Corso di matematica propedeutica alla fisica: 1 Algebra Vettoriale

1 Algebra Vettoriale

1. Introduzione generale

L’algebra vettoriale rappresenta uno dei pilastri fondamentali della matematica moderna e delle sue applicazioni. L’idea di “vettore” nasce dall’esigenza di descrivere grandezze che non possono essere ridotte a un singolo numero, ma che possiedono contemporaneamente intensità e direzione. In fisica, per esempio, il concetto di forza, velocità o accelerazione non può essere espresso solo con un valore numerico: dire “10” non significa nulla se non sappiamo in quale direzione quella grandezza agisce. È proprio per questo che si è reso necessario sviluppare un formalismo matematico capace di rappresentare e manipolare oggetti che abbiano queste due caratteristiche.

Il formalismo vettoriale non ha applicazioni soltanto in fisica. In geometria, informatica, economia e persino nelle scienze sociali, il vettore è lo strumento che consente di modellizzare situazioni complesse attraverso coordinate numeriche ordinate. Pensiamo, ad esempio, a un modello economico con tre variabili: consumo, investimento e risparmio. Rappresentare queste variabili come un’unica entità, cioè un vettore, permette di manipolarle simultaneamente e di analizzare le loro relazioni.

1.1 Definizione e notazione

Un vettore in ℝⁿ è una n-upla ordinata di numeri reali. Dire che un vettore appartiene a ℝⁿ significa che esso è composto da n componenti, ciascuna delle quali è un numero reale. Per esempio, nello spazio tridimensionale (ℝ³) possiamo rappresentare due vettori così:

• u = (u₁, u₂, u₃)

• v = (v₁, v₂, v₃)

Ciascuna delle componenti indica una coordinata in una direzione specifica. Se pensiamo allo spazio tridimensionale, possiamo immaginare un sistema di assi cartesiani: l’asse x, l’asse y e l’asse z. Allora il vettore u = (2, 3, −1) significa che partendo dall’origine (0,0,0) e muovendoci di 2 unità lungo l’asse x, 3 unità lungo l’asse y e −1 lungo l’asse z, raggiungiamo il punto finale che rappresenta il vettore.

Operazioni fondamentali

Sui vettori possiamo compiere alcune operazioni elementari:

• Addizione: data da u + v = (u₁ + v₁, u₂ + v₂, u₃ + v₃).
  L’addizione tra vettori ha una chiara interpretazione geometrica: se pensiamo a un vettore come a uno spostamento, sommare due vettori significa compiere due spostamenti consecutivi. Il risultato è un nuovo vettore che va dal punto iniziale a quello finale.

• Moltiplicazione per scalare: se λ ∈ ℝ, allora λu = (λu₁, λu₂, λu₃).
  Questa operazione estende o riduce la lunghezza del vettore (se λ > 1 lo allunga, se 0 < λ < 1 lo accorcia, se λ < 0 inverte anche la direzione).

1.2 Il prodotto scalare

Il prodotto scalare (o dot product) è un’operazione che prende due vettori e restituisce un numero reale. Formalmente:

u · v = u₁v₁ + u₂v₂ + u₃v₃

La vera importanza del prodotto scalare si coglie se lo guardiamo da un punto di vista geometrico:

u · v = ||u|| ||v|| cosθ

dove θ è l’angolo compreso tra i due vettori.

Questo significa che il prodotto scalare non è solo un calcolo aritmetico, ma ci permette di capire quanto due vettori siano “allineati”. Se l’angolo è 0° (cioè i due vettori hanno la stessa direzione), il prodotto scalare è massimo. Se i vettori sono ortogonali, l’angolo è 90° e il prodotto scalare è zero. Questo concetto è fondamentale in geometria, in fisica e in informatica (ad esempio, negli algoritmi di ricerca o nel machine learning, dove la nozione di ortogonalità viene usata per misurare indipendenza tra dati).

Esempio svolto

Prendiamo i vettori u = (1,2,3), v = (4, −1, 2).

Il prodotto scalare si calcola così:

• u · v = 1·4 + 2·(−1) + 3·2 = 4 − 2 + 6 = 8

Inoltre, la norma (lunghezza) di u è:

||u|| = √(1² + 2² + 3²) = √14

Conoscendo u · v e le norme, potremmo anche determinare l’angolo θ tra i due vettori.

1.3 Il prodotto vettoriale

Il prodotto vettoriale è un’operazione definita solo in ℝ³ e ha la particolarità di restituire un nuovo vettore, non un numero. La sua definizione algebrica è:

u × v = (u₂v₃ − u₃v₂, u₃v₁ − u₁v₃, u₁v₂ − u₂v₁)

Geometricamente, il prodotto vettoriale rappresenta un vettore perpendicolare sia a u che a v, orientato secondo la regola della mano destra. Inoltre, il suo modulo è uguale all’area del parallelogramma costruito su u e v. Questo legame con l’area e con le superfici lo rende particolarmente utile in fisica, ad esempio per calcolare momenti torcenti o perpendicolarità di piani nello spazio.

Esempio svolto

Riprendiamo i nostri vettori u = (1,2,3) e v = (4, −1, 2).

Calcoliamo:

• Prima componente: 2·2 − 3·(−1) = 4 + 3 = 7

• Seconda componente: 3·4 − 1·2 = 12 − 2 = 10

• Terza componente: 1·(−1) − 2·4 = −1 − 8 = −9

Dunque:

u × v = (7, 10, −9)

Questo risultato indica che il vettore ottenuto è ortogonale sia a u che a v. Se calcolassimo il suo modulo ||u × v||, otterremmo l’area del parallelogramma costruito su u e v.

1.4 La proiezione di un vettore su un altro

Un concetto molto utile è quello di proiezione, che permette di “ridurre” un vettore nella direzione di un altro. La proiezione di u su v è definita come:

projᵥ(u) = ( (u · v) / (v · v) ) v

In altre parole, si tratta di una sorta di “ombra” di u gettata lungo la direzione di v. Questo concetto è utilissimo per analizzare componenti parallele e perpendicolari di un vettore rispetto a una direzione prefissata, come quando in fisica scomponiamo una forza in una componente verticale e una orizzontale.

Esempio

Con i nostri vettori:

• v · v = 4² + (−1)² + 2² = 21

• u · v = 8

Il coefficiente è dunque 8/21.

La proiezione risulta:

projᵥ(u) = (32/21, −8/21, 16/21)

Geometricamente, questo vettore rappresenta la parte di u che “punta” nella direzione di v.

2. Conclusioni

L’algebra vettoriale fornisce un linguaggio potente per affrontare problemi che coinvolgono direzioni, spostamenti e relazioni geometriche nello spazio. Le operazioni viste – somma, moltiplicazione per scalare, prodotto scalare, prodotto vettoriale e proiezione – non sono meri strumenti algebrici, ma chiavi interpretative della realtà. La loro padronanza consente non solo di risolvere problemi di geometria analitica, ma anche di comprendere fenomeni fisici complessi, costruire modelli economici o persino progettare algoritmi informatici.

3. Vettori: definizioni, notazione e operazioni fondamentali

Un vettore in $\mathbb{R}^n$ è una tupla ordinata $\mathbf{v}=(v_1,v_2,\dots,v_n)$ di numeri reali. Lo scopo del formalismo vettoriale è rappresentare quantità che possiedono contemporaneamente intensità e direzione: in fisica questo include forza, velocità, spostamento; in informatica e statistica può rappresentare caratteristiche (feature) di un punto dati; in economia possono essere variabili congiunte (consumo, investimento, ecc.).

3.1 Operazioni elementari

Le operazioni più semplici su vettori sono:

• Somma

  $$\mathbf{u}+\mathbf{v}=(u_1+v_1,\;u_2+v_2,\;\dots,\;u_n+v_n).$$

  Geometricamente: se interpretiamo i vettori come spostamenti, la somma corrisponde alla composizione degli spostamenti.

• Moltiplicazione per uno scalare $\alpha\in\mathbb{R}$

  $$\alpha\mathbf{v}=(\alpha v_1,\;\alpha v_2,\;\dots,\;\alpha v_n).$$

  Questo cambia la lunghezza (o verso se $\alpha<0$) del vettore.

• Norma euclidea (lunghezza)

  $$\|\mathbf{v}\|=\sqrt{v_1^2+\dots+v_n^2}.$$

  Se $\|\mathbf{v}\|=0$ allora $\mathbf{v}=\mathbf{0}$ (vettore nullo).

• Prodotto scalare

  $$\mathbf{u}\cdot\mathbf{v}=u_1v_1+\dots+u_nv_n.$$

  Geometricamente $\mathbf{u}\cdot\mathbf{v}=\|\mathbf{u}\|\|\mathbf{v}\|\cos\theta$, dove $\theta$ è l’angolo tra $\mathbf{u}$ e $\mathbf{v}$. Se $\mathbf{u}\cdot\mathbf{v}=0$ e nessuno dei due è nullo, i vettori sono ortogonali.

4. Esempi elementari (con calcoli svolti)

Esempio 1 (vettori semplici)

Siano $\mathbf{u}=(1,2,3)$ e $\mathbf{v}=(4,0,-1)$.

• Somma:

  $$\mathbf{u}+\mathbf{v}=(1+4,\;2+0,\;3+(-1))=(5,2,2).$$

• Norme:

  $$\|\mathbf{u}\|=\sqrt{1^2+2^2+3^2}=\sqrt{14}, \qquad \|\mathbf{v}\|=\sqrt{4^2+0^2+(-1)^2}=\sqrt{17}.$$

• Prodotto scalare:

  $$\mathbf{u}\cdot\mathbf{v}=1\cdot4 + 2\cdot0 + 3\cdot(-1)=4 + 0 -3 = 1.$$

  Notiamo che il prodotto scalare è piccolo rispetto ai moduli: questo indica un angolo tra $\mathbf{u}$ e $\mathbf{v}$ acuto ma non molto piccolo; si può calcolare $\cos\theta = \dfrac{1}{\sqrt{14}\sqrt{17}}$.

5. Spazi vettoriali, combinazioni lineari, span

Uno spazio vettoriale $V$ su un campo (qui $\mathbb{R}$) è un insieme chiuso rispetto ad addizione e moltiplicazione per scalari e che soddisfa gli assiomi usuali (elemento neutro, inversi, distributività, ecc.). $\mathbb{R}^n$ è l’esempio canonico.

• Una combinazione lineare di vettori $\mathbf{v}_1,\dots,\mathbf{v}_k$ è ogni vettore della forma

  $$\alpha_1\mathbf{v}_1+\dots+\alpha_k\mathbf{v}_k,\qquad \alpha_i\in\mathbb{R}.$$

• Lo span (sottospazio generato) è l’insieme di tutte le combinazioni lineari; indica il più piccolo sottospazio contenente $\{\mathbf{v}_1,\dots,\mathbf{v}_k\}$.

6. Indipendenza lineare, basi e dimensione

• Un insieme $\{\mathbf{v}_1,\dots,\mathbf{v}_k\}$ è linearmente indipendente se l’unica soluzione dell’equazione

  $$\alpha_1\mathbf{v}_1+\dots+\alpha_k\mathbf{v}_k=\mathbf{0}$$

  è $\alpha_1=\dots=\alpha_k=0$. In caso contrario si dice dipendente.

• Una base di uno spazio vettoriale $V$ è un insieme di vettori linearmente indipendenti che generano $V$. La dimensione $\dim V$ è il numero di vettori in una base.

Esempio 2 (base e coordinate)
La base canonica di $\mathbb{R}^3$ è $\mathcal{B}=\{\mathbf{e}_1,\mathbf{e}_2,\mathbf{e}_3\}$ con
$\mathbf{e}_1=(1,0,0)$, $\mathbf{e}_2=(0,1,0)$, $\mathbf{e}_3=(0,0,1)$.
Un vettore $\mathbf{v}=(2,3,1)$ si scrive come

$$\mathbf{v}=2\mathbf{e}_1+3\mathbf{e}_2+1\mathbf{e}_3,$$

quindi le sue coordinate rispetto a $\mathcal{B}$ sono $(2,3,1)$.

7. Esercizi svolti e commentati

Di seguito una serie di esercizi progressivi, con soluzioni dettagliate per rafforzare la comprensione.

Esercizio 1 — Verificare indipendenza

Siano $\mathbf{a}=(1,0,1)$, $\mathbf{b}=(0,1,1)$, $\mathbf{c}=(1,1,2)$. Determinare se $\{\mathbf{a},\mathbf{b},\mathbf{c}\}$ è linearmente indipendente.

Soluzione
Consideriamo $\alpha\mathbf{a}+\beta\mathbf{b}+\gamma\mathbf{c}=\mathbf{0}$. In componenti:

$$\alpha(1,0,1)+\beta(0,1,1)+\gamma(1,1,2)=(\alpha+\gamma,\;\beta+\gamma,\;\alpha+\beta+2\gamma)=(0,0,0).$$

Questo produce il sistema

$$\begin{cases} \alpha+\gamma=0\\ \beta+\gamma=0\\ \alpha+\beta+2\gamma=0 \end{cases}$$

Dalle prime due equazioni $\alpha=-\gamma$, $\beta=-\gamma$. Sostituendo nella terza:

$$(-\gamma)+(-\gamma)+2\gamma=0 \quad\Rightarrow\quad 0=0,$$

cioè la terza è ridondante. Possiamo scegliere $\gamma$ arbitrario? No: sostituendo $\alpha=-\gamma,\beta=-\gamma$ otteniamo una famiglia di soluzioni proporzionale a $(\alpha,\beta,\gamma)=(-1,-1,1)$ quando $\gamma=1$. Pertanto esistono soluzioni non banali; i vettori sono linearmente dipendenti. Infatti si nota $\mathbf{c}=\mathbf{a}+\mathbf{b}$.

Osservazione: se un vettore è combinazione lineare degli altri, il set è dipendente.

Esercizio 2 — Calcolo di proiezione

Siano $\mathbf{u}=(1,2,3)$ e $\mathbf{v}=(4,0,-1)$. Calcolare la proiezione di $\mathbf{u}$ su $\mathbf{v}$: $\mathrm{proj}_{\mathbf{v}}\mathbf{u}$.

Soluzione
Calcoliamo prima $\mathbf{u}\cdot\mathbf{v}$ e $\mathbf{v}\cdot\mathbf{v}$:

$$\mathbf{u}\cdot\mathbf{v}=1\cdot4+2\cdot0+3\cdot(-1)=4-3=1,$$ $$\mathbf{v}\cdot\mathbf{v}=4^2+0^2+(-1)^2=16+0+1=17.$$

Quindi

$$\mathrm{proj}_{\mathbf{v}}\mathbf{u}=\frac{\mathbf{u}\cdot\mathbf{v}}{\mathbf{v}\cdot\mathbf{v}}\mathbf{v}=\frac{1}{17}(4,0,-1) = \left(\frac{4}{17},0,-\frac{1}{17}\right).$$

Questo vettore è la componente di $\mathbf{u}$ parallela a $\mathbf{v}$.

Esercizio 3 — Prodotto vettoriale e area

Siano $\mathbf{u}=(1,2,3)$ e $\mathbf{w}=(0,1,1)$. Calcolare $\mathbf{u}\times\mathbf{w}$ e l’area del parallelogramma generato.

Soluzione
Calcolo del prodotto vettoriale:

$$\mathbf{u}\times\mathbf{w}= \begin{vmatrix} \mathbf{i} & \mathbf{j} & \mathbf{k}\\ 1 & 2 & 3\\ 0 & 1 & 1 \end{vmatrix} =(2\cdot1-3\cdot1,\;3\cdot0-1\cdot1,\;1\cdot1-2\cdot0)=(2-3,\;0-1,\;1-0)=(-1,-1,1).$$

Modulo:

$$\|\mathbf{u}\times\mathbf{w}\|=\sqrt{(-1)^2+(-1)^2+1^2}=\sqrt{1+1+1}=\sqrt{3}.$$

Quindi l’area del parallelogramma è $\sqrt{3}$. L’area del triangolo definito da $\mathbf{u}$ e $\mathbf{w}$ è metà: $\tfrac{1}{2}\sqrt{3}$.

Esercizio 4 — Base e coordinate non canoniche

Sia $V=\mathbb{R}^3$. Considera la base $\mathcal{B}=\{\mathbf{b}_1,\mathbf{b}_2,\mathbf{b}_3\}$ con
$\mathbf{b}_1=(1,1,0)$, $\mathbf{b}_2=(0,1,1)$, $\mathbf{b}_3=(1,0,1)$.
Trova le coordinate del vettore $\mathbf{v}=(2,3,1)$ rispetto a $\mathcal{B}$.

Soluzione
Cerchiamo scalari $a,b,c$ tali che

$$a(1,1,0)+b(0,1,1)+c(1,0,1)=(2,3,1).$$

Svolgendo:

$$(a+c,\;a+b,\;b+c)=(2,3,1).$$

Si ottiene il sistema lineare:

$$\begin{cases} a+c=2\\ a+b=3\\ b+c=1 \end{cases}$$

Risolviamo: dalla prima $c=2-a$. Dalla seconda $b=3-a$. Sostituendo nella terza:

$$(3-a)+(2-a)=1 \quad\Rightarrow\quad 5-2a=1 \quad\Rightarrow\quad a=2.$$

Quindi $c=2-2=0$ e $b=3-2=1$. Le coordinate di $\mathbf{v}$ in $\mathcal{B}$ sono $(a,b,c)=(2,1,0)$.

Controllo:
$2\mathbf{b}_1 + 1\mathbf{b}_2 + 0\mathbf{b}_3 = 2(1,1,0)+(0,1,1) = (2,2,0)+(0,1,1)=(2,3,1)$ ✓.

Esercizio 5 — Gram–Schmidt (ortogonalizzazione)

Data la base $\{\mathbf{v}_1,\mathbf{v}_2\}$ di un sottospazio di $\mathbb{R}^3$ con $\mathbf{v}_1=(1,1,0)$, $\mathbf{v}_2=(1,0,1)$, costruire una base ortogonale con il metodo di Gram–Schmidt.

Soluzione (passaggi principali)

1. Prendiamo $\mathbf{u}_1=\mathbf{v}_1=(1,1,0)$.

2. Calcoliamo la proiezione di $\mathbf{v}_2$ su $\mathbf{u}_1$:

   $$\mathrm{proj}_{\mathbf{u}_1}\mathbf{v}_2=\frac{\mathbf{v}_2\cdot\mathbf{u}_1}{\mathbf{u}_1\cdot\mathbf{u}_1}\mathbf{u}_1.$$

   Qui $\mathbf{v}_2\cdot\mathbf{u}_1=1\cdot1+0\cdot1+1\cdot0=1$. E $\mathbf{u}_1\cdot\mathbf{u}_1=1^2+1^2+0^2=2$.
   Quindi $\mathrm{proj}_{\mathbf{u}_1}\mathbf{v}_2=\frac{1}{2}(1,1,0)=(\tfrac12,\tfrac12,0)$.

3. Definiamo $\mathbf{u}_2=\mathbf{v}_2-\mathrm{proj}_{\mathbf{u}_1}\mathbf{v}_2 = (1,0,1)-(\tfrac12,\tfrac12,0)=(\tfrac12,-\tfrac12,1)$.

Le due $\mathbf{u}_1, \mathbf{u}_2$ sono ortogonali: verifica $\mathbf{u}_1\cdot\mathbf{u}_2=1\cdot\tfrac12 +1\cdot(-\tfrac12)+0\cdot1 = \tfrac12 - \tfrac12 +0 = 0$.
Per ottenere una base ortonormale, normalizziamo:

$$\mathbf{e}_1=\frac{\mathbf{u}_1}{\|\mathbf{u}_1\|}=\frac{(1,1,0)}{\sqrt{2}},\qquad \mathbf{e}_2=\frac{\mathbf{u}_2}{\|\mathbf{u}_2\|}.$$

Calcolo $\|\mathbf{u}_2\|=\sqrt{(\tfrac12)^2+(-\tfrac12)^2+1^2}=\sqrt{\tfrac14+\tfrac14+1}=\sqrt{1.5}=\sqrt{\tfrac32}$. Quindi
$\mathbf{e}_2=\dfrac{1}{\sqrt{3/2}}\left(\tfrac12,-\tfrac12,1\right)=\sqrt{\tfrac{2}{3}}\left(\tfrac12,-\tfrac12,1\right)$.

Esercizio 6 - Vettori in 3D

Un vettore nello spazio tridimensionale si indica come:
v = (x, y, z)
dove x, y, z sono le componenti lungo gli assi cartesiani.

Prodotto scalare

Il prodotto scalare tra due vettori a = (x₁, y₁, z₁) e b = (x₂, y₂, z₂) è definito come:
a · b = x₁·x₂ + y₁·y₂ + z₁·z₂

Esempio:
a = (1, 2, 3), b = (4, -1, 2)
a · b = (1·4) + (2·-1) + (3·2) = 4 - 2 + 6 = 8

Prodotto vettoriale

Il prodotto vettoriale tra a e b è un nuovo vettore perpendicolare a entrambi:
a × b = ( y₁·z₂ - z₁·y₂ , z₁·x₂ - x₁·z₂ , x₁·y₂ - y₁·x₂ )

Esempio:
a = (1, 2, 3), b = (4, -1, 2)
a × b = ( 2·2 - 3·-1 , 3·4 - 1·2 , 1·-1 - 2·4 )
= ( 4 + 3 , 12 - 2 , -1 - 8 )
= (7, 10, -9)

Prodotto misto

Il prodotto misto tra tre vettori a, b, c è definito come:
[a, b, c] = a · (b × c)
Esso rappresenta il volume del parallelepipedo costruito sui tre vettori.

Esempio:
a = (1, 0, 0), b = (0, 1, 0), c = (0, 0, 1)
b × c = (1·1 - 0·0 , 0·0 - 0·1 , 0·0 - 1·0) = (1, 0, 0)
a · (b × c) = (1·1 + 0·0 + 0·0) = 1

Il volume del parallelepipedo è quindi 1.

8. Osservazioni avanzate e applicazioni pratiche

• Ortogonalità e decomposizione: la decomposizione di un vettore in componenti ortogonali è centrale in problemi di ottimizzazione (minimizzazione dell’errore), analisi dei dati (PCA), e nella risoluzione di sistemi lineari con metodi numerici stabili.

• Rango e dimensione: in generale, la dimensione di uno spazio generato da vettori $\{\mathbf{v}_1,\dots,\mathbf{v}_k\}$ è il rango della matrice che ha questi vettori come colonne. Questo concetto è rilevante per capire se un sistema lineare ha soluzioni, e quante (unicità vs infiniti parametri liberi).

• Applicazioni fisiche: il prodotto scalare misura il lavoro di una forza $\mathbf{F}$ lungo uno spostamento $\mathbf{s}$: $W=\mathbf{F}\cdot\mathbf{s}$. Il prodotto vettoriale è alla base del calcolo del momento torcente $\boldsymbol{\tau}=\mathbf{r}\times\mathbf{F}$.

9. Proposte di esercizi

1. Siano $\mathbf{a}=(1,2,0)$, $\mathbf{b}=(2,-1,1)$, $\mathbf{c}=(3,1,1)$. Determina se $\{\mathbf{a},\mathbf{b},\mathbf{c}\}$ è una base di $\mathbb{R}^3$. Motivare e calcolare eventualmente il determinante della matrice formata dalle colonne $\mathbf{a},\mathbf{b},\mathbf{c}$.

2. Calcola l’angolo fra i vettori $\mathbf{p}=(1,1,1)$ e $\mathbf{q}=(1,2,3)$.

3. Data la base $\mathcal{B}=\{(1,0,1),(0,1,1),(1,1,0)\}$, esprimere il vettore $(3,2,1)$ in coordinate rispetto a $\mathcal{B}$.

4. Esegui il procedimento di Gram–Schmidt su $\{(1,1,1),(1,2,0),(0,1,1)\}$ e verifica l’ortogonalità dei vettori risultanti.

5. Dimostra che in $\mathbb{R}^n$ la proiezione di $\mathbf{u}$ su $\mathbf{v}$ minimizza la norma $\|\mathbf{u}-\lambda\mathbf{v}\|$ rispetto a $\lambda\in\mathbb{R}$, e trova il valore di $\lambda$ che realizza il minimo.

10. Riepilogo e punti chiave da ricordare

• Un vettore è una entità con componente e direzione; le operazioni elementari consentono di combinarli e scalarli.

• Il prodotto scalare lega algebra e geometria: permette di misurare angoli e proiezioni.

• Il prodotto vettoriale esiste solo in $\mathbb{R}^3$ e restituisce un vettore perpendicolare ai due fattori; il suo modulo dà l’area del parallelogramma generato.

• Concetti di span, indipendenza lineare, base e dimensione sono fondamentali per comprendere la struttura degli spazi vettoriali.

• Il metodo di Gram–Schmidt converte una base in una base ortonormale utile nelle applicazioni numeriche e analitiche.

L'Architettura dell'Invisibile:

Il Potere dell'Algebra Vettoriale

Nel linguaggio della scienza, esistono concetti che fungono da "grammatica" universale: l'algebra vettoriale è uno di questi. Se i numeri reali (gli scalari) sono sufficienti a descrivere "quanto" pesi un oggetto o "quale" sia la temperatura in una stanza, essi falliscono non appena entra in gioco il movimento o la forza. Per navigare la realtà, abbiamo bisogno di qualcosa di più complesso: i vettori.

1. Oltre il Numero: Intensità e Direzione

Un vettore non è semplicemente un valore, ma un'istruzione geometrica. In uno spazio a n dimensioni, lo definiamo come una sequenza ordinata di numeri reali, dove ogni componente rappresenta una coordinata specifica.

Immaginiamo lo spazio tridimensionale. Un vettore u = (2, 3, -1) non è solo un punto, ma una freccia che parte dall'origine e si proietta nel vuoto, sintetizzando tre informazioni spaziali. Questa capacità di manipolare entità multicomprensive rende i vettori indispensabili in informatica, economia e fisica.

2. Le Operazioni Fondamentali: L'Algebra dello Spazio

Operare con i vettori significa trasformare lo spazio attraverso modifiche strutturali:

• Somma (u + v): Geometricamente, è la composizione di due spostamenti. Il risultato segue la "regola del parallelogramma".

• Moltiplicazione per scalare (λu): È un'operazione di scaling. Se il moltiplicatore è maggiore di 1, il vettore si allunga; se è negativo, inverte il verso.

Il Prodotto Scalare: La Misura dell'Allineamento

Il prodotto scalare (o dot product) trasforma due vettori in un numero reale. La sua formula geometrica è:

u · v = ||u|| ||v|| cos(θ)

Questo valore indica quanto due vettori siano "simili". Se il risultato è zero, i vettori sono ortogonali (perpendicolari). Nei motori di ricerca, due documenti sono considerati "vicini" se il loro prodotto scalare è elevato.

3. Il Prodotto Vettoriale e la Terza Dimensione

Esclusivo dello spazio 3D, il prodotto vettoriale (u × v) genera un nuovo vettore perpendicolare al piano formato dai primi due.

La Regola della Mano Destra: Se le dita seguono u e v, il pollice indica la direzione del prodotto vettoriale.

È vitale per calcolare aree o descrivere fenomeni rotazionali, come il momento torcente in meccanica.

4. Analisi e Proiezione: Decomporre la Complessità

La proiezione di un vettore u su v permette di estrarre la "componente" di una forza che agisce in una direzione specifica.

Matematicamente: proj_v(u) = [ (u · v) / (v · v) ] · v

È l'equivalente dell'ombra proiettata da un oggetto sotto una luce zenitale. Questa operazione è alla base dell'ortogonalizzazione di Gram-Schmidt, tecnica usata per semplificare calcoli fisici e informatici complessi.

I Vettori nel Machine Learning

Nel Machine Learning, i dati vengono "digeriti" come feature vectors (es. i dati di una casa: metri quadri, stanze, anno).

1. Il Prodotto Scalare come "Neurone"

Un neurone moltiplica gli ingressi (x) per dei pesi (w):

y = w · x + b

2. La Norma e la Regolarizzazione

Per evitare modelli troppo complessi (overfitting), si usa la Norma Euclidea ||w|| per penalizzare i pesi eccessivi (L2 Regularization).

3. Similarità del Coseno

Algoritmi come quelli di Netflix usano il coseno dell'angolo tra vettori per capire se due utenti hanno gusti simili. Se cos(θ) è vicino a 1, i gusti sono identici.

Creare una Rete Neurale "da zero"

Una rete neurale è una catena di trasformazioni geometriche.

1. Forward Propagation: I dati passano attraverso prodotti scalari: z = W · x + b.

2. Funzione di Costo: Calcoliamo l'errore usando la norma della differenza tra previsione e realtà: ||y_pred - y_reale||.

3. Backpropagation: Usiamo il gradiente (un vettore) per capire in quale direzione muoverci per ridurre l'errore.

La Regola della Catena sui Vettori

Per aggiustare i pesi, la rete usa la derivata vettoriale. Se l'errore è E, l'output è a e l'input lineare è z, la catena è:

(∂E / ∂w) = (∂E / ∂a) · (∂a / ∂z) · (∂z / ∂w)

Il segnale di errore scorre all'indietro: il prodotto scalare del "passaggio avanti" diventa una moltiplicazione per la matrice trasposta nel "passaggio indietro".

La formula di aggiornamento:

w_nuovo = w_vecchio - η · ∇E(w)

(dove η è il tasso di apprendimento e ∇E è il gradiente dell'errore)

Conclusione

Senza l'algebra vettoriale, dovremmo regolare ogni singolo peso di una IA (miliardi di parametri) uno alla volta. Grazie a queste formule, possiamo orientare l'intera struttura verso la soluzione corretta in un colpo solo. Dominare i vettori significa possedere le chiavi della realtà moderna.