Esplora E-book
Categorie
Esplora Audiolibri
Categorie
Esplora Riviste
Categorie
Esplora Documenti
Categorie
BIOMECCANICA SUPERIORE
E
TECNOLOGIE AVANZATE
PER GLI SPORT
2008
Università Degli Studi di Roma Tor Vergata
1
INDICE
I BIOMECCANICA SUPERIORE
Frattali e teoria del Chaos
Teoria delle catastrofi
Teoria dei giochi
Logica Fuzzy
Teoria della complessità
Teoria del Chaos
Frattali
Il Moto Browniano
La fisica del moto browniano
Effetto elastocalorico
2
IV BIOMECCANICA SUPERIORE
Frattali e teoria del Chaos
Teoria del Caos
Teoria delle catastrofi
Teoria dei giochi
Logica Fuzzy
Teoria della complessità
Frattali
3
Teoria del Caos
Definizioni di Caos:
Comportamento casuale che si verifica in un sistema deterministico.
Sensibilità alle condizioni iniziali: grandi mutamenti non hanno necessariamente
grandi cause
Azione geometrica del caos: stirare e piegare
Esistenza di infiniti cicli repulsivi
Il caos riguarda i fenomeni, ritenuti prevedibili, che si evolvono in modi , in parte ,
imprevedibili ma classificabili e studiabili.
All'interno della teoria del caos anche le dinamiche più complesse rispondono ad
equazioni matematiche prestabilite i cui effetti sono immutabili e non adattabili.
Il caos non è casualità né disordine ma un ordine complesso.
Un sistema dinamico deterministico si dice caotico se la sua dinamica è governata da ,
un particolare ente matematico, detto attrattore strano. Una caratteristica peculiare di un
sistema caotico è l'apparente imprevedibilità delle traiettorie del sistema, dovuta alla
forte sensibilità rispetto alle condizioni iniziali: un piccolo errore nella conoscenza dello
stato del sistema in un certo istante, può provocare un errore anche grande nelle
previsioni a medio e lungo termine.
Il caos è più importante dell'ordine.
La Natura usa il caos come parte integrante del suo programma di evoluzione.
Per risolvere il problema di adattare le forme di vita per la sopravvivenza in un ambiente
in continua trasformazione, complesso e apparentemente caotico, ogni schema
deterministico sarebbe destinato al fallimento.
Perciò la Natura sceglie di combattere il caos con il caos, generando una
moltitudine di forme di vita attraverso mutazioni adattative. La teoria del caos
suggerisce che non si possono sempre prevedere gli effetti a lungo termine delle nostre
creazioni e che è quindi meglio essere aperti e flessibili. Così come la natura sopravvive
grazie alla biodiversità, è fondamentale avere una varietà di idee e di approcci.
Quando si chiude una via, la natura ha molte altre strade tra cui scegliere.
Ciò dovrebbe insegnare alle organizzazioni complesse che una eccessiva
specializzazione porta al decadimento e alla morte.
Lo strumento per il caos:
4
La matematica è il metodo più efficace e attendibile che noi conosciamo per capire ciò
che ci circonda. Le leggi matematiche sul moto dei corpi di Newton si basano su
equazioni differenziali, cioè su equazioni che coinvolgono certe quantità e le velocità
con cui queste quantità variano (differenza fra i suoi valori in istanti di tempo vicini).
Proprietà dello strumento:
Esistenza e unicità della soluzione.
Paradigma del determinismo classico: se le equazioni prescrivono l’evoluzione di un
sistema in modo unico, senza alcun apporto esterno casuale, il comportamento del
sistema è specificato in modo unico per sempre.
…ma le cose non stanno proprio così…
5 Settembre 1977. Partono, a distanza di 16 giorni l’uno dall’altro due sonde gemelle (i
Voyager 1 e 2) per l’esplorazione del sistema solare.
Arrivata a Saturno, la prima individua un nuovo satellite, Iperione, dalla forma
irregolare a patata, che compie piroette irregolari intorno alla sua orbita. Se anche la
sonda avesse misurato con estrema precisione il suo moto, sarebbe stato impossibile
prevedere il punto esatto in cui la seconda sonda l’avrebbe incontrata 16 giorni più tardi.
La causa di questo fatto non era da ricercarsi nei disturbi casuali o nelle nubi di gas o
nei campi magnetici, ma in un carattere intrinseco delle equazioni matematiche della
dinamica.
Questo fenomeno è detto caos deterministico: un comportamento senza legge
governato per intero dalla legge.
Sostituzione nelle iterazioni:
Iterazione 1: x2
I risultati tendono a 0.
Iterazione 2: x
2
1
Dopo poco i risultati variano tra –1 e 0.
Iterazione 3: 2x 2 1
I risultati sembrano casuali. Inoltre, se cominciamo da valori molto vicini (ad es. 0.54321
e 0.54322) dopo poco i valori sono completamente scorrelati tra loro.
Ordine e caos si intrecciano:
• “I sistemi non lineari semplici non possiedono necessariamente proprietà
dinamiche semplici” (May, 1976).
5
• Ordine e caos appaiono come due manifestazioni distinte di un determinismo
sottostante.
• Armonia e dissonanza coesistono.
• La casualità non dipende da fattori esterni di disturbo ma è una proprietà
intrinseca dei sistemi.
Henri Poincaré (1854-1912):
E’ il fondatore della teoria qualitativa (o topologica) dei sistemi dinamici ovvero di un
modo di studiare le leggi del moto che rinuncia a ogni pretesa di conoscenza analitica o
numerica delle soluzioni e si basa su metodi di tipo geometrico - visivo.
Poincaré non si pone più il problema della forma della soluzione di un’equazione, ma
cerca di capire se questa soluzione è stabile o instabile.
Il sistema solare obbedisce alle leggi deterministiche della fisica e quindi il moto dei suoi
pianeti è unico, ma questo moto è stabile?
In effetti, la visione di Laplace che, conoscendo come variano tutti i parametri, possiamo
conoscere tutta l’evoluzione dell’universo, è corretta (oltre che nei sistemi lineari) anche
nei sistemi non lineari, purché lontani dai regimi di comportamento caotico. Ma in
modelli non lineari, anche semplici, le traiettorie possono risultare molto simili a
successioni di stati aleatori, cioè ottenuti con l'intervento di elementi casuali (come i
risultati nel lancio di un dado).
Altri contributi:
Importanti contributi alla teoria qualitativa dei sistemi dinamici, furono forniti dalla grande
scuola russa dagli anni '30, con Lyapunov, Kolmogorov, Andronov, Pontrjaguine e dagli
studi di Birkhoff negli Stati Uniti.
I fondatori ufficiali:
Due articoli diedero un decisivo contributo alla diffusione e alla crescente popolarità di
questo settore della Matematica: quello del 1963 del meteorologo americano Edward
Lorenz e quello del fisico inglese Robert May del 1976, dal titolo Semplici modelli
matematici con dinamiche molto complicate.
Un glossarietto caotico
Punti di equilibrio in 2 dimensioni
6
Ciclo limite
Nodo
(instabile)
Sella
Attrattori
• A lungo termine un sistema dinamico si stabilizza verso un attrattore.
Nel piano, le uniche possibilità sono:
• Punti singoli (stare immobili!)
• Cicli limite (oscillare!)
Dimensioni maggiori di 2
Sezione di Poincaré in dimensione 1.
7
possiamo agire, come dobbiamo regolare questi parametri per evitare l'insorgere del
caos o il manifestarsi di una catastrofe.
Il modello delle catastrofi è stato utilizzato anche per illustrare i disturbi alimentari, come
ad esempio l'anoressia. La "catastrofe” dipende da più fattori di controllo che
determinano e guidano passaggi regolari o repentini fra gli stati.
Nel ciclo dell'anoressia, al digiunare e al purgarsi segue la "catastrofe del lasciarsi
andare" la cui conseguenza è una condotta di ingordigia ed il riproporsi del ciclo:
"digiuno - catastrofe - ingordigia" seguita da altra catastrofe "assunzione di purganti -
ingordigia" …
La teoria dei giochi studia i meccanismi della scelta razionale in situazioni caratterizzate
da interdipendenza, vale a dire in quelle circostanze in cui il risultato - ottenuto da un
soggetto - dipende dalle scelte degli altri soggetti che interagiscono con lui, e viceversa.
Ne segue che il soggetto, se è razionale, tiene conto di questo stato di cose nel decidere
le proprie azioni: vale a dire si comporta in modo strategico.
• I giochi a somma zero: la perdita di un giocatore significa la vincita dell’altro.
• I giochi a somma diversa da zero: vincita e perdita non si pareggiano.
I rapporti umani sono: giochi a somma 0 o diversa da 0?
Il dilemma del prigioniero:
Due persone sono accusate di aver commesso un grave delitto. Il giudice è certo della loro
colpevolezza ma non dispone di prove sufficienti per incriminarle.
Il giudice le incontra separatamente e fa loro questa proposta:
Se tu confessi e il tuo compare non confessa a lui 20 anni a te la libertà.
Se entrambi confessate a tutti e due 8 anni.
Se nessuno confessa con le prove che ho, opto per un reato minore e vi condanno a 2
anni.
La sintesi:
Le alternative descritte possono essere raccolte in una “bimatrice”
8
A B Non confessa Confessa
Non confessa (2,2) (20,0)
Confessa (0,20) (8,8)
Conclusioni:
Confessare è la scelta ottimale per gli individui in quanto singoli.
Non confessare è la scelta ottimale per gli individui in quanto gruppo.
Quindi: ciò che è meglio per l’individuo non è sempre meglio per tutti gli individui come
entità collettiva. Talvolta il perseguimento del risultato individuale conduce ad un risultato
meno favorevole sul piano collettivo.
Logica Fuzzy
La Logica fuzzy (dall’inglese “sfumato”, “sfuocato”) è stata introdotta per formalizzare
concetti del linguaggio naturale che non possono essere categoricamente riconosciuti
come veri o falsi, ma che possono avere un certo grado di verità.
La Logica Fuzzy è estremamente efficace per superare le difficoltà che nascono dalla
presenza di soglie decisionali che generano la necessità di usare valori “secchi” (crisp).
Essa ha la possibilità di stabilire un’algebra del linguaggio e sacrifica la precisione a favore
del significato.
Anche se concetti simili compaiono nelle opere di Cartesio, Russell, Einstein e Heisenberg
la sistematizzazione della Logica Fuzzy è dovuta a Lotfi Zadeh (1965).
9
Dispongono di diversi livelli di organizzazione che vengono costantemente ridefiniti sulla
base dell'esperienza (apprendimento) la quale da luogo all'adattamento e quindi
all'evoluzione.
Hanno capacità di previsione basata su propri modelli interni della realtà (coscienti o
impliciti), modelli che ne guidano i comportamenti e che si adattano con l'esperienza.
La complessità (caos deterministico, termodinamica delle strutture dissipative, frattali,ecc.)
può essere considerato uno strumento universale che fornisce risposte agli scienziati sui
fenomeni naturali? Si pur considerando:
• Complessità peculiare
• Interdisciplinarietà
• Limiti di applicabilità
X n 1 f X n
Supponiamo che X n 1 2 X n
X1 2X 0
X 2 2 X 1 22 X 0 4 X 0
X 3 2 X 2 2 2 X 1 23 X 0 8 X 0
...
X n 2n X 0
Metodi Grafici:
Xn 1 0.5 Xn
Xn 1
X3 X2 X1 X0
11
X 3
Xn 1 2 Xn
Xn 1 X 2
X1
X 0 X 1 X 2
Sistemi Continui:
Tipicamente espressi da equazioni differenziali.
dx
f (x )
dt
La variabile di stato x, è continua nel tempo.
dx/dt descrive la variazione istantanea nel tempo.
I punti fissi avvengono per dx/dt = 0!
È interessante conoscere come la variabile di stato x, varia in funzione del tempo, t.
Tuttavia, qui vi è un problema.
dx
f ( x)
x(t ) ???
dt
Non è chiaro come si possa determinare x(t).
Due metodi di investigazione:
1. Numerica:
Integrazione
Approssimazione discreta
2. Grafica (Analisi Geometrica)
Ma, come vedremo, questo metodo è utile solo per sistemi lineari.
Qual’è il significato della derivata?
dx
0
x cresce nel tempo.
dt
dx
0
x decresce nel tempo.
dt
dx
0
x non cambia !
dt
Metodi Grafici:
dx dx
dt
dt
x0
x0
Stabilità:
Sistemi Discreti
Punti fissi: detto, X*, dove Xn+1 = Xn.
Cosa succede per valori di X diversi da X*?
Sistemi Continui
Punti fissi: detto, x*, dove dx/dt = 0.
13
Cosa succede per valori di x diversi da x*?
Ambedue le questioni riguardano la stabilità.
Il punto fisso può essere stabile (un “attrattore”) o instabile (un “repulsore”).
I punti fissi sono considerati stabili o instabili in funzione di ciò che accade nella regione di
spazio che li circonda.
La questione fondamentale è dove la posizione presso il punto fisso è attratta o respinta ?
Consideriamo un sistema continuo con un punto fisso, x*:
Se un valore x0 vicino ad x*, tende ad x*, allora il punto fisso è localmente stabile.
Se tutti i valori di x0 tendono ad x*, allora il punto fisso è globalmente stabile.
Lo stesso vale per i sistemi discreti & X*.
Bacino di Attrazione:
x0
x*
14
dx
ax (1 x )
dt
I sistemi biologici sono descritti in genere da equazioni differenziali non lineari.
In oltre, un equazione differenziale non lineare può essere difficile (o impossibile) da
integrare!
Come si procede?
Si usano metodi numerici per approssimazioni discrete o metodi grafici (analisi
geometriche).
Vediamo due esempi:
1. Un sistema discreto lineare
2. Un sistema continuo non lineare
Un’ equazione è lineare se la combinazione lineare di due sue soluzioni è una soluzione.
Le equazioni lineari sono facili da risolvere.
Le equazioni non lineari sono spesso difficili da risolvere, o meglio spesso non possiamo
esprimere la sua soluzione con una formula.
La scienza di oggi mostra che la natura è inesorabilmente non lineare! Il moto dei pianeti,
le oscillazioni di un pendolo, il flusso delle correnti atmosferiche, lo scorrere più o meno
regolare dell'acqua in un fiume, il numero di insetti che anno dopo anno popolano una
certa regione, l'andamento giornaliero dei prezzi delle azioni nei mercati finanziari e così
via.
1: Crescita e Decadenza:
Rivisitiamo l’equazione differenziale lineare,
Xn 1 aXn
e studiamone la dinamica per diversi valori del parametro, a.
a>1
15
Xn 1 aXn
Xn 1
X0 X1 X2 X3
a=1
Xn 1 aXn
Xn 1
Xn
0<a<1
Xn 1
Xn 1 aXn
X3 X2 X1 X0
6 possibili comportamenti:
1. Decremento 0 < a < 1
2. Crescita a>1
3. Steady-state a = 1
4. Crescita alternata a < -1
16
5. Decrescita alternata -1 < a < 0
6. Ciclo periodico a = -1
Domanda! Quali di questi sono stabili ?
1. Decremento 0<a<1
2. Crescita a>1
3. Steady-state a=1
4. Crescita alternata a < -1
5. Decrescita alternata -1 < a < 0
6. Ciclo periodico a = -1
Stabilità allargata:
Prima è stata definita la stabilità solo rispetto ai punti fissi (steady state). Tuttavia il
concetto di stabilità si può applicare anche a comportamenti periodici. Un comportamento
periodico stabile, è detto comportamento da ciclo limite.
2: Comportamento periodico.
Un semplice modo per descrivere un comportamento periodico è quello del moto uniforme
lungo una circonferenza.
Il cerchio richiede due dimensioni.
Coordinate polari e cartesiane:
La posizione su di un cerchio può ovviamente essere descritta sia da coordinate
cartesiane (x,y) che polari (, r).
Le coordinate polari sono più convenienti per descrivere I comportamenti oscillatori.
90
(x, y)
r
180 0, 360
270
Un modello semplice:
Consideriamo le seguenti equazioni differenziali non lineari in 2D :
17
dr
ar (1 r )
dt
d
2
dt
Guardiamo le due equazioni separatamente
90
r=1
180 0, 360
270
18
Cosa accade se r > 1?
Illustrazione di r0 > 1
19
Domanda! Cosa accade se r0 = 0?
20
Un buon esempio di modello che dimostra questi concetti è la mappa logistica :
Xn 1 aX n (1 Xn )
Chaos e Random
Non bisogna confondere il comportamento chaotico con quello randomico:
Randomico:
Irriproducibile e non prevedibile.
Chaotico:
deterministico - medesime condizioni iniziali danno gli stessi stati finali … ma
lo stato finale è molto diverso per piccole variazioni delle condizioni iniziali.
Impossibile o difficilissimo fare predizioni a lungo termine.
21
Dati 1 RANDOM
random
x(n) = RND
Dati 2 CHAOS
Deterministico
x(n+1) = 3.95 x(n) [1-x(n)]
22
Dati 1 RANDOM
random
x(n) = RND
Dati 2 CHAOS
deterministico
x(n+1) = 3.95 x(n) [1-x(n)]
x(n+1)
x(n)
CHAOS
Definizione
Basso numero di variabili
23
Proprietà:
d , random d = 1, chaos
Spazio delle fasi
2. Sensibile alle condizioni iniziali
3. Biforcazioni
Piccola variazione
Nei parametri
Serie temporali:
X(t)
Y(t)
Z(t)
inglobamento
24
Spazio delle Fasi:
Attrattori nello Spazio delle Fasi:
Equazione Logistica
X(n+1)
X(n+1) = 3.95 X(n) [1-X(n)]
X(n)
Il modello di Lorenz:
Edward Lorenz (1963) era un meteorologo che cercò di descrivere la dinamica di un flusso
idrodinamico con equazioni non lineari (differenziali ordinarie) e si pose la questione se
fosse possibile una previsione meteorologica a lungo termine.
Lorenz calcolò numericamente una soluzione e, poiché voleva studiare come si
comportava in un periodo di tempo maggiore, utilizzò i risultati ottenuti a metà della prima
simulazione come punti iniziali della simulazione successiva. Si accorse così che la
seconda soluzione era totalmente diversa dalla seconda metà della soluzione iniziale,
cosa che non si sarebbe mai aspettato!
Scoprì così l’effetto farfalla.
L’effetto farfalla:
Il battito delle ali di una farfalla produce un minuscolo mutamento nello stato
dell’atmosfera. In un certo periodo di tempo il comportamento dell’atmosfera diverge da
quello che sarebbe stato senza quel battito d’ali. Ne consegue che, a un mese di distanza,
si potrebbe verificare un tornado nelle coste dell’Indonesia!
Cos'è quindi il caos deterministico? In realtà, una sua definizione generale, applicabile a
tutti i casi in cui tale fenomeno si manifesta, non esiste ancora.
Si riconosce la presenza del caos in tutti i casi in cui si ottengono traiettorie limitate che
soddisfano le seguenti tre condizioni:
(1) Sensitività rispetto alle condizioni iniziali: partendo da due diverse condizioni iniziali,
arbitrariamente vicine fra loro, la distanza fra le rispettive traiettorie cresce
esponenzialmente e, dopo un numero finito di iterazioni, diventa dello stesso ordine di
grandezza della variabile di stato.
25
(2) Transitività (o mixing): i punti della traiettoria generata, partendo da una generica
condizione iniziale, ricoprono densamente una zona dello spazio delle fasi.
(3) Esistenza di infiniti cicli repulsivi, con i punti periodici densi nella regione ricoperta
dalle traiettorie caotiche.
Per capire le caratteristiche geometriche, o topologiche, del caos deterministico, si deve
tenere presente che la mappa considerata (la parabola) agisce su un segmento
allungandolo in certe zone e comprimendolo in altre. Se il segmento include il punto critico
x=1/2, lo ripiega anche (si veda Fig.8 seguente A). Alla seconda applicazione della f, tali
azioni si ripetono (si veda Fig.8 seguente B) e così via. L'iterazione della funzione equivale
quindi all'applicazione di ripetute azioni di stiramento, piegamento, compressione.
L'azione combinata di queste azioni è possibile solo con mappe non lineari, in quanto una
mappa lineare o dilata o contrae (ma non entrambe le cose contemporaneamente) e non
può certo causare piegamenti.
Figura 8
Il significato geometrico delle proprietà (1) e (2) risulta meglio comprensibile proprio
attraverso la metafora della sfoglia. Iterando tante volte il processo di allungamento
(stretching) e ripiegamento (folding), due particelle di impasto, che si trovano vicine ad un
certo istante, verranno a trovarsi lontane dopo un numero finito di iterazioni (proprietà 1);
un pizzico di farina inizialmente concentrato in un punto finirà con il trovarsi uniformemente
distribuito su tutto l'impasto (proprietà 2).
Anche per la proprietà (3) possiamo fornire una semplice giustificazione intuitiva. Se le
traiettorie di un sistema dinamico sono limitate, ovvero sono costrette a rimanere
intrappolate in una regione compatta dello spazio delle fasi e tale regione è densamente
ricoperta di punti periodici repulsivi, allora le traiettorie non possono che essere
26
estremamente irregolari, come il moto di una particella che si muove in uno spazio
densamente riempito di altre particelle che la respingono.
L'insorgere del caos deterministico è legato alle trasformazioni che provocano stiramenti e
ripiegamenti. Spesso viene usata la metafora dell'azione geometrica che si esercita
sull'impasto di farina e acqua quando, con il noto procedimento casalingo, si prepara la
sfoglia. La principale caratteristica geometrica delle trasformazioni che generano
successioni caotiche consiste in azioni combinate (e ripetute durante l'iterazione) di
stiramento e ripiegamento (stretching & folding).
L’attrattore di Lorenz:
Ricetta per il caos: stirare e ripiegare!
• Lo stiramento fa crescere gli errori a dismisura.
• Il ripiegamento, invece, impedisce al sistema di divergere.
Equazioni di Lorentz:
dX
10Y X
dt
dY
XZ 28 X Y
dt
dZ
XY 8 / 3Z
dt
Il numero di variabili indipendenti = all’intero più piccolo > della dimensione frattale
dell’attrattore
Equazione Logistica:
X(n+1)
X(n)
d < 1, quindi l’equazione della serie temporale che produce questo attrattore dipende da,1
variabile indipendente.
Il numero di variabili indipendenti = all’intero più piccolo > della dimensione frattale
dell’attrattore
27
Equazioni di Lorentz:
n
X(t) Y(t)
d = 2.03, quindi, l’equazione della serie temporale che produce questo attrattore dipende
da 3 variabili indipendenti.
Poiché , d→∞
28
Spazio delle Fasi
1. Costruito da misure dirette: Misure X(t), Y(t), Z(t)
Ogni punto nell’insieme dello spazio delle fasi ha coordinate X(t), Y(t), Z(t)
Teorema di Taken: Takens 1981 In Dynamical Systems and Turbulence Ed. Rand
&Young, Springer-Verlag, pp. 366 - 381
Ogni punto nello spazio delle fasi ha coordinate X(t), X(t + Δ t), X(t+2 Δ t)
stimolo = 171 Hz
-10-1
-10-4 3 x 10-5
spostamento (cm)
3 x 10-2
velocità (cm/sec)
stimolo = 610 Hz
-3 x 10-2
-2 x 10-5 spostamento (cm) 5 x 10-6
Data 1 RANDOM
x(n) = RND
Dimensione frattale
Dello Spazio delle fasi
dello spazio
Dimensione frattale
delle fasi
Dimensione d’inglobamento =
numero dei valori dei dati preso nel
tempo per produrre lo spazio delle
fasi
Data 2CHAOS
29
deterministico
x(n+1) = 3.95 x(n) [1 - x(n)]
v
Tensione voltmetro
voltage
time
2:1
1:1
2:3
30
Il Pattern del battito di cellule di cuore di pulcino
Glass, Guevara, Bélair & Shrier.1984 Phys. Rev. A29:1348 – 1357
Stimolazione periodica – risposta caotica:
0.5
i+1
31
d
time
Dimensione frattale: la Dimensione dell’Attrattore nello spazio delle fasi è legato al numero
di variabili indipendenti.
x(t+2 t)
d
X
x(t) x(t+ t)
time
Caso
(spazio delle fasi) d
Dati
Determinismo x(t)
(spazio delle fasi)
d = basso t
Modello
freddo
caldo
32
Equazioni
Equazioni:
X = velocità della circolazione convettiva X > 0 oraria, X < 0 antioraria.
Y = differenza di temperatura fra fluido che sale e scende.
Z = temperatura dal suolo al cielo sottratto il gradiente lineare.
Attrattore di Lorenz:
Cilindri di aria
ruotanti in Cilindri di aria
senso ruotanti in
antiorario X<0 X>0 senso orario
Condizioni iniziali:
X= 1.
X(t) 0
stesso differente
X= 1.00001
X(t) 0
IXtop(t) - Xbottom(t)I e t
= Esponente di Liapunov
Deterministico, Non-Chaotico
X(n+1) = f {X(n)}
Accuratezza dei valori
33
Calcolati per X(n):
Deterministico, Chaotico
X(n+1) = f {X(n)}
Accuratezza dei valori
Calcolati per X(n):
Condizioni Iniziali
X(t0), Y(t0), Z(t0)...
Può calcolare
Tutto il futuro
X(t), Y(t), Z(t)...
Equazioni
Universo Chaotico
determimistico chaotico
Condizioni Iniziali
X(t0), Y(t0), Z(t0)...
Sensibile Non è
alle condizioni
iniziali
possibile
calcolare
tutto il futuro
Equazioni X(t), Y(t), Z(t)...
34
Le traiettorie esterne: Sono spinte verso di lui. Ecco perchè è chiamato attrattore.
Partendo dall’attrattore:
Le traiettorie sull’attrattore: sono spinte via separate le une dalle altre. Sensibilità alle
condizioni iniziali.
“Strano” l’attrattore è un frattale.
Serie temporale
X(t) X(t)
t t
non chaotica chaotica
Teorema Ombra:
Se gli errori di ogni step d’integrazione sono piccoli, allora vi è una traiettoria ESATTA che
giace ad un piccola distanza della traiettoria errata che abbiamo calcolato.
Sull’attrattore vi è un INFINITO numero di traiettorie. Quando si va fuori dall’attrattore si è
attratti giù in modo esponenzialmente veloce. Si è su di una traiettoria “reale” ma non
esatta, non quella su cui noi pensiamo essere.
4. Si è su di una 3. Si è riattratti
traiettoria dall’attrattore.
“reale”.
2. l’errore ci
spinge fuori
dall’attrattore.
1. Si parte da qui.
Traiettoria
che si Traiettoria che si
tenta di calcola davvero.
calcolare.
35
Sensibilità alle condizioni iniziali significa che le condizioni di un esperimento possono
esser quasi simili, ma I risultati possono essere piuttosto differenti.
martedì
10 µl
ArT
mercoledì
10 µl
ArT
A = 3.22
X(n)
A = 3.42
X(n)
Biforcazione
A = 3.62
X(n)
x(n) x(n)
Glicolisi:
L’energia del glucosio è trasferita all’ ATP. ATP si usa come sorgente chimica per guidare
reazioni biochimiche.
Teoria:
Markus and Hess 1985 Arch. Biol. Med. Exp. 18:261-271
periodico
t t
chaotico
t t
Esperimenti:
Hess and Markus 1987 Trends. Biomed. Sci. 12:45-48
37
cellule-libere estratte dal lievito per pane
Esperimenti:
Hess and Markus 1987 Trends. Biomed. Sci. 12:45-48
Periodica
fluorescenza
Vin
Chaotico
20 min
Markus et al. 1985. Biophys. Chem 22:95-105
Diagramma di Biforcazione
teoria
esperimenti
chaos
ADP misurato nella medesima fase ad ogni input di ciclo di zucchero (ATP è legato all’
ADP)
Periodo della
concentrazione di ATP
#=
Periodo dell’input di
ciclo di zucchero
Frequenza dell’input
del ciclo di zucchero
38
Piccole variazioni nei parametri possono produrre grandi variazione nei risultati.
10cc ArT
9cc ArT
La dimensione frattale dello spazio delle fasi ci dice se i dati sono generati da un
meccanismo random o deterministico.
X(t)
d = piccolo d
39
Epidemiologia
Schaffer and Kot 1986 Chaos ed. Holden, Princeton Univ. Press. New York
morbillo varricella
15000 4000
Serie temporali:
0 0
Conclusioni:
morbillo: chaotico
varricella: ciclico con rumore
Elettrocardiogramma
ECG:record dell’attività muscolare elettrica del cuore.
Serie temporali: voltaggio Kaplan and Cohen 1990 Circ. Res. 67:886-892
40
normale fibrillazione
morte
D=
8
D=1
chaos random
Serie temporali: voltaggio Babloyantz and Destexhe 1988 Biol. Cybern. 58:203-211
normale
D=6
chaos
Serie temporali: tempo fra i battiti:
normale
D=6
chaos
Evans, Khan, Garfinkel, Kass, Albano, and Diamond 1989 Circ. Suppl. 80:II-134
fibrillazione → morte
D=4
chaos
Zbilut, Mayer-Kress, Sobotka, O’Toole and Thomas 1989 Biol. Cybern, 61:371-381
Aritmia indotta
D =3
chaos
Elettroencefalogramma. EEG: record dell’attività elettrica dei nervi cerebrali.
Mayer-Kress and Layne 1987 Ann. N.Y. Acad. Sci. 504:62-78
V(t)
V(t+ t)
D=8 chaos
41
Rapp, Bashore, Martinerie, Albano, Zimmerman, and Mees 1989 Brain Topography
2:99-118.
Babloyantz and Destexhe 1988 In: From Chemical to Biological Organization ed.
Markus, Muller, and Nicolis, Springer-Verlag.
Xu and Xu 1988 Bull. Math. Biol. 5:559-565.
Gruppi diversi hanno calcolato dimensioni differenti nelle stesse condizioni sperimentali.
forse:
Dimesione Compiti mentali
alta
Attesa quieta ,occhi chiusi
Sonno
virus: Creutzfeld- Jakob
Epilessia: petit mal
Dimensione meditazione: Qi-kong
bassa
Random Markoviano:
Come calcolare il prossimo x(n): Ogni Δt individua un numero random 0 < R < 1 se aperto,
e R < pc, allora chiude. Se chiuso, e R < po, allora apre.
Se aperto: La probabilità di chiudere nel Δt successivo = pc
Se chiuso: La probabilità di aprire nel successivo t=po
Mappa deterministica iterata:
Liebovitch & Tóth 1991 J. Theor. Biol. 148:243-267
aperto
x(n+1)
chiuso
x(n)
x(3)
x(2)
0 0
0 x(1) 0 x(2)
42
Incidente al ponte di Tacoma:
Martedì 7 Novembre, 1940
Una review moderna (che illustra perchè le spiegazioni date nei libri di fisica sono errate in
physics ): Billah and Scanlan 1991 Am. J. Phys. 59:118-124.
Ponte di Tacoma
Equazione della risonanza forzata semplice:
x Ax Bx f (t )
0.3 A2* PT
0.2
0.1
U
0 NB
0.1
0.2 A
43
• il rateo di campionamento deve eventualmente comprendere l’attrattore.
N=
Numero di valori della serie
temporale necessari per
una corretta valutazione
della dimensione di un N
attrattore di dimensione quando
D D=6
Smith 1988
Phys. Lett. A133:283 42D 5,000,000,000
Nerenberg &
Essex 1990
Phys. Rev.
A42:7065
_______1________ D+2
200,000
kd1/2[A In (k)](D+2)/2 2
44
Ding et al. 1993
Phys. Rev.
Lett. 70:3872 10D/2 1,000
Gershenfeld (D/2)!
10
1990 preprint D/2
Lorenz
X(t+ t) t 0
X(t)
X(t+ t)
t T.corretto
t tempo correlato
X(t)
t
8
X(t+ t)
X(t)
Takens’ Theorem:
45
Sia altre derivate superiori
↓
Allora, il plot dei ritardi costruito con i dati
X(t+ t)
X(t)
dX(t)
dt
X(t)
Poiché
6 6 6 6 6 6 6
6 6 6 6 6 6 6
6 6 6 6 6 6 6
6 6 6 6 6 6 6
D=0
6 6
6
47
Esperimenti:
Debole
Dimensioni
bassa = deterministica
alta = random
Forte
Varia un parametro comportamento
Predetto da
un modello
non lineare
Sistema Caotico:
Parametro di controllo output
Intensità
0 0.5 msec
CONTROLLO
Controllo
Intensità
0 0.2 msec
CONTROLLO
Controllo
Intensità
0 0.2 msec
49
Frattali
Cosa sono i frattali ?
Sono relazioni matematiche che permettono di rappresentare forme geometriche
complesse (Mandelbrot, 1977).
Sono connessi alla teoria del caos.
Posseggono una struttura che si ripete a varie scale.
Sono troppo irregolari per essere descritti dalla geometria classica.
Gli oggetti frattali sono figure geometriche, esattamente come il cerchio o il triangolo,
che hanno nuove proprietà .
Qual è il loro campo di applicazione?
E' la realtà in tutte le sue forme, anche le più complesse, è il disordine, è il caos …
deterministico.
Autosomiglianza:
I frattali, rispetto alle figure della geometria classica, hanno una caratteristica peculiare: se
ne ingrandiamo anche una piccola parte, ritroviamo, in scala, caratteristiche strutturali
simili.
La struttura che osserviamo in scala normale viene ripetuta infinite volte all'interno della
scala più piccola, e la possiamo ritrovare qualunque sia la potenza della lente
d'ingrandimento che usiamo.
Questo permette di riprodurre un frattale, anche di forma complessa, mediante un
algoritmo di poche e semplici istruzioni da ripetersi più volte; la riproduzione della stessa
immagine punto per punto richiederebbe in input centinaia di valori numerici.
Questi mattoni non sono simili Questi rettangoli invece sono simili
50
I frattali autosimili godono sicuramente di questa proprietà, mentre non è vero il contrario.
E' infatti evidente, che il frattale di Mandelbrot non è autosimile.
In ogni caso ogni parte dell'insieme di Mandelbrot presenta caratteristiche strutturali simili
a quelle dell'oggetto di partenza, e ciò è vero per tutti i frattali di questo tipo. E' anche
evidente che questa caratteristica è strettamente collegata alle altre proprietà distintive dei
frattali, quali ad esempio la dimensione frazionaria o il perimetro infinito e l'area finita.
Il problema della tangenza alle curve frattali:
Nel XVII secolo Newton e Leibniz crearono il calcolo differenziale che, dal punto di vista
geometrico, permette, fra l'altro, di trovare la tangente ad una curva in un dato punto. La
peculiarità dei frattali di non avere tangente rende però inefficace un approccio classico
allo studio delle loro proprietà.
Quello che poteva sembrare a prima vista un problema si rivela così un'utile risorsa per
affrontare, come vedremo, numerosi aspetti della realtà che non si prestano ad un
approccio classico.
Dimensione frattale:
I frattali possono avere dimensione non intera, anche con infinite cifre dopo la virgola.
Applichiamo il concetto di dimensione intera al triangolo di Sierpinski, ricordando che, in
generale, se n è il numero di ingrandimenti lineari, il numero di copie è rappresentato da
una potenza di base n e di esponente la dimensione. Come si vede, sono quattro i
triangoli che possono comporre un triangolo con i lati ordinatamente doppi. Il triangolo ha
infatti la dimensione di una superficie, e cioè due.
Perimetro infinito in un’area finita
TRIANGOLO DI SIERPINSKI
Il perimetro del triangolo diventa ogni volta i 3/2 del precedente, infatti i triangoli si
triplicano mentre il loro lato si dimezza. Possiamo dunque affermare che, al crescere del
numero dei passi, anche il perimetro crescerà indefinitamente: esso tende ad infinito
quando anche il numero di passi tende ad infinito.
Waclaw Sierpinski:
51
Nacque il 14 marzo a Varsavia. Waclaw Sierpinski visse in un periodo in cui la Polonia si
trovava sotto l'occupazione della Russia. I Russi avevano imposto la loro lingua e la loro
cultura a tutte le scuole secondarie della Polonia e preferivano che i polacchi restassero
analfabeti, tanto che il numero di studenti era crollato.
Nonostante le difficoltà, Sierpinski entrò nel dipartimento di matematica e fisica
dell'Università di Varsavia nel 1899. Nel 1903 vinse anche una medaglia d'oro per un suo
saggio sulla teoria dei numeri, ma, non volendo che fosse pubblicato in russo, attese fino
al 1907 quando fu edito in inglese.
I suoi studi spaziarono in vari campi, dalla teoria degli insiemi, ai numeri irrazionali,
all'astronomia, alla filosofia. Al termine della prima guerra mondiale ritornò in Polonia,
dopo essere stato esiliato, e ottenne una cattedra di matematica presso l'Università di
Varsavia, città dove rimase fino alla fine dei suoi giorni. In questo periodo studiò alcune
curve: il tappeto e il triangolo che portano il suo nome.
Dinamica caotica:
Le leggi matematiche che generano i frattali sono molto semplici, pur tuttavia basta una
minima variazione in un parametro per determinare una trasformazione significativa delle
figure finali.
Variazioni nel triangolo di Sierpinski (al centro) al minimo variare di un solo parametro ma,
attenzione, questo non è il caos!
Si usa dire che l'aspetto di un oggetto frattale dimostra un'estrema sensibilità alle
condizioni di partenza che usiamo per costruirlo: nel caso del triangolo di Sierpinski, che è
generato da un'equazione di primo grado, tuttavia, si riconosce sempre la forma iniziale.
Invece i frattali generati da equazioni almeno di secondo grado sono esempi tipici di
sistemi caotici.
52
ricerca. Del resto, i problemi fisico-matematici, possono essere esaminate dai tre classici
punti di vista che costituiscono tre modi di vedere complementari:
—analitico
—geometrico
—fisico–dinamico.
Che cosa sono i frattali?
Ingrandendo sempre più una immagine frattale scopriamo sempre nuovi particolari, nuove
forme prima invisibili soltanto perché troppo piccole, fino all'infinito. Questi particolari che si
vanno man mano scoprendo assomigliano alla figura nella sua totalità.
Queste figure sono generate, per la maggior parte dei casi, mediante l'applicazione di
formule iterative nel piano dei numeri complessi: numeri aventi, cioè, una parte reale e una
immaginaria. L'unità immaginaria è definita come la radice quadrati di –1. Si applicano
proprietà matematiche che non sono state utilizzate precedentemente, come, per
esempio, le teorie sulla risoluzione di sistemi non lineari.
I frattali sono utilizzati in molti campi delle scienze moderne.
Con semplicissime regole gli studiosi sono in grado di riprodurre comportamenti anche
complessi, come il movimento delle folle, oppure ancora la crescita di una pianta.
Da regole semplici si possono ottenere risultati totalmente inaspettati ed interessanti.
La matematica dei frattali nasce ufficialmente nel 1980, quando Benoit B. Mandelbrot
riuscì, tramite un computer VAX (un computer miracoloso nella preistoria dei computer),
ad ottenere la prima stampa su carta dell'insieme che, giustamente, porta il suo nome.
Tuttavia la teoria fondamentale della "Iterazione di Applicazioni Razionali nel Piano
Complesso" era già stata sviluppata, anche se non completamente, nel 1918, nei lavori
degli studiosi Julia e Fatou. Sono gli stessi lavori che lesse Mandelbrot e che lo convinsero
ad effettuare ricerche in quel senso.
La dimensione non intera è necessaria per spiegare certe proprietà, ad esempio che una
linea di lunghezza infinita riesca a stare dentro una regione finita di piano.
La dimensione non intera non è un concetto semplicissimo, soprattutto per il fatto che
risulta anti - intuitivo.
In pratica i frattali sono caratterizzati da una dimensione compresa tra uno (linea) e due
(superficie) oppure tra due e tre (volume) e così via. Un frattale con dimensione 1.5 può
essere poco più di un segmento e poco meno di un piano.
53
Per esempio, la foglia di felce reale non è un frattale perfetto, perché le ripetizioni non
sono tali all'infinito: ad un certo punto i particolari si fondono, poi ingrandendo ancora di più
la somiglianza non c'è più perché appaiono le cellule, etc. Tuttavia, se non è frattale da
questo punto di vista, lo sono dal punto di vista statistico.
Godono di una autosomiglianza statistica: ad esempio, il rapporto fra zone piene e zone
vuote rimane costante (sempre entro un determinato range di dimensioni).
Un'infinità di forme naturali ha natura frattale: piante, montagne, coste, nuvole, alberi etc,
mentre ben poche hanno una struttura geometrica definita (a parte alcuni esseri
unicellulari, aventi delle forme simili a vari poliedri).
Il calcolatore consente l’iterazione un numero molto grande di volte, in modo tale da
approssimare abbastanza significativamente la figura limite.
Il punto di vista della dinamica dei sistemi giunge ai frattali attraverso il problema del caos.
Una piccola perturbazione delle condizioni iniziali può crescere esponenzialmente con i
tempo, per cui l’evoluzione del sistema diviene del tutto impredicibile. È come se, a causa
della non linearità le equazioni divenissero pressoché inservibili per fare previsioni
attendibili.
Bisogna aspettare fino agli anni ’60, quando Lorenz ha scoperto l’attrattore caotico che
porta il suo nome, perché lo studio sistematico dei sistemi dinamici non lineari e degli
attrattori strani (caotici) inizi il suo vero cammino.
A che cosa servono i frattali?
La geometria della natura sembra essere molto più aderente allo schema frattale che a
quello tradizionale.
Dalla forma del cervello a quella delle diramazioni dei dendriti nervosi, dal profilo
frastagliato delle foglie allo schema di sviluppo dei coralli, dalla forma delle scariche dei
fulmini alla distribuzione dei domini nel materiali ferromagnetici, dai profili delle montagne
e delle nubi alle linee di frattura dei materiali da costruzione, tutto sembra essere frattale.
E questi campi di ricerca sono ormai divenuti oggetto anche di numerosi convegni
scientifici internazionali. Un altro settore di grande interesse per l’informatica delle reti e
delle telecomunicazioni è poi quello della compressione delle immagini con metodi frattali
che significherebbe, oltre ad un risparmio di tempo rilevante, l’eliminazione pressoché
totale degli errori.
Possiamo classificare i diversi tipi di frattali che si conoscono secondo criteri differenti.
a)classificazione fisico-geometrica
54
Distingue i frattali su base qualitativa (fisica) per le loro caratteristiche geometriche e
fisiche in immagini che:
—corrispondono ad oggetti verosimili, come felci, foglie, profili di montagne, nubi,
paesaggi, insetti, ecc.;
—non corrispondono ad oggetti verosimili, ma sono piuttosto figure decorative dotate
spesso anche di altre simmetrie oltre a quella autosomigliante;
b)classificazione analitico - geometrica
Distingue i frattali su base quantitativa (matematica) a partire dal tipo di legge ricorsiva
mediante la quale vengono generate le immagini.
Si hanno in questo modo:
—frattali generati dall’iterazione di funzioni di variabili reali a valori vettoriali reali che
possono essere:
• lineari: metodo IFS (Iterated Function Systems);
• non lineari: metodo particolarmente impiegato per realizzare immagini verosimili.
—frattali generati dall’iterazione di una funzione di variabile complessa a valori complessi
imponendo certe condizioni di non convergenza della serie associata (insiemi di
Mandelbrot e Julia: standard e generalizzati).
c)classificazione dinamico - fisica
Questa classificazione identifica i frattali che nascono da problemi di natura fisica
governati da una dinamica caotica.
Il frattale di Newton:
Il frattale di Newton, a contrario di quanto potrebbe far sospettare il nome, non fu scoperto
da Newton; furono altri studiosi a scoprirlo ed a studiarlo. Si chiama così per il semplice
fatto che viene creato dalle formule di Newton.
L’algoritmo è quello che permette di calcolare gli zeri di una funzione. Un procedimento
che Newton aveva proposto per la risoluzione di equazioni nel campo reale, che invece
danno questo affascinante frattale, se studiato nel dominio dei complessi.
Vediamo prima come funziona il metodo di Newton: è un procedimento numerico per il
calcolo degli zeri di un polinomio (o di una funzione in generale): si basa sulla seguente
formula iterativa:
f x n
x n 1 x n
d
f x n
dx n
55
Questa formula è chiamata anche formula delle tangenti. In pratica funziona così: si
prende un x0 che si suppone vicino alla soluzione, e, proseguendo con l'iterazione, si ci
avvicinerà sempre di più alla soluzione cercata: per ogni iterazione, si traccia la retta
tangente al punto (xn), f(xn), e la sua intersezione con l'asse x rappresenta il nuovo punto
da iterare. Si può capire come, al variare di x0, possa variare la soluzione cui converge, se
l'equazione ne possiede più di una.
Qui a lato si può vedere una funzione reale, col metodo di Newton applicato. Le due
sequenze di rette rappresentano l'iterazione per due semi iniziali diversi: si può notare
come a seconda del seme cambia la soluzione cui converge. Avremo, quindi, delle
"regioni" di punti, caratterizzati dal fatto che qualsiasi punto appartenente ad una regione
fa convergere l'algoritmo ad una determinata soluzione.
In questo caso, le regioni di decisione sono le due semirette che partono dal punto di
minimo della funzione. Le due regioni sono ben distinte. Quello che rende questo
processo capace di generare immagini frattali è quello di estendere il processo ad
equazioni e funzioni a zeri complessi.
Tralasciando tutta la matematica, vediamo alcune semplici conclusioni. Prendendo
l'equazione Z3+1 = 0, è facile notare che ci saranno tre soluzioni, e quindi anche tre bacini
d'attrazione: com'è logico supporre, i bacini tendono a formarsi attorno il punto di 0, le
soluzioni dell'equazione. Ciò che non ci si aspettava, invece, è stato il comportamento
della zona di confine fra queste tre regioni. Ci si aspettava un limite netto, come
nell'immagine a destra. Invece, si è visto che non è così. Non
appena ci si avvicina al confine fra i bacini 1 e 2, per esempio,
ecco che spunta una piccola zona di bacino 3, per dividerli: a sua
volta questo nuovo confine che si forma tra bacino 1 e 3, a sua
56
volta è interrotto dal bacino 2 e così via, all'infinito, creando appunto il frattale di Newton.
L'immagine a sinistra è stata ottenuta per la semplice equazione Z3+1 = 0, e al crescere
della complessità dell'equazione, cresce anche quella del frattale che si ottiene. Le altre
immagini sono ottenute usando il metodo di newton per trovare gli zeri nelle equazioni
Z5+1 = 0 e Z3+4Z5+10 = 0. Si vede come si diversifichino di molto. Come ci si aspettavano
i bacini d'attrazione, dedotti dal comportamento reale.
Immagine ottenuta, con i tre bacini d'attrazione colorati in modo diverso, per l'equazione
Z3+1 = 0
Koch:
La curva di Koch è una ripetizione successiva di una determinata regola costruttiva,
applicata di volta in volta in tutte le parti: si parte da una geometria semplice, per arrivare
ad una forma che è sempre più complessa man mano che aumenta il numero di iterazioni.
La stessa regola, ad ogni iterazione, si applica a porzioni via via più piccole dell'immagine.
Da qua viene il dettaglio.
Possiamo vedere a destra la prima iterazione, cui corrisponde la
forma principale che determinerà la forma finale della curva di
Koch; in questo caso abbiamo preso un triangolo, che forma la
curva più classica e famosa. Si prende un segmento, e si
sostituisce il suo terzo centrale con un triangolo: questa è appunto la
prima iterazione. Adesso, vediamo che
la figura ottenuta dalla prima iterazione è formata da vari segmenti: per
ottenere la figura della seconda iterazione, applichiamo un'altra volta lo stesso
procedimento, stavolta per ogni segmento: ad ogni
segmento che compone la figura della prima iterazione,
57
sostituiamo il terzo centrale con un triangolo equilatero, ottenendo l'immagine
corrispondente alla seconda iterazione. Vediamo che aumenta il dettaglio dell'immagine,
pur avendo applicato la stessa regola.
Ripetendo ancora una volta il procedimento, si arriva al risultato della terza iterazione, e
così via. Sotto si vede anche il risultato per un grande numero N di iterazioni: i triangoli
divengono sempre più piccoli, ed aumenta il dettaglio creando, per N che tende ad infinito,
una figura frattale.
Dalla curva di Koch si può vedere facilmente una caratteristica delle figure frattali: il loro
perimetro infinito: si vede, infatti, che ad ogni iterazione la lunghezza totale di tutti i
segmenti aumenta di un fattore 4/3: se, quindi, il segmento originario aveva una lunghezza
unitaria, dopo n iterazioni la figura avrà una lunghezza totale pari a 1* (4/3)n e si vede
come, per n che tende ad infinito, il perimetro della "costa" tende ad un valore infinito.
Le linee di lunghezza infinita non sono una novità nella geometria: basti pensare alle rette.
La particolarità di questa figura, però, è che il suo perimetro diventa infinito pur restando
confinato in un'area finita.
Questa caratteristica è collegata anche al fatto che la figura di Koch
è una figura a dimensione non intera: è come se fosse più di una
linea, e meno di un piano: in particolare, la dimensione di questa
figura particolare è pari a log(4)/log(3).
60
Il successo fu travolgente. Oggi i frattali irrompono in ogni campo: suscitano l'interesse
degli scienziati e la curiosità del grande pubblico, al punto che oggetti frattali si trovano
comunemente in vendita.
Mandelbrot sostiene che le proprietà frattali da lui scoperte sono presenti quasi
universalmente in natura. Secondo il suo punto di vista, oggi condiviso da molti studiosi, i
modelli storici della matematica e della fisica usati per descrivere la Natura sono
incompleti: la Natura è frattale!
Ha ricevuto numerosi riconoscimenti e premi per la sua opera.
Julia:
Gli insiemi di Julia furono scoperti dagli studiosi Julia e Fatou, già nel 1918, e ne
spiegarono le principali caratteristiche (tutto questo a mano, privi quindi di qualsiasi
calcolatore).
I frattali di Julia si possono distinguere facilmente in due categorie: quelli 'vuoti' e quelli
'pieni'; quando generiamo un insieme di Julia, vediamo quali punti del piano complesso
divergono, e quali invece no: se l'area dell'insieme di questi punti non è nulla, allora il
frattale di Julia si dice pieno, altrimenti si tratta di un frattale di Julia vuoto.
C'è da dire, però, che il frattale di Julia è definito come la zona di confine fra l'insieme di
punti divergenti e convergenti: nel caso che l'insieme sia vuoto, è definito come una
polvere cantoriana: la struttura resta frattale, ma l'insieme è formato da un insieme di punti
isolati, anche se disposti in modo da creare sempre spirali, e strane figure.
Inoltre, prendendo come semi di Julia punti del piano complesso prossimi alla frontiera del
frattale di Mandelbrot. si ottengono i frattali con le forme più suggestive.
Questo è dovuto alla transizione che avviene al passaggio fra punti divergenti e
convergenti, con una zona di confine molto labile e complicata da studiare.
Il loro aspetto dipende profondamente dal numero complesso che si prende come seme, e
molte caratteristiche per così dire estetiche riguardano direttamente le proprietà
matematiche locali, come il numero di ramificazioni di una loro parte, il coefficiente
esponenziale delle loro spirali logaritmiche.
Insiemi di Mandelbrot e di Julia:
Possiamo disegnare gli insiemi di Mandelbrot e di Julia. Ambedue si basano sulla
medesima formula:
zn 1 zn2 c
61
ma viene applicata in modo differente nei due casi.
Per l'insieme di Mandelbrot, si prende z0 = 0; poi si fa variare c nel piano complesso,
e per ogni punto si vede se | zn | tende ad infinito oppure no. Se | zn | non tende ad
infinito, allora il punto appartiene all'insieme di Mandelbrot.
Per l'insieme di Julia, si sceglie un c fisso (chiamato seme dell'insieme), e si fa
variare invece z0 nel piano complesso, e si ripete la storia: se
|zn| tende ad infinito, allora il punto non appartiene all'insieme di
Julia. Se non converge ad infinito, invece, vi appartiene. C'è da
dire che per essere pignoli Julia definì il suo insieme non come
quello contenente tutti i punti per cui non va ad infinito, ma
come i punti di frontiera fra questi due insiemi.
Colorazione di base:
Siamo riusciti a capire come si creano gli insiemi di Mandelbrot e di Julia. Adesso,
dobbiamo capire come si fanno ad ottenere tutte quelle stupende immagini; in altre parole,
come facciamo a creare tutte quelle immagini colorate.
Ovviamente potremo mettere noi dei colori dove vogliamo, ma in questo senso
perderemmo la "matematicità" del disegno. Si usa colorare invece, questi frattali in
determinate maniere: si prende un punto del piano complesso e, a seconda di alcune sue
caratteristiche o proprietà matematiche, si colorano i punti in modo diverso. Questi metodi
si chiamano di solito algoritmi di colorazione.
Di questi algoritmi ce n'è un'infinità, e vanno da semplici proprietà a formule davvero
complesse. Ci sono molte elaborazioni che permettono, ad esempio, di avere dei passaggi
sfumati di colore fra una zona e l'altra.
Una delle cose interessanti è che possiamo associare un colore ad ogni distanza:
variando quest'ultima con continuità, possiamo ottenere delle colorazioni morbide.
Un Modello Sportivo caotico:
Analizziamo il seguente modello dinamico a tempo discreto:
62
L'equazione f(x) =x dà sx2 + rx + h = O. Per h < r2/(4s) si ottengono allora due punti fissi:
r r 2 4hs r r 2 4hs
q* p*
2s 2s
La differenza fra i due equilibri si può giustificare osservando la pendenza con cui il grafico
della funzione attraversa la bisettrice in corrispondenza dei punti fissi: in q* la pendenza è
superiore a quella della bisettrice, cioè il coefficiente angolare f ´(q*) della retta tangente al
grafico, x(t+1) = q*+ f ´(q*) (x(t)-q*), è maggiore di 1. Quindi la funzione iterata si comporta,
in un intorno del punto fisso, come una mappa lineare di ragione maggiore di 1 (una
progressione geometrica espansiva). Applicando lo stesso ragionamento all'equilibrio p*,
possiamo invece dire che l'approssimazione lineare della funzione in un suo intorno si
comporta come una progressione geometrica contrattiva, essendo il coefficiente angolare
della tangente minore di 1 in valore assoluto. Inoltre, la convergenza è di tipo oscillatorio
(con oscillazioni smorzate) in quanto il coefficiente angolare in p* è negativo.
63
Il valore h = r2/4s è un valore di
biforcazione, che prende il nome di
biforcazione tangente (o biforcazione
fold). In generale, si dice che un
parametro attraversa un valore di
biforcazione quando determina il
passaggio fra due situazioni dinamiche
qualitativamente diverse.
Nell'esempio proposto, le biforcazioni che portano al caos si verificano agendo sui
parametri in modo da rendere più acuminata la parabola. Per mostrare ciò, fissiamo h = 0
(popolazione non sfruttata) e facciamo aumentare il parametro r, usandolo come una
"manopola" per innalzare il vertice. Per h=0, i punti fissi diventano q*=0 e p*= r/s (valore di
equilibrio della popolazione non sfruttata). Al crescere di r, il grafico della funzione in
corrispondenza del punto fisso p* diventa via via più ripido, fino a che la pendenza
raggiunge il valore -1, cioè la tangente diventa perpendicolare alla bisettrice. Questo
accade per r = 2, poiché il coefficiente della retta tangente al grafico in p* è f ´(p*) = 1+r -
2sp*= 1-r. Un aumento ulteriore di r provoca quindi una perdita di stabilità dell'equilibrio
positivo; r = 2 costituisce pertanto un valore di biforcazione. Per cercare di capire il tipo di
biforcazione, esaminiamo il comportamento dinamico delle
traiettorie per valori di r poco maggiori di 2 e con condizione
iniziale prossima a p*. Quello che si può vedere è che la
traiettoria si allontana da p*, oscillando, e tende a
un'oscillazione periodica fra due punti (indicati con alfa e
beta nella Figura seguente).
Partendo da uno di questi due punti, si ottiene una traiettoria
che saltella tra alfa e beta, essendo f(alfa) = beta e f(beta) =
alfa. Inoltre, allo stesso ciclo-2 tende ogni traiettoria che
parte da una condizione iniziale x(0)‘ (q*,q*-1) = (0, (1+r)/s),
esclusa
x(0) = p*. Questo tipo di biforcazione si chiama biforcazione
con raddoppio del periodo o, più brevemente, biforcazione
flip. Consideriamo la funzione composta:
64
F(x) = f (f (x))=f 2(x), il cui grafico è mostrato in Figura. Poiché F(x) è un polinomio di quarto
grado, può avere fino a 4 intersezioni con la bisettrice, ossia quattro punti fissi. Due sono
necessariamente gli stessi di f, ossia q* e p*, mentre eventuali altri corrispondono ai punti
periodici (di periodo 2) di f essendo F(alfa) = f (f (alfa)) = f(beta) =alfa e, F(beta)=beta. In
effetti, iterare la mappa F significa generare gli stati del sistema a salti di 2.
La biforcazione che avviene nella mappa f per r=2 corrisponde a una perdita di stabilità di
p* anche per l'iterata: è F´(p*)=[f ´(p*)]2 e quindi abbiamo F´(p*)=1 per r=2. Aumentando
ulteriormente il parametro r, anche la pendenza di F nei suoi punti fissi alfa e beta
raggiunge il valore -1 e quindi avviene una biforcazione flip che fa diventare alfa e beta
instabili per F, mentre attorno a ciascuno di loro si crea un ciclo di F di periodo 2. Tali cicli-
2 stabili rappresentano un ciclo-4 stabile per f, che diventa l'attrattore "di turno" del sistema
dinamico, e contemporaneamente costituiscono 4 punti fissi stabili per f4.
Aumentando ancora r, tale ciclo-4 diventerà instabile lasciando il posto a un ciclo-8 così
via. È naturale chiedersi cosa avverrà nel seguito: si raggiungerà un ciclo di periodo
massimo (dopo il quale, le biforcazioni con raddoppio del periodo finiranno) o i raddoppi
continueranno all'infinito?
Il raddoppiamento di periodo:
Periodo 2 Periodo 4
Periodo 8 Caos
Diagramma di biforcazione:
66
In realtà, per r > 2.56 si ha una sequenza di valori di biforcazione così numerosi e
ravvicinati da far pensare appunto ad una cascata. La cosa più sorprendente è che, per
valori di r vicini a 2.57, gli infiniti cicli di periodo 2k, k appartenente ad N, sono stati tutti
creati. In altre parole, la sequenza di valori di biforcazione {r1, r2, ..., rn, ...} ha un punto di
accumulazione, noto come numero di Feigenbaum, e dato da rinfinito=2.56994...
Dopo questo valore di r compaiono delle traiettorie che non sono periodiche. Sono cioè
costituite da valori che non coincidono mai con un valore già ottenuto, caratterizzate dal
fatto che i punti riempiono densamente uno o più intervalli. Infatti, nel diagramma di
biforcazione cominciano a comparire, lungo la verticale, delle zone nere (densamente
riempite di punti). Se prendiamo una di tali traiettorie e la rappresentiamo lungo l'asse dei
tempi, otteniamo sequenze di punti come quelle mostrate in Figura seguente, ottenuta per
r= 2.678.
Una delle cause di un comportamento così disordinato è da ricercarsi nel fatto che,
intrappolati all'interno dell'intervallo in cui si muovono le traiettorie caotiche, ci sono infiniti
punti periodici repulsivi.
Essendo le traiettorie limitate, poiché i valori ottenuti iterando la mappa non possono
uscire dall'intervallo I = (0, r/4), e non convergendo ad alcun ciclo attrattivo, esse
"rimbalzano" continuamente, respinte dai punti periodici repulsivi che sono sparsi (e densi)
all'interno dell'intervallo I.
67
Un altro fatto importante, e per molti aspetti stupefacente, caratterizza le traiettorie
caotiche: la difficoltà di ottenerne due identiche. In linea di principio, data la stessa mappa
e data la stessa condizione iniziale, le traiettorie dovrebbero essere identiche. Ma quando
le traiettorie sono caotiche, basta una minima differenza fra due condizioni iniziali per
ottenere traiettorie completamente diverse.
La prima traiettoria è stata ottenuta partendo da una certa condizione iniziale mentre la
seconda è stata ottenuta con una condizione iniziale, che differisce di pochissimo, un
milionesimo = 0.000001. Ebbene, dopo alcune iterazioni in cui si ottengono valori simili, le
due traiettorie cominciano a differenziarsi sempre di più, fino a diventare completamente
diverse.
RT 1
D
N A 6P
Teoria del moto browniano: la strada di Langevin:
“ Sono stato in grado di determinare … che è facile dare una dimostrazione infinitamente
più semplice mediante un metodo completamente diverso.”
Urto elastico (1D)
MV mv MV ' mv '
1 1 1 1
MV 2 mv 2 MV '2 mv '2
2 2 2 2
M V V ' m v' v
M V V mv v
2 '2 '2 2
V V ' v' v
MV ' mv ' MV mv
V ' v V v'
mM 2M
v' v V
mM mM
2m M m
V' v V
M m M m
70
Per m<<M
m m
M m M
M M mm m m
1 1
M m M m M m M
M m M m 2m 2m 2m
1 1
M m M m M m M
2m 2m
V' v 1 V
M M
2m 2m
V V ' V v V
M M
N collisioni
N nt
2mNV 2mntV t
71
t
Vq 1 Vq Vq V s
M
1 collisione
2mv 2 v 2 v
Vs m2v 2 m2v 2
M M v M v
2 v 1 v 2kT
mkT
M v M v n
12
1 2kT
VN N ri 0.5
i 1 M n
1
wq 2kTt
M
Vq 2kTt Fext
Vq 1 Vq t wq t
M M M
X q 1 X q Vq 1t
Possiamo adesso risolvere le equazioni del moto sul computer per verificare la relazione
di Einstein
2kT
X 2 t
Forze direzionali e non direzionali : equazione della diffusione
Forze direzionali:flusso
t0 t1 t2 t3 t4
Posizione
72
Flusso netto-forze direzionali:
f equilibrio
i-1 i i+1
x
limite(muro)
Flusso netto=Flusso In-Flusso Out
=Flusso da sx (i-1->i) - Flusso a dx (i->i+1)
→ f(t+1,i)-f(t,i)=v(i)f(i-1,t)-v(i+1)f(i,t)
Limite continuo:
f
Equilibrio (D=costante)
i-1 i i+1
x
→ f(t+1,i)-f(t,i)=D(i-1)f(i-1,t)+D(i+1)-c(i)f(i,t)-2*D(i)f(i)
D(i) è il rateo di diffusione
limite continuo:
73
La diffusione è un processo NON reversibile nel tempo. Le condizioni iniziali sono
dimenticate.
Effetti combinati:
Persone che tentano di andare a nord (direzionale) attraverso un incrocio ingorgato
(nondirezionale)
Flusso netto = F direzionale + F non direzionale
Equazione della Diffusione
(conosciuta come equazione di Kolmogorov)
f vf 2 Df
t x x 2
spesso, v e D sono costanti, così:
f f 2 f
v D 2
t x x
Fisica - Moto Browniano:
La molecola in un bicchiere d’acqua è analoga ad una persona che cammina in una coda.
Poichè la molecola è piccolissima (pesa poco), l’effetto della gravità (forza direzionale) è
trascurabile. pertanto,
f 2 f
D 2
t x
Se applichiamo una forza direzionale
Se applichiamo una forza direzionale più forte della gravità bisogna riscrivere l’equazione
iniziale.
f vf 2 Df
t x x 2
v dipende dalla grandezza della forza direzionale.
Random walk:
cosa è un random walk?
Anche noto come Passeggiata dell’Ubriaco
Usa gli effetti random per simulare la dinamica reale della diffusione.
Esso può considerarsi come la base per comprendere la diffusione naturale:
calore
74
profumi
goccia d’ichiostro nell’acqua.
La fisica semplice:
Liquidi e gas contengono molte particelle libere di muoversi. Queste particelle cambiano
direzione quando si urtano. Ogni particella esegue un random walk in 3D, muovendosi di
una distanza casuale in una direzione fino a che collide e viene proiettata in una nuova
direzione casuale (random).
Distribuzione delle lunghezze di spostamento:
25
20
Number of Paths
15
Paths
10
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
Final Path Length
25
20
Number of Paths
15
Paths
Gaussian
10
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
Final Path Length
Distribuzione Gaussiana:
Stima della distribuzione basata sulla media m e la deviazione standard s di un insieme di
misure.
Non limitata da nessun lato, simmetrica.
La formula è: 2 2
e ( x ) / 2
f ( x)
2
Spostamento medio μ:
75
Lo spostamento medio mediato su tutte le traiettorie (paths). Può essere positivo o
negativo nel modello monodimensionale.
N
xn (t )
x(t ) x(t ) n 1
N
Deviazione Standard σ:
Misura l’allontanamento dalla partenza.
σ 2=media dei quadrati <x2> - quadrato della media <x>2: N
x 2 (t ) x (t )
2
(t )
2
N N
N x 2 (t ) x(t )
2
(t )
N ( N 1)
A Gaussian Distribution
0.09
0.08
0.07
0.06
0.05
0.04
FWHM
0.03
0.02
0.01
0
-20 -15 -10 -5 0 5 10 15 20
35
30
25
<x>, sigma
20
15 Standard
Deviation
10
5 Mean
0
-5
0 200 400 600 800 1000
Steps (t)
Notate le dipendenza quasi-lineare del quadrato della deviazione standard nel tempo.
t
76
2
1D Random Walk: (St. Dev.) vs Time
1200
1000
800
sigma 2
600
Standard
400 Deviation^2
200
0
0 200 400 600 800 1000
Steps (t)
77
In 3D, il Random walk è Transiente: dopo un certo tempo, NON ritorna al punto di
partenza.
Diffusione:
L’ubriaco viaggia per una distanza √t , mentre un sobrio si sposta come vt.
L’ubriaco “diffonde” nello spazio come una goccia d’inchiostro nell’acqua.
Teorie: moto Browniano nei fluidi (Einstein, 1905, provò che i liquidi erano fatti di
particalle) e diffusione del calore nella materia…. Non solo ma…
Riassumendo:
Il Random Walk per molte traiettorie tende ad una distribuzione Gaussiana della
posizione. Lo spread della distribuzione (la deviazione standard ovvero FWHM ) cresce
come √t.
Gli Steps (spostamenti) in tutte le direzioni sono equiprobabili (non vi è spostamento
reale). Ogni step è independente dal precedente.
Di quanto si allontana una particella dopo N step di Random Walk?
Distanza dalla partenza = DN
N ~ t = tempo
Spostamento nel RW
Random walk
x(t+1)=x(t)±1
x2(t+1)=x2(t)+2x(t)+1(1/2 of time)
=x2(t)-2x(t)+1(1/2 of time)
<x2(t+1)>=(1/2)* <(x2(t)+2x(t)+1)>
+(1/2)*<(x2(t)-2x(t)+1)>
=<x2(t)>+1=<x2(t-1)>+2
iterando questo da: <x2(t+1)>=numero di steps nel tempo ~t
x x2 t
In matematica:
Il moto Browniano = Limite del Random walk con step indipendenti ed infinitesimi.
78
Definito così da Norbert Wiener (1920’s).
Una traiettoria Browniana (path), B(t), è una funzione continua del tempo, ma molto
irregolare.
Traversa se stessa infinite volte spesso in 2 or 3D. In 4D, 2 paths Browniane non si
incontrano mai.
Louis Bachelier (1870-1946) :
1900 la sua Tesi: “Theorie de la Speculation”
Risultati ed idee presenti in essa:
La Fluttuazione dei mercati descritta in termini di moto Browniano.
Il moto Browniano ha una distribuzione Gaussiana.
La Teoria delle Martingale, l’equazione detta di Chapman-Kolmogorov.
Il Processo di Bachelier-Wiener detto di Wiener.
Random Walk e Polimeri
Polimeri e Walk Auto-escludente
Nel 1940, Paul Flory, un chimico, studiò le lunghe catene di monomeri dette-polimeri.
Ogni monomero ~ uno step del walk.
Con un’eccezione: I monomeri non possono occupare il medesimo spazio quindi è escluso
l’effetto volume.
Polimero fatto da 500 monomeri:
79
Traiettoria Autoescludente con 20,000 steps:
Polimero Ramificato:
80
Risolve: molti problemi nella geometria delle traiettorie Browniane, percolazione,walks,
ecc.
Il confine di un moto Browniano in 2D ha dimensione frattale = 4/3. (LSW 2000)
81
Il cuore:
Dinamica del battito cardiaco, indicatrice di salute e malattia, è frattale.
Effetto elastocalorico
Un effetto poco noto che può diventare addirittura fondamentale in particolari condizioni
come la maratona, è l’effetto elastocalorico che si verifica nei polimeri e negli elastomeri,
in essi infatti ad una compressione adiabatica corrisponde un determinato innalzamento di
temperatura.
Infatti in una maratona con una frequenza tra 50-70 colpi (passi)/minuto e con una
intensità della sollecitazione compressiva di 2-3 volte il peso dell’atleta la suola si riscalda
di un delta che dipende essenzialmente dal materiale, ma anche dalla sua particolare
struttura.
Il processo elastocalorico permette dunque di valutare la variazione di temperatura
prodotta da una compressione.
Le valutazioni numeriche sono ovviamente “puntuali”, ma una registrazione con video-tape
permette di vedere la situazione reale che può, ovviamente, divenire input di un codice
strutturale che calcoli l’entità dell’effetto.
82
In Figura B.11 sono riportate le variazioni di temperature in un punto della suola in
funzione del tempo. Risulta facile osservare che la risposta termica del processo di
compressione è sicuramente sommabile, ovvero direttamente proporzionale all'intensità
dello stress a cui è sottoposta la suola.
Durante una trasformazione adiabatica il processo elastocalorico produce a valle di una
forza di compressione F una variazione di temperatura.
T T0 T dF (1)
F s , p
per calcolare la variazione di temperatura dovuta alla forza di compressione si usa
l'uguaglianza di Maxwell
T L
(2)
F s , p S F , p
Il secondo membro della (2) può essere trasformato in
L L T
S F , p T F , p S F , p (3)
ma ricordando che
T T
(4)
S F , p C F , p V
con ρ = densità della gomma, e che il coefficiente di dilatazione termica lineare è definito
da
1 L
(5)
L T p
LT
T T0 dF (6) se (T-T0) è piccolo si ha
C p V
T0 F
T T0 (7)
C p V
nel caso sperimentale in cui (T -To) > 1 vale la relazione
F
T T0 exp
C
p
83
svillupando in serie
x2 x3
e x 1 x ... si ha
2! 3!
2 3
T F T F T0 F
T T0 0 0
Cp 2! C p 3! C p
T T0 T0 F (8)
Cp
Nella Figura B.11 è mostrato l'innalzamento sperimentale di temperatura dovuto alle
compressioni nel tempo.
Al primo picco corrisponde una compressione al secondo cinque compressioni, sebbene il
tempo intercorso tra la prima prova e la seconda non sia stato tale da ricondurre il
"sistema" allo stato termico iniziale, dalla figura si evince facilmente con il conforto delle
valutazioni numeriche, che il processo è in buona approssimazione lineare.
Ora ricordando che la forza F ricavata è una compressione, quindi una forza a reale e che
il martello usato presenta una superficie d'impatto di ~ 10 cm2 si ricava in corrispondenza
dei due picchi il valore numerico delle forze.[3]
F1 12.2 N F2 43.7 N
84
Elasticità polimerica non lineare
Come si è visto nei capitoli precedenti questi materiali (naturali e di nuova sintesi) sono
stati scelti o sintetizzati per ottenere delle proprietà meccaniche o meccanotermiche
particolari nelle scarpa. Tutti questi nuovi materiali di sintesi mostrano un comportamento
elastico non lineare, a differenza di quello mostrato precedentemente in questa medesima
appendice.
La teoria dell’elasticità non lineare è ancora una branca in evoluzione.
Ma si potrebbe porre ora la domanda cos’è l’elasticità ? Dopo quello che abbiamo
introdotto nelle pagine precedenti ci sentiamo di affermare che essa si interessa della
descrizione della deformazione di un corpo rigido e delle fluttuazioni, dell’energia e delle
forze derivanti da questa deformazione.
Essa pertanto descrive la meccanica dei corpi estesi dal macroscopico fino al
microscopico (ovvero da un ponte al citoscheletro)
La descrizione classica lagrangiana dell’elasticità prevede la rappresentazione del solido
in analisi come un insieme continuo di punti che subiscono tutti la stessa deformazione
elastica e poi ritornano nella posizione iniziale dopo che la deformazione ha avuto termine,
con conseguente conservazione della massa e del volume primitivi.
Ricordiamo solo per inciso che una deformazione elastica classica si può sempre
scomporre in una traslazione più una rotazione dei punti del corpo.
Pertanto se il punto sarà deformato potremo scrivere:
R( x) x u ( x)
e la deformazione completa funzione dello spostamento e della
R
i i i
x
rotazione sarà
Possiamo in tal modo definire l’elasticità detta lineare e quella che approfondiremo nel
seguito cioè
quella non lineare:
Lineare: piccole deformazioni – Λ circa 1
Nonlineare: grandi deformazioni – Λ >>1
Potrebbe sorgere spontanea una domanda. Perché studiare il non lineare?
Perché i sistemi non lineari sono sistemi che possono sostenere grandi deformazioni e
rappresentano materiali come – gomma o catene polimeriche che sono ampiamente usati
nelle scarpe sportive come si è visto precedentemente
Perché la teoria non lineare permette di capire le proprietà di questi materiali deformati in
termini di meccanica statistica.
In realtà oggi la fisica delle sostanze soffici come: salsa, maionese, polimeri, cristalli
liquidi, gomme, ecc. è una delle frontiere della fisica moderna, non ancora del tutto
definita.
85
Non tratteremo quindi per la dovuta brevità dell’esposizione tutti i problemi connessi anche
con la diversità di queste sostanze, ma ci focalizzaremo essenzialmente sui polimeri pur
cercando di impostare la teoria matematica in una forma estremamente generale tanto da
poter facilmente estendersi e comprendere, altre sostanze soffici come ad esempio i liquidi
nemantici (che però non tratteremo nello specifico).
Se consideriamo per questi materiali le deformazioni che possono avvenire, se sottoposti
a deformazioni generali del tipo di Cauchy –Saint Venant , allora la forma più generale di
affrontare il sistema è quello di considerare uno spazio di riferimento R dove è il corpo ed
uno spazio fittizio in cui si muta lo spazio di riferimento dopo le deformazioni, detto spazio
target T, come in Figura B.12:
Figura B.12 Spazio di riferimento R dove è il corpo ed uno spazio fittizio in cui
si muta lo spazio di riferimento dopo le deformazioni, detto spazio target T.
Dove l’operatore U risulta invariante per rotazioni nello spazio T mentre nello spazio R si
comporta come un tensore, e si può scrivere:
u 21 (T ) 12 ( T )
u 21 u u uk uk
F 1
2 d xf (u )
D
86
Figura B.13 Andamento della curva forza estensione per la gomma naturale.
È importante ricordare che i Polimeri sono formati da una lunga sequenza di unità
chimicamente identiche dette monomeri.
I polimeri possono essere lineari o ramificati, ma ad un certo livello di dimensione
mesoscopica tutti i polimeri si comportano in modo pressoché analogo, ovvero soddisfano
l’equazione di Helmholtz :
F = E-TS (con F energia libera, E energia, T temperatura ed S entropia) ,
si comprende facilmente che per minimizzare, l’energia libera F a temperatura ambiente,
cioè pressoché costante l’unico modo è quello di massimizzare l’entropia S del sistema.
Pertanto un polimero esplora costantemente un numero molto grande di microstati
accessibili attraverso il moto Browniano, e mentre per i solidi convenzionali classici le
fluttuazioni entropiche sono del tutto trascurabili, e le proprietà vengono definite dal
reticolo cristallino periodico, invece le basi delle proprietà fisiche per i polimeri sono di fatto
definite proprio dalle fluttuazioni entropiche del sistema.
Gli elastomeri ed i polimeri hanno a differenza dei solidi classici un comportamento misto
formato da caratteristiche elastiche e viscose, se su di loro si applica uno sforzo di taglio.
Infatti se si applica una tale sollecitazione ad un polimero esso prima mostra un
comportamento elastico (cioè spostamento proporzionale alla forza applicata) per un certo
tempo, in alcuni casi dell’ordine del secondo, poi mostra un comportamento “anomalo”
iniziando a deformarsi questa volta con velocità proporzionale allo sforzo applicato.
Questo avviene perché i polimeri sono formati da reti i cui costituenti si muovono di moto
browniano e sono fissi in alcuni punti di raccordo.
Nella Figura B.14 vengono mostrati alcuni esempi di polimeri reticolati.
87
Figura B.14 a. Gel di Actina, b. Network di neuro filamenti.
Nella Figura B.15 viene mostrato l’andamento di alcuni noti biopolimeri in funzione della
deformazione ad essi applicata.
Collagen
1000
polyacrylamide
(Pa)
100 Vimentin
plat
Actin
G or G'
Fibrin
NF
10
0.01 0.1 1
Strain
f (qu , qs ) u qu aqu qs s88qs bqu2 f (qu , qs )
qu qs
1 2 2
K u 2 K s 2 f ( qu , qs )
2 qu qs
Se si studia l’evoluzione nel tempo della risposta temporale del sistema polimerico alla
deformazione è importante notare che
Se si stira il polimero i costituenti della rete si deformano nella direzione dello stiramento,
quest’azione innalza l’energia libera F in quanto si abbassa l’entropia del sistema, che ora
risulta allineato e quindi più ordinato dello stato non deformato.
In tal caso l’energia libera prenderà la forma del seguente integrale:
1
F
2 0 P0 gd 3 rd 3 r '
In cui è in funzione della densità di incroci ρ e della probabilità di trovare la testa del
costituente della rete polimerica in una data posizione r o r’ e del coefficiente d’interazione
g.
L’equazione del moto del sistema è semplicemente data in forma di Lagrange
generalizzata dell’equazione:
L Ek F d 3 r
da cui si deriva che la lagrangiana del sistema dipende dalla differenza tra le densità di
energia cinetica ed energia libera.
90
Albero dell’arteria coronaria
f (qu , qs ) u qu aqu qs s qs bqu2 f (qu , qs )
qu qs
1 2 2
K u 2 K s 2 f (qu , qs )
2 qu qs
91
Variabilità della pressione arteriosa
Variabilità
Variabilità del battito
del rateo cardiaco
respiratorio
Variabilità
della temperatura
corporea
Variabilità
della frequenza
di passo
Sorte e Variazione
Semplici esponenziali inversi
dX
Fluttuazione Additiva: X (t )
dt
dX
Fluttuazione Moltiplivativa: X (t ) X
dt
x2
Distribuzione di Gauss: Px e D
1
Legge esponenziale inversa di Pareto: P ( x)
1
x D
dv(t )
v(t ) (t )
dt
dissipazione forza random
92
P(v, t ) 2
vP(v, t ) 2 DP(v, t ) Fokker Plank
t v v
Statistica di Gauss
( u ) 2
2 u u u0 e (t t0 ) Scaling
2 ( t )
e (esponenti di Hurts)
P(u, t u0 , t0 )
4 2 (t ) 2 (t )
2D
1 e ( t t 0 ) H=δ=0. 5
X (0)
Dt X (t ) t (t ) 1 (t ' )dt '
t
Integrale
(1 ) D (t )
( ) 0 (t t ' )1
t
frazionario
2
X (t ) X ( 0 )
2
t 2 1 t 2 H
( 2 1) ( ) 2
Diffusione
Anomala
Processo subdiffusivo
1 1
0 H
2 2
93
Diffusione Browniana e rumore random:
Rumore Gaussian Random Traiettoria Browniana
4 60
t
x(t)
3 50
2 40
x (t ) i
i 1
1 30
0 20
-1 10
-2 0
Tempo: t
-3 -10
-4 -20
0 500 1000 1500 2000 2500 3000 0 500 1000 1500 2000 2500 3000
20
1 x x 2
p ( x, t ) exp 2
10
2 t 2 t
0
-10
-20
-30 Tempo: t
-40
0 50 100 150 200 250 300 Scaling H=0.5
Esponente di Hurst:
H=0.8
H=0.6
H=0.4
H=0.2
Rumore Gaussiano Frattale:
1/fb=1/f2H-1
Range-lungo e correlazione con la legge inversa di potenza
Rumore persistente: H>0.5
Rumore random: H=0.5
Rumore antipersistente: H<0.5
94
Standard Deviation Diffusion Analysis
H=0.8
H=0.2
SD (t ) ( x x ) 2 t H
95
Scafetta N., Griffin L., West B.J., Holder exponent spectra for human gait,Physica A 2003; 328: 561-583.
1 h h0 2
g h exp
2 2 2
1 1200 Reale
RR interval
1000
800
600
400 0 20000 40000 60000 80000 100000
time series number
1400
1200
1000
800
2 600
400 0 20000 40000 60000 80000 100000
96
Media ,varianza ed esponente frattale simili MA Distribuzione diversa Dell’esponente di
Holder
h=0.8
Osservazioni generali:
Molti sistemi complessi si possono essere rappresentati da funzioni frattali. Se è una
funzione frattale, con dimensione frattale D allora la derivata frazionaria della funzione ha
una nuova dimensione.
La dinamica di una funzione frattale può esser descritta da un’equazione frazionaria
dell’evoluzione.
Il Moto Browniano
Dal di dentro al di fuori del corpo umano
Motori Browniani molecolari e contrazione muscolare
La contrazione muscolare è guidata da motori molecolari che si muovono
unidirezionalmente lungo le catene polimeriche delle proteine (actina ecc). La miosina e la
kinesina convertono l’energia chimica in moto 350 teste di miosina formano circa 5 cross-
bridges al secondo.
Fitting dei parametri di contrazione muscolare:
Vengono applicati due modelli 1) il motore Browniano 2) ed il Power stroke Snider e coll.
2002
Fit con la soluzione di Langevin
r 2 (t ) D t 1 e t /
r 2 (t ) At
97
Sul confine:
Nel corso del 2002 Frash propose un modello di pelle umano basato sul random walk per
calcolare appropriatamente spessori, diffusività e proprietà di permeabilità. Con buonoi
risultati:
D0 * 3.6 10 5 cm 2 / hr
x log K cor _ lip
y log( Dcor / Dlip ) 0 D* y
log ( x x0 ) / b
x0 a0 a1 y D0 * 1 e
b b0 b1 y
lunghezza di trasporto effettiva
a vista dipendenza notevole da logKcor_lip & dipendenza debole da log(Dcor/Dlip)
l*
1 l1 x l2 x 2 l3 x 3
l0 *
98
con l0*=0.003 cm x=logKcor_lip
I valori dei 3 parametri non dipendono dal valore di l0*
Permeabilità Steady state della pelle:
Vantaggi:
Permette di modellare la diffusione attraverso uno strato corneo morfologicamente
realistico.
Adatta a strutture della pelle di ogni specie.
Utile per estrapolare dati da animale ad uomo.
Utile per valutare la variabilità locale della permeabilità della pelle umana.
Le fluttuazioni della temperatura superficiale sono Browniane:
Nello steady state le fluttuazioni della temperatura superficiale del corpo sono Browniane
dT (t )
cv hT (t ) (t ) Equazione tipo Langevin
dt
E E 2
kT 2 cv Fluttuazioni in Energia
kT 2
T 2
Fluttuazioni in temperatura
cv
Evoluzione dell’Equazione:
d 2 T (t ) dcv dT (t ) d (t )
cv h 0
dt 2 dt dt dt
h soddisfa la relazione di Sacripanti:
99
kS Re 0.8 Pr 0.33 Ti Ta lh Tb Ta
4 S Ts Tb
T 4 Ta4
S s 0.6n
e
t t0 l t t0
4 S 2 k Re 0.8 Pr 0.33 (Ts Ta ) 1.2 4 S 2 D Re 0.8 Sc 0.33 M s es M a ea (Tvs Tva ) 1.2
0.132 h 0.16(1 h ) 0.2
hl 2
Ta (t t 0 )
0.2
Rl 2 h Ts Ta Tva (t t 0 )
( 0.2 2 0.5 0.7 ) P dO
e P
1 2
dt
My
x CoP
Fz
Mx
y CoP
Fz
Moto Browniano
Dal movimento comune allo Sport
Analisi della locomozione umana. L’analisi della locomozione con sistemi di cattura video
e sistemi di modellazione 3D aiuta I medici a diagnosticare e documentare, errori
locomotori attraverso la comparazione dei pazienti prima e dopo I trattamenti con data
base storici di locomozione normali e non.
Multifrattali nella locomozione:
L’equazione frazionaria di Langevin descrive la variabilità dell’intervallo di passo nella
locomozione (Scafetta and others 2002- 2004).
t
X (t ) X (t ) X 0 K (t t ' ) (t ' )dt '
0
Scaling
K ( t ) K (t )
( t ) H (t )
X ( t ) H X (t )
100
I momenti q, quando α è una variabile random di Lévy
q
v( t ) (q)
(q ) (q 1) H bq ; q 0
Disordini che interessano la locomozione umana...
log f (t ) Pm (t t0 )
Esponente di Holder Multifrattale H (t0 ) lim inf
t t0 log t t 0
Gli “Sport di Situazione” sono tutti quegli sport in cui non è possibile individuare un pattern
costantemente ripetibile in ogni gara. Per ogni gara il moto in essa è un processo random
101
Questi sport in cui esiste uno o più avversari, che possono toccarsi sono: sport di
combattimento o di squadra come: judo, box, lotta, karate, calcio, basket, football, palla a
nuoto, hockey, etc. Il modo biomeccanicamente corretto di analizzare questi
macrofenomeni è quello di studiarli in due fasi :
Il Moto
L’interazione fra gli atleti
Il moto della coppia di atleti in competizione può essere spiegato da un equazione tipo
Langevin. Questo è il primo modello di Sacripanti, che permette di scrivere l’equazione
per il moto globale del baricentro della coppia.
Contributo al moto di una singola
(t ) u j (t t j ) Spinta/ Trazione
Equazione generale
F ma v u j (1) j (t t j ) Fa F '
F' 0
Studi dell’Interazione:
1) applicazione di una Coppia
1° modello di Sacripanti
2) Applicazione di una Leva
1°modello di Sacripanti
3) Applicazione della meccanica degli urti
102
1°modello di Sacripanti
Il moto negli sport di squadra è meglio modellato da un moto Browniano attivo proposto da
Ebeling e Schweitzer considerando il consumo e l’uptake di ossigeno.
Un’atleta di massa m, posizione r, velocità v, la forza di auto spostamento è connessa al
deposito di ossigeno e(t); ed al coefficiente di attrito dipendente dalla velocità γ(v) dal
potenziale parabolico esterno U(r) e dal rumore F(t).
m t v d2 e(t ) v (v ) v U (r ) F (t )
Deposito di ossigeno: uptake dipendente dallo spazio q(r), dissipazione interna c e(t),
conversione dell’energia interna in cinetica d2 e(t) v2 .
t e( t ) q ( r ) c e( t ) d 2 e( t ) v 2
V
ma 0 2
v
v ( r , t )
m 0
t
v e (t ) v1 k ( r1, 2 d1, 2 ) N 1, 2
r1 , 2 d 1 , 2
1 cos 1, 2
A1, 2 N 1, 2e B
1 1 1 u 1 (t t j )
2 j
P( x, v, t ) F ( x) 2
v v D 2 P ( x, v, t )
t x v m v
Conclusioni:
Da questo lavoro si comprende che tutti i sistemi complessi autoorganizzati, specialmente
i biologici come il corpo umano, sono descritti meglio da equazioni non lineari che si
esprimono attraverso le loro forme (frattali) statiche, cinematiche e dinamiche.
La sola connessione tra questi differenti aspetti è il Moto Browniano generalizzato in ogni
formulazione nota: classica, frazionaria, attiva ecc..
Ne deriva che, partendo dall’aspetto frattale fino ai multifrattali è alla luce delle nostre
conoscenze la dinamica Browniana è uno dei tasselli base dell’alfabeto matematico della
Vita.
Bibliografia essenziale
Una definizione scientificamente corretta, sulla base della “Theory of Games and
Echonomic Behavior ” di von Neumann, Morgenstern e Nash. Può essere: la Match
Analysis è lo studio di un conflitto di interessi, basato sulla teoria dell’utilità.
Come è nata?
Essa può considerarsi un’estensione sperimentale dell’analisi della performance di un
singolo atleta ai casi complessi di:
1. Due atleti che si incontrano.
2. Un sistema di atleti interagenti fra loro che si incontrano con un altro sistema
complesso di atleti.
Campo di Applicazione ? Sport di Situazione.
Contro -
Aumento delle possibilità d’errore
1. Errori dell’osservatore – dati errati in entrata
2. Errori dovuti ad Hardware & software
I metodi di rilevamento del moto umano su ampie superfici:
A livello commerciale sono stati subito sviluppati dei prototipi o dei sistemi operativi che
permettono con più o meno approssimazione di conoscere il moto libero di una coppia o
quello coordinato di una intera squadra.
Anzi in vista del giro economico associato si sono sviluppati principalmente i sistemi di
squadra.
In effetti i sistemi commerciali ad oggi in vendita sono solo una semplificazione non troppo
precisa dei sistemi d’azione multipersona.
Tali sistemi, molto complessi, sono praticamente ancora di ricerca e richiedono
un’interazione strutturata tra gli atleti e l’ambiente in cui si muovono.
Le caratteristiche generali di questi sistemi sono :
1. Grandezza maggiore e particolarità dello spazio degli stati dove vengono
rappresentati gli atleti.
2. Esplicita capacità di ricerca di un oggetto.
3. Capacità di parziale descrizione dell’interazione multipla fra gli atleti.
4. Definizione delle primitive temporali delle azioni.
5. Capacità di seguire l’intenzionalità.
6. Necessaria difficoltà dei modelli fisici.
106
Inoltre negli sport di situazione di squadra esistono delle condizioni uniche di sistema che
vengono di seguito indicate:
1. Aggiustamenti strategici della squadra.
2. Azioni finalizzate al punto.
3. Tassonomie precise.
4. Momenti di ripresa dalla situazione spaziale di partenza.
5. Comportamento finalizzato degli atleti.
I sistemi si sono sempre più evoluti ed oggi con sistemi commerciali ad esempio è
possibile ottenere il tracking degli atleti per sport di squadra attraverso le seguenti fasi:
1. posizionamento ottimale del sistema d’acquisizione (spesso in un sistema
multivideo i range delle camere si sovrappongono in parti del campo e hanno zone
d’ombra per altre parti del campo );
2. calibrazione, sono i metodi che permettono di trasferire oggetti tridimensionali in
uno spazio a due dimensioni,
3. registrazione delle immagini, la registrazione delle immagini per match di lunga
durata ad esempio 90 min, rappresentano solo un problema di capienza per il
sistema, normalmente la quantità d’immagini da immagazzinare per una partita di
calcio è circa di 900000, per un sistema di cattura a 50 frames al secondo e per
624x 328 pixels,
4. digitalizzazione delle immagini la stessa quantità con la compressione M-JPEG
delle immagini e la loro digitalizzazione può occupare su di un Hard disk circa 20
Gigabyte di spazio,
5. Tracking i sistemi possono essere manuali ( l’operatore con il mouse può eseguire il
tracking) o automatizzati di riconoscimento delle immagini questi eseguono
automaticamente il compito,
6. pre e post processing dei dati di moto il post processamento dei dati di traiettoria
ottenuti, sia manualmente che automaticamente, risulta necessario in quanto le
traiettorie contengono un certo numero d’imprecisioni (automatiche) o sono troppo
drastiche nel cambiamento di direzione (manuali) pertanto per ottenere traiettorie
fisiche plausibili bisogna smussare le curve ottenute con lo smoothing,
7. analisi degli errori vi sono diverse sorgenti d’errore che possono inficiare le
traiettorie ottenute bisogna pertanto per quanto possibile individuarle e correggere
gli errori derivati. Gli errori possono essere generati da:
107
movimenti delle estremità dell’atleta,
errori introdotti dalla compressione immagini,
errori di marginalizzazione nei pixel,
imperfetta calibrazione degli strumenti,
errori dell’operatore ( se presente).
Sorgenti e tipologia degli errori:
Nota:
• Sono tracciati i moti globali degli atleti per effettuare la match analysis
• non si considerano gli errori dell’operatore.
Da Pers et alt. “errors and mistakes in automated player tracking”
Conclusioni:
•RMS errore sulla posizione: da 0.2 m a 0.6 m
• RMS errore sulla velocità: da 0.2 m/s a 0.4 m/s
• errore sulla traiettoria : da +1 m a +10 m (per 1 atleta per min.)
• gli atleti sono oggetti estesi e non rigidi a questa scala il limite è imposto dalla definizione
della posizione, velocità e lunghezza della traiettoria dell’atleta stesso.
Nelle figure che seguono vengono mostrati alcuni frames di incontri di squadre di hockey,
calcio, rugby, basket.
108
In tempi recentissimi si sta provando una nuovissima metodologia di riconoscimento
attraverso uno spazio fittizio dei colori dove ad ogni giocatore corrisponde un colore, in tal
modo si cerca di ottenere delle informazioni sul moto globale del sistema.
I dati raccolti vengono trasferiti dal video su di una griglia computerizzata mediante l’analisi
notazionale, per studiare in dettaglio il movimento e lo stile di gioco degli atleti.
Nel seguito vengono mostrati alcuni frames e le elaborazioni connesse di due diversi
sistemi di tracking per il gioco del calcio. Già la semplice visione delle immagini rende
conto della difficoltà tecnico pratica del problema.
109
– Fornisce un tracking interattivo delle linee di campo.
– Ziyou Xiong et al.
“Highlights Extraction from Sports Video on an Audio-Visual Marker Detection Framework”
– Sistema Audio - orientato con assistenza visuale
– Informazioni sui colori e sul moto sono usate per accrescere la risoluzione dei
segmenti ottenuti
– Huanxin Xu et al,
“Fusion of Multiple Asynchronous Information Sources for Event Detection in Soccer
Video”
– Sistema decisionale e di combinazione d’informazioni di livello, basato su regole
di aggregazione e di analisi Bayesiana.
– Jacek Czyz et al
“A Modular Multi-Camera Framework for Team Sports Tracking”
– Individua e sincronizza le coordinate dei target
– Associa queste coordinate
– E le fonde in sequenze
– Fathi Porikli et al
“Event detection by eigenvector decomposition using object and frames features”
– Utilizzo di un nuovo framework di detezione
– Basato su molteplici enti matematici ed istogrammi
– Fornisce informazioni non ottenibili dal tracking semplice
– Esempio di due attacchi rosso, bianco ed orientazione degli istogrammi
– Patric Laube et al
“Discovering motion patterns in groups of moving point objects ”
– Specializzato nella detezione delle linee dette lifeline
– Applicazioni di sistemi GPS
– L’utilizzato di un nuovo algoritmo
– Ha mostrato la trappola di offside che si sviluppava in campo
– Andrew C. Thomas
“A comparison of strategies in ice hockey”
– Suddivide il match in collocazione e possesso del puck
– Usa questa informazione per definire la rilevanza strategica offensiva e difensiva
110
– Ha dimostrato che la superiorità nel collocamento del puck è più importante del
suo possesso
– Sia per strategie difensive che offensive
L’integrazione di computer, tecnologie innovative e conoscenze biomeccaniche avanzate
permetteva già circa 18 anni fa di ottenere dati del tipo seguente.
(1985-90)
Prima teoria Biomeccanica completa di uno sport di situazione
(1989-1994)
Studi sul consumo energetico degli sport di situazione duali, in telemetria
(1991- 95)
Prima teoria matematica della competizione negli sport duali di combattimento
(1997-2005)
Estensione agli sport di squadra
Primi lavori (1989):
Nel lontano 1989 l’autore iniziò una campagna di misure termografiche condotte in
collaborazione tra ENEA, CONI, e FILPJ per la valutazione del costo energetico di atleti, in
condizioni di competizione reale, basate sulla biomeccanica dello scambio termico. Le
esperienze furono condotte all’Acqua Acetosa, presso l’Istituto di scienza dello Sport e
presso l’ENEA laboratori della Casaccia.
Di seguito sono alcune termografie di 15 anni fa. Su di esse fu sviluppata l’equazione
successiva
dt
I risultati dell’equazione per tre casi- lavoro nullo, positivo, negativo.
Le attuali frontiere:
Le attuali frontiere termografiche ricordando che l’autore lavorava con una termocamera
ad azoto liquido della terzultima generazione ΔT =0,5C°; 50 Hz. Oggi ne possiede una
bolometrica della penultima ΔT =0,1C°; 60 Hz. Ma per la diagnostica le ultimissime
raggiungono limiti di ΔT =0,02 C° ; 2000 Hz. ; 50 µm per pixel;
t u j t t j
F ma v u j 1 j t t j Fa F '
113
Essendo la risultante delle spinte/trazioni di tipo “casuale” non è possibile predire la
traiettoria in un singolo incontro, ma l’analisi statistica estesa ad un numero significativo di
competizione, permette di trarre informazioni sul comportamento del sistema.
Poiché i cambi di direzione sono equiprobabili, cioè su di un gran numero di
combattimenti, non esiste una direzione privilegiata allora il valor medio di F’ su una
sequenza casuale di direzioni è nullo.
F' 0
Seguendo Smoluchovski la “causa fisica” che produce il meccanismo Browniano o
l’evoluzione random della gara permette di ottenere la probabilità di base di questo
processo Marcoviano (da Markoff). Dunque per sport duali possiamo scrivere la probabilità
di transizione base Q ed ottenere le soluzioni della probabilità condizionale P che ci
forniscono al limite del tempo infinito la probabilità di trovare l’atleta tra x ed x+dx al tempo
t.
1 1
Qk , m m, k 1 m, k 1
2 2
che fornisce la soluzione
s
s! 1
Pnm, s
v s v s 2
! !
2 2
V
ma 0 2
v
m
vr , t v 0 et v1 k r1, 2 d1, 2 N 1, 2
t
r1, 2 d1, 2
1 cos 1, 2
1 1 1 u 1 t t j
B
A1, 2 N 1, 2 e
2 j
F' 0
Se questo è vero il moto è Browniano
Dromogrammi per il calcio
115
Seguendo Erenfest la “causa fisica” che produce il meccanismo Browniano o l’evoluzione
random della gara, permette di ottenere la probabilità di base di questo processo
Marcoviano ( da Markoff ). Dunque per sport di squadra possiamo scrivere la probabilità di
transizione Q e cercare di ottenere le soluzioni della probabilità condizionale P che è
legata al valor medio al limite del tempo infinito della probabilità di trovare l’atleta tra x ed
x+dx al tempo t
Rk Rk
Qk , m m, k 1 m, k 1
2R 2R
P nm, s ha difficile soluzione però il suo valor medio è
1
m s av
mPnm, s 1 ms 1 av
m R
Il modello di Erenfest, modificato da Sacripanti, permette invece, di ottenere la probabilità
di base di questo processo Marcoviano in funzione del metodo di attacco. Per gli sport di
squadra si può scrivere la probabilità di transizione Q in funzione del tipo d’attacco α. Dove
il parametro α varia da 1 attacco immediato, a 2 manovre verticalizzate, 3 attacco
manovrato, 4 attacco per linee orizzontali, 5 melina. Le soluzioni della probabilità
condizionale P sono legate al limite del valor medio nel tempo della probabilità di trovare
l’atleta tra x ed x+dx al tempo t
Ra k Ra k
Q k , m m, k 1 m, k 1
2R a 2R a
con 1 a 5
1
ms av
mP nm, s 1 a ms 1 av
m R
L’interazione negli sport di squadra:
L’ interazioni di connessione strategica delle squadre si basa sul tiro (passaggio) effettuato
con le catene cinetiche superiori o inferiori.
L’interazione dinamica contro la squadra avversaria si basa sul tiro effettuato con le
catene cinetiche superiori o inferiori.
1. Strategica “il passaggio”
2. Dinamica “il tiro”
Biomeccanica dell’interazione:
116
Quindi il tiro nelle sue varie possibilità e nelle sue due espressioni interattive (Strategica –
passaggio, Dinamica – tiro) è l’azione biomeccanica di base che primariamente deve
essere studiata negli sport di squadra di situazione.
Biomeccanica classica dell’interazione (tiro):
117
Finalità della Match Analysis
Risultati dell’analisi notazionale
Quali sono i suoi scopi? Individuare mediante l’analisi notazionale automatica:
1. il consumo energetico e/o l’impegno fisiologico dell’atleta, allenamento di 1° livello
2. il miglioramento biomeccanico della tecnica
1. Strategica
2. Dinamica
3. Match Analysis e strategia allenamento di 2° livello.
4. Match Analysis e strategia allenamento di 3° livello.
Fattori fisiologici dalla Match Analysis
Informazioni fisiologiche
Esempi di risultati che forniscono dati collegabili con la fisiologia dei singoli atleti consumo
energetico totale e muscoli più impegnati (più caldi).
Ricerche dell’Autore
Esempi di risultati che forniscono dati collegabili con la fisiologia dei singoli atleti.
Ricerche dei Prof. Bosco & D’Ottavio
118
Fondamenti scientifici e metodologici:
Le informazioni di tipo fisiologico, (dirette o indirette) acquisite mediante la match analysis,
devono essere utilizzate come input per sviluppare le metodiche di allenamento di 1°
livello - quelle tese al condizionamento fisiologico del soggetto – FASE ALLENANTE.
Sulla base della definizione del Prof. Vittori:
L’allenamento è l’organizzazione dell’esercizio fisico ripetuto in quantità ed intensità tali da
produrre sforzi progressivamente crescenti che stimolano i processi fisiologici
d’adattamento dell’organismo e favoriscono l’incremento delle capacità fisiche e tecniche
dell’atleta al fine di consolidare ed esaltare il rendimento di gara
1. Allenamento di 1° livello teso al condizionamento fisiologico dell’atleta
70% <70
60%
70-80
50%
80-90
40%
30% 90-100
20%
10%
0%
Mon Tue Wed Thur Fri Sat Sun
Day
119
Come si può interpretare, per una squadra, una piccola variazione globale o una
differenza nei fitness-test sulla performance? Bisogna usare la variazione standardizzata.
Nota anche come: media Cohen o statistica d di Cohen.
In meta-analisi è utile valutare grandezze o differenze tra le medie di diversi studi. Ma per
le squadre, è più indicato esprimere la differenza valutata, come variazione della media
rispetto alla deviazione standard fra gli atleti valutati (media/DS).
Match Analysis e miglioramento biomeccanico della tecnica:
Il miglioramento della tecnica detta strategica per il singolo passa attraverso:
1. Una ripetizione statica del gesto
2. Una ripetizione dinamica in movimento diritto parallelo
3. Una ripetizione dinamica con moto vario
4. Una ripetizione dinamica a “cercare” il compagno ( schemi semplici di gioco)
5. Una strutturazione semplice di strategie di gruppo attraverso partite ridotte
Il Miglioramento della tecnica di squadra e della coordinazione del gruppo, attraverso i
passaggi è una delle fasi di preparazione della squadra più delicate ed importanti.
La match analysis permette off line in allenamento di valutare l’apprendimento delle
strategie di gruppo da parte della squadra, anche attraverso partite ridotte che permettono
una più facile esecuzione ed una più facile applicazione delle direttive di gruppo.
Il miglioramento della tecnica personale (tiro dinamico) passa attraverso, una ripetizione
del gesto di base in condizioni complesse:
Rigori con portiere che avanza
Rigori con due portieri
Punizioni di prima con barriera più vicina
Punizioni con barriera che avanza
Corner con avversario ravvicinato
Studio dell’effetto magnus secondo varie condizioni di tiro.
Il Miglioramento della tecnica dinamica del singolo è la fase di rifinitura della squadra. La
match analysis permette off line in allenamento di valutare le capacità dinamiche dei
singoli e di specializzarle maggiormente a seconda dei ruoli ricoperti nella squadra. Di
seguito è mostrato un esempio di software adatto allo scopo
Software per il miglioramento della performance e dello skills
Controlla i progressi individuali fra gli eventi
Valuta la miglioria per ogni specifico sport o skill
120
Compara il rateo di miglioramento fra gli atleti
Classifica gli atleti in base ai risultati ottenuti
Match Analysis e strategia allenamento di 2° livello:
1. Allenamento di 2° livello teso allo studio di situazioni invarianti di gara - FASE
ADDESTRANTE
Con la match analysis è possibile individuare una serie di situazioni dette invarianti di gara
che devono essere ripetute in fase di allenamento addestrante per far acquisire agli atleti
la capacità di governare facilmente queste situazioni.
Posizioni di guardia
Invarianti di competizione per gli sport di combattimento permettono :
1. Lo studio della tecnica in condizioni gara.
2. Permettono l’impianto di strategie di combattimento sullo stile dell’avversario.
Muro: Esempio di invariante di gara in volley
Corto: Situazione invariante in hockey su prato
Tiro libero: situazione invariante in basket
Corner: situazione invariante nel calcio
Tiro libero: situazione invariante in rugby
Tiro libero: situazione invariante in football americano
Mischia: situazione invariante in rugby
Uomo in più situazione invariante in palla a nuoto
Match Analysis e strategia allenamento di 3° livello:
1. Allenamento di 3° livello teso allo studio di strategie complesse - FASE
ADDESTRANTE suddivise in:
strategie di situazione temporanea (di attacco – contrattacco – difesa - mantenimento del
vantaggio - recupero dello svantaggio , ecc.)
strategie globali ( moduli di gioco)
Strategia nella “Teoria dei Giochi”.
Un piano che specifica quali scelte il giocatore deve effettuare, per ogni possibile
informazione aggiornata che può possedere, in un determinato istante dell’incontro, in
conformità con i pattern d’informazione che il regolamento della partita prevede in quel
caso.
Von Neumann
121
Strategia
L’insieme dei piani basati sulla coordinazione degli sforzi, armonizzati con i movimenti
relativi, tesi a superare gli ostacoli e ad ottenere la vittoria.
La strategia è materia pertinente l’analisi razionale
Tattica
La capacità del corretto utilizzo della fase transitoria.
La tattica è materia pertinente l’intuizione irrazionale
Per gli sport duali di combattimento, l’allenatore dovrà individuare quelle che vengono
definite strategie standard che di seguito indichiamo:
A. In condizioni di parità studio di un’opportuna strategia di attacco basata sui cambi di
velocità.
B. In vantaggio studio di una strategia attendista non intesa come passività.
C. In svantaggio studio di un’opportuna strategia d’iniziativa tecnica.
D. Studio del combattimento al limite dell’area di competizione.
E. Studio del cambiamento di posizione di guardia
F. Studio di opportune concatenazioni di tecniche.
G. Studio della variazione del ritmo di gara in funzione del tempo di competizione.
H. Studio di condizioni competitive con distanze relative diverse
I. Studio di un opportuno uso delle penalità.
J. Studio di opportune tecniche per passare in ne waza
K. Studio del ne waza per ficcare la resistenza dell’avversario.
Applicazione di strategie di combattimento:
L’allenatore per i giochi di squadra dovrà individuare le strategie semplici di situazione
temporanea. Es: studiando la strategia degli spostamenti a parità di velocità.
L’allenatore per i giochi di squadra dovrà individuare le strategie semplici di situazione
temporanea. Es: studiando la strategia degli spostamenti in funzione delle velocità diverse
tra i giocatori.
L’allenatore per i giochi di squadra dovrà individuare le strategie semplici di situazione
temporanea. Es: studiando gli spostamenti avvenuti in funzione del risultato dell’azione
(goal USA -Estonia 1997 ).
Le strategie ed i tracking vengono individuati dai software di match analysis
automaticamente mediante i modelli marcoviani gerarchici nascosti.
122
Visualizzazione dell’azione di un Modello Marcoviano Gerarchico Nascosto, (HHMM) con
la distribuzione delle scene e la video ripresa, per l’individuazione automatica dei pattern
di movimento.
s s 0 , s1 ,...s n o o1 , o2 ,...o n St-1 St St+1
...
|o | Ot-1 Ot Ot+1 ...
Pr( s , o ) Pr( st 1 st ) Pr( st ot )
t 1
123
Gi: connette gli atleti con velocità costante attraverso H = {Vli, Gi, V1i+1} la funzione
passaggio dove Vli è l’ultima posizione di Li e V1i+1 è la prima di Li+1
Azioni statiche, di moto, strategiche
Basket:
Esempi di strategie complesse d’attacco
124
Hockey:
Esempi di strategie complesse d’attacco
Palla a Nuoto:
Allenamento Strategico
Competizioni precedenti
(proprie e degli avversari)
Coaching
Analisi delle
Messa a punto Miglioramento
competizioni
di una strategia della strategia
precedenti
Competizione
125
Lo sviluppo di strategie è interpretativo piuttosto che algoritmico.
Ovvero la Match-Analysis non può sostituire l‘allenatore, ma lo aiuta solo a sviluppare il
suo lavoro più rapidamente e con maggior precisione.
126
fra una medaglia di argento ed una d’oro nelle competizioni di elite. (Schrof et al 42),
(http://exploratorium 1995).
Applicazioni ai vestiti:
Aerodinamica / idrodinamica: Ciclismo, corsa, nuoto.
Attrito: All Blacks – hanno strisce ad alto attrito che permettono di tenere la palla legata
alla maglia.
Assorbitori di Shock : Strutture protettive per rugby, cricket, ciclismo, pattinaggio.
Esempi:
Nuoto
o tuta TYR Aqua Shift, usata da Erik Vednt, U.S. medaglia d’argento
o Tuta Speedo Fastskin FSII, usata da Michael Phelps alle Olimpiadi di Sydney
Tute riducenti il drag:
Variazioni sono state apportate ai disegni ed ai materiali di tute per ridurre il drag di
superficie e l’attrito superficiale.
Speedo® Fastskin I (TM):
È la tuta più avanzata. La tecnica costruttiva copia la pelle di zigrino ed ha delle creste a v
che decrescono il drag e la turbolenza intorno al corpo. I componenti di compressione dei
muscoli riducono la vibrazione muscolare. Le cuciture sono atte a migliorare la
coordinazione muscolare.
Nuoto
SPEEDO
Fastskin II (Speedo) usa materiali rugosi e lisci in parti differenti del corpo. Le giunzioni
sono fatte con filo stirato in direzione del flusso dell’acqua. Creste in rilievo sul torace e sul
dorso creano vortici microscopici che secondo la casa costruttrice riducono il drag. Scaglie
di titanio sulle tuta nella parte interna del braccio sono disegnate per aiutare il nuotatore ad
afferrare l’acqua. Los Angeles Times: April 12, 2004.
TYR:
Tuta Aqua Shift possiede una serie di piccoli
tubi orizzontali di 3mm che riducono il drag
totale del 15%-20%, secondo le indicazioni
della ditta.
I tubi fanno si che la turbolenza si allarghi in anticipo e questo fenomeno permette
all’acqua di riconnettersi con l’atleta.
127
Pattinaggio veloce:
SPEEDWYRE è stata sviluppata tra il 1995 ed 1996 by Spyder Active Sports, Inc. di
Boulder, Colorado. SPEEDWYRE riduce la quantità di scia dietro un oggetto smussato
come il corpo umano.
SPEEDWYRE è una “filo speciale" che è incorporato nella superficie di una tuta o di un
accessorio. Il piazzamento corretto di SPEEDWYRE in una tuta può produrre un
significativo abbassamento del drag aereodinamico, migliorando la stabilità del flusso ed
aumentando lo scambio termico.
Triathlon:
nuoto /corsa
Skinsuit: fatte con lycre specifica per il triathlon che si fonde al corpo anche se bagnato
Il vento scivola sulla tuta come fa l’acqua sulla gamba di nuoto del triathlon.
Ciclismo
Le ricerche mostrano che il mezzo più semplice per alleggerire la bicicletta è quello di
focalizzarsi sulle parti in moto circolare.
“Edmund R. Burke, Ph.D., ha dimostrato che 1 pound aggiunto ad una ruota o alla
pedaliera equivale a circa 2 pounds sul telaio, (Velonews Vol 28, No 16).
Tute Aerodinamiche:
Nike Swift Suit - una Swift Suit è disegnata per aiutare lo sprinter a massimizzare la sua
velocità dalla partenza all’arrivo diminuendo il drag aereodinamico, aumentando la libertà
di movimento e fissando le articolazioni.
Il peso della tuta è diminuito ed essa aumenta la ventilazione attraverso mesh particolari
per tale scopo.
È anche possibile abbassare la resistenza significativamente coprendo i capelli la
riduzione totale di drag può produrre un significativo miglioramento nella performance .
Attrezzature:
Assorbitori di Shock e strutture protettive.
Strutture protettive per rugby, cricket, ciclismo pattinaggio.
Football Americano:
Simile al rugby.
Ma con assorbitori ed elmetti per la durezza degli scontri.
Hockey su ghiaccio:
Popolarissimo in Canada
128
Usa elmetti ed imbottiture
La partita è rude e spesso i giocatori si scontrano fra loro.
Attrezzature:
La Biomeccanica è utilizzata anche per migliorare l’efficienza delle attrezzatura sportive.
Giavellotto:
Vecchio vs. Nuovo
Variazione del CM
Forze su di un giavellotto:
galleggiamento
attrito forza
(momento)
peso
Peso
Peso
129
Le distanze maggiori possono esser raggiunte con un leggero vento contrario. È
fondamentale il lift prodotto dal disco. Le due superfici hanno la medesima forma. Se si
fornisce un piccolo angolo d’attacco si produce il galleggiamento che agevola il tiro.
Momento Ang. = momento d’inerzia x velocità Ang.
Momento d’ Inerzia = Σmasse x (raggio)2
Martello:
Momento Ang. = momento d’inerzia x velocità Ang.
Momento d’ Inerzia = Σmasse x (raggio)2
Salto con l’Asta:
Variazione nel diametro dell’asta
Struttura di un’asta moderna:
L’asta, formata di tre strati di fibre differenti usate per massimizzare la stiffness mentre
minimizza la capacità di ruotare durante l’uso. (preso da: K.E. Easterling.)
La nuova tavola da volteggio
La Lingua
Suggerita nel 1993. Testata la prima volta nel CdM del 2001. Usata ufficialmente nel 2003.
Vantaggi
Maggior sicurezza *
Salti più aggressivi
Più facile da apprendere
Unisex
Area di contatto più efficace
Vecchia : 20” x 12” (50cm x 30cm)
Nuova : 20” x 20” (50cm x 50cm)
superficie maggiorata del
40%
130
Svantaggi:
Necessita di aggiustamenti
Porta minor supporto per le mani
Variazioni nei salti acrobatici:
Entrate rotatorie più facilitate
Minori salti frontali di forza di braccia
Pattinaggio di velocità:
La tecnica può paragonarsi allo sprint maggior estensione delle gambe = più potenza. Le
gambe non possono essere estese correttamente senza la spinta dell’ “alluce”.
I pattinatori si allenano a fermare la spinta prima di flettere la caviglia.
- Riduce la lunghezza del passo
- Riduce la potenza
Risultato : sviluppo del Klapskate
Klapskate vs. pattini tradizionali:
La differenza fra pattini tradizionali e Klapskate è data dalla mobilità del piede.
Klapskate:
L’idea è vecchia di 100 anni. Sviluppati da Gerrit Jan Van Ingen Schenau. Le sue ricerche
si fondarono sul paragone tra flessione plantare in velocità e corsa o salto.
L’inventore creò il “Jumping Jack”.
Partire sui talloni è come pattinare con pattini convenzionali, mentre partire normalmente
è come usare i Klapskates.
2” più veloce di una normale partenza = più veloce di 1/100th sec/passo.
Pattinatori di elite pattinano 50 passi/giro.
Originalmente detti “Slapskate”.
Gli inglesi e gli usa hanno poi imposto Klapskate.
131
10 anni dopo la disponibilità, nel 1996-97 la nazionale femminile Olandese ha dato
successo ai Klapskate.
Ora sono obbligatori per competere.
Miglioramento dell’equipaggiamento:
Nuovi sviluppi nell’equipaggiamento sportivo sono di aiuto per gli atleti olimpici a
superare i loro limiti.
Sostituzione di materiali: es fibra di carbonio al posto di alluminio.
Nuovi disegni.
Biomeccanica del ciclismo:
Fattori di resistenza al moto in una bicicletta
o Drag di Superficie
o Drag di Forma
Caschi aerodinamici di protezione in composito
o Ferite alla testa – elmetti
o iper/ipo Termia
o Danni da usura
Drag di Profilo:
Si forma una tasca di bassa pressione che “trattiene” il ciclista. Quando la velocità
raddoppia questa forza resistiva quadruplica !!!!
Fattori importanti:
• Profilo
• Rugosità
• Orientazione (crouch can lower resistance ~30%)
Processi di connessione dei tubi:
132
Componenti del telaio:
Tipi di Fibre:
133
Fibra di vetro
Fibra di grafite
Kevlar
Kevlar/Carbon
Compositi laminati:
I composti laminati sono formati da strati a fibre direzionalmente distinte.
134
3. Stabilità
Scarpe tennis/corsa
pronazione / supinazione
Applicazioni agli sport invernali:
Gli sci
Componenti:
Sci
Scarponi
Attacchi
Parti dello sci
Camera
Lunghezza
Larghezza : punta(S), ventre (W), coda(T)
Equazione del taglio laterale:
Rsc=C²/(8SC)
C è la lunghezza del contatto e SC=1/4(S-2W+T)
Equazione della Camera:
Rflex=C²/(8SCtanø )
ø è l’angolo fra sci e superficie
Sci materiali e struttura:
Effetti su:
Flessione
Torsione
Sci base
Materiali
Durabili
Di poco attrito
Sciolina
Minimizza l’attrito
Conserva l’adesione
Fianco dello sci
Costruzione
Raggio di curvatura
135
Alternative:
Attacchi Elettromeccanici
Variano il settaggio in base all’attività muscolare
Estremamente complessi
Il disegno progettuale:
Velocità in discesa:
248.1 km/hr! Harry Egger, Austria, 1999.
136
Nella figura successiva si osserva un vero e proprio simulatore di bob usato per allenare la
squadra olimpica USA per permettere al guidatore di assuefarsi alla guida su piste diverse
anche in condizioni senza neve.
Fair C pV 2 mg
mg
V
Cp
Skate Classico:
Skate :
Asse, base piatta, con un punto di rotazione.
L’asse ruota su due cuscinetti di uretano.
Permettendo alle ruote di seguire un arco predefinito.
Ingegnerizzazione delle scarpe da Football
Calcio e scarpe sportive
Comfort
Prezzo
Stile
Pubblicità (inc. players)
Funzione?
Evidenza scientifica?
137
Reilly (1996) Science and Soccer. Chapman and Hall; London.
L’analisi delle partite: determina l’uso delle scarpe
Moto :
Camminare 24%.; corsa leggera 44% ; velocità elevata 13%; sprint 5% ; corsa all’indietro
8% ; in diagonale 2%; con il pallone 4%.
Situazioni specifiche/in partita:
13 tackles, 9 salti, 50 rotazioni, 26 contatti.
Differenze di ruolo
Studio delle forze in gioco.
Pedane di forza
o Si ripetono movimenti realistici
o Si studiano: il centro di pressione che cambia nel corso del movimento, il
moto di direzione delle forze durante i movimenti.
Stress nelle scarpe ha un’intensità 3 volte maggiore in allenamento piuttosto che in gara.
Una forza cumulativa in gioco di 58kN contro i 161kN in allenamento.
Scarpe alte
o Scarpe antiche
o Supporto caviglia
Scarpe scollate
o Permettono di accrescere la mobilità delle caviglie
o Caviglie nei confronti delle altre articolazioni
Rigidità torsionale delle scarpe
o Scarpe alte necessitano di maggior rigidità
o Scarpe basse di minore
o = alta deformazione durante un calcio!
138
Adidas Predator:
Il peso è distribuito presso la punta, al fine di assicurare che la massima potenza sia
trasferirta alla palla. Fatta con pelle di canguro forte ma soffice che da un grande comfort.
Piccoli pesi sono stati strategicamente posti nella punta per aumentare la deviazione della
palla.
Un lancio asimmetrico significa che la superficie utile delle predator è morbida favorendo
una grande precisione del calico. Un calcagno doppiamente rinforzato riduce le pressioni
sul tendine d’Achille.
Utilizzate da David Beckham.
Calcio e scarpe sportive
Studi sui tacchetti
Stabilità
o Rotazioni e frenate
o Esposizione alle intemperie/effetti di superfice
Configurazione dei tacchetti (numero e posizione)/lame
baromisure- footscan® insoles: 4 sensori/cm2
Lunghezza dei tacchetti
Studi sulle differenze pressorie di picco ricevute dai piedi
Studi sulle differenze di trazione
Tacchetti & Lame:
Differenti condizioni del terreno hanno fatto nascere differenti tipi di tacchetti/lame. Terreni
morbidi richiedono tacchetti o lame metalliche in modo da provvedere la presa migliore fra
suolo e scarpe. Terreni duri richiedono tacchetti o lame modellati che provvedono una
presa fra scarpa e terreno senza vangare in suolo duro.
Effetti sperimentali dei tacchetti sulla capacità d’adesione.
Zolle bagnate- Zolle asciutte - Astrozolla
Prove di rotazione tutte alla stessa velocità
o Scivolate:
o asciutto84%, bagnato 72%, Astrozolla 45%
Scarpe diverse presentano la stessa adesione!
Potenziali errori i soggetti variavano posizione del piede d’appoggio e lunghezza del
passo.
Necessità di un maggior controllo delle variabili in futuro
139
Ulteriori effetti sulle scarpe:
Velocità della palla
Deformazione della scarpa
Forze d’impatto sulla tibia
Nessuna correlazione!
Futuri sviluppi:
o Uso di strain gauges su ogni tacchetto
Speciale
Adidas 1 Running Shoes
Compressione nelle scarpe da corsa – perchè?
Ammortizzamento: serve a decelerare il piede del
corridore quando urta il terreno.
Relazione impulso - momento [Ft = m (vf – vi)]
Troppo duro – il piede rallenta troppo velocemente = lo shock viene avvertito al
ginocchio.
Troppo morbido – foot “bottoms out” ed urta il suolo in modo duro = un altro shock al
ginocchio.
Per ammortizzare:
Gel, camere ad aria, intersuole di schiuma a densità variabile s, molle metalliche, ecc. Ma
tutto dipende anche dal peso dell’atleta.
Sviluppo dell’Adidas 1:
Il team innovativo Adidas di Portland & Herzogenaurach – partì nel 2001. 3 anni di lavoro
segreto (50 ricercatori – I loro nomi non sono noti al pubblico). Scopo: produrre una scarpa
atta a cambiare secondo lo stile personale del corridore.
1st – qual’il range ideale di ammortizzamento per un corridore?
Uno speciale sensore sotto l’alluce di scarpe standard da corsa ed un piccolo magnete al
calcagno creava un campo magnetico misurato dal sensore (sensore ad effetto Hall). Poi
furono invitati degli atleti ad usare le scarpe da loro ritenute più confortevoli – praticamente
tutti avevano preferito lo stesso range di compressione.
Le scarpe hanno una batteria, un sensore elettrico, un microprocessore ed un motore
elettrico.
Il sensore:
140
Sensore elettrico a batteria – accuratezza 0.1mm, 20,000 letture /s.
Deve essere cambiato ogni 100 ore di uso.
Il microprocessore:
Il microprocessore è il cervello che effettua 10,000 calcoli/s.
Che comanda al motore elettrico di variare l’ammortizzamento della scarpa.
Il motore:
Il motore elettrico gestisce l’ammortizzamento durante la corsa.
Turns a screw che aggiusta il grado di ammortizzamento.
Altri aspetti:
Vi è anche la possibilità di settaggio manuale tramite un bottone luminoso.
Istruzioni su CD-Rom.
Risparmiate:
Da Dicembre 2004, $250-300.
Applicazioni agli equipaggiamenti:
Equipaggiamenti
o Giavellotti, racchette, palle etc. Design spesso è influenzato
dall’aerodinamica.
Veicoli
o Biciclette, pattini,scarpe,sedie, ecc.
Biomeccanica del Golf - la mazza:
Fattori legati alla mazza:
lunghezza
attaccatura della testa
forma della testa
asta
Lunghezza
possibile un maggiore velocità della testa
maggior momento d’inerzia – minore velocità angolare
diminuzione del controllo
Parti della mazza
Testa – materiali - legno, titanio, acciaio inossidabile Irons - acciaio inossidabile, titanio,
ferro
141
Asta - acciaio, fibra di carbonio, resine composite
Impugnatura – pelle o gomma
Tipi di mazze
Driver/legno- mazze più lunghe, usate per le lunghe distanze, materiali: legno, titanio or
acciaio inossidabile
Irons - di due tipi ( di ferro), poco angolate per medie distanze, molto angolate per tiri
corti.
Putter - usate per spingere sul green
142
Tipi di teste speciali
Titleist Titanium 983K Driver
volume 365cc.
Forma a pera.
Larga con l’inserzione di una sottile fascia di titanio
Usata per un grande angolo nel lancio iniziale
143
Contatto con la palla
Il tempo di contatto fra testa e palla è meno di un millesimo di secondo. La forza media fra
testa e palla è di circa 2000 N, e la palla si deforma schiacciandosi sulla testa.
La palla quando è colpita rotola sulla testa per l’attrito e vola via con grande velocità sopra
l’orizzontale relativa al punto di contatto.
La Palla:
Coefficiente di elasticità:
Influenza le perdite d’energia
E’ limitato dalla USGA
Fattori che lo influenzano:
Disegno
Velocità dello Swing
Temperatura
Invecchiamento
La palla può esser formata da due pezzi o da molti strati.
Fattori aerodinamici (fossette o Dimples):
145
Cleaver blade - Ultra light carbon fiber shaft 1991
Nuovi remi e nuove pale:
Flessibilità e superfici ottimali
Per ottenere una radicale riduzione delle forze di drag sulle barche attuali, bisogna
sollevarle dall’acqua.
Fisica della racchetta
Il colpo morbido
Due colpi morbidi:
o Nodo
o COP
Forza trasmessa alla mano
Moti del manico:
o Rotazione
o Traslazione
o Vibrazione
Massima velocità della palla
Nodo di vibrazione:
È trattata come una trave uniforme
Modo fondamentale
Frequenza:
o 100Hz per sistema flessibile
o 140Hz per sistema rigido
Due nodi:
o Vicino al centro delle corde
o Vicino al manico
La frequenza è 2.75 volte la frequenza fondamentale. Non si eccita con nessuna
ampiezza significativa.
Durata, T=5ms
Picco a zero a f=1.5/T=300Hz
Vicino alla seconda frequenza
Centro di percussione:
Conosciuto come punto d’impatto
146
Punti coniugati:
o Impatto vicino alla punta: l’asse di rotazione è a circa ½ via fra la fine del
manico ed il CM.
o Impatto vicino alla gola: l’asse di rotazione è fuori la fine del manico
147
3rd set: hd = 60 cm, hr = 24 cm
4th set: hd = 80 cm, hr = 32 cm
5th set: hd = 100 cm,hr = 40 cm
Presso la testa:
1st set: hd = 20 cm, hr = 12 cm
2nd set: hd = 40 cm, hr = 24 cm
3rd set: hd = 60 cm, hr = 36 cm
4th set: hd = 80 cm, hr = 48 cm
5th set: hd = 100 cm, hr = 60 cm
COR:
COR (centro di massa): 0.74162
COR (presso gola): 0.63246
COR (presso testa): 0.7746
hr = altezza rimbalzo,
hd = altezza iniziale
149
Essenzialmente un problema a 3-parametri :
e0
Controlla la dissipazione dell’E conservata nella palla
rk kbat/kball = PEball/PEbat
Controlla la frazione di E conservata nella racchetta
rm m/M
f (rk/rm) ( dipende dalla palla)
Controlla l’E trasferita alla racchetta (vibrazioni)
Spin:
Top-Spin
Back-Spin (Slice)
Drive
150
o anch’essa si comprime
Per battere un fuori bisogna
o grande velocità del colpo
o angolo ottimale di take-off
o backspin
Miglioramento tecnico:
Nuove tecnologie di match analysis sono sviluppate per migliorare la precisione dei dati da
analizzare ottenute da video camere digitali.
Technique Improvements:
CompuTrainer by RacerMate, Inc.
Utilizza lo stato dell’arte della grafica 3D interattiva per simulare colline, curve, visioni
panoramiche ecc.
SpinScan
è un video biofeedback grafico usato per valutare l’impatto di piccole variazioni del
settaggio della bicicletta per trovare la posizione dinamica più efficiente.
SpinScan analizzatore della pressione del pedale del CompuTrainer
Applicazioni al coaching:
Analisi delle tecniche qualitative e quantitative
o Con l’utilizzo dello slow motion / freezing
o Il coach è agevolato nel suo lavoro di analisi differenziale e sintesi strutturale
Valutazione funzionale
o Serve a dare informazioni sullo stato dell’atleta
Software di Analisi del Movimento:
The SwingTrainer™ è un sistema completo di analisi dello Swing che controlla tutti gli
aspetti di tale movimento per tutti gli sport interessati quali: golf, baseball, tennis e hockey.
151
Otto sensori controllano la posizione e l’orientazione di 36 punti del corpo e delle
attrezzature: mazze, racchette, bastoni al rateo di 144 frame / secondo.
Chimica, Fisica, e Matematica nel progetto di una palla da Calcio
Chimica del pallone
Fullerene (telaio della palla):
Molecole di carbone più grandi scoperte nel 1985 da Richard Smalley (1996 premio Nobel
per la Chimica).
C70
C60
Nanotecnologie:
Nanofili “una singola molecola gigante di giant fullerene”, “un conduttore metallico di pochi
nanometri di diametro, ma migliaia di micron (fino al metro) di lunghezza”, “possiede la
conduttività elettrica del rame, una conduttività termica alta come quella del diamante, ed
una resistenza tensile 100 volte più alta dell’acciaio”.
In Equilibrio In Equilibrio
154
3. Sotto la superficie si trova uno strato flessibile di schiuma di poliuretano conuna
buona flessibilità a bassa temperatura , che fornisce buone caratteristiche di
smorzamento e di volo.
4. Lo strato più interno è di latex gomma naturale che da
eccellenti proprietà di rimbalzo.
“la palla più precisa che abbia mai calciato.” - Rui Costa
155