Corso di laurea

Matematica

Università degli studi di Bologna · 84 materie · 0 file condivisi

Ecco tutti i dettagli sul corso di laurea selezionato. Sul UniDocs troverai gli appunti condivisi dagli altri studenti del tuo corso di laurea, ordinati per materia. Ricordati che per poter visualizzare il materiale devi essere registrato al sito e possedere un numero di crediti sufficiente.

Sfoglia il materiale didattico

Con UniDocs hai l'opportunità di studiare insieme a tutto il tuo corso di laurea. Guadagna subito dei crediti, carica il materiale del tuo ultimo esame!
Più condividi, più tempo avrai per studiare con tutta la community!

Materie del corso

ADVANCED ANALYSIS AND RIEMANNIAN GEOMETRY 1° anno · 1° semestre · 0 file

At the end of the course, students will possess the knowledge of the main instruments of advance mathematical analysis: Sobolev spaces, spaces of generalized functions, Fourier transform. These tools will be the main…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, students will possess the knowledge of the main instruments of advance mathematical analysis: Sobolev spaces, spaces of generalized functions, Fourier transform. These tools will be the main instruments necessary to the quantitative and qualitative study of properties of the solutions to PDEs.

Programma

Gli argomenti trattati possono subire modifiche in base alla preparazione degli studenti, ma in linea di massima sono i seguenti:
PARTE I: Teoria della misura
Richiami di strumenti di analisi reale: limiti inferiori e superiori, cenni sulle cardinalità. Teoria della misura di base: misurabilità di insiemi e di funzioni, teoremi di convergenza. Esempi patologici (insiemi di Cantor) e loro uso nello studio di insiemi non misurabili o non Boreliani. Misure di Lebesgue e di Hausdorff e loro confronto. Ripasso sugli spazi L^p. Funzioni continue e misure: il Teorema di Riesz. Principi fini della teoria della misura: teoremi di ricoprimento di Vitali e Besicovitch, differenziazione di misure, Teorema di Rademacher, Teorema dei punti di Lebesgue.
PARTE II: Spazi di Sobolev
Definizione e motivazione Approssimazioni con funzioni lisce Teoremi di embedding (disuguaglianze di Sobolev, Poincaré e traccia) Richiami di Fourier e spazi di Sobolev frazionari.

Modalità d'esame

Esame orale

Testi di riferimento

Rudin: Real and complex analysis
Evans-Gariepy: Measure Theory and fine properties of functions
Evans : PDEs

Codice insegnamento 97476

ADVANCED MATHEMATICAL ANALYSIS 1° anno · 1° semestre · 6 CFU · MAT/05 · 0 file

At the end of the course, students will possess the knowledge of the main instruments of advance mathematical analysis: Sobolev spaces, spaces of generalized functions, Fourier transform. These tools will be the main…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, students will possess the knowledge of the main instruments of advance mathematical analysis: Sobolev spaces, spaces of generalized functions, Fourier transform. These tools will be the main instruments necessary to the quantitative and qualitative study of properties of the solutions to PDEs.

Programma

Gli argomenti trattati possono subire modifiche in base alla preparazione degli studenti, ma in linea di massima sono i seguenti:
PARTE I: Teoria della misura
Richiami di strumenti di analisi reale: limiti inferiori e superiori, cenni sulle cardinalità. Teoria della misura di base: misurabilità di insiemi e di funzioni, teoremi di convergenza. Esempi patologici (insiemi di Cantor) e loro uso nello studio di insiemi non misurabili o non Boreliani. Misure di Lebesgue e di Hausdorff e loro confronto. Ripasso sugli spazi L^p. Funzioni continue e misure: il Teorema di Riesz. Principi fini della teoria della misura: teoremi di ricoprimento di Vitali e Besicovitch, differenziazione di misure, Teorema di Rademacher, Teorema dei punti di Lebesgue.
PARTE II: Spazi di Sobolev
Definizione e motivazione Approssimazioni con funzioni lisce Teoremi di embedding (disuguaglianze di Sobolev, Poincaré e traccia) Richiami di Fourier e spazi di Sobolev frazionari.

Modalità d'esame

Esame orale

Testi di riferimento

Rudin: Real and complex analysis
Evans-Gariepy: Measure Theory and fine properties of functions
Evans : PDEs

Codice insegnamento 96756

ALGEBRA COMMUTATIVA 1° anno · 2° semestre · 6 CFU · MAT/02 · 0 file

Al termine del corso lo studente acquisisce i fondamenti della teoria dei moduli finitamente generati, sa riconoscere moduli iniettivi e proiettivi e ha appreso gli elementi basilari relativi alla localizzazione di…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente acquisisce i fondamenti della teoria dei moduli finitamente generati, sa riconoscere moduli iniettivi e proiettivi e ha appreso gli elementi basilari relativi alla localizzazione di anelli e moduli. Egli è in grado di applicare le nozioni acquisite per la risoluzione di problemi e la costruzione di dimostrazioni.

Programma

Anelli commutativi: omomorfismi e teoremi di omomorfismo; ideali (principali, primi, massimali); radicali (nilradicale, radicale di Jacobson); divisori di zero, elementi nilpotenti e invertibili.
Moduli su un anello. Moduli proiettivi e moduli iniettivi. Prodotto tensoriale di moduli. Localizzazione di anelli e di moduli. Moduli piatti.
Condizioni di catena (noetherianità, artinianità, serie di composizione). Anelli artiniani e anelli noetheriani.
Cenni di teoria della dimensione.

Modalità d'esame

Esercizi da svolgere a casa.
Esame orale, con consegna di esercizi svolti a casa.

Testi di riferimento

M. F. Atiyah, I. G. Macdonald. Introduction to Commutative Algebra. Addison-Wesley Publishing Company, Reading Massachusetts, 1969.
S. Bosch. Algebraic Geometry and Commutative Algebra, Universitext, Springer-Verlag London, 2012
A. Gathmann (2013). Commutative algebra (https://agag-gathmann.math.rptu.de/class/commalg-2013/commalg-2013.pdf ).
A. Bandini, P. Gianni, E. Sbarra. Commutative Algebra through Exercises, Springer, 2024

Codice insegnamento 06689

ALGORITMI E STRUTTURE DATI 1° anno · 2° semestre · 12 CFU · INF/01 · 0 file

Al termine del corso lo studente: - conosce gli algoritmi per risolvere problemi computazionali di base su strutture di dati elementari; - conosce le tecniche di base per calcolare il costo computazionale degli…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente: - conosce gli algoritmi per risolvere problemi computazionali di base su strutture di dati elementari; - conosce le tecniche di base per calcolare il costo computazionale degli algoritmi; - conosce le classi di complessità computazionale P, NP e NP-hard; - è in grado di progettare algoritmi efficienti per risolvere semplici problemi computazionali; - è in grado di stimare in ordine di grandezza il costo computazionale degli algoritmi; - è in grado di analizzare la complessità computazionale di problemi computazionali di base; - è in grado di dare una valutazione circa l'efficienza e la correttezza di un algoritmo; - è capace di elaborare e di presentare un progetto per la risoluzione di problemi computazionali di base

Programma

Progettazione e analisi di algoritmi. Complessita' computazionale. Ordini di grandezza. Equazioni di ricorrenza. Algoritmi di ordinamento: SelectionSort, InsertionSort, MergeSort, QuickSort, CountingSort, RadixSort. Strutture dati elementari: liste, pile e code. Alberi. Visite di alberi (pre-ordine, in-ordine, post-ordine, in ampiezza). Alberi binari di ricerca e alberi binari bilanciati di ricerca. Dizionari. Tabelle hash. Heaps: HeapSort e Code con priorita'. Strutture Union-Find. Tecniche di progettazione: divide-et-impera, greedy, programmazione dinamica. Grafi. Visite DFS e BFS. Algoritmi su grafi: Minimum Spanning Tree (Prim, Kruskal), Cammini Minimi (Bellman-Ford, Dijkstra, Floyd-Warshall). Complessita'. Le classi P ed NP. NP-completezza. Il corso include inoltre lezioni pratiche durante le quale si implementano e usano le strutture di dati presentate durante le lezioni di teoria. Si introdurrà inoltre il paradigma di programmazione Object-Oriented e alcune nozioni base sul linguaggio Java.

Modalità d'esame

La verifica dell'apprendimento avviene attraverso una prova scritta finale di 2 ore preceduta dalla consegna facoltativa di un progetto di programmazione Java da svolgersi singolarmente. Durante la prova scritta non è ammesso l'uso di libri, appunti, calcolatrici, supporti elettronici. La prova scritta consiste di 4 quesiti, alcuni dei quali sono esercizi che mirano ad accertare le abilità acquisite nel risolvere problemi computazionali tramite la progettazione di algoritmi efficienti, mentre altri sono domande aperte che mirano a verificare l'acquisizione delle conoscenze previste dal programma del corso. Il progetto Java viene proposto a completamento delle attività laboratoriali e ha l'obiettivo di verificare che lo studente abbia acquisito la capacità di implementare in Java algoritmi descritti in pseudo-codice, possibilmente utilizzando appropriate strutture dati ausiliarie. La valutazione del progetto Java consta di un voto compreso fra 0 e 3, che viene aggiunto alla valutazioni in 30-esimi dello scritto.

Testi di riferimento

Libro di testo: Camil Demetrescu, Irene Finocchi, Giuseppe F. Italiano Algoritmi e strutture dati McGraw-Hill - terza edizione. 2025. Libri consigliati: A.A. Bertossi & A. Montresor, Algoritmi e Strutture di Dati, Citta' Studi Edizioni, Torino. Terza edizione. 2014. Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford Stein Introduzione agli algoritmi e strutture dati McGraw-Hill - quarta edizione. 2023.

Codice insegnamento 11929

ANALISI FUNZIONALE E TEORIA DEGLI OPERATORI 1° anno · 1° semestre · 6 CFU · MAT/05 · 0 file

Al termine del corso lo studente conosce alcuni temi avanzati di analisi funzionale, teoria degli operatori e teoria spettrale. In particolare è in grado di applicare tali tecniche a vari problemi teorici e applicati.

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente conosce alcuni temi avanzati di analisi funzionale, teoria degli operatori e teoria spettrale. In particolare è in grado di applicare tali tecniche a vari problemi teorici e applicati.

Programma

Tra i problemi di base della teoria spettrale vi sono (i) la decomposizione di un operatore lineare agente su uno spazio lineare in operazioni elementari su suoi sottospazi: (ii) il calcolo operatoriale: la costruzione di nuovi operatori usando quelli che già si hanno sottomano. Si tratta di tecniche rilevanti in tutte le aree della matematica e che si trovano alla base delle formulazioni matematica della meccanica quantistica. Il corso inizia con nozioni di base sugli operatori su spazi di Banach e sui loro spettri. Vedremo poi (soprattutto nel caso degli spazi di Hilbert) alcuni teoremi spettrali per operatori autoaggiunti e non autoaggiunti.
Esempi e applicazioni della teoria verranno presentati lungo tutto il corso. La loro scelta dipenderà anche dagli interessi espressi dagli studenti.

Modalità d'esame

Durante il corso verranno assegnati alcuni esercizi per casa, che verranno poi corretti. Alla fine del corso ci sarà un esame orale. Parte del programma da presentare al programma può essere concordato con il docente, nel caso lo/la studente/ssa abbia un particolare interesse in un argomento legato al corso.
La votazione viene attribuita in base all'esame orale.
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it ): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

La dispensa del corso, Functional Analysis and Operator Theory, è scaricabile da https://site.unibo.it/progetto-agnesi/it/materiali-didattici/cdl-in-matematica
Sono anche consigliati:
Orr Moshe Shalit, The Analyst’s Gambit: A Second Course in Functional Analysis (2025), Chapman & Hall ISBN 9781032286594
Michael Reed, Barry Simon, Functional Analysis (1980)
Peter D. Lax, Functional Analysis (1966)
Jan van Neerven, Functional Analysis (2023) https://arxiv.org/pdf/2112.11166.pdf

Codice insegnamento B0323

ANALISI NON LINEARE 1° anno · 1° semestre · 6 CFU · MAT/05 · 0 file

Al termine del corso lo studente conosce alcuni degli aspetti della teoria non lineare con particolare riferimento alle equazioni a derivate parziali. In particolare è in grado di riconoscere aspetti specificatamente non…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente conosce alcuni degli aspetti della teoria non lineare con particolare riferimento alle equazioni a derivate parziali. In particolare è in grado di riconoscere aspetti specificatamente non lineari della teoria considerata.

Programma

Il corso esplora alcuni aspetti variazionali all'interno della cosiddetta Teoria dei Punti Critici. In particolare i funzionali presi in considerazione sono in generale indefiniti, per cui i metodi classici (o diretti) del Calcolo delle variazioni non si applicano. Le tecniche utilizzate sono quindi di natura topologica: minimax, passo montano, teoremi di linking in generale. Gli strumenti alla base di questi metodi sono essenzialmente riconducibili ad una opportuna proprietà di compattezza (di Palais-Smale) ed al Lemma di Deformazione. Come conseguenza della Teoria, si ottengono teoremi di esistenza di soluzioni per equazioni differenziali, le quali corrispondono alle equazioni di Eulero-Lagrange di opportuni funzionali. Come applicazioni si considerano in particolare due tipi di problemi, di natura geometrica/fisica: nel primo caso si tratteranno soluzioni di PDEs di tipo ellittico; nel secondo si studieranno orbite periodiche di sistemi Hamiltoniani. Il corso è essenzialmente auto-contenuto: le nozioni necessarie verranno richiamate o definite in fase preliminare, basandosi comunque sui corsi fondamentali di Analisi della Laurea Triennale, come prerequisiti.
----------
Richiami e preliminari - Differenziale di Fréchet e di Gateaux. - Funzioni debolmente continue. Funzioni compatte. - Spazi di Sobolev. Soluzioni deboli. Alcuni modelli. - Ricerca di soluzioni deboli per un problema di Dirichlet non lineare per il Laplaciano. - Ricerca di soluzioni deboli periodiche per un sistema Hamiltoniano non lineare. Lemma di deformazione. - Successioni di Palais-Smale. - Condizione di compattezza di Palais-Smale. - Pseudo-gradienti. Primi teoremi di minimax - Principio di minimax di Palais. - Teorema del passo montano. - Applicazioni a PDEs di tipo ellittico. I Teoremi di linking. - Link in dimensione finita. - Grado di Brouwer. - Applicazioni a PDEs di tipo ellittico. II - Link relativo in dimensione infinita. - Grado di Leray–Schauder. - Applicazioni a sistemi Hamiltoniani.

Modalità d'esame

L'esame consiste in una prova orale finale, la quale è strutturata in due parti: la prima parte consiste nella trattazione di un argomento a piacere, in cui si valuta la capacità di esporre l'argomento in maniera chiara e precisa ed il grado di profondità nello studio raggiunto dallo studente; la seconda parte consiste in alcuni quesiti a risposta aperta che riguardano i vari argomenti trattati durante il corso. Per sostenere la prova finale lo studente può contattare il docente e concordare una data via mail.
---------
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it ); sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

  • M.Struwe, Variational Methods; Springer - A.Ambrosetti, A.Malchiodi, Nonlinear Analysis and Semilinear Elliptic Problems; Cambridge University Press - P.H.Rabinowitz, Minimax Methods in Critical Point Theory with Applications to Differential Equations; AMS-CBMS

Codice insegnamento 46146

ANALISI NUMERICA 1° anno · 2° semestre · 6 CFU · MAT/08 · 0 file

Al termine del corso lo studente conosce approfonditamente le proprietà teoriche e computazionali dei principali metodi numerici per le equazioni differenziali ordinarie ai dati iniziali, e di alcuni metodi numerici…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente conosce approfonditamente le proprietà teoriche e computazionali dei principali metodi numerici per le equazioni differenziali ordinarie ai dati iniziali, e di alcuni metodi numerici avanzati per problemi alle derivate parziali. In particolare, lo studente è in grado di analizzare le proprietà teoriche dei metodi numerici e di valutare criticamente i risultati ottenuti.

Programma

Metodi iterativi per sistemi di equazioni non lineari: il metodo delle approssimazioni successive (proprietà di convergenza, stime dell’errore a-posteriori e a-priori, aspetti computazionali); il metodo di Newton (teorema di convergenza locale, teorema di Kantorovich), metodo di Newton inesatto; cenni al metodo di Newton modificato (convergenza globale, Lemma di Zoutendijk). Equazioni differenziali ordinarie: il problema a valori iniziali. Metodi numerici a un passo e a più passi, consistenza, zero-stabilità e convergenza; assoluta stabilità. Problemi stiff: caratteristiche e soluzione numerica. Equazioni differenziali ordinarie: il problema a valori al contorno. Equazioni del secondo ordine lineari e non lineari; metodo shooting e metodo alle differenze; consistenza, stabilità e convergenza. Il metodo delle differenze finite per il problema agli autovalori di Strum Liouville. Equazione differenziali alle derivate parziali (cenni). Equazioni di diffusione, equazioni del trasposrto: metodo delle linee (cenni).
Il corso prevede una attività di Laboratorio in cui lo studente potrà mettere in pratica e sperimentare i metodi di calcolo proposti.
I corsi base della Laurea Triennale in Matematica sono i prerequisiti necessari per poter seguire con profitto il corso.

Modalità d'esame

L'esame consiste in una prova orale sugli argomenti trattati a lezione e sulle esercitazioni svolte in laboratorio di calcolo.
La prova orale è strutturata per verificare la conoscenza e il grado di comprensione della teoria svolta nel corso e la capacità di risolvere numericamente un problema matematico. Vengono valutate con particolare attenzione sia la capacità di comunicare la materia in modo critico, sia l'uso di un linguaggio matematico appropriato.

Testi di riferimento

R.J. LeVque, Finite Difference Methods for Ordinary and Partial Differential Equations, SIAM, 2007
D.F. Griffths and D.J. Higham. Numerical Methods for Ordinary Differential Equations: Initial Value Problems. Springer, 2010.
J. Nocedal, S. J. Wright. Numerical Optimization. Springer, 2006.

Codice insegnamento 04524

ANALISI SUPERIORE 1° anno · 1° semestre · 6 CFU · MAT/05 · 0 file

Al termine del corso gli studenti hanno una conoscenza della moderna teoria delle distribuzioni e della trasformata di Fourier. Questi sono strumenti basilari per comprendere la moderna teoria delle Equazioni alle…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso gli studenti hanno una conoscenza della moderna teoria delle distribuzioni e della trasformata di Fourier. Questi sono strumenti basilari per comprendere la moderna teoria delle Equazioni alle derivate parziali.

Programma

Corsi propedeutici:
Analisi 3 della laurea triennale in matematica, o corso equivalente presso altro ateneo
Conoscenze preliminari:
spazi di Hilbert; trasformata di Fourier sullo spazio di Lebesgue L^1; teoremi di Banach-Steinhaus e di Hahn-Banach
Contenuti del corso:
Metodo delle caratteristiche per la risoluzione delle equazioni alle derivate parziali del primo ordine. Studio della teoria delle distribuzioni e delle loro trasformate di Fourier.
Descrizione dettagliata:
Metodo delle caratteristiche, I: introduzione e motivazione.
Metodo delle caratteristiche, II: soluzione di sistemi di PDE. Topologia di C^\k(D). Funzioni test e loro proprieta’. Costruzione di funzioni test.
Definizione di distribuzione ed esempi. Discussione dell'equazione di Poisson ``in senso distribuzioni’’ Ulteriori esempi di distribuzioni (regolari; singolari). Caratterizzazione di D'(D). Definizione e proprieta' della topologia TLS. Identificazione di D'(D) come lo spazio duale delle funzioni test nella topologia TLS. Localizzazione e saldatura di distribuzioni. Motivazione: supporto di funzioni continue. Supporto di una distribuzione ed esempi. Derivata distribuzionale: definizione ed esempi. Teorema sulla rappresentazione degli elementi di D'(D) come derivate di funzioni limitate. Prodotto puntuale distribuzione per funzione liscia: definizione, esempi e proprieta'. Teorema sulla regolarita' di una funzione singolare in punto ma con derivata integrabile in un intervallo della retta. Teorema di estensione del dominio di una distribuzione. Distribuzioni a supporto compatto: definizione e caratterizzazione come il duale delle funzioni lisce nella topologia metrica indotta dalla famiglia di seminorme. l'Esempio di Schwartz. Il teorema sul nucleo di una distribuzione a supporto compatto. Il teorema sulla decomposizione di una distribuzione supportata in un singolo punto come combinazione lineare della delta di Dirac e delle sue derivate. Definizione di convoluzione di una distribuzione in R^n con una funzione test; dimostrazione della proprieta' di associativita'. Definizione della convoluzione di una funzione a supporto compatto con una funzione liscia (non necessariamente a supporto compatto) e proprieta' analoghe a quelle della convoluzione di una distribuzione con funzioni test. Il teorema di regolarizzazione di una distribuzione e, come corollario, la densita' delle funzioni test nelle distribuzioni. Osservazioni sull'operatore di traslazione. Definizione della convoluzione di due distribuzioni, di cui almeno una a supporto compatto. Dimostrazione della proprieta' di commutativita'. Dimostrazione della proprieta' di associativita' per la convoluzione di tre distribuzioni di cui almeno due hanno supporto compatto. Rappresentazione delle derivate mediante convoluzioni; come applicazione, rappresentazione della derivata della convoluzione di due distribuzioni. Trasformata di Fourier per funzioni in L^1: definizione e proprieta’. La classe di Schwartz, S: definizione e proprieta' elementari, tra cui la proprieta' di immersione continua in L^1. La trasformata di Fourier e'un isomorfismo su S. S e' immerso in L^2 con immersione continua. Formula di Parseval.
Distribuzioni temperate, S’: motivazione; definizione; immersioni continue negli spazi di Lebesgue. Definizione della trasformata di Fourier su S’: proprieta' di isomorfismo; formula di inversione su S’. Trasformata di Fourier in L^2 (Thm. di Plancherel). Teorema di Paley-Wiener-Schwartz.

Modalità d'esame

L'esame relativo a questa componente del corso integrato (00020 - ANALISI SUPERIORE - 6 cfu) consiste in una prova orale che si svolge a partire da un argomento scelto dallo studente fra gli argomenti coperti dal corso. Seguiranno domande sulla prova di teoremi dimostrati a lezione; la soluzione di esercizi presentati dal docente durante la lezione o assegnati dal docente come pratica da fare a casa; la discussione di esempi presentati dal docente durante la lezione, o assegnati dal docente come letture integrative.
Il voto finale attribuito allo studente è dato dalla media dei voti assegnati per le due componenti del corso integrato, con arrotondamento all'unità superiore (il voto di 30L in una componente vale 31 ai fini del calcolo della media).
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

L. Hörmander: Linear Partial Differential Operators, Springer Edizione del 1969, primo capitolo. L. Grafakos: Classical Fourier analysis, terza edizione (2014), secondo capitolo sezioni 2.2; 2.3; 2.4; quinto capitolo sezione 5.1.1. L. Hörmander: Linear Partial Differential Operators I, Springer seconda edizione 1990, capitoli 2, 3, 4, 6, 7. F.G. Friedlander. Introduction to the theory of distributions. Second edition. With additional material by M. Joshi. Cambridge University Press, Cambridge, 1998. C. Parenti e A. Parmeggiani, Algebra Lineare ed Equazioni Differenziali Ordinarie, seconda edizione, Springer Unitext 117, capitolo 5. C. Zuily: Eléments de distributions et d'équations aux dérivées partielles. Dunod.

Codice insegnamento 00020

ANALISI SUPERIORE E EDP 1° anno · 2° semestre · 6 CFU · MAT/05 · 0 file

Al termine del corso gli studenti hanno una conoscenza, a livello introduttivo, della teoria delle Equazioni alle derivate parziali in ambito distribuzionale o nell’ambito delle soluzioni deboli (spazi funzionali).

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso gli studenti hanno una conoscenza, a livello introduttivo, della teoria delle Equazioni alle derivate parziali in ambito distribuzionale o nell’ambito delle soluzioni deboli (spazi funzionali).

Programma

Il corso è una introduzione alla teoria delle equazioni alle derivate parziali per studenti sia di matematica generale (sia pura che applicata). La teoria sviluppata è quella chiamata "moderna" e serve anche come base ad ulteriori sviluppi nella "analisi geometrica delle equazioni alle derivate parziali". Come background viene richiesta la conoscenza elementare delle proprieta` degli spazi di Hilbert e la teoria elementare delle distribuzioni.
Il corso essenzialmente verte su aspetti della teoria delle equazioni a derivate parziali quali:
Il teorema di Frobenius per sistemi involutivi di campi vettoriali; soluzioni fondamentali degli operatori differenziali alle derivate ordinarie e dei principali operatori alle derivate parziali classici: onde (1+3 dimensioni), calore, Laplace, Cauchy-Riemann; problema di Cauchy per l'operatore delle onde (1+3 dimensioni) e per l'equazione di Schrödinger; ipoellitticita` e supporto singolare di soluzioni fondamentali; parametrici di operatori a coefficienti costanti il cui simbolo e` un polinomio ipoellittico; singolarita` di soluzioni di equazioni ipoellittiche nel complementare di un punto; risolubilità locale in L2 di operatori alle derivate parziali a coefficienti lisci; disuguaglianza di Hoermander per operatori a coefficienti costanti; distribuzioni periodiche e distribuzioni sui tori piatti n-dimensionali; riassunto del calcolo delle k-forme differenziali; teorema di Hodge sui tori piatti n-dimensionali; Il metodo di Galerkin per la risoluzione debole di equazioni alle derivate parziali sui tori piatti. Il Lemma di Friedrichs e le soluzioni forti periodiche in L2 loc di Rn. Tempo permettendo: spettri di operatori a coefficienti costanti sui tori piatti; spazi di Sobolev sui tori piatti ed applicazioni.

Modalità d'esame

L'esame consiste di uno scritto ed un orale che debbono essere sostenuti entro la stessa sessione. Nello scritto, che constiste in un tema riguardante gli argomenti sviluppati durante il corso (2 ore; non è ammesso l'uso di appunti o di ausili elettronici) lo studente riceverà una valutazione: insufficiente/sufficiente/buono/ottimo, ed un punteggio in trentesimi. Nel caso di valutazione "insufficiente" lo studente dovrà ripetere lo scritto. Nel caso di valutazione almeno "sufficiente" lo studente procederà all'orale. Quest'ultimo si svolge a partire da un argomento (rilevante) scelto dallo studente.Dopo l'orale lo studente ricevera` un punteggio in trenetesimi, il quale andra` a media con quello dello scritto, risultando nel voto finale.
Uno scritto sufficiente potrà essere utilizzato nell'ambito della sessione.
Il voto finale puo` essere rifiutato una sola volta.

Testi di riferimento

L. Hörmander: Linear Partial Differential Operators, Springer Edizione del 1969. C. Zuily: Eléments de distributions et d'équations aux dérivées partielles. Dunod.

Codice insegnamento 96729

ANALISI SUPERIORE E GEOMETRIA DIFFERENZIALE 1° anno · 1° semestre · 0 file

Al termine del corso gli studenti hanno una conoscenza della moderna teoria delle distribuzioni e della trasformata di Fourier. Questi sono strumenti basilari per comprendere la moderna teoria delle Equazioni alle…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso gli studenti hanno una conoscenza della moderna teoria delle distribuzioni e della trasformata di Fourier. Questi sono strumenti basilari per comprendere la moderna teoria delle Equazioni alle derivate parziali.

Programma

Corsi propedeutici:
Analisi 3 della laurea triennale in matematica, o corso equivalente presso altro ateneo
Conoscenze preliminari:
spazi di Hilbert; trasformata di Fourier sullo spazio di Lebesgue L^1; teoremi di Banach-Steinhaus e di Hahn-Banach
Contenuti del corso:
Metodo delle caratteristiche per la risoluzione delle equazioni alle derivate parziali del primo ordine. Studio della teoria delle distribuzioni e delle loro trasformate di Fourier.
Descrizione dettagliata:
Metodo delle caratteristiche, I: introduzione e motivazione.
Metodo delle caratteristiche, II: soluzione di sistemi di PDE. Topologia di C^\k(D). Funzioni test e loro proprieta’. Costruzione di funzioni test.
Definizione di distribuzione ed esempi. Discussione dell'equazione di Poisson ``in senso distribuzioni’’ Ulteriori esempi di distribuzioni (regolari; singolari). Caratterizzazione di D'(D). Definizione e proprieta' della topologia TLS. Identificazione di D'(D) come lo spazio duale delle funzioni test nella topologia TLS. Localizzazione e saldatura di distribuzioni. Motivazione: supporto di funzioni continue. Supporto di una distribuzione ed esempi. Derivata distribuzionale: definizione ed esempi. Teorema sulla rappresentazione degli elementi di D'(D) come derivate di funzioni limitate. Prodotto puntuale distribuzione per funzione liscia: definizione, esempi e proprieta'. Teorema sulla regolarita' di una funzione singolare in punto ma con derivata integrabile in un intervallo della retta. Teorema di estensione del dominio di una distribuzione. Distribuzioni a supporto compatto: definizione e caratterizzazione come il duale delle funzioni lisce nella topologia metrica indotta dalla famiglia di seminorme. l'Esempio di Schwartz. Il teorema sul nucleo di una distribuzione a supporto compatto. Il teorema sulla decomposizione di una distribuzione supportata in un singolo punto come combinazione lineare della delta di Dirac e delle sue derivate. Definizione di convoluzione di una distribuzione in R^n con una funzione test; dimostrazione della proprieta' di associativita'. Definizione della convoluzione di una funzione a supporto compatto con una funzione liscia (non necessariamente a supporto compatto) e proprieta' analoghe a quelle della convoluzione di una distribuzione con funzioni test. Il teorema di regolarizzazione di una distribuzione e, come corollario, la densita' delle funzioni test nelle distribuzioni. Osservazioni sull'operatore di traslazione. Definizione della convoluzione di due distribuzioni, di cui almeno una a supporto compatto. Dimostrazione della proprieta' di commutativita'. Dimostrazione della proprieta' di associativita' per la convoluzione di tre distribuzioni di cui almeno due hanno supporto compatto. Rappresentazione delle derivate mediante convoluzioni; come applicazione, rappresentazione della derivata della convoluzione di due distribuzioni. Trasformata di Fourier per funzioni in L^1: definizione e proprieta’. La classe di Schwartz, S: definizione e proprieta' elementari, tra cui la proprieta' di immersione continua in L^1. La trasformata di Fourier e'un isomorfismo su S. S e' immerso in L^2 con immersione continua. Formula di Parseval.
Distribuzioni temperate, S’: motivazione; definizione; immersioni continue negli spazi di Lebesgue. Definizione della trasformata di Fourier su S’: proprieta' di isomorfismo; formula di inversione su S’. Trasformata di Fourier in L^2 (Thm. di Plancherel). Teorema di Paley-Wiener-Schwartz.

Modalità d'esame

L'esame relativo a questa componente del corso integrato (00020 - ANALISI SUPERIORE - 6 cfu) consiste in una prova orale che si svolge a partire da un argomento scelto dallo studente fra gli argomenti coperti dal corso. Seguiranno domande sulla prova di teoremi dimostrati a lezione; la soluzione di esercizi presentati dal docente durante la lezione o assegnati dal docente come pratica da fare a casa; la discussione di esempi presentati dal docente durante la lezione, o assegnati dal docente come letture integrative.
Il voto finale attribuito allo studente è dato dalla media dei voti assegnati per le due componenti del corso integrato, con arrotondamento all'unità superiore (il voto di 30L in una componente vale 31 ai fini del calcolo della media).
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

L. Hörmander: Linear Partial Differential Operators, Springer Edizione del 1969, primo capitolo. L. Grafakos: Classical Fourier analysis, terza edizione (2014), secondo capitolo sezioni 2.2; 2.3; 2.4; quinto capitolo sezione 5.1.1. L. Hörmander: Linear Partial Differential Operators I, Springer seconda edizione 1990, capitoli 2, 3, 4, 6, 7. F.G. Friedlander. Introduction to the theory of distributions. Second edition. With additional material by M. Joshi. Cambridge University Press, Cambridge, 1998. C. Parenti e A. Parmeggiani, Algebra Lineare ed Equazioni Differenziali Ordinarie, seconda edizione, Springer Unitext 117, capitolo 5. C. Zuily: Eléments de distributions et d'équations aux dérivées partielles. Dunod.

Codice insegnamento 97474

ARTIFICIAL INTELLIGENCE AND DECISION MAKING 1° anno · 1° semestre · 6 CFU · STAT-04/A · 0 file

By the end of this course, students will be able to: understand and apply key concepts from dynamic programming and optimization to AI decision problems; model and analyze decision-making processes in dynamic and…

Scheda dell'insegnamento

Obiettivi formativi

By the end of this course, students will be able to: understand and apply key concepts from dynamic programming and optimization to AI decision problems; model and analyze decision-making processes in dynamic and uncertain environments; formulate and solve multi-objective and multi-agent decision problems; understand the role of dynamic games in the design of intelligent agents; explore applications of these principles in reinforcement learning, federated learning, and adversarial AI systems.

Programma

Il corso fornisce una trattazione unificata delle tecniche di decision making e del loro impiego nell'intelligenza artificiale moderna. I contenuti sono organizzati come segue:
Ottimizzazione statica Programmazione dinamica L'equazione di Bellman Decisioni in condizioni di incertezza Ottimizzazione multi-obiettivo Giochi dinamici e differenziali Apprendimento supervisionato e non supervisionato Apprendimento rinforzato Apprendimento multi-agente Apprendimento federato e avversario

Modalità d'esame

Per gli studenti frequentanti: presentazione di un progetto. Per gli studenti non frequentanti: esame orale.

Testi di riferimento

Appunti e lucidi forniti dal docente.
H. Kunze, D. La Torre, A. Riccoboni, and M. Ruiz Galan (Eds.), "Engineering Mathematics and Artificial Intelligence: Foundations, Methods, and Applications," CRC Press (Taylor & Francis), 2023. (Series: Mathematics and Its Applications.)
S. Ben-David, G. Curigliano, D. Koff, B. A. Jereczek-Fossa, D. La Torre, and G. Pravettoni (Eds.), "Artificial Intelligence for Medicine: An Applied Reference for Methods and Applications," Elsevier (Academic Press), 2024.
M. Corazza, R. Garcia, F. S. Khan, D. La Torre, and H. Masri (Eds.), "Artificial Intelligence and Beyond for Finance," World Scientific, 2024. (Series: Transformations in Banking, Finance and Regulation, Vol. 15.)
F. P. Appio, D. La Torre, F. Lazzeri, H. Masri, and F. Schiavone (Eds.), "Impact of Artificial Intelligence in Business and Society: Opportunities and Challenges," Routledge (Taylor & Francis), 2024. (Series: Routledge Studies in Innovation, Organizations and Technology.)
S. Boyd and L. Vandenberghe, "Convex Optimization," Cambridge University Press, 2004.
R. S. Sutton and A. G. Barto, "Reinforcement Learning: An Introduction," 2nd ed., MIT Press, 2018. (Series: Adaptive Computation and Machine Learning.)

Codice insegnamento C9789

BIOMEDICAL MATHEMATICAL MODELS 1° anno · 1° semestre · 6 CFU · MAT/05 · 0 file

At the end of the course, the student has knowledge of analytic approach to biomedical and biomechanical problems. The student is able to express these problems with instruments of geometrical analysis and differential…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student has knowledge of analytic approach to biomedical and biomechanical problems. The student is able to express these problems with instruments of geometrical analysis and differential equations.

Programma

The course shows mathematical models of brain functionality at different scales, from the dynamics of a single excitable cell to the collective organisation of neural activity and visual perception.
2-Microscopic models: the single neuron and signal propagation Evolution of an electrical signal along nerve fibres: the Hodgkin–Huxley model and the FitzHugh–Nagumo system. Models for signal propagation.
1-Models of the primary visual cortex and perceptual phenomena Classical perceptual models as minima of functionals: differential calculus in Banach spaces. At a larger scale, neuronal populations are represented as Riemannian or sub-Riemannian manifolds. Models of brain functionality expressed in this setting are able to riproduce visual perceptual phenomena.

Modalità d'esame

prova orale. Le date possono essere concoredate su appuntamento con il docente

Testi di riferimento

Citti Sarti, Neuromathematics of vision, Springer
Corrado Mascia, Eugenio Montefusco, "Un invito alla biomatematica", Edizioni LaDotta

Codice insegnamento 96783

CALCOLO NUMERICO E SOFTWARE DIDATTICO 1° anno · 2° semestre · 6 CFU · MAT/08 · 0 file

Al termine del corso lo studente: - possiede una adeguata conoscenza degli aspetti della matematica, specificatamente volti alle applicazioni, ed e' in grado di utilizzare software didattico e di calcolo scientifico…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente: - possiede una adeguata conoscenza degli aspetti della matematica, specificatamente volti alle applicazioni, ed e' in grado di utilizzare software didattico e di calcolo scientifico negli aspetti di base.

Programma

Il corso si propone di fornire agli studenti strumenti di matematica computazionale, calcolo numerico e modellizzazione matematica utili alla progettazione di attività didattiche per la scuola secondaria.
Particolare attenzione sarà dedicata allo sviluppo del pensiero computazionale, alla formulazione algoritmica dei problemi, all'utilizzo del laboratorio informatico come ambiente per l'esplorazione della matematica e alla progettazione di esperienze didattiche supportate da strumenti digitali.
Nel corso saranno affrontati i seguenti argomenti (Moduli 1 e 2):
Pensiero computazionale e progettazione di algoritmi: problem solving, concetto di algoritmo, diagrammi di flusso, pseudocodice ed elementi di coding. Elementi di calcolo numerico: metodi numerici per problemi di ottimizzazione libera e vincolata, elementi di programmazione lineare, metodo grafico per problemi di programmazione lineare in due variabili, metodi numerici per la risoluzione di equazioni differenziali ordinarie. Introduzione alla modellizzazione matematica: formulazione e analisi di semplici modelli matematici, con applicazioni a problemi di interesse scientifico e didattico, con particolare attenzione a contesti rilevanti per la scuola secondaria. Laboratorio di matematica computazionale: utilizzo di ambienti di calcolo e strumenti digitali per l'implementazione di algoritmi, l'esplorazione numerica, la simulazione di modelli matematici e la progettazione di attività laboratoriali per l'insegnamento della matematica.

Modalità d'esame

L'esame consiste in una prova orale e nella realizzazione di un progetto individuale.
Il progetto consiste nella preparazione di un'attività laboratoriale che utilizzi gli strumenti e le metodologie presentati durante il corso. L'argomento del progetto dovrà essere concordato con il docente. Il progetto è finalizzato a valutare la capacità dello studente di progettare e sviluppare un'attività didattica che integri strumenti di matematica computazionale e tecnologie digitali per l'insegnamento della matematica.
Il progetto dovrà essere consegnato almeno una settimana prima della data dell'esame orale. La consegna del progetto costituisce requisito indispensabile per l'ammissione alla prova orale; gli studenti che non avranno consegnato il progetto entro i termini stabiliti non potranno sostenere l'esame.
La prova orale verterà sui contenuti teorici e metodologici affrontati durante il corso e comprenderà anche la discussione del progetto presentato. Nel corso della prova saranno valutati il livello di conoscenza e di comprensione degli argomenti trattati, la capacità di applicare criticamente i metodi studiati, la qualità della progettazione dell'attività laboratoriale e la proprietà di linguaggio nell'esposizione.
Il voto finale terrà conto sia dell'esito della prova orale sia della valutazione del progetto.

Testi di riferimento

A. Quarteroni, F. Saleri, Calcolo Scientifico esercizi e problemi risolti con Matlab/Octave. Springer (2008); V. Comincioli, Analisi Numerica: metodi, modelli, applicazioni. Apogeo, on-line ed.(2005)

Codice insegnamento 34739

CALCULUS OF VARIATIONS 1° anno · 1° semestre · 6 CFU · MAT/05 · 0 file

At the end of the course, the student has a knowledge of some advanced chapters of classical and direct methods in calculus variations, with application to some topic of deep recent interest.

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student has a knowledge of some advanced chapters of classical and direct methods in calculus variations, with application to some topic of deep recent interest.

Programma

MODULUS I
In the first part of the course, we will introduce some basic notions and methodologies in Calculus of Variations:
We will start by describing the - so called- Direct Method, for proving existence of minimizers of variational functionals, in some easy situations. Then, we will introduce the class of Lipschitz functions and their main properties and study a minimization problem in such a class. This will be done under some particular assumption on the domain and on the boundary datum (the "bounded slope condition") and existence will be achieved via the constructions of suitable "barriers". As a particular case, we will consider the area functional for graphs. After this , we will introduce the class of BV functions (functions of bounded variations) and the notion of set of finite perimeter. We will state and prove some of their main properties. This will allow us to consider geometric minimization problem and to establish an existence result for minimizers for a Plateau-type problem. Finally, we will define the notion of Reduced boundary of a set of finite perimeter and we will state the De Giorgi's structure Theorem.
MODULUS II
In the second part of the course, we will deal in a mixed way with geometric problems in the Calculus of Variations and some of their developments in PDEs, and partly, with the regularity of PDEs. In particular, in the first part, some fine properties of sets of finite perimeter will be discussed. This will be presented as an invitation to the topic and will be held mostly without proofs.
A slightly simplified but complete solution for the isoperimetric problem will be proposed, stating that a ball minimizes perimeter under a volume constraint. The proof will mostly follow the basic De Giorgi approach, after the Steiner symmetrization technique.
As a first application, we will show how to derive the (equivalent) Sobolev inequalities via isoperimetric ones. In particular, we will see how Sobolev inequalities are the functional counterpart of the geometric isoperimetric inequality, and how to derive, by means of these, compact embeddings of Sobolev spaces into integrability spaces.
As a second application, we will see how mild (Sobolev) regularity for elliptic PDEs can be derived by means of Sobolev inequalities. This will be done via a short introduction to rearrangement functional inequalities (we will see and partly prove Hardy-Littlewood, Riesz, and Polya-Szego inequalities).
As a third and last topic, we will introduce some basics of Shape Optimization Theory. We will, in particular, show the Saint-Venant and the Faber-Krahn inequalities.
The last part of the course will deal with regularity. In particular, we will offer a complete proof of the solution to the XIX Hilbert problem, via the original De Giorgi proof from 1956.

Modalità d'esame

Oral exam

Testi di riferimento

Luigi Ambrosio, Nicola Fusco, Diego Pallara, "Functions of Bounded Variation and Free Discontinuity Problems.
Lorenzo Brasco, "Handbook of Calculus of Variations for Absolute Beginners".
L.C. Evans, L. F Gariepy, "Measure Theory and Fine Properties of Functions".
Enrico Giusti, "Direct Methods in the Calculus of Variations".
Enrico Giusti, "Minimal Surfaces and Functions of Bounded Variation".
Francesco Maggi, "Sets of Finite Perimeter and Geometric Variational Problems."

Codice insegnamento 96771

COMPLEMENTI DI ANALISI MATEMATICA 1° anno · 2° semestre · 6 CFU · MAT/05 · 0 file

Al termine del corso lo studente conosce le idee e le tecniche di base del calcolo differenziale e integrale sulle varietà. Acquisisce le principali conoscenze sulle serie trigonometriche e sulla loro convergenza…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente conosce le idee e le tecniche di base del calcolo differenziale e integrale sulle varietà. Acquisisce le principali conoscenze sulle serie trigonometriche e sulla loro convergenza puntuale, uniforme e in media quadratica. Sa usare le competenze acquisite nei modelli matematici delle scienze applicate e dell'ingegneria.

Programma

Il corso esplora alcuni argomenti classici e centrali dell'Analisi Matematica, in particolare la teoria dell'integrazione su varietà rispetto alla misura di Hausdorff e l'analisi di Fourier relativa agli sviluppi in serie per funzioni periodiche. Verranno presentate inoltre varie applicazioni della teoria a modelli di natura geometrica e fisica, ad esempio la derivazione delle equazioni di Maxwell per il campo elettromagnetico, lo studio dei problemi del potenziale elettrostatico e di diffusione del calore. Il corso è essenzialmente auto-contenuto: le nozioni necessarie verranno richiamate o definite durante le lezioni, basandosi comunque sui corsi fondamentali del biennio della Laurea Triennale, in particolare Analisi Matematica 1 e Analisi Matematica 2, come prerequisiti. Il corso è suddiviso nei seguenti due moduli: Modulo 1 - Martino - Cenni di teoria della misura. - Misura di Hausdorff. - Integrale di Hausdorff. - Teorema della divergenza. - Forme differenziali. - Teorema di Stokes. - Applicazioni. Modulo 2 - Montanari - Polinomi trigonometrici reali. - Polinomi di Fourier. - Serie di Fourier reali e loro convergenza puntuale e uniforme. - Effetto Gibbs. Serie di Fejér. - Convergenza secondo Abel della serie di Fourier. Integrale di Poisson. - Serie di Fourier complesse. - Applicazioni al problema di Dirichlet per il Laplaciano sul disco unitario e al problema del calore.

Modalità d'esame

Per entrambi i moduli la verifica dell’apprendimento avviene attraverso un colloquio orale finale (uno per ogni modulo). Per entrambi i moduli la prova orale è strutturata in due parti: la prima parte consiste in una dimostrazione a piacere, in cui si valuta la capacità di esporre un argomento in maniera chiara e precisa ed il grado di profondità nello studio raggiunto dallo studente; la seconda parte consiste in due quesiti a risposta aperta che riguardano tutti gli aspetti della disciplina. Per sostenere la prova finale lo studente può contattare separatamente i due docenti e concordare una data via mail.
---------
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it ); sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

Ermanno Lanconelli Lezioni di Analisi Matematica 2, Seconda Parte. Pitagora Editrice Bologna Giulio Cesare Barozzi Matematica per l'ingegneria dell’informazione Zanichelli Walter Rudin Principles of Mathematical Analysis, Third Edition. McGraw-Hill Tom Apostol Mathematical Analysis, second Edition. Addison-Wesley Publishing Company

Codice insegnamento 04310

DIDATTICA DELLA FISICA 1° anno · 2° semestre · 6 CFU · FIS/08 · 0 file

Al termine del corso, lo studente possiede le competenze necessarie per la progettazione di percorsi culturalmente significativi e didatticamente efficaci per l'insegnamento della Fisica a livello di scuola secondaria…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente possiede le competenze necessarie per la progettazione di percorsi culturalmente significativi e didatticamente efficaci per l'insegnamento della Fisica a livello di scuola secondaria superiore, con particolare attenzione al passaggio dalla fisica classica alla fisica moderna (relatività e meccanica quantistica). In particolare, lo studente possiede gli strumenti conoscitivi e professionali per: - analizzare e discutere i risultati della ricerca in Didattica della Fisica circa le difficoltà degli studenti nella comprensione di concetti-chiave; - analizzare documentazioni di ricerca (transcript e video-regstrazioni) relative a episodi emblematici di comprensione della fisica; - utilizzare a fini didattici una pluralità di testi e materiali (libro di testo, memorie originali, testi di critica storico-epistemologica, libri/testi divulgativi, siti web, ecc.); - analizzare percorsi innovativi per l'insegnamento della fisica a livello di scuola secondaria superiore e costruire criteri di progettazione.

Programma

Il corso prevede la trattazione dei seguenti temi:

  • La ricerca attuale in Didattica della fisica: inter-multi-transdisciplinarità per allineare la formazione nella disciplina con le sfide sociali; pluralismo nella scienza e emozioni epistemiche; didattica della fisica orientata al futuro.
  • L'insegnamento della Relatività Ristretta: le difficoltà degli studenti note in letteratura; confronto tra l'approccio di Einstein e quello di Minkowski come caso per analizzare il ruolo del pluralismo nel dibattito scientifico e il ruolo della fisica nei momenti di profondo cambiamento;
  • L'insegnamento della Termodinamica: le difficoltà degli studenti note in letteratura sui concetti di temperatura, calore, energia interna, entropia; confronto tra approccio macroscopico e approccio microscopico in prospettiva didattica; la termodinamica come esempio per la progettazione di ambienti di apprendimento inclusivi; il costrutto dell'appropriazione e strategie di orchestrazione in classe; apertura verso i sistemi complessi e nuove visioni di futuro;
  • L'insegnamento della Fisica Quantistica: dall'old quantum physics alla seconda rivoluzione quantistica; ruolo del linguaggio e delle metafore nell'insegnamento/apprendimento della fisica quantistica; relazione scienza-tecnologia-società.
    Durante il corso si condurranno analisi di testi di varia natura (capitoli di libri di testo, articoli di ricerca, saggi di critica storico-epistemologica) per familiarizzare con i diversi piani su cui si articola il discorso in didattica della fisica: concettuale/disciplinare, cognitivo, epistemologico, pedagogico/didattico.
    Durante il corso, si discuteranno i seguenti temi di interesse sociale:
  • questioni di genere nell'insegnamento/apprendimento della fisica;
  • rapporto scienza e società;
    e si svilupperanno le seguenti competenze trasversali:
  • pensiero critico;
  • competenze di team-working;
  • competenze di comunicazione.
    Il corso sarà tenuto in Italiano.

Modalità d'esame

L'esame finale consiste in una prova orale divisa in due parti.
I parte

  • presentazione e discussione di un articolo di ricerca in Didattica della fisica, selezionato all'interno di una lista messa a disposizione. La presentazione dell'analisi dovrà contenere una riflessione critica circa: i) il problema di ricerca affrontato; ii) il metodo di ricerca utilizzato; iii) risultati; iv) implicazioni per l'insegnamento.
    II parte
  • discussione “disciplinare” e “didattica” su concetti o temi di fisica trattati durante il corso.
    Nella prima parte dell'esame si valuteranno le capacità di:
    1) comprendere approccio, contenuti e risultati dell'articolo (fino a 10 punti);
    2) comprendere la struttura e gli aspetti metodologici (fino a 10 punti);
    3) elaborare e riflettere criticamente sulle implicazioni dell'articolo (fino a 10 punti).
    Nella seconda parte dell'esame si valuteranno:
    1) il livello di comprensione, da un punto di vista disciplinare, di un concetto o tema di fisica trattato nel corso;
    2) la capacità di analizzare tale tema o concetto da un punto di vista didattico, sapendone riconoscere i punti delicati per la comprensione;
    3) la capacità di collocare la trattazione di tale tema o concetto in una prospettiva educativa e culturale ampia e all'interno di un percorso didattico.
    Il voto finale sarà la media delle valutazioni ottenute nella prima e nella seconda parte.
    Per gli studenti frequentanti ci saranno prove in itinere per una valutazione formativa e per lo sviluppo di competenze di "feedback literacy".
    Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile( https://site.unibo.it/studenti-con-disabilita-e-dsa/it ): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti alle forme di valutazione.

Testi di riferimento

Durante il corso viene fornito materiale didattico tramite una cartella condivisa. Il materiale sarà reperibile anche sulla piattaforma Virtuale del corso.
Il materiale consiste in slide/presentazioni, articoli di ricerca, materiale di lavoro (tutorial, schede per lavori di gruppo, questionari di ricerca, protocolli di studenti,…).
Per l’approfondimento dei temi del corso, si consiglia la consultazione del testo:
Besson U. (2015), Didattica della fisica, Carocci.

Codice insegnamento 58460

DIDATTICA DELLA MATEMATICA 1° anno · Annuale · 12 CFU · MAT/04 · 0 file

Al termine del corso, lo studente: - possiede i principali risultati della ricerca internazionale in didattica della matematica; - e' in grado di saper gestire situazioni d'aula concrete nel processo di…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente: - possiede i principali risultati della ricerca internazionale in didattica della matematica; - e' in grado di saper gestire situazioni d'aula concrete nel processo di insegnamento-apprendimento della matematica nella scuola secondaria; - e' in grado di utilizzare, gestire, criticare con competenza diversi strumenti e software per la didattica; - e' in grado di usare queste conoscenze per l'elaborazione di materiali didattici efficaci da sperimentare in aula.

Programma

PRIMO MODULO
FARE MATEMATICA OGGI: ELEMENTI DI COMUNICAZIONE DELLA MATEMATICA.
Che cosa NON è la matematica; come si forma l’idea pubblica della matematica; pregiudizi; pericolosità sociale dell’analfabetismo matematico; i mestieri del matematico. Story telling. Si consiglia un’attenta lettura dell’articolo Benvenuti-Natalini in bibliografia (allegato alle slide). Cenni al problema di genere.
NORMATIVA E ASPETTI ISTITUZIONALI
Indicazioni Nazionali per la scuola secondaria di primo e secondo ciclo: concetto di competenza, competenza matematica e quadro di riferimento europeo, finalità dell'insegnamento della matematica, struttura e contenuti delle Indicazioni Nazionali per il primo ciclo, del Profilo dello studente e delle Indicazioni Nazionali dei Licei e delle Linee Guida per gli Istituti Tecnici e Professionali. Valutazione delle competenze matematiche nel panorama internazionale e nazionale.
DIDATTICA LABORATORIALE
Che cosa si intende per laboratorio; elementi di una didattica laboratoriale; una modalità nuova?; prima del laboratorio: la formazione dell’insegnante/animatore; durante il laboratorio: il ruolo del rigore; durante il laboratorio: il ruolo dell’errore; durante il laboratorio: il ruolo della discussione; dopo il laboratorio: la valutazione. Software didattici. Geogebra Institute e piattaforma Geogebra. Software GeoGebra: caratteristiche, peculiarità (si veda anche paragrafo sulla dimostrazione-argomentazione).
ARGOMENTAZIONE E DIMOSTRAZIONE
La funzione della dimostrazione in matematica e nell’insegnamento della matematica. Comprendere e convincere. La dimostrazione come oggetto e come processo. La dimostrazione come forma argomentativa. La dimensione sociale, temporale e spaziale della dimostrazione. La definizione di teorema come terna. Le fasi della produzione di un teorema e le difficoltà degli studenti. Enunciato e dimostrazione come processo e come prodotto. Convinzioni degli studenti sulla dimostrazione. Unità cognitiva. Geogebra e l’avvio alla dimostrazione.
PENSIERO MATEMATICO, PROBLEM SOLVING E THINKING CLASSROOM
La competenza matematica e il problem solving; definizione di problema; studi della Gestalt; problema ed esercizio; problema scolastico e problema reale; dimensione narrativa; rapporto tra contesto e domanda; modellizzazione matematica. La Thinking Classroom come ambiente per promuovere il problem solving: scelta dei compiti, organizzazione dello spazio e dei gruppi, confronto tra strategie, autonomia degli studenti e ruolo dell’insegnante.
COMMOGNITION E APPRENDIMENTO MATEMATICO
La teoria commognitiva e il pensiero come forma di comunicazione individualizzata. L’apprendimento matematico come cambiamento del discorso. Caratteristiche del discorso matematico: parole, mediatori visivi, narrative e routine. Routine matematiche, rituali e processo di de-ritualizzazione. Apprendimento a livello di oggetto e apprendimento metadiscorsivo. Conflitti commognitivi e difficoltà che emergono quando cambiano le regole del discorso matematico.
SECONDO MODULO
TEORIE DELL’APPRENDIMENTO/INSEGNAMENTO IN MATEMATICA
Macroteorie dell’apprendimento: comportamentismo, cognitivismo, costruttivismo; conseguenze delle varie macroteorie sui modelli didattici.
TEORIA DELLE SITUAZIONI
Il sistema didattico minimo: il triangolo di Chevallard; la trasposizione didattica, il contesto sociale e i vincoli istituzionali, la noosfera. Contratto didattico: origine e principali aspetti; effetto "età del capitano", esigenza di giustificazione formale e clausola di delega formale, effetto Topaze, teoria delle situazioni e struttura di una situazione a-didattica.
IL RUOLO DELL’ERRORE
Compromesso delle risposte corrette; focus sul processo e sul prodotto. Il termine “misconcezione”; misconcezioni evitabili e inevitabili. Concetti/procedure intuitivi; relazione tra intuizione e ragionamento logico. Modelli e analogie; analogie come fonti di misconcenzioni in matematica. Modelli intuitivi e modelli paradigmatici. Esempi nell’apprendimento della probabilità e nel campo concettuale moltiplicativo.
SEMIOTICA
Noetica e semiotica: registri di rappresentazione e attività semiotiche (rappresentare, trattare, convertire). Il paradosso di Duval. Importanza e centralità della semiotica nel processo di insegnamento ed apprendimento della matematica e problematiche collegate (pluralità delle rappresentazioni, conversione di registro unidirezionali, trattamento e perdita di senso). Teoria della Mediazione semiotica.
CONCEPT IMAGE AND CONCEPT DEFINITION
Definizione di immaginario e definizione di un concetto. Conflitti cognitivi e fenomeno della compartimentalizzazione. Analisi di un articolo di ricerca sul concept image and definition legato al concetto di funzione. Breve storia del concetto di funzione e analisi si tre possibili approcci all’introduzione del concetto di funzione. Il concetto di embodiment.
MATEMATICA E BISOGNI EDUCATIVI SPECIALI
Bisogni educativi speciali, disabilità e disturbi specifici dell’apprendimento della matematica. Caratteristiche dei discalculici. Il PDP: strumenti compensativi e misure dispensative per la matematica. Apprendimento della matematica nel contesto di disabilità sensoriali e cognitive.

Modalità d'esame

L'esame consiste in una sola prova orale in cui lo studente o la studentessa prepara un'esposizione su uno dei temi del corso. Successivamente, l'orale si articola in domande da parte dei docenti dei due moduli su tutto il programma del corso.

Testi di riferimento

Verranno forniti diversi materiali utili allo studio per entrambi i moduli mediante la piattaforma Virtuale.
Inoltre, per il secondo modulo si farà riferimento ai seguenti testi:
Principi di base di didattica della matematica, di D'Amore & Sbaragli. Bonomo, 2023 Metodi e strumenti per l'insegnamento e l'apprendimento della matematica, di Bolondi & FandinoPinilla. Edises, 2012 Didattica della matematica, di Baccaglini-Frank, Di Martino, Natalini, Rosolini. Mondadori Università, 2017

Codice insegnamento 16789

DIDATTICA E PEDAGOGIA SPECIALE 1° anno · 1° semestre · 6 CFU · M-PED/03 · 0 file

Al termine del corso, lo studente: possiede un'approfondita conoscenza degli aspetti relativi alla didattica generale, alla pedagogia ed alla psicologia strettamente e specificamente collegati alla professione di…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente: possiede un'approfondita conoscenza degli aspetti relativi alla didattica generale, alla pedagogia ed alla psicologia strettamente e specificamente collegati alla professione di insegnante di scuola secondaria; - è in grado di applicare le conoscenze acquisite al campo specifico dell'insegnamento-apprendimento della matematica.

Programma

Il corso intende fornire una presentazione complessiva degli ambiti di studio e ricerca della Didattica generale, approfondendo in particolare il piano dei modelli e degli strumenti operativi della mediazione didattica anche in un’ottica di in funzione dell'insegnamento nella scuola secondaria (di primo) e di secondo grado. A partire da una analisi del dibattito contemporaneo sulla fondazione epistemologica della didattica e sulla sua collocazione all'interno delle discipline pedagogiche, il corso affronta alcuni temi nodali per la progettazione didattica per competenze, insieme a differenti metodologie didattiche attive ed agentive, alcune di esse indagate e sperimentate in prima persona dagli studenti del corso. Si approfondiscono inoltre gli ambienti di apprendimento fisici e digitali, insieme alle tecnologie didattiche legate ai nuovi strumenti di informazione e di comunicazione della società della conoscenza, insieme ad alcune strumentazioni di innovazione didattica. Verranno inoltre approfonditi i principali framework sulle competenze digitali (DiGComp 2.2; DiGCompEdu) per la formazione di cittadini attivi e responsabili, con particolare riferimento alla fascia dei 'nativi digitali', ovvero studenti della scuola secondaria di primo e secondo grado.
Per quanto riguarda l’ambito della pedagogia speciale, si affronta la specifica terminologia l'excursus storico del concetto di inclusione, soffermandoci sulla legislazione e sugli strumenti didattico-organizzativi per gli studenti con Bisogni Educativi Speciali e, nello specifico, con Disturbi Specifici dell’Apprendimento.
E' prevista una visita didattica ad una scuola secondaria di primo grado bolognese per vedere come le Tecnologie possono essere inserite all'interno di una programmazione didattica. E' previsto inoltre un seminario con una docente di Matematica e Scienze, animatrice digitale della stessa scuola.
Il corso si terrà in presenza con supporto di ambienti digitali istituzionali e creati ad hoc per promuovere il lavoro collaborativo degli studenti, con lezioni interattive e laboratoriali (lavori di gruppo creati dagli studenti) per la produzione ed analisi di materiali prodotti.
Alcuni dei prodotti dei lavori di gruppo verranno esposti in aula e valutati dai colleghi seguendo criteri di valutazione proposti dalla docente, in accordo con gli studenti.

Modalità d'esame

Studenti frequentanti:
L'esame consiste in un colloquio orale nel quale gli studenti dovranno attestare la conoscenza dei testi in programma, insieme agli argomenti proposti a lezione.Alla valutazione finale concorreranno anche le valutazioni di attività individuali, in coppia e in piccolo gruppo svolte durante le lezioni.
Verranno valutati i seguenti criteri: aderenza alla consegna, correttezza, pertinenza ed esaustività dei contenuti; capacità argomentativa e riflessiva, padronanza del lessico specifico, lessicale, chiarezza e organicità dell'esposizione, riflessione sull'esperienza del lavoro cooperativo, capacità di collaborare e cooperare in gruppo.
Studenti non frequentanti:
L'esame consiste in un colloquio orale nel quale gli studenti dovranno attestare la conoscenza dei testi in programma. Verranno valutati i seguenti criteri: aderenza alla consegna, correttezza, pertinenza ed esaustività dei contenuti; capacità argomentativa e riflessiva, padronanza del lessico specifico, lessicale, chiarezza e organicità dell'esposizione.

Testi di riferimento

Per tutti gli studenti il programma d'esame comprende i seguenti testi:
1) Castoldi, M. (2015). Didattica generale (nuova edizione riveduta e ampliata). Milano: Mondadori Università (da pag. 5 a pag. 218).
2) Ellerani, P. (2017). Costruire l’ambiente di apprendimento. Prospettive di cooperative learning, service learning e problem-based learning. Teramo: Lisciani (solo cap. IV, V, VI, VII).
3) Bonaiuti, G. (2014). Le strategie didattiche. Roma: Carocci.
4) Fabbri, M, (2025). Dall'empowerment all'agency pedagogico-trasformativa. Prospettive di ricerca e linee per l’azione didattica, Milano: FrancoAngeli (testo in Open Access scaricabile al link: https://series.francoangeli.it/index.php/oa/catalog/book/1374).(Parte II – Prospettive metodologico-didattiche, pp. 165-282).
5) Dainese, R. (2016). Le sfide della Pedagogia Speciale e la Didattica per l’inclusione. Milano: FrancoAngeli.
Gli studenti non frequentanti dovranno in aggiunta studiare il seguente testo:
6) Ranieri, M., Cuomo, S., Biagini, G. (2023). Scuola e intelligenza artificiale. Percorsi di alfabetizzazione critica. Roma: Carocci, Tascabili Faber.

Codice insegnamento 17809

ELEMENTI DI ALGEBRA DA UN PUNTO DI VISTA SUPERIORE 1° anno · 1° semestre · 6 CFU · MAT/02 · 0 file

Al termine del modulo, lo studente conosce a livello avanzato argomenti quali insiemi numerici, polinomi ed equazioni polinomiali, strutture algebriche, ed e' capace di usare sussidi vari a supporto della didattica.

Scheda dell'insegnamento

Obiettivi formativi

Al termine del modulo, lo studente conosce a livello avanzato argomenti quali insiemi numerici, polinomi ed equazioni polinomiali, strutture algebriche, ed e' capace di usare sussidi vari a supporto della didattica.

Programma

Le simmetrie sono ovunque: nei solidi platonici, nei mosaici del piano, nelle strutture cristalline, nelle configurazioni geometriche più regolari e, in modo più profondo, nelle algebre di Lie. Questo corso propone un percorso attraverso queste simmetrie, viste da un punto di vista moderno e unificante.
Il concetto centrale sarà quello di sistema di radici. Un sistema di radici è una configurazione finita di vettori in uno spazio euclideo, dotata di forti proprietà di simmetria. A prima vista può sembrare un oggetto geometrico elementare; in realtà è uno dei linguaggi fondamentali con cui la matematica descrive e classifica strutture altamente simmetriche.
Partiremo da esempi concreti nel piano: configurazioni di vettori, riflessioni, gruppi diedrali e simmetrie di poligoni regolari. Vedremo poi come questi esempi si organizzano in una teoria generale, che conduce alla classificazione dei sistemi di radici e ai relativi diagrammi di Dynkin. Questi diagrammi condensano in pochi tratti una grande quantità di informazione geometrica e algebrica.
I sistemi di radici permettono inoltre di costruire e studiare reticoli, oggetti che compaiono naturalmente nella geometria euclidea, nella teoria delle simmetrie discrete e nella cristallografia. Le simmetrie generate dalle riflessioni associate alle radici danno origine ai gruppi di Weyl, che costituiscono una delle famiglie più importanti di gruppi finiti di simmetrie.
Nella parte finale del corso vedremo come la stessa struttura emerga nello studio delle algebre di Lie semisemplici. Ogni algebra di Lie semisemplice possiede un sistema di radici associato, e sorprendentemente la classificazione delle algebre di Lie semplici si riduce alla classificazione dei sistemi di radici: da qui nascono le famiglie classiche e le celebri algebre eccezionali.
Argomenti principali: sistemi di radici nel piano euclideo; riflessioni e gruppi di simmetria; gruppi di Weyl; classificazione dei sistemi di radici; diagrammi di Dynkin; reticoli e cristallografia; simmetrie discrete; algebre di Lie semisemplici; algebre di Lie semplici classiche ed eccezionali.
Conoscenze preliminari: un primo corso di Algebra lineare e di algebra della laurea triennale.

Modalità d'esame

La prova d'esame mira a verificare il raggiungimento dei seguenti obiettivi didattici: - esporre con coerenza alcuni argomenti del corso, dando prova di aver compreso a fondo i concetti fondamentali e i meccanismi di deduzione; - risolvere esercizi inerenti gli argomenti svolti. L'esame consiste di una prova scritta ed un colloquio orale, che devono essere sostenuti entrambi nello stesso appello. Per poter sostenere la prova orale è necessario aver riportato una votazione non inferiore a 16/30 nella prova scritta.
Il voto finale del corso di Elementi di Algebra e Geometria da un punto di vista superiore è la media dei due voti di Elementi di Algebra e di Elementi di Geometria. Il voto di una delle due parti è considerato valido per le tre sessioni d'esame successive (estiva, invernale ed autunnale)

Testi di riferimento

Verranno distribuiti durante il corso note e comunicate eventuali referenze da libri di testo.
Alcuni libri utili (il corso affronterà un sottoinsieme strettissimo degli argomenti qui trattati):

  • James Humphreys, Introduction to Lie algebras and representation theory (in particolare il capitolo III)
  • William Fulton, Joe Harris, Representation theory, A first course.

Codice insegnamento 34733

ELEMENTI DI ALGEBRA E GEOMETRIA DA UN PUNTO DI VISTA SUPERIORE (C.I.) 1° anno · 1° semestre · 0 file

Al termine del modulo, lo studente conosce a livello avanzato argomenti quali insiemi numerici, polinomi ed equazioni polinomiali, strutture algebriche, ed e' capace di usare sussidi vari a supporto della didattica.

Scheda dell'insegnamento

Obiettivi formativi

Al termine del modulo, lo studente conosce a livello avanzato argomenti quali insiemi numerici, polinomi ed equazioni polinomiali, strutture algebriche, ed e' capace di usare sussidi vari a supporto della didattica.

Programma

Le simmetrie sono ovunque: nei solidi platonici, nei mosaici del piano, nelle strutture cristalline, nelle configurazioni geometriche più regolari e, in modo più profondo, nelle algebre di Lie. Questo corso propone un percorso attraverso queste simmetrie, viste da un punto di vista moderno e unificante.
Il concetto centrale sarà quello di sistema di radici. Un sistema di radici è una configurazione finita di vettori in uno spazio euclideo, dotata di forti proprietà di simmetria. A prima vista può sembrare un oggetto geometrico elementare; in realtà è uno dei linguaggi fondamentali con cui la matematica descrive e classifica strutture altamente simmetriche.
Partiremo da esempi concreti nel piano: configurazioni di vettori, riflessioni, gruppi diedrali e simmetrie di poligoni regolari. Vedremo poi come questi esempi si organizzano in una teoria generale, che conduce alla classificazione dei sistemi di radici e ai relativi diagrammi di Dynkin. Questi diagrammi condensano in pochi tratti una grande quantità di informazione geometrica e algebrica.
I sistemi di radici permettono inoltre di costruire e studiare reticoli, oggetti che compaiono naturalmente nella geometria euclidea, nella teoria delle simmetrie discrete e nella cristallografia. Le simmetrie generate dalle riflessioni associate alle radici danno origine ai gruppi di Weyl, che costituiscono una delle famiglie più importanti di gruppi finiti di simmetrie.
Nella parte finale del corso vedremo come la stessa struttura emerga nello studio delle algebre di Lie semisemplici. Ogni algebra di Lie semisemplice possiede un sistema di radici associato, e sorprendentemente la classificazione delle algebre di Lie semplici si riduce alla classificazione dei sistemi di radici: da qui nascono le famiglie classiche e le celebri algebre eccezionali.
Argomenti principali: sistemi di radici nel piano euclideo; riflessioni e gruppi di simmetria; gruppi di Weyl; classificazione dei sistemi di radici; diagrammi di Dynkin; reticoli e cristallografia; simmetrie discrete; algebre di Lie semisemplici; algebre di Lie semplici classiche ed eccezionali.
Conoscenze preliminari: un primo corso di Algebra lineare e di algebra della laurea triennale.

Modalità d'esame

La prova d'esame mira a verificare il raggiungimento dei seguenti obiettivi didattici: - esporre con coerenza alcuni argomenti del corso, dando prova di aver compreso a fondo i concetti fondamentali e i meccanismi di deduzione; - risolvere esercizi inerenti gli argomenti svolti. L'esame consiste di una prova scritta ed un colloquio orale, che devono essere sostenuti entrambi nello stesso appello. Per poter sostenere la prova orale è necessario aver riportato una votazione non inferiore a 16/30 nella prova scritta.
Il voto finale del corso di Elementi di Algebra e Geometria da un punto di vista superiore è la media dei due voti di Elementi di Algebra e di Elementi di Geometria. Il voto di una delle due parti è considerato valido per le tre sessioni d'esame successive (estiva, invernale ed autunnale)

Testi di riferimento

Verranno distribuiti durante il corso note e comunicate eventuali referenze da libri di testo.
Alcuni libri utili (il corso affronterà un sottoinsieme strettissimo degli argomenti qui trattati):

  • James Humphreys, Introduction to Lie algebras and representation theory (in particolare il capitolo III)
  • William Fulton, Joe Harris, Representation theory, A first course.

Codice insegnamento 34732

ELEMENTI DI ANALISI E DI RICERCA OPERATIVA DA UN PUNTO DI VISTA SUPERIORE 1° anno · 2° semestre · 9 CFU · MAT/05 · 0 file

Al termine del corso, lo studente: - possiede nozioni avanzate sui fondamenti dell'analisi matematica nel loro sviluppo classico e moderno; - possiede nozioni sui fondamenti della ricerca operativa, nel loro sviluppo…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente: - possiede nozioni avanzate sui fondamenti dell'analisi matematica nel loro sviluppo classico e moderno; - possiede nozioni sui fondamenti della ricerca operativa, nel loro sviluppo moderno; - è in grado di condurre autonomamente uno studio critico dei principi fondanti dell'analisi matematica, classica e moderna, e della ricerca operativa.

Programma

Nel corso si approfondiranno alcuni concetti di analisi matematica:
a partire da argomenti di base tra i quali, ad esempio, la definizione di pi greco la valutazione asintotica del fattoriale (formula di Stirling) fino ad arrivare ad argomenti più avanzati, tra i quali, il ruolo della convessità in diverse questioni di analisi matematica, la convergenza delle serie di Fourier, problemi di approssimazione.
Saranno anche presenti alcuni elementi di matematica finanziaria e teoria delle decisioni.

Modalità d'esame

Esame orale.

Testi di riferimento

I libri di testo saranno indicati a lezione.

Codice insegnamento 66741

ELEMENTI DI GEOMETRIA DA UN PUNTO DI VISTA SUPERIORE 1° anno · 2° semestre · 6 CFU · MAT/03 · 0 file

Al termine del modulo, lo studente possiede: - nozioni avanzate sui fondamenti della matematica e della geometria nel loro sviluppo storico classico e moderno; - conoscenze specifiche per l'insegnamento della matematica.

Scheda dell'insegnamento

Obiettivi formativi

Al termine del modulo, lo studente possiede: - nozioni avanzate sui fondamenti della matematica e della geometria nel loro sviluppo storico classico e moderno; - conoscenze specifiche per l'insegnamento della matematica.

Programma

Nella prima parte del corso vengono dati i primi elementi di geometria proiettiva e si studiano le curve algebriche piane affini e proiettive, reali e complesse.
Nella seconda parte del corso si parla dei fondamenti della geometria:
Il metodo assiomatico secondo Euclide. Le definizioni, i postulati e le nozioni comuni negli Elementi. Problemi nella assiomatizzazione di Euclide: intersezioni di rette e di cerchi, il metodo della sovrapposizione, punti fra due punti dati su una retta, rette fra due rette date in un fascio. L'assioma di Playfair e il 5° postulato.
La geometria piana in Hilbert: i 5 gruppi di assiomi.
Il piano cartesiano F^2 su un campo F. Campi ordinati, pitagorici, euclidei, archimedei e rispettive proprietà di F^2. Il campo dei numeri costruibili e il campo di Hilbert Ω.
Gli assiomi di Hilbert sono un sistema categorico che dà R^2.

Modalità d'esame

La prova d'esame mira a verificare il raggiungimento dei seguenti obiettivi didattici: - esporre con coerenza alcuni argomenti del corso, dando prova di aver compreso a fondo i concetti fondamentali e i meccanismi di deduzione; - risolvere esercizi inerenti gli argomenti svolti. L'esame consiste di una prova scritta ed un colloquio orale, che devono essere sostenuti entrambi nello stesso appello. Per poter sostenere la prova orale è necessario aver riportato una votazione non inferiore a 16/30 nella prova scritta. Il voto della prova orale tiene conto anche del voto della prova scritta, e difficilmente può essere superiore di sei punti ad esso.
Il voto finale del corso di Elementi di Algebra e Geometria da un punto di vista superiore è la media dei due voti di Elementi di Algebra e di Elementi di Geometria. Il voto di una delle due parti è considerato valido per le tre sessioni d'esame successive (estiva, invernale ed autunnale)
L'iscrizione all'esame viene chiusa con un giorno lavorativo di anticipo rispetto alla data dello scritto: se lo scritto si svolge di lunedì, le iscrizioni chiudono il giovedì precedente.
Durante la prova scritta è consentito tenere con sé un singolo foglio protocollo a quadretti (o due fogli A4), scritto a mano in dimensioni ragionevoli (non più di una riga di testo per quadretto), contenente qualunque risultato venga ritenuto utile ai fini dello scritto. Non sono ammessi altri materiali di consultazione, come libri o appunti.

Testi di riferimento

Per la parte assiomatica, verrà seguito il testo:
Robin Hartshorne, Geometry: Euclid and Beyond. Springer 2000
Per la parte proiettiva, si può utilizzare il testo:
E.Sernesi: "Geometria 1", Bollati Boringhieri, Torino 1989
Sono utili anche i testi originali per la parte assiomatica:
Gli Elementi di Euclide. A cura di Attilio Fraiese e Lamberto Maccioni. Unione Tipografico - Editrice Torinese 1970.
David Hilbert, Fondamenti della Geometria. Feltrinelli 1970

Codice insegnamento 34734

ELEMENTI DI STORIA, EPISTEMOLOGIA E SOCIOLOGIA DELLA FISICA PER L'APPRENDIMENTO 1° anno · 1° semestre · 6 CFU · FIS/08 · 0 file

Al termine del corso, lo studente/la studentessa, interessato/a all’educazione formale e non formale, possiede strumenti concettuali e culturali per riflettere criticamente sulla scienza (sulla fisica, in particolare)…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente/la studentessa, interessato/a all’educazione formale e non formale, possiede strumenti concettuali e culturali per riflettere criticamente sulla scienza (sulla fisica, in particolare) e sul suo ruolo nella società attuale. Facendo riferimento ad ambiti di ricerca quali l’epistemologia, la storia, la sociologia, la didattica della fisica e le scienze dell’apprendimento, il corso analizza e discute modalità di produzione, condivisione, validazione, organizzazione, trasmissione, comunicazione e comprensione della scienza (della fisica).

Programma

L'insegnamento si focalizzerà su alcuni casi storici per riflettere sulla fisica come disciplina e sulle forme di conoscenza necessarie per la sua comprensione.
Nello specifico, a partire da una riflessione storica sulla cinematica, sulla dinamica newtoniana e sulla fisica dei sistemi complessi, si affronteranno i seguenti temi di natura epistemologica:
Immagini della scienza (fisica) e formazione scientifica; Approcci alla Natura della Scienza elaborati nella ricerca in Didattica della Scienza (con particolare riferimento al Family Resemblance Approach); Valori e obiettivi, pratiche, metodi e forme di organizzazione della conoscenza che caratterizzano la fisica; Forme di ragionamento, spiegazione, modellizzazione e argomentazione in scienza; Epistemologie degli studenti e modelli di dinamica cognitiva che permettono di confrontare la conoscenza accreditata e la conoscenza di senso comune. Un punto di attenzione sarà posto sul tema dell'oggettività e su particolari forme di riduzionismo per confrontare diverse prospettive epistemologiche e metodologiche, tra cui realismo, costruttivismo ed epistemologie femministe.
I casi storici permetteranno anche di introdurre elementi dagli STS (Science & Technological Studies), tratti soprattutto della sociologia del tempo e dei Futures Studies per riflettere sui modelli temporali elaborati dalla fisica e istituzionalizzati. Inoltre, risultati di studi sul genere e sull'intersezionalità saranno discussi con particolare riferimento ai contesti scientifici e di insegnamento formale (scuole e università).

Modalità d'esame

L'esame finale si svolgerà oralmente.
La prima parte dell’esame sarà una discussione su un elaborato consegnato su Virtuale una settimana prima di ogni appello d’esame. La seconda parte riguarda una discussione sugli argomenti trattati a lezione.
Nella prova finale saranno valutate conoscenze e competenze quali:
a) correttezza disciplinare (fino a 10 punti);
b) quantità e ricchezza delle informazioni utilizzata nel rispondere alle domande (fino a 10 punti);
c) qualità dell'argomentazione - la qualità dell'argomentazione include la capacità di sviluppare un'argomentazione in modo coerente, la capacità di fondare l'argomentazione su risultati di ricerca, la capacità di muoversi in un terreno interdisciplinare creato dall'intreccio delle diverse dimensioni trattate nel corso (dimensione concettuale, cognitiva, storica, epistemologica, sociologica) (fino a 7 punti);
d) livello di appropriazione e di ri-elaborazione personale (fino a 4 punti).
Per i frequentanti che parteciperanno attivamente alle attività, le consegne previste durante il corso potranno essere valorizzate come elaborato per l’esame.

Testi di riferimento

Durante il corso sarà fornito materiale didattico tramite Virtuale.
Il materiale consiste in slide/presentazioni, articoli di ricerca, materiale di lavoro (tutorial, schede per lavori di gruppo, questionari di ricerca,…).

Codice insegnamento B6440

EQUAZIONI DIFFERENZIALI ORDINARIE 1° anno · 2° semestre · 6 CFU · MAT/05 · 0 file

Obiettivi Al termine del corso, lo studente conosce i fondamenti della teoria delle equazioni differenziali ordinarie. Sa applicare le conoscenze acquisite per risolvere vari tipi di problemi, sia teorici che applicati.

Scheda dell'insegnamento

Obiettivi formativi

Obiettivi Al termine del corso, lo studente conosce i fondamenti della teoria delle equazioni differenziali ordinarie. Sa applicare le conoscenze acquisite per risolvere vari tipi di problemi, sia teorici che applicati.

Programma

Equazioni differenziali ordinarie. Esistenza, unicita’ e prolungabilita’ delle soluzioni. Dipendenza dai dati iniziali. Sistemi lineari: soluzioni periodiche. Stabilita’ dei punti di equilibrio nel caso di sistemi lineari e non lineari. Metodo della funzione di Lyapunov. Stabilita’ per sistemi gradiente ed hamiltoniani. Stabilita’ delle orbite periodiche. Cenno alla teoria delle biforcazioni.

Modalità d'esame

Colloquio orale sul programma svolto a lezione.

Testi di riferimento

Parenti Parmeggiani, Algebra lineare ed equazioni differenziali ordinarie, 2a edizione, Springer.
Shair Ahmad, Antonio Ambrosetti, A textbook for ordinary differential equations, Unitext series, vol. 73, Springer
Gerald Teschl, Ordinary Differential Equations and Dynamical Systems, Providence, American Mathematical Society, 2012
Hirsch, Smale, Devaney, Differential Equations, Dynamical Systems & An Introduction to Chaos, Elsevier, 2004

Codice insegnamento 68486

EQUAZIONI DIFFERENZIALI STOCASTICHE I 1° anno · 2° semestre · 6 CFU · MAT/06 · 0 file

Al termine del corso, lo studente conosce il calcolo stocastico secondo Itô, i fondamenti della teoria delle equazioni differenziali stocastiche e i legami con la teoria delle equazioni alle derivate parziali di tipo…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente conosce il calcolo stocastico secondo Itô, i fondamenti della teoria delle equazioni differenziali stocastiche e i legami con la teoria delle equazioni alle derivate parziali di tipo ellittico o parabolico. È in grado di condurre autonomamente lo studio di discipline matematiche pure e applicate che richiedano la conoscenza di strumenti di analisi stocastica.

Programma

Si presenta la teoria delle equazioni differenziali stocastiche e i legami con le equazioni alle derivate parziali di tipo ellittico e parabolico.
In particolare, saranno trattati i seguenti argomenti:
Richiami di calcolo stocastico: formula di Ito, teoria dell'integrazione stocastica Equazioni differenziali stocastiche: esistenza di soluzioni forti, unicità in legge, proprietà di Markov, stime in Lp e dipendenza dai dati iniziali Formula di Feynman-Kac: legame tra le equazioni differenziali stocastiche e la teoria delle equazioni alle derivate parziali Teorema di rappresentazione delle martingale Teorema di Girsanov Basi di controllo stocastico Processo di Poisson e processo di Poisson composto Variazione quadratica per processi con salti Integrazione e calcolo stocastico unidimensionale per processi con salti Estensione al caso multidimensionale Estensione al calcolo stocastico con semimartingale (cenni)

Modalità d'esame

Esame orale

Testi di riferimento

Paolo Baldi, Equazioni differenziali stocastiche ed applicazioni, Pitagora Editrice, Bologna 2000. Shreve S. E..Stochastic Calculus for Finance 2, Springer, Chapter 11.

Codice insegnamento B0324

FONDAMENTI DI COMPUTER GRAPHICS 1° anno · 2° semestre · 6 CFU · MAT/08 · 0 file

Al termine del corso, gli studenti conoscono i fondamenti della grafica 3D al calcolatore, tra cui i concetti di modellazione poligonale e resa in tempo reale. In particolare, sono in grado di modellare e rendere scene…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, gli studenti conoscono i fondamenti della grafica 3D al calcolatore, tra cui i concetti di modellazione poligonale e resa in tempo reale. In particolare, sono in grado di modellare e rendere scene 3D mediante opportuni software e librerie open source.

Programma

Sistemi raster-scan, dispositivi di I/O, librerie grafiche, programmazione event-driven. Mesh 3D e loro rappresentazione grafica. Trasformazioni geometriche 2D/3D, trasformazioni di vista, proiezioni prospettica e parallela, trasformazione window-viewport. Pipeline grafica. Algoritmi di real-time rendering, rimozione delle parti nascoste (hidden line e hidden surface), modelli di illuminazione e algoritmi di shading (Z-buffer), texture mapping. Modellazione poligonale 3D. Il corso prevede una attivita' pratica in cui verra' utilizzato il linguaggio di programmazione HTML5 + JavaScript + libreria grafica WebGL e programmazione GLSL (modulo 1 (6 CFU)).
Nel modulo 2 (2 CFU) si vedrà la Libreria JavaScript cross-browser Three.js, API utilizzata per realizzare applicazioni di Computer Graphics 3D interattive e animate su Web mediante WebGL. Modellazione geometrica di curve e superfici NURBS con esempi in Three.js.

Modalità d'esame

La verifica dell'apprendimento avviene attraverso lo svolgimento di due progetti, uno per ciascuno dei moduli del corso. I progetti consistono nella realizzazione di applicazioni Web 3D interattive-grafiche utilizzando le librerie viste nel corso. Nello svolgere questi progetti lo studente deve utilizzare le conoscenze acquisite durante il corso ed è consentito un uso limitato, dichiarato e non sostanziale dell’IA. La consegna dei progetti deve avvenire almeno 7 (sette) giorni prima dell'esame e devono essere accompagnate da una relazione (tipo tutorial) in linguaggio html eventualmente sulla base di un format passato dal docente. L'esame orale consiste nell'esporre i progetti e nella verifica che gli argomenti del corso e quanto visto utilizzando l'IA siano stati acquisiti. Il voto finale consiste nella media pesata dei voti dei due progetti e relativi orali. Le prove orali possono essere svolte, a scelta dello studente, contestualmente o in momenti separati (prima modulo 1 e poi 2), ma nella stessa sessione.
Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell’insegnamento.

Testi di riferimento

1.Peter Shirley, Fundamentals of Computer Graphics, AK Peters (2005);
2.Samuel R. Buss, Computer Graphics: A mathematical introduction with OpenGL, Cambridge University Press (2003);
3.Max K. Agoston, Computer Graphics and Geometric Modeling: Implementation and Algorithms, Springer (2004).
4.Max K. Agoston, Computer Graphics and Geometric Modeling: Mathematics, Springer (2005).

Codice insegnamento 69225

GEOMETRIA DIFFERENZIALE 1° anno · 1° semestre · 6 CFU · MAT/03 · 0 file

Al termine del corso, lo studente acquisisce conoscenze di carattere avanzato sulle varietà lisce e sul calcolo differenziale con particolare riguardo alla coomologia di de Rham e alla geometria Riemanniana. È in grado…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente acquisisce conoscenze di carattere avanzato sulle varietà lisce e sul calcolo differenziale con particolare riguardo alla coomologia di de Rham e alla geometria Riemanniana. È in grado di applicare le nozioni acquisite per la risoluzione di problemi e la costruzione di dimostrazioni.

Programma

Argomenti trattati
1. Varieta' e sottovarieta': Varieta' e funzioni differenziabili, spazio tangente e mappa tangente, sottovarieta'.
2. Fibrati vettoriali: Fibrati, fibrato tangente e cotangente, sezioni di fibrati, campi di vettori, flussi, braket e derivata di Lie.
3. Forme differenziali: orientazione, integrazione, teorema di Stokes, coomologia di De Rham. (Modulo 2, Prof. Migliorini)
4. Introduzione alla geometria Riemanniana: Metriche Riemanniane, connessioni, geodetiche, mappa esponenziale, completezza.
Tempo permettendo: introduzione alla curvatura.
Prerequisiti
Sara' necessaria una buona conoscenza dei corsi obbligatori della laurea triennale, con particolare attenzione all'algebra lineare (Geometria 1), l'analisi in piu' variabili (Analisi 2), la topologia (Geometria 2). Sara' utile, ma non strettamente necessario, conoscere curve e superfici immerse in R^3, e le basi della teoria delle superfici di Riemann, come trattati nel corso di Geometria 3.

Modalità d'esame

L' esame relativo a questa componente del corso integrato (00474 - GEOMETRIA DIFFERENZIALE - 6 cfu) consiste in una prova scritta seguita da un prova orale facoltativa, ma obbligatoria per ottenere un voto nel modulo superiori al 27. In caso di meno di tre iscritti ad un appello, l'esame scritto sara' sostituito da un esame orale con le stesse modalita'.
Il voto finale del corso integrato è dato dalla media dei voti dei due moduli del corso, con arrotondamento all'unità superiore. Le lodi valgono 31 nel calcolo della media.
Dettagli per la modalita' d'esame di questa componente
Nella prova scritta gli studenti dovranno risolvere alcuni esercizi simili a quelli assegnati in classe e scrivere dimostrazioni analoghe a quelle spiegate nella parte teorica del corso, nella prova orale si discutera' dei contenuti del corso e si verifichera' la comprensione e l'apprendimento delle dimostrazioni del corso e, per voti superiori al 27, la capacita' di applicare in autonomia i concetti studiati a nuove tematiche.
Nel caso uno studente voglia sostenere la prova orale deve ottenere almeno 16 nella prova scritta e deve sostenerla nello stesso appelo. Chi voglia ripetere un esame gia' superato deve avvisarci prontamente.
In caso di meno di tre iscritti ad un appello l'esame sara' solamente orale, in cui si chiedera' di risolvere alcuni esercizi simili a quelli assegnati in classe e si verifichera' la comprensione e l'apprendimento delle dimostrazioni del corso, nonche' la capacita' di applicare in autonomia i concetti studiati.
La prova scritta ha la durata di 2 ore. Non sono ammessi materiali di consultazione, come libri o appunti, ne' strumenti elettronici, l'uso dell' AI in sede di valutazione e' vietato e costituisce una violazione dell'integrita' accademica.

Testi di riferimento

Lee, An introduction to smooth manifolds, second edition, Springer
Lee, An introduction to Riemannian manifolds, Springer

Codice insegnamento 00474

GEOMETRIA IPERBOLICA 1° anno · 1° semestre · 6 CFU · MAT/03 · 0 file

Al termine del corso, lo studente possiede una conoscenza avanzata nell’ambito della geometria iperbolica, in particolare conosce le superfici iperboliche e lo spazio di Teichmüller; è in grado di utilizzare queste…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente possiede una conoscenza avanzata nell’ambito della geometria iperbolica, in particolare conosce le superfici iperboliche e lo spazio di Teichmüller; è in grado di utilizzare queste conoscenze nella propria ricerca in ambito geometrico, algebrico ed analitico.

Programma

Gruppi di isometrie, azioni di gruppi e quozienti. Modelli degli spazi iperbolici. Isometrie. Teoremi di struttura per varità iperboliche. Spazio di Teichmuller e rigidità di Mostow.

Modalità d'esame

L'esame sarà solo orale e si potrà scegliere per una delle seguenti modalità.
1) Esame tradizionale, con interrogazione alla lavagna sugli argomenti del corso.
2) Esame in forma di seminario: la persona candidata terrà un seminario di 30 min. circa su un argomento concordato col docente. Durante l'esposizione potranno essere fatte domande al fine di verificare la padronanza dei temi trattati.
3) Le persone dell'indirizzo didattico potranno optare per una terza modalità: quella della simulazione di lezione. Le persone candidate prepareranno ed esporanno una lezione di 30 min. circa, su argomenti inerenti al corso e concordati col docente, pensata per una classe di liceo. Durante l'esposizione potranno essere fatte domande al fine di verificare la padronanza dei temi trattati.
Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.

Testi di riferimento

Benedetti - Petronio "Lectures on hyperbolic geometry"
Ratcliffe "Foundations of hyperbolic Manifolds"
Francaviglia "Topologia (seconda edizione)"

Codice insegnamento 96743

GEOMETRIC MODELLING 1° anno · 1° semestre · 6 CFU · MAT/08 · 0 file

By the end of the course, students will be familiar with the fundamental techniques for constructing geometric models on a computer, with a particular focus on numerical methods for creating and manipulating parametric…

Scheda dell'insegnamento

Obiettivi formativi

By the end of the course, students will be familiar with the fundamental techniques for constructing geometric models on a computer, with a particular focus on numerical methods for creating and manipulating parametric curves and surfaces. Successful learners will be able to apply these methods to approximate univariate and multivariate functions and datasets, implement them in a programming environment, and critically assess the obtained results.

Programma

La modellazione geometrica è un settore della matematica computazionale che studia metodi per la costruzione, mediante strumenti computazionali, di modelli regolari in grado di rappresentare o approssimare funzioni e dati discreti. Quando tali modelli descrivono oggetti geometrici, in particolare curve e superfici, essi costituiscono il fondamento dei sistemi di Computer-Aided Design (CAD) e trovano applicazione nella progettazione meccanica, nel design industriale, nella prototipazione rapida, come la stampa 3D, e nei processi produttivi automatizzati mediante macchine a controllo numerico. Più in generale, tuttavia, le tecniche di approssimazione e rappresentazione sviluppate nell’ambito della modellazione geometrica sono utilizzate ogniqualvolta sia necessario ricostruire un modello sufficientemente regolare a partire da funzioni o dati campionati. Le loro applicazioni si estendono pertanto alla statistica e all’analisi dei dati, all’elaborazione di segnali e immagini, alla visualizzazione scientifica, alla simulazione numerica e alla soluzione di equazioni differenziali su domini complessi.
Il corso si propone di fornire le basi matematiche e computazionali delle principali tecniche di modellazione geometrica impiegate negli attuali contesti scientifici e industriali. Saranno introdotti e analizzati gli spazi funzionali più comunemente utilizzati per la descrizione di funzioni e dati, con particolare attenzione agli aspetti computazionali e ai metodi numerici per la costruzione e l’approssimazione di curve e superfici.
L’attività didattica comprende una parte teorica e sessioni di laboratorio, durante le quali gli studenti applicheranno gli strumenti matematici studiati mediante software dedicato. Le attività di laboratorio sono finalizzate a promuovere un apprendimento attivo, a sviluppare l’autonomia nell’implementazione dei metodi numerici e a rafforzare il collegamento tra gli aspetti teorici e quelli computazionali.
Principali argomenti del corso
Ciascun argomento sarà affrontato attraverso lezioni teoriche e attività di laboratorio:
polinomi di Bernstein e curve di Bézier; funzioni spline: basi B-spline, tecniche di interpolazione e approssimazione e costruzione di curve spline parametriche; curve e superfici NURBS (Non-Uniform Rational B-Splines); superfici prodotto tensoriale: modellazione mediante superfici spline e NURBS; funzioni spline multivariate e costruzione di superfici definite mediante triangolazioni. Quest’ultimo argomento sarà affrontato compatibilmente con il tempo disponibile.
Prerequisiti
Il corso non richiede prerequisiti specifici ulteriori rispetto alle conoscenze matematiche acquisite in un percorso standard di laurea triennale in Matematica.
Per lo svolgimento delle attività di laboratorio è richiesta una conoscenza di base del linguaggio MATLAB.

Modalità d'esame

L’esame è volto a verificare:
la conoscenza dei fondamenti teorici della modellazione geometrica; la padronanza degli strumenti matematici e computazionali introdotti durante il corso; la capacità di implementare i metodi studiati in MATLAB; la capacità di interpretare e valutare criticamente i risultati ottenuti; la capacità di utilizzare in modo appropriato il linguaggio e la terminologia della disciplina.
Gli studenti possono scegliere tra due modalità d’esame, da concordare preventivamente con la docente.
1. Discussione orale della teoria e delle esercitazioni di laboratorio
La prova consiste in un colloquio orale sugli argomenti teorici del corso e sulle esercitazioni di laboratorio.
Le esercitazioni dovranno essere consegnate almeno tre giorni prima della data dell’esame. Ai fini della discussione orale, esse dovranno essere state svolte individualmente e in autonomia; non sono pertanto ammesse consegne di gruppo. Durante il colloquio lo studente dovrà essere in grado di illustrare i metodi utilizzati, motivare le scelte compiute nell’implementazione e discutere criticamente i risultati ottenuti.
2. Esame basato su progetto
In alternativa alla modalità precedente, gli studenti frequentanti possono sostenere un esame basato sulla realizzazione di un progetto. Per gli studenti non frequentanti, la possibilità di scegliere questa modalità deve essere concordata preventivamente con la docente.
Il progetto consiste nell’implementazione in MATLAB di uno o più risultati recenti della ricerca nell’ambito della modellazione geometrica, accompagnata dallo studio dei relativi fondamenti teorici e da un’elaborazione personale. Il codice dovrà essere accompagnato da un elaborato in formato PDF oppure da una presentazione in forma di slide, finalizzati a illustrare il problema considerato, i relativi fondamenti teorici, le scelte implementative e l’analisi dei risultati ottenuti.
Il codice e la documentazione dovranno essere consegnati almeno tre giorni prima della data dell’esame.
La prova orale comprenderà:
la presentazione del progetto; la discussione delle scelte matematiche e computazionali adottate; l’analisi critica dei risultati; domande sugli argomenti teorici del corso collegati al progetto. Previo accordo con la docente, il progetto potrà essere svolto in piccoli gruppi composti da due o tre studenti. In questo caso è prevista un’unica consegna per ciascun gruppo, mentre la prova orale rimane individuale. Ciascuno studente dovrà essere in grado di presentare e discutere l’intero progetto. Svolgimento della prova orale e strumenti ammessi Durante la prova orale è consentito consultare il proprio codice e le esercitazioni consegnate. La consultazione di tali materiali non sostituisce la capacità dello studente di illustrare autonomamente i metodi utilizzati, motivare le scelte compiute e rispondere alle domande della docente. Non sono previste prove intermedie. Valutazione Entrambe le modalità d’esame prevedono l’attribuzione di un voto espresso in trentesimi. L’esame si considera superato con una valutazione almeno pari a 18/30. La valutazione terrà conto dei seguenti aspetti: correttezza e completezza delle conoscenze teoriche; capacità di applicare i metodi studiati; correttezza e qualità dell’implementazione; capacità di interpretare criticamente i risultati; autonomia di analisi e capacità di effettuare collegamenti; chiarrezza espositiva e padronanza della terminologia specifica. Indicativamente, la graduazione del voto seguirà i criteri seguenti: 18–19: conoscenza parziale degli argomenti, capacità di analisi limitata e prevalentemente guidata dalla docente, esposizione complessivamente corretta; 20–24: conoscenza adeguata, ma non completa, degli argomenti e capacità di analisi autonoma soprattutto negli aspetti esecutivi; 25–29: conoscenza ampia degli argomenti, buona autonomia nell’applicazione e nell’analisi critica dei metodi, uso appropriato della terminologia; 30–30 e lode: conoscenza completa e approfondita, piena autonomia nell’analisi critica e nei collegamenti tra gli argomenti, eccellente capacità di argomentazione e piena padronanza del linguaggio disciplinare.
Uso dell’intelligenza artificiale generativa
Per quanto riguarda la verifica dell’apprendimento, l’uso dell’intelligenza artificiale generativa è vietato per le prove di verifica svolte in ambiente non controllato. Tali prove saranno convalidate a valle dell’analisi dei materiali di lavoro prodotti e obbligatoriamente consegnati, anche tramite il colloquio orale.
Studentesse e studenti con DSA o disabilità
Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione della docente, che ne valuterà l’opportunità anche in relazione agli obiettivi formativi dell’insegnamento.

Testi di riferimento

Il materiale didattico necessario per la preparazione dell’esame sarà fornito dalla docente sotto forma di presentazioni, appunti, script MATLAB e testi delle esercitazioni. Tutto il materiale sarà reso disponibile sulla piattaforma Virtuale: https://virtuale.unibo.it.
Per eventuali approfondimenti sono consigliati i seguenti testi:
H. Prautzsch, W. Boehm, M. Paluszny, Bézier and B-Spline Techniques, Springer, 2002. G. Farin, Curves and Surfaces for CAGD: A Practical Guide, 5th ed., Morgan Kaufmann, 2001. M.-J. Lai, L. L. Schumaker, Spline Functions on Triangulations, Cambridge University Press, 2010.
Ulteriori testi e articoli scientifici potranno essere indicati durante il corso.

Codice insegnamento 97268

GEOMETRIC NUMBER THEORY 1° anno · 1° semestre · 6 CFU · MAT/02 · 0 file

At the end of the course, the students have an advanced knowledge in number theory and arithmetic geometry. They are able to use this knowledge both in algebraic and geometric settings.

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the students have an advanced knowledge in number theory and arithmetic geometry. They are able to use this knowledge both in algebraic and geometric settings.

Programma

MAIN TOPICS:
Integral extensions and integral closure.
Number fields and rings of integers.
Norms, traces, bilinear forms and discriminants.
Dedekind domains: Unique factorization of ideals; The ideal class group; Integral extensions and closures; Ramification theory of primes in extensions.
Class numbers of number fields. Finiteness of the class number.
Group of units in a number field: Finite generatedness; rank and torsion subgroup of the group of units. CM fields and real quadratic fields.
Cyclotomic fields, their class numbers and units. Fermat's last theorem for regular primes.
ADDITIONAL TOPICS (depending on time and interest of the students):
Applications of number theory, cryptography.
Absolute values, local fields, completions. Hensel's lemma.
Algebraic curves. Rational points on curves over number fields. The Hasse principle.

Modalità d'esame

Oral exam. There is also one mandatory assignment (pass/not pass), which the student need to pass in order to be eligible for the oral exam. The grade is decided only on the basis of the oral exam.

Testi di riferimento

JAMES S. MILNE. Algebraic Number Theory. (Main textbook.)
JAMES S. MILNE. Elliptic Curves, 2006 electronic version. (Supplementary literature, for the additional topics.)
Both books can be downloaded for free from author's personal webpage.

Codice insegnamento 97926

INTRODUCTION TO MACHINE LEARNING 1° anno · 2° semestre · 6 CFU · MAT/06 · 0 file

Alla fine del corso, gli studenti avranno acquisito una solida comprensione delle principali tecniche di machine learning. Avranno le competenze per applicare e adattare efficacemente questi metodi in diverse situazioni.…

Scheda dell'insegnamento

Obiettivi formativi

Alla fine del corso, gli studenti avranno acquisito una solida comprensione delle principali tecniche di machine learning. Avranno le competenze per applicare e adattare efficacemente questi metodi in diverse situazioni. Inoltre, gli studenti saranno dotati di conoscenze fondamentali dei concetti probabilistici che sottendono questi metodi.

Programma

  • Introduzione al machine learning: problemi di regressione e classificazione, principali paradigmi di machine learning, overfitting e regolarizzazione, cenni all'interpretazione dell'overfitting in termini di complessità di un modello.
  • Basi di teoria dell'informazione: entropia di variabili aleatorie discrete e assolutamente continue, teorema della codifica di sorgente, entropia relativa e applicazione al machine learning.
  • Modelli lineari per supervised learning: regressione lineare, regressione logistica, interpretazione geometrica e interpretazione probabilistica delle loss functions e della regolarizzazione.
  • Discesa stocastica del gradiente: richiami sul metodo di discesa deterministica, metodo di discesa stocastica e risultati di convergenza, applicazioni al training di modelli.
  • Deep learning: reti neurali fully connected, risultati di densità di reti neurali in spazi funzionali, reti convoluzionali e transformer, caratterizzazione di layer equivarianti rispetto all'azione di gruppi.
  • Richiami di teoria dei processi stocastici: processi gaussiani, catene di Markov e probabilità di transizione, processi stocastici diffusivi.
  • Language models: introduzione al problema del language modeling, entropia di un linguaggio, approcci basati su reti neurali, large language models, pre-training e post-training.
  • Reinforcement learning: algoritmi di base, deep Q-learning, reinforcement learning from human feedback, cenni ad applicazioni del reinforcement learning alla formalizzazione della matematica e alla dimostrazione automatica di teoremi.
  • Cenni a modelli gaussiani e diffusivi: approccio bayesiano a regressione e classificazione, modelli discriminativi di tipo gaussiano, processi di Markov inversi e modelli diffusivi generativi.
    Prerequisiti: nozioni fondamentali di algebra lineare, calcolo differenziale in più variabili, calcolo integrale, calcolo delle probabilità, programmazione in Python, e teoria dei gruppi.
    Propedeuticità consigliate: Analisi Matematica I e II, Geometria I, Probabilità e statistica matematica, Informatica, Aritmetica e gruppi.

Modalità d'esame

L'esame finale si svolge secondo 3 possibili modalità:
(Completamente pratica) Consegna di un progetto finale in Python, da svolgere in gruppo, seguita da colloquio orale volto alla verifica del contributo individuale dei singoli studenti. (Parzialmente practica) Consegna di un progetto ridotto, in Python, seguita da colloquio orale "tradizionale" volto alla verifica dell'apprendimento degli aspetti più teorici presentati a lezione. (Teorica) Approfondimento di uno degli argomenti trattati a lezione mediante lo studio di uno o più articoli di ricerca, seguito da una presentazione in modalità seminario.

Testi di riferimento

  • Christopher Bishop, Pattern Recognition and Machine Learning
  • Aston Zhang, Zack C. Lipton, Mu Li, Alex J. Smola, Dive into Deep Learning
  • Christopher Bishop, Deep Learning
  • Carl Edward Rasmussen and Christopher K. I. Williams, Gaussian Processes for Machine Learning
  • Richard S. Sutton and Andrew G. Barto, Reinforcement Learning: An Introduction
  • Dan Jurafsky and James H. Martin, Speech and Language Processing

Codice insegnamento 95662

MATHEMATICAL AND MACHINE LEARNING METHODS IN IMAGING 1° anno · 2° semestre · 6 CFU · MAT/08 · 0 file

Al termine del corso, gli studenti conoscono metodi di regolarizzazione variazionale e di machine learning per problemi in imaging, sia da un punto di vista teorico che computazionale. In particolare, gli studenti sono…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, gli studenti conoscono metodi di regolarizzazione variazionale e di machine learning per problemi in imaging, sia da un punto di vista teorico che computazionale. In particolare, gli studenti sono in grado di implementare algoritmi per applicazioni di imaging avanzate, combinando strumenti di ottimizzazione e apprendimento automatico, e di valutare criticamente i risultati numerici.

Programma

Il corso offre una visione computazionale dei problemi di Imaging attraverso metodi variazionali e tecniche di apprendimento automatico (Machine Learning). Le applicazioni di elaborazione delle immagini che saranno trattate vanno dalla rimozione della sfocatura e del rumore, all’inpainting e alla super-risoluzione, alla segmentazione e classificazione per l'estrazione di informazioni/strutture significative, alla ricostruzione da diverse modalità di imaging (ad esempio, CT) in biomedicina e geofisica.
Il corso copre l'intera catena di risoluzione dei problemi di Imaging, ovvero identificazione dei problemi → modellizzazione e discretizzazione → analisi → ottimizzazione numerica / approccio di apprendimento automatico.
Al termine del corso gli studenti saranno in grado di affrontare problemi matematici e di apprendimento automatico per l'Imaging con un nuovo repertorio di strumenti numerici all'avanguardia.
In particolare, al termine del corso, gli studenti avranno raggiunto i seguenti obiettivi formativi:
Identificazione del problema: identificazione di problemi di imaging come problemi matematici di operatore inverso (ad esempio, equazioni integrali); Modellizzazione e discretizzazione: formulazione di problemi che si verificano in applicazioni di Imaging tramite metodi variazionali lineari e non lineari; utilizzazione della modellizzazione Bayesiana per tenere conto dei dati e modellizzare l'incertezza; modellizzazione continua contro discreta; Analisi: comprensione dei principali concetti della teoria della regolarizzazione lineare e non lineare e di come essa influenzi l'esistenza e l'unicità dei risultati; Ottimizzazione numerica: soluzione numerica di problemi di ottimizzazione di grandi dimensioni, convessi e non-convessi, differenziabili e non differenziabili, vincolati e non vincolati; ottimizzazione in machine learning Approccio di apprendimento automatico: introduzione di base al Machine Learning e Deep learning e parte della sua matematica sottostante; Machine Learning nel contesto di problemi inversi di Imaging; reti neurali convoluzionali (CNN), prior di apprendimento e post-elaborazione, regolarizzazione e schemi di ottimizzazione iterativa appresi, plug & play, unrolled scheme, metodi generativi.

Modalità d'esame

L'esame consiste in una prova in laboratorio, alla fine della prima parte del corso (modulo 1, Matlab exercises + 1 theoretical question), un progettino (DeepLearning) ed un orale alla fine della seconda (modulo 2).
In alternativa, la consegna dei labs svolti, 1 progettino (DeepLearning) e orale sul modulo 1 e modulo 2.
In entrambi i casi l'orale mira a verificare il raggiungimento dei seguenti obiettivi didattici: - capacità dello studente di risolvere problemi applicativi richiedenti la conoscenza di strumenti numerici avanzati - sia teorici che computazionali – quali in particolare, problemi inversi mal-posti per la elaborazione di segnali/immagini, problemi di ottimizzazione numerica; - capacità dello studente di analizzare criticamente i risultati ottenuti dal programma realizzato, alla luce delle conoscenze teoriche acquisite durante il corso.
-------------------------------------------------
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

Nocedal, Jorge, Wright, S., Numerical Optimization, Springer , 2006 Foundations of Computational Imaging: A Model-Based Approach, by Charles A. Bouman SIAM, 2022. Deep Learning : Foundations and Concepts, Christopher M. Bishop H. Bishop, Springer Int. Pub. 2024 P. C. Hansen, Discrete Inverse Problems: Insight and Algorithms, SIAM, 2010.

Codice insegnamento B3093

MATHEMATICAL FOUNDATIONS OF QUANTUM COMPUTATION 1° anno · 2° semestre · 6 CFU · MAT/07 · 0 file

At the end of the course the student is acquainted with the basic aspects of quantum computation like those of entanglement, qubits, quantum algorithms and information. He is able to deal with the classical problems of…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course the student is acquainted with the basic aspects of quantum computation like those of entanglement, qubits, quantum algorithms and information. He is able to deal with the classical problems of the subject.

Programma

Prerequisites
The basic courses of the BSc (Laurea Triennale) in Mathematics. Knowledge of linear algebra is particularly important.
Syllabus
Historical introduction; overview of the course
Hilbert spaces and Dirac notation; spectral theorem (no proof); positive semidefinite operators; Hilbert-Schmidt inner product
Density operators; Pauli matrices; the Bloch sphere; unitary evolution; quantum measurements; projective measurements; distinguishing quantum states; quantum observables; compatible observables; single-qubit projective measurements
Tensor product of Hilbert spaces and of linear operators; composite quantum systems; partial measurements; partial trace; reduced density operator; singular value decomposition; Schmidt decomposition
EPR paradox and CHSH inequality
Turing machines; uncomputability of the halting function; Boolean circuits; the strong Church-Turing thesis; decision problems; formal languages; the complexity classes P, BPP, NP and PSPACE; reducibility; NP-complete problems; reversible computation
Quantum circuits; duality between the operator norm and the trace norm; Helstrom bound; Solovay-Kitaev theorem (no proof); CNOT gate; universality of {H,T,CNOT} gates
The complexity class BQP; BPQ is included in PSPACE; quantum parallelism; oracles
Deutsch algorithm; Deutsch-Jozsa algorithm; Bernstein-Vazirani algorithm; Simon's algorithm
The quantum Fourier transform; quantum phase estimation
The period-finding algorithm; the order-finding algorithm; Shor's algorithm; the hidden subgroup problem
The one-time pad; public key cryptography; the RSA protocol; Grover's algorithm; quantum counting algorithm; optimality of quantum counting
Quantum operations; Kraus representation; isometric dilations; bit-flip and phase-flip channels; depolarizing channel
Quantum key distribution; the BB84 protocol

Modalità d'esame

The grade will be assigned upon oral examination. Each exam will include theoretical questions and the solution of a simple exercise. The student will be evaluated both on the understanding of the content of the lectures and on the ability to apply it. The students who achieve an organic vision of the topics, are able to critically apply them and master the specific language will be assessed with a grade of excellence. The students who show a mechanic or mnemonic knowledge of the topics, have limited capabilities of analysis and synthesis or a correct but not always appropriate language will be assessed with an average grade. The students who show a minimal knowledge of the topics and of the appropriate language will be assessed with the minimum passing grade. The students who show poor knowledge of the topics, inappropriate language and are not able to properly understand the material will be assessed with a non-passing grade.
Students with learning disorders and/or temporary or permanent disabilities: please, contact the office responsible (https://site.unibo.it/studenti-con-disabilita-e-dsa/en/for-students) as soon as possible so that they can propose acceptable adjustments. The request for adaptation must be submitted in advance (15 days before the exam date) to the lecturer, who will assess the appropriateness of the adjustments, taking into account the teaching objectives.

Testi di riferimento

The lectures will mostly follow the books
Michael A. Nielsen, Isaac L. Chuang, "Quantum Computation and Quantum Information", Cambridge University Press, 2010
Wolfgang Scherer, "Mathematics of Quantum Computing", Springer, 2019, https://link.springer.com/book/10.1007/978-3-030-12358-1
Further resources available online are:
https://arxiv.org/abs/2507.11536
Ronald de Wolf, "Quantum Computing: Lecture Notes", arXiv:1907.09415, https://arxiv.org/abs/1907.09415

Codice insegnamento 97263

MATHEMATICAL PROGRAMMING 1° anno · 1° semestre · 6 CFU · MAT/09 · 0 file

Al termine del corso lo studente avrà acquisito gli strumenti teorici e algoritmici necessari per costruire, analizzare e risolvere modelli di ottimizzazione matematica basati sulla Programmazione Lineare Intera Mista…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente avrà acquisito gli strumenti teorici e algoritmici necessari per costruire, analizzare e risolvere modelli di ottimizzazione matematica basati sulla Programmazione Lineare Intera Mista (MILP).

Programma

Il corso è volto a presentare sia gli aspetti teorici e algoritmici che alcuni strumenti software per problemi di ottimizzazione matematica formulabili mediante Programmazione Lineare Intera Mista (MILP).
Il corso mira a stimolare contemporaneamente la creatività e il rigore durante tutte le fasi di realizzazione di un sistema di supporto alle decisioni basato su tecniche di ottimizzazione matematica.
Formulazioni MILP per problemi "classici" Teoria della complessità computazionale per classificare la “difficoltà” di un problema MILP Algoritmi "base" per la risoluzione di problemi MILP Cenni di combinatorica poliedrale per la descrizione degli inviluppi convessi delle soluzioni Algoritmi "avanzati" per risolvere MILP con un numero esponenziale di variabili e/o vincoli (generazione di colonne e separazione) Tecniche di decomposizione e rilassamenti per problemi MILP “strutturati” Strumenti software per risolvere modelli MILP Applicazioni reali legate alla gestione delle risorse e dei processi

Modalità d'esame

Consegna di un progetto finale seguita da prova orale. La prova orale consiste nella presentazione del progetto con discussione critica dei risultati ottenuti, possibili varianti/estensioni, nonché domande teoriche su tutto il programma del corso. Sarà richiesto di consegnare il progetto con congruo anticipo (da concordare) prima della discussione dello stesso. La valutazione del progetto concorre in modo sostanziale a formare il voto finale.
Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it ); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell’insegnamento.
Per quanto riguarda la verifica dell’apprendimento, è consentito un uso limitato, dichiarato e non sostanziale dell’IA per attività di supporto (sintesi, riformulazioni). Non è permesso l’uso sostanziale per lo svolgimento di parti della prova.

Testi di riferimento

M. Fischetti "Introduction to Mathematical Optimization" L. A. Wolsey "Integer Programming"

Codice insegnamento 97271

MATHEMATICS FOR COMPLEX SYSTEMS 1° anno · 1° semestre · 6 CFU · MAT/07 · 0 file

Al termine del corso lo studente: possiede una conoscenza approfondita dei concetti avanzati della meccanica statistica e della loro applicazione ai sistemi complessi; è familiare con l’uso dei metodi della meccanica…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente: possiede una conoscenza approfondita dei concetti avanzati della meccanica statistica e della loro applicazione ai sistemi complessi; è familiare con l’uso dei metodi della meccanica statistica nello studio dei modelli di Ising disordinati e delle reti neurali; è in grado di sviluppare un’analisi rigorosa di semplici modelli mean‑field, sia dal punto di vista statico che dinamico.

Programma

Richiami di Probabilità; Catene di Markov, Ergodicità e Convergenza all' equilibrio, Metropolis Hasting, Misura di Gibbs; Formalismo di Meccanica Statistica Reti neurali e memoria associativa: il Modello di Hopfield. Energia libera, stati termodinamici, diagramma di fase. Modello di Wigner-Spiked e modello SK, the Replica method Factor Graphs e Belief Propagation: applicazione alla community detection tramite Stochastic Block Model

Modalità d'esame

La verifica dell' apprendimento consiste in una prova orale che mira a verificare l’acquisizione delle conoscenze previste dal programma del corso e a valutare le abilità conseguite come previsto dagli obiettivi formativi quali: Nozioni avanzate di Meccanica Statistica ;Capacità di condurre autonomamente l'approfondimento verso gli sviluppi più recenti delle tematiche sopra citate e dei loro problemi più significativi.

Testi di riferimento

Referenze principali:
M.Mézard, A.Montanari - Information, Physics, and Computation - Oxford University Press, USA (2009); Nishimori, H.: Statistical Physics of Spin Glasses and Information processing. An Introduction. Oxford Science Publications 2001; Coolen, Kuhn, Sollich, Theory of Neural Information Processing Systems, Oxford University Press; Talagrand,Michel, Spin glasses. Vol1-2
Mark Newman - Networks_ An Introduction - Oxford University Press (2010); Decelle, A., Krzakala, F., Moore, C., & Zdeborová, L. (2011). Asymptotic analysis of the stochastic block model for modular networks and its algorithmic applications. Physical Review E, 84(6), 066106; Zdeborová, L., Krzakala, F. (2016). Statistical physics of inference: Thresholds and algorithms. Advances in Physics, 65(5), 453-552;

Codice insegnamento 96764

MATRIX AND TENSOR TECHNIQUES FOR DATA SCIENCE 1° anno · 1° semestre · 6 CFU · MAT/08 · 0 file

At the end of the course, students have theoretical and computational knowledge on matrix and tensor techniques for analysing large amounts of data. In particular, students are able to examine large samples of discrete…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, students have theoretical and computational knowledge on matrix and tensor techniques for analysing large amounts of data. In particular, students are able to examine large samples of discrete data and extract interpretable information of relevance in image and data processing, in medical and scientific applications, and in social and security sciences.

Programma

  • Vector and matrix norms (including sparsity promoting)
  • Mathematical foundations and algorithms for:
    Eigenvalues, SVD, pseudoinverse
    Linear regression and Least squares, also iterative solution
  • Reduction and low rank representations:
    Principal Component Analysis (PCA) Sparse representation with l_0-norm: Orthogonal matching pursuit CUR factorization
  • Applications in Data Science
    Matrix completion problems Dictionary learning
  • Tensor computation
    Dealing with tensors and various representations: CPD, Tucker, TT HOSVD, Tensor OMP
  • Elements of randomized numerical linear algebra:
    Randomized Range Finder and Randomized SVD Oblivious subspace embeddings The sketch-and-solve and the sketch-and-precond paradigms

Modalità d'esame

Final take home project with slides presentation and oral discussion on the course material.
Students with learning disorders and\or temporary or permanent disabilities: please, contact the office responsible (https://site.unibo.it/studenti-con-disabilita-e-dsa/en/for-students) as soon as possible so that they can propose acceptable adjustments. The request for adaptation must be submitted in advance (15 days before the exam date) to the lecturer, who will assess the appropriateness of the adjustments, taking into account the teaching objectives.

Testi di riferimento

Slides and material posted on Virtuale.

Codice insegnamento 97267

MECCANICA STATISTICA 1° anno · 1° semestre · 6 CFU · MAT/07 · 0 file

Al termine del corso lo studente è familiare con le nozioni fondamentali della meccanica statistica quali il concetto di equilibrio come opportuna misura di probabilità. E' capace di affrontare in modo indipendente i…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente è familiare con le nozioni fondamentali della meccanica statistica quali il concetto di equilibrio come opportuna misura di probabilità. E' capace di affrontare in modo indipendente i temi di frontiera, sia teorici che applicati, attraverso lo studio di lavori di ricerca della disciplina.

Programma

  • Introduzione.
  • Spazi di Probabilità, Entropia e sue proprietà.
  • Rappresentazione geometrica degli spazi di probabilità tramite simplessi
  • Sistemi di particelle e modello di Ising. Modello di Ising in d=1 con condizioni libere e periodiche.
  • Funzioni di variabili dicotomiche e decomposizione di Fourier. Cenni ai modelli di Ising in d>1
  • Il limite termodinamico in dimensione finita e le disuguaglianze di correlazione.
    -Modelli di campo medio. Modello di Curie-Weiss. Il limite termodinamico nei modelli di campo medio.
  • Risoluzione del modello di Curie-Weiss con stime dall'alto e dal basso.
  • Legge dei grandi numeri e teorema limite centrale per la magnetizzazione, modello con e senza interazione.
  • Problema inverso teorico: dalle osservabili termodinamiche ai parametri. Problema inverso empirico: dai dati sperimentali ai parametri. Metodo della massima verosimiglianza.
  • Il modello di Sherrington e Kirkpatrick. La soluzione di Parisi. La dimostrazione per l'energia libera di Guerra-Talagrand. La dimostrazione di ultrametricità di Panchenko.
  • Generalizzazione a molte specie del modello SK.
  • Architettura deep-learning e la sua meccanica statistica con le condizioni al contorno cilindriche e coniche. Bound per l'energia libera.
  • Teorema sulla equivalenza tra learning and retrieval.
  • Seminari specialistici.

Modalità d'esame

Esame orale o seminario di ricerca. Quest'ultimo consiste nella presentazione di un tema, da concordare col docente, di approfondimento rispetto al materiale del corso.

Testi di riferimento

Appunti del docente.
Testi consigliati:

  • "Perspectives on Spin Glasses", P.Contucci e C.Giardinà,CUP, 2012
  • "Spin Glasses and Complexity (Primers in Complex Systems)" D.Stein and C.Newman, OUP, 2013
  • "Statistical Mechanics of Lattice Systems: A Concrete Mathematical Introduction", S.Friedli and Y.Velenik,CUP, 2017

Codice insegnamento 00695

MECCANICA STATISTICA SUPERIORE 1° anno · 1° semestre · 6 CFU · MAT/07 · 0 file

Al termine del corso lo studente: possiede una conoscenza approfondita degli algoritmi di machine learning e di inferenza per la risoluzione di problemi inversi e per l’apprendimento dai dati; è in grado di utilizzare…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente: possiede una conoscenza approfondita degli algoritmi di machine learning e di inferenza per la risoluzione di problemi inversi e per l’apprendimento dai dati; è in grado di utilizzare strumenti della meccanica statistica per caratterizzarne le prestazioni tipiche, discutere i limiti fondamentali dell’inferenza e identificare transizioni di fase sia computazionali che statistiche; è in grado di analizzare la dinamica di allenamento delle reti neurali utilizzando teorie dinamiche nel quadro della meccanica statistica.

Programma

Il corso presenta alcuni dei principali modelli matematici impiegati nello studio teorico dell'apprendimento automatico mediante gli strumenti della meccanica statistica. Il percorso parte dai modelli classici che hanno costituito i fondamenti della teoria dell'apprendimento statistico e conduce fino a temi di ricerca attuali nel campo dell'intelligenza artificiale, evidenziando le connessioni tra fisica statistica, probabilità e machine learning. Gli argomenti trattati comprendono:
richiami di meccanica statistica per sistemi disordinati e problemi di inferenza. In particolare, il modello Spiked-Wigner come paradigma per l'analisi teorica della Principal Component Analysis (PCA) e delle transizioni statistiche e computazionali; modelli Teacher-Student per la regressione lineare e la regressione logistica, con analisi delle prestazioni di generalizzazione; modelli di Random Features e Metodi Kernel, con studio delle loro proprietà statistiche nel regime ad alta dimensionalità; apprendimento da dati strutturati mediante modelli di mistura di Gaussiane, utilizzati per descrivere la struttura latente di insiemi di dati reali, tra cui il dataset MNIST; Reti Neurali multistrato: analisi della dinamica dell'apprendimento online mediante gli strumenti della meccanica statistica e derivazione dell'evoluzione temporale dell'errore di generalizzazione.
Nel corso saranno inoltre messe in evidenza le relazioni tra i diversi modelli e il loro ruolo nello sviluppo della teoria matematica dell'intelligenza artificiale, con particolare attenzione all'analisi delle prestazioni, delle capacità di generalizzazione e della dinamica degli algoritmi di apprendimento.
Prerequisiti
Sono richieste solide conoscenze di algebra lineare, probabilità, analisi matematica e calcolo differenziale.
È inoltre fortemente consigliato aver sostenuto almeno uno dei seguenti insegnamenti:
Meccanica Statistica (curriculum generale); Mathematics for Complex Systems (curriculum applicativo).
Tali insegnamenti forniscono gli strumenti di base di meccanica statistica utilizzati nel corso.

Modalità d'esame

La verifica dell'apprendimento consiste in un esame orale.
Durante il colloquio lo studente dovrà dimostrare di conoscere gli strumenti teorici sviluppati nel corso, di comprenderne le dimostrazioni essenziali e di saper discutere criticamente i principali modelli matematici presentati, evidenziandone ipotesi, risultati e ambiti di applicazione. La valutazione terrà conto della padronanza del formalismo matematico, della chiarezza espositiva e della capacità di collegare tra loro i diversi argomenti del corso.

Testi di riferimento

Il materiale didattico sarà fornito durante il corso sotto forma di dispense e articoli scientifici su Virtuale.
Tra i riferimenti principali:
H. Nishimori, Statistical Physics of Spin Glasses and Information Processing. M. Mézard, A. Montanari, Information, Physics, and Computation. A. Engel, C. Van den Broeck, Statistical Mechanics of Learning. Articoli di ricerca selezionati relativi ai modelli trattati.
Letture suggerite:
Mark Newman - Networks_ An Introduction - Oxford University Press (2010); Decelle, A., Krzakala, F., Moore, C., & Zdeborová, L. (2011). Asymptotic analysis of the stochastic block model for modular networks and its algorithmic applications. Physical Review E, 84(6), 066106; Zdeborová, L., Krzakala, F. (2016). Statistical physics of inference: Thresholds and algorithms. Advances in Physics, 65(5), 453-552; Gardner, E., and Derrida, B.: Optimal storage properties of neural network models. J. Phys. A: Math. Gen. 21, 271-284 (1988).

Codice insegnamento 96753

METODI AVANZATI DI ANALISI MATEMATICA 1° anno · 2° semestre · 6 CFU · MAT/05 · 0 file

Al termine del corso lo studente possiede nozioni avanzate sulla teoria degli spazi funzionali e della teoria astratta della misura. In particolare è in grado di condurre autonomamente lo studio di discipline teoriche ed…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente possiede nozioni avanzate sulla teoria degli spazi funzionali e della teoria astratta della misura. In particolare è in grado di condurre autonomamente lo studio di discipline teoriche ed applicative che richiedano la conoscenza delle teorie elencate.

Programma

Il corso è diviso in due parti indipendenti.
Parte 1 (prof. F. Ferrari): Disuguaglianze variazionali. Disuguaglianze variazionali in spazi di Hilbert con particolare riferimento agli spazi di Sobolev e introduzione ai problemi di frontiera libera. Introduzione alla teoria viscosa delle equazioni a derivate parziali non lineari.
Parte 2 (prof Alberto Parmeggiani): Risolubilita` di operatori alle derivate parziali tra spazi di Hilbert. Spazi di Sobolev su Rn, dualita` tra spazi di Sobolev su Rn, Teorema di immersione di Sobolev, applicazioni alla regolarita` delle PDEs. Spazi di Sobolev su un aperto limitato ed applicazioni alla teoria spettrale del Laplaciano con dati al bordo nulli (Dirichlet omogeneo). Operatori differenziali ipoellittici. Fronte d'onda di una distribuzione.

Modalità d'esame

Lo studente potrà scegliere tra un esame tradizionale e un seminario su un argomento avanzato legato alle tematiche del corso ma non sviluppato nel corso stesso. Inoltre durante il corso verranno proposti degli esercizi che il candidato dovrà svolgere autonomamente.

Testi di riferimento

Parte degli argomenti del primo modulo verranno tratti da: D. Kinderlehrer, G. Stampacchia, An introduction to variational inequalities and their applications Academic Press 1980, R. Adams, Sobolev Spaces Academic Press 1975. Potranno altresì essere utili anche: L.C. Evans, R.F. Gariepy, Measure theory and fine properties of functions, Studies in Advanced Mathematics, CRC Press, Boca Raton, Flo. (1992). W. Ziemer, Weakly differentiable functions: Sobolev spaces and functions of bounded variation, Graduate Texts in Mathematics 120, Springer-Verlag, New York (1989).
Secondo modulo.
G. B. Folland: Introduction to Partial Differential Equations. Second Edition. Princeton University Press.
F.G. Friedlander. Introduction to the theory of distributions. Second edition. With additional material by M. Joshi. Cambridge University Press, Cambridge, 1998.
L. H\"ormander: The Analysis of Linear Partial Differential Operators, I. Reprint of the second (1990) edition. Classics in Mathematics. [https://mathscinet.ams.org/mathscinet/search/series.html?id=3749] Springer-Verlag, Berlin, 2003

Codice insegnamento 96735

METODI AVANZATI DI ANALISI NUMERICA 1° anno · 1° semestre · 6 CFU · MAT/08 · 0 file

Al termine del corso lo studente possiede nozioni avanzate di analisi numerica. In particolare, per una vasta classe di problemi che emergono nelle applicazioni, è in grado di derivare metodi numerici e analizzarne le…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente possiede nozioni avanzate di analisi numerica. In particolare, per una vasta classe di problemi che emergono nelle applicazioni, è in grado di derivare metodi numerici e analizzarne le proprietà teoriche e computazionali.

Programma

Le equazioni alle derivate parziali (PDEs) sono il linguaggio con cui vengono rappresentati mediante modelli matematici molti fenomeni continui, quali la diffusione, le onde, l'elasticità, i fluidi, ecc. Ma per passare dalla formulazione matematica a una simulazione numerica, servono strumenti rigorosi che uniscano analisi funzionale, approssimazione e algebra lineare numerica. Questo corso si concentra sui fondamenti teorici dell'analisi numerica di PDEs: dalla formulazione variazionale ai metodi agli elementi finiti, dallo studio degli spazi di Sobolev all'analisi dell'errore, dalla rappresentazione del problema discreto alla affidabilità teorica e computazionale nella risoluzione del problema algebrico associato. Il corso è pensato per studenti interessati a una comprensione teorica e strutturata dei metodi numerici per PDEs, con l'obiettivo di fornire solide basi in argomenti rilevanti e all'avanguardia nell'ambito della matematica applicata.
Programma
Modulo 1 (M. Ruggeri): Analisi numerica delle PDEs.
Richiami di PDEs ellittiche (problema di Poisson e sue minime generalizzazioni), richiami di analisi funzionale (spazi di Sobolev, Lax Milgram, ...) finalizzati alla formulazione variazionale di problemi ellittici. Teoria dell'approssimazione in spazi di Sobolev: lemma di Deny-Lions e lemma di Bramble-Hilbert, interpolazione di Lagrange ed errore di interpolazione in spazi di Sobolev. Metodo degli elementi finiti: metodo di Galerkin per problemi ellittici e stime dell'errore (lemma di Céa), formulazione mista di problemi ellittici e relativa discretizzazione di Galerkin.
Modulo 2 (V. Simoncini): Algebra lineare numerica.
Metodi iterativi per sistemi lineari di grandi dimensioni: spazi di Krylov e generalità sui metodi di tipo proiettivo; CG, MINRES, GMRES: derivazione algoritmica e proprietà di convergenza con dipendenza dalla discretizzazione. Metodi di accelerazione: strategie di preconditionamento (fattorizzazioni incomplete, Algebraic Multigrid (AMG), operator preconditioning); varianti inesatte e strategie di sketching (randomized numerical linear algebra). Equazioni matriciali per equazioni differenziali (cenni).
Prerequisiti
Concetti fondamentali acquisiti durante i corsi di analisi matematica e calcolo numerico della laurea triennale. Conoscenze di PDEs e di analisi funzionale sono utili, ma quello che serve verrà fornito dal corso. Conoscenze di base dell'ambiente computazionale MATLAB.

Modalità d'esame

L'esame consiste in una prova orale articolata in due parti. La prima parte prevede una presentazione su un argomento di approfondimento rispetto ai contenuti trattati durante il corso (ad esempio un articolo scientifico o un'estensione della teoria discussa a lezione), concordato preventivamente con i docenti. La presentazione può essere svolta alla lavagna oppure con il supporto di slide e, a discrezione dello studente, può includere anche aspetti implementativi ed esperimenti numerici. La seconda parte consiste in una discussione orale sui contenuti del corso, finalizzata a verificare la comprensione degli argomenti trattati durante le lezioni.
Per quanto riguarda la verifica dell'apprendimento, l'uso dell’IA è vietato (cosiddetto Scenario 1). Ogni utilizzo costituisce violazione dell’integrità accademica.
Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all'approvazione del docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

Testi di consultazione:
D. Boffi, F. Brezzi, M. Fortin: Mixed Finite Element Methods and Applications. Springer, 2013. L. F. Demkowicz: Mathematical Theory of Finite Elements. SIAM, 2023. A. Quarteroni, A. Valli: Numerical Approximation of Partial Differential Equations. Springer, 1994. Y. Saad: Iterative methods for sparse linear systems. SIAM, 2003. G. Strang, G. J. Fix: An analysis of the Finite Element Method. Prentice-Hall Inc., 1973. N. Trefethen: Finite difference and Spectral Methods for ordinary and partial differential equations. Available online, 1996.

Codice insegnamento B9077

METODI MATEMATICI PER LA MECCANICA DEI CONTINUI 1° anno · 1° semestre · 6 CFU · MAT/07 · 0 file

Il corso è focalizzato sui principali aspetti matematici della Meccanica dei Continui, con molte applicazioni a situazioni del mondo reale, in ambito biomedico, fisico e astrofisico. Durante il corso gli studenti si…

Scheda dell'insegnamento

Obiettivi formativi

Il corso è focalizzato sui principali aspetti matematici della Meccanica dei Continui, con molte applicazioni a situazioni del mondo reale, in ambito biomedico, fisico e astrofisico. Durante il corso gli studenti si rendono conto dell'importanza strategica delle EDP per la costruzione di modelli matematici, e imparano diverse tecniche analitiche per affrontarne qualitativamente lo studio. Al termine gli studenti sanno adoperare queste nozioni in modo autonomo, e riescono a comprendere anche i più recenti sviluppi di questi settori in cui la ricerca è attiva.

Programma

Introduzione ai modelli compartimentali ad una o a più specie interagenti del tipo SI o del tipo SIR/SIV, formulati nell'ambito della meccanica dei continui, per la descrizione di fenomeni naturali, come per esempio la dinamica degli ecosistemi, la diffusione di epidemie da virus e da batteri, o il consumo delle sigarette elettroniche.
Il ruolo della diffusione spaziale: dai Sistemi Dinamici ai Modelli di Diffusione e Reazione del tipo flusso-gradiente.
Soluzioni di equilibrio e analisi della stabilità/instabilità lineare.
L'effetto di termini di diffusione incrociata, del tipo chemiotattico nella legge costitutiva di Fick, e di reazioni logistiche (Verhulst) verso le instabilità di Turing.
Esempi: dal modello preda-predatore di Lotka-Volterra, in presenza degli effetti pesca, per entrambe le specie, e logistici, per le prede, anche con diffusione spaziale, ai più recenti modelli matematici in epidemiologia che generalizzano il modello pionieristico SIR di Kermack-McKendrick, includendo effetti demografici e vaccinazione, verso il recente modello di diffusione e reazione con aspetti chemiotattici di Bellomo-Tao, del tipo SIV, V=Virus, per le infezioni da virus, basato sul modello SIV di Nowak e May, o il modello di diffusione e reazione, con diffusione incrociata, del tipo SIL, di Vanag e Epstein, detto crimo-tassi.
Il ruolo speciale delle biforcazioni "forward" e "backward", verso la definizione degli errezero/BRN tipici del modello in gioco.
Il modello di diffusione e reazione di Abramson e Kenkre del tipo SI per la diffusione dell'Hantavirus vs il modello di aggregazione cellulare di Keller-Segel per i processi chemiotattici, anche in presenza di un recente effetto logistico stabilizzante per la cellula batterica: il ruolo stabilizzante della diffusione spaziale classica vs il ruolo destabilizzante della diffusione incrociata.
Introduzione alle equazioni alle derivate parziali del primo e del secondo ordine in due variabili indipendenti reali verso modelli evolutivi 1D e stazionari 2D: problema di Cauchy, il ruolo speciale delle curve caratteristiche nella classificazione di un modello e nelle proprietà di propagazione ondosa dei modelli iperbolici, via la loro interpretazione di curve di singolarità del tipo "salto" del primo e del secondo ordine.
Generalizzazione a modelli evolutivi, parabolici e iperbolici, e stazionari, di tipo ellittico, in versione 3D: il ruolo delle superfici caratteristiche, interpretabili come le onde di discontinuità dei modelli iperbolici.
Come esempio il modello iperbolico quasi lineare del gas perfetto barotropico di Eulero verso le onde sonore in versione 1D e 3D: onde iperboliche sonore vs onde dispersive sonore, via la tecnica dei Modi Normali di Fourier.
Esempi classici e non del secondo ordine in versione 3D: descrizione di alcune tecniche analitiche per lo studio delle proprietà matematiche qualitative dei modelli.
L'argomento del tipo Energia in L^2: Condizioni al Bordo verso Teoremi di Unicità e risultati di Stabilità non lineare.
Uno studio comparativo fra i modelli lineari classici di diffusione, delle onde e delle onde smorzate, di Laplace e di Helmholtz con il modello parabolico semilineare dei liquidi viscosi di Navier-Stokes.
PDEs del primo ordine in forma conservativa verso l'equazione salto di Rankine-Hugoniot in forma 1D e 3D: onde d'urto come esempi di soluzioni deboli.
introduzione alla Meccanica dei Continui.
Una breve rivisitazione di calcolo tensoriale e di analisi tensoriale.
Localizzazioni, configurazioni, analisi delle deformazioni e le principali proprieta' cinematiche nei due diversi formalismi lagrangiano ed euleriano; il Teorema del Trasporto di Reynolds nelle sue varie forme.
Leggi di bilancio, in formulazione integrale e locale, anche in presenza di una superficie di singolarità per un campo incognito, a valori scalari e vettoriali.
Il ruolo delle equazioni costitutive per i vettori/tensori flusso: legge di Fick e sue possibili generalizzazioni verso i modelli di diffusione e reazione, parabolici e iperbolici, precedentemente discussi.
Derivazione delle equazioni salto di Rankine-Hugoniot, in presenza di una superficie di singolarità per il/i campo/i incogniti.
I principi di conservazione della Meccanica dei Continui e la loro forma locale, divergenza e convettiva: il Teorema di Cauchy ed il Teorema dell'Energia cinetica.
Le diverse teorie costitutive, classiche e non, per fluidi e corpi elastici: il modello di Eulero dei fluidi perfetti barotropici, il modello di Navier-Stokes per i fluidi linearmente viscosii/dissipativi, il modello di Maxwell per i fluidi viscoelastici e il modello di Navier per i solidi elastici lineari e omogenei.
I due Principi della Termodinamica, in formulazione integrale e locale.
Conduzione rigida del calore:l'equazione dell'energia calorica, la legge fenomenologica di Fourier verso teorie costitutive alternative con un ritardo di risposta come, per esempio, la correzione iperbolica di Maxwell-Cattaneo..
Motivazione e costruzione, in termini delle equazioni di bilancio e delle relazioni costitutive, via la Legge classica di Fick o le sue possibili generaizzazioni, dei modellamenti matematici quasi lineari, parabolici o iperbolici, in dinamica delle popolazioni (modello FKPP verso la correzione iperbolica di Mendez e Camacho), per il flusso del traffico (modello di Whitham verso il modello di Jordan) o, a più specie interagenti, in ambito bio-medico per la diffusione di virus e di batteri.
Come esempi, i modelli di diffusione e reazione dell'Hantavirus di Abramson e Kenkre, i modelli di diffusione e reazione, con termine "drift" di Keller-Segel e quello idrodinamico di Chavanis-Sire per le aggregazioni cellulari.
Modelli matematici a 3 specie interagenti per analizzare qualitativamente gli effetti delle sigarette elettroniche sul problema della cessazione del fumo.
Modelli matematici continui a confronto per l'insorgenza e la diffusione dell'Alzheimer.
Analogie fra la formazione del collasso chemotattico nei processi di aggregazione cellulare e l'instabilità gravitazionale di Jeans in ambito astrofisico, nei processi di formazione delle stelle e delle galassie.

Modalità d'esame

La verifica dell'apprendimento avviene mediante una prova orale nella quale la prima domanda riguarda l'approfondimento di un argomento/modello matematico, legato alle tematiche del corso, scelto dalla studente, seguito da domande del docente che partendo da questa tematica potrebbero spaziare su tutto il programma, con lo scopo di accertare la padronanza acquisita dei diversi formalismi presentati e delle loro finalità.
Per quanto concerne la verifica dell'apprendimento, è vietato l'uso dell'IA.

Testi di riferimento

F.John: Partial Differential Equations, Springer, 1991.
M.Renardy, R.C.Rogers: Introduction to PDEs, Springer, 2006.
I- Shih Liu: Continuum mechanics, Springer 2002.
T.Ruggeri: Introduzione alla termomeccanica dei sistemi continui ed ai sistemi iperbolici, UNITEXT, Springer 2025.
B.Straughan: The energy method, stability and nonlinear convection, Springer New York, 2004.
B.Straughan: Heat Waves Applied Mathematical Sciences, 177, Springer, New York, 2011.
J.D.Murray: Mathematical Biology. I: An Introduction, vol.17 of Interdisciplinary Appl. Math. Springer, New York, 2003a.
J.D.Murray: Mathematical Biology. II: Spatial Models and biomedical applications, vol.17 of Interdisciplinary Appl. Math. Springer, New York, 2003b.
Appunti e articoli di ricerca pubblicati su Virtuale

Codice insegnamento 76300

NUMERICAL DIFFERENTIAL EQUATIONS 1° anno · 2° semestre · 6 CFU · MAT/08 · 0 file

At the end of the course, students know advanced methods for the numerical treatment of partial differential problems in two and three dimensions. In particular, students are able to examine the construction, the…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, students know advanced methods for the numerical treatment of partial differential problems in two and three dimensions. In particular, students are able to examine the construction, the convergence and the implementation details of the principal methods associated with the numerical solution of important model problems occurring in scientific and social applications.

Programma

General principles of the numerical solution of Partial Differential Equations by finite differences and finite elements schemes. Algorithmic details related to the numerical solution of stationary Diffusion-Transport, Diffusion Reaction equations. Algorithmic details of numerical methods for time dependent PDEs.
Prerequisites

  • Matlab programming
  • Floating point arithmetic.
  • Numerical methods for the solution of linear systems;
  • Numerical methods for the solution of nonlinear equations. - Data approximation: polynomial and piecewise polynomial functions; interpolation and least-squares approximation. - Numerical integration: Newton-Cotes quadrature formulas.
    -Numerical Methods for ODE Initial value problems and boundary value problems.

Modalità d'esame

  • Project be submitted as a written report and presented orally.
  • Oral about theory and laboratory examples.

Testi di riferimento

Larsson S. and Thomee V. Partial differential equations with numerical methods, volume 45. Springer, 2003. Thomas, J. W.: Numerical Partial Differential Equations. Finite Difference Methods. New York etc., Springer-Verlag 1995 Thomas, J. W.: Numerical Partial Differential Equations. Conservation Laws and Elliptic Equations. New York etc., Springer-Verlag 1995 Johnson, C. Numerical Solution of Partial Differential Equations by the Finite Element Method, Dover publications, 2009.

Codice insegnamento 96765

NUMERICAL METHODS L'insegnamento è caldamente consigliato agli studenti che intendano seguire un percorso numerico e non abbiamo conoscenze pregresse su agli argomenti in programma. 1° anno · 1° semestre · 6 CFU · MAT/08 · 0 file

At the end of the course, students know basic numerical methods for evolutive ordinary and partial differential problems, together with their main theoretical and computational properties. In particular, students are…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, students know basic numerical methods for evolutive ordinary and partial differential problems, together with their main theoretical and computational properties. In particular, students are able to analyze the properties of numerical methods; constructively examine corresponding computational results; advance their scientific computing education in higher level courses; employ the acquired numerical skills in a variety of application areas.

Programma

Numerical solution of nonlinear systems:
Fixed point and Newton-type methods (modified and quasi-Newton). Globally convergent strategies.
Orthogonal polynomials and Gaussian Quadrature Formulas
Numerical solution of Ordinary Differential Equations (ODEs): Initial Value Problems
One-step methods and linear multistep methods. Convergence, zero-stability, absolute stability, and stiffness. Adaptive step-size selection and applications to Hamiltonian systems.
Numerical solution of Two Points Boundary Value Problems
Weighted Residual Methods: Collocation and Galerkin methods. Finite Difference methods, including stabilized schemes for diffusion-convection problems.

Modalità d'esame

Written Report and Oral Presentation: The project must be submitted as a detailed written report. Additionally, the project will be presented orally during the examination. Oral Examination: The oral exam will cover theoretical concepts and practical assignments. Be prepared to discuss and explain the theory behind your project as well as your approach to the assignments.

Testi di riferimento

Course Lecture notes
U. Ascher and L. Petzold. Computer methods for ordinary differential equations and differential-algebraic equations. SIAM, 1998. D.F. Griffths and D.J. Higham. Numerical Methods for Ordinary Differential Equations: Initial Value Problems. Springer, 2010. Randal J. LeVeque. Finite Difference Methods for Ordinary and Partial Differential Equations. SIAM, 2007. Alfio Quarteroni, Riccardo Sacco, and Fausto Saleri. Numerical Mathematics (Texts in Applied Mathematics). Springer-Verlag, Berlin, Heidelberg, 2006. H.B.Keller. Numerical Methods for Two-Point Boundary Value Problems. Dover Ed., 2018.

Codice insegnamento 35433

PDEs 1° anno · 2° semestre · 6 CFU · MAT/05 · 0 file

At the end of the course, students will be able to study linear PDEs of first and second order, mainly by classical methods. This knowledge is fundamental to all the theoretical and modelling. applications.

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, students will be able to study linear PDEs of first and second order, mainly by classical methods. This knowledge is fundamental to all the theoretical and modelling. applications.

Programma

Course contents
Divergence theorem and Green’s identities; mollification tools. Subharmonic functions: mean-value inequality and monotonicity of averages. Maximum principles: weak and strong versions. Comparison principle; uniqueness for the Dirichlet problem; counterexamples in unbounded domains. Harnack inequality and the Harnack principle for monotone limits. Weak Harnack inequality and the local maximum principle. Interior gradient estimates and the differential Harnack inequality. Liouville theorems and compactness of families of harmonic functions. Barrier constructions; Hopf’s lemma; quantitative Hopf–Oleinik lemma. Removable singularities for harmonic and subharmonic functions. Fundamental solution; Green functions; Poisson kernel; representation formulas. Basic characterizations of subharmonic functions. Perron’s method and boundary regularity via potential theory.
The Cauchy problem: heat kernel and representation formula. Qualitative properties of the heat flow: positivity and order preservation, smoothing estimates, conservation of mass, energy dissipation, decay, and infinite speed of propagation. The heat equation on a bounded interval: initial-boundary value problems, separation of variables, and Fourier series. Parabolic maximum and comparison principles, with applications to uniqueness. Energy estimates and uniqueness by the energy method.
The one-dimensional wave equation and d’Alembert’s formula. Finite speed of propagation and domain of dependence. Energy identity, uniqueness, and stability estimates.

Modalità d'esame

Assessment methods
The written examination is compulsory, lasts two hours and thirty minutes, and is graded on a 21-point scale. It focuses on standard problems involving the main concepts, methods, and qualitative principles developed during the course.
Students who do not take the written examination are not eligible to take the oral examination. Only students who take the written examination and obtain a score of at least 10/21 may proceed to the oral examination. Students who obtain a score below 10/21 must retake the written examination in a subsequent examination session.
Students who obtain a score between 10/21 and 17/21 must take the oral examination in order to complete the examination and reach the minimum passing grade of 18/30.
Students who obtain a score between 18/21 and 21/21 may either accept the written examination score as their final grade or take the optional oral examination in order to improve it.
The oral examination lasts up to 30 minutes and is graded on a 9-point scale. It consists of a discussion structured around three main questions, each worth 3 points, concerning the concepts, methods, and results developed during the course. Follow-up questions may be used to clarify the student’s answers and assess their understanding more accurately.
The final grade is obtained by adding the scores awarded in the written and oral examinations, up to a maximum of 30/30.
Honors (30 cum laude) may be awarded at the discretion of the instructor to students who achieve a final score of 30/30 and demonstrate outstanding mastery of the subject.
Selected problem sets and model problems may be assigned occasionally through the Virtuale platform. These materials, together with the examples discussed in class, will provide an excellent source of preparation for both the written and oral examinations and will illustrate the types of problems and arguments students are expected to master.

Testi di riferimento

Han, Qing. A Basic Course in Partial Differential Equations. Graduate Studies in Mathematics, Vol. 120. Providence, RI: American Mathematical Society (AMS), 2011. ISBN 978-0-8218-5255-2.
Evans, Lawrence C. Partial Differential Equations. Second edition. Graduate Studies in Mathematics, Vol. 19. Providence, RI: American Mathematical Society, 2010. xxii + 749 pp. ISBN-13: 978-0-8218-4974-3.

Codice insegnamento 96758

PRINCIPI DELLA MATEMATICA 1° anno · 1° semestre · 6 CFU · MAT/01 · 0 file

Al termine del corso, lo studente avràfamiliaritàcon i concetti fondamentali nell'ambito della teoria delle categorie. Lo studente sapràaltresìapplicare le competenze acquisite in vari settori della matematica pura,…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente avràfamiliaritàcon i concetti fondamentali nell'ambito della teoria delle categorie. Lo studente sapràaltresìapplicare le competenze acquisite in vari settori della matematica pura, con partico lare rilievo all'algebra omologica e la teoria dell'omotopia.

Programma

Questo corso e' un'introduzione ai principi della matematica nel contesto della logica e teoria delle categorie.
In particolare, il corso trattera' i seguenti argomenti:
Teoria delle categorie Algebra omologica Teoria dei fasci e topos

Modalità d'esame

L'esame consiste in una prova orale, che mira a verificare la comprensione dei concetti fondamentali presentati nel corso, e la capacita' di applicarli nella soluzione di problemi.

Testi di riferimento

Il corso si avvarra' di dispense preparate dal docente e da argomenti selezionati dai seguenti testi:
Awodey, Steve. Category theory. Second edition. Oxford Logic Guides, 52. Oxford University Press, Oxford, 2010. xvi+311 pp. ISBN: 978-0-19-923718-0 Mac Lane, Saunders. Categories for the working mathematician, Second Edition. Graduate Texts in Mathematics, 5. Springer-Verlag, New York, 1998. xii+314 pp. ISBN: 978-0-387-98403-2 Mac Lane, Saunders ; Moerdijk, Ieke. Sheaves in geometry and logic. A first introduction to topos theory. Corrected reprint of the 1992 edition. Universitext. Springer-Verlag, New York, 1994. xii+629 pp. ISBN: 0-387-97710-4

Codice insegnamento 34756

PROCESSI STOCASTICI 1° anno · 1° semestre · 6 CFU · MAT/06 · 0 file

Al termine del corso, lo studente conosce i fondamenti della teoria dei processi stocastici a tempo discreto e continuo, apprende inoltre le basi matematiche del calcolo stocastico secondo Itô. È in grado di condurre…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente conosce i fondamenti della teoria dei processi stocastici a tempo discreto e continuo, apprende inoltre le basi matematiche del calcolo stocastico secondo Itô. È in grado di condurre autonomamente lo studio di discipline matematiche pure e applicate che richiedano la conoscenza di strumenti avanzati di probabilità e della teoria dei processi stocastici.

Programma

The course aims at providing the minimum basic knowledge to be able to undertake independently the study of advanced topics of stochastic analysis, such as the courses http://www.hairer.org/Teaching.html by Martin Hairer, Fields medalist in 2014. The course contains an introduction to the theory of stochastic processes and stochastic differential equations that naturally intervene in applications in physics and economics, highlighting the link with the theory of elliptic-parabolic partial differential equations.
More details at the webpage of the course
Program Introduction to stochastic processes. Law and finite-dimensional distributions. Gaussian processes. Equivalence of processes: equivalence in law, modifications, indistinguishability. Existence: Kolmogorov's extension theorem. The case of Gaussian processes. Review of conditional expectation. Filtrations and martingales. Doob's decomposition theorem: the discrete case. Transition law of a process. Markov process. Extended Markov property. Processes with independent increments, Markov processes, and martingales. Finite-dimensional distributions of a Markov process. Chapman-Kolmogorov equation. Existence. Poisson and Gaussian transition laws. Infinitesimal generator of a Markov process. Poisson process: definition and main properties. Continuous stochastic processes. Kolmogorov continuity theorem: application to the Gaussian case. Brownian motion: definition and characterization as a Gaussian process. Markov and martingale properties. Discrete stopping times. Optional sampling theorem. Doob's maximal inequalities. Upcrossing lemma. The continuous case: usual hypotheses. Optional sampling, maximal inequalities, and upcrossing lemma in the continuous case. Existence of cadlag modifications of martingales. BV functions. Variation theory. Riemann-Stieltjes integral and deterministic Ito formula. Lebesgue-Stieltjes integral. Quadratic variation of Brownian motion. Continuous martingales with bounded variation. Quadratic variation process of a square-integrable continuous martingale. Covariance matrix process. Multidimensional Brownian motion. Correlated Brownian motion. Construction of the stochastic integral with respect to Brownian motion. Progressively measurable processes. The case of simple processes: Ito isometry, martingale property of the integral, and quadratic variation of the stochastic integral. Stochastic integral in L^2. Local martingales. Stochastic integral in L^2_loc. Ito processes. One-dimensional Ito formula for Brownian motion. Geometric Brownian motion as a solution of a linear stochastic differential equation. Brownian motion and the heat operator. Stochastic integral with respect to a (local) continuous martingale and an Ito process. One-dimensional Ito formula. Ito processes with deterministic coefficients. Multidimensional Ito processes and Ito formula. Examples and applications: Feynman-Kac formula for Brownian motion. Dirichlet problem for the Laplace operator and the heat operator.

Modalità d'esame

See Virtuale

Testi di riferimento

A. Pascucci, Probability Theory II, Springer (2024)

Codice insegnamento 17266

REAL AND HARMONIC ANALYSIS 1° anno · 2° semestre · 6 CFU · MAT/05 · 0 file

At the end of the course, the student has a knowledge of some basic features and methods of real and harmonic analysis.

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student has a knowledge of some basic features and methods of real and harmonic analysis.

Programma

Conoscenze preliminari:
Spazi di Lebesgue L^p; Teorema di Hahn-Banach; Trasformata di Fourier in L^2; distribuzioni temperate.
Contenuti del corso:
Spazi di Lebesgue deboli e loro proprieta'. Teoremi di interpolazione per gli spazi di Lebesgue deboli (Marcinckiewicz) e forti (Riesz-Thorin). Lemma di ricoprimento di Besicovich. Funzioni massimali di Hardy-Littlewood. Teorema di differenziazione di Lebesgue. Trasformata di Hilbert. Trasformate di Riesz. Integrali singolari omogenei. Decomposizione di Calderon-Zygmund.
Tempo permettendo, integrali singolari a valori vettoriali.

Modalità d'esame

The evaluation is based on an oral examination that starts with the discussion of a topic chosen by the student among the topics covered during the course. The student will then answer questions pertaining to the proof of theorems that were demonstrated during lecture; the solution of exercises shown in class by the professor, or assigned by the professor as practice problems; the discussion of examples shown in class by the professor, or assigned by the professor as supplemental reading.
Students enrolled in the General Curriculum may choose to take the oral exam in Italian.
Students with learning disorders and\or temporary or permanent disabilities: please, contact the office responsible (https://site.unibo.it/studenti-con-disabilita-e-dsa/en/for-students) as soon as possible so that they can propose acceptable adjustments. The request for adaptation must be submitted in advance (15 days before the exam date) to the lecturer, who will assess the appropriateness of the adjustments, taking into account the teaching objectives.

Testi di riferimento

We will use the following textbook:
Loukas Grafakos, ``Classical Fourier Analysis'', 3d Edition (2014), Springer Graduate Texts in Mathematics v. 249.

Codice insegnamento 96772

REPRESENTATION THEORY 1° anno · 1° semestre · 6 CFU · MAT/02 · 0 file

At the end of the course, the student knows the fundamental notions of finite-dimensional Lie algebras and their representation theory. The student is able to handle the main tools of this theory that can be used to…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student knows the fundamental notions of finite-dimensional Lie algebras and their representation theory. The student is able to handle the main tools of this theory that can be used to construct mathematical models.

Programma

Al termine del corso, lo studente conosce i principali risultati strutturali sulle algebre di Lie di dimensione finita e i fondamenti della loro teoria delle rappresentazioni. È in grado di utilizzare i metodi standard per lo studio delle algebre di Lie semisemplici e delle loro rappresentazioni di dimensione finita.
----------
Algebre di Lie di dimensione finita su un campo algebricamente chiuso di caratteristica zero. Algebre di Lie risolubili e nilpotenti. Algebre di Lie semisemplici, decomposizioni in radici e classificazione. Rappresentazioni di dimensione finita delle algebre di Lie semisemplici, pesi dominanti e classificazione delle rappresentazioni irriducibili.

Modalità d'esame

L’esame è orale. Potrà inoltre essere richiesta la consegna di alcune soluzioni tratte dai fogli di esercizi.

Testi di riferimento

J. E. Humphreys, Introduction to Lie Algebras and Representation Theory, Springer.
V. Kac, dispense dell'MIT sulle algebre di Lie.
K. McGerty, dispense online sulle algebre di Lie.

Codice insegnamento 96759

RIEMANNIAN GEOMETRY 1° anno · 1° semestre · 6 CFU · MAT/03 · 0 file

At the end of the course, the student acquires advanced knowledge on differential calculus on smooth manifolds and knowledge on the main problems and methods that arise from the study of Riemannian structures,…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student acquires advanced knowledge on differential calculus on smooth manifolds and knowledge on the main problems and methods that arise from the study of Riemannian structures, particularly with regard to geodesics. The student knows the fundamental examples and is able to handle the main tools of the theory that can be used to construct mathematical models.

Programma

1) varietà topologica 2)strutture lisce 3) campi vettoriali, forme differenziali, fibrato tensoriale 4) metrico 5) connessioni 6) curvature

Modalità d'esame

take home exam+esame orale

Testi di riferimento

J.M. Lee: introduction to smooth manifolds
J.M. Lee: introduction to Riemannian manifolds
Luca Vitagliano: A primer on smooth manifolds
Notes on virtuale

Codice insegnamento 96757

STOCHASTIC CALCULUS I 1° anno · 1° semestre · 6 CFU · MAT/06 · 0 file

At the end of the course, the students know the fundamentals of the theory of stochastic processes in discrete and continuous time that naturally intervene in applications in Physics, Economics, Biology and Engineering.

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the students know the fundamentals of the theory of stochastic processes in discrete and continuous time that naturally intervene in applications in Physics, Economics, Biology and Engineering.

Programma

The course aims at providing the minimum basic knowledge to be able to undertake independently the study of advanced topics of stochastic analysis, such as the courses http://www.hairer.org/Teaching.html by Martin Hairer, Fields medalist in 2014. The course contains an introduction to the theory of stochastic processes and stochastic differential equations that naturally intervene in applications in physics and economics, highlighting the link with the theory of elliptic-parabolic partial differential equations.
More details at the webpage of the course
Program Introduction to stochastic processes. Law and finite-dimensional distributions. Gaussian processes. Equivalence of processes: equivalence in law, modifications, indistinguishability. Existence: Kolmogorov's extension theorem. The case of Gaussian processes. Review of conditional expectation. Filtrations and martingales. Doob's decomposition theorem: the discrete case. Transition law of a process. Markov process. Extended Markov property. Processes with independent increments, Markov processes, and martingales. Finite-dimensional distributions of a Markov process. Chapman-Kolmogorov equation. Existence. Poisson and Gaussian transition laws. Infinitesimal generator of a Markov process. Poisson process: definition and main properties. Continuous stochastic processes. Kolmogorov continuity theorem: application to the Gaussian case. Brownian motion: definition and characterization as a Gaussian process. Markov and martingale properties. Discrete stopping times. Optional sampling theorem. Doob's maximal inequalities. Upcrossing lemma. The continuous case: usual hypotheses. Optional sampling, maximal inequalities, and upcrossing lemma in the continuous case. Existence of cadlag modifications of martingales. BV functions. Variation theory. Riemann-Stieltjes integral and deterministic Ito formula. Lebesgue-Stieltjes integral. Quadratic variation of Brownian motion. Continuous martingales with bounded variation. Quadratic variation process of a square-integrable continuous martingale. Covariance matrix process. Multidimensional Brownian motion. Correlated Brownian motion. Construction of the stochastic integral with respect to Brownian motion. Progressively measurable processes. The case of simple processes: Ito isometry, martingale property of the integral, and quadratic variation of the stochastic integral. Stochastic integral in L^2. Local martingales. Stochastic integral in L^2_loc. Ito processes. One-dimensional Ito formula for Brownian motion. Geometric Brownian motion as a solution of a linear stochastic differential equation. Brownian motion and the heat operator. Stochastic integral with respect to a (local) continuous martingale and an Ito process. One-dimensional Ito formula. Ito processes with deterministic coefficients. Multidimensional Ito processes and Ito formula. Examples and applications: Feynman-Kac formula for Brownian motion. Dirichlet problem for the Laplace operator and the heat operator.

Modalità d'esame

See Virtuale

Testi di riferimento

A. Pascucci, Probability Theory II, Springer (2024)

Codice insegnamento B0319

STOCHASTIC CALCULUS II 1° anno · 2° semestre · 6 CFU · MAT/06 · 0 file

At the end of the course, the student knows the fundamental ideas and tools of stochastic control theory in continuous time and its connections with the theory of parabolic and elliptic partial differential equations.…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student knows the fundamental ideas and tools of stochastic control theory in continuous time and its connections with the theory of parabolic and elliptic partial differential equations. The student can independently carry out further studies on stochastic dynamic optimization for a wide range of applications (Economics, Finance, Biology, Epidemiology, Engineering).

Programma

Prerequisiti: teoria della probabilità e dei processi stocastici a tempo continuo.
Part I - Introduction to optimal control theory
Introduction to optimal control and dynamic optimization: Motivations and examples. Formulation of optimal control problems in continuous time. Basic ideas and results of the dynamic programming method in the deterministic setting.
Part II - Stochastic optimal control
Bellman's optimality principle; Hamilton-Jacobi-Bellman equations: classical and viscosity solutions; some regularity results for HJB equations; verification theorems and transversality conditions. Applications to portfolio optimization.
Part III - Optimal stopping and singular stochastic control
Dynamic to programming equation and verification theorems. Applications American options and to irreversible investment problems.

Modalità d'esame

Esame orale

Testi di riferimento

Notes of the teacher H. Pham, Continuous-time Stochastic Control and Optimization with Financial Applications, Springer-Verlag (2009). J. Yong, X.Y. Zhou, Stochastic controls: Hamiltonian systems and HJB equations, Springer (1999).

Codice insegnamento B0320

STORIA DELLA MATEMATICA 1° anno · Annuale · 9 CFU · MAT/04 · 0 file

Al termine del corso, lo studente: - possiede un'approfondita conoscenza storica ed epistemologica dei principali temi-chiave della matematica e del pensiero matematico; possiede altresì una buona visione panoramica…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente: - possiede un'approfondita conoscenza storica ed epistemologica dei principali temi-chiave della matematica e del pensiero matematico; possiede altresì una buona visione panoramica generale dell'evoluzione della matematica e del pensiero matematico; - è in grado di usare questi strumenti culturali da un punto di vista professionale, applicandoli alla 'teoria degli ostacoli' e dunque alla valutazione ed all'intervento concreto ed efficace relativo ad alcune difficoltà oggettive degli studenti nell'apprendimento della matematica; - è in grado di usare queste conoscenze per la elaborazione di materiali didattici efficaci da sperimentare in aula.

Programma

Le origini della matematica nelle civiltà antiche, con particolare attenzione ai sistemi di numerazione, ai metodi di calcolo e alla risoluzione di problemi pratici nella matematica egizia e mesopotamica. La nascita della matematica dimostrativa nella Grecia antica: Talete e Pitagora, la scoperta degli incommensurabili, la teoria delle proporzioni e la progressiva affermazione del metodo deduttivo. Gli Elementi di Euclide e l’organizzazione assiomatica del sapere matematico; i contributi di Archimede allo studio delle aree, dei volumi e dei metodi infinitesimali, e quelli di Apollonio alla teoria delle sezioni coniche. Gli sviluppi della matematica ellenistica e tardo-antica, con particolare riferimento all’aritmetica di Diofanto, alla geometria di Pappo e alla trasformazione dei metodi matematici nel passaggio dall’antichità al Medioevo. La matematica in India, in Cina e nel mondo islamico, considerando lo sviluppo dei sistemi di numerazione posizionale, dell’algebra, della trigonometria e dei procedimenti di calcolo, nonché il ruolo della cultura araba nella conservazione e nella trasmissione dei testi greci. La matematica nell’Europa medievale e rinascimentale: Fibonacci e la diffusione della numerazione indo-arabica, lo sviluppo dell’algebra abachistica e la risoluzione delle equazioni di terzo e quarto grado da parte degli algebristi italiani. La nascita dell’algebra simbolica e della matematica moderna, attraverso i contributi di Viète, Napier, Descartes e Fermat, con particolare attenzione ai logaritmi, alla geometria analitica e all’unificazione dei metodi algebrici e geometrici. La rivoluzione scientifica e il ruolo della matematica nella nuova scienza, con riferimenti a Galileo, Keplero, Pascal e agli sviluppi della teoria della probabilità, della meccanica e dello studio delle curve. La nascita del calcolo infinitesimale con Newton e Leibniz, esaminata sia dal punto di vista dei problemi che ne determinarono lo sviluppo sia da quello delle differenze concettuali, metodologiche e notazionali tra i due approcci. La matematica del Settecento, con particolare riferimento ai Bernoulli, a Euler, d’Alembert, Lagrange e Laplace, e allo sviluppo dell’analisi, delle equazioni differenziali, della meccanica e della teoria delle probabilità. La matematica dell’Ottocento: Gauss, Cauchy, Abel, Galois, Riemann e Cantor; la progressiva rigorizzazione dell’analisi, la nascita della teoria dei gruppi, le geometrie non euclidee, la teoria delle funzioni e la teoria degli insiemi. La crisi dei fondamenti e i principali sviluppi tra Ottocento e Novecento, con cenni ai programmi di Hilbert, alla logica matematica, ai teoremi di incompletezza di Gödel e alle trasformazioni del linguaggio e della struttura della matematica moderna.

Modalità d'esame

Prova orale
Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.

Testi di riferimento

Boyer - Storia della Matematica

Codice insegnamento 34740

TEORIA AVANZATA DI EQUAZIONI ALLE DERIVATE PARZIALI 1° anno · 1° semestre · 6 CFU · MAT/05 · 0 file

Al termine del corso lo studente possiede conoscenze avanzate della teoria di alcune rilevanti equazioni alle derivate parziali. In particolare è in grado di ottenere proprietà fini delle soluzioni dell'equazione e dei…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente possiede conoscenze avanzate della teoria di alcune rilevanti equazioni alle derivate parziali. In particolare è in grado di ottenere proprietà fini delle soluzioni dell'equazione e dei relativi problemi associati.

Programma

Il corso si articola in due moduli entrambi riguardanti la teoria delle equazioni ellittiche lineari e semilineari.
La prima parte riguarda la teoria classica per l'esistenza e unicità di soluzioni.
MODULO 1 (N. Abatangelo)
funzioni armoniche, soluzione fondamentale del Laplaciano e nucleo di Poisson; funzioni subarmoniche e metodo di Perron per l'esistenza a problemi lineari; principi di massimo debole e forte, classici e su domini piccoli, lemma di Hopf; metodi per l'esistenza di soluzioni su domini limitati; principi di confronto e unicità della soluzione.
La seconda parte riguarda le proprietà qualitative di soluzioni e risultati di non esistenza.
MODULO 2 (E. Vecchi)
simmetria e monotonia con la tecnica dei piani mobili e delle sfere mobili; non esistenza di soluzioni in vari contesti: via piani mobili nello spazio intero, via identità di Pohozaev in domini stellati; problema sovradeterminato e rigidità delle palle: gli approcci di Serrin e Weinberger; cenni sul teorema della bolla di sapone di Alexandrov e il problema di torsione di Saint-Venant.

Modalità d'esame

A scelta tra esame tradizionale orale oppure seminario su un argomento legato a tematiche del corso.

Testi di riferimento

S. Dipierro e E. Valdinoci, Elliptic partial differential equations from an elementary viewpoint---a fresh glance at the classical theory, World Scientific Publishing Co., 2024. P. Quittner e Ph. Souplet, Superlinear parabolic problems, Birkhäuser, 2019. A. Ambrosetti e D. Arcoya, An introduction to nonlinear functional analysis and elliptic problems, Birkhäuser, 2011. A. Ambrosetti e A. Malchiodi, Nonlinear analysis and semilinear elliptic problems, Cambridge Univ. Press, 2007.

Codice insegnamento 96747

TEORIA DEGLI INSIEMI 1° anno · 2° semestre · 6 CFU · MAT/01 · 0 file

Al termine del corso, lo studente possiedera' competenze di base ed avanzate riguardo alla teoria assiomatica degli insiemi di Zermelo-Fraenkel con l'Assioma di Scelta (ZFC) ed il metodo del forcing. Sapra' altresi'…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente possiedera' competenze di base ed avanzate riguardo alla teoria assiomatica degli insiemi di Zermelo-Fraenkel con l'Assioma di Scelta (ZFC) ed il metodo del forcing. Sapra' altresi' usare tali competenze nel contesto di dimostrazioni di risultati di indipendenza dagli assiomi di ZFC.

Codice insegnamento B7169

TEORIA DEGLI SCHEMI 1° anno · 2° semestre · 6 CFU · MAT/03 · 0 file

Al termine del corso, lo studente possiede una conoscenza di base nell’ambito della geometria algebrica, in particolare per quanto riguarda la teoria degli schemi; è in grado di utilizzare queste conoscenze nella propria…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente possiede una conoscenza di base nell’ambito della geometria algebrica, in particolare per quanto riguarda la teoria degli schemi; è in grado di utilizzare queste conoscenze nella propria ricerca in ambito sia geometrico sia algebrico.

Programma

La teoria degli schemi, sviluppata da Alexander Grothendieck negli anni '60 del secolo scorso, è il linguaggio moderno e rigoroso con cui si studia/fa/scrive la geometria algebrica. Esso unifica la geometria algebrica classica (ovvero lo studio dei luoghi di zeri di equazioni polinomiali a coefficienti in un campo algebricamente chiuso) e la teoria algebrica dei numeri (ovvero lo studio del comportamento degli ideali primi rispetto alle estensioni finite di campi del campo dei numeri razionali), permettendo di dare intuizione geometrica all'algebra commutativa. Vale la seguente analogia: il calcolo differenziale (cioè lo studio delle funzioni differenziabili tra aperti di R^n svolto ad Analisi 2) sta alla geometria differenziale (cioè lo studio delle varietà differenziabili), come l'algebra commutativa (cioè lo studio degli anelli commutativi) sta alla teoria degli schemi. Infatti, in modo molto vago, si può dire che uno schema è un "oggetto geometrico" che localmente si comporta come un anello. Gli argomenti trattati nel corso comprendono: fasci, schemi, proprietà globali e locali degli schemi, fasci coerenti. Prerequisiti: - geometria proiettiva (come trattata nel corso 54777 - GEOMETRIA PROIETTIVA): spazio proiettivo, carte affini, coordinate omogenee, proiettività, (dis)omogeneizzazione di polinomi, ipersuperfici algebriche affini e proiettive, quadriche e coniche, studio delle singolarità delle curve algebriche piane, una qualche definizione di molteplicità di intersezione tra due curve, enunciato del teorema di Bezout. Referenze: libro "Geometria 1" di Sernesi, capitoli 3,4; libro "Geometria proiettiva" di Fortuna, Frigerio, Pardini. - geometria algebrica "classica" (come trattata nel corso B9037 - VARIETA' ALGEBRICHE oppure in 96733 - CURVE E SUPERFICI ALGEBRICHE negli scorsi anni accademici): topologia di Zariski su k^n e su P^n(k) per un campo algebricamente chiuso k, Nullstellensatz, corrispondenza tra ideali massimali/primi/radicali e punti/chiusi irriducibili/chiusi, varietà affini e (quasi-)proiettive, funzioni regolari, morfismi, equivalenza tra la categoria delle varietà affini e la categoria delle k-algebre ridotte di tipo finito, prodotti, immersioni di Segre e di Veronese, funzioni e mappe razionali, equivalenza tra la categoria i cui oggetti sono le varietà irriducibili e le cui frecce sono le mappe razionali dominanti e la categoria delle estensioni finitamente generate di campi di k, dimensione, spazio tangente e liscezza. Referenze: libro "Algebraic Geometry" di Hartshorne, sezioni I.1-5; libro "An invitation to algebraic geometry" di Smith et al, capitoli 1-7; libro "Undergraduate algebraic geometry" di Reid; libro "Basic algebraic geometry" di Shafarevich, sezioni 1.1-6, 2.1; libro "Algebraic Geometry 1. Complex projective varieties" di Mumford; appunti di geometria algebrica di O'Grady https://www1.mat.uniroma1.it/people/ogrady/index-geom-alg-2024.html libro "An Undergraduate Primer in Algebraic Geometry" di Ciliberto.
NOVITÀ per gli a.a.2025/26 e a.a.2026/27: in questi anni accademici, tutto il materiale del corso di Algebra Commutativa non è piú un prerequisito per il corso di Teoria degli Schemi. Tuttavia, non pochi argomenti di Algebra Commutativa costituiscono ancora dei prerequisiti. Quindi, se si vuole seguire Teoria degli Schemi nel secondo semestre dell'AA2026/27 e non si è mai seguito il corso di Algebra Commutativa, allora è assolutamente necessario seguire il corso di Algebra Commutativa contemporaneamente a Teoria degli Schemi, cioè durante il secondo semestre dell'AA2026/27. Infatti, le presentazioni degli argomenti di algebra commutativa e di teoria degli schemi sono coordinate, in modo che i prerequisiti di algebra commutativa per il corso di schemi saranno forniti dal docente di algebra commutativa prima che vengano utilizzati nel corso di schemi.
Tutto il materiale (riferimenti bibliografici, registro delle lezioni, fogli degli esercizi, regole per l'esame) può essere trovato nella pagina web del corso. Per adesso è disponibile la pagina web dello scorso anno accademico, da cui si può accedere anche alle pagine web degli anni precedenti:
https://www.dm.unibo.it/~andrea.petracci3/2026Schemi/

Modalità d'esame

Esercizi per casa + esame orale
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

Testi consigliati:
Hartshorne, Algebraic geometry, GTM 52, Springer
Liu, Algebraic Geometry and Arithmetic Curves, Oxford Graduate Texts in Mathematics
Altri testi per la consultazione:
Mumford, The Red Book of Varieties and Schemes, Springer
Eisenbud & Harris, The geometry of schemes, GTM 197, Springer
Görtz & Wedhorn, Algebraic geometry I: Schemes, Springer
Görtz & Wedhorn, Algebraic geometry II: Cohomology of schemes, Springer
Vakil, The rising sea, Foundations of algebraic geometry, Princeton University Press oppure https://math.stanford.edu/~vakil/216blog/

Codice insegnamento 96734

TEORIA DEI GRAFI 1° anno · 2° semestre · 6 CFU · MAT/02 · 0 file

Alla fine del corso lo studente conosce le nozioni ed i risultati fondamentali della teoria dei grafi ed è in grado di studiare le problematiche collegate, relative a vari settori della scienza e della tecnologia.

Scheda dell'insegnamento

Obiettivi formativi

Alla fine del corso lo studente conosce le nozioni ed i risultati fondamentali della teoria dei grafi ed è in grado di studiare le problematiche collegate, relative a vari settori della scienza e della tecnologia.

Programma

Definizione di grafo e di grafo semplice. Grado di un vertice. Lemma delle strette di mano. Esempi: grafi completi, circuiti, ruote, cubi.
Sottografo. Isomorfismo tra grafi.
Grafo connesso. Componenti connesse di un grafo. Relazione tra numero di lati e numero di vertici in un grafo connesso e semplice. Ponti e punti di articolazione. Grafo bipartito. Teorema: un grafo è bipartito se e solo se non contiene cicli di lunghezza dispari.
Alberi e foreste. Teorema: ogni albero possiede almeno due vertici di grado 1. Teorema: un albero con n vertici ha n–1 lati.
Teorema di Cayley sul numero di alberi con n vertici. Albero generatore. Teorema: ogni grafo connesso possiede un albero generatore. Algoritmo di visita in profondità e algoritmo di visita in ampiezza.
Matrici di adiacenza e di incidenza di un grafo. Prime proprietà. Laplaciano di un grafo. Teorema degli alberi generatori.
Grafi Euleriani e loro caratterizzazione. Algoritmo di Fleury. Grafi Hamiltoniani. Teorema di Ore sui grafi Hamiltoniani. Teorema di Dirac.
Grafo dei lati. Teorema: se un grafo è Euleriano, il suo grafo dei lati è sia Euleriano che Hamiltoniano.
Matching in un grafo: definizione ed esempi. Matching perfetto. Matching massimale e massimo. Cammino aumentante. Condizione necessaria e sufficiente affinché un matching sia massimo.
Matching nei grafi bipartiti: teorema di Hall e sue conseguenze. Vertex cover. Relazione tra la cardinalità di un vertex cover minimo e quella di un matching massimo. Esempi.
Teorema di Koenig-Egervary: in un grafo bipartito la cardinalità di un vertex cover minimo è uguale a quella di un matching massimo. Nozione di insieme indipendente di vertici e di edge cover. Relazione tra le varie cardinalità. Teorema di Gallai e sue conseguenze.
Matching nei grafi qualsiasi: esempi. Algoritmo del matching perfetto. Teorema di Tutte: condizione necessaria e sufficiente affinché un grafo possieda un matching perfetto.
Grafi planari e grafi piani. Facce di un grafo piano. Duale di un grafo piano.
Contrazione di un grafo rispetto ad un lato. Formula di Eulero per i grafi planari e sue conseguenze. Solidi platonici.
Colorazioni di grafi. Numero cromatico. Teorema di Koenig: un grafo semplice ha numero cromatico 2 se e solo se è bipartito. Limitazioni superiori ed inferiori per il numero cromatico di un grafo. Algoritmo euristico di colorazione.
Colorazione ottima di un grafo semplice ottenuta risolvendo un problema di programmazione lineare. Colorazione dei grafi planari. Teorema dei cinque colori. Cenni sul teorema dei quattro colori.
Polinomio cromatico di un grafo semplice e sue proprietà: ricorrenza, monicità, interpretazione esplicita di alcuni dei suoi coefficienti. Polinomio di Tutte di un grafo: definizione, proprietà e sua relazione con il polinomio cromatico.
Grafi perfetti: definizione e proprietà. Esempi di grafi perfetti: grafi bipartiti. Grafi di confrontabilità di un ordine parziale: Teoremi di Mirsky e di Dilworth. Teorema di Lovasz: il complementare di un grafo perfetto è perfetto. Il complementare di un grafo bipartito è perfetto: connessione con il teorema di Koenig. Il grafo delle inversioni di una permutazione è perfetto.
Connessione per vertici. Numero di connessione di un grafo. Limitazioni superiori per il numero di connessione. Grafi di Harary.
Connessione per lati e numero relativo. Legame tra numero di connessione per vertici, numero di connessione per lati e grado minimo dei vertici. Taglio in un grafo. Relazione tra insiemi separatori di lati e tagli.
Reti. Flusso in una rete. Algoritmo di Ford-Fulkerson per la costruzione di un flusso massimo. Teorema del flusso massimo - taglio minimo e sue conseguenze.
Teoria di Ramsey. Principio dei cassetti. Teorema di Ramsey. Minorazioni e maggiorazioni per i numeri di Ramsey e calcolo esplicito di alcuni di questi numeri.

Modalità d'esame

La valutazione consiste esclusivamente in un esame orale. Su base volontaria, gli studenti potranno presentare un recente articolo di ricerca che illustri nuovi risultati nella teoria dei grafi. Il docente potrà fornire un elenco di possibili articoli, oppure gli studenti potranno proporre un articolo di loro scelta, previa approvazione del docente. Tale presentazione potrà concorrere fino alla metà della valutazione finale. La parte restante dell’esame comprenderà comunque domande sulle dimostrazioni di teoremi selezionati e sugli argomenti trattati durante il corso.

Testi di riferimento

Graph Theory with Applications by J.A. Bondy and U.S.R. Murty (North-Holland/Macmillan, 1976)
Dispensa dei Professori Casolo e Fumagalli disponibile online.

Codice insegnamento 06690

TEORIA GEOMETRICA DEI GRUPPI 1° anno · 2° semestre · 6 CFU · MATH-02/B · 0 file

Al termine del corso lo studente acquisisce i fondamenti della teoria geometrica dei gruppi: sa legare proprietà algebriche di gruppi finitamente generati e proprietà metriche degli spazi su cui agiscono. È in grado di…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente acquisisce i fondamenti della teoria geometrica dei gruppi: sa legare proprietà algebriche di gruppi finitamente generati e proprietà metriche degli spazi su cui agiscono. È in grado di applicare le nozioni acquisite per la risoluzione di problemi e la costruzione di dimostrazioni.

Programma

La Teoria Geometrica dei Gruppi esplora le profonde connessioni tra le proprietà geometriche e algebriche dei gruppi.
Al centro di questo campo di ricerca vi sono domande quali: i gruppi possono essere visti come oggetti geometrici e in che modo le loro proprietà algebriche sono codificate nella loro geometria? Più in generale, su quali spazi geometrici possono agire specifici gruppi in modo significativo e come le proprietà di tali azioni riflettono la struttura algebrica dei gruppi stessi?
Ad esempio, la proprietà di essere un gruppo libero può essere caratterizzata attraverso le sue azioni su alberi, fornendo un'elegante dimostrazione del fatto che i sottogruppi dei gruppi liberi sono a loro volta liberi. In questo corso, tradurremo concetti geometrici — come geodetiche, curvatura e volume — nel linguaggio della teoria dei gruppi.
Il corso è strutturato in due parti. La prima parte introduce i gruppi liberi e la costruzione dei grafi di Cayley, fornendo un approccio geometrico alla rappresentazione dei gruppi. Esamineremo quindi la nozione di quasi-isometria, che ci consente di formalizzare lo studio della “geometria su larga scala”, in cui due spazi sono considerati equivalenti se visti da grande distanza (si pensi, ad esempio, a un reticolo quadrato nel piano e al piano stesso). Questa sezione culmina nel Lemma di Švarc–Milnor, che stabilisce che un gruppo che agisce “bene” su uno spazio metrico è quasi-isometrico a tale spazio, condividendone quindi le proprietà geometriche su larga scala. Concluderemo questa parte analizzando i gruppi iperbolici, che si comportano come lo spazio iperbolico quando osservati da lontano.
La seconda parte del corso si concentra sulla crescita dei gruppi e sulla sua relazione con l'amenabilità. La crescita di gruppi è un invariante quasi-isometrico; misureremo il “volume” delle palle in un gruppo finitamente generato e ne analizzeremo il comportamento asintotico al tendere del raggio all'infinito. I gruppi amenabili sono caratterizzati dall'esistenza di una “media” — una definizione che, pur essendo di natura analitica, racchiude profonde intuizioni algebriche e geometriche. Dimostreremo che i gruppi finitamente generati a crescita subesponenziale sono necessariamente amenabili. Il corso si conclude con un'introduzione alle tecniche coomologiche nello studio di gruppi: più precisamente, forniremo una caratterizzazione coomologica dei gruppi amenabili attraverso l'annullamento della coomologia limitata e discuteremo la nozione di quasimorfismi.
Prerequisiti: Al fine di poter apprezzare i contenuti del corso è consigliabile che gli studenti abbiano una solida preparazione in algebra, geometria e analisi come svolti nei primi due anni di una laurea triennale: in particolare, spazi metrici, teoria dei gruppi, algebra lineare, topologia e gruppo fondamentale. Conoscenze più avanzate di geometria, topologia e analisi (come topologia algebrica, geometria differenziale o Riemanniana e analisi funzionale) sono utili, ma non indispensabili.

Modalità d'esame

Durante ogni 4 lezioni viene caricata sulla piattaforma Virtuale una scheda con 2 esercizi da svolgere. In totale le schede saranno 6 (e gli esercizi 12). In preparazione all'esame gli studenti sono tenuti a preparare le soluzioni di 4 esercizi selezionati su 4 schede diverse.
L'esame si svolgerà in due parti. La prima prova teorica consiste in una delle due opzioni seguenti (il cui punteggio massimo è 22 punti):
Esame orale classico su tutto il programma svolto nel corso; Esame orale a seminario. Il seminario dalla durata approssimativa di 30 minuti (60 minuti se svolto in coppia, 90 minuti se svolto in 3 persone) verterà su argomenti complementari e di approfondimento rispetto a quanto visto a lezione. Un elenco dei seminari possibili verrà caricato sulla piattaforma Virtuale all'inizio del corso. Il seminario verrà valutato in base ai seguenti criteri: comprensione (5 punti), esposizione (5 punti), organizzazione del seminario (5 punti), proprietà di linguaggio acquisita durante il corso (5 punti) e approfondimento (2 punti).
Successivamente verrà richiesta la soluzione alla lavagna di uno dei 4 esercizi preparati dallo studente. Lo studente avrà 5 minuti di tempo per riguardare i suoi appunti prima di svolgere la soluzione alla lavagna. Tale soluzione varrà un punteggio massimo di 10 punti.
Qualora il punteggio finale sia pari a 31 o 32, il voto sarà verbalizzato come '30 e Lode'.

Testi di riferimento

I testi di riferimento per il corso sono i seguenti:
Clara Löh - "Geometric group theory" Roberto Frigerio - "Bounded cohomology of discrete groups"
Altri testi utili di Teoria Geometrica dei Gruppi sono i seguenti:
Druţu, Kapovich - "Geometric group theory" (disponibile online) Clay, Margalit - "Office Hours with a Geometric Group Theorist" Bridson, Haefliger - "Metric Spaces of Non-Positive Curvature"

Codice insegnamento 96742

TOPICS IN HOLOMORPHIC FUNCTION THEORY 1° anno · 1° semestre · 6 CFU · MAT/05 · 0 file

Al termine del corso lo studente è in grado di affrontare problematiche teoriche ed applicate in Geometria, Fisica e Scienze Applicate.

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente è in grado di affrontare problematiche teoriche ed applicate in Geometria, Fisica e Scienze Applicate.

Programma

Prerequisiti:
il corso di analisi complessa del corso di laurea triennale, o corso equivalente presso altri atenei.
Contenuti del corso:
PRIMA PARTE (Professor Arcozzi):
1. automorfismi del disco e del semipiano e relazione con la geometria iperbolica;
2. teorema di Montel e famiglie normali;
3. il teorema della mappa di Riemann, mettendo in luce diverse equivalenti definizioni di semplicemente connesso, l’indice di una curva, ecc.;
4. funzioni armoniche/subarmoniche, principio di riflessione e qualche cenno a Schwarz-Christoffel.
5. Nel tempo rimanente potrebbero essere affrontati uno o due dei seguenti argomenti:
-teorema di Charathéodory sull’estensione al bordo della mappa di Riemann per domini di Jordan;
-formula di Jensen e fattorizzazione
-Phragmén-Lindelof e qualche applicazione;

  • equazione di Beltrami, deduzione che ogni metrica Riemanniana piana è localmente conforme a quella euclidea.
    Dispense per questa parte del corso:
    https://site.unibo.it/complex-analysis-lab/en/undergraduate-room/topics-in-holomorphic-function-theory-2025
    SECONDA PARTE (Professor Parmeggiani):
    Funzioni olomorfe in piu` variabili, equazioni di Cauchy-Riemann Formula di Cauchy in piu` variabili (caso generale di funzioni di classe C^1) Serie di potenze in piu` variabili, espansione in serie di potenze delle funzioni olomorfe in C^n Proprieta` delle funzioni olomorfe di piu` variabili (invertibilita` e funzioni implicite, definizione di sottovarieta` immersa olomorfa) Domini di olomorfia Il Teorema di Hartogs (utilizzando le PDE); il Lemma di Doulbeault-Grothendieck Pseudoconvessita` e forma di Levi.
    TERZA PARTE (Professoressa Lanzani):
    1. Il polidisco in C^n, n\geq 2, non e’ biolomorfo alla palla (ovvero, in piu' variabili il teorema di Riemann e' falso)
    2. Spazi di Hardy olomorfi e loro rappresentazione mediante la formula di Bochner-Martinelli
    3. Formula di Cauchy-Leray e regolarità’ in L^p dell’integrale di Cauchy Leray per domini strettamente convessi/strettamente C-linearmente convessi i classe C^2 (e, tempo permettendo: classe C^{1,1})
    4. Proiezione di Cauchy-Szego: definizione e proprietà’ elementari.
    5. Operatore di Kerzman-Stein: definizione e proprietà’ principali
    6. Regolarita’ in L^p della trasformata di Cauchy-Szego per domini strettamente pseudoconvessi di classe C^2.

Modalità d'esame

Ciascuno studente sara' valutato per via orale in tre brevi colloqui con ciascuno dei tre docenti (ca. 15-20min) con data e luogo accordati con ciascun docente in separata sede.
Ciascuno dei tre docenti assegnera' una propria valutazione; il voto finale sara' la media delle tre arrotondata per eccesso (con la regola che 30L in un modulo vale 31 ai fini del calcolo della media).
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

PRIMA PARTE (Professor Arcozzi):
L.V. Ahlfors Complex Analysis, 3rd edition, McGrow Hill, 1978
M. Andersson, Topics in Complex Analysis, Springer Universitext, 2013
D. Sarason, Complex Function Theory, AmMathSoc, 2007
T. Tao, https://terrytao.wordpress.com/, note del corso 246A/B
SECONDA PARTE (Professor Parmeggiani):
L. Hörmander: An introduction to complex analysis in several variables. 3rd edition. North Holland Mathematical Library, Vol. 7. 1990.
J. Lebl: Tasty bits of several complex variables. May 20, 2025 (version 4.2).
V. Scheidermann: Introduction to the complex analysis in several variables. 2nd edition. Birkhäuser 2023.
TERZA PARTE (Professoressa Lanzani):
Range M.R., Holomorphic Functions and Integral Representations in Several Complex Variables, Springer 1986
Stein E. M., Boundary Behavior of Holomorphic Functions in Several Complex Variables, Princeton University Press 1972
Kerzman N. & Stein E.M., The Cauchy kernel, the Szego kernel, and the Riemann mapping function. Math. Ann. 236 (1978), no. 1, 85–93.
Kerzman N. & Stein E.M., The Szego Kernel in terms of the Cauchy-Fantappie’ kernels, Duke Math. J., 45 (1978) 197 - 224
Lanzani L. & Stein E. M., The Cauchy Integral in C^n for domains with minimal smoothness, Advances Math. {\bf 264} (2014) 776 -- 830.
Lanzani L. & Stein E. M., Hardy Spaces of Holomorphic functions for domains in Cn with minimal smoothness, Harmonic Analysis, Partial Differential Equations, Complex Analysis, and Operator Theory: Celebrating Cora Sadosky’s life, AWM-Springer vol. 1 (2016), 179 - 200.
Lanzani L. & Stein E. M., The Cauchy-Szeg ̋o projection for domains with minimal smoothness, Duke Math. J. 166 no. 1 (2017), 125-176.

Codice insegnamento B9075

TOPOLOGIA COMBINATORIA 1° anno · 1° semestre · 6 CFU · MAT/02 · 0 file

Alla fine del corso, lo studente conoscerà i reticoli, i politopi, i complessi simpliciali e altre strutture fondamentali della combinatoria, e sarà in grado di associare ad essi alcune algebre notevoli. Saprà…

Scheda dell'insegnamento

Obiettivi formativi

Alla fine del corso, lo studente conoscerà i reticoli, i politopi, i complessi simpliciali e altre strutture fondamentali della combinatoria, e sarà in grado di associare ad essi alcune algebre notevoli. Saprà applicare queste tecniche per il calcolo di invarianti topologici e geometrici, ad esempio nel caso degli arrangiamenti di iperpiani.

Programma

Insiemi parzialmente ordinati (poset), algebra di incidenza, reticoli, funzione di Möbius, invarianti polinomiali associati a poset. Complessi simpliciali e complessi CW: realizzazione geometrica, triangolazioni, suddivisione baricentrica, complesso d'ordine di un poset. Politopi. Shellability di poset, complessi simpliciali, e politopi. Arrangiamenti di iperpiani: poset delle intersezioni, polinomio caratteristico, complementare di arrangiamenti reali e complessi, complesso di Salvetti. Arrangiamenti grafici e polinomio cromatico di un grafo. Matroidi: reticoli geometrici, polinomio caratteristico e legami con gli arrangiamenti di iperpiani. Arrangiamento delle trecce, gruppo delle trecce, cenni ai gruppi di Coxeter.
Prerequisiti: nozioni di base di topologia e algebra.
Propedeuticità consigliate: sono sufficienti gli insegnamenti obbligatori della laurea triennale. Può risultare utile, ma non necessario, aver seguito Topologia Algebrica.

Modalità d'esame

Esame orale su teoria ed esercizi.
Durante l'esame è vietato l'uso di strumenti di IA e di qualsiasi dispositivo elettronico.

Testi di riferimento

D. Kozlov, Combinatorial Algebraic Topology
R. P. Stanley, Enumerative Combinatorics
R. P. Stanley, An Introduction to Hyperplane Arrangements
G. M. Ziegler, Lectures on Polytopes
P. Orlik, H. Terao, Arrangements of Hyperplanes
J. Oxley, Matroid Theory
A. Björner, F. Brenti, Combinatorics of Coxeter Groups
M. L. Wachs, Poset Topology: Tools and Applications
O. Papini, Appunti di Matematica Discreta

Codice insegnamento B9048

TOPOLOGIA GEOMETRICA 1° anno · 2° semestre · 6 CFU · MAT/03 · 0 file

Alla fine del corso, lo studente acquisisce le nozioni di base della topologia geometrica. Lo studente apprende come studiare la topologia e la geometria delle varietà attraverso le proprietà algebriche dei loro gruppi…

Scheda dell'insegnamento

Obiettivi formativi

Alla fine del corso, lo studente acquisisce le nozioni di base della topologia geometrica. Lo studente apprende come studiare la topologia e la geometria delle varietà attraverso le proprietà algebriche dei loro gruppi fondamentali e, viceversa, come dedurre proprietà algebriche di gruppi attraverso le loro azioni su spazi topologici e lo studio di invarianti geometrici ad esse associati.

Programma

La topologia geometrica si propone di studiare le varietà e le mappe fra di loro, ad esempio tramite embedding di una varietà dentro un’altra. In questo corso ci focalizziamo sullo studio della topologia delle varietà in dimensione bassa, ossia di dimensione minore o uguale a 3. Il corso è strutturato come segue:
1) Preliminari e cenni di teoria dell'omotopia
I complessi CW e i gruppi di omotopia d'ordine superiore La caratteristica di Eulero e il Teorema di Whitehead Spazi asferici
2) Introduzione alle varietà
Le varietà topologiche Le varietà differenziali Le varietà PL e le relazioni con le altre categorie Operazioni topologiche su varietà (doppi, somma connessa, sfere twistate)
3) La Teoria di Morse e la decomposizione in manici
Introduzione alla teoria dei manici Le funzioni di Morse La Teoria di Morse La classificazione delle superfici chiuse e orientate
4) Interludio: gruppo fondamentale è varietà
Problema della realizzazione di un gruppo finitamente presentato come gruppo fondamentale di una varietà chiusa liscia orientabile e connessa
5) Spezzamento di Heegaard e introduzione alle 3-varietà
Lo spezzamento di Heegaard I gruppi fondamentali di 3-varietà La caratteristica di Eulero delle 3-varietà
6) Varietà prime e irriducibili
Fibrati e intorni tubolari Varietà irriducibili e il Teorema di Alexander Esempi di varietà irriducibili Superfici normali: verso la decomposizione in primi Il Teorema della decomposizione in primi
7) La varietà di Seifert
Il rimpimento di Dehn Gli spazi lenticolari Le varietà di Seifert
8) Cenni alle decomposizioni in tori
Decomposizione JSJ e decomposizione geometrica
Prerequisiti:
Al fine di poter apprezzare i contenuti del corso è consigliabile che gli studenti conoscano la definizione di gruppo fondamentale, la teoria dei rivestimenti e la definizione di varietà differenziabile.
Inoltre, durante il corso useremo la nozione di omologia: gli studenti che non hanno avuto l'opportunità di studiare l'omologia in un corso precedente possono imparare in autonomia tale nozione durante il corso (o prima del suo inizio) leggendo i capitoli indicati in calce.
Alcuni riferimenti bibliografici che possono essere usati come riferimento per i prerequisiti sono:
Allen Hatcher - "Algebraic topology" (disponibile online). I Capitoli 1.1, 1.2 e 1.3 contengono la teoria del gruppo fondamentale e dei rivestimenti. I Capitoli 2.1 e 2.2 trattano la nozione di omologia. John M. Lee - "Introduction to smooth manifolds". Il Capitolo 1 contiene la definizione di varietà differenziabile ed alcuni esempi. Il Capitolo 2 tratta delle mappe lisce fra varietà differenziabili.

Modalità d'esame

Gli studenti possono scegliere di sostenere l'esame in uno dei due modi seguenti:
Esame orale classico su tutto il programma svolto nel corso; Esame orale a seminario. Il seminario dalla durata approssimativa di 30 minuti (60 minuti se svolto in coppia) verterà su argomenti complementari e di approfondimento rispetto a quanto visto a lezione. Un elenco dei seminari possibili verrà caricato sulla piattaforma Virtuale all'inizio del corso. Il superamento della prova seminariale prevede una valutazione base di 18 punti, a cui verranno aggiunti i punteggi relativi ai seguenti criteri: comprensione (3 punti), esposizione (3 punti), organizzazione del seminario (3 punti), proprietà di linguaggio acquisita durante il corso (3 punti) e approfondimento (1 punto). Qualora il punteggio finale sia pari a 31, il voto sarà verbalizzato come '30 e Lode'.

Testi di riferimento

Libri di 3-varietà e topologia geometrica:
Bruno Martelli - "An introduction to Geometric Topology" (disponibile online); Allen Hatcher - "Notes on basic 3-manifolds topology" (disponibile online); Jennifer Schultens - "Introduction to 3-manifolds".
Libri di topologia (algebrica):
Allen Hatcher - "Algebraic topology" (disponibile online); Stefan Friedl - "Topology" (disponibile online nella versione "Full topology lecture notes").
Libri di teoria di Morse:
John Milnor - "Morse Theory".
Libri su varietà differenziali e Riemanniane:
John M. Lee - "Introduction to smooth manifolds"; John M. Lee - "Introduction to Riemannian manifolds".
Libri di topologia differenziale:
Riccardo Benedetti - "Lectures on differential topology" (disponibile online); John Milnor - "Topology from a differentiable point of view".
Inoltre su Virtuale verranno caricati gli appunti del corso da parte del docente.

Codice insegnamento B9054

TOPOLOGICAL DATA ANALYSIS 1° anno · 2° semestre · 6 CFU · MAT/03 · 0 file

At the end of the course, students acquire essential knowledge of geometric and topological methods for practical applications, with a focus on persistent homology and other tools from Topological Data Analysis. They are…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, students acquire essential knowledge of geometric and topological methods for practical applications, with a focus on persistent homology and other tools from Topological Data Analysis. They are able to apply topological methods in various contexts.

Programma

Complessi simpliciali e loro realizzazione. Teoria di Morse discreta per complessi simpliciali e complessi di catene. Moduli di persistenza e omologia persistente: teoremi di struttura e stabilità. Applicazioni della topologia al calcolo distribuito e alla visualizzazione dei dati.
Prerequisiti: nozioni di base di topologia algebrica, programmazione e algoritmi.
Propedeuticità consigliate: è fortemente consigliato aver seguito almeno la prima parte del corso di Topologia Algebrica, fino all'omologia. Non è necessario aver seguito il corso Introduction to Machine Learning.

Modalità d'esame

Esame orale su argomenti teorici ed esercizi.
Durante l'esame è vietato l'uso di strumenti di IA e di qualsiasi dispositivo elettronico.

Testi di riferimento

Testi principali:
D. Kozlov, Organized Collapse: An Introduction to Discrete Morse Theory
V. Nanda, Computational Algebraic Topology Lecture Notes
M. Lesnick, Notes on Multiparameter Persistence
F. Chazal, V. de Silva, M. Glisse, e S. Oudot, The structure and stability of persistence modules
Altri testi utili:
A. Hatcher, Algebraic Topology
D. Kozlov, Combinatorial Algebraic Topology
H. Edelsbrunner e J. Harer, Computational topology: An introduction
M. Herlihy, D. Kozlov, e S. Rajsbaum, Distributed Computing Through Combinatorial Topology
T. Cormen, C. Leiserson, R. Rivest, e C. Stein, Introduction to Algorithms
M. Bridson e A. Haefliger, Metric Spaces of Non-Positive Curvature

Codice insegnamento B0321

TORIC GEOMETRY AND APPLICATIONS 1° anno · 2° semestre · 6 CFU · MAT/03 · 0 file

At the end of the course, students have a firm knowledge of the geometry of toric varieties and they know some of their applications. In particular, they understand the connection between toric varieties and…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, students have a firm knowledge of the geometry of toric varieties and they know some of their applications. In particular, they understand the connection between toric varieties and combinatorics. They are able to use this knowledge in their research and for the construction of mathematical models.

Programma

La geometria torica è lo studio delle varietà toriche, che sono un particolare tipo di varietà algebriche costruite in modo combinatorico a partire da degli oggetti della geometria discreta come politopi o coni. C'è un ricchissimo dizionario che traduce proprietà algebro-geometriche di una varietà torica in proprietà del loro avatar combinatorio. Questo ha reso il contesto delle varietà toriche un utile banco di prova per testare congetture in geometria algebrica. Viceversa, la potenza della geometria algebrica ha permesso di dimostrare risultati in combinatoria, utilizzando le varietà toriche. Nel corso verrà data un'introduzione alle varietà toriche: varietà toriche affini costruite a partire da coni, varietà toriche astratte costruite a partire da ventagli, proprietà (orbite, compattezza, liscezza), varietà toriche proiettive costruite a partire da politopi, alcuni invarianti topologici/geometrici delle varietà toriche (gruppo fondamentale, coomologia singolare). Nell'ultima parte si daranno delle applicazioni delle varietà toriche alla combinatoria; a seconda degli interessi dell'uditorio, si discuterà del pacchetto Kähler associato a un matroide, secondo i lavori di Adiprasito-Huh-Katz, e/o anche di teoria di Ehrhart.
Prerequisiti:
corsi obbligatori di algebra e geometria della laurea triennale (in particolare: topologia e gruppo fondamentale, anelli di polinomi e loro ideali) rudimenti di topologia algebrica (in particolare: omologia e coomologia singolare) rudimenti di geometria algebrica (in particolare: chiusi di Zariski in uno spazio affine o proiettivo, su un campo algebricamente chiuso)
Non sono richiesti argomenti avanzati di geometria algebrica (come schemi, fasci localmente liberi / invertibili, fibrati, divisori), né argomenti di algebra commutativa.

Modalità d'esame

Esercizi per casa da consegnare durante il semestre. Esame orale finale.
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it ): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
Naturalmente, durante la prova orale non è ammesso l'uso di libri o appunti né di calcolatrici o cellulari, e non è consentito comunicare con altre persone verbalmente o tramite messaggi di qualunque natura; è altresì vietato l’uso dell’intelligenza artificiale di qualsiasi tipo.

Testi di riferimento

Cox, Little, Schenck, Toric varieties, Graduate Studies in Mathematics, vol. 124, American Mathematical Society. Fulton, Introduction to toric varieties, Annals of Mathematics Studies, vol. 131, Princeton University Press. Altri testi per la consultazione: Oda, Convex bodies and algebraic geometry, Ergebnisse der Mathematik und ihrer Grenzgebiete (3), vol. 15, Springer-Verlag. Cox, What is a toric variety?, Topics in algebraic geometry and geometric modeling, 2003, pp. 203–223. Kempf, Knudsen, Mumford, Saint-Donat, Toroidal embeddings 1, Lecture Notes in Mathematics, volume 339, Springer. C. Eur, Essence Of Independence: Hodge Theory Of Matroids Since June Huh, sezione 4.

Codice insegnamento 96768

VARIETA' ALGEBRICHE 1° anno · 1° semestre · 6 CFU · MAT/03 · 0 file

Al termine del corso, lo studente possiede una conoscenza delle proprietà principali delle varietà algebriche, in particolare per quanto riguarda le curve algebriche complesse e le superfici; è in grado di utilizzare…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente possiede una conoscenza delle proprietà principali delle varietà algebriche, in particolare per quanto riguarda le curve algebriche complesse e le superfici; è in grado di utilizzare queste conoscenze nella propria ricerca in ambito sia geometrico sia algebrico.

Programma

Introduzione allo studio delle varietà algebriche, affini e projettive e astratte e delle loro proprietà. Varietà ed ideali, anelli di funzioni, campi di funzioni. Esempi. Spazi projettivi. Mappe, Morfismi. Varietà algebriche astratte. Spazi projettivi pesati. Varietà non singolari e singolari. Dimensione. Spazio tangente. Forme di volume. Introduzione al divisore canonico, formula di aggiunzione. Genere di una curva. Grado di una varietà nello spazio proiettivo. Parametrizzazione razionale . Birazionalità, Razionalità. Si studieranno molti esempi ed applicazioni. Discuteremo risultati di ricerca attuali e implicazioni per AI.
I corsi Varietà Algebriche e Geometria Projettiva possono essere seguiti durante lo stesso anno o in anni diversi. I contenuti non si sovrappongono, piuttosto sono complementari fra loro; i syllabi saranno coordinati. Prerequisiti: Avere seguito i corsi dei primi 2 anni della triennale di matematica o equivalenti, oppure previo colloquio con il Docente.

Modalità d'esame

Elaborato sul materiale del corso da consegnare prima dell'esame orale (l'elaborato è senza valutazione).
Non è consentito l'uso di Intelligenza Artificiale nella preparazione dell'elaborato e durante l'esame orale.
Esame orale, partendo dall'elaborato.

Testi di riferimento

M. Reid, Undergraduate Algebraic Geometry
Altro materiale ed articoli di ricerca pubblicati su Virtuale, fra cui estratti da:
I.R. Shafarevich: Basic Algebraic Geometry I, (Second Edition), Springer Verlag, 1994
D. Cox, J. Little, D. O'Shea: Ideals, varieties and algorithms
R. Hartshorne: Algebraic Geometry

Codice insegnamento B9037

VARIETA' COMPLESSE 1° anno · 2° semestre · 6 CFU · MAT/03 · 0 file

Al termine del corso lo studente acquisisce i fondamenti della teoria delle varietà complesse, delle forme olomorfe e della teoria di Hodge. È in grado di applicare le nozioni acquisite per la risoluzione di problemi e…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente acquisisce i fondamenti della teoria delle varietà complesse, delle forme olomorfe e della teoria di Hodge. È in grado di applicare le nozioni acquisite per la risoluzione di problemi e la costruzione di dimostrazioni.

Programma

Nozioni di teoria dei fasci e loro coomologia. Strumenti di analisi complessa in più variabili. Strutture complesse e varietà complesse, forme differenziali di tipo (p,q).
Fibrati vettoriali olomorfi, fibrati in rette, successione esponenziale e prima classe di Chern, aggiunzione. Anello canonico e dimensione di Kodaira, esempi algebro-geometrici.
Teoria di Hodge su varietà di Kaehler. Simmetrie di Hodge e teoremi di Lefschetz - (1,1) e (tempo permettendo) teorema "difficile". Esempi di calcolo nel caso proiettivo.
Classi di Chern (definizione assiomatica), il teorema di Riemann-Roch, dualità di Serre, annullamento di Kodaira.
Prerequisiti: Necessari i corsi triennali fondamentali di geometria (in particolare Geometria 3 - 28377), e il corso di Geometria Differenziale 00474 -alla magistrale.
Estremamente utili i (materiali trattati nei) corsi di Topologia Algebrica 28446, Varietà Algebriche B9037.
Sarà utile avere conoscenza del (materiale trattato nei) corsi di Geometria Proiettiva 54777 e Algebra commutativa 06689.
Il corso di Teoria degli Schemi 96734, può essere seguito invece indipendentemente da questo corso.

Modalità d'esame

Seminario ed esame orale, esercizi a fine corso.

Testi di riferimento

Il corso seguirà (alternativamente) i seguenti testi. Indicazioni bibliografiche esatte verranno date nel corso delle lezioni.
Hodge Theory and Complex Algebraic Geometry I, di Claire Voisin (Cambridge University Press)
Complex Geometry, di Daniel Huybrechts (Universitext)
(altro testo opzionale)
Principles of Algebraic Geometry, di Phillip Griffiths, Joseph Harris (Wiley)
3264 and All That

Codice insegnamento B9050

COMPLEMENTI DI PROBABILITÀ E STATISTICA MATEMATICA 2° anno · 1° semestre · 6 CFU · MAT/06 · 0 file

Al termine del corso, lo studente: - conosce alcuni importanti strumenti probabilistici e dei metodi di base della statistica matematica; - e' in grado di utilizzare gli strumenti probabilistici e i metodi statistici…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente: - conosce alcuni importanti strumenti probabilistici e dei metodi di base della statistica matematica; - e' in grado di utilizzare gli strumenti probabilistici e i metodi statistici acquisiti in situazioni reali.

Programma

○ Statistica descrittiva: cenni storici; popolazione e campione, tipi di dati, frequenze, rappresentazioni tabellari e grafiche; indici di posizione, indici di dispersione; boxplot; campioni normali e indici di forma.
○ Dati bivariati: frequenze congiunte e tabelle a doppia entrata; diagramma a dispersione; covarianza e coefficiente di correlazione lineare; metodo dei minimi quadrati e regressione lineare.
○ Introduzione alla Probabilità: interpretazioni (o concezioni) della probabilità e superamento dello schema classico/frequentista/soggettivista; una breve storia della Probabilità.
○ Modello matematico di un esperimento aleatorio: concetti primitivi e assiomi della probabilità, spazio campionario, eventi, conseguenze degli assiomi; probabilità geometrica.
○ Probabilità condizionata e indipendenza: regola della catena, formula delle probabilità totali, formula di Bayes; diagramma ad albero.
○ Variabili aleatorie: richiami sulle variabili aleatorie discrete e continue.
○ Catene di Markov: introduzione dei processi stocastici; definizione di catena di Markov e prime proprietà; rappresentazione grafica, probabilità di transizione in più passi; classi comunicanti e catene irriducibili; distribuzione invariante, comportamento asintotico.
○ Introduzione alla Statistica inferenziale: richiami sulla Legge dei grandi numeri e sul Teorema centrale del limite; modello statistico di un esperimento aleatorio; elementi di teoria della stima puntuale; stimatori corretti o distorti, errore quadratico medio, proprietà asintotiche degli stimatori; approccio bayesiano alla Statistica inferenziale.

Modalità d'esame

La verifica dell'apprendimento avviene attraverso il solo esame finale che accerta l'acquisizione delle conoscenze e delle abilità attese tramite lo svolgimento di un esame orale su esercizi e teoria.
In alternativa, è prevista una prova scritta, della durata di circa due ore e mezza, composta da sei esercizi riguardanti gli argomenti trattati nel corso, in particolare: statistica descrittiva; dati bivariati e regressione lineare; spazi di probabilità, probabilità condizionata e indipendenza; catene di Markov; martingale; stimatori.

Testi di riferimento

Dispense e schede di esercizi fornite dal docente disponibili sulla piattaforma virtuale.unibo.it.
Libro di testo di approfondimento:
Quentin Berger, Francesco Caravenna, Paolo Dai Pra, Probabilità. Un primo corso attraverso esempi, modelli e applicazioni, 2a edizione, Springer-Verlag, (2021).

Codice insegnamento 81660

FINAL EXAMINATION 2° anno · 2° semestre · 24 CFU · 0 file

At the end of the final examination, the student knows how to discuss: - theoretical mathematical topics, to which he/she contributes originally; - mathematical models in the applied sciences, by analytical or…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the final examination, the student knows how to discuss: - theoretical mathematical topics, to which he/she contributes originally; - mathematical models in the applied sciences, by analytical or computational methods; - theoretical/practical topics related to Mathematics teaching; - theoretical topics connected with the historical development and analysis of the foundations of basic and advanced mathematical theories. In particular, the student is able to: - master survey methodologies in the chosen field; - perform efficient work within a properly coordinated working-team; - organise, present and discuss his/her work for the final examination.

Codice insegnamento 60750

FINAL EXAMINATION 2° anno · 2° semestre · 14 CFU · 0 file

At the end of the activity (in preparation for the final examination), carried out in an internal or external structure of the University, the student: - possesses practical knowledge of the needed hardware/software…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the activity (in preparation for the final examination), carried out in an internal or external structure of the University, the student: - possesses practical knowledge of the needed hardware/software instruments, or of bibliographic research methods (possibly via the internet); - is able to improve his/her organizational skills within his/her work activity.

Codice insegnamento B0636

FINAL EXAMINATION (DISSERTATION) ( 6 CFU) (LM) 2° anno · 2° semestre · 6 CFU · 0 file

Through the final dissertation students will engage with the knowledge, understanding and different research methods acquired during the program. In addition, students will demonstrate a capacity to plan, carry out and…

Scheda dell'insegnamento

Obiettivi formativi

Through the final dissertation students will engage with the knowledge, understanding and different research methods acquired during the program. In addition, students will demonstrate a capacity to plan, carry out and present in a written and oral form - according to the statute of the discipline and to scientific and editorial rules - To scientific literature, retrieval and coherent organization of information. Students will be able to identify and master the necessary sources and tools to update acquired.

Codice insegnamento 86259

FINAL EXAMINATION (DISSERTATION) (12 CFU) (LM) 2° anno · 2° semestre · 12 CFU · 0 file

At the end of the final examination, the student knows how to discuss: - theoretical mathematical topics, to which he/she contributes originally; - mathematical models in the applied sciences, by analytical or…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the final examination, the student knows how to discuss: - theoretical mathematical topics, to which he/she contributes originally; - mathematical models in the applied sciences, by analytical or computational methods; - theoretical/practical topics related to Mathematics teaching; - theoretical topics connected with the historical development and analysis of the foundations of basic and advanced mathematical theories. In particular, the student is able to: - master survey methodologies in the chosen field; - perform efficient work within a properly coordinated working-team; - organise, present and discuss his/her work for the final examination.

Codice insegnamento 86231

FONDAMENTI MATEMATICI DELLA FISICA 2° anno · 1° semestre · 6 CFU · MAT/07 · 0 file

Al termine del corso, lo studente possiede un'esatta conoscenza dei formalismi matematici che sono alla base delle principali teorie fisiche. In particolare approfondisce quelle parti della matematica che sono nate e…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente possiede un'esatta conoscenza dei formalismi matematici che sono alla base delle principali teorie fisiche. In particolare approfondisce quelle parti della matematica che sono nate e si sono sviluppate per la comprensione totale di alcuni fenomeni fisici. Comprende meglio la fisica attraverso la conoscenza approfondita del suo linguaggio matematico.

Programma

Principi della Relativita' Speciale:

  • Equazione delle onde, decomposizione in onde piane, onde e principio di relatività;
  • Moto assoluto, Teoria dell' Etere, Teoria di Lorentz: dagli esperimenti alla teoria di Einstein;
  • Cinematica Relativistica: trasformazioni di Lorentz, composizione relativistica delle velocità, simultaneità e causalità, spazio-tempo di Minkowsky;
  • Dinamica Relativistica: principio di relatività e massa relativistica; equivalenza massa-energia; quadrivettore impulso e conservazione; decadimenti, disintegrazioni ed energia di legame
    Principi della Meccanica Quantistica:
  • Spettri di emissione e assorbimento, Formula di Planck ed effetto fotoelettrico;
  • Dai modelli atomici alla quantizzazione di Bohr-Sommerfeld;
  • Introduzione all'equazione di Schrodinger: ottica geometrica-ondulatoria, Meccanica classica-ondulatoria, Teoria di DeBroglie;
  • Assiomi della Meccanica Quantistica e connessione con la teoria degli operatori lineari negli spazi di Hilbert

Modalità d'esame

La prova orale mira a verificare l'acquisizione delle conoscenze previste dal programma del corso. L' esame inizia con una domanda su un argomento a scelta dello studente.

Testi di riferimento

Appunti del corso.
Teta, Alessandro. A Mathematical Primer on Quantum Mechanics. Berlin: Springer, 2018.

Codice insegnamento 34737

INTERNSHIP 2° anno · 2° semestre · 6 CFU · 0 file

The student performs activities in the field of math research or technological advances, to be carried out at study centres, public (research agencies, schools, hospitals, ...) and private agencies or companies, in Italy…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

The student performs activities in the field of math research or technological advances, to be carried out at study centres, public (research agencies, schools, hospitals, ...) and private agencies or companies, in Italy or abroad. The student carries out a specific work under the supervision of an external tutor, aimed at refining his/her learning skills and professional formation.

Programma

At the end of the internship the student acquires a direct knowledge of a working environment coherent with their studies in statistics. The student develops a deep understanding of the organization she/he's working in and is able to conduct and organize statistical analyses useful to answer empirical questions of interest. She/he also enhances abilities to work in teams. The internship can be developed within the department of Statistical Sciences as RAship or outside as a traditional curricular internship. RAship: at the Department of Statistical Sciences. This internal internship consists of a research activity under the supervision of a faculty member of CLAMSEI (or of another member of the Department of Statistical Sciences of the University of Bologna) on a specific research project. The person in charge for RAships (RAship Coordinator) is Dott. Matteo Farnè ([email protected]). The traditional curricular internship is developed on the basis of a training project agreed with a host organization. Internships may be carried out at either University structures or other institutions, both in Italy and abroad. In order to select your host institution, you can consult the internship offers published on Tirocini online [https://tirocini-studenti.unibo.it/tirocini/studenti/loginStudenti.htm] and apply directly to the ones most suitable to you. For more information see: https://corsi.unibo.it/2cycle/BusinessAnalytics/Internships

Codice insegnamento 96811

INTERNSHIP ABROAD IN PREPARATION FOR THE FINAL EXAMINATION 2° anno · 2° semestre · 18 CFU · 0 file

In preparation for the final examination, the student performs activities in the field of math research or technological advances, to be carried out at study centres, public (research agencies, schools, hospitals, ...)…

Scheda dell'insegnamento

Obiettivi formativi

In preparation for the final examination, the student performs activities in the field of math research or technological advances, to be carried out at study centres, public (research agencies, schools, hospitals, ...) and private agencies or companies, abroad. The student carries out a specific work under the supervision of an external tutor, aimed at refining his/her learning skills and professional formation.

Codice insegnamento 95789

INTERNSHIP IN PREPARATION FOR THE FINAL EXAMINATION 2° anno · 2° semestre · 12 CFU · 0 file

In preparation for the final examination, the student performs activities in the field of math research or technological advances, to be carried out at study centres, public (research agencies, schools, hospitals, ...)…

Scheda dell'insegnamento

Obiettivi formativi

In preparation for the final examination, the student performs activities in the field of math research or technological advances, to be carried out at study centres, public (research agencies, schools, hospitals, ...) and private agencies or companies, in Italy. The student carries out a specific work under the supervision of an external tutor, aimed at refining his/her learning skills and professional formation.

Codice insegnamento 84630

PREPARAZIONE PROVA FINALE ALL'ESTERO 2° anno · 1° semestre · 18 CFU · 0 file

Al termine dell'attività all'estero, lo studente è in grado di documentarsi ed aggiornarsi autonomamente, nonché di organizzare e gestire in autonomia il proprio lavoro relativo alla prova finale

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell'attività all'estero, lo studente è in grado di documentarsi ed aggiornarsi autonomamente, nonché di organizzare e gestire in autonomia il proprio lavoro relativo alla prova finale

Codice insegnamento 81355

PROVA FINALE 2° anno · 2° semestre · 24 CFU · 0 file

Al termine della prova finale lo studente è in grado di elaborare, descrivere e presentare con chiarezza un argomento scientifico o un protocollo sperimentale nel campo dell'acquacoltura e dell'ittiopatologia, anche in…

Scheda dell'insegnamento

Obiettivi formativi

Al termine della prova finale lo studente è in grado di elaborare, descrivere e presentare con chiarezza un argomento scientifico o un protocollo sperimentale nel campo dell'acquacoltura e dell'ittiopatologia, anche in connessione all'attività di tirocinio. E' inoltre in grado di applicare le conoscenze acquisite durante il corso di studio e di affrontare criticamente una discussione sull'argomento trattato. Ha le capacità per acquisire nuove conoscenze e per intraprendere, in piena autonomia, gli studi successivi.

Codice insegnamento 17268

PROVA FINALE (14 CFU) 2° anno · 2° semestre · 14 CFU · 0 file
PROVA FINALE LM (12 CFU) 2° anno · 2° semestre · 12 CFU · 0 file

Al termine della prova finale, lo studente sviluppa e sa discutere di: - argomenti matematici teorici a cui apporta contributi originali; - modelli matematici delle scienze applicate con metodi analitici o…

Scheda dell'insegnamento

Obiettivi formativi

Al termine della prova finale, lo studente sviluppa e sa discutere di: - argomenti matematici teorici a cui apporta contributi originali; - modelli matematici delle scienze applicate con metodi analitici o computazionali; - argomenti teorico/pratici connessi con la didattica della Matematica; - agomenti teorici connessi con lo sviluppo storico e l'analisi dei fondamenti di teorie matematiche di base ed avanzate. In particolare, lo studente: - sa mostrare un'applicazione avanzata delle metodologie di indagine nel settore prescelto; - e' in in grado di eseguire un lavoro produttivo nell'ambito di un gruppo di lavoro opportunamente coordinato; - e' capace di organizzare, presentare e discutere, il lavoro oggetto della prova finale.

Codice insegnamento 81990

PROVA FINALE LM (6 CFU) 2° anno · 2° semestre · 6 CFU · 0 file

Al termine della prova finale lo studente: - è in grado di dimostrare capacità di approfondimento di un determinato argomento inerente ai temi trattati nel corso di studio; - è in grado di mettere in relazioni dati,…

Scheda dell'insegnamento

Obiettivi formativi

Al termine della prova finale lo studente: - è in grado di dimostrare capacità di approfondimento di un determinato argomento inerente ai temi trattati nel corso di studio; - è in grado di mettere in relazioni dati, conoscenze anche interdisciplinari e informazioni raccolte in autonomia per illustrare l'argomento oggetto dell'approfondimento; - è in grado di organizzare in autonomia il proprio lavoro; - è in grado di illustrare in modo efficace il contenuto di un progetto/rielaborazione esponendo con capacità critica i risultati conclusivi e le proprie riflessioni/argomentazioni; - è in grado di esprimersi in forma scritta e di sintetizzare in forma orale una specifica tematica tra quelle oggetto del Corso di laurea, di documentarsi ed aggiornarsi autonomamente al riguardo, nonché di organizzare e gestire autonomamente il proprio lavoro.

Codice insegnamento 81992

TIROCINIO 2° anno · 1° semestre · 6 CFU · 0 file

Tramite partecipazione ad un tirocinio presso strutture interne o esterne all'Università, in Italia o all'estero, lo studente completa la propria formazione svolgendo attività pratiche in settori attinenti…

Scheda dell'insegnamento

Obiettivi formativi

Tramite partecipazione ad un tirocinio presso strutture interne o esterne all'Università, in Italia o all'estero, lo studente completa la propria formazione svolgendo attività pratiche in settori attinenti all'astrofisica e alla cosmologia, quali la divulgazione e comunicazione scientifica, le tecnologie, l'analisi dei dati, l'informatica, ecc. Nel corso di tali attività, lo studente acquisisce dimestichezza con la lingua italiana e una crescente padronanza della stessa.

Programma

Questo insegnamento permette agli studenti e alle studentesse di vivere esperienze diverse da quelle solitamente offerte dai corsi accademici. Tali esperienze possono includere tirocini presso istituti di ricerca, in particolare l'Istituto Nazionale di Astrofisica (INAF) – nello specifico l'Osservatorio di Astrofisica e Scienza dello Spazio (OAS) e l'Istituto di Radioastronomia (IRA) di Bologna. Le attività spaziano dall'analisi dei dati all'acquisizione di nuove competenze in astrofisica osservativa, numerica e/o teorica, fino alla calibrazione di strumenti e alla comunicazione scientifica. Il tirocinio richiede la presenza di un accordo attivo tra l’Università di Bologna e l’ente (altre università, ente di ricerca, azienda) in cui viene condotto.

Modalità d'esame

Il livello di preparazione dello studente sull'argomento prescelto sarà valutato dal ricercatore o docente responsabile delle attività di tirocinio attraverso interazioni quotidiane, incontri settimanali ed eventualmente una relazione scritta o presentazione PowerPoint finale (facoltativa). Le conoscenze dello studente nell'ambito di riferimento saranno valutate in base alla capacità di esporre - in modo scientificamente rigoroso e appropriato - le principali scoperte e i risultati del progetto, collocando il tutto in un contesto più ampio. Non viene attribuito nessun voto alle attività del Tirocinio ma solo un’idoneità. Si prevede altresì che lo studente/la studentessa acquisisca una certa padronanza della lingua italiana.

Testi di riferimento

La bibliografia sarà accuratamente selezionata dal tutor responsabile del tirocinio, in base all'argomento prescelto.

Codice insegnamento 82287

TIROCINIO IN PREPARAZIONE DELLA PROVA FINALE 2° anno · 2° semestre · 12 CFU · 0 file

Al termine del tirocinio per la preparazione della prova finale lo studente acquisisce conoscenze teoriche e pratiche in alcuni ambiti professionali specifici del corso di laurea, nonché i relativi processi decisionali…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del tirocinio per la preparazione della prova finale lo studente acquisisce conoscenze teoriche e pratiche in alcuni ambiti professionali specifici del corso di laurea, nonché i relativi processi decisionali ed operativi, utili per la preparazione della prova finale.

Codice insegnamento 70441

TIROCINIO IN PREPARAZIONE DELLA PROVA FINALE ALL'ESTERO 2° anno · 2° semestre · 18 CFU · 0 file

Al termine del tirocinio all'estero per la preparazione della prova finale lo studente acquisisce conoscenze teoriche e pratiche in alcuni ambiti professionali specifici del corso di laurea, nonché i relativi processi…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del tirocinio all'estero per la preparazione della prova finale lo studente acquisisce conoscenze teoriche e pratiche in alcuni ambiti professionali specifici del corso di laurea, nonché i relativi processi decisionali ed operativi, utili per la stesura della prova finale

Codice insegnamento 81354

COMPLESSITA' COMPUTAZIONALE E DESCRITTIVA 1° semestre · 6 CFU · MAT/01 · 0 file
PSICOLOGIA DELL'ADOLESCENZA 1° semestre · 6 CFU · M-PSI/05 · 0 file
STOCHASTIC MODELS FOR FINANCE 2° semestre · 6 CFU · SECS-S/06 · 0 file

Recensioni del corso

Studi qui? Accedi per lasciare la tua recensione e aiutare altri studenti a scegliere.

★

Nessuna recensione per ora — e la prima è la più preziosa. Condividi la tua esperienza e orienta le future matricole.