Corso di laurea

Matematica

Università degli Studi di Cagliari · 48 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

Abilita' Linguistiche - Livello B2 1° anno · 3 CFU · 0 file
Algoritmi Numerici E Applicazioni 1° anno · 2° semestre · 9 CFU · MATH-05/A · 0 file

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti del I anno del corso di Laurea Magistrale in Matematica, si propone di far acquisire allo studente una conoscenza operativa delle metodologie…

Scheda dell'insegnamento

Obiettivi formativi

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti del I anno del corso di Laurea Magistrale in Matematica, si propone di far acquisire allo studente una conoscenza operativa delle metodologie avanzate dell'analisi numerica. I vari argomenti vengono descritti a fondo fornendo sia una giustificazione teorica rigorosa che indicazioni esaustive su alcune delle possibili applicazioni. 2. Capacità di applicare conoscenza e comprensione. Durante il corso verranno illustrate alcune delle possibili applicazioni dei metodi studiati nell’ambito di diverse scienze applicate. Verrà richiesto agli studenti di implementare gli algoritmi in un linguaggio di programmazione e di verificare il loro funzionamento mediante una efficace sperimentazione numerica. 3. Autonomia di giudizio. Il corso fornisce agli studenti le competenze di base per applicare le metodologie matematiche descritte durante il corso alla risoluzione di problemi applicativi. 4. Abilità comunicative. Le capacità comunicative dello studente verranno valutate sia in una prova orale che in un elaborato scritto, in cui dovrà essere descritto in modo ordinato e coerente il tema assegnato, corredando la descrizione di una adeguata sperimentazione numerica. 5. Capacità di apprendimento. Il corso fornisce agli studenti una preparazione specifica ai fini della comprensione di testi matematici avanzati e articoli scientifici, rendendoli capaci di orientarsi in modo autonomo nella letteratura recente del settore.

Programma

1. Introduzione (6 ore). Richiami argomenti di base. Approssimazione polinomiale nel senso dei minimi quadrati. Interpretazioni alternative del prodotto matriciale: inner and outer product. BLAS. Calcolo della matrice inversa. Prodotti matriciali a blocchi. Il teorema spettrale. Fattorizzazione spettrale. Approssimazione a rango basso, Epsilon-rango. 2. Generalità sui problemi ai minimi quadrati (7 ore). Sistemi lineari sovradeterminati e sottodeterminati. Range e nucleo di una matrice. Formulazione di un problema ai minimi quadrati lineare (LSP) sovradeterminato e risoluzione con le equazioni normali. Caratterizzazione delle soluzioni. Matrice pseudo-inversa. Decomposizione ortogonale di uno spazio. LSP duale per sistemi sottodeterminati. Soluzione di minima norma. Equazioni normali del secondo tipo. 3. Metodi numerici diretti (6 ore). Fattorizzazione di Cholesky, implementazione e uso per la soluzione delle equazioni normali. Fattorizzazione QR e applicazione ad un LSP. Matrici elementari di Householder e di Givens e corrispondenti fattorizzazioni QR. Fattorizzazione QR compatta. 4. Calcolo di autovalori e autovettori (7 ore). Definizioni base. Matrici simili, diagonalizzabilità, fattorizzazione spettrale. Forma canonica di Schur. Matrici difettive. Matrici normali e unitariamente diagonalizzabili. Teorema di Bauer-Fike. Il metodo delle potenze e delle potenze inverse. Traslazione dello spettro. Matrice compagna e calcolo delle radici di un polinomio. Metodi iterativi e matrici sparse. Algoritmo QR per il calcolo degli autovalori. Accelerazione della convergenza del metodo. Passaggio in forma di Hessenberg. 5. Decomposizione ai valori singolari (SVD) (8 ore). Definizione di valori e vettori singolari. Forma generale della fattorizzazione. Analogie con gli autovalori. Approssimazioni a rango basso e principal component analysis. I quattro sottospazi fondamentali associati ad una matrice. Espressione della soluzione di un sistema omogeneo. Migliore approssimazione di una matrice. Applicazione alla risoluzione di sistemi e LSP. Rappresentazione della pseudo-inversa e proprietà. SVD troncata ed errore di approssimazione. Teoremi di Weyl e di Courant-Fisher. Stabilità dei valori singolari. Definizione generale di numero di condizionamento. Condizioni di Penrose. Cenni sull'algoritmo di Golub-Reinsch per il calcolo della SVD. 6. Metodi numerici iterativi (12 ore). Generalità sui metodi iterativi. Metodi di Richardson. Precondizionamento. Fattorizzazione incomplete LU e di Cholesky. I metodi del gradiente e del gradiente coniugato. Il metodo CGLS. Metodi di proiezione in spazi di Krylov. Algoritmo di Lanczos. Breakdown e riortogonalizzazione. Risoluzione di un sistema lineare col metodo di Lanczos. I processi di Arnoldi e di Golub-Kahan. I metodi GMRES e LSQR. 7. Approssimazione di funzioni e quadratura numerica (10 ore). Il problema della migliore approssimazione. Approssimazione in spazi di Hilbert. Caratterizzazione della soluzione. Approssimazione trigonometrica mediante serie di Fourier troncate. Polinomi ortogonali. Formule di quadratura Gaussiane a precisione ottimale. 8. Laboratorio Matlab (16 ore) Tecniche di programmazione avanzata in Matlab. Implementazione ottimizzata degli algoritmi studiati. 1. Conoscenze. Il corso richiede una buona conoscenza dei fondamenti dell'algebra lineare e dell'analisi matematica reale e complessa. E' necessario avere seguito un corso di base di analisi numerica, in cui siano stati trattati gli algoritmi fondamentali, diretti e iterativi, per la risoluzione dei sistemi lineari. E’ richiesta una conoscenza di base del linguaggio Matlab. 2. Abilità. Gli studenti dovranno essere in grado di applicare le metodologie apprese durante il corso di laurea triennale e il primo anno della laurea magistrale. In particolare: calcolo di derivate e di integrali, manipolazione di espressioni matriciali e vettoriali, programmazione di algoritmi in Matlab o in un altro linguaggio. 3. Competenze. Per seguire il corso con profitto è indispensabile essere in grado di comprendere a fondo un modello matematico, di descrivere in modo efficace un algoritmo per la sua risoluzione. Corsi propedeutici. Non vi sono corsi propedeutici. Il corso consiste di 72 ore di lezione frontale, che includono anche esercitazioni in aula. Le esercitazioni in aula consistono nell'applicazione dei metodi studiati ad esempi e problemi. Al termine del corso gli studenti devono realizzare una tesina, che descriva l’implementazione di alcuni degli algoritmi trattati e i risultati di una sperimentazione numerica. Il docente presta assistenza costante agli studenti, nell'arco dell'intero anno accademico, sia durante l'orario di ricevimento che comunicando attraverso messaggi di posta elettronica e sistemi di teleconferenza. La didattica sarà erogata in presenza. Le lezioni potranno essere integrate con materiali audiovisivi e con lo streaming.

Modalità d'esame

La verifica dell'apprendimento avviene attraverso la realizzazione di un elaborato scritto (tesina), su un argomento assegnato dal docente, volto a verificare le abilità acquisite durante il corso, ed una successiva prova orale in cui verrà accertato il livello di conoscenza del programma. Lo studente dovrà dimostrare di conoscere e aver compreso gli algoritmi studiati, nonché di essere in grado di applicarli alla risoluzione di problemi. La tesina dovrà essere consegnata al docente almeno una settimana prima dell’appello ufficiale, in modo da consentirgli di valutarla. Le prova si intende superata solo se lo studente ha riportato una votazione non inferiore a 18/30. Per raggiungere questo risultato lo studente deve dimostrare di possedere una conoscenza di base di tutti gli argomenti trattati nel corso. Per conseguire il massimo punteggio, pari a 30/30, lo studente deve dimostrare di conoscere in modo eccellente gli argomenti del corso e di essere in grado di discuterli in modo approfondito ed applicarli autonomamente. Gli studenti hanno la possibilità di verificare il proprio livello di preparazione nel corso delle esercitazioni e di discussioni col docente.

Testi di riferimento

I testi principali utilizzati durante il corso sono i seguenti: G. Rodriguez. Algoritmi Numerici. Società Editrice Esculapio, Bologna, 2025. ISBN: 9788893854801. Å. Björck. Numerical Methods for Least Squares Problems. SIAM, Philadelphia, 1996. ISBN: 978-0-89871-360-2. Testi di consultazione G.W. Stewart. Matrix Algorithms. Volume 1: Basic Decompositions. SIAM, Philadelphia, 1998. G.H. Golub and C.F. Van Loan. Matrix Computations. The John Hopkins University Press, Baltimore, third edition, 1996. G. Strang. Introduction to Linear Algebra. Wellesley Cambridge Press, sixth edition, 2023. W.L. Briggs and V.E. Henson. The DFT, An Owner's Manual for the Discrete Fourier Transform. SIAM, Philadelphia, 1995. L.N. Trefethen and D. Bau III. Numerical Linear Algebra. SIAM, Philadelphia, 1997. A. Quarteroni, R. Sacco, and F. Saleri. Matematica Numerica. Springer, Milano, 2000. Seconda edizione. V. Comincioli. Analisi Numerica Metodi Modelli Applicazioni. McGraw-Hill, Milano, 1995. Ulteriori riferimenti bibliografici, destinati ad approfondire argomenti specifici, verranno forniti dal docente durante il corso, che in casi specifici diffonderà anche dispense e altro materiale didattico.

Codice insegnamento 20007

Analisi Superiore 1 1° anno · 1° semestre · 9 CFU · MATH-03/A · 0 file

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: conoscere e avere padronanza di concetti fondamentali riguardanti l’analisi complessa: funzioni complesse di variabile complessa (in particolare, proprietà e caratteristiche delle…

Scheda dell'insegnamento

Obiettivi formativi

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: conoscere e avere padronanza di concetti fondamentali riguardanti l’analisi complessa: funzioni complesse di variabile complessa (in particolare, proprietà e caratteristiche delle funzioni olomorfe e di alcune specifiche funzioni: polinomi complessi, esponenziale complesso, logaritmo complesso, funzioni trigonometriche complesse); integrali curvilinei complessi; mappe conformi; funzioni primitive; teoremi di Cauchy; analiticità delle funzioni olomorfe e conseguenze; serie di Laurent; teorema dei residui. Conoscere le nozioni di base dell’analisi funzionale: spazi di Banach; operatori e funzionali lineari e loro proprietà; teorema di Helly-Hahn-Banach; teorema di Banach-Steinhaus; topologie deboli; spazi riflessivi; spazi separabili; spazi uniformemente convessi. Conoscere gli spazi funzionali più comunemente utilizzati, in particolare gli spazi L^p e le loro caratteristiche. Conoscere le trasformazione di Fourier e di Laplace e le loro principali proprietà: derivazione, convoluzione, antitrasformazione e legame tra le due. CONOSCENZE APPLICATIVE: saper riconoscere funzioni olomorfe, saper calcolare limiti, derivate e integrali di funzioni complesse; saper applicare i teoremi di Cauchy, saper riconoscere singolarità isolate e zeri di una funzione olomorfa, saper calcolare la serie di Laurent associata a particolari funzioni (riconducibili a serie note), saper calcolare integrali lungo curve complesse, saper applicare il teorema dei residui e il Lemma di Jordan. Saper calcolare le trasformate di Fourier e Lapalce di alcune funzioni, saper applicare le proprietà delle due trasformazioni, saper antitrasformare le funzioni razionali fratte proprie; saper risolvere problemi di Cauchy con equazioni differenziali ordinarie lineari a coefficienti costanti utilizzando le trasformate di Laplace. AUTONOMIA DI GIUDIZIO: saper collegare gli argomenti trattati in diversi contesti; saper cercare e individuare i contenuti in testi diversi, riconoscendo esempi e applicazioni riguardanti i contenuti teorici. ABILITA' NELLA COMUNICAZIONE: saper esporre i concetti studiati con un linguaggio preciso, appropriato e rigoroso. CAPACITA' DI APPRENDERE: acquisire un metodo autonomo di studio per sapersi orientare nella letteratura scientifica e per essere in grado di comprendere, interpretare e approfondire gli argomenti e i problemi che si incontreranno durante la carriera universitaria e/o lavorativa.

Programma

Analisi complessa: richiami sui numeri complessi; funzioni complesse: funzioni complesse di variabile complessa; limiti di funzioni complesse; funzioni olomorfe; la condizione di Cauchy-Riemann; alcune particolari funzioni complesse tra cui, in particolare: polinomi complessi; esponenziale complesso; funzioni trigonometriche complesse; logaritmo complesso; radice n-esima complessa; funzioni armoniche; curve in campo complesso; mappe conformi; integrali curvilinei di funzioni complesse; funzioni primitive; teorema di Morera; primo e secondo Teorema di Cauchy e formule di Cauchy; richiami sulle serie di potenze e analiticità delle funzioni olomorfe; Teorema di Liouville; principio di identità; prolungamento analitico; principio del massimo modulo; serie di Laurent; zeri e singolarità isolate delle funzioni olomorfe; funzioni meromorfe; Teorema di Casorati; Teorema di Picard; Teorema dei residui; Teorema dell'indicatore logaritmico; Teorema di Rouché; Lemma di Jordan. Alcune tipologie di integrali risolvibili tramite l'integrazione complessa. Elementi di analisi funzionale: richiami su spazi normati e spazi di Banach; operatori e funzionali lineari; dualità; teorema di Helly-Hahn-Banach; teorema di Banach-Steinhaus; topologie deboli; spazi riflessivi; spazi separabili; spazi uniformemente convessi; spazi di Lebesgue: definizione e principali proprietà degli spazi L^p; disuguaglianza di Holder; Teorema di Fischer-Riesz; riflessività, separabilità e duale; Teorema di rappresentazione di Riesz. Trasformazione di Fourier: trasformata di Fourier in L^1(R); definizione e proprietà; trasformazione di Fourier e derivazione; trasformazione e convoluzione; antitrasformata di Fourier; trasformata di Fourier in L^2(R); Teorema di Plancherel; alcune applicazioni. Trasformazione di Laplace: definizione e proprietà; trasformata di Laplace e derivazione; trasformata di Laplace e convoluzione; inversione della trasformata di Laplace; legame con la trasformazione di Fourier; alcune applicazioni. Calcolo differenziale e integrale in una e più variabili; topologia generale; forme differenziali lineari; successioni e serie di funzioni; serie di potenze e serie di Fourier; funzioni analitiche in campo reale; equazioni differenziali ordinarie; misura e integrazione secondo Lebesgue. Il corso è costituito da 72 ore di lezioni frontali. Lo strumento prevalentemente utilizzato per le lezioni frontali sarà la lavagna, talvolta potranno essere usati materiali audiovisivi. Le lezioni, oltre al contenuto teorico, prevedono anche l'illustrazione dei procedimenti esecutivi o risolutivi attinenti alle parti del programma che le contemplano (esempi miranti a far raggiungere gli obiettivi relativi alle capacità applicative); esse prevedono una partecipazione attiva degli studenti, soprattutto nella parte relativa alle conoscenze applicative. Durante le lezioni, inoltre, il docente esorta gli studenti ad intervenire sia con domande di chiarimento sia con eventuali osservazioni e/o commenti di approfondimento e connessione degli argomenti trattati. Alcune dimostrazioni, non richieste nella prova orale, vengono lasciate agli studenti come approfondimento: gli incontri col docente per chiarimenti e spiegazioni sono quindi considerati parte integrante dell’attività formativa. Sul sito del docente https://www.unica.it/unica/it/ateneo_s07_ss01.page?contentId=SHD30623 vengono gradualmente fornite le dispense del corso aggiornate nonché il registro delle lezioni.

Modalità d'esame

L'obiettivo della prova d'esame consiste nel verificare il livello di raggiungimento degli obiettivi formativi. La verifica dell’apprendimento avviene tramite una prova scritta e una orale. La prima prevede la risoluzione di due esercizi, uno di analisi complessa e uno sulle trasformate (si veda l’obiettivo formativo “conoscenze applicative”) e due domande a risposta aperta (riguardanti l'analisi complessa e le trasformate), che può richiedere la dimostrazione di un teorema e/o l’esposizione di concetti e/o l’esibizione di un esempio (la domanda può quindi essere articolata in più punti); la durata della prova scritta è di due ore e mezza. La seconda (da sostenersi entro tre mesi dalla prova scritta) consiste in un colloquio durante il quale lo studente deve dimostrare di conoscere i contenuti riguardanti l’analisi funzionale: il docente fa due domande principali sugli argomenti trattati a lezione; a queste se ne possono aggiungere eventualmente altre, volte ad accertare che lo studente abbia padronanza dei contenuti (il numero degli interventi del docente dipende, ovviamente, anche dal livello di preparazione dello studente: se è sufficientemente esaustivo, le ulteriori domande saranno ridotte); durante l’esposizione si tiene in considerazione la capacità di collegare gli argomenti trattati, di citare autonomamente (senza che venga espressamente richiesto) esempi e/o applicazioni della teoria esposta. La durata della prova dipende dal livello di preparazione dello studente; in media è di 45 minuti. Il voto è espresso in trentesimi in entrambe le prove, e il voto finale è ottenuto facendo la media dei due. Se la prova orale non viene superata, lo studente ha la possibilità di sostenerla un'altra volta conservando la validità del voto della prova scritta (se la scadenza dei tre mesi non è stata superata). Nella prova scritta viene specificato il punteggio assegnato a ciascuna parte da svolgere. Vengono valutati il livello di conoscenza degli argomenti trattati, la capacità di mettere in relazione i contenuti, la chiarezza e correttezza espositiva e la capacità di applicazione delle conoscenze relativamente alla parte degli esercizi di analisi complessa. Per superare l'esame lo studente deve dimostrare di possedere una conoscenza di base degli argomenti trattati nel corso. La lode viene attribuita nel caso di prove particolarmente brillanti. In particolare, il voto finale è assegnato seguendo la seguente Tabella Docimologica: Insufficiente: lo studente dimostra di non conoscere e/o non aver compreso i contenuti fondamentali del corso. 18-24: lo studente conosce quasi tutti gli argomenti chiesti durante l’esame; dimostra di aver capito e assimilato sufficientemente gli argomenti. 25-28: lo studente conosce tutti gli argomenti chiesti durante l’esame; dimostra di aver capito e assimilato bene gli argomenti; possiede una buona padronanza di linguaggio ed espone chiaramente i contenuti. 29-30: lo studente conosce molto bene tutti gli argomenti chiesti durante l’esame; dimostra di aver capito e assimilato molto bene gli argomenti; possiede una buona padronanza di linguaggio ed espone molto chiaramente i contenuti; è in grado di spiegare le nozioni apprese. 30 e lode: lo studente conosce perfettamente tutti gli argomenti chiesti durante l’esame; dimostra di aver capito e assimilato in profondità tutti gli argomenti; possiede un’ottima padronanza di linguaggio e ed espone molto chiaramente i contenuti; è in grado di spiegare le nozioni apprese. Le date degli appelli (6 in un anno accademico) sono fissate per la prova scritta, mentre la successiva prova orale può essere concordata col docente con almeno una settimana d’anticipo.

Testi di riferimento

I testi principali utilizzati durante il corso sono i seguenti (rispettivamente, per gli argomenti: analisi complessa, analisi funzionale, trasformate): L.V . Ahlfors, Complex analysis: an introduction to the theory of analytic functions of one complex variable, third edition, McGraw-Hill (1979). H. Brezis, Functional analysis, Sobolev Spaces and partial differential equations, Springer, New York (2011) G.C. Barozzi, Matematica per l’ingegneria dell’informazione, Zanichelli (2001). Durante lo svolgimento del corso saranno forniti eventuali altri testi di consultazione e/o appunti del docente che saranno reperibili sul sito.

Codice insegnamento 20161

Analisi Superiore 2 1° anno · 2° semestre · 9 CFU · MATH-03/A · 0 file

Da un punto di vista generale, l’insegnamento si propone diverse importanti finalità che interessano tutte le studentesse e tutti gli studenti del corso di laurea magistrale in Matematica. Da un lato, mira a fornire…

Scheda dell'insegnamento

Obiettivi formativi

Da un punto di vista generale, l’insegnamento si propone diverse importanti finalità che interessano tutte le studentesse e tutti gli studenti del corso di laurea magistrale in Matematica. Da un lato, mira a fornire una più profonda comprensione dei concetti fondamentali dell’Analisi, i quali vengono qui affrontati da un punto di vista superiore: ciò accade, ad esempio, a proposito del limite di una successione di distribuzioni, della proprietà di continuità delle distribuzioni, della derivata distribuzionale, eccetera. Nel momento in cui si affrontano tali astrazioni, si guadagna una visione più alta dei concetti fondamentali, il che risulta particolarmente utile per quelle studentesse e quegli studenti di oggi, che domani dovessero diventare professoresse e professori. Inoltre, la padronanza dei concetti fondamentali risulta uno strumento essenziale anche per coloro che in futuro dovessero occuparsi delle applicazioni della matematica: infatti, nella maggioranza dei casi, i problemi reali non si possono risolvere con la semplice invocazione di un enunciato noto, ma è necessario effettuare sul momento le opportune modifiche, e sviluppare gli adattamenti che solo una profonda conoscenza delle idee sottostanti consente di ideare. In secondo luogo, in questo insegnamento avremo l’opportunità di trattare rigorosamente le nozioni fondamentali del calcolo delle variazioni, i cui concetti principali vengono frequentemente utilizzati in Fisica e nella Fisica Matematica. Rivolgeremo anche una particolare attenzione ai problemi variazionali finito-dimensionali, la cui soluzione non è sempre ovvia, e la cui conoscenza può essere sfruttata direttamente in talune applicazioni ma anche utilizzata per motivare lo studio della matematica in un contesto scolastico. Infine, il corso funge da introduzione a quegli spazi funzionali che sono oggi correntemente utilizzati in Analisi Funzionale e nella teoria delle Equazioni alle Derivate Parziali, e la cui conoscenza è necessaria per coloro che aspirano a un dottorato in tali campi della matematica. Con riferimento ai descrittori di Dublino, gli obiettivi sono: 1. Conoscenza e capacità di comprensione Conoscere le definizioni, le principali proprietà e qualche motivazione del ricorso alla teoria delle distribuzioni. Avere un’idea delle origini, degli scopi, e di alcuni dei problemi e dei metodi del calcolo delle variazioni. Conoscere le definizioni ed alcune delle principali proprietà degli spazi funzionali più comunemente utilizzati, e saper dare qualche motivazione del ricorso a tali spazi. 2. Capacità applicative Saper risolvere problemi isoperimetrici elementari. Saper ricavare l’equazione di Eulero-Lagrange di un funzionale dato, e saperla risolvere almeno in casi particolarmente semplici, sotto altrettanto semplici condizioni al contorno. 3. Autonomia di giudizio Sviluppare spirito critico, capacità di pensiero autonomo, e intraprendenza, con riferimento ai problemi sui quali il corso si impernia. Capacità di interpretare i dati ed i risultati del calcolo anche al fine di valutare l'attendibilità dei risultati stessi. 4. Abilità nella comunicazione Saper comunicare informazioni, idee, problemi e soluzioni utilizzando la terminologia convenzionale, in modo tale da poter interagire costruttivamente, nell'immediato, con gli altri studenti e con i docenti, e successivamente con i propri colleghi di lavoro e con i propri stessi studenti se del caso. Saper motivare razionalmente le proprie tesi, supportandole con argomentazioni solide. 5. Capacità di apprendere Essere in grado di consultare e interpretare i testi universitari per formare ed arricchire le proprie conoscenze. Saper utilizzare le fonti di informazione nell'ambito di un'attività volta alla risoluzione di problemi. Essere in grado, qualora se ne presentasse la necessità, di documentarsi anche su argomenti vicini ai contenuti del corso ma non rientranti interamente in essi.

Programma

Introduzione alla teoria delle distribuzioni (2 CFU, 8 lezioni, 16 ore) Presenteremo rigorosamente le nozioni fondamentali della teoria delle distribuzioni: un utile strumento per modellizzare i fenomeni discontinui che si incontrano sistematicamente nelle applicazioni. Dando uno sguardo alle origini della teoria, vedremo come un argomento apparentemente astratto scaturisce in realtà dalla necessità di risolvere problemi concreti. Nozioni fondamentali: lo spazio D delle funzioni test; lo spazio D' delle distribuzioni di Schwartz. Interpretazioni ed applicazioni delle distribuzioni, e in particolare della distribuzione delta di Dirac. Cenni storici: la delta di Dirac non è una funzione di una variabile reale. Convergenza nel senso delle distribuzioni. Derivata distribuzionale. Supporto di una distribuzione. Introduzione al calcolo delle variazioni (4 CFU, 16 lezioni, 32 ore) Discuteremo alcuni problemi variazionali finito-dimensionali, che possono eventualmente essere presentati in un contesto scolastico nel caso in cui le studentesse e gli studenti di oggi diventassero insegnanti e lo ritenessero opportuno. Con un procedimento di passaggio al limite giungeremo al problema isoperimetrico nel piano, che è uno dei problemi più noti del calcolo delle variazioni. Vedremo altri fondamentali problemi, che hanno un’origine geometrica o fisica, e ricaveremo rigorosamente l’equazione di Eulero-Lagrange di un funzionale integrale. Gli specifici argomenti sono elencati in dettaglio qui di seguito. Problemi variazionali elementari: il problema isoperimetrico nella classe dei rettangoli, area massima di un triangolo avente due lati assegnati, area massima di un triangolo avente un lato e il perimetro assegnati, area massima di un poligono di 2n lati avente il perimetro assegnato. Problemi classici del calcolo delle variazioni: il problema della brachistocrona, il problema del corpo di minima resistenza di Newton, il problema della catenaria, il problema isoperimetrico in dimensione 2 ed una sua soluzione ispirata a J. Steiner, il problema di Plateau non parametrico. Metodi classici del calcolo delle variazioni: lemma fondamentale, lemma di Du Bois-Reymond, equazione di Eulero-Lagrange. Il metodo diretto del calcolo delle variazioni (3 CFU, 12 lezioni, 24 ore) L’esigenza di risolvere il principale problema che i metodi classici lasciano aperto, che è quello dell’esistenza delle minimanti per gli integrali multipli del calcolo delle variazioni, conduce in modo naturale allo studio degli spazi di Sobolev, detti inizialmente spazi di Beppo Levi, e delle loro più importanti proprietà. Tratteremo quanto segue. Spazi di Sobolev: definizione, esempi, completezza, teoremi di immersione, disuguaglianza di Poincaré. Immersioni compatte: teorema di Rellich-Kondrachov, compattezza debole. Lo spazio H¹_0: definizione, norma equivalente, duale. Semicontinuità inferiore, successione minimizzante, teorema fondamentale (o di Weierstrass-Tonelli). Esempi notevoli: il funzionale lunghezza di una curva, il funzionale di Dirichlet. Nesso con le equazioni alle derivate parziali di tipo ellittico.

Calcolo differenziale e integrale per funzioni di una o più variabili reali. Integrazione secondo Lebesgue. Spazi L^p.

Il corso è costituito da 72 ore di lezioni frontali e si tiene ad anni alterni: in particolare si terrà nel corrente anno accademico 2026/27 e non si terrà nel 2027/28. Nella prima lezione vengono presentati i contenuti e le modalità di svolgimento del corso, e vengono date indicazioni sul materiale didattico e su come impostare lo studio della disciplina. Vengono inoltre indicate le modalità di svolgimento degli esami. Le lezioni successive si articolano come segue: una parte dell'attività consiste nell'esposizione dei contenuti del corso finalizzata a perseguire l'obiettivo 1 (conoscenza e comprensione); una seconda parte consiste invece nella illustrazione dei procedimenti esecutivi o risolutivi riconducibili all'obiettivo 2 (capacità applicative). Gli studenti sono frequentemente invitati ad affrontare problemi matematici che il docente propone tenendo conto del programma del corso, dello stato di avanzamento delle lezioni, dell'esperienza maturata nelle edizioni precedenti del corso, nonché del feedback fornito dagli studenti. Tali consegne sono finalizzate al raggiungimento dei seguenti obiettivi: - obiettivo 1 (conoscenza e comprensione), tramite la contestualizzazione delle nozioni teoriche del programma; - obiettivo 2 (capacità applicative), mediante l'effettivo utilizzo dei procedimenti esecutivi o risolutivi illustrati a lezione; - obiettivo 3 (autonomia di giudizio), in quanto la possibilità di dare soluzione ai problemi proposti richiede da parte dello studente l'effettuazione di scelte ragionate ed autonome; - obiettivo 5 (capacità di apprendere), in quanto gli studenti sono stimolati a consultare i testi consigliati, ai quali una parte delle consegne fa esplicito riferimento. Una terza tipologia di attività (detta talvolta "lezione euristica" o "lezione socratica") consiste nella discussione, condotta dal docente, e nella risoluzione dei problemi proposti, con la partecipazione degli studenti interessati, mirante a perseguire le seguenti finalità: 1) consolidare le conoscenze (obiettivo 1) e le capacità applicative (obiettivo 2); 2) coltivare e perfezionare l'autonomia di giudizio (obiettivo 3) mediante il confronto fra le valutazioni degli studenti e quelle del docente; 3) coltivare e sviluppare le capacità dialettiche facenti parte dell'obiettivo formativo n. 4. Può benissimo accadere, qualora le esigenze didattiche lo richiedano, che una stessa ora di lezione frontale si articoli, al suo interno, in attività rientranti in due, o anche in tutte e tre le tipologie sopra specificate. Le lezioni tendono a disincentivare lo studio puramente sintattico-simbolico (mnemonico) della materia, e si avvalgono di rappresentazioni grafiche (realizzate in parte sotto forma di disegni a mano libera, e per la rimanente parte mediante grafica computerizzata, applet interattive, o semplici modelli realizzabili artigianalmente) nonché delle potenzialità dei CAS - Computer Algebra Systems. Nel rispetto del programma del corso, gli studenti possono chiedere di approfondire uno o più argomenti di proprio interesse. Qualora ne ravvisino la necessità, gli studenti possono anche richiedere la trattazione di uno o più prerequisiti onde poter comprendere meglio gli argomenti del programma. Sono altresì previste forme anonime di comunicazione con il docente (questionari in forma scritta e/o sistemi telematici) come mezzo di assunzione di informazioni e dati conoscitivi con i quali il docente opera per riuscire ad adeguare l'insegnamento alle esigenze degli studenti (valutazione in itinere costruttiva e formativa). Il docente è sempre raggiungibile per posta elettronica all'indirizzo [email protected]

Modalità d'esame

In sede d'esame (valutazione certificativa), allo studente vengono proposti alcuni quesiti scelti a campione fra i vari argomenti del corso. I quesiti sono, di norma, della stessa tipologia di quelli affrontati a lezione. Lo studente dovrà rispondere utilizzando sia la parola che un apposito mezzo di scrittura (solitamente, una lavagna tradizionale) da utilizzarsi per un duplice scopo: A. Sostenere le complesse argomentazioni che sono tipiche della matematica mediante l'uso della notazione convenzionale e, ove possibile, di opportune rappresentazioni grafiche; B. Dimostrare la capacità di manipolare le espressioni formali nel rispetto delle regole che ne governano l'utilizzo. Il punteggio è attribuito sulla base della tabella docimologica appresso riportata. La determinazione del voto tiene conto dei seguenti elementi: 1. La logica seguita dallo studente nella risoluzione del quesito; 2. La correttezza della procedura individuata per la soluzione del quesito; 3. L'adeguatezza della soluzione proposta in relazione alle competenze attese; 4. L'impiego di un adeguato linguaggio; 5. La capacità di sostenere una discussione, e la capacità di individuare e correggere, discutendo, i propri eventuali errori, senza smarrirsi. Sono valutati a favore dello studente, inoltre: lo spirito critico, la capacità di pensiero autonomo, lo spirito di iniziativa, e in generale il cosiddetto "pensiero divergente", cioè l'uso creativo ed originale delle conoscenze di cui lo studente è in possesso. Si tenga presente che gli studenti si differenziano fortemente l'uno dall'altro perché ciascuno di essi è caratterizzato da una specifica combinazione degli elementi sopra richiamati. Di conseguenza il punteggio finale, che è costituito da un singolo valore numerico, non può per sua stessa natura conservare memoria di ciascuno degli elementi valutati. Ne consegue che studenti dal profilo nettamente diverso possono benissimo conseguire un identico punteggio: si pensi, a titolo di esempio, ad uno studente molto riflessivo (elemento 1) ma timido ed impacciato nel rapportarsi con gli estranei (elemento 5), e lo si confronti con uno studente più impulsivo ma anche brillante e chiaro nel sostenere le proprie tesi. TABELLA DOCIMOLOGICA - 18/30: lo studente è in possesso dei requisiti minimi per il proseguimento degli studi, durante il quale dovrà sviluppare le competenze mancanti; - da 19/30 a 21/30: lo studente raggiunge gli obiettivi previsti ma necessita di continuo sostegno da parte della commissione esaminatrice; - da 22/30 a 23/30: lo studente raggiunge gli obiettivi previsti con qualche contributo da parte della commissione esaminatrice; - da 24/30 a 25/30: lo studente ha una modesta conoscenza dei contenuti del corso, sufficiente per poter proseguire gli studi, - da 26/30 a 27/30: lo studente ha acquisito una discreta conoscenza degli argomenti del programma, sia per quanto attiene la capacità di soluzione dei problemi, sia per quanto attiene alle corrispondenti conoscenze teoriche; - da 28/30 a 29/30: lo studente ha acquisito una buona conoscenza degli argomenti del programma, sia per quanto attiene la capacità di soluzione dei problemi, sia per quanto attiene alle corrispondenti conoscenze teoriche; - 30/30: lo studente ha acquisito un’ottima conoscenza degli argomenti del programma, sia per quanto attiene la capacità di soluzione dei problemi, sia per quanto attiene alle corrispondenti conoscenze teoriche; - 30/30 e lode: studente particolarmente brillante, in grado di affrontare problemi più impegnativi, corrispondenti al più alto livello cognitivo della tassonomia di Bloom.

Testi di riferimento

R. A. Adams, J.J.F. Fournier. Sobolev spaces, 2nd edition. Academic Press 2003. L. Amerio. Analisi matematica con elementi di analisi funzionale, vol. 2. UTET 1977. L. Amerio. Analisi matematica con elementi di analisi funzionale, vol. 3, parte seconda. UTET 1982. H. Brézis. Analisi funzionale, teoria e applicazioni. Liguori 1986. L. Cesari. Optimization - theory and applications. Springer 1983. R. Courant. Dirichlet’s principle, conformal mapping, and minimal surfaces. Interscience 1958. R. Courant, D. Hilbert, Methods of mathematical physics, vol. I. Interscience 1952 / Wiley 1989. R. Courant, D. Hilbert, Methods of mathematical physics, vol. II. Interscience 1962 / Wiley 1989. R. Courant, H. Robbins. Che cos'è la matematica? Introduzione elementare ai suoi concetti e metodi. Boringhieri 2007. B. Dacorogna. Direct methods in the Calculus of Variations, Springer 1989. B. Dacorogna. Introduction to the Calculus of Variations, Imperial College Press 2004. P. D’Ancona, E. Montefusco. Il dubbio di Didone. In: Ricordando Franco Conti, Centro di ricerca matem. E. de Giorgi, Scuola Norm. Sup., Pisa, 2004. P. A. M. Dirac. I principi della meccanica quantistica. Boringhieri 1976. L. C. Evans, R. F. Gariepy. Measure theory and fine properties of functions. CRC Press 1992. H. Federer, Geometric measure theory. Springer 1969. P. Freguglia, M. Giaquinta. The early period of the calculus of variations. Birkhäuser 2016. I. M. Gel’fand, G. E. Shilov. Generalized functions. AMS Chelsea Publishing 1964. M. Giaquinta, S. Hildebrandt. Calculus of variations. Springer 1996. D. Gilbarg, N. S. Trudinger. Elliptic partial differential equations of second order, 2nd edition. Springer-Verlag 1998. E. Giusti. Metodi diretti nel calcolo delle variazioni. Unione Matematica Italiana 1994. R. P. Kanwal. Generalized functions: theory and technique. Academic Press 1983. N. D. Kazarinoff. Geometric inequalities. New Mathematical Library 1961. O. D. Kellogg. Foundations of potential theory. Dover 1953. D. Kinderlehrer, G. Stampacchia. An introduction to variational inequalities and their applications. Academic Press, 1980. Ristampa: Classics in Applied Mathematics 31, SIAM (Society for Industrial and Applied Mathematics) 2000. M. Kline. Storia del pensiero matematico. Einaudi 1996. G. Köthe. Topological vector spaces. Springer-Verlag 1969. C. B. Morrey. Multiple integrals in the calculus of variations. Springer 1966. C. D. Pagani, S. Salsa. Analisi Matematica, vol. 2. Zanichelli 2016. B. O. Peirce. Elements of the theory of the Newtonian potential function. Ginn & Co. 1902. H. H. Schaefer, M. P. Wolff. Topological vector spaces. Springer-Verlag 1999. L. Schwartz. Théorie des distributions. Hermann 1950. G. Talenti. The standard isoperimetric theorem. In: Handbook of convex geometry, vol. A, pagg. 73–123. North-Holland 1993. L. Tonelli. Fondamenti di calcolo delle variazioni. Zanichelli 1921. F. Treves. Locally convex spaces and linear partial differential equations. Springer-Verlag 1967. F. Treves. Topological vector spaces, distributions and kernels. Academic Press 1967. V. S. Vladimirov. Equazioni della Fisica Matematica. Mir 1987. D. V. Widder. The heat equation. Academic Press, 1975. K. Yosida. Functional analysis. Springer-Verlag 1980. A. H. Zemanian. Distribution theory and trasform analysis. McGraw-Hill 1965.

Codice insegnamento 22457

Didattica Della Matematica 1° anno · 1° semestre · 9 CFU · MATH-01/B · 0 file

Il corso introduce i principali quadri teorici elaborati dalla ricerca nazionale e internazionale in didattica della matematica, con particolare attenzione al ruolo dell’insegnante e agli aspetti concettuali,…

Scheda dell'insegnamento

Obiettivi formativi

Il corso introduce i principali quadri teorici elaborati dalla ricerca nazionale e internazionale in didattica della matematica, con particolare attenzione al ruolo dell’insegnante e agli aspetti concettuali, epistemologici, linguistici e didattici che caratterizzano i processi di insegnamento e apprendimento della matematica. Il corso fornisce inoltre gli strumenti di base per progettare, analizzare e valutare attività e percorsi didattici rivolti alla scuola secondaria di primo e secondo grado, anche in ambienti di apprendimento che prevedono l’impiego delle tecnologie digitali. Al termine del corso, lo studente dovrà aver acquisito le seguenti conoscenze e competenze. A. Conoscenza e capacità di comprensione Lo studente dovrà acquisire conoscenze sistematiche e una comprensione critica dei processi di insegnamento e apprendimento della matematica in ambito scolastico, con riferimento: • ai principali risultati della ricerca in didattica della matematica; • al quadro istituzionale e curricolare; • alle metodologie e alle strategie didattiche; • al ruolo dell’insegnante; • all’impiego delle tecnologie nei processi di insegnamento e apprendimento. B. Capacità di applicare conoscenza e comprensione Lo studente dovrà essere in grado di utilizzare le conoscenze teoriche acquisite per analizzare, progettare e valutare percorsi didattici relativi a diversi contenuti matematici. Dovrà inoltre saper analizzare criticamente report e studi di ricerca, testi, articoli scientifici e protocolli di sperimentazione didattica. Lo studente sarà chiamato a rielaborare le proprie conoscenze matematiche in relazione ai processi di trasposizione didattica nella scuola secondaria di primo e secondo grado, individuando, quando opportuno, collegamenti con le altre discipline dell’area scientifica. C. Autonomia di giudizio Lo studente dovrà essere in grado di esaminare criticamente ricerche, approcci teorici, metodologie e proposte didattiche nell’ambito della didattica della matematica, valutandone presupposti, potenzialità e limiti. Dovrà inoltre sviluppare la capacità di riflettere sulle proprie conoscenze e competenze, nonché di valutare in modo consapevole il proprio contributo e quello dei pari nell’ambito di attività di discussione, dibattito, autovalutazione e valutazione tra pari. D. Abilità comunicative Al termine del corso, lo studente dovrà aver acquisito una conoscenza adeguata del linguaggio specifico della didattica della matematica. Dovrà essere in grado di descrivere e comunicare procedimenti, analisi, argomentazioni, scelte progettuali e risultati in modo chiaro, rigoroso, coerente e scientificamente corretto, adattando la propria esposizione ai diversi contesti e interlocutori. E. Capacità di apprendimento Sulla base delle conoscenze e delle competenze acquisite, lo studente dovrà essere in grado di approfondire autonomamente nuove teorie, metodologie e risultati della ricerca in didattica della matematica. Dovrà inoltre saper selezionare e utilizzare in modo critico tali conoscenze per affrontare problematiche diverse connesse alla progettazione, alla realizzazione e all’analisi dei processi di insegnamento e apprendimento della matematica.

Programma

Teorie dell’apprendimento e dell’insegnamento della matematica Il corso affronta alcune tra le principali teorie della didattica della matematica, con particolare riferimento alla Teoria delle situazioni didattiche. Saranno approfonditi i concetti di sistema didattico, milieu e contratto didattico. Saranno inoltre presentate la Teoria della trasposizione didattica e l’ingegneria didattica, con cenni alla progettazione e all’analisi di ambienti di apprendimento relativi a contenuti matematici previsti dai curricula scolastici. Il problem solving in matematica Saranno analizzate le caratteristiche dei problemi aperti e chiusi, con particolare attenzione alla distinzione tra problema ed esercizio e all’importanza di proporre attività che favoriscano l’esplorazione, la formulazione di strategie e il pensiero autonomo. Errore, ostacoli e difficoltà di apprendimento Il corso approfondirà il ruolo dell’errore nei processi di insegnamento e apprendimento della matematica, nonché il concetto di ostacolo epistemologico e didattico. Saranno inoltre affrontate le principali difficoltà nell’apprendimento della matematica, con uno specifico approfondimento dedicato alla discalculia. Linguaggio, discussione e dimostrazione Particolare attenzione sarà riservata al ruolo del linguaggio nell’attività matematica, alla discussione matematica in classe e alla relazione tra argomentazione e dimostrazione.

Sono ritenuti acquisiti i contenuti previsti per la laurea triennale in Matematica

L’insegnamento prevede: • 52 ore di lezioni e 20 ore di esercitazioni per il corso da 9 CFU; • 30 ore di lezioni e 18 ore di esercitazioni per il corso da 6 CFU. Le attività didattiche saranno organizzate secondo modalità diversificate, che comprendono: • lezioni partecipate; • esercitazioni guidate; • attività laboratoriali, individuali e di gruppo. A supporto delle attività saranno utilizzati la lavagna, il videoproiettore, il computer, risorse e materiali consultabili online, la piattaforma Moodle di Ateneo e Microsoft Teams. La didattica sarà erogata in presenza, conformemente a quanto previsto dalla normativa di Ateneo.

Modalità d'esame

La valutazione si articola in tre componenti: 1. Dibattito di gruppo — massimo 35 punti Gli studenti, organizzati in gruppi, approfondiranno un tema scelto tra quelli proposti dal docente e progetteranno un dibattito da presentare in classe. La valutazione sarà effettuata sia dal docente sia dagli studenti, compresi i componenti del gruppo coinvolto, attraverso un processo di autovalutazione e valutazione tra pari. 2. Presentazione di un progetto didattico individuale — massimo 35 punti Ciascuno studente elaborerà individualmente un progetto didattico relativo a un argomento di propria scelta, concordato e assegnato durante il corso. Il lavoro sarà presentato al termine delle lezioni e valutato dal docente. 3. Partecipazione alle attività in classe — massimo 30 punti La partecipazione attiva e pertinente durante le lezioni e le attività proposte contribuirà alla valutazione finale. Criteri di valutazione La valutazione terrà conto dei seguenti aspetti: • conoscenza e padronanza dei contenuti matematici affrontati nel corso; • capacità di analisi didattica; • originalità e coerenza del progetto individuale; • capacità di collegare i contenuti teorici alla progettazione didattica; • chiarezza, correttezza e appropriatezza dell’esposizione orale; • partecipazione attiva e consapevole alle attività del corso. L’esame si considera superato con una votazione minima di 18/30, corrispondente al possesso sufficiente delle conoscenze matematiche e dei contenuti specifici del corso. Per conseguire una valutazione superiore a 28/30, lo studente dovrà dimostrare un’ottima padronanza dei contenuti matematici e didattici, capacità di analisi critica, originalità nella progettazione e autonomia nell’affrontare le problematiche connesse alla trasposizione didattica dei contenuti matematici.

Testi di riferimento

Articoli e altri documenti o dispense saranno forniti dal docente durante il Corso. Testi di riferimento A. Baccaglini-Frank – P. Di Martino, R.Natalini – G.Rosolini, 2017, Didattica della matematica, Mondadori Università B. Artigue M., 2011, Le sfide dell’insegnamento della matematica nell’educazione di base. La matematica nella storia e nella cultura, UMI, serie I vol. IV. http://www.umi-ciim.it/downloads/materiali/Unesco.pdf C. Polo M., 2000, Interpretare e gestire le risposte degli alunni nelle attività con la matematica, La matematica e la sua didattica, pp. 423/437, Pitagora, Bologna.

Codice insegnamento 22459

Fisica Matematica 1° anno · 1° semestre · 9 CFU · MATH-04/A · 0 file

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Matematica, si propone, principalmente, di far acquisire allo studente una conoscenza operativa delle…

Scheda dell'insegnamento

Obiettivi formativi

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Matematica, si propone, principalmente, di far acquisire allo studente una conoscenza operativa delle equazioni differenziali lineari alle derivate parziali di tipo stazionario ed evolutivo pertinenti alla fisica matematica. I vari argomenti vengono approfonditamente descritti fornendo una rigorosa giustificazione teorica. 2. Conoscenza e capacità di comprensione applicate. Durante il corso verranno discusse le possibili applicazioni dei metodi studiati, sia per quanto riguarda la risoluzione di particolari problemi matematici, sia per quanto concerne la loro applicazione in discipline affini (fisica e ingegneria). 3. Autonomia di giudizio. Il corso fornisce agli studenti diligenti le competenze necessarie ad applicare le metodologie matematiche acquisite alla risoluzione di problemi applicativi che tipicamente si presentano nelle scienze applicate. 4. Abilità comunicative. La prova orale tiene conto della capacità dello studente di esporre in modo ordinato e coerente gli argomenti studiati. 5. Capacità di apprendere. Il corso fornisce agli studenti diligenti una preparazione di base sufficiente alla comprensione di testi matematici avanzati sulle equazioni alle derivate parziali.

Programma

Le prime 48 ore del corso, corrispondenti ai primi due punti del programma sotto riportato, sono comuni agli indirizzi di Matematica Pura e Matematica Applicata. Le restanti 24 ore vanno a completare il programma per gli studenti di Matematica Pura. 1. EQUAZIONI ALLE DERIVATE PARZIALI LINEARI (PDEs lineari) A. Introduzione: terminologia e problemi ben posti. Classificazione delle PDEs quasilineari del secondo ordine. B. Equazione del trasporto (leggi di conservazione, metodo delle caratteristiche, equazione del trasporto con sorgente) C. Equazione del calore (derivazione dell’equazione, caso 1D e risoluzione con il metodo di separazione delle variabili, caso 1D su spazi limitati, caso 3D); D. Equazione delle onde (caso 1D, caso 1D su segmenti, caso 1D con sorgente, caso 3D) E. Equazione di Laplace (funzioni armoniche, principi di massimo, soluzione fondamentale e formula di Green). 2. EQUAZIONI INTEGRALI I. Equazioni integrali: terminologia e esempi; II. Metodo delle approssimazioni successivi; III. Teoremi di Fredholm; IV. Cenni sulle equazioni integrali con nucleo hermitiano. 3. Equazione di Hamilton-Jacobi e integrabilità a. Equazione di Hamilton Jacobi (HJ): definizione e esempi; b. Integrali completi e separazione delle variabili per l’equazione H-J; c. Integrabilità per sistemi con un numero finito di gradi di libertà; d. Cenno alle PDEs evolutive nonlineari: il caso delle equazioni integrabili (come, per esempio, l’equazione Korteweg-de Vries). 4. Equazioni differenziali e funzioni speciali i. Equazioni differenziali del secondo ordine; ii. Metodo di Frobenius; iii. Funzioni ipergeometriche; iv. Funzioni di Bessel.

Il corso presuppone una buona conoscenza degli argomenti di base dell'analisi matematica e dell'algebra lineare. In particolare, lo studente dovrebbe conoscere le nozioni fondamentali relative alle equazioni differenziali ordinarie, al calcolo differenziale e integrale anche per funzioni di più variabili.

Il corso consiste di 48 ore di lezione frontale per gli studenti dell'indirizzo di Matematica pura e di 48 ore di lezione frontale per gli studenti di matematica applicata. Gli strumenti utilizzati per le lezioni frontali saranno sia la lavagna che tablet con sistema di proiezione. Al fine di garantire una maggiore efficacia dell'attività didattica, gli argomenti teorici sono spesso integrati da esercitazioni e discussioni guidate sui temi trattati. Il docente presta inoltre assistenza costante agli studenti, nell'arco dell'intero anno accademico, sia nell'orario di ricevimento che attraverso messaggi di posta elettronica. Il principale strumento a supporto della didattica è costituito da un canale Teams che verrà reso disponibile agli studenti iscritti al corso (frequentanti e non frequentanti). Su tale canale verranno rese disponibili informazioni aggiornate in tempo reale che includono: un diario del corso che riporta gli argomenti svolti in ciascuna lezione, informazioni sulle attività didattiche e ulteriore materiale didattico.

Modalità d'esame

L'obiettivo della prova d'esame consiste nel verificare il livello di raggiungimento degli obiettivi formativi precedentemente indicati. La verifica dell'apprendimento avviene attraverso una una prova orale. La prova orale consiste in alcune domande in modo da verificare la preparazione dell'intero programma svolto. La prova orale generalmente dura 30 minuti. Per superare l'esame lo studente deve dimostrare di avere conseguito una conoscenza sufficiente di tutti gli argomenti del corso. Per conseguire il massimo punteggio (pari a 30/30 e lode) lo studente deve invece dimostrare di aver acquisito una conoscenza eccellente di tutti gli argomenti trattati durante il corso.

Testi di riferimento

Testo adottato: a) S. Salsa, Equazioni a derivate parziali: metodi, modelli e applicazioni, edito dalla Spriger nel 2016. Testi di consultazione: b) W. A. Strauss, Partial Differential Equations; c) A.N. Tychonov and A.A. Samarsky, Partial Differential Equations of Mathematical Physics; d) V.S. Vladimirov, Equazioni della fisica Matematica

Codice insegnamento 20163

Geometria Differenziale 1° anno · 2° semestre · 9 CFU · MATH-02/B · 0 file

Scopo dell'insegnamento è di fornire agli studenti gli elementi di base della geometria differenziale quali varietà differenziabili, campi di vettori e forme differenziali, fondamentali in un corso di laurea Magistrale…

Scheda dell'insegnamento

Obiettivi formativi

Scopo dell'insegnamento è di fornire agli studenti gli elementi di base della geometria differenziale quali varietà differenziabili, campi di vettori e forme differenziali, fondamentali in un corso di laurea Magistrale in Matematica. La struttura teorica dell'insegnamento consiste nello sviluppo delle tematiche del programma, mediante l'introduzione di concetti fondamentali e lo sviluppo di una serie di teoremi con relative dimostrazioni, affiancati da esempi significativi, esercizi e applicazioni. In particolare, l'insegnamento si pone come obiettivo acquisire una buona conoscenza della teoria delle varietà differenziabili, delle applicazioni differenziabili tra varietà (immersioni embedding, sottoimmersioni) e della teoria di base dei gruppi e della algebre di Lie. -CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE Al termine dell'insegnamento lo studente dovrà: saper applicare le nozioni e le tecniche apprese sia a esercizi standard sia alla risoluzione di problemi nuovi, che richiedono l'elaborazione autonoma di una strategia, o di piccole dimostrazioni rigorose, non identiche a quelle già conosciute ma ispirate a esse. - AUTONOMIA DI GIUDIZIO Saper riconoscere quando una procedura logica è corretta. Apprendere le tecniche di dimostrazione standard della geometria differenziale. - ABILITÀ COMUNICATIVE Lo studente sarà in grado di esporre e argomentare la soluzione di problemi; sarà inoltre in grado di discutere e dimostrare correttamente i risultati più rilevanti relativi alla geometria differenziale. - CAPACITÀ DI APPRENDERE Capacita di imparare a risolvere autonomamente esercizi e problemi complessi. Capacità di saper leggere e comprendere un testo avanzato di matematica.

Programma

Si VEDA loi.unica.it per il programma dettagliato SPAZI EUCLIDEI Applicazioni lisce; vettori tangenti in R^n come derivate. VARIETÀ Varietà topologiche e differenziabili; applicazioni lisce su varietà; il teorema della funzione inversa; spazi quoziente, lo spazio proiettivo reale e la grassmanniana. LO SPAZIO TANGENTE Lo spazio tangente in un punto; il differenziale di un’applicazione; la regola della catena; immersioni e sottoimmersioni; sottovarietà; il teorema del livello regolare; esempi di sottovarietà regolari; il rango di un’applicazione liscia; il fibrato tangente; campi di vettori; curve integrali. GRUPPI DI LIE E ALGEBRE DI LIE Esempi di gruppi di Lie; sottogruppi di Lie; algebre di Lie; l’algebra di Lie di un gruppo di Lie; l'applicazione esponenziale.

Sono ritenuti acquisiti i contenuti previsti per la laurea triennale in Matematica.

Gli esami si terranno in presenza.

Modalità d'esame

La prova orale è della durata di circa 45 minuti con domande sulle parti principali del programma svolto. Il voto finale, espresso in trentesimi, tiene conto della preparazione dello studente su ciascuno degli argomenti trattati.

Testi di riferimento

W. Boothby, An introduction to differentiable manifolds and Riemannian Geometry, Academic Press. L. Conlon, Differentiable Manifolds, Nodern Birkhauser Classics. Lorin, W. Tu, An Introduction to Manifolds, Springer Verlag. I. Madsen, J. Tronehave, From calculus to cohomology, M. Spivak, Calculus on Manifolds, Addison-Wesley Publishing Company.

Codice insegnamento 20162

Geometria Riemanniana 1° anno · 2° semestre · 9 CFU · MATH-02/B · 0 file

Il corso ha l'obiettivo di fornire una preparazione approfondita sui concetti e sui metodi fondamentali della geometria riemanniana, sviluppando sia la capacità di comprendere i principali risultati teorici sia quella di…

Scheda dell'insegnamento

Obiettivi formativi

Il corso ha l'obiettivo di fornire una preparazione approfondita sui concetti e sui metodi fondamentali della geometria riemanniana, sviluppando sia la capacità di comprendere i principali risultati teorici sia quella di applicare gli strumenti del calcolo differenziale e tensoriale allo studio della geometria delle varietà riemanniane. Al termine del corso lo studente dovrà conoscere e saper utilizzare i principali concetti della geometria riemanniana: metriche riemanniane, campi tensoriali, connessioni affini, connessione di Levi-Civita, derivata covariante, trasporto parallelo, geodetiche, tensore di curvatura e curvature sezionale, di Ricci e scalare. Dovrà inoltre conoscere le principali relazioni tra proprietà locali e globali delle varietà riemanniane, con particolare riferimento alla completezza geodetica, alla distanza riemanniana e al teorema di Hopf-Rinow. Il corso introdurrà inoltre alcuni strumenti fondamentali della geometria riemanniana globale, quali la mappa esponenziale, i campi di Jacobi, i punti coniugati e i risultati fondamentali sulla relazione tra curvatura e comportamento delle geodetiche. Saranno discussi esempi significativi, tra cui spazi euclidei, sfere, spazi iperbolici e varietà prodotto. Particolare attenzione sarà dedicata alla comprensione geometrica dei concetti, alla dimostrazione dei principali risultati e alla capacità di applicare autonomamente le tecniche sviluppate alla soluzione di problemi. In relazione ai descrittori di Dublino, al termine del corso lo studente avrà acquisito: conoscenza e capacità di comprensione dei concetti e dei risultati fondamentali della geometria riemanniana; capacità di applicare conoscenza e comprensione alla risoluzione di problemi geometrici e al calcolo di quantità geometriche; capacità di formulare correttamente definizioni, enunciare e dimostrare risultati e interpretarne il significato geometrico; autonomia di giudizio nella scelta degli strumenti matematici appropriati per affrontare problemi di geometria riemanniana; capacità di comunicare in modo rigoroso e con linguaggio matematico appropriato definizioni, risultati e argomentazioni dimostrative.

Programma

1. Varietà riemanniane e tensori Varietà differenziabili e spazio tangente. Metriche riemanniane. Campi vettoriali e campi tensoriali. Tensori covarianti e controvarianti. Tensore metrico. Isomorfismi e isometrie. Pull-back di tensori. Esempi fondamentali di varietà riemanniane: spazio euclideo, sfere, superfici riemanniane e varietà prodotto. 2. Connessioni affini e connessione di Levi-Civita Connessioni affini. Derivata covariante. Proprietà delle connessioni. Connessione di Levi-Civita. Teorema di esistenza e unicità. Formula di Koszul. Simboli di Christoffel. Derivata covariante di campi tensoriali. Trasporto parallelo. Isometrie e connessioni. 3. Geodetiche e mappa esponenziale Equazioni delle geodetiche. Geodetiche come curve localmente minimizzanti. Energia e lunghezza. Prima variazione della lunghezza e dell'energia. Coordinate normali. Mappa esponenziale. Distanza riemanniana. Proprietà locali della distanza. Esempi espliciti di geodetiche su sfere, spazi euclidei e spazi di curvatura costante. 4. Tensore di curvatura Tensore di curvatura della connessione di Levi-Civita. Interpretazione geometrica della curvatura. Proprietà di simmetria del tensore di curvatura. Identità di Bianchi. Curvatura sezionale. Curvatura di Ricci e curvatura scalare. Relazioni con la curvatura gaussiana delle superfici. Varietà a curvatura costante. Spazi euclidei, sfere e spazi iperbolici. 5. Variazioni di geodetiche e geometria globale Variazioni di curve e di geodetiche. Prima e seconda variazione dell'energia. Campi di Jacobi. Equazione di Jacobi. Punti coniugati. Relazione tra curvatura e comportamento delle geodetiche. Completezza geodetica. Mappa esponenziale e struttura globale delle varietà riemanniane. 6. Teoremi globali fondamentali Distanza riemanniana e completezza. Teorema di Hopf-Rinow e sue conseguenze. Applicazioni alla geometria globale delle varietà riemanniane. Esempi e controesempi.

Sono richieste conoscenze di algebra lineare, analisi matematica in più variabili e geometria differenziale delle curve e delle superfici. In particolare, lo studente deve possedere familiarità con spazi vettoriali e applicazioni lineari, forme bilineari e quadratiche, prodotti scalari, autovalori e autovettori, calcolo differenziale in più variabili, teorema della funzione inversa e del rango, varietà differenziabili, applicazioni differenziabili, spazio tangente, campi vettoriali e forme differenziali. È richiesta inoltre una buona conoscenza delle nozioni fondamentali della geometria differenziale delle curve e delle superfici, quali prima e seconda forma fondamentale, curvatura, curvatura gaussiana, geodetiche e simboli di Christoffel. Sono utili una conoscenza di base della topologia generale e del calcolo tensoriale.

Durante il corso saranno messi a disposizione degli studenti materiali didattici integrativi, quali appunti e/o slide delle lezioni, esercizi assegnati e materiale relativo alle esercitazioni. I materiali saranno utilizzati come supporto allo studio individuale e non sostituiranno il testo di riferimento. Il testo di do Carmo costituisce il principale riferimento per lo studio degli argomenti trattati. Saranno inoltre forniti esercizi supplementari, eventualmente corredati da indicazioni o soluzioni, per favorire l'apprendimento autonomo e la preparazione all'esame. Potranno essere indicati ulteriori riferimenti bibliografici per gli studenti interessati ad approfondire aspetti specifici della geometria riemanniana e della geometria globale.

Modalità d'esame

La verifica dell'apprendimento avverrà mediante un esame orale. L'esame sarà articolato in più domande volte ad accertare sia la conoscenza teorica sia la capacità di applicazione dei contenuti del corso. In particolare, verranno valutate: la conoscenza e la comprensione delle definizioni fondamentali della geometria riemanniana; la conoscenza dei principali teoremi e delle loro dimostrazioni; la capacità di applicare i risultati teorici alla risoluzione di problemi ed esempi concreti; la capacità di eseguire correttamente calcoli relativi a connessione, geodetiche e curvatura; la capacità di interpretare geometricamente le costruzioni e i risultati studiati; la capacità di formulare argomentazioni matematiche rigorose e coerenti. L'esame potrà comprendere la richiesta di dimostrare uno o più risultati fondamentali, di discutere un esempio significativo e di risolvere un problema relativo agli argomenti trattati nel corso. La valutazione finale sarà espressa in trentesimi. Il voto terrà conto della completezza e correttezza delle conoscenze, della capacità di collegare i diversi argomenti del corso, dell'autonomia nella risoluzione dei problemi e della chiarezza e del rigore dell'esposizione.

Testi di riferimento

Testo principale M. P. do Carmo, Riemannian Geometry, Birkhäuser, Boston, 1992. Testi integrativi J. Lee, Riemannian manifolds, Springer. S. Gallot, D. Hulin, J. Lafontaine, Riemannian Geometry, Springer. P. Petersen, Riemannian Geometry, Springer. M. do Carmo, Differential Geometry of Curves and Surfaces, Prentice-Hall. D. Perrone, Introduzione alla geometria riemanniana, Aracne. M. Abate, F. Tovena, Geometria differenziale, Springer.

Codice insegnamento 22456

Logica Matematica 1° anno · 1° semestre · 9 CFU · MATH-01/A · 0 file

Conoscenza e capacità di comprensione Obiettivo principale del corso è quello di trasmettere agli studenti gli strumenti principali per affrontare con dimestichezza problemi logici matematici di vario tipo (algebrici,…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenza e capacità di comprensione Obiettivo principale del corso è quello di trasmettere agli studenti gli strumenti principali per affrontare con dimestichezza problemi logici matematici di vario tipo (algebrici, digitali ecc…). presenti anche fondamentali richiami teorici Capacità di applicare conoscenza e comprensione Le suddette conoscenze consentiranno di saper adottare ed utilizzare strategie di risoluzione di problemi reali in base alla specificità degli studenti. Autonomia di giudizio Acquisire capacità di riflessione autonoma e critica in relazione alle situazioni. Autovalutare le proprie competenze. Abilità comunicative Al termine del corso, lo studente dovrà Essere in grado di comunicare, in modo chiaro, informazioni ed strategie relative all’uso della logica matematica basica. Dimostrare competenze nel gestire tale situazioni Capacità di apprendimento Saper reperire e utilizzare materiale bibliografico, per aggiornare ed approfondire costantemente ed in modo autonomo le conoscenze e competenze professionali.

Programma

Scopo iniziale dell’insegnamento è di fornire i fondamenti teorici della logica matematica. Il corso si propone di approfondire le applicazioni dei contenuti teorici trasmessi. 1) Propositional logic Propositional logic, Syntax Propositional logic, Semantics Boolean valuations Hilbert style calculus (deductive systems) Soundness and completeness studies. 2)First order logic First order logic, Syntax First order logic, Semantics Hilbert style calculus (First order deductive systems) Soundness and completeness studies. 3. Godel Theorems Formal number theory Primitive recursive and recursive functions Arithmetization, Godel numbers Diagonal Lemma Incompleteness Godel Theorem Church thesis 4) Order, Lattices and Boolean algebras Order Lattice structures Boolean algebras Boolean rings Filters and ideals Direct products Quotient algebras Sundirect product Equational completeness Lindenbaum algebra

E' sufficiente una conoscenza basica di algebra

Lezioni frontali

Modalità d'esame

Scritto e orale in presenza Regole Il punteggio delle prove d'esame è attribuito mediante un voto espresso in trentesimi. Le prove verificano gli obiettivi esplicitati nella sezione “Conoscenza e capacità di comprensione”. L'esame scritto versa sui capitoli 1, 2 e 3; l'esame orale versa sul capitolo 4. Il corso risolta superato quando gli studenti superano tutti due esami, e il voto finale del sarà una media ponderata (67% scritto; 33% orale). Criteri Per superare l'esame, riportare quindi un voto finale non inferiore a 18/30, lo studente deve dimostrare di aver acquisito una conoscenza sufficiente degli argomenti trattati durante il corso, utilizzando un adeguato linguaggio. Per conseguire un punteggio pari a 30/30 e lode, lo studente deve invece dimostrare di aver acquisito una conoscenza eccellente di tutti gli argomenti trattati durante il corso.

Testi di riferimento

1) First-Order Logic and Automated Theorem Proving (Melvin Fitting), Springer-Verlag New York, 2nd edition 2012. 2) Introduction to Mathematical Logic, (Elliott Mendelson), Chapman and Hall ed., Sixth Edition (2015) 3) Sistemas electronicos digitales (Enrique mandado) Marcombo, 10ma Ed, 2015. 4) Lectures on Boolean Algebras (Paul Halmos), Martino Fine Books, (2013) 5) A Shorter Model Theory, (Wilfrid Hodges), Cambridge University Press, 1997 6) Basic Category theory (Tom Leinster, Cambridge University Press, 2014 - Disponibile gratuitamente in arXiv:1612.09375) 7) Topoi: The Categorial Analysis of Logic (Robert Goldblatt) Dover Pubns; (2006) 8) Basic Category Theory for Computer Scientists (Benjamin C. Pierce) Mit Pr (1991)

Codice insegnamento 20817

Modelli Statistici 1° anno · 2° semestre · 9 CFU · STAT-01/A · 0 file

OBIETTIVI Fornire i concetti e la teoria matematica della modellizzazione Statistica indispensabili per un'indagine statistica rigorosa e completa. Fornire, inoltre, agli studenti gli strumenti pratici per l'applicazione…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI Fornire i concetti e la teoria matematica della modellizzazione Statistica indispensabili per un'indagine statistica rigorosa e completa. Fornire, inoltre, agli studenti gli strumenti pratici per l'applicazione delle tecniche apprese. Lo studente avrà quindi delle conoscenze che gli permetteranno di offrirsi nel mondo del lavoro per collaborazioni con centri di ricerca e/o imprese in cui si elaborano dati statistici. 1) CONOSCENZA E CAPACITA' DI COMPRENSIONE Capacità di formalizzare e modellizzare problemi di statistica inferenziale. 2) CAPACITA' APPLICATIVE Saper sviluppare, attraverso il supporto di software adeguati, un'analisi dei dati in tutte le sue fasi: acquisizione dei dati, descrizione dei dati e modellizzazione statistica degli stessi. 3)AUTONOMIA DI GIUDIZIO Capire i principi legati allo sviluppo dei modelli presentati, che guidino poi lo studente a interpretare i risultati di un'analisi statistica ed essere in grado di replicare l'analisi se necessario. 4)ABILITA' NELLA COMUNICAZIONE Lo studente, alla fine del corso, dovrebbe essere in grado di comunicare (oralmente e per iscritto) i risultati di un'analisi statistica rigorosa. La capacità di rielaborazione dei dati e della lettura dei risultati metterà lo studente nelle condizioni di poter collaborare a lavori di ricerca applicata anche al di fuori dell'ambito matematico, e di poter lavorare in contesti in cui sono richieste competenze di analisi dei dati e modellizzazione. 5) CAPACITA' DI APPRENDERE Il corso sarà supportato dallo svolgimento di un ampio numero di esercitazioni sull'uso del software statistico R per tutti gli argomenti trattati per un approccio alla risoluzione dei problemi di statistica descrittiva ed inferenziale avanzata. Il corso non può essere esaustivo di tutti i possibili metodi di analisi dei dati, ma fornisce allo studente gli strumenti per poter autonomamente comprendere e sperimentare l'applicazione di metodi alternativi che meglio si adattino all'analisi del problema pratico d'interesse.

Programma

Il corso verterà sui temi elencati di seguito. 1.Metodi di regressione lineare: ripasso della regressione lineare semplice e introduzione delle tecniche di verifica delle ipotesi del modello; regressione lineare multipla come estensione della regressione semplice, inferenza statistica nei modelli con errori normali , verifica delle ipotesi del modello, misure dell'adeguamento del modello ai dati e tecniche di selezione del modello; introduzione di variabili categoriche nella matrice delle covariate, il concetto di variabile indicatrice, l'analisi della covarianza, analisi della varianza vista come modello di regressione. 2.Test ANOVA (analisi della varianza) a una via e a due vie: definizione del problema e sviluppo della statistica test e della sua distribuzione. Stima post-hoc e teoria dei contrasti. 3. Modelli di regressione lineare generalizzata: definizione del modello e delle ipotesi, tecniche di stima dei parametri, inferenza statistica. Definizione e stima del modello per dati di tipo binomiale (regressione logistica) e per dati di tipo poissoniano (regressione di poisson). 4. Regressione quantilica semplice e multipla: definizione del problema di minimizzazione ai valori assoluti, stima dei parametri del modello, inferenza statistica. 5. Introduzione alla statistica robusta considerando la teoria degli stimatori di tipo M. Formalizzazione del problema di stima. Proprietà asintotiche e derivazione della matrice in forma sandwich di varianza-covarianza per modelli con ipotesi di iid. Varie applicazioni. 6. Regressione non parametrica. Allontanamento dalla linearità. Definizione di diverse forme di splines. 7. Principali test non parametrici di locazione. Test dei segni e dei ranghi. Test di Wilcoxon, Mahn-Whitney e Kruskal-Wallis. 8. Tecniche di campionamento e simulazione. Metodo Delta. Simulazioni di tipo Montecarlo e campionamento di tipo Bootstrap.

È necessario che lo studente conosca le basi del Calcolo delle Probabilità e i metodi descrittivi e inferenziali della Statistica Matematica classica. Inoltre, è necessario lo studente sia in grado di maneggiare gli strumenti di base dell'algebra lineare e del calcolo matriciale.

Gli strumenti utilizzati per le lezioni frontali saranno sia la lavagna che eventuali slides presentate dalla docente, e inoltre verrà utilizzato in aula il software scelto per la parte delle applicazioni. Il corso prevede lezioni di due ore sulla teoria dei metodi integrate da lezioni pratiche di applicazione dei modelli in cui si illustrerà l'interpretazione dei risultati. Le applicazioni prevedono l'utilizzo del software statistico R.

Modalità d'esame

L'esame finale consiste di due parti: 1) La redazione di un report riportante i risultati dell'analisi su R di un dataset reale. Nello svolgimento delle analisi lo studente dovrà opportunamente applicare i modelli affrontati a lezione in base alla tipologia di dati. 2) Colloquio orale in cui lo studente dovra' dimostrare di aver acquisito i contenuti presentati nel corso e di saperli applicare correttamente. L'accesso al colloquio orale avviene se la sufficienza è raggiunta per lo svolgimento del report statistico. L'accesso all'orale avviene dopo valutazione ritenuta sufficiente da parte della docente dell'esercitazione scritta. L'esame finale si intende superato solo se la studentessa/lo studente ha riportato una votazione finale non inferiore a 18/30. Per raggiungere questo risultato si deve dimostrare di possedere una conoscenza di base di tutti gli argomenti trattati nel corso. Per conseguire il massimo punteggio, pari a 30/30 ed eventualmente la lode, si deve dimostrare di conoscere in modo eccellente gli argomenti del corso e di essere in grado di discuterli in modo approfondito ed applicarli autonomamente.

Testi di riferimento

Gli argomenti saranno sviluppati principalmente utilizzando i seguenti libri di testo: -Ornello Vitali (1993). Statistica per le Scienze Applicate: volume 1 e 2. Cacucci Editore. -P. McCullagh and J.A.Nelder (1989). Generalized linear Models. Chapman & Hall/CRC. -R. Koenker (2005). Quantile regression. Cambridge University Press Per la parte computazionale con R si consigliano i seguenti testi: 1. An Introduction to R: https://cran.r-project.org/doc/manuals/r-release/R-intro.pdf 2. Il linguaggio R: concetti introduttivi ed esempi (II edizione) by Vito M. R. Muggeo and Giancarlo Ferrara: https://cran.r-project.org/doc/contrib/nozioniR.pdf Altri libri di testo relazionati con la prima parte del corso sono i seguenti: - G. Casella, R. L. Berger (2002). Statistical inference, (2nd edn.), Wadsworth Group, CA, USA. Inoltre la docente fornirà ulteriore materiale di supporto durante le lezioni.

Codice insegnamento 20816

Programmazione Matematica E Applicazioni 1° anno · 2° semestre · 6 CFU · MATH-06/A · 0 file

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto agli studenti del primo anno del Corso di Laurea Magistrale in Matematica, si propone di completare il profilo delle conoscenze degli studenti, fornendo…

Scheda dell'insegnamento

Obiettivi formativi

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto agli studenti del primo anno del Corso di Laurea Magistrale in Matematica, si propone di completare il profilo delle conoscenze degli studenti, fornendo una solida preparazione teorica e pratica sui fondamenti della programmazione e sul loro impiego nella risoluzione di problemi matematici. Particolare attenzione sarà dedicata allo sviluppo di strumenti computazionali per applicazioni nell'analisi numerica, nella ricerca operativa e nell'analisi dei dati. Gli obiettivi del corso sono: • Illustrare agli studenti i principi fondamentali della programmazione moderna e della programmazione orientata agli oggetti; • Presentare agli studenti strutture dati, algoritmi e strumenti software per il calcolo scientifico; • Aiutare lo studente a sviluppare il proprio senso critico nella progettazione, implementazione e analisi di programmi informatici per la risoluzione di problemi matematici e computazionali. 2. Capacità di applicare conoscenza e comprensione. Gli studenti dovranno impiegare i concetti presentati a lezione nello sviluppo di programmi finalizzati alla risoluzione di problemi matematici e applicativi. Tale attività potrà comprendere l'implementazione di algoritmi per il calcolo numerico, l'ottimizzazione e l'analisi dei dati. 3. Autonomia di giudizio. Lo sviluppo di programmi per la risoluzione di problemi matematici consentirà allo studente di ragionare criticamente sulle diverse strategie implementative, valutando quali strutture dati, algoritmi e strumenti software siano maggiormente adeguati al problema considerato. Inoltre, si richiede autonomia di giudizio nel valutare l'efficacia e l'efficienza delle soluzioni proposte. 4. Abilità comunicative. L'abilità comunicativa di uno studente sarà valutata in termini di capacità di descrivere chiaramente algoritmi, strutture dati e scelte implementative nel colloquio orale. 5. Capacità di apprendimento. Il corso fornisce agli studenti una preparazione sufficiente per approfondire autonomamente linguaggi di programmazione, librerie scientifiche e strumenti computazionali avanzati, rendendoli capaci di ampliare in futuro le proprie conoscenze nell'ambito del calcolo scientifico, della ricerca operativa e dell'analisi numerica.

Programma

Introduzione alla Programmazione Scientifica Programmazione Orientata agli Oggetti con Python Strutture Dati e Algoritmi Calcolo Numerico e Computazione Scientifica Analisi e Visualizzazione dei Dati Introduzione al Machine Learning Implementazione di Algoritmi per la Ricerca Operativa e l'Analisi Numerica Tecniche Avanzate di Ottimizzazione

1. Conoscenze. La comprensione del corso è facilitata dalla conoscenza dei concetti di base di “Algebra Lineare” e "Ricerca Operativa". 2. Abilità. Gli studenti dovranno essere in grado di interpretare e formalizzare algoritmi in mappe strutturali. 3. Competenze. Non si richiede alcuna competenza tecnica. Corsi propedeutici. Nessuno.

Il corso consiste di 48 ore di lezione frontale. Le lezioni coprono la trattazione di aspetti teorici e alcuni esercizi finalizzati all’analisi degli aspetti implementativi. La didattica verrà erogata in presenza, integrata con materiali audiovisivi. Il docente presta inoltre assistenza costante agli studenti nell'arco dell'intero anno accademico attraverso messaggi di posta elettronica, tramite cui è possibile concordare degli incontri.

Modalità d'esame

Lo studente dovrà dimostrare di conoscere i concetti fondamentali durante il corso (e la relativa terminologia specifica) e di saperli applicare alla risoluzione di problemi realistici. La verifica dell'apprendimento avviene con una tesina su un problema concordato con il docente e una successiva prova orale. La conclusione della tesina rappresenta una condizione necessaria per l’ammissione alla prova orale. Quest’ultima è generalmente articolata in tre domande. Il voto finale è dato dalla somma dei punti ottenuti nella tesina e nel colloquio orale. In generale: - Voto tra 18/30 e 22/30: conoscenza sufficiente della terminologia specifica, corretta applicazione dei concetti metodologici, esposizione sufficiente dei concetti e dei risultati. - Voto tra 22/30 e 26/30: buona padronanza della terminologia specifica, buona applicazione dei concetti metodologici, esposizione chiara e coerente dei concetti e dei risultati. - Voto tra 27/30 e 30 e lode: ottima padronanza della terminologia specifica, applicazione critica e approfondita dei concetti metodologici, esposizione chiara, articolata e ben strutturata dei concetti e dei risultati. Gli studenti hanno l’opportunità di valutare il proprio livello di preparazione attraverso gli esercizi svolti durante le lezioni. In queste occasioni, potranno mettere alla prova le proprie competenze e confrontare i risultati ottenuti con quelli proposti dal docente.

Testi di riferimento

  • O'Reilly, Alex Martelli, Anna Ravenscroft, Steve Holden, Python in a Nutshell, 2017. - Mark Pilgrim, Dive into Python 3

Codice insegnamento 23903

Relativita' 1° anno · 2° semestre · 9 CFU · MATH-04/A · 0 file

1. Conoscenza e comprensione: l'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Matematica, si propone di far acquisire allo studente una buona conoscenza dei concetti fondamentali della relatività…

Scheda dell'insegnamento

Obiettivi formativi

1. Conoscenza e comprensione: l'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Matematica, si propone di far acquisire allo studente una buona conoscenza dei concetti fondamentali della relatività speciale, e dei presupposti alla base della relatività generale. 2. Capacità di applicare conoscenza e comprensione: durante il corso verranno discusse le possibili applicazioni dei metodi studiati, sia per quanto riguarda la risoluzione di particolari problemi matematici, sia per quanto concerne la loro applicazione in Fisica. 3. Autonomia di giudizio: il corso fornisce agli studenti le competenze necessarie ad applicare le metodologie matematiche acquisite alla risoluzione di problemi che si presentano nella Relatività. 4. Abilità comunicative: la prova orale tiene conto della capacità dello studente di esporre in modo ordinato e coerente gli argomenti studiati. 5. Capacità di apprendimento: il corso fornisce agli studenti una preparazione di base sufficiente alla comprensione di testi matematici avanzati sulla Relatività Speciale e Generale.

Programma

1. Dalla relatività di Galilei alla relatività speciale di Einstein. Premesse storiche - La concezione dello spazio e del tempo nella meccanica Newtoniana, e relatività galileiana - la natura della luce e la sua propagazione: onda o particella? - le equazioni di Maxwell per l'elettromagnetismo - la ricerca dell'etere, l'esperimento di Michelson-Morley - contrazione delle lunghezze e trasformazioni di Lorentz - l'interpretazione di Einstein e i postulati della relatività speciale: la velocità della luce come velocità massima, costante universale. 2. Le conseguenze della relatività speciale per la concezione dello spazio e del tempo. Dilatazione del tempo e relatività della simultaneità - lo spaziotempo di Minkowski, il cono-luce - differenze con spazio e tempo della relatività galileiana - geometria lorenziana - il formalismo dei quadrivettori - il gruppo di Lorentz e di Poincaré e la struttura geometrica dello spaziotempo di Minkowski - il paradosso dei gemelli da un punto di vista geometrico. 3. Cinematica relativistica. Equivalenza tra massa e energia - energia e momento e loro trasformazioni - composizione delle velocità in relatività speciale - cinematica lagrangiana di particella libera - tempo proprio e effetto Doppler relativistico - processi di collisione in relatività speciale e leggi di conservazione. 4. Simmetrie dello spaziotempo. La struttura del gruppo di Lorentz - dal gruppo all'algebra di Poincaré - approccio variazionale alla teoria lagrangiana della relatività - simmetrie continue, teorema di Noether e generatori delle simmetrie relativistiche. 5. Relatività e elettromagnetismo. Formalsimo tensoriale, il tensore energia-impulso e il tensore della forza del campo elettromagnetico - proprietà e trasformazioni del campo elettrico e magnetico e delle equazioni di Maxwell - quadrivettori potenziale e corrente e invarianza di Gauge. 6. Introduzione alla relatività generale. Cenni alla geometria riemanniana, varietà differenziabile e trasformazioni di coordinate - derivata covariante e connessione - trasporto parallelo e geodetiche - curvatura, tensore di Riemann e tensore di Ricci - principio di equivalenza e principio di covarianza generale. Equazioni gravitazionali di Einstein e limite newtoniano - soluzione di Schwarzschild e buchi neri OPPURE perturbazioni e onde gravitazionali OPPURE soluzione di FLRW e cosmologia.

Conoscenza dei contenuti impartiti nei corsi di Analisi 1, 2 e 3, Geometria 1, 2, 3 e 4, Meccanica 1 e 2 e Fisica Generale 1 e 2 della laurea triennale.

Il corso consiste di 72 ore di lezione frontale. Al fine di garantire una maggiore efficacia dell'attività didattica, gli argomenti teorici sono spesso integrati da esercitazioni e discussioni guidate sui temi trattati. Il docente presta inoltre assistenza costante agli studenti, nell'arco dell'intero anno accademico, sia nell'orario di ricevimento che attraverso messaggi di posta elettronica. A supporto della didattica il docente imposterà una pagina dedicata su Teams in cui saranno disponibili comunicazioni riguardanti il corso e eventuale materiale didattico.

Modalità d'esame

La verifica dell'apprendimento avviene attraverso una prova orale la cui durata è, generalmente, di 45 minuti. L'esame è costituito dalla discussione un'argomento scelto dallo studente tra quelli trattati durante il corso e da una domanda del docente su uno degli altri argomenti trattati. Nel corso della discussione lo studente deve dimostrare di possedere i collegamenti con gli altri punti/argomenti del programma. Per superare l'esame lo studente deve dimostrare di avere conseguito una conoscenza sufficiente di tutti gli argomenti del corso. Per conseguire il massimo punteggio (pari a 30/30 e lode) lo studente deve invece dimostrare di aver acquisito una conoscenza eccellente di tutti gli argomenti trattati durante il corso.

Testi di riferimento

F. Borghero e F. Demontis, Relatività per Principianti, UnicaPress. M. Gasperini, Manuale di Relatività Ristretta, Springer. A. P. French, Special relativity, Taylor & Francis Ltd. S. Carroll, Sapecetime and Geometry, An Introduction to General Relativity, Cambridge University Press.

Codice insegnamento 20818

Relativita' 1° anno · 2° semestre · 9 CFU · MATH-04/A · 0 file

1. Conoscenza e comprensione: l'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Matematica, si propone di far acquisire allo studente una buona conoscenza dei concetti fondamentali della…

Scheda dell'insegnamento

Obiettivi formativi

1. Conoscenza e comprensione: l'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Matematica, si propone di far acquisire allo studente una buona conoscenza dei concetti fondamentali della relatività speciale, e dei presupposti alla base della relatività generale. 2. Capacità di applicare conoscenza e comprensione: durante il corso verranno discusse le possibili applicazioni dei metodi studiati, sia per quanto riguarda la risoluzione di particolari problemi matematici, sia per quanto concerne la loro applicazione in Fisica. 3. Autonomia di giudizio: il corso fornisce agli studenti le competenze necessarie ad applicare le metodologie matematiche acquisite alla risoluzione di problemi che si presentano nella Relatività. 4. Abilità comunicative: la prova orale tiene conto della capacità dello studente di esporre in modo ordinato e coerente gli argomenti studiati. 5. Capacità di apprendimento: il corso fornisce agli studenti una preparazione di base sufficiente alla comprensione di testi matematici avanzati sulla Relatività Speciale e Generale.

Programma

1. Dalla relatività di Galilei alla relatività speciale di Einstein. Premesse storiche - La concezione dello spazio e del tempo nella meccanica Newtoniana, e relatività galileiana - la natura della luce e la sua propagazione: onda o particella? - le equazioni di Maxwell per l'elettromagnetismo - la ricerca dell'etere, l'esperimento di Michelson-Morley - contrazione delle lunghezze e trasformazioni di Lorentz - l'interpretazione di Einstein e i postulati della relatività speciale: la velocità della luce come velocità massima, costante universale. 2. Le conseguenze della relatività speciale per la concezione dello spazio e del tempo. Dilatazione del tempo e relatività della simultaneità - lo spaziotempo di Minkowski, il cono-luce - differenze con spazio e tempo della relatività galileiana - geometria lorenziana - il formalismo dei quadrivettori - il gruppo di Lorentz e di Poincaré e la struttura geometrica dello spaziotempo di Minkowski - il paradosso dei gemelli da un punto di vista geometrico. 3. Cinematica relativistica. Equivalenza tra massa e energia - energia e momento e loro trasformazioni - composizione delle velocità in relatività speciale - cinematica lagrangiana di particella libera - tempo proprio e effetto Doppler relativistico - processi di collisione in relatività speciale e leggi di conservazione. 4. Simmetrie dello spaziotempo. La struttura del gruppo di Lorentz - dal gruppo all'algebra di Poincaré - approccio variazionale alla teoria lagrangiana della relatività - simmetrie continue, teorema di Noether e generatori delle simmetrie relativistiche. 5. Relatività e elettromagnetismo. Formalsimo tensoriale, il tensore energia-impulso e il tensore della forza del campo elettromagnetico - proprietà e trasformazioni del campo elettrico e magnetico e delle equazioni di Maxwell - quadrivettori potenziale e corrente e invarianza di Gauge. 6. Introduzione alla relatività generale. Cenni alla geometria riemanniana, varietà differenziabile e trasformazioni di coordinate - derivata covariante e connessione - trasporto parallelo e geodetiche - curvatura, tensore di Riemann e tensore di Ricci - principio di equivalenza e principio di covarianza generale. Equazioni gravitazionali di Einstein e limite newtoniano - soluzione di Schwarzschild e buchi neri OPPURE perturbazioni e onde gravitazionali OPPURE soluzione di FLRW e cosmologia.

Conoscenza dei contenuti impartiti nei corsi di Analisi 1, 2 e 3, Geometria 1, 2, 3 e 4, Meccanica 1 e 2 e Fisica Generale 1 e 2 della laurea triennale.

Il corso consiste di 72 ore di lezione frontale. Al fine di garantire una maggiore efficacia dell'attività didattica, gli argomenti teorici sono spesso integrati da esercitazioni e discussioni guidate sui temi trattati. Il docente presta inoltre assistenza costante agli studenti, nell'arco dell'intero anno accademico, sia nell'orario di ricevimento che attraverso messaggi di posta elettronica. A supporto della didattica il docente imposterà una pagina dedicata su Teams in cui saranno disponibili comunicazioni riguardanti il corso e eventuale materiale didattico.

Modalità d'esame

La verifica dell'apprendimento avviene attraverso una prova orale la cui durata è, generalmente, di 45 minuti. L'esame è costituito dalla discussione un'argomento scelto dallo studente tra quelli trattati durante il corso e da una domanda del docente su uno degli altri argomenti trattati. Nel corso della discussione lo studente deve dimostrare di possedere i collegamenti con gli altri punti/argomenti del programma. Per superare l'esame lo studente deve dimostrare di avere conseguito una conoscenza sufficiente di tutti gli argomenti del corso. Per conseguire il massimo punteggio (pari a 30/30 e lode) lo studente deve invece dimostrare di aver acquisito una conoscenza eccellente di tutti gli argomenti trattati durante il corso.

Testi di riferimento

F. Borghero e F. Demontis, Relatività per Principianti, UnicaPress. M. Gasperini, Manuale di Relatività Ristretta, Springer. A. P. French, Special relativity, Taylor & Francis Ltd. S. Carroll, Sapecetime and Geometry, An Introduction to General Relativity, Cambridge University Press.

Codice insegnamento 21871

Ricerca Operativa 1° anno · 1° semestre · 9 CFU · MATH-06/A · 0 file

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti e studentesse del primo anno del corso di Laurea Magistrale in Matematica, si propone completare il profilo delle conoscenze degli studenti,…

Scheda dell'insegnamento

Obiettivi formativi

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti e studentesse del primo anno del corso di Laurea Magistrale in Matematica, si propone completare il profilo delle conoscenze degli studenti, fornendo una profonda comprensione teorica e pratica su modelli e algoritmi per problemi di Ottimizzazione Lineare, Lineare-Intera e primi aspetti sull'Ottimizzazione non lineare, che trovano applicazione in vari ambiti come l’informatica, l’economia e l’ingegneria. Gli obiettivi del corso sono: • Illustrare la modellizzazione di numerosi problemi reali come problemi di Ottimizzazione; • Presentare i principali algoritmi di risoluzione per problemi di Ottimizzazione; • Aiutare lo studente a sviluppare il proprio senso critico nello sviluppo e nell’analisi di algoritmi e nella ricerca di modelli matematici efficaci per i problemi in esame. 2. Capacità di applicare conoscenza e comprensione. Durante il corso il docente fornirà agli studenti e alle studentesse degli esercizi da svolgere a lezione e altri da svolgere a casa per renderli capaci di applicare la teoria vista a lezione a problemi pratici. Inoltre verrà richiesto un elaborato, eventualmente svolto in coppia, nel quale dovrà essere descritto un problema reale e la sua risoluzione tramite l'Ottimizzazione. La scelta del problema verrà proposto dal docente in base agli interessi dello studente o della studentessa. 3. Autonomia di giudizio. Il processo di modellizzazione matematica dei problemi consente allo studente e alla studentessa di ragionare criticamente sugli stessi, valutare quali siano i dati utili alla loro risoluzione e formalizzare obiettivi e vincoli del problema. Inoltre, si richiede autonomia di giudizio nel valutare i diversi algoritmi con cui risolvere un dato problema di Ottimizzazione. 4. Abilità comunicative. L’abilità comunicativa sarà valutata durante il colloquio orale che consisterà di domande da parte del docente sugli aspetti teorici e pratici del corso 5. Capacità di apprendimento. Il corso fornisce agli studenti e alle studentesse una preparazione sufficiente alla comprensione di testi matematici più avanzati, rendendoli capaci di ampliare in futuro le proprie conoscenze in modo autonomo.

Programma

Introduzione alla Programmazione Matematica Programmazione Lineare Algoritmo del Simplesso Dualità in Programmazione Lineare Metodi del punto interno Ottimizzazione vincolata Condizioni di ottimalità del primo e del secondo ordine Programmazione Lineare Intera Algoritmo di Branch-and-Bound

1. Conoscenze. La comprensione del corso richiede la conoscenza dei concetti di base di “Algebra Lineare” e “Analisi Numerica”. 2. Abilità. Gli studenti dovranno essere in grado di interpretare e formalizzare algoritmi. 3. Competenze. Non si richiede alcuna competenza tecnica. Corsi propedeutici. Nessuno.

Il corso consiste di 72 ore di lezione frontale. Le lezioni coprono la trattazione di aspetti teorici e alcuni esercizi finalizzati all’analisi degli aspetti implementativi. La didattica verrà erogata in presenza, integrata con materiali audiovisivi. Il docente presta inoltre assistenza costante agli studenti nell'arco dell'intero anno accademico attraverso gli orari di ricevimento sia in presenza che in modalità online

Modalità d'esame

Lo studente dovrà dimostrare di conoscere i concetti fondamentali durante il corso (e la relativa terminologia specifica) e di saperli applicare alla risoluzione di problemi realistici. La verifica dell'apprendimento avviene con un elaborato su un problema concordato con il docente e una successiva prova orale. La conclusione e consegna dell'elaborato rappresenta una condizione necessaria per l’ammissione alla prova orale. Il voto finale è dato dalla combinazione dei voti ottenuti nella tesina e nel colloquio orale. In generale: - Voto tra 18/30 e 22/30: conoscenza sufficiente della terminologia specifica, corretta applicazione dei concetti metodologici, esposizione sufficiente dei concetti e dei risultati. - Voto tra 22/30 e 26/30: buona padronanza della terminologia specifica, buona applicazione dei concetti metodologici, esposizione chiara e coerente dei concetti e dei risultati. - Voto tra 27/30 e 30 e lode: ottima padronanza della terminologia specifica, applicazione critica e approfondita dei concetti metodologici, esposizione chiara, articolata e ben strutturata dei concetti e dei risultati. Gli studenti hanno l’opportunità di valutare il proprio livello di preparazione attraverso gli esercizi svolti durante le lezioni. In queste occasioni, potranno mettere alla prova le proprie competenze e confrontare i risultati ottenuti con quelli proposti dal docente.

Testi di riferimento

David, G. Luenberger and Yinyu Ye, Linear and Nonlinear Programming.(2016). Wolsey, Laurence A. Integer programming. Vol. 42. New York: Wiley, 1998. Nocedal, Jorge, and Stephen J. Wright. Numerical optimization. New York, NY: Springer New York, 2006.

Codice insegnamento 20436

Storia Ed Epistemologia Della Matematica 1° anno · 2° semestre · 9 CFU · MATH-01/B · 0 file

Il corso introduce ai temi dello sviluppo storico della Matematica con particolare riferimento al periodo che va dall'antichità al XIX secolo; affronta inoltre i temi basilari della ricostruzione storica ed…

Scheda dell'insegnamento

Obiettivi formativi

Il corso introduce ai temi dello sviluppo storico della Matematica con particolare riferimento al periodo che va dall'antichità al XIX secolo; affronta inoltre i temi basilari della ricostruzione storica ed epistemologica dell'evoluzione del pensiero matematico. In particolare lo studente dovrebbe acquisire le seguenti conoscenze e capacità. Conoscenza e capacità di comprensione Conoscere gli elementi principali dello sviluppo storico della Matematica con particolare riferimento al periodo che va dall'antichità al XIX secolo. Conoscere e comprendere gli elementi basilari della ricostruzione storica dell'evoluzione del pensiero matematico. Conoscenza e capacità di comprensione applicate Saper individuare e confrontare ricostruzioni storiche di autori diversi, specificando la natura delle fonti. Selezionare e analizzare fonti primarie e secondarie per operare una ricostruzione storica elementare su tema assegnato o scelto autonomamente.

Programma

Sviluppo cronologico della storia della matematica (elementi dello sviluppo dell'aritmetica, della geometria, dell'analisi e dell'algebra elementare). Le matematiche pre-elleniche. La prima fase della Matematica greca. Euclide. Il Tramonto della Matematica Antica. La Matematica araba. La diffusione della Matematica araba in Europa. La Matematica rinascimentale. Le Matematiche dal 1700 ai primi decenni del 1900. Approfondimento monografico dell'evoluzione del pensiero matematico nel XVII, XVIII o XIX secolo. La natura degli enti e dell'attività matematica: platonismi, costruttivisti, neo-empiristi

Sono ritenuti acquisiti i contenuti previsti per la laurea triennale in Matematica

L'insegnamento è articolato in 52 ore di lezioni e 20 ore di esercitazioni, realizzate attraverso: Lezioni partecipate collettive - Seminari - Esercitazioni guidate - Attività laboratoriali individuali e di gruppo. Lavagna, lavagna luminosa, computer, tablet, consultazioni online, Corso Moodle di Ateneo. Compatibilmente con la modalità di insegnamento prevista nel Manifesto degli Studi per l'A.A. 2023-24 le lezioni saranno erogate in presenza e potranno essere integrate con materiali audiovisivi e con lo streaming. ( Moodle di Ateneo o altri strumenti).

Modalità d'esame

Colloquio orale sul lavoro individuale (Vita e opera di un Matematico, evoluzione del pensiero matematico in un periodo storico o di un dato ambito o contenuto matematico) e sugli argomenti del corso. (Il testo scritto del lavoro individuale deve essere inviato via email o consegnato al docente una settimana prima dell'esame). Non è prevista una valutazione del testo scritto che può essere documento di consultazione nell'esposizione orale. Criteri di valutazione: a) conoscenza dei contenuti matematici inerenti gli argomenti del corso; b) senso storico/epistemologico e originalità del lavoro individuale; c) chiarezza e correttezza dell'esposizione orale. La valutazione in trentesimi sarà attribuita sulla base delle seguenti scale di giudizio: Voto in trentesimi/criteri Colloquio orale sul lavoro individuale (Vita e opera di un Matematico, evoluzione del pensiero matematico in un periodo storico o di un dato ambito o contenuto matematico) e sugli argomenti del corso. (Il testo scritto del lavoro individuale deve essere inviato via email o consegnato al docente una settimana prima dell'esame). Non è prevista una valutazione del testo scritto che può essere documento di consultazione nell'esposizione orale. Criteri di valutazione: a) conoscenza dei contenuti matematici inerenti gli argomenti del corso; b) senso storico/epistemologico e originalità del lavoro individuale; c) chiarezza e correttezza dell'esposizione orale. La valutazione in trentesimi sarà attribuita sulla base delle seguenti scale di giudizio: Voto in trentesimi/criteri Inferiore a 18 a)Insufficiente/sufficiente - b) insufficiente - c) insufficiente Voto tra 18 e 25 a) sufficiente - b) sufficiente/buona c)/sufficiente/buono Voto maggiore di 25 a) buono/ottimo - b) buono/ottimo c) buono/ottimo

Testi di riferimento

G.T. Bagni, 1996, Storia della matematica I - Dall'antichità al Rinascimento. II - Dal Rinascimento ad oggi, Pitagora, Bologna Gabriele Lolli, 2002, La questione dei fondamenti tra matematica e filosofia. Panorama introduttivo, http://homepage.sns.it/lolli/articoli/QuestioneFondamenti.pdf Testi di consultazione 1. C.B.Boyer, 1968, Storia della matematica, ristampa 2001 Oscar Saggi Mondadori. 2. Morris Kline, Storia del pensiero matematico, 2 voll., Einaudi, 1999. 3. Morris Kline, La matematica nella cultura occidentale, Feltrinelli, 1976. Altri materiali utilizzati e forniti durante il corso. 1. Documenti su brani di fonti originali tratti da A. Frajese, L. Maccioni, Gli Elementi di Euclide, UTET, Ristampa 1977, forniti durante il corso. 2. Documenti estratti da R.Netz, W. Noel, Il codice perduto di Archimede, Rizzoli, 2007, forniti durante il corso. 3. Documenti su brani di fonti originali tratti da "Bottazzini-Freguglia-Toti Rigatelli, Fonti per la Storia della Matematica, B.U.S.,1992 forniti durante il corso o pubblicati sul Corso Moodle.

Codice insegnamento 20385

Altre Conoscenze Utili Per L'Inserimento Nel Mondo Del Lavoro 2° anno · 3 CFU · 0 file
Metodologie E Tecnologie Didattiche Per L'Insegnamento Della Matematica 2° anno · 6 CFU · MATH-01/B · 0 file

Il corso introduce alle principali metodologie e tecnologie per l’insegnamento della Matematica, in relazione ai risultati della ricerca in Didattica della matematica in ambito nazionale e internazionale. Particolare…

Scheda dell'insegnamento

Obiettivi formativi

Il corso introduce alle principali metodologie e tecnologie per l’insegnamento della Matematica, in relazione ai risultati della ricerca in Didattica della matematica in ambito nazionale e internazionale. Particolare attenzione è dedicata all’analisi delle Indicazioni nazionali e dei libri di testo, alla progettazione di attività e percorsi didattici e all’uso consapevole e critico di strumenti e tecnologie, digitali e analogici, per l’apprendimento della matematica. In particolare, lo studente dovrà acquisire le seguenti conoscenze e capacità. Conoscenza e comprensione Conoscenze e competenze di analisi e costruzione di curricula di matematica, anche in relazione alle Indicazioni nazionali vigenti per i diversi indirizzi della scuola secondaria di primo e secondo grado. Conoscenza di approcci teorici e strumenti pratici per la progettazione e gestione di attività matematiche, con particolare attenzione al ruolo degli strumenti nella costruzione delle conoscenze, all’esplorazione, alla formulazione di congetture e alla risoluzione di problemi. Conoscenza delle potenzialità e dei limiti didattici di strumenti e tecnologie diversi, inclusi libri di testo, risorse web, software matematici, fogli di calcolo, ambienti di programmazione, strumenti analogici e sistemi di intelligenza artificiale. Capacità di applicare conoscenza e comprensione Utilizzare le proprie conoscenze per analizzare, progettare e valutare attività e percorsi didattici per l’insegnamento della matematica nella scuola secondaria di primo e secondo grado, selezionando in modo consapevole metodologie, strumenti e tecnologie in relazione agli obiettivi di apprendimento e alle caratteristiche delle situazioni proposte, anche favorendo collegamenti con altre discipline dell’ambito scientifico e umanistico.

Programma

Nozione di competenza e riflessione sul problema della giustificazione e legittimazione della matematica scolastica: quale matematica e per chi? Analisi delle Indicazioni nazionali e dei curricula di matematica della scuola secondaria di primo e secondo grado, anche attraverso l’analisi critica dei libri di testo. Principali metodologie per l’insegnamento della matematica, con particolare attenzione alla progettazione di situazioni problematiche, al problem solving e al Problem-Based Learning. Approccio strumentale di Rabardel e riflessione sul ruolo degli strumenti nella costruzione della conoscenza matematica. Uso consapevole e critico di strumenti e tecnologie digitali e analogici per l’insegnamento e l’apprendimento della matematica, inclusi ambienti di geometria dinamica, ambienti di programmazione, fogli di calcolo, risorse web e sistemi di intelligenza artificiale. Analisi, progettazione e valutazione di attività e percorsi didattici su contenuti matematici previsti dai curricula, in relazione ai diversi livelli scolastici e agli sviluppi della ricerca in didattica della matematica.

Sono ritenuti acquisiti i contenuti disciplinari previsti per la laurea triennale in Matematica. Si consiglia come propedeutico il corso di Didattica della Matematica

Lezioni interattive e dialogate con esercitazioni guidate e supervisione di lavori individuali. Per la preparazione dello studente a casa, il docente fornirà agli studenti, attraverso le piattaforme messe a disposizione dall'ateneo, i materiali del corso e le direttive per lo svolgimento delle esercitazioni da svolgere a casa o in aula. La didattica sarà erogata in presenza. Le lezioni potranno essere integrate con materiali audiovisivi e con lo streaming.

Modalità d'esame

Colloquio orale su un lavoro individuale e sugli argomenti del corso (il tema del lavoro individuale - di progettazione didattica o di analisi di temi attuali di ricerca - è concordato con gli studenti. Il testo scritto del lavoro individuale deve essere inviato via email al docente una settimana prima dell’esame). Criteri di valutazione: Conoscenza dei contenuti del corso; Conoscenza dei contenuti matematici inerenti gli argomenti del corso; Analisi didattica corretta e originalità del lavoro individuale; Coerenza della proposta didattica con la normativa nazionale e con le strategie e attività proposte; Chiarezza e correttezza dell’esposizione orale. L’elaborato scritto non è valutato separatamente dalla prova orale che costituisce presentazione e discussione dell'elaborato. L’esame è superato con voto minimo di 18/30 se le conoscenze dei contenuti del corso e quelle matematiche sono possedute in maniera sufficiente. Per ottenere una valutazione superiore a 28/30, le conoscenze matematiche, quelle specifiche degli argomenti avanzati del corso devono essere ottime e si deve mostrare una autonomia nell’affrontare le problematiche specifiche della trasposizione a finalità didattica della matematica.

Testi di riferimento

A.E. Baccaglini-Frank, P. Di Martino, M. Mellone, R.Natalini, G.Rosolini, 2026, Didattica della matematica (seconda edizione), Mondadori Università Malloci P., Polo M., Sanna D. (2014). Matematica in laboratorio. Problemi, costruzioni e software per attività Laboratoriali in classe, Ed. CRSEM. Cagliari. Articoli e altri documenti o dispense saranno forniti durante il Corso.

Codice insegnamento 21872

Prova Finale 2° anno · 24 CFU · 0 file
Abilita’ Informatiche E Telematiche 3 CFU · 0 file
Algebra Superiore 1° semestre · 6 CFU · MATH-02/A · 0 file

L’insegnamento si propone di fornire alle studentesse e agli studenti una solida preparazione nella teoria di Galois e nei fondamenti della teoria dei moduli, due pilastri dell’algebra moderna. La teoria di Galois…

Scheda dell'insegnamento

Obiettivi formativi

L’insegnamento si propone di fornire alle studentesse e agli studenti una solida preparazione nella teoria di Galois e nei fondamenti della teoria dei moduli, due pilastri dell’algebra moderna. La teoria di Galois analizza il legame tra la teoria dei campi e quella dei gruppi, studiando le estensioni di campi attraverso la struttura dei gruppi di automorfismi. Essa offre criteri per la risolubilità delle equazioni polinomiali e mette in luce profonde simmetrie tra le radici. Il concetto di modulo, invece, generalizza il concetto di spazio vettoriale al contesto degli anelli ed è centrale nell’algebra commutativa e nell’algebra omologica. La teoria dei moduli costituisce la base della teoria delle rappresentazioni dei gruppi, ed è ampiamente utilizzata nella geometria algebrica e nella topologia algebrica. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Le studentesse e gli studenti dovranno acquisire una comprensione approfondita dei concetti fondamentali della teoria di Galois e della teoria dei moduli. Saranno inoltre in grado di collegare e confrontare tra loro i concetti algebrici studiati, di dimostrare con rigore i principali risultati teorici e fornire esempi significativi che illustrino le nozioni apprese. CAPACITÀ APPLICATIVE: Le studentesse e gli studenti dovranno dimostrare familiarità e autonomia nell’applicazione dei metodi introdotti nel corso, sia per la formalizzazione e l’analisi delle strutture algebriche, sia per la risoluzione di esercizi strutturati. Acquisiranno inoltre una solida padronanza delle principali tecniche dimostrative, da utilizzare in modo rigoroso, consapevole e indipendente. AUTONOMIA DI GIUDIZIO: Il corso si propone di promuovere una valutazione critica del percorso didattico, incoraggiando le studentesse e gli studenti a confrontare costantemente i contenuti presentati durante le lezioni frontali con quelli approfonditi attraverso lo studio autonomo, avvalendosi dei testi consigliati e del materiale didattico fornito. L’obiettivo è sviluppare la capacità di analizzare con consapevolezza e senso critico le nozioni acquisite, così da poterle applicare in modo autonomo anche in contesti differenti da quelli trattati nel corso. ABILITÀ NELLA COMUNICAZIONE: Le studentesse e gli studenti dovranno sviluppare la capacità di esporre con chiarezza, precisione e rigore i concetti appresi, adottando un linguaggio matematico appropriato e formalmente corretto. Particolare attenzione sarà dedicata alla presentazione di teoremi e dimostrazioni, con la capacità di distinguere nettamente tra ipotesi e tesi, e di evidenziare la struttura logica dell’argomentazione. CAPACITÀ DI APPRENDERE: Le studentesse e gli studenti svilupperanno una metodologia di studio e analisi critica che gli permetterà di interpretare e approfondire le problematiche che gli si presenteranno nel proseguo del loro studio e della loro carriera universitaria/lavorativa.

Programma

I. TEORIA DI GALOIS (48 ore): Richiami concetti di base (anelli, polinomi, campi). Criteri di irriducibilità dei polinomi. Estensioni di campi (algebriche e trascendenti). Campi di spezzamento. Estensioni normali. Estensioni separabili. Estensioni di Galois e teorema fondamentale della teoria di Galois. Complementi di teoria dei gruppi (prodotto diretto e semidiretto di gruppi, teoremi di Sylow). Esempi di calcolo del gruppo di Galois. Gruppi risolubili. Risolubilita' per radicali. Estensioni radicali e ciclotomiche. Teorema di Galois. Costruzioni con riga e compasso. II. FONDAMENTI DI TEORIA DEI MODULI (24 ore): Moduli: definizioni, omomorfismi, e quozienti. Teoremi di isomorfismo. Prodotti e somme dirette di moduli. Prodotto tensoriale di moduli. Sequenze esatte. Categorie e funtori. I funtori Hom_R(-,N) e Hom_R(M,-). Moduli liberi, proiettivi e iniettivi.

Per affrontare con successo questo insegnamento, è fondamentale che le studentesse e gli studenti abbiano consolidato le competenze acquisite nei corsi di Algebra I, Algebra II e Geometria I della Laurea Triennale in Matematica dell’Università di Cagliari. In particolare, si richiede una solida padronanza dell’algebra lineare, una buona familiarità con i concetti base di algebra astratta (in particolare gruppi e anelli), nonché conoscenze di base in logica e teoria degli insiemi.

In accordo con le attuali indicazioni dell'Ateneo sulle modalità didattiche, l’insegnamento verrà erogato in presenza. Il corso prevede lezioni frontali di due ore (per un totale di 72 ore) sui contenuti teorici del corso, sempre accompagnati da esempi illustrativi ed esercizi svolti insieme agli studenti.

Modalità d'esame

La verifica dell’apprendimento avviene tramite una prova orale da svolgersi in presenza. Durante il colloquio saranno valutati la comprensione complessiva della disciplina, la padronanza della terminologia specifica, la capacità di applicare i concetti teorici alla risoluzione di esercizi e problemi, e la chiarezza nell’esposizione dei contenuti. Il voto sarà: • compreso tra 18/30 e 22/30 in caso di comprensione basilare della disciplina, conoscenza sufficiente della terminologia, applicazione corretta ma essenziale dei concetti metodologici, ed esposizione adeguata; • compreso tra 22/30 e 26/30 in caso di buona comprensione della disciplina, buona padronanza del linguaggio tecnico, efficace applicazione dei concetti nella risoluzione degli esercizi, e presentazione chiara e strutturata; • compreso tra 27/30 e 30 e lode se emerge una comprensione profonda e critica della disciplina, un’ottima padronanza della terminologia, uso consapevole e articolato dei concetti metodologici, ed esposizione precisa, fluida e approfondita. Le studentesse e gli studenti avranno la possibilità di verificare il proprio livello di preparazione risolvendo gli esercizi proposti dalla docente e svolti a lezione. In queste occasioni potranno mettere alla prova le proprie capacità e confrontare i risultati ottenuti con quelli presentati dalla docente.

Testi di riferimento

TEORIA DI GALOIS: J. S. Milne, Fields and Galois Theory (dispense disponibili online). D. J. H. Garling, A course in Galois Theory, Cambridge University Press. TEORIA DEI MODULI: A. Facchini, Introduction to Ring and Module theory, Springer.

Codice insegnamento 21034

Algoritmi E Strutture Dati 6 CFU · INFO-01/A · 0 file

Il corso permette di acquisire adeguate conoscenze di algoritmi, strutture dati e loro implementazione in C per la soluzione di problemi complessi. In particolare si evidenziano i seguenti aspetti: - Definire formalmente…

Scheda dell'insegnamento

Obiettivi formativi

Il corso permette di acquisire adeguate conoscenze di algoritmi, strutture dati e loro implementazione in C per la soluzione di problemi complessi. In particolare si evidenziano i seguenti aspetti: - Definire formalmente la nozione di algoritmo. - Organizzare le informazioni in strutture dati. -Caratterizzare i dati da elaborare organizzandoli e strutturandoli nel modo più opportuno al fine di agevolarne l'uso da parte degli algoritmi. - Progettare algoritmi corretti ed efficienti, attraverso l'esame di diversi paradigmi e risolvendo il problema il più velocemente possibile o usando il minor spazio di memoria possibile. - Studiare le limitazioni inerenti dei problemi da risolvere. Risultati di apprendimento attesi Conoscenza e capacità di comprensione (knowledge and understanding) Lo studente acquisirà le conoscenze fondamentali relative a: - Conoscenza dei meccanismi di allocazione della memoria e utilizzo dei puntatori - Abilità di programmazione in C, utilizzando puntatori e strutture dati dinamiche - Abilità nelle tecniche di programmazione ricorsiva - Conoscenza delle nozioni elementari di analisi della complessità - Abilità di valutare la complessità di algoritmi e di migliorarne l'efficienza in termini di tempo di esecuzione e/o uso di memoria - Abilità di problem solving mediante progetto di strutture dati e algoritmi - Conoscenza di strutture dati complesse (liste, code, stack, heap, alberi, tabelle hash e grafi) e dei relativi algoritmi - Conoscenza degli algoritmi di ordinamento Capacità di applicare conoscenza e comprensione (applying knowledge and understanding) Lo studente dovrà essere in grado di applicare la conoscenza acquisita per il raggiungimento dei seguenti obiettivi: - saper organizzare le informazioni in strutture dati adeguate - caratterizzare i dati da elaborare organizzandoli e strutturandoli nel modo più opportuno al fine di agevolarne l'uso da parte degli algoritmi - progettare algoritmi corretti ed efficienti, attraverso l'esame di diversi paradigmi e risolvendo il problema il più velocemente possibile o usando il minor spazio di memoria possibile. Autonomia di giudizio (making judgements) Lo studente sarà in grado di applicare le metodologie proprie dell'algoritmica per la comprensione e la risoluzione di nuovi problemi di natura computazionale. Le discussioni critiche in aula e le esercitazioni di laboratorio serviranno a stimolare e sviluppare l'autonomia di giudizio dello studente. Abilità comunicative (communication skills) Lo studente acquisirà la capacità di esprimere i concetti fondamentali propri degli algoritmi e delle strutture dati con terminologia appropriata e rigorosa. Imparerà a descrivere i problemi inerenti l'analisi e la progettazione di algoritmi corretti ed efficienti e le metodologie adottate per la loro soluzione. Capacità di apprendimento (learning skills) Lo studente acquisirà la capacità di studiare ed apprendere tecniche algoritmiche e strutture dati fondamentali. Imparerà a riconoscere l'importanza delle risorse computazionali (in particolare spazio e tempo) in modo da poter sviluppare autonomamente soluzioni per nuove problematiche inerenti la progettazione corretta ed efficiente di algoritmi.

Programma

Analisi di algoritmi: complessità in tempo e in spazio, complessità asintotica, notazione· O, Omega, Teta; algoritmi ricorsivi e relazioni di ricorrenza, caso pessimo, ottimo e medio (8 h) Strutture dati di base: array, matrice, stringa, coda, stack. Problema del pattern matching (6 h). Strutture dati dinamiche: liste singolarmente concatenate, coda e stack dinamicamente concatenati. liste doppiamente concatenate (2 h) Strutture ad albero: alberi binari, proprietà, rappresentazioni ed operazioni (5 h) Heap e code con priorità (3 h). Alberi binari di ricerca, AVL (6 h). Tavole hash (2 h) Grafi: proprietà, rappresentazioni, operazioni, problema del percorso minimo (7 h) Algoritmi di ordinamento: ordinamento per inserzione e per selezione, ordinamento rapido, ordinamento per fusione, ordinamento con heap, ordinamento con radice (9 h).

Elementi di analisi matematica Algebra lineare (vettori e matrici) Conoscenza dell'architettura elementare dei sistemi di elaborazione Conoscenza di sintassi, tipi di dato e costrutti base del linguaggio C Capacità di sviluppare semplici programmi in C.

Oltre alle lezioni teoriche ed esercitazioni guidate in aula (48 h), sono previste esercitazioni pratiche svolte in laboratorio e coadiuvate dal docente e da tutors dove verranno implementati in C gli algoritmi descritti e utilizzati per risolvere alcuni problemi pratici (36 h). La didattica sarà erogata in presenza. Le lezioni potranno essere integrate con materiali audiovisivi e con lo streaming.

Modalità d'esame

La valutazione dell'esame di Algoritmi e Strutture Dati prevede una prova scritta e una prova orale, La prova scritta consiste in esercizi e domande a risposta multipla sugli argomenti trattati a lezione, sia teorici che pratici. In particolare, ci saranno esercizi in cui si dovranno risolvere problemi utilizzando algoritmi ricorsivi o iterativi, oppure simulare il comportamento di algoritmi noti. Inoltre, ci saranno domande teoriche per verificare la tua comprensione dei concetti fondamentali, delle tecniche di analisi degli algoritmi e delle strutture dati. La prova scritta dura indicativamente 1 ora. Viene valutata in trentesimi ed è ritenuta sufficiente se il relativo voto, che di norma rimane valido per il solo appello in cui la prova viene sostenuta, è di almeno 18/30. La prova scritta, se superata, è seguita da una prova orale, volta alla verifica e alla discussione delle soluzioni ai problemi proposti durante le esercitazioni di laboratorio e composta da ulteriori domande sui principali argomenti trattati durante il corso (algoritmi fondamentali, analisi della complessità, esempi, casi particolari, ecc.). La prova orale è finalizzata ad accertare: il livello di conoscenza dei contenuti teorici del corso (descrittore di Dublino 1), il livello di competenza nell’esporre le proprie capacità di argomentazione (descrittore di Dublino 2), l’autonomia di giudizio (descrittore di Dublino 3) nel proporre l’approccio più opportuno per argomentare quanto richiesto. La prova orale ha anche l’obiettivo di verificare la capacità dello studente di rispondere con proprietà di linguaggio alle domande proposte, di sostenere un rapporto dialettico durante la discussione e di dimostrare capacità logico-deduttive e di sintesi nell'esposizione (descrittore di Dublino 4). Se superata, comporta un aggiustamento per eccesso o per difetto di al più 5/30 del voto della prova scritta, determinando così il voto finale. ll voto finale viene espresso in trentesimi, e il minimo per superare l’esame è di 18. La valutazione serve a misurare il raggiungimento degli obiettivi di apprendimento stabiliti, ovvero lo studente deve dimostrare di aver acquisito una conoscenza sufficiente degli argomenti relativi all’analisi degli algoritmi, una conoscenza base delle strutture dati e dei metodi di ordinamento e di essere in grado di valutare la bontà di un algoritmo: un livello sufficiente e adeguato si colloca tra 18 e 23, un livello buono e soddisfacente tra 24 e 26, mentre un livello ottimo, che indica una preparazione molto solida e approfondita, va da 27 a 30. È anche possibile attribuire la lode in caso di conoscenza completa ed eccellente di tutti gli argomenti trattati durante il corso.

Testi di riferimento

T.H. Cormen, C.E. Leiserson, R.L. Rivest, Introduzione agli algoritmi e Strutture Dati, McGraw-Hill, IV edizione, 2022. C. Demetrescu, I. Finocchi, G. Italiano, Algoritmi e Strutture Dati, McGraw-Hill, 2004.

Codice insegnamento 20717

Analisi Superiore 2 6 CFU · MATH-03/A · 0 file

1. Conoscenza e capacità di comprensione Conoscere le definizioni, le principali proprietà e qualche motivazione del ricorso alla teoria delle distribuzioni. Avere un’idea delle origini, degli scopi, e di alcuni dei…

Scheda dell'insegnamento

Obiettivi formativi

1. Conoscenza e capacità di comprensione Conoscere le definizioni, le principali proprietà e qualche motivazione del ricorso alla teoria delle distribuzioni. Avere un’idea delle origini, degli scopi, e di alcuni dei problemi e dei metodi del calcolo delle variazioni. 2. Capacità applicative Saper risolvere problemi isoperimetrici elementari. Saper ricavare l’equazione di Eulero-Lagrange di un funzionale dato, e saperla risolvere almeno in casi particolarmente semplici, sotto altrettanto semplici condizioni al contorno. 3. Autonomia di giudizio Sviluppare spirito critico, capacità di pensiero autonomo, e intraprendenza, con riferimento ai problemi sui quali il corso si impernia. Capacità di interpretare i dati ed i risultati del calcolo anche al fine di valutare l'attendibilità dei risultati stessi. 4. Abilità nella comunicazione Saper comunicare informazioni, idee, problemi e soluzioni utilizzando la terminologia convenzionale, in modo tale da poter interagire costruttivamente, nell'immediato, con gli altri studenti e con i docenti, e successivamente con i propri colleghi di lavoro e con i propri stessi studenti se del caso. Saper motivare razionalmente le proprie tesi, supportandole con argomentazioni solide. 5. Capacità di apprendere Essere in grado di consultare e interpretare i testi universitari per formare ed arricchire le proprie conoscenze. Saper utilizzare le fonti di informazione nell'ambito di un'attività volta alla risoluzione di problemi. Essere in grado, qualora se ne presentasse la necessità, di documentarsi anche su argomenti vicini ai contenuti del corso ma non rientranti interamente in essi.

Programma

Introduzione alla teoria delle distribuzioni (2 CFU, 8 lezioni, 16 ore) Nozioni fondamentali: lo spazio D delle funzioni test; lo spazio D' delle distribuzioni di Schwartz. Interpretazioni ed applicazioni delle distribuzioni, e in particolare della distribuzione delta di Dirac. Cenni storici: la delta di Dirac non è una funzione di una variabile reale. Convergenza nel senso delle distribuzioni. Derivata distribuzionale. Supporto di una distribuzione. Introduzione al calcolo delle variazioni (4 CFU, 16 lezioni, 32 ore) Problemi variazionali elementari: il problema isoperimetrico nella classe dei rettangoli, area massima di un triangolo avente due lati assegnati, area massima di un triangolo avente un lato e il perimetro assegnati, area massima di un poligono di 2n lati avente il perimetro assegnato. Problemi classici del calcolo delle variazioni: il problema della brachistocrona, il problema del corpo di minima resistenza di Newton, il problema della catenaria, il problema isoperimetrico in dimensione 2 ed una sua soluzione ispirata a J. Steiner, il problema di Plateau non parametrico. Metodi classici del calcolo delle variazioni: lemma fondamentale, lemma di Du Bois-Reymond, equazione di Eulero-Lagrange.

Calcolo differenziale e integrale per funzioni di una o più variabili reali. Integrazione secondo Lebesgue. Spazi L^p.

Il corso è costituito da 48 ore di lezioni frontali. Nella prima lezione vengono presentati i contenuti e le modalità di svolgimento del corso, e vengono date indicazioni sul materiale didattico e su come impostare lo studio della disciplina. Vengono inoltre indicate le modalità di svolgimento degli esami. Le lezioni successive si articolano come segue: una parte dell'attività consiste nell'esposizione dei contenuti del corso finalizzata a perseguire l'obiettivo 1 (conoscenza e comprensione); una seconda parte consiste invece nella illustrazione dei procedimenti esecutivi o risolutivi riconducibili all'obiettivo 2 (capacità applicative). Gli studenti sono frequentemente invitati ad affrontare problemi matematici che il docente propone tenendo conto del programma del corso, dello stato di avanzamento delle lezioni, dell'esperienza maturata nelle edizioni precedenti del corso, nonché del feedback fornito dagli studenti. Tali consegne sono finalizzate al raggiungimento dei seguenti obiettivi: - obiettivo 1 (conoscenza e comprensione), tramite la contestualizzazione delle nozioni teoriche del programma; - obiettivo 2 (capacità applicative), mediante l'effettivo utilizzo dei procedimenti esecutivi o risolutivi illustrati a lezione; - obiettivo 3 (autonomia di giudizio), in quanto la possibilità di dare soluzione ai problemi proposti richiede da parte dello studente l'effettuazione di scelte ragionate ed autonome; - obiettivo 5 (capacità di apprendere), in quanto gli studenti sono stimolati a consultare i testi consigliati, ai quali una parte delle consegne fa esplicito riferimento. Una terza tipologia di attività (detta talvolta "lezione euristica" o "lezione socratica") consiste nella discussione, condotta dal docente, e nella risoluzione dei problemi proposti, con la partecipazione degli studenti interessati, mirante a perseguire le seguenti finalità: 1) consolidare le conoscenze (obiettivo 1) e le capacità applicative (obiettivo 2); 2) coltivare e perfezionare l'autonomia di giudizio (obiettivo 3) mediante il confronto fra le valutazioni degli studenti e quelle del docente; 3) coltivare e sviluppare le capacità dialettiche facenti parte dell'obiettivo formativo n. 4. Può benissimo accadere, qualora le esigenze didattiche lo richiedano, che una stessa ora di lezione frontale si articoli, al suo interno, in attività rientranti in due, o anche in tutte e tre le tipologie sopra specificate. Le lezioni tendono a disincentivare lo studio puramente sintattico-simbolico (mnemonico) della materia, e si avvalgono di rappresentazioni grafiche (realizzate in parte sotto forma di disegni a mano libera, e per la rimanente parte mediante grafica computerizzata, applet interattive, o semplici modelli realizzabili artigianalmente) nonché delle potenzialità dei CAS - Computer Algebra Systems. Nel rispetto del programma del corso, gli studenti possono chiedere di approfondire uno o più argomenti di proprio interesse. Qualora ne ravvisino la necessità, gli studenti possono anche richiedere la trattazione di uno o più prerequisiti onde poter comprendere meglio gli argomenti del programma. Sono altresì previste forme anonime di comunicazione con il docente (questionari in forma scritta e/o sistemi telematici) come mezzo di assunzione di informazioni e dati conoscitivi con i quali il docente opera per riuscire ad adeguare l'insegnamento alle esigenze degli studenti (valutazione in itinere costruttiva e formativa). Il docente è sempre raggiungibile per posta elettronica all'indirizzo [email protected]

Modalità d'esame

In sede d'esame (valutazione certificativa), allo studente vengono proposti alcuni quesiti scelti a campione fra i vari argomenti del corso. I quesiti sono, di norma, della stessa tipologia di quelli affrontati a lezione. Lo studente dovrà rispondere utilizzando sia la parola che un apposito mezzo di scrittura (solitamente, una lavagna tradizionale) da utilizzarsi per un duplice scopo: A. Sostenere le complesse argomentazioni che sono tipiche della matematica mediante l'uso della notazione convenzionale e, ove possibile, di opportune rappresentazioni grafiche; B. Dimostrare la capacità di manipolare le espressioni formali nel rispetto delle regole che ne governano l'utilizzo. Il punteggio è attribuito mediante un voto espresso in trentesimi. Per superare l'esame, e riportare quindi un voto non inferiore a 18/30, lo studente dovrà dimostrare di aver acquisito una conoscenza elementare degli argomenti del corso. Ad un più completo raggiungimento degli obiettivi formativi corrisponde una votazione proporzionalmente maggiore. Agli studenti particolarmente brillanti può essere richiesto di affrontare problemi più impegnativi, corrispondenti al più alto livello cognitivo della tassonomia di Bloom, per il conseguimento della votazione massima con lode. Lo studente dovrà anche dimostrare una adeguata conoscenza degli aspetti teorici della materia. La determinazione del voto tiene conto dei seguenti elementi: 1. La logica seguita dallo studente nella risoluzione del quesito; 2. La correttezza della procedura individuata per la soluzione del quesito; 3. L'adeguatezza della soluzione proposta in relazione alle competenze attese; 4. L'impiego di un adeguato linguaggio; 5. La capacità di sostenere una discussione, e la capacità di individuare e correggere, discutendo, i propri eventuali errori, senza smarrirsi. Sono valutati a favore dello studente, inoltre: lo spirito critico, la capacità di pensiero autonomo, lo spirito di iniziativa, e in generale il cosiddetto "pensiero divergente", cioè l'uso creativo ed originale delle conoscenze di cui lo studente è in possesso. Si tenga presente che gli studenti si differenziano fortemente l'uno dall'altro perché ciascuno di essi è caratterizzato da una specifica combinazione degli elementi sopra richiamati. Di conseguenza il punteggio finale, che è costituito da un singolo valore numerico, non può per sua stessa natura conservare memoria di ciascuno degli elementi valutati. Ne consegue che studenti dal profilo nettamente diverso possono benissimo conseguire un identico punteggio: si pensi, a titolo di esempio, ad uno studente molto riflessivo (elemento 1) ma timido ed impacciato nel rapportarsi con gli estranei (elemento 5), e lo si confronti con uno studente più impulsivo ma anche brillante e chiaro nel sostenere le proprie tesi.

Testi di riferimento

L. Amerio. Analisi matematica con elementi di analisi funzionale, vol. 2. UTET 1977. L. Amerio. Analisi matematica con elementi di analisi funzionale, vol. 3, parte seconda. UTET 1982. H. Brézis. Analisi funzionale, teoria e applicazioni. Liguori 1986. L. Cesari. Optimization - theory and applications. Springer 1983. R. Courant. Dirichlet’s principle, conformal mapping, and minimal surfaces. Interscience 1958. R. Courant, D. Hilbert, Methods of mathematical physics, vol. I. Interscience 1952 / Wiley 1989. R. Courant, D. Hilbert, Methods of mathematical physics, vol. II. Interscience 1962 / Wiley 1989. R. Courant, H. Robbins. Che cos'è la matematica? Introduzione elementare ai suoi concetti e metodi. Boringhieri 2007. B. Dacorogna. Introduction to the Calculus of Variations, Imperial College Press 2004. P. D’Ancona, E. Montefusco. Il dubbio di Didone. In: Ricordando Franco Conti, Centro di ricerca matem. E. de Giorgi, Scuola Norm. Sup., Pisa, 2004. P. A. M. Dirac. I principi della meccanica quantistica. Boringhieri 1976. P. Freguglia, M. Giaquinta. The early period of the calculus of variations. Birkhäuser 2016. I. M. Gel’fand, G. E. Shilov. Generalized functions. AMS Chelsea Publishing 1964. M. Giaquinta, S. Hildebrandt. Calculus of variations. Springer 1996. D. Gilbarg, N. S. Trudinger. Elliptic partial differential equations of second order, 2nd edition. Springer-Verlag 1998. R. P. Kanwal. Generalized functions: theory and technique. Academic Press 1983. N. D. Kazarinoff. Geometric inequalities. New Mathematical Library 1961. O. D. Kellogg. Foundations of potential theory. Dover 1953. D. Kinderlehrer, G. Stampacchia. An introduction to variational inequalities and their applications. Academic Press, 1980. Ristampa: Classics in Applied Mathematics 31, SIAM (Society for Industrial and Applied Mathematics) 2000. M. Kline. Storia del pensiero matematico. Einaudi 1996. G. Köthe. Topological vector spaces. Springer-Verlag 1969. C. D. Pagani, S. Salsa. Analisi Matematica, vol. 2. Zanichelli 2016. B. O. Peirce. Elements of the theory of the Newtonian potential function. Ginn & Co. 1902. H. H. Schaefer, M. P. Wolff. Topological vector spaces. Springer-Verlag 1999. L. Schwartz. Théorie des distributions. Hermann 1950. G. Talenti. The standard isoperimetric theorem. In: Handbook of convex geometry, vol. A, pagg. 73–123. North-Holland 1993. L. Tonelli. Fondamenti di calcolo delle variazioni. Zanichelli 1921. F. Treves. Locally convex spaces and linear partial differential equations. Springer-Verlag 1967. F. Treves. Topological vector spaces, distributions and kernels. Academic Press 1967. V. S. Vladimirov. Equazioni della Fisica Matematica. Mir 1987. D. V. Widder. The heat equation. Academic Press, 1975. K. Yosida. Functional analysis. Springer-Verlag 1980. A. H. Zemanian. Distribution theory and trasform analysis. McGraw-Hill 1965.

Codice insegnamento 22460

Complementi Di Geometria E Algebra 6 CFU · MATH-02/B · 0 file

Conoscenza e capacità di comprensione: apprendimento di argomenti specifici di geometria e topologia. Capacità di applicare conoscenza e comprensione: lo studente deve essere in grado di applicare tutte le conoscenze…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenza e capacità di comprensione: apprendimento di argomenti specifici di geometria e topologia. Capacità di applicare conoscenza e comprensione: lo studente deve essere in grado di applicare tutte le conoscenze generali della topologia e geometria. Autonomia di giudizio: il corso si propone di stimolare la valutazione obiettiva della didattica proponendo costantemente agli studenti un raffronto tra i contenuti teorici proposti duranti le lezioni frontali e l'acquisizione degli stessi attraverso lo studio autonomo utilizzando i testi consigliati e il materiale didattico fornito. Abilità nella comunicazione: capacità di esprimere con l'appropriata terminologia matematica i concetti fondamentali della topologia algebrica. Capacità di apprendimento: sviluppo della capacità di comunicazione professionale nell'ambito matematico, grazie all'uso di una terminologia corretta e di una modalità di descrizione organizzata e comprensibile utile non solo per il superamento dell'esame, ma anche in vista di una preparazione propedeutica agli esami successivi (in particolare di geometria e topologia). Capacità di saper leggere e comprendere testi avanzati di topologia e geometria.

Programma

Argomenti monografici, riguardanti Geometria e Topologia differenziale e geometria riemanniana

Geometria differenziale, nozioni di geometria Riemanniana, Gruppo fondamentale e omologia singolare.

Gli strumenti utilizzati per le lezioni frontali saranno principalmente la lavagna con il gesso. Il ricorso alla visualizzazione permette di sviluppare l'intuizione geometrica e costituisce un valido aiuto al ragionamento matematico.Viene stimolata, mediante un buon numero di esercizi risolti e proposti, la manualità nel calcolo nonché nella rappresentazione degli oggetti geometrici. Il corso prevede 48 lezioni frontali di 2 ore ciascuna.

Modalità d'esame

L'obiettivo della prova d'esame consiste nel verificare il livello di raggiungimento degli obiettivi formativi precedentemente indicati. La prova d'esame consiste in una prova orale. La prova orale (mediamente di 40 minuti) consiste in una discussione su almeno tre argomenti svolti durante le lezioni. Lo studente deve dimostrare di aver capito ed assimilato gli argomenti svolti (conoscenze e le capacità di comprensione; conoscenze e capacità di comprensione applicate). In più lo studente deve dimostrare di essere in grado di spiegare le nozioni e le dimostrazioni apprese durante il corso (abilità comunicative). A tal fine è necessario che lo studente, durante la prova orale, scriva alla lavagna e spieghi tutti i passaggi che sta seguendo per arrivare alla conclusione di un ragionamento (autonomia di giudizio). Si consiglia di rispondere esattamente alle domande senza divagare e scrivendo da subito tutti i dettagli necessari (autonomia di giudizio, abilità comunicative). Il voto finale è assegnato seguendo la seguente Tabella Docimologica. Insufficiente: lo studente dimostra di non aver compreso molte delle costruzioni fondamentali della disciplina. 18-24: lo studente conosce quasi tutti gli argomenti chiesti durante l'esame; dimostra di aver capito e assimilato sufficientemente gli argomenti. 25-28: lo studente conosce tutti gli argomenti chiesti durante l'esame; dimostra di aver capito e assimilato bene gli argomenti; utilizza in modo corretto il linguaggio matematico. 29-30: lo studente conosce molto bene tutti gli argomenti chiesti durante l'esame; dimostra di aver capito e assimilato molto bene gli argomenti; utilizza in modo corretto il linguaggio matematico; è in grado di spiegare le nozioni apprese. 30 e lode: lo studente conosce perfettamente tutti gli argomenti chiesti durante l'esame; dimostra di aver capito e assimilato in profondità tutti gli argomenti; utilizza in modo corretto il linguaggio matematico; è in grado di spiegare le nozioni apprese.

Testi di riferimento

Da vedere più avanti

Codice insegnamento 20604

Computational Mathematics 6 CFU · MATH-05/A · 0 file

1. <b>Conoscenza e capacità di comprensione</b>. L'insegnamento, rivolto a studenti del I anno dei corsi di Laurea Magistrale in Matematica e in Informatica, si…

Scheda dell'insegnamento

Obiettivi formativi

1. <b>Conoscenza e capacità di comprensione</b>. L'insegnamento, rivolto a studenti del I anno dei corsi di Laurea Magistrale in Matematica e in Informatica, si propone di far acquisire allo studente una conoscenza operativa delle metodologie avanzate dell'analisi numerica. I vari argomenti vengono descritti a fondo fornendo sia una giustificazione teorica rigorosa che indicazioni esaustive su alcune delle possibili applicazioni. 2. <b>Capacità di applicare conoscenza e comprensione</b>. Durante il corso verranno illustrate alcune delle possibili applicazioni dei metodi studiati nell’ambito di diverse scienze applicate. Verrà richiesto agli studenti di implementare gli algoritmi in un linguaggio di programmazione e di verificare il loro funzionamento mediante una efficace sperimentazione numerica. 3. <b>Autonomia di giudizio</b>. Il corso fornisce agli studenti le competenze di base per applicare le metodologie matematiche descritte durante il corso alla risoluzione di problemi applicativi. 4. <b>Abilità comunicative</b>. Le capacità comunicative dello studente verranno valutate sia in una prova orale che in un elaborato scritto, in cui dovrà essere descritto in modo ordinato e coerente il tema assegnato, corredando la descrizione di una adeguata sperimentazione numerica. 5. <b>Capacità di apprendimento</b>. Il corso fornisce agli studenti una preparazione specifica ai fini della comprensione di testi matematici avanzati e articoli scientifici, rendendoli capaci di orientarsi in modo autonomo nella letteratura recente del settore.

Programma

1. <b>Introduzione</b> (5 ore). Richiami argomenti di base. Approssimazione polinomiale nel senso dei minimi quadrati. Interpretazioni alternative del prodotto matriciale: inner and outer product. BLAS. Calcolo della matrice inversa. Prodotti matriciali a blocchi. Il teorema spettrale. Fattorizzazione spettrale. Approssimazione a rango basso, Epsilon-rango. 2. <b>Generalità sui problemi ai minimi quadrati</b> (7 ore). Sistemi lineari sovradeterminati e sottodeterminati. Range e nucleo di una matrice. Formulazione di un problema ai minimi quadrati lineare (LSP) sovradeterminato e risoluzione con le equazioni normali. Caratterizzazione delle soluzioni. Matrice pseudo-inversa. Decomposizione ortogonale di uno spazio. LSP duale per sistemi sottodeterminati. Soluzione di minima norma. Equazioni normali del secondo tipo. 3. <b>Metodi numerici diretti</b> (6 ore). Fattorizzazione di Cholesky, implementazione e uso per la soluzione delle equazioni normali. Fattorizzazione QR e applicazione ad un LSP. Matrici elementari di Householder e di Givens e corrispondenti fattorizzazioni QR. Fattorizzazione QR compatta. 4. <b>Calcolo di autovalori e autovettori</b> (7 ore). Definizioni base. Matrici simili, diagonalizzabilità, fattorizzazione spettrale. Forma canonica di Schur. Matrici difettive. Matrici normali e unitariamente diagonalizzabili. Teorema di Bauer-Fike. Il metodo delle potenze e delle potenze inverse. Traslazione dello spettro. Matrice compagna e calcolo delle radici di un polinomio. Metodi iterativi e matrici sparse. Algoritmo QR per il calcolo degli autovalori. Accelerazione della convergenza del metodo. Passaggio in forma di Hessenberg. 5. <b>Decomposizione ai valori singolari (SVD) </b> (8 ore). Definizione di valori e vettori singolari. Forma generale della fattorizzazione. Analogie con gli autovalori. Approssimazioni a rango basso e principal component analysis. I quattro sottospazi fondamentali associati ad una matrice. Espressione della soluzione di un sistema omogeneo. Migliore approssimazione di una matrice. Applicazione alla risoluzione di sistemi e LSP. Rappresentazione della pseudo-inversa e proprietà. SVD troncata ed errore di approssimazione. Teoremi di Weyl e di Courant-Fisher. Stabilità dei valori singolari. Definizione generale di numero di condizionamento. Condizioni di Penrose. Cenni sull'algoritmo di Golub-Reinsch per il calcolo della SVD. 6. <b>Metodi numerici iterativi </b> (7 ore). Generalità sui metodi iterativi. Metodi di Richardson. Precondizionamento. Fattorizzazione incomplete LU e di Cholesky. I metodi del gradiente e del gradiente coniugato. Il metodo CGLS. Metodi di proiezione in spazi di Krylov. Algoritmo di Lanczos. Breakdown e riortogonalizzazione. Risoluzione di un sistema lineare col metodo di Lanczos. Cenni sui metodi di Arnoldi e di Golub-Kahan. 7. <b>Laboratorio Matlab</b> (8 ore) Tecniche di programmazione avanzata in Matlab. Implementazione ottimizzata degli algoritmi studiati.

1. <b>Conoscenze</b>. Il corso richiede una buona conoscenza dei fondamenti dell'algebra lineare e dell'analisi matematica reale e complessa. E' necessario avere seguito un corso di base di analisi numerica, in cui siano stati trattati gli algoritmi fondamentali, diretti e iterativi, per la risoluzione dei sistemi lineari. E’ richiesta una conoscenza di base del linguaggio Matlab. 2. <b>Abilità</b>. Gli studenti dovranno essere in grado di applicare le metodologie apprese durante il corso di laurea triennale e il primo anno della laurea magistrale. In particolare: calcolo di derivate e di integrali, manipolazione di espressioni matriciali e vettoriali, programmazione di algoritmi in Matlab o in un altro linguaggio. 3. <b>Competenze</b>. Per seguire il corso con profitto è indispensabile essere in grado di comprendere a fondo un modello matematico e di descrivere in modo efficace un algoritmo per la sua risoluzione. <b>Corsi propedeutici</b>. Non vi sono corsi propedeutici.

Il corso consiste di 48 ore di lezione frontale, che includono anche esercitazioni in aula. Le esercitazioni in aula consistono nell'applicazione dei metodi studiati ad esempi e problemi. Al termine del corso gli studenti devono realizzare una tesina, che descriva l’implementazione di alcuni degli algoritmi trattati e i risultati di una sperimentazione numerica. Il docente presta assistenza costante agli studenti, nell'arco dell'intero anno accademico, sia durante l'orario di ricevimento che comunicando attraverso messaggi di posta elettronica e sistemi di teleconferenza. La didattica sarà erogata in presenza. Le lezioni potranno essere integrate con materiali audiovisivi e con lo streaming.

Modalità d'esame

La verifica dell'apprendimento avviene attraverso la realizzazione di un elaborato scritto (tesina), su un argomento assegnato dal docente, volto a verificare le abilità acquisite durante il corso, ed una successiva prova orale in cui verrà accertato il livello di conoscenza del programma. Lo studente dovrà dimostrare di conoscere e aver compreso gli algoritmi studiati, nonché di essere in grado di applicarli alla risoluzione di problemi. La tesina dovrà essere consegnata al docente almeno una settimana prima dell’appello ufficiale, in modo da consentirgli di valutarla. Le prova si intende superata solo se lo studente ha riportato una votazione non inferiore a 18/30. Per raggiungere questo risultato lo studente deve dimostrare di possedere una conoscenza di base di tutti gli argomenti trattati nel corso. Per conseguire il massimo punteggio, pari a 30/30, lo studente deve dimostrare di conoscere in modo eccellente gli argomenti del corso e di essere in grado di discuterli in modo approfondito ed applicarli autonomamente. Gli studenti hanno la possibilità di verificare il proprio livello di preparazione nel corso delle esercitazioni e di discussioni col docente.

Testi di riferimento

I testi principali utilizzati durante il corso sono i seguenti: G. Rodriguez. Algoritmi Numerici. Società Editrice Esculapio, Bologna, 2025. ISBN: 9788893854801. Å. Björck. Numerical Methods for Least Squares Problems. SIAM, Philadelphia, 1996. ISBN: 978-0-89871-360-2. Testi di consultazione G.W. Stewart. Matrix Algorithms. Volume 1: Basic Decompositions. SIAM, Philadelphia, 1998. G.H. Golub and C.F. Van Loan. Matrix Computations. The John Hopkins University Press, Baltimore, third edition, 1996. G. Strang. Introduction to Linear Algebra. Wellesley Cambridge Press, sixth edition, 2023. W.L. Briggs and V.E. Henson. The DFT, An Owner's Manual for the Discrete Fourier Transform. SIAM, Philadelphia, 1995. L.N. Trefethen and D. Bau III. Numerical Linear Algebra. SIAM, Philadelphia, 1997. A. Quarteroni, R. Sacco, and F. Saleri. Matematica Numerica. Springer, Milano, 2000. Seconda edizione. V. Comincioli. Analisi Numerica Metodi Modelli Applicazioni. McGraw-Hill, Milano, 1995. Ulteriori riferimenti bibliografici, destinati ad approfondire argomenti specifici, verranno forniti dal docente durante il corso, che in casi specifici diffonderà anche dispense e altro materiale didattico.

Codice insegnamento 20176

Data Mining 6 CFU · INFO-01/A · 0 file

L’insegnamento fornisce conoscenze teoriche e competenze metodologiche e operative per progettare, realizzare e valutare processi di Data Mining, dalla comprensione e dalla preparazione dei dati alla costruzione, alla…

Scheda dell'insegnamento

Scheda ripresa da un altro corso di laurea dello stesso ateneo.

Obiettivi formativi

L’insegnamento fornisce conoscenze teoriche e competenze metodologiche e operative per progettare, realizzare e valutare processi di Data Mining, dalla comprensione e dalla preparazione dei dati alla costruzione, alla selezione e all’interpretazione di modelli predittivi e descrittivi. - Conoscenza e capacità di comprensione. Al termine del corso lo studente conoscerà le principali fasi di un processo di Data Mining; le tipologie e le caratteristiche dei dati; i problemi di qualità, rappresentazione, similarità e preparazione dei dati; i fondamenti dell’apprendimento supervisionato e non supervisionato; i principali metodi di classificazione, regressione e clustering; i protocolli e le metriche per la valutazione dei modelli. - Capacità di applicare la conoscenza e la comprensione. Lo studente sarà in grado di impostare una pipeline di analisi end-to-end, selezionare e applicare tecniche adeguate al problema e ai dati disponibili, implementare esperimenti riproducibili in Python, definire protocolli di validazione appropriati, confrontare modelli alternativi e interpretarne criticamente i risultati, anche in contesti nuovi o non familiari. - Autonomia di giudizio. Lo studente saprà motivare le scelte relative a dati, preprocessing, algoritmi, iperparametri e metriche; individuare problemi quali data leakage, overfitting, sbilanciamento delle classi e valutazioni non affidabili; valutare limiti, robustezza, interpretabilità e possibili implicazioni etiche dell’analisi. - Abilità comunicative. Lo studente saprà descrivere con linguaggio tecnico appropriato un problema di Data Mining, documentare dati, metodi ed esperimenti, presentare risultati mediante tabelle e visualizzazioni e discutere le proprie scelte con interlocutori specialisti. - Capacità di apprendimento. Lo studente sarà in grado di consultare autonomamente manuali, documentazione software e letteratura tecnica, approfondire metodi non trattati nel corso e trasferire le competenze acquisite a nuovi dataset, domini applicativi e strumenti.

Programma

PARTE TEORICA Le lezioni frontali introducono i fondamenti teorici, gli algoritmi, i criteri di scelta dei metodi e le procedure di valutazione, alternando spiegazioni, esempi guidati e discussione di casi applicativi. Programma generale: 1. Fondamenti e comprensione dei dati Introduzione al Data Mining e al processo di scoperta della conoscenza; principali task e applicazioni; tipologie, rappresentazione e qualità dei dati; statistiche descrittive; misure di similarità e di distanza. 2. Data preparation Esplorazione e visualizzazione dei dati; gestione di valori mancanti, rumore, duplicati e outlier; integrazione e trasformazione; normalizzazione, discretizzazione e campionamento; riduzione della dimensionalità (PCA, LDA 9t-SNE etc.); metodi filter, wrapper ed embedded per la selezione delle caratteristiche; costruzione di pipeline riproducibili. 3. Data Mining predittivo: classificazione Fondamenti dell’apprendimento supervisionato; k-nearest neighbors, Naive Bayes, alberi decisionali, support vector machine, metodi ensemble e fondamenti delle reti neurali. Valutazione dei classificatori: suddivisione train/validation/test, cross-validation, overfitting, matrice di confusione, accuracy, precision, recall, F1-score e ROC-AUC; gestione dello sbilanciamento delle classi e confronto tra modelli. 4. Data Mining predittivo: regressione Regressione lineare e polinomiale; cenni alla regolarizzazione e alla selezione del modello; valutazione mediante MAE, MSE, RMSE, MAPE e SMAPE; analisi e interpretazione dei residui. 5. Data Mining descrittivo e orientato ai pattern Clustering: k-means, clustering gerarchico e DBSCAN; valutazione mediante SSE, silhouette e misure esterne. PARTE PRATICA Le attività pratiche sono svolte prevalentemente in Python, mediante notebook e librerie per l’analisi dei dati e il machine learning. Esse guidano gli studenti nella costruzione di pipeline che comprendono esplorazione, preprocessing, addestramento, validazione, confronto tra modelli e interpretazione dei risultati. Le esercitazioni comprendono problemi numerici, applicazione manuale di algoritmi, lettura e interpretazione degli output, confronto tra metodi alternativi e analisi critica degli errori metodologici.

Per frequentare proficuamente l’insegnamento sono richieste le seguenti conoscenze, abilità e competenze: - capacità di programmazione: familiarità con il linguaggio Python e con ambienti notebook; le librerie necessarie per le attività pratiche saranno comunque introdotte o richiamate durante il corso; - comprensione di algoritmi di base - conoscenza di base di elementi di probabilità e statistica descrittiva e inferenziale, incluse distribuzioni, media e varianza, correlazione; - conoscenze di base sulla rappresentazione e gestione di dati tabellari; Le eventuali propedeuticità formali sono quelle previste dal regolamento didattico del Corso di Studio.

L’insegnamento prevede 48 ore di attività didattica che comprendono lezioni frontali, esercitazioni di laboratorio, e due prove intermedie. Le lezioni frontali introducono i fondamenti teorici e gli algoritmi, mentre le attività pratiche si svolgono in Python, utilizzando notebook e librerie specifiche. Il progetto finale, individuale o svolto in gruppi di massimo tre studenti con carico di lavoro proporzionato alla numerosità del gruppo, richiede l’applicazione integrata delle competenze acquisite a un dataset e a un problema di Data Mining. Materiali, consegne e comunicazioni sono disponibili sulla piattaforma didattica del corso (portale e-learning e canale Teams dedicato). Le attività proposte mirano a integrare l'acquisizione delle conoscenze, l'applicazione operativa, l'autonomia di giudizio, la riproducibilità e la capacità di comunicazione tecnica.

Modalità d'esame

La valutazione è espressa in trentesimi ed è composta da: - una componente scritta, fino a 20 punti; - un progetto, fino a 10 punti; - un eventuale bonus, fino a 2 punti complessivi. ## Componente scritta La componente scritta è articolata in una serie di domande a risposta aperta e a risposta multipla. Comprende quesiti teorici volti a verificare: - la conoscenza e la comprensione dei metodi; - la corretta applicazione di algoritmi e metriche; - la capacità di analizzare dati, output e risultati sperimentali; - la capacità di motivare le scelte metodologiche. Sono previste inoltre due prove intermedie durante il corso (una orientativamente a metà novembre, una a fine corso). Ciascuna prova in itinere superata esonera dalla corrispondente sezione della prova scritta finale. Il superamento di entrambe le prove in itinere esonera dall’intera prova scritta. In occasione degli appelli, lo studente sostiene soltanto le sezioni non superate o non sostenute. La soglia minima per superare ciascuna prova (sia la prova totale sia quella in itinere) è pari a 12/20. Per prestazioni di particolare qualità nelle prove di preparazione, programmate prima di ciascuna prova in itinere, può essere attribuito fino a 1 punto bonus per prova, per un massimo complessivo di 2 punti. ## Progetto Il progetto può essere svolto individualmente o in gruppi di massimo tre studenti. Per i gruppi di due o tre componenti sono richieste, rispettivamente, una o due estensioni rispetto al nucleo di attività comune. La valutazione del progetto è articolata come segue: - qualità, correttezza e completezza del report; - organizzazione e riproducibilità del codice; - breve discussione tecnica individuale. La discussione tecnica non prevede una presentazione formale, ma comprende alcune domande dirette a verificare l’effettiva comprensione del lavoro e il contributo individuale dello studente. La soglia minima del progetto è di 6/10. ## Determinazione del voto L’esame è superato quando: - la componente scritta è almeno pari a 12/20; - il progetto è almeno pari a 6/10; - il punteggio complessivo è almeno pari a 18/30. Il voto finale è ottenuto sommando i punteggi delle componenti scritta, del progetto e dell’eventuale bonus ed è ricondotto in trentesimi. La valutazione tiene conto della correttezza delle conoscenze, dell’appropriatezza delle procedure e delle metriche utilizzate, della capacità di interpretare criticamente i risultati e i limiti, della chiarezza del linguaggio tecnico e dell’autonomia dimostrata nel progetto. 18–21: preparazione sufficiente, prevalentemente esecutiva, con capacità di applicare le procedure fondamentali; 22–24: preparazione adeguata e complessivamente corretta; 25–27: buona padronanza degli argomenti e capacità di analisi; 28–30: padronanza molto buona o eccellente, accompagnata da autonomia, rigore e capacità critica. La lode può essere attribuita quando il punteggio grezzo è superiore a 30 e la discussione individuale dimostra comprensione, autonomia e capacità critica eccellenti.

Testi di riferimento

Testi principali - P.-N. Tan, M. Steinbach, A. Karpatne, V. Kumar, Introduction to Data Mining, 2nd edition, Pearson, 2019. - J. Han, J. Pei, H. Tong, Data Mining: Concepts and Techniques, 4th edition, Morgan Kaufmann, 2022. Testo consigliato per approfondimenti: -G. James, D. Witten, T. Hastie, R. Tibshirani, J. Taylor, An Introduction to Statistical Learning with Applications in Python, Springer, 2023. Materiale didattico integrativo: -slide e dispense predisposte dal docente; -notebook Python, dataset ed esercitazioni; -documentazione ufficiale delle librerie utilizzate, in particolare pandas, NumPy, Matplotlib e scikit-learn. Ulteriori testi consigliati per l’approfondimento di argomenti specifici saranno segnalati durante il corso.

Codice insegnamento 13525

Didattica Della Matematica 6 CFU · MATH-01/B · 0 file

Il corso introduce i principali quadri teorici elaborati dalla ricerca nazionale e internazionale in didattica della matematica, con particolare attenzione al ruolo dell’insegnante e agli aspetti concettuali,…

Scheda dell'insegnamento

Obiettivi formativi

Il corso introduce i principali quadri teorici elaborati dalla ricerca nazionale e internazionale in didattica della matematica, con particolare attenzione al ruolo dell’insegnante e agli aspetti concettuali, epistemologici, linguistici e didattici che caratterizzano i processi di insegnamento e apprendimento della matematica. Il corso fornisce inoltre gli strumenti di base per progettare, analizzare e valutare attività e percorsi didattici rivolti alla scuola secondaria di primo e secondo grado, anche in ambienti di apprendimento che prevedono l’impiego delle tecnologie digitali. Al termine del corso, lo studente dovrà aver acquisito le seguenti conoscenze e competenze. A. Conoscenza e capacità di comprensione Lo studente dovrà acquisire conoscenze sistematiche e una comprensione critica dei processi di insegnamento e apprendimento della matematica in ambito scolastico, con riferimento: • ai principali risultati della ricerca in didattica della matematica; • al quadro istituzionale e curricolare; • alle metodologie e alle strategie didattiche; • al ruolo dell’insegnante; • all’impiego delle tecnologie nei processi di insegnamento e apprendimento. B. Capacità di applicare conoscenza e comprensione Lo studente dovrà essere in grado di utilizzare le conoscenze teoriche acquisite per analizzare, progettare e valutare percorsi didattici relativi a diversi contenuti matematici. Dovrà inoltre saper analizzare criticamente report e studi di ricerca, testi, articoli scientifici e protocolli di sperimentazione didattica. Lo studente sarà chiamato a rielaborare le proprie conoscenze matematiche in relazione ai processi di trasposizione didattica nella scuola secondaria di primo e secondo grado, individuando, quando opportuno, collegamenti con le altre discipline dell’area scientifica. C. Autonomia di giudizio Lo studente dovrà essere in grado di esaminare criticamente ricerche, approcci teorici, metodologie e proposte didattiche nell’ambito della didattica della matematica, valutandone presupposti, potenzialità e limiti. Dovrà inoltre sviluppare la capacità di riflettere sulle proprie conoscenze e competenze, nonché di valutare in modo consapevole il proprio contributo e quello dei pari nell’ambito di attività di discussione, dibattito, autovalutazione e valutazione tra pari. D. Abilità comunicative Al termine del corso, lo studente dovrà aver acquisito una conoscenza adeguata del linguaggio specifico della didattica della matematica. Dovrà essere in grado di descrivere e comunicare procedimenti, analisi, argomentazioni, scelte progettuali e risultati in modo chiaro, rigoroso, coerente e scientificamente corretto, adattando la propria esposizione ai diversi contesti e interlocutori. E. Capacità di apprendimento Sulla base delle conoscenze e delle competenze acquisite, lo studente dovrà essere in grado di approfondire autonomamente nuove teorie, metodologie e risultati della ricerca in didattica della matematica. Dovrà inoltre saper selezionare e utilizzare in modo critico tali conoscenze per affrontare problematiche diverse connesse alla progettazione, alla realizzazione e all’analisi dei processi di insegnamento e apprendimento della matematica.

Programma

Teorie dell’apprendimento e dell’insegnamento della matematica Il corso affronta alcune tra le principali teorie della didattica della matematica, con particolare riferimento alla Teoria delle situazioni didattiche. Saranno approfonditi i concetti di sistema didattico, milieu e contratto didattico. Saranno inoltre presentate la Teoria della trasposizione didattica e l’ingegneria didattica, con cenni alla progettazione e all’analisi di ambienti di apprendimento relativi a contenuti matematici previsti dai curricula scolastici. Il problem solving in matematica Saranno analizzate le caratteristiche dei problemi aperti e chiusi, con particolare attenzione alla distinzione tra problema ed esercizio e all’importanza di proporre attività che favoriscano l’esplorazione, la formulazione di strategie e il pensiero autonomo. Errore, ostacoli e difficoltà di apprendimento Il corso approfondirà il ruolo dell’errore nei processi di insegnamento e apprendimento della matematica, nonché il concetto di ostacolo epistemologico e didattico. Saranno inoltre affrontate le principali difficoltà nell’apprendimento della matematica, con uno specifico approfondimento dedicato alla discalculia. Linguaggio, discussione e dimostrazione Particolare attenzione sarà riservata al ruolo del linguaggio nell’attività matematica, alla discussione matematica in classe e alla relazione tra argomentazione e dimostrazione.

Sono ritenuti acquisiti i contenuti previsti per la laurea triennale in Matematica

L’insegnamento prevede: • 52 ore di lezioni e 20 ore di esercitazioni per il corso da 9 CFU; • 30 ore di lezioni e 18 ore di esercitazioni per il corso da 6 CFU. Le attività didattiche saranno organizzate secondo modalità diversificate, che comprendono: • lezioni partecipate; • esercitazioni guidate; • attività laboratoriali, individuali e di gruppo. A supporto delle attività saranno utilizzati la lavagna, il videoproiettore, il computer, risorse e materiali consultabili online, la piattaforma Moodle di Ateneo e Microsoft Teams. La didattica sarà erogata in presenza, conformemente a quanto previsto dalla normativa di Ateneo.

Modalità d'esame

La valutazione si articola in tre componenti: 1. Dibattito di gruppo — massimo 35 punti Gli studenti, organizzati in gruppi, approfondiranno un tema scelto tra quelli proposti dal docente e progetteranno un dibattito da presentare in classe. La valutazione sarà effettuata sia dal docente sia dagli studenti, compresi i componenti del gruppo coinvolto, attraverso un processo di autovalutazione e valutazione tra pari. 2. Presentazione di un progetto didattico individuale — massimo 35 punti Ciascuno studente elaborerà individualmente un progetto didattico relativo a un argomento di propria scelta, concordato e assegnato durante il corso. Il lavoro sarà presentato al termine delle lezioni e valutato dal docente. 3. Partecipazione alle attività in classe — massimo 30 punti La partecipazione attiva e pertinente durante le lezioni e le attività proposte contribuirà alla valutazione finale. Criteri di valutazione La valutazione terrà conto dei seguenti aspetti: • conoscenza e padronanza dei contenuti matematici affrontati nel corso; • capacità di analisi didattica; • originalità e coerenza del progetto individuale; • capacità di collegare i contenuti teorici alla progettazione didattica; • chiarezza, correttezza e appropriatezza dell’esposizione orale; • partecipazione attiva e consapevole alle attività del corso. L’esame si considera superato con una votazione minima di 18/30, corrispondente al possesso sufficiente delle conoscenze matematiche e dei contenuti specifici del corso. Per conseguire una valutazione superiore a 28/30, lo studente dovrà dimostrare un’ottima padronanza dei contenuti matematici e didattici, capacità di analisi critica, originalità nella progettazione e autonomia nell’affrontare le problematiche connesse alla trasposizione didattica dei contenuti matematici.

Testi di riferimento

Articoli e altri documenti o dispense saranno forniti dal docente durante il Corso. Testi di riferimento A. Baccaglini-Frank – P. Di Martino, R.Natalini – G.Rosolini, 2017, Didattica della matematica, Mondadori Università B. Artigue M., 2011, Le sfide dell’insegnamento della matematica nell’educazione di base. La matematica nella storia e nella cultura, UMI, serie I vol. IV. http://www.umi-ciim.it/downloads/materiali/Unesco.pdf C. Polo M., 2000, Interpretare e gestire le risposte degli alunni nelle attività con la matematica, La matematica e la sua didattica, pp. 423/437, Pitagora, Bologna.

Codice insegnamento 20389

Elementi Di Probabilità E Statistica 6 CFU · STAT-01/A · 0 file
Equazioni Alle Derivate Parziali 6 CFU · MATH-03/A · 0 file

Gli obiettivi formativi del corso sono i seguenti: 1. Conoscenza e capacità di comprensione. Lo studente perfezionerà la conoscenza riguardante i classici modelli e applicazioni relative alle equazioni differenziali alle…

Scheda dell'insegnamento

Obiettivi formativi

Gli obiettivi formativi del corso sono i seguenti: 1. Conoscenza e capacità di comprensione. Lo studente perfezionerà la conoscenza riguardante i classici modelli e applicazioni relative alle equazioni differenziali alle derivate parziali (PDE). 2. Capacità applicative. Lo studente apprenderà alcuni dei metodi risolutivi, analitici e numerici, basati sull'analisi funzionale e quella numerica per le principali classi di PDE del secondo ordine lineari: equazioni di Laplace, del calore e delle onde. 3. Autonomia di giudizio. Lo studente imparerà a identificare le principali equazioni differenziali alle derivate parziali, analizzarle e risolverle con appropriati metodi. 4. Abilità nella comunicazione. Obbiettivo di questo corso è fornire allo studente, forte dell'esperienza acquisita nei corsi ed anni precedenti, un'ulteriore padronanza del linguaggio formale della ricerca matematica e una solida destrezza di esposizione, che risulti rigorosa, sintetica e di avanzato livello. 5. Capacità di apprendere. Lo studente sarà proiettato verso uno studio fortemente critico, permettendogli di analizzare in modo autonomo i principali modelli matematici formulati da problemi alle derivate parziali.

Programma

1.Equazioni differenziali lineari del secondo ordine: classificazione ed esempi. Classificazione delle equazioni del secondo ordine: ellittiche, paraboliche, iperboliche; Esempi significativi di ciascun tipo. Equazioni ellittiche: Teoria e Formule di Rappresentazione. Equazione di Laplace; Soluzione fondamentale in R^n; Formula di Poisson; Formula di rappresentazione di Green; Equazioni paraboliche: Equazione del calore; Soluzione fondamentale; Formula di rappresentazione di Green per problemi parabolici. Equazioni Iperboliche; Equazione delle onde e soluzione di d’Alembert; Problema della corda fissa agli estremi; Metodo dell’energia; Principi di conservazione; Proprietà di propagazione. 2. Principi del massimo. Teoremi di confronto; Principi di Hopf; Applicazioni del principio del massimo: Stime della soluzione e del suo gradiente in vari problemi; Principio del massimo ottimale; I Principi di massimo di Nirenberg e Friedman. 3. Analisi teorica per alcuni problemi stazionari ed evolutivi Motivazione e modello fisico; Formulazione debole per problemi ellittici e parabolici; Teorema di Lax-Milgram; Esistenza, unicità e regolarità; Metodo dell’energia; Stime a priori; Dipendenza continua dai dati; Problemi non lineari di reazione-diffusione; Esistenza locale tramite punto fisso di Schauder; Cenni al modello di Keller-Segel; Connessioni con problemi parabolici non lineari. 4. Metodo degli Elementi Finiti per alcuni problemi stazionari ed evolutivi. FEM per problemi stazionari (Poisson); Formulazione variazionale; Spazio Vh; Elementi lineari 1D; Matrice di rigidezza; FEM per problemi evolutivi (semi-discreti); Discretizzazione spaziale; Discretizzazione in tempo: schema di Euler implicito; Formulazione variazionale del passo temporale; Struttura dei sistemi numerici; Andamento qualitativo delle soluzioni; Osservazioni algoritmiche.

Si richiede la conoscenza degli argomenti trattati nei corsi di base e caratterizzanti di Analisi e di quelli di Analisi Superiore 1. E' richiesta una minima conoscenze della programmazione di base.

Il corso (6 CFU/48 ore) sarà composto da lezioni frontali, teoriche ed applicative. Con le prime lo studente otterrà le competenze specifiche cognitive della materia. Le altre saranno necessarie all'alunno per sviluppare e rafforzare le proprie competenze strumentali ed attitudinali.

Modalità d'esame

La verifica sarà volta a valutare principalmente i seguenti elementi: conoscenza dei contenuti, capacità di elaborazione autonoma, capacità di esposizione. La prova consiste in due parti: a. Prova applicativa (30% del voto finale): Preparazione di una tesina, individuale o in gruppo (da due a quattro studenti), su un argomento inerente al punto 4 dei "Contenuti", e concordato con il docente. b. Esposizione orale (70% del voto finale): Colloquio orale relativo al programma sviluppato nei punti 1, 2 e 3 dei "Contenuti".

Testi di riferimento

1. L.C. Evans, Partial differential equations, American Mathematical Society, Providence (1998). 2. G. Gilardi, Analisi tre, McGraw-Hill Companies (1994). 3. J.N. Reddy's, An Introduction to the Finite Element Method, third edition. McGraw-Hill Education; 3 edition (2005). 4. S. Salsa, Equazioni a Derivate Parziali. Metodi, modelli e applicazioni. Springer-Verlag, Milano (2004). 5. H. Brezis, Functional analysis, Sobolev spaces and partial differential equations, Springer (2011).

Codice insegnamento 22600

Fisica Matematica 6 CFU · MATH-04/A · 0 file

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Matematica, si propone, principalmente, di far acquisire allo studente una conoscenza operativa delle…

Scheda dell'insegnamento

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

Obiettivi formativi

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Matematica, si propone, principalmente, di far acquisire allo studente una conoscenza operativa delle equazioni differenziali lineari alle derivate parziali di tipo stazionario ed evolutivo pertinenti alla fisica matematica. I vari argomenti vengono approfonditamente descritti fornendo una rigorosa giustificazione teorica. 2. Conoscenza e capacità di comprensione applicate. Durante il corso verranno discusse le possibili applicazioni dei metodi studiati, sia per quanto riguarda la risoluzione di particolari problemi matematici, sia per quanto concerne la loro applicazione in discipline affini (fisica e ingegneria). 3. Autonomia di giudizio. Il corso fornisce agli studenti diligenti le competenze necessarie ad applicare le metodologie matematiche acquisite alla risoluzione di problemi applicativi che tipicamente si presentano nelle scienze applicate. 4. Abilità comunicative. La prova orale tiene conto della capacità dello studente di esporre in modo ordinato e coerente gli argomenti studiati. 5. Capacità di apprendere. Il corso fornisce agli studenti diligenti una preparazione di base sufficiente alla comprensione di testi matematici avanzati sulle equazioni alle derivate parziali.

Programma

Le prime 48 ore del corso, corrispondenti ai primi due punti del programma sotto riportato, sono comuni agli indirizzi di Matematica Pura e Matematica Applicata. Le restanti 24 ore vanno a completare il programma per gli studenti di Matematica Pura. 1. EQUAZIONI ALLE DERIVATE PARZIALI LINEARI (PDEs lineari) A. Introduzione: terminologia e problemi ben posti. Classificazione delle PDEs quasilineari del secondo ordine. B. Equazione del trasporto (leggi di conservazione, metodo delle caratteristiche, equazione del trasporto con sorgente) C. Equazione del calore (derivazione dell’equazione, caso 1D e risoluzione con il metodo di separazione delle variabili, caso 1D su spazi limitati, caso 3D); D. Equazione delle onde (caso 1D, caso 1D su segmenti, caso 1D con sorgente, caso 3D) E. Equazione di Laplace (funzioni armoniche, principi di massimo, soluzione fondamentale e formula di Green). 2. EQUAZIONI INTEGRALI I. Equazioni integrali: terminologia e esempi; II. Metodo delle approssimazioni successivi; III. Teoremi di Fredholm; IV. Cenni sulle equazioni integrali con nucleo hermitiano. 3. Equazione di Hamilton-Jacobi e integrabilità a. Equazione di Hamilton Jacobi (HJ): definizione e esempi; b. Integrali completi e separazione delle variabili per l’equazione H-J; c. Integrabilità per sistemi con un numero finito di gradi di libertà; d. Cenno alle PDEs evolutive nonlineari: il caso delle equazioni integrabili (come, per esempio, l’equazione Korteweg-de Vries). 4. Equazioni differenziali e funzioni speciali i. Equazioni differenziali del secondo ordine; ii. Metodo di Frobenius; iii. Funzioni ipergeometriche; iv. Funzioni di Bessel. Il corso presuppone una buona conoscenza degli argomenti di base dell'analisi matematica e dell'algebra lineare. In particolare, lo studente dovrebbe conoscere le nozioni fondamentali relative alle equazioni differenziali ordinarie, al calcolo differenziale e integrale anche per funzioni di più variabili. Il corso consiste di 48 ore di lezione frontale per gli studenti dell'indirizzo di Matematica pura e di 48 ore di lezione frontale per gli studenti di matematica applicata. Gli strumenti utilizzati per le lezioni frontali saranno sia la lavagna che tablet con sistema di proiezione. Al fine di garantire una maggiore efficacia dell'attività didattica, gli argomenti teorici sono spesso integrati da esercitazioni e discussioni guidate sui temi trattati. Il docente presta inoltre assistenza costante agli studenti, nell'arco dell'intero anno accademico, sia nell'orario di ricevimento che attraverso messaggi di posta elettronica. Il principale strumento a supporto della didattica è costituito da un canale Teams che verrà reso disponibile agli studenti iscritti al corso (frequentanti e non frequentanti). Su tale canale verranno rese disponibili informazioni aggiornate in tempo reale che includono: un diario del corso che riporta gli argomenti svolti in ciascuna lezione, informazioni sulle attività didattiche e ulteriore materiale didattico.

Modalità d'esame

L'obiettivo della prova d'esame consiste nel verificare il livello di raggiungimento degli obiettivi formativi precedentemente indicati. La verifica dell'apprendimento avviene attraverso una una prova orale. La prova orale consiste in alcune domande in modo da verificare la preparazione dell'intero programma svolto. La prova orale generalmente dura 30 minuti. Per superare l'esame lo studente deve dimostrare di avere conseguito una conoscenza sufficiente di tutti gli argomenti del corso. Per conseguire il massimo punteggio (pari a 30/30 e lode) lo studente deve invece dimostrare di aver acquisito una conoscenza eccellente di tutti gli argomenti trattati durante il corso.

Testi di riferimento

Testo adottato: a) S. Salsa, Equazioni a derivate parziali: metodi, modelli e applicazioni, edito dalla Spriger nel 2016. Testi di consultazione: b) W. A. Strauss, Partial Differential Equations; c) A.N. Tychonov and A.A. Samarsky, Partial Differential Equations of Mathematical Physics; d) V.S. Vladimirov, Equazioni della fisica Matematica

Codice insegnamento 21404

Fisica Matematica 9 CFU · MATH-04/A · 0 file

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Matematica, si propone, principalmente, di far acquisire allo studente una conoscenza operativa delle…

Scheda dell'insegnamento

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

Obiettivi formativi

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Matematica, si propone, principalmente, di far acquisire allo studente una conoscenza operativa delle equazioni differenziali lineari alle derivate parziali di tipo stazionario ed evolutivo pertinenti alla fisica matematica. I vari argomenti vengono approfonditamente descritti fornendo una rigorosa giustificazione teorica. 2. Conoscenza e capacità di comprensione applicate. Durante il corso verranno discusse le possibili applicazioni dei metodi studiati, sia per quanto riguarda la risoluzione di particolari problemi matematici, sia per quanto concerne la loro applicazione in discipline affini (fisica e ingegneria). 3. Autonomia di giudizio. Il corso fornisce agli studenti diligenti le competenze necessarie ad applicare le metodologie matematiche acquisite alla risoluzione di problemi applicativi che tipicamente si presentano nelle scienze applicate. 4. Abilità comunicative. La prova orale tiene conto della capacità dello studente di esporre in modo ordinato e coerente gli argomenti studiati. 5. Capacità di apprendere. Il corso fornisce agli studenti diligenti una preparazione di base sufficiente alla comprensione di testi matematici avanzati sulle equazioni alle derivate parziali.

Programma

Le prime 48 ore del corso, corrispondenti ai primi due punti del programma sotto riportato, sono comuni agli indirizzi di Matematica Pura e Matematica Applicata. Le restanti 24 ore vanno a completare il programma per gli studenti di Matematica Pura. 1. EQUAZIONI ALLE DERIVATE PARZIALI LINEARI (PDEs lineari) A. Introduzione: terminologia e problemi ben posti. Classificazione delle PDEs quasilineari del secondo ordine. B. Equazione del trasporto (leggi di conservazione, metodo delle caratteristiche, equazione del trasporto con sorgente) C. Equazione del calore (derivazione dell’equazione, caso 1D e risoluzione con il metodo di separazione delle variabili, caso 1D su spazi limitati, caso 3D); D. Equazione delle onde (caso 1D, caso 1D su segmenti, caso 1D con sorgente, caso 3D) E. Equazione di Laplace (funzioni armoniche, principi di massimo, soluzione fondamentale e formula di Green). 2. EQUAZIONI INTEGRALI I. Equazioni integrali: terminologia e esempi; II. Metodo delle approssimazioni successivi; III. Teoremi di Fredholm; IV. Cenni sulle equazioni integrali con nucleo hermitiano. 3. Equazione di Hamilton-Jacobi e integrabilità a. Equazione di Hamilton Jacobi (HJ): definizione e esempi; b. Integrali completi e separazione delle variabili per l’equazione H-J; c. Integrabilità per sistemi con un numero finito di gradi di libertà; d. Cenno alle PDEs evolutive nonlineari: il caso delle equazioni integrabili (come, per esempio, l’equazione Korteweg-de Vries). 4. Equazioni differenziali e funzioni speciali i. Equazioni differenziali del secondo ordine; ii. Metodo di Frobenius; iii. Funzioni ipergeometriche; iv. Funzioni di Bessel. Il corso presuppone una buona conoscenza degli argomenti di base dell'analisi matematica e dell'algebra lineare. In particolare, lo studente dovrebbe conoscere le nozioni fondamentali relative alle equazioni differenziali ordinarie, al calcolo differenziale e integrale anche per funzioni di più variabili. Il corso consiste di 48 ore di lezione frontale per gli studenti dell'indirizzo di Matematica pura e di 48 ore di lezione frontale per gli studenti di matematica applicata. Gli strumenti utilizzati per le lezioni frontali saranno sia la lavagna che tablet con sistema di proiezione. Al fine di garantire una maggiore efficacia dell'attività didattica, gli argomenti teorici sono spesso integrati da esercitazioni e discussioni guidate sui temi trattati. Il docente presta inoltre assistenza costante agli studenti, nell'arco dell'intero anno accademico, sia nell'orario di ricevimento che attraverso messaggi di posta elettronica. Il principale strumento a supporto della didattica è costituito da un canale Teams che verrà reso disponibile agli studenti iscritti al corso (frequentanti e non frequentanti). Su tale canale verranno rese disponibili informazioni aggiornate in tempo reale che includono: un diario del corso che riporta gli argomenti svolti in ciascuna lezione, informazioni sulle attività didattiche e ulteriore materiale didattico.

Modalità d'esame

L'obiettivo della prova d'esame consiste nel verificare il livello di raggiungimento degli obiettivi formativi precedentemente indicati. La verifica dell'apprendimento avviene attraverso una una prova orale. La prova orale consiste in alcune domande in modo da verificare la preparazione dell'intero programma svolto. La prova orale generalmente dura 30 minuti. Per superare l'esame lo studente deve dimostrare di avere conseguito una conoscenza sufficiente di tutti gli argomenti del corso. Per conseguire il massimo punteggio (pari a 30/30 e lode) lo studente deve invece dimostrare di aver acquisito una conoscenza eccellente di tutti gli argomenti trattati durante il corso.

Testi di riferimento

Testo adottato: a) S. Salsa, Equazioni a derivate parziali: metodi, modelli e applicazioni, edito dalla Spriger nel 2016. Testi di consultazione: b) W. A. Strauss, Partial Differential Equations; c) A.N. Tychonov and A.A. Samarsky, Partial Differential Equations of Mathematical Physics; d) V.S. Vladimirov, Equazioni della fisica Matematica

Codice insegnamento 21037

Fisica Matematica 6 CFU · MATH-04/A · 0 file

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Matematica, si propone, principalmente, di far acquisire allo studente una conoscenza operativa delle…

Scheda dell'insegnamento

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

Obiettivi formativi

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Matematica, si propone, principalmente, di far acquisire allo studente una conoscenza operativa delle equazioni differenziali lineari alle derivate parziali di tipo stazionario ed evolutivo pertinenti alla fisica matematica. I vari argomenti vengono approfonditamente descritti fornendo una rigorosa giustificazione teorica. 2. Conoscenza e capacità di comprensione applicate. Durante il corso verranno discusse le possibili applicazioni dei metodi studiati, sia per quanto riguarda la risoluzione di particolari problemi matematici, sia per quanto concerne la loro applicazione in discipline affini (fisica e ingegneria). 3. Autonomia di giudizio. Il corso fornisce agli studenti diligenti le competenze necessarie ad applicare le metodologie matematiche acquisite alla risoluzione di problemi applicativi che tipicamente si presentano nelle scienze applicate. 4. Abilità comunicative. La prova orale tiene conto della capacità dello studente di esporre in modo ordinato e coerente gli argomenti studiati. 5. Capacità di apprendere. Il corso fornisce agli studenti diligenti una preparazione di base sufficiente alla comprensione di testi matematici avanzati sulle equazioni alle derivate parziali.

Programma

Le prime 48 ore del corso, corrispondenti ai primi due punti del programma sotto riportato, sono comuni agli indirizzi di Matematica Pura e Matematica Applicata. Le restanti 24 ore vanno a completare il programma per gli studenti di Matematica Pura. 1. EQUAZIONI ALLE DERIVATE PARZIALI LINEARI (PDEs lineari) A. Introduzione: terminologia e problemi ben posti. Classificazione delle PDEs quasilineari del secondo ordine. B. Equazione del trasporto (leggi di conservazione, metodo delle caratteristiche, equazione del trasporto con sorgente) C. Equazione del calore (derivazione dell’equazione, caso 1D e risoluzione con il metodo di separazione delle variabili, caso 1D su spazi limitati, caso 3D); D. Equazione delle onde (caso 1D, caso 1D su segmenti, caso 1D con sorgente, caso 3D) E. Equazione di Laplace (funzioni armoniche, principi di massimo, soluzione fondamentale e formula di Green). 2. EQUAZIONI INTEGRALI I. Equazioni integrali: terminologia e esempi; II. Metodo delle approssimazioni successivi; III. Teoremi di Fredholm; IV. Cenni sulle equazioni integrali con nucleo hermitiano. 3. Equazione di Hamilton-Jacobi e integrabilità a. Equazione di Hamilton Jacobi (HJ): definizione e esempi; b. Integrali completi e separazione delle variabili per l’equazione H-J; c. Integrabilità per sistemi con un numero finito di gradi di libertà; d. Cenno alle PDEs evolutive nonlineari: il caso delle equazioni integrabili (come, per esempio, l’equazione Korteweg-de Vries). 4. Equazioni differenziali e funzioni speciali i. Equazioni differenziali del secondo ordine; ii. Metodo di Frobenius; iii. Funzioni ipergeometriche; iv. Funzioni di Bessel. Il corso presuppone una buona conoscenza degli argomenti di base dell'analisi matematica e dell'algebra lineare. In particolare, lo studente dovrebbe conoscere le nozioni fondamentali relative alle equazioni differenziali ordinarie, al calcolo differenziale e integrale anche per funzioni di più variabili. Il corso consiste di 48 ore di lezione frontale per gli studenti dell'indirizzo di Matematica pura e di 48 ore di lezione frontale per gli studenti di matematica applicata. Gli strumenti utilizzati per le lezioni frontali saranno sia la lavagna che tablet con sistema di proiezione. Al fine di garantire una maggiore efficacia dell'attività didattica, gli argomenti teorici sono spesso integrati da esercitazioni e discussioni guidate sui temi trattati. Il docente presta inoltre assistenza costante agli studenti, nell'arco dell'intero anno accademico, sia nell'orario di ricevimento che attraverso messaggi di posta elettronica. Il principale strumento a supporto della didattica è costituito da un canale Teams che verrà reso disponibile agli studenti iscritti al corso (frequentanti e non frequentanti). Su tale canale verranno rese disponibili informazioni aggiornate in tempo reale che includono: un diario del corso che riporta gli argomenti svolti in ciascuna lezione, informazioni sulle attività didattiche e ulteriore materiale didattico.

Modalità d'esame

L'obiettivo della prova d'esame consiste nel verificare il livello di raggiungimento degli obiettivi formativi precedentemente indicati. La verifica dell'apprendimento avviene attraverso una una prova orale. La prova orale consiste in alcune domande in modo da verificare la preparazione dell'intero programma svolto. La prova orale generalmente dura 30 minuti. Per superare l'esame lo studente deve dimostrare di avere conseguito una conoscenza sufficiente di tutti gli argomenti del corso. Per conseguire il massimo punteggio (pari a 30/30 e lode) lo studente deve invece dimostrare di aver acquisito una conoscenza eccellente di tutti gli argomenti trattati durante il corso.

Testi di riferimento

Testo adottato: a) S. Salsa, Equazioni a derivate parziali: metodi, modelli e applicazioni, edito dalla Spriger nel 2016. Testi di consultazione: b) W. A. Strauss, Partial Differential Equations; c) A.N. Tychonov and A.A. Samarsky, Partial Differential Equations of Mathematical Physics; d) V.S. Vladimirov, Equazioni della fisica Matematica

Codice insegnamento 21252

Geometria Riemanniana 2° semestre · 6 CFU · 0 file
Graphs & Networks 6 CFU · MATH-05/A · 0 file
Laboratorio Di Fisica 6 CFU · PHYS-01/A · 0 file

1. Conoscenza e capacità di comprensione Gli studenti acquisiranno le conoscenze necessarie alla realizzazione di esperimenti di Fisica 1 e Fisica 2 (meccanica, elettromagnetismo) alla raccolta ed interpretazione dei…

Scheda dell'insegnamento

Obiettivi formativi

1. Conoscenza e capacità di comprensione Gli studenti acquisiranno le conoscenze necessarie alla realizzazione di esperimenti di Fisica 1 e Fisica 2 (meccanica, elettromagnetismo) alla raccolta ed interpretazione dei dati nell'ambito della teoria della propagazione degli errori. 2. Capacità applicative Gli studenti acquisiranno capacità in relazione al calcolo delle probabilità e all'uso delle distribuzioni di probabilità per stimare il valore di grandezze fisiche misurate in laboratorio e le relative incertezze. Inoltre, saranno in grado di preparare ed interpretare grafici anche mediante procedure di fit per dipendenza lineare e di potenza. Acquisiranno quindi competenze nell'utilizzo di un software per l'analisi dei dati. 3. Autonomia di giudizio Allenamento all'utilizzo del metodo scientifico come strumento per l’analisi dei fenomeni naturali. Sarà richiesta una interpretazione fisica dei risultati ottenuti negli esperimenti attraverso l’analisi dei dati, l’elaborazione di grafici ed i fit. 4. Abilità nella comunicazione Sarà sviluppata e valutata la capacità di preparare gli esperimenti e presentare i risultati in una relazione scientifica. 5. Capacità di apprendere L'obiettivo didattico è sviluppare la sensibilità sperimentale degli studenti, stimolando un approccio critico consapevole all'operazione di misura al fine di estrarre e valutare le informazioni richieste utilizzando il metodo scientifico. La capacità di apprendimento sarà quindi valutata in relazione alla comprensione degli strumenti di misura, alla elaborazione critica dei dati sperimentali e alla capacità di estrarre leggi fisiche dagli esperimenti.

Programma

Grandezze fisiche - Il metodo scientifico - Definizione di grandezza fisica - Generalità sui sistemi di unità di misura - Sistemi coerenti ed equazioni dimensionali - Principio di omogeneità e analisi dimensionale - Sistema Internazionale, sistema cgs e sistema pratico - Fattori di conversione - Metodi di misura delle grandezze fisiche - Caratteristiche di uno strumento di misura Elementi di calcolo delle probabilità e statistica - Esperimenti ed eventi casuali - Concetto di probabilità: definizione classica e definizione frequentista - Legge dei grandi numeri o legge empirica del caso - Teoremi della probabilità totale e della probabilità composta. - Variabili casuali - Variabile casuale discreta: distribuzione di probabilità - Parametri caratteristici - Distribuzioni notevoli: distribuzione binomiale e di Poisson - Variabile casuale continua: funzione densità di probabilità - Parametri caratteristici - Distribuzione normale o di Gauss - Distribuzione del Chi-quadrato - Stima del valor medio, della varianza e della deviazione standard di una variabile casuale - Intervalli fiduciari per il valor medio Teoria degli errori - Incertezze nelle misure: errori casuali ed errori sistematici - Teoria degli errori di osservazione; errore assoluto ed errore relativo - Componente casuale e componente sistematica dell'incertezza di una misura - Il problema del rigetto dei dati: criterio di Chauvenet - Propagazione degli errori nelle misurazioni indirette: errori statistici ed errori massimi - La media pesata - Ricerca di leggi empiriche: metodo dei minimi quadrati - Retta dei minimi quadrati - Coefficiente di correlazione lineare - Accordo fra una distribuzione empirica e una teorica: il test del Chi-quadrato - Notazione scientifica - Cifre significative - Serie binomiale - Interpolazione ed estrapolazione lineare - Grafici Sicurezza in laboratorio Redazione di una relazione scientifica Esperimenti obbligatori: -Studio del moto di un pendolo semplice -Misura del rapporto e/M -Carica e scarica di un condensatore, circuiti RC e RLC - Interferenza Proposte per il quinto esperimento: - Principio di Archimede -Esperimenti sulla densità assoluta e relativa di un corpo, picnometro - Oscillatore massa-molla -cinematica: moto uniformemente accelerato, rotaia, -moto di un corpo in un fluido viscoso, determinazione velocità limite - conservazione quantità di moto -legge dei gas ideali - interferometro di Michelson

I prerequisiti riguardano le nozioni di matematica, geometria e trigonometria: - Proprietà delle potenze, radicali e logaritmi - Equazioni algebriche di I e II grado - Disequazioni - Geometria euclidea e geometria analitica piana - Trigonometria - Conoscenza dei concetti di funzione, limite, derivata e integrale

Grandezze fisiche, probabilità, statistica, errori: 32h Introduzione al laboratorio, stesura di una relazione, introduzione ai software di analisi e realizzazione di grafici e tabelle: 8h Risorse per la didattica nel laboratorio di fisica: arduino, phyphox, applet interative (Phet): 4 h Esperimenti di laboratorio 5 esperimenti: 30 h Software: fogli di calcolo (Excel o similari) o Python La didattica verrà erogata prevalentemente in presenza, integrata e “aumentata” con strategie online, allo scopo di garantirne la fruizione in modo innovativo e inclusivo. La frequenza alle esperienze di laboratorio è obbligatoria.

Modalità d'esame

Il voto sarà determinato sommando la valutazione ottenuta nelle voci: - Relazioni esperimenti: 50% (15/30), questa valutazione include il giudizio dei docenti in merito alla partecipazione attiva alle lezioni ed alle sedute di laboratorio, alla consegna puntale delle relazioni. - Prova orale sulla conoscenza della parte teorica di analisi statistica, teoria della misura e degli errori 50% (15/30). È richiesto il raggiungimento della sufficienza (9/15) separatamente in entrambe le voci di valutazione.

Testi di riferimento

Testo di riferimento John R Taylor Introduzione all'analisi degli errori. Lo studio delle incertezze nelle misure fisiche - Zanichelli Testi di supporto G. Cannelli Metodologie sperimentali in fisica - Edises G. Filatrella, P. Romano Elaborazione statistica dei dati sperimentali con elementi di laboratorio - Edises Ulteriore materiale didattico (slides, schede esperimenti, esercitazioni) saranno rese disponibili attraverso web repository.

Codice insegnamento 22458

Linguaggi Di Programmazione Per La Matematica 2° semestre · 6 CFU · INF/01 · 0 file
Matematica Numerica Applicata 6 CFU · MATH-05/A · 0 file

---------------------------------------------------------- 1. Conoscenza e capacità di comprensione L'insegnamento, rivolto a studenti del II anno dei corsi di Laurea Magistrale in Matematica e in Informatica, si propone…

Scheda dell'insegnamento

Obiettivi formativi

---------------------------------------------------------- 1. Conoscenza e capacità di comprensione L'insegnamento, rivolto a studenti del II anno dei corsi di Laurea Magistrale in Matematica e in Informatica, si propone di far acquisire allo studente comprensione e conoscenza degli aspetti teorici e applicativi della soluzione numerica di problemi inversi malposti. ---------------------------------------------------------- 2. Capacità di applicare conoscenza e comprensione Lo studente conseguirà familiarità ed autonomia nell’applicazione di metodi numerici appropriati per la soluzione di problemi inversi malposti. Lo studente saprà implementare i suddetti metodi numerici e applicarli a problemi sintetici e reali.<br> ---------------------------------------------------------- 3. Autonomia di giudizio Il corso si propone di stimolare la valutazione obiettiva della didattica proponendo costantemente agli studenti un raffronto tra i contenuti teorici proposti duranti le lezioni frontali e l’acquisizione degli stessi attraverso lo studio autonomo utilizzando i testi consigliati e il materiale didattico fornito. Inoltre, gli studenti acquisiranno la capacità di implementare in maniera autonoma, sulla base del materiale sviluppato in aula, le procedure numeriche descritte durante il corso. ---------------------------------------------------------- 4. Abilità comunicative Le capacità comunicative dello studente verranno valutate sia in una prova orale che in un elaborato scritto, in cui dovrà essere descritto in modo ordinato e coerente il tema assegnato, corredando la descrizione di una adeguata sperimentazione numerica. Lo studente acquisirà la capacità di esprimere con l’appropriata terminologia matematica i concetti fondamentali dell'analisi teorica e applicativa della soluzione dei problemi inversi malposti. ---------------------------------------------------------- 5. Capacità di apprendimento Il corso fornisce agli studenti una preparazione specifica ai fini della comprensione di testi matematici avanzati e articoli scientifici, rendendoli capaci di orientarsi in modo autonomo nella letteratura recente del settore. Lo studente svilupperà una metodologia di studio e analisi che gli permetta di interpretare e approfondire le problematiche inerenti alla soluzione numerica dei problemi inversi malposti che gli si presenteranno nel proseguo dello studio e della carriera universitaria/lavorativa.

Programma

1. Problemi inversi. - Definizione di problema inverso. - Definizione di problema malposto e conseguenze numeriche della malpositura. - Problemi inversi lineari e loro analisi teorica tramite la decomposizione ai valori singolari. 2. Metodi di filtro. - Decomposizione ai valori singolari troncata. - Decomposizione ai valori singolari generalizzata troncata. - Tikhonov in forma standard e generale. - Metodi di scelta del parametro: Discrepancy Principle, Cross Validation, Generalized Cross Validation, e L-curva. - Proprietà di regolarizzazione del Discrepancy Principle. 3. Metodi iterativi regolarizzanti. - Concetto di semi-convergenza. - Discesa del gradiente o metodo di Landweber. - I metodi semi-convergenti di Krylov CGLS, LSQR, e GMRES. - Regolarizzazione tramite “early stopping” . - Tikhonov iterato (stazionario e non stazionario). 4. Metodi Bayesiani. - Principio del massimo a posteriori. - Minimi quadrati come massimo a posteriori per rumore Gaussiano. - Minimizzazione ℓp−ℓq per rumore Gaussiano generalizzato. 5. Metodi Variazionali. - Tikhonov come metodo variazionale. - Total Variation, framelets, e sparsità come priors. - Algoritmi ISTA e ROF. - Majorization-Minimization in spazi di Krylov generalizzati. 6. Laboratorio Matlab. - Implementazione dei metodi numerici discussi nel corso.

---------------------------------------------------------- 1. Conoscenze. Il corso richiede una buona conoscenza dei fondamenti dell'algebra lineare, dell'analisi matematica reale e complessa, e della probabilità. È necessario avere seguito un corso di base di analisi numerica, in cui siano stati trattati gli algoritmi fondamentali, diretti e iterativi, per la risoluzione dei sistemi lineari. Inoltre, è utile che lo studente sia già familiare con argomenti più avanzati dell’algebra lineare numerica quali decomposizione ai valori singolari e metodi di Krylov. È richiesta una conoscenza di base del linguaggio Matlab. ---------------------------------------------------------- 2. Abilità. Gli studenti dovranno essere in grado di applicare le metodologie apprese durante il corso di laurea triennale e il primo anno della laurea magistrale. In particolare: calcolo di derivate e di integrali, manipolazione di espressioni matriciali e vettoriali, programmazione di algoritmi in Matlab o in un altro linguaggio. ---------------------------------------------------------- 3. Competenze. Per seguire il corso con profitto è indispensabile essere in grado di comprendere a fondo un modello matematico e di descrivere in modo efficace un algoritmo per la sua risoluzione. ---------------------------------------------------------- 4. Corsi propedeutici. Non vi sono corsi propedeutici, ma è consigliato aver seguito il corso "Algoritmi Numerici e Applicazioni".

Insegnamento tradizionale su lavagna con esempi svolti con l'ausilio del programma Matlab. Il corso consiste di 48 ore di lezione frontale, che includono anche esercitazioni in aula con l'utilizzo del software Matlab.

Modalità d'esame

La verifica dell'apprendimento avviene attraverso la realizzazione di un elaborato scritto (tesina), su un argomento assegnato dal docente, volto a verificare le abilità acquisite durante il corso, ed una successiva prova orale in cui verrà accertato il livello di conoscenza del programma. Lo studente dovrà dimostrare di conoscere e aver compreso gli algoritmi studiati, nonché di essere in grado di applicarli alla risoluzione di problemi. La tesina dovrà essere consegnata al docente almeno una settimana prima dell’appello ufficiale, in modo da consentirgli di valutarla. Le prova si intende superata solo se lo studente ha riportato una votazione non inferiore a 18/30. Per raggiungere questo risultato lo studente deve dimostrare di possedere una conoscenza di base di tutti gli argomenti trattati nel corso. Per conseguire il massimo punteggio, pari a 30/30, lo studente deve dimostrare di conoscere in modo eccellente gli argomenti del corso e di essere in grado di discuterli in modo approfondito ed applicarli autonomamente. Gli studenti hanno la possibilità di verificare il proprio livello di preparazione nel corso delle esercitazioni e di discussioni col docente.

Testi di riferimento

  • Hansen, P. C. (1998). Rank-deficient and discrete ill-posed problems: numerical aspects of linear inversion. Society for Industrial and Applied Mathematics. - Engl, H. W., Hanke, M., & Neubauer, A. (1996). Regularization of inverse problems (Vol. 375). Springer Science & Business Media. - Golub, G. H. & Van Loan, C. F. (2013). Matrix Computations (4th Edition). Johns Hopkins University Press. - Materiale fornito a lezione dal docente.

Codice insegnamento 21151

Modellazione Geometrica Di Superfici E Stampa 3D 6 CFU · MATH-02/B · 0 file
Network Optimization 6 CFU · 0 file

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Informatica e Matematica, si propone completare il profilo delle conoscenze degli studenti, al fine di…

Scheda dell'insegnamento

Scheda ripresa da un altro corso di laurea dello stesso ateneo.

Obiettivi formativi

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Informatica e Matematica, si propone completare il profilo delle conoscenze degli studenti, al fine di fornire una profonda comprensione teorica e pratica su algoritmi per problemi di ottimizzazione su rete. Questi costituiscono un’ampia classe dei problemi di programmazione matematica e, per via della pervasività delle reti nella società moderna, trovano applicazione in vari ambiti come l’informatica, l’ingegneria e l’economia. Gli obiettivi dell’insegnamento sono: • Presentare agli studenti un’analisi rigorosa degli algoritmi di ottimizzazione su rete; • Supportare lo studente a sviluppare il proprio senso critico nello sviluppo e nell’analisi di algoritmi. 2. Capacità di applicare conoscenza e comprensione. In sede d’esame, gli studenti devono impiegare alcuni concetti presentati a lezione nella risoluzione di un problema realistico. Tale lavoro sarà condotto dallo studente in una tesina, tipicamente preparata con un collega. La tesina può riguardare un tema proposto dal docente o dallo studente sulla base di interessi personali. 3. Autonomia di giudizio. L’applicazione dei concetti fondamentali alla risoluzione di un problema realistico consentirà allo studente di ragionare criticamente sugli stessi, valutare quali siano i dati utili alla risoluzione dei problemi, implementare ed eseguire algoritmi risolutivi per il problema in esame, e valutare i risultati ottenuti. 4. Abilità comunicative. La redazione della tesina consentirà allo studente di sviluppare le capacità richieste per esporre in modo ordinato e coerente gli argomenti studiati. La sua abilità comunicativa è ulteriormente valutata in una successiva prova orale. 5. Capacità di apprendimento. Il corso fornisce agli studenti una preparazione sufficiente alla comprensione di testi matematici più avanzati, rendendoli capaci di ampliare in futuro le proprie conoscenze in modo autonomo.

Programma

Introduzione: Cammini, Alberi e Cicli • Progettazione e analisi di algoritmi • Algoritmi per problemi di cammino minimo • Algoritmi per problemi di flusso massimo • Algoritmi per il problema del flusso di minimo costo • Alberi ricoprenti di minimo costo • Problemi di flusso multi-commodity • Rilassamento Lagrangiano e metodi di decomposizione

1. Conoscenze. La comprensione del corso è facilitata dalla conoscenza dei concetti di base di “Matematica Discreta”, “Calcolo Scientifico e Metodi Numerici”. Un background sulla programmazione lineare può esser utile, ma non è necessario. 2. Abilità. Scrivere un algoritmo in pseudocodice. 3. Competenze. Si richiede la capacità di valutare le strutture dati più idonee per gli algoritmi. Corsi propedeutici. Nessuno.

Il corso consiste di 48 ore di lezione frontale in inglese. Le lezioni coprono la trattazione di aspetti teorici e alcuni esercizi finalizzati all’analisi degli aspetti implementativi. Talvolta gli esercizi sono risolti con l’ausilio di laptop. Il docente presta inoltre assistenza costante agli studenti nell'arco dell'ntero anno accademico attraverso messaggi di posta elettronica o ricevimenti (online o in studio).

Modalità d'esame

Lo studente dovrà dimostrare di conoscere i concetti fondamentali durante il corso (e la relativa terminologia specifica) e di saperli applicare alla risoluzione di problemi realistici. La verifica dell'apprendimento avviene con una tesina su un problema concordato con il docente e una successiva prova orale. La conclusione della tesina è condizione necessaria per l’ammissione alla prova orale. Questa permette la verifica e la valutazione della teoria dell’ottimizzazione su rete, si articola tipicamente 2 o 3 domande. Il voto conseguito è la somma dei punti conseguiti nelle tesine e nel colloquio orale. In generale: • Il voto sarà compreso tra 18/30 e 22/30 in presenza di una conoscenza sufficiente della terminologia specifica, una corretta applicazione dei concetti metodologici, e una sufficiente esposizione dei concetti e dei risultati. • Il voto sarà compreso tra 23/30 e 26/30 in presenza di una buona padronanza della terminologia specifica, una buona applicazione dei concetti metodologici, e una buona esposizione dei concetti e dei risultati. • Il voto sarà compreso tra 27/30 e 30 e lode in presenza di un’ottima padronanza della terminologia specifica, una critica applicazione dei concetti metodologici, e un’esposizione chiara dei concetti e dei risultati.

Testi di riferimento

Ravindra k. Ahuja, Thomas L. Magnanti, James B. Orlin. Network Flows. Upper Saddle River, NJ: Prentice Hall, 1993. ISBN: 9780136175490. Matteo Fischetti. Introduction to Mathematical Optimization. Kindle Edition, 2019.

Codice insegnamento 23906

Ottimizzazione Per Il Machine Learning 6 CFU · MAT/09 · 0 file
Programmazione 2 6 CFU · INFO-01/A · 0 file
Relativita' 9 CFU · MATH-04/A · 0 file

1. Conoscenza e comprensione: l'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Matematica, si propone di far acquisire allo studente una buona conoscenza dei concetti fondamentali della relatività…

Scheda dell'insegnamento

Obiettivi formativi

1. Conoscenza e comprensione: l'insegnamento, rivolto a studenti del corso di Laurea Magistrale in Matematica, si propone di far acquisire allo studente una buona conoscenza dei concetti fondamentali della relatività speciale, e dei presupposti alla base della relatività generale. 2. Capacità di applicare conoscenza e comprensione: durante il corso verranno discusse le possibili applicazioni dei metodi studiati, sia per quanto riguarda la risoluzione di particolari problemi matematici, sia per quanto concerne la loro applicazione in Fisica. 3. Autonomia di giudizio: il corso fornisce agli studenti le competenze necessarie ad applicare le metodologie matematiche acquisite alla risoluzione di problemi che si presentano nella Relatività. 4. Abilità comunicative: la prova orale tiene conto della capacità dello studente di esporre in modo ordinato e coerente gli argomenti studiati. 5. Capacità di apprendimento: il corso fornisce agli studenti una preparazione di base sufficiente alla comprensione di testi matematici avanzati sulla Relatività Speciale e Generale.

Programma

1. Dalla relatività di Galilei alla relatività speciale di Einstein. Premesse storiche - La concezione dello spazio e del tempo nella meccanica Newtoniana, e relatività galileiana - la natura della luce e la sua propagazione: onda o particella? - le equazioni di Maxwell per l'elettromagnetismo - la ricerca dell'etere, l'esperimento di Michelson-Morley - contrazione delle lunghezze e trasformazioni di Lorentz - l'interpretazione di Einstein e i postulati della relatività speciale: la velocità della luce come velocità massima, costante universale. 2. Le conseguenze della relatività speciale per la concezione dello spazio e del tempo. Dilatazione del tempo e relatività della simultaneità - lo spaziotempo di Minkowski, il cono-luce - differenze con spazio e tempo della relatività galileiana - geometria lorenziana - il formalismo dei quadrivettori - il gruppo di Lorentz e di Poincaré e la struttura geometrica dello spaziotempo di Minkowski - il paradosso dei gemelli da un punto di vista geometrico. 3. Cinematica relativistica. Equivalenza tra massa e energia - energia e momento e loro trasformazioni - composizione delle velocità in relatività speciale - cinematica lagrangiana di particella libera - tempo proprio e effetto Doppler relativistico - processi di collisione in relatività speciale e leggi di conservazione. 4. Simmetrie dello spaziotempo. La struttura del gruppo di Lorentz - dal gruppo all'algebra di Poincaré - approccio variazionale alla teoria lagrangiana della relatività - simmetrie continue, teorema di Noether e generatori delle simmetrie relativistiche. 5. Relatività e elettromagnetismo. Formalsimo tensoriale, il tensore energia-impulso e il tensore della forza del campo elettromagnetico - proprietà e trasformazioni del campo elettrico e magnetico e delle equazioni di Maxwell - quadrivettori potenziale e corrente e invarianza di Gauge. 6. Introduzione alla relatività generale. Cenni alla geometria riemanniana, varietà differenziabile e trasformazioni di coordinate - derivata covariante e connessione - trasporto parallelo e geodetiche - curvatura, tensore di Riemann e tensore di Ricci - principio di equivalenza e principio di covarianza generale. Equazioni gravitazionali di Einstein e limite newtoniano - soluzione di Schwarzschild e buchi neri OPPURE perturbazioni e onde gravitazionali OPPURE soluzione di FLRW e cosmologia.

Conoscenza dei contenuti impartiti nei corsi di Analisi 1, 2 e 3, Geometria 1, 2, 3 e 4, Meccanica 1 e 2 e Fisica Generale 1 e 2 della laurea triennale.

Il corso consiste di 72 ore di lezione frontale. Al fine di garantire una maggiore efficacia dell'attività didattica, gli argomenti teorici sono spesso integrati da esercitazioni e discussioni guidate sui temi trattati. Il docente presta inoltre assistenza costante agli studenti, nell'arco dell'intero anno accademico, sia nell'orario di ricevimento che attraverso messaggi di posta elettronica. A supporto della didattica il docente imposterà una pagina dedicata su Teams in cui saranno disponibili comunicazioni riguardanti il corso e eventuale materiale didattico.

Modalità d'esame

La verifica dell'apprendimento avviene attraverso una prova orale la cui durata è, generalmente, di 45 minuti. L'esame è costituito dalla discussione un'argomento scelto dallo studente tra quelli trattati durante il corso e da una domanda del docente su uno degli altri argomenti trattati. Nel corso della discussione lo studente deve dimostrare di possedere i collegamenti con gli altri punti/argomenti del programma. Per superare l'esame lo studente deve dimostrare di avere conseguito una conoscenza sufficiente di tutti gli argomenti del corso. Per conseguire il massimo punteggio (pari a 30/30 e lode) lo studente deve invece dimostrare di aver acquisito una conoscenza eccellente di tutti gli argomenti trattati durante il corso.

Testi di riferimento

F. Borghero e F. Demontis, Relatività per Principianti, UnicaPress. M. Gasperini, Manuale di Relatività Ristretta, Springer. A. P. French, Special relativity, Taylor & Francis Ltd. S. Carroll, Sapecetime and Geometry, An Introduction to General Relativity, Cambridge University Press.

Codice insegnamento 21038

Ricerca Operativa 6 CFU · MATH-06/A · 0 file

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti del primo anno del corso di Laurea Magistrale in Ingegneria Civile, si propone completare il profilo delle conoscenze degli studenti,…

Scheda dell'insegnamento

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

Obiettivi formativi

1. Conoscenza e capacità di comprensione. L'insegnamento, rivolto a studenti del primo anno del corso di Laurea Magistrale in Ingegneria Civile, si propone completare il profilo delle conoscenze degli studenti, fornendo una profonda comprensione teorica e pratica su modelli e algoritmi per problemi di Ottimizzazione Lineare e Lineare-Intera, che trovano applicazione in vari ambiti come l’informatica, l’economia e l’ingegneria. Gli obiettivi del corso sono: • Illustrare agli studenti come modellare numerosi problemi con la Ottimizzazione Lineare (Intera); • Presentare agli studenti i principali algoritmi di Ottimizzazione Lineare (Intera); • Aiutare lo studente a sviluppare il proprio senso critico nello sviluppo e nell’analisi di algoritmi e nella ricerca di modelli matematici efficaci per i problemi in esame. 2. Capacità di applicare conoscenza e comprensione. Gli studenti devono impiegare alcuni concetti presentati a lezione nella risoluzione di un problema realistico. Tale lavoro sarà condotto dallo studente in una tesina, tipicamente preparata con un collega. La tesina può riguardare un tema proposto dal docente o dallo studente sulla base di interessi personali. 3. Autonomia di giudizio. Il processo di modellazione matematica dei problemi consente allo studente di ragionare criticamente sugli stessi, valutare quali siano i dati utili alla loro risoluzione e formalizzare obiettivi e vincoli del problema. Inoltre, si richiede autonomia di giudizio nel valutare i diversi algoritmi con cui risolvere un dato problema di Programmazione Lineare (Intera). 4. Abilità comunicative. L’abilità comunicativa di uno studente sarà valutata in termini di capacità di descrivere chiaramente uno o più algoritmi nel colloquio orale. 5. Capacità di apprendimento. Il corso fornisce agli studenti una preparazione sufficiente alla comprensione di testi matematici più avanzati, rendendoli capaci di ampliare in futuro le proprie conoscenze in modo autonomo.

Programma

Introduzione alla Programmazione Matematica Modelli di Programmazione Lineare (Intera) Algoritmo del Simplesso Dualità in Programmazione Lineare Programmazione Lineare Intera Decomposizione per problemi su larga scala 1. Conoscenze. La comprensione del corso è facilitata dalla conoscenza dei concetti di base di “Algebra Lineare” e “Analisi Numerica”. 2. Abilità. Gli studenti dovranno essere in grado di interpretare e formalizzare algoritmi in mappe strutturali. 3. Competenze. Non si richiede alcuna competenza tecnica. Corsi propedeutici. Nessuno. Il corso consiste di 72 ore di lezione frontale. Le lezioni coprono la trattazione di aspetti teorici e alcuni esercizi finalizzati all’analisi degli aspetti implementativi. La didattica verrà erogata in presenza, integrata con materiali audiovisivi. Il docente presta inoltre assistenza costante agli studenti nell'arco dell'intero anno accademico attraverso messaggi di posta elettronica, tramite cui è possibile concordare degli incontri.

Modalità d'esame

Lo studente dovrà dimostrare di conoscere i concetti fondamentali durante il corso (e la relativa terminologia specifica) e di saperli applicare alla risoluzione di problemi realistici. La verifica dell'apprendimento avviene con una tesina su un problema concordato con il docente e una successiva prova orale. La conclusione della tesina rappresenta una condizione necessaria per l’ammissione alla prova orale. Quest’ultima è generalmente articolata in tre domande. Il voto finale è dato dalla somma dei punti ottenuti nella tesina e nel colloquio orale. In generale: - Voto tra 18/30 e 22/30: conoscenza sufficiente della terminologia specifica, corretta applicazione dei concetti metodologici, esposizione sufficiente dei concetti e dei risultati. - Voto tra 22/30 e 26/30: buona padronanza della terminologia specifica, buona applicazione dei concetti metodologici, esposizione chiara e coerente dei concetti e dei risultati. - Voto tra 27/30 e 30 e lode: ottima padronanza della terminologia specifica, applicazione critica e approfondita dei concetti metodologici, esposizione chiara, articolata e ben strutturata dei concetti e dei risultati. Gli studenti hanno l’opportunità di valutare il proprio livello di preparazione attraverso gli esercizi svolti durante le lezioni. In queste occasioni, potranno mettere alla prova le proprie competenze e confrontare i risultati ottenuti con quelli proposti dal docente.

Testi di riferimento

Matteo Fischetti. Lezioni di Ricerca Operativa. Kindle Publishing. 2018 Bersimas D., Tsitsiklis J.N. Introduction to Linear Optimization. Dynamic Ideas (1997).

Codice insegnamento 23904

Simulazione Numerica E Hpc 6 CFU · MATH-05/A · 0 file
Simulazione Numerica E Hpc Ii 6 CFU · MAT/08 · 0 file
Tirocini Formativi E Orientamento 3 CFU · 0 file
Topologia Algebrica 6 CFU · MATH-02/B · 0 file

Conoscenza e capacità di comprensione: apprendimento dei concetti base della topologia algebrica: omotopia, categorie e funtori; gruppo fondamentale di uno spazio topologico, omologia singolare. Capacità di applicare…

Scheda dell'insegnamento

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

Obiettivi formativi

Conoscenza e capacità di comprensione: apprendimento dei concetti base della topologia algebrica: omotopia, categorie e funtori; gruppo fondamentale di uno spazio topologico, omologia singolare. Capacità di applicare conoscenza e comprensione: lo studente deve essere in grado di applicare tutte le conoscenze generali della topologia algebrica necessarie alla comprensione a riconoscere e analizzare i principali spazi topologici. Autonomia di giudizio: il corso si propone di stimolare la valutazione obiettiva della didattica proponendo costantemente agli studenti un raffronto tra i contenuti teorici proposti duranti le lezioni frontali e l’acquisizione degli stessi attraverso lo studio autonomo utilizzando i testi consigliati e il materiale didattico fornito. Abilità nella comunicazione: capacità di esprimere con l’appropriata terminologia matematica i concetti fondamentali della topologia algebrica. Capacità di apprendimento: sviluppo della capacità di comunicazione professionale nell'ambito matematico, grazie all’uso di una terminologia corretta e di una modalità di descrizione organizzata e comprensibile utile non solo per il superamento dell’esame, ma anche in vista di una preparazione propedeutica agli esami successivi (in particolare di geometria e algebra). Capacità di saper trovare le proprietà topologiche di spazi non troppo complicati e sapere usare queste conoscenze per distinguere due spazi topologici. Capacità di saper leggere e comprendere testi di base di topologia algebrica.

Programma

Omotopia tra funzioni continue; interpretazione meccanica dell''omotopia; esempi di applicazioni omotope e non omotope; applicazioni antipodali dalla sfera a se stessa; omotopia tra archi; omotopia relativa; lo spazio delle funzioni continue e la topologia compatto-aperta (cenni); stabilità dell''omotopia rispetto alla applicazioni continue; un’applicazione continua con codominio il cerchio è omotopa all''applicazione costante se e solo se può essere estesa al disco; spazi omotopicamente equivalenti; spazi convessi; spazi contraibili; il cerchio non è contraibile; retratto di deformazione e retratti forti di deformazione; esempi; la figura a otto e la figura “teta”; Teorema di Fuchs (enunciato): due spazi topologici sono omotopicamente equivalenti se e solo se sono omeomorfi a retratti di deformazione di uno stesso spazio topologico. Prodotti di cammini; il gruppo fondamentale; dipendenza dal punto base; omomorfismo indotto da un''applicazione continua tra spazi topologici; invarianza omotopica; spazi semplicemente connessi; il gruppo fondamentale del prodotto di spazi topologici; gruppo fondamentale del cerchio; il teorema fondamentale dell''algebra; il teorema del punto fisso di Brower per il disco bidimensionale; un teorema di Frobenius; esistenza del numero di Lebesgue; la sfera n-dimensionale è semplicemente connessa per n>1; gruppi liberi; presentazioni e esempi; Teorema di Seifert Van Kampen (dimostrazione per i generatori e solo enunciato per le relazioni) e applicazioni; il gruppo fondamentale del complementare di un numero finito di punti dello spazio Euclideo; il gruppo fondamentale del proiettivo reale e complesso; il gruppo fondamentale di una varietà di dimensione maggiore uguale a 3 è isomorfo al gruppo fondamentale della varietà privata di un suo punto; il gruppo fondamentale del complementare di una retta o di una circonferenza nello spazio; il gruppo fondamentale di n circonferenze con un solo punto in comune; il gruppo fondamentale della figura otto; classificazione delle superfici (con o senza bordo) e calcolo del loro gruppo fondamentale. Rivestimenti; esempi; rivestimenti e omeomorfismi locali; sollevamento di un’applicazione continua; unicità del sollevamento di un’applicazione continua con dominio connesso; sollevamenti dei cammini; se la base di un rivestimento è connessa allora la cardinalità della fibra non dipende dal punto scelto nella base; sollevamento delle omotopie; se in un rivestimento lo spazio totale è connesso per archi e la base è semplicemente connessa allora il rivestimento è un omeomorfismo; azioni di gruppi su spazi topologici; azioni propriamente discontinue e rivestimenti; esempi; gli spai lenticolari; rivestimenti e gruppo fondamentale; monodromia di un rivestimento; il gruppo fondamentale di uno spazio di orbite; teoremi di sollevamento per i rivestimenti; rivestimenti universali. Simplessi. Definizione di omologia singolare. Prime proprietà: componenti connesse per archi, omologia del punto. Complessi di catene. Invarianza per omotopia. Relazione tra gruppo fondamentale e primo gruppo di omologia. Successioni esatte. Omologia relativa. Escissione. Omologia della sfera e teorema del punto fisso di Brower. Invarianza della dimensione. Applicazioni: grado di una applicazione, campi di vettori sulle sfere. Successione di Mayer-Vietoris. Omomorfismo di Hurewicz.Omologia cellulare Sono ritenuti acquisiti i contenuti previsti per la laurea triennale in Matematica L'insegnamento sarà erogato in presenza, come previsto nel Manifesto degli Studi per l'A.A. 2025-26. Insegnamento tradizionale su lavagna, esercizi in collaborazione con gli studenti del corso. Proiezione di slides e video.

Modalità d'esame

La prova orale consiste in una discussione su almeno tre argomenti svolti durante le lezioni. Lo studente deve dimostrare di aver capito ed assimilato gli argomenti svolti (conoscenze e le capacità di comprensione; conoscenze e capacità di comprensione applicate). In più lo studente deve dimostrare di essere in grado di spiegare le nozioni e le dimostrazioni apprese durante il corso (abilità comunicative). A tal fine è necessario che lo studente, durante la prova orale, scriva alla lavagna e spieghi tutti i passaggi che sta seguendo per arrivare alla conclusione di un ragionamento (autonomia di giudizio). Si consiglia di rispondere esattamente alle domande senza divagare e scrivendo da subito tutti i dettagli necessari (autonomia di giudizio, abilità comunicative). In ogni caso una risposta eccessivamente insufficiente o la non conoscenza di nozioni basilari (anche concernenti le nozioni dei corsi di base richiesti) può compromettere l’intera prova orale.

Testi di riferimento

Libri di testo -Dispense di Bande-Loi - J.W. Vick, "Homology Theory. An introduction to Algebraic topology" (test per Omologia singolare) Consultazione -M.J. Greenberg, J.R. Harper, “Algebraic topology. A first course” Mathematics Lecture Note Series, 58. Benjamin/Cummings Publishing Co., Inc., Advanced Book Program, Reading, Mass., 1981. ( Omologia singolare) -C. Kosnioski, “Introduzione alla Topologia Generale-Zanichelli” (Omologia singolare) -A. Hatcher, “Algebraic Topology” -Y. Félix, D. Tanré, "Topologie Algébrique - Cours et exercices corrigés"

Codice insegnamento 22601

Topologia Algebrica 9 CFU · MATH-02/B · 0 file

Conoscenza e capacità di comprensione: apprendimento dei concetti base della topologia algebrica: omotopia, categorie e funtori; gruppo fondamentale di uno spazio topologico, omologia singolare. Capacità di applicare…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenza e capacità di comprensione: apprendimento dei concetti base della topologia algebrica: omotopia, categorie e funtori; gruppo fondamentale di uno spazio topologico, omologia singolare. Capacità di applicare conoscenza e comprensione: lo studente deve essere in grado di applicare tutte le conoscenze generali della topologia algebrica necessarie alla comprensione a riconoscere e analizzare i principali spazi topologici. Autonomia di giudizio: il corso si propone di stimolare la valutazione obiettiva della didattica proponendo costantemente agli studenti un raffronto tra i contenuti teorici proposti duranti le lezioni frontali e l’acquisizione degli stessi attraverso lo studio autonomo utilizzando i testi consigliati e il materiale didattico fornito. Abilità nella comunicazione: capacità di esprimere con l’appropriata terminologia matematica i concetti fondamentali della topologia algebrica. Capacità di apprendimento: sviluppo della capacità di comunicazione professionale nell'ambito matematico, grazie all’uso di una terminologia corretta e di una modalità di descrizione organizzata e comprensibile utile non solo per il superamento dell’esame, ma anche in vista di una preparazione propedeutica agli esami successivi (in particolare di geometria e algebra). Capacità di saper trovare le proprietà topologiche di spazi non troppo complicati e sapere usare queste conoscenze per distinguere due spazi topologici. Capacità di saper leggere e comprendere testi di base di topologia algebrica.

Programma

Omotopia tra funzioni continue; interpretazione meccanica dell''omotopia; esempi di applicazioni omotope e non omotope; applicazioni antipodali dalla sfera a se stessa; omotopia tra archi; omotopia relativa; lo spazio delle funzioni continue e la topologia compatto-aperta (cenni); stabilità dell''omotopia rispetto alla applicazioni continue; un’applicazione continua con codominio il cerchio è omotopa all''applicazione costante se e solo se può essere estesa al disco; spazi omotopicamente equivalenti; spazi convessi; spazi contraibili; il cerchio non è contraibile; retratto di deformazione e retratti forti di deformazione; esempi; la figura a otto e la figura “teta”; Teorema di Fuchs (enunciato): due spazi topologici sono omotopicamente equivalenti se e solo se sono omeomorfi a retratti di deformazione di uno stesso spazio topologico. Prodotti di cammini; il gruppo fondamentale; dipendenza dal punto base; omomorfismo indotto da un''applicazione continua tra spazi topologici; invarianza omotopica; spazi semplicemente connessi; il gruppo fondamentale del prodotto di spazi topologici; gruppo fondamentale del cerchio; il teorema fondamentale dell''algebra; il teorema del punto fisso di Brower per il disco bidimensionale; un teorema di Frobenius; esistenza del numero di Lebesgue; la sfera n-dimensionale è semplicemente connessa per n>1; gruppi liberi; presentazioni e esempi; Teorema di Seifert Van Kampen (dimostrazione per i generatori e solo enunciato per le relazioni) e applicazioni; il gruppo fondamentale del complementare di un numero finito di punti dello spazio Euclideo; il gruppo fondamentale del proiettivo reale e complesso; il gruppo fondamentale di una varietà di dimensione maggiore uguale a 3 è isomorfo al gruppo fondamentale della varietà privata di un suo punto; il gruppo fondamentale del complementare di una retta o di una circonferenza nello spazio; il gruppo fondamentale di n circonferenze con un solo punto in comune; il gruppo fondamentale della figura otto; classificazione delle superfici (con o senza bordo) e calcolo del loro gruppo fondamentale. Rivestimenti; esempi; rivestimenti e omeomorfismi locali; sollevamento di un’applicazione continua; unicità del sollevamento di un’applicazione continua con dominio connesso; sollevamenti dei cammini; se la base di un rivestimento è connessa allora la cardinalità della fibra non dipende dal punto scelto nella base; sollevamento delle omotopie; se in un rivestimento lo spazio totale è connesso per archi e la base è semplicemente connessa allora il rivestimento è un omeomorfismo; azioni di gruppi su spazi topologici; azioni propriamente discontinue e rivestimenti; esempi; gli spai lenticolari; rivestimenti e gruppo fondamentale; monodromia di un rivestimento; il gruppo fondamentale di uno spazio di orbite; teoremi di sollevamento per i rivestimenti; rivestimenti universali. Simplessi. Definizione di omologia singolare. Prime proprietà: componenti connesse per archi, omologia del punto. Complessi di catene. Invarianza per omotopia. Relazione tra gruppo fondamentale e primo gruppo di omologia. Successioni esatte. Omologia relativa. Escissione. Omologia della sfera e teorema del punto fisso di Brower. Invarianza della dimensione. Applicazioni: grado di una applicazione, campi di vettori sulle sfere. Successione di Mayer-Vietoris. Omomorfismo di Hurewicz.Omologia cellulare

Sono ritenuti acquisiti i contenuti previsti per la laurea triennale in Matematica

L'insegnamento sarà erogato in presenza, come previsto nel Manifesto degli Studi per l'A.A. 2025-26. Insegnamento tradizionale su lavagna, esercizi in collaborazione con gli studenti del corso. Proiezione di slides e video.

Modalità d'esame

La prova orale consiste in una discussione su almeno tre argomenti svolti durante le lezioni. Lo studente deve dimostrare di aver capito ed assimilato gli argomenti svolti (conoscenze e le capacità di comprensione; conoscenze e capacità di comprensione applicate). In più lo studente deve dimostrare di essere in grado di spiegare le nozioni e le dimostrazioni apprese durante il corso (abilità comunicative). A tal fine è necessario che lo studente, durante la prova orale, scriva alla lavagna e spieghi tutti i passaggi che sta seguendo per arrivare alla conclusione di un ragionamento (autonomia di giudizio). Si consiglia di rispondere esattamente alle domande senza divagare e scrivendo da subito tutti i dettagli necessari (autonomia di giudizio, abilità comunicative). In ogni caso una risposta eccessivamente insufficiente o la non conoscenza di nozioni basilari (anche concernenti le nozioni dei corsi di base richiesti) può compromettere l’intera prova orale.

Testi di riferimento

Libri di testo -Dispense di Bande-Loi - J.W. Vick, "Homology Theory. An introduction to Algebraic topology" (test per Omologia singolare) Consultazione -M.J. Greenberg, J.R. Harper, “Algebraic topology. A first course” Mathematics Lecture Note Series, 58. Benjamin/Cummings Publishing Co., Inc., Advanced Book Program, Reading, Mass., 1981. ( Omologia singolare) -C. Kosnioski, “Introduzione alla Topologia Generale-Zanichelli” (Omologia singolare) -A. Hatcher, “Algebraic Topology” -Y. Félix, D. Tanré, "Topologie Algébrique - Cours et exercices corrigés"

Codice insegnamento 22601

Ulteriori Attivita' E Tirocini 6 CFU · 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.