ADVANCED ALGEBRA
1° anno · 2° semestre · 9 CFU · MATH-02/A · 0 file
Il corso si propone di fornire allo studente:le nozioni fondamentali della teoria degli anelli, della teoria della fattorizzazione, della teoria dei moduli e della teoria delle algebre;gli strumenti per affrontare…
Scheda dell'insegnamento
Obiettivi formativi
Il corso si propone di fornire allo studente:le nozioni fondamentali della teoria degli anelli, della teoria della fattorizzazione, della teoria dei moduli e della teoria delle algebre;gli strumenti per affrontare problemi algebrici e comprenderne i collegamenti con altri ambiti della matematica.
Programma
Richiami di teoria degli anelli.Fattorizzazione esplicita dei polinomi.Accenni di teoria dei moduli e dei campi.Teoria degli anelli non commutativi.Algebre centrali e semplici.Breve introduzione alla PI-theory
Sono prerequisiti al corso gli argomenti svolti in un corso di Algebra del primo anno della laurea in matematica con particolare riferimento alla teoria di base di gruppi, anelli e campi.
Lezioni frontali. Esercitazioni e problem solving.
Modalità d'esame
L'esame consiste in una prova orale finalizzata ad accertare:la conoscenza degli aspetti teorici del corso;la capacità di applicare le conoscenze acquisite alla risoluzione di esercizi e problemi, sia teorici sia applicativi;la padronanza del linguaggio matematico e delle tecniche dimostrative.L'attribuzione del voto terrà conto dei seguenti livelli di preparazione:Sufficiente: conoscenza delle definizioni, dei risultati e degli esercizi fondamentali svolti durante il corso (obiettivi 1 e 2).Buona: capacità di risolvere esercizi anche non affrontati a lezione, articolati su più passaggi, e di esporre e dimostrare i principali risultati teorici del corso (obiettivi 1, 2 e 3).Eccellente: piena padronanza della teoria, capacità di affrontare problemi complessi, elaborare dimostrazioni autonome o alternative, e approfondire gli argomenti mediante lo studio di testi specialistici (obiettivi 3 e 4). Durante il corso saranno proposte due prove scritte in itinere (non obbligatorie), una a metà semestre e una verso la fine del corso. Gli studenti che supereranno entrambe le prove potranno accettare come voto finale la media delle due valutazioni. Chi lo desidera potrà comunque sostenere la prova orale su una o entrambe le parti del programma. L'esito della prova orale potrà determinare sia un miglioramento sia un peggioramento del voto ottenuto nelle prove scritte.
Testi di riferimento
M. Artin – Algebra – Boringhieri I. N. Herstein - Algebra - Editori Riuniti Univ. Press
Codice insegnamento 35168
ADVANCED ANALYSIS
1° anno · 1° semestre · 9 CFU · MATH-03/A · 0 file
L'insegnamento ha lo scopo di fornire le nozioni matematiche avanzate usate nel campo dell'analisi matematica (applicata) e le loro applicazioni a una varietà di casi, inclusi le equazioni fondamentali della fisica…
Scheda dell'insegnamento
Obiettivi formativi
L'insegnamento ha lo scopo di fornire le nozioni matematiche avanzate usate nel campo dell'analisi matematica (applicata) e le loro applicazioni a una varietà di casi, inclusi le equazioni fondamentali della fisica matematica e alcuni argomenti di ricerca contemporanei riguardo equazioni alle derivate parziali lineari e nonlineari. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea magistrale in Matematica è stata verificata e armonizzata in fase di progettazione dello stesso.
Programma
Distribuzioni. Funzioni integrabili localmente. Lo spazio delle funzioni test D(Ω). Distribuzioni associate a funzioni localmente integrabili. Distribuzioni singolari. Esempi. Operazioni sulle distribuzioni: somma, prodotto per funzioni, cambio di variabili, restrizioni, prodotto tensore. Differenziazione e sue proprietà; confronto con le derivate classiche. Differenziazione delle funzioni salto. Partizione dell'unità. Supporto di una distribuzione; distribuzioni a supporto compatto. Trasformata di Fourier e distribuzioni temperate. Convoluzione tra distribuzioni e regolarizzazione delle distribuzioni. Densità di D(Ω) in D'(Ω). Spazi di Sobolev. Definizione di derivata debole e sua motivazione. Spazi di Sobolev Wk,p(Ω) e loro proprietà. Approssimazione interna e globale con funzioni regolari. Estensioni. Tracce. Teoremi di immersione: disuguaglianza di Gagliardo–Nirenberg–Sobolev e teorema di immersione per p<n. Spazi di Hölder. Disuguaglianza di Morrey. Teorema di immersione per p> n. Disuguaglianze di Sobolev nel caso generale. Immersioni compatte: il teorema di Rellich–Kondrachov, disuguaglianze di Poincaré. Teorema di immersione per p = n. Lo spazio duale H-s. Equazioni ellittiche del secondo ordine. Definizione di operatore (uniformemente) ellittico. Soluzioni deboli per equazioni ellittiche. Stime dell'energia, Teorema di Lax-Milgram e dell'alternativa di Fredholm ed esistenza delle soluzioni deboli. Regolarità Lp delle soluzioni deboli: operatori integrali singolari e decomposizione di Calderón-Zygmund. Misure. Sistemi di insiemi, misure positive, misure esterne. Costruzioni]e di misure, misure con segno, misure di Borel e di Radon. Integrazione. Funzioni misurabili, funzioni semplici, convergenza quasi ovunque, integrali di funzioni misurabili, teoremi di convergenza, teorema di Fubini-Tonelli. Differenziazione. Teorema di Radon-Nikodym, Differenziazione su spazi euclidei, differenziazione sulla retta reale. Misure di Radon e funzioni continue. Spazi di funzioni continue e teorema di Riesz.
Nozioni base di teoria della misura di Lebesgue in spazi euclidei, analisi funzionale, funzioni di variabile complessa, proprietà standard di soluzioni classiche di equazioni semilunari del primo ordine, equazione del calore, delle onde, di Laplace e Poisson.
Lezioni frontali e svolgimento di esercizi in classe e a casa.
Modalità d'esame
Prova scritta e orale tesa ad accertare: - la preparazione teorica; - il rigore logico; - la capacità di risolvere problemi teorici ed esercizi, applicando le conoscenze acquisite. L’attribuzione del voto rifletterà i seguenti livelli di preparazione: - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente.
Testi di riferimento
- H. Abels. Pseudodifferential and singular integral operators, De Gruyter.- L. Ambrosio, G. Da Prato, A. Mennucci. Introduction to measure theory and integration. Edizioni della Normale. - L. Ambrosio, N. Fusco, D. Pallara. Functions of Bounded Variation and Free Discontinuity Problems, Oxford Mathematical Monographs. - V.I. Bogachev. Measure theory, Volume I, Springer. - H. Brezis. Functional Analysis, Sobolev Spaces and Partial Differential Equations. Universitext, Springer. - P. Cannarsa, T. D’Aprile. Introduction to Measure Theory and Functional Analysis. Springer. - C.M. Dafermos. Hyperbolic Conservation Laws in Continuum Physics, Springer. - L.C. Evans. Partial Differential Equations. Graduate Studies in Mathematics, Vol. 19, AMS. - L. Evans, R. Gariepy. Measure Theory and Fine Properties of Functions, CRC Press. Revised Edition. - G.B. Folland. Real analysis: Modern techniques and their applications. New York Wiley - G. Gilardi. Analisi 3. McGraw–Hill. - L. Grafakos, Classical Fourier Analysis. Springer.- L. Hörmander. Linear partial differential operators, Springer. - V.S. Vladimirov. Equations of Mathematical Physics. Marcel Dekker, Inc
Codice insegnamento 35162
ADVANCED GEOMETRY
1° anno · 1° semestre · 9 CFU · MATH-02/B · 0 file
Lo scopo del corso è fornire una avanzata e approfondita introduzione agli aspetti fondamentali della teoria delle varietà differenziabili. Tali conoscenze costituiscono una base per ultieriori studi in geometria…
Scheda dell'insegnamento
Obiettivi formativi
Lo scopo del corso è fornire una avanzata e approfondita introduzione agli aspetti fondamentali della teoria delle varietà differenziabili. Tali conoscenze costituiscono una base per ultieriori studi in geometria differenziale, riemanniana, complessa e analisi geometrica.
Programma
Gli argomenti fondant del modulo comprendono: 1) Concetti basilari della teoria delle varietà, tra cui spazio e fibrato tangente di una varietà, funzioni e campi vettoriali su varietà, derivate di funzioni su varietà, immersioni e sottovarietà, varietà con bordo. 2) Algebra multilineare. 3) Forme differenziali su varietà e orientabilità. 4) Integrazione su varietà e teorema di Stokes. 5) Coomologia di De Rham.
Corsi base di 1. algebra lineare; 2. analisi in più variabili e integrazione su R^n; 3. topologia generale; 4. concetti basilari di topologia algebrica.
Lezioni, discussioni in classe, esercizi svolti in classe, compiti a casa.
Modalità d'esame
L'accertamento dei risultati di apprendimento avverrà tramite una prova scritta. Un ulteriore esame orale è a scelta dello studente. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni e dei risultati principali e capacità di risolvere esercizi facili; - buona: buona comprensione dei concetti fondamentali e dei risultati principali, conoscenza e comprensione delle dimostrazioni dei risultati principali e capacità di risolvere esercizi di media difficoltà; - ottima: approfondita comprensione dei concetti fondamentali, dei risultati principali e della loro dimostrazione e capacità di risolvere esercizi impegnativi.
Testi di riferimento
1) Lee, Introduction to smooth manifolds 2) Warner, Foundations of Differentiable manifolds and Lie groups 3) Bott-Tu Differential forms in algebraic topology4) Boothby, An Introduction to Differentiable manifolds and Riemannian Geometry.
Codice insegnamento 35165
ADVANCED PROBABILITY
1° anno · 2° semestre · 9 CFU · MATH-03/B · 0 file
Scopo del corso è introdurre lo studente alla moderna Teoria della Probabilità, al legame tra questa e la Teoria della misura, ed alla Teoria dei Processi stocastici. Lo studente conoscerà alcune importanti classi di…
Scheda dell'insegnamento
Obiettivi formativi
Scopo del corso è introdurre lo studente alla moderna Teoria della Probabilità, al legame tra questa e la Teoria della misura, ed alla Teoria dei Processi stocastici. Lo studente conoscerà alcune importanti classi di processi, come le Martingale e i processi di Markov, ed in particolare il Processo di Poisson e il Moto Browniano.
Programma
Probabilità e misura, spazi prodotto e sigma algebre prodotto, Teorema di Radon Nikodym, decomposizione di Lebesgue. Processi stocastici, filtrazioni, tempi d'arresto. Speranza Condizionale. Martingale: Teorema del campionamento opzionale, disuguaglianza di Doob, Teorema di convergenza delle martingale, disuguaglianza L^p di Doob, martingale uniformemente integrabili e Applicazioni. Il processo di Poisson e le sue proprietà. Processi di Markov: semigruppo, generatore, teorema ergodico e Applicazioni. La proprietà forte di Markov. Processi additivi. Costruzione grafica di Processi di Markov a stati discreti. Il Moto Browniano e le sue proprietà.
Buona conoscenza della Teoria della probabilità di base (corrispondente a un corso di due semestri) e della teoria della misura
Lezioni frontali ed esercizi da svolgere a casa
Modalità d'esame
Prova scritta con due esercizi e due domande teoriche. Esame orale.
Testi di riferimento
Principali: David Williams; Probability with Martingales; Cambridge Mathematical Textbooks, Cambridge (1991). Patrick Billingsley; Probability and Measure, Wiley, (2012). Note a cura del docente. Testo ausiliario: Zdzislaw Brzezniak and Tomasz Zastawniak; Basic Stochastic Processes, Springer (2002).
Codice insegnamento 38946
ALGEBRA
1° anno · 21 CFU · MATH-02/A · 0 file
ALGEBRA PER LA CRITTOGRAFIA
1° anno · 2° semestre · 6 CFU · MAT/02 · 0 file
Obiettivi formativi. Il corso ha lo scopo di fornire 1) Nozioni di aritmetica, di teoria dei campi finiti e di teoria delle funzioni Booleane alla base degli algoritmi classici della crittografia simmetrica e della…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivi formativi. Il corso ha lo scopo di fornire 1) Nozioni di aritmetica, di teoria dei campi finiti e di teoria delle funzioni Booleane alla base degli algoritmi classici della crittografia simmetrica e della crittografia asimmetrica. 2) Alcuni algoritmi classici della crittografia simmetrica e della crittografia asimmetrica. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea triennale in Matematica è stata verificata e armonizzata in fase di progettazione dello stesso.
Programma
Gli argomenti trattati sono: - Panoramica sulla crittografia. - Aritmetica elementare - Campi finiti e loro costruzione - Funzioni Booleane e loro proprietà - Crittografia a chiave pubblica, esempi di crittosistemi a chiave pubblica, problemi matematici collegati. - Crittografia simmetrica, esempi di crittosistemi simmetrici, applicazione delle funzioni Booleane alla crittografia simmetrica
Aritmetica modulare; definizione e nozioni di base dei gruppi, come sottogruppi normali, gruppi quozienti, teoremi di isomorfismo; nozioni di base dell’anello dei polinomi, come sue proprietà algebriche fondamentali, divisione tra polinomi, irriducibilità dei polinomi, radici di polinomi.
Lezioni frontal
Modalità d'esame
Accertamento del raggiungimento degli obiettivi formativi: prova orale in cui le domande coprono tutti gli argomenti trattai nel corso. I criteri per la valutazione saranno: il livello di conoscenza degli argomenti trattati durante il corso, capacità di applicarli e/o riconoscerli in altre situazioni, il linguaggio scientifico utilizzato, la chiarezza e completezza delle argomentazioni. L’attribuzione del voto rifletterà i seguenti livelli di preparazione: - sufficiente: conoscenza degli aspetti di base della teoria dei campi finiti e delle funzioni Booleane e comprensione delle loro interazioni e delle loro applicazioni nella crittografia. - adeguata: conoscenza degli aspetti di base della teoria dei campi finiti e delle funzioni Booleane e comprensione delle loro interazioni e delle loro applicazioni nella crittografia; saper enunciare correttamente e dimostrare i risultati fondamentali presentati a lezione - buona: conoscenza degli aspetti di base della teoria dei campi finiti e delle funzioni Booleane e comprensione delle loro interazioni e delle loro applicazioni nella crittografia; saper enunciare correttamente e dimostrare i risultati fondamentali presentati a lezione; saper applicare i risultati presentati a lezione allo studio delle tecniche di crittografia descritte durante il corso. - approfondita: conoscenza degli aspetti di base della teoria dei campi finiti e delle funzioni Booleane e comprensione delle loro interazioni e delle loro applicazioni nella crittografia; saper enunciare correttamente e dimostrare i risultati fondamentali presentati a lezione; saper applicare i risultati presentati a lezione allo studio delle tecniche di crittografia descritte durante il corso; saper interpretare ed analizzare i problemi matematici e applicativi alla base degli schemi crittografici studiati.
Testi di riferimento
1) Trappe and Washington, "Introduction to Cryptography with Coding Theory", second edition, Pearson Pretince Hall, 2006; 2) Smart, "Cryptography made simple", Information Security and Cryptography, Springer, 2016; 3) Heys, "A Tutorial on Linear and Differential Cryptanalysis", https://www.engr.mun.ca/~howard/PAPERS/ldc_tutorial.pdf 4) Lidl and Niederreteir, "Introduction to Finite Fields and Their Applications", Cambridge University Press, 1986; 5) Canteaut, "Lecture Notes on Cryptographic Boolean Functions", https://www.rocq.inria.fr/secret/Anne.Canteaut/poly.pdf
Codice insegnamento 37867
ANALYSIS
1° anno · 21 CFU · MATH-03/A · 0 file
APPLIED AND INTERDISCIPLINARY MATHEMATICS
1° anno · 24 CFU · MATH-03/B · 0 file
COMMUNICATION OF SCIENTIFIC KNOWLEDGE
1° anno · 1° semestre · 6 CFU · MATH-01/B · 0 file
Obiettivi formativi dell’insegnamento Acquisire consapevolezza, contenuti e tecniche sulla comunicazione scientifica e matematica e sulla didattica della matematica. Tali obiettivi sono parte delle finalità formative del…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivi formativi dell’insegnamento Acquisire consapevolezza, contenuti e tecniche sulla comunicazione scientifica e matematica e sulla didattica della matematica. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea magistrale in Matematica è stata verificata e armonizzata in fase di progettazione dello stesso. Risultati di apprendimento Alla fine del corso, lo studente dovrebbe 1. conoscere i contenuti di base sulla comunicazione della matematica e sulla didattica della matematica; 2. comprendere e saper spiegare i contenuti principali della comunicazione della matematica e della didattica della matematica con particolare attenzione alle interconnessioni tra i vari argomenti; 3. essere in grado di approfondire anche autonomamente gli argomenti principali della comunicazione della matematica e della didattica della matematica mostrando capacità di progettazione; 4. essere in grado di leggere e capire testi scientifici e articoli di ricerca su argomenti correlati.
Programma
Comunicazione scientifica e della matematica (2 CFU): Il significato e la ricaduta della comunicazione scientifica. Storia della comunicazione scientifica: dal Sidereus Nuncius sino all'era post accademica della scienza. Modelli di comunicazione scientifica. Comunicazione della matematica e complessità epistemologiche. La Storia della Matematica, la sua importanza nella comunicazione, esempi di contenuti. Esperimenti di comunicazione. Didattica della Matematica (4 CFU): Teorie dell'apprendimento-insegnamento della matematica. Teorie comportamentiste, cognitiviste, costruttiviste e socio-costruttiviste. Triangolo di Chevallard. Contratto didattico e teorie di Brousseau. Il ruolo e le funzioni delle definizioni in matematica. Teoria del discorso matematico. Semiotica. Errori e difficoltà in matematica. Interpretazione e valutazione degli errori. DSA e BES. La competenza matematica. Il problem solving. Argomentare e dimostrare in matematica. Funzioni della dimostrazione. Percezioni, convinzioni ed elementi affettivi.
Laurea triennale
Lezioni frontali. Progetti. Laboratori. Costruzione di un team virtuale per la condivisione di materiale e lo sviluppo di strategie di flipped classroom.
Modalità d'esame
Prova orale tesa ad accertare - la preparazione teorica sui contenuti di base e quelli ulteriori; - la capacità di approfondire i singoli argomenti con ricerche ulteriori e di connettere tra loro gli argomenti; - la capacità di progettare, a partire dai contenuti acquisiti, esperienze di comunicazione e di indagine su didattica della matematica. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare dei principali argomenti e delle principali connessioni tra essi con attenzione ai contenuti matematici utilizzati; - adeguata: saper spiegare i contenuti riuscendo a collegarli tra loro; - buona: saper approfondire diversi argomenti anche grazie alla lettura di articoli scientifici mostrando capacità progettuali e comprensione degli esempi.
Testi di riferimento
Baccaglini Frank, Di Martino, Natalini, Rosolini - Didattica della matematica, Zan - Difficoltà in matematica; Bruno D'Amore Silvia Sbaragni Principi base di didattica della matematica
Codice insegnamento 36996
COMPLEX ANALYSIS II
1° anno · 6 CFU · MATH-03/A · 0 file
FUNDAMENTALS OF ADVANCED MATHEMATICS
1° anno · 24 CFU · MATH-02/A · 0 file
GEOMETRY
1° anno · 21 CFU · MATH-02/B · 0 file
INTRODUZIONE AI METODI MATEMATICI PER L'ECONOMIA E LA FINANZA
1° anno · 2° semestre · 6 CFU · SECS-S/06 · 0 file
Scopo dell'insegnamento è quello di fornire gli strumenti di base di analisi convessa e dei processi stocastici utili a comprendere modelli decisionali complessi in ambito economico e finanziario. Questi obiettivi…
Scheda dell'insegnamento
Obiettivi formativi
Scopo dell'insegnamento è quello di fornire gli strumenti di base di analisi convessa e dei processi stocastici utili a comprendere modelli decisionali complessi in ambito economico e finanziario. Questi obiettivi concorrono a generare conoscenza dei fondamenti teorici dell'analisi convessa, ad acquisire le abilità necessarie a comprendere e maneggiare gli strumenti dell'ottimizzazione, a fornire gli strumenti quantitativi e i modelli matematici di base per la valutazione dei contratti finanziari derivati.
Programma
Insiemi convessi: proprietà algebriche (Teoremi di Caratheodory, Radon, Helly, Radstroem) e topologiche. Proiezione su un insieme convesso e la caratterizzazione degli insiemi di Chebyshev in R^n. Separazione tra insiemi convessi e teorema di alternativa di Farkas. Cenni sulla programmazione non lineare: la condizione necessaria di Karush-Kuhn-Tucker. Punti estremi, direzioni estreme e Teorema di Krein-Milman. Gli insiemi poliedrali e loro caratterizzazione: la programmazione lineare e l'algoritmo del simplesso. Il problema duale. Funzioni convesse: lipschitzianità, derivabilità unidirezionale, sottodifferenziale e sue proprietà. La programmazione convessa.Finanza matematica. Martingale e loro proprietà. Introduzione ai mercati finanziari, obbligazioni, azioni e derivati. Modelli discreti di un mercato finanziario: teoria del non arbitraggio. Primo e secondo teorema fondamentale dell'Asset Pricing. Valutazione di titoli derivati di tipo Europeo, strategie di copertura. Il modello di Cox Ross Rubinstein. Introduzione ai titoli derivati di tipo Americano.
Analisi Matematica A, Analisi Matematica B, Calcolo delle Probabilità A
Lezioni frontali, svolgimento di esercizi in classe e a casa.
Modalità d'esame
L'esame consiste di una prova scritta composta da 4 esercizi tesi ad accertare la preparazione teorica, il rigore logico, la capacità e di risolvere problemi applicando le conoscenze acquisite. L'attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente
Testi di riferimento
Analisi convessa e Ottimizzazione - Bazaraa, Sherali, Shetty: Nonlinear programming: theory and algorithms, Third edition, Wiley Finanza matematica - Lamberton & Lapeyre: Introduction to Stochastic Calculus applied to Finance, CRC Press - A. Pascucci: Finanza matematica. Teoria e problemi per modelli multiperiodali, Springer
Codice insegnamento 38936
METODI ANALITICI APPLICATI ALLA GEOMETRIA
1° anno · 1° semestre · 6 CFU · MAT/03 · 0 file
Obiettivi formativi dell’insegnamento. Il corso ha lo scopo di fornire le nozioni di base dell' uso delle equazioni differenziali nella teoria delle sottovarietà dello spazio euclideo Tali obiettivi sono parte delle…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivi formativi dell’insegnamento. Il corso ha lo scopo di fornire le nozioni di base dell' uso delle equazioni differenziali nella teoria delle sottovarietà dello spazio euclideo Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea triennale in Matematica è stata verificata e armonizzata in fase di progettazione dello stesso.
Programma
Principio del massimo per equazioni differenziali lineari in una variabile del secondo ordine. Unicità per il problema dei valori iniziali e al bordo. PDE lineari ellittiche: principio del massimo di Hopf, di Pragmen-Lindelof, problema di Dirichelet, funzione di Green, disuguaglianza di Harnack. PDE quasi-lineari ellittiche:principio del massimo e di tangenza. Equazione della curvatura media: teoremi sui grafici di curvatura media costante e minimi. Operatore di Laplace Beltrami su una superficie. Teoremi fondamentali sulle superficie di curvatura media costante: Teorema di Hopf, Teorema di Serrin, Teorema di Collin-Krust, Teorema del Semispazio.
Nozioni di analisi in una e più variabili, teoria delle curve e delle superfici, topologia.
Lezione frontale, svolgimento di esercizi in classe e a casa, sessioni di problem-solving in cooperazione
Modalità d'esame
L'esame consiste in una prova scritta ed in una prova orale. Prova scritta tesa ad accertare - la capacità di risolvere problemi, applicando le conoscenze acquisite Prova orale tesa ad accertare - la preparazione teorica; - il rigore logico; L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici;
Testi di riferimento
[1] P. Collin, R. Krust: Le probleme de Dirichlet pour l’equation des surfaces minimales sur des domains non bornes, Bull. Soc. Math. de France 119 (1991) 443-462. [2] M. P. Do Carmo: Differential geometry of curves and surfaces, Prentice Hall, (1976). [3] D. Gilbarg, N. Trudinger: Elliptic Partial Differential Equations of Second Order, Springer-Verlag (1977). [4] D. Hoffman, W. Meeks III: The strong half-space theorem for minimal surfaces, Invent. Math. 101 (1990) 373-377. [5] H. Hopf: Differential Geometry in the Large, LNM 1000, Springer-Verlag (1983). [6] M. H. Protter, H. F. Weinberger: Maximum Principles in Differential Equations, Springer-Verlag (1984). [7] P. Pucci, J. Serrin: The Maximum Principle, Birkhauser (2007). [8] R. Sa Earp, H. Rosenberg: The Dirichlet problem for the minimal surface equation on unbounded planar domains, J. Math. pures et appl. 68 (1989) 163-183. [9] J. Serrin: A symmetry problem in potential theory, Archive for Rational Mechanics and Analysis (1971) Vol. 43, 4, 304-318.
Codice insegnamento 36903
MODERN HARMONIC ANALYSIS
1° anno · 6 CFU · MATH-03/A · 0 file
MODERN OPTIMAL CONTROL THEORY
1° anno · 6 CFU · MATH-04/A · 0 file
NUMERICAL ANALYSIS
1° anno · 21 CFU · MATH-05/A · 0 file
NUMERICAL METHODS FOR DIFFERENTIAL EQUATIONS
1° anno · 2° semestre · 6 CFU · MATH-05/A · 0 file
Lo scopo dell’insegnamento è fornire conoscenze e competenze nell'ambito della discretizzazione di problemi differenziali e le abilità nell'analisi di proprietà teoriche e nel disegno di software matematico basato…
Scheda dell'insegnamento
Obiettivi formativi
Lo scopo dell’insegnamento è fornire conoscenze e competenze nell'ambito della discretizzazione di problemi differenziali e le abilità nell'analisi di proprietà teoriche e nel disegno di software matematico basato sugli schemi numerici proposti.
Programma
BUONA POSIZIONE DEL PROBLEMA. Problemi ben posti secondo Hadamard. Teorema di Picard-Lindelof. Iterazioni di Picard, analisi della loro convergenza, comportamento a lungo termine. Dipendenza continua dal campo vettoriale e dal dato iniziale.EQUAZIONI ALLE DIFFERENZE. Equazioni lineari alle differenze. Spazio delle soluzioni e sue basi. Matrice di Casorati. Forma della soluzione generale di problemi omogenei e non omogenei. Equazioni caratteristiche. DISCRETIZZAZIONI AD UN PASSO. Discretizzazione del dominio, griglie numeriche. Metodo di Eulero esplicito ed implicito. Consistenza, zero-stabilità e convergenza. Errore locale di troncamento. Metodo dei trapezi. Iterazioni di punto fisso per schemi impliciti. METODI LINEARI MULTISTEP. Discretizzazioni multistep, procedure di innesco. Primo e secondo polinomio caratteristico. Metodi impliciti ed analisi di convergenza per iterazioni di punto fisso. Errore locale di troncamento. Operatore lineare alle differenze. Consistenza. Zero-stabilità e condizione sulle radici. Convergenza ed ordine di convergenza. Teorema di equivalenza di Lax. Metodi che emergono da formule di quadratura. Metodi Adams-Bashforth e Adams-Moulton. Barriere di Dahlquist. METODI RUNGE-KUTTA. Definizione e classificazione dei metodi Runge-Kutta. Condizioni d'ordine. Teoria di Butcher sull'ordine: B-trees, rappresentazione, ordine, simmetria e densità; differenziali elementari; pesi elementari. B-serie. Analisi di convergenza. Barriere di Butcher. Metodi impliciti di Gauss, Radau e Lobatto. STABILITA' LINEARE E PROBLEMI STIFF. Problema test di Dahlquist. Analisi della stabilità lineare per metodi lineari multistep e Runge-Kutta. Regioni ed intervalli di assoluta stabilità. Restrizioni sul passo di integrazione. Boundary locus. A-stabilità, L-stabilità, A(alpha)-stabilità. Approssimazione razionale dell'esponenziale, approssimazioni di Padé. Problemi stiff, rapporto di stiffness. Analisi a-priori alla Prothero-Robinson. Schemi predictor-corrector. Cenni sull'integrazione adattiva. METODI NUMERICI DI INTEGRAZIONE GEOMETRICA. Conservazione numerica della positività. Conservazione numerica della contrattività per problemi dissipativi. One-sided Lipschitz. Norma logaritmica. G-stabilità, B-stabilità, stabilità algebrica. Problemi differenziali con integrali primi. Conservazione di invarianti lineari. Conservazione di invarianti quadratici. Metodi Runge-Kutta simplettici. Comportamento a lungo termine di metodi simplettici per problemi Hamiltoniani, teorema di Benettin-Giorgilli.ELEMENTI DI PROGRAMMAZIONE IN PYTHON. Calcolo scientifico in Python. Disegno ed implementazione di software matematico per la risoluzione numerica di equazioni differenziali e l'analisi dei metodi numerici coinvolti.
Conoscenze di base di Analisi Numerica ed equazioni differenziali.
Lezioni frontali teoriche ed esercitazioni. Lezioni di laboratorio.
Modalità d'esame
L’esame è articolato come segue:una prova scritta in itinere (ed eventualmente anche orale) che comprende domande di teoria ed esercizi sugli argomenti affrontati; una prova orale (alla fine del corso). Per chi ha superato la prova in itinere, essa consiste in una prova orale sulla restante parte del corso. Per chi non ha superato la prova in itinere, l'esame finale consiste in una prova orale su tutto il programma del corso; una parte pratica che consiste nella preparazione e discussione di risultati sugli argomenti di laboratorio.L’attribuzione del voto rifletterà i seguenti quattro livelli di preparazione:sufficiente: conoscenza base degli strumenti e delle metodologie;adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici;approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorico-pratici in maniera indipendente.
Testi di riferimento
R. D'Ambrosio, Numerical Approximation of Ordinary Differential Problems - From Deterministic to Stochastic Numerical Methods, Springer (2023). E. Hairer, C. Lubich, G. Wanner, Geometric Numerical Integration, Springer (2006).W. Hundsdorfer, J.G. Verwer, Numerical Solution of Time-Dependent Advection-Diffusion-Reaction Equations. Springer (2003).
Codice insegnamento 36474
PARTIAL DIFFERENTIAL EQUATIONS II
1° anno · 6 CFU · MATH-03/A · 0 file
PROBABILITY
1° anno · 21 CFU · MATH-03/B · 0 file
RESEARCH COURSE WORK
1° anno · 6 CFU · MATH-04/A · 0 file
SELECTED TOPICS OF COMPLEX ANALYSIS AND OPERATOR THEORY
1° anno · 6 CFU · MATH-03/A · 0 file
SISTEMI DINAMICI E TEORIA DELLA BIFORCAZIONE
1° anno · 1° semestre · 6 CFU · MAT/05 · 0 file
Questa unità didattica è fondamentale per imparare l'approccio analitico, attraverso i sistemi dinamici, alla modellistica per l'ingegneria. A conclusione dell'unità didattica lo studente avrà capito l'importanza della…
Scheda dell'insegnamento
Obiettivi formativi
Questa unità didattica è fondamentale per imparare l'approccio analitico, attraverso i sistemi dinamici, alla modellistica per l'ingegneria. A conclusione dell'unità didattica lo studente avrà capito l'importanza della linearizzazione ma anche che è fondamentale analizzare i modelli non lineari quando un equilibrio non è iperbolico.
Programma
SISTEMI DI EQUAZIONI DIFFERENZIALI LINEARI. Esponenziale di un operatore, matrice fondamentale. Stabilità per sistemi lineari: sottospazi stabile, instabile e centrale. Pozzi e sorgenti. Classificazione dei punti di equilibrio per un sistema lineare planare: selle, nodi, fuochi, centri. Ritratto di fase in dimensione due. Sistemi lineari non omogenei. TEORIA LOCALE PER SISTEMI DI EQUAZIONI DIFFERENZIALI NON LINEARI. Insiemi invarianti. Ponti di equilibrio iperbolici. Linearizzazione. Teorema della varietà stabile. Teorema della varietà centrale. Teorema di Hartman-Grobman. Punti di equilibrio iperbolici e sistemi planari: selle, nodi, fuochi, centri. Stabilità e funzione di Lyapunov. Punti di equilibrio non iperbolici per sistemi planari. Teoria della varietà stabile. Teoria della forma normale. Sistemi gradiente e Hamiltoniani. TEORIA GLOBALE PER SISTEMI DI EQUAZIONI DIFFERENZIALI NON LINEARI. Sistemi dinamici. Insiemi limiti e attrattori. Orbite periodiche, cicli limite e cicli separatori. Orbite omocline ed eterocline. Cicli separatori composti. Teorema di Dulac. Mappa di Poincaré per un ciclo. Mappa di Poincaré per un fuoco. Caso planare e mappa di Poincaré. Teorema della varietà stabile per orbite periodiche. Teorema di Floquet. Teorema della varietà stabile e orbite periodiche. Teorema di Liouville per la matrice fondamentale. Esponenti e moltiplicatori caratteristici per orbite periodiche. INTRODUZIONE ALLA TEORIA DELLA BIFORCAZIONE. Stabilità strutturale e Teorema di Peixoto. Biforcazione in un punto di equilibrio non iperbolico: biforcazione di tipo sella-nodo, transcritica e a forcone. Teorema di Sotomayor. Biforcazioni di Hopf e biforcazioni di cicli limite per un fuoco multiplo. Biforcazioni per orbite periodiche non iperboliche. Diagramma di biforcazione.
Algebra lineare, fondamenti della teoria sulle equazioni differenziali.
Insegnare attraverso esempi e connessioni logiche.
Modalità d'esame
Testi di riferimento
Lawrence Perko, Differential Equations and Dynamical Systems , Springer. 2001. Third edition (ISBN: 0-387-9516-4)
Codice insegnamento 34446
Obiettivi formativiAcquisizione degli strumenti della statistica inferenziale di base. L’insegnamento concorre all’obiettivo formativo del CdS di fornire gli iniziali strumenti statistici per analizzare un fenomeno…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivi formativiAcquisizione degli strumenti della statistica inferenziale di base. L’insegnamento concorre all’obiettivo formativo del CdS di fornire gli iniziali strumenti statistici per analizzare un fenomeno reale.Risultati di apprendimento attesi (RA)A completamento dell’insegnamento si dovrebbe aver acquisitoRA1. Conoscenza della teoria probabilistica alla base delle metodologie statistiche per la stima e l’analisi dei dati.RA2. Capacità di individuare le proprietà dei processi di stima e di verifica statisticaRA3. Capacità di distinguere quali strumenti statistici utilizzare se nella stima o nella verifica d’ipotesi.RA4. Capacità di selezionare gli strumenti appropriati per affrontare un problema statistico e di elaborarne autonomamente le conclusioni relative.
Programma
1. Ripasso di alcune nozioni di teoria della probabilità:- Distribuzioni congiunte, indipendenza di v.a., distribuzioni Gamma, distribuzioni Gaussiane;- Trasformazioni di variabili aleatorie- Teoremi limite: la legge debole dei grandi numeri, il teorema del limite centrale, approssimazione normale.- Teorema di Glivenko-Cantelli2. Variabili Casuali Multivariate3. Stimatori: massima verosimiglianza, metodo dei momenti, non distorti, consistenti.4. Intervalli di confidenza5. Test d’ipotesi. Livello e Potenza di un test.6. Test per Campioni Gaussiani.7. Analisi della Varianza, test per l'indipendenza, Goodness of fitness test.8. Regressione lineare multivariata.9. regressione lineare multivariata.10. Test non parametrici (se vi è tempo).
Corso di Calcolo delle probabilità di baseÈ fortemente richiesta un’adeguata conoscenza dell’algebra lineare.
Lezioni frontali, sessioni cooperative di problem solving, esercizi assegnati per casa da discutere collettivamente in classe, eventuali esercitazioni con l'uso di un software statistico.
Modalità d'esame
Prova scritta in cui affrontare teoricamente e concretamente alcuni problemi di stima, test d’ipotesi e di regressione lineare.A seconda della dimensione della classe si potrà prevedere una prova parziale, che pesi per metà della votazione dello scritto.Durante le prove scritte ci si potrebbe avvalere, per alcuni esercizi, anche di un software statistico.
Testi di riferimento
Domenico Piccolo, Statistica, 3ª edizione, Bologna, il Mulino, 2010. ISBN: 978-88-15-13902-3.Mood, Alexander M.; Graybill, Franklin A.; Boes, Duane C., Introduzione alla statistica, traduzione di S. Marescalchi e R. Barzaghi, Milano, McGraw-Hill Libri Italia, 1988, 564 pp. ISBN 978-88-386-0661-8Vijay K. Rohatgi and A. K. Md. Ehsanes Saleh, An Introduction to Probability and Statistics, 3rd ed., Wiley Series in Probability and Statistics, Hoboken, NJ, John Wiley & Sons, 2015. ISBN: 978-1-118-79964-2.
Codice insegnamento 37868
TEORIA ED INFORMAZIONE QUANTISTICHE
1° anno · 2° semestre · 6 CFU · MAT/07 · 0 file
Il corso si propone di introdurre lo studente ad alcune delle moderne teorie quantistiche, come ad esempio la teoria dell'informazione quantistica e il teletrasporto quantistico, che stanno assumendo un ruolo sempre…
Scheda dell'insegnamento
Obiettivi formativi
Il corso si propone di introdurre lo studente ad alcune delle moderne teorie quantistiche, come ad esempio la teoria dell'informazione quantistica e il teletrasporto quantistico, che stanno assumendo un ruolo sempre più importante nella scienza moderna.
Programma
Introduzione alla meccanica statistica quantistica, matrice di densità, strumenti avanzati in algebra lineare, elementi di teoria dell'informazione classica, informazione quantistica, distanze tra stati quantistici, spazio delle matrici di densità, Qbit, entanglement quantistico, Entropia di Von Neumann, elementi di reti tensoriali, sistemi di spin quantistici, sistemi quantistici aperti, il paradosso EPR, le disuguaglianze di Bell, il teletrasporto quantistico, generalità sulle teorie cinetiche quantistiche, metodo degli operatori di densità ridotti, approssimazione di campo medio, equazione di Vlasov quantistica ed effetti collettivi, correlazioni e processi non Markoviani.
Algebra lineare elementare ed analisi di base.
Lezioni ed esercitazioni frontali
Modalità d'esame
Esame scritto con esercizi e domande teoriche
Testi di riferimento
Quantum Computation and Quantum Information Michael A. Nielsen and Isaac L. Chuang Geometry of quantum states INGEMAR BENGTSSON AND KAROL ZYCZKOWSKI THE THEORY OF OPEN QUANTUM SYSTEMS Heinz-Peter Breuer and Francesco Petruccione T. Norsen, Foundations of Quantum Mechanics - An Exploration of the Physical Meaning of Quantum Theory. Springer, 2017. A. Einstein, B. Podolsky and N.Rosen, Can quantum mechanical description of reality be considered complete? Physical Review 47, 777-780, 1935. J. S. Bell, On the Einstein Podolsky Rosen Paradox. Vol. 1, No. 3, pp. 195-290, 1964. Note dei docenti https://people.disim.univaq.it/~serva/teaching/bricioleMQ.pdfM. Bonitz, Quantum kinetic theory, Springer (2016).
Codice insegnamento 39610
THEORY OF BANACH SPACES
1° anno · 6 CFU · MATH-03/A · 0 file
ADVANCED NUMERICAL ANALYSIS
2° anno · 6 CFU · MATH-05/A · 0 file
------------------------------------------------------------ Modulo: DT0945 - Advanced Numerical Analysis mod. I ------------------------------------------------------------ Obiettivi formativi dell’insegnamento. Lo…
Scheda dell'insegnamento
Obiettivi formativi
------------------------------------------------------------ Modulo: DT0945 - Advanced Numerical Analysis mod. I ------------------------------------------------------------ Obiettivi formativi dell’insegnamento. Lo scopo dell’insegnamento è fornire conoscenze e competenze nell'ambito della modellistica numerica per equazioni differenziali stocastihe e le abilità nell'analisi di proprietà teoriche e nel disegno di software matematico basato sugli schemi numerici proposti. Risultati di apprendimento. Alla fine del corso, ogni discente dovrebbe: - conoscere i più rilevanti metodi numerici per l'approssimazione di equazioni differenziali stocastiche, unitamente agli aspetti legati alla loro implementazione in un software matematico accurato ed efficiente; - comprendere e saper spiegare nozioni, tesi e dimostrazioni nell'ambito della matematica numerica per equazioni differenziali stocastiche; - essere in grado di applicare la sua conoscenza per risolvere numericamente, utilizzando un ambiente di programmazione, equazioni differenziali stocastiche; - essere in grado di leggere e comprendere di altri testi su argomenti correlati. ------------------------------------------------------------ Modulo: DT0946 - Advanced Numerical Analysis mod. II ------------------------------------------------------------ L'obiettivo del corso è quello di introdurre la teoria moderna e i metodi di soluzione numerica delle equazioni differenziali parziali (PDE) e delle equazioni di fisica matematica. Analizziamo la precisione e la stabilità dei metodi, costruiamo metodi ottimali e prendiamo in considerazione diverse applicazioni.
Programma
------------------------------------------------------------ Modulo: DT0945 - Advanced Numerical Analysis mod. I ------------------------------------------------------------ - Moto browniano discretizzato. - Approssimazione di integrali stocastici di Ito e di Stratonovich. - Equazioni differenziali stocastiche: discretizzazione del problema. - Metodi numerici espliciti: Eulero-Maruyama e Milstein. - Metodi numerici impliciti: teta-metodi stocastici. - Convergenza forte e debole. - Stabilità lineare in media e asintotica di schemi numerici. - Analisi della stabilità non lineare di schemi numerici. - Integrazione geometrico-numerica stocastica. ------------------------------------------------------------ Modulo: DT0946 - Advanced Numerical Analysis mod. II ------------------------------------------------------------ ODE numerica: principali problemi e metodologia. Soluzioni numeriche del differenziale equazioni. Gli schemi di differenza. Lo schema delle differenze di Eulero. La precisione, il tasso di convergenza e aspetti numerici. Differenziazione numerica. Le formule ottime, la precisione ed i tassi di convergenza. Stabilità degli schemi differenziali. Stabilità di Lyapunov e stabilità asintotica. Criteri di stabilità. Problemi di stabilità per la differenziazione numerica. Integrazione numerica. Formule di quadratura nitide sui polinomi. La precisione e la velocità di convergenza. Gli schemi Runge-Kutta. Equazioni integrali. Stabilità, precisione e tassi di convergenza. Soluzione numerica del problema dei valori al contorno. Il problema dei valori al contorno e il principio di Eulero Equazione di Lagrange. Il metodo di ripresa e il metodo Thomas. Realizzazione del parallelo calcolo. PDE numerica. Schemi di differenza per PDE. L'analisi di convergenza e stabilità. Il finito metodo degli elementi e metodo di Galerkin.
------------------------------------------------------------ Modulo: DT0945 - Advanced Numerical Analysis mod. I ------------------------------------------------------------ Conoscenze di base di Analisi Numerica ed equazioni differenziali. Elementi di analisi funzionale. ------------------------------------------------------------ Modulo: DT0946 - Advanced Numerical Analysis mod. II ------------------------------------------------------------ I contenuti dei corsi di analisi di base (calcolo differenziale ed integrale per funzioni di più variabili) Equazioni differenziali ordinarie e con derivate parziali. Algebra lineare.
------------------------------------------------------------ Modulo: DT0945 - Advanced Numerical Analysis mod. I ------------------------------------------------------------ Lezioni frontali teoriche e di laboratorio. ------------------------------------------------------------ Modulo: DT0946 - Advanced Numerical Analysis mod. II ------------------------------------------------------------ Lezioni frontali, immagini illustrative e grafici nel proiettore, problemi di lavoro a casa inviati via e-mail. Analisi delle soluzioni del compito a casa in classe, discussioni interattive.
Modalità d'esame
------------------------------------------------------------ Modulo: DT0945 - Advanced Numerical Analysis mod. I ------------------------------------------------------------ L’esame prevede - una prova scritta su tutti gli argomenti teorici dell'insegnamento; - la discussione di alcuni esercizi di laboratorio. L’attribuzione del voto rifletterà i seguenti quattro livelli di preparazione: - sufficiente: conoscenza base degli strumenti e delle metodologie dell'Analisi Numerica; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorico-pratici in maniera indipendente. ------------------------------------------------------------ Modulo: DT0946 - Advanced Numerical Analysis mod. II ------------------------------------------------------------ Esame scritto. I problemi dell'esame si compongono di più parti: 1. Definizione e formulazione di teoremi; 2) Teorema con dimostrazione; 3) Descrizione del metodo e algoritmo: le iterazione e risultati teoretici; 4) Un esempio dalle applicazioni; 5) Problemi ed esercizi
Testi di riferimento
------------------------------------------------------------ Modulo: DT0945 - Advanced Numerical Analysis mod. I ------------------------------------------------------------ - R. D'Ambrosio, Numerical Approximation of Ordinary Differential Problems - From Deterministic to Stochastic Numerical Methods, Springer (2023). ------------------------------------------------------------ Modulo: DT0946 - Advanced Numerical Analysis mod. II ------------------------------------------------------------ 1. A.Quarteroni, Numerical Models for Differential Problems, 2014 2. J.R.Chasnov, Numerical Methods and Optimization, 2012
Codice insegnamento 36284
ADVANCED PARTIAL DIFFERENTIAL EQUATIONS
2° anno · 6 CFU · MATH-03/A · 0 file
Il corso ha lo scopo di fornire le nozioni avanzate della teoria delle equazioni alle derivate parziali lineari e nonlineari. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha lo scopo di fornire le nozioni avanzate della teoria delle equazioni alle derivate parziali lineari e nonlineari. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea in Matematica è stata verificata e armonizzata in fase di progettazione dello stesso. Risultati di apprendimento
Programma
- Equazioni differenziali ordinarie in Spazi di Banach; - Teoria dei semigruppi; - Equazione ellittiche lineari; - Equazioni paraboliche lineari; - Equazioni iperboliche lineari; - Introduzione al Calcolo delle Variazioni. - Alcune equazioni alle derivate parziali in Fisica Matematica
Fondamenti di Analisi Funzionale, Sobolev spaces
Lezione frontale, svolgimento di esercizi in classe e a casa, sessioni di problem-solving in cooperazione
Modalità d'esame
Prova scritta tesa ad accertare - la preparazione teorica; - il rigore logico; - la capacità di risolvere problemi teorici, applicando le conoscenze acquisite. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente
Testi di riferimento
- A. Bressan, Lecture Notes on Functional Analysis: With Applications to Linear Partial Differential Equations, AMS graduate studies in mathematics. - L. C. Evans, Partial Differential Equations, AMS graduate studies in mathematics. - L. Ambrosio, A. Carlotto, A. Massacesi, Lectures on elliptic partial differential equations, Edizione della Normale. - H. Brezis, Functional Analysis, Sobolev Spaces and Partial differential equations, Springer - Note del docente
Codice insegnamento 38983
ADVANCED PARTIAL DIFFERENTIAL EQUATIONS
2° anno · 6 CFU · MATH-03/A · 0 file
Il corso ha lo scopo di fornire le nozioni avanzate della teoria delle equazioni alle derivate parziali lineari e nonlineari. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha lo scopo di fornire le nozioni avanzate della teoria delle equazioni alle derivate parziali lineari e nonlineari. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea in Matematica è stata verificata e armonizzata in fase di progettazione dello stesso. Risultati di apprendimento
Programma
- Equazioni differenziali ordinarie in Spazi di Banach; - Teoria dei semigruppi; - Equazione ellittiche lineari; - Equazioni paraboliche lineari; - Equazioni iperboliche lineari; - Introduzione al Calcolo delle Variazioni. - Alcune equazioni alle derivate parziali in Fisica Matematica
Fondamenti di Analisi Funzionale, Sobolev spaces
Lezione frontale, svolgimento di esercizi in classe e a casa, sessioni di problem-solving in cooperazione
Modalità d'esame
Prova scritta tesa ad accertare - la preparazione teorica; - il rigore logico; - la capacità di risolvere problemi teorici, applicando le conoscenze acquisite. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente
Testi di riferimento
- A. Bressan, Lecture Notes on Functional Analysis: With Applications to Linear Partial Differential Equations, AMS graduate studies in mathematics. - L. C. Evans, Partial Differential Equations, AMS graduate studies in mathematics. - L. Ambrosio, A. Carlotto, A. Massacesi, Lectures on elliptic partial differential equations, Edizione della Normale. - H. Brezis, Functional Analysis, Sobolev Spaces and Partial differential equations, Springer - Note del docente
Codice insegnamento 38983
ALGEBRA AND GEOMETRY
2° anno · 12 CFU · MATH-02/A · 0 file
------------------------------------------------------------ Modulo: DT0248 - RIEMANNIAN GEOMETRY ------------------------------------------------------------ Obiettivi formativi dell’insegnamento. Il corso ha lo scopo…
Scheda dell'insegnamento
Obiettivi formativi
------------------------------------------------------------ Modulo: DT0248 - RIEMANNIAN GEOMETRY ------------------------------------------------------------ Obiettivi formativi dell’insegnamento. Il corso ha lo scopo di fornire le nozioni di base della geometria riemanniana. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea triennale in Matematica è stata verificata e armonizzata in fase di progettazione dello stesso. ------------------------------------------------------------ Modulo: DT0763 - TOPICS IN ALGEBRA ------------------------------------------------------------ Obiettivi formativi. Il corso ha lo scopo di fornire nozioni base e teoremi fondamentali di gruppi finiti e infiniti e delle loro rappresentazioni. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea magistrale in Matematica è stata verificata e armonizzata in fase di progettazione dello stesso.
Programma
------------------------------------------------------------ Modulo: DT0248 - RIEMANNIAN GEOMETRY ------------------------------------------------------------ Varietà Riemanniane, connessioni, curvatura, distanza, geodetiche, curvatura e topologia, geometria delle ipersuperfici ------------------------------------------------------------ Modulo: DT0763 - TOPICS IN ALGEBRA ------------------------------------------------------------ Il corso è diviso in due parti: 1. TEORIA DEI GRUPPI 1.1 Ripasso delle definizioni e nozioni di base (esempi di gruppi, sottogruppi, quozienti, teoremi di omomorfismo, gruppi di permutazione). 1.2 Gruppi liberi e presentazioni 1.3 Serie, serie di composizione, gruppi semplici 1.3 Serie centrale, gruppo nilpotente 1.4 P-gruppi finiti 1.5 Gruppi solubili 2. TEORIA DELLE RAPPRESENTAZIONI 2.1 Algebre, rappresentazioni, moduli, semisemplicità, teorema di Wedderburn. 2.2 Algebre di gruppo e rappresentazioni di gruppi, caratteri complessi. 2.3 Relazioni di ortogonalità, caratteri e integralità. 2.4 Prodotto di caratteri, prodotto tensoriale di rappresentazioni. 2.5 Caratteri indotti, reciprocità di Frobenius, teorema di Taketa, decomposizioni imprimitive, teorema di Clifford, teorema di Mackey.
------------------------------------------------------------ Modulo: DT0248 - RIEMANNIAN GEOMETRY ------------------------------------------------------------ Calcolo in più variabili, fondamenti di topologia e geometria differenziale. ------------------------------------------------------------ Modulo: DT0763 - TOPICS IN ALGEBRA ------------------------------------------------------------ Definizione e nozioni di base dei gruppi, come sottogruppi normali, gruppi quozienti, teoremi di isomorfismo; definizione e nozioni base degli anelli, come ideali, anelli quozienti, teoremi di isomorfismo.
------------------------------------------------------------ Modulo: DT0248 - RIEMANNIAN GEOMETRY ------------------------------------------------------------ Lezione frontale, svolgimento di esercizi in classe e a casa. ------------------------------------------------------------ Modulo: DT0763 - TOPICS IN ALGEBRA ------------------------------------------------------------ Lezioni frontali
Modalità d'esame
------------------------------------------------------------ Modulo: DT0248 - RIEMANNIAN GEOMETRY ------------------------------------------------------------ Prova orale tesa ad accertare - la preparazione teorica; - il rigore logico; - la capacità di risolvere problemi teorici, applicando le conoscenze acquisite. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente ------------------------------------------------------------ Modulo: DT0763 - TOPICS IN ALGEBRA ------------------------------------------------------------ Accertamento del raggiungimento degli obiettivi formativi: prova orale in cui le domande coprono tutti gli argomenti trattai nel corso. I criteri per la valutazione saranno: il livello di conoscenza degli argomenti trattati durante il corso, capacità di applicarli e/o riconoscerli in altre situazioni, il linguaggio scientifico utilizzato, la chiarezza e completezza delle argomentazioni. L’attribuzione del voto rifletterà i seguenti livelli di preparazione: - sufficiente: Conoscenza degli aspetti di base dei gruppi finiti e delle loro rappresentazioni. - adeguata: Conoscenza degli aspetti di base dei gruppi finiti e delle loro rappresentazioni; comprendere, saper enunciare e saper dare un’idea delle dimostrazioni dei risultati presentati a lezione - buona: Conoscenza degli aspetti di base dei gruppi finiti e delle loro rappresentazioni; comprendere, saper enunciare e saper dimostrare i risultati presentati a lezione - approfondita: Conoscenza degli aspetti di base dei gruppi finiti e delle loro rappresentazioni; comprendere, saper enunciare e saper dimostrare i risultati presentati a lezione; saper interpretare ed analizzare i problemi matematici legati alla teoria dei gruppi finiti e delle loro rappresentazioni
Testi di riferimento
------------------------------------------------------------ Modulo: DT0248 - RIEMANNIAN GEOMETRY ------------------------------------------------------------ Gallot, Hulin, Lafontaine "Riemmannian geometry" Do Carmo "Riemannian geometry" ------------------------------------------------------------ Modulo: DT0763 - TOPICS IN ALGEBRA ------------------------------------------------------------ 1. Isaacs, I. Martin, Character theory of finite groups, AMS Chelsea Publishing, Providence, RI, 2006. 2. Robinson, Derek J. S.(1-IL), A course in the theory of groups.(English summary), Second edition, Grad. Texts in Math., 80, Springer-Verlag, New York, 1996.
Codice insegnamento 38980
ALGEBRAIC STRUCTURES AND APPLICATIONS
2° anno · 6 CFU · MATH-02/A · 0 file
Il corso ha lo scopo di fornire, a partire dalle nozioni di base di alcuni aspetti dell'algebra applicata. Introduce alle nozioni algebriche astratte mediante lo studio dell'algebra dei campi finiti e delle classi di…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha lo scopo di fornire, a partire dalle nozioni di base di alcuni aspetti dell'algebra applicata. Introduce alle nozioni algebriche astratte mediante lo studio dell'algebra dei campi finiti e delle classi di resto. Tali obiettivi sono parte delle finalità formative del corso di studio. Risultati di apprendimento: Alla fine del corso, lo studente dovrebbe 1. conoscere gli aspetti di base della teoria dei campi finiti e della teoria dei codici lineari. 2. comprendere e saper spiegare tesi e dimostrazioni in tale ambito; 3. avere rafforzato la capacità di argomentazione logica e di calcolo algebrico e aritmetico; 4. essere in grado di leggere e capire altri testi scientifici su argomenti correlati.
Programma
Richiami di algebra gruppi, anelli e campi. Campi finiti, struttura, unicità, tracca norma, polinomi ciclotomici, teorema di Wedderburn. Polinomi sui campi finiti, ordine di un polinomi, polinomi primitivi, costruzione di polinomi irriducibili. Fattorizzazione dei polinomi sui campi finiti. Metodo di Berlekamp. Successioni a ricorrenza lineare, FSR. Codici a correzione d'errore, codici lineari, matrice generatrice e matrice di controllo parità. Distanza, bound per codici lineari, MLD, Codici di Hamming e codici perfetti, Codici ciclici, codici BCH e di Reed Salomon. Testi di primalità, Test di Eulero, Solovay-Strassen, Miller Rabin.
Corso di algebra di base, conoscenza delle strutture di gruppo, anello e campo e delle loro prinicipali proprietà
Lezioni frontali (a seconda delle necessità obbligate). Esercitazioni e problem solving.
Modalità d'esame
Prova orale tesa ad accertare - la preparazione pratica e teorica; - il rigore logico; - la capacità di risolvere in modo deduttivo problemi pratici e teorici, applicando le conoscenze acquisite. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi (vedi obiettivo 1 e 2); - buona: saper risolvere esercizi articolati su più passaggi e saper riprodurre e spiegare alcune dimostrazioni fondamentali (vedi obiettivi 2 e 3); - eccellente: saper approfondire con completezza l'analisi delle strutture algebriche trattate nel corso e le loro proprietà applicando quanto appreso alla soluzione di problemi e quesiti anche teorici (vedi obiettivi 2, 3, 4).
Testi di riferimento
Rudolf Lidl & Harald Niederreiter; foreword by P. M. Cohn - Finite fields - Cambridge University Press, 1997. D. G. Hoffman & D. A. Leonard & C. C. Lidner & K. T. Phelps & C. A. Rodger & Wal, Coding Theory: The Essentials- M. Dekker
Codice insegnamento 42097
ANALYSIS AND GEOMETRY
2° anno · 12 CFU · MATH-03/A · 0 file
------------------------------------------------------------ Modulo: DT0248 - RIEMANNIAN GEOMETRY (mutua dall'attività formativa RIEMANNIAN GEOMETRY - DT0248 del CdS MATEMATICA - F4MR)…
Scheda dell'insegnamento
Obiettivi formativi
------------------------------------------------------------ Modulo: DT0248 - RIEMANNIAN GEOMETRY (mutua dall'attività formativa RIEMANNIAN GEOMETRY - DT0248 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Obiettivi formativi dell’insegnamento. Il corso ha lo scopo di fornire le nozioni di base della geometria riemanniana. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea triennale in Matematica è stata verificata e armonizzata in fase di progettazione dello stesso. ------------------------------------------------------------ Modulo: DT0765 - ADVANCED PARTIAL DIFFERENTIAL EQUATIONS (mutua dall'attività formativa ADVANCED PARTIAL DIFFERENTIAL EQUATIONS - DT0765 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Il corso ha lo scopo di fornire le nozioni avanzate della teoria delle equazioni alle derivate parziali lineari e nonlineari. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea in Matematica è stata verificata e armonizzata in fase di progettazione dello stesso. Risultati di apprendimento
Programma
------------------------------------------------------------ Modulo: DT0248 - RIEMANNIAN GEOMETRY (mutua dall'attività formativa RIEMANNIAN GEOMETRY - DT0248 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Varietà Riemanniane, connessioni, curvatura, distanza, geodetiche, curvatura e topologia, geometria delle ipersuperfici ------------------------------------------------------------ Modulo: DT0765 - ADVANCED PARTIAL DIFFERENTIAL EQUATIONS (mutua dall'attività formativa ADVANCED PARTIAL DIFFERENTIAL EQUATIONS - DT0765 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ - Equazioni differenziali ordinarie in Spazi di Banach; - Teoria dei semigruppi; - Equazione ellittiche lineari; - Equazioni paraboliche lineari; - Equazioni iperboliche lineari; - Introduzione al Calcolo delle Variazioni. - Alcune equazioni alle derivate parziali in Fisica Matematica
------------------------------------------------------------ Modulo: DT0248 - RIEMANNIAN GEOMETRY (mutua dall'attività formativa RIEMANNIAN GEOMETRY - DT0248 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Calcolo in più variabili, fondamenti di topologia e geometria differenziale. ------------------------------------------------------------ Modulo: DT0765 - ADVANCED PARTIAL DIFFERENTIAL EQUATIONS (mutua dall'attività formativa ADVANCED PARTIAL DIFFERENTIAL EQUATIONS - DT0765 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Fondamenti di Analisi Funzionale, Sobolev spaces
------------------------------------------------------------ Modulo: DT0248 - RIEMANNIAN GEOMETRY (mutua dall'attività formativa RIEMANNIAN GEOMETRY - DT0248 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Lezione frontale, svolgimento di esercizi in classe e a casa. ------------------------------------------------------------ Modulo: DT0765 - ADVANCED PARTIAL DIFFERENTIAL EQUATIONS (mutua dall'attività formativa ADVANCED PARTIAL DIFFERENTIAL EQUATIONS - DT0765 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Lezione frontale, svolgimento di esercizi in classe e a casa, sessioni di problem-solving in cooperazione
Modalità d'esame
------------------------------------------------------------ Modulo: DT0248 - RIEMANNIAN GEOMETRY (mutua dall'attività formativa RIEMANNIAN GEOMETRY - DT0248 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Prova orale tesa ad accertare - la preparazione teorica; - il rigore logico; - la capacità di risolvere problemi teorici, applicando le conoscenze acquisite. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente ------------------------------------------------------------ Modulo: DT0765 - ADVANCED PARTIAL DIFFERENTIAL EQUATIONS (mutua dall'attività formativa ADVANCED PARTIAL DIFFERENTIAL EQUATIONS - DT0765 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Prova scritta tesa ad accertare - la preparazione teorica; - il rigore logico; - la capacità di risolvere problemi teorici, applicando le conoscenze acquisite. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente
Testi di riferimento
------------------------------------------------------------ Modulo: DT0248 - RIEMANNIAN GEOMETRY (mutua dall'attività formativa RIEMANNIAN GEOMETRY - DT0248 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Gallot, Hulin, Lafontaine "Riemmannian geometry" Do Carmo "Riemannian geometry" ------------------------------------------------------------ Modulo: DT0765 - ADVANCED PARTIAL DIFFERENTIAL EQUATIONS (mutua dall'attività formativa ADVANCED PARTIAL DIFFERENTIAL EQUATIONS - DT0765 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ - A. Bressan, Lecture Notes on Functional Analysis: With Applications to Linear Partial Differential Equations, AMS graduate studies in mathematics. - L. C. Evans, Partial Differential Equations, AMS graduate studies in mathematics. - L. Ambrosio, A. Carlotto, A. Massacesi, Lectures on elliptic partial differential equations, Edizione della Normale. - H. Brezis, Functional Analysis, Sobolev Spaces and Partial differential equations, Springer - Note del docente
Codice insegnamento 38982
ANALYSIS AND MATHEMATICAL PHYSICS
2° anno · 12 CFU · MATH-03/A · 0 file
------------------------------------------------------------ Modulo: DT0765 - ADVANCED PARTIAL DIFFERENTIAL EQUATIONS (mutua dall'attività formativa ADVANCED PARTIAL DIFFERENTIAL EQUATIONS - DT0765 del CdS MATEMATICA -…
Scheda dell'insegnamento
Obiettivi formativi
------------------------------------------------------------ Modulo: DT0765 - ADVANCED PARTIAL DIFFERENTIAL EQUATIONS (mutua dall'attività formativa ADVANCED PARTIAL DIFFERENTIAL EQUATIONS - DT0765 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Il corso ha lo scopo di fornire le nozioni avanzate della teoria delle equazioni alle derivate parziali lineari e nonlineari. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea in Matematica è stata verificata e armonizzata in fase di progettazione dello stesso. Risultati di apprendimento ------------------------------------------------------------ Modulo: DT0767 - LARGE COMPLEX SYSTEMS (mutua dall'attività formativa LARGE COMPLEX SYSTEMS - DT0767 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ L’ambito dei Sistemi Complessi di Grandi Dimensioni studia l’emergere di nuovi fenomeni dovuti alla complessità del sistema, intesa nel senso che esso è costituito da un gran numero di componenti. Tali fenomeni sono onnipresenti in natura e rientrano tra i principali problemi aperti delle scienze, tra cui il clima, le transizioni di fase (cristallizzazione, formazione della pioggia, vetri), l’auto-organizzazione, l’intelligenza artificiale (IA) e la turbolenza.
Programma
------------------------------------------------------------ Modulo: DT0765 - ADVANCED PARTIAL DIFFERENTIAL EQUATIONS (mutua dall'attività formativa ADVANCED PARTIAL DIFFERENTIAL EQUATIONS - DT0765 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ - Equazioni differenziali ordinarie in Spazi di Banach; - Teoria dei semigruppi; - Equazione ellittiche lineari; - Equazioni paraboliche lineari; - Equazioni iperboliche lineari; - Introduzione al Calcolo delle Variazioni. - Alcune equazioni alle derivate parziali in Fisica Matematica ------------------------------------------------------------ Modulo: DT0767 - LARGE COMPLEX SYSTEMS (mutua dall'attività formativa LARGE COMPLEX SYSTEMS - DT0767 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Nel corso considereremo catene di Markov a tempo discreto e/o continuo su spazi degli stati caratterizzati da un’elevata complessità. Nel migliore dei casi, si può sperare di descrivere la frequenza con cui si verifica un particolare tipo di comportamento. Dal punto di vista matematico, ciò conduce allo studio delle misure invarianti e della «convergenza» verso tali misure. Richiameremo la teoria classica delle catene di Markov, la teoria ergodica ad essa associata e risultati di mixing, come il classico teorema di Harris. Questi metodi forniscono un’interpretazione adeguata soltanto per spazi degli stati di cardinalità relativamente piccola. Per studiare i sistemi complessi, esamineremo il celebre teorema di Harris generalizzato di Hairer, Mattingly e Scheutzow. Considereremo metodi di accoppiamento per lo studio del controllo stocastico e dell’apprendimento per rinforzo, utilizzato, ad esempio, per addestrare programmi informatici in grado di giocare a scacchi. Applicheremo queste tecniche alle equazioni differenziali alle derivate parziali stocastiche e le utilizzeremo per fornire un fondamento matematico ai concetti di clima e di sensibilità climatica rispetto a forzanti esterne, come l’aumento delle concentrazioni di CO₂. Utilizzeremo inoltre questi metodi per studiare algoritmi di apprendimento statistico nell’ambito dell’intelligenza artificiale, inclusi l’apprendimento supervisionato e non supervisionato, nonché, se il tempo lo consentirà, il filtraggio ottimale.
------------------------------------------------------------ Modulo: DT0765 - ADVANCED PARTIAL DIFFERENTIAL EQUATIONS (mutua dall'attività formativa ADVANCED PARTIAL DIFFERENTIAL EQUATIONS - DT0765 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Fondamenti di Analisi Funzionale, Sobolev spaces ------------------------------------------------------------ Modulo: DT0767 - LARGE COMPLEX SYSTEMS (mutua dall'attività formativa LARGE COMPLEX SYSTEMS - DT0767 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Gli unici prerequisiti sono delle nozioni elementari di calcolo delle probabilità e di analisi funzionale
------------------------------------------------------------ Modulo: DT0765 - ADVANCED PARTIAL DIFFERENTIAL EQUATIONS (mutua dall'attività formativa ADVANCED PARTIAL DIFFERENTIAL EQUATIONS - DT0765 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Lezione frontale, svolgimento di esercizi in classe e a casa, sessioni di problem-solving in cooperazione ------------------------------------------------------------ Modulo: DT0767 - LARGE COMPLEX SYSTEMS (mutua dall'attività formativa LARGE COMPLEX SYSTEMS - DT0767 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ lezioni, gruppi per discussioni o sessioni d'esercizi
Modalità d'esame
------------------------------------------------------------ Modulo: DT0765 - ADVANCED PARTIAL DIFFERENTIAL EQUATIONS (mutua dall'attività formativa ADVANCED PARTIAL DIFFERENTIAL EQUATIONS - DT0765 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Prova scritta tesa ad accertare - la preparazione teorica; - il rigore logico; - la capacità di risolvere problemi teorici, applicando le conoscenze acquisite. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente ------------------------------------------------------------ Modulo: DT0767 - LARGE COMPLEX SYSTEMS (mutua dall'attività formativa LARGE COMPLEX SYSTEMS - DT0767 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Accertamento del raggiungimento degli obiettivi formativi: Esame finale orale Accertamento del processo formativo: L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e le esercitazioni. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - ottima: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente
Testi di riferimento
------------------------------------------------------------ Modulo: DT0765 - ADVANCED PARTIAL DIFFERENTIAL EQUATIONS (mutua dall'attività formativa ADVANCED PARTIAL DIFFERENTIAL EQUATIONS - DT0765 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ - A. Bressan, Lecture Notes on Functional Analysis: With Applications to Linear Partial Differential Equations, AMS graduate studies in mathematics. - L. C. Evans, Partial Differential Equations, AMS graduate studies in mathematics. - L. Ambrosio, A. Carlotto, A. Massacesi, Lectures on elliptic partial differential equations, Edizione della Normale. - H. Brezis, Functional Analysis, Sobolev Spaces and Partial differential equations, Springer - Note del docente ------------------------------------------------------------ Modulo: DT0767 - LARGE COMPLEX SYSTEMS (mutua dall'attività formativa LARGE COMPLEX SYSTEMS - DT0767 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ M. Hairer: Lecture Notes on ''Ergodic properties of Markov process'' Warwick 2006 M. Hairer J. Mattingly ''Yet another look at Harris' ergodic theorem for Markov chains'' S. Meyn ''Control systems and Reinforcment Learning '' Cambridge N. Privault "Discrete Stochastic Processes: Tools for Machine Learning and Data", Springer
Codice insegnamento 38984
BIOMATHEMATICS
2° anno · 6 CFU · MATH-03/A · 0 file
1) Acquisire le basi nella modellistica matematica in dinamica delle popolazioni. 2) Provvedere ad una descrizione matematica di modelli di EDP in biologia delle popolazioni ed interpretare il comportamento qualitativo…
Scheda dell'insegnamento
Obiettivi formativi
1) Acquisire le basi nella modellistica matematica in dinamica delle popolazioni. 2) Provvedere ad una descrizione matematica di modelli di EDP in biologia delle popolazioni ed interpretare il comportamento qualitativo delle soluzioni. 3) Acquisire le nozioni di base di modelli in epidemiologia ed in cinetica delle reazioni chimiche. 4) Apprendere la modellistica matematica in dinamica delle popolazioni in ambienti eterogenei mediante EDP. 5) Conoscere modelli avanzati in biologia, come i modelli di chemiotassi o i modelli di dinamica strutturata. 6) Acquisire un solido background sulla matematica dei fenomeni di reazione-diffusione, sull'instabilità di Turing e sulla formazione di pattern.
Programma
- Modelli continui di popolazione per una specie. Modelli continui di crescita. Modelli con ritardo. Analisi lineare di modelli con ritardo: soluzioni periodiche. - Modelli continui per popolazioni interagenti. Modello preda-predatore. Sistema di Lotka-Volterra. Modelli realistici. Modelli di competizione: principio di esclusione competitiva. Modelli di mutualismo. - Modelli in cinetica delle reazioni. Azione di massa. Stime temporali e adimesionalizzazione. Analisi quasi stazionaria di Michaelis-Menten. - Dinamica delle malattie infettive: modelli epidemiologici e modelli di AIDS. Modelli semplici (SIR, SI) ed applicazioni pratiche. Modelli di malattie veneree. AIDS: modelli di trasmissione dell'HIV.- Modelli multiagente del I e II ordine. Comportamento collettivo. Consenso e flocking. Modelli con leadership. - Modelli spazio-tempo: EDP in biologia. Equazioni di diffusione. Diffusione e random walk. La distribuzione Gaussiana. Proprietà regolarizzanti e di decadimento dell'operatore di diffusione. Diffusione nonlineare. - Reazione-diffusione per una singola specie. Equazione diffusiva di Malthus ed ampiezza critica dell'intervallo. Onde viaggianti. Equazione di Fisher-Kolmogorov. - Sistemi di reazione-diffusione. Onde multispecie in sistemi preda-predatore diffusivi. Instabilità di Turing. Formazione di pattern. - Modelli di chemiotassi. Diffusione vs chemiotassi: stabilità e instabilità. Stabilità e blow-up. Chemiotassi con diffusione nonlineare. Modelli con densità massimale. - Modelli di interazione nonlocale in biologia. Modelli matematici di swarm. Derivazione di modelli PDE come limite di modelli ODE per numero infinito di agenti. Comportamento asintotico. - Dinamica strutturata. Un esempio in ecologia: competizione per risorse. Tratti continui. ESS in modelli continui.
Analisi matematica di base (calcolo differenziale ed integrale in una e più variabili). Equazioni differenziali ordinarie. Nozioni di base in sistemi dinamici finito dimensionali. Conoscenze di base di equazioni alle derivate parziali lineari. Conoscenze di base di analisi funzionale.
Lezioni
Modalità d'esame
L'esame consiste in una prova scritta, con esercizi o domande sulla prima parte del programma, seguita da una prova scritta e/o orale sulla seconda parte.L’ attribuzione del voto rifletterà i seguenti livelli dipreparazione.18-21: conoscenza sufficiente dei contenuti, 22-25: preparazione appropriata ma non approfondita, 26-28: preparazione buona, 29-30, 30 e lode: conoscenza approfondita degli argomenti.
Testi di riferimento
- James D. Murray, Mathematical Biology I: an introduction, Springer. - James D. Murray, Mathematical Biology II: Spatial models and biomedical applications, Springer. - Benoit Perthame, Transport equations in biology, Birkaeuser.
Codice insegnamento 36292
BROWNIAN MOTION AND STOCHASTIC INTEGRATION
2° anno · 6 CFU · MATH-03/B · 0 file
Il corso si propone di introdurre lo studente alla teoria dei processi stocastici e alle equazioni differenziali stocastiche. Le equazioni differenziali stocastiche descrivono l’evoluzione di sistemi dipendenti da uno…
Scheda dell'insegnamento
Obiettivi formativi
Il corso si propone di introdurre lo studente alla teoria dei processi stocastici e alle equazioni differenziali stocastiche. Le equazioni differenziali stocastiche descrivono l’evoluzione di sistemi dipendenti da uno o più parametri aleatori e sono onnipresenti nella matematica e nelle applicazioni, per esempio in Matematica Finanziaria, Ingegneria e Fisica. Alla fine del corso, gli studenti dovrebbero: 1. Aver sviluppato le capacità di modellare semplici problemi reali e proporre una soluzione; 2. Essere in grado di risolvere problemi teorici, utilizzando gli strumenti matematici appropriati; 3. Essere in grado di leggere e capire altri testi scientifici su argomenti correlati; 4. Acquisire una prima idea dei problemi di ricerca rilevanti.
Programma
Gli argomenti trattati saranno i seguenti: Proprietà del moto browniano Martingale a tempo continuo Integrazione stocastica rispetto a processi a variazione finita Integrazione stocastica rispetto a processi a variazione quadratica finita Formula di Ito Equazioni differenziali stocastiche
I prerequisiti per il corso sono una buona conoscenza della Teoria della Misura e del Calcolo delle Probabilità, secondo quanto previsto, ad esempio, per il corso Advanced Probability
lezioni e sessioni d'esercizi
Modalità d'esame
Accertamento del raggiungimento degli obiettivi formativi: Esame finale scritto o orale Accertamento del processo formativo: L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e le esercitazioni. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - ottima: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente
Testi di riferimento
Breiman, Leo: Probabiity Achim Klenke: Probability Theory Weizsaecker, Winkler: Stochastic Integrals: an introduction 1990 Ikeda Watanabe: Stochastic differential equations and diffusion processes
Codice insegnamento 38987
COMMUNICATION AND TEACHING
2° anno · 12 CFU · MATH-01/B · 0 file
------------------------------------------------------------ Modulo: DT0421 - HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING (mutua dall'attività formativa HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING - DT0421…
Scheda dell'insegnamento
Obiettivi formativi
------------------------------------------------------------ Modulo: DT0421 - HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING (mutua dall'attività formativa HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING - DT0421 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Dare una formazione storico, tecnico, culturale ai futuri matematici. ------------------------------------------------------------ Modulo: DT0771 - TEACHING PRACTICES OF MATHEMATICS ------------------------------------------------------------ Il corso ha lo scopo di fornire agli studenti strumenti teorici e pratici per affrontare l’insegnamento-apprendimento della matematica nella scuola secondaria di I e II grado Tali obiettivi sono parte aggiuntiva delle finalità formative del corso di studi e offrono agli studenti l’occasione di applicare la disciplina in contesti didattici
Programma
------------------------------------------------------------ Modulo: DT0421 - HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING (mutua dall'attività formativa HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING - DT0421 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Cenni sulla matematica pre-euclidea. Introduzione agli Elementi di Euclide. Il Libro I. Libri III e IV. La geometria solida. Grundlagen der Geometrie di Hilbert. Le caratteristiche del linguaggio algebrico nel suo sviluppo storico: L’evoluzione del formalismo e l’introduzione dei numeri negativi. Le equazioni di secondo grado nella storia. Alcuni problemi di terzo grado. La formula risolutiva delle equazioni di terzo grado. Le equazioni di quarto grado. Bombelli e la nascita dei numeri complessi. Viète, Descartes e la riforma del linguaggio algebrico. Cenni su ulteriori sviluppi nei secoli successivi. Le origini del calcolo infinitesimale: Problemi concettuali nella matematica greca. Il metodo di esau-stione L’opera di Archimede: La misura della sfera, la quadratura del cerchio, il trattato sulle spirali, la statica di Archimede. Il Metodo di Archimede. Infinitesimi ed indivisibili nel XVII secolo: I nuovi metodi di Keplero. Il metodo degli indivisibili di Bonaventura Cavalieri. Galilei, l’infinito e gli indivisibili. I contributi di Evangelista Torricelli Cartesio e lo sviluppo della matematica. Il metodo dei massimi e dei minimi di Fermat. Innovazione e tradizione: James Gregory e Isaac Barrow. Leibniz e Newton: Il Nova Methodus di Leibniz. Il Tractatus di Newton. La disputa tra Leibniz e New-ton. Un terreno di confronto: la catenaria. Alcune polemiche sui fondamenti del calcolo. Il Settecento: Bernulli, Eulero, Lagrange. Sviluppo dell’esigenza critica negli analisti dell’Ottocento: Bolzano e Cauchy. L’aritmetizzazione dell’analisi e i suoi sviluppi. Cenni sulle geometrie non-euclidee: I fondatori della geometria non euclidea (Lobačevskij e Bolyai). L’indirizzo metrico-differenziale (Gauss, Beltrami, Riemann). Geometria iperbolica (modello di Klein, modello di Poincaré). La geometria di Riemann: geometria sferica, geometria ellittica e suoi modelli. ------------------------------------------------------------ Modulo: DT0771 - TEACHING PRACTICES OF MATHEMATICS ------------------------------------------------------------ Gli argomenti trattati sono suddivisi in due parti (l'ordine delle parti verrà definito durante il corso): Parte a) Verranno presentati e discussi i principali quadri teorici riconosciuti dalla ricerca in didattica della matematica (ad esempio, Teoria delle situazioni didattiche in matematica, Approccio strumentale, Teoria della mediazione semiotica, Contratto didattico e sue clausole). Verranno attualizzati e applicati alla luce delle indicazioni ministeriali e delle linee guida nazionali ed internazionali per il curricolo di matematica, riprendendo diverse metodologie didattiche (lezione frontale, approccio per problemi, lavori di gruppo, ...). Infine si discuterà della valutazione come strumento didattico per accompagnare il processo di insegnamento-apprendimento della matematica (ad esempio, si discuterà della differenza tra valutazione di classe, distinta in formativa, sommativa e diagnostica, e valutazione standardizzata) Parte b) Questa parte del corso si propone di sviluppare, attraverso un’analisi critica di alcuni libri di testo oggi adottati nella scuola secondaria di secondo grado e di materiali raccolti nell'ambito di sperimentazioni didattiche, riflessioni sui processi di insegnamento/apprendimento di alcuni dei principali nodi concettuali alla base dell’insegnamento scolastico (geometria euclidea, sistemi numerici, risoluzione di equazioni, geometria analitica, limiti, derivate, integrali). La Storia della Matematica e alcuni Software didattici saranno presentati come strumenti per potenziare tali processi.
------------------------------------------------------------ Modulo: DT0421 - HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING (mutua dall'attività formativa HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING - DT0421 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Corsi base di: Algebra, Analisi Matematica, Geometria ------------------------------------------------------------ Modulo: DT0771 - TEACHING PRACTICES OF MATHEMATICS ------------------------------------------------------------ Gli studenti devono conoscere tutti i contenuti matematici previsti fino alla conclusione del secondo ciclo di istruzione relativi ad ogni ambito indicato dalle indicazioni nazionali. Buona conoscenza dei corsi di base di Algebra, Geometria e Analisi.
------------------------------------------------------------ Modulo: DT0421 - HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING (mutua dall'attività formativa HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING - DT0421 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Le lezioni si svilupperanno prevalentemente secondo il tradizionale approccio della lezione frontale partecipata. ------------------------------------------------------------ Modulo: DT0771 - TEACHING PRACTICES OF MATHEMATICS ------------------------------------------------------------ La metodologia prevalente è il laboratorio. A questo sono state alternate: lezioni frontali; discussioni in classe; soluzioni di problemi in classe (dal docente o dagli studenti). Lavoro di gruppo e attività di studio individuali.
Modalità d'esame
------------------------------------------------------------ Modulo: DT0421 - HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING (mutua dall'attività formativa HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING - DT0421 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Prova orale ------------------------------------------------------------ Modulo: DT0771 - TEACHING PRACTICES OF MATHEMATICS ------------------------------------------------------------ Accertamento del processo di apprendimento in itinere: L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e i colloqui individuali. Gli studenti sono coinvolti in discussioni per mezzo di domande orali rivolte a tutta la classe. Accertamento del raggiungimento degli obiettivi formativi: Prova orale e presentazione di un progetto didattico o discussione di un articolo scientifico. Ogni studente deve presentare e discutere un elaborato finale, su un argomento assegnato dalle docenti, che compendi le due parti del corso. I criteri per la valutazione saranno: il livello di conoscenza degli argomenti trattati durante il corso, capacità di applicarli e/o riconoscerli in altre situazioni, il linguaggio scientifico utilizzato, la chiarezza e completezza delle argomentazioni. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione ed esposizione dei principali costrutti, non completa autonomia nell’applicarli in contesti e situazioni didattiche; esposizione chiara ma non sempre completa - adeguata: comprensione ed esposizione dei principali costrutti, sufficiente autonomia nell’applicarli in contesti e situazioni didattiche; esposizione chiara e sufficientemente completa - buona: comprensione ed esposizione dei principali costrutti, autonomia nell’applicarli in contesti e situazioni didattiche; esposizione chiara e completa - approfondita: comprensione ed esposizione dei principali costrutti, completa autonomia nell’applicarli in contesti e situazioni didattiche anche complesse; esposizione chiara e completa; analisi e valutazione di collegamenti tra più costrutti matematici e didattici.
Testi di riferimento
------------------------------------------------------------ Modulo: DT0421 - HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING (mutua dall'attività formativa HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING - DT0421 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ M.Kline, Storia del pensiero matematico, vol. I e II (ed. italiana a cura di A.Conte) Giulio Einaudi Editore, Torino, 1991 Appunti del docente ------------------------------------------------------------ Modulo: DT0771 - TEACHING PRACTICES OF MATHEMATICS ------------------------------------------------------------ Dispense fornite dai docenti durante il corso Baccaglini Frank, A., Di Martino, P., Natalini, R., (2019). Didattica della Matematica. Firenze: Mondadori Università Mariotti, M. A. (2022). Argomentare e dimostrare come problema didattico. UTET università. Zan, R. (2007). Difficoltà in matematica. Milano: Springer. D’Amore, B. (1999) Elementi di didattica della Matematica. Bologna: Pitagora
Codice insegnamento 38988
GEOMETRY OF LIE GROUPS
2° anno · 6 CFU · MATH-02/B · 0 file
HISTORY AND MATHEMATICS FOUNDATIONS FOR TEACHING
2° anno · 6 CFU · MATH-01/B · 0 file
Dare una formazione storico, tecnico, culturale ai futuri matematici. • Lo studente dovrà mostrare capacità critica e di rielaborazione dei contenuti, selezionando concetti ed organizzando autonomamente possibili…
Scheda dell'insegnamento
Obiettivi formativi
Dare una formazione storico, tecnico, culturale ai futuri matematici. • Lo studente dovrà mostrare capacità critica e di rielaborazione dei contenuti, selezionando concetti ed organizzando autonomamente possibili percorsi didattici. • Lo studente dovrà saper illustrare, contestualizzare ed analizzare i contenuti del corso, adoperando il lessico adeguato. • Lo studente dovrà essere in grado di approfondire, integrare ed eventualmente personalizzare i contenuti del corso, valutando opportunamente le fonti.
Programma
Cenni sulla matematica pre-euclidea. Introduzione agli Elementi di Euclide. Il Libro I. Libri III e IV. La geometria solida. Grundlagen der Geometrie di Hilbert. Le caratteristiche del linguaggio algebrico nel suo sviluppo storico: L’evoluzione del formalismo e l’introduzione dei numeri negativi. Le equazioni di secondo grado nella storia. Alcuni problemi di terzo grado. La formula risolutiva delle equazioni di terzo grado. Le equazioni di quarto grado. Bombelli e la nascita dei numeri complessi. Viète, Descartes e la riforma del linguaggio algebrico. Cenni su ulteriori sviluppi nei secoli successivi. Le origini del calcolo infinitesimale: Problemi concettuali nella matematica greca. Il metodo di esau-stione L’opera di Archimede: La misura della sfera, la quadratura del cerchio, il trattato sulle spirali, la statica di Archimede. Il Metodo di Archimede. Infinitesimi ed indivisibili nel XVII secolo: I nuovi metodi di Keplero. Il metodo degli indivisibili di Bonaventura Cavalieri. Galilei, l’infinito e gli indivisibili. I contributi di Evangelista Torricelli Cartesio e lo sviluppo della matematica. Il metodo dei massimi e dei minimi di Fermat. Innovazione e tradizione: James Gregory e Isaac Barrow. Leibniz e Newton: Il Nova Methodus di Leibniz. Il Tractatus di Newton. La disputa tra Leibniz e New-ton. Un terreno di confronto: la catenaria. Alcune polemiche sui fondamenti del calcolo. Il Settecento: Bernulli, Eulero, Lagrange. Sviluppo dell’esigenza critica negli analisti dell’Ottocento: Bolzano e Cauchy. L’aritmetizzazione dell’analisi e i suoi sviluppi. Cenni sulle geometrie non-euclidee: I fondatori della geometria non euclidea (Lobačevskij e Bolyai). L’indirizzo metrico-differenziale (Gauss, Beltrami, Riemann). Geometria iperbolica (modello di Klein, modello di Poincaré). La geometria di Riemann: geometria sferica, geometria ellittica e suoi modelli.
Corsi base di: Algebra, Analisi Matematica, Geometria
Le lezioni si svilupperanno prevalentemente secondo il tradizionale approccio della lezione frontale partecipata.
Modalità d'esame
Testi di riferimento
M.Kline, Storia del pensiero matematico, vol. I e II (ed. italiana a cura di A.Conte) Giulio Einaudi Editore, Torino, 1991 Appunti del docente
Codice insegnamento 36997
INTERNET SEMINAR LECTURE (ANALYSIS)
2° anno · 6 CFU · MATH-03/A · 0 file
INTRODUCTION TO MATHEMATICAL CONTROL THEORY
2° anno · 6 CFU · MATH-03/A · 0 file
Apprendere le basi matematiche della teoria del controllo e del controllo ottimo.Conoscere problemi classici di teoria del controllo governati da equazioni differenziali ordinarie e saperli analizzare utilizzando le…
Scheda dell'insegnamento
Obiettivi formativi
Apprendere le basi matematiche della teoria del controllo e del controllo ottimo.Conoscere problemi classici di teoria del controllo governati da equazioni differenziali ordinarie e saperli analizzare utilizzando le nozioni apprese.Conoscere e interpretare applicazioni significative della teoria del controllo ottimo nelle scienze della vita, in fisica e in economia.Conoscere qualche esempio di problema di controllo di modelli governati da equazioni alle derivate parziali.
Programma
Controllabilità di sistemi lineari e principio bang-bang. Controllabilità di sistemi nonlineari. Stabilizzabilità di sistemi lineari e nonlineari.Problemi di base del controllo ottimo. Condizioni necessarie. Equazione aggiunta. Principio del Massimo di Pontryagin.Risultati di esistenza e unicità. Hamiltoniana e problemi autonomi. Condizioni di ottimalità.Condizioni di stato al tempo finale. Termini di costo. Stati con estremi fissati.Principio della programmazione dinamica ed equazioni di Hamilton-Jacobi. Problemi di controllo ottimo in biologia, fisica, economia. Problemi di controllo per sistemi multiagente.Introduzione alla controllabilità e alla stabilizzabilità di equazioni alle derivate parziali: equazione delle onde ed equazione del calore.
Analisi matematica di base (calcolo differenziale ed integrale in una e più variabili). Equazioni differenziali ordinarie.
Lezioni alla lavagna: teoria ed esercizi.
Modalità d'esame
Esame scritto a domande aperte sugli argomenti svolti nel corso. L’ attribuzione del voto rifletterà i seguenti livelli dipreparazione.18-21: conoscenza sufficiente dei contenuti, 22-25: preparazione appropriata ma non approfondita, 26-28: preparazione buona, 29-30, 30 e lode: conoscenza approfondita degli argomenti.
Testi di riferimento
-A. Bressan, B. Piccoli, Introduction to the Mathematical Theory of Control, AIMS, 2007. -L.C. Evans, An introduction to mathematical control theory, Berkley, Lecture notes. -S. Lenhart and J.T. Workman, Optimal Control Applied to Biological Models, Chapman & Hall/CRC. -E. Trélat, Control in finite and infinite dimension. SpringerBriefs PDEs Data Sci., Springer, Singapore, 2024.
Codice insegnamento 40630
KINETIC THEORY AND STOCHASTIC SIMULATIONS
2° anno · 6 CFU · MATH-04/A · 0 file
Il corso mira a fornire un'introduzione ai fondamenti matematici della teoria cinetica dei gas classica e discute la derivazione di equazioni della fluidodinamica. Saranno inoltre richiamate alcune nozioni di base…
Scheda dell'insegnamento
Obiettivi formativi
Il corso mira a fornire un'introduzione ai fondamenti matematici della teoria cinetica dei gas classica e discute la derivazione di equazioni della fluidodinamica. Saranno inoltre richiamate alcune nozioni di base sulle catene di Markov e saranno introdotte alcune tecniche di simulazione stocastica di tipo Monte Carlo. Tali tecniche saranno infine utilizzate nella realizzazione di un progetto numerico: la simulazione del modello di Ising in 2D con condizioni al bordo periodiche.
Programma
Equazione di Liouville; gerarchia BBGKY; equazione di Boltzmann per sfere dure e generalizzazioni; Teorema H; modelli cinetici; derivazione di equazioni dell'idrodinamica classica; modello dell’anello di Kac; Markov Chain Monte Carlo; algoritmi di tipo Metropolis e "heat bath”; transizioni di fase nel modello di Ising 2D.
Nozioni di Analisi Matematica e di Teoria della Probabilità
Lezioni ed esercitazioni frontali
Modalità d'esame
L'esame finale consiste in un compito scritto e nella realizzazione di un progetto numerico con simulazioni Monte Carlo. Il voto finale è calcolato considerando un peso del 67% per la prova scritta e del 33% per il progetto numerico.
Testi di riferimento
Carlo Cercignani, The Boltzmann equation and its Applications, Springer‐Verlag 1988. Neal Madras, Lectures on Monte Carlo Methods, American Mathematical Society, 2002.
Codice insegnamento 39774
KINETIC THEORY AND STOCHASTIC SIMULATIONS
2° anno · 6 CFU · MATH-04/A · 0 file
Il corso mira a fornire un'introduzione ai fondamenti matematici della teoria cinetica dei gas classica e discute la derivazione di equazioni della fluidodinamica. Saranno inoltre richiamate alcune nozioni di base…
Scheda dell'insegnamento
Obiettivi formativi
Il corso mira a fornire un'introduzione ai fondamenti matematici della teoria cinetica dei gas classica e discute la derivazione di equazioni della fluidodinamica. Saranno inoltre richiamate alcune nozioni di base sulle catene di Markov e saranno introdotte alcune tecniche di simulazione stocastica di tipo Monte Carlo. Tali tecniche saranno infine utilizzate nella realizzazione di un progetto numerico: la simulazione del modello di Ising in 2D con condizioni al bordo periodiche.
Programma
Equazione di Liouville; gerarchia BBGKY; equazione di Boltzmann per sfere dure e generalizzazioni; Teorema H; modelli cinetici; derivazione di equazioni dell'idrodinamica classica; modello dell’anello di Kac; Markov Chain Monte Carlo; algoritmi di tipo Metropolis e "heat bath”; transizioni di fase nel modello di Ising 2D.
Nozioni di Analisi Matematica e di Teoria della Probabilità
Lezioni ed esercitazioni frontali
Modalità d'esame
L'esame finale consiste in un compito scritto e nella realizzazione di un progetto numerico con simulazioni Monte Carlo. Il voto finale è calcolato considerando un peso del 67% per la prova scritta e del 33% per il progetto numerico.
Testi di riferimento
Carlo Cercignani, The Boltzmann equation and its Applications, Springer‐Verlag 1988. Neal Madras, Lectures on Monte Carlo Methods, American Mathematical Society, 2002.
Codice insegnamento 37564
LARGE COMPLEX SYSTEMS
2° anno · 6 CFU · MATH-04/A · 0 file
Il corso si propone di introdurre lo studente ai principali modelli e leggi della meccanica statistica di equilibrio o non equilibrio. I fenomeni equilibrio descrivono la materia soffice si allarga dal gas ideale,…
Scheda dell'insegnamento
Obiettivi formativi
Il corso si propone di introdurre lo studente ai principali modelli e leggi della meccanica statistica di equilibrio o non equilibrio. I fenomeni equilibrio descrivono la materia soffice si allarga dal gas ideale, liquidi a materiali eterogenee come cemento, schiuma o sangue. I fenomeni di non equilibrio si incontrano dovunque in natura, dalla termodinamica alla climatologia dall'evoluzione di epidemie al modificarsi delle opinioni. Risultati di apprendimento Alla fine del corso, gli studenti dovrebbero: 1. Aver sviluppato le capacità di modellare semplici problemi reali e proporre una soluzione; 2. Essere in grado di risolvere problemi teorici, utilizzando gli strumenti matematici appropriati; 3. Essere in grado di leggere e capire altri testi scientifici su argomenti correlati; 4. Acquisire una prima idea dei problemi di ricerca rilevanti.
Programma
Una scelta tra seguenti temi: Modelli dell'equilibrio: Curie-Weiss, campo medio, Ising, disuguaglianze di correlazione. Modelli elementari per il flusso di traffico, dinamica di popolazioni ed opinioni. Il modello di esclusione, il modello del contagio, il modello del votante. Costruzione, accoppiamento dualità. Stati stazionari. Esempi notevoli. Meccanica statistica della risposta lineare: risposta statica e dinamica; formula di Kubo; simmetrie e relazioni di dispersione; teorema di fluttuazione-dissipazione; relazioni di Kramers-Kronig; risposta a perturbazioni dovute a forze interne; postulato di Onsager.
Gli unici prerequisiti sono delle nozioni elementari di calcolo delle probabilità e di analisi funzionale
lezioni, gruppi per discussioni o sessioni d'esercizi
Modalità d'esame
Accertamento del raggiungimento degli obiettivi formativi: Esame finale orale Accertamento del processo formativo: L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e le esercitazioni. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - ottima: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente
Testi di riferimento
T. Liggett; Interaction Particle Systems, Springer T. Seppalainen "Translational invariant exclusion processes" Lecture Notes S. Freildi, Y . Velenik; Statistical Mechanics of Lattice systems Cambridge University Press R. Grimmett "Ten lectures on particle systems" G. Grimmett "Probability on graphs" R. Kubo, M. Toda, N. Hashitsume, "Statistical Physics II. Nonequilibrium Statistical Mechanics", Springer (1985)
Codice insegnamento 38985
LARGE COMPLEX SYSTEMS
2° anno · 6 CFU · MATH-04/A · 0 file
L’ambito dei Sistemi Complessi di Grandi Dimensioni studia l’emergere di nuovi fenomeni dovuti alla complessità del sistema, intesa nel senso che esso è costituito da un gran numero di componenti. Tali fenomeni sono…
Scheda dell'insegnamento
Obiettivi formativi
L’ambito dei Sistemi Complessi di Grandi Dimensioni studia l’emergere di nuovi fenomeni dovuti alla complessità del sistema, intesa nel senso che esso è costituito da un gran numero di componenti. Tali fenomeni sono onnipresenti in natura e rientrano tra i principali problemi aperti delle scienze, tra cui il clima, le transizioni di fase (cristallizzazione, formazione della pioggia, vetri), l’auto-organizzazione, l’intelligenza artificiale (IA) e la turbolenza.
Programma
Nel corso considereremo catene di Markov a tempo discreto e/o continuo su spazi degli stati caratterizzati da un’elevata complessità. Nel migliore dei casi, si può sperare di descrivere la frequenza con cui si verifica un particolare tipo di comportamento. Dal punto di vista matematico, ciò conduce allo studio delle misure invarianti e della «convergenza» verso tali misure.Richiameremo la teoria classica delle catene di Markov, la teoria ergodica ad essa associata e risultati di mixing, come il classico teorema di Harris. Questi metodi forniscono un’interpretazione adeguata soltanto per spazi degli stati di cardinalità relativamente piccola. Per studiare i sistemi complessi, esamineremo il celebre teorema di Harris generalizzato di Hairer, Mattingly e Scheutzow.Considereremo metodi di accoppiamento per lo studio del controllo stocastico e dell’apprendimento per rinforzo, utilizzato, ad esempio, per addestrare programmi informatici in grado di giocare a scacchi. Applicheremo queste tecniche alle equazioni differenziali alle derivate parziali stocastiche e le utilizzeremo per fornire un fondamento matematico ai concetti di clima e di sensibilità climatica rispetto a forzanti esterne, come l’aumento delle concentrazioni di CO₂. Utilizzeremo inoltre questi metodi per studiare algoritmi di apprendimento statistico nell’ambito dell’intelligenza artificiale, inclusi l’apprendimento supervisionato e non supervisionato, nonché, se il tempo lo consentirà, il filtraggio ottimale.
Gli unici prerequisiti sono delle nozioni elementari di calcolo delle probabilità e di analisi funzionale
lezioni, gruppi per discussioni o sessioni d'esercizi
Modalità d'esame
Accertamento del raggiungimento degli obiettivi formativi: Esame finale orale Accertamento del processo formativo: L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e le esercitazioni. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - ottima: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente
Testi di riferimento
M. Hairer: Lecture Notes on ''Ergodic properties of Markov process'' Warwick 2006 M. Hairer J. Mattingly ''Yet another look at Harris' ergodic theorem for Markov chains'' S. Meyn ''Control systems and Reinforcment Learning '' CambridgeN. Privault "Discrete Stochastic Processes: Tools for Machine Learning and Data", Springer
Codice insegnamento 40762
MASTER'S THESIS
2° anno · 18 CFU · 0 file
MATHEMATICAL ECONOMICS
2° anno · 6 CFU · STAT-04/A · 0 file
Il corso ha lo scopo di fornire motivazioni, definizioni e tecniche relative allo studio di problemi di ottimizzazione non lineare e di equilibrio. Convincere gli studenti dell'utilità di un approccio astratto a teorie…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha lo scopo di fornire motivazioni, definizioni e tecniche relative allo studio di problemi di ottimizzazione non lineare e di equilibrio. Convincere gli studenti dell'utilità di un approccio astratto a teorie motivate da problemi concreti ed interessarli alla matematica applicata. Alla fine del corso lo studente dovrebbe - conoscere alcuni strumenti di analisi funzionale, variazionale e set-valued utilizzati nello studio di problemi di equilibrio; - comprendere e saper spiegare le relazioni tra i vari risultati trattati; - essere consapevole delle applicazioni in economia e teoria dei giochi.
Programma
- approccio combinatorio al teorema del punto fisso di Brouwer; - esistenza di soluzioni di disequazioni variazionali e problemi di equilibrio; - convessità e monotonia generalizzata; - concetti di continuità per mappe set-valued; - teoremi di punto fisso per mappe set-valued, quali Browder, Kakutani e Fan-Glicksberg; - equilibrio di Nash di un gioco non cooperativo; - equilibrio di Walras di un'economia; - applicazioni a modelli di traffico su reti.
Gli studenti devono conoscere i concetti fondamentali di analisi per funzioni a valori reali, di topologia e di analisi convessa, come continuità, compattezza e convessità, spazi Euclidei, metrici e normati.
Lezioni frontali, svolgimento di esercizi in classe e a casa.
Modalità d'esame
L'esame consiste in una prova scritta composta da 3 esercizi, per un totale di 34 punti. Il primo esercizio consiste nel dimostrare un teorema e fornisce 17 punti. Gli altri sono esercizi di applicazione dei concetti e risultati trattati nel corso. In caso di valutazione positiva, cioè somma dei punti non inferiore a 18, lo studente può - accettare come voto finale tale somma; - sostenere una prova orale; - rifiutare il voto.
Testi di riferimento
Letture consigliate sono - Aliprantis, C.D., Border, K.C. Infinite dimensional analysis. A hitchhiker's guide. Springer, 2006; - Border, K.C. Fixed point theorems with applications to economics and game theory. Cambridge University Press, 1989.
Codice insegnamento 38991
MATHEMATICAL FLUID DYNAMICS
2° anno · 6 CFU · MATH-03/A · 0 file
L'obiettivo del corso è di fornire una panoramica della fluidodinamica da un punto di vista matematico e per introdurre gli studenti alla modellizzazione matematica di tipo fluidodinamico. Al termine del corso gli…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo del corso è di fornire una panoramica della fluidodinamica da un punto di vista matematico e per introdurre gli studenti alla modellizzazione matematica di tipo fluidodinamico. Al termine del corso gli studenti saranno in grado di eseguire un'analisi qualitativa e quantitativa di soluzioni per particolari problemi di fluidodinamica e di utilizzare concetti e tecniche matematiche apprese da questo corso per l'analisi di altre equazioni alle derivate parziali.
Programma
- Derivazione delle equazioni fondamentali: Eulero e Navier-Stokes - Descrizione euleriana e lagrangiana del moto fluido; esempi di fluidi - Fluidi di tipo Poiseulle e Couette - Equazione della vorticità in 2D e 3D - Analisi dimensionale: numero di Reynolds, numero di Mach, numero di Frohde. - Passaggio da modelli comprimibili a quelli incomprimibili - Esistenza di soluzioni per fluidi viscosi e non viscosi - Modellistica fluidodinamica in vari campi: miscele di fluidi, combustione, astrofisica, geofisica (atmosfera e oceani)
Nozioni di base di analisi funzionale, funzioni a valori complessi, proprietà standard dell'equazione del calore, equazione delle onde, equazioni di Laplace e di Poisson, spazi di Sobolev
Lezione frontale, svolgimento di esercizi in classe e a casa.
Modalità d'esame
Accertamento del processo formativo: L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni.Accertamento del raggiungimento degli obiettivi formativi: Prova scritta. MODALITÀ DI ESAME: - l'esame si considera concluso se nella prova scritta si ottiene un voto maggiore o uguale a 18; - sono previsti 7 appelli: 2 o 3 nella sessione invernale, 3 nella sessione estiva, 1 nella sessione autunnale; Potrebbero svolgersi delle prove parziali che il docente concorderà con gli studenti. L’attribuzione del voto rifletterà i seguenti livelli di preparazione.- sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi;- adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali;- buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici;- ottima: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente
Testi di riferimento
- Alexandre Chorin, Jerrold E. Marsden, A Mathematical Introduction to Fluid Mechanics. Springer. - Roger M. Temam, Alain M. Miranville, Mathematical Modeling in Continum Mechanics. Cambridge University Press. - Franck Boyer, Pierre Fabrie, Mathematical Tools for the Study of the Incompressible Navier-Stokes Equations and Related Models. Springer-Verlag Italia. - Andrea Bertozzi, Andrew Majda, Vorticity and Incompressible Flow. Cambridge University Press. -Note fornite dal docente
Codice insegnamento 36285
MATHEMATICAL MODELS FOR COLLECTIVE BEHAVIOUR
2° anno · 6 CFU · MATH-03/A · 0 file
Lo scopo del corso è di presentare alcuni modelli matematici frequentemente utilizzati nell'analisi di fenomeni collettivi, come il traffico veicolare e pedonale, nonché fenomeni di aggregazione e sincronizzazione. Per…
Scheda dell'insegnamento
Obiettivi formativi
Lo scopo del corso è di presentare alcuni modelli matematici frequentemente utilizzati nell'analisi di fenomeni collettivi, come il traffico veicolare e pedonale, nonché fenomeni di aggregazione e sincronizzazione. Per questi modelli si affrontera' uno studio matematico rigoroso e un'analisi qualitativa delle loro soluzioni. Risultati di apprendimento attesi (RA) Dopo aver superato l'esame di questo corso, lo studente dovrebbe RA1. Conoscere i modelli matematici di base che descrivono i fenomeni collettivi e alcune tecniche per la loro analisi RA2. Dimostrare abilità nell'interpretare correttamente un modello matematico per il comportamento collettivo RA3. Comprendere il significato di altri modelli usando un formalismo matematico corretto RA4. Comprendere in modo autonomo altri testi su argomenti correlati.
Programma
Modelli macroscopici per il traffico stradale. Modello LWR (Lighthill-Whitham-Richards) e la sua derivazione. Diagrammi fondamentali. Il problema di Riemann. Traffico libero e congestionato. Modelli del secondo ordine per il flusso di traffico: modello Payne-Whitham, modello Aw-Rascle, descrizione degli shock, domini invarianti, instabilità vicino al vuoto. Teoria: sistemi di leggi di conservazione, stretta iperbolicità, condizioni di Rankine-Hugoniot; Condizione di ammissibilità per gli shock. Il problema di Riemann per i sistemi: il caso lineare; Campi GNL e LD; rarefazioni e discontinuità di contatto. Funzioni BV, esempi e proprietà. Un teorema di compattezza. Algoritmo di wave-front tracking: rarefazioni approssimate, possibili tipi di interazioni. Limiti sul numero di onde e sulla variazione totale. Compattezza di soluzioni approssimate. Il problema del valore del limite iniziale sulla semiretta. Il problema del casello autostradale. Reti, definizioni di base, conservazione del flusso. Esempi. Distribuzioni lungo le strade, massimizzazione del flusso. Problema di Riemann su un incrocio composto da 2 strade in entrata e 2 strade in uscita. Il caso di 2 strade in entrata e 1 in uscita: la regola del "diritto di passaggio". Incrocio tra una strada in entrata e una in uscita, flussi diversi. Flusso pedonale: situazione normale e di panico. Modelli macroscopici per l'evacuazione, conservazione della "massa", equazione eikonale. Il modello Hughes per il flusso pedonale. L'equazione eikonale: non unicità, soluzioni di viscosità, relazione con l'approssimazione della viscosità evanescente. Il modello di Hughes in una dimensione spaziale. Curva di “turning”, condizioni di Rankine-Hugoniot. Il caso di densità iniziale costante e di dati iniziali simmetrici; conservazione della massa sinistra e destra. Modelli macroscopici per il flusso pedonale che includono: conoscenza di un percorso preferito, disagio nel camminare lungo le pareti, tendenza ad evitare alte densità di pedoni in un quartiere (termine non locale di tipo convoluzione), angolo di visione, ostacolo nel dominio. Stabilità linearizzata attorno a una soluzione uniforme. Il modello Cucker-Smale per descrivere fenomeni di attrazione (flocking). Conservazione del momento, stime dell'energia cinetica. Un teorema di “flocking”. Alcuni inconvenienti del modello e loro superamento. Introduzione al limite cinetico per il modello di flocking: funzione di distribuzione delle particelle N, equazione di Liouville, distribuzione marginale, equazione di continuità. Il limite formale di campo medio: un'equazione di tipo Vlasov. Un modello matematico per la sincronizzazione: il modello Kuramoto, proprietà di base, stime di sincronizzazione per oscillatori identici. (Alcuni degli argomenti potrebbero non essere trattati, in base al tempo a disposizione.)
Nozioni elementari di analisi funzionale. Teoria classica per le equazioni differenziali ordinarie. Soluzioni classiche di equazioni differenziali alle derivate parziali del primo ordine, metodo delle caratteristiche.
Lezioni frontali
Modalità d'esame
L'esame si baserà sulla valutazione delle conoscenze e l'approfondimento degli argomenti elencati nel programma dettagliato, illustrati durante le lezioni del corso. Potrà essere prevista una prova parziale scritta durante il corso. L'esame consiste in una prova scritta con esercizi o domande sul programma del corso, seguita da una prova orale. L’attribuzione dei voti rifletterà indicativamente 4 livelli di preparazione: Sufficiente (18-20): Conoscenza di base dei modelli matematici che descrivono i fenomeni collettivi e alcune tecniche per la loro analisi (RA1) Adeguato (21-23): Conoscenza di base dei modelli e abilità nella loro interpretazione (RA1-RA2) Buono (24-27): Oltre a RA1-RA2, comprensione ed elaborazione di altri modelli usando un formalismo matematico corretto (RA1-RA3) Ottimo (28-30L): capacità di risolvere e discutere in modo autonomo problemi inediti e capacità di approfondimento di argomenti correlati. (RA1-RA4)
Testi di riferimento
1) M. Garavello, B. Piccoli, Traffic flow on networks. Conservation laws models , AIMS Series on Applied Mathematics. 2006. http://www.aimsciences.org/books/am/AMVol1.html 2) M.D. Rosini, Macroscopic models for vehicular flows and crowd dynamics: theory and applications , Springer. 2013 3) Materiale fornito durante il corso
Codice insegnamento 34377
MATHEMATICAL PHYSICS
2° anno · 6 CFU · MATH-04/A · 0 file
Il corso ha lo scopo di introdurre alcuni modelli fondamentali della Meccanica Statistica dell'equilibrio. Il corso è diviso in due parti. Nella prima parte si introdurranno i modelli di spin sul reticolo e si svilupperà…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha lo scopo di introdurre alcuni modelli fondamentali della Meccanica Statistica dell'equilibrio. Il corso è diviso in due parti. Nella prima parte si introdurranno i modelli di spin sul reticolo e si svilupperà la teoria del limite termodinamico. Il modello guida sarà il modello di Ising ferromagnetico. Nella seconda parte saranno introdotti modelli di spin con disordine, come il modello di Ising ferromagnetico su grafi aleatori e il modello di Sherrington-Kirkpatrick per gli spin glass. Questi modelli sono di fondamentale importanza per la fisica moderna e l'analisi di sistemi complessi.
Programma
Ensembles statistici, misure di Gibbs, funzionali termodinamici, limite termodinamico, transizioni di fase. Modello di Ising ferromagnetico sul reticolo, modello di Curie-Weiss. Spin glass: modello SK, tecniche di integrazione gaussiana, soluzione di Parisi e metodi di interpolazione di Guerra. Modello di Ising su grafi aleatori: disuguaglianze di correlazione, soluzione tramite Belief Propagation.
Calcolo differenziale in più variabili, teoria delle probabilità, basi di meccanica Hamiltoniana.
lezioni frontali, video e simulazioni
Modalità d'esame
Prima parte: esame orale Seconda parte: esame orale
Testi di riferimento
S. Friedli, Y. Velenik - Statistical Mechanics of Lattice Systems: a Concrete Mathematical Introduction D. Panchenko - The Sherrington-Kirkpatrick Model M. Mézard, A. Montanari - Information, Physics, and Computation
Codice insegnamento 40761
MATHEMATICAL PHYSICS
2° anno · 6 CFU · MATH-04/A · 0 file
Il corso ha lo scopo di introdurre alcuni modelli fondamentali della Meccanica Statistica dell'equilibrio. Il corso è diviso in due parti. Nella prima parte si introdurranno i modelli di spin sul reticolo e si svilupperà…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha lo scopo di introdurre alcuni modelli fondamentali della Meccanica Statistica dell'equilibrio. Il corso è diviso in due parti. Nella prima parte si introdurranno i modelli di spin sul reticolo e si svilupperà la teoria del limite termodinamico. Il modello guida sarà il modello di Ising ferromagnetico. Nella seconda parte saranno introdotti modelli di spin con disordine, come il modello di Ising ferromagnetico su grafi aleatori e il modello di Sherrington-Kirkpatrick per gli spin glass. Questi modelli sono di fondamentale importanza per la fisica moderna e l'analisi di sistemi complessi.
Programma
Ensembles statistici, misure di Gibbs, funzionali termodinamici, limite termodinamico, transizioni di fase. Modello di Ising ferromagnetico sul reticolo, modello di Curie-Weiss. Spin glass: modello SK, tecniche di integrazione gaussiana, soluzione di Parisi e metodi di interpolazione di Guerra. Modello di Ising su grafi aleatori: disuguaglianze di correlazione, soluzione tramite Belief Propagation.
Calcolo differenziale in più variabili, teoria delle probabilità, basi di meccanica Hamiltoniana.
lezioni frontali, video e simulazioni
Modalità d'esame
Prima parte: esame orale Seconda parte: esame orale
Testi di riferimento
S. Friedli, Y. Velenik - Statistical Mechanics of Lattice Systems: a Concrete Mathematical Introduction D. Panchenko - The Sherrington-Kirkpatrick Model M. Mézard, A. Montanari - Information, Physics, and Computation
Codice insegnamento 36998
MECCANICA QUANTISTICA
2° anno · 6 CFU · PHYS-04/A · 0 file
L'obiettivo di questo corso è fornire un'introduzione al formalismo della meccanica quantistica e fornire alcune nozioni di base sulla meccanica statistica. Al completamento con successo di questo corso lo studente…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo di questo corso è fornire un'introduzione al formalismo della meccanica quantistica e fornire alcune nozioni di base sulla meccanica statistica. Al completamento con successo di questo corso lo studente dovrebbe comprendere i concetti fondamentali della meccanica quantistica, della teoria della perturbazioni in meccanica quantistica e della teoria atomica di base, nonché l'approccio statistico alle proprietà di equilibrio dei gas perfetti classici e quantici. Inoltre lo studente deve essere in grado di risolvere problemi che coinvolgono la meccanica quantistica di sistemi con pochi gradi di libertà, come problemi di meccanica statistica di sistemi non interagenti.
Programma
Gli argomenti del corso sono: 1- Formalismo della meccanica quantistica: il formalismo di Dirac e lo spazio di Hilbert 2- Equazione di Schrödinger: Schrödinger eq. in una dimensione, oscillatore armonico, densità di corrente, problemi unidimensionali di diffusione. 3- Momento angolare: teoria generale, armoniche sferiche, potenziali centrali, atomo di idrogeno. 4- Simmetrie e leggi di conservazione in meccanica quantistica: impulso e momento angolari come generatori, leggi di conservazione in meccanica quantistica 5- Teoria perturbativa indipendente dal tempo. 6- particelle identiche. 7- Meccanica statistica di equilibrio (semplice): gas perfetti classici e quantici Al completamento con successo di questo modulo, lo studente dovrebbe - avere acquisito conoscenza e comprensione dei fondamenti della meccanica quantistica - aver acquisito conoscenza e comprensione della teoria statistica dei gas classici e quantistici non interagenti - Conoscere e comprendere le più comuni applicazioni della meccanica quantistica al più semplice problema atomico (atomo di idrogeno) - applicare conoscenze acquisite nella risoluzione dei problemi applicando le conoscenze teoriche a casi concreti attraverso esercizi, compiti a casa ed esami - Dimostrare capacità di continuare ad apprendere argomenti relativi alla meccanica quantistica e alla meccanica statistica di base sia nei corsi successivi che nell'auto-addestramento individuale.
Lo studente deve avere familiarità con la meccanica, la meccanica analitica e l'elettromagnetismo
- Lezioni frontali e domande in classe per il conseguimento della comprensione dei concetti fondamentali della meccanica quantistica, e della introduzione alla meccanica statistica. - Esercitazioni guidate alla lavagna per il raggiungimento dell'obbiettivo di risolvere problemi che coinvolgono sistemi quantistici semplici e problemi di meccanica statistica di sistemi non interagenti. - In modalità remota: esercizi guidati con suggerimenti per la soluzione. (Una raccolta è presente nella pagina del corso)
Modalità d'esame
Le modalità d'esame sono due a scelta dello studente 1) Tre prove in itinere scritte e una prova orale finale. Sono ammessi all'orale finale coloro i quali raggiungono o superano la votazione di 16/30 i tutti e tre gli esami parziali. 2) Prova scritta e orale finale. E' ammesso all'orale solo chi supera la votazione di 16/30 la prova scritta. I 3 esami parziali sono composti da 4/5 fra domande ed esercizi. L'esame scritto si compone di 3 esercizi. Gli argomenti elle 3 prove in itinere e dei 3 esercizi dell'esame scritto finale vertono su: a) fondamenti della meccanica quantistica e sistemi unidimensionali (punti 1. e 2. sez. contenuti) b) Momento angolare sistemi tridimensionali, teoria delle perturbazioni (punti 3. 4. 5. sez. contenuti) c) particelle identiche e meccanica statistica elementare (punti 6. 7. sez. contenuti) L'esame orale sarà composto di tre domande: 1) Riesame della prova scritta 2) Domanda sulla parte di Meccanica quantistica 3) Domanda sulla parte di meccanica statistica Durante la prova orale lo studente deve dimostrare: - di avere acquisito conoscenza e comprensione dei fondamenti della meccanica quantistica - di aver acquisito conoscenza e comprensione della teoria statistica dei gas classici e quantistici non interagenti - di conoscere e comprendere le più comuni applicazioni della meccanica quantistica al più semplice problema atomico (atomo di idrogeno) Durante l'esame scritto o le prove scritte parziali lo studente deve dimostrare - di essere in grado di risolvere i problemi applicando le conoscenze teoriche a casi concreti
Testi di riferimento
1) S. Forte L. Rottoli "Fisica quantistica", Zanichelli (2109) ISBN:9788808620552 2) J. J. Sakurai, "Meccanica Quantistica Moderna", Zanichelli (1996), ISBN: 8808127060, ISBN-13: 9788808127068 3) Claude Cohen-Tannoudji et. al. "Quantum Mechanics, Volume 1", Wiley ISBN:978-3-527-34553-3 "Quantum Mechanics, Volume 2", Wiley ISBN: 978-3-527-34554-0 4) M. Falcioni, A. Vulpiani "Meccanica Statistica Elementare", Springer-Verlag ISBN: 978-88-470-5653-4 5) K. Huang Meccanica Statistica, Zanichelli (1997), ISBN: 880809152X, ISBN-13: 9788808091529
Codice insegnamento 37887
NONLINEAR EQUATIONS OF MATHEMATICAL PHYSICS
2° anno · 6 CFU · MATH-04/A · 0 file
NUMERICAL METHODS FOR DIFFERENTIAL EQUATIONS
2° anno · 6 CFU · MATH-05/A · 0 file
Lo scopo dell’insegnamento è fornire conoscenze e competenze nell'ambito della discretizzazione di problemi differenziali e le abilità nell'analisi di proprietà teoriche e nel disegno di software matematico basato…
Scheda dell'insegnamento
Obiettivi formativi
Lo scopo dell’insegnamento è fornire conoscenze e competenze nell'ambito della discretizzazione di problemi differenziali e le abilità nell'analisi di proprietà teoriche e nel disegno di software matematico basato sugli schemi numerici proposti.
Programma
BUONA POSIZIONE DEL PROBLEMA. Problemi ben posti secondo Hadamard. Teorema di Picard-Lindelof. Iterazioni di Picard, analisi della loro convergenza, comportamento a lungo termine. Dipendenza continua dal campo vettoriale e dal dato iniziale.EQUAZIONI ALLE DIFFERENZE. Equazioni lineari alle differenze. Spazio delle soluzioni e sue basi. Matrice di Casorati. Forma della soluzione generale di problemi omogenei e non omogenei. Equazioni caratteristiche. DISCRETIZZAZIONI AD UN PASSO. Discretizzazione del dominio, griglie numeriche. Metodo di Eulero esplicito ed implicito. Consistenza, zero-stabilità e convergenza. Errore locale di troncamento. Metodo dei trapezi. Iterazioni di punto fisso per schemi impliciti. METODI LINEARI MULTISTEP. Discretizzazioni multistep, procedure di innesco. Primo e secondo polinomio caratteristico. Metodi impliciti ed analisi di convergenza per iterazioni di punto fisso. Errore locale di troncamento. Operatore lineare alle differenze. Consistenza. Zero-stabilità e condizione sulle radici. Convergenza ed ordine di convergenza. Teorema di equivalenza di Lax. Metodi che emergono da formule di quadratura. Metodi Adams-Bashforth e Adams-Moulton. Barriere di Dahlquist. METODI RUNGE-KUTTA. Definizione e classificazione dei metodi Runge-Kutta. Condizioni d'ordine. Teoria di Butcher sull'ordine: B-trees, rappresentazione, ordine, simmetria e densità; differenziali elementari; pesi elementari. B-serie. Analisi di convergenza. Barriere di Butcher. Metodi impliciti di Gauss, Radau e Lobatto. STABILITA' LINEARE E PROBLEMI STIFF. Problema test di Dahlquist. Analisi della stabilità lineare per metodi lineari multistep e Runge-Kutta. Regioni ed intervalli di assoluta stabilità. Restrizioni sul passo di integrazione. Boundary locus. A-stabilità, L-stabilità, A(alpha)-stabilità. Approssimazione razionale dell'esponenziale, approssimazioni di Padé. Problemi stiff, rapporto di stiffness. Analisi a-priori alla Prothero-Robinson. Schemi predictor-corrector. Cenni sull'integrazione adattiva. METODI NUMERICI DI INTEGRAZIONE GEOMETRICA. Conservazione numerica della positività. Conservazione numerica della contrattività per problemi dissipativi. One-sided Lipschitz. Norma logaritmica. G-stabilità, B-stabilità, stabilità algebrica. Problemi differenziali con integrali primi. Conservazione di invarianti lineari. Conservazione di invarianti quadratici. Metodi Runge-Kutta simplettici. Comportamento a lungo termine di metodi simplettici per problemi Hamiltoniani, teorema di Benettin-Giorgilli.ELEMENTI DI PROGRAMMAZIONE IN PYTHON. Calcolo scientifico in Python. Disegno ed implementazione di software matematico per la risoluzione numerica di equazioni differenziali e l'analisi dei metodi numerici coinvolti.
Conoscenze di base di Analisi Numerica ed equazioni differenziali.
Lezioni frontali teoriche ed esercitazioni. Lezioni di laboratorio.
Modalità d'esame
L’esame è articolato come segue:una prova scritta in itinere (ed eventualmente anche orale) che comprende domande di teoria ed esercizi sugli argomenti affrontati; una prova orale (alla fine del corso). Per chi ha superato la prova in itinere, essa consiste in una prova orale sulla restante parte del corso. Per chi non ha superato la prova in itinere, l'esame finale consiste in una prova orale su tutto il programma del corso; una parte pratica che consiste nella preparazione e discussione di risultati sugli argomenti di laboratorio.L’attribuzione del voto rifletterà i seguenti quattro livelli di preparazione:sufficiente: conoscenza base degli strumenti e delle metodologie;adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici;approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorico-pratici in maniera indipendente.
Testi di riferimento
R. D'Ambrosio, Numerical Approximation of Ordinary Differential Problems - From Deterministic to Stochastic Numerical Methods, Springer (2023). E. Hairer, C. Lubich, G. Wanner, Geometric Numerical Integration, Springer (2006).W. Hundsdorfer, J.G. Verwer, Numerical Solution of Time-Dependent Advection-Diffusion-Reaction Equations. Springer (2003).
Codice insegnamento 38993
PARTIAL DIFFERENTIAL EQUATIONS 1
2° anno · 6 CFU · MATH-03/A · 0 file
PARTIAL DIFFERENTIAL EQUATIONS 2
2° anno · 6 CFU · MATH-03/A · 0 file
PROBABILITY AND FINANCE
2° anno · 12 CFU · MATH-03/B · 0 file
------------------------------------------------------------ Modulo: DT0685 - STOCHASTIC FINANCIAL MARKET MODELS ------------------------------------------------------------ Obiettivi formativi Acquisire il linguaggio…
Scheda dell'insegnamento
Obiettivi formativi
------------------------------------------------------------ Modulo: DT0685 - STOCHASTIC FINANCIAL MARKET MODELS ------------------------------------------------------------ Obiettivi formativi Acquisire il linguaggio e gli strumenti probabilistici sofisticati impiegati nella modellizzazione dei mercati finanziari. Come previsto in fase di progettazione del corso di Laurea, l’insegnamento concorre all’obiettivo di formare una figura professionale in grado di applicare strutture e metodologie matematiche complesse alla modellizzazione e risoluzione di problemi reali. ------------------------------------------------------------ Modulo: DT0769 - BROWNIAN MOTION AND STOCHASTIC INTEGRATION (mutua dall'attività formativa BROWNIAN MOTION AND STOCHASTIC INTEGRATION - DT0769 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Il corso ha lo scopo di introdurre lo studente alla teoria dei processi stocastici e alle equazioni differenziali stocastiche. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso è stata verificata e armonizzata in fase d i progettazione dello stesso.
Programma
------------------------------------------------------------ Modulo: DT0685 - STOCHASTIC FINANCIAL MARKET MODELS ------------------------------------------------------------ - Modelli discreti di mercato: primo e secondo teorema fondamentale dell'asset pricing. Valutazione di derivati Europei ed Americani. - Complementi di calcolo stocastico. Teorema di rappresentazione delle martingale, teorema di Girsanov, esistenza ed unicità delle soluzioni di equazioni differenziali stocastiche, variazione quadratica. - Il Mondo di Black e Scholes. Valutazione di: Opzioni Europee, Opzioni con Barriera, Opzioni Americane (put perpetue e prezzo critico). - Il modello multidimensionale: questioni di viabilità e completezza. Le opzioni Asiatiche. Le opzioni di scambio. - Obbligazioni e Tassi di Interesse. Modelli per la dinamica delle obbligazioni: modello di Merton, modello di Vasicek, Hull & White, modello di Cox Ingersoll Ross ------------------------------------------------------------ Modulo: DT0769 - BROWNIAN MOTION AND STOCHASTIC INTEGRATION (mutua dall'attività formativa BROWNIAN MOTION AND STOCHASTIC INTEGRATION - DT0769 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Gli argomenti trattati saranno i seguenti: Proprietà del moto browniano Martingale a tempo continuo Integrazione stocastica rispetto a processi a variazione finita Integrazione stocastica rispetto a processi a variazione quadratica finita Formula di Ito Equazioni differenziali stocastiche
------------------------------------------------------------ Modulo: DT0685 - STOCHASTIC FINANCIAL MARKET MODELS ------------------------------------------------------------ Un corso avanzato di probabilità e la prima parte del presente corso integrato. Conoscenza della teoria dell’integrazione astratta ------------------------------------------------------------ Modulo: DT0769 - BROWNIAN MOTION AND STOCHASTIC INTEGRATION (mutua dall'attività formativa BROWNIAN MOTION AND STOCHASTIC INTEGRATION - DT0769 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ I prerequisiti per il corso sono una buona conoscenza della Teoria della Misura e del Calcolo delle Probabilità, secondo quanto previsto, ad esempio, per il corso Advanced Probability
------------------------------------------------------------ Modulo: DT0685 - STOCHASTIC FINANCIAL MARKET MODELS ------------------------------------------------------------ Lezioni frontali, risoluzione cooperativa in classe di problemi ed esercizi proposti, esercizi assegnati a casa, possibile esposizione di argomenti di approfondimento. ------------------------------------------------------------ Modulo: DT0769 - BROWNIAN MOTION AND STOCHASTIC INTEGRATION (mutua dall'attività formativa BROWNIAN MOTION AND STOCHASTIC INTEGRATION - DT0769 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ lezioni e sessioni d'esercizi
Modalità d'esame
------------------------------------------------------------ Modulo: DT0685 - STOCHASTIC FINANCIAL MARKET MODELS ------------------------------------------------------------ Prova orale per accertare la preparazione teorica degli studenti e delle studentesse e la loro capacità di utilizzo e di spiegazione degli strumenti matematici impiegati per l’elaborazione dei modelli di mercato finanziario. Si prevede di assegnare anche esercizi teorico-pratici da svolgere a casa e da discutere collettivamente in classe, volti ad accertare le capacità di problem solving in ambito finanziario. L’attribuzione dei voti rifletterà i seguenti livelli di preparazione e di raggiungimento degli obiettivi formativi - sufficiente: conoscenza base delle definizioni e dei modelli di mercato finanziario (RA1); - adeguato: conoscenza dei teoremi fondamentali e dei modelli base a tempo continuo (RA1-RA3); - buono: acquisizione degli strumenti di calcolo stocastico e loro impiego nelle valutazioni finanziarie (RA1-RA4); - ottimo: capacità di applicare quanto appreso a situazioni parzialmente nuove e di sviluppare un’analisi autonoma dei problemi. (RA1- RA5) ------------------------------------------------------------ Modulo: DT0769 - BROWNIAN MOTION AND STOCHASTIC INTEGRATION (mutua dall'attività formativa BROWNIAN MOTION AND STOCHASTIC INTEGRATION - DT0769 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Accertamento del raggiungimento degli obiettivi formativi: Esame finale scritto o orale Accertamento del processo formativo: L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e le esercitazioni. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - ottima: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente
Testi di riferimento
------------------------------------------------------------ Modulo: DT0685 - STOCHASTIC FINANCIAL MARKET MODELS ------------------------------------------------------------ - Karatzas and Shreve Brownian motion and stochastic calculus, ed. Springer - A. Pascucci PDE and Martingale methods in option pricing, ed Springer - Lamberton and Lapeyre Introduction to stochastic calculus applied to Finance, Chapman and Hall ------------------------------------------------------------ Modulo: DT0769 - BROWNIAN MOTION AND STOCHASTIC INTEGRATION (mutua dall'attività formativa BROWNIAN MOTION AND STOCHASTIC INTEGRATION - DT0769 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Breiman, Leo: Probabiity Achim Klenke: Probability Theory Weizsaecker, Winkler: Stochastic Integrals: an introduction 1990 Ikeda Watanabe: Stochastic differential equations and diffusion processes
Codice insegnamento 38986
RANDOM MATRICES
2° anno · 6 CFU · MATH-03/B · 0 file
RICERCA OPERATIVA
2° anno · 6 CFU · MATH-06/A · 0 file
L'insegnamento si prefigge di introdurre gli/le studenti/esse alla Ricerca Operativa. Questa consiste nell'applicazione del metodo scientifico alla soluzione dei problemi decisionali che sorgono nei vari contesti…
Scheda dell'insegnamento
Obiettivi formativi
L'insegnamento si prefigge di introdurre gli/le studenti/esse alla Ricerca Operativa. Questa consiste nell'applicazione del metodo scientifico alla soluzione dei problemi decisionali che sorgono nei vari contesti pratici, quali i sistemi di produzione e servizio, la logistica, le telecomunicazioni, la medicina e la finanza. A tale scopo, si presentano agli/alle studenti/esse gli elementi dei problemi di Ottimizzazione e la loro classificazione matematica. Obiettivo primario dell'insegnamento è addestrare gli/le studenti/esse alla modellazione e risoluzione dei problemi di ottimizzazione lineare. L'insegnamento descrive gli aspetti teorici dell'ottimizzazione lineare e la loro applicazione allo sviluppo di algoritmi di soluzione. Inoltre, vengono illustrate rilevanti connessioni con altre discipline, quali l'informatica, l'ingegneria, la statistica e l'economia. Nel complesso, al termine dell'insegnamento, gli/le studenti/esse possiedono le competenze di base per affrontare percorsi avanzati nel campo dell'Ottimizzazione, sia in ambito industriale che accademico. Tali obiettivi contribuiscono alle finalità formative dei CdS, come previsto dalla progettazione globale del corso di laurea.
Programma
L'insegnamento è organizzato secondo la seguente lista di argomenti: - Problemi di Ottimizzazione: variabili di decisione, vincoli e obiettivi; [4 ore] - tecniche di formulazione e classificazione dei modelli; [16 ore] - problemi di Ottimizzazione convessa; [5 ore] - problemi di Ottimizzazione Lineare e metodo di soluzione grafico in due dimensioni; [4 ore] - geometria della Programmazione Lineare (PL); [3 ore] - il teorema fondamentale della PL; [2 ore] - il metodo del simplesso: fondamenti teorici, implementazioni, analisi e convergenza; [16 ore] - teoria della dualità nella Programmazione Lineare; [5 ore] - il metodo del simplesso duale; [3 ore] - interpretazione economica della dualità. [2 ore]
Elementi di algebra lineare; vettori e matrici; sistemi di equazioni lineari.
Lezioni frontali ed esercitazioni.
Modalità d'esame
L'esame prevede una prova scritta ed una prova orale. La prova scritta consiste in esercizi su tutte le tematiche svolte, ritenute equamente rilevanti, ed include attività computazionali. La prova orale riguarda principalmente gli aspetti metodologici. Per sostenere la prova orale lo studente deve aver conseguito un giudizio sufficiente alla prova scritta. L'esame può essere svolto anche mediante due prove parziali; alla seconda prova parziale si accede esclusivamente avendo conseguito una votazione sufficiente alla prima. Non è prevista prova orale per coloro che svolgono le prove parziali.
Testi di riferimento
1. Dimitris Bertsimas and John N. Tsitsiklis, Introduction to Linear Optimization. Athena Scientific. 1997; 2. Matteo Fischetti, Lezioni di Ricerca Operativa. 1995.
Codice insegnamento 38994
RIEMANNIAN GEOMETRY
2° anno · 6 CFU · MATH-02/B · 0 file
Obiettivi formativi dell’insegnamento. Il corso ha lo scopo di fornire le nozioni di base della geometria riemanniana. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivi formativi dell’insegnamento. Il corso ha lo scopo di fornire le nozioni di base della geometria riemanniana. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea triennale in Matematica è stata verificata e armonizzata in fase di progettazione dello stesso. Risultati di apprendimento Alla fine del corso, lo studente dovrebbe 1. conoscere gli aspetti di base della teoria delle varietà riemanniane e della geometria delle ipersuperfici 2. comprendere e saper spiegare tesi e dimostrazioni in ambito riemanniano; 3. avere rafforzato la capacità di argomentazione logica e di calcolo matematico; 4. essere in grado di leggere e capire altri testi scientifici su argomenti correlati.
Programma
Varietà Riemanniane, connessioni, curvatura, distanza, geodetiche, curvatura e topologia, geometria delle ipersuperfici
Calcolo in più variabili, fondamenti di topologia e geometria differenziale.
Lezione frontale, svolgimento di esercizi in classe e a casa.
Modalità d'esame
Prova orale tesa ad accertare - la preparazione teorica; - il rigore logico; - la capacità di risolvere problemi teorici, applicando le conoscenze acquisite. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente
Testi di riferimento
Gallot, Hulin, Lafontaine "Riemmannian geometry" Do Carmo "Riemannian geometry"
Codice insegnamento 36286
SELECTED TOPICS OF NUMBER THEORY
2° anno · 6 CFU · MATH-02/A · 0 file
SELECTED TOPICS OF RIEMANNIAN GEOMETRY
2° anno · 6 CFU · MATH-02/B · 0 file
SEMINAR IN ANALYSIS
2° anno · 6 CFU · MATH-03/A · 0 file
STATISTICAL THEORY OF DEEP LEARNING
2° anno · 6 CFU · MATH-03/B · 0 file
STOCHASTIC FINANCIAL MARKET MODELS
2° anno · 6 CFU · STAT-04/A · 0 file
Obiettivi formativi Acquisire il linguaggio e gli strumenti probabilistici sofisticati impiegati nella modellizzazione dei mercati finanziari. Come previsto in fase di progettazione del corso di Laurea, l’insegnamento…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivi formativi Acquisire il linguaggio e gli strumenti probabilistici sofisticati impiegati nella modellizzazione dei mercati finanziari. Come previsto in fase di progettazione del corso di Laurea, l’insegnamento concorre all’obiettivo di formare una figura professionale in grado di applicare strutture e metodologie matematiche complesse alla modellizzazione e risoluzione di problemi reali.
Programma
- Modelli discreti di mercato: primo e secondo teorema fondamentale dell'asset pricing. Valutazione di derivati Europei ed Americani. - Complementi di calcolo stocastico. Teorema di rappresentazione delle martingale, teorema di Girsanov, esistenza ed unicità delle soluzioni di equazioni differenziali stocastiche, variazione quadratica. - Il Mondo di Black e Scholes. Valutazione di: Opzioni Europee, Opzioni con Barriera, Opzioni Americane (put perpetue e prezzo critico). - Il modello multidimensionale: questioni di viabilità e completezza. Le opzioni Asiatiche. Le opzioni di scambio. - Obbligazioni e Tassi di Interesse. Modelli per la dinamica delle obbligazioni: modello di Merton, modello di Vasicek, Hull & White, modello di Cox Ingersoll Ross
Un corso avanzato di probabilità e la prima parte del presente corso integrato. Conoscenza della teoria dell’integrazione astratta
Lezioni frontali, risoluzione cooperativa in classe di problemi ed esercizi proposti, esercizi assegnati a casa, possibile esposizione di argomenti di approfondimento.
Modalità d'esame
Prova orale per accertare la preparazione teorica degli studenti e delle studentesse e la loro capacità di utilizzo e di spiegazione degli strumenti matematici impiegati per l’elaborazione dei modelli di mercato finanziario. Si prevede di assegnare anche esercizi teorico-pratici da svolgere a casa e da discutere collettivamente in classe, volti ad accertare le capacità di problem solving in ambito finanziario. L’attribuzione dei voti rifletterà i seguenti livelli di preparazione e di raggiungimento degli obiettivi formativi - sufficiente: conoscenza base delle definizioni e dei modelli di mercato finanziario (RA1); - adeguato: conoscenza dei teoremi fondamentali e dei modelli base a tempo continuo (RA1-RA3); - buono: acquisizione degli strumenti di calcolo stocastico e loro impiego nelle valutazioni finanziarie (RA1-RA4); - ottimo: capacità di applicare quanto appreso a situazioni parzialmente nuove e di sviluppare un’analisi autonoma dei problemi. (RA1- RA5)
Testi di riferimento
- Karatzas and Shreve Brownian motion and stochastic calculus, ed. Springer - A. Pascucci PDE and Martingale methods in option pricing, ed Springer - Lamberton and Lapeyre Introduction to stochastic calculus applied to Finance, Chapman and Hall
Codice insegnamento 37947
STOCHASTIC NUMERICAL METHODS
2° anno · 3 CFU · MATH-05/A · 0 file
Obiettivi formativi dell’insegnamento. Lo scopo dell’insegnamento è fornire conoscenze e competenze nell'ambito della modellistica numerica per equazioni alle derivate parziali e le abilità nell'analisi di proprietà…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivi formativi dell’insegnamento. Lo scopo dell’insegnamento è fornire conoscenze e competenze nell'ambito della modellistica numerica per equazioni alle derivate parziali e le abilità nell'analisi di proprietà teoriche e nel disegno di software matematico basato sugli schemi numerici proposti.
Programma
Metodi alle differenze finite. Problemi ellittici. Laplaciano discretizzato. Principio del massimo discreto. Formulazione matriciale del problema, studio delle proprietà spettrali. Analisi della convergenza. Risoluzione del problema discretizzato: metodi non stazionari. Problemi parabolici. Integrazione in tempo. Analisi della convergenza. Analisi della stabilità del teta-metodo. Problemi iperbolici. Approssimazione alle differenze e dominio di dipendenza. Condizione CFL. Analisi della convergenza.Metodi agli elementi finiti. Forma debole di un problema ellittico. Metodo di Galerkin per problemi ellittici: esistenza e unicità della soluzione discretizzata, stabilità, convergenza. Metodo degli elementi finiti nel caso unidimensionale e multidimensionale. Forma debole di un problema parabolico. Stime a priori. Analisi della convergenza nel caso semi-discreto. Convergenza e stabilià del teta-metodo. Problemi di diffusione-trasporto-reazione: elementi finiti e differenze finite. Tecnica mass-lumping. Metodo di Petrov-Galerkin. Metodo degli elementi finiti per problemi iperbolici. Cenni sul metodo dei volumi finiti e sui metodi spettrali.
Conoscenze di base di Analisi Numerica ed equazioni differenziali. Elementi di analisi funzionale.
Lezioni frontali teoriche e di laboratorio.
Modalità d'esame
L’esame prevede una prova scritta su tutti gli argomenti teorici dell'insegnamento; la discussione di alcuni esercizi di laboratorio. L’attribuzione del voto rifletterà i seguenti quattro livelli di preparazione: sufficiente: conoscenza base degli strumenti e delle metodologie dell'Analisi Numerica; adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorico-pratici in maniera indipendente.
Testi di riferimento
R. D'Ambrosio, Numerical Approximation of Ordinary Differential Problems - From Deterministic to Stochastic Numerical Methods, Springer (2023). E. Isaacson, H. B. Keller, Analysis of Numerical Methods, revised edition, Dover Publications, Mineola, NY, 1994. A. Quarteroni, Numerical Models for Differential Problems, 3rd ed., Springer, 2017.A. Quarteroni, R. Sacco, F. Saleri, Numerical Mathematics, 2nd ed., Texts in Applied Mathematics, Vol. 37, Springer, 2007.
Codice insegnamento 42107
STOCHASTIC PROCESSES
2° anno · 6 CFU · MATH-03/B · 0 file
TEACHING PRACTICES OF MATHEMATICS
2° anno · 6 CFU · MATH-01/B · 0 file
Il corso ha lo scopo di fornire agli studenti strumenti teorici e pratici per affrontare l’insegnamento-apprendimento della matematica nella scuola secondaria di I e II grado Tali obiettivi sono parte aggiuntiva delle…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha lo scopo di fornire agli studenti strumenti teorici e pratici per affrontare l’insegnamento-apprendimento della matematica nella scuola secondaria di I e II grado Tali obiettivi sono parte aggiuntiva delle finalità formative del corso di studi e offrono agli studenti l’occasione di applicare la disciplina in contesti didattici Alla fine del corso lo studente dovrebbe: - conoscere i concetti teorici di base della didattica della matematica; - conoscere e applicare i principali costrutti metodologici per progettare e analizzare attività didattiche; - conoscere le indicazioni ministeriali per la progettazione del curricolo del primo e secondo ciclo di istruzione - interpretare e valutare i dati restituiti dalle indagini di valutazione standardizzata per individuare le difficoltà degli studenti - analizzare e riflettere in modo critico su risorse e materiali didattici (ad esempio, libri di testo) attualmente adottati nelle scuole
Programma
Gli argomenti trattati sono suddivisi in due parti (l'ordine delle parti verrà definito durante il corso): Parte a) Verranno presentati e discussi i principali quadri teorici riconosciuti dalla ricerca in didattica della matematica (ad esempio, Teoria delle situazioni didattiche in matematica, Approccio strumentale, Teoria della mediazione semiotica, Contratto didattico e sue clausole). Verranno attualizzati e applicati alla luce delle indicazioni ministeriali e delle linee guida nazionali ed internazionali per il curricolo di matematica, riprendendo diverse metodologie didattiche (lezione frontale, approccio per problemi, lavori di gruppo, ...). Infine si discuterà della valutazione come strumento didattico per accompagnare il processo di insegnamento-apprendimento della matematica (ad esempio, si discuterà della differenza tra valutazione di classe, distinta in formativa, sommativa e diagnostica, e valutazione standardizzata) Parte b) Questa parte del corso si propone di sviluppare, attraverso un’analisi critica di alcuni libri di testo oggi adottati nella scuola secondaria di secondo grado e di materiali raccolti nell'ambito di sperimentazioni didattiche, riflessioni sui processi di insegnamento/apprendimento di alcuni dei principali nodi concettuali alla base dell’insegnamento scolastico (geometria euclidea, sistemi numerici, risoluzione di equazioni, geometria analitica, limiti, derivate, integrali). La Storia della Matematica e alcuni Software didattici saranno presentati come strumenti per potenziare tali processi.
Gli studenti devono conoscere tutti i contenuti matematici previsti fino alla conclusione del secondo ciclo di istruzione relativi ad ogni ambito indicato dalle indicazioni nazionali. Buona conoscenza dei corsi di base di Algebra, Geometria e Analisi.
La metodologia prevalente è il laboratorio. A questo sono state alternate: lezioni frontali; discussioni in classe; soluzioni di problemi in classe (dal docente o dagli studenti). Lavoro di gruppo e attività di studio individuali.
Modalità d'esame
Accertamento del processo di apprendimento in itinere: L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e i colloqui individuali. Gli studenti sono coinvolti in discussioni per mezzo di domande orali rivolte a tutta la classe. Accertamento del raggiungimento degli obiettivi formativi: Prova orale e presentazione di un progetto didattico o discussione di un articolo scientifico. Ogni studente deve presentare e discutere un elaborato finale, su un argomento assegnato dalle docenti, che compendi le due parti del corso. I criteri per la valutazione saranno: il livello di conoscenza degli argomenti trattati durante il corso, capacità di applicarli e/o riconoscerli in altre situazioni, il linguaggio scientifico utilizzato, la chiarezza e completezza delle argomentazioni. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. - sufficiente: comprensione ed esposizione dei principali costrutti, non completa autonomia nell’applicarli in contesti e situazioni didattiche; esposizione chiara ma non sempre completa - adeguata: comprensione ed esposizione dei principali costrutti, sufficiente autonomia nell’applicarli in contesti e situazioni didattiche; esposizione chiara e sufficientemente completa - buona: comprensione ed esposizione dei principali costrutti, autonomia nell’applicarli in contesti e situazioni didattiche; esposizione chiara e completa - approfondita: comprensione ed esposizione dei principali costrutti, completa autonomia nell’applicarli in contesti e situazioni didattiche anche complesse; esposizione chiara e completa; analisi e valutazione di collegamenti tra più costrutti matematici e didattici.
Testi di riferimento
Dispense fornite dai docenti durante il corso Baccaglini Frank, A., Di Martino, P., Natalini, R., (2019). Didattica della Matematica. Firenze: Mondadori Università Mariotti, M. A. (2022). Argomentare e dimostrare come problema didattico. UTET università. Zan, R. (2007). Difficoltà in matematica. Milano: Springer. D’Amore, B. (1999) Elementi di didattica della Matematica. Bologna: Pitagora
Codice insegnamento 38989
TIME SERIES AND PREDICTION
2° anno · 6 CFU · ECON-05/A · 0 file
Il corso si propone di fornire agli studenti le conoscenze teoriche e gli strumenti metodologici fondamentali per l’analisi statistica delle serie temporali. Al termine dell’insegnamento, gli studenti dovranno essere…
Scheda dell'insegnamento
Obiettivi formativi
Il corso si propone di fornire agli studenti le conoscenze teoriche e gli strumenti metodologici fondamentali per l’analisi statistica delle serie temporali. Al termine dell’insegnamento, gli studenti dovranno essere in grado di riconoscere e descrivere le principali caratteristiche di una serie storica, quali trend, stagionalità, ciclicità e dipendenza temporale, nonché di selezionare, stimare e valutare modelli appropriati.
Programma
- La nozione di processo stocastico -I Modelli ARMA - Previsione con i modelli ARMA
Probabilità Inferenza statistica
Lezione frontale, svolgimento di esercizi in classe e a casa.
Modalità d'esame
Accertamento finale dei risultati di apprendimento: Esame scritto e redazione di un progetto. Lo studente deve dimostrare la conoscenza acquisita rispondendo a domande relative agli argomenti del programma. Lo studente sarà valutato, in particolare, sulla capacità di discutere i principali argomenti del corso I criteri di valutazione con cui verrà effettuata la verifica delle conoscenze e delle abilità acquisite sono: 1. Completezza delle conoscenze acquisite. 2. Proprietà della terminologia tecnica utilizzata. 3. Capacità di risoluzione di questioni. 4. Capacità di rielaborazione autonoma e critica. L’attribuzione del voto rifletterà i seguenti livelli di preparazione - sufficiente: conoscenza base degli strumenti e delle metodologie della materia (18-21); - adeguata: acquisizione di una basilare capacità di utilizzare strumenti e metodologie della materia (21-24); - buona: raggiungimento di capacità di valutazione degli aspetti giuridicamente rilevanti della materia, fornendo soluzioni adeguate anche sul piano metodologico (24-27); - approfondita: raggiungimento di capacità di valutazione critica e corretto uso degli strumenti e delle metodologie della materia (27-30). - eccellente: pieno raggiungimento di capacità valutazione critica e di corretto uso degli strumenti e delle metodologie della materia (30 e lode)
Testi di riferimento
1. Time Series Analysis Univariate and Multivariate Methods, 2nd Edition, W. Wei, 2006, Addison Wesley. 2. Time Series Analysis, J. Hamilton, 1994, Princeton University Press. 3. Time Series Analysis: Theory and Methods, P. Brockwell and R. Davis, 1991, Springer-Verlag. 4. Time Series Analysis and Its Applications with R Examples, Shumway, R. and Stofer, D., 2006, Springer. 5. Introduction to Time Series and Forecasting. Second Edition, P. Brockwell and R. Davis, 2002, Springer.
Codice insegnamento 35187
TOPICS IN ALGEBRA
2° anno · 6 CFU · MATH-02/A · 0 file
Obiettivi formativi. Il corso ha lo scopo di fornire nozioni base e teoremi fondamentali di gruppi finiti e infiniti e delle loro rappresentazioni. Tali obiettivi sono parte delle finalità formative del corso di studi,…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivi formativi. Il corso ha lo scopo di fornire nozioni base e teoremi fondamentali di gruppi finiti e infiniti e delle loro rappresentazioni. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea magistrale in Matematica è stata verificata e armonizzata in fase di progettazione dello stesso. Risultati di apprendimento. Alla fine del corso lo studente dovrebbe 1) Conoscere gli aspetti di base della teoria dei gruppi e dei caratteri di gruppi finiti. 2) Comprendere, saper enunciare e saper dimostrare i risultati presentati a lezione. 3) Saper interpretare ed analizzare i problemi matematici legati alle rappresentazioni di gruppi finiti e loro rappresentazioni.
Programma
Il corso è diviso in due parti: 1. TEORIA DEI GRUPPI 1.1 Ripasso delle definizioni e nozioni di base (esempi di gruppi, sottogruppi, quozienti, teoremi di omomorfismo, gruppi di permutazione). 1.2 Gruppi liberi e presentazioni 1.3 Serie, serie di composizione, gruppi semplici 1.3 Serie centrale, gruppo nilpotente 1.4 P-gruppi finiti 1.5 Gruppi solubili 2. TEORIA DELLE RAPPRESENTAZIONI 2.1 Algebre, rappresentazioni, moduli, semisemplicità, teorema di Wedderburn. 2.2 Algebre di gruppo e rappresentazioni di gruppi, caratteri complessi. 2.3 Relazioni di ortogonalità, caratteri e integralità. 2.4 Prodotto di caratteri, prodotto tensoriale di rappresentazioni. 2.5 Caratteri indotti, reciprocità di Frobenius, teorema di Taketa, decomposizioni imprimitive, teorema di Clifford, teorema di Mackey.
Definizione e nozioni di base dei gruppi, come sottogruppi normali, gruppi quozienti, teoremi di isomorfismo; definizione e nozioni base degli anelli, come ideali, anelli quozienti, teoremi di isomorfismo.
Lezioni frontali
Modalità d'esame
Accertamento del raggiungimento degli obiettivi formativi: prova orale in cui le domande coprono tutti gli argomenti trattai nel corso. I criteri per la valutazione saranno: il livello di conoscenza degli argomenti trattati durante il corso, capacità di applicarli e/o riconoscerli in altre situazioni, il linguaggio scientifico utilizzato, la chiarezza e completezza delle argomentazioni. L’attribuzione del voto rifletterà i seguenti livelli di preparazione: - sufficiente: Conoscenza degli aspetti di base dei gruppi finiti e delle loro rappresentazioni. - adeguata: Conoscenza degli aspetti di base dei gruppi finiti e delle loro rappresentazioni; comprendere, saper enunciare e saper dare un’idea delle dimostrazioni dei risultati presentati a lezione - buona: Conoscenza degli aspetti di base dei gruppi finiti e delle loro rappresentazioni; comprendere, saper enunciare e saper dimostrare i risultati presentati a lezione - approfondita: Conoscenza degli aspetti di base dei gruppi finiti e delle loro rappresentazioni; comprendere, saper enunciare e saper dimostrare i risultati presentati a lezione; saper interpretare ed analizzare i problemi matematici legati alla teoria dei gruppi finiti e delle loro rappresentazioni
Testi di riferimento
1. Isaacs, I. Martin, Character theory of finite groups, AMS Chelsea Publishing, Providence, RI, 2006. 2. Robinson, Derek J. S.(1-IL), A course in the theory of groups.(English summary), Second edition, Grad. Texts in Math., 80, Springer-Verlag, New York, 1996.
Codice insegnamento 38981
TOPICS IN GEOMETRY
2° anno · 6 CFU · MATH-02/B · 0 file
Obiettivi formativi dell’insegnamento. Il corso ha lo scopo di fornire le nozioni di base della teoria di Lie. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivi formativi dell’insegnamento. Il corso ha lo scopo di fornire le nozioni di base della teoria di Lie. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea magistrale in Matematica è stata verificata e armonizzata in fase di progettazione dello stesso. Risultati di apprendimento Alla fine del corso, lo studente dovrebbe 1. conoscere gli aspetti di base della teoria dei gruppi e delle algebre di Lie e delle loro rappresentazioni; 2. comprendere e saper spiegare tesi e imostrazioni in ambito geometrico e algebrico; 3. avere rafforzato la capacità di argomentazione logica e di calcolo matematico; 4. essere in grado di leggere e capire altri questi scientifici su argomenti correlati.
Programma
- Nozioni di base - Gruppi di Lie e loro proprietà topologiche - Algebre di Lie e loro rappresentazioni - Teorema di Peter-Weyl, la formula dei caratteri di Weyl - teorema di classificazione delle algebre di Lie semplici complesse.
Fondamenti di Algebra, Algebra lineare, Topologia e Geometria Differenziale
Lezione frontale, svolgimento di esercizi in classe e a casa, sessioni di problem-solving in cooperazione
Modalità d'esame
Prova orale tesa ad accertare - la preparazione teorica; - il rigore logico; - la capacità di risolvere problemi teorici, applicando le conoscenze acquisite. L’attribuzione del voto rifletterà i seguenti livelli di preparazione. -sufficiente: comprensione basilare delle definizioni, delle strutture e degli esercizi; -adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; -buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; -approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente
Testi di riferimento
Un numero elevato di note sui gruppi di Lie e le algebre di Lie è disponibile gratuitamente online. In particolare, faremo riferimento alle Lecture Notes di P. Etingof e di A. Kirillov, Jr: [E] P. Etingof, Lie groups and Lie algebras https://arxiv.org/abs/2201.09397 [K] A. Kirillov Jr., An Introduction to Lie groups and Lie algebra, Cambridge University Press.
Codice insegnamento 38992
TOPOLOGICAL VECTOR SPACES
2° anno · 6 CFU · MATH-02/A · 0 file
TRAINING STAGES AND SEMINARS
2° anno · 6 CFU · 0 file
MODELLI E ALGORITMI PER LA FINANZA AZIENDALE
6 CFU · SECS-P/09 · 0 file