Category: Matematica

  • La spirale nascosta nei numeri complessi

    La spirale nascosta nei numeri complessi

    I numeri complessi sono uno degli argomenti più affascinanti della matematica. A prima vista sembrano un artificio astratto, un costrutto matematico utile solo a risolvere un’equazione che altrimenti non avrebbe soluzione alcuna. Eppure, i numeri complessi permeano la nostra realtà e sono utilissimi, indispensabili quasi, per spiegare fenomeni assai tangibili, come ad esempio la corrente alternata. 

    Il legame tra numeri complessi e spirale logaritmica è un esempio affascinante di come argomenti apparentemente diversi, come trigonometria, esponenziali, vettori e serie, possano ritrovarsi nello stesso luogo. Per questo motivo sono stati scelti come primo esempio di Unità di Apprendimento.

    Dai numeri complessi alla spirale logaritmica

    La domanda da cui siamo partiti è semplice da formulare: perché le potenze z,z2,z3z, z², z³… di un numero complesso si dispongono lungo una spirale? E quale spirale? Per rispondere abbiamo costruito un percorso in cui la formula di Eulero, la forma esponenziale e la formula di De Moivre conducono alla dimostrazione di un teorema: i punti zⁿ giacciono su una spirale logaritmica.

    Jupyter Notebook: quando matematica e Python si incontrano

    Per la realizzazione fattiva di questo progetto didattico abbiamo utilizzato uno strumento ancora poco diffuso nella scuola: i Jupyter Notebook.
    Un Jupyter Notebook è un ambiente interattivo che permette di lavorare nello stesso documento con codice, testo, formule, tabelle e grafici.
    Il notebook è organizzato in celle: alcune contengono testo formattato in Markdown, altre contengono codice eseguibile, molto spesso Python. La caratteristica fondamentale è che il codice può essere eseguito una cella alla volta, vedendo immediatamente il risultato sotto la cella stessa.
    In ambito scolastico, il vantaggio più interessante è probabilmente questo: il notebook trasforma il codice da semplice programma da eseguire a percorso di lavoro, nel quale lo studente può leggere una spiegazione, eseguire un esempio, modificarlo, osservare il risultato e rispondere a domande senza cambiare ambiente.

    Grazie alle potenzialità di questi notebook abbiamo unito matematica e informatica in un percorso che può essere adattato facilmente a qualsiasi esigenza.
    Il notebook che presentiamo è pensato per una classe quarta di un istituto tecnico tecnologico a indirizzo informatico, ma si può adattare a qualsiasi percorso, compresi quelli liceali. Richiede 6–8 ore, di cui 4 di matematica e 2–4 di laboratorio. Servono trigonometria, esponenziali e logaritmi e una nozione intuitiva di serie, oltre a un Python di base (variabili, funzioni, cicli).

    L’esplorazione dei numeri complessi si sviluppa in due direzioni. Da un lato la connessione tra le potenze di un numero complesso e la spirale logaritmica, curva che la natura approssima in molteplici contesti (dal nautilus ai bracci delle galassie). Dall’altro il codice Python che consente di rappresentare graficamente il piano di Gauss attraverso la versatile libreria matplotlib e visualizzare concetti anche astratti attraverso poche righe di codice.

    Lo scopo di questa Unità di Apprendimento è l’acquisizione dei concetti fondamentali dei numeri complessi partendo dalla curiosità per l’informatica. Il notebook sviluppa approfonditamente l’argomento, con alcuni excursus adatti anche a una classe più avanzata, e propone esercizi e sfide sia di matematica sia di informatica. Attraverso gli script in Python, l’interpretazione geometrica delle varie operazioni complesse diventa visibile e manipolabile: la somma come regola del parallelogramma, il prodotto come rotazione e omotetia, fino a una spirale che prende forma sotto gli occhi degli studenti mentre cambiano modulo e argomento. Il teorema non resta un enunciato: ogni passaggio della dimostrazione viene tradotto in una verifica numerica.

    Quando il codice sembra smentire la matematica

    C’è poi un aspetto che ci sta particolarmente a cuore. Nel notebook abbiamo lasciato una trappola: se per leggere la spirale si usa l’argomento principale di znzⁿ (quello restituito da np.angle) invece dell’angolo “srotolato” nφnφ, il rapporto tra ln|zn|ln|zⁿ| e l’angolo non è più costante e la verifica numerica sembra smentire un teorema vero.

    Un grafico che torna non è una dimostrazione, e un grafico che non torna non è una confutazione. Serve la matematica per capire che cosa il codice sta davvero calcolando, e serve il codice per accorgersi di che cosa la matematica dava per scontato. In un’epoca in cui uno studente può ottenere in pochi secondi un programma funzionante da un chatbot, la domanda diventa un’altra: sa dire perché funziona?

    Forse è proprio qui che matematica e informatica smettono di essere due materie e diventano un unico modo di non fidarsi alla cieca di ciò che vediamo sullo schermo.

    Il notebook è scaricabile qui

  • I matematici hanno i giorni contati?

    I matematici hanno i giorni contati?

    Nelle ultime settimane, uno degli argomenti più oscuri e affascinanti della matematica è sulla bocca di tutti: le equazioni di Navier-Stokes. Solitamente nominate quasi esclusivamente negli ambienti accademici, le recenti notizie sulla loro soluzione le hanno fatte conoscere al grande pubblico.

    Purtroppo, da matematica, tutta questa vicenda, quasi romanzesca, mi ha lasciato un po’ l’amaro in bocca.

    Prima di tutto, perché la valenza scientifica di questo importantissimo risultato sembra essere passata in secondo piano rispetto alle vicende personali che lo hanno accompagnato.

    A metà agosto, Tristan Buckmaster, professore alla NYU, e Levent Alpöge, matematico e ricercatore presso Anthropic, ottengono un importante risultato sulle equazioni di Eulero tridimensionali. Il risultato, reso pubblico all’inizio di settembre, rappresenta un significativo passo avanti verso il problema, ben più generale, delle equazioni di Navier–Stokes.

    Non appena si diffonde la voce che uno dei problemi del Millennio potrebbe essere vicino alla soluzione, OpenAI decide di impegnare una rete di agenti autonomi proprio nella risoluzione di questi problemi. Il progetto viene affidato a Sebastien Bubeck.

    Dopo circa 88 ore di calcolo continuo, il sistema produce un documento che OpenAI presenta come una soluzione al problema di Navier-Stokes. È il 5 settembre.

    Secondo il racconto di Buckmaster, a quel punto Bubeck lo contatta per comunicargli, in sostanza, che l’AI aveva battuto i matematici sul tempo. Inoltre, sembra anche che Bubeck proponga a Buckmaster di pubblicare per primo il suo risultato e, contemporaneamente, di partecipare come autore principale ad un articolo di OpenAI dedicato all’approfondimento della sua soluzione.

    Sembra una proposta stupefacente, ma Buckmaster la rifiuta prontamente perchè la ritiene scorretta. Secondo il racconto di Buckmaster, il problema è etico: il lavoro del collega Alpöge non sarebbe stato riconosciuto perché il ricercatore lavora presso la grande rivale di OpenAI, Anthropic.
    Se le cose sono andate davvero così, è difficile non provare amarezza: l’onestà intellettuale, che dovrebbe essere alla base di qualsiasi scoperta scientifica, rischierebbe di essere messa in secondo piano dalla rivalità tra due giganti dell’AI. Se questa versione fosse confermata, sarebbe davvero avvilente che queste scorrettezze mettessero in ombra ed anzi acquistassero più evidenza della scoperta stessa, soprattutto quando si tratta di uno dei problemi più celebri della matematica.

    Eppure, per quanto demoralizzante, questa è solo una delle cose che mi hanno rattristata. Una questione ben più profonda delle meschine rivalità tra aziende si nasconde dietro questa scoperta.

    L’impegno profuso da OpenAI nel risolvere i problemi del Millennio nasce precisamente nel momento in cui, nel mondo accademico, iniziano a circolare le prime voci sul lavoro di Buckmaster e Alpöge. A questo punto mi sorge spontanea la domanda: perchè? La spiegazione che mi viene più spontanea è che l’azienda guidata da Sam Altman voglia battere sul tempo i ricercatori umani. Come sappiamo, è esattamente quello che succede. Un sistema basato su una rete di agenti, capace di portare avanti autonomamente gran parte del lavoro matematico, arriva ad una soluzione del problema di Navier-Stokes. È vero che anche il lavoro di Buckmaster e Alpöge ha fatto uso di sistemi di intelligenza artificiale, alcuni marchiati proprio OpenAI, ma la componente umana era preponderante. Il risultato ottenuto invece dal team di Bubeck, come lui stesso sottolinea, è del tutto agentico.

    Siamo davvero arrivati al punto in cui il lavoro, a mio avviso eccelso, di una mente umana può essere sostituito dal lavoro di forza bruta di una macchina? E’ davvero più importante ottenere un risultato che assaporare il processo, talvolta lunghissimo e snervante, che porta alla famosa conclusione quod erat demostrandum?

    Mi sgomenta non poco vivere in un momento storico in cui il lavoro di una mente umana viene messo in secondo piano rispetto a quello di una rete neurale solo perchè richiede più tempo. Dopo tutto, nel mio cuore, continuo a credere che in matematica il percorso valga almeno quanto la conclusione.