 42 (2011).
and extinction of populations, Cambridge Mathématiques et biologie – L’organisation
University Press. du vivant.

Istas J., (2000). Introduction aux modélisations Darwin online http://darwin-online.org.uk/


mathématiques pour les sciences du content/frameset?pageseq=60&itemID=F1
vivant. Springer. 497&viewtype=side

Mallein B., (2011). Généalogie de populations:


le coalescent de Kingman, Culture Math,
ENS Ulm.

76 – Matematica, l’esplosione continua


Julie Delon, ricercatrice CNRS presso Telecom ParisTech
Agnès Desolneux, direttrice di ricerca CNRS presso Ecole Normale Supé-
rieure de Cachan

Lo sfarfallio fa parte dei difetti che comunemente colpiscono le pellicole


danneggiate. Attraverso alcuni casi particolari, vedremo come la mate-
matica aiuta a creare degli algoritmi per correggere automaticamente le
imperfezioni dei vecchi film.

L’emergere delle tecnologie digitali offre oggi ragionevole e per evitare un eccessivo investi-
l’accesso ad una parte importante del patri- mento umano, diventano indispensabili degli
monio cinematografico. Tuttavia, il processo di algoritmi di restauro rapidi e il più automatizza-
digitalizzazione deve essere accompagnato ti possibile. Lo sviluppo di tali algoritmi è anco-
dal restauro dei molti difetti che alterano i film ra più determinante con l’attuale tendenza
e i video. Tra questi inconvenienti citiamo in verso l’uso di immagini a risoluzione sempre
particolare lo sfarfallio (chiamato anche flicker più alta (ad esempio le TV HD o il supporto
per usare il termine inglese), che si traduce in Blu-ray) che accentuano ogni minimo difetto
variazioni innaturali dell’intensità dell’immagi- nelle immagini.
ne, graffi, viraggio del colore, macchie (piccoli
punti dovuti a granelli di polvere o alla perdita
di pezzi di gelatina sulla pellicola), ecc. Lo sfarfallio

La varietà dei difetti riscontrabili nei film rende


particolarmente difficile il loro restauro. Un film Concentriamoci su di un difetto molto comune
di 90 minuti contiene circa 130.000 immagini. nei vecchi film: lo sfarfallio (o flicker). Questo
Per restaurarlo completamente in un tempo difetto consiste in variazioni innaturali di con-

Il restauro dei vecchi film – 77


Figura 1. Tre immagini dal film “Charlot fa una cura” (1917) di Charlie Chaplin. L’immagine centrale
è molto più scura rispetto rispetto alle altre due. È questa mancanza di luminosità, chiamata
sfarfallio, o flicker, che dà l’impressione che il film “lampeggi” e che si cerca di correggere in modo
automatico.

trasto tra un’immagine e l’altra del film: le im- Per correggere questo difetto, i film sono pri-
magini diventano artificialmente scure o chiare, ma digitalizzati, il che significa che la pellicola
alternativamente. Queste variazioni di contra- viene sottoposto a scansione, fotogramma per
sto possono essere dovute sia alla degrada- fotogramma, e che questo insieme di immagini
zione chimica della pellicola (che produce digitali viene memorizzato su di un computer.
quindi delle zone più scure o più chiare duran- In generale, un secondo di film contiene 24 im-
te la visualizzazione), ma anche ad un cambia- magini. Un film di un’ora, una volta digitalizza-
mento nel tempo di esposizione (il tempo nel to, quindi contiene 86 400 immagini digitali.
quale la pellicola è stata esposta alla luce) di Un’immagine digitale in bianco e nero è mate-
un’immagine rispetto all’altra. Questo è parti- maticamente modellata come una funzione
colarmente vero per i film realizzati all’epoca in definita su una griglia rettangolare di quadrati
cui i film venivano girati manualmente. (chiamati pixel, contrazione di picture element)
a valori nell’insieme dei numeri positivi. Il valore
A differenza di altri difetti comunemente osser- dell’immagine in un pixel è chiamato livello di
vati nei film (graffi, polvere, ecc.), lo sfarfallio grigio di tale pixel.
non fa apparire delle nuove strutture nelle im-
magini. La sua particolarità è, quindi, di essere
trasparente, cioè non rilevabile su una singola Cambiamento di contrasto
immagine. Solo la visione dei fotogrammi suc-
cessivi del film permette di rendersi conto della Una volta digitalizzata la pellicola, possiamo
sua presenza. Pertanto, il ripristino di tale di- applicare a tutte le immagini quello che si chia-
fetto non può essere fatto su ogni immagine in ma il cambiamento di contrasto (vedremo più
modo indipendente, ma è necessario utilizzare avanti come operare per eliminare lo sfarfallio).
diverse immagini successive del film e cercare Dire che un’immagine I subisce un cambia-
di “mediare il contrasto.” mento di contrasto significa che viene trasfor-

78 – Matematica, l’esplosione continua


Figura 2. Una immagine digitale e un ingrandimento di una piccola parte di questa immagine, che
mostra alcuni pixel e i loro livelli di grigio.

mata in f ( I ) dove f è una funzione monoto- di contrasto. Nell’immagine non appaiono


na crescente sull’insieme dei numeri positivi: nuovi oggetti.
ad ogni pixel di coordinate (x, y) viene cambia-
to il suo livello di grigio I(x, y) nel valore Un cambiamento di contrasto
f(I(x, y)) Così, due pixel aventi lo stesso livello non altera il contenuto geome-
di grigio nell’immagine I avranno ancora livelli trico di un’immagine, vale a
di grigio identici nella nuova immagine f(I) L’in- dire che si vede la stessa cosa
teresse e la necessità di utilizzare una funzione nella foto prima e dopo un
f crescente risiede nel fatto che conserva l’or- cambio di contrasto.
dine dei livelli di grigio: se un pixel è più scuro
di un altro pixel nell’immagine I, questa pro- I cambiamenti di contrasto usati per corregge-
prietà rimane vera nell’immagine f(I). Di con- re lo sfarfallio nei film sono costruiti come segue.
seguenza, un cambiamento di contrasto non Supponiamo di voler ripristinare la n-esima im-
modifica il contenuto geometrico di un’imma- magine di un filmato, che indicheremo con In.
gine, vale a dire che si vede la stessa cosa Per ogni pixel (x, y) di In, guardiamo quello che
nell’immagine prima e dopo un cambiamento è il rango R del pixel nell’immagine In,

Il restauro dei vecchi film – 79


contrasto
f
x y Ix y

f
fI

Figura 3. Cambiamento di contrasto. L’immagine di destra è ottenuta applicando una variazione


contrasto all’immagine a sinistra. Si può osservare che il contenuto geometrico dell’immagine non
è cambiato.

in modo che tutti i pixel siano ordinati in manie- mato. Tale correzione si basa sulla seguente
ra crescente in base al loro livello di grigio (si osservazione: se per un oggetto del filmato il
assume che questo rango sia uguale per pixel suo livello di grigio può variare molto, il rango
che hanno lo stesso livello di grigio). Adesso dei pixel che contiene invece cambierà di poco
confrontiamo, nelle 10 immagini che precedo- da un’immagine all’altra. Ad esempio, i pixel
no In e nelle 10 che lo seguono all’interno del del livello della mediana (quelli per cui il nume-
filmato (vedi riquadro Il numero di immagini), ro di pixel dell’immagine più scuri uguaglia
n In x
quali sono i livelli di grigio dei pixel aventi lo quello dei pixel più chiari) è probabile che cor-
stesso rango R (o il rango più vicino ad R) in rispondano agli stessi oggetti in immagini di-
queste immagini. Questi pixel hanno valori di verse del film (vedi riquadro L’istogramma cu-
grigio che possono essere molto diversi da
Il numero di immagini
mulativo dei livelli di grigio).
quello di In(x, y). Pertanto prendiamo la media R
In xin totale),
di tutti questi livelli di grigio (21 valori y Abbiamo così ottenuto una equalizzazione di
il che determina il nuovo valore contrastox ytra le immagini
n del film, che elimina
del pixel (x, y) per l’n-esima immagine del fil- l’effetto dello sfarfallio.

cumulativo
80 – Matematica, l’esplosione continua dei livelli di grigio
Figura 4. Le tre immagini del film Charlie Chaplin “Charlot fa una cura” dopo il restauro automatico del
contrasto con il metodo descritto in questo articolo. Queste tre immagini hanno adesso una luminosità
simile, e l’effetto sfarfallio (che produceva un lampeggiamento) del film è scomparso.

Riferimenti Handbook of Mathematical Models in Computer


Vision, Edited by Nikos Paragios, Chen
Questo articolo è ispirato a quello che abbia- Yunmei, et Olivier Faugeras, Springer, 2005
mo scritto per il sito Image des Mathémati-
ques: Handbook of Mathematical Methods in Imaging,
Edited by Otmar Scherzer, Springer, 2011
Delon J., Desolneux A., (2011) Papillonnage
et mathématiques des images – Images
des Mathématiques, CNRS.

En ligne, URL: http://images.math.cnrs.fr/


Papillonnage-et-mathematiques-des.html

Il numero di immagini
Il numero di immagini utilizzate per il restauro (abbiamo preso qui le 10 immagini precedenti
e le 10 immagini seguenti) è una scelta euristica che può essere modificata. Più questo
numero è grande, più si tiene conto di un gran numero di immagini nel film per ripristinare
l’immagine corrente, e più si eliminano le fluttuazioni dovute allo sfarfallio. D’altra parte,
prendere troppe immagini non ha necessariamente senso se il film ha molti movimenti di
camera o oggetti che si spostano.

Il restauro dei vecchi film – 81


L’istogramma cumulativo dei livelli di grigio
Il cambiamento di contrasto applicato all’immagine In del filmato si può interpretare
in modo accurato mediante il concetto di istogramma cumulativo (chiamato anche
funzione di distribuzione) dei livelli di grigio dell’immagine. L’istogramma cumulativo dei
livelli di grigio di un’immagine è definito come la funzione che a ciascun valore del livello
di grigio (cioè, generalmente ad ogni numero compreso tra 0 e 255) associa il numero
di pixel nell’immagine avente un livello di grigio inferiore a questo valore. È quindi una
funzione crescente del livello di grigio. L’operazione che consiste nel fare la media dei
livelli di grigio dei pixel dello stesso rango R nelle 10 immagini che precedono e nelle 10
che seguono cronologicamente In nel filmato, equivale infatti a cambiare l’istogramma
cumulativo di In e a fare la media armonica (il reciproco della media aritmetica dei
reciproci) degli istogrammi cumulativi delle 21 immagini considerate. Altri tipi di medie
possono essere prese in considerazione, in particolare la media aritmetica, ma si
avrebbe allora l’apparizione di artefatti, come illustrato nella figura 5. In effetti, si può
dimostrare che la media armonica è l’unica che garantisce, per un filmato costituito
soltanto da un’immagine fissa, di effettuare correttamente la media del contrasto.

(a) Immagine u1, il suo istogramma e il suo (b) Immagine u2, il suo istogramma e il suo
istogramma cumulativo istogramma cumulativo

(c) L’immagine ottenuta facendo la media (d) L’immagine midway


degli istogrammi

Figura 5. (a) Immagine di un gradiente scuro, con il suo istogramma e il suo istogramma cumulativo.
(b) Immagine di un gradiente chiaro, con il suo istogramma e il suo istogramma cumulativo. (c)
L’immagine ottenuta se avessimo usato la media aritmetica per la correzione del contrasto: si
ottiene una discontinuità nel gradiente. (d) L’immagine ottenuta con la media armonica degli
istogrammi cumulativi: il risultato è in linea con quello che ci si aspetta - si ottiene un gradiente di
livello “medio” di grigi.

82 – Matematica, l’esplosione continua


Criptaggio e decriptaggio:
comunicare in tutta
sicurezza
Jean-Louis Nicolas, professore presso Université Claude Bernard Lyon 1
Christophe Delaunay, professore presso Université Franche-Comté

La protezione delle nostre carte bancarie, così come altre procedure critto-
grafiche comunemente utilizzate, si basa sull’impossibilità pratica di fat-
torizzare numeri molto grandi. La supremazia di questi metodi, la cui
affidabilità è costantemente messa in discussione dai progressi informa-
tici, potrebbe in futuro essere scalzata da altre tecnologie.

N doveva essere il prodotto di due grandi nu-


meri primi, vale a dire di numeri che, come ad
esempio il 7 o il 19, sono divisibili solo per 1 e
per se stessi. Il codice segreto di una carta
bancaria è costituito esattamente da questa
coppia di numeri primi; il loro calcolo a partire
da N era praticamente impossibile negli anni
‘80. Ma con l’aumento della potenza dei cal-
colatori e il miglioramento dei metodi matema-
tici, la grandezza dei numeri N, di cui non si
Nel marzo 2000 un grosso titolo era sulla pri- possono calcolare i fattori primi in tempi ragio-
ma pagina di tutti i giornali: “Attenzione alla nevoli, ha oltrepassato il centinaio di cifre negli
sicurezza delle carte bancarie”. Cosa era suc- anni ‘90 (il record attuale, ottenuto nel dicem-
cesso? In Francia, il codice segreto delle carte bre 2009, è la fattorizzazione di un numero di
magnetiche era protetto dal 1985 grazie ad un 232 cifre). Così, un astuto informatico, Serge
metodo di criptaggio che usava un grande nu- Humpich, aveva potuto trovare i due numeri
mero N costituito da 97 cifre. Questo numero primi ultra segreti il cui prodotto valeva N e li

Criptaggio e decriptaggio: comunicare in tutta sicurezza – 83


aveva utilizzati per fabbricare carte bancarie con lo scopo di renderli illeggibili ad occhi in-
false. Per garantire la sicurezza dei nostri pic- discreti.
coli rettangoli di plastica, l’organismo di ge-
stione delle carte bancarie è stato costretto a Criptare e decriptare dei messaggi segreti è
costruire immediatamente dei nuovi numeri N un’attività vecchia di molti secoli, addirittura
nettamente più grandi. millenni. E questa attività ha largamente supe-
rato i confini degli ambienti strettamente diplo-
Il sito web di Paul Zimmerman (vedi la bibliogra- matici o militari per investire interi settori dell’u-
fia a fine articolo) fornisce un aggiornamento dei niverso delle comunicazioni civili: procedure
vari record di fattorizzazione di numeri interi. d’autenticazione, transazioni bancarie, com-
mercio elettronico, protezione di siti e archivi
La dimensione del numero informatici, ecc.
N i cui fattori primi possono
essere calcolati in un tempo La crittografia ha conosciuto vari sviluppi nel
ragionevole ha superato il corso degli ultimi decenni. Di conseguenza,
centinaio di cifre negli anni ‘90. essa è divenuta una scienza complessa, dove
i progressi sono generalmente opera di spe-
cialisti con una formazione matematica e infor-
La crittografia moderna, un matica.
incrocio fra matematica e
informatica Questa specializzazione si è manifestata a par-
tire dalla seconda guerra mondiale. Oggi sap-
Questa vicenda illustra l’importanza conside-
piamo che la decriptazione da parte degli al-
revole che riveste oggi la scienza del criptag-
leati dei messaggi codificati dalla famosa
gio, vale a dire della codifica dei messaggi
macchina tedesca “Enigma” ha giocato un
ruolo importante in questo conflitto. Un emi-
nente matematico britannico, Alan Turing, uno
dei padri dell’informatica teorica, ha apportato
un contributo essenziale a questa decripta-
zione.

Negli anni ‘70 la crittografia ha conosciuto una


piccola rivoluzione: l’invenzione della crittogra-
fia a “chiave pubblica” con il metodo RSA. Di
che cosa si tratta? Fino ad allora i corrispon-
denti che volevano scambiarsi messaggi se-
greti condividevano una chiave segreta e il ri-
schio di intercettazione di questa chiave da
parte del nemico era notevole. Il protocollo
RSA, chiamato così in onore dei suoi inventori

84 – Matematica, l’esplosione continua


(Ronald Rivest, Ad Shamia e Leonard Adle- fatto niente che potesse essere considerato
man) ha risolto questo problema. Questo me- “utile”. I suoi lavori erano forse “inutili” nella
todo usa due chiavi: una chiave di criptazione sua epoca. Oggi questo non è più vero.
pubblica - che può essere conosciuta da tutti
- e una chiave di decriptazione, che rimane se-
greta. Essa si basa sul principio (utilizzato in Curve ellittiche:
seguito per proteggere le carte bancarie, la geometria algebrica al
come abbiamo visto in precedenza) che è pos- servizio degli agenti segreti
sibile costruire dei grandi numeri primi (di cen-
to, mille cifre, e oltre), ma che è estremamente
difficile ritrovare i fattori primi p e q di un gran- Tutto ciò non riguarda soltanto la teoria dei nu-
de numero N, che sia N= p × q, conoscendo meri. Altri campi della matematica pura, consi-
solo N. Schematicamente, la conoscenza di N derati privi di applicazione, contribuiscono alla
rimanda a quella della chiave pubblica di crip- sicurezza del criptaggio. Metodi crittografici
tazione, mentre la conoscenza di p e q riman- promettenti basati su principi vicini a quelli del
da a quella della chiave segreta di decripta- protocollo RSA sono apparsi nel corso degli
zione. ultimi anni. È così per il metodo detto del loga-
ritmo discreto.
Evidentemente, se qualcuno trovasse un me-
todo per decomporre rapidamente nei loro fat- Questo è servito a sua volta a concepire dei
tori primi dei grandi numeri, il protocollo RSA metodi che si basano sulle proprietà delle cur-
diventerebbe inefficace. Ma potrebbe anche ve ellittiche. Non si tratta di curve aventi la for-
succedere che i matematici provino che tale ma di una ellisse, ma di curve il cui studio è
metodo non esiste, cosa che rafforzerebbe la iniziato nei primi anni del secolo XIX per risol-
sicurezza del protocollo RSA. Questi sono de- vere il difficile problema del calcolo del perime-
gli argomenti di ricerca fondamentali. tro di una ellisse. Queste curve, per le quali le

I metodi che, come il protocollo RSA, fanno


intervenire elaborate teorie dei numeri, ci dan-
no una grande lezione: le ricerche matemati-
che (sui numeri primi specialmente) fatte disin-
teressatamente, possono rivelarsi, anni o
decenni più tardi, cruciali per svariate applica-
zioni; e questo in maniera imprevedibile.

Nel suo libro “Apologia di un matematico”, il


grande teorico dei numeri britannico G. H.
Hardy (1877-1947), il quale era un fervente pa-
cifista, si vantava di lavorare in un campo per-
fettamente puro, l’aritmetica, e di non aver mai

Criptaggio e decriptaggio: comunicare in tutta sicurezza – 85


coordinate (x, y) dei loro punti verificano una In generale, le curve ellittiche sono oggetti ge-
equazione del tipo y2 = x3 + ax + b, hanno ometrici che possiedono delle proprietà arit-
interessanti proprietà – il cui studio fa parte metiche – che sono sotto continua indagine –
della geometria algebrica – un settore molto in grado di rendere un utile servizio alla
vasto della matematica attuale. Per esempio, crittografia. In tal modo è stato sviluppato un
con l’aiuto di una appropriata costruzione ge- metodo crittografico detto logaritmo discreto
ometrica, è possibile definire una somma fra i sulle curve ellittiche. Curiosamente, le curve
punti di una curva ellittica (vedi figura sotto- ellittiche forniscono anche un nuovo metodo
stante). per la fattorizzazione di numeri interi (tuttavia,
dei metodi molto più avanzati sono necessari
per ottenere i record attuali).

Le curve ellittiche possiedono


delle proprietà aritmetiche
che si possono impiegare in
crittografia.

Il computer quantistico:
lo strumento del futuro?

Un’altra direzione, totalmente diversa, è emer-


sa di recente. Si tratta della crittografia quanti-
stica. Che cosa significa? Da qualche anno,
alcuni fisici e matematici hanno immaginato
che un giorno sarà possibile realizzare un
computer quantistico, vale a dire un calcolato-
re il cui funzionamento sfrutterebbe le bizzarre
leggi della fisica quantistica, quelle che regna-
no nel mondo dell’infinitamente piccolo. Ci si è
resi conto che un tale computer, se fosse rea-
Il grafico della curva ellittica di equazione lizzabile, sarebbe in grado di fattorizzare molto
y=2
x 3 + 1. Le curve ellittiche hanno una più rapidamente grandi numeri e renderebbe,
notevole proprietà: si possono “addizionare” quindi, del tutto inefficace il metodo RSA (in
i loro punti secondo il procedimento indicato questo contesto, al congresso internazionale
sul disegno. La “somma” così definita
dei matematici a Berlino del 1998, Peter Shor,
rispetta le consuete leggi aritmetiche; ad es.
( P1 + P 2 ) + P 3 =P1 + ( P 2 + P 3 ) . Certi me- dei laboratori AT & T ha ottenuto il Premio Ne-
todi attuali di crittografia necessitano delle vanlinna per i suoi lavori sulla fattorizzazione
curve ellittiche e delle loro proprietà con i computer quantistici). Peraltro, alcune
algebriche. ricerche riguardo l’effettiva realizzazione prati-

86 – Matematica, l’esplosione continua


ca di un computer quantistico sono state pub- Per saperne di più
blicate sulla rivista britannica Nature (vedi bi-
bliografia). D’altro canto, alcuni ricercatori Il sito di Paul Zimmerman sui records di fatto­
hanno elaborato alcuni protocolli di crittografia rizzazione di numeri interi:
quantistica, vale a dire metodi di criptaggio www.loria.fr/~zimmerma/records/factor.
che utilizzano degli oggetti (fotoni, atomi, ...) html
che obbediscono alle leggi quantistiche. Que-
sti protocolli quantistici garantiscono (almeno Kahn D., (1980). La guerre des codes secrets
in linea teorica) una sicurezza infallibile. Tutto (Interéditions).
ciò è in fase di elaborazione e potrebbe diven-
Stern J., (Jacob O. 1998). La science du
tare operativo nel prossimo futuro (ad esem-
secret.
pio, un cavo di comunicazione quantistica che
collega le città di Ginevra e Losanna opera già Singh S., (Lattès J.-C., 1999) Histoire des
da diversi anni ...). codes secrets.

Delahaye J.-P., (2000). Merveilleux nombres


premiers (Belin/Pour la Science).

Stinson D. (Vuibert, 2001). Cryptographie,


théorie et pratique.

Vandersypen L. M. K., et al., (2001)


Experimental realization of Shor’s quantum
factoring algorithm using nuclear magnetic
resonance, Nature, vol. 414, p. 883-887.

Criptaggio e decriptaggio: comunicare in tutta sicurezza – 87


François Alouges, Guilhem Blanchard Sylvain Calisti, Simon Calvet, Paul
Fourment Christian Glusa, Romain e Mario Leblanc Quillas-Saavedra,
rispettivamente professore e studenti presso École polytechnique

Il nuoto nei mezzi altamente viscosi come il miele è oggetto di ricerche in


corso, che coinvolgono discipline diverse come la meccanica dei fluidi, la
matematica applicata e la biologia. Ma perché interessarsi al nuoto nel
miele? E quali sono le differenze tra nuotare nel miele e nell’acqua?

Chi vorrebbe fare il bagno nel miele? Nessuno. qua) in scale molto piccole. E questa volta le
Chi si interessa al nuoto nel miele o, in genera- applicazioni pratiche sono numerose. Ad
le, nei mezzi altamente viscosi, lo fa per stu- esempio, i batteri sono dei microrganismi che
diare alcuni problemi, anche se in apparenza si muovono e nuotano in liquidi simili all’acqua
molto diversi tra loro, per i quali entrano in gio- come il sangue. Comprendere meglio le loro
co gli stessi meccanismi. Infatti, il nuoto in capacità di movimento potrebbe permettere
mezzi altamente viscosi su scala umana (la sia di impedire loro di muoversi, nell’ambito
scala macroscopica, dell’ordine di un metro) della lotta contro alcune malattie, sia, al con-
ha le stesse caratteristiche del nuoto in acqua trario, di aiutarli a svilupparsi (ad esempio nel
su una scala molto piccola (scala microscopi- caso di batteri che costituiscono la flora inte-
ca, delle dimensioni nell’ordine del centesimo stinale che ci aiuta a digerire il cibo che man-
di millimetro). Ed è più facile realizzare esperi- giamo). Un altro esempio di applicazioni medi-
menti a grandezze normali nel miele piuttosto che ancora più evidente è quello dei
che esperimenti in miniatura nell’acqua! micro-robot nuotatori. In effetti, se si potesse-
ro costruire dei minuscoli robot in grado di
Con questo artificio, possiamo studiare il nuo- muoversi in ambienti come l’acqua o il sangue,
to in mezzi acquosi (vale a dire, a base di ac- potremmo usarli per il trasporto di farmaci fino

Come e perché nuotare nel miele? – 89


alle cellule malate, effettuare interventi chirur- mentiamo all’interno di un aereo al momento
gici sul corpo umano senza bisogno di usare il del decollo quando ci sentiamo schiacciati
bisturi del chirurgo, oppure ­e ffettuare ripara- contro il sedile mentre l’aereo accelera brusca-
zioni di dimensioni microscopiche, inaccessi- mente. Questi effetti sono legati al fatto che le
bili con gli strumenti, seppure molto sofisti- forze fisiche (attrito, peso, ecc) non agiscono
cati, maneggiati dagli esseri umani. direttamente sulla nostra velocità, ma piutto-
sto sulla nostra accelerazione.

Inerzia e viscosità È più facile realizzare espe-


rimenti a grandezze normali
Quali sono le differenze tra il nuoto di Michael nel miele piuttosto che espe-
Phelps, 1m93, e quella del batterio Escheri- rimenti in miniatura nell’ac-
chia Coli (vedi figura 1), che misura pochi mi- qua!
crometri (millesimi di millimetro)? Perché non si
può studiare il movimento di questi due esseri La viscosità, invece, è provocata dalle intera-
viventi nello stesso modo? zioni tra le diverse molecole che compongono
il fluido. Possiamo associarla alla resistenza
In generale, le due tipologie di effetti che si ve- che oppone un fluido quando si cerca di defor-
rificano quando ci si muove in un fluido sono marlo.
quelli dell’inerzia e della viscosità. L’effetto
dell’inerzia è quello che, per esempio, speri-

Figura 1. Un campione di nuoto a confronto con E. Coli. Una differenza di.... grandezza.

90 – Matematica, l’esplosione continua


Questi due effetti sono di intensità molto diver- Il teorema della conchiglia
se a seconda della scala nella quale si opera. Saint Jacques
Per misurare la loro importanza relativa, si usa
una quantità adimensionale chiamata numero Il nuoto con un basso numero di Reynolds, nel
di Reynolds. Il numero di Reynolds di un flusso quale cioè domina l’effetto della viscosità, ha
è dato dalla formula Re = rUL / n , in cui ρ e proprietà interessanti e talvolta inaspettate. Il
ν rappresentano la densità e la viscosità del moto del fluido è descritto da equazioni di Sto-
fluido, e L e U sono rispettivamente una lun- kes che sono infatti una versione semplificata
ghezza e una velocità di scorrimento caratteri- delle equazioni di Navier-Stokes rispetto alle
stiche (per esempio quelli del nuotatore): un quali l’inerzia viene trascurata. Hanno una ca-
numero di Reynolds molto grande (rispetto ad ratteristica estremamente importante dal pun-
1) significa che gli effetti inerziali sono molto to di vista matematico: sono lineari, vale a dire,
più influenti di quelli viscosi, che quindi potre- la variazione di un parametro (pressione, velo-
mo trascurare. Se, al contrario, il numero cità, etc.) provoca una variazione proporziona-
Reynolds è molto piccolo, ci si limiterà a con- le di tutti gli altri parametri.
siderare la viscosità, trascurando l’inerzia.
Ecco dunque qual è la differenza tra Michael Questa linearità ha importanti implicazioni per
Phelps e E. Coli: il numero di Reynolds che ca- il nuoto con basso numero di Reynolds, come
ratterizza il nuoto del campione olimpico è di la reversibilità: se un oggetto viene deformato
circa 10 milioni, mentre quello che caratteriz- in qualche modo e successivamente riportato
zano il nuoto di un batterio è dell’ordine di alla sua forma originale seguendo precisamen-
0.00001. te il movimento contrario – nel qual caso si
dice che il movimento è inverso – ritornerà al-
Due flussi aventi un numero lora precisamente nella sua posizione iniziale,
di Reynolds simile hanno cioè non subirà nessuno spostamento. Questo
caratteristiche simili, anche è il “teorema della conchiglia Saint Jacques”,
se corrispondono a situazioni stabilito da E.M. Purcell nel 1977: queste con-
molto diverse. chiglie che nuotano aprendo e chiudendo il
loro guscio non possono spostarsi in ambienti
Due flussi aventi un numero di Reynolds simile dove domina la viscosità.
hanno caratteristiche simili, anche se corri-
spondono a situazioni molto diverse, come ad
esempio per il movimento di microrganismi
nell’acqua, di oggetti della dimensione di un
centimetro in un fluido viscoso (miele, silicone,
vernice, ecc.) oppure il flusso di scorrimento di
un ghiacciaio. In tutti e tre i casi, si ha un nu-
mero di Reynolds piccolo.

Come e perché nuotare nel miele? – 91


maticamente in figura 3. Si noti che nel movi-
mento indicato non è presente un movimento
inverso.

Uno stile di nuoto ottimale

Il problema dello stile del nuoto è quello di cer-


care dei cambiamenti periodici di forma, delle
bracciate, che producano, attraverso l’intera-
zione con il fluido, uno spostamento del nuota-
tore. Il nuotatore (o il robot-nuotatore) può
quindi concatenare le bracciate in modo da
muoversi nel fluido. Matematicamente, questo
problema equivale a cercare un percorso chiu-
so nell’insieme di tutte le forme possibili
Figura 2. Le conchiglie Saint Jacques non dell’oggetto che porti ad un cambiamento del-
potrebbero spostarsi in un ambiente la sua posizione.
dominato dalla viscosità.

Il problema consiste nel trovare


Per superare questa difficoltà, nel 1977 Purcell
delle forme di nuoto che mini-
immaginò un sistema con due pinne in grado
mizzino l’energia meccanica
di nuotare con basso numero di Reynolds,
spesa dal nuotatore per pro-
azionandole in sequenza come mostrato sche-
durre un dato spostamento. Si
tratta quindi di un problema di
controllo ottimale.

Si tratta di un problema di controllo. Agendo


sui parametri di controllo – la forma del nuota-
tore nel nostro caso – vogliamo ottenere un
obiettivo: spostare il nuotatore. Allo stesso
modo guidare un’auto è un problema di con-
trollo: agendo sul volante e l’acceleratore, cer-
chiamo di spostare il veicolo e portarlo in una
data posizione. La teoria del controllo è l’insie-
Figura 3. Il “Three-Link-Swimmer” di Purcell me degli strumenti matematici utilizzati per di-
è un robot nuotatore con due pinne.
mostrare rigorosamente che un dispositivo è
Azionando in sequenza le due pinne come
nel diagramma, il nuotatore progredisce
controllabile, vale a dire che il nostro nuotatore
lateralmente in un flusso dominato dalla può effettivamente spostarsi effettuando certi
viscosità. movimenti. Questa teoria utilizza molti argo-

92 – Matematica, l’esplosione continua


menti geometrici e la teoria delle equazioni dif- Queste ricerche teoriche del controllo ottimale
ferenziali ordinarie. Usando la teoria del con- sono molto attuali (si veda Per saperne di più).
trollo, possiamo dimostrare rigorosamente che Chissà, ci permetteranno forse di progettare i
alcuni nuotatori robot proposti dai fisici posso- micro-robot di domani!
no effettivamente spostarsi in un fluido in un
regime dominato dalla viscosità. Le figure 3 e 4
mostrano esempi di tali robot. Per saperne di più

In molti casi, sapere che è possibile controllare Al lettore interessato all’approfondimento di


un sistema non è sufficiente. Vogliamo poterlo questo argomento suggeriamo di leggere l’ec-
fare in modo ottimale rispetto ad un criterio, ad cellente articolo
esempio, come quando viaggiando in auto si
vuole ridurre al minimo il tempo di percorrenza Purcell EM, (1977). Life at low Reynolds
o il carburante consumato. Siamo allora nel number, Am. J. Phys, 45(1):3–11.
dominio matematico del controllo ottimale. Per
tornare al nuoto, il problema di trovare uno sti- Sono disponibili anche i lavori di ricerca di uno
le che minimizzi l’energia meccanica spesa dal degli autori di questo articolo:
nuotatore per produrre un determinato sposta-
mento (o quello di spostarsi più velocemente Alouges F., DeSimone A., Lefebvre A.,
possibile con una data quantità di energia) è (2008). Optimal strokes for low Reynolds
un problema di controllo ottimale. number swimmers: an example, J.
Nonlinear Sci., 18(3):277-302.
È possibile costruire degli algoritmi per calco-
lare numericamente (utilizzando un computer) Alouges F., DeSimone A., Lefebvre A.,
il movimento migliore per certi nuotatori. Dopo (2009). Biological fluid dynamics: swimming
aver modellizzato il problema, si tratta di trova- at low Reynolds numbers, Encyclopedia of
re una soluzione ad una equazione differenzia- Complexity and System Science, Springer
le ordinaria a partire da un dato punto (la posi- Verlag.
zione e la forma del nuotatore iniziali) e arrivare
ad un altro punto dato (la posizione e forma All’indirizzo http://www.cmap.polytechnique.
finali). Viene quindi utilizzato il cosiddetto “me- fr/~alouges/nage.php si possono guardare dei
todo dello sparo” (il cui nome, per analogia, video che mostrano le strategie ottimali di nuo-
proviene dal problema balistico di sparare una to di certi meccanismi e il confronto con altri
palla di cannone da un punto ad un altro, rego- metodi meno efficaci. La figura 4 proviene da
lando la direzione del cannone). Per le equa- uno di essi.
zioni differenziali necessarie per trovare il nuo-
to ottimale, conosciamo il punto di partenza e
vogliamo mirare al punto d’arrivo regolando la
velocità iniziale.

Come e perché nuotare nel miele? – 93


Molto istruttivo è anche il filmato realizzato da Center. Inc., Newton, MA) - disponibile tra l’al-
Taylor G. I. Taylor (G. I. Taylor, Low Reynolds tro su YouTube - che mostra una gamma com-
Number Flow, National Committee for Fluid pleta di particolarità dei flussi a basso numero
Mechanics Films, Education Development di Reynolds.

Figura 4. Simulazione numerica di una gara tra tre nuotatori composti da sfere allineate e collegate
da arti allungabili. Il nuotatore in primo piano è stato calcolato in modo che il suo nuoto sia ottimale,
e quindi si sposta più velocemente rispetto agli altri due a parità di energia. La gara si svolge da
sinistra a destra.

94 – Matematica, l’esplosione continua


Il teorema
del soffietto

Étienne Ghys, CNRS direttore di ricerca presso École Normale Supérieure de Lyon

Un righello, una matita, del cartone, delle forbici e della colla: non c’è bi-
sogno di altro per procurare ai matematici divertimento e problemi inte-
ressanti, il cui studio si rivela spesso, a posteriori e in modo del tutto
inaspettato, di utilità nelle applicazioni.

Costruiamo una piramide di cartone... Per fare struzione non è solidissima. Per completare la
questo, cominciamo a tagliare un modello piramide bisogna tagliare ancora un quadrato
SABCDE da un foglio di cartone come indicato di cartone ed incollarlo sul quadrilatero per for-
in figura, poi pieghiamo lungo le linee tratteg- mare la base. Dopo questa operazione la pira-
giate e infine incolliamo i lati AS ed ES. mide risulta essere solida, rigida. Se si posa su
un tavolo essa non crolla e se cerchiamo di
deformarla con le mani (con non troppa forza)
non vi riusciamo a meno di deformarne le fac-
ce di cartone. Analogamente, un cubo in car-
tone è rigido come tutti hanno potuto speri-
mentare. Che cosa succede ad un poliedro
generico che abbia, ad esempio, un migliaio di
facce? Il geode della Villette a Parigi è rigido?
Il risultato è una specie di cono il cui vertice è Quest’ultima domanda lascia intravedere
S e il bordo è il quadrilatero ABCD. Questo og- come il tema della rigidità e della flessibilità
getto è flessibile, infatti il quadrilatero ABCD si non sia solamente teorico.
può deformare aprendolo più o meno: la co-

Il teorema del soffietto – 95


Il caso di poliedri convessi tranti. Per esempio, la piramide che abbiamo
costruito o il pallone da calcio sono convessi,
Il problema della rigidità di oggetti di questo mentre l’oggetto disegnato a destra nella figu-
tipo è antichissimo. Euclide, con molta proba- ra qui sotto non lo è.
bilità, ne era a conoscenza. Il grande matema-
tico francese Adrien-Marie Legendre se ne è
interessato verso la fine del XVIII secolo e ne
ha parlato al suo collega Joseph-Louis La-
grange, il quale ha suggerito a sua volta al gio-
vane Augustin-Louis Cauchy di studiare tale
problema nel 1813. Sarà il primo risultato no-
tevole del barone A.-L. Cauchy, che diventerà,
poi, uno dei più grandi matematici del suo se-
colo.
Il teorema formulato da Cauchy afferma che
tutti i poliedri convessi sono rigidi. Questo si-
gnifica che, se si costruisce un poliedro con-
vesso con delle facce indeformabili (ad esem-
pio in metallo) unite da cerniere lungo gli
spigoli, la geometria globale dell’insieme impe-
disce alle giunture di muoversi. Il cono che ab-
biamo costruito è flessibile, ma questo non in-
valida il teorema: infatti, ad esso manca
l’ultima faccia, che è quella che rende rigida la
piramide.

Fare matematica significa dimostrare ciò che si


afferma: la dimostrazione di Cauchy è superba
(anche se alcuni hanno fatto notare, in seguito,
che essa era incompleta). Purtroppo non è lo
scopo di questo breve articolo quello di dare
una idea della dimostrazione, ma mi piacereb-
be evidenziarne un ``lemma’’, cioè un passo
della dimostrazione.
Augustin-Louis Cauchy (1789-1857),
uno dei grandi matematici del suo tempo.
(Archives de l’École Polytechnique) Posiamo a terra una catena formata da sbarre
metalliche unite l’una all’altra per un estremo,
come nella seguente figura:
Cauchy si è interessato a poliedri convessi,
vale a dire poliedri che non hanno spigoli rien-

96 – Matematica, l’esplosione continua


Nella figura seguente è rappresentato un
modello che permette al lettore di costruire il
cosiddetto flessidromo di Steffen. Tagliatelo
e piegatelo lungo le linee; le linee continue
sono gli spigoli sporgenti mentre le linee trat-
teggiate sono quelli rientranti. Incollate i bor-
di liberi nel modo più naturale ed otterrete
Chiudendo gli angoli della catena, la
distanza tra le estremità diminuisce: AZ è
una specie di Shadok che è veramente fles-
maggiore di A’Z’. sibile (almeno un po’...).

In ognuno degli angoli di questa poligonale


muoviamo le sbarre consecutive in modo da
diminuire l’angolo corrispondente; in questo
modo accade che le due estremità della cate-
na si avvicinano. Sembra ovvio! Provate a di-
mostrarlo...

Il flessidromo di Steffen. I lati hanno


Costruzione lunghezza 5, 10, 11,12, e 17.
di un “flessidromo”

Per tanto tempo molti matematici si sono chie- All’epoca i matematici furono incantati da que-
sti se anche i poliedri non convessi fossero ri- sto nuovo oggetto. Fu costruito un modello
gidi; era possibile trovare una dimostrazione di metallico e posto nella sala da thè dell’Institut
rigidità che non usasse l’ipotesi di convessità? des Hautes Études Scientifiques a Bures-sur-
I matematici amano gli enunciati nei quali tutte Yvette vicino a Parigi e ci si poteva divertire a
le ipotesi sono utili per giungere alla tesi. Si è farlo muovere (per la verità non proprio bello e
dovuto attendere più di 160 anni per risponde- un po’ cigolante). Si racconta che Dennis Sul-
re a questo particolare interrogativo. livan ebbe l’idea di soffiare del fumo di sigaret-
ta all’interno del flessidromo di Steffen e con-
Nel 1977, il matematico canadese Robert statò che facendo muovere l’oggetto il fumo
Connelly ha provocato grande scalpore nella restava tutto all’interno... Da questo egli intuì
comunità matematica costruendo un poliedro che quando il flessidromo si deforma il suo vo-
(abbastanza complicato) che risultava essere lume rimane invariato. L’aneddoto è vero o è
flessibile e, per non contraddire il teorema di una leggenda? Comunque sia, Connelly e Sul-
Cauchy, non convesso. In seguito la sua co- livan congetturarono che quando un poliedro
struzione è stata un po’ semplificata, in parti- si deforma il suo volume resta costante. Non è
colare da Klaus Steffen. difficile verificare questa proprietà nell’esempio

Il teorema del soffietto – 97


particolare del flessidromo di Connelly o anche “avrebbe potuto trovare”: le tecniche matema-
per quello costruito da Steffen (a prezzo di cal- tiche dell’epoca erano insufficienti.
coli complicati, ma privi di interesse matemati-
co): tuttavia la congettura in questione consi- Vorrei ricordare una formula che a volte si im-
dera tutti i poliedri, compresi quelli che non para alla scuola secondaria. Se le lunghezze
sono mai stati praticamente costruiti! Tale pro- dei lati di un triangolo sono a, b e c, si può
blema è stato chiamato “congettura del sof- calcolarne facilmente la superficie. Per fare
fietto”: il soffietto del focolare emette aria ciò si calcola a parte il semi-perimetro
quando viene compresso, in altri termini il suo p = ( a + b + c ) / 2 e poi si ottiene l’area
volume diminuisce (del resto proprio questa è S estraendo la radice quadrata di
la sua funzione). Sicuramente un soffietto reale p ( p − a )( p − b )( p − c ) . Questa elegante for-
non corrisponde alla definizione di poliedro, in mula porta il nome del matematico greco Ero-
quanto esso è in pelle e le sue facce si defor- ne e proviene dalla notte dei tempi. Si può
mano costantemente, contrariamente a quan- calcolare con una formula analoga il volume di
to accade per i poliedri le cui facce sono un poliedro conoscendone la lunghezza degli
rigide. spigoli? I tre matematici sopracitati hanno di-
mostrato che è possibile fare ciò.
Nel 1997 Connelly e due altri matematici I. Sa-
bitov e A. Walz sono finalmente riusciti a dimo- Essi cominciarono con un poliedro costruito a
strare questa congettura. La loro dimostrazio- partire da un modello formato da un certo nu-
ne è grandiosa e mostra ancora una volta le mero di triangoli chiamando l1, l2, l3, … le lun-
interazioni tra tutte le parti della matematica: ghezze dei lati di questi triangoli (eventualmen-
per risolvere questo problema prettamente ge- te molto numerosi). Essi provarono quindi che
ometrico, gli autori hanno utilizzato metodi il volume V del poliedro deve soddisfare
molto raffinati di moderna algebra astratta. una certa equazione di grado n-esimo, cioè
Non si tratta di una dimostrazione che Cauchy della forma a 0 + a 1V + a 2 V 2 + ... + a n V n =
0.

La cupola della Villette (1730 triangoli e 36 metri di diametro). Accanto una cupola più piccola.

98 – Matematica, l’esplosione continua


Il grado n dipende dal modello utilizzato ed i è interessante da entrambi questi punti di vi-
coefficienti dell’equazione a0, a1, ... dipendo- sta. Capire se un problema matematico abbia
no esplicitamente dalla lunghezza dei lati l1, l2, applicazioni nella vita pratica è più sottile. I
l3, … . In altri termini, se si conosce il modello matematici rispondono in varie maniere. Senza
e le lunghezze dei lati, è possibile trovare l’e- dubbio le domande “pratiche’’, provenienti per
quazione. Se il lettore ricorda che, in generale, esempio dalla fisica, servono molto spesso
un’equazione ha una soluzione quando è di come motivazione alla matematica. A volte,
grado 1, due quando il grado è 2, può indovi- cercando di risolvere un problema molto con-
nare che un’equazione di grado n non ha più creto, il matematico generalizza il problema
di n soluzioni. Quindi, in conclusione, se cono- alla risoluzione di un modello astratto: egli si
sciamo il modello e le lunghezze dei lati di un serve del problema iniziale come sorgente di
poliedro, pur non conoscendo l’esatto valore ispirazione e l’effettiva risoluzione del proble-
del volume, sappiamo che tale volume non ma concreto non è più la vera motivazione. Il
può assumere che un numero finito di valori... problema della rigidità appartiene a quest’ulti-
Quando il flessidromo si deforma, il suo volu- ma categoria; infatti, la sua origine dalla fisica
me non può, quindi, variare (altrimenti il volu- è abbastanza chiara: la stabilità e la rigidità di
me avrebbe un’infinità di valori successivi); strutture, per esempio, metalliche. Al momen-
questo volume è “bloccato” e la congettura del to, i teoremi e le costruzioni di Connelly non
soffietto è dimostrata... sono di nessuna utilità per gli ingegneri. Appa-
re evidente, tuttavia, che questo tipo di ricerca
non mancherà, in avvenire, di portare ad una
Il classico, il semplice migliore comprensione globale della rigidità di
e l’applicato svariate strutture costituite da un gran numero
di elementi individuali (macromolecole, edifici,
ecc...). Si tratta, dunque, di ricerche teoriche e
Questo problema è utile? È interessante? “disinteressate’’, ma che hanno buone possi-
Quando un problema matematico è interes- bilità di essere utili nel futuro.
sante? Questa è una domanda difficile sulla
quale i matematici, sicuramente, riflettono da Questo tipo di ricerca non
molto tempo. Ecco qualche possibile risposta, mancherà, in avvenire, di
qualche tentativo di dare un “indice di qualità”. portare ad una migliore
L’antichità è un primo criterio: i matematici comprensione globale della
sono molto sensibili alla tradizione, ai problemi rigidità di svariate
enunciati da molto tempo, sui quali si sono in- strutture costituite da un
terrogati molteplici generazioni di studiosi. Un gran numero di elementi
buon problema, inoltre, deve avere un enun- individuali.
ciato semplice, la cui dimostrazione porti a svi-
luppi sorprendenti, se è possibile, mettendo in
relazione aree molto diverse della matematica.
Il problema della rigidità di cui stiamo parlando

Il teorema del soffietto – 99


Per saperne di più Kuiper N. H., (1979). Sphères polyédriques
flexibles dans E3, d’après Robert Connelly,
Berger M., (1977). Géométrie, v. 3. – Convexes Séminaire Bourbaki, 30 e année (1977/78),
et polytopes, polyèdres réguliers, aires et exposé n° 514, pp. 147-168 (Lecture
volumes (CEDIC/Nathan Information). Notes in Math. 710, Springer).

Connelly R., Sabitov I., Walz A., (1997).


The bellows conjecture, Beiträge Algebra
Geom., 38, n° 1, p. 1-10.

Connelly R., (1977). A counterexample to the


rigidity conjecture for polyhedra, Institut des
Hautes Études Scientifiques, Publication
Mathématique n° 47, p. 333-338.

100 – Matematica, l’esplosione continua


Riconoscere lo Spam:
un gioco da ragazzi?
Tristan Mary-Huard, ricercatore INRA presso INRA-AgroParisTech

Come distinguere automaticamente lo spam da un messaggio normale. I


filtri anti-spam analizzano i messaggi di testo utilizzando algoritmi di
classificazione a forma di alberi. Questi comprendono un numero ottima-
le di nodi corrispondenti ad altrettante domande pertinenti per determi-
nare la natura di un messaggio.

Alcuni anni fa, un famoso produttore di giocat- tavia il metodo da lui proposto nel 1984 segue
toli ha proposto il gioco “Indovina Chi?”. Il prin- strettamente la logica di quel gioco e lo utilizza
cipio del gioco è semplice: ogni giocatore deve per risolvere i problemi di classificazione. Que-
trovare tra una collezione di personaggi quello sto metodo è stato più volte sfruttato e serve
scelto dal suo avversario. Per far questo, ogni oggigiorno, tra l’altro, alla rilevazione dello
giocatore a turno pone una domanda del tipo: spam.
“Il personaggio ha i baffi?”, oppure: “Il perso-
naggio ha gli occhiali?”. Il primo giocatore che Tra tutti i messaggi ricevuti da un individuo per
riesce a trovare il personaggio dell’avversario posta elettronica, ci sono due tipi di messaggi:
vince la partita. La vittoria, quindi, va al gioca- “regolari” (inviati da amici o da siti internet ai
tore che pone la sequenza di domande più quali si è abbonati) e messaggi “spam” (comu-
pertinenti per identificare il più rapidamente nicazioni elettroniche non richieste). Questi
possibile il personaggio misterioso. messaggi di spam vengono solitamente inviati
a migliaia, anche milioni di persone sulla rete, e
La storia non dice se Leo Breiman, matemati- le conseguenze di tali invii di massa non sono
co e ricercatore americano, e i suoi colleghi trascurabili: in Francia, si stima che il 95% del-
presso l’Università di Berkeley fossero stati le mail ricevute nel 2009 fossero messaggi di
giocatori appassionati di “Indovina chi?”. Tut- spam.

Riconoscere lo Spam: un gioco da ragazzi? – 101


Una possibilità è quella
di classificare i messaggi
mediante lo studio della
frequenza con cui certe parole
occorrono.

Per evitare che gli utenti trovino la loro cartella


di posta intasata, i fornitori di servizi internet
cercano di sviluppare metodi di filtraggio anti-
Figura 1. Esempio di albero di
spam in grado di distinguere automaticamen- classificazione per classificare i messaggi di
te un messaggio di spam da uno regolare. Tali posta elettronica.
metodi sono chiamati algoritmi di classifica-
zione. L’algoritmo proposto da Breiman e i suoi colle-
ghi è illustrato in figura 1. Rappresenta il per-
corso che deve seguire un messaggio per es-
“Vincere”, “lotteria”: sere classificato come spam o regolare. Il
Le parole tipiche dello spam percorso inizia nella parte superiore, leggendo
la domanda scritta nel nodo radice (le ellissi
sono chiamati nodi, le linee tra due ellissi rami,
Su quali informazioni può basarsi l’algoritmo di e il primo nodo superiore è chiamato il nodo
classificazione? Ogni messaggio contiene del radice). Se la risposta alla domanda è sì, vale a
testo. È dunque a partire dall’analisi del conte- dire se la frequenza di occorrenza della parola
nuto del testo che bisogna classificare un “vincere” è strettamente maggiore di 2, il mes-
messaggio come spam o regolare. Spesso lo saggio continua il suo percorso attraverso il
spam cattura l’attenzione del destinatario con ramo di destra. Altrimenti, il messaggio prose-
la promessa di un guadagno (in genere econo- gue nel ramo sinistro. Il messaggio raggiunge
mico) e chiede all’utente di collegarsi ad un quindi un altro nodo, e come prima continua il
sito che in questo modo diventerà molto fre- suo percorso verso destra o sinistra a seconda
quentato. Questi messaggi sono quindi carat- della risposta alla nuova domanda. Questo vie-
terizzati dalla presenza di parole come “vince- ne ripetuto finché il messaggio raggiunge una
re”, “lotteria” o “cliccare” nel corpo del testo. foglia, vale a dire un nodo dal quale non parte
Ci sono quindi delle parole che possono rivela- nessun ramo. Nella foglia raggiunta si legge
re la natura del messaggio. Quindi, una possi- come il messaggio viene classificato. Si noti
bilità è quella di classificare i messaggi dallo che il vocabolario utilizzato (radice, nodi, rami
studio della frequenza con cui certe parole oc- e foglie) non è dovuta al caso: l’algoritmo di
corrono. classificazione di Breiman è chiamato infatti
albero di classificazione.

102 – Matematica, l’esplosione continua


per indicare “vincere una partita” piuttosto che
“fare soldi”. Questo uso alternativo della parola
“vincere” è tenuto in conto (dal nodo situato in
basso a destra del nodo radice) e il messaggio
sarà classificato REGOLARE dall’albero della
figura 1.

Naturalmente, l’albero e i messaggi qui consi-


derati sono solo un esempio molto semplifica-
to del problema generale. Gli alberi di classifi-
Consideriamo i seguenti
cazione utilizzati nella pratica sono spesso più
messaggi
grandi (in termini del numero di nodi), e le do-
mande connesse ad ogni nodo riguardano la
Messaggio 1 presenza di decine di parole diverse.
Congratulazioni,
hai appena vinto la nostra grande lotteria
su internet. Valutare i diversi alberi
Clicca qui per ricevere 1.000.000 dollari!!!
Rimane la questione della scelta dell’albero di
E per vincere altri premi, clicca qui.
classificazione. Come si sceglie il numero di
domande da porre? O su quali parole devono
Messaggio 2
vertere le diverse domande? Queste scelte
Ciao Benoît,
possono essere effettuate nel modo seguen-
domani gioco contro Bruno.
te: ciascuno può proporre l’albero di classifi-
Se vinco la partita mi qualifico diretta- cazione che gli sembra più efficace e tutti
mente. questi alberi possono essere misurati su di un
Se non vinco domani, ma vinco la prossi- campione di prova. Un campione di prova è
ma, passo in corsia 3 l’anno prossimo! un insieme di messaggi la cui natura è nota,
Abbracci, Sandra perché sono già stati letti e classificati come
spam o regolare da parte di una persona.
Nel primo messaggio, la parola “vittoria” appa- Gli alberi di classificazione vengono applicati
re solo due volte. La risposta alla domanda del uno dopo l’altro al campione di prova e per
nodo principale è negativa, e il messaggio se- ogni messaggio il risultato dell’algoritmo di
gue il ramo di sinistra. Arrivando al nodo suc- classificazione viene confrontato con la vera
cessivo, vediamo che la parola “clicca” appare classificazione. Un albero di classificazione
due volte. Il messaggio prende quindi il ramo che troppo spesso classifica come normale
di destra, raggiungendo alla fine una foglia messaggio di spam o viceversa viene esclu-
SPAM. Il messaggio verrà quindi classificato so. Tra gli alberi rimanenti, verrà scelto quello
come spam. Nel secondo messaggio, la paro- con il minor numero di nodi, vale a dire quello
la “vincere” appare tre volte, ma è qui usata che permette di stabilire la natura del mes-

Riconoscere lo Spam: un gioco da ragazzi? – 103


saggio con il minor numero di domande. Il solleva molte domande: si può utilizzare per
vincitore è quindi quell’albero che pone le qualsiasi problema di classificazione, o ci
domande più rilevanti per determinare il più sono problemi per i quali l’algoritmo potrebbe
rapidamente possibile la natura dei messag- rivelarsi inefficace? Possiamo dimostrare che
gi. Ritroviamo quindi la strategia del gioco gli alberi di classificazione sono migliori (in ter-
Indovina Chi?! mini di prestazioni di classificazione) di altri
algoritmi comunemente utilizzati? Migliore-
remmo le prestazioni utilizzando più alberi di
classificazione, invece di uno, come quando si
convoca una giuria di esperti, invece che uno
solo? Molti articoli sono stati dedicati a queste
domande, e più in generale a determinare le
proprietà degli alberi di classificazione, articoli
che hanno contribuito a giustificare teorica-
mente il loro utilizzo. Ma questa ricerca mate-
matica sugli alberi di classificazione, lungi dal
servire unicamente a convalidare il metodo
iniziale, ha permesso anche ai ricercatori di
suggerire come modificare l’algoritmo e mi-
gliorarne le prestazioni. Ecco quindi, l’applica-
zione degli alberi di classificazione per filtrare
lo spam, che si è considerevolmente affinato
nel corso degli anni. Da un unico albero di
classificazione, siamo passati ad una foresta
(metodo delle foreste random, vedi riquadro) e
Migliorare il filtraggio gli alberi sono diventati dinamici: mano a
mano che il proprietario della posta elettronica
La longevità degli alberi di classificazione, uti- riceve dei messaggi ciascun albero continua a
lizzati ormai da 25 anni, e la diversità delle ap- raccogliere informazioni sulle frequenze di paro-
plicazioni che hanno trovato (ad esempio, nei le per migliorare le sue prestazioni di classifica-
campi della biologia, dell’ecologia e della me- zione. Gli alberi di classificazione, e in generale
dicina, si veda il riquadro) è dovuto non solo al tutti gli algoritmi di classificazione, costituiscono
fatto che le prestazioni ottenute in pratica da quindi un tema di ricerca molto attivo, al quale
questo algoritmo sono soddisfacenti. In effet- sono dedicate numerose e prestigiose confe-
ti, dal punto di vista matematico, l’algoritmo renze internazionali di matematica.

104 – Matematica, l’esplosione continua


Mano a mano che il D’altra parte gli spammer non stanno a guar-
proprietario della posta dare e i messaggi di spam sono oggigiorno
elettronica riceve dei scritti in modo tale da aggirare i filtri. Le paro-
messaggi, ciascun albero le che potrebbero tradire la natura del mes-
continua a raccogliere saggio sono accuratamente evitate, o inten-
informazioni sulle frequenze zionalmente scritte con errori ortografici per
delle parole per migliorare renderle più difficili da identificare da parte
le sue prestazioni di dell’algoritmo di classificazione. La gara tra
classificazione. gli spammer e i filtri è appena iniziata e conti-
nuerà anche in futuro a porre ai matematici
nuovi problemi appassionanti ... e altre criti-
che verso lo sviluppo informatico ed econo-
mico della nostra società!

Il metodo delle foreste random


di Robin Genuer, ricercatore presso Uni- ro. Ciò rende molto difficile offrire un buon
versité di Bordeaux Segalen albero “al primo colpo” (fare una partita di
Indovina chi? con 10.000 domande pos-
Il metodo delle foreste random (foreste sibili sembra davvero molto arduo!).
aleatorie) può essere molto utile nelle
applicazioni della medicina. Ad esempio, L’idea delle foreste random è quello di
quando si studiano i fattori di rischio di costruire una collezione alberi dove per
una malattia e non si dispone di informa- ciascun albero si restringe il numero di
zioni sui geni dei soggetti affetti o no da domande da fare. Dopo aver messo in-
questa malattia. L’obiettivo è quindi di tro- sieme tutti questi alberi, si può valutare la
vare i geni che permettono di distinguere classificazione proposta dalla foresta (su
con maggiore probabilità i soggetti malati di un campione di prova).
da quelli sani.
Molti studi indicano che una foresta sem-
Tuttavia, nella maggior parte dei casi, ab- bra comportarsi meglio di un solo albero
biamo informazioni su decine di migliaia per questo tipo di problemi (anche se le
di geni, e quindi di altrettante potenziali ragioni di questo fenomeno sono ancora
domande per biforcare un nodo dell’albe- relativamente sconosciute).

Riconoscere lo Spam: un gioco da ragazzi? – 105


Per saperne di più

Breiman L., Friedman J., Olshen R., Stone European Network and information
C., (1984) Classification And Regression Security Agency (ENISA), Spam Survey,
Trees, Chapman & Hall. 16 décembre 2009

Articolo sullo Spam di Wikipedia, (http:// Surhone LM, Tennoe MT, Henssonow SF,
it.wikipedia.org/wiki/Spam). (2010) Random Forest, Verlag.

106 – Matematica, l’esplosione continua


L’arte di tagliare teste
senza ferire
Erwan Le Pennec, ricercatore presso INRIA all’Università Paris-Sud

Il principio dalla tomografia è quello di ricostruire un oggetto da una rac-


colta di sue radiografie. Questo è noto in matematica come un problema
inverso. La risoluzione è difficile e sempre fonte di nuove domande per
matematici.

Sembrerebbe difficile “tagliare” una testa per


osservare il suo interno senza far male al suo
proprietario. Eppure questo è quello che le
équipe mediche possono ottenere utilizzando
la TC (Tomografia Computerizzata). Questo
strumento diagnostico è disponibile grazie ai
lavori di Godfrey Hounsfield e Allan McLeod
Cormack, due fisici che hanno condiviso il pre-
mio Nobel nel 1979 per questa invenzione. La
TC non potrebbe esistere senza il matrimonio
di fisica, matematica e informatica.

L’arte di tagliare teste senza ferire – 107


Problema diretto, problema sarà leggermente diversa da quella attesa a
inverso causa delle semplificazioni fisiche, dell’im-
precisione di vari sensori e di altri fattori.
Diversamente dalla radiografia convenzionale
a raggi X, l’immagine di una TC non è ottenu-
ta mediante una misurazione fisica, ma è Ricostruire l’oggetto a par-
creata da un computer utilizzando algoritmi tire dalle radiografie
matematici a partire da una collezione di ra-
diografie della testa del paziente prese da Ricostruire l’oggetto a partire dalla collezione
angolazioni diverse. Per riuscire in una tale di radiografie, il problema inverso, risulta es-
impresa, è necessario risolvere due problemi: sere un problema molto più difficile. Dobbia-
spiegare come questo insieme di radiografie mo riuscire ad invertire la procedura di acqui-
dipende dall’interno della testa del paziente sizione della scansione mediante una
(questo è chiamato problema diretto) e capi- procedura implementabile con un computer.
re come mettere insieme la raccolta delle ra- Inoltre, è necessario che le piccole impreci-
diografie per ricostruire cosa accade all’inter- sioni nel modello non inducano grandi errori
no della testa del paziente (parliamo qui di sul risultato. È la messa a punto di una solu-
problema inverso). zione a questo problema che ha permesso la
nascita della prima generazione di apparec-
Il problema diretto è lo stesso di quello delle chi per la TC alla fine degl’anni ‘60. Da allora,
radiografie a raggi X. Il principio è stato sco- gli sviluppi tecnologici delle sorgenti di raggi
perto da Wilhelm Conrad Roentgen nel 1895 X, dei sensori nonché di altri apparati stru-
ed è stato immediatamente utilizzato per dia- mentali hanno migliorato la qualità delle im-
gnosticare lesioni interne. È stato ampiamente magini ottenute. Questa sarebbe oggi molto
studiato da un punto di vista fisico: è ben noto più scarsa senza il lavoro dei matematici e lo
che l’immagine radiografica dipende principal- sviluppo di nuovi algoritmi di inversione.
mente dalla quantità di materiale assorbente
attraversato dai raggi X tra la sorgente ed il
sensore. Questo è il motivo per cui le ossa,
più assorbenti dei tessuti, sono le strutture più
visibili. Tenendo conto delle caratteristiche fi-
siche degli strumenti a raggi X utilizzati, è dun-
que facile prevedere matematicamente, in
modo molto preciso, la radiografia di un og-
getto che sia completamente noto. Lo stesso
ovviamente vale per una raccolta di radiogra-
fie prodotte da uno scanner per la TC.

Sebbene molto precisa, questa modellizza-


zione non è perfetta: la radiografia misurata

108 – Matematica, l’esplosione continua


Un principio semplice, spesso chiamato il prin- Per applicare questo principio di buon senso,
cipio del rasoio di Ockham, è la fonte della dobbiamo ovviamente fornire una definizione
maggior parte dei metodi moderni per risolvere precisa (e matematica) di “coerenza” e di
questo problema. Guglielmo di Ockham, un “complessità”, nonché proporre un metodo
monaco francescano e filosofo del XIV secolo, per ottenere una soluzione che sia coerente e
ha spiegato che “le ipotesi non devono essere poco complessa.
assunte senza necessità”. Nella sua formula-
zione moderna, il rasoio di Ockham è un prin- Una buona soluzione è una
cipio di parsimonia: una buona soluzione è una soluzione coerente con i dati
soluzione coerente con i dati osservati senza osservati senza essere inutil-
essere inutilmente complessa. mente complessa

Figura 1. A sinistra si trova un’immagine test chiamata fantoccio di Shepp-Logan, spesso utilizzato
per la valutazione dei metodi tomografici; la foto immediatamente alla sua destra corrisponde alle
misure di uno scanner perfetto (questa immagine bidimensionale si ottiene giustapponendo le
“fette” per i diversi piani di taglio). L’immagine seguente corrisponde alle misure leggermente
disturbate; infine sotto sono rappresentati tre equilibri differenti tra l’incoerenza (l’immagine della
colonna di sinistra è tanto più chiara quanto più è grande la discrepanza con le misure) e la
complessità (l’immagine della colonna di destra corrisponde a delle soluzioni di complessità
crescente dall’alto verso il basso).

L’arte di tagliare teste senza ferire – 109


Nessuno dei metodi per risolvere il problema – La deconvoluzione ottica, dove si cerca di
raccoglie l’unanimità dei consensi: i matemati- eliminare la sfocatura causata dalla lente in
ci, così come i produttori di apparecchi per la una fotografia.
TC, continuano ad esplorare altre possibilità.
Uno dei metodi sul quale ha lavorato l’autore –L
e immagini sismiche, dove l’obiettivo è
del presente articolo, è illustrato in figura 1. quello di individuare le strutture del sottosuo-
lo a partire dai rilevamenti della propagazioni
Si è osservato che la soluzione migliore sem- delle onde.
bra essere quella che realizza il miglior com-
promesso tra coerenza e complessità. In ciascuna di esse, è possibile identificare
un problema diretto, ovvero, lo studio di
come le misure dipendono da un oggetto, e
un problema inverso, nel quale si cerca di
risalire all’oggetto dalle misure. Per ciascu-
no di questi problemi, il principio del rasoio
di Ockham si è dimostrato essere efficace
per ottenere risultati sia teorici che pratici.
Le questioni intorno a questi problemi inver-
si sono ben lungi dall’essere risolte: nuovi
dispositivi d’acquisizione vengono regolar-
mente introdotti e nuovi strumenti di calcolo
sempre più potenti consentono di conside-
rare metodi di complessità crescente, così
come nuovi strumenti matematici consento-
no di esplorare nuovi metodi ...
Risonanza magnetica,
indagini sismiche
e problemi connessi

Esistono molti problemi simili nell’elaborazione


delle immagini che includono, per esempio:

–L
 a risonanza magnetica nucleare (RMN), in
cui si cerca di determinare le strutture all’in-
terno di un corpo misurando la loro interazio-
ne con i campi magnetici.

110 – Matematica, l’esplosione continua


Per approfondire ...
La modellizzazione più comune del pro- za tra la radiografia osservata R e quella
blema menzionato in questo articolo è prevista dal modello diretto di un oggetto
l’osservazione di un oggetto O attraverso O: questa funzione è piccola quando l’og-
una collezione di sue radiografie R ottenute getto O è coerente con le osservazioni e
mediante l’applicazione di una funzione F grande quando è incoerente.
proveniente dal modello diretto al quale si
aggiunge una perturbazione B sconosciu- Allo stesso modo, si definisce una misura
ta. Si ha quindi di complessità C(0), che sarà grande quan-
do l’oggetto è complesso e piccola quan-
=R F( O ) + B do l’oggetto è semplice.
e desideriamo trovare nel miglior modo O a
partire dalla collezione delle radiografie R. È possibile, quindi, interpretare il principio
di Ockham come la ricerca di un oggetto
Un’idea naturale per un matematico è de- O che realizzi il miglior compromesso tra
terminare l’inversa F −1 della funzione F e queste due grandezze, cioè un oggetto per
applicarla ad R per ritrovare O. Sfortuna- cui la somma
tamente, ci si accorge che l’oggetto così
F ( R,O ) + C ( O )
ottenuto
sia la più piccola possibile.
F −1 ( R ) F −1 ( F ( O ) + B )
=

può essere molto diverso da O anche se Gli esperimenti numerici della figura sono
B è piccolo. Si dice che l’inversione è in- stati ottenuti scegliendo come criterio di
stabile. coerenza essenzialmente la distanza usua-
le tra l’immagine dell’oggetto F ( O ) e R, e
Per applicare il principio di Ockham, è ne- per criterio di complessità, la parsimonia,
cessario definire il criterio di coerenza così il numero di coordinate non nulle in una
come quello di complessità. rappresentazione adeguata. Questa scelta
offre delle garanzie teoriche sulla ricostru-
Il matematico definisce una funzione d’in- zione e un algoritmo efficiente per determi-
coerenza F(R, O) che quantifica la differen- nare il miglior compromesso.

L’arte di tagliare teste senza ferire – 111


Yiou Pascal, ricercatore presso CEA
Philippe Naveau, ricercatore CNRS presso Institut Pierre Simon Laplace

Lo studio del clima e delle sue variazioni si basa su un gran numero di


strumenti e concetti statistici. Ciò si riflette nel linguaggio utilizzato dai
vari rapporti dell’IPCC (Comitato internazionale di esperti sui cambia-
menti climatici), che mettono un forte accento sulle incertezze e la loro
quantificazione.

La stima del cambiamento climatico nel corso Clima e meteorologia


degli ultimi secoli e la visione prospettica del a confronto
comportamento degli ultimi decenni in questo
contesto plurimillenario, è una delle principali
sfide scientifiche attuali. Osservando i grafici Il primo ingresso della statistica nella climato-
delle temperature medie rilevate sul globo o su logia è rintracciabile nella definizione stessa di
ciascun emisfero (o in alcune sottoregioni), si clima e nella differenza tra i termini meteorolo-
constata un aumento complessivo delle tem- gia e climatologia. Per citare un celebre afori-
perature nel corso del XX secolo, con un’acce- sma attribuito a E.N. Lorenz, il meteorologo
lerazione a partire dagli anni 1970. Un gran che ha inventato l’espressione “effetto farfalla”
numero di argomentazioni, nonché di misura- e che ha introdotto lo studio del caos nelle
zioni fisiche e termodinamiche, dimostrano scienze dell’atmosfera, “climate is what you
che questo aumento è dovuto alle attività expect, meteorology is what you get”, ovvero,
umane, responsabile del rilascio dei gas a ef- “il clima è quello che ti aspetti, la meteorologia
fetto serra nell’atmosfera. è quello che succede realmente”. La climato-
logia e la meteorologia usano e descrivono le
stesse variabili fisiche (temperatura, pressio-
ne, velocità del vento, precipitazioni ...), ma i

Climatologia e statistica – 113


meteorologi sono interessati allo stato di que- L’evoluzione di temperature
ste variabili in un determinato luogo e in un medie
dato momento, mentre i climatologi osservano
i valori medi in una stagione o in una regione. Una domanda scientifica legittima è se i valori
Questi valori medi possono essere le variabili delle temperature rilevati attualmente siano già
fisiche abituali (per esempio, la temperatura stati riscontrati nell’ultimo millennio, dato che
media invernale nell’Île-de-France) o altre la configurazione dei continenti e la posizione
grandezze più sofisticate, come la varianza della Terra intorno al Sole non sono pratica-
della velocità del vento o l’insolazione media in mente cambiati. Per affrontare questo compi-
una regione. In generale, le variabili climatiche to, dato che non ci sono registrazioni termo-
sono definite per periodi di 30 anni (ad esem- metriche prima del XVII secolo, si utilizzano
pio 1961-1990) per motivi euristici riferiti all’in- degli indicatori climatici come gli anelli degli
ferenza statistica delle grandezze medie. È per alberi, i sedimenti lacustri, i carotaggi dei
questa ragione che non è ragionevole confron- ghiacciai, o anche delle testimonianze scritte
tare le tendenze di temperatura per un periodo (come le date dei raccolti). La combinazione di
di dieci anni o meno, con le tendenze stimate queste registrazioni indirette si realizza attra-
su tutto il XX secolo. verso tecniche statistiche multivariate a volte
sofisticate (come, ad esempio, le wavelet, i
Il primo ingresso della sta- modelli bayesiani gerarchici, le componenti
tistica nella climatologia si principali, ...), tecniche che permettono di rico-
incontra nella definizione struire un segnale interpretato come un cam-
stessa di clima. biamento di temperatura durante gli ultimi se-
coli. Il risultato che più colpisce di questi studi,
realizzati da una quindicina di gruppi di ricerca
in tutto il mondo, è la netta variazione delle
temperature. Il grafico che ne risulta evidenzia
una forma chiamata a “bastone da hockey”: si
può osservare una lieve diminuzione della tem-
peratura osservata tra l’anno Mille e il 1900 e
un rapido aumento nel corso del XX secolo (fi-
gura 1). Questo bastone da hockey è un leg-
germente storto, con un clima caldo (tra il
1000 e il 1400) e una piccola era glaciale fred-
da (tra il 1500 e il 1800). L’utilizzo di metodi
statistici consente di ottenere intervalli di con-
fidenza adeguati per rispondere alla domanda:
“Qual è la probabilità che la temperatura attua-
le fosse parte della gamma di temperatura ri-
costruite a partire dall’anno mille?” La risposta
è: una probabilità estremamente bassa, indi-

114 – Matematica, l’esplosione continua


T osservate
Temperature (C)

Anni

Figura 1. Ricostruzione della temperatura dell’emisfero settentrionale a partire dall’anno 800. Le


temperature sono espresse come differenza dalla media del periodo 1961-1990 (linea tratteggiata).
I livelli di grigio indicano la probabilità (in %) che la temperatura ricostruita per un dato anno si trovi
in una certa gamma di temperature. La linea continua indica le temperature medie nell’emisfero
settentrionale (adattato dal rapporto IPCC 2007).

pendentemente dal metodo statistico utilizzato Qual è la probabilità che la


nella ricostruzione! In altre parole, non vi è al- temperatura attuale fosse
cuna possibilità che il cambiamento climatico parte della gamma di tempe-
attuale sia parte di una normale evoluzione del rature ricostruite a partire
clima. dall’anno Mille?

Climatologia e statistica – 115


Variazioni intorno al valore bilità di osservazioni di qualità e durata suffi-
medio cienti.

Se siamo interessati alle ondate di calore, al


Una conseguenza dello studio delle variazioni freddo o alla pioggia intensa, il quadro statisti-
delle temperature medie riguarda le variazioni co che pare più appropriato è quello della Teo-
rispetto al valore medio: possiamo dire che si ria dei Valori Estremi, elaborato da Emile Gum-
osservano sempre di più degli eventi estremi bel, nel 1940. Questa teoria descrive la
(come ondate di calore anomale, precipitazioni distribuzione dei valori grandi di una variabile
pesanti, ecc.) alla fine del ventesimo secolo? aleatoria continua X . La sfida principale è
quella di descrivere i comportamenti estremi di
Per rispondere a questa domanda, i climatolo- una legge che non è nota a priori (che è il caso
gi possono utilizzare modelli statistici costruiti della maggior parte delle variabili che si misu-
ad hoc. Questo approccio richiede la disponi- rano).

Teoria dei valori estremi

Figura 2. Densità di probabiltà della legge di Fréchet (--), Weibull (-) e Gumbel (..).

Massimo di n Distribuzione
variabili aleatorie di Fréchet,
n tende ad infinito
Weibull o Gumbel

116 – Matematica, l’esplosione continua


I matematici degl’anni 70 Il modo in cui le proprietà di
hanno risolto questo pro- queste distribuzioni estre-
blema affermando che se me cambiano nel tempo
la distribuzione dei massi- sono degli argomenti di ri-
mi di X converge ad una cerca molto attivi nel cam-
distribuzione, allora que- po della climatologia stati-
M-R. Fréchet sta è una delle tre distribu- stica. Una stima di questi
zioni estreme: le distribu- W. Weibull estremi e dei loro margini di
zioni di Gumbel, Fréchet e Weibull (che errore è essenziale per fare
differiscono essenzialmente nel modo in cui la previsioni climatiche che siano utili a vari setto-
loro densità si comporta per valori molto gran- ri economici, come quello dell’energia, dell’a-
di). Per tornare al clima, ci interessa il tipo di gricoltura, dell’assicurazioni e dei trasporti.
distribuzione di probabilità che seguono le
temperature massime per ogni stagione. Nella
maggior parte delle regioni, le distribuzioni del- Per saperne di più
le temperature massime seguono la distribu-
zione di Weibull, vale a dire che la distribuzione Jeandel C., Mosséry R., (éd.) (2011). Le
dei massimi tende a 0 più velocemente di una Climat à Découvert : Outils et méthodes
di una distribuzione esponenziale (o gaussia- en recherche climatique, CNRS Éditions,
na). Tuttavia, le leggi della massima precipita- Paris.
zione seguono le distribuzioni di Gumbel o di
Fréchet: i valori possono essere molto grandi
in maniera relativamente frequente.

L’ultimo rapporto speciale


del IPCC sugli eventi
estremi mostra che il nu-
mero di ondate di calore in
Europa è cresciuto nel XX
secolo. Questo vale anche
E-J. Gumbel per quello delle precipita-
zioni intense nel sud
dell’Europa, anche se questa regione vede un
aumento del numero dei giorni senza pioggia.

Climatologia e statistica – 117


Serge Abiteboul, direttore di ricerca Inria presso École Normale Supérieure
de Cachan

Il Web ci offre una notevole quantità di informazioni, diverse decine di


miliardi di documenti. Senza i motori di ricerca, questi sistemi sempre
più sofisticati che ci aiutano a focalizzarci su di un piccolo numero di pa-
gine, il Web sarebbe una massa di rifiuti, enorme e inutilizzabile. Il ruolo
di questi sistemi è quello di far emergere dalla comunità degli internauti
una intelligenza collettiva in grado di valutare, classificare, filtrare le infor-
mazioni. Come fanno i motori di ricerca a gestire questa mole fenomenale
di informazioni? Come riescono ad aiutare gli utenti a trovare quello che
cercano? Una panoramica su uno dei più grandi successi del Web.

Il Web introdotto da Tim Berners-Lee intor- vare informazioni in questa confusione, che
no al 1990, al quale ci siamo così rapida- cosa potrebbe esserci di più semplice? Ba-
mente abituati, è costituito da documenti sta usare quella meraviglia tecnologica che
ipermediali. Le informazioni sono in linguag- è il motore di ricerca. L’utente sceglie alcu-
gio naturale (vedi riquadro I linguaggi Web), ne parole chiave. Il motore è in grado di se-
anziché in linguaggio informatico, e i testi lezionare istantaneamente le pagine che
sono liberamente strutturati con etichette contengono queste parole. La magia è che
HTML, ad esempio, per i titoli o gli elenchi. I il motore sa anche offrire, tra decine o addi-
link sui quali si può cliccare, consentono rittura migliaia di milioni di possibili pagine,
all’utente di scoprire immagini, musica, film. una scelta di poche pagine che spesso
Essi consentono, inoltre, di muoversi da contengono proprio quello che l’utente sta-
una pagina all’altra liberamente. E per tro- va cercando.

Cercare nel web: nient’altro che un punto fisso e qualche algoritmo – 119
Le lingue del Web
Nel 2012, l’inglese rappresenta approssimativamente il 45% delle pagine Web, il 7% il te-
desco, il francese è la terza lingua con il 5%; il 90% delle lingue del mondo non sono rap-
presentate su Internet.

Un indice del Web 2. Con l’aumentare del numero di utenti, il ser-


ver riceve un numero crescente di richieste.
Tutto inizia con un indice. Si tratta di una lista
ordinata come per l’indice alla fine di un libro, In entrambi i casi, il server viene rapidamente
che associa a ogni parola un elenco di pagine sovraccaricato. Per risolvere questo problema
Web che contengono quella parola. Ad esem- si usa una tecnica fondamentale di informati-
pio, una voce in questo indice potrebbe es- ca, detta di hashing. Le dimensioni del Web
sere: richiedono che questa tecnica venga paralle-
lizzata.
Casablanca → http://www.imdb.com/title/
tt0034583/

che indica che la parola “Casablanca” è pre-


sente in quella specifica pagina Web del sito
imdb, un database online sul cinema. Effet-
tuando una ricerca nell’indice con più parole
come “Casablanca Bogart Bergman”, verrà
restituito un elenco di pagine Web che conten-
gono una qualsiasi di queste tre parole, com-
presa la pagina precedente. La difficoltà prin-
cipale sta nella dimensione di questo indice,
che è nell’ordine di un terabyte (un trilione di
byte = un milione di megabyte) per gestire
qualche miliardo di pagine Web. Il server che
gestisce un tale indice deve affrontare proble-
mi di dimensioni crescenti:
Per distribuire l’indice su, diciamo, K = 10
1. Per indicizzare un numero crescente di pa- cacolatori, M 1 ,..., M 10 useremo una funzione
gine, il server necessita di sempre più spazio H aleatoria che trasforma una parola in un in-
per memorizzare l’indice e ogni richiesta ri- tero compreso tra 1 e 10. (Una tale funzione è
chiede un costo sempre più alto per essere detta funzione di hashing.) La macchina nume-
eseguita. ro H(w) sarà quella responsabile della parola

120 – Matematica, l’esplosione continua


w Ad esempio, i dati relativi alla parola “Fran- nizzate in “server farm” e distribuisce le sue
cia” verranno memorizzati sulla macchina H decine di server farm ai quattro angoli del
(“Francia”), diciamo M7. Se H è perfettamente mondo.
aleatoria, i dati risulteranno suddivisi con
uguale probabilità tra le dieci macchine, il che Come mai tutto ciò funziona? Grazie al paralle-
risolve il primo problema. Supponiamo che lismo. È possibile, in generale, prendere un
qualcuno richieda i dati per la Francia, basterà algoritmo qualsiasi e renderlo più veloce quan-
interrogare soltanto la macchina M7. Le richie- to si vuole utilizzando più macchine? La rispo-
ste in questo modo verranno suddivise con sta è no! La ricerca ha dimostrato che non
uguale probabilità tra le dieci macchine, il che tutti i problemi sono parallelizabili in questo
risolve il secondo problema. modo, o comunque non sono parallelizzabili
così semplicemente. Tuttavia abbiamo visto
La dimensione dei dati o il numero di utenti che la gestione dell’indice è un problema mol-
possono crescere: sarà sufficiente aumentare to semplice e facilmente parallelizzabile: pos-
il numero di macchine per adattare il sistema. siamo senza dubbio considerare di indicizzare
Il parallelismo ci permette di affrontare il carico un numero sempre crescente di pagine, deci-
richiesto dalle dimensioni del Web. Ad esem- ne di miliardi o più.
pio, Google utilizza migliaia di macchine orga-

Figura 1. Pagerank: calcolo della popolarità delle immagini sul Web. Ogni cerchio rappresenta
un’immagine, le frecce e il loro spessore indicano il numero di collegamenti da una pagina all’altra.
I numeri e il colore in ogni cerchio indicano la popolarità.

Cercare nel web: nient’altro che un punto fisso e qualche algoritmo – 121
PageRank corrente. Se la pagina non ha nessun collega-
mento in uscita, selezionerà un’altra pagina
Il cuore del problema rimane ora di scegliere, qualsiasi sul Web non importa dove. E, in que-
tra i milioni di pagine che contengono le parole sto, modo continuerà per un tempo infinito.
di una interrogazione (query in inglese), quelle Qual è la probabilità che egli si trovi su di una
che sono le più interessanti. Ciò è essenziale, data pagina? Questo è ciò che noi definiamo
perché un utente raramente si spinge a consi- come la popolarità della pagina (vedi figura 1).
derare più dei primi dieci o venti risultati della A priori, una definizione astratta? Un bel con-
ricerca. cetto matematico del tutto inutile? Non pro-
prio! Nella pratica questa popolarità corrispon-
Inizialmente, motori di ricerca come AltaVista de abbastanza bene alla “popolarità” della
utilizzavano, per classificare le pagine, unica- pagina e a ciò che gli utenti normalmente si
mente delle tecniche statistiche di ricerca aspettano.
dell’informazione. Una pagina veniva conside-
rata più interessante se l’occorrenza di un ter-
mine cercato appariva in un titolo o era visua-
lizzata in grassetto. Più un termine era ripetuto
nel documento e più alto era il suo “peso”.
Inoltre si attribuiva un peso maggiore ad un
termine raro. Tali tecniche, adeguate su di un
piccolo corpus, si sono rivelate deludenti per il
Web.

I giovani creatori di Google hanno avuto l’idea


di basare la scelta delle pagine su di una tecni-
ca matematica nota, la passeggiata aleatoria.
Questa idea, ispirata dai lavori di Jon Kleinberg,
è alla base del successo di Google, uno dei
successi industriali più incredibili nella storia
dell’umanità.

La passeggiata aleatoria Il punto fisso

Immaginate un utente ideale del Web con il se- Resta il problema di calcolare questa popolari-
guente comportamento. Egli inizia la sua navi- tà. A questo scopo, bisogna scrivere un’equa-
gazione da una pagina Web a sua scelta, ad zione per la quale la popolarità sarà una sua
esempio, www.inria.fr. Da quella si muove di soluzione. Un’equazione, quindi, che codifica
pagina in pagina nel Web, scegliendo ad ogni il comportamento dell’utente aleatorio. In ac-
passo di cliccare su di uno dei link della pagina cordo con il comportamento dell’utente, ogni

122 – Matematica, l’esplosione continua


pagina trasferirà la sua popolarità alle pagine re algoritmi molto sofisticati. Forse non dob-
collegate (se una pagina non porta a nessun’al- biamo considerarla matematica, ma è comun-
tra, essa trasferirà la sua popolarità in misura que informatica di grande bellezza. Io stesso
uguale a tutte le altre pagine). Ignorando alcuni ho eseguito una scansione del Web e ho im-
dettagli, questo ci porta a considerare una ma- plementato l’algoritmo di PageRank insieme ai
trice Q che cattura questi “scambi” di popola- miei studenti. Questa è stata una delle mie
rità. Il vettore delle popolarità pop (la lista di esperienze più stimolanti come ricercatore.
tutte le popolarità pop[i] per ogni pagina i) ri-
sulta essere la soluzione della seguente equa-
zione di punto fisso: Altri problemi di ricerca
pop= Q × pop ,
Abbiamo presentato una versione molto sem-
plificata di un motore di ricerca. Per esempio,
una notazione molto compatta per un sistema
quello di Google considera il testo vicino ad un
di dieci miliardi di equazioni con dieci miliardi
link che punta verso un’altra pagina come par-
di incognite (una incognita per ogni pagina
te del contenuto informativo di questa pagina.
Web) ...
Questo è quello che viene sfruttato dal “bom-
bing” (vedi il riquadro Trovare Chuck Norris). I
Abbiamo vinto! Una tecnica già nota ci per-
motori di ricerca sono diventati sempre più so-
metterà di calcolarne la soluzione. Comincia-
fisticati nel tempo, non fosse altro che per
mo dal vettore pop0 definito da
contrastare gli attacchi di “bombers” che cer- pop
 , cano di manipolare il Web o degli “spammer”
che barano per essere più visibili. L’attuale al-
vale a dire che inizialmente assumiamo che goritmo di Google utilizza decine di criteri tra
tutte le pagine abbiamo la stessa popolarità. loro combinati in una formula segretamente
 
Definiamo: custodita. Nonostante questo, i motori di ricer-
 
ca presentano ancora gravi problemi. Ne citia-
pop 1= Q × pop 0 ; pop 2= Q × pop 1 ;
mo alcuni:
pop 3= Q × pop 2 ; …
– Una misura come il PageRank favorisce
Continuando in questo modo, si arriva piutto- la popolarità e quindi ha l’effetto di inco-
sto rapidamente ad un punto fisso che risulta raggiare l’uniformità: le pagine popolari
essere la soluzione della nostra equazione. diventando sempre più popolari e le altre
Abbiamo quindi calcolato il vettore delle popo- sprofondano nell’anonimato. È davvero
larità! (In pratica sei o sette iterazioni sono suf- auspicabile?
ficienti per raggiungere una convergenza sod-
disfacente.) – Per interrogare il motore di ricerca, si usa
una serie di parole chiave, un “linguag-
Effettuare questo calcolo in modo efficace, gio” primitivo praticamente senza gram-
con tali volumi di dati, richiede di ingegnerizza- matica. Non si potrebbe fare di meglio?

Cercare nel web: nient’altro che un punto fisso e qualche algoritmo – 123
– È ammissibile escludere certe pagine Per gestire i volumi d’informazione del Web, ven-
perché hanno contenuti razzisti, volgari, gono proposte nuove tecniche che fanno un uso
falso, o per favorire un cliente, o per non sempre maggiore del parallelismo. Numerose
dispiacere ad un governo? tecniche sofisticate vengono progettate per valu-
tare, classificare, filtrare le informazioni. Potrem-
– C’è qualcosa di estremamente imbaraz- mo citare, ad esempio, le tecniche che sfruttano
zante nel considerevole potere dei moto- i sistemi di valutazione (l’utente è invitato a valuta-
ri di ricerca ottenuto attraverso il control- re dei servizi come avviene in eBay), i sistemi di
lo delle informazioni. Dobbiamo fidarci raccomandazione automatici (come in Netflix o
di loro senza capire i loro meccanismi Meetic), i sistemi che valutano le competenze de-
di classificazione? E perché mantenere gli utenti di Internet (come in Mechanikal Turk).
questo segreto? Quest’ambito è straordinariamente attivo.

Trovare Chuck Norris


Al momento della stesura di questo articolo, Per ottenere questo risultato, molti utenti di
se si digita “trovare Chuck Norris” sul moto- Internet hanno creato pagine Web che pun-
re di ricerca Google, il primo risultato porta a tano a questa pagina con il titolo “trovare
una pagina che dice “ Google non cercherà Chuck Norris”. Arrivando in questo modo
Chuck Norris perché sa che nessuno può a ridefinire il significato della frase “trovare
trovare Chuck Norris, sarà lui a trovare voi.” Chuck Norris”.

124 – Matematica, l’esplosione continua


Solo un punto fisso
e qualche algoritmo
Mi trovavo nel gruppo di ricerca sui sistemi un numero ragionevole di macchine eco-
di informazione a Stanford nel 1995, quan- nomiche. In seguito, gli utenti hanno reso
do due giovani studenti, Sergei Brin e Larry popolare il loro motore di ricerca. Come
Page stavano lavorando sul loro prototipo base per questo straordinario successo, si
del motore di ricerca Google. Avevano svi- potrebbe parlare dell’eccezionale impresa
luppato gli algoritmi necessari, ma la loro ingegneristica di far funzionare migliaia di
proposta sarebbe potuta passare per stra- macchine ventiquattro ore su ventiquattro,
vagante. Infatti, il loro metodo sarebbe sta- di modelli di business rivoluzionari, di tec-
to irrealistico appena qualche anno prima, niche di management innovative basate sul
quando le dimensioni dei supporti di memo- culto della creatività. Per quello che mi ri-
ria avrebbero richiesto un numero inverosi- guarda, preferisco ricordare che all’inizio si
mile di macchine molto costose. Nella metà trattava soltanto di un punto fisso e di qual-
degli anni ‘90 ciò è diventato possibile con che algoritmo.

Per saperne di più

Brin S., Page L., (1998). The Anatomy of a Kleinberg J., (1999). Authoritative sources
Large-Scale Hypertextual Web Search in a hyperlinked environment. Journal of
Engine. WWW Conference. the ACM.

Abiteboul S., Manolescu I., Rigaux P., Abiteboul S., Preda M., Cobena G., (2003).
Rousset M.-C., Senellart P., Web data Adaptive On-Line Page Importance
management, Cambridge University Press. Computation. WWW Conference.
http://webdam.inria.fr/Jorge

Cercare nel web: nient’altro che un punto fisso e qualche algoritmo – 125
Yann Brenier, direttore di ricerca CNRS presso École Polytechnique

Nato da problemi concreti - come quello di spostare un mucchio di sabbia


in maniera efficiente - il trasporto ottimale è uno strumento che ha appli-
cazioni sia all’interno della matematica (dalla geometria all’analisi fun-
zionale) che in altri settori, come, ad esempio, la gestione delle risorse.

Nel XVIII secolo, il matematico francese Ga- blema combinatorico? Lo possiamo spiegare
spard Monge, nel suo trattato Mémoire sur la nel seguente modo. Abbiamo un mucchio di
théorie des déblais et des remblais (“Memoria sabbia, composto da piccoli elementi (un ele-
sulla teoria degli scavi e dei detriti”), studiò un mento può essere un granello o una manciata).
problema tra i più concreti (spostare nel modo Abbiamo, inoltre, una buca da riempire, della
più efficiente un mucchio di sabbia!) applican- quale conosciamo la forma e il cui volume as-
do un metodo rigoroso, “ottimale”, diremmo sumiamo essere uguale a quello della sabbia.
oggi. Questo problema è uno dei primi esempi Possiamo pensare la buca come composta da
di ricerca operativa, il ramo della matematica piccole scatole, ciascuna delle quali è capace
che si occupa di metodi per la soluzione di di contenere precisamente un elemento di
problemi combinatorici in modo efficiente (vedi sabbia. La domanda è: dove collocare ogni
riquadro La combinatoria), che è ancora oggi elemento per ridurre al minimo il percorso tota-
una teoria molto vivace. le? Possiamo cercare di rispondere partendo
da una descrizione combinatoria del proble-
In che modo il problema (che potremmo chia- ma, ma, in alcuni casi, può essere più utile
mare della “carriola di Monge”, avente come dare una descrizione diversa, in base alla for-
obiettivo quello di spostare la sabbia) è un pro- ma del profilo del mucchio e della buca, consi-

La carriola di Monge e il trasporto ottimale – 127


derate come funzioni. Come vedremo, in que- riamo due punti nel piano: qual è la strada più
sto modo il nostro problema di ottimizzazione breve che li collega? La risposta è ben nota, il
potrà essere impiegato per altre applicazioni, segmento di retta. E in una sfera? In questo
non solo per lo spostamento della sabbia. caso sono gli archi di cerchio massimo: equa-
tore, meridiani (ma non i paralleli); lo si vede,
del resto, guardando alle traiettorie dei voli
Altre applicazioni transoceanici.

Il problema del trasporto è stato rivisitato nel Ciò che vale per alcuni punti può essere vero
1940 da Leonid Kantorovich (uno dei pochi per una “nuvola di punti” o per altri oggetti:
matematici vincitori del Premio Nobel per l’E- manipolarli al meglio si riduce a trovare il per-
conomia) a proposito di una questione di allo- corso migliore per spostare tutti questi oggetti
cazione ottimale delle risorse. Nel suo lavoro insieme da uno stato iniziale ad uno stato fina-
cerca di risolvere un problema di questo tipo: le desiderato.
come utilizzare gli strumenti di produzione (la-
voro, capitale ...) per raggiungere la massima Per cominciare, consideriamo un esempio: il
soddisfazione dei bisogni? Supponendo, ad caso di una nuvola finita formata da quattro
esempio, di avere delle miniere di metallo e punti nel piano (vedi figura 1).
delle fabbriche con operai, possiamo cercare
di determinare come le miniere devono ap- Supponiamo data la configurazione dei punti
provvigionare gli impianti delle fabbriche per nello stato iniziale e in quello finale e vediamo
ridurre al minimo le spese dovute al trasporto come realizzare in modo ottimale il passaggio
del materiale: questo è, in definitiva, lo stesso tra le due configurazioni. Al momento iniziale,
problema del mucchio di sabbia. la nube è definita da un elenco di quattro pun-
ti A1, A2, A3, A4, e in quello finale altre quattro
Molte altre questioni (code d’attesa, gestione punti B1, B2, B3, B4.
delle scorte, ecc.), che non affronteremo in
dettaglio, appartengono a questo dominio di Un punto chiave che è necessario capire, è
problemi. Si tratta sempre di trovare come che non teniamo traccia di queste “particelle”
passare da una situazione iniziale ad una si- singolarmente e che la loro numerazione è ar-
tuazione finale desiderata nel miglior modo bitraria. Ad esempio, è possibile trasportare,
possibile, cioè trovando il percorso migliore nel A1 su B1, A2 su B3, A3 su B4 e A4 su B2. (Tut-
complesso spazio di tutte le scelte possibili. tavia, non è consentito, ad esempio, muovere
A1 e A2 su B1 lasciando B4 vacante.) Bisogne-
rà, quindi, cercare una soluzione ottimale tra le
Spostare una nuvola di punti possibili permutazioni tra i punti.

Il punto chiave della teoria è probabilmente il Una permutazione è un modo per associare ad
concetto di geodetica, parola usata per indica- ogni punto A un punto B, in modo che ad ogni
re il percorso più breve tra due punti. Conside- punto di partenza sia collegato uno ed un solo

128 – Matematica, l’esplosione continua


punto di arrivo. Il numero delle possibili permu- Un problema di ottimizzazione
tazioni dei primi N numeri interi è chiamato combinatoria
fattoriale di N ed è scritto N! Per N = 4 il fat-
toriale vale 24 (e vale più di 20 miliardi per Per come lo abbiamo formulato, il nostro
N = 15 ). problema di trasporto ottimale appartiene ad
un ramo importante della matematica: l’otti-
La permutazione σ corrispondente al nostro mizzazione combinatoria. In questa discipli-
esempio (figura al centro) è σ(1) = 1, σ(2) = 3, na, il nostro problema è considerato “facile”.
σ(3) = 4, σ(4) = 2, mentre la combinazione ot- Esistono infatti algoritmi che trovano la di-
timale è σ(1) = 4, σ(2) = 2, σ(3) = 3, σ(4) = 1. sposizione ottimale con un numero di opera-
zioni proporzionale al cubo del numero di
Trovare la soluzione ottimale è la stessa cosa punti (il che significa che con un computer in
che minimizzare un costo che viene valutato, cui le operazioni vengono eseguite sequen-
caso per caso, a seconda delle applicazioni zialmente, senza parallelismo, il tempo cal-
considerate. Il costo di Monge è dato dalla colo per N punti sarà più o meno una co-
somma di tutte le distanze tra i punti di parten- stante moltiplicata per N3).
za e i corrispondenti punti d’arrivo. Sono pos-
sibili altri tipi di costo. Ad esempio, potremmo Ricordiamo che il numero di permutazioni è
prendere in considerazione la somma dei qua- dato da N ! = N × ( N − 1) × ... × 3 × 2 × 1, è,
drati delle distanze (quello che viene chiamato quindi, un fatto notevole riuscire a rendere il
il costo quadratico). tempo di calcolo cubico rispetto a N (infatti,

soluzione non ammissibile soluzione non ottimale soluzione ottimale

Figura 1. Il trasporto di una nuvola di quattro punti

La carriola di Monge e il trasporto ottimale – 129


se per N = 4 il fattoriale 24 è ancora un Si può sperare di trovare un
numero modesto, quando N è grande, il algoritmo il cui costo compu-
fattoriale aumenta quasi come NN, quindi, tazionale aumenti approssi-
in ogni caso, molto più velocemente di N3, mativamente in proporzione
e diventa rapidamente una cifra astronomi- a N. Le applicazioni sarebbe-
ca). ro spettacolari.

Tuttavia, anche se è stato osservato che N3


è molto più piccolo di N!, in pratica, gli algo-
ritmi noti sono poco efficienti quando N di- Trasporto ottimale di una
venta grande (diciamo oltre le migliaia). Si nuvola continua
può sperare di trovare un algoritmo il cui
costo computazionale aumenti approssima- Come spesso avviene in matematica e fisica, il
tivamente in maniera proporzionale ad N. Le limite continuo del problema discreto discusso
applicazioni sarebbero spettacolari. Ma per in precedenza consente di mettere in gioco
realizzare questo sogno, è necessario un tutta la forza del calcolo differenziale e integra-
cambiamento di prospettiva, e non consi- le (in particolare, le somme che si effettuano
derare più un numero limitato di punti, ma nel caso discreto vengono sostituite con degli
piuttosto molti punti o infiniti punti. Si passa integrali nel caso continuo).
allora da un problema discreto a un proble-
ma continuo. Da ora in poi, la nuvola di punti sarà de-
scritta da una funzione (densità di probabi-
lità) che, in ogni punto X nello spazio, indi-
ca la densità della nuvola. Indichiamo α ( X )
la densità iniziale e con β ( X ) quella finale.
Alcuni punti Queste saranno due funzioni a valori reali
positivi, il cui integrale su tutto lo spazio è 1
e per le quali l’integrale su ogni sottoinsie-
Molti punti me A è la proporzione dei punti della nuvo-
la situati in A . In questa formalizzazione nel
continuo il trasporto ottimale sarà una fun-
zione T che invia i punti di partenza in quel-
li d’arrivo.

Passaggio al limite: densità di punti

Figura 2. Una nuvola continua di


punti

130 – Matematica, l’esplosione continua


Nel caso continuo, se consideriamo un co- sporto ottimale per dimensioni superiori ad
sto quadratico, vale a dire, l’integrale del uno.
quadrato della distanza tra il punto sulla
nuvola iniziale e quello sulla nuvola finale Il risultato degli anni ‘80 menzionato prece-
(invece della somma dei quadrati delle di- dentemente fa intervenire una funzione con-
stanze tra i punti di partenza e i corrispon- vessa Φ(x,y), denominata “potenziale”. L’e-
denti punti d’arrivo del caso discreto), certi nunciato ci dice che il trasporto ottimale T
risultati teorici nella seconda metà degli tra due funzioni di densità α e β è uguale al
anni 1980 ci permettono di trovare la solu- gradiente di questa funzione Φ(x,y), deno-
zione. tato DΦ(x,y), che è il vettore le cui compo-
nenti sono, in ogni punto, la derivata di Φ
rispetto a x e quella rispetto a y.
Per capire meglio, è utile vedere che cosa
accade nel caso di uno spazio ad una di-
Resta da trovare la funzione “potenziale” Φ
mensione, vale a dire quando la variabile X
che permette di definire la traiettoria ottima-
e le densità α e β si muovono su di una
le di ogni particella. Esprimendo il fatto che
­retta. In questo caso, il risultato ci dice che
T invia la densità α sulla densità β, ottenia-
il trasporto ottimale T è il trasporto mono-
mo delle equazioni differenziali (cioè che
tono crescente, cioè, quello che invia il
coinvolgono delle derivate). In dimensione 1
punto più a destra della densità α in quello
l’equazione impone un’uguaglianza sulla
più a destra della densità β e che rispetta
derivata di T, quindi la derivata seconda di
l’ordine (se X ≤Y allora T ( X ) ≤ T ( Y ): si può
Φ. In dimensioni superiori, si ottiene una
dimostrare che vi è una sola funzione T con
formula che esprime il valore del determi-
questa proprietà e che rispetta le densità
nante della matrice data dalle derivate se-
α e β).
conde di Φ, che deve essere uguale al rap-
porto tra le densità α e β. Questa equazione
In dimensione maggiore di 1, sorge però un ha una soluzione unica Φ e permette quindi
problema, che è il seguente: che cosa si- di trovare sia il potenziale che la funzione di
gnifica per una funzione di due variabili es- trasporto T.
sere “crescente”? A priori non ha nessun
senso. Tuttavia, possiamo usare un trucco: Quindi, paradossalmente, il fatto di aver
in dimensione 1 la funzione T è crescente “complicato” il problema (passando dal di-
se e solo se è la derivata di una funzione screto al continuo) ci ha permesso di risol-
convessa (cioè di una funzione il cui grafico verlo.
è curvato verso l’alto e la cui pendenza au-
menta con l’ascissa ed è caratterizzato dal
fatto che la derivata seconda è positiva). La
nozione di funzione convessa ha senso an-
che in dimensioni superiori ed è il linguag-
gio adatto per enunciare il teorema del tra-

La carriola di Monge e il trasporto ottimale – 131


Un’applicazione inaspettata: altre vie, abbiamo un’idea della tavolozza dei
modificare le immagini colori dell’autore, ottenuta considerando le
sue altre opere. Se siamo in grado di fare
Questo problema essenzialmente matematico un’analisi statistica ragionevole, saremo in
ha molte applicazioni pratiche, come mostra il grado di impostare una nuvola “di riferimen-
seguente esempio studiato negl’anni 2000 dal to”, costituita da N punti nello stesso spazio
team di Jean-Michel Morel presso l’École Nor- del colore. Una tecnica di miglioramento del
male Supérieure de Cachan colore consiste nell’effettuare il trasporto otti-
male nello spazio colore, dalla nuvola di pun-
Ci viene data un’immagine digitalizzata di un ti dell’immagine sbiadita alla nuvola di punti
quadro i cui colori sono sbiaditi. Questi colori di riferimento. Da questo possiamo trasferire
sono digitalmente codificati in base ai colori di conseguenza i valori dei colori per ciascun
elementari blu, rosso e verde. Ad ogni pixel pixel.
viene assegnata una certa proporzione di
blu, di rosso o di verde. Collocando gli N pi- Si noti che, in questo esempio, è grazie alla
xel dell’immagine digitale otteniamo una nu- formulazione continua che abbiamo potuto
vola di N punti nello spazio tridimensionale studiare il problema, indipendentemente dal
dei colori. (Questo è uno spazio astratto, non fatto che il calcolo numerico venga effettuato
corrispondente al nostro spazio fisico.) Per su un numero finito di punti!

“Ragazze al mare” P. Puvis de Chavanne

132 – Matematica, l’esplosione continua


Un’altra applicazione ... Se prendiamo una figura F nel piano e la
all’interno della matematica confrontiamo ad un cerchio C della stessa
stessa area, considerando il trasporto ottimale tra le
due densità uniformi di F e di C e utilizzando
Dagli anni ‘90, il trasporto ottimale è divenuto le proprietà di Φ, si può dimostrare che il pe-
uno strumento di dimostrazione potente ed rimetro di F è necessariamente maggiore di
elegante per dimostrare molte “disuguaglian- C. Analogamente, nello spazio, il volume
ze” in geometria e analisi funzionale. massimo racchiuso da una data superficie è
dato dalla sfera.
Il caso più semplice è quello della famosa “di-
suguaglianza isoperimetrica”, soluzione del Questi risultati geometrici erano già ben cono-
problema di Didone menzionato anche da Vir- sciuti prima del trasporto ottimale e questo ci
gilio, che può essere enunciato come segue: fornisce soltanto una dimostrazione alternativa
tra tutte le curve chiuse di lunghezza data, Tuttavia, con un metodo simile si sono giustifi-
quella che circonda l’area più grande è la cir- cate disuguaglianze non dimostrate in prece-
conferenza. Stando alla leggenda, Didone ave- denza.
va ottenuto dal re locale delle terre, “tante
quante ne poteva racchiudere con la pelle di Matematica Pura
un bue.” Ella prese una pelle e la tagliò in stri- e Applicata dialogano
sce, facendone una lunga corda, per circonda-
re la più grande area possibile, risolvendo così Si chiude così un ciclo durato due secoli, nel
un “problema isoperimetrico” e fondando la quale la matematica pura e applicata hanno
città di Cartagine. dialogato e dove l’informatica teorica ha per-

Figura 3: A destra: “Whirlwind” di F. Maliavin. A sinistra: il quadro di F. Maliavin ridipinto con i colori
di Puvis de Chavanne, attraverso dei metodi di trasporto ottimale. Fonte Delon-Solomon Sobolevskij,
SIAM J. Appl. Math.

La carriola di Monge e il trasporto ottimale – 133


messo di capire meglio quello che si può cal- Per saperne di più
colare in modo efficiente. E, soprattutto, dove
“cambiando punto di vista” (qui, da un pro- Questo articolo è ispirato quello dello stesso
blema discreto a un problema continuo) da un autore pubblicato da Interstices.
problema complicato si è potuto trovare una
soluzione inaspettata.

La combinatorica
La combinatorica è il dominio dei proble- E se vogliamo che due targhe diverse si di-
mi della matematica nel quale si elenca- stinguano per almeno due caratteri diversi?
no e si classificano i possibili modi di far
corrispondere o di organizzare un numero Oppure, qual è il numero minimo di colori
finito, ma spesso molto grande, di oggetti. per colorare una mappa se vogliamo che
Per esempio: due stati confinanti abbiano colori diversi?

Quante targhe differenti di tipo LL CCC LL


(L lettera, C cifra) si possono emettere?

134 – Matematica, l’esplosione continua


La statistica per
l’individuazione delle
alterazioni cromosomiche
Emilie Lebarbier, ricercatrice
Stéphane Robin, direttrice di ricerca INRA presso AgroParisTech

Le alterazioni cromosomiche sono responsabili di molte malattie, tra cui


alcuni tipi di cancro. La rilevazione di piccole alterazioni, essenziale per
la diagnosi medica, fa appello ad modello classico in statistica: la seg-
mentazione.

In ogni cellula del corpo umano, ciascun cro- Altre malattie sono associate ad alterazioni
mosoma è presente in due esemplari o copie. che non influenzano interi cromosomi, ma solo
Una deviazione da questa regola (perdita o parti di essi. Certe parti vengono “perse” (sono
guadagno) porta ad uno squilibrio, che può assenti o presenti in una sola copia) o “amplifi-
causare alcune malattie. La perdita corrispon- cate” (presente in tre o quattro copie o più).
de all’assenza, o alla presenza di una singola Questo è in particolare la causa di un gran nu-
copia, di un cromosoma e il guadagno sulla mero di tumori. Le cellule del tessuto malato
presenza di tre, quattro o più copie. Questo mostrano tipicamente perdite di regioni che
squilibrio nel numero di copie è chiamato alte- contengono geni “soppressori del tumore” o,
razione cromosomica. La più nota è la triso- al contrario, amplificazione di aree contenenti
mia, dove un cromosoma è presente in tre degli oncogeni che favoriscono lo sviluppo del
copie. Ad esempio, la sindrome di Down (nota tumore.
anche come mongolismo) è causata dalla pre-
senza di tre copie complete del cromosoma
21. È possibile rilevare tali alterazioni per mez-
zo del cariotipo tradizionale.

La statistica per l’individuazione delle alterazioni cromosomiche – 135


Quando sono troppo piccole, queste alterazio- delle tecniche di biologia molecolare. Il princi-
ni possono purtroppo passare inosservate nel- pio è quello di contare il numero di copie rela-
lo studio del cariotipo. La loro individuazione è tivo a diversi geni la cui posizione (chiamato
pertanto una questione fondamentale nella ri- locus, dal latino) sul genoma è nota, confron-
cerca medica per identificare i geni coinvolti e tando il risultato tra un individuo malato e uno
per cercare di capire il loro coinvolgimento nel- sano. Questo principio è illustrato con un
lo sviluppo delle malattie e, quindi, individuare esempio molto semplice in figura 1a, per cin-
terapie appropriate. que locus.

Il rilevamento del danno Si osservano due alterazioni nel soggetto


cromosomico è una questione malato (rosso) rispetto al soggetto sano
critica nella ricerca (verde), che ha precisamente due copie di
medica. ogni gene: una porzione persa al locus 2
che dà un rapporto tra il numero di copie
pari a 1/2 ed un guadagno al locus 4 che dà
Valutare il numero di copie 3/2. Se guardiamo ad un numero più alto di
di una porzione del cromosoma locus (figura 1b), di solito molti locus suc-
cessivi possono avere lo stesso status bio-
Fu nel 1990 che lo studio di queste piccole logico - normale, guadagno o perdita - e
modifiche è stato reso possibile con l’avvento quindi formare delle regioni. In realtà, non è

Figura 1. (a) Rapporti “teorici” tra il numero di copie in un individuo malato e quello in un individuo
sano (2 copie) per ciascun locus di cinque locus fittizi. (b) I rapporti teorici scomposti in regioni
ottenute con l’analisi statistica per 93 locus reali. (c) Rapporti “empirici” delle copie misurate
sperimentalmente per ogni locus di questi 93 locus.

136 – Matematica, l’esplosione continua


possibile calcolare direttamente il numero Un modello matematico
effettivo di copie, ma gli esperimenti biologi-
ci ci permettono di ottenere tale numero a Come spesso accade in statistica, la risolu-
meno di un certo errore (errore di misura, zione di questo problema passa per la defi-
variabilità naturale), come mostrato nella fi- nizione di un modello, cioè, di una traduzio-
gura 1c. Il rapporto tra il numero di copie così ne più fedele possibile del processo
ottenuto per differenti locus non sarà esatta- biologico in linguaggio matematico (suffi-
mente uguale all’insieme dei valori teo- cientemente semplice da permetterne una
ricamente possibili 1/2, 3/2, 1, 2, ... il che risoluzione matematica). Un modello con-
rende impossibile con un controllo manuale. venzionale statistico specifico per l’indivi-
duazione di regioni (o segmenti) è il modello
L’obiettivo statistico è quello di trovare i va- di segmentazione. Esso consiste nell’assu-
lori “veri” a partire dai dati osservati. In par- mere che il valore reale del numero di copie
ticolare, come notato sopra, si tratta di indi- sia lo stesso all’interno di ciascuna regione,
viduare e localizzare automaticamente le che questo valore cambi quando si cambia
regioni formate da molti locus successivi o zona e che il valore osservato in un dato lo-
da un solo locus. Una volta completata l’a- cus sia uguale al valore reale della zona a
nalisi, il medico può effettuare la sua dia- cui appartiene con l’aggiunta di un errore
gnosi basandosi sulla figura 1b anziché sul- casuale. L’obiettivo statistico è quindi di ri-
la figura 1c. spondere a tre domande: Quante regioni ci
sono? Dove sono ubicate (vale a dire, quali
sono i confini tra le regioni)? Quali sono i
valori reali di ogni regione?

Il terzo problema si risolve in modo sempli-


ce: viene stimato il vero valore di ogni regio-
ne con la media delle osservazioni dirette
all’interno della regione. La soluzione stati-
stica delle altre due domande procede in
senso inverso. Per un numero fisso di regio-
ni – diciamo k regioni – cerchiamo il posizio-
namento di queste regioni che meglio si
adatta ai dati. Si tratta di un problema algo-
ritmico. La risoluzione fornirà un algoritmo
che ci darà la “migliore segmentazione” dei
dati in k regioni.

Ovviamente, in generale, il valore di k non è


noto. Anche se si ha una informazione a priori

La statistica per l’individuazione delle alterazioni cromosomiche – 137


sui dati, è difficile fissarlo in anticipo. Dobbia- zione blu a quella rossa. Infatti, i dati nella re-
mo quindi determinare, o, più precisamente, gione “blu” (vale a dire, delimitati dalla seg-
scegliere, ancora una volta, il “migliore” k pos- mentazione blu) presentano una minore
sibile. Se conosciamo la “migliore” segmenta- dispersione intorno al loro “valore vero” rispet-
zione dei dati per diversi valori di k, potremo to a quelli all’interno della regione “rossa”. La
allora prenderne uno tra di essi. Questa volta, segmentazione blu, quindi, è più aderente ai
il problema è in gran parte di natura statistica. dati rispetto alla segmentazione rossa. Possia-
mo quindi scegliere questo criterio di adegua-
tezza, classico in statistica, come misura della
Come ottenere la migliore qualità della segmentazione. Resta da provare
segmentazione tutte le possibili segmentazioni e prendere solo
le migliori.
Sia n il numero di locus e stabiliamo che k sia
il numero di regioni fissato. Esistono, natural- Sorge però un problema: quello del numero
mente, diverse possibili segmentazioni di n totale di segmentazioni. È facilmente dimo-
locus in k regioni e si tratta di trovare la “mi- strabile che, se osserviamo n locus cercando
gliore”. La figura 2a mostra due esempi di seg- di segmentare i dati in k regioni, si hanno tante
mentazioni, una in blu e l’altra in rosso, sui dati segmentazioni possibili quante sono le combi-
raccolti lungo il cromosoma 6 di un paziente nazioni di (k-1) oggetti su (n-1), indicate con
affetto da un cancro della vescica. Tra queste C(n-1,k-1). Ad esempio, per n = 1000 locus e
due segmentazioni, è preferibile la segmenta- k = 10 segmenti, ci sono più di 10138 possibili

Figura 2. (a) due segmentazioni in tre regioni. (a) Evoluzione dell’adeguatezza in funzione del
numero di regioni. (c) Migliori segmentazioni in tre e in dieci regioni.

138 – Matematica, l’esplosione continua


segmentazioni e neache i più potenti computer la “migliore” segmentazione corrisponde al
possono esplorare tutte queste combinazioni. percorso che permette:
Una soluzione, tuttavia, è possibile riformulan-
do leggermente il problema. – di congiungere il punto 1 con punto n,
– con (k-1) passi, passando dai punti t1,
La migliore segmentazione t2, ... ,tk-2, tk-1 da determinare,
per un dato numero di – con il più basso costo totale.
regioni è quella che meglio si
adatta ai dati. Tale problema è un problema di ricerca del
“percorso più breve” che si può risolvere con
2
Definiamo il “costo” di una regione come la di- un algoritmo che richiede k × n operazioni.
spersione dei dati rispetto alla media di questa Per n = 1000 locus e k = 10 segmenti è ne-
regione. Diremo che una regione è “buona” se cessario effettuare 107 operazioni, che è molto
ha un basso costo. Sapendo che una segmen- meno di 10138. In figura 2a, la segmentazione
tazione è un insieme di k aree della forma blu è la migliore di tutte le possibili segmenta-
[1; t1], [t1+1; t2] ... [tk-2 + 1; tk-1], [tk-1 + 1; n], zioni in tre regioni.

La statistica per l’individuazione delle alterazioni cromosomiche – 139


Scegliere il numero di regioni so). Il valore di k corrispondente a questo ral-
lentamento dovrebbe essere una buona scel-
ta. Quindi l’idea è di rendere più costose le
Una prima idea potrebbe essere quella di ba- segmentazioni che hanno più regioni. Da un
sarsi sul costo delle segmentazioni sopra defi- punto di vista matematico, questo significa ag-
nito. Per ciascun numero di regioni possibili k giungere al costo J(k) un termine chiamato
(k = 1, 2 ...), si determina la segmentazione di penalità, che tiene conto della complessità
costo inferiore usando l’algoritmo di percorso della segmentazione.
più breve e si prende la segmentazione con
costo inferiore, che denoteremo J(k). Alla fine Resta da definire cosa si intende per “com-
si sceglie il numero di regioni k che, tra tutte le plessità” di una segmentazione con k segmen-
possibili, conduce al costo più basso. Possia- ti. Per descrivere la segmentazione, è neces-
mo dimostrare che questo ragionamento porta sario determinare i k valori delle medie, ma
sempre a scegliere il maggior numero possibile anche i confini tk tra le regioni. Abbiamo visto
di regioni. Infatti, il costo J(k), che riflette l’a- che questa ultima ricerca rende necessario
dattamento della segmentazione ai dati, dimi- esplorare un numero troppo alto di segmenta-
nuisce con il numero di regioni: quanto più si zioni. Così, una penalità adeguata dovrebbe
aumenta il numero di regioni, tanto più la seg- tenere conto di queste due quantità, solita-
mentazione risultante si adatterà ai dati (vede- mente nella forma
re figura 2c). Quindi, con questo metodo, sia-
mo portati a scegliere la segmentazione nella         .
quale ogni locus è una regione a sé (per la
quale l’adattamento ai dati è perfetto). Ma Sarebbe illusorio pensare che il criterio così
questa scelta non ha alcun interesse in quanto costruito (e che richiede la scelta delle costan-
equivale a fornire al medico la figura 1c al po- ti a, b) sia infallibile, cioè che possa portare alla
sto della 1b. migliore soluzione in qualsiasi situazione. Poter
disporre del massimo delle informazioni è,
Per ottenere risultati interpretabili, è preferibile dunque, importante. In aggiunta alle informa-
scegliere una segmentazione dei dati sufficien- zioni in possesso del biologo (che conosce
temente aderente, ma che non sia troppo meglio di chiunque i dati), una analisi del com-
complessa, vale a dire, con un numero ragio- portamento del costo J(k) può essere utilizzata
nevole di regioni. La figura 2b mostra l’evolu- per estrarre diverse soluzioni per k che posso-
zione del costo J(k) in base al numero di regio- no essere biologicamente significative. Ad
ni k ed illustra bene questo obiettivo. Infatti, esempio, la figura 2b mostra che J(k) ha due
J(k) diminuisce bruscamente per i primi valori inflessioni per k = 3 e per k = 10. Sebbene il
di k, il che significa un netto guadagno dell’a- criterio suggerisca la soluzione k = 3, risulta
dattamento, da un certo k in poi, questa dimi- comunque importante studiare la segmenta-
nuzione è meno marcata (aumentando il valore zione per k = 10, dato che, come vedremo tra
di k, il costo J(k) migliora solo marginalmente, poco, consente l’individuazione di un’altera-
mentre il modello diventa sempre più comples- zione addizionale.

140 – Matematica, l’esplosione continua


La migliore segmentazione ne si ritrova anche in altri pazienti con lo stesso
consente il rilevamento di tipo di cancro.
una alterazione supplemen-
Questa segmentazione rileva anche una variazio-
tare.
ne nel locus 61. Questo locus è conosciuto dai
biologi per essere collegato ad un polimorfismo
(una variazione genetica locale specifica del pa-
Un rilevamento più fine ziente). Non è quindi sorprendente osservare
un’alterazione in questo locus in alcuni pazienti.
I criteri sopra descritti ci portano a considerare Come accennato sopra, un secondo punto di
k = 10 regioni per i dati presentati in figura 2. flesso esiste nel costo J(k) per k = 3. La seg-
La segmentazione associata è quella in blu mentazione associata nella figura 2c è mostra-
nella figura 2c. In questo modo viene indivi- ta in rosso. Questa segmentazione, grossola-
duata una regione amplificata (locus da 11 a na rileva già la regione contenente il gene
14). Questa è la regione del cromosoma 6 che E2F3, ma non il polimorfismo del locus 61.
contiene il gene di amplificazione E2F3, noto
per essere coinvolto nello sviluppo del cancro Gli autori ringraziano Theo Robin per la sua at-
della vescica. L’amplificazione di questa regio- tenta lettura e per i suoi commenti.

La statistica per l’individuazione delle alterazioni cromosomiche – 141


Il pianoforte che
i matematici
sognano
Juliette Chabassier, ricercatrice Inria, gruppo di ricerca Magic-3D

Come molti fenomeni fisici, il funzionamento di un pianoforte può essere


modellizzato matematicamente. Una volta fatto ciò, possiamo andare ol-
tre e sognare pianoforti impossibili o immaginare nuovi suoni. In questo
modo la ricerca offre al compositore un meraviglioso campo di esplora-
zione e di creazione.

Il pianoforte è un sistema acustico e meccani­


co piuttosto sofisticato. Il suo funzionamento
può essere riassunto schematicamente nel
modo seguente (vedi figura 1): il dito del piani­
sta batte sul tasto, un meccanismo di precisio­
ne propaga il movimento del tasto e mette in
moto un martelletto. Il martelletto colpisce da
una a tre corde insieme (a seconda della nota
scelta), che iniziano a vibrare. Il ponticello per­
mette di trasmettere l’energia dalle corde alla
tavola armonica, che entra anch’essa in vibra­
zione, mettendo in moto le molecole d’aria cir­
costanti e causando la propagazione del suo­
no nell’aria. Figura 1. Esploso di un pianoforte a coda.

Il pianoforte che i matematici sognano – 143


Le EDP negli accordi smo; le equazioni dell’elastodinamica, che
modellizzano le onde sismiche o la deforma­
Come la maggior parte dei fenomeni fisici zione dei materiali; l’equazione di Schrödin-
che ci circondano, il funzionamento di un pia­ ger, che modellizza l’evoluzione di una parti­
noforte può essere descritto matematica­ cella quantistica.
mente mediante equazioni differenziali alle
derivate parziali (abbreviato EDP o spesso Torniamo al nostro pianoforte: ciascuna delle
anche PDE dall’acronimo inglese). Le EDP componenti acustiche sopracitate può esse­
sono delle equazioni che coinvolgono le deri­ re modellizzata da una EDP (per le corde sarà
vate di una funzione o più funzioni in relazio­ una equazione d’onda unidimensionale, per
ne con le loro derivate rispetto a certe varia­ la tavola armonica, un’equazione di vibrazio­
bili: il tempo, lo spazio ... Alcune EDP sono ne della membrana, per l’aria un’equazione
piuttosto famose: l’equazione del calore, che di propagazione d’onda tridimensionale) o da
modellizza la dinamica della temperatura in un’equazione di natura diversa (per il martel­
un mezzo fisico; le equazioni di propagazione letto ci sarà un’equazione differenziale ordi­
delle onde, che modellizzano la vibrazione di naria, per il ponticello avremo un’uguaglianza
una corda e la propagazione del suono; le di velocità, e anche per la coppia, tavola ar­
equazioni di Navier-Stokes che intervengono monica/aria, l’equazione esprimerà l’ugua­
nella meccanica dei fluidi; le equazioni di glianza di velocità tra mezzo meccanico e
Maxwell, che sono quelle dell’elettromagneti­ acustico).

Figura 2. Magliatura di una tavola armonica.

144 – Matematica, l’esplosione continua


Tipicamente, le EDP sono equazioni comples­ Questo è quanto fatto nel caso del piano­
se per le quali è generalmente impossibile forte: un modello matematico viene descrit­
esprimere una soluzione in formula chiusa. I to attraverso le equazioni e successivamen­
problemi fisici che esse traducono e che spes­ te discretizzato attraverso un magliatura (si
so combinano molte di queste equazioni, sono veda la magliatura di una tavola armonica
necessariamente ancora più complessi. Vari nella figura 2); infine le soluzioni sono cal­
metodi vengono utilizzati per calcolare le solu­ colate numericamente attraverso metodi
zioni approssimate che meglio descrivono la di analisi numerica appositamente svilup­
realtà (vedi riquadro Analisi Numerica ed EDP). pati.
Questo, spesso, richiede di discretizzare il pro­
blema e far calcolare dal computer le soluzioni Con questo modello e le simulazioni numeri­
approssimate. che che ne seguono, si riescono a riprodurre
fedelmente le forme d’onda (vedi figura 3),
Un modello matematico del ma, anche, per esempio, conoscere il cam­
pianoforte viene descritto po di pressione dell’aria su di un insieme di
mediante le EDP e successi- punti intorno al pianoforte, che sarebbe im­
vamente discretizzato at- possibile misurare senza perturbare il siste­
traverso una rete. Infine le ma: se si tentasse di fare una tale misurazio­
soluzioni vengono calcolate ne si dovrebbe circondare il pianoforte con
numericamente. una rete di sensori la cui presenza potrebbe

(b) Moto della tavola armonica e pressione


(a) confronto tra simulazione numerica dell’aria (due sezioni) in Pa (scala dei colori
(blu) / e dati sperimentali (rosso): moto della a destra) 16 millisecondi dopo il colpo del
corda D#1 durante i primi 200 milli­secondi. martelletto sulla corda C2.

Figura 3. I risultati della simulazione numerica: verifica e previsione.

Il pianoforte che i matematici sognano – 145


causare un fenomeno di diffrazione del monica è in abete di Sitka, un legno con den­
­suono e falsare di conseguenza la misura­ sità ed elasticità ideali per la risonanza”. Que­
zione. ste affermazioni incuriosiscono molto i
ricercatori in acustica musicale, i quali cerca­
no, con metodi scientifici, di dar loro ragione o
Pianoforti virtuali torto e di avanzare nella comprensione dei fe­
nomeni coinvolti. Il modello del pianoforte può,
Una delle più interessanti applicazioni di que­ quindi, essere utilizzato per isolare alcuni feno­
sto modello e della sua discretizzazione nume­ meni, al fine di comprenderne la loro influenza
rica è il contributo alla costruzione degli stru­ sul suono, sull’irraggiamento, o la trasmissione
menti. Ancora oggi, la costruzione di un di energia ... ma anche per costruire virtual­
pianoforte si basa soprattutto su di un sapere mente dei pianoforti che non esistono (modifi­
empirico nato da secoli di sperimentazioni, fal­ carne la forma o le dimensioni della tavola, i
limenti, successi ... Coloro che progettano e materiali utilizzati, il loro impiego ...) e ascoltare
costruiscono gli strumenti, hanno acquisito il suono che avrebbero se fossero costruiti.
una serie conoscenze estremamente precise.
Si trovano, ad esempio, nella letteratura affer­ Ancora più affascinate è il fatto che il modello
mazioni come: “I rullini dei martelletti influisco­ è in grado di generare suoni di oggetti che non
no sulla sensazione del tocco del pianoforte in possono esistere per motivi pratici (costruiti
modo piuttosto decisivo” oppure “la tavola ar­ con materiali inventati, corde di sette metri di

146 – Matematica, l’esplosione continua


lunghezza, pianoforti galleggianti e senza cor­ Uno strumento
nice né piedini ...), ma comunque rispettando per il compositore
le leggi della fisica e il cui suono sembra quindi
plausibile per l’orecchio (nel senso che il cer­ Queste opportunità sono ben illustrate dal lavo­
vello è in grado di associarlo ad un evento, ad ro del compositore Guillaume Loizillon, che uti­
una causa fisica, ad una dinamica). Si giunge lizza un software di sintesi sonora basato su
in questo modo ad una applicazione interes­ modelli fisici sviluppati dall’Istituto per la Ricerca
sante dal punto di vista dell’interazione tra e Coordinamento di Acustica / Musica, Mo­
scienza e musica: la ricerca offre al composito­ dalys, che consente di modellare una moltitudi­
re dei nuovi strumenti, un materiale sonoro fi­ ne di strumenti inesistenti e chimerici. Egli ha
nora impossibile e adattabile a piacere. In detto in proposito: “Quello che trovo interessan­
un’epoca in cui il timbro e la manipolazione del te in Modalys, più che l’imitazione di un timbro,
suono sono al centro della creazione musicale, è che permette, al livello di un unico suono, di
questo gli permette di andare oltre. dare, in modo molto evidente, l’idea del materia­
le, del metallo, del legno. Inoltre, aiuta a creare
Il modello può generare suoni delle dinamiche, degli eventi, non semplicemen­
di oggetti che non possono te degli oggetti. [...] Vale a dire che il suono indi­
esistere per ragioni pratiche. ca un evento: ecco che rotola, rimbalza.”

Analisi Numerica per le EDP


Quando ci concentriamo su delle applica­ fico e dell’analisi numerica. L’idea è quella
zioni concrete delle EDP (in meteorologia, di riportare lo spazio matematico infinito
in sismologia, in aeronautica, nella costru­ delle soluzioni delle EDP al carattere fonda­
zione di automobili ...), non è sufficiente mentalmente finito e discreto (al contrario di
conoscere l’esistenza e il comportamento continuo) del computer, assicurando, però,
di una soluzione in uno spazio matematico che maggiori saranno gli sforzi (in termini
astratto. I fisici hanno bisogno almeno di di tempo di calcolo o di potenza del pro­
stimare queste soluzioni quantitativamente. cessore), più ci avvicineremo alla soluzione
La scienza che consiste nel cercare una ap­ “reale”. Uno dei metodi più noti e più comu­
prossimazione della soluzione di una EDP ni nel settore industriale è probabilmente il
in modo preciso ed efficiente tramite l’uso metodo degli elementi finiti.
del computer, è quella del calcolo scienti­

Il pianoforte che i matematici sognano – 147


Il compositore può anche oltrepassare il mon­ Per saperne di più
do fisico esistente e immaginarne un altro, con
leggi diverse “Inoltre, quello che amo è prova­ Sito web: http://modelisation.piano.free.fr
re modelli più utopici”, spiega Guillaume Loizil­
lon. “Con Jean Claude Risset [ndr: anche lui Le citazioni de Guillaume Loizillon provengono
compositore], abbiamo discusso della que­ da La synthèse par modèles physiques, tesi di
stione se siamo in grado di creare una fisica laurea di Aline Hufschmitt, Université Paris
non terrestre. [...] Possiamo immaginare una Sorbonne (Paris IV), disponibile all’indirizzo ali­
fisica in cui gli oggetti rimbalzano per ore e ore, nehuf3.free.fr
o dove la gravità non è la stessa.”

In questo modo, la modellizzazione strumenta­


le apre ai musicisti dei campi di esplorazione
incredibili.

148 – Matematica, l’esplosione continua


Come far cooperare
individui egoisti?

Yannick Viossat, professore presso l’Università Paris-Dauphine

La cooperazione è al centro di molti comportamenti sociali e biologici. La


teoria dei giochi può spiegare la scelta delle strategie di cooperazione e
comprenderne i meccanismi in contesti in cui gli individui sono in con-
correnza, dalle situazioni di guerra alla regolamentazione della pesca.

Il mondo vivente offre molti esempi di coope- Capire l’origine e il funzionamento della coope-
razione: gli insetti sociali, i versi degli animali razione nel mondo vivente è un problema cen-
per indicare la presenza di un predatore, gli trale in biologia evolutiva.
impala che si puliscono a vicenda ... Darwin
considerava questi comportamenti cooperati-
vi come un enigma e una sfida alla sua teoria.
La selezione naturale non dovrebbe incorag-
giare un comportamento egoista? Questo pa-
radosso della cooperazione è al centro dell’a-
nalisi delle principali transizioni nell’evoluzione,
come la comparsa della vita o quella degli or-
ganismi multicellulari. In alcune di queste tran-
sizioni, piccole entità cooperano per formare
un’entità più complessa. Queste costruzioni
sussistono, anche se sembrano esposte
all’apparizione di individui parassiti, che sfrut-
tano la cooperazione degli altri, ma che non
cooperano essi stessi.

Come far cooperare individui egoisti? – 149


Interesse collettivo, G2 Se G2 coopera Se G2 tradisce

interessi individuali G1 (C) (T)

Se G1 coopera (C) 3,3 –1,4


Questioni simili sorgono in scienze sociali. Se G1 tradisce (T) 4, –1 0,0
Molti conflitti esistono tra l’interesse collettivo
e gli interessi individuali. Può, dunque, la coo-
perazione emergere spontaneamente? Più sono prestarsi i loro giocattoli (C) o non pre-
concretamente: perché continuiamo a pescare starseli (T); le grandi potenze durante la
troppo e ad esaurire il patrimonio ittico? O vi- Guerra Fredda, potevano limitare i loro ar-
ceversa, perché in alcune trincee della prima mamenti (C) o armarsi sempre di più (T); i
guerra mondiale, i soldati hanno evitato voluta- cittadini possono riciclare i rifiuti (C) o oppu-
mente di interferire con il rifornimento dei loro re no (T), ecc.
nemici?
L’analisi di queste situazioni è quella della teo-
La matematica permette di fare luce su ria dei giochi. Questo ramo della matematica
questi interrogativi, analizzando i modelli di esamina l’interazione tra attori che si compor-
conflitto tra l’interesse collettivo e gli inte- tano secondo una strategia. Riguarda tutte
ressi individuali. Il più semplice di questi quelle situazioni in cui degli attori devono
modelli, chiamato per motivi aneddotici il prendere delle decisioni che ne determinano
dilemma del prigioniero, è il seguente: due l’esito.
individui, chiamati giocatore 1 e giocatore 2,
devono decidere di aiutarsi a vicenda (coo-
perare) o di non aiutarsi (tradire). Ogni gio-
catore deve effettuare la sua scelta senza
conoscere la scelta dell’altro.

Cooperare produce un beneficio di 4 all’altro,


ma costa 1 a chi coopera. Il tradimento non dà
nulla e non costa nulla. Quindi, se i giocatori
cooperano tra loro, entrambi guadagnano 4-1
= 3. La tabella seguente riassume le azioni e i
corrispondenti guadagni. I guadagni del gioca-
tore 1 (G1) sono in rosso, quelli del giocatore 2
(G2) in blu. Il valore esatto di questi guadagni
non è essenziale purché il loro ordine (dal Assicurare il futuro
più piccolo al più grande) rimanga inva-
riato. La teoria dei giochi ha identificato diversi mec-
canismi per superare i conflitti tra l’interesse
Molte situazioni della vita quotidiana pre- pubblico e gli interessi individuali. Vediamo ora
sentano delle analogie: I bambini che pos- il funzionamento e i limiti di uno di questi mec-

150 – Matematica, l’esplosione continua


canismi: la reciprocità diretta (aiutare coloro tradire. Dunque non esiste una strategia che
che ci aiutano). sia sempre la migliore.

Le mie scelte di oggi influen-


Altri meccanismi di zano le scelte del mio compa-
cooperazione gno in futuro.

La reciprocità diretta non è l’unico Tuttavia, alcune strategie producono spes-


meccanismo sul quale può basarsi so buoni risultati. La strategia Do ut des, in
la cooperazione tra individui. Tra gli particolare, ha vinto diversi tornei tra com-
altri possiamo citare: la creazione di puter, dove ogni strategia ha giocato contro
istituzioni incaricate di far rispettare i le altre e in cui l’obiettivo era quello di avere
contratti, la reciprocità indiretta (aiu- il più alto punteggio totale. Questa strategia
tare coloro che hanno aiutato gli altri) di semplice cooperazione inizia con la coo-
o la selezione per parentela (aiutare le perazione reciproca e successivamente ri-
persone che sono legate a noi), fonda- pete quello che ha fatto l’altro nel turno pre-
mentale in biologia. cedente.

È non sfruttando gli altri che la Do ut des


ottiene dei buoni risultati. In realtà, in un
Ritorniamo al dilemma del prigioniero. Quando duello, non guadagna mai più del suo av-
il gioco è fatto da una sola partita, la giocata T versario. Ma riesce a innescare una logica
frutta sempre una unità in più della giocata C di cooperazione e, in media, ottiene dei
(4 invece di 3 se l’altro gioca C, 0 invece di –1 punteggi molto buoni. L’analisi dei tornei del
se l’altro gioca T). I due individui sono quindi dilemma del prigioniero fa emergere alcune
singolarmente interessati a tradire. Il parados- caratteristiche delle strategie di successo:
so sta nel fatto che in questo modo entrambi cercare di cooperare, non cercare di vincere
ottengono 0, mentre se avessero cooperato più degli altri, non lasciarsi sfruttare, perdo-
avrebbero ottenuto 3. nare un tradimento episodico, fare scelte
comprensibili.
Se invece si fanno diverse partite la situazione
cambia: le mie scelte di oggi influenzano le Il sistema del “vivi e lascia vivere” della prima
scelte del mio compagno in futuro. Cooperare guerra mondiale fornisce un esempio con-
può essere una forma di investimento: qualco- creto di cooperazione in un contesto difficile.
sa che mi fa guadagnare meno nell’immediato Questo sistema era quello di non attaccare il
può fruttare maggiori guadagni in futuro, se nemico, purché neanche lui lo facesse. Que-
questo mio comportamento renderà l’altro più sto atteggiamento è stato fortemente sco-
cooperativo. Tuttavia, se l’altro giocatore tradi- raggiato dal comando militare. Un ufficiale
sce sistematicamente, anch’io ho interesse a inglese raccontò in questo modo la sua visita

Come far cooperare individui egoisti? – 151


alle trincee: “Sono rimasto stupito nel vedere sappiano qual è il momento in cui il gioco fini-
i soldati tedeschi che si muovevano nel rag- sce, altrimenti, all’ultimo turno, i due giocatori
gio d’azione dei nostri fucili. I nostri uomini hanno convenienza a tradire e, in previsione
non sembravano nemmeno accorgersene. di ciò, sono portati a tradire al penultimo tur-
(...) Una cosa del genere non dovrebbe esse- no e così via.
re consentita.” Tuttavia, questa dinamica si
instaurò in molte parti del fronte, perché nel-
la guerra di trincea, le stesse unità si affron- La teoria dei giochi evolutivi
tavano per periodi abbastanza lunghi per far
si che la logica di reciprocità potesse funzio- Per capire meglio le condizioni che favorisco-
nare. Un soldato ha spiegato: “Sarebbe un no l’instaurarsi di strategie di reciprocità, è
gioco da ragazzi bombardare le vie di acces- utile usare la teoria dei giochi evolutivi. Essa
so alle trincee, affollata come dovrebbe es- studia le situazioni in cui un gran numero di
sere dei mezzi di approvvigionamento (...), individui interagiscono e fanno valutare il loro
ma nel complesso tutto è tranquillo (...). Se si comportamento in base al risultato di intera-
impedisce al nemico di rifornirsi la sua rea- zioni precedenti. Si presume che le strategie
zione sarà semplice: impedirà il nostro rifor- che ottengono buoni risultati tendano a dif-
nimento.” fondersi nella popolazione. Una formulazione
precisa di questo principio dà luogo ad un
sistema dinamico, in grado di modellizzare
fenomeni sia di selezione naturale sia di ap-
prendimento.

In un mondo in cui si
possono commettere errori,
è bene riparare ai danni
provocati involontariamente
agli altri e non vendicarsi
sistematicamente delle
aggressioni subite.

Nei modelli di mutazione-selezione, vi è un al-


Un’analisi precisa del dilemma del prigioniero ternarsi di fasi di tradimento e di cooperazione.
aiuta a capire meglio i fattori che favoriscono Partendo da uno stato in cui nessuno coopera,
le strategie collaborative. Il guadagno con il le mutazioni possono far nascere delle strate-
tradimento non deve essere troppo alto e do- gie di tipo Do ut des. Se queste raggiungono
vrà esserci sufficiente tempo a disposizione. una frequenza sufficientemente elevata, esse
Perché questo avvenga, bisogna che l’intera- ottengono risultati migliori del tradimento e in-
zione si ripeta per un periodo sufficientemen- vadono la popolazione. Questo porta a uno
te lungo. Bisogna anche che i giocatori non stato in cui tutti gli individui giocano con una

152 – Matematica, l’esplosione continua


strategia di cooperazione. La strategia che danni provocati involontariamente e non ven-
consiste nel cooperare indiscriminatamente dicarsi sistematicamente delle aggressioni
può allora aumentare di frequenza, in quanto subite.
non porta ad una contro-selezione. Ma se i co-
operatori indiscriminati sono troppo frequenti,
la strategia di tradimento è favorita e può di- La pesca o la tempesta
ventare predominante fino a quando non co- di neve: altri tipologie
mincia un nuovo ciclo. di modelli

Ora supponiamo che in ogni fase, con una pic- Fin qui abbiamo ipotizzato che l’interazione
cola probabilità, i giocatori non riescano a rea- si ripetesse, ma che il valore delle vincite du-
lizzare l’azione che hanno scelto: essi coope- rante il gioco non mutasse. Ora, immaginate
rano invece di tradire, o il contrario. Quando un modello volontario per la regolamentazio-
Do ut des gioca contro se stesso, il primo er- ne della pesca, dove un gran numero di atto-
rore innesca una faida distruttiva (vedi figura ri deve decidere la quantità di pesce che si
1). Pertanto, Do ut des non può instaurarsi può pescare ogni anno. Pescare poco per-
stabilmente nella popolazione mette alla fauna ittica di rinnovarsi, ed è ana-
logo a cooperare. Pescare il più possibile
esaurisce le risorse, ed è analogo al tradi-
Giocatore 1 C.. . C TCTC . . . TCC
mento. Ogni attore ha una piccola influenza
Giocatore 2 C... CCTCT . . . CC C
sull’evoluzione delle scorte ittiche, il suo in-
Figura 1. Do ut des contro un altro giocatore teresse individuale è quello di pescare il più
Do ut des, con errori (C significa “cooperare” possibile, anche se, collettivamente, è con-
e T “tradire”).
sigliabile limitare lo sfruttamento. La situa-
zione è analoga a quella del dilemma del
prigioniero.
Un tradimento involontario (in rosso) porta ad
un’alternanza di cooperazione e tradimento. Tuttavia, una rappresentazione più accurata
Bisogna aspettare una cooperazione involon- dovrebbe tener conto dell’evoluzione dell’ab-
taria (in blu) per riprendere la cooperazione. bondanza di pesce. “Pesca il più possibile”,
Altre strategie di cooperazione prendono il per esempio, frutta sempre meno via via che le
sopravvento, ad esempio il Do ut des “penti- scorte si esauriscono. Il guadagno dei giocato-
to” prevede di compensare un tradimento er- ri in un dato momento dipende quindi, non
rato cooperando due volte qualsiasi cosa fac- solo dalle loro azioni presenti, ma anche dallo
cia l’altro oppure il Do ut des “generoso” che stato generale del sistema, che nel nostro
coopera con probabilità positiva, anche se caso è la riserva di pesce. Questo stato si
l’altro ha tradito. Queste piccole differenze evolve in base alle azioni dei diversi attori e dei
possono far superare le crisi causate da un possibilil rischi. Lo studio di questo tipo di si-
tradimento involontario. In un mondo in cui si tuazione richiede modelli più avanzati, che
possono commettere errori, è bene riparare ai conducono ai giochi stocastici.

Come far cooperare individui egoisti? – 153


Un’altra ipotesi che abbiamo implicitamente veniente: è così solo se gli altri cooperano.
utilizzato è che un individuo abbia uguale pos- ­L’analisi di questo gioco rivela differenze più
sibilità di interagire con ciascuno degli altri in- sottili. Come abbiamo visto, se gli individui in-
dividui. In realtà, interagiamo in primo luogo teragiscono maggiormente con i loro vicini, la
con i nostri colleghi, i nostri amici o nostri vici- cooperazione viene favorita nel dilemma del
ni. Questo può essere preso in considerazione prigioniero. Questo effetto di interazioni locali
assumendo che gli individui siano collocati in non è presente nel gioco della tempesta di
uno spazio e interagiscano principalmente con neve. Più in generale, se il dilemma del prigio-
i loro vicini. L’analisi di questi modelli ha mo- niero è stato ampiamente studiato, questo non
strato che nel dilemma del prigioniero la coo- è avvenuto per altri modelli, ugualmente rile-
perazione emerge più facilmente quando le vanti per studiare i fenomeni di cooperazione.
interazioni sono locali rispetto ai casi in cui gli Un’analisi più avanzata di questi modelli è ne-
individui interagiscono con qualsiasi altro indi- cessaria, e in gran parte ancora da svolgere,
viduo. per capire quali risultati sono validi in generale.
Se la matematica aiuta a capire certi fenomeni
Allo stesso modo è istruttivo studiare modelli di cooperazione, ci sono ancora molti gli sforzi
dove il conflitto tra interessi individuali e inte- da fare per raggiungere una comprensione più
resse pubblico non è così brutale. Nel gioco completa.
della tempesta di neve, per esempio, due gui-
datori trovano la strada interrotta per la neve.
Ognuno ha una pala nella sua auto, e può sia Per saperne di più
sgombrare la strada (cooperare) o aspettare
nella sua auto (tradire) sperando che l’altro lo Axelrod R., (1992). Donnant-Donnant,
faccia da solo. La cosa preferibile è che l’altro théorie du comportement coopératif,
sgombri la strada da solo o in subordine, éditions O. Jacob.
sgombrarla insieme in due, ed è comunque
preferibile sgombrarla da solo, piuttosto che Sigmund K., (2010). The Calculus of
passare la notte nella propria auto, cosa che Selfishness, Princeton University Press.
accadrà se la strada non viene sgombrata.
Nonostante ci sia sempre un conflitto tra l’inte- La pagina web http://www.univie.ac.at/virtual-
resse collettivo (sgombrare la strada) e l’inte- labs propone programmi liberamente accessi-
resse individuale (lasciar fare all’altro), la situa- bili per l’esplorazione della dinamica dei dilem-
zione non è più quella del dilemma del mi sociali.
prigioniero. Infatti, tradire, non è sempre con-

154 – Matematica, l’esplosione continua


Emmanuel Grenier, professore presso École Normale Supérieure de Lyon

L’ictus, che colpisce migliaia di persone ogni anno, è una malattia com-
plessa la cui diagnosi e il cui trattamento devono ancora essere migliora-
ti. Questo è un settore nel quale la modellizzazione matematica può aiu-
tare la ricerca medica, in particolare affiancandosi alla sperimentazione
sugli animali.

Secondo l’associazione di assistenza ai pa- suti e rilasciando sostanze tossiche. Questi


zienti e alle famiglie colpite da ictus, la Francia danni si vanno ad aggiungere a quelli già cau-
conta 150.000 nuovi casi di ictus ogni anno. sati dall’ictus. Inoltre, i radicali liberi normal-
L’ictus ischemico inizia con l’ostruzione di mente contenuti nelle cellule, ma che, a segui-
un’arteria del cervello, ad esempio con un pic- to dello scoppio di queste, si trovano nello
colo coagulo di sangue: l’area del cervello nor- spazio extracellulare, si ossidano, producendo
malmente irrigata da tale arteria, viene privata altre sostanze tossiche. I danni possono così
del suo abituale flusso di sangue. Ai neuroni in susseguirsi per diversi giorni o anche per setti-
questa zona viene a mancare ciò che è neces- mane dopo l’inizio dell’incidente. L’ictus è,
sario al loro normale funzionamento e muoio- dunque, una condizione molto complessa, che
no. Ma non è tutto: la presenza di cellule morte coinvolge molteplici attori. Secondo le zone
(e in particolare necrotizzate, cioè esplose) colpite, il paziente soffre di paralisi, afasia, ...
provoca disfunzioni organiche ed è, quindi, ne-
cessario rimuoverle. Sorge un’infiammazione L’arsenale terapeutico a disposizione per cura-
nell’area interessata, causando essa stessa re ictus è purtroppo limitato. I medici cercano
danneggiamenti, provocando gonfiore dei tes- di sbloccare l’arteria interessata per ripristinare

Ictus: la matematica viene in soccorso – 155


al più presto un normale flusso di sangue, ma Modellizzazione e simulazio-
ciò non è esente da rischi. Inoltre, la diagnosi ne dei fenomeni
di ictus è di per sé difficile.
In che modo la matematica può aiutare la
ricerca clinica? Il vantaggio principale della
Il matematico traduce le matematica è che permette la quantificazio-
conoscenze biologiche e ne dei fenomeni. Il medico e il biologo pen-
mediche sotto forma di sano e analizzano i sistemi viventi attraverso
equazioni. Poi, a partire certe relazioni, influenze, interazioni ... Ma
da queste equazioni, effet- non possono sempre quantificare con pre-
tuerà delle simulazioni al cisione gli effetti, per dar loro un valore nu-
computer. merico.

Per far progredire la ricerca in questo settore, Di fronte ad un sistema complesso, un bio-
i medici e i biologi lavorano su “modelli anima- logo o un medico avrà l’intuizione del suo
li”, causando ictus nei roditori (ratti, gerbilli) e funzionamento. Prevederà degli scenari.
successivamente osservandoli mediante ra- Tuttavia, i sistemi viventi sono così com-
diografie o biopsia. Il problema sorge quando plessi che è difficile avere una corretta e
si passa alla sperimentazione clinica sull’uo- completa intuizione del loro funzionamento.
mo, in cui i risultati possono essere diversi da
quelli sugli animali, e in contrasto con l’obietti- Il matematico, da parte sua, tenta di model-
vo ricercato, come vedremo più avanti. lizzare matematicamente i fenomeni. In altre
parole, traduce le conoscenze biologiche e
mediche sotto forma di equazioni. Poi, da
queste equazioni, effettuerà delle simulazio-
ni al computer. Invece di avere un modello
animale, si costruirà un modello teorico
(equazioni). Invece di esperienze, farà i con-
ti. Certo, il modello astratto e il modello ani-
male sono due approssimazioni della realtà.
Il modello astratto non può spiegare la com-
plessità della vita. È intrinsecamente falso,
approssimativo, in costante mutamento e
tiene conto soltanto di una parte delle co-
noscenze.

Un matematico non scoprirà una nuova mo-


lecola. Ma, esprimendo in equazioni le intui-
zioni dei medici, ne mette alla prova la coe-

156 – Matematica, l’esplosione continua


renza e la validità. A volte i vari fenomeni successo molteplici molecole nei roditori. Ma
biologici si organizzano come i medici ave- passando alla sperimentazione sull’uomo,
vano previsto, altre volte, invece, questo nel 2000, la delusione fu grande: decine di
non succede. La simulazione numerica molecole, che rappresentavano anni di lavoro
mette in luce, in questi casi, altre forme di e centinaia di milioni di euro, si sono dimo-
risposte collettive degli attori in gioco, nuovi strate del tutto inefficaci o addirittura danno-
scenari, inizialmente non previsti. Può an- se! Alcuni test clinici sono stati addirittura in-
che spiegare risultati apparentemente para- terrotti perché inducevano un aumento del
dossali. I primi risultati in questa direzione si tasso di mortalità nell’uomo: la molecola ave-
stanno cominciando a sviluppare in oncolo- va esattamente l’effetto opposto di quello
gia, neurologia e cardiologia. previsto.

Questo fallimento totale si è verificato nono-


stante i canali ionici siano stati studiati e siano
ben noti fin dagli anni cinquanta (Hodgkin e
Huxley hanno ricevuto il Premio Nobel per la
medicina per questa scoperta). Era possibile
prevedere una tale sconfitta? Era possibile
prevedere alcune delle difficoltà incontrate at-
traverso un’analisi matematica?

Il modello matematico di
scambio degli ioni mostra
che il rapporto cellule gliali
/ neuroni ha un effetto deter-
minante sulla efficacia dei
Un risultato inaspettato ...
bloccanti dei canali ionici.
ma matematicamente preve-
Tuttavia, l’effetto di questo
dibile
rapporto è difficile da preve-
dere per pura intuizione.
All’inizio di un ictus, i neuroni non hanno ab-
bastanza energia per mantenere le concen-
trazioni dei vari ioni nei loro valori fisiologici. Qui, per costruire il modello matematico,
Molti produttori hanno quindi cercato di svi- l’approccio è quello di fare prima una lista
luppare nuovi farmaci per contrastare questi degli ioni importanti, dei canali ionici, delle
fenomeni ionici. L’idea era quella di bloccare pompe, degli scambiatori, ... nei quali que-
il passaggio di certi ioni attraverso la parete sti ioni circolano. Di seguito bisogna stabili-
neuronale, bloccando i canali che questi im- re i parametri fisiologici relativi agli oggetti
boccano. Sono state sviluppate e testate con elencati (concentrazioni, numero di porte,

Ictus: la matematica viene in soccorso – 157


potenziale d’apertura ...). Successivamente Il modello costruito indica chiaramente gli ef-
tutto ciò viene tradotto in equazioni (utiliz- fetti positivi dei diversi farmaci nei roditori ...
zando le equazioni di Nernst, i potenziali di ma anche gli effetti molto deboli o addirittura
membrana ...). Questo lavoro lungo e deli- quelli negativi sull’uomo! Cioè, se negli anni
cato si basa su un approccio adottato negli ‘90 avessimo tradotto in equazioni gli scambi
ultimi decenni, in particolare per il cuore, ionici in un ictus ed effettuato delle simulazioni
sviluppato, tra gli altri, dal team del profes- con questi modelli, avremmo potuto prevedere
sor Denis Noble di Oxford. quello che poi è successo.

Figura 1: I risultati della simulazione ottenuti con il modello dell’ictus che mostrano l’evoluzione
delle diverse aree ischemiche nei 40 minuti successivi all’ostruzione arteriosa (t = 0 min) e dopo
l’introduzione di uno specifico bloccante di un canale ionico sodico specifico (t = 20 min) nel
“modello di roditore” e nel “modello umano” (diversi per la loro proporzione di cellule gliali). La zona
infartuata (dove le cellule sono completamente morte) è in blu, la zona d’ombra (dove le cellule
sono danneggiate o indebolite, e possono sia morire, sia riprendersi e sopravvivere) in verde e la
zona sana in rosso. L’obiettivo di qualsiasi trattamento è ovviamente quello di fare in modo che la
zona di d’ombra si evolva il più possibile verso lo stato sano. I risultati di queste simulazioni
mostrano che, a seguito dell’introduzione del bloccante, il recupero della zona d’ombra è
considerevole nel caso dei roditori, ma piuttosto debole nel caso dell’uomo. (Tratto da M.A.
Dronne, E. Grenier, G. Chapuisat, M. Hommel, J.-P. Boissel, Progress in Biophysics and Molecular
Biology, 2008, vol. 97).

158 – Matematica, l’esplosione continua


Possiamo capire il fallimento clinico a partire canti dei canali ionici: più q ­ uesto rapporto
da questo modello? Qui, il punto cruciale è la aumenta e meno il farmaco è efficace. Es-
diversa composizione del tessuto nervoso sendo le cellule gliali proporzionalmente più
del cervello nell’uomo e nei roditori. Nel cer- numerose negli esseri umani, l’effetto del far-
vello, sono presenti neuroni e cellule gliali maco svanisce e diventa debole o addirittura
(cellule di supporto che nutrono i neuroni, li negativo in alcuni casi. Tuttavia, l’effetto di
proteggono, contribuiscono alla omeostasi questa relazione cellule gliali / neuroni è diffi-
...). Nei ratti, ci sono 2 cellule gliali per ogni cile da trovare con la pura intuizione. Per
neurone, mentre nell’uomo ci sono circa 9 questo motivo l’uso di un modello matemati-
cellule gliali per ogni neurone. Il modello co e la sua simulazione erano necessari per
matematico di scambio ionico mostra che
­ testare l’influenza di questo parametro in
questo rapporto cellule gliali / neuroni ha un modo più preciso e individuare i pericoli di
effetto determinante sull’efficienza dei bloc- questo scenario inaspettato.

Ictus: la matematica viene in soccorso – 159


Quali sono le opportunità per chi studia matematica? Come si diventa un
matematico? In che cosa consiste questo lavoro? Professionisti, uomini e
donne, rispondono a queste domande e abbattono i preconcetti.

Quale professione si può esercitare con la getto, ecc.1 Il tipo di incarico è anch’esso
laurea in matematica? molto vario, potendo richiedere in maniera
predominante delle competenze matematiche
Edwige Godlewski,
responsabile della laurea in Ingegneria (ad esempio, per professioni che richiedono
Matematica presso Université Pierre et Marie competenze tecniche molto specialistiche di
Curie: statistica o di metodi numerici) o limitandosi,
talvolta sin dall’inizio, a qualità trasversali, tra-
Le aree dove i giovani formati in matematica dizionalmente pertinenti alla disciplina: astra-
trovano un impiego coprono quasi tutti i setto- zione, rigore, spirito analitico, ecc.
ri: automobilistico, aeronautico, spaziale, ener-
getico, dei trasporti, delle telecomunicazioni, In generale, la domanda di giovani preparati
elaborazione dei segnali, trattamento delle im- nelle scienze statistiche è molto significativa e
magini, farmaceutico, biomedicale, dell’inge- le applicazioni sono piuttosto note (scienze at-
gneria civile e ambientale, logistico, bancario, tuariali, biostatistica, statistiche industriali, stu-
assicurativo, delle previsioni, dei media, ecc. di di marketing, previsione dei consumi, son-
Nel profilo professionale appare spesso il ter- daggi, epidemiologia, ecc.). Ma ci sono anche
mine consulente scientifico (se a livello di lau- reali opportunità per chi segue un master in
rea magistrale) o analista, responsabile di pro- qualsiasi settore della matematica applicata, a

1 Qui e nel seguito si è cercato di tradurre i titoli di studio e le posizioni professionali francesi
con quelle italiane approssimativamente equivalenti. N.d.T.

FAQ (e preconcetti) circa i matematici – 161


condizione che la formazione comprenda un richiesto di utilizzare la matematica attraverso
minimo di padronanza degli strumenti informa- dei software o dei metodi già sviluppati da ri-
tici e software e che il giovane laureato impari cercatori e soprattutto di saper scegliere il me-
a capire i problemi dal punto di vista dell’im- todo o il modello che meglio si adatta al pro-
presa, senza rimanere bloccato nell’idea di blema sul quale si lavora.
non poter applicare altro che teoremi. Uno sta-
ge in azienda, al termine del corso di laurea, è
un passo quasi indispensabile. A queste con-
dizioni, i responsabili della formazione dei ma-
ster, come quelli in matematica, o che comun-
que richiedono una laurea magistrale in
matematica, constatano che i loro studenti, se
mostrano un certo dinamismo, trovano abba-
stanza rapidamente un lavoro interessante e
che la formazione permette loro sia di rimanere
in un dominio scientifico che di passare a ruoli Facoltà di Jussieu
di responsabile di progetto o altri tipi di posi-
zioni.
In che cosa consiste la professione di
ricercatore in matematica? Dove lavorano i
È necessario avere un dottorato ricercatori? Che cosa fanno?
per svolgere un lavoro che utilizza
la matematica? Cédric Villani,
Professore presso Université Claude Bernard
Lyon 1 e direttore presso Institut Henri
Adeline Samson,
Poincaré (CNRS / UPMC):
responsabile del corso di laurea “Statistique
et Informatique décisionelle pour la Santé”
presso IUT Paris Descartes: Nelle università, negli istituti di ricerca e nei
centri di collaborazioni scientifiche, i ricercatori
No! È la ricchezza delle opportunità date dalla in matematica lavorano per sviluppare delle te-
matematica. I mestieri che coinvolgono i mate- orie matematiche e per trasmettere le proprie
matici sono accessibili con tutti i livelli di for- conoscenze. È in questo modo che nuovi teo-
mazione. La differenza con le professioni ac- remi continuano a nascere, ora più che mai. Il
cessibili dopo un dottorato di ricerca riguarda numero stimato di nuovi teoremi è ogni anno
il modo in cui viene utilizzata la matematica. tra 100.000 e un milione! Questa nascita non è
Chi ha un dottorato in matematica sarà chia- un processo semplice: è il frutto di tentativi ed
mato a sviluppare o inventare nuovi modelli errori, incontri e discussioni, di lavoro paziente
matematici, nuovi metodi di analisi, di calcolo, e di idee fulminanti, di ispirazioni ricevute non si
di stima statistica. Con la laurea, invece, verrà sa bene da dove. Gli strumenti del mestiere:

162 – Matematica, l’esplosione continua


certamente carta e matita; computer, sia per studiamo quello di cui qualcuno ha bisogno,
effettuare dei calcoli, che per comunicare; libri, senza saperlo in anticipo!
quelli sono sempre indispensabili; scambi,
scambi e ancora scambi. I ricercatori sono pro- Bisogna essere un genio per diventare
fondamente consapevoli di formare una comu- matematico?
nità pienamente internazionale. Viaggiano con-
tinuamente in tutto il mondo per tenere Secondo Terence Tao, uno dei migliori mate-
conferenze nelle quali parlano delle loro sco- matici contemporanei (vincitore della medaglia
perte, dei loro problemi e delle loro speranze. Fields nel 2006): “La risposta è no, assoluta-
mente no. Portare dei contributi belli e utili alla
Esistono ancora cose da scoprire matematica richiede molto lavoro, specializ-
in matematica? zarsi in un settore, imparare cose in altri setto-
ri, porre domande, parlare con altri matematici
Filippo Santambrogio, e riflettere sui grandi orizzonti del paesaggio
docente presso Université Paris-Sud:
matematico considerato. E, sì, naturalmente,
un’intelligenza ragionevole, pazienza e maturi-
Naturalmente! E le domande che sorgono
tà sono ovviamente necessarie. Ma, in nessun
sono di natura molto varia. Da una parte ci
caso, è necessario possedere una sorta di
sono problemi molto difficili, rimasti irrisolti da
gene magico del genio matematico o altri su-
secoli. Alcuni sono anche molto semplici da
perpoteri, che forniscano ispirazioni sponta-
raccontare: per esempio, la congettura di
nee o che facciano sorgere dal nulla delle idee
Goldbach (dimostrare che tutti i numeri pari
profonde o delle soluzioni totalmente inaspet-
maggiori di 2 si possono scrivere come som-
tate ai problemi.”
ma di due numeri primi. Ciò è vero per tutti i
numeri che i computer sono riusciti a testare,
Peraltro, solo in Francia, circa 4.000 matema-
ma nessuno è ancora riuscito a dimostrare che
tici lavorano nei laboratori di ricerca delle uni-
sia sempre vero!).
versità, per non parlare di tutti i matematici che
lavorano nelle aziende... certamente non tutti
Dall’altra parte, ci sono problemi che derivano
dei geni!
dalle applicazioni. Quando ho iniziato, insieme
al mio collega Bertrand Maury, a studiare i mo-
delli di movimento delle folle, abbiamo visto Che cosa è un dottorato di ricerca
che era necessario considerare il limite di una in matematica?
relazione non lineare tra pressione e densità: Amélie Rambaud,
tutto questo è molto meno facile da raccontare dottorato presso l’Institut Camille Jordan
rispetto alla congettura di Goldbach e non lo sotto la direzione di Francis Filbet:
avremmo mai considerato interessante prima
di vederne le applicazioni... ma è così che la Tre anni, che sembrano lunghi, ma è quello
maggior parte la matematica viene sviluppata: che ci vuole! Per esplorare, prendere confiden-

FAQ (e preconcetti) circa i matematici – 163


za con il mondo della ricerca (in matematica, sulla qualità ottica dei telescopi, settore che mi
intendo!). Si tratta di affrontare un problema di mette in contatto con colleghi provenienti da
matematica aperto proposto da un relatore, ambienti diversi (ottica, meccanica, ...). Que-
ma questo può portare, strada facendo, ad al- sta diversità è stata molto stimolante dopo la
tre piste, ad esempio nel caso in cui l’argo- mia formazione al 100% in matematica (Scuola
mento iniziale sollevi questioni che paiono più Normale Superiore, abilitazione all’insegna-
rilevanti. In realtà tutto ciò è piuttosto soggetti- mento, master, dottorato), senza passare da
vo, istintivo. In una tesi di dottorato, ci sono una scuola di ingegneria.
spesso momenti in cui ci si trova persi, per
esempio impelagati nei calcoli. Questa nebbia Ma che cosa ci fanno i matematici con i tele-
può durare a lungo! Ma perseverando, lavo- scopi, se la loro modellizzazione si basa sulla
rando, arriva un momento in cui tutto si sbloc- fisica? Il fatto è che, spesso, la conoscenza
ca e avviene la “nascita” di un risultato, questa del modello da sola non basta ... Un passo im-
almeno è la mia impressione! Poi arriva una portante è la modellizzazione numerica e la
fase di redazione, l’esposizione dei risultati ad sua messa in opera in modo rapido, preciso e
altri ricercatori. Questo è un esercizio difficile, coinvolge una serie di problematiche. Le tecni-
che deve essere svolto in inglese, ma molto che non sono sempre quelle assai complesse
interessante, che permette di collocare il pro- che ho visto durante la mia formazione: è il
prio lavoro in un contesto, metterlo in prospet- contesto applicativo che è complesso e inter-
tiva, insomma, trovare il suo posto nella proli- disciplinare. Eppure la mia formazione (persino
ferazione di pubblicazioni matematiche. Alla la teoria di Galois, della quale non mi servo
fine del percorso si ottiene una grande soddi- assolutamente più) è essenziale: è grazie a lei
sfazione: vedere la propria opera pubblicata è che non provo timore di fronte a nessun tecni-
una conquista che dà la motivazione per con- cismo, ma un desiderio di chiarire e trovare ciò
tinuare la propria ricerca! Direi, quindi, che fare che è essenziale.
una tesi di dottorato significa mettere un piede
Sébastien Marque,
nel pazzo mondo della ricerca. Qualunque sia
direttore del Dipartimento Biometria di
il risultato, è un’esperienza che arricchisce, Danone Research:
ma, attenzione: si rischia di rimanere infettati
dal virus e di continuare con la ricerca! Sì! Per quello che mi riguarda ho una laurea in
Matematica Applicata e un dottorato di ricerca
È possibile lavorare nell’industria, con una in Biostatistica. Delle venti persone che lavora-
laurea in matematica? no nel mio reparto, due terzi hanno una laurea
nel campo della statistica o della biostatistica.
Marc Bernot,
ricercatore presso Thales Alenia Space, La maggior parte delle altre persone sono data
Cannes: manager: professione che si può esercitare a
diversi livelli e con diversi gradi.
Certamente! Mi sono unito alla società di ricer-
ca spaziale Thales Alenia (società che produce Oltre alle competenze tecniche in matematica/
satelliti di vario tipo) da quattro anni. Lavoro statistica ottenute con la laurea, mi aspetto dalle

164 – Matematica, l’esplosione continua


persone che lavorano nella mia squadra una La ricerca matematica è compatibile con la
qualche apertura mentale. Sono queste attitudi- famiglia e i figli?
ni che fanno da ponte per tradurre una questio-
Fabienne Castell,
ne scientifica (biologica o epidemiologia molto
professoressa universitaria a Aix-Marseille,
spesso) in un problema statistico e, una volta tre figli:
risolto, devono di nuovo fare da ponte per co-
municare le risposte ottenute in modo semplice, Deve essere compatibile, perché, di fatto, io
affinché i risultati siano comprensibili e utilizzabi- sono sia una madre che un matematico, ma è
li. Inoltre, il mondo sta cambiando rapidamente, difficile per me giudicare dall’interno la qualità
devono, quindi, costantemente rinnovarsi e della mia vita familiare! Quello che posso dire è
adattarsi, sia per quello che riguarda l’organiz- che non sento che la matematica “sacrifichi” la
zazione aziendale, sia nel campo della matema- mia vita familiare e, in ogni caso, né più né
tica e della statistica. meno di tanti altri lavori che avrei potuto fare.
Che tu sia uomo o donna, c’è sempre un equi-
Mi piace la matematica e mi piace molto librio tra vita familiare e vita professionale e
lavorare in gruppo, è compatibile? questo problema non è specifico per il mate-
matico (uomo o donna). Per esempio, non ho
Lavorare da soli o in gruppo: questo dipende calcolato o organizzato la mia vita (mi riferisco
principalmente dalla personalità di ogni ricer- essenzialmente alla nascita dei miei figli) rispetto
catore. Vengono organizzati continuamente alle tappe più importanti della mia professione.
incontri nel campo della ricerca e la fermenta- Io, sicuramente, mi muovo di meno rispetto alle
zione e lo scambio di idee sono cruciali per lo persone che non hanno famiglia e se, certamen-
sviluppo della ricerca matematica. Le migliori te, questo ha un impatto sulla mia carriera, non
idee possono provenire sia da una vivace di- è poi così importante. Il mio lavoro è impegnati-
scussione dopo il pasto, come dall’isolamento vo e miei figli lo sanno e a ciò sono abituati. Ciò
di una notte insonne. Il lavoro, anche se svolto che è specifico di questa professione è che si
singolarmente, è in qualche modo non isolato, tratta di un lavoro creativo e, talvolta, anche a
non fosse altro per le comunicazioni elettroni- casa, la mia mente è occupata dalla mia ricerca
che e per i progressi scientifici che si costrui- e faccio fatica a pensare ad altro.
scono uno sull’altro ...
Non riesco a decidermi tra matematica e
biologia: posso studiare biologia all’interno
di un curriculum in matematica?

Hélène Morlon
ricercatrice in biologia presso il Centre
de Mathématique Appliquées de l’École
polytechnique:

Sì, certamente. Sempre più le aree della biolo-


gia si basano su modelli e vengono ricercate

FAQ (e preconcetti) circa i matematici – 165


persone con forti competenze matematiche e Un matematico può creare la propria
interesse per la biologia. Un buon approccio impresa?
può essere quello di promuovere, in parallelo
Stéphane Mallat,
con la matematica pura o applicata, la forma-
professore presso la Scuola Normale
zione in statistica, analisi numerica, program- e creatore della società Let it Wave:
mazione ... e naturalmente biologia! Appassio-
nata di biologia, ma anche molto amante della Chiaramente sì, e molti matematici l’hanno fat-
matematica, ho scelto un corso di matemati- to con successo sia Francia che all’estero, in
ca, dopo la scuola superiore, per lasciarmi la particolare negli Stati Uniti. La matematica è
massima possibilità di scelta. Dopo una laurea una straordinaria fonte di innovazione tecnolo-
di primo livello in matematica ho studiato pres- gica per sviluppare nuovi prodotti e migliorare i
so l’École Normale Supérieure di Cachan processi industriali. Ciò avviene in informatica,
(dove ho conseguito anche abilitazione all’in- nelle telecomunicazioni, nell’ambito aerospa-
segnamento in matematica), ho potuto inte- ziale, in quello sanitario e nella maggior parte
grare un master in ecologia e iniziare una con- dei settori industriali.
versione alla biologia. È sicuramente una sfida,
ma l’interdisciplinarità è sempre più apprezza- La professione di docente-ricercatore è un’ec-
ta. Ne vale la pena, in quanto permette di cellente formazione per diventare un imprendi-
combinare diverse passioni! Molti dei miei col- tore, contrariamente a molti pregiudizi. Avviare
leghi hanno seguito un percorso simile e non un’impresa è anche un progetto di ricerca.
credo che abbiano alcun rimpianto. Partiamo da una prima idea, per poi affrontare
la ricerca di mercato, l’implementazione della
tecnologia, la creazione di una squadra con
molte sorprese e cambiamenti di rotta. L’espe-
rienza di insegnamento aiuta a spiegare e con-
vincere del valore delle proprie idee.

Non è necessario conoscere la finanza, il com-


mercio, il marketing o il management, ma sem-
plicemente, aver voglia di imparare, di scoprire
nuovi orizzonti. Ecco quello che ho vissuto.

Come ci si guadagna da vivere con


la professione del matematico?

Ovviamente, gran parte dipende dal dominio


di competenza ... Gli stipendi di partenza dei
giovani matematici laureati che si orientano
verso la finanza sono certamente interessan-

166 – Matematica, l’esplosione continua


ti, anche se un elemento di mistero (o di fan-
tasia) viene mantenuto riguardo al livello rea-
le degli stipendi in questa area. In confronto,
le carriere nel settore pubblico (insegnamen-
to universitario, ricerca in istituti pubblici ...)
sono ovviamente meno redditizie. Da un
estremo all’altro, i guadagni sembrano in de-
finitiva molto vari, dall’insegnamento alla
banca passando per la ricerca industriale o
ambientale e della salute ...

FAQ (e preconcetti) circa i matematici – 167