Sei sulla pagina 1di 36

Modeling Process

Adesso, seguendo il flow chart metodologico prima visto,


proviamo a costruire quattro semplici modelli matematici per
cercare di dare risposta ai seguenti problemi:

1. quanto dovrebbe produrre il produttore di un bene per ottenere il


massimo ricavo? Modello matematico: algebra + geometria analitica
2. Come potrebbe essere misurata la dimensione di un oggetto
naturale? Modello matematico: algebra + geometria descrittiva
3. Come si potrebbe descrivere in modo molto semplice la dinamica
del traffico dei veicoli lungo una strada? Modello matematico:
automi cellulari (il sistema è suddiviso in celle, i cui valori al passare
del tempo dipendono dalle regole dell’automa)
4. Come si potrebbe dedurre l’energia di un’esplosione atomica
esaminando le immagini dei test nucleari? Modello matematico:
algebra + analisi dimensionale
Modeling Process: primo esempio
Quanto dovrebbe produrre il produttore di un bene per ottenere il
massimo ricavo? Modello matematico: algebra + geometria analitica
Variabili indipendenti
x: quantità prodotta
p: prezzo unitario del prodotto
Variabile dipendente
R: ricavo del produttore
Formula matematica
R = px
N.B.: p si considera come un parametro funzione di x
attraverso una relazione che chiamiamo costitutiva, e.g.:
p = a – bx
R = (a – bx)x = ax – bx2
N.B.: questa è l’equazione di una parabola, a e b sono costanti positive
Modeling Process: primo esempio
Quanto dovrebbe produrre il produttore di un bene per ottenere il
massimo ricavo? Modello matematico: algebra + geometria analitica
R = (a – bx)x = ax – bx2
Modeling Process: primo esempio
Come potremmo migliorare questo modello? Modello matematico:
algebra + geometria analitica

Ad esempio, il coefficiente costante a cosa rappresenta?

•E’ il prezzo unitario quando la quantità prodotta è piccola: in


sintesi, sembrerebbe il prezzo «effettivo» del prodotto, una costante
appunto: ma è proprio così?
•Supponendo di produrre ad esempio un bene deperibile come la
frutta, da cosa potrebbe dipendere questo prezzo «effettivo»?
•Se vendo la frutta lontano dal luogo di produzione, necessariamente
dovrò aumentarne il prezzo per le spese di viaggio.
•Se passa del tempo dal momento del raccolto, ed il prodotto non è
più fresco, necessariamente dovrò diminuirne il prezzo, altrimenti
rimarrà invenduto.
Modeling Process: primo esempio
Come potremmo migliorare questo modello? Modello matematico:
algebra + geometria analitica
Allora, potrei inizialmente scrivere, al posto del coefficiente costante
a, la seguente funzione (relazione costitutiva):
a(s,t) = p0+As-Bt
con
s = distanza dal luogo di coltivazione
t = tempo trascorso dal momento del raccolto:
p0 = prezzo base, A e B costanti positive
Pertanto, il modello matematico per il ricavo del produttore diventa
adesso una funzione di 3 variabili indipendenti:
R(x,s,t)= [a(s,t) – bx]x = (p0+As-Bt)x – bx2
N.B.: se ho un produttore a km zero: As = 0, per cui a(s,t) = a(t)
Se ho un prodotto poco deperibile B  0, per cui a(s,t) = a(s)
Modeling Process: secondo esempio

Come potrebbe essere misurata la dimensione di un oggetto?


Modello matematico: algebra + geometria descrittiva

2(1/2)=1

4(1/4)=1

Osservazioni importanti
• La dimensione lineare degli oggetti di partenza è uguale a 1.
• Sia N(L) il numero delle parti simili in cui un oggetto può essere suddiviso
(scomposto), oppure, analogamente, il numero degli oggetti identici di
dimensione lineare L necessari per ricoprire l’oggetto.
• Sia L(<1) il fattore di riduzione o fattore di scala, nel senso che permette di
ottenere copie ridotte dell’oggetto di partenza (omotetia di rapporto L).
Modeling Process: secondo esempio

Come potrebbe essere misurata la dimensione di un oggetto


irregolare? Modello matematico: algebra + geometria descrittiva

Per analogia con quanto abbiamo visto sopra per oggetti usuali,
supponiamo che anche per oggetti frattali (oggetti irregolari, cioè
complessi, e dotati della proprietà di autosomiglianza, cioè si ripetono a
molteplici scale) la dimensione si possa misurare con la stessa formula,
che per comodità esprimiamo con i logaritmi naturali: N: numero di celle in
cui l’elemento iniziale
log[ N ( L) L ]  log1  log N  log L  0
D D
log N ( L)
D
è frammentato

 log N   D log L  D  
log N
 log 1 L: dimensione lineare
log L di una cella (sono
L tutte uguali)
La dimensione frattale D (ne esistono più definizioni, in relazione una
con l’altra) ci da un’informazione sulla complessità o irregolarità di un
frattale, cioè su quanto riempia lo spazio. In natura gli oggetti frattali
sono ovunque: alberi, nuvole, montagne, strutture biologiche, ….
Modeling Process: secondo esempio
Come potrebbe essere misurata la dimensione di un oggetto
irregolare? Modello matematico: algebra + geometria descrittiva
Modeling Process: secondo esempio
Come potrebbe essere misurata la dimensione di un oggetto
irregolare? Modello matematico: algebra + geometria descrittiva
Molte strutture naturali seguono la geometria frattale, che risulta molto utile, in pratica: a) per creare in modo
economico strutture complesse (e.g., foglie, fiori, ortaggi come il cavolo, le ramificazioni degli alberi,
struttura dei polmoni con le ramificazioni dei bronchi, forma delle coste, forma delle montagne, ecc.); b) per
ottimizzare processi vitali e di crescita, massimizzando la superfice rispetto al volume (e.g., assorbimento del
cibo nelle spugne massimizzando la superfice per ingerire più organismi, scambio ossigeno-anidride
carbonica nei polmoni a causa della grande area di superfice (nonostante il limitato volume), la scarica del
fulmine nell’atmosfera ecc.); c) per minimizzare gli effetti negativi sulle strutture a causa di intensi fenomeni
vibratori (e.g., alberi sferzati dal vento, polmoni ansimanti, ecc.). Allora, ispirandoci alle forme naturali, l’uso
della geometria frattale può anche essere molto utile per progettare smorzatori più efficenti per le vibrazioni
nelle strutture meccaniche, per aumentare la capacità della memoria dei computer, per realizzare asciugami
più efficienti, per studiare i terremoti e
l’andamento della borse e così via.

Le immagini sono tratte da


MedicinaOnline, Florablog e
Pixabay.
Modeling Process: secondo esempio
Come potrebbe essere misurata la dimensione di un oggetto irregolare? Modello
matematico: algebra + geometria descrittiva

Polvere di Cantor

Triangolo di Sierpinski
Modeling Process: secondo esempio
Come potrebbe essere misurata la dimensione di un oggetto irregolare?
Modello matematico: algebra + geometria descrittiva
log 4 log 4
D D
1 1
log log
1 5
3 12
log 4 log 4
D 1.26 D 1.58
log 3 12
log
5

Quanto è lunga la 4 4


1
4 4
2

L0  1  L1  L0     L2  L1   
curva di Koch? 3 3 3 3
3 100
4 4 4
 L3  L2    2.37...  L100    3x1012...
3 3 3
 lim Ln  . Ad esempio, se L0 =1 metro
n 

 L100 3 x109 km ( distanza terra-saturno!)


Modeling Process: secondo esempio
Come potrebbe essere misurata la dimensione di un oggetto irregolare? Modello
matematico: algebra + geometria descrittiva

Il fiocco di neve del


matematico svedese
Helge von Koch,
che lo costruì
all’inizio del XX
secolo, è un’area
finita racchiusa da
un curva così
irregolare che la sua
lunghezza è infinita!
Modeling Process: secondo esempio
Come potrebbe essere misurata la dimensione di un oggetto irregolare? Modello
matematico: algebra + geometria descrittiva
Costruzione della spugna di Menger (1902-1985): iterando il procedimento si
arriva ad una forma che somiglia a quella di una usuale spugna da bagno (testo e
immagine tratta da Wikipedia):
log N ( L) log 20 log 20
D    2.7268...
1 1 log 3
log log
L 1
3
Modeling Process: secondo esempio
Calcolo della dimensione frattale mediante il box-counting
Questo metodo che, letteralmente, significa conteggio delle scatole (celle), fornisce una
nuova misura della dimensione frattale, la quale, tuttavia, è direttamente connessa con
quella che abbiamo già introdotto.
Questa nuova dimensione frattale viene chiamata Minkowski-Bouligand dimension od
anche, come detto, box-counting dimension e risulta particolarmente utile per i frattali
non matematici, cioè quelli per cui non risulta possibile individuare una precisa regola
di frammentazione (si pensi, ad esempio, ad un oggetto naturale, come il profilo di una
costa o la chioma di un albero). Per calcolare questa dimensione occorre inserire
l’oggetto all’interno di una griglia equispaziata (L sia la dimensione del lato della
singola cella) e contare quante celle sono necessarie per ricoprirlo (N sia il numero delle
celle). Dopo aver fatto questo per un certo L iniziale, si rende via via più fine la griglia
(per un frattale matematico questo passaggio non è necessario) e si chiama dimensione
frattale di Minkowski-Bouligand (o di box-counting) di un oggetto S il seguente limite
(se esiste): log N ( L)
DMB ( S )  lim
L 0 1
log
L
N.B.: se il limite non esiste, si può comunque considerare, in un certo intervallo di valori di L, il
valore massimo e minimo del rapporto (upper box dimension e lower box dimension). Se la
dimensione lineare dell’oggetto iniziale non è presa uguale a 1 ma è L0 =>si usa L/ L0
Modeling Process: secondo esempio
Calcolo della dimensione frattale mediante il box-counting

In questo esempio, il lato orizzontale della figura si suppone che abbia


lunghezza unitaria, per cui si vede subito, contando le celle, che
L = 1/26 e N = 62: Invece, in base all’algoritmo del frattale si ha:

MB
Modeling Process: secondo esempio
Calcolo della dimensione frattale mediante il box-counting
Modeling Process: secondo esempio
Esempi di calcolo della dimensione frattale mediante il box-counting
Linea costiera Stima della
di: dimensione frattale D
Gran Bretagna 1.25 (frastagliata)
Australia 1.13 (poco frastagliata)
Sudafrica 1.04 (abbastanza regolare)
Norvegia 1.52 (molto frastagliata per la
presenza dei fiordi)

Allora, quanto è lunga la linea costiera della Gran Bretagna?


L’Istituto cartografico nazionale afferma che è lunga 17 819.88 km, ma se la
misurassimo facendo attenzione ai dettagli più piccoli, potremmo ottenere il doppio
di questo valore, o anche molto di più! Per esempio, nel 1961 il Portogallo dichiarò
che il suo confine con la Spagna si estendeva per 1220 km, mentre secondo la
Spagna la sua lunghezza era di soli 990 km.
Quindi, essendo la linea costiera della Gran Bretagna un frattale (almeno in un
certo intervallo dimensionale), non esiste un’unica risposta, ma il risultato
dipende dal livello di precisione (cioè dalla scala) con cui intendiamo misurarla!
Modeling Process: secondo esempio
Applicazione della dimensione frattale mediante il
box-counting: i dipinti di J. Pollock (1912-1956)
Modeling Process: secondo esempio
Applicazione della dimensione frattale mediante il box-counting: i dipinti di J. Pollock
Modeling Process:
secondo esempio
Applicazione della
dimensione frattale
mediante
il box-counting:
i dipinti di J. Pollock
(1912-1956)
Modeling Process: secondo esempio
Applicazione della dimensione frattale mediante il box-counting:
i dipinti di J. Pollock (1912-1956)
Modeling Process: secondo esempio
Applicazione della dimensione frattale mediante il box-counting: i dipinti di J. Pollock
Modeling Process: secondo esempio
Applicazione della dimensione frattale mediante il box-counting: i dipinti di J. Pollock
Blue Poles Number 11 (1952, 210x486.8 cm; classico esempio di Action Painting,
conservato presso la National Gallery of Camberra in Australia, che lo ha acquistato
nel 1973 per circa due milioni di dollari. Immagini tratte da Wikipedia)
In realtà, la ricerca ha
evidenziato la presenza di due
dimensioni frattali: una per le
strutture di piccola scala
(lunghezze inferiori a qualche
cm) ed un’altra, sempre
maggiore, per le strutture su
larga scala (lunghezze maggiori
di qualche cm).
Ad esempio, nel dipinto qui mostrato: Dsmall = 1.72 e
Dlarge = 1.96. La ragione di questo, sempre secondo
gli autori della ricerca, sta nel fatto che la tecnica di
Pollock prevedeva due movimenti, entrambi caotici
e, quindi, in grado di produrre forme frattali: quelli
relativi al fluido gocciolante sulla tela ( piccole
strutture) e quelli derivanti dai bruschi spostamenti
dell’artista intorno alla tela ( grandi strutture).
Modeling Process: secondo esempio
Modeling Process: secondo esempio
Modeling Process: secondo esempio
Presentiamo, infine, un elenco di alcune applicazioni, più specificatamente di
ambito industriale, che riguardano i frattali ed il calcolo della loro dimensione:
• Progettazione di supporti di memoria con maggiore capacità per i computer.
• Creazione di algoritmi frattali per comprimere maggiormente le immagini.
• Progettazione di antenne con geometria frattale.
• Proposta di modelli con superfici frattali per descrivere il contatto meccanico nei
giunti.
• Determinazione sperimentale delle proprietà frattali di materiali strutturali: in
particolare, calcolo della dimensione frattale e dello spettro multifrattale delle
superfici di questi materiali e studio dell’influenza del danneggiamento sulle
proprietà frattali di questi materiali.
• Trattamento della frattura come una curva frattale autosomigliante (l’applicabilita
del modello frattale è limitata al cosiddetto intervallo di scala mesoscopico del
materiale, compreso tra la dimensione geometrica del corpo fessurato e la
dimensione della sua microstruttura).
• Trattamento delle superfici di frattura come superfici frattali.
• Proposta di modelli frattali per spiegare l’effetto di scala sull’energia di frattura.
• Introduzione di diagrammi tensione frattale-deformazione frattale per studiare la
meccanica della frattura.
Modeling Process: terzo esempio
Modello matematico: automi cellulari (il sistema è suddiviso in celle, i cui valori al
passare del tempo dipendono dalle regole dell’automa)
Prima di procedere, facciamo qualche cenno di storia ed alcune osservazioni:
• gli automi cellulari furono introdotti negli anni cinquanta dal matematico e fisico
John von Neumann (Ungherese) e dal matematico Stanislaw Ulam (Polacco).
Durante il periodo della seconda guerra mondiale, parteciparono entrambi al
Progetto Manhattan;
• negli anni sessanta, mentre in ambito scientifico e industriale incominciava a
diffondersi l’utilizzo dei primi computer, un matematico di Cambridge, John
Convay, propose l’automa Life, chiamato così sia perché le sue celle possono essere
soltanto in due stati, vive o morte, sia perché secondo l’autore poteva anche servire
per modellizzare processi connessi con gli esseri viventi;
• nell’ottobre del 1970 sulla rivista Scientific American, in una famosa rubrica di
giochi matematici curata dal matematico Martin Gardner, fu proposto l’automa Life
ai lettori, suscitando uno straordinario interesse;
• le applicazioni degli automi cellulari sono molteplici, anche perché si dimostra che
ogni equazione differenziale può essere messa in corrispondenza con un determinato
automa cellulare: ad esempio, sviluppo di una popolazione (di cellule, di piante, di
animali, ecc.), vari processi biologici, moto dei fluidi, propagazione di un incendio,
evoluzione di una reazione chimica, dinamica del traffico, simulazione di un
calcolatore, modellizzazione di un virus di un computer, ecc.
Modeling Process: terzo esempio
Proponiamo adesso come esempio l’automa cellulare Life: la prima cosa da precisare è
che cosa si deve intendere per vicinato di una cella (O). Infatti esistono due definizioni:
il vicinato di Moore (8 celle) ed il ……………..vicinato di Ulam (4 celle):

Le regole scelte da Conway per l’automa Life sono solo 3:


(1) ogni cella viva (cioè occupata) con due o tre vicini (considerando il vicinato di
Moore) in un dato istante, sopravvive fino stato seguente (cioè, fino alla
configurazione o generazione successiva);
(2) ogni cella viva muore (cioè, diventa vuota) con quattro o più vicini (per
sovrappopolazione), oppure con un solo o nessun vicino (per isolamento);
(3) ogni cella vuota con esattamente tre vicini (i genitori) diventa viva (viene
occupata).
Chi ha confidenza con il gioco, denomina queste leggi con l'espressione "sopravvivenza
con 2 o 3, nascita con 3", ulteriormente abbreviata in S23/B3 (survival 2 3 / birth 3).
Adesso, avendo precisato le leggi di evoluzione dell’universo di Convay (cioè, della
griglia bidimensionale infinita che contiene le celle), facciamo un esempio di come si
evolva (in nuove forme di vita!) una data configurazione iniziale.
Modeling Process: terzo esempio
Proponiamo il seguente esempio di una configurazione iniziale (denominata oggetto
oscillatore) che cambia forma passo dopo passo (cioè, istante dopo istante), ma che,
dopo alcuni passi, si ripete periodicamente. Di oggetti ce ne sono poi vari altri: oggetti
still life, cioè che non variano nel tempo, oggetti che si muovono, oggetti che si
stabilizzano ed oggetti che non si stabilizzano mai, ecc.
Esempio di
tetromino:
dopo 9 mosse
viene raggiunta la
configurazione
chiamata
semaforo,
composta da 4
lampeggiatori che
oscillano con
periodo 2.
Modeling Process: terzo esempio
Come si potrebbe descrivere in modo molto semplice la dinamica del traffico dei
veicoli lungo una strada? Modello matematico: automi cellulari (il sistema è
suddiviso in celle, i cui valori al passare del tempo dipendono dalle regole
dell’automa)
Il modello di questo automa
cellulare (ogni cella può
contenere un solo veicolo
per volta) ammette un’unica
regola di movimento: un
veicolo si sposta dalla sua
cella a quella successiva
sulla destra solo se questa è
vuota. Se codifichiamo il
problema con 0 e 1 (bit), in
ogni istante di tempo la
distribuzione dei veicoli
può essere codificata con
una sequenza di bit (è facile
implementare il modello su
computer)
Modeling Process: quarto esempio
Come si potrebbe dedurre l’energia di un’esplosione atomica
esaminando le immagini dei test nucleari?
Modello matematico: algebra + analisi dimensionale
Geoffrey Taylor, valente matematico di Cambridge, scrisse un rapporto
segreto nel 1941 sulla natura prevista di un’esplosione nucleare,
desecretato nel 1950 ed apparso nello stesso anno come articolo
scientifico. Taylor, con un bellissimo esempio di applicazione
dell’analisi dimensionale, dedusse che l’energia E di un’esplosione è
data approssimativamente da (R è il raggio dell’esplosione, t il tempo
dalla detonazione iniziale e  la densità dell’aria):

N.B.: l’analisi dimensionale serve, in primo luogo, per verificare la plausibilità di


un’equazione, controllando che sia dimensionalmente omogenea. In secondo luogo,
l'analisi dimensionale può essere utile per ricavare relazioni tra le quantità fisiche
significative per un particolare fenomeno che si vuole modellizzare.
Modeling Process: quarto esempio
Come si potrebbe dedurre l’energia di un’esplosione atomica
esaminando le immagini dei test nucleari?
Modello matematico: algebra + analisi dimensionale
Geoffrey Taylor iniziò la costruzione del suo modello ipotizzando che
il raggio dell’esplosione R fosse legato, con una relazione funzionale
del tipo «prodotto di potenze», alle seguenti variabili: l’energia E
dell’esplosione, il tempo t trascorso a partire dalla detonazione iniziale
e la densità  dell’aria:
R  f ( E, t,  ) scelta delle variabili
R  kE  t    ipotesi funzionale
con k  1 costante adimensionale:  ,  e   Q
Adesso, imponendo che il membro di destra e quello di sinistra abbiano
la stessa dimensione, si ottiene, ricordando prima che:
ML2 M
[ R]  L, [ E ]  2 , [  ]  3 , [t ]  T
T L
Modeling Process: quarto esempio
Come si potrebbe dedurre l’energia di un’esplosione atomica
esaminando le immagini dei test nucleari?
Modello matematico: algebra + analisi dimensionale
 2 
M L M
[ R]  [kE  t    ]  L T 

T 2 L3
 L  L2 3 T   2 M  
2  3  1 2  3  1 5  1   1/ 5
   
   2  0     2     2     2 / 5
    0         1/ 5
   
A questo punto la relazione funzionale iniziale diventa (k=1) :
1 2 1

R  kE  t     R  E t 
5 5 5

5
R
 R5  Et 2  1  E   2
t
Modeling Process: quarto esempio
Come si potrebbe dedurre l’energia di un’esplosione atomica esaminando le
immagini dei test nucleari? Modello matematico: algebra + analisi dimensionale

Esempio:
immagine n. 2
(rivista Life, 1949)
R = 94 m
t = 0.009 s
 = 1.2 kg/m3

E  1014 joule
 24 kiloton
di tritolo
(valore «segreto»
dell’energia)
Modeling Process: quarto esempio
Come si potrebbe dedurre l’energia di un’esplosione atomica esaminando le
immagini dei test nucleari? Modello matematico: algebra + analisi dimensionale
1 tonnellata di tritolo = 109cal  4.2 x 109 joule
Un valore di confronto:
terremoto del 2004 nell’oceano indiano,
energia stimata  475 megaton di tritolo
Test Trinity ad Alamagordo: 16 luglio 1945
Riflettiamo... E  24 kiloton di tritolo
Bomba atomica su Hiroshima: 6 agosto 1945
E  13 kiloton di tritolo, 80000 morti
Bomba atomica su Nagasaki: 9 agosto 1945
E  21 kiloton di tritolo, 70000 morti
Resa del Giappone: 14 agosto 1945
Prima bomba H sull’isola di Elugelab (Pacifico): 1 novembre 1952
E  11 megaton di tritolo  1000 volte la bomba atomica su Hiroshima
Io non so come si combatterà la terza guerra mondiale, ma so che
la quarta si combatterà con pietre e bastoni (Albert Einstein)
Bibliografia sugli esempi di modelli

Modello 1:
A. Ambrosetti, Il Fascino della Matematica, Bollati Boringhieri,
2009;
Modelli 2 e 3:
J. M. Santamaría, Dalla semplicità alla complessità, Editore RBA
Italia, 2015;
A. P. Izquierdo, La teoria del caos, Editore RBA Italia, 2015;
R. P. Taylor, Ordine nel caos di Pollock, Le Scienze n. 413,
gennaio 2003;
Y. Baryshev e P. Teerikorpi, La scoperta dei frattali cosmici,
Bollati Boringhieri, 2006.
Modello 4:
J. D. Barrow, Le Immagini della Scienza, Mondadori editore,
2009.