La matematica intorno a noi

INDICE 1. M come Modelli differenziali: un oroscopo scientifico MADDMATHS maddmaths.simai.eu 2. La farfalla, il calamaro e il leopardo - ComUnit l'Unitdueallamenouno.comunita.unita.it 3. Modelli matematici per prede, predatori e insetticidi MADDMATHS maddmaths.simai.eu 4. Il traffico che non ti aspetti MADDMATHS maddmaths.simai.eu

M come Modelli differenziali: un oroscopo scientifico MADDMATHS maddmaths.simai.eu

M come Modelli differenziali: un oroscopo scientifico In un racconto di Italo Calvino viene descritta una curiosa citt: Eudossia. In questa citt, estremamente complicata (vicoli, vicoletti, strade, stradine) conservato un tappeto che, in qualche modo, una mappa della citt stessa: seguendo le trame che vi sono ricamate, si riesce a riconoscere lo schema geometrico implicito nella citt. Il legame tra la realt che ci circonda e alcuni modelli matematici analogo: in matematica si creano modelli, cio mappe della realt, nella speranza di non perdersi e di poter prevedere quello che accadr. Esistono tanti tipi di modelli matematici e ognuno libero di scegliere il suo: i migliori vengono poi valutati, caso per caso, in base ai successi ottenuti. Tra questi, si distinguono i modelli di tipo differenziale, che si traducono in un certo numero di cosiddette equazioni differenziali. Studiando un fenomeno, la prima cosa da fare individuare le quantit che appaiono significative per descriverlo. Se si vuol studiare il moto dei pianeti, ad esempio, quello che interessa principalmente la loro posizione, la loro velocit, magari anche la loro forma o la velocit di rotazione di ognuno intorno al proprio asse. Se si vogliono fare le previsioni meteorologiche, interesser invece conoscere temperatura, pressione e velocit di propagazione di una certa perturbazione. Si parlato di equazioni perch il secondo passo che si compie stabilire il legame che intercorre tra varie quantit: studiando le equazioni differenziali si studiano dunque le relazioni che legano queste quantit, il cui significato concreto dipende dal fenomeno che si sta cercando di comprendere con la malcelata speranza di poter sapere in anticipo quello che succeder poi. Il termine differenziale somiglia tanto, giustamente, a differenza. Infatti, delle quantit che si studiano interessano le variazioni, cio le differenze

(appunto!) tra lo stato iniziale e quello finale. Quindi unequazione differenziale non altro che un legame tra certe quantit e le loro variazioni. Lidea di fondo realizzare unistantanea che contenga tutte le informazioni utili in un certo momento e poi, conoscendo le variazioni delle quantit, essere in grado di prevedere il fenomeno osservato da qui alleternit. Differenziale, quindi, riferito al fatto che abbiamo la possibilit di conoscere il valore di una certa quantit se sappiamo il suo valore in un istante iniziale (condizioni iniziali) e se ne conosciamo il suo modo di variare - in rapporto al tempo, ad esempio. Non , infatti, molto interessante sapere che un albero sia cresciuto di 10 metri, se non sappiamo quanto tempo ha impiegato a farlo. Quindi, quello che alla fine interessa sono le variazioni in rapporto alle variazioni di altre quantit (laltezza rispetto al tempo, nel caso dellalbero). Quale valore ha uno studio di questo genere? Due risposte: una pratica ed una filosofica. Per quanto riguarda la prima, la bont di un modello differenziale sta nella precisione delle sue previsioni. Ad esempio, il modello classico (dovuto a Newton) che descrive il moto dei pianeti funziona molto bene. Ed la comprensione di questo modello che, fra le altre cose, permette di fare in modo che i satelliti orbitino intorno alla Terra (senza cadere o scappare verso altre galassie). Una seconda risposta in realt una nuova domanda: che legame c tra realt e modello? La domanda se la pone anche Calvino, sempre richiamando Eudossia. Parlando della citt e del tappeto, scrive infatti un oracolo ha detto che uno dei due opera divina e laltro ne un approssimativo riflesso, come ogni opera umana. Ma quale dei due sia luno e quale laltro, rimane una domanda aperta Corrado Mascia

La farfalla, il calamaro e il leopardo - ComUnit - l'Unit dueallamenouno.comunita.unita.it

La farfalla, il calamaro e il leopardo 11 aprile 2011 Nel 1962, il matematico e metereologo americano Edward Norton Lorenz (1917-2008), stava lavorando su di un modellino numerico semplificato per le previsioni meteorologiche, quando, arrotondando il numero decimale 0,506127 alla cifra di 0,506, trov che le soluzioni numeriche del modello cambiavano enormemente. La cosa non era poi cos sorprendente, gi Poincar alla fine del XIX secolo si era accorto che, in determinate situazioni, come ad esempio nello studio del moto dei pianeti, un piccolo cambiamento nei dati iniziali poteva cambiare totalmente la configurazione finale del sistema. Pensate a questo esempio. Avete due valli separate da una catena montuosa. Tra due montagne della catena c un passo di montagna che permette di andare da una valle allaltra. Se mettete una pallina nel punto pi alto del passo in teoria dovrebbe rimanere ferma. Ma se la muovete di pochissimo a destra o a sinistra, cadr in una delle due valli, che sono magari molto lontane tra di loro. Questo stesso fenomeno lo sperimentiamo nella vita di tutti i giorni quando, ascoltando il bollettino metereologico, ci sembra che le condizioni effettive del tempo divergano abbastanza regolarmente da quelle previste. Magari sono corrette per il giorno stesso e per quello successivo, ma allontanandosi nel tempo diventano sempre meno affidabili. Questo fatto venne sintetizzato dallo stesso Lorenz nel titolo di una sua conferenza: Pu il battito delle ali di una farfalla in Brasile, provocare un tornado in Texas? (battuta ripresa dal matematico Ian Malcolm, interpretato da Jeff Goldblum, nel film

Jurassic Park). In effetti questo fatto che ad un piccolo cambiamento si possa associare una configurazione completamente diversa un fenomeno fondamentale in molti sistemi complessi, ossia quelli in cui linterazione tra le parti pu provocare effetti non lineari che difficilmente si potrebbero prevedere esaminando le varie componenti separatamente. Per esempio nel 1952, due biofisici inglesi, Alan Lloyd Hodgkin and Andrew Huxley, per spiegare i loro esperimenti sullassone (la coda di un neurone per intenderci) del calamaro gigante, introdussero un modello matematico che spiegava la trasmissione degli impulsi elettrici nelle fibre sottoposte a stimolazione. In pratica, il modello riproduceva questa situazione, che corrispondeva agli esperimenti. Se si stimola debolmente lassone con un elettrodo, il potenziale della membrana cambia leggermente vicino al punto stimolato e poi torna a riposo. Se invece lo stimolo supera una certo valore critico, il potenziale cresce enormemente ed eventuali nuovi stimoli vengono ignorati, e poi il sistema ritorna allo stato di quiete. Infine, se si supera un altro valore critico per un tempo sufficiente, viene generata una serie di impulsi periodici che continuano ad oscillare per tutta la durata dello stimolo. Per queste ricerche Hodgkin e Huxley ricevettero il Premio Nobel nel 1963. Insomma, anche in questo caso, ci sono delle transizioni brusche che trasformano la natura stessa del sistema, che sottoposto a complessi meccanismi di interazione tra le sue varie componenti, in questo caso le molecole di alcuni ioni di sodio e potassio presenti su queste membrane. E il modello matematico sta l a confermare che alcune semplici ipotesi fisiche posso effettivamente generare effetti molto complessi (ossia non ci siamo dimenticati nessun fattore invisibile). Sembra incredibile, ma proprio in questo momento la luce che viene dallo schermo del vostro computer, ha appena colpito la retina, e viene trasformata poi in impulsi elettrici che viaggiano anche lungo gli assoni dei vostri neuroni per permettervi di elaborare queste parole che state leggendo, e questo proprio usando un meccanismo del tipo di quello di Hodgkin e Huxley (ok, quasi, non dovreste essere calamari, no?). Strano

vero? Un sistema ancora pi complesso dato dallorganizzazione spaziale degli organismi multicellulari, come noi ad esempio. Vi siete mai chiesti come si forma il nostro corpo a partire dalle informazioni genetiche e ambientali? A questa domanda cerc di dare una risposta, proprio nel periodo in cui Hodgkin e Huxley giocavano con il calamaro, Alan Turing, uno dei pi grandi matematici del XX secolo. A lui dobbiamo la nascita dellinformatica moderna, la decifrazione dei codici segreti nazisti, e il progetto di uno dei primi computers. Allinizio degli anni 50, Turing propose un modello che spiegava lorganizzazione spaziale degli organismi attraverso un complicato meccanismo di reazioni chimiche. Ad esempio, supponiamo di voler spiegare la colorazione esterna dei mammiferi., che dovuta a diverse concentrazioni di melanina nella pelle e nei peli. Queste concentrazioni sono determinate a livello embrionale dallinterazione di alcune sostanze dette morfogeni. Le reazioni chimiche tra queste sostanze produrrebbero in principio una colorazione omogenea. Se per cominciano a diffondersi attraverso la membrana esterna dellembrione, producono una distribuzione completamente diversa che dipende, a parit di sostanze chimiche, dalla geometria e dalle dimensioni dellorganismo. Questo dovuto alleffetto destabilizzante della diffusione, che si chiama, appunto, instabilit di Turing. Allinizio la distribuzione omogenea. Poi, quando lorganismo cresce, cominciano a formarsi delle strisce. Infine, a dimensioni ancora maggiori, cominciano ad apparire delle macchie separate, come quelle del leopardo. Per questo, un animale pu avere il corpo a macchie e la coda a strisce e non linverso (c da osservare che ci sono animali grandi a strisce e animali piccoli a pallini. La colorazione dipende in primo luogo dalla specie. A parit di specie, vale il meccanismo esposto sopra). Anche in questo caso, questi passaggi sono segnati da brusche transizioni attraverso valori critici, e la conferma di queste teorie viene esclusivamente da sofisticate simulazioni numeriche. Turing era veramente un genio, perch elabor queste idee in unepoca in cui era praticamente impossibile simulare un sistema di quel genere al computer. [Mor a 42 anni nel 1954,

suicidandosi con una mela imbevuta di cianuro, dopo aver subito un processo per omosessualit e aver accettato, in alternativa alla prigione, un trattamento di castrazione chimica a base di ormoni.] Da pochi decenni abbiamo cominciato a creare le strutture concettuali che ci permetteranno un giorno di capire come funziona il nostro corpo, come organizzato e come si pu rigenerare. Un giorno probabilmente saremo in grado di far ricrescere i nostri organi e farli funzionare meglio. E per questo, state sicuri, servir una matematica nuova, una matematica capace di capire fino in fondo i sistemi complessi. Una matematica che per adesso muove solo i suoi primi passi. Roberto Natalini

Modelli matematici per prede, predatori e insetticidi MADDMATHS maddmaths.simai.eu

Modelli matematici per prede, predatori e insetticidi Fu Volterra a proporre, in un articolo del 1926, uno dei primi modelli matematici per lecologia, quello che ora noto come modello predapredatore di Lotka-Volterra. Per questo articolo Volterra considerato da molti il fondatore dellecologia matematica. Nel corso del Novecento luso dei modelli matematici, che si era gi rivelato cos utile in fisica e ingegneria, stato introdotto, talvolta con difficolt non trascurabili, anche in discipline tradizionalmente considerate poco adatte ad un simile approccio, quali leconomia, la sociologia, la biologia. Questo era stato peraltro auspicato proprio allinizio del XX secolo dal matematico italiano Vito Volterra (1860-1940) nel suo discorso inaugurale per lanno accademico 1901-1902 dellUniversit di Roma, con le seguenti parole: Il matematico si trova in possesso di uno strumento mirabile e prezioso, creato dagli sforzi accumulati per lungo andare di secoli dagli ingegni pi acuti e dalle menti pi sublimi che siano mai vissute. Egli ha, per cos dire, la chiave che pu aprire il varco a molti oscuri misteri delluniverso, ed un mezzo per riassumere in pochi simboli una sintesi che abbraccia e collega vasti e disparati risultati di scienze diverse. () Ma intorno a quelle scienze nelle quali le matematiche solo da poco tempo hanno tentato dintrodursi, le scienze biologiche e sociali, che pi intensa la curiosit, giacch forte il desiderio di assicurarsi se i metodi classici, i quali hanno dato cos grandi risultati nelle scienze meccanico-fisiche, sono suscettibili di essere trasportati con pari successo nei nuovi ed inesplorati campi che si dischiudono loro dinanzi. E in effetti,

oltre a predicare bene, Volterra razzol anche bene, in quanto fu proprio lui a proporre, in un articolo del 1926, uno dei primi modelli matematici per lecologia, quello che ora noto come modello preda-predatore di LotkaVolterra. Per questo articolo Volterra considerato da molti il fondatore dellecologia matematica. In realt Volterra cominci ad occuparsi attivamente di problemi di ecologia subito dopo la prima guerra mondiale, stimolato da una questione di famiglia. Infatti il biologo Umberto DAncona, genero di Volterra, stava studiando le fluttuazioni periodiche osservate nelle popolazioni di alcuni pesci dellAdriatico, fenomeno che i biologi del tempo cercavano, senza successo, di mettere in relazione con i mutamenti periodici di fattori esterni, come i cambiamenti climatici stagionali, o lattivit di pesca o la quantit di nutrienti immessi in mare. E fu cos che Volterra disse alla figlia non preoccuparti, aiuter io tuo marito, ho una certa esperienza in fatto di sistemi oscillanti e posso spiegare con un semplice modello matematico come un sistema possa oscillare endogenamente, cio senza interventi dallesterno. E fu cos che Volterra, seguendo un tipico approccio da fisico matematico, consider un sistema ideale formato da popolazioni di prede e predatori uniformemente distribuite nello stesso territorio, e ipotizz che ad ogni istante lo stato del sistema potesse essere descritto mediante i valori di due sole variabili, chiamate ad esempio X e Y (dette variabili di stato) che rappresentano rispettivamente le densit di prede e di predatori. Supposto che X(t) e Y(t) siano funzioni del tempo, e detti (t) e i rispettivi tassi di variazione (ovvero le derivate rispetto al tempo) il modello di Volterra pu essere scritto come: = X(r - sX bY)= Y(- e + cX) dove r, s, b, c, e sono costanti positive. Per spiegare il significato di queste equazioni differenziali, che descrivono la legge con cui evolvono nel tempo le due popolazioni interagenti, consideriamo dapprima ciascuna specie come se fosse da sola nel territorio, cio senza interazioni. Supponiamo che sia Y = 0, cio che non ci siano predatori. La dinamica della specie preda sarebbe allora governata da una legge molto semplice: in ogni periodo di tempo la variazione di prede data dalla differenza fra le

nascite e le morti in quel periodo. Se denotiamo rispettivamente con r e m i coefficienti di natalit e mortalit per unit di popolazione la legge di evoluzione diventa: = (r - m)X In altre parole, per le prede si assume che si possano nutrire dallambiente in cui vivono e quindi si possano riprodurre con un tasso di crescita rX (la crescita per unit di popolazione moltiplicata per la popolazione stessa). Analogamente si assume una mortalit mX. Se r e m sono costanti e r > m allora si ottiene una crescita illimitata, addirittura esponenziale: pi sono e pi crescono, pi crescono e pi sono. Ma una simile crescita illimitata non pu realizzarsi in un ambiente finito, un modello del genere pu eventualmente approssimare la crescita iniziale di una popolazione, finch c abbondanza di risorse per tutti, ma quando la popolazione supera certi valori occorre considerare un modello pi generale, in cui il coefficiente di mortalit m non sia pi costante ma proporzionale alla densit X, ovvero m = sX, in quanto al crescere della densit della popolazione ci sar maggiore mortalit a causa della mancanza di cibo o di spazio vitale. In questo modo lequazione che descrive landamento nel tempo della popolazione delle prede diventa quella che in biologia nota come equazione di crescita logistica:= (r sX)X che prevede che la popolazione si assesti su un valore di equilibrio naturale, detto capacit portante. Diciamo che la popolazione si trova in condizioni di equilibrio quando il suo valore non varia nel tempo, cio = 0. Questo si verifica per in corrispondenza degli zeri del secondo membro, = 0 e = r/s. Un punto di equilibrio si dice stabile se quando il sistema viene spostato leggermente da esso vi ritorna spontaneamente; instabile se invece se ne allontana ulteriormente. Dal segno della funzione a secondo membro si ricavano informazioni sulla stabilit degli equilibri: dalla figura 1 risulta evidente che quando X si trova sul valore di equilibrio in 0 un leggero incremento di popolazione sar seguito da un ulteriore incremento, essendo la derivata positiva in un intorno destro . Invece vicino a il sistema risponde come se fosse soggetto ad una forza di richiamo verso il punto di equilibrio stesso, poich la derivata positiva (funzione crescente) in un

intorno sinistro e negativa (funzione decrescente) in un intorno destro dellequilibrio. In questo caso si dice che il punto stabile, ed considerato lequilibrio naturale di quella popolazione, detto anche capacit portante, indicata in figura con la lettera K. Queste informazioni possono essere rappresentate riportando sullasse delle X i punti di equilibrio e disegnando negli altri punti delle frecce che indicano levoluzione di X(t) , il cui verso deducibile dal segno della derivata temporale (il grafico cos ottenuto detto diagramma di fase, fig.1 a sinistra). Landamento della funzione X(t) riportato nella parte destra della fig. 1, considerando due diverse condizioni di partenza, una minore e una maggiore della capacit portante.

Passiamo ora ai predatori, per i quali Volterra ipotizz che, in assenza di prede, avessero una mortalit maggiore della natalit a causa della mancanza di cibo (questultima ipotesi esclude leventualit che ci siano altre forme di cibo per il predatore oltre alla preda considerata nel modello). Questo il significato del termine negativo -eY nellequazione del predatore, e la legge = - eY ottenuta in assenza di interazione con le prede, porta a un decadimento esponenziale, e di conseguenza a una rapida estinzione, della popolazione dei predatori. Infine, per rappresentare matematicamente le interazioni fra le due specie, Volterra pens a popolazioni di individui erranti nello spazio in maniera del tutto casuale, in modo che il numero di incontri fra prede e predatori nellunit di tempo fosse proporzionale al prodotto delle rispettive densit di popolazione, e ad ogni incontro postul una probabilit costante che il predatore uccida la

preda. Quindi lequazione che descrive la crescita della densit di prede contiene anche un termine negativo proporzionale al prodotto fra le due densit, il quale esprime la diminuzione nel numero di prede in seguito agli incontri con i predatori. Invece lequazione dei predatori contiene un termine positivo, proporzionale al prodotto delle densit, che esprime il fatto che il predatore trae beneficio dagli incontri con le prede in quanto attraverso la nutrizione ricava lenergia che gli permette di riprodursi. Queste ipotesi stanno alla base del modello preda-predatore proposto da Volterra, spesso denotato come modello di Lotka-Volterra in quanto le stesse equazioni furono usate indipendentemente, negli stessi anni, anche dal demografo austriaco Alfred J. Lotka per descrivere delle reazioni chimiche oscillanti. Questo fatto non deve stupire, in quanto le ipotesi delle popolazioni erranti e degli incontri casuali che stanno alla base del modello ecologico di Volterra sono molto simili a quelle che si fanno in cinetica chimica per descrivere la rapidit con cui le molecole reagiscono in base al meccanismo degli urti molecolari nella teoria cinetica dei gas. Dallo studio di queste equazioni si ottiene che entrambe le popolazioni presentano un comportamento oscillatorio al trascorrere del tempo, proprio come nelle popolazioni ittiche dellAdriatico osservate da Umberto DAncona. Il motivo si pu spiegare in modo abbastanza intuitivo. Supponiamo infatti che ad un certo istante ci siano poche prede e molti predatori. Ci provocher una diminuzione del numero di predatori per scarsit di cibo. Questo fatto dar respiro alle prede che cominceranno a riprodursi quasi indisturbate accrescendo cos la propria popolazione. In seguito a ci i predatori si troveranno con una grande abbondanza di cibo e potranno crescere di numero, ma tale aumento porter ad una decimazione di prede ricominciando cos il ciclo. Anche nel caso di modelli in due variabili risulta conveniente introdurre una terminologia geometrica. Interpretando i valori delle variabili di stato come coordinate sugli assi di un piano cartesiano possibile rappresentare lo stato in cui si trova il sistema come un punto. Al trascorrere del tempo le densit delle specie considerate generalmente

cambiano, e quindi il punto rappresentativo del sistema, detto anche punto fase con un termine mutuato dalla meccanica, descrive una traiettoria (curva di fase). Volterra dapprima consider, per semplicit, il modello che si ottiene con m costante (minore di r) ottenendo delle traiettorie rappresentate da curve chiuse, come in fig.2. Dire che il punto-fase nel piano XY percorre periodicamente una traiettoria chiusa equivale a dire che ciascuna variabile oscilla al variare del tempo, come mostrato nella parte di destra della stessa figura 2. Come anticipato in modo intuitivo, le popolazioni di prede e predatori che presentano ciascuna alti e bassi che si alternano periodicamente al trascorrere del tempo. E il tutto avviene endogenamente, cio senza alcun intervento dallesterno. In altre parole, un sistema pu oscillare da solo, senza che nessuno lo scuota. Si chiamano anche, con un termine molto esplicativo, oscillazioni autosostenute.

Fig. 2 Queste soluzioni del modello sono molto simili ai grafici ottenuti dai biologi che registrano gli andamenti di popolazioni reali di prede e predatori che convivono nello stesso territorio. Famoso il grafico sperimentale riportato in figura 3, che descrive landamento nel tempo del numero di individui delle popolazioni della lepre e della lince canadese, un grafico costruito

dallo studioso canadese da Mac Lulich nel 1937 analizzando il numero delle pelli acquistate dalla Compagnia della Baia di Hudson negli anni precedenti. La somiglianza (sebbene solo qualitativa) con le curve del semplice modello di Volterra abbastanza evidente. E speriamo, per la quiete in famiglia, che questo tipo di soluzioni abbia anche accontentato il genero di Volterra, che in effetti divent un convinto sostenitore delluso dei modelli matematici in ecologia.

Fig. 3

Le oscillazioni osservate sono via via pi ampie mano a mano che si considerano punti pi lontani dal punto di equilibrio E, definito come quel punto in cui entrambe le derivate sono nulle: se il sistema si trova l ad un certo istante, le popolazioni rimarranno le stesse in seguito, in perfetto equilibrio (essendo in quel punto nulli i tassi di variazione sia delle prede che dei predatori). Ma appena i valori delle popolazioni vengono modificati rispetto ai valori di equilibrio si creano traiettorie caratterizzate da oscillazioni. E allora interessante studiare cosa succede se consideriamo varie traiettorie, ottenute partendo da diverse condizioni iniziali, come in fig. 4. Le orbite percorse dal punto fase sono sempre pi grandi, cio

descrivono oscillazioni sempre pi ampie di entrambe le popolazioni, mano a mano che lo stato iniziale viene preso pi lontano dal punto di equilibrio E. Questo punto rappresenta una particolare traiettoria, caratterizzata dal fatto che le variabili di stato restano costanti nel tempo. Ma in un ecosistema reale ci sono continue perturbazioni, dovute a fattori non considerati nel modello, che modificano i valori delle variabili, e allora di fondamentale importanza studiare la stabilit dei punti di equilibrio.

Fig. 4

Se in un sistema che si trova in equilibrio vengono leggermente modificati i valori di una o pi variabili di stato, cio si porta il punto fase a una certa distanza dal punto di equilibrio, si possono osservare diverse evoluzioni: pu accadere che lo stato del sistema ritorni spontaneamente allequilibrio originario, oppure che la distanza del punto fase dal punto di equilibrio, sebbene piccola inizialmente, tenda ad aumentare allontanando definitivamente il sistema dallo stato originario. Nel primo caso si dice che il punto fisso stabile, o attrattore, nel secondo caso detto instabile. Al confine fra i due c il caso della stabilit marginale in cui ogni volta che il

punto fase viene spostato dallequilibrio va a finire su una nuova traiettoria senza avvicinarsi n allontanarsi ulteriormente. Questo proprio il caso del modello di Lotka-Volterra con mortalit costante della preda. Se invece si considera la crescita logistica per la specie preda, cio sotto lipotesi pi realistica di un coefficiente di mortalit proporzionale alla densit delle prede, otteniamo traiettorie come quelle riportate in fig. 5, il cui andamento nel tempo rappresentato da oscillazioni di ampiezza decrescente che convergono nel lungo periodo allequilibrio stabile. E evidente che se il punto fase viene allontanato di poco dal punto di equilibrio, vi far ritorno dopo aver effettuato poche oscillazioni di piccola ampiezza (la parte pi interna della traiettoria a spirale di fig. 5). Se invece una perturbazione esterna lo allontana molto dallequilibrio il sistema vi ritorner dopo molte convoluzioni a spirale, ovvero oscillazioni inizialmente molto ampie e poi di ampiezza via via minore fino a tornare allequilibrio dopo aver mostrato molti alti e bassi, sebbene sempre meno pronunciati. In altre parole, in entrambe le situazioni presentate, quella di fig. 4 con le traiettorie chiuse e quella di fig. 5 con le traiettorie a spirale, ogni volta che lo stato del sistema preda-predatore viene allontanato dal suo equilibrio naturale si osservano delle oscillazioni, di ampiezza maggiore se lo spostamento iniziale maggiore.

Fig. 5

Sulla base di questo lavoro teorico si cercato di ottenere dei modelli per la risoluzione di problemi di ecologia pratica. Infatti, come i modelli astratti e generali della fisica costituiscono il fondamento per i modelli applicativi usati in ingegneria, cos i modelli teorici dellecologia matematica possono costituire il punto di partenza per lo studio di problemi concreti. Un problema classico dellecologia quello del controllo biologico di una popolazione di insetti nocivi, che pu essere ottenuto mediante lintroduzione nello stesso ambiente di un predatore naturale dellinsetto in questione. Il metodo ha successo se il sistema preda-predatore che si viene a costituire ha un equilibrio stabile caratterizzato da una bassa densit di prede. In altre parole, la lotta biologica una tecnica che sfrutta i rapporti di antagonismo fra gli organismi viventi per contenere le popolazioni di quelli dannosi, e si applica sempre pi spesso in campo agroalimentare per la difesa delle colture. Ad esempio, come si legge qui: per la lotta biologica ad insetti nocivi come gli afidi si possono introdurre dei

predatori degli afidi, come le comuni coccinelle. Ma nella stessa pagina si legge anche eliminate dalle abitudini vostre o del giardiniere il ricorso selvaggio a diserbanti e veleni chimici. Luso di queste sostanze pu rivelarsi anche controproducente. Luso di modelli matematici permette di capire come luso di insetticidi, uccidendo sia prede che predatori, porta il punto fase del sistema lontano dal punto di equilibrio facendo cos iniziare un periodo di ampie oscillazioni (caratteristiche dei sistemi predapredatore) con periodiche esplosioni nella popolazione di insetti nocivi. E intuitivo capire che linsetticida pu uccidere anche i predatori, provocando quindi una condizione che porter a una successiva esplosione nel numero di prede nocive. In tal caso lintroduzione di nuovi predatori far assestare il sistema riportandolo in una situazione di equilibrio, o quasi equilibrio con piccole oscillazioni intorno ad esso, dove si ha una densit minore di insetti nocivi. Infatti, finch il punto fase del sistema si trova vicino allequilibrio non si hanno grosse fluttuazioni nelle popolazioni. Se per la densit della preda venisse a trovarsi, per qualsiasi motivo, a valori tropo bassi i predatori morirebbero di fame creando le premesse per unesplosione successiva di insetti nocivi. Si giunge cos ad una conclusione inaspettata: per stabilizzare il sistema in tali circostanze conveniente aggiungere una certa quantit di insetti nocivi avvicinando cos il sistema al suo punto di equilibrio ed evitando quindi il pericolo di ampie oscillazioni. Mostrare lesistenza di simili comportamenti controintuitivi degli ecosistemi uno dei compiti dellecologia matematica.

Il traffico che non ti aspetti MADDMATHS maddmaths.simai.eu

Il traffico che non ti aspetti Siamo proprio sicuri che, prendere la tangenziale o la superstrada, ci far arrivare prima a destinazione? Il traffico veicolare un sistema complesso e, come tale, non obbedisce necessariamente alle leggi dellintuizione e del senso comune Tangenziale di Torino, ore 7:30: traffico completamente bloccato, si avanza a passo duomo. Anzi, a ben guardare, gli operai impegnati in qualche servizio di manutenzione a bordo strada camminano anche un po pi svelti della mia auto. Accade cos che, pur essendo partito di casa ragionevolmente per tempo (almeno pensavo), parcheggio allaeroporto di Torino Caselle giusto giusto per le 9, proprio mentre sta atterrando laereo del mio amico che sono venuto a prendere, non un minuto prima. Inevitabilmente penso: mamma mia, chiss quando sarei arrivato se non avessi preso la tangenziale!

La 42esima strada a New York.

A Stoccarda, in Germania, nel 1969 si fecero grandi lavori di ammodernamento della rete stradale, che previdero tra laltro la costruzione di nuove arterie di collegamento tra vari punti della citt. Finalmente!, avranno pensato i cittadini, Era ora che si facesse qualcosa per alleviare tutti quegli ingorghi. Salvo poi ritrovarsi imbottigliati come e pi di prima non appena i lavori furono terminati, tant che solo richiudendo intere strade di nuova costruzione si riusc a riportare la situazione a livelli accettabili. A New York, nel 1990, si dovette chiudere per un po al traffico la 42esima strada a causa di un incidente. Circostanza almeno apparentemente terribile, visto che non stiamo parlando di un vicoletto di pochi metri ma di un tratto di circa 3 km. Eppure in quelloccasione si osserv, sorprendentemente, un miglioramento complessivo della fluidit del traffico nellarea circostante. Unidea un po paradossale mi fa capolino nella testa: vuoi vedere che se non avessi preso la tangenziale forse sarei riuscito ad arrivare allaeroporto prima delle 9? Indubbiamente ci vuole un certo coraggio per rinunciare alla comoda e diretta tangenziale e infilarsi in un dedalo di stradine di periferia. Daltra parte, il traffico veicolare un sistema complesso e, come tale, non obbedisce necessariamente alle leggi dellintuizione e del senso comune. I matematici applicati hanno scientificamente battezzato complessi quei sistemi del mondo reale (tra cui, appunto, il traffico veicolare) in cui alcuni soggetti (i veicoli), interagendo tra di loro, danno vita a comportamenti di gruppo (il flusso di traffico sulla rete stradale) anche molto diversi dal comportamento che ognuno di loro esibirebbe in assenza degli altri. A parte eventualmente alcune regole convenzionali (ad esempio, la precedenza a destra), di solito il comportamento collettivo non il frutto di una cooperazione tra gli individui (non ditemi che normalmente vi mettete

daccordo con gli altri guidatori per sorpassare o cambiare corsia), ma emerge spontaneamente in base alle scelte strategiche operate indipendentemente dai singoli. I quali, al limite, non si rendono neppure conto di far parte di un gruppo (Da dove sbucano tutti questi?!, si chiese lautomobilista trovandosi improvvisamente intrappolato in un ingorgo). Nella maggior parte dei casi, la natura stessa del sistema rende impossibile forzare dallesterno una coordinazione tra gli individui per ottenere il comportamento collettivo voluto (le famose partenze intelligenti). Daltra parte, proprio la mancanza di coordinazione pu generare effetti paradossali come quelli di Stoccarda, New York e, pi modestamente, anche Torino. Il paradosso di cui sono stato protagonista famoso, si chiama paradosso di Braess. Esso noto almeno dal 1969, quando il matematico tedesco Dietrich Braess pubblic sullargomento un articolo con tanto di teoremi e dimostrazioni, ma stato riscoperto solo di recente[con lavvento della teoria dei giochi di Nash e lo sviluppo dellinteresse verso i sistemi complessi. Vale la pena provare a capire pi in dettaglio come stanno le cose.

Una semplice rete stradale tra una partenza P e un arrivo A.

Supponiamo che 4000 veicoli debbano andare da P (partenza) ad A (arrivo) sulla rete stradale disegnata qui a fianco. Per farlo possono scegliere il percorso che passa per 1 oppure quello che passa per 2, entrambi formati da due strade di cui una si percorre in un tempo fisso pari a 50 (ore, minuti, secondi, fate voi) e laltra in un tempo variabile n/100 in base al numero n di veicoli che la attraversano. Per il singolo guidatore abbastanza indifferente scegliere luno o laltro percorso, perch in ogni caso il tempo individuale stimato 50 + 1/100 50. Mediamente possiamo perci aspettarci che 2000 guidatori scelgano il percorso P-1-A e, parallelamente, gli altri 2000 il percorso P-2-A, cosicch il tempo

necessario affinch il traffico fluisca interamente attraverso la rete 50 + 2000/100 = 70. Supponiamo ora che tra i punti 1 e 2 venga costruita una strada a scorrimento cos veloce da richiedere solo tempo 5 per essere percorsa. Il singolo guidatore, nel pianificare il proprio viaggio, non esita a ritenere pi conveniente per s il percorso P-1-2-A, che richiede tempo 1/100 + 5 + 1/100 5 anzich il circa 50 dei percorsi P-1-A o P-2-A. Il problema che, a causa della mancanza di cooperazione, praticamente tutti i 4000 viaggiatori decideranno di seguire il percorso P-1-2-A, col risultato che, complessivamente, il tempo necessario per smaltire il flusso di veicoli sulla rete sar 4000/100 + 5 + 4000/100 = 85, maggiore del 70 di quando la strada 1-2 non cera! Insomma, un rinverdimento del concetto che non sempre ci che conviene al singolo conviene anche alla collettivit. Con la differenza che, in questo caso, il singolo particolarmente sensibile al problema in quanto risente immediatamente su di s delleffetto negativo subto dalla collettivit. Il paradosso di Braess ha avuto un certo successo presso gli studiosi di sistemi complessi, tanto che stato riadattato a casi diversi dal traffico veicolare. Ad esempio, lo sapevate che un ostacolo di fronte alluscita pu, in caso di panico, rendere pi rapido il deflusso di una folla da una stanza? In questo caso il paradosso , per cos dire, rovesciato. Mentre per il traffico una condizione intuitivamente migliorativa (la costruzione di nuove strade) pu rivelarsi peggiorativa (il tempo di viaggio complessivo aumenta), qui una condizione intuitivamente peggiorativa (lostacolo) pu rivelarsi migliorativa (il tempo di deflusso dalla stanza diminuisce). Lidea di fondo, per, simile al caso dei veicoli: anche una folla un sistema complesso, i cui individui si comportano prevalentemente in modo non cooperativo (difficile immaginare, soprattutto in caso di panico, scene del tipo Prego, passi pure). Di conseguenza, il comportamento collettivo emerge spontaneamente senza che i singoli si rendano neppure conto di far parte di un gruppo. Non potendo forzare dallesterno una coordinazione

tra i pedoni, bisogna piuttosto agire sulle strategie comportamentali che ciascuno di essi mette in atto. La funzione dellostacolo proprio questa: esso un elemento di disturbo, che obbliga i pedoni a scegliere localmente percorsi alternativi per aggirarlo e induce il flusso della folla a separarsi in prossimit delluscita. In questo modo si evita che tutti si buttino sulluscita per vie centrali, creando di fatto un ingorgo umano che rallenta la fuga. E per il traffico? Beh, l la questione strutturalmente pi complicata: un ostacolo allingresso della tangenziale per indurre alcuni viaggiatori a cercare strade alternative non proponibile. Daltra parte, tentare di risolvere il problema semplicemente consigliando, in maniera generalizzata, in quali orari mettersi in viaggio pu funzionare solo se una certa percentuale di viaggiatori non d retta al consiglio. Altrimenti ci ritroveremmo tutti imbottigliati in mega ingorghi proprio negli orari consigliati. Tuttavia ciascuno di noi, nel suo piccolo, pu fare un esperimento: se la sera, rientrando dal lavoro in macchina, siete soliti prendere la tangenziale in un orario di punta, provate una volta a supporre per assurdo che la tangenziale non esista Andrea Tosin