1. Richiami sugli insiemi. Relazioni di equivalenza.
Applicazioni; applicazioni iniettive,
suriettive, biunivoche; composizione di applicazioni, applicazione inversa. Numeri naturali, interi, razionali, reali, complessi. Spazi vettoriali e loro sottospazi. Esempi: n-ple di elementi di un campo, polinomi a coefficienti in un campo, funzioni a valori in un campo. Controesempi: curve, reticoli, coni, unione di sottospazi. L'intersezione di sottospazi e' un sottospazio. Combinazioni lineari, sottospazio generato da un insieme di vettori. Insiemi generatori e insiemi linearmente indipendenti. Basi. Un insieme di vettori e' una base se e solo se ogni vettore si scrive in modo unico come combinazione lineare dei suoi elementi. Coordinate di un vettore in una base data. Completare a una base, estrarre una base. [3 lezioni] 2. Tutte le basi di uno spazio vettoriale hanno la stessa cardinalità (senza dimostrazione). Dimensione. Basi canoniche per gli esempi precedenti (n-ple di elementi di un campo, polinomi a coefficienti in un campo, funzioni su un insieme finito a valori in un campo). Somma di sottospazi, somma diretta, formula di Grassman (senza dimostrazione). Due modi di descrivere un sottospazio vettoriale: forma parametrica e forma cartesiana; legami con la dimensione.[2 lezioni] 3. Applicazioni lineari; esempi. Lo spazio vettoriale delle applicazioni lineari tra due spazi dati. La composizione di applicazioni lineari è lineare, l'inversa di un'applicazione lineare è lineare. Nucleo e immagine di una applicazione lineare; il nucleo e l'immagine sono sottospazi. Legame con l'iniettività e la suriettività; isomorfismi. Teorema del rango. Esiste una e una sola applicazione lineare che prende valori dati su una base data. Matrice di un'applicazione lineare in basi date; isomorfismi tra lo spazio vettoriale delle applicazioni lineari tra due spazi vettoriali dati e lo spazio vettoriale delle matrici m x n. La matrice della composizione di due applicazioni è il "prodotto riga per colonna" delle due matrici corrispondenti (dimostrazione solo nel caso 2x2). Una applicazione lineare è un isomorfismo se e solo se manda basi in basi (dimostrazione facoltativa). Tutti gli spazi vettoriali di dimensione n su un campo dato sono isomorfi tra loro. [3 lezioni] 4. Matrice identità, matrici invertibili. Una matrice quadrata è invertibile se e solo se i suoi vettori colonna sono linearmente indipendenti; rango di una matrice. Cambiamenti di base; esempi. Similitudine; due matrici sono simili se e solo se rappresentano la stessa applicazione lineare (dimostrazione facoltativa). Determinante di una matrice quadrata: definizione ricorsiva e sue proprietà (senza dimostrazione). Formula per la matrice inversa di una matrice data. Matrici quadrate che rappresentano la stessa applicazione lineare in basi diverse hanno lo stesso determinante; determinante di una applicazione lineare. Prodotto vettoriale. [2 lezioni] 5. Metodo di eliminazione di Gauss-Jordan. L'insieme delle soluzioni di un sistema lineare omogeneo è un sottospazio vettoriale. Sottospazi affini, loro rappresentazioni parametrica e cartesiana. L'insieme delle soluzioni di un sistema lineare, se non è vuoto, è un sottospazio affine di dimensione n-rk A. Teorema di Rouché-Capelli. Esempi di sistemi lineari su spazi di funzioni. Applicazioni alla geometria: rette e piani passanti per punti dati; intersezioni di rette e di piani; parallelismo. Esempi ed esercizi. Ripasso. [2 lezioni] 6. Matrici diagonali e loro proprieta'. Autovalori e autovettori di una applicazione lineare. Polinomio caratteristico; esempi di applicazioni lineari che non hanno autovalori nel campo razionale o nel campo reale. Autospazi. Basi di autovettori. Molteplicita' algebrica e geometrica. Disuguaglianza tra molteplicita' algebrica e geometrica (dimostrazione facoltativa). Una applicazione e' diagonalizzabile su un campo dato se e solo se tutti gli autovalori appartengono al campo e la molteplicita' algebrica di ciascun autovalore e' uguale alla sua molteplicita' geometrica (dimostrazione facoltativa). Applicazioni nilpotenti; una applicazione lineare nilpotente non nulla non e' diagonalizzabile. Cenni alla forma canonica di Jordan (senza dimostrazione). Esempio: la derivazione di polinomi. [2 lezioni] 7. Forme bilineari. Biezione tra forme bilineari e matrici (in una base data). Forme bilineari simmetriche e antisimmetriche, matrici simmetriche e antisimmetriche. Trasposta di una matrice e sue proprieta'. Congruenza tra matrici; due matrici sono congruenti se e solo se rappresentano la stessa forma bilineare. Diagonalizzazione di forme bilineari. Per ogni forma bilineare simmetrica esiste una base diagonalizzante, ovvero ogni matrice simmetrica è congruente ad una matrice diagonale (cenni di dimostrazione). Teorema spettrale (senza dimostrazione). Forma canonica di una forma bilineare reale; segnatura. Teorema di Sylvester, ovvero la segnatura non dipende dalla base scelta (senza dimostrazione). Forma canonica di una forma bilineare complessa; rango. Forme quadratiche. Corrispondenza tra forme quadratiche e forme bilineari simmetriche. Forme quadratiche reali definite positive e negative, semidefinite positive e negative, indefinite; loro segnatura. [3 lezioni] 8. Prodotti scalari. Esempi notevoli di prodotti scalari: prodotto scalare standard di n-ple di elementi di un campo, prodotto scalare standard di funzioni (a valori un campo) su un insieme finito, integrale del prodotto di funzioni continue su intervallo chiuso e limitato. Disuguaglianza di Cauchy-Schwatz (senza dimostrazione). Angolo convesso tra due vettori. Norma di un vettore e sue proprieta'. Distanza euclidea e sue proprieta'. Esempi di altre funzioni che verificano le stesse proprieta': distanza discreta e distanza di Manhattan. Insiemi di vettori ortogonali e ortonormali. Un insieme ortogonale di vettori e' linearmente indipendente. Sottospazio ortogonale a un sottospazio dato. Esistenza di basi ortonormali. Il prodotto scalare di due vettori è uguale al prodotto scalare standard delle loro coordinate rispetto ad una base ortonormale. Applicazioni alla geometria: sottospazio affine ortogonale ad un sottospazio dato e passante per punti dati. Isometrie di uno spazio vettoriale (rispetto ad un prodotto scalare dato). Una applicazione lineare e' una isometria se e solo se conserva la norma di ogni vettore. Ogni isometria e' un isomorfismo. Ogni isometria conserva gli angoli. Una base e' ortonormale se e solo se la matrice del cambiamento di base, rispetto ad una base ortonormale data, e' ortogonale. Un'applicazione lineare e' una isometria se e solo se manda basi ortonormali in basi ortonormali (dimostrazione facoltativa). Un'applicazione lineare e' una isometria se e solo la sua matrice rispetto ad una qualunque base ortonormale e' ortogonale (dimostrazione facoltativa). Determinante e autovalori di una isometria. Classificazione delle isometrie in dimensione 2: rotazioni e simmetrie. Cenni alla classificazione delle isometrie in dimensione 3. [3 lezioni]