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]