Pensa all'algebra lineare (2023)

# Think Linear Algebra# *Think Linear Algebra* è un'introduzione basata sul codice e su casi pratici ai concetti più diffusi dell'algebra lineare, pensata per i lettori che desiderano comprendere e applicare queste idee, non solo apprenderle in modo astratto. Ogni capitolo è incentrato su un problema del mondo reale, come la modellizzazione del traffico sul web, la simulazione dello stormo di uccelli o l'analisi dei circuiti elettrici. Utilizzando Python e potenti librerie come NumPy, SciPy, SymPy e NetworkX, i lettori costruiscono soluzioni funzionanti che rivelano come l'algebra lineare fornisca strumenti eleganti e di uso generale per pensare e agire. Premi il pulsante di riproduzione per provare questo esempio tratto dal capitolo sulle trasformazioni affini. Questo libro è rivolto a lettori che potrebbero aver avuto difficoltà con l'insegnamento tradizionale della matematica o che desiderano un modo più intuitivo e pratico di apprendere. Lavorando nei notebook Jupyter, i lettori ottengono un feedback immediato mentre scrivono codice, eseguono simulazioni, visualizzano i risultati ed esplorano scenari ipotetici. Anziché partire dal formalismo matematico, *Think Linear Algebra* inizia con applicazioni significative e sviluppa la teoria quando necessario. Il risultato è un'introduzione all'algebra lineare straordinariamente pratica e stimolante, intesa come linguaggio per risolvere problemi reali. L'algebra lineare è fondamentale per l'apprendimento automatico, il calcolo scientifico e la grafica computerizzata — campi caratterizzati da un'enorme domanda e crescita. Dai motori di ricerca e dal tracciamento GPS all'elaborazione dei segnali e all'ingegneria strutturale, l'algebra lineare è il linguaggio alla base di molte delle tecnologie che plasmano il nostro mondo. Questo libro ti mostra come usarla efficacemente nel tuo lavoro. Questo libro è disponibile sotto licenza Creative Commons, il che significa che sei libero di copiarlo, distribuirlo e modificarlo, purché ne attribuisca la fonte e non lo utilizzi per scopi commerciali. ## Cosa imparerai# Alla fine di questo libro, sarai in grado di: Formulare problemi del mondo reale utilizzando vettori e matrici e risolverli utilizzando algoritmi standard di algebra lineare Utilizzare Python in modo efficace per simulare sistemi, calcolare proiezioni, risolvere equazioni ed eseguire decomposizioni di matrici Visualizzare concetti matematici, tra cui spazi vettoriali, trasformazioni e comportamento dei sistemi, utilizzando esempi interattivi basati su codice Applicare gli strumenti dell'algebra lineare in ingegneria, scienza dei dati, grafica, robotica e altri ambiti computazionali Pensare in modo computazionale ai problemi matematici e tradurre tra notazione matematica e codice funzionante ## I notebook# Ecco i capitoli attualmente disponibili. Altri in arrivo! **Capitolo 1: Il potere dell'algebra lineare** Clicca qui per eseguire il Capitolo 1 su Colab: Introduce la moltiplicazione delle matrici e gli autovettori attraverso un modello basato su rete del traffico in un museo e implementa l'algoritmo PageRank per quantificare la qualità delle pagine web. **Capitolo 2: Una giornata in pista** Clicca qui per eseguire il Capitolo 2 su Colab: Introduce l'addizione e la sottrazione dei vettori utilizzando dati di tracciamento GPS. Stima la velocità e l'accelerazione tramite differenziazione numerica ed esplora le sfide legate alla ricostruzione della posizione a partire da dati di accelerazione rumorosi. **Capitolo 4: Proiezione** Clicca qui per eseguire il Capitolo 4 su Colab: Presenta la proiezione vettoriale, la proiezione vettoriale, l'ortogonalità e il prodotto scalare, utilizzando come esempio la collisione elastica delle palle da biliardo. **Capitolo 5: Avanti con coraggio** Clicca qui per eseguire il Capitolo 5 su Colab: Utilizza le matrici per scalare, ruotare, inclinare e traslare i vettori. Applica questi metodi alla grafica computerizzata 2D, inclusa una reimplementazione del classico videogioco Asteroids. **Capitolo 7: Sistemi di equazioni** Clicca qui per eseguire il Capitolo 7 su Colab: applica la decomposizione LU e le equazioni matriciali per analizzare i circuiti elettrici. Mostra come l'algebra lineare risolva problemi ingegneristici reali. **Capitolo 8: Spazio nullo** Clicca qui per eseguire il Capitolo 8 su Colab: indaga la stechiometria chimica come sistema con più soluzioni valide. Introduce i concetti di rango e spazio nullo per descrivere lo spazio delle soluzioni. **Capitolo 9: Tralicci nel sistema** Clicca qui per eseguire il Capitolo 9 su Colab: modella sistemi strutturali in cui le incognite sono forze vettoriali. Utilizza matrici a blocchi e analisi del rango per calcolare le sollecitazioni interne nei tralicci. **Capitolo 10: Regressione** Clicca qui per eseguire il Capitolo 9 su Colab: esegue una regressione dei minimi quadrati utilizzando la decomposizione QR e le equazioni di ortogonalità. Utilizza la regressione multipla e i dati del General Social Survey (GSS) per analizzare la relazione tra l'ideologia politica e il tempo, l'età e l'anno di nascita.