Corso di laurea

Mathematics

Università della Calabria · 40 materie · 0 file condivisi

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

Sfoglia il materiale didattico

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

Materie del corso

Advanced Geometry I 1° anno · 2° semestre · 9 CFU · MATH-02/B · 0 file

Il corso ha l'obiettivo di introdurre gli studenti alla geometria differenziale moderna, utilizzando il linguaggio delle varietà differenziabili e delle forme differenziali. Inoltre, esso si propone di sviluppare abilità…

Scheda dell'insegnamento

Obiettivi formativi

Il corso ha l'obiettivo di introdurre gli studenti alla geometria differenziale moderna, utilizzando il linguaggio delle varietà differenziabili e delle forme differenziali.

Inoltre, esso si propone di sviluppare abilità nei seguenti ambiti:

  • Conoscenza e capacità di comprensione
  • acquisizione di conoscenze avanzate della materia, che riguardano sia la matematica pura che quella relativa alle applicazioni;
  • capacità di astrazione e duttilità nell'usare il linguaggio formale.
  • Capacità di applicare conoscenza e comprensione
  • capacità di comprendere enunciati scritti in linguaggio matematico;
  • capacità di produrre dimostrazioni rigorose anche di risultati originali;
  • capacità di sintetizzare ed esporre in modo chiaro argomenti di matematica anche di elevata difficoltà.
  • Autonomia di giudizio
  • capacità di affrontare problemi matematici, anche di elevata complessità, individuando in modo autonomo gli strumenti teorici più appropriati per la loro soluzione;
  • capacità di costruire e sviluppare complesse argomentazioni logiche in modo autonomo.
  • Abilità comunicative
  • capacità di comunicare problemi, idee e metodi della matematica, anche avanzata, di fronte ad un pubblico specializzato, sia nella propria lingua che in lingua inglese.

Programma

Varietà differenziabili. Forme differenziali e integrazione. Coomologia di de Rham.

Varietà differenziabili. Applicazioni differenziabili. Sottovarietà. Vettori tangenti e spazio tangente. Immersioni, submersioni, diffeomorfismi locali. Partizioni dell’unità. Fibrati Vettoriali. Calcolo tensoriale. Forme differenziali. Orientabilità. Integrazione su una varietà. Teorema di Stokes. Cenni di Teoria di de Rham.

Modalità d'esame

Le prove che concorrono alla valutazione dell'apprendimento sono due: una scritta ed una orale. Il superamento della prova scritta è condizione necessaria per l'ammissione alla prova orale. La prova scritta consta di un elaborato composto da 3/5 esercizi. Per superare la prova scritta è necessario conseguire un punteggio pari o superiore a 18/30. Il tempo a disposizione per completare la prova è di 2/3 ore. La prova orale consiste nella discussione dell'elaborato scritto e in una serie di domande volte a verificare la preparazione acquisita dallo studente su tutto il programma svolto a lezione. Se la prova orale viene superata, viene attribuito al candidato un voto finale espresso in trentesimi, compreso tra diciotto trentesimi (18/30) e trenta trentesimi (30/30) e lode. Le modalità d'esame devono essere adeguate alle particolari esigenze degli/delle studenti/studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbo specifico di apprendimento (DSA) certificato ai sensi della legge 170/2010, facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo. Analogamente le modalità d'esame potranno essere adeguate per le/gli studentesse/studenti con Bisogni Educativi Speciali (BES) di Ateneo. Inoltre le modalità d’esame potranno essere adeguate alle necessità di espressione linguistica degli studenti stranieri e a specifici altri casi certificati.

Testi di riferimento

M. Abate, F. Tovena: Geometria Differenziale, 2011, Springer.

W. M. Boothby: An introduction to differentiable manifolds and riemennian geometry, revised second edition.

J. M. Lee: Introduction to Smooth Manifolds, Second Edition

L. Tu: An Introduction to Manifolds, 2011, SpringerM. Abate, F. Tovena: Geometria Differenziale, 2011, Springer.

Codice insegnamento 27010945

Higher Algebra 1° anno · 1° semestre · 6 CFU · MATH-02/A · 0 file

Il corso mira a fornire solide basi in merito alle conoscenze riguardanti la teoria dei campi e la teoria di Galois. Nello specifico: Conoscenza e capacità di comprensione: acquisizione di conoscenze approfondite sulla…

Scheda dell'insegnamento

Obiettivi formativi

Il corso mira a fornire solide basi in merito alle
conoscenze riguardanti la teoria dei campi e la
teoria di Galois.

Nello specifico:

  • Conoscenza e capacità di comprensione:
  • acquisizione di conoscenze approfondite sulla teoria
    dei campi e la teoria di Galois, che riguardano sia la parte
    puramente teorica sia lo svolgimento di esercizi;
  • capacità di astrazione e duttilità nell'usare il
    linguaggio formale.
  • Capacità di applicare conoscenza e comprensione:
  • capacità di comprendere enunciati scritti in
    linguaggio matematico;
  • capacità di produrre dimostrazioni rigorose;
  • capacità di utilizzare esempi specifici per
    costruire strutture algebriche;
  • capacità di sintetizzare ed esporre in modo chiaro
    argomenti di algebra anche di elevata difficoltà.
  • Autonomia di giudizio:
  • capacità di affrontare problemi algebrici, anche di
    elevata complessità, individuando in modo
    autonomo gli strumenti teorici più appropriati per
    la loro soluzione;
  • capacità di proporre e analizzare specifici esempi
    e strutture algebriche associati a problemi
    che hanno origine in discipline affini;
  • capacità di costruire e sviluppare complesse
    argomentazioni logiche in modo autonomo.
  • Abilità comunicative:
  • capacità di insegnamento su strutture algebriche
    e loro proprietà;
  • capacità di comunicare problemi, idee e metodi
    dell'algebra di fronte ad un pubblico specializzato,
    sia nella propria lingua sia in lingua inglese;
  • Capacità di apprendimento:
    -capacità di leggere e comprendere
    enunciati e di dimostrazioni di algebra
    avanzata in maniera autonoma;
  • capacità di iniziare un’eventuale attività di ricerca
    in campi specializzati dell'algebra e di
    altre discipline affini;
  • capacità di creare collegamenti non banali tra
    l'algebra e altri settori della matematica pura e
    applicata.

Programma

Il corso fornisce alcune conoscenze avanzate di algebra. Nello specifico, si studieranno i campi e la teoria di Galois.

  • PRIMA PARTE: ALGEBRA DI BASE. Introduzione al Corso; richiami sulle strutture algebriche; alcuni richiami su gruppi e anelli; quozienti di anelli; teoremi di corrispondenza per gruppi e anelli; prodotto diretto e semidiretto di gruppi; ideali primi e massimali; P.I.D. - SECONDA PARTE: CAMPI. Campi; sottocampi; campi dei quozienti; elementi algebrici e trascendenti, polinomio minimo; estensioni algebriche e trascendenti; grado di un’estensione; torri di estensioni; campi di spezzamento; estensioni ciclotomiche; chiusura algebrica; estensioni normali; estensioni separabili e inseparabili; caratteristica; campi finiti; estensioni di campi finiti. - TERZA PARTE: TEORIA DI GALOIS. Estensioni di Galois; gruppo di Galois di un’estensione normale; estensioni abeliane; estensioni cicliche; Teorema dell'elemento primitico di Artin; Teorema fondamentale della teoria di Galois; gruppo di Galois di un polinomio. - QUARTA PARTE: APPLICAZIONI. Possibili cenni su gruppi risolubili e risolubilità di equazioni algebriche.

Modalità d'esame

L’esame si svolge in presenza e consiste in due prove, una scritta e una orale. Per sostenere l’esame bisogna innanzitutto prenotarsi su ESSE3 per la prova scritta, che viene aperta dalla docente tra le prove parziali. Durante la prova scritta agli studenti viene richiesto di risolvere cinque esercizi, simili a quelli svolti durante il corso e alle tracce pubblicate online nelle sezioni dedicate al materiale didattico. La prova scritta dura tre ore, non è prevista una durata minima, una/un studentessa/studente che vuole terminare in anticipo la prova può farlo. Il voto della prova scritta è in trentesimi. La votazione conseguita viene comunicata tramite il sistema di notifica della piattaforma ESSE3. Solo le/gli studentesse/studenti che conseguono una votazione maggiore o uguale a 18/30 nella prova scritta sono ammesse/i a sostenere la prova orale. Chi ha una votazione sufficiente allo scritto e vuole sostenere l'orale deve prenotarsi nuovamente su Esse3. Durante la prova orale viene completata la verifica della conoscenza della parte teorica del corso (definizioni, enunciati dei teoremi, dimostrazioni, ecc...). Alla fine della prova orale viene assegnato un voto che tiene conto della votazione conseguita nella prova scritta e della conoscenza degli argomenti dimostrata nella prova orale. Il voto finale è in trentesimi. La prova è superata con una votazione maggiore o uguale a 18/30. Per le prove particolarmente brillanti è prevista l’assegnazione della lode. Una/Uno studentessa/studente che è sufficiente alla prova scritta del primo appello di una sessione d'esame può scegliere di sostenere la prova orale nella data prevista per il secondo appello, in modo da avere più tempo per prepararsi. Anche chi ha un voto sufficiente nella prova scritta del primo appello, ma non nel nell'orale, può rifare solo l'orale al secondo appello. Chi non riesce a superare entrambe le prove (scritto e orale) entro i due appelli di una sessione d'esame non viene ritenuta/o in possesso di una preparazione sufficiente e deve ripetere l'esame completo (anche la prova scritta) in una delle sessioni d'esame successive. Non si conservano voti dello scritto da una sessione d'esami ad un'altra. Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370). Analogamente, le modalità d’esame potranno essere adeguate alle necessità di espressione linguistica delle/degli studentesse/studenti stranieri e a specifici altri casi certificati.

Testi di riferimento

  • Testi di riferimento:
    1) Bosch S., Algebra, From the Viewpoint of Galois Theory, Springer, New York, 2018;
    2) Dummit D. S., Foote R. M., Abstract Algebra, Third Edition, John Wiley and Sons, Hoboken, 2004.
    -Altro testo consigliato: Gabelli S., Teoria delle Equazioni e Teoria di Galois, Springer, Milano, 2008.

Codice insegnamento 27008371

Mathematical Physical Development Of Quantum Theory 1° anno · 2° semestre · 9 CFU · MATH-04/A · 0 file

Conoscenze e capacità di comprensione: Sviluppo epistemico delle Teorie Quantistiche di un sistema isolato, di una particella libera, di una particella interagente. Capacità di applicare conoscenza e comprensione:…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e capacità di comprensione:
Sviluppo epistemico delle Teorie Quantistiche di un sistema isolato,
di una particella libera, di una particella interagente.

Capacità di applicare conoscenza e comprensione:
Capacità di risolvere problemi applicando la teoria sviluppata.

Autonomia di giudizio:
Capacità di affrontare problemi non standard.

Abilità comunicative:
Capacità di presentare in maniera concisa argomenti della Teoria con chiarezza e precisione.

Capacità di apprendimento:
Capacità di affrontare autonomamente nuovi argoment legati alla Teoria Quantistica, impadronendosene.

Programma

Derivazione della Teoria Quantistica di un sistema isolato da principi di simmetria. Derivazione della teoria specifica di una particella libera.
Teoria Quantistica di una particella interagente.

1. Inadeguatezza delle teorie fisiche classiche; necessità di una nuova teoria.
2. Metodi matematici: operatori di proiezione in spazi di Hilbert; caratterizzazione della commutatività; misura a valori di proiezioni. Teorema spettrale per operatori autoaggiunti e limitati; teoria spettrale per operatori auto aggiunti; calcolo funzionale.
3. La formulazione della teoria quantistica generale secondo Von Neumann. I concetti fisici ; il sistema di assiomi; co-misurabilità di osservabili; co- misurabilità e commutatività: caso spettro puntuale puro; co-misurabilità e commutatività: caso generale. Il problema della rappresentazione dei valori d’aspettazione. Teorema di Von Neumann sui valori d’aspettazione. Osservabili 1-0; distribuzione di probabilità di osservabili. Caratterizzazione degli stati quantistici puri. Interpretazione dello spettro. Relazioni di indeterminazione.
4. Il secondo problema della quantizzazione. Teoria quantistica di un sistema isolato. Rotazioni spaziali; decomposizione, identificazione con SO(3); rototraslazioni. Il gruppo di Euclide; gruppi matriciali; il gruppo di Euclide come sottogruppo di GL(5,R). Rappresentazioni lineari. Simmetrie Quantistiche e sistemi di imprimitività. Teorema di Wigner; trasformazioni di simmetria quantististiche; identificazione tra trasformazioni di simmetrie quantistiche e trasformazioni di Wigner. Ray representations e rappresentazioni proiettive. Evoluzione temporale quantistica generale. Equazione dinamica. Teorema di Stone. Decomposizione di rappresentazioni proiettive del gruppo di Galilei G mediante gruppi a 1 parametro. Rappresentazioni indotte. Teorema di Mackey.
5. Identificazione della teoria quantistica di una particella localizzabile senza spin. Commutatori tra generatori hermitiani del gruppo di Galilei G. Individuazione di un sistema di imprimitività in una rappresentazione proiettiva di G; Il caso più semplice, identificazione dell'operatore posizione Q; Dinamica omogenea. Simmetrie dinamiche euclidee. Proprietà di covarianza di Q rispetto a G. Determinazione della equazione dinamica.
6. Sviluppo epistemico della Teoria Quantistica di una particella interagente. Trasformazioni quantistiche. Equazioni d'onda.

Modalità d'esame

L’esame consiste di una prova scritta della durata di 2 ore, e una prova orale.
Nella prova scritta si chiede allo studente.
Modelli degli esami tenuti in passato sono disponibili sulla home page del docente.

1. la trattazione di un argomento dell’insegnamento, indicato nella traccia della prova;
2. di affrontare problemi la cui soluzione è ottenibile mediante l’applicazione della teoria sviluppata;
3. affrontare problemi che richiedono una autonoma identificazione dei metodi.

Ci sono 3 livelli crescenti di valutazione.
Di Base: corretta comprensione dei concetti; loro formulazione
con particolare attenzione alla concisione, chiarezza e precisione
Competenza: Capacità di risolvere problemi relative al punto 2.
Competenza avanzata: Capacità di approccio autonomo di problemi non standard.

La prova orale consiste nella discussione della prova scritta col docente.
La valutazione è sintetica.: il voto 18/30 si attribuisce ad esami strettamente sufficienti, cresce in relazione al grado di raggiungimento dei 3 livelli sino a 30/30.
La lode si attribuisce ad esami particolarmente brillanti, che
raggiungono la competenza avanzata.

Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse
con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici
di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del
"Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici
di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370)

Testi di riferimento

[1] Dispense a cura del docente: Mathematical Physical Development of Quantum Theoriy.

[1.0] https://drive.google.com/file/d/1ga0RbGtyERIrRYI3sHc8G3-5MGhh6KfP/view?usp=drive_link

[1.1] https://drive.google.com/file/d/1MzCJ0qIzjpp_WTcVDVLrHEilE1KrfCyH/view?usp=drive_link

[1.2] https://drive.google.com/file/d/1TYo29qo1AHHXKTxHXJMstHNlEX7KHGW0/view?usp=drive_link

[1.3] https://drive.google.com/file/d/1bPf4l--vBNyzLLdiZDaKvdvvpZKp8_w9/view?usp=drive_link

[1.4] https://drive.google.com/file/d/1TSSn5vaSgGRVov2sPVpvgA9HgpyD4omH/view?usp=drive_link

[1.5] https://drive.google.com/file/d/1qFMqTiDWEP3xKrCOVJUkIogoo9ALZaYc/view?usp=drive_link

[1.6] https://drive.google.com/file/d/1ARmTFXoinjbUWQZIkVbZF7tIPTETupj6/view?usp=drive_link

[1.7.I] https://drive.google.com/file/d/1Qp6X7v3y4SC69L3a3w9fvfw_hS89gtX9/view?usp=drive_link

[1.7.II] https://drive.google.com/file/d/1Z9OaMKW3XubV5UYwK_8nJLCOLz-woyDq/view?usp=drive_link

[2] J.M Jauch, Foundations of Quantum Mechanics, Addison-Welsley Pub.Co., Reading 1973

[3] L. E. Ballentine, Quantum Mechanics - a modern development, World Scientific, Singapore 1999

[4] E. Kreyszig, Introductory Functional Analysis with Applications Wiley, NY 1989

Codice insegnamento 27008374

Numerical Linear Algebra 1° anno · 1° semestre · MATH-05/A · 0 file

NUMERICAL LINEAR ALGEBRA - PART 1 Il corso fornisce una comprensione teorica di alcuni importanti algoritmi e esperienza pratica sull'implementazione di questi come codice di computer e sul loro utilizzo per risolvere…

Scheda dell'insegnamento

Obiettivi formativi

NUMERICAL LINEAR ALGEBRA - PART 1
Il corso fornisce una comprensione teorica di alcuni importanti algoritmi e esperienza pratica sull'implementazione di questi come codice di computer e sul loro utilizzo per risolvere problemi applicati. Al termine del corso lo studente dovrà possedere una buona e utile conoscenza dell'algebra lineare numerica. Il corso dovrà anche stimolare uno studio indipendente, che permetterà di affrontare problemi matematici, anche di elevata complessità, individuando in modo autonomo gli strumenti teorici più appropriati per la loro soluzione e di proporre e analizzare modelli matematici associati a problemi, anche di elevata complessità, che hanno origine in altre discipline. Inoltre gli studenti saranno invitati a lavorare in gruppo e con ampia autonomia.

Conoscenza e comprensione

  • acquisizione di avanzate conoscenze in Analisi Numerica e delle sue applicazioni
  • acquisizione di approfondite competenze computazionali, comprendenti la conoscenza del software Matlab
  • capacità di organizzare e di sviluppare argomenti di Analisi Numerica con una chiara individuazione degli aspetti epistemologici;
  • capacità di leggere e comprendere testi anche avanzati di Analisi Numerica ed articoli di ricerca e di esporne il contenuto di fronte ad un uditorio esperto.

Capacità di applicare conoscenza e comprensione

  • capacità di comprendere enunciati scritti in linguaggio matematico;
  • capacità di produrre dimostrazioni rigorose anche di risultati originali;
  • capacità di utilizzare il metodo scientifico di indagine, in particolare per la costruzione di modelli matematici e per la loro verifica;
  • capacità di risolvere problemi di elevata difficoltà in Analisi Numerica, individuando in modo autonomo gli strumenti necessari ad affrontarli;
  • capacità di svolgere compiti tecnici e professionali definiti, come supporto modellistico-matematico, algoritmico e computazionale ad attività dell'industria, della finanza, dei servizi e della pubblica amministrazione, oppure nel campo dell'apprendimento-insegnamento della matematica o della diffusione della cultura scientifica;
  • capacità di utilizzare il linguaggio di programmazione Matlab, come ausilio alla soluzione di problemi matematici sia di tipo teorico che applicativo;
  • capacità di sintetizzare ed esporre in modo chiaro argomenti di Analisi Numerica anche di elevata difficoltà.

Autonomia di giudizio

  • capacità di proporre e analizzare modelli matematici associati a problemi, anche di elevata complessità, che hanno origine in altre discipline;
  • capacità di costruire e sviluppare complesse argomentazioni logiche in modo autonomo;
  • capacità di lavorare in gruppo e con ampia autonomia, anche assumendo responsabilità scientifiche e organizzative.

Abilità comunicative

  • capacità di comunicare problemi, idee e metodi della matematica, anche avanzata, di fronte ad un pubblico specializzato, sia nella propria lingua che in lingua inglese;
  • capacità di contribuire alla diffusione della cultura matematica presso il grande pubblico per mezzo di attività di divulgazione

Capacità di apprendimento

  • capacità di iniziare attività di ricerca con un buon grado di autonomia in Analisi Numerica;
  • capacità di avere una mentalità flessibile e una capacità di inserirsi prontamente negli ambienti di lavoro, adattandosi facilmente a nuove problematiche, acquisendo facilmente competenze specifiche e dimostrando anche capacità manageriali.

NUMERICAL LINEAR ALGEBRA - PART 2
Il corso fornisce esperienza pratica sull'implementazione di algoritmi numerici per l’analisi dei segnali e la soluzione di sistemi di equazioni e calcolo di autovalori di matrici di grandi dimensioni utili nell’analisi di big data. Saranno anche forniti cenni teorici alla base degli algoritmi trattati. Al termine del corso lo studente dovrà possedere una buona e utile conoscenza su come analizzare un segnale e su come approcciare sistemi di grandi dimensioni. Il corso dovrà anche stimolare uno studio indipendente.

Conoscenza e comprensione

  • acquisizione di avanzate conoscenze in Analisi Numerica e delle sue applicazioni
  • acquisizione di approfondite competenze computazionali, comprendenti la conoscenza del software Matlab
  • capacità di organizzare e di sviluppare argomenti di Analisi Numerica con una chiara individuazione degli aspetti epistemologici;
  • capacità di leggere e comprendere testi anche avanzati di Analisi Numerica ed articoli di ricerca e di esporne il contenuto di fronte ad un uditorio esperto.

Capacità di applicare conoscenza e comprensione

  • capacità di comprendere enunciati scritti in linguaggio matematico;
  • capacità di produrre dimostrazioni rigorose anche di risultati originali;
  • capacità di utilizzare il metodo scientifico di indagine, in particolare per la costruzione di modelli matematici e per la loro verifica;
  • capacità di risolvere problemi di elevata difficoltà in Analisi Numerica, individuando in modo autonomo gli strumenti necessari ad affrontarli;
  • capacità di svolgere compiti tecnici e professionali definiti, come supporto modellistico-matematico, algoritmico e computazionale ad attività dell'industria, della finanza, dei servizi e della pubblica amministrazione, oppure nel campo dell'apprendimento-insegnamento della matematica o della diffusione della cultura scientifica;
  • capacità di utilizzare il linguaggio di programmazione Matlab, come ausilio alla soluzione di problemi matematici sia di tipo teorico che applicativo;
  • capacità di sintetizzare ed esporre in modo chiaro argomenti di Analisi Numerica anche di elevata difficoltà.

Autonomia di giudizio

  • capacità di proporre e analizzare modelli matematici associati a problemi, anche di elevata complessità, che hanno origine in altre discipline;
  • capacità di costruire e sviluppare complesse argomentazioni logiche in modo autonomo;
  • capacità di lavorare in gruppo e con ampia autonomia, anche assumendo responsabilità scientifiche e organizzative.

Abilità comunicative

  • capacità di comunicare problemi, idee e metodi della matematica, anche avanzata, di fronte ad un pubblico specializzato, sia nella propria lingua che in lingua inglese;
  • capacità di contribuire alla diffusione della cultura matematica presso il grande pubblico per mezzo di attività di divulgazione

Capacità di apprendimento

  • capacità di iniziare attività di ricerca con un buon grado di autonomia in Analisi Numerica;
  • capacità di avere una mentalità flessibile e una capacità di inserirsi prontamente negli ambienti di lavoro, adattandosi facilmente a nuove problematiche, acquisendo facilmente competenze specifiche e dimostrando anche capacità manageriali.

Programma

NUMERICAL LINEAR ALGEBRA - PART 1
Il corso riguarda la soluzione di problemi pratici dell'algebra lineare utilizzando moderni metodi numerici e computer. Metodi per risolvere sistemi di equazioni lineari e problemi agli autovalori sono introdotti e implementati. Concetti centrali per analizzare gli algoritmi sono convergenza, stabilità e complessità (quanto accurata sarà la risposta e
quanto rapidamente è calcolata).

Parte I: Fondamentali. 1: Moltiplicazione Matrice-Vettore; 2: Vettori Ortogonali e Matrici; 3: Norme; 4: La Decomposizione ai Valori Singolari; 5: Proprietà della SVD; Parte II: Fattorizzazione QR e Minimi Quadrati. 6: Proiettori; 7: Fattorizzazione QR 8: Ortogonalizzazione di Gram-Schmidt; 9: Triangolarizzazione di Househoder; 10: Problemi di Minimo Quadrato; Part III: Condizionamento e Stabilità. 11: Condizionamento e Numeri di Condizionamento; 12: Aritmetica in Virgola Mobile; 13: Stabilità; 14: Esempi Significativi di Condizionamento e Stabilità. Part IV: Sistemi di Equazioni. 15: Eliminazione Gaussiana; 16: Pivotaggio; 17: Fattorizzazione di Cholesky; Part V: Autovalori. 18: Problemi agli Autovalori; 19: Panoramica su alcuni Algoritmi; 20: Riduzione a Hessembeg o alla Forma Tridiagonale; 21: Quoziente di Rayleigh, Iterazione Inversa; 22: Algoritmo QR senza Shifts; 23: Algoritmo QR con
Shifts; 24: Il Calcolo della SVD.

NUMERICAL LINEAR ALGEBRA - PART 2
Il corso, a carattere laboratoriale, complementa il modulo di lezioni affrontando questioni di analisi matriciale e di algebra lineare applicata all’informatica e alla telematica. In particolare saranno affrontati il problema della soluzione numerica di sistemi lineari di grandi dimensioni e l’elaborazione numerica dei segnali mediante l’uso della trasformata
discreta di Fourier.

Parte I: 1: Matrice di Fourier; 2: Trasformata discreta di Fourier; 3: Teorema di Convoluzione; 4: Decomposizione della matrice di Fourier; 5: Proprietà della trasformata discreta di Fourier; 6: Trasformata di Fourier veloce; 7: Analisi dei segnali;
Parte II: 1: Metodo del gradiente coniugato; 2: Il metodo GMRES

Modalità d'esame

NUMERICAL LINEAR ALGEBRA - PART 1
La valutazione dell'apprendimento è basata su una prova scritta e un colloquio orale, congiunti. Il superamento della prova scritta è condizione necessaria per l'ammissione alla prova orale. La prova scritta, della durata di 15 minuti, consta di un esercizio alla lavagna estratto a sorte da una lista di esercizi presenti sul libro di testo, fornita agli studenti durante il corso. La prova scritta si ritiene superata se lo studente svolge l'esercizio correttamente. La prova orale consiste nell’esposizione di un argomento estratto a sorte tra quelli discussi durante le lezioni e nella discussione di un function Matlab, estratta a sorte, tra quelle implementate durante le ore di laboratorio. Le due prove sono volte a verificare la preparazione e le competenze acquisite, sia in ambito teorico che in quello specificamente computazionale. Tutte le prove contribuiscono alla definizione del voto d’esame. Il voto d’esame è espresso in trentesimi. Le modalità d'esame saranno adeguate alle particolari esigenze delle/degli studentesse/studenti con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo Specifico di Apprendimento (DSA) certificato ai sensi della legge 170/2010, facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.
Appelli d'esame: https://corsi.unical.it/lt-lmcu/matematica/calendariodegli-esami/

NUMERICAL LINEAR ALGEBRA - PART 2
La valutazione dell'apprendimento è basata su una prova scritta e un colloquio orale, congiunti. Il superamento della prova scritta è condizione necessaria per l'ammissione alla prova orale. La prova scritta, della durata di 15 minuti, consta di un esercizio alla lavagna estratto a sorte da una lista di esercizi presenti sul libro di testo, fornita agli studenti durante il corso. La prova scritta si ritiene superata se lo studente svolge l'esercizio correttamente. La prova orale consiste nell’esposizione di un argomento estratto a sorte tra quelli discussi durante le lezioni e nella discussione di un function Matlab, estratta a sorte, tra quelle implementate durante le ore di laboratorio. Le due prove sono volte a verificare la preparazione e le competenze acquisite, sia in ambito teorico che in quello specificamente computazionale. Tutte le prove contribuiscono alla definizione del voto d’esame. Il voto d’esame è espresso in trentesimi. Le modalità d'esame saranno adeguate alle particolari esigenze delle/degli studentesse/studenti con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo Specifico di Apprendimento (DSA) certificato ai sensi della legge 170/2010, facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Appelli d'esame
https://corsi.unical.it/lt-lmcu/matematica/calendariodegli-esami/

Testi di riferimento

NUMERICAL LINEAR ALGEBRA - PART 1
L.N. Trefethen, D. Bau III, Numerical Linear Algebra, SIAM, 1997 Dispense del corso

NUMERICAL LINEAR ALGEBRA - PART 2
C. D. Meyer. Matrix Analysis and Applied Linear Algebra. SIAM 2000.
L. Tan. Digital Signal Processing. Fundamentals and Applications. Elsevier 2008.
L.N. Trefethen, D. Bau III, Numerical Linear Algebra, SIAM, 1997
Dispense del corso

Codice insegnamento 27008372

Principles Of Functional Analysis And Pdes 1° anno · 2° semestre · 9 CFU · MATH-03/A · 0 file

Competenze specifiche: Obiettivo primario del corso è quello di fornire un'adeguata conoscenza dei risultati fondamentali dell’Analisi Funzionale e delle applicazioni dei metodi variazionali alle equazioni semilineari…

Scheda dell'insegnamento

Obiettivi formativi

Competenze specifiche:
Obiettivo primario del corso è quello di fornire un'adeguata conoscenza dei risultati fondamentali dell’Analisi Funzionale e delle applicazioni dei metodi variazionali alle equazioni semilineari ellittiche.
Al termine del corso, gli studenti saranno in grado di studiare autonomamente e comprendere argomenti anche complessi legati all’Analisi funzionale e alle equazioni semilineari ellittiche

Conoscenza e comprensione

  • acquisizione di adeguate conoscenze dell’Analisi Funzionale e delle applicazioni dei metodi variazionali alle equazioni semilineari ellittiche;
  • capacità di astrazione e duttilità nell'usare il linguaggio formale;
  • capacità di organizzare e di sviluppare argomenti di Analisi Funzionale con una chiara individuazione degli aspetti epistemologici;
  • capacità di leggere e comprendere testi anche avanzati di Matematica ed articoli di ricerca e di esporne il contenuto di fronte ad un uditorio esperto.

Capacità di applicare conoscenza e comprensione

  • capacità di comprendere enunciati scritti in linguaggio matematico;
  • capacità di produrre dimostrazioni rigorose anche di risultati originali;
  • capacità di utilizzare il metodo scientifico di indagine, in particolare per la costruzione di modelli matematici e per la loro verifica;
  • capacità di risolvere problemi di elevata difficoltà in Analisi Funzionale e sue applicazioni, individuando in modo autonomo gli strumenti necessari ad affrontarli;
  • capacità di sintetizzare ed esporre in modo chiaro argomenti di matematica anche di elevata difficoltà.

Autonomia di giudizio

  • capacità di affrontare problemi matematici, anche di elevata complessità, individuando in modo autonomo gli strumenti teorici più appropriati per la loro soluzione;
  • capacità di proporre e analizzare modelli matematici associati a problemi, anche di elevata complessità, che hanno origine in altre discipline;
  • capacità di costruire e sviluppare complesse argomentazioni logiche in modo autonomo;
  • capacità di lavorare in gruppo e con ampia autonomia, anche assumendo responsabilità scientifiche e organizzative.

Abilità comunicative

  • capacità di comunicare problemi, idee e metodi della matematica, anche avanzata, di fronte ad un pubblico specializzato, sia nella propria lingua che in lingua inglese;
  • capacità di contribuire alla diffusione della cultura matematica presso il grande pubblico per mezzo di attività di divulgazione

Capacità di apprendimento

  • capacità di iniziare attività di ricerca con un buon grado di autonomia in campi specializzati della Matematica e di altre discipline;
  • capacità di avere una mentalità flessibile e una capacità di inserirsi prontamente negli ambienti di lavoro, adattandosi facilmente a nuove problematiche, acquisendo facilmente competenze specifiche e dimostrando anche capacità manageriali.

Programma

Il corso riguarda due campi dell’Analisi Matematica estremamente legati: l’Analisi Funzionale e le Equazioni a derivate parziali. Nella prima parte si presentano i risultati fondamentali dell’Analisi Funzionale. Nella seconda parte si fornisce un’introduzione ad opportuni spazi funzionali ed alle equazioni a derivate parziali del secondo ordine. Inoltre ci si sofferma sulle equazioni lineari e semilineari ellittiche utilizzando metodi
variazionali per fornire risultati di esistenza.

Prima parte
Cap.I Spazi Hilbert (14 ore)
1. Completezza del sistema trigonometrico
2. Teoremi di rappresentazione di Riesz
3. Teorema di Lax-Milgram
4. Problemi variazionali astratti ed equazione di Eulero
5. Approssimazione e metodo di Galerkin
Cap.II Spazi di Banach (27 ore)
6. Convoluzione
7. Risultati di densita’
8. Teoremi di Hahn Banach
9. Teorema di Banach-Steinhaus
10. Teoremi dell’applicazione aperta e del grafico chiuso
11. Convergenza debole
12. Spazi riflessivi
13. Teoremi di compattezza e semicontinuità
Seconda parte
Cap. III Equazioni a derivate parziali del secondo ordine: soluzioni esplicite e proprieta’ (17 ore)
14. Equazione di Laplace in un rettangolo: metodo di separazione delle variabili, teorema di Green e unicita’, principio del massimo.
15. Equazione di Laplace in un cerchio.
16. Funzioni armoniche: proprieta’ di media, principio del massimo, diseguaglianza di Harnack e teorema di Liouville.
17. Equazione del calore: metodo di separazione delle variabili, teorema di Green e unicita’, principio del massimo.
18. Equazione dell’onda: metodo di separazione delle variabili
Cap. IV Spazi di Sobolev (6 ore)
19. Spazi L^p: convoluzione, regolarizzazione di funzioni in L^p
20. Derivate deboli
21. Gli spazi W^k,p
22. Approssimazione in W^k,p
23. Gli spazi W^k,p_0
24. Teoremi di immersione
Cap. V Equazioni ellittiche del secondo ordine lineari (2 ore)
25. Formulazione variazionale di problemi ellittici
26. Esistenza di soluzioni dal teorema di Lax- Milgram
27. Approssimazione e metodo di Galerkin
Cap. VI Equazioni ellittiche del secondo ordine semilineari (6 ore)
28. Calcolo differenziale per funzionali reali
29. Soluzioni deboli e punti critici
30. Funzionali convessi
31. Proprieta’ spettrali degli operatori ellittici
32. Tecniche di minimizzazione: problemi coercivi
33. Metodi di Min-max: deformazioni, principio di min-max, teorema del passo di montagna, problemi superlineari.

Modalità d'esame

Metodi di valutazione dell’apprendimento : Gli studenti saranno invitati a conferire oralmente su argomenti inclusi nel programma e, eventualmente, a tenere seminari su argomenti correlati a quelli trattati durante le lezioni.
Criteri di valutazione dell’apprendimento : La prova orale verifica la conoscenza degli argomenti affrontati nel corso ed eventualmente la capacita’ di studiare autonomamente argomenti nuovi.
Criteri di misurazione dell’apprendimento ed attribuzione del voto finale : Il voto finale e’ assegnato al termine del colloquio che costituisce la prova orale ed e’ espresso in trentesimi.
Appelli d'esame : https://corsi.unical.it/lm/mathematics/calendariodegliesami/
Le modalità d'esame saranno inoltre adeguate alle particolari esigenze delle/degli studentesse/studenti con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo Specifico di Apprendimento (DSA) certificato ai sensi della legge 170/2010, facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Testi di riferimento

J.B. Conway: A course in Functional Analysis, Springer (2007)
H. Brezis, Functional Analysis, Springer (2010)
W. Rudin, Functional Analysis, MacGraw-Hill (1991)
K. Yosida, Functional Analysis,Springer(1995)
Weinberger, Partial Differential Equations, Wiley&Sons, (1965).
Salsa, Equazioni a Derivate Parziali, Springer (2004)
Evans, Partial Differential Equations, AMS (1998)
Badiale-Serra, Semilinear Elliptic Equations for Beginners, Springer (2011)
Materiale didattico messo a disposizione dal docente sulla piattaforma e-learning.unical.it e sul canale teams dedicato.

Codice insegnamento 27008373

Real And Abstract Analysis 1° anno · 1° semestre · 12 CFU · MATH-03/A · 0 file

Acquisire conoscenze della teoria della misura. Sviluppare la capacità di applicazione di tali conoscenze e la capacità di comprensione delle stesse sia per sostenere argomentazioni che per risolvere problemi tipici…

Scheda dell'insegnamento

Obiettivi formativi

Acquisire conoscenze della teoria della misura. Sviluppare la capacità di applicazione di tali conoscenze e la capacità di comprensione delle stesse sia per sostenere argomentazioni che per risolvere problemi tipici dell’Analisi Matematica. Sviluppare capacità di comunicazione di problemi e soluzioni dell’Analisi Matematica a specialisti. Sviluppare capacità di apprendimento necessarie per intraprendere studi successivi con un buon grado di autonomia.

Imparare a vedere le funzioni integrabili dal punto di vista funzionale, ossia non piú come una singola funzione ma come elementi in uno spazio di Banach.
Impadronirsi del concetto di prodotto scalare e delle principali proprietá degli spazi di Hilbert

Programma

-Elementi di Teoria della misura
-Spazi di Lebesgue L^p.
-Fondamenti della teoria degli spazi di Hilbert.

Definizione di misura e proprietà Insiemi misurabili
Funzioni misurabili Integrale di Lebesgue
Misura ed integrazione negli spazi prodotto Derivazione delle funzioni monotone
Funzioni a variazione limitata Derivazione dell'integrale indefinito Funzioni assolutamente continue.
Teorema fondamentale del calcolo integrale di Lebesgue.

Disuguaglianza di Jensen Disuguaglianza di Young Disuguaglianza di Holder Disuguaglianza di Minkowski.
Gli spazi di Lebesgue L^p come spazi vettoriali normati. Completezza di L^p
Separabilitá di L^p Uniforme convessitá di L^p Dualitá in L^p
Teorema di Rappresentazione di Riesz in L^p. Definizione di spazi di Hilbert
Complementi ortogonali e somme dirette Insiemi ortonormali
Insiemi ortonormali totali.
Polinomi di Hermite, Legendre e Laguerre. Rappresentazione di funzionaloi su spazi di Hilbert Operatori auto-aggiunti, unitari e normali.
Operatori auto-aggiunti, unitari e normali.

Modalità d'esame

Prova orale. Valutazione in trentesimi.
La prova orale inizia con un argomento scelto dallo studente.
Se l'esposizione è corretta e chiara, lo studente dovrà rispondere ad ulteriori domande, generalmente da 3 a 5, su altre parti del programma. Al termine della prova, viene espressa una valutazione in trentesimi di ogni risposta data, basata sulla chiarezza e la correttezza della risposta. La valutazione finale è la media delle singole valutazioni.
L'esame sarà adattato alle esigenze particolari delle/degli studentesse/I con disabilità o con Disturbo Specifico di Apprendimento (DSA) certificato secondo le vigenti leggi, in accordo con le indicazioni dell'ufficio preposto.

Testi di riferimento

Nicola Fusco, Paolo Marcellini e Carlo Sbordone, Analisi matematica vol.
2, Liguori, (1996); Alberto Tesei, Istituzioni di Analisi Superiore, Bollati Boringhieri, (1997); Edwin Hewitt e Karl Stromberg, Real and abstract Analysis, Springer (1965); Erwin Kreyszig, Introductory functional analysis with applications, Wiley & Sons (1978)

Codice insegnamento 27008375

Advanced Financial Mathematics 2° anno · 1° semestre · 6 CFU · STAT-04/A · 0 file

Il corso fornisce i concetti base del calcolo della probabilità in relazione a problemi finanziari. Verrà utilizzato il classico modello binomiale per descrivere nel tempo l’evoluzione del prezzo di un titolo…

Scheda dell'insegnamento

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

Obiettivi formativi

Il corso fornisce i concetti base del calcolo della probabilità in relazione a problemi finanziari. Verrà utilizzato il classico modello binomiale per descrivere nel tempo l’evoluzione del prezzo di un titolo rischioso; si otterrà il modello di Black e Scholes come limite del modello binomiale. Competenze specifiche: costruzione di modelli probabilistici per la valutazione e gestione di strumenti finanziari caratterizzati da rischio d’investimento. Al termine del corso gli studenti avranno acquisito le competenze necessarie all’uso degli strumenti probabilistici basilari per la progettazione e gestione dei modelli più diffusi in ambito finanziario in condizioni di rischio. Competenze trasversali: - analisi critica di strumenti del calcolo delle probabilità impiegati nella trattazione di operazioni finanziarie aleatorie e sviluppo di capacità utili ad affrontare e risolvere problemi in tale ambito.

Programma

  • Distribuzioni di probabilità discrete e continue in ambito finanziario ed assicurativo. • Teoremi limite e convergenza di variabili aleatorie. • Valutazione di opzioni call e put, europee ed americane. • Misura di probabilità risk-neutral e portafogli replicanti. • Il modello binomiale, formula di Black e Scholes, metodo Monte-Carlo. Insegnamento Politica Economica CFU 9 Propedeuticità Nessuna Obiettivi formativi Il corso si propone di fornire conoscenze relative alle principali ragioni dell'intervento pubblico in economia ponendo attenzione ai fallimenti di mercato (micro e macro) e alle possibili opzioni di politica economica che determinano l'eliminazione delle distorsioni Competenze specifiche: conoscenza dei modelli fondamentali della politica economica, con particolare riferimento ai loro aspetti microeconomici e macroeconomici; comprensione delle principali problematiche connesse alle decisioni (di politica tributaria, monetaria, di bilancio, ecc.) delle autorità di politica economica. Verranno forniti gli strumenti per comprendere e analizzare alcuni tra i principali problemi sociali contemporanei, quali, ad esempio, quelli connessi alla dinamica del potere d’acquisto delle famiglie, alla distribuzione delle risorse, povertà, diseguaglianza, disoccupazione, fondi comunitari e politiche europee. Inoltre, gli studenti dovranno conoscere gli obiettivi e i principali strumenti di politica economica e comprendere il contesto teorico nel quale vengono analizzate le interazioni tra le decisioni di politica economica e il sistema economico e sociale. Competenze trasversali: Le nozioni, i concetti e i modelli appresi durante il corso consentiranno agli studenti di comprendere l’analisi teorica dei processi decisionali e dell’azione dei decisori pubblici, con riferimento alle politiche economiche in generale e alle politiche sul welfare e sull’Unione Europea in particolare. Le conoscenze apprese permetteranno agli studenti di identificare e di valutare le conseguenze sociali delle politiche economiche, nazionali e europee, in termini di impatto sulle scelte occupazionali, di allocazione del tempo libero, di pensionamento, nonché sul benessere individuale e collettivo. Ad esempio, gli studenti saranno in grado di valutare l’impatto di politiche redistributive sui livelli di povertà e diseguaglianza di una popolazione, sulla base degli indicatori più comunemente utilizzati per misurare i due fenomeni. Gli studenti saranno poi in grado di valutare le potenzialità delle politiche di coesione dell’Unione Europea e di individuarne elementi di forza e di criticità.

Codice insegnamento 27009494

Advanced Functional Analysis 2° anno · 2° semestre · 6 CFU · MATH-03/A · 0 file

L’obiettivo del corso è quello di illustrare la teoria spettrale per operatori lineari e sviluppare la capacità di analisi e risoluzione di problemi riconducibili alle tematiche oggetto di studio. Conoscenza e…

Scheda dell'insegnamento

Obiettivi formativi

L’obiettivo del corso è quello di illustrare la teoria spettrale per operatori lineari e sviluppare la capacità di
analisi e risoluzione di problemi
riconducibili alle tematiche oggetto di studio. Conoscenza e comprensione - acquisizione
di approfondite conoscenze di teoria spettrale per operatori lineari e delle sue
applicazioni. - Capacità di sintetizzare ed esporre in modo
chiaro argomenti connessi agli scopi del corso. Capacità di avere una mentalità
flessibile e una capacità di inserirsi prontamente negli
ambienti di lavoro, adattandosi facilmente a nuove
problematiche, acquisendo facilmente competenze specifiche.

Programma

Teoria spettrale per operatori lineari. Operatori compatti e teoria spettrale per operatori compatti. Operatori auto-aggiunti e teoria spettrale per operatori auto-aggiunti.

Modalità d'esame

La valutazione dello studente avverrà per mezzo di una prova orale. La durata della prova è (max) 60 minuti. Criteri di Valutazione dell’Apprendimento La prova mira a valutare il livello di conseguimento delle competenze specifiche fornite dal corso. Criteri di attribuzione del voto finale. Per superare la prova è necessario conseguire un punteggio di almeno 18/30esimi . Le modalità d'esame saranno inoltre adeguate alle particolari esigenze delle/degli studentesse/studenti con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo Specifico di Apprendimento (DSA) certificato ai sensi della legge 170/2010, facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Testi di riferimento

E. Kreysizig: Introductory to functional analysis.
H. Brezis: Analisi funzionale.

Codice insegnamento 27008393

Advanced Geometry Ii 2° anno · 1° semestre · 6 CFU · MATH-02/B · 0 file
Advanced Pdes 2° anno · 2° semestre · 6 CFU · MATH-03/A · 0 file

Competenze specifiche: Obiettivo del corso è quello di fornire un'adeguata conoscenza dei fondamenti teorici dell’analisi di Fourier e della teoria delle distribuzioni temperate Competenze trasversali: Capacità…

Scheda dell'insegnamento

Obiettivi formativi

Competenze specifiche:
Obiettivo del corso è quello di fornire un'adeguata conoscenza dei fondamenti teorici dell’analisi di Fourier e della teoria delle distribuzioni temperate

Competenze trasversali:
Capacità critiche e di giudizio conseguite attraverso lo studio degli argomenti e esercizi che vengono proposti durante il corso. In particolare saranno acquisiti:

  • Abilità nell'analisi e nella risoluzione dei problemi;
  • Abilità nell'organizzazione del proprio lavoro.

Programma

Il corso di Equazioni a Derivate Parziali tratta dei principali argomenti di base nel campo delle equazioni a derivate parziali (EDP)_

Strumenti teorici: 1. Serie di Fourier 2. Trasformata di Fourier negli spazi di Lebesgue 3. Distribuzioni e distribuzioni temperate.
Applicazioni modellistiche: Derivazione e soluzione della equazione del calore. Soluzione della equazione di Schrödinger e sue proprietà dispersive. Soluzione e dispersione per l’equazione delle onde.

Modalità d'esame

Metodi di valutazione dell'apprendimento: La valutazione consiste di una prova orale. Criteri di Valutazione dell'apprendimento: La prova orale verifica la conoscenza degli argomenti affrontati nel corso. Criteri di misurazione dell'apprendimento ed attribuzione del voto finale: Il voto finale è assegnato al termine del colloquio che costituisce la prova orale ed è espresso in trentesimi. Le modalità d'esame saranno inoltre adeguate alle particolari esigenze delle/degli studentesse/studenti con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo Specifico di Apprendimento (DSA) certificato ai sensi della legge 170/2010, facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Testi di riferimento

1.Claude Zuily, éléments de distributions et d'équations aux dérivées partielles, DUNOD
2. Thomas Alazard, Analysis and partial differential equations, Springer

Codice insegnamento 27008394

Algorithmic Game Theory 2° anno · 1° semestre · 6 CFU · INFO-01/A · 0 file

Competenze specifiche. Obiettivo primario del corso è quello di fornire un'adeguata conoscenza delle tecniche di definizioni di algoritmi utilizzabili per coordinare le azioni di agenti razionali e maliziosi.…

Scheda dell'insegnamento

Obiettivi formativi

Competenze specifiche.
Obiettivo primario del corso è quello di fornire un'adeguata conoscenza delle tecniche di definizioni di algoritmi utilizzabili per coordinare le azioni di agenti razionali e maliziosi.
Conoscenza e capacità di comprensione.
Gli studenti acquisiranno:

  • Conoscenza dei concetti base della teoria dei giochi
  • Conoscenza delle principali tecniche di mechanism design
  • Abilità nel progettare algoritmi per sistemi aperti e distribuiti in presenza di agenti maliziosi
  • Abilità nel modellare in termini informatici domini applicativi basati su distribuzione di risorse
    Capacità di applicare conoscenza e comprensione.
    Al termine del corso, gli studenti saranno in grado di analizzare sistemi complessi dalla prospettiva della teoria dei giochi, caratterizzandone gli equilibri e riuscendo a definire meccanismi algoritmici per il coordinamento degli agenti che lo popolano.
    Competenze trasversali.
    Capacita` critiche e di giudizio conseguite attraverso lo studio degli argomenti che vengono proposti durante il corso, lo sviluppo degli elaborati (esercizi e progetti), evidenziando capacita` di “problem solving”. In particolare saranno acquisiti:
  • Abilità nell'analisi e nella risoluzione dei problemi
  • Abilità nel trovare soluzioni alternative o innovative
  • Abilità nel lavoro di gruppo

Programma

Il corso mira a fornire conoscenza avanzate nell'ambito della algorithmic game theory, con particolare enfasi allo studio e al design di algoritmi per agenti razionali e "self-interested". Vengono introdotti modelli formali basati su teoria dei giochi, vengono analizzati differenti nozioni di equilibrio anche in riferimento alla complessità computazionale, e viene proposto il framework del mechanism design per definire algoritmi che siano robusti anche in presenza di agenti maliziosi.

1) Giochi e computazione

  • Soluzioni di giochi e aspetti di complessità
  • Graphical Games
  • La complessità del calcolo di equilibri di Nash

2) Algorithmic Mechanism Design

  • Introduzione al Mechanism Design
  • Meccanismi "senza pagamenti"
  • Aste combinatoriali
  • Divisione di costi

3) Quantificare l'inefficienza degli equilibri

  • Routing Games
  • Network Formation Games
  • Il prezzo dell'anarchia

4) Giochi cooperativi

  • Concetti base
  • Rappresentazioni
  • Formazione di coalizioni

Modalità d'esame

Metodi di valutazione dell'apprendimento:
La valutazione sarà condotta sulla base dello svolgimento di un progetto didattico. Gli studenti devono dimostrare di saper progettare una applicazione informatica che utilizzi reti neurali in task di machine learning.
Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli/delle studenti/studentesse con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo specifico di apprendimento (DSA) certificato ai sensi della legge 170/2010), facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Criteri di Valutazione dell'apprendimento:
Il progetto mira alla verifica delle capacità di progettazione e implementazione di sistemi basati su reti neurali.

Criteri di misurazione dell'apprendimento ed attribuzione del voto finale:
L'esito del progetto è un giudizio espresso in trentesimi.

Testi di riferimento

Libro di testo

  • Noam Nisan, Tim Roughgarden, Eva Tardos, and Vijay Vazirani, Algorithmic Game Theory - Cambridge University Press

Codice insegnamento 27008537

Analytical And Numerical Methods For Pdes 2° anno · 2° semestre · MATH-03/A · 0 file

ANALYTICAL METHODS FOR PDES Competenze specifiche Obiettivo primario del corso è quello di fornire un'adeguata conoscenza dei fondamenti teorici e metodologici relativi alla formulazione di alcuni modelli matematici,…

Scheda dell'insegnamento

Obiettivi formativi

ANALYTICAL METHODS FOR PDES
Competenze specifiche

Obiettivo primario del corso è quello di fornire un'adeguata conoscenza dei fondamenti teorici e metodologici relativi alla formulazione di alcuni modelli matematici, oltre che le abilità e tecniche generali necessarie per lo studio delle equazioni alle derivate parziali. L’enfasi è posta soprattutto su problemi ellittici.
Al termine del corso, gli studenti saranno in grado di analizzare problemi classici delle EDP.

Conoscenza e comprensione

  • acquisizione di adeguate conoscenze dell’Analisi Matematica e Funzionale con applicazioni allo studio delle equazioni a derivate parziali;
  • capacità di astrazione e duttilità nell'usare il linguaggio formale;
  • capacità di leggere e comprendere testi anche avanzati di Matematica ed articoli di ricerca e di esporne il contenuto di fronte ad un uditorio esperto.

Capacità di applicare conoscenza e comprensione

  • capacità di comprendere enunciati scritti in linguaggio matematico;
  • capacità di produrre dimostrazioni rigorose anche di risultati originali;
  • capacità di utilizzare il metodo scientifico di indagine, in particolare per la costruzione di modelli matematici e per la loro verifica;
  • capacità di risolvere problemi di elevata difficoltà nel campo delle equazioni a derivate parziali e sue applicazioni, individuando in modo autonomo gli strumenti necessari ad affrontarli;
  • capacità di sintetizzare ed esporre in modo chiaro argomenti di matematica anche di elevata difficoltà.

Autonomia di giudizio

  • capacità di affrontare problemi matematici, anche di elevata complessità, individuando in modo autonomo gli strumenti teorici più appropriati per la loro soluzione;
  • capacità di proporre e analizzare modelli matematici associati a problemi, anche di elevata complessità, che hanno origine in altre discipline;
  • capacità di costruire e sviluppare complesse argomentazioni logiche in modo autonomo;
  • capacità di lavorare in gruppo e con ampia autonomia, anche assumendo responsabilità scientifiche e organizzative.

Abilità comunicative

  • capacità di comunicare problemi, idee e metodi della matematica, anche avanzata, di fronte ad un pubblico specializzato, sia nella propria lingua che in lingua inglese;
  • capacità di contribuire alla diffusione della cultura matematica presso il grande pubblico per mezzo di attività di divulgazione

Capacità di apprendimento

  • capacità di iniziare attività di ricerca con un buon grado di autonomia in campi specializzati della Matematica e di altre discipline;
  • capacità di avere una mentalità flessibile e una capacità di inserirsi prontamente negli ambienti di lavoro, adattandosi facilmente a nuove problematiche, acquisendo facilmente competenze specifiche e dimostrando anche capacità manageriali.

NUMERICAL METHODS FOR PDES
Il corso fornisce una comprensione teorica di alcuni importanti algoritmi relativi alla soluzione numerica di PDEs e esperienza pratica sull'implementazione di questi come codice di computer. Al termine del corso lo studente dovrà possedere una buona e utile conoscenza dei metodi base per la soluzione numerica di PDEs. Il corso dovrà anche stimolare uno studio indipendente. Inoltre gli studenti saranno invitati a lavorare in gruppo e con ampia autonomia.

Conoscenza e comprensione

  • acquisizione di avanzate conoscenze in Analisi Numerica e delle sue applicazioni
  • acquisizione di approfondite competenze computazionali, comprendenti la conoscenza del software Matlab
  • capacità di organizzare e di sviluppare argomenti di Analisi Numerica con una chiara individuazione degli aspetti epistemologici;
  • capacità di leggere e comprendere testi anche avanzati di Analisi Numerica ed articoli di ricerca e di esporne il contenuto di fronte ad un uditorio esperto.

Capacità di applicare conoscenza e comprensione

  • capacità di comprendere enunciati scritti in linguaggio matematico;
  • capacità di produrre dimostrazioni rigorose anche di risultati originali;
  • capacità di utilizzare il metodo scientifico di indagine, in particolare per la costruzione di modelli matematici e per la loro verifica;
  • capacità di risolvere problemi di elevata difficoltà in Analisi Numerica, individuando in modo autonomo gli strumenti necessari ad affrontarli;
  • capacità di svolgere compiti tecnici e professionali definiti, come supporto modellistico-matematico, algoritmico e computazionale ad attività dell'industria, della finanza, dei servizi e della pubblica amministrazione, oppure nel campo dell'apprendimento-insegnamento della matematica o della diffusione della cultura scientifica;
  • capacità di utilizzare il linguaggio di programmazione Matlab, come ausilio alla soluzione di problemi matematici sia di tipo teorico che applicativo;
  • capacità di sintetizzare ed esporre in modo chiaro argomenti di Analisi Numerica anche di elevata difficoltà.

Autonomia di giudizio

  • capacità di proporre e analizzare modelli matematici associati a problemi, anche di elevata complessità, che hanno origine in altre discipline;
  • capacità di costruire e sviluppare complesse argomentazioni logiche in modo autonomo;
  • capacità di lavorare in gruppo e con ampia autonomia, anche assumendo responsabilità scientifiche e organizzative.

Abilità comunicative

  • capacità di comunicare problemi, idee e metodi della matematica, anche avanzata, di fronte ad un pubblico specializzato, sia nella propria lingua che in lingua inglese;
  • capacità di contribuire alla diffusione della cultura matematica presso il grande pubblico per mezzo di attività di divulgazione

Capacità di apprendimento

  • capacità di iniziare attività di ricerca con un buon grado di autonomia in Analisi Numerica;
  • capacità di avere una mentalità flessibile e una capacità di inserirsi prontamente negli ambienti di lavoro, adattandosi facilmente a nuove problematiche, acquisendo facilmente competenze specifiche e dimostrando anche capacità manageriali.

Programma

ANALYTICAL METHODS FOR PDES
Il corso tratta dei principali argomenti di base nel campo delle equazioni a derivate parziali (EDP)

1) Spazi di Sobolev e formulazione variazionale di problemi ellittici: Spazi di Sobolev: definizione, proprietà, teoremi di immersione e teoremi di densità. Formulazione variazionale di problemi ellittici: soluzioni classiche e soluzioni deboli.
2) Esistenza delle soluzioni di problemi ellittici semilineari in domini limitati mediante approccio variazionale.
3) Non-esistenza delle soluzioni per problemi sopra-critici
4) Principi di massimo per problemi semilineari: Il principio del Massimo Debole. Il Lemma di Hopf. Il Principio del Massimo Forte. Dimostrazione tramite il Lemma di Hopf. Applicazioni.
5) Simmetria per problemi semilineari mediante le tecniche di Gidas-Ni e Nirenberg e Berestycki-Nirenberg.
6) Teorema di Rigidità di Serrin.

NUMERICAL METHODS FOR PDES
Il corso introduce le principali tecniche numeriche per la risoluzione di equazioni alle derivate parziali, con focus sui metodi agli elementi finiti e sul metodo di collocazione. Verranno trattate sia la formulazione teorica sia gli aspetti computazionali, con esercitazioni pratiche al computer.

1. Soluzione numerica di equazioni a derivate parziali mediante metodo agli elementi finiti
2. Soluzione numerica di equazioni a derivate parziali mediante metodi meshless

Modalità d'esame

ANALYTICAL METHODS FOR PDES
Metodi di valutazione dell'apprendimento: La valutazione consiste di una prova orale e di un eventuale progetto. Criteri di Valutazione dell'apprendimento: La prova orale e il progetto verificano la conoscenza degli argomenti affrontati nel corso. Criteri di misurazione dell'apprendimento ed attribuzione del voto finale: Il voto finale è assegnato al termine del colloquio che costituisce la prova orale ed è espresso in trentesimi.

NUMERICAL METHODS FOR PDES
Metodi di valutazione dell'apprendimento: La valutazione consiste di una prova orale. Criteri di Valutazione dell'apprendimento: La prova orale verifica la conoscenza degli argomenti affrontati nel corso. Criteri di misurazione dell'apprendimento ed attribuzione del voto finale: Il voto finale è assegnato al termine del colloquio che costituisce la prova orale ed è espresso in trentesimi.

Appelli d'esame:
https://corsi.unical.it/lt-lmcu/matematica/calendariodegli-esami/

Testi di riferimento

ANALYTICAL METHODS FOR PDES
1. M. Badiale and E. Serra, Semilinear elliptic equations for beginners, Springer-Verlag, 2011.
2. H. Brezis, Analisi funzionale, teoria e applicazioni, Liguori Editore (1986).
3. L. C. Evans, Partial di erential equations, American Mathematical Society (2010).
4. D. Gilbarg and N. S. Trudinger, Elliptic partial di erential equations of second order, Reprint of the
1998 Edition, Springer.
5. A. Quarteroni: Modellistica Numerica per Problemi Differenziali. Springer.
6. S. Salsa: Equazioni a derivate parziali. Springer

NUMERICAL METHODS FOR PDES
A. Quarteroni, Numerical Models for Differential Problems - Third edition, Springer Cham (2017)
G. Fassahuer, Meshfree Approximation Methods with Matlab, World Scientific (2007)

Codice insegnamento 27009474

Chemistry 2° anno · 1° semestre · 6 CFU · CHEM-03/A · 0 file

L’unità formativa di Chimica Generale si propone di fornire allo/a studente un’adeguata conoscenza della chimica generale di base, cercando in una prima fase di ampliare le nozioni scolastiche. Attraverso…

Scheda dell'insegnamento

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

Obiettivi formativi

L’unità formativa di Chimica Generale si propone di fornire allo/a studente un’adeguata conoscenza della chimica generale di base, cercando in una prima fase di ampliare le nozioni scolastiche. Attraverso l’approfondimento di fondamentali argomenti quali la struttura atomica, il legame chimico, l'equilibrio chimico ed i principali tipi di reazioni e sistemi reagenti, si intende fornire agli/lle studenti lo strumento concettuale per gettare un ponte tra ciò che si percepisce e ciò che si immagina succeda. RISULTATI DI APPRENDIMENTO ATTESI Conoscenza e capacità di comprensione: principi della chimica di base. Capacità di applicare conoscenza e comprensione: applicare i principi di base della chimica per comprendere i fenomeni della trasformazione della materia rifacendosi ad atomi, molecole e reazioni chimiche. Autonomia di giudizio: capacità di estrarre in modo autonomo le informazioni fondamentali sulla comprensione di fenomeni chimici micro e macroscopico e di effettuare calcoli numerici su reagenti e prodotti coinvolti nelle reazioni stesse. Abilità comunicative: capacità di descrivere la fenomenologia che sottende alla chimica e alle reazioni chimiche. Capacità di apprendimento: capacità di applicare le migliori soluzioni, anche matematiche al fine di ottenere informazioni chimiche e quantitative da un sistema chimico a seguito di reazioni.

Programma

STRUTTURA 1. Struttura atomica e periodicità Quantizzazione dell’energia, indeterminazione e spin: evidenze sperimentali. Atomo di idrogeno: concetto di orbitale, numeri quantici, energie degli orbitali. Atomi multielettronici: struttura ed approssimazioni. Periodicità delle proprietà atomiche: tavola periodica; reattività; proprietà macroscopiche. 2. I legami chimici. Il legame ionico ed il legame metallico. Il legame covalente: strutture di Lewis, carica formale, elettronegatività, energia e lunghezza dei legami (evidenze sperimentali). Il legame a ponte idrogeno. Forma e struttura delle molecole: modello VSEPR, modelli del legame covalente e loro limiti. Ibridizzazione. Moti intramolecolari. 3. Interazioni e stati di aggregazione. I gas ideali. Forze intermolecolari. Strutture solide: ioniche, metalliche, molecolari e reticolari. Conseguenze sulle proprietà macroscopiche: connessione fra tipo di legame (o interazione) e proprietà. TRASFORMAZIONI 4. Le soluzioni Miscele e soluzioni. Effetto della temperatura. Come esprimere la concentrazione. Cenni sulle proprietà colligative. 5. Le reazioni Mole e massa molare. Equazioni chimiche. Stechiometria delle reazioni e loro bilanciamento. Rese e reagenti limitanti. Reazioni di ossido-riduzione e loro bilanciamento. Bilanci energetici delle reazioni. La cinetica delle reazioni. 6 L’equilibrio delle reazioni Reversibilità delle reazioni e natura dell’equilibrio. Costanti di equilibrio e risposta al mutamento delle condizioni. Acidi e basi, pH ed equilibri ionici in soluzione acquosa. Equilibri di solubilità. Struttura atomica e periodicità. Il legame chimico. Interazioni e stati di aggregazione della materia. Proprietà delle soluzioni. Reazioni chimiche. Equilibrio chimico.

Modalità d'esame

Due prove scritte, una a metà semestre ed una finale. Durante le prove di esame non sarà consentito consultare libri o appunti. Durante ciascuna prova scritta, della durata di 2 ore, saranno proposti 5-10 quesiti. Le risposte dovranno essere argomentate, o in termini di calcoli numerici e stechiometrici oppure mediante spiegazione teorica. Il punteggio assegnato ad ogni quesito dipende dalla natura e difficoltà della domanda stessa. Dopo la seconda prova scritta, ci sarà una prova orale. Il voto finale sarà basato sulla media di quelli dei due scritti, ma potrà variare in base alle risultanze della prova orale. Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Testi di riferimento

P. Atkins, L. Jones, L. Laverman; Fondamenti di Chimica Generale, Zanichelli W.L. Masterton, C.N. Hurley, CHIMICA: Principi e Reazioni, Piccin; D. A. MacQuarrie, P. A. Rock, Chimica Generale, Zanichelli I. Bertini, C. Luchinat, F. Mani, CHIMICA, Casa Editrice Ambrosiana R. Breschi, A. Massagli, Stechiometria, ETS/Pisa P. Michelin Lausarot, G. A. Vaglio, Fondamenti di Stechiometria, Piccin

Codice insegnamento 27008385

Complements Of Algebra 2° anno · 2° semestre · 6 CFU · MATH-02/A · 0 file

Conoscenze e capacità di comprensione. Acquisire le conoscenze di base dell’algebra commutativa e le loro proprietà: anelli di polinomi, ideali, successioni esatte, moduli, prodotti tensoriali, localizzazione,…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e capacità di comprensione.
Acquisire le conoscenze di base dell’algebra commutativa e le loro proprietà: anelli di polinomi, ideali, successioni esatte, moduli, prodotti tensoriali, localizzazione, decomposizione primaria, anelli e moduli noetheriani e artiniani.

Conoscenza e capacità di comprensione applicate.
Sviluppare la capacità di studio di problemi applicativi o relativi ad altri ambiti della matematica che possano essere formalizzati con gli strumenti propri dell’algebra commutativa. Sviluppare inoltre la capacità di comprendere ed elaborare enunciati e dimostrazioni in maniera rigorosa e precisa.

Autonomia di giudizio.
Sviluppare la capacità di trattare in maniera rigorosa i concetti dell'algebra commutativa e di risolvere esercizi e problemi anche di elevata complessità a essi collegati. Capacità di dedurre dalle dimostrazioni dei teoremi studiati nel corso altre proprietà che dipendono da tali teoremi.

Abilità comunicative.
Sviluppare competenze linguistiche adeguate, sia scritte che orali, alla corretta comunicazione di problemi, idee e metodi dell'algebra commutativa e in particolare di enunciati e dimostrazioni per un pubblico specializzato in materia.

Capacità di apprendere.
Capacità di iniziare attività di studio e/o di ricerca con un buon grado di autonomia in vari campi dell'algebra o in altri ambiti affini della matematica.

Codice insegnamento 27010920

Computational Complexity 2° anno · 2° semestre · 6 CFU · INFO-01/A · 0 file

Competenze Specifiche: Obiettivo primario del primo modulo è quello di fornire le conoscenze di base dell'Informatica Teorica, con particolare attenzione ai linguaggi formali, alle Macchine di Turing, alla teoria della…

Scheda dell'insegnamento

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

Obiettivi formativi

Competenze Specifiche: Obiettivo primario del primo modulo è quello di fornire le conoscenze di base dell'Informatica Teorica, con particolare attenzione ai linguaggi formali, alle Macchine di Turing, alla teoria della calcolabilità, all'indecidibilità e incompletezza nella logica del primo ordine. In particolare saranno acquisite le seguenti conoscenze e competenze: Conoscenza e capacità di comprensione: - linguaggi formali; - Macchina di Turing e delle sue varianti; - nozione di calcolabilità secondo Turing; - concetti di decidibilità e indecidibilità; - concetti di indecidibilità e incompletezza nella logica del primo ordine (Teoremi di Gödel); Capacità di applicare conoscenza e comprensione: - distinguere tra problemi decidibili e indecidibili; Al termine del modulo, gli studenti saranno in grado di distinguere tra problemi decidibili e indecidibili, e dimostrane tali proprietà mediante l'applicazione di teoremi studiati durante il corso o mediante l'uso di tecniche di riduzione tra problemi. Obiettivo primario del secondo modulo è quello di fornire un'adeguata conoscenza sulla teoria della complessità. Il corso prende in esame la classe dei problemi decidibili al fine di classificare tali problemi in base alla loro intrinseca difficoltà. In particolare, gli studenti confronteranno problemi che sono "praticamente risolvibili" - nel senso che i programmi per risolverli richiedono risorse (in termini di tempo o di spazio) che possono in genere essere soddisfatte - e problemi che sono "praticamente irrisolvibile" - quantomeno per input molto grandi, in quanto le risorse necessarie crescono così rapidamente che non possono in genere essere soddisfatte. In particolare saranno acquisite le seguenti conoscenze e competenze: Conoscenza e capacità di comprensione: - principali problemi noti in informatica; - nozione di complessità computazionale; - principali classi di complessità; Capacità di applicare conoscenza e comprensione: - determinare la complessità computazionale di un problema decidibile; Al termine del modulo, gli studenti saranno in grado di distinguere tra problemi trattabili, intrattabili e presumibilmente intrattabili. Saranno inoltre in grado di determinare formalmente la complessità computazionale di svariati problemi noti in letteratura. Competenze Trasversali: Lo studente acquisirà abilità nell'analisi e nella risoluzione dei problemi e abilità nel lavoro di gruppo. Le capacita` critiche e di giudizio sono conseguite attraverso lo studio degli argomenti che vengono proposti durante il corso, lo sviluppo degli elaborati (esercizi e progetti), evidenziando capacita` di “problem solving”. In particolare saranno acquisiti: Autonomia di giudizio: - Abilità nell'analisi e nella risoluzione dei problemi - Abilità nel combinare soluzioni alternative o innovative Abilità comunicative: - Abilità nel lavoro di gruppo

Programma

1) Introduzione - Richiami di matematica (insiemi, relazioni, funzioni, cardinalità di insiemi, grafi) - Linguaggi formali (alfabeti, linguaggi, rappresentazioni finite di linguaggi, automi a stati finiti e linguaggi regolari) 2) Macchine di Turing - TM a nastro singolo deterministiche - Calcolabilità secondo Turing - TM multi nastro 3) Calcolabilità e decidibilità - tesi di Church-Turing - descrizione linearizzata delle TM e TM universale - il problema della terminazione - linguaggi indecidibili - enumerazione di proprietà ricorsive - proprietà di enumerazioni di funzioni ricorsive - funzioni non calcolabili - teoremi di Kleene e di Rice - insiemi decidibili e semidecidibili 4) Indecidibilità ed incompletezza nella logica del primo ordine - richiami alla logica proposizionale e del I ordine - Teoremi di Gödel - assiomi della teoria dei numeri - indecidibilità ed incompletezza Il corso ha l’obiettivo di introdurre gli aspetti fondanti dell’informatica teorica quali le nozioni di decidibilita` e complessita` computazionale. Il primo modulo si propone di fornire agli studenti le nozioni di base dell'Informatica Teorica, con particolare attenzione ai linguaggi formali, alle Macchine di Turing, alla teoria della calcolabilità, all'indecidibilità e incompletezza nella logica del primo ordine. Il secondo modulo fornisce le nozioni di base sulla teoria della complessità computazionale. Gli studenti saranno in grado di distinguere tra problemi trattabili, intrattabili e presumibilmente intrattabili. Saranno inoltre in grado di determinare formalmente la complessità computazionale di svariati problemi noti in letteratura.

Modalità d'esame

METODI DI VALUTAZIONE DELL’APPRENDIMENTO - La valutazione finale dell’insegnamento avviene attraverso una prova unica (scritto e orale congiunti) che include domande ed esercizi a risposta aperta, più eventuali quesiti a risposta multipla. La parte scritta di questo modulo ha una durata di 30-60 minuti, mentre la relativa discussione orale dura 10-20 minuti. Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370). CRITERI DI VALUTAZIONE DELL’APPRENDIMENTO - Le tipologie di domande, esercizi e quesiti sono comunicate agli studenti al termine di ogni lezione/esercitazione. Queste hanno lo scopo di verificare le conoscenze, abilità e competenze acquisite dagli studenti durante il corso. In particolare, si richiede agli studenti di dimostrare familiarità con i principali concetti presentati durante il corso e di essere in grado di adattarli e applicarli in contesti pratici. CRITERI DI MISURAZIONE DELL’APPRENDIMENTO E ATTRIBUZIONE DEL VOTO FINALE: - Il voto finale, espresso in trentesimi (con possibilità di lode), viene calcolato in base alla valutazione di ciascuna domanda, esercizio o quesito utilizzando una griglia di valutazione resa nota agli studenti prima dell’esame.

Testi di riferimento

Libro di testo - Elaine A. Rich. Automata, Computability, and Complexity: Theory and Applications. Prentice Hall, 2008. Libri consigliati - Carlo Ghezzi, and Dino Mandrioli. Informatica teorica. Città-Studi Edizioni, 1989. - Giorgio Ausiello, Fabrizio D'Amore, and Giorgio Gambosi. Linguaggi, Modelli, Complessità. Franco Angeli Editore, 2003. - Harry R. Lewis, and Christos H. Papadimitriou. Elements of the Theory of Computation (2nd Edition). Prentice-Hall, 1997. - J. Glenn Brookshear. Informatica - Una panoramica generale, 11/ed. Pearson Italia, 2010.

Codice insegnamento 27008397

Data Warehouse And Visualization 2° anno · 2° semestre · 6 CFU · INFO-01/A · 0 file

Competenze Specifiche: Il corso si propone di introdurre i concetti fondamentali dei Data Warehouse, con particolare attenzione alle analisi OLAP. In particolare saranno acquisite le seguenti conoscenze e competenze:…

Scheda dell'insegnamento

Obiettivi formativi

Competenze Specifiche:
Il corso si propone di introdurre i concetti fondamentali dei Data Warehouse, con particolare attenzione alle analisi OLAP.
In particolare saranno acquisite le seguenti conoscenze e competenze:
Conoscenza e capacità di comprensione:

  • conoscenza dei processi di progettazione di un Data Warehouse
    Capacità di applicare conoscenza e comprensione:
  • capacità di gestire ed implementare le varie fasi dei processi di progettazione di un Data Warehouse;
  • capacità di utilizzare strumenti e modelli per la specifica, la progettazione, lo sviluppo ed il mantenimento di Data Warehouse
    Al termine del corso, gli studenti saranno in grado di affrontare tutte le fasi di un processo di sviluppo di un Data Warehouse.

Competenze Trasversali:
Lo studente acquisirà abilità nell'analisi e nella risoluzione dei problemi e abilità nel lavoro di gruppo.
Le capacita` critiche e di giudizio sono conseguite attraverso lo studio degli argomenti che vengono proposti durante il corso, lo sviluppo degli elaborati (esercizi e progetti), evidenziando capacita` di “problem solving”. In particolare saranno acquisiti:
Autonomia di giudizio:

  • Abilità nell'analisi e nella risoluzione dei problemi
  • Abilità nel combinare soluzioni alternative o innovative
    Abilità comunicative:
  • Abilità nel lavoro di gruppo

Programma

Il corso di Data Wharehouse and Visualization presenta le nozioni necessarie alla progettazione ed allo sviluppo di Data Warehouse ed applicazioni OLAP

1) Introduzione ai database distribuiti e problematiche di integrazione, riconciliazione ed ETL sui dati

2) Modellazione Concettuale di un DW con un modello multidimensionale: Il modello DFM

3) Progettazione Concettuale: dallo schema ER allo schema di Fatto

4) Modellazione logica: Schemi a Stella e Snowflake

5) Progettazione logica: dallo schema di Fatto allo schema a Stella.

6) Data Visualization

7) Strumenti per Data Cleaning e OLAP

Modalità d'esame

Metodi di valutazione dell'apprendimento:
La valutazione consiste nello svolgimento di un progetto individuale valutato attraverso una prova orale che può ricoprire argomenti di teoria non direttamente inclusi nel progetto.

Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Criteri di Valutazione dell'apprendimento:
La prova mira alla verifica delle conoscenze e competenze di progettazione, analisi ed implementazione introdotte durante il corso.

Criteri di misurazione dell'apprendimento ed attribuzione del voto finale:
L'esito della prova è un voto tra 18 e 30 attribuito sulla base della correttezza, qualità e padronanza nella realizzazione del progetto e nella motivazione delle scelte effettuate.

Testi di riferimento

Libro di testo
M. Golfarelli, S. Rizzi "Data Warehouse Design: Modern Principles and Methodologies", McGraw Hill
Altro materiale fornito dal docente

Codice insegnamento 27008772

Decidability And Logics 2° anno · 2° semestre · 6 CFU · INFO-01/A · 0 file

Competenze Specifiche: Obiettivo primario del primo modulo è quello di fornire le conoscenze di base dell'Informatica Teorica, con particolare attenzione ai linguaggi formali, alle Macchine di Turing, alla teoria della…

Scheda dell'insegnamento

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

Obiettivi formativi

Competenze Specifiche: Obiettivo primario del primo modulo è quello di fornire le conoscenze di base dell'Informatica Teorica, con particolare attenzione ai linguaggi formali, alle Macchine di Turing, alla teoria della calcolabilità, all'indecidibilità e incompletezza nella logica del primo ordine. In particolare saranno acquisite le seguenti conoscenze e competenze: Conoscenza e capacità di comprensione: - linguaggi formali; - Macchina di Turing e delle sue varianti; - nozione di calcolabilità secondo Turing; - concetti di decidibilità e indecidibilità; - concetti di indecidibilità e incompletezza nella logica del primo ordine (Teoremi di Gödel); Capacità di applicare conoscenza e comprensione: - distinguere tra problemi decidibili e indecidibili; Al termine del modulo, gli studenti saranno in grado di distinguere tra problemi decidibili e indecidibili, e dimostrane tali proprietà mediante l'applicazione di teoremi studiati durante il corso o mediante l'uso di tecniche di riduzione tra problemi. Obiettivo primario del secondo modulo è quello di fornire un'adeguata conoscenza sulla teoria della complessità. Il corso prende in esame la classe dei problemi decidibili al fine di classificare tali problemi in base alla loro intrinseca difficoltà. In particolare, gli studenti confronteranno problemi che sono "praticamente risolvibili" - nel senso che i programmi per risolverli richiedono risorse (in termini di tempo o di spazio) che possono in genere essere soddisfatte - e problemi che sono "praticamente irrisolvibile" - quantomeno per input molto grandi, in quanto le risorse necessarie crescono così rapidamente che non possono in genere essere soddisfatte. In particolare saranno acquisite le seguenti conoscenze e competenze: Conoscenza e capacità di comprensione: - principali problemi noti in informatica; - nozione di complessità computazionale; - principali classi di complessità; Capacità di applicare conoscenza e comprensione: - determinare la complessità computazionale di un problema decidibile; Al termine del modulo, gli studenti saranno in grado di distinguere tra problemi trattabili, intrattabili e presumibilmente intrattabili. Saranno inoltre in grado di determinare formalmente la complessità computazionale di svariati problemi noti in letteratura. Competenze Trasversali: Lo studente acquisirà abilità nell'analisi e nella risoluzione dei problemi e abilità nel lavoro di gruppo. Le capacita` critiche e di giudizio sono conseguite attraverso lo studio degli argomenti che vengono proposti durante il corso, lo sviluppo degli elaborati (esercizi e progetti), evidenziando capacita` di “problem solving”. In particolare saranno acquisiti: Autonomia di giudizio: - Abilità nell'analisi e nella risoluzione dei problemi - Abilità nel combinare soluzioni alternative o innovative Abilità comunicative: - Abilità nel lavoro di gruppo

Programma

1) Introduzione - Richiami di matematica (insiemi, relazioni, funzioni, cardinalità di insiemi, grafi) - Linguaggi formali (alfabeti, linguaggi, rappresentazioni finite di linguaggi, automi a stati finiti e linguaggi regolari) 2) Macchine di Turing - TM a nastro singolo deterministiche - Calcolabilità secondo Turing - TM multi nastro 3) Calcolabilità e decidibilità - tesi di Church-Turing - descrizione linearizzata delle TM e TM universale - il problema della terminazione - linguaggi indecidibili - enumerazione di proprietà ricorsive - proprietà di enumerazioni di funzioni ricorsive - funzioni non calcolabili - teoremi di Kleene e di Rice - insiemi decidibili e semidecidibili 4) Indecidibilità ed incompletezza nella logica del primo ordine - richiami alla logica proposizionale e del I ordine - Teoremi di Gödel - assiomi della teoria dei numeri - indecidibilità ed incompletezza Il corso ha l’obiettivo di introdurre gli aspetti fondanti dell’informatica teorica quali le nozioni di decidibilita` e complessita` computazionale. Il primo modulo si propone di fornire agli studenti le nozioni di base dell'Informatica Teorica, con particolare attenzione ai linguaggi formali, alle Macchine di Turing, alla teoria della calcolabilità, all'indecidibilità e incompletezza nella logica del primo ordine. Il secondo modulo fornisce le nozioni di base sulla teoria della complessità computazionale. Gli studenti saranno in grado di distinguere tra problemi trattabili, intrattabili e presumibilmente intrattabili. Saranno inoltre in grado di determinare formalmente la complessità computazionale di svariati problemi noti in letteratura.

Modalità d'esame

METODI DI VALUTAZIONE DELL’APPRENDIMENTO - La valutazione finale dell’insegnamento avviene attraverso una prova unica (scritto e orale congiunti) che include domande ed esercizi a risposta aperta, più eventuali quesiti a risposta multipla. La parte scritta di questo modulo ha una durata di 30-60 minuti, mentre la relativa discussione orale dura 10-20 minuti. - Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370). CRITERI DI VALUTAZIONE DELL’APPRENDIMENTO - Le tipologie di domande, esercizi e quesiti sono comunicate agli studenti al termine di ogni lezione/esercitazione. Queste hanno lo scopo di verificare le conoscenze, abilità e competenze acquisite dagli studenti durante il corso. In particolare, si richiede agli studenti di dimostrare familiarità con i principali concetti presentati durante il corso e di essere in grado di adattarli e applicarli in contesti pratici. CRITERI DI MISURAZIONE DELL’APPRENDIMENTO E ATTRIBUZIONE DEL VOTO FINALE: - Il voto finale, espresso in trentesimi (con possibilità di lode), viene calcolato in base alla valutazione di ciascuna domanda, esercizio o quesito utilizzando una griglia di valutazione resa nota agli studenti prima dell’esame.

Testi di riferimento

Libro di testo - Elaine A. Rich. Automata, Computability, and Complexity: Theory and Applications. Prentice Hall, 2008. Libri consigliati - Carlo Ghezzi, and Dino Mandrioli. Informatica teorica. Città-Studi Edizioni, 1989. - Giorgio Ausiello, Fabrizio D'Amore, and Giorgio Gambosi. Linguaggi, Modelli, Complessità. Franco Angeli Editore, 2003. - Harry R. Lewis, and Christos H. Papadimitriou. Elements of the Theory of Computation (2nd Edition). Prentice-Hall, 1997. - J. Glenn Brookshear. Informatica - Una panoramica generale, 11/ed. Pearson Italia, 2010.

Codice insegnamento 27008398

Deep Learning 2° anno · 1° semestre · 6 CFU · INFO-01/A · 0 file

Competenze specifiche. Obiettivo primario del corso è quello di fornire un'adeguata conoscenza delle tecniche di progettazione utilizzo di reti neurali "deep", in contesti applicativi complessi quali il riconoscimento di…

Scheda dell'insegnamento

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

Obiettivi formativi

Competenze specifiche. Obiettivo primario del corso è quello di fornire un'adeguata conoscenza delle tecniche di progettazione utilizzo di reti neurali "deep", in contesti applicativi complessi quali il riconoscimento di immagini, documenti testuali e video. Conoscenza e capacità di comprensione. Gli studenti acquisiranno: - Conoscenza dei principi del deep learning - Conoscenza delle principali architetture di reti neurali - Abilità nel progettare e implementare in Keras soluzioni di deep learning - Abilità nell'utilizzare reti neurali in sistemi informatici complessi Capacità di applicare conoscenza e comprensione. Al termine del corso, gli studenti saranno in grado di affrontare affrontare la progettazione di sistemi di machine learning adatti a gestire enormi moli di dati, attraverso lo sviluppo in Keras di reti neurali "deep". Competenze trasversali. Capacità critiche e di giudizio conseguite attraverso lo studio degli argomenti che vengono proposti durante il corso, lo sviluppo degli elaborati (esercizi e progetti), evidenziando capacità di “problem solving”. In particolare saranno acquisiti: - Abilità nell'analisi e nella risoluzione dei problemi - Abilità nel trovare soluzioni alternative o innovative - Abilità nel lavoro di gruppo

Programma

1) Fondamenti teorici del deep learning - Richiami di algebra lineare - Richiami di probabilità e teoria dell'informazione - Aspetti di computazione numerica - Ottimizzazione basata sul metodo del gradiente 2) Deep neural newtorks - Il modello di neurone artificiale - Reti deep feedforward 3) Architetture di reti neurali - Reti convoluzionarie - Reti ricorrenti - Modelli generativi - Autoencoders 5) Architetture Avanzate - Word Embeddings - Transformers - Large Language Models - Graph Neural Networks 6) Il framework Keras - Realizzazione di reti neurali in Keras - Selezioni di funzioni di loss, accuratezza e ottimizzazione - Applicazioni nel riconoscimento di immagini, testo e video Il corso mira a fornire conoscenza avanzate nell'ambito del machine learning, con particolare enfasi alla progettazione e implementazioni di reti neurali. Vengono trattate reti neurali "deep" di tipo feedforward, convuluzionarie, ricorrenti, generativie e adversarial. I diversi concetti vengono esemplificati nel linguaggio di programmazione Python, utilizzando il framework Keras specifico per l'implemetazione di soluzioni di deep learning.

Modalità d'esame

Metodi di valutazione dell'apprendimento: La valutazione sarà condotta sulla base dello svolgimento di un progetto didattico. Gli studenti devono dimostrare di saper progettare una applicazione informatica che utilizzi reti neurali in task di machine learning. Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370). Criteri di Valutazione dell'apprendimento: Il progetto mira alla verifica delle capacità di progettazione e implementazione di sistemi basati su reti neurali. Criteri di misurazione dell'apprendimento ed attribuzione del voto finale: L'esito del progetto è un giudizio espresso in trentesimi.

Testi di riferimento

Libro di testo - Ian Goodfellow, Yoshua Bengio and Aaron Courville, ""Deep Learning"" - MIT Press Libri consigliati - F. Chollet, ""Deep Learning with Python"" - Manning - S. Raschka, ""Python Machine Learning"" - PACKT Publishing

Codice insegnamento 27007800

Final Dissertation 2° anno · 21 CFU · 0 file
General And Animal Biology 2° anno · 1° semestre · 6 CFU · BIOS-03/A · 0 file

Competenze specifiche: Lo studente dovrà conseguire una adeguata conoscenza di base dei sistemi biologici ed acquisire il corretto linguaggio tecnico. Comprensione degli aspetti morfologici, ultrastrutturali e funzionali…

Scheda dell'insegnamento

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

Obiettivi formativi

Competenze specifiche: Lo studente dovrà conseguire una adeguata conoscenza di base dei sistemi biologici ed acquisire il corretto linguaggio tecnico. Comprensione degli aspetti morfologici, ultrastrutturali e funzionali della cellula animale. Conoscenza approfondita dei principali organi e apparati e loro evoluzione nel regno animale (risultati di apprendimento attesi). Al termine del corso lo studente sarà capace di comprendere gli adattamenti degli organismi all'ambiente in cui vivono inclusi gli adattamenti comportamentali. Competenze trasversali: durante il corso vengono evidenziate le strette relazioni tra gli organismi animali e il loro ambiente stimolando le capacità critiche e di giudizio dello studente nel considerare le ricadute dei cambiamenti di origine antropica a livello globale. Competenze trasversali: capacità critiche e di giudizio conseguite attraverso gli argomenti che vengono proposti durante il corso.

Programma

Cellule/tessuti/organi, Il regno animale, Il processo riproduttivo 1. riproduzione asessuata 2. riproduzione sessuata 3. Rigenerazione •Principi dello sviluppo 1. fecondazione 2. segmentazione 3. gastrulazione 4. meccanismi dello sviluppo • Digestione e nutrizione 1. Funzione ed evoluzione del sistema digerente 2. Apparato digerente • Respirazione e fluidi interni 1. La respirazione negli animali acquatici e terrestri 2. Apparati respiratori • Sostegno protezione e movimento 1. tegumento 2. sistemi scheletrici 3. tipologie di movimento • Omeostasi: regolazione osmotica, escrezione e termoregolazione 1. l’acqua e la regolazione osmotica 2. apparati escretori 3. ectotermia ed endotermica Lezioni frontali con proiezione di diapositive. Nel caso in cui, per motivi di sicurezza sanitaria, le lezioni debbano essere erogate a distanza, le attività didattiche si svolgeranno in modalità sincrona, con eventuali momenti in presenza, attraverso piattaforma ed indicazioni definite a livello di Ateneo. Il materiale didattico verrà caricato su Microsoft Teams”. Il docente è disponibile a fornire il materiale didattico in lingua inglese per gli studenti stranieri. Nel caso in cui, per motivi di sicurezza sanitaria, le lezioni debbano essere erogate a distanza, le attività didattiche si svolgeranno in modalità sincrona, con eventuali momenti in presenza, attraverso piattaforma ed indicazioni definite a livello di Ateneo. Conoscenze di base dell’organizzazione della cellula e dei meccanismi che regolano il suo funzionamento. Caratteristiche peculiari della cellula animale, conoscenze di base sulla comunicazione fra le cellule e sulla loro integrazione in tessuti ed organi - Organizzazione morfo-anatomica dei principali organi e apparati

Modalità d'esame

Prova scritta e colloquio orale valutato in /30 in cui viene valutato il livello delle conoscenze maturate sui contenuti specifici. Il colloquio orale intende inoltre verificare se è stato acquisito il corretto corredo di linguaggio scientifico e l’analisi critica e di giudizio. La prova scritta comprende 30 domande a risposta multipla; 1 domanda aperta; 1 con riconoscimento di un preparato anatomico/istologico. Una valutazione eccellente (30/30 e lode) sarà data agli studenti che dimostrano di conoscere i contenuti del programma in maniera ampia, ricca di particolari, con ottime capacità di sintesi e di collegamento tra le diverse unità tematiche. Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n.370.

Testi di riferimento

  • Morris James R., Hartl Daniel L., Knoll Andrew H., Lue Robert A, Michael Melissa Titolo: Biologia. Come funziona la vita – Zanichelli • Campbell Neil A.; Reece Jane B. Titolo: Biologia - Pearson • Hillis D.M., Sadava D., Heller H.C., Price M. V. Titolo: Fondamenti di Biologia – Zanichelli

Codice insegnamento 27008388

Geology 2° anno · 2° semestre · 6 CFU · GEOS-02/A · 0 file
Italian For Foreign Students 2° anno · 1° semestre · 6 CFU · GLOT-01/B · 0 file

Risultati di apprendimento (Descrittori di Dublino) Conoscenza e comprensione Gli studenti saranno in grado di comprendere le informazioni specifiche di testi legati agli ambiti della comunicazione quotidiana, in linea…

Scheda dell'insegnamento

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

Obiettivi formativi

Risultati di apprendimento (Descrittori di Dublino) Conoscenza e comprensione Gli studenti saranno in grado di comprendere le informazioni specifiche di testi legati agli ambiti della comunicazione quotidiana, in linea con i descrittori forniti dal QCER per il livello A2. Capacità di applicare conoscenza e comprensione Gli studenti saranno in grado di applicare le conoscenze acquisite per comunicare in modo efficace nella realtà culturale italiana. Autonomia di giudizio Gli studenti saranno in grado di formulare ipotesi e valutare in modo autonomo il contenuto linguistico, l’intenzione comunicativa di brevi testi (scritti e orali). Abilità comunicative Gli studenti saranno in grado di parlare con parole semplici di sé; raccontare esperienze personali; di interagire con efficacia nelle situazioni più comuni della vita quotidiana del dominio privato e pubblico. Capacità di apprendimento Gli studenti saranno in grado di applicare le competenze acquisite durante il corso per intraprendere un percorso di “scoperta” dei meccanismi interni che regolano non solo le strutture grammaticali dell’italiano ma anche le norme sociopragmatiche della cultura italiana.

Programma

Il corso mira allo sviluppo della competenza pragmatico-comunicativa, ovvero la capacità di interagire in modo appropriato in base al contesto e allo scopo che si intende raggiungere. Il percorso didattico, in linea con il Quadro comune europeo di riferimento per le lingue, verterà sui seguenti aspetti dell'apprendimento linguistico: • LESSICO: apprendere parole ed espressioni più utili e frequenti relative alle seguenti sfere semantiche: oggetti della classe; lingua della grammatica; attività del tempo libero; famiglia e studi; negozi, prodotti e servizi; la casa; la salute; • COMPRENSIONE ORALE E SCRITTA: comprendere le informazioni specifiche di testi legati agli ambiti della comunicazione quotidiana (ad esempio orari, menù, dépliant, e-mail) • PRODUZIONE ORALE: parlare con parole semplici di sé (famiglia, studi e lavoro) descrivendo routines quotidiane ed esprimendo i propri gusti e desideri; raccontare esperienze personali; • PRODUZIONE SCRITTA: scrivere brevi e semplici messaggi riguardanti bisogni immediati; INTERAZIONE: interagire con efficacia nelle situazioni più comuni della vita quotidiana del dominio privato e pubblico (es. per chiedere informazioni e ottenere beni e servizi). Lessico essenziale: parole ed espressioni relative a casa, famiglia, studi, tempo libero, negozi, salute. Comprensione orale e scritta: individuare informazioni pratiche in testi semplici (orari, menù, dépliant, email). Produzione orale: parlare di sé (famiglia, hobby, routine), gusti, bisogni immediati ed esperienze personali. Produzione scritta: scrivere brevi messaggi per bisogni quotidiani. Interazione: gestire scambi basici nella vita quotidiana privata e pubblica (es. chiedere informazioni o servizi).

Modalità d'esame

Metodi di valutazione La valutazione dell'apprendimento avverrà attraverso una prova scritta e una orale congiunte con votazione in trentesimi ed eventuale lode. Il voto finale sarà quindi determinato dalla media dei punteggi ottenuti nella prova scritta e nella prova orale. La soglia di superamento dell’esame è fissata in 18/30. Le votazioni inferiori a 18 equivarranno ad una valutazione insufficiente dell’apprendimento. Struttura delle prove La prova scritta è composta da 4 sezioni (Ascolto, Comprensione della lettura, Interazione scritta, Produzione scritta). La prova orale consiste nella realizzazione di due dialoghi (role-play). Criteri di valutazione Il risultato finale della prova scritta e della prova dipenderà prevalentemente dalla capacità degli studenti di usare la lingua in modo efficace e appropriato al contesto. Criteri di misurazione L'attribuzione del voto finale è in trentesimi. L'esame si intende superato al raggiungimento della soglia minima fissata in 18/30. Una valutazione insufficiente è determinata dalla mancanza di una conoscenza dei contenuti minimi del corso. I criteri di misurazione sono progressivi e funzionali al diverso raggiungimento delle conoscenze e delle abilità fissate dall'insegnamento e sono così definiti: 18-20: conoscenza elementare dei temi proposti, sufficienti abilità espressive; 21-23: conoscenza corretta ma generica; espressione non sempre appropriata; 24-26: conoscenza abbastanza buona, ma non sempre completa e dettagliata; 27-29: conoscenze molto buone e soddisfacenti; abilità espressive e argomentazione adeguate e ben articolate; 30 e 30 e lode: conoscenze solide, complete e adeguate, applicazione critica all’esposizione di metodi e argomenti, mature e compiute abilità espressive.

Testi di riferimento

Nuovo contatto A2. Corso di lingua e civiltà italiana per stranieri. Libro studente (M. Piantoni, R. Bozzone Costa, C. Ghezzi), 2015, Loescher Editore - Torino

Codice insegnamento 27009462

Machine Learning 2° anno · 2° semestre · 6 CFU · INFO-01/A · 0 file

Il corso ha l’obiettivo di introdurre principi e tecniche di Machine Learning, e di fornire strumenti concettuali e tecnici per lo sviluppo di applicazioni, dallo studio del problema, alla preparazione dei dati, alla…

Scheda dell'insegnamento

Obiettivi formativi

Il corso ha l’obiettivo di introdurre principi e tecniche di Machine Learning, e di fornire strumenti concettuali e tecnici per lo sviluppo di applicazioni, dallo studio del problema, alla preparazione dei dati, alla valutazione dei risultati.
Competenze specifiche:
Lo studente acquisirà familiarità con i principali algoritmi di Machine Learning. Sarà in grado di scegliere l'approccio più adatto a risolvere uno specifico problema, sulla base dei requisiti del problema medesimo. Lo studente sarà inoltre in grado di valutare le prestazioni delle soluzioni realizzate

Programma

Il modulo di Machine Learning offre una introduzione ai principi, agli algoritmi ed alle tecniche per il l'apprendimento automatico.

1) Introduction to Machine Learning
1.1) CRISP-DM Methodology
2) Concept learning and the general-to-specific ordering
3) Entropy
4) Decision Trees
5) Rule learning
6) Naïve Bayes classifiers
7) Ensemble methods
8) Text classification: Maximum Entropy
9) Association rules
10) Clustering - Kmeans
11) Introduction to Neural Networks

Modalità d'esame

Metodi di valutazione dell'apprendimento:
La valutazione si basa (1) su una prova orale mirata a verificare la conoscenza degli aspetti teorici e algoritmici del Machine Learning, e (2) sulla discussione del progetto sviluppato dai vari gruppi.
Nel caso in cui, per motivi di sicurezza sanitaria, l'esame dovesse essere effettuato a distanza saranno adottate le modalità di valutazione riportate qui:
https://informatica.unical.it/onlineexamsguidelines

Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli/delle studenti/studentesse con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo specifico di apprendimento (DSA) certificato ai sensi della legge 170/2010), facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Criteri di Valutazione dell'apprendimento:
La prova orale mira a valutare la comprensione degli argomenti teorici trattati durante il corso.
La discussione del progetto mira a verificare la capacità (a) di analisi delle specifiche e dei requisiti del progetto, (b) di scelta degli algoritmi e delle tecniche più idonee al raggiungimento degli obiettivi, e (c) alla interpretazione dei risultati.

Criteri di misurazione dell'apprendimento ed attribuzione del voto finale:
L'esito massimo della discussione del progetto è 20. La prova è superata se il voto è maggiore o uguale a 13.
Il voto del progetto è la base di partenza per la prova orale, che può arrivare ad aggiungere al più 10 punti.

Testi di riferimento

Libri di testo

  • T.M. Mitchell, Machine Learning, McGraw-Hill, 1997
  • J. Han, M. Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann
  • P.N. Tan, M. Steinbach, V. Kumar, , Introduction to Data Mining, Addison Wesley, 2006

Pagina del Materiale del Corso
https://www.mat.unical.it/informatica/BusinessIntelligenceAndAnalytics

Codice insegnamento 27006941

Mathematics Education I 2° anno · 1° semestre · 6 CFU · MATH-01/B · 0 file

Conoscenza e comprensione Conoscere i principali quadri teorici di ricerca in didattica della matematica. Conoscere la didattica disciplinare come epistemologia dell’apprendimento. Capacità di leggere, comprendere e…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenza e comprensione
Conoscere i principali quadri teorici di ricerca in didattica della matematica.
Conoscere la didattica disciplinare come epistemologia dell’apprendimento.
Capacità di leggere, comprendere e approfondire un argomento della letteratura matematica e mostrare capacità di relazionare in modo scritto e/o orale.
Conoscere e saper utilizzare tecnologie per la didattica della matematica.

Capacità di applicare conoscenza e comprensione
comprendere un testo relativo alla didattica della matematica, sia di carattere istituzionale, sia di ricerca.
inquadrare dal punto di vista storico i riferimenti epistemologici degli argomenti di matematica utili per l'insegnamento.
organizzare scelte didattiche concrete con una chiara individuazione degli aspetti epistemologici della matematica nella scuola secondaria di II grado.
relazionare in merito a strategie didattiche utilizzate per l’apprendimento della matematica.
applicare metodologie della ricerca didattica per la progettazione di percorsi di Matematica per la scuola secondaria di II grado.
utilizzare competenze computazionali e digitali per studiare problematiche matematiche.
Autonomia di giudizio
Capacità di riconoscere dimostrazioni corrette e individuare ragionamenti errati o incompleti, eventualmente correggendoli o completandoli.
capacità di proporre e analizzare modelli matematici associati a problemi di natura interdisciplinare.
Capacità di produrre oggetti didattici testuali o multimediali in autonomia.
Capacità di redigere report di attività didattiche utilizzando materiali in italiano e in inglese.
Capacità di costruire e sviluppare argomentazioni logiche in modo autonomo.
Abilità communicative
Saper argomentare matematicamente traendo conclusioni in modo chiaro e accurato, con formulazioni consone al pubblico cui si rivolgono, sia in forma scritta che orale, in italiano e in inglese.
Saper comunicare idee e metodi sia in forma scritta che orale (in italiano e in inglese) di materiali e attività didattiche agli studenti di scuola secondaria di II grado
Sostenere l’importanza dei risultati raggiunti ed evidenziare le ricadute in ambienti diversificati (scolastici, etc..).
Lavorare in gruppo e in autonomia, anche assumendo responsabilità scientifiche e organizzative.

Capacità di apprendimento
Sapersi aggiornare nel campo della didattica con particolare attenzione a quello della Matematica.
saper gestire situazioni d’aula concrete nel processo di insegnamento-apprendimento della matematica nella scuola secondaria.
utilizzare, gestire, criticare tecnologie didattiche.
usare le conoscenze acquisite per l'elaborazione di materiali didattici efficaci da sperimentare in aula.
avere una mentalità flessibile per inserirsi prontamente in nuovi contesti lavorativi, adattandosi facilmente a nuove problematiche e acquisendo rapidamente le necessarie competenze specifiche.

Programma

Il corso contestualizza il processo di insegnamento-apprendimento della matematica sia dal punto di vista istituzionale sia dal punto di vista della ricerca in didattica della matematica.
La finalità è di far cogliere la complessità e le diverse sfaccettature del suddetto processo, mettendo in evidenza il ruolo dell'insegnante, i nodi concettuali, epistemologici, linguistici e didattici. Inoltre, l'inquadramento teorico avrà lo scopo di fornire delle lenti di lettura degli argomenti disciplinari che verranno approfonditi nei laboratori.

Principali quadri teorici di ricerca in didattica della matematica.
Modelli e prospettive per l’apprendimento della matematica nel XXI secolo.
Modelli di curriculum della matematica nel contesto istituzionale: Indicazioni nazionali.
Metodologie didattiche per l'insegnamento della matematica.
Uso efficace delle tecnologie nella didattica della Matematica.

Modalità d'esame

Prova orale al termine delle lezioni, con votazione in trentesimi ed eventuale lode.
La soglia di superamento dell’esame è fissata in 18/30.

La prova orale consiste nella realizzazione di un progetto didattico a livello di scuola secondaria di II grado da sviluppare e analizzare secondo le metodologie e i riferimenti istituzionali appresi nel corso. Gli argomenti e le modalità di realizzazione verranno chiariti a lezione e pubblicati su Microsoft TEAMS specifico.

La prova orale è strutturata in due parti:
presentazione e discussione in ottica didattica del progetto realizzato.
discussione “disciplinare” e “didattica” su concetti o temi trattati durante il corso. In questa parte verrà valutato il livello di comprensione dei concetti e dei temi trattati nel corso; la capacità dello studente di analizzare tale tema o concetto da un punto di vista didattico, sapendone riconoscere i punti delicati per la comprensione; la capacità dello studente di collocare la trattazione di tale tema o concetto in una prospettiva educativa e culturale ampia e all'interno di un percorso didattico.

Le due parti concorrono in maniera equa alla valutazione complessiva decretando l’esito finale dell’esame in trentesimi.

Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con Decreto Rettorale 01.03.2022, n.370).

Testi di riferimento

Materiali del corso saranno forniti dal docente e caricati su Microsoft TEAMS specifico.

BROUSSEAU G. (1998), «Les obstacles épistémologiques, problèmes et ingénierie didactique», in La théorie des situations didactiques, Guy Brousseau (ed.) pp. 115-160, in: http://hal.archives-ouvertes.fr/docs/00/55/09/74/PDF/Brousseau_1998_obstacles_problemes_et_ingenierie.PDF

CHEVALLARD Y. (1985), La transposition didactique, du
savoir savant au savoir enseigné, La Penseé Sauvage, Grenoble.
FISCHBEIN E., VERGNAUD G. (1992), Matematica a scuola: teorie ed esperienze, D’Amore, B. (a cura di), Pitagora, Bologna.
D'AMORE, B. Elementi di Didattica della matematica, Pitagora Editrice.
FISCHBEIN, E. (1999). Intuitions and schemata in mathematical reasoning. Educational Studies in Mathematics, 38(1), 11-50.

FREUDENTHAL, H. (2012). Mathematics as an educational task. Springer Science & Business Media.

HERSHKOWITZ R., HADAS N., DREYFUS T., SCHWARZ B. (2007). Abstracting processes, from individuals’ constructing of knowledge to a group’s “shared knowledge”. Mathematics Education Research Journal, 19(2), 41-68.

POLYA G. (1983), Come risolvere i problemi di matematica, Feltrinelli, Milano (edizione originale: 1945).
SCHOENFELD A H. (2000). Purposes and methods of research in mathematics education. Notices of the AMS, 47(6), 641-649
SFARD A. (1991), On the dual nature of mathematical conceptions: reflections on processes and objects as different sides of the same coin, Educational Studies in Mathematics, 22, 1-36.
VYGOTSKY, L.S. (1934/1992). Pensiero e linguaggio (tr. It. curata da Mecacci). Laterza.
VILLANI V. (2006). Cominciamo dal punto, Pitagora, Bologna.
CASTELNUOVO E. Didattica della Matematica. La nuova Italia Editrice
Documenti/articoli/ricerche/progetti reperibili nel sito del MIUR, della AIRDM, della CIIM e del G.R.I.M., segnalati dal docente durante il corso.

Codice insegnamento 27008378

Mathematics Education Ii 2° anno · 1° semestre · 6 CFU · MATH-01/B · 0 file

Il Corso ha l’obiettivo di: fornire conoscenze relative ai principali modelli di progettazione didattica e alla funzione strumentale e culturale della matematica; sviluppare competenze relative all’articolazione di…

Scheda dell'insegnamento

Obiettivi formativi

Il Corso ha l’obiettivo di:
fornire conoscenze relative ai principali modelli di progettazione didattica e alla funzione strumentale e culturale della matematica;
sviluppare competenze relative all’articolazione di proposte metodologiche di insegnamento della matematica;
consentire agli studenti di argomentare in maniera critica e riflessiva sui modelli teorici e i quadri di riferimento concettuali proposti, progettando attività e percorsi didattici sia in modo autonomo sia lavorando in gruppo, e di applicare metodologie della ricerca didattica.

CONOSCENZA E COMPRENSIONE
Al termine del corso gli studenti saranno in grado di:
comprendere un testo relativo alla didattica della matematica, sia di carattere istituzionale sia di ricerca;
relazionare in merito a problematiche della didattica;
conoscere e comprendere le principali teorie sull'insegnamento e apprendimento della matematica;
inquadrare dal punto di vista storico i riferimenti epistemologici degli argomenti di matematica utili per l'insegnamento;
conoscere le basi delle principali linee teoriche di ricerca in didattica della matematica.

APPLICARE CONOSCENZA E COMPRENSIONE
Al termine del corso gli studenti saranno in grado di:
progettare attività didattiche, evidenziandone nodi concettuali, obiettivi, prerequisiti, metodologie;
affrontare problematiche di didattica della matematica come la progettazione di percorsi didattici innovativi;
utilizzare le tecnologie per la didattica della matematica per potenziare l'insegnamento e l'apprendimento della disciplina;
progettare attività e percorsi di matematica per le scuole.

AUTONOMIA DI GIUDIZIO
Al termine del corso gli studenti saranno in grado di:
riconoscere dimostrazioni corrette e individuare ragionamenti errati o incompleti, eventualmente correggendoli o completandoli;
redigere articoli divulgativi di competenza ed eventualmente tradurre e commentare testi matematici da altre lingue;
lavorare con autonomia, anche assumendo responsabilità scientifiche e organizzative;
redigere report di attività didattiche utilizzando materiali in italiano e in inglese;
lavorare autonomamente e in gruppo in presenza e a distanza;
produrre oggetti didattici testuali o multimediali in autonomia.

ABILITA' COMUNICATIVE
Al termine del corso gli studenti saranno in grado di:
argomentare matematicamente e trarre conclusioni con chiarezza e accuratezza, con formulazioni consone al pubblico a cui si rivolgono, sia in forma scritta che orale, in italiano e in inglese;
comunicare attività didattiche a un pubblico di studenti di scuola o universitari.

CAPACITA' DI APPRENDIMENTO:
Al termine del corso gli studenti saranno in grado di:
avere una mentalità flessibile e capacità di inserirsi prontamente negli ambienti di lavoro, adattandosi facilmente a nuove problematiche e
acquisendo rapidamente le necessarie competenze specifiche;
adattare le conoscenze di base di didattica della matematica a diversi contesti e situazioni istituzionali o di ricerca.

Programma

Il corso introduce gli studenti alle principali teorie in didattica della matematica e alla progettazione didattica di attività e percorsi, con approcci interdisciplinari e tramite l’uso di software didattici.

Principali teorie in didattica della matematica.
Registri semiotici e loro relazioni.
Dimensione laboratoriale. Laboratorio e competenze del curriculum di matematica nella scuola.
Modelli di progettazione didattica in matematica.
Progettazione e analisi di percorsi didattici per l’insegnamento della matematica.

Modalità d'esame

Prova orale al termine delle lezioni, con votazione in trentesimi ed eventuale lode.
La soglia di superamento dell’esame è fissata in 18/30.
La prova orale prevede una situazione didattica da sviluppare e analizzare secondo le metodologie e i riferimenti istituzionali appresi durante il corso.
Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Testi di riferimento

Slides e materiali forniti dal docente durante il corso.
Chevallard, Y., & Johsua, M. A. (1985). La transposition didactique: du savoir savant au savoir enseigné. La Pensée sauvage.
Duval, R. (1995). Sémiosis et pensée humaine: registres sémiotiques et apprentissages intellectuels. Berne: Peter Lang.
Duval, R. (2006). A cognitive analysis of problems of comprehension in a learning of mathematics. Educational studies in mathematics, 61(1-2),
103-131.
Duval, R. (1999). Representation, Vision and Visualization: Cognitive Functions in Mathematical Thinking. Basic Issues for Learning.
D’Amore B. ((200) Elementi di didattica della matematica. Bologna: Pitagora.
Fabbroni F. (2007) Manuale di didattica generale.
Gadner H. (200) Educare al comprendere, Milano, Feltrinelli UF.
Gagatsis A. (2003). Comprensione e apprendimento in Matematica. Bologna: Pitagora.
Morin E. (2000). I sette saperi necessari all’educazione del futuro. Milano, Raffaello Cortina.
Radford L., Demers S. (2006). Comunicazione e apprendimento. Bologna: Pitagora.
Radford L. (2003). On culture and mind. A post-vygotskian semiotic perspective, with an example from Greek mathematical thought. In:
Anderson M., S6enz-Ludlow A., Zellweper S., Cifarelli V. (Eds.).
Educational perspectives on mathematics as semiosis: From thinking to interpreting to lcnowing. Ottawa: Legas Publishing. 49-79.
Vygotsky L.S.(1978), Mind in society, Harvard University Press, Cambridge, MA.
Articoli di ricerca
http://www.obiettivo2020.org/competenze/bibliografia/

Codice insegnamento 27008379

Modern Physics With Laboratory 2° anno · 1° semestre · 6 CFU · PHYS-03/A · 0 file

Acquisire conoscenze sui fenomeni che hanno portato alla crisi della fisica classica. Sviluppare la capacità di comprensione e la capacità di applicazione di tali conoscenze utilizzando sia la strumentazione di…

Scheda dell'insegnamento

Obiettivi formativi

Acquisire conoscenze sui fenomeni che hanno portato alla crisi della fisica classica. Sviluppare la capacità di comprensione e la capacità di applicazione di tali conoscenze utilizzando sia la strumentazione di laboratorio che simulazioni al computer. Sviluppare autonomia di giudizio interpretando in maniera critica i risultati sperimentali. Sviluppare le abilità di comunicazione interpretando i risultati sperimentali nell’ambito del formalismo della meccanica quantistica. Particolare attenzione si presterà all’abilità di discutere i concetti quantistici in un contesto di scuola secondaria, dove questi argomenti sono stati recentemente introdotti. Sviluppare abilità relazionali e capacità di lavorare in gruppo in un contesto di laboratorio.

Programma

Introduzione alla meccanica quantistica

Lezioni
Meccanica newtoniana ed elettromagnetismo classico. Onde elettromagnetiche. Fenomeni ondulatori: onde stazionarie, interferenza e diffrazione.
Crisi della fisica classica. Dualismo onda-particella. ipotesi di Planck sulla radiazione di corpo nero. Effetto fotoelettrico ed effetto Compton. Spettri atomici e modello di Bohr dell’atomo di idrogeno. Aspetti ondulatori della materia e ipotesi di De Broglie.
La funzione d’onda e l’Equazione di Schrodinger. Interpretazione statistica. Operatori e osservabili. Autofunzioni e autovalori di operatori hermitiani. Principio di indeterminazione
Autovalori dell’energia in problem unidimensionali. Stati stazionari. Particella libera. Buca di potenziale finita e infinita. Oscillatore armonico.
Atomo di idrogeno
Laboratorio
Fenomeni ondulatori, interferenza e diffrazione. Radiazione di corpo nero. Effetto fotoelettrico. Esperimento di Franck-Hertz. Spettri atomici e molecolari. Gli esperimenti di thompson. Diffrazione di elettroni.

Modalità d'esame

La valutazione dell'apprendimento è basata su una prova orale che consiste nella discussione delle relazioni consegnate per ciascuna delle esperienze svolte unitamente ad argomenti del programma teorico. Il voto finale terrà conto delle relazioni di laboratorio e della qualità della prova orale.

Nel caso di erogazione della didattica a distanza, per motivi di sicurezza sanitaria, la modalità di svolgimento delle prove scritta e orale sarà telematica, ulteriori informazioni sono disponibili sul sito personale del docente.

Testi di riferimento

D.J. Griffiths – Introduzione alla meccanica quantistica – casa editrice ambrosiana
R. Eisberg-R. Resnick, Quantum Physics of atoms, molecules, solids and particles, Wiley-Sons

Codice insegnamento 27008389

Numerical Methods For Computer Graphics 2° anno · 1° semestre · 6 CFU · MATH-05/A · 0 file

Il corso fornisce una comprensione teorica di alcuni importanti algoritmi di Computer Aided Geometric Design e esperienza pratica sull'implementazione di questi come codice di computer. Al termine del corso lo studente…

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornisce una comprensione teorica di alcuni importanti algoritmi di Computer Aided Geometric Design e esperienza pratica sull'implementazione di questi come codice di computer. Al termine del corso lo studente dovrà possedere una buona e utile conoscenza dei metodi base del CAGD. Il corso dovrà anche stimolare uno studio indipendente. Inoltre gli studenti saranno invitati a lavorare in gruppo e con ampia autonomia.
Conoscenza e comprensione

  • acquisizione di avanzate conoscenze in Analisi Numerica e delle sue applicazioni
  • acquisizione di approfondite competenze computazionali, comprendenti la conoscenza del software Matlab
  • capacità di organizzare e di sviluppare argomenti di Analisi Numerica con una chiara individuazione degli aspetti epistemologici;
  • capacità di leggere e comprendere testi anche avanzati di Analisi Numerica ed articoli di ricerca e di esporne il contenuto di fronte ad un uditorio esperto.

Capacità di applicare conoscenza e comprensione

  • capacità di comprendere enunciati scritti in linguaggio matematico;
  • capacità di produrre dimostrazioni rigorose anche di risultati originali;
  • capacità di utilizzare il metodo scientifico di indagine, in particolare per la costruzione di modelli matematici e per la loro verifica;
  • capacità di risolvere problemi di elevata difficoltà in Analisi Numerica, individuando in modo autonomo gli strumenti necessari ad affrontarli;
  • capacità di svolgere compiti tecnici e professionali definiti, come supporto modellistico-matematico, algoritmico e computazionale ad attività dell'industria, della finanza, dei servizi e della pubblica amministrazione, oppure nel campo dell'apprendimento-insegnamento della matematica o della diffusione della cultura scientifica;
  • capacità di utilizzare il linguaggio di programmazione Matlab, come ausilio alla soluzione di problemi matematici sia di tipo teorico che applicativo;
  • capacità di sintetizzare ed esporre in modo chiaro argomenti di Analisi Numerica anche di elevata difficoltà.

Autonomia di giudizio

  • capacità di proporre e analizzare modelli matematici associati a problemi, anche di elevata complessità, che hanno origine in altre discipline;
  • capacità di costruire e sviluppare complesse argomentazioni logiche in modo autonomo;
  • capacità di lavorare in gruppo e con ampia autonomia, anche assumendo responsabilità scientifiche e organizzative.

Abilità comunicative

  • capacità di comunicare problemi, idee e metodi della matematica, anche avanzata, di fronte ad un pubblico specializzato, sia nella propria lingua che in lingua inglese;
  • capacità di contribuire alla diffusione della cultura matematica presso il grande pubblico per mezzo di attività di divulgazione

Capacità di apprendimento

  • capacità di iniziare attività di ricerca con un buon grado di autonomia in Analisi Numerica;
  • capacità di avere una mentalità flessibile e una capacità di inserirsi prontamente negli ambienti di lavoro, adattandosi facilmente a nuove problematiche, acquisendo facilmente competenze specifiche e dimostrando anche capacità manageriali.

Programma

La Grafica Computerizzata è impiegata in diversi settori del mondo reale quali l’ingegneria, l’architettura ed il design industriale. Per generare modelli realistici di oggetti si utilizzano rappresentazioni che realizzino accuratamente le peculiari caratteristiche degli oggetti stessi. Alla base di tali rappresentazioni vi sono metodi che permettono di descrivere un oggetto mediante opportune curve o superfici. Il corso si propone di far acquisire agli studenti conoscenze e competenze sui metodi numerici di base finalizzati alla costruzione di curve e superfici in forma parametrica e impiegati nel CAGD

I La Base di Bernstein. Il Teorema di Weierstrass. Proprietà della forma di Bernstein. Il Poligono di Controllo, Trasformazioni del Dominio. Operazioni di Grado. Algoritmo di De Casteljau. Operazioni Aritmetiche. Calcolo delle Radici in (0,1). II. Curve e Superfici di Bezier. Confinamento dell’Inviluppo convesso. Proprietà di Variazione diminuente. Elevazione del Grado. Algoritmo di de Casteljau. Curve di Bezier Odografe. Curve di Bezier Razionali. Coniche come Curve di Bezier. Patch di Superficie prodotto-tensore. Patch di Superficie triangolari. III Curve Spline Cubiche C^2. Funzioni Spline Cubiche C^2 (riepilogo). Curve Spline Cubiche C^2. Scelta della Sequenza dei Nodi. Continuità Parametrica o Geometrica. Interpolazione di Hermite Geometrica. Splines Elastiche o “Non-lineari”. IV Funzioni di Base Spline. Basi per Funzioni Spline. La Base Cardinale. Costruzione della Base Cardinale. Funzioni Spline Bivariate. Superfici Spline Prodotto-tensore. La Base B-spline. Il Vettore dei Nodi. Algoritmo di Cox-de Boor. Superfici B-spline prodotto tensore. Curve e Superfici B-spline razionali. Comparazione delle forme di Bezier e B-spline. Conversione di Basi di Spline. Dalla forma Cardinale alla B-spline. Matrice di Conversione di base.

Modalità d'esame

Esame orale a carattere seminariale. Gli studenti saranno invitati a tenere seminari su argomenti correlati a quelli trattati durante le lezioni e a conferire oralmente su argomenti teorici inclusi nel programma. Il voto d’esame è espresso in trentesimi. Per superare l'esame è necessario conseguire una votazione pari a 18/30. La lode è attribuita nel caso in cui lo studente dimostri completa padronanza dei temi affrontati e profonda chiarezza espositiva. Durante la prova lo studente dovrà essere in grado di dimostrare: - di avere acquisito e compreso appieno le conoscenze teoriche e metodologiche relative alla soluzione numerica di problemi differenziali; - di saper applicare le conoscenze acquisite alla risoluzione di problem pratici; - di aver acquisito una visione critica degli argomenti affrontati durante il corso; - di saper usare un linguaggio formale e rigoroso.
Le modalità d'esame saranno inoltre adeguate alle particolari esigenze delle/degli studentesse/studenti con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo Specifico di Apprendimento (DSA) certificato ai sensi della legge 170/2010, facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Appelli d'esame:
https://corsi.unical.it/lt-lmcu/matematica/calendariodegli-esami/

Testi di riferimento

Rida T. Farouki, Pythagorean-Hodograph Curves, Springer 2008.
Josef Hoschek, Dieter Lasser, Fundamentals of Computer Aided Geometric Design, A K Peters, 1993

Codice insegnamento 27008380

Numerical Methods For Odes 2° anno · 2° semestre · 6 CFU · MATH-05/A · 0 file

L’obiettivo del corso è quello di sviluppare la capacità di affrontare e risolvere i problemi di calcolo scientifico riconducibili alle tematiche oggetto di studio. Al termine del corso lo studente sarà inoltre in…

Scheda dell'insegnamento

Obiettivi formativi

L’obiettivo del corso è quello di sviluppare la capacità di affrontare e risolvere i problemi di calcolo scientifico riconducibili alle tematiche oggetto di studio. Al termine del corso lo studente sarà inoltre in grado di trattare dei casi di studio attraverso la costruzione di algoritmi e l’implementazione in Matlab, e di analizzare criticamente i risultati ottenuti.

Conoscenza e comprensione

  • acquisizione di avanzate conoscenze in Analisi Numerica e nelle sue applicazioni;
  • acquisizione di approfondite competenze computazionali, comprendenti la conoscenza del software Matlab.

Capacità di applicare conoscenza e comprensione

  • capacità di produrre dimostrazioni rigorose anche di risultati originali;
  • capacità di utilizzare il metodo scientifico di indagine, in particolare per la costruzione di modelli matematici e per la loro verifica;
  • capacità di utilizzare il linguaggio di programmazione Matlab, come ausilio alla soluzione di problemi matematici sia di tipo teorico che applicativo;
  • capacità di sintetizzare ed esporre in modo chiaro argomenti di Analisi Numerica anche di elevata difficoltà.

Autonomia di giudizio

  • capacità di proporre e analizzare modelli matematici associati a problemi, anche di elevata complessità, che hanno origine in altre discipline;
  • capacità di costruire e sviluppare complesse argomentazioni logiche in modo autonomo. Abilità comunicative
  • capacità di comunicare problemi, idee e metodi della matematica, anche avanzata;

Capacità di apprendimento

  • capacità di iniziare attività di ricerca con un buon grado di autonomia in Analisi Numerica;
  • capacità di avere una mentalità flessibile e una capacità di inserirsi prontamente negli ambienti di lavoro, adattandosi facilmente a nuove problematiche, acquisendo facilmente competenze specifiche e dimostrando anche capacità manageriali.

Programma

Costruzione e analisi di metodi numerici per la soluzioni di equazioni differenziali con condizioni iniziali e al bordo

1. Richiami sui metodi discreti per la soluzione di IVPs e BVPs
1.1 Metodi ad un passo e a più passi per problemi ai valori iniziali
1.2 Consistenza, convergenza e stabilità
1.3 Metodi impliciti e problema della stiffness, A-stabilità, L-stabilità
1.4 Metodo di shooting
1.5 Metodo alle differenze
2. Metodi Spettrali
3. Metodi di collocazione per integrazione per IVPs e BVPs
4. Metodi di collocazione per differenziazione per IVPs e BVPs
5. Metodi di collocazione per integrazione per equazioni differenziali di ordine maggiore di 1 e per sistemi di equazioni differenziali
6. Metodi di collocazione per differenziazione per equazioni differenziali di ordine maggiore di 1 e per sistemi di equazioni differenziali

Modalità d'esame

La valutazione avviene attraverso una prova orale. Il voto finale è in trentesimi. Per superare l'esame è necessario conseguire una votazione pari a 18/30. La lode è attribuita nel caso in cui lo studente dimostri completa padronanza dei temi affrontati e profonda chiarezza espositiva. Durante la prova lo studente dovrà essere in grado di dimostrare: - di avere acquisito e compreso appieno le conoscenze teoriche e metodologiche relative alla soluzione numerica di problemi differenziali; - di saper applicare le conoscenze acquisite alla risoluzione di problemi pratici; - di aver acquisito una visione critica degli argomenti affrontati durante il corso; - di saper usare un linguaggio formale e rigoroso.

Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370)

Testi di riferimento

Testi di riferimento ed eventuali letture consigliate
Dispense fornite dal docente.
I testi indicati sotto (in ordine alfabetico) sono alcuni tra i testi di riferimento consigliati:

  • U.M. Ascher, L.R. Petzold, Computer Methods for Ordinary Differential Equations and Differential-Algebraic Equations, SIAM, 1998.
  • E. Hairer, S. P. Norsett, G. Wanner, Solving ordinary differential equations, Second Edition (2 vols.), Springer-Verlag, 2008
  • L. N. Trefethen, Finite Difference and Spectral Methods
    for Ordinary and Partial Differential Equations, https://people.maths.ox.ac.uk/trefethen/pdetext.html
  • A. Quarteroni, R. Sacco, F. Saleri, Matematica Numerica, Second Edition, Springer-Verlag Italia, Milano, 2000.

Codice insegnamento 27008396

Odes And Applications 2° anno · 2° semestre · 6 CFU · MATH-03/A · 0 file

Acquisire conoscenze di base delle equazioni differenziali ordinarie. Sviluppare la capacità di applicazione di tali conoscenze per risolvere problemi tipici dell’Analisi Matematica e le sue applicazioni. Sviluppare…

Scheda dell'insegnamento

Obiettivi formativi

Acquisire conoscenze di base delle equazioni differenziali ordinarie. Sviluppare la capacità di applicazione di tali conoscenze per risolvere problemi tipici dell’Analisi Matematica e le sue applicazioni. Sviluppare capacità di apprendimento necessarie per intraprendere studi successivi con un buon grado di autonomia.

Programma

Aspetti teorici delle equazioni differenziali ordinarie e le loro applicazioni al mondo reale.

Equazioni differenziali ordinarie del primo ordine.
Equazioni differenziali ordinarie lineari del secondo ordine.
Sistemi di equazioni differenziali ordinarie.
Teoria qualitativa delle equazioni differenziali ordinarie.
Problemi al contorno di Sturm-Liouville.
Applicazione delle equazioni differenziali ordinarie a fenomeni nel mondo reale.

Modalità d'esame

La valutazione dell'apprendimento è basata su un colloquio orale. La prova orale consiste nell’esposizione di un argomento sorteggiato dallo studente. L'elenco degli argomenti che possono essere sorteggiati all'orale è disponibile sul sito personale del docente. Il voto finale è espresso in trentesimi, terrà conto della qualità della prova orale ed è assegnato al termine del colloquio.

Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Testi di riferimento

C. D. Pagani e S. Salsa, Analisi Matematica vol. 2, Masson, (1993);
M. Braun, Differential Equations and Their Applications: An Introduction to Applied
Mathematics (Texts in Applied Mathematics, Vol. 11), Springer (1992).

Codice insegnamento 27009187

Operational Research 2° anno · 1° semestre · 6 CFU · MATH-06/A · 0 file
Physics Education 2° anno · 2° semestre · 6 CFU · PHYS-06/B · 0 file

L’insegnamento mira a promuovere negli studenti la conoscenza, la comprensione e la capacità di applicare in contesto didattico – con particolare riferimento alla scuola secondaria di secondo grado – (del)le seguenti…

Scheda dell'insegnamento

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

Obiettivi formativi

L’insegnamento mira a promuovere negli studenti la conoscenza, la comprensione e la capacità di applicare in contesto didattico – con particolare riferimento alla scuola secondaria di secondo grado – (del)le seguenti tematiche: (a) principali risultati ottenuti dalla ricerca in didattica della fisica, in riferimento ai nodi concettuali, epistemologici, linguistici e didattici nel processo di insegnamento/apprendimento della fisica; (b) strumenti e metodi per l'insegnamento validati dalla ricerca in didattica della fisica e in storia della fisica, anche in riferimento al ruolo dell’insegnante e alle scelte didattiche che può operare; (c) fondamenti didattici e metodologici dell’impiego delle tecnologie didattiche nel superamento dei principali problemi di apprendimento evidenziati dalla ricerca didattica; (c) metodi per il monitoraggio e l’analisi dei processi di insegnamento/apprendimento della fisica.

Programma

  • Ruolo della Ricerca in Didattica della Fisica (PER) e utilizzo delle fonti bibliografiche (anche primarie) nella progettazione didattica. - Metodologie per l’insegnamento/apprendimento delle scienze empiriche, con particolare riferimento alle metodologie per l’apprendimento attivo. Inquiry Based Science Education (IBSE). - Pre-conoscenze dei discenti (schemi di ragionamento, idee innate/alternative) e loro ruolo nel processo di insegnamento/apprendimento. - La valutazione e le sue differenti finalità (per l’apprendimento, dell’apprendimento). - Progettazione e realizzazione di percorsi di apprendimento laboratoriali. - Didattica a distanza, tecnologie didattiche e “laboratorio virtuale”. -Didattica della meccanica quantistica L’insegnamento mira a promuovere negli studenti la conoscenza, la comprensione e la capacità di applicare in contesto didattico – con particolare riferimento alla scuola secondaria di secondo grado – (del)le seguenti tematiche: (a) principali risultati ottenuti dalla ricerca in didattica della fisica, in riferimento ai nodi concettuali, epistemologici, linguistici e didattici nel processo di insegnamento/apprendimento della fisica; (b) strumenti e metodi per l'insegnamento validati dalla ricerca in didattica della fisica e in storia della fisica, anche in riferimento al ruolo dell’insegnante e alle scelte didattiche che può operare; (c) fondamenti didattici e metodologici dell’impiego delle tecnologie didattiche nel superamento dei principali problemi di apprendimento evidenziati dalla ricerca didattica; (c) metodi per il monitoraggio e l’analisi dei processi di insegnamento/apprendimento della fisica

Modalità d'esame

La valutazione degli apprendimenti verrà svolta in maniera diacronica durante l’intero corso con la produzione e presentazione in aula, da parte degli studenti, di elaborati su tematiche via via proposte dal docente. È previsto inoltre un colloquio finale durante il quale la/il candidata/o discuterà le unità didattiche relative alle attività di laboratorio svolte. Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Testi di riferimento

Durante le lezioni verranno forniti in formato digitale materiali didattici di vario genere: articoli su rivista, dispense, indicazione di risorse disponibili in rete.

Codice insegnamento 27008399

Probability And Stochastic Processes 2° anno · 1° semestre · 6 CFU · MATH-03/B · 0 file

Il corso si propone di far acquisire allo studente alcune nozioni di base della teoria dei processi stocastici, in particolare il calcolo stocastico elementare, di mostrarne le applicazioni, in particolare alla finanza…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di far acquisire allo studente alcune nozioni di base della teoria dei processi stocastici, in particolare il calcolo stocastico elementare, di mostrarne le applicazioni, in particolare alla finanza quantitativa. Nello specifico:

  • Conoscenza e capacità di comprensione
  • acquisizione di avanzate conoscenze della materia, che riguardano sia la matematica pura che quella relativa alle applicazioni;
  • capacità di astrazione e duttilità nell'usare il linguaggio formale.
  • Capacità di applicare conoscenza e comprensione
  • capacità di comprendere enunciati scritti in linguaggio matematico;
  • capacità di produrre dimostrazioni rigorose anche di risultati originali;
  • capacità di utilizzare il metodo scientifico di indagine, in particolare per la costruzione di modelli matematici e per la loro verifica;
  • capacità di estrarre informazioni qualitative dai dati quantitativi;
  • capacità di produrre l'analisi dei dati di uno studio scientifico;
  • capacità di svolgere compiti tecnici e professionali definiti, come supporto modellistico-matematico, algoritmico e computazionale ad attività dell'industria, della finanza, dei servizi e della pubblica amministrazione, oppure nel campo dell'apprendimento-insegnamento della matematica o della diffusione della cultura scientifica;
  • capacità di sintetizzare ed esporre in modo chiaro argomenti di matematica anche di elevata difficoltà.
  • Autonomia di giudizio
  • capacità di affrontare problemi matematici, anche di elevata complessità, individuando in modo autonomo gli strumenti teorici più appropriati per la loro soluzione;
  • capacità di proporre e analizzare modelli matematici associati a problemi, anche di elevata complessità, che hanno origine in altre discipline;
  • capacità di costruire e sviluppare complesse argomentazioni logiche in modo autonomo.
  • Abilità comunicative
  • capacità di comunicare problemi, idee e metodi della matematica, anche avanzata, di fronte ad un pubblico specializzato, sia nella propria lingua che in lingua inglese.
  • Capacità di apprendimento
  • capacità di iniziare attività di ricerca con un buon grado di autonomia in campi specializzati della Matematica e di altre discipline;
  • capacità di avere una mentalità flessibile e una capacità di inserirsi prontamente negli ambienti di lavoro, adattandosi facilmente a nuove problematiche, acquisendo facilmente competenze specifiche e dimostrando anche capacità manageriali.

Programma

Introduzione alla teoria dei processi stocastici e delle sue applicazioni, con particolare enfasi verso il calcolo stocastico elementare ad alle sue applicazioni alla finanza quantitativa.

  • Revisione delle nozioni fondamentali della teoria della misura e del calcolo delle probabilità
  • spazi di probabilità, funzione di distribuzione di una variabile aleatoria e di un vettore aleatorio (v.a.)
  • disuguaglianza di Markov-Chebichev generalizzata
  • attesa condizionata e probabilità condizionata rispetto ad una sigma- algebra
  • attesa condizionata rispetto ad una v.a.
  • correlazione tra eventi
  • versione regolare di una probabilità condizionata
  • attesa condizionata come operatore di proiezione nello spazio di Hilbert delle funzioni a quadrato sommabile.
  • Successioni di variabili aleatorie
  • convergenza quasi certa
  • convergenza in probabilità
  • convergenza in media di ordine p, p>0
  • convergenza in distribuzione (o in legge, o convergenza debole di una successione di misure di probabilità)
  • relazioni tra le varie nozioni di convergenza di v.a.
  • successioni uniformemete integrabili
  • lemma di Borel-Cantelli
  • Funzione caratteristica di una v.a.
  • definizione e proprietà della funzione caratteristica di una v.a.
  • teorema di unicità
  • formula d'inversione
  • relazione tra convergenza in distribuzione di una successione di variabili aleatorie e convergenza puntuale della successione associata delle funzioni caratteristiche, teorema di continuità.
  • legge debole dei grandi numeri per v.a.i.i.d.
  • teorema del limite centrale per v.a.i.i.d.

** Leggi gaussiane

  • Legge gaussiana di una v.a.: definizione e proprietà
  • Legge gaussiana di un v.a. n-dimensionale: definizione e proprietà

*** Martingale a tempo discreto

  • tempi d'arresto
  • martingala arrestata
  • trasformata Martingala
  • decomposizione di Doob-Meyer
  • L^2-martingale
  • L^1-martingale e martingale regolari

**** Processo di Wiener

  • proprietà della misura di Wiener
  • processi autosimili
  • continuità e non differenziabilità delle traiettorie del moto browniano
  • ponte browniano in [0,1]
  • moto browniano condizionato a due valori dati a due (distinti) istanti di tempo
  • moto browniano con drift
  • moto browniano geometrico

***** Introduzione all'analisi stocastica

  • integrale stocastico di Wiener
  • integrale stocastico di Ito
  • integrale stocastico di (Fisk-)Stratonovich
  • equazioni differenziali stocastiche di Ito lineari
  • caso con rumore additivo
  • caso con rumore moltiplicativo
  • caso generale
  • teorema di esistenza e unicità
  • formula di Black-Scholes per il prezzaggio di un opzione europea

***** Introduzione ai processi di diffusione unidimensionali

  • Proprietà di Markov di una diffusione di Itô
  • Proprietà di semigruppo della probabilità di transizione di una diffusione di Itô
  • Generatore di una diffusione di Itô
  • Equazione di Kolmogorov backward
  • Equazione di Kolmogorov forward e misura stazionaria

Modalità d'esame

Prova scritta e orale. Valutazione in trentesimi.
Le prove che concorrono alla valutazione dell'apprendimento sono due
(2) : una scritta ed una orale.
Il superamento della prova scritta è condizione necessaria all'ammissione alla prova orale.
La prova scritta consta di un elaborato composto da tre (3) quesiti ciascuno corrispondente circa ad un terzo (1/3) del programma dell'insegnamento svolto.
Ciascun quesito è ulteriormente suddiviso in due (2) parti.
Nella prima si richiede di esporre per iscritto uno degli argomenti in cui è suddiviso il programma del corso riproducendo se possibile anche le dimostrazioni dei risultati citati, nonché soprattutto esempi e
applicazioni.
Nella seconda parte del quesito si chiede di risolvere un esercizio.
Per superare la prova scritta è necessario rispondere correttamente ad almeno due (2) dei tre (3) quesiti proposti.
Il tempo a disposizione per completare la prova è tre (3) ore.
Il punteggio minimo da raggiungere per il superamento della prova è diciotto trentesimi (18/30).
La prova orale verte nella discussine dell'elaborato scritto in particolar modo si richiede di rispondere al quesito non trattato nell'elaborato stesso o comunque si concentra sulla parte del programma non interessata dalla prova scritta.
Al termine della prova orale viene attribuito un voto espresso in trentesimi compreso tra diciotto trentesimi (18/30) e trenta trentesimi (30/30) e lode.
Nel caso in cui l’insegnamento dovesse essere erogato in modalità a distanza per motivi di sicurezza sanitaria, la prova d'esame, della durata di 45 minuti consisterà in un orale da sostenere online durante il quale si richiederà ai candidati anche di risolvere contestualmente degli esercizi.
Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370)

Testi di riferimento

  • Appunti del corso forniti dal docente reperibili alla url
    https://www.mat.unical.it/~gianfelice/didattica/P&PS/appti_P&PS.pdf
  • Da Prato Giuseppe Introduction to Stochastic Analysis and Malliavin Calculus Scuola Normale Superiore di Pisa - Collana Appunti 2007
  • Mikosch Thomas Elementary Stochastic Calculus with Finance in view World Scientific 1998

Codice insegnamento 27008381

Reaction-Diffusion Models For Real World Problems 2° anno · 1° semestre · 6 CFU · MATH-04/A · 0 file

Saper usare i procedimenti logico-deduttivi tipici delle discipline matematiche per costruire ed analizzare modelli di dinamica delle popolazioni di specie biologiche. Saper utilizzare le principali tecniche standard per…

Scheda dell'insegnamento

Obiettivi formativi

Saper usare i procedimenti logico-deduttivi tipici delle discipline matematiche per costruire ed analizzare modelli di dinamica delle popolazioni di specie biologiche. Saper utilizzare le principali tecniche standard per l’analisi di modelli con dispersione diffusiva. Saper cogliere le affinità di questi modelli con le equazioni differenziali della fisica-matematica

Programma

Il corso tratta le equazioni di reazione-diffusione sia come equazioni differenziali alle derivate parziali che presentano interessanti fenomeni matematici, sia come modelli matematici che hanno applicazioni in biologia, nelle scienze della vita, in chimica, nella dinamica delle popolazioni. Si introducono alcune idee fondamentali della teoria dell’esistenza di soluzioni e si mostrano alcune tecniche di analisi qualitativa e di studio del comportamento asintotico delle soluzioni di alcuni dei modelli presentati.

Problema di Sturm Liouville
Autovalori ed autofunzioni, Funzione di Green per il problema di Sturm-Liouville, Condizioni per l’esistenza e determinazione della funzione di Green, Studio dello spettro dell’operatore risolvente, Esempi dalla Fisica.

Equazione del calore
Problemi al contorno per l’equazione del calore, Principio di massimo debole ed unicità della soluzione per domini limitati, Soluzione fondamentale su tutta la linea reale, Problema di Cauchy globale in assenza ed in presenza di sorgente, Esistenza ed unità nella classe di funzioni di Tychonov

Equazioni di reazione-diffusione
Principio di massimo debole, Confronto di soluzioni, Teorema di esistenza, Modelli di reazione-diffusione per una specie biologica, l’equazione FKPP, Comportamento asintotico delle soluzioni, Soluzioni d’onda viaggiante, Forma asintotica delle onde viaggianti, Stabilità delle soluzioni d’onda.

Sistemi di equazioni di reazione-diffusione
Sistemi conservativi, Sistema di Lotka-Volterra, Onde nei sistemi di reazione e diffusione, La diffusione della rabbia, Onde di inseguimento e fuga nei sistemi preda-predatore.

Formazione di pattern spaziali
Meccanismi di Turing, Analisi di stabilità lineare, Iniziazione di pattern, Formazione di pattern, Formazione di pattern in domini mobili, Non esistenza di pattern spaziali per sistemi di equazioni di reazione-diffusione.

Modalità d'esame

La valutazione del raggiungimento degli obiettivi prefissati avverrà mediante una prova orale. La prova consiste in tre domande relative agli argomenti sviluppati nel corso, con lo scopo di accertare la comprensione critica dei contenuti del corso. La votazione è in trentesimi.
Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370)'.

Testi di riferimento

[AlG08] M.A. Al Gwaiz, Sturm-Liouville theory and its applications,
Springer-Verlag London (2008)
[LN16] Appunti del corso, Microsoft Teams, Team Fisica Matematica Avanzata II, codice mkciffo.
[JH09] J. Hunter, Lecture notes (2009) https://www.math.ucdavis.edu/~hunter/m280_09/applied_math.html
[LE97] L.C. Evans, Partial Differential equations, American Mathematical Society (1997)
[JM03]J.D. Murray, Mathematical Biology, vol. II, Springer (2003)
[Kut11] Reaction-Diffusion equations with applications, C. Kuttler, http://www-m6.ma.tum.de/
~kuttler/script_reaktdiff.pdf
[Sa10] Equazioni a derivate parziali, Metodi, modelli e applicazioni, II edizione, Springer 2010.

Codice insegnamento 27008382

Spanish Language 2° anno · 1° semestre · 6 CFU · SPAN-01/C · 0 file
Statistical Models 2° anno · 1° semestre · 6 CFU · STAT-01/A · 0 file

Il corso si propone di fornire gli strumenti necessari per la costruzione di modelli statistici per l’analisi di dati quantitativi, usualmente utilizzati nelle scienze economiche e sociali. In particolare, verranno…

Scheda dell'insegnamento

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

Obiettivi formativi

Il corso si propone di fornire gli strumenti necessari per la costruzione di modelli statistici per l’analisi di dati quantitativi, usualmente utilizzati nelle scienze economiche e sociali. In particolare, verranno trattati i modelli di regressione multipla, le tecniche di selezione automatica dei regressori, le tecniche di individuazione delle violazioni delle ipotesi fondamentali (multicollinearità, eteroschedasticità e correlazione) con le relative possibili soluzioni e le tecniche di regolarizzazione, i modelli per l’analisi del reddito e della ricchezza, i modelli per dati di durata di fenomeni economici con tecniche di regolarizzazione e selezione e i modelli di regressione con risposta nell’intervallo continuo (0,1) e sue estensioni. Competenze specifiche: competenze teoriche per la scelta del modello statistico più opportuno per l’analisi di un set di dati reali. Durante il corso, gli aspetti teorici dei modelli sono seguiti da esempi tratti dal mondo reale in modo tale da consentire l’apprendimento della filosofia di fondo e le strategie che guidano uno Statistico nella scelta del modello statistico da utilizzare. Competenze trasversali: fornire la possibilità di interagire in un gruppo aula e con il docente per individuare le risposte più appropriate ai quesiti posti dal mondo reale.

Programma

Violazione delle ipotesi fondamentali in un modello lineare; tecniche di selezione e regolarizzazione; modelli statistici per l’analisi del reddito e della povertà; modelli di durata per l’analisi dei fenomeni economici e sociali; la regressione Beta e sue estensioni.

Codice insegnamento 27008392

Training 2° anno · 3 CFU · 0 file
Advanced Financial Mathematical 1° semestre · 6 CFU · SECS-S/06 · 0 file
Introduction To Algebraic Geometry 2° semestre · 6 CFU · MAT/03 · 0 file
Introduction To Differential Geometry 2° semestre · 12 CFU · MAT/03 · 0 file
Introduction To Earth Sciences 1° semestre · 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.