L’algebra lineare sembra intimidatoria, ma le sue idee fondamentali sono straordinariamente concrete. Vettori, matrici e le operazioni tra loro descrivono qualsiasi cosa, dalle simulazioni fisiche ai modelli di apprendimento automatico. Questa guida rende accessibili le nozioni di base: non è richiesta alcuna notazione avanzata.

Cos'è un vettore?

Un vettore è semplicemente una quantità con grandezza (dimensione) e direzione. In 2D, un vettore come v = [3, 4] significa "muovi 3 unità a destra e 4 unità in alto". In 3D, aggiungi un terzo componente: v = [3, 4, 2].

Dal punto di vista geometrico, un vettore è una freccia che va dall'origine a un punto. Algebricamente, è un elenco ordinato di numeri (componenti). Entrambe le visualizzazioni sono ugualmente valide e passerai dall'una all'altra costantemente.

La grandezza (lunghezza) di un vettore utilizza il teorema di Pitagora generalizzato a n dimensioni:

|v| = √(v₁² + v₂² + v₃²)

Per v = [3, 4]: |v| = √(9 + 16) = √25 = 5

Un vettore ha magnitudo esattamente 1. Per convertire qualsiasi vettore in un vettore unitario, dividi ciascun componente per la magnitudo: v̂ = v / |v|.

Addizione vettoriale e moltiplicazione scalare

Due vettori si sommano in termini di componenti:

[1, 2, 3] + [4, 5, 6] = [5, 7, 9]

Dal punto di vista geometrico questa è la regola "testa-coda": posiziona la coda del secondo vettore alla testa del primo vettore.

Moltiplicando per uno scalare (numero ordinario) ridimensiona ciascun componente:

3 × [1, 2, 3] = [3, 6, 9]

Gli scalari positivi allungano il vettore; uno scalare di −1 inverte la sua direzione; gli scalari compresi tra 0 e 1 lo riducono.

Il prodotto scalare

Il prodotto scalare di due vettori produce uno scalare (numero singolo):

A·B = a₁b₁ + a₂b₂ + a₃b₃

Per A = [1, 2, 3] e B = [4, 5, 6]:

A·B = (1×4) + (2×5) + (3×6) = 4 + 10 + 18 = 32

Il significato geometrico è più rivelatore:

A·B = |A| × |B| × cos(θ)

Dove θ è l'angolo tra i vettori. Questo ci dà una visione critica:

  • A·B > 0: Angolo < 90°: i vettori puntano all'incirca nella stessa direzione
  • A·B = 0: Angolo = 90° — i vettori sono perpendicolari (ortogonali)
  • A·B < 0: Angolo > 90°: i vettori puntano in direzioni approssimativamente opposte

Il prodotto scalare è ovunque nella matematica applicata. L'apprendimento automatico utilizza la somiglianza del coseno (prodotto scalare diviso per il prodotto delle grandezze) per confrontare documenti e preferenze dell'utente. La fisica lo usa per calcolare il lavoro: W = F·d (spostamento del punto della forza).

Il prodotto incrociato

Il prodotto incrociato funziona solo in 3D e produce un vettore (non scalare) perpendicolare a entrambi gli input:

A × B = [a₂b₃ - a₃b₂, a₃b₁ - a₁b₃, a₁b₂ - a₂b₁]

La direzione segue la regola della mano destra: punta le dita nella direzione di A, piegale verso B e il pollice punta nella direzione di A × B.

La grandezza di A × B è uguale all'area del parallelogramma attraversata dai due vettori:

|A × B| = |A| × |B| × sin(θ)

A differenza del prodotto scalare, il prodotto incrociato è anticommutativo: A × B = −(B × A).

Applicazioni: La coppia in fisica è τ = r × F. Le normali di superficie nella grafica computerizzata (la direzione verso cui è rivolta una superficie) vengono calcolate come prodotti incrociati dei vettori dei bordi.

Cos'è una matrice?

Una matrice è una matrice rettangolare di numeri, organizzata in righe e colonne. Una matrice 3×2 ha 3 righe e 2 colonne.

Le matrici rappresentano le trasformazioni lineari: funzioni che allungano, ruotano, riflettono o tagliano i vettori. Moltiplicando un vettore per una matrice lo trasforma.

Per una matrice 2×2 A e vettore v:

A = [[3, 0],    v = [1]    Av = [3×1 + 0×2] = [3]
     [0, 2]]        [2]         [0×1 + 2×2]   [4]

Questa trasformazione ridimensiona la componente x di 3 e la componente y di 2.

Moltiplicazione di matrici

Due matrici A e B si moltiplicano per dare la matrice C = AB, dove ciascun elemento c_ij è il prodotto scalare della riga i di A con la colonna j di B.

[1, 2] × [5, 6] = [(1×5 + 2×7), (1×6 + 2×8)] = [19, 22]
[3, 4]   [7, 8]   [(3×5 + 4×7), (3×6 + 4×8)]   [43, 50]

Regole critiche:

  • AB è definito solo quando il numero di colonne in A è uguale al numero di righe in B
  • La moltiplicazione di matrici è generalmente non commutativa: AB ≠ BA

Il Determinante

Il determinante di una matrice quadrata è uno scalare che indica quanto la matrice ridimensiona l'area (in 2D) o il volume (in 3D).

Per una matrice 2×2:

det [[a, b]] = ad - bc
    [[c, d]]
Valore determinante Senso
det > 0 La trasformazione preserva l'orientamento
det < 0 La trasformazione riflette (inverte l'orientamento)
det
det
det = 0 La trasformazione è singolare: schiaccia nella dimensione inferiore

Quando det = 0, la matrice è singolare: non ha inversa e il sistema di equazioni che rappresenta non ha soluzioni o è infinito.

La matrice inversa

L'inverso A⁻¹ soddisfa AA⁻¹ = I (la matrice identità). Esiste solo quando det(A) ≠ 0.

Per una matrice 2×2:

A = [[a, b]]    A⁻¹ = (1/det) × [[ d, -b]]
    [[c, d]]                     [[-c,  a]]

Gli inversi di matrice vengono utilizzati per risolvere sistemi di equazioni lineari: se Ax = b, allora x = A⁻¹b.

In pratica, i sistemi di grandi dimensioni vengono risolti mediante l’eliminazione gaussiana anziché calcolando direttamente A⁻¹: numericamente più efficienti e stabili.

Autovalori e autovettori

Un autovettore di una matrice A è un vettore speciale v che, quando trasformato da A, viene solo scalato (non ruotato):

Av = λv

Lo scalare λ è il autovalore corrispondente: indica di quanto l'autovettore viene allungato o ridotto.

Per trovare gli autovalori, risolvi l'equazione caratteristica:

det(A - λI) = 0

Per una matrice 2×2 si ottiene un'equazione quadratica con (di solito) due soluzioni.

Perché gli autovalori sono importanti?

  • Analisi delle componenti principali (PCA): Gli autovettori della matrice di covarianza dei dati definiscono le direzioni della varianza massima: le "componenti principali" che riducono la dimensionalità preservando le informazioni
  • Google PageRank: L'autovettore dominante della matrice dei collegamenti web fornisce la distribuzione stazionaria di un navigatore web casuale
  • Meccanica quantistica: le quantità osservabili (livelli energetici, stati di spin) sono autovalori di operatori

Coordinate polari

Sebbene non facciano strettamente parte dell'algebra lineare, i sistemi di coordinate sono legati alle trasformazioni. Le coordinate polari rappresentano qualsiasi punto 2D in base alla sua distanza r dall'origine e all'angolo θ dall'asse x positivo.

Conversione tra sistemi:

Cartesian → Polar:   r = √(x² + y²),  θ = atan2(y, x)
Polar → Cartesian:   x = r cos(θ),    y = r sin(θ)

Le coordinate polari semplificano molti problemi che coinvolgono cerchi e rotazione: le equazioni che sono complesse in forma cartesiana diventano eleganti in forma polare.

Mettere tutto insieme

Il potere dell'algebra lineare deriva dal fatto che ti consente di lavorare con molte variabili contemporaneamente come un singolo oggetto matematico. Un modello di machine learning con milioni di parametri è solo una sequenza di moltiplicazioni di matrici e funzioni non lineari. Un motore di gioco 3D sta trasformando milioni di vertici al secondo con matrici di rotazione, ridimensionamento e proiezione.

I fondamenti – vettori, prodotti scalari, matrici, determinanti – sono il fondamento di tutto questo.

Utilizza il nostro Calcolatore prodotto scalare, [Calcolatore prodotto incrociato](/it/math/algebra/vettore-prodotto incrociato), Calcolatore determinante matrice, Calcolatore inverso matrice e Autovalore Calcolatrice per esplorare questi concetti in modo interattivo.