Teorema di Pitagora: esplorare la relazione fondamentale della geometria

Il teorema di Pitagora è molto più di un pilastro della geometria del liceo; è una pietra angolare dell’algebra lineare, alla base della comprensione di norme vettoriali, ortogonalità e proiezioni in spazi a dimensioni superiori. Questi concetti non sono solo fondamentali nella teoria, ma hanno anche applicazioni pratiche nella data science, dove sostengono algoritmi di machine learning e tecniche di riduzione della dimensionalità.

In questo articolo partirò dall’inizio, ripasserò le basi del teorema di Pitagora e, passo dopo passo, arriverò ad applicazioni più avanzate e meno note del teorema in dimensioni superiori, incluso il suo ruolo nell’analisi di dataset complessi, nell’ottimizzazione dei modelli di machine learning e nella visualizzazione di relazioni geometriche nei flussi di lavoro di data science. Se vuoi esplorare ulteriormente questi collegamenti e vedere come si applicano in pratica, il nostro corso Linear Algebra for Data Science in R offre un approccio pratico per collegare teoria e problemi di dati reali.

Introduzione al teorema di Pitagora

Immagina l’antico Egitto, dove architetti e costruttori affrontavano una sfida affascinante: creare angoli retti perfetti per le loro magnifiche strutture. La loro soluzione ingegnosa? Una semplice corda segnata con 12 parti uguali. Formando un triangolo con lati di 3, 4 e 5 unità, scoprirono di poter ottenere angoli retti perfetti ogni volta.

Il teorema di Pitagora è una delle relazioni più eleganti e pratiche della matematica. Sebbene tradizionalmente attribuito al matematico greco Pitagora (570-495 a.C.), le prove suggeriscono che questo principio fondamentale fosse noto a diverse antiche civiltà, tra cui Babilonesi e Cinesi, oltre un millennio prima che Pitagora lo dimostrasse in modo sistematico.

La formula del teorema di Pitagora

Il teorema di Pitagora esprime una relazione chiara: in ogni triangolo rettangolo, il quadrato della lunghezza dell’ipotenusa (c) è uguale alla somma dei quadrati degli altri due lati (a e b). Questa relazione è espressa dalla celebre equazione:

Dove:

• a e b sono le lunghezze dei due cateti (i lati adiacenti all’angolo retto)
• c è la lunghezza dell’ipotenusa (il lato più lungo, opposto all’angolo retto)

Dimostrazioni del teorema di Pitagora

Comprendere diverse dimostrazioni del teorema di Pitagora aiuta a rivelare perché questa relazione valga in tutta la matematica. Esploriamo alcuni approcci distinti per dimostrare il teorema.

Dimostrazioni geometriche del teorema di Pitagora

Nel corso della storia, i matematici hanno sviluppato numerose dimostrazioni geometriche del teorema di Pitagora, ognuna con intuizioni uniche su questa relazione fondamentale. Esploriamo uno degli approcci più suggestivi dal punto di vista visivo, riconoscendo al contempo la ricca varietà di dimostrazioni geometriche disponibili.

La dimostrazione con la costruzione dei quadrati

Una classica dimostrazione geometrica, resa celebre negli Elementi di Euclide, resta una delle più convincenti visivamente. Ecco come funziona:

Dimostrazione geometrica del teorema di Pitagora. Immagine dell’autore

La costruzione parte da un triangolo rettangolo in cui: 

1. I due lati perpendicolari sono etichettati “a” e “b” (i cateti)
2. Il lato più lungo “c” è l’ipotenusa
3. Si disegnano dei quadrati su ciascun lato del triangolo

I quadrati colorati rappresentano visivamente: 

• Il quadrato blu ha area a^² ovvero 9
• Il quadrato verde ha area b^² ovvero 16
• Il quadrato rosa ha area c^² ovvero 25

Rappresentazione a griglia del teorema di Pitagora. Immagine dell’autore

La visualizzazione a griglia dimostra l’uguaglianza a^² + b^² = c^² mostrando che: 

• Il quadrato blu misura 3×3 = 9 unità quadrate (a^²) 
• Il quadrato verde misura 4×4 = 16 unità quadrate (b^²) 
• Insieme, queste aree sommano a 25 unità quadrate 
• Il quadrato rosa misura 5×5 = 25 unità quadrate (c^²) 

Il pregio di questa dimostrazione sta nella sua chiarezza visiva: si vede letteralmente che l’area del quadrato sull’ipotenusa è uguale alla somma delle aree degli altri due quadrati: 9 + 16 = 25.

Altri approcci geometrici notevoli

La verità geometrica del teorema può essere dimostrata attraverso vari altri metodi, tra cui:

• Dimostrazione con i semicircoli: usando la relazione tra semicircoli tracciati su ciascun lato del triangolo rettangolo
• Metodo del parallelogramma: mostrando l’equivalenza di area usando rette parallele e triangoli simili
• Dimostrazione basata sulla similitudine: usando le proprietà dei triangoli simili creati dall’altezza all’ipotenusa

Dimostrazioni algebriche del teorema di Pitagora

Anche l’ambito algebrico offre approcci altrettanto vari per dimostrare questo teorema. Ecco una dimostrazione elegante, seguita da riferimenti ad altri metodi algebrici significativi.

Approccio con triangoli simili

Questa dimostrazione sfrutta la forza delle relazioni proporzionali: 

1. Si parte da un triangolo rettangolo con altezza h e base b
2. Si esprime l’ipotenusa c usando altezza e base: c^² = h^² + b^²
3. Si usano triangoli simili per mostrare che i lati corrispondenti sono proporzionali
4. Con manipolazioni algebriche si ottiene a^² + b^² = c^²

Altre dimostrazioni algebriche

Il teorema può essere verificato con varie tecniche algebriche, tra cui:

• Identità pitagorica: usando le relazioni trigonometriche (cos^²θ + sin^²θ = 1)
• Espansioni quadratiche: sviluppando quadrati perfetti e differenza di quadrati
• Algebra vettoriale: utilizzando le proprietà del prodotto scalare e delle magnitudini vettoriali
• Derivazione della formula della distanza: risalendo dalla formula della distanza nella geometria analitica
• Metodi matriciali: usando l’algebra lineare e le matrici di trasformazione

Ogni metodo, che sia geometrico o algebrico, illumina aspetti diversi di questa relazione fondamentale, contribuendo a una comprensione più profonda della verità matematica. Questi diversi approcci mostrano anche l’interconnessione tra i vari rami della matematica, dalla geometria di base all’algebra avanzata.

Altre dimostrazioni note

Il teorema di Pitagora ha ispirato centinaia di dimostrazioni uniche nel corso della storia, ognuna con nuove intuizioni:

1. La dimostrazione di Einstein: un giovane Albert Einstein scoprì una dimostrazione usando le proprietà dei triangoli simili
2. La dimostrazione del presidente Garfield (1876): James Garfield, il 20º presidente degli Stati Uniti, creò una dimostrazione usando un trapezio
3. La dimostrazione Johnson-Jackson (2023): due studentesse dell’ultimo anno di liceo, Calcea Johnson e Ne'Kiya Jackson della St. Mary’s Academy di New Orleans, hanno fatto la storia della matematica sviluppando una nuova dimostrazione usando la trigonometria. Il loro approccio innovativo ha alimentato discussioni sulle basi delle dimostrazioni matematiche e sulle relazioni tra geometria e trigonometria. Il risultato dimostra che, anche dopo migliaia di anni, questo teorema fondamentale continua a offrire nuove intuizioni matematiche.

Terne pitagoriche e generalizzazioni

Cosa sono le terne pitagoriche?

Esplorando il teorema di Pitagora, troviamo insiemi di tre numeri interi che soddisfano l’equazione a^² + b^² = c^². Questi insiemi si chiamano terne pitagoriche. L’esempio più noto è (3, 4, 5), che potresti riconoscere dalla nostra storia iniziale sui costruttori egizi.

Ecco alcune terne pitagoriche comuni:

• (3, 4, 5): 3^² + 4^² = 9 + 16 = 25 = 5^²
• (5, 12, 13): 5^² + 12^² = 25 + 144 = 169 = 13^²
• (8, 15, 17): 8^² + 15^² = 64 + 225 = 289 = 17^²

Curiosamente, moltiplicando una terna pitagorica per un numero intero se ne ottiene un’altra valida. Ad esempio, raddoppiando (3, 4, 5) otteniamo (6, 8, 10).

Generalizzazioni del teorema di Pitagora

Il teorema di Pitagora si estende oltre i triangoli rettangoli in modi affascinanti:

1. Dimensioni superiori: il concetto si espande a tre dimensioni come formula della distanza nello spazio 3D: d^² = x^² + y^² + z^²
2. Geometria non euclidea: nella geometria sferica, come nel calcolo delle distanze sulla superficie terrestre, il teorema si trasforma in nuove relazioni in cui la somma dei quadrati non è sempre uguale. Come mostrato nell’illustrazione qui sotto, il teorema di Pitagora funziona bene su superfici piane. Ma, quando ci spostiamo su superfici curve, serve una formula diversa, detta legge dei coseni sferica: cos(c) = cos(a)cos(b) + sin(a)sin(b)cos(C), dove c è la lunghezza del lato e C è l’angolo ad esso opposto.

Teorema di Pitagora in spazi euclidei e non euclidei. Immagine dell’autore

3. La legge dei coseni: questa generalizzazione vale per qualsiasi triangolo, non solo per quelli rettangoli: c^² = a^² + b^² - 2ab cos(C). Quando l’angolo C è di 90°, cos(C) = 0 e torniamo al nostro familiare teorema di Pitagora.

Queste generalizzazioni mostrano come una semplice relazione tra i lati di un triangolo rettangolo apra le porte alla comprensione di spazio, distanza e geometria in contesti più ampi.

Il teorema di Pitagora nella programmazione e nella data science

Misure di distanza nel machine learning

Il teorema di Pitagora è alla base della distanza euclidea, una metrica ampiamente usata nel machine learning. Quando un algoritmo deve determinare quanto due punti dati siano simili o diversi, spesso usa questo principio. Qui vedremo un’implementazione di base e, per un’esplorazione completa delle metriche di distanza e delle loro applicazioni, il nostro articolo Understanding Euclidean Distance: From Theory to Practice ti sarà particolarmente utile.

Considera un esempio semplice: confrontare case in base alla loro dimensione (asse x) e al prezzo (asse y). La distanza euclidea tra due case in questo spazio delle caratteristiche ci dice quanto siano simili:

import numpy as np

def euclidean_distance(point1, point2):
    return np.sqrt(np.sum((point1 - point2) ** 2))

# Example: Two houses
house1 = np.array([1500, 300000])  # 1500 sq ft, $300,000
house2 = np.array([2000, 450000])  # 2000 sq ft, $450,000
distance = euclidean_distance(house1, house2)Offerto da

Questa metrica diventa particolarmente potente nei sistemi di raccomandazione e negli algoritmi di clustering, dove aiuta a individuare pattern e a raggruppare elementi simili. Per esempio, Netflix usa calcoli di distanza simili per suggerire film in base ai comportamenti di visione, e le piattaforme di e-commerce li impiegano per raccomandare prodotti in base alle preferenze degli utenti.

Applicazioni nell’algebra lineare

Il teorema ci aiuta a capire le operazioni sui vettori, in particolare nel calcolo delle magnitudini e nella determinazione dell’ortogonalità:

def vector_magnitude(vector):
    """Calculate the length (magnitude) of a vector"""
    return np.sqrt(np.sum(vector ** 2))

# Example: 3D vector
vector = np.array([3, 4, 5])
magnitude = vector_magnitude(vector)Offerto da

Questo concetto si estende alle reti neurali, dove il calcolo delle magnitudini vettoriali aiuta a:

• Normalizzare le caratteristiche in input
• Calcolare le magnitudini dei gradienti durante l’addestramento
• Misurare la distribuzione dei pesi del modello

Queste operazioni vettoriali sono alla base delle moderne architetture di deep learning, dove la capacità di misurare e manipolare spazi ad alta dimensionalità è centrale per compiti come riconoscimento di immagini, elaborazione del linguaggio naturale e sistemi autonomi. La semplice eleganza del teorema di Pitagora continua ad alimentare alcune delle applicazioni di IA più sofisticate di oggi.

Ottimizzazione negli algoritmi

Il teorema di Pitagora è fondamentale per gli algoritmi di ottimizzazione, in particolare nel gradient descent. Quando si cerca il percorso più breve verso un valore minimo, ci si affida spesso a calcoli di distanza informati da questo teorema. Questa tecnica di ottimizzazione guida il machine learning moderno. Se vuoi approfondire il suo funzionamento e le sue applicazioni, il nostro tutorial Gradient Descent in Machine Learning offre un’esplorazione approfondita di questa potente tecnica matematica. 

Le applicazioni del teorema nell’ottimizzazione si estendono a vari domini. Nei problemi di flusso di rete, aiuta a determinare i percorsi ottimali per la trasmissione dei dati. Nella minimizzazione delle distanze in problemi spaziali, guida gli algoritmi verso soluzioni efficienti. Nel machine learning, è particolarmente prezioso per ottimizzare i parametri del modello durante l’addestramento, aiutando gli algoritmi a convergere verso previsioni il più accurate possibile.

Conclusione

Il teorema di Pitagora unisce saggezza antica e innovazione moderna. Dai costruttori egizi che creavano angoli retti perfetti ai data scientist che calcolano distanze in spazi ad alta dimensionalità, questa relazione matematica continua a rivelare nuove applicazioni. La semplice formula a^² + b^² = c^² apre le porte alla comprensione di verità geometriche complesse, dagli elementi base della misura dei triangoli fino ad algoritmi sofisticati di machine learning.

Se vuoi fare il passo successivo nell’applicazione di queste idee, il nostro corso Designing Machine Learning Workflows in Python offre una guida pratica per integrare principi matematici come questi in pipeline di machine learning reali.