Corso di laurea

MATEMATICA

Università del SALENTO · 56 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

ALGORITMI E COMPLESSITA' COMPUTAZIONALE 1° anno · 6 CFU · INFO-01/A · 0 file

Al termine del corso, lo studente: -sarà in grado di definire le direzioni principali per affrontare un dato problema computazionale, sia di interesse teorico che pratico; -con le capacità di problem solving acquisite,…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente:
-sarà in grado di definire le direzioni principali per affrontare un dato problema computazionale, sia di interesse teorico che pratico; -con le capacità di problem solving acquisite, saprà applicare autonomamente, in modo versatile e con rigore, le tecniche algoritmiche apprese; -quando necessario o preferibile, sarà in grado di esplorare e approfondire nuovi approcci algoritmici, al di là di quelli studiati durante il corso.

Programma

Il corso approfondisce la teoria e la progettazione degli algoritmi, con un particolare focus sugli algoritmi per grafi (o reti). In parallelo, fornisce una rigorosa introduzione alle classi di complessità computazionale (come P, NP e le sottoclassi dei problemi NP-completi), strumenti fondamentali per classificare i problemi computazionali in base alla loro difficoltà.
Successivamente, si studieranno gli algoritmi di approssimazione, impiegati per ottenere soluzioni sub-ottimali a problemi di ottimizzazione computazionalmente complessi, e gli algoritmi randomizzati, che utilizzano scelte casuali per migliorare la qualità delle soluzioni o ridurre i tempi di calcolo.

Approfondimenti di analisi e progettazione di algoritmi
Strutture dati elementari: array (richiami), liste concatenate semplici (richiami) e doppiamente concatenate, pile e code.
Analisi ammortizzata e applicazioni alle tabelle dinamiche.
Heap, code di priorità e applicazioni.
Paradigma degli algoritmi greedy e applicazioni.
Matroidi e algoritmo greedy per matroidi pesati.
Algoritmi su grafi
Grafi: definizioni, proprietà e rappresentazioni.
Visita in ampiezza (Breadth-First Search) e applicazioni.
Visita in profondità (Depth-First Search), ordinamento topologico e componenti fortemente connesse.
Problema dei cammini minimi a sorgente singola: algoritmo di Bellman-Ford, algoritmo di Dijkstra e relative applicazioni.
Problema dei cammini minimi tra tutte le coppie di vertici: algoritmi basati sulla moltiplicazione di matrici e algoritmo di Floyd-Warshall.
Strutture dati Union-Find (insiemi disgiunti).
Alberi ricoprenti minimi: algoritmi di Kruskal e Prim.
Problema del Massimo Flusso e Algoritmo di Ford-Fulkerson (cenni).
Teoria della complessità computazionale
Classi di complessità P, NP e co-NP.
Problemi NP-completi.
Riduzioni polinomiali e dimostrazioni di NP-completezza.
Cenni ad altre classi di complessità: PSPACE ed EXPTIME.
Algoritmi di approssimazione e tecniche di randomizzazione
Algoritmi di approssimazione: definizioni, rapporto di approssimazione ed esempi. Algoritmo di 2-approssimazione per MIN-VERTEX-COVER.
Tecnica del LP-rounding e applicazione al problema MIN-WEIGHTED-VERTEX-COVER.
Algoritmo greedy per il problema MIN-WEIGHTED-SET-COVER.
Randomizzazione negli algoritmi: algoritmi di approssimazione randomizzati, analisi probabilistica, esempi e applicazioni (ad es. MAX-SAT e MAX-CUT).
Cenni su altre tecniche di approssimazione: ricerca locale, FPTAS.

Modalità d'esame

Prova orale finalizzata ad accertare la comprensione e la padronanza degli argomenti trattati nel corso.

Testi di riferimento

Testo principale
Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford Stein, Livio Colussi, Achille Frigeri, Introduzione agli algoritmi e strutture dati (4ª ed.), McGraw-Hill, 2023.
Testi di approfondimento
Jon Kleinberg, Éva Tardos, Algorithm Design , Pearson, 2013.
David P. Williamson, David B. Shmoys, The Design of Approximation Algorithms , Cambridge University Press, 2011.
Vijay V. Vazirani, Approximation algorithmsm Springer 2001.
Ulteriore materiale didattico sarà reso disponibile sulla piattaforma di e-learning dell'insegnamento e/o indicato dal docente durante il corso.

Codice insegnamento 217918

ALGORITMI E COMPLESSITA' COMPUTAZIONALE 1° anno · 6 CFU · INFO-01/A · 0 file

Al termine del corso, lo studente: -sarà in grado di definire le direzioni principali per affrontare un dato problema computazionale, sia di interesse teorico che pratico; -con le capacità di problem solving acquisite,…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente:
-sarà in grado di definire le direzioni principali per affrontare un dato problema computazionale, sia di interesse teorico che pratico; -con le capacità di problem solving acquisite, saprà applicare autonomamente, in modo versatile e con rigore, le tecniche algoritmiche apprese; -quando necessario o preferibile, sarà in grado di esplorare e approfondire nuovi approcci algoritmici, al di là di quelli studiati durante il corso.

Programma

Il corso approfondisce la teoria e la progettazione degli algoritmi, con un particolare focus sugli algoritmi per grafi (o reti). In parallelo, fornisce una rigorosa introduzione alle classi di complessità computazionale (come P, NP e le sottoclassi dei problemi NP-completi), strumenti fondamentali per classificare i problemi computazionali in base alla loro difficoltà.
Successivamente, si studieranno gli algoritmi di approssimazione, impiegati per ottenere soluzioni sub-ottimali a problemi di ottimizzazione computazionalmente complessi, e gli algoritmi randomizzati, che utilizzano scelte casuali per migliorare la qualità delle soluzioni o ridurre i tempi di calcolo.

Approfondimenti di analisi e progettazione di algoritmi
Strutture dati elementari: array (richiami), liste concatenate semplici (richiami) e doppiamente concatenate, pile e code.
Analisi ammortizzata e applicazioni alle tabelle dinamiche.
Heap, code di priorità e applicazioni.
Paradigma degli algoritmi greedy e applicazioni.
Matroidi e algoritmo greedy per matroidi pesati.
Algoritmi su grafi
Grafi: definizioni, proprietà e rappresentazioni.
Visita in ampiezza (Breadth-First Search) e applicazioni.
Visita in profondità (Depth-First Search), ordinamento topologico e componenti fortemente connesse.
Problema dei cammini minimi a sorgente singola: algoritmo di Bellman-Ford, algoritmo di Dijkstra e relative applicazioni.
Problema dei cammini minimi tra tutte le coppie di vertici: algoritmi basati sulla moltiplicazione di matrici e algoritmo di Floyd-Warshall.
Strutture dati Union-Find (insiemi disgiunti).
Alberi ricoprenti minimi: algoritmi di Kruskal e Prim.
Problema del Massimo Flusso e Algoritmo di Ford-Fulkerson (cenni).
Teoria della complessità computazionale
Classi di complessità P, NP e co-NP.
Problemi NP-completi.
Riduzioni polinomiali e dimostrazioni di NP-completezza.
Cenni ad altre classi di complessità: PSPACE ed EXPTIME.
Algoritmi di approssimazione e tecniche di randomizzazione
Algoritmi di approssimazione: definizioni, rapporto di approssimazione ed esempi. Algoritmo di 2-approssimazione per MIN-VERTEX-COVER.
Tecnica del LP-rounding e applicazione al problema MIN-WEIGHTED-VERTEX-COVER.
Algoritmo greedy per il problema MIN-WEIGHTED-SET-COVER.
Randomizzazione negli algoritmi: algoritmi di approssimazione randomizzati, analisi probabilistica, esempi e applicazioni (ad es. MAX-SAT e MAX-CUT).
Cenni su altre tecniche di approssimazione: ricerca locale, FPTAS.

Modalità d'esame

Prova orale finalizzata ad accertare la comprensione e la padronanza degli argomenti trattati nel corso.

Testi di riferimento

Testo principale
Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford Stein, Livio Colussi, Achille Frigeri, Introduzione agli algoritmi e strutture dati (4ª ed.), McGraw-Hill, 2023.
Testi di approfondimento
Jon Kleinberg, Éva Tardos, Algorithm Design , Pearson, 2013.
David P. Williamson, David B. Shmoys, The Design of Approximation Algorithms , Cambridge University Press, 2011.
Vijay V. Vazirani, Approximation algorithmsm Springer 2001.
Ulteriore materiale didattico sarà reso disponibile sulla piattaforma di e-learning dell'insegnamento e/o indicato dal docente durante il corso.

Codice insegnamento 217917

ANALISI NUMERICA 1° anno · 9 CFU · MATH-05/A · 0 file

Conoscenze e comprensione . Possedere una solida preparazione che prevede un ampio spettro di conoscenze di livello avanzato nell'ambito del calcolo numerico. Capacità di applicare conoscenze e comprensione: # Essere…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione . Possedere una solida preparazione che prevede un ampio spettro di conoscenze di livello avanzato nell'ambito del calcolo numerico.
Capacità di applicare conoscenze e comprensione: # Essere capaci di implementare molti dei metodi studiati in un ambiente di programmazione fra quelli attualmente piu' noti in ambito scientifico (Matlab) # essere in grado di usare software di calcolo scientifico ad un livello avanzato # sviluppare proprii codici al calcolatore, applicarli con senso critico anche a problemi di tipo applicativo # essere capaci di leggere e comprendere, in modo autonomo, testi anche specialistici di Calcolo Numerico
Autonomia di giudizio. Il corso sarà svolto in modo da favorire e sviluppare nello studente capacità di: problem solving, rappresentazione ed interpretazione grafica di dati, discussione e confronto di metodi e risultati numerici.
Abilità comunicative. La modalità d'esame prevede la scrittura di un report che raccolga i risultati di un progetto di Laboratorio assegnato. In particolare, questa richiesta vuole sollecitare nello studente: l'abilità di presentare gli argomenti affrontati in modo chiaro (anche per iscritto), la capacità di comunicare problemi, idee e soluzioni, anche in vista della scrittura di una tesi di laurea di tipo magistrale.
Capacità di apprendimento. Saranno indicati argomenti da approfondire, strettamente correlati con l’insegnamento, anche con riferimento ad artiicoli scientifici in inglese, al fine di stimolare la capacità di apprendimento autonomo dello studente.

Programma

Il corso consiste nello studio di metodi numerici per la risoluzione di alcuni problemi matematici in scienze ed ingegneria. Argomenti principali sono: interpolazione, approssimazione, integrazione numerica, metodi per approssimazione di equazioni differenziali. Particolare enfasi viene data allo studio della accuratezza e stabilità dei metodi. Si prevedono esercitazioni al calcolatore per sperimentare i vari concetti visti nella parte teorica del corso e per l’implementazione dei metodi numerici studiati. Per tale scopo l’ambiente di lavoro sarà il programma di Calcolo Scientifico Matlab.
The course deals with some techniques for the efficient numerical solution of problems in science and engineering. Topics spanned are interpolation, approximation of functions, integration, differential equations. Stability, accuracy and computational complexity of the numerical methods will be carefully analysed. Part of the course consists in the implementation of the methods, in order to demonstrate their performances on examples and counterexamples on a computer. For this goal, the students will follow Laboratory lectures and will use the MatLab program for scientific calculus.

Programma dettagliato delle lezioni: A) Interpolazione ed approssimazione: Interpolazione polinomiale: matrice di Vandermonde e polinomio di Lagrange. Stima dell’errore di interpolazione su nodi equidistanti e su nodi di Chebychev. Fenomeno di Runge. Polinomio interpolante di Newton. Differenze divise e loro proprietà. Interpolazione a tratti: costruzione della spline cubica e sue proprietà di convergenza. Approssimazione di dati nel senso dei minimi quadrati: caso lineare ed equazioni normali. Interpolazione trigonometrica: trasformata discreta di Fourier (DFT, FFT) e sue applicazioni. B) Formule di quadratura: Formule interpolatorie: stima dell’errore, grado di precisione, proprietà di stabilità. Formule di Newton-Cotes. Metodo dei trapezi e di Cavalieri-Simpson e loro formule composte. Estrapolazione di Richardson e controllo automatico dell’errore. Cenni sui polinomi ortogonali e loro proprietà. Formule gaussiane: grado massimo di precisione, stima dell’errore, calcolo dei nodi e dei pesi per le formule di Legendre, Chebychev, Laguerre; formule di Gauss-Radau e Gauss-Lobatto. C) Metodi numerici per Equazioni Differenziali Ordinarie a Valori Iniziali (Pb. di Cauchy): Metodi espliciti a un passo, errore di troncamento, consistenza. Convergenza e zero-stabilità. Metodi di Eulero esplicito ed implicito. Metodo dei Trapezi e di Heun. Assoluta stabilità. Equazione test e regioni di assoluta stabilità. Richiami su equazioni alle differenze lineari a coefficienti costanti. Metodi Lineari Multistep: definizione, errore di troncamento, condizioni di ordine. Metodo del Midpoint, metodo di Simpson. Zero-stabilità e convergenza. Prima e seconda barriera di Dahlquist. Metodi di Adams espliciti ed impliciti, metodi di Nystrom e metodi BDF. Assoluta stabilità di un metodo Multistep. Definizione e calcolo del boundary locus. Cenni sui metodi predittore-correttore e sulle tecniche adattive. Metodi Runge-Kutta. Metodi espliciti: consistenza, condizioni di ordine, convergenza, funzione di stabilità, assoluta stabilità. Metodi impliciti: costruzione delle formule gaussiane come metodi di collocazione. Problemi stiff. Risoluzione di sistemi di equazioni.
Programma delle lezioni (in inglese): A) Interpolation and Approximation. Polynomial Interpolation: canonical basis and Vandermonde system. Lagrange basis. The Interpolation Error: equally spaced nodes, Chebychev nodes and Runge’s counter-example. Stability of Polynomial Interpolation and Lebesgue constant. Newton Form of the Interpolating Polynomial. Divided Differences and their properties. Piecewise Lagrange Interpolation: Hermite Interpolation, approximation by Splines. Interpolatory Cubic Splines and their properties. Linear and nonlinear least square problems. Trigonometric interpolation: Discrete Fourier Transform (DFT). Fast Fourier Transform (FFT): properties and applications.1. R. Bevilacqua, D. Bini, M. Capovani, O. Menchi. Metodi numerici. Zanichelli Ed. 1997. 2. A. Quarteroni, R. Sacco, F. Saleri – Matematica Numerica, 2a Ed. Springer, 2000 3. Hairer-Wanner Solving Ordinary Differential Equations vol.I-II, 2nd Ed. Springer 4. Altri appunti forniti dal docente B) Numerical Integration. Basic Quadrature Formulae: Midpoint or Rectangle formula, Trapezoidal formula. Interpolatory Quadrature: definition, properties, order precision. An example: the Cavalieri-Simpson Formula. Newton-Cotes Formulae. Composite Newton-Cotes Formulae. Composite Trapezoidal and Simpson methods and their convergence. Richardson Extrapolation and error estimate. Orthogonal Polynomials: definition and properties. Some examples: Chebyshev and Legendre polynomials. Gaussian Integration: high order, error estimate, construction of nodes and weights by eigenvalues/eigenvectors computation. Gauss-Legendre and Gauss-Chebychev methods. Integration over Unbounded Intervals: Gauss-Laguerre and Gauss-Hermite formulae. Pre-fixed nodes: Gauss-Lobatto and Gauss-Radau. C) Numerical Solution of Ordinary Differential Equations (ODE) The Cauchy Problem. One-Step Numerical Methods: definition of explicit and implicit schemes, truncation error, the zero-Stability. Convergence Analysis and order of convergence. Euler, Trapezoidal and Heun methods. The Absolute Stability: test equation, regions of absolute stability and stepsize restrictions. Difference Equations. Linear Multistep Methods: Midpoint and Simpson methods. Consistency and order conditions, stability polynomials. Zero-stability and the Root Condition. First Dahlquist’s barrier. Convergence Analysis. Absolute Stability and Strong Root Condition. Second Dahlquist’s barrier. Explicit and Implicit Adams methods. BDF methods. Predictor-Corrector Methods. Boundary locus to find stability regions. Runge-Kutta Methods. Derivation of an Explicit RK Method. Order conditions, convergence, stability function and absolute stability. Implicit RK Methods: construction as collocation methods on gaussian nodes. High order and A-stability properties. Stiff Problems. Systems of ODEs.

Modalità d'esame

Si richiede che gli studenti sviluppino un progetto al calcolatore scelto fra i tre temi proposti dal docente alla fine del corso. Ogni progetto riguarda l'implementazione di alcuni metodi studiati in teoria e la loro applicazione ad alcuni problemi, anche di tipo applicativo. L'esame solo orale riguarda la discussione/ presentazione del progetto sul tema scelto e domande anche sulle restanti parti del programma.
Gli studenti dovranno prenotarsi all'esame utilizzando esclusivamente le modalità on-line previste dal sistema VOL

Testi di riferimento

1. R. Bevilacqua, D. Bini, M. Capovani, O. Menchi. Metodi numerici. Zanichelli Ed. 1997. 2. A. Quarteroni, R. Sacco, F. Saleri – Matematica Numerica, 2a Ed. Springer, 2000 3. Hairer-Wanner Solving Ordinary Differential Equations vol.I-II, 2nd Ed. Springer 4. Altri appunti forniti dal docente

Codice insegnamento 217912

INTRODUZIONE ALLA TEORIA DELLA RELATIVITA' E ALLA MECCANICA QUANTISTICA 1° anno · 6 CFU · PHYS-02/A · 0 file

Comprensione delle idee di base della Relativita' Ristretta e della Meccanica Quantistica Esame scritto le cui modalita' sono discusse durante le lezioni

Scheda dell'insegnamento

Obiettivi formativi

Comprensione delle idee di base della Relativita' Ristretta e della Meccanica Quantistica
Esame scritto le cui modalita' sono discusse durante le lezioni

Programma

Il corso mira a presentare i concetti di base della Relativita' ristretta e della Meccanica Quantistica

Relativita' ristretta
1 Esperimento di Michelson-Morley
2 Trasformazioni di Lorentz
3 Conseguenze cinematiche
4 Composizione delle velocita' in Relativita' ristretta
5 Formulazione covariante
6 Spazio-tempo di Minkovsky
7 Gruppo di Lorentz
8 Dinamica relativistica
Meccanica Quantistica
1 Formulazione hamiltoniana delle Meccanica Classica. Parentesi di Poisson. Equazioni di Hamilton-Jacobi.
2 Ottica geometrica.
3 Crisi della fisica classica. Corpo nero (cenni). Atomo di Rutherford. Effetto fotoelettrico. Effetto Compton.
4 Meccanica Ondulatoria. Esperimento delle due fenditure.
5 Spazi vettoriali. Autovalori e autovettori. Operatori hermitiani.
6 Principio di sovrapposizione. Postulato sugli osservabili e sugli autovettori. Riduzione del vettore di stato. Osservabili compatibili. Osservazione massima. Rappresentazioni.
7 Equazione di Schroedinger. Equazione di continuita'. Postulato dell'impulso. Principio di indeterminazione. Soluzioni stazionarie. Evoluzione temporale e rappresentazioni di Schroedinger e Heisenberg. Principio di indeterminazione tempo-energia.
8 Proprieta' dell'equazione di Schroedinger. Postulato dell'hamiltoniana.
9 Problemi ad una dimensione. Gradino, barriera, buca infinita, buca finita.
10 Momenti angolari in MQ. Definizione dell'operatore momento angolare e proprieta' di commutzione delle sue componenti. Ricerca di autovalori e autostati e loro quantizzazione. Momento angolare orbitale, armoniche sferiche. Spin 1/2 e suoi autostati, matrici di Pauli. Somma di momenti angolari. Coefficienti di Clebsh Gordan.
11 Moto in un potenziale centrale. Separazione delle variabili radiale e angolari. Equazione differenziale generale per la variabile radiale. Buca quadrata a pareti infinite. Buca quadrata finita. Potenziale Coulombiano e atomo di idrogeno.
12 Particelle identiche (dal Cohen-Tanouj

Modalità d'esame

Esame scritto le cui modalita' sono discusse durante le lezioni

Testi di riferimento

Per la Relativita' ristretta:
M. Gasperini, Manuale di Relativita' Ristretta, Springer (2010).
Per la Meccanica Quantistica:
G. Nardulli, Meccanica Quantistica I, Principi, Franco Angeli (2013).
Approfondimenti, sopratutto atomo di idrogeno e particelle identiche: C. Cohen-Tannoudji, B. Diu, F. Laloe, Quantum Mechanics, Wiley (1977).
Altro materiale didattico si trova al sito http://www.dmf.unisalento.it/~gpco/didattica/main.html

Codice insegnamento 217908

ISTITUZIONI DI ALGEBRA SUPERIORE 1° anno · 9 CFU · MATH-02/A · 0 file

Conoscenze e comprensione Risultati fondamentali e avanzati di Teoria dei Gruppi e problematiche di ricerca classiche e attuali. Capacità di applicare conoscenze e comprensione essere in grado di produrre dimostrazioni…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione Risultati fondamentali e avanzati di Teoria dei Gruppi e problematiche di ricerca classiche e attuali.
Capacità di applicare conoscenze e comprensione
essere in grado di produrre dimostrazioni rigorose, utilizzando con maturità le varie tecniche dimostrative;
essere in grado di formalizzare e risolvere matematicamente problemi di moderata difficoltà nell'ambito della Teoria dei Gruppi;
essere capaci di leggere e comprendere, in modo autonomo, testi avanzati e articoli di ricerca nell'ambito della Teoria dei Gruppi.
Autonomia di giudizio L'esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare la capacità di identificare gli elementi rilevanti in situazioni e problemi anche in contesti non matematici, nonché di riconoscere ragionamenti logici erronei.
Abilità comunicative La presentazione degli argomenti sarà svolta in modo da consentire l'acquisizione di una buona capacità di comunicare, in modo chiaro e privo di ambiguità, problemi, idee e soluzioni riguardanti la Teoria dei Gruppi a un pubblico specializzato o generico.
Capacità di apprendimento Sarà sollecitato l'approfondimento di argomenti, correlati con l'insegnamento, al fine di stimolare lo studio autonomo su testi avanzati e su articoli di ricerca.

Programma

Il corso ha come obiettivo principale l'acquisizione di conoscenze e competenze avanzate nell'ambito della Teoria dei Gruppi. Particolare cura è data alla comprensione delle argomentazioni e al rigore nella presentazione dei concetti e dei ragionamenti.

Richiami e complementi. Richiami sui gruppi ciclici, automorfismi interni di un gruppo, prodotti semidiretti di gruppi.
Azioni di un gruppo. Azioni di un gruppo su un insieme, equazione delle orbite, i teoremi di Sylow, decomposizioni semidirette con il fattore normale abeliano, il teorema di Schur-Zassenhaus (I parte).
Prime generalità sui gruppi risolubili. Polinomi risolubili per radicali, gruppi risolubili: definizioni ed esempi il teorema di Schur-Zassenhaus (II parte).
Gruppi nilpotenti. Definizione ed esempi, la serie centrale superiore e la serie centrale inferiore, relazione tra la classe di nilpotenza e la lunghezza derivata di un gruppo nilpotente, proprietà di chiusura dei gruppi nilpotenti, un teorema di P. Hall, caratterizzazione dei gruppi nilpotenti finiti.
Sottogruppi notevoli di un gruppo. Il sottogruppo di Frattini di un gruppo e sue caratterizzazioni, alcune proprietà del sottogruppo di Frattini, il sottogruppo di Frattini di un p-gruppo finito, il sottogruppo di Fitting di un gruppo finito, alcuni risultati sul sottogruppo di Fitting di un gruppo risolubile.
Gruppi risolubili finiti. Basi di Sylow di un gruppo finito, semplicità del gruppo alterno di grado cinque, il gruppo alterno di grado cinque come gruppo privo di basi di Sylow, il lemma di P. Hall sulle basi di Sylow di un gruppo risolubile, i sottogruppi di Hall di un gruppo finito: definizione ed esempi, alcune proprietà dei sottogruppi di Hall, il teorema di Hall per i gruppi risolubili finiti.
Introduzione al GAP.

Modalità d'esame

Esame orale. La prova verifica l'abilità di esporre in modo chiaro e rigoroso alcuni contenuti del corso.
La prenotazione all'esame è obbligatoria e deve essere effettuata esclusivamente tramite le modalità online previste dal sistema VOL.

Testi di riferimento

D.J.K. Robinson: A Course in the Theory of Groups , Springer-Verlag, New York, 1996.
A. Machì: Gruppi , Springer-Verlag Italia, 2007.

Codice insegnamento 217911

ISTITUZIONI DI ALGEBRA SUPERIORE 1° anno · 9 CFU · MATH-02/A · 0 file

Conoscenze e comprensione Risultati fondamentali e avanzati di Teoria dei Gruppi e problematiche di ricerca classiche e attuali. Capacità di applicare conoscenze e comprensione essere in grado di produrre dimostrazioni…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione Risultati fondamentali e avanzati di Teoria dei Gruppi e problematiche di ricerca classiche e attuali.
Capacità di applicare conoscenze e comprensione
essere in grado di produrre dimostrazioni rigorose, utilizzando con maturità le varie tecniche dimostrative;
essere in grado di formalizzare e risolvere matematicamente problemi di moderata difficoltà nell'ambito della Teoria dei Gruppi;
essere capaci di leggere e comprendere, in modo autonomo, testi avanzati e articoli di ricerca nell'ambito della Teoria dei Gruppi.
Autonomia di giudizio L'esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare la capacità di identificare gli elementi rilevanti in situazioni e problemi anche in contesti non matematici, nonché di riconoscere ragionamenti logici erronei.
Abilità comunicative La presentazione degli argomenti sarà svolta in modo da consentire l'acquisizione di una buona capacità di comunicare, in modo chiaro e privo di ambiguità, problemi, idee e soluzioni riguardanti la Teoria dei Gruppi a un pubblico specializzato o generico.
Capacità di apprendimento Sarà sollecitato l'approfondimento di argomenti, correlati con l'insegnamento, al fine di stimolare lo studio autonomo su testi avanzati e su articoli di ricerca.

Programma

Il corso ha come obiettivo principale l'acquisizione di conoscenze e competenze avanzate nell'ambito della Teoria dei Gruppi. Particolare cura è data alla comprensione delle argomentazioni e al rigore nella presentazione dei concetti e dei ragionamenti.

Richiami e complementi. Richiami sui gruppi ciclici, automorfismi interni di un gruppo, prodotti semidiretti di gruppi.
Azioni di un gruppo. Azioni di un gruppo su un insieme, equazione delle orbite, i teoremi di Sylow, decomposizioni semidirette con il fattore normale abeliano, il teorema di Schur-Zassenhaus (I parte).
Prime generalità sui gruppi risolubili. Polinomi risolubili per radicali, gruppi risolubili: definizioni ed esempi il teorema di Schur-Zassenhaus (II parte).
Gruppi nilpotenti. Definizione ed esempi, la serie centrale superiore e la serie centrale inferiore, relazione tra la classe di nilpotenza e la lunghezza derivata di un gruppo nilpotente, proprietà di chiusura dei gruppi nilpotenti, un teorema di P. Hall, caratterizzazione dei gruppi nilpotenti finiti.
Sottogruppi notevoli di un gruppo. Il sottogruppo di Frattini di un gruppo e sue caratterizzazioni, alcune proprietà del sottogruppo di Frattini, il sottogruppo di Frattini di un p-gruppo finito, il sottogruppo di Fitting di un gruppo finito, alcuni risultati sul sottogruppo di Fitting di un gruppo risolubile.
Gruppi risolubili finiti. Basi di Sylow di un gruppo finito, semplicità del gruppo alterno di grado cinque, il gruppo alterno di grado cinque come gruppo privo di basi di Sylow, il lemma di P. Hall sulle basi di Sylow di un gruppo risolubile, i sottogruppi di Hall di un gruppo finito: definizione ed esempi, alcune proprietà dei sottogruppi di Hall, il teorema di Hall per i gruppi risolubili finiti.
Introduzione al GAP.

Modalità d'esame

Esame orale. La prova verifica l'abilità di esporre in modo chiaro e rigoroso alcuni contenuti del corso.
La prenotazione all'esame è obbligatoria e deve essere effettuata esclusivamente tramite le modalità online previste dal sistema VOL.

Testi di riferimento

D.J.K. Robinson: A Course in the Theory of Groups , Springer-Verlag, New York, 1996.
A. Machì: Gruppi , Springer-Verlag Italia, 2007.

Codice insegnamento 217910

ISTITUZIONI DI ANALISI SUPERIORE I 1° anno · 6 CFU · MATH-03/A · 0 file

Il Corso si propone di dare una introduzione al linguaggio, ai metodi e risultati fondamentali dell'Analisi Funzionale Lineare, estendendo tecniche e risultati noti dell'Algebra Lineare a spazi a dimensione infinita.…

Scheda dell'insegnamento

Obiettivi formativi

Il Corso si propone di dare una introduzione al linguaggio, ai metodi e risultati fondamentali dell'Analisi Funzionale Lineare, estendendo tecniche e risultati noti dell'Algebra Lineare a spazi a dimensione infinita. Lo Studente dovrà essere in grado di discutere proprietà e alcune applicazioni della Geometria degli Spazi di Banach.

Programma

Spazi di Banach, di Hilbert e teoria spettrale.

1. Spazi vettoriali reali (complessi), Spazi normati, Spazi metrici. Insiemi aperti, chiusi, successioni convergenti, separabilità, applicazioni continue tra spazi normati. Successioni di Cauchy e proprietà. Spazi normati completi (spazi di Banach). Serie convergenti negli spazi normati e relativo teorema di completezza. Spazio quoziente normato e teorema di completezza. Operatori lineari, operatori limitati. Continuità degli operatori lineari limitati. Lo spazio di Banach degli operatori lineari limitati B(X; Y ) ( X spazio normato, Y spazio di Banach). Operatore integrale e operatore di derivazione. Omeomorfismo tra uno spazio normato a dimensione finita N sul campo K (K = R, K = C) e K^N . Norme equivalenti. In uno spazio a dimensione finita tutte le norme sono equivalenti. Insiemi compatti, relativamente compatti, precompatti: caratterizzazioni in spazi metrici (en.). La palla unitaria chiusa di uno spazio normato X è compatta se e solo se X ha dimensione finita. Esercitazione : Alcuni spazi classici : C^0 ([a; b];R); (spazi di successioni) l^1, l^p (1 < p < infinito, p=infinito), c, c^0 e loro completezza. 2 . Spazi di Hilbert: definizione e proprietà elementari (prodotto scalare, disuguaglianza di Cauchy-Schwarz, identità del parallelogramma). Proiezione su un convesso chiuso. Lo spazio duale di uno spazio di Hilbert (teorema di rappresentazione di Riesz). Convergenza debole in uno spazio di Hilbert. Compattezza debole in uno spazio di Hilbert: estensione del Teorema di Bolzano-Weierstrass. Operatori strettamente definiti positivi e relativo teorema. Esercitazione: Somme di Hilbert. Basi ortonormali: esistenza di basi ortonormali in uno spazio di Hilbert separabile. Completezza di un sistema ortonormale 3. Funzionali lineari, funzionali limitati. Spazio duale ( di Banach) di uno spazio normato X, B(X;K) =: X*. Convergenza debole su X e convergenza debole* su X*: definizione e proprietà. Equivalenza della convergenza debole, della convergenza debole * e della convergenza forte (in norma) in uno spazio a dimensione finita. Compattezza della palla unitaria chiusa di X* rispetto alla convergenza debole* (Teorema di Banach- Alaoglu- Bourbaki).Teorema di compattezza (di Ascoli-Arzela) in C^0 (E;R^n) (E spazio metrico compatto). Esercitazione : Spazi l^p; c ;c^0 : dualità e separabilità. 4 . Lemma di Zorn. Teorema di estensione di Hahn-Banach per funzionali lineari reali (forma analitica). Teorema di estensione per funzionali su K, lineari limitati . Corollari. Riflessività. Compattezza debole in uno spazio riflessivo. Insiemi di I e II categoria in uno spazio metrico. Teorema di Baire-Hausdoff.(Ogni spazio metrico completo è di II categoria). Principio di uniforme limitatezza di Banach-Steinhaus. Continuità del limite puntuale. Teorema dell'applicazione aperta. Teorema di limitatezza dell'operatore inverso. Corollario. Teorema del grafici chiuso. Esercitazione : Spazi lp; c ;c^0 : riflessività.. 5. Operatori aggiunti e proprietà. Operatori compatti: proprietà. Lo spazio di Banach K(X; Y), degli operatori compatti. Operatori di rango finito F(X; Y ) s.sp. di K(X; Y ) s.sp.di B(X; Y ). Compattezza di operatori integrali. Teorema di Schauder (aggiunto di un operatore compatto). Operatori compatti su uno spazio di Hilbert. Teorema di Fredholm. Alternativa di Fredholm. Insieme risolvente, spettro di un operatore lineare limitato su uno spazio di Hilbert. Spettro di un operatore lineare compatto su uno spazio di Hilbert. Operatori autoaggiunti (simmetrici). Limitazioni per lo spettro di un operatore autoaggiunto. Teorema spettrale (di Hilbert-Schmidt, per operatori compatti autoaggiunti su spazi di Hilbert reali separabili): autovettori di un operatore compatto autoaggiunto.

Modalità d'esame

L'esame consiste di una prova scritta su 4 domande (in cui è richiesta l'esposizione di risultati teorici presentati nel corso e una applicazione) da svolgere in 2 ore, e un colloquio successivo, se sono necessari alcuni approfondimenti.

Testi di riferimento

H. Brezis : Functional Analysis, Sobolev Spaces and Partial Differential Equations, Springer 2010. A. Bressan: Lecture Notes on Functional Analysis with applications to linear partial differential equations, vol. 143 AMS 2013 A.N. Kolmogorov, S.V. Fomin : Elementi di teoria delle funzioni e di Analisi Funzionale, MIR 1980.
I primi cinque capitoli con esercizi in: M. Carriero-A.Carbotti-S.Cit o, Elementi di Analisi Funzionale Lineare. Seconda edizione rivista e ampliata (2022) .

Codice insegnamento 217915

ISTITUZIONI DI ANALISI SUPERIORE II 1° anno · 6 CFU · MATH-03/A · 0 file

Conoscenze e comprensione: esempi significativi di spazi con misura ed applicazione dei metodi studiati alla risoluzione dei problemi discussi nel corso. Capacità di applicare conoscenze e comprensione: capacita’ di…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione: esempi significativi di spazi con misura ed applicazione dei metodi studiati alla risoluzione dei problemi discussi nel corso.
Capacità di applicare conoscenze e comprensione: capacita’ di estendere risultati e metodi a casi non studiati in dettaglio nel corso.
Autonomia di giudizio: capacita’ di orientarsi criticamente nella bibliografia pu’ avanzata.
Abilità comunicative: esposizione delle conoscenze acquisite in modo comprensibili a chi abbia i prerequisiti in ingresso.
Capacità di apprendimento: possibilita’ di proseguire autonomamente lo studio di argomenti piu’ avanzati.

Programma

Misure positive. Spazi di Banach. Spazi L^p. Convoluzione e regolarizzazione. Trasformata di Fourier.

Misure positive, teorema di estensione. Integrazione in uno spazio con misura. Misure boreliane in spazi metrici. Teoremi di passaggio al limite sotto il segno di integrale e integrali dipendenti da parametri. Misure prodotto e Teorema di Fubini. Misure reali e teorema di rappresentazione del duale di C(K). Misura immagine, formula dell'area e teorema di cambiamento di variabili negli integrali multipli. Misura di una ipersuperficie regolare e integrali su ipersuperficie in R^n. Convergenza in misura e teoremi di Lusin ed di Egorov. Punti di Lebesgue. Uniforme convessità. Spazi L^p: proprieta' e diseguaglianze fondamentali. Duali degli spazi L^p. Convoluzione e regolarizzazione. Trasformata di Fourier. Spazi di Sobolev in dimensione 1. Funzioni a variazione limitata di una variabie reale e funzioni assolutamente continue.

Modalità d'esame

Una prova scritta volta ad accertare la capacita' di risolvere problemi simili a quelli discussi nel corso ed a produrre dimostrazioni rigorose di varianti dei risultati visti. Una prova orale volta ad accertare la capacita' di esporre in modo chiaro e rigoroso gli argomenti studiati e di discutere collegamenti fra i vari argomenti di Analisi matematica studiati anche nei corsi gia' seguiti.

Testi di riferimento

Ambrosio, Da Prato, Mennucci: Introduction to measure theory and integration, Ed. Della Normale 2011
Haim Brezis: Functional Analysis, Sobolev Spaces and Partial Differential Equations, Springer 2010.
A.N. Kolmogorov, S.V. Fomin: Elementi di teoria delle funzioni e di Analisi Funzionale, MIR 1980.
E. Lieb, M. Loss: Analysis, AMS 2001.
W. Rudin, Real and complex analysis, McGraw-Hill, 1987.
M. Muratori, F. Punzo, N. Soave: Esercizi svolti di analisi reale e funzionale, Esculapio,

Codice insegnamento 217916

ISTITUZIONI DI FISICA MATEMATICA 1° anno · 9 CFU · MATH-04/A · 0 file

Le Studentesse/gli Studenti raggiungeranno i seguenti obiettivi: Conoscenze e comprensione: equazioni differenziali alle derivate parziali e loro origine come modelli matematici per la fisica e l'ingegneria. Capacità…

Scheda dell'insegnamento

Obiettivi formativi

Le Studentesse/gli Studenti raggiungeranno i seguenti obiettivi:
Conoscenze e comprensione: equazioni differenziali alle derivate parziali e loro origine come modelli matematici per la fisica e l'ingegneria.
Capacità di applicare conoscenze e comprensione: capacita' di calcolo relativo alle equazioni differenziali mediante tecniche insegnate a lezione.
Autonomia di giudizio: nel corso i concetti sono sostenuti da calcoli che gli Studenti/Studentesse possono ripetere in modo autonomo anche per altre situazioni.
Abilità comunicative: il corso non sviluppa particolari attivita' comunicative.
Capacità di apprendimento: il corso stimola ad approfondire gli argomenti con calcoli svolti mediante tecniche insegnate a lezione. I collegamenti con la fisica espandono la cultura degli Studenti/Studentesse.

Programma

Onde lineari e non lineari. Separazione delle variabili. Distribuzioni e funzioni di Green. Trasformate di Fourier. Applicazioni alla soluzione di equazioni di evoluzione lineari e non lineari.

Onde lineari e non lineari: - Onde stazionarie - Trasporto e onde viaggianti - Trasporto non lineare e shocks - Equazione delle onde di D'Alembert
Separazione delle variabili. - Diffusione ed equazione del calore - Equazione delle onde - Equazioni di Laplace e di Poisson nel piano - Classificazione delle equazioni lineari
Funzioni generalizzate e funzioni di Green - Funzioni generalizzate - Funzioni di Green per problemi al bordo - Funzioni di Green per equazione di Poisson
Equazioni di evoluzione lineari e non lineari - Simmetria e similarita' - Diffusione non lineare - Dispersione e solitoni - Operatori autoaggiunti e problemi di Sturm-Liouville.
Separazione delle variabili per equazioni in 2+1 variabili indipendenti. Soluzione di equazioni differenziali ordinarie per serie. Soluzione dell'equazione del calore per e dell'equazione delle onde nel piano.
Introduzione alla soluzione numerica di PDE mediante metodi alle differenze finite ed agli elementi finiti.

Modalità d'esame

Esame orale su tutti gli argomenti sviluppati a lezione. L'esame inizia con lo svolgimento di un esercizio simile a quelli svolti durante il corso.

Testi di riferimento

Il libro di testo del corso è
P. Olver: Introduction to Partial Differential Equations, Springer, 2014; second corrected printing, 2016.
Sono riferimenti bibliografici suggeriti:
W. Strauss, Partial Differential Equations: An Introduction. Wiley, 1992. A.N. Tikhonov, A.A. Samarski: Equazioni della Fisica Matematica, MIR. B. Neta: Introduction to Partial Differential Equations, Lecture Notes.

Codice insegnamento 217913

ISTITUZIONI DI FISICA MATEMATICA 1° anno · 9 CFU · MATH-04/A · 0 file

Le Studentesse/gli Studenti raggiungeranno i seguenti obiettivi: Conoscenze e comprensione: equazioni differenziali alle derivate parziali e loro origine come modelli matematici per la fisica e l'ingegneria. Capacità…

Scheda dell'insegnamento

Obiettivi formativi

Le Studentesse/gli Studenti raggiungeranno i seguenti obiettivi:
Conoscenze e comprensione: equazioni differenziali alle derivate parziali e loro origine come modelli matematici per la fisica e l'ingegneria.
Capacità di applicare conoscenze e comprensione: capacita' di calcolo relativo alle equazioni differenziali mediante tecniche insegnate a lezione.
Autonomia di giudizio: nel corso i concetti sono sostenuti da calcoli che gli Studenti/Studentesse possono ripetere in modo autonomo anche per altre situazioni.
Abilità comunicative: il corso non sviluppa particolari attivita' comunicative.
Capacità di apprendimento: il corso stimola ad approfondire gli argomenti con calcoli svolti mediante tecniche insegnate a lezione. I collegamenti con la fisica espandono la cultura degli Studenti/Studentesse.

Programma

Onde lineari e non lineari. Separazione delle variabili. Distribuzioni e funzioni di Green. Trasformate di Fourier. Applicazioni alla soluzione di equazioni di evoluzione lineari e non lineari.

Onde lineari e non lineari: - Onde stazionarie - Trasporto e onde viaggianti - Trasporto non lineare e shocks - Equazione delle onde di D'Alembert
Separazione delle variabili. - Diffusione ed equazione del calore - Equazione delle onde - Equazioni di Laplace e di Poisson nel piano - Classificazione delle equazioni lineari
Funzioni generalizzate e funzioni di Green - Funzioni generalizzate - Funzioni di Green per problemi al bordo - Funzioni di Green per equazione di Poisson
Equazioni di evoluzione lineari e non lineari - Simmetria e similarita' - Diffusione non lineare - Dispersione e solitoni - Operatori autoaggiunti e problemi di Sturm-Liouville.
Separazione delle variabili per equazioni in 2+1 variabili indipendenti. Soluzione di equazioni differenziali ordinarie per serie. Soluzione dell'equazione del calore per e dell'equazione delle onde nel piano.
Introduzione alla soluzione numerica di PDE mediante metodi alle differenze finite ed agli elementi finiti.

Modalità d'esame

Esame orale su tutti gli argomenti sviluppati a lezione. L'esame inizia con lo svolgimento di un esercizio simile a quelli svolti durante il corso.

Testi di riferimento

Il libro di testo del corso è
P. Olver: Introduction to Partial Differential Equations, Springer, 2014; second corrected printing, 2016.
Sono riferimenti bibliografici suggeriti:
W. Strauss, Partial Differential Equations: An Introduction. Wiley, 1992. A.N. Tikhonov, A.A. Samarski: Equazioni della Fisica Matematica, MIR. B. Neta: Introduction to Partial Differential Equations, Lecture Notes.

Codice insegnamento 217914

ISTITUZIONI DI FISICA MATEMATICA 1° anno · 9 CFU · MATH-04/A · 0 file

Le Studentesse/gli Studenti raggiungeranno i seguenti obiettivi: Conoscenze e comprensione: equazioni differenziali alle derivate parziali e loro origine come modelli matematici per la fisica e l'ingegneria. Capacità…

Scheda dell'insegnamento

Obiettivi formativi

Le Studentesse/gli Studenti raggiungeranno i seguenti obiettivi:
Conoscenze e comprensione: equazioni differenziali alle derivate parziali e loro origine come modelli matematici per la fisica e l'ingegneria.
Capacità di applicare conoscenze e comprensione: capacita' di calcolo relativo alle equazioni differenziali mediante tecniche insegnate a lezione.
Autonomia di giudizio: nel corso i concetti sono sostenuti da calcoli che gli Studenti/Studentesse possono ripetere in modo autonomo anche per altre situazioni.
Abilità comunicative: il corso non sviluppa particolari attivita' comunicative.
Capacità di apprendimento: il corso stimola ad approfondire gli argomenti con calcoli svolti mediante tecniche insegnate a lezione. I collegamenti con la fisica espandono la cultura degli Studenti/Studentesse.

Programma

Onde lineari e non lineari. Separazione delle variabili. Distribuzioni e funzioni di Green. Trasformate di Fourier. Applicazioni alla soluzione di equazioni di evoluzione lineari e non lineari.

Onde lineari e non lineari: - Onde stazionarie - Trasporto e onde viaggianti - Trasporto non lineare e shocks - Equazione delle onde di D'Alembert
Separazione delle variabili. - Diffusione ed equazione del calore - Equazione delle onde - Equazioni di Laplace e di Poisson nel piano - Classificazione delle equazioni lineari
Funzioni generalizzate e funzioni di Green - Funzioni generalizzate - Funzioni di Green per problemi al bordo - Funzioni di Green per equazione di Poisson
Equazioni di evoluzione lineari e non lineari - Simmetria e similarita' - Diffusione non lineare - Dispersione e solitoni - Operatori autoaggiunti e problemi di Sturm-Liouville.
Separazione delle variabili per equazioni in 2+1 variabili indipendenti. Soluzione di equazioni differenziali ordinarie per serie. Soluzione dell'equazione del calore per e dell'equazione delle onde nel piano.
Introduzione alla soluzione numerica di PDE mediante metodi alle differenze finite ed agli elementi finiti.

Modalità d'esame

Esame orale su tutti gli argomenti sviluppati a lezione. L'esame inizia con lo svolgimento di un esercizio simile a quelli svolti durante il corso.

Testi di riferimento

Il libro di testo del corso è
P. Olver: Introduction to Partial Differential Equations, Springer, 2014; second corrected printing, 2016.
Sono riferimenti bibliografici suggeriti:
W. Strauss, Partial Differential Equations: An Introduction. Wiley, 1992. A.N. Tikhonov, A.A. Samarski: Equazioni della Fisica Matematica, MIR. B. Neta: Introduction to Partial Differential Equations, Lecture Notes.

Codice insegnamento 217909

ISTITUZIONI DI GEOMETRIA SUPERIORE 1° anno · 9 CFU · MATH-02/B · 0 file

Conoscenze e comprensione . Possedere una solida preparazione su conoscenze di base di topologia algebrica. Capacità di applicare conoscenze e comprensione: essere in grado di produrre dimostrazioni ed applicare…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione . Possedere una solida preparazione su conoscenze di base di topologia algebrica.
Capacità di applicare conoscenze e comprensione: essere in grado di produrre dimostrazioni ed applicare risultati di Topologia Algebrica.
Autonomia di giudizio. L’esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare la capacità dello studente di riconoscere dimostrazioni rigorose e individuare ragionamenti fallaci.
Abilità comunicative. La presentazione degli argomenti sarà svolta in modo da consentire l’acquisizione di una buona capacità di comunicare problemi, idee e soluzioni riguardanti la Topologia Algebrica.
Capacità di apprendimento. Saranno indicati argomenti da approfondire, strettamente correlati con l’insegnamento, al fine di stimolare la capacità di apprendimento autonomo dello studente.

Programma

Topologia Algebrica: gruppo fondamentale di Poincaré, spazi di rivestimento, gruppi di omologia simpliciale, superfici connesse compatte.

Il gruppo fondamantale di Poincaré : cammini, omotopia di funzioni e di cammini, il gruppo fondamentale, ruolo del punto base, invarianza topologica ed omotopica, gruppi fondamentali non abeliani, i Teoremi di Seifert-Van Campen.
Spazi di rivestimento : definizione e proprietà topologiche, esempi, sollevamenti di funzioni, cammini ed omotopie, rivestimenti e gruppo fondamentale, gruppi ad azione propriamente discontinua.
Gruppi di omologia simpliciale: simplessi e complessi simpliciali, proprietà topologiche, richami sui gruppi abeliani finitamente generati, gruppo delle p-catene, operatore bordo, i gruppi di omologia, invarianza topologica, numeri di Betti e caratteristica di Eulero-Poincaré, il Teorema di Eulero-Poincaré.
Superfici connesse compatte: n-varietà topologiche, senza bordo e con bordo, esempi di superfici, somma connessa e caratteristica di Eulero-Poincaré delle superfici connesse compatte, teorema di classificazione e proprietà, orientabilità, superfici connesse compatte e regioni poligonali, gruppo fondamentale delle superfici connesse compatte, geometrie omogenee sulle superfici connesse compatte.

Modalità d'esame

L’esame consiste di una prova di teoria. La prova di teoria verifica l’abilità di esporre ed applicare in modo chiaro e rigoroso alcuni contenuti del corso. Gli studenti dovranno prenotarsi per sostenere l’esame utilizzando esclusivamente le modalità online previste dal sistema VOL.

Testi di riferimento

Munkres, Algebraic Topology. (disponibile presso la Biblioteca di Matematica)

Codice insegnamento 217925

ISTITUZIONI DI GEOMETRIA SUPERIORE 1° anno · 9 CFU · MATH-02/B · 0 file

Conoscenze e comprensione . Possedere una solida preparazione su conoscenze di base di topologia algebrica. Capacità di applicare conoscenze e comprensione: essere in grado di produrre dimostrazioni ed applicare…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione . Possedere una solida preparazione su conoscenze di base di topologia algebrica.
Capacità di applicare conoscenze e comprensione: essere in grado di produrre dimostrazioni ed applicare risultati di Topologia Algebrica.
Autonomia di giudizio. L’esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare la capacità dello studente di riconoscere dimostrazioni rigorose e individuare ragionamenti fallaci.
Abilità comunicative. La presentazione degli argomenti sarà svolta in modo da consentire l’acquisizione di una buona capacità di comunicare problemi, idee e soluzioni riguardanti la Topologia Algebrica.
Capacità di apprendimento. Saranno indicati argomenti da approfondire, strettamente correlati con l’insegnamento, al fine di stimolare la capacità di apprendimento autonomo dello studente.

Programma

Topologia Algebrica: gruppo fondamentale di Poincaré, spazi di rivestimento, gruppi di omologia simpliciale, superfici connesse compatte.

Il gruppo fondamantale di Poincaré : cammini, omotopia di funzioni e di cammini, il gruppo fondamentale, ruolo del punto base, invarianza topologica ed omotopica, gruppi fondamentali non abeliani, i Teoremi di Seifert-Van Campen.
Spazi di rivestimento : definizione e proprietà topologiche, esempi, sollevamenti di funzioni, cammini ed omotopie, rivestimenti e gruppo fondamentale, gruppi ad azione propriamente discontinua.
Gruppi di omologia simpliciale: simplessi e complessi simpliciali, proprietà topologiche, richami sui gruppi abeliani finitamente generati, gruppo delle p-catene, operatore bordo, i gruppi di omologia, invarianza topologica, numeri di Betti e caratteristica di Eulero-Poincaré, il Teorema di Eulero-Poincaré.
Superfici connesse compatte: n-varietà topologiche, senza bordo e con bordo, esempi di superfici, somma connessa e caratteristica di Eulero-Poincaré delle superfici connesse compatte, teorema di classificazione e proprietà, orientabilità, superfici connesse compatte e regioni poligonali, gruppo fondamentale delle superfici connesse compatte, geometrie omogenee sulle superfici connesse compatte.

Modalità d'esame

L’esame consiste di una prova di teoria. La prova di teoria verifica l’abilità di esporre ed applicare in modo chiaro e rigoroso alcuni contenuti del corso. Gli studenti dovranno prenotarsi per sostenere l’esame utilizzando esclusivamente le modalità online previste dal sistema VOL.

Testi di riferimento

Munkres, Algebraic Topology. (disponibile presso la Biblioteca di Matematica)

Codice insegnamento 217921

LABORATORIO DIDATTICO DELLA FISICA 1° anno · 6 CFU · PHYS-03/A · 0 file

Il taglio di questo corso è di tipo teorico e sperimentale e ha come obiettivo formativo specifico la conoscenza del metodo sperimentale e la sua applicazione a partire dalla teoria della misura e nella descrizione e…

Scheda dell'insegnamento

Obiettivi formativi

Il taglio di questo corso è di tipo teorico e sperimentale e ha come obiettivo formativo specifico la conoscenza del metodo sperimentale e la sua applicazione a partire dalla teoria della misura e nella descrizione e comprensione dei fenomeni legati al moto del punto materiale e dei corpi estesi, ai fenomeni elettrici, magnetici e ottici. Lo studio di fenomeni della fisica classica e l’esecuzione di semplici esperimenti permetteranno agli studenti di acquisire la capacità di analizzare dati sperimentali e di produrre una relazione scientifica. Saranno in tal modo sviluppate le loro abilità comunicative sia orali che in forma scritta.

Programma

Il Corso si sviluppa in 42 ore, di cui 26 di lezioni frontali e 16 di prove di esercitazioni in laboratorio. Le prime ore di lezione dell’insegnamento saranno dedicate a lezioni frontali in cui si affrontano argomenti connessi al Laboratorio di Fisica, successivamente ci si dedicherà alle basi teoriche dei principali fenomeni fisici che saranno oggetto di esercitazioni di laboratorio e di discussione critica in aula. In particolare:
a) Incertezza di una misura e precisione. Errori casuali ed errori sistematici. Propagazione degli errori nelle misure indirette. Analisi statistica di un set di misure: media e deviazione standard. Errore sulla media. Istogrammi di frequenza. Distribuzione di probabilità di Gauss. Best-fit lineare e sua incertezza.
b) Spiegazione degli esperimenti da eseguire in Laboratorio per la misura di grandezze fisiche legate alla meccanica classica, all’elettromagnetismo e all’ottica geometrica e ondulatoria, in dettaglio:
Misura dell’accelerazione di gravità mediante il pendolo semplice.
Misura della costante elastica di una molla.
Misura di resistenze con il ponte di Wheatstone.
Misura del potere rotatorio e legge di Malus.
Misura di resistenze con il metodo Volt-Amperometrico.
Misura di resistenze elevate tramite la scarica di un condensatore.
Misura della distanza focale di una lente convergente con il metodo di Bessel.
Misura di un’Induttanza tramite circuito RLC in corrente alternata.

Assolutamente. Ecco il Programma Esteso del Corso di Laboratorio di Fisica di 42 ore , strutturato in forma testuale come elenco dettagliato, senza l'uso di figure o diagrammi, e suddiviso per Moduli tematici e attività.
🔬 Programma Esteso del Corso di Laboratorio di Fisica (42 ore)
Modulo 1: Teoria della Misura e Analisi Dati (8 ore di Lezioni Frontali)
Introduzione al Laboratorio di Fisica (2 ore):
Obiettivi del corso, regole di sicurezza e procedure standard.
Il concetto di misura: strumenti, sensibilità e risoluzione.
Grandezze Fisiche, Unità di Misura e il Sistema Internazionale (SI).
Incertezza e Tipi di Errore (3 ore):
Definizione di Incertezza di una misura e Precisione .
Errori Casuali (o Accidentali): natura e tecniche di riduzione.
Errori Sistematici : riconoscimento, calibrazione e correzione.
Stima dell'Incertezza: strumentale e da misure ripetute.
Statistica e Propagazione degli Errori (3 ore):
Analisi Statistica: calcolo della media aritmetica e della deviazione standard .
Calcolo dell' Errore sulla Media (Errore Standard).
Istogrammi di Frequenza e richiami alla Distribuzione di probabilità di Gauss .
Propagazione degli Errori nelle Misure Indirette (somme, prodotti, potenze).
Modulo 2: Analisi Statistica Avanzata e Best-Fit (4 ore di Lezioni Frontali)
Regressione Lineare e Minimi Quadrati (2 ore):
Tecniche di Linearizzazione di Dati .
Principi del Best-Fit Lineare e del Metodo dei Minimi Quadrati .
Valutazione della bontà dell'adattamento tramite il coefficiente di correlazione.
Incertezza e Validazione dei Risultati (2 ore):
Calcolo dell' Incertezza sulla pendenza e sull'intercetta della retta di best-fit.
Criteri per il Confronto tra i risultati sperimentali e i valori attesi.
Modulo 3: Meccanica Classica (4 ore LF + 4 ore LAB = 8 ore)
Teoria della Meccanica (2 ore LF):
Richiami sul Moto Armonico Semplice (MAS) .
Legge di Hooke (Forza Elastica) e l'accelerazione di gravità ($g$).
Discussione delle procedure di misura per gli esperimenti di meccanica.
Esercitazioni di Laboratorio (4 ore LAB):
Esperimento 1: Misura dell’accelerazione di gravità mediante il pendolo semplice. (Analisi $T^2$ vs $L$).
Esperimento 2: Misura della costante elastica di una molla. (Analisi Forza vs Allungamento).
Modulo 4: Elettromagnetismo in Corrente Continua e Transitoria (4 ore LF + 4 ore LAB = 8 ore)
Teoria dei Circuiti e Resistenza (2 ore LF):
Legge di Ohm e principi dei circuiti in Corrente Continua (CC).
Metodi di misura della resistenza: Ponte di Wheatstone e metodo Volt-Amperometrico.
Circuito RC e Regime Transitorio : Scarica del condensatore e costante di tempo ($\tau = RC$).
Esercitazioni di Laboratorio (4 ore LAB):
Esperimento 3: Misura di resistenze con il ponte di Wheatstone. (Determinazione della resistenza incognita).
Esperimento 5: Misura di resistenze con il metodo Volt-Amperometrico. (Analisi grafica V vs I).
Esperimento 6: Misura di resistenze elevate tramite la scarica di un condensatore. (Determinazione di $R$tramite la costante di tempo $\tau$).
Modulo 5: Ottica e Polarizzazione (4 ore LF + 4 ore LAB = 8 ore)
Teoria dell'Ottica (2 ore LF):
Ottica Geometrica: lenti, messa a fuoco e distanza focale.
Metodo di Bessel per la determinazione della focale.
Polarizzazione della luce, Legge di Malus e Potere Rotatorio .
Esercitazioni di Laboratorio (4 ore LAB):
Esperimento 4: Misura del potere rotatorio e legge di Malus. (Verifica della Legge di Malus e misura dell'angolo di rotazione).
Esperimento 7: Misura della distanza focale di una lente convergente con il metodo di Bessel. (Applicazione del metodo per minimizzare l'incertezza).
Modulo 6: Elettromagnetismo in Corrente Alternata (2 ore LF + 4 ore LAB = 6 ore)
Teoria dei Circuiti in CA (2 ore LF):
Concetto di Impedenza e reattanza (induttiva e capacitiva).
Circuito RLC in Corrente Alternata e fenomeno della Risonanza .
Relazione tra frequenza di risonanza e Induttanza ($L$).
Esercitazioni di Laboratorio (4 ore LAB):
Esperimento 8: Misura di un’Induttanza tramite circuito RLC in corrente alternata. (Analisi della curva di risonanza per calcolare $L$).
Modulo 7: Discussione e Revisione Finale (2 ore di Lezioni Frontali)
Elaborazione Finale e Conclusioni (2 ore LF):
Revisione dei concetti chiave (propagazione degli errori, best-fit, deviazione standard).
Discussione Critica dei risultati ottenuti e delle principali fonti di incertezza in ciascun esperimento.
Metodi per la corretta stesura della relazione di laboratorio.

Modalità d'esame

La prova consisterà di un colloquio sugli argomenti del corso e sulla discussione di una delle relazioni di laboratorio redatte dallo studente durante la frequenza al termine di ciascuna delle esercitazioni di laboratorio svolte.

Testi di riferimento

Mazzoldi P., Nigro M.,Voci C.: "Elementi di Fisica - Elettromagnetismo" EdiSES, Napoli.
Halliday-Resnick: Fondamenti di Fisica-Elettromagnetismo e Ottica, Editrice Ambrosiana
A. Foti, C.Giannino: Elementi di analisi dei dati sperimentali (Ed. Liguori, Napoli)
A. Insolia, F. Riggi: Laboratorio di Fisica (Ed. CULC, Catania)

Codice insegnamento 217929

MACHINE LEARNING 1° anno · 6 CFU · MATH-03/B · 0 file

Al termine del corso lo studente/la studentessa è in grado di riconoscere i principali metodi e modelli di machine learnning (ML), valutandone criticamente punti di forza e di debolezza. Inoltre, egli/ella è in grado…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente/la studentessa è in grado di riconoscere i principali metodi e modelli di machine learnning (ML), valutandone criticamente punti di forza e di debolezza. Inoltre, egli/ella è in grado di estrarre informazioni da insiemi di dati di grande dimensione a fini descrittivi e previsivi.
Conoscenza e capacità di comprensione ( knowledge and understanding )
Comprensione della teoria e della metodologia e della teoria dei principali algoritmi di ML in ambito supervisionato.
Capacità di cogliere differenze e similitudini tra varie tecniche di ML, illustrandone i principali aspetti computazionali.
Capacità di applicare conoscenza e comprensione ( applying knowledge and understanding )
Capacità di usare modelli di ML appropriati per estrarre informazione da un insieme di dati (specie se a grandi dimensioni) e formulare previsioni.
Capacità di scrivere i principali algoritmi di ML in un opportuno linguaggio di programmazione
Autonomia di giudizio ( making judgements )
Valutare criticamente i risultati ottenuti dall’applicazione di un particolare algoritmo di ML.
Abilità comunicative ( communication skills )
Presentare in modo preciso i risultati di un’analisi di dati mediante metodi di ML.
Capacità di apprendimento ( learning skills )
Individuare gli strumenti più adatti per analizzare dati, realizzando in modo autonomo la relativa elaborazione computazionale.

Programma

Introduzione ai metodi matematici per il machine learning ed ai relativi algoritmi, anche mediante l’uso di un opportuno linguaggio di programmazione.

Introduzione al Machine Learning. Rischio empirico e rischio bayesiano. Decomposizione del rischio. Errore di generalizzazione. Validazione incrociata.
Richiami sul modello di regressione lineare. Selezione del modello di regressione. Regressione Ridge e Lasso.
Classificazione. Classificatori generativi. Regressione logistica.
Metodi basati su medie locali. L’algoritmo KNN. Alberi decisionali.
Apprendimento non-supervisionato.
Introduzione alle reti neurali.

Modalità d'esame

La prova d’esame è divisa in di due parti:
prova orale con quesiti di carattere teorico ed esercizi di applicazione dei modelli studiati (50%);
lavoro progettuale per il calcolo e la risoluzione di problemi computazionali con apposito linguaggio di programmazione (50%).
In relazione alla prova orale è valutata correttezza e chiarezza nelle risposte, nonché la capacità di usare adeguatamente gli strumenti matematici presentati ed individuarne le possibili limitazioni. In relazione al lavoro progettuale, è valutata l’originalità, la correttezza delle procedure e la capacità di interpretare correttamente i risultati ottenuti, nonché la capacità di esporre criticamente i risultati ottenuti.
Non sono previste differenze nelle modalità d’esame fra studenti frequentanti e non frequentanti.
L’Università del Salento “ promuove e garantisce l’inclusione e la partecipazione effettive degli studenti con disabilità ” (art. 10 dello Statuto). Lo studente/la studentessa che intende usufruire di un intervento individualizzato all'esame deve contattare l'Ufficio Inclusione dell'Università del Salento.

Testi di riferimento

Appunti delle lezioni (a cura del docente) saranno distribuiti nella pagina dell’insegnamento su elearning.unisalento.it.
James, G., Witten, D., Hastie, T., Tibshirani, R.: An Introduction to Statistical Learning with Applications in Python. Springer, 2023. Seconda edizione. Link: https://www.statlearning.com/
Letture consigliate (ad accesso libero e aperto)
Bach, F.: Learning from First Principles. Link: https://www.di.ens.fr/%7Efbach/
Hastie, T., Tibshirani, R., Friedman, J.: The Elements of Statistical Learning. Springer, 2009.
Link: https://hastie.su.domains/ElemStatLearn/
Murphy, K. P.: Probabilistic Machine Learning: An Introduction. MIT Press, 2022. Link: https://probml.github.io/pml-book/book1.html

Codice insegnamento 223756

MATEMATICA PER LA FINANZA 1° anno · 6 CFU · STAT-04/A · 0 file

Conoscenze e comprensione (Knowledge and understanding) Al termine del corso lo studente avrà acquisito le conoscenze fondamentali delle metodologie quantitative per la valutazione di strumenti finanziari e creditizi,…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione (Knowledge and understanding)
Al termine del corso lo studente avrà acquisito le conoscenze fondamentali delle metodologie quantitative per la valutazione di strumenti finanziari e creditizi, flussi futuri, struttura dei rendimenti e prezzi correnti dei titoli a reddito fisso. Il corso fornisce anche le conoscenze di base dei modelli di gestione degli investimenti in presenza di rischio finanziario, con particolare riguardo all’immunizzazione finanziaria del rischio di tasso.
Capacità di applicare conoscenze e comprensione (Applying knowledge and understanding)
Lo studente sarà in grado eseguire le elementari valutazioni quantitative degli strumenti finanziari e creditizi, confrontare i prezzi di mercato dei titoli obbligazionari e delineare un problema di valutazione o scelta finanziaria.
Autonomia di giudizio (Making judgements)
Lo studente avrà sviluppato la capacità di analisi critica per la formalizzazione di modelli di valutazione riferiti a specifiche forme tipiche di prodotti del settore finanziario.
Abilità comunicative (Communication skills)
Lo studente avrà acquisito il linguaggio quantitativo-finanziario di base necessario per lo svolgimento di un ragionamento complesso sui criteri di valutazione finanziaria comunemente adottati nelle scelte finanziarie in condizioni di certezza e in ambito semi-deterministico.
Capacità di apprendimento (Learning skills)
I contenuti del corso e le strategie didattiche adottate, anche con l’ausilio di attività laboratoriali e l’utilizzo di specifici software applicativi, forniranno allo studente la capacità di interpretare i problemi di natura finanziaria e di individuare gli strumenti quantitativi più opportuni per la risoluzione degli stessi. Le capacità acquisite consentiranno allo studente di affrontare ulteriori approfondimenti degli argomenti trattati sia sotto l’aspetto teorico che in ambito operativo.

Programma

Il corso si propone di introdurre i principali argomenti della Matematica finanziaria, tra cui i regimi finanziari e la struttura del mercato, le operazioni di rendita e di rimborso di un prestito indiviso, i criteri di scelta tra operazioni finanziarie certe, i titoli obbligazionari e l'immunizzazione finanziaria.

OPERAZIONI FINANZIARIE E STRUTTURA DEL MERCATO
Operazioni finanziarie e regimi finanziari. Struttura per scadenza dei tassi di interesse: a pronti e a termine. Definizione e proprietà della funzione valore. Principio di non arbitraggio e scindibilità di una legge finanziaria. Intensità istantanea di interesse. Rendimento a scadenza.
RENDITE E AMMORTAMENTI
Rendite finanziarie. Valore di una rendita. Rendite a rate costanti. Rendite in progressione geometrica. Rendite perpetue. Piani di rimborso di un prestito indiviso. Generalità sugli ammortamenti. Forme comuni di ammortamento a tasso costante. Ammortamenti a tasso variabile.
SCELTA TRA OPERAZIONI FINANZIARIE CERTE
Tasso interno di rendimento (TIR) di un’operazione finanziaria. Esistenza e unicità del TIR. Metodo delle tangenti di Newton per il calcolo del TIR. Criteri di scelta per investimenti: criterio del TIR, criterio del Valore Attuale Netto (VAN) e criterio TRM. Criteri di scelta per finanziamenti: TAN e TAEG e schema sintetico dei criteri di scelta.
OBBLIGAZIONI E IMMUNIZZAZIONE FINANZIARIA
Classificazione delle obbligazioni. Obbligazioni senza cedola (ZCB). Obbligazioni con cedola fissa (CB). Duration e convexity di Macaulay. Portafogli immunizzati.

Modalità d'esame

Modalità di esame: prova scritta svolta in aula informatica mediante l'utilizzo di un PC e del foglio di calcolo Excel.
Modalità di accertamento: l'esame prevede una prova scritta composta da domande a risposta breve, per le quali è richiesta l'indicazione della sola soluzione. La prova è finalizzata a valutare la capacità dello studente di elaborare e applicare gli strumenti matematici appresi durante il corso.
È possibile sostenere la prova scritta attraverso prove intermedie (esoneri).
Maggiori informazioni sulle modalità di svolgimento della prova scritta saranno rese disponibili sulla pagina web dell'insegnamento sulla piattaforma e-learning di Ateneo (elearning.unisalento.it).
Non sono previste differenze nelle modalità d'esame tra studenti frequentanti e non frequentanti.
Gli studenti con disabilità e/o con DSA che intendono usufruire di un intervento individualizzato per lo svolgimento della prova d'esame sono invitati a contattare l'Ufficio Integrazione Disabili dell'Università del Salento.

Testi di riferimento

Testi consigliati
Scandolo G.: “Matematica Finanziaria", Amon Editore, 2013.
Hull John C.: Opzioni, futures e altri derivati, Pearson, 2022
Testi di utile consultazione
Ross Sheldon M., Calcolo delle probabilità (3a edizione), Maggioli Editore, 2015
Stock James H., Watson Mark W., Introduzione all'econometria, Pearson, 2020
Marzo M., Asset Management, Il Mulino, 2022

Codice insegnamento 217928

MATEMATICA PER LA FINANZA 1° anno · 6 CFU · STAT-04/A · 0 file

Conoscenze e comprensione (Knowledge and understanding) Al termine del corso lo studente avrà acquisito le conoscenze fondamentali delle metodologie quantitative per la valutazione di strumenti finanziari e creditizi,…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione (Knowledge and understanding)
Al termine del corso lo studente avrà acquisito le conoscenze fondamentali delle metodologie quantitative per la valutazione di strumenti finanziari e creditizi, flussi futuri, struttura dei rendimenti e prezzi correnti dei titoli a reddito fisso. Il corso fornisce anche le conoscenze di base dei modelli di gestione degli investimenti in presenza di rischio finanziario, con particolare riguardo all’immunizzazione finanziaria del rischio di tasso.
Capacità di applicare conoscenze e comprensione (Applying knowledge and understanding)
Lo studente sarà in grado eseguire le elementari valutazioni quantitative degli strumenti finanziari e creditizi, confrontare i prezzi di mercato dei titoli obbligazionari e delineare un problema di valutazione o scelta finanziaria.
Autonomia di giudizio (Making judgements)
Lo studente avrà sviluppato la capacità di analisi critica per la formalizzazione di modelli di valutazione riferiti a specifiche forme tipiche di prodotti del settore finanziario.
Abilità comunicative (Communication skills)
Lo studente avrà acquisito il linguaggio quantitativo-finanziario di base necessario per lo svolgimento di un ragionamento complesso sui criteri di valutazione finanziaria comunemente adottati nelle scelte finanziarie in condizioni di certezza e in ambito semi-deterministico.
Capacità di apprendimento (Learning skills)
I contenuti del corso e le strategie didattiche adottate, anche con l’ausilio di attività laboratoriali e l’utilizzo di specifici software applicativi, forniranno allo studente la capacità di interpretare i problemi di natura finanziaria e di individuare gli strumenti quantitativi più opportuni per la risoluzione degli stessi. Le capacità acquisite consentiranno allo studente di affrontare ulteriori approfondimenti degli argomenti trattati sia sotto l’aspetto teorico che in ambito operativo.

Programma

Il corso si propone di introdurre i principali argomenti della Matematica finanziaria, tra cui i regimi finanziari e la struttura del mercato, le operazioni di rendita e di rimborso di un prestito indiviso, i criteri di scelta tra operazioni finanziarie certe, i titoli obbligazionari e l'immunizzazione finanziaria.

OPERAZIONI FINANZIARIE E STRUTTURA DEL MERCATO
Operazioni finanziarie e regimi finanziari. Struttura per scadenza dei tassi di interesse: a pronti e a termine. Definizione e proprietà della funzione valore. Principio di non arbitraggio e scindibilità di una legge finanziaria. Intensità istantanea di interesse. Rendimento a scadenza.
RENDITE E AMMORTAMENTI
Rendite finanziarie. Valore di una rendita. Rendite a rate costanti. Rendite in progressione geometrica. Rendite perpetue. Piani di rimborso di un prestito indiviso. Generalità sugli ammortamenti. Forme comuni di ammortamento a tasso costante. Ammortamenti a tasso variabile.
SCELTA TRA OPERAZIONI FINANZIARIE CERTE
Tasso interno di rendimento (TIR) di un’operazione finanziaria. Esistenza e unicità del TIR. Metodo delle tangenti di Newton per il calcolo del TIR. Criteri di scelta per investimenti: criterio del TIR, criterio del Valore Attuale Netto (VAN) e criterio TRM. Criteri di scelta per finanziamenti: TAN e TAEG e schema sintetico dei criteri di scelta.
OBBLIGAZIONI E IMMUNIZZAZIONE FINANZIARIA
Classificazione delle obbligazioni. Obbligazioni senza cedola (ZCB). Obbligazioni con cedola fissa (CB). Duration e convexity di Macaulay. Portafogli immunizzati.

Modalità d'esame

Modalità di esame: prova scritta svolta in aula informatica mediante l'utilizzo di un PC e del foglio di calcolo Excel.
Modalità di accertamento: l'esame prevede una prova scritta composta da domande a risposta breve, per le quali è richiesta l'indicazione della sola soluzione. La prova è finalizzata a valutare la capacità dello studente di elaborare e applicare gli strumenti matematici appresi durante il corso.
È possibile sostenere la prova scritta attraverso prove intermedie (esoneri).
Maggiori informazioni sulle modalità di svolgimento della prova scritta saranno rese disponibili sulla pagina web dell'insegnamento sulla piattaforma e-learning di Ateneo (elearning.unisalento.it).
Non sono previste differenze nelle modalità d'esame tra studenti frequentanti e non frequentanti.
Gli studenti con disabilità e/o con DSA che intendono usufruire di un intervento individualizzato per lo svolgimento della prova d'esame sono invitati a contattare l'Ufficio Integrazione Disabili dell'Università del Salento.

Testi di riferimento

Testi consigliati
Scandolo G.: “Matematica Finanziaria", Amon Editore, 2013.
Hull John C.: Opzioni, futures e altri derivati, Pearson, 2022
Testi di utile consultazione
Ross Sheldon M., Calcolo delle probabilità (3a edizione), Maggioli Editore, 2015
Stock James H., Watson Mark W., Introduzione all'econometria, Pearson, 2020
Marzo M., Asset Management, Il Mulino, 2022

Codice insegnamento 217920

PEDAGOGIA INTERCULTURALE 1° anno · 6 CFU · PAED-01/A · 0 file

Obiettivi formativi: Conoscere i principali modelli teorici nell’ambito della pedagogia interculturale; Comprendere il ruolo della dimensione interculturale nei processi di soggettivazione e nei contesti educativi; Saper…

Scheda dell'insegnamento

Obiettivi formativi

Obiettivi formativi:

  • Conoscere i principali modelli teorici nell’ambito della pedagogia interculturale;
  • Comprendere il ruolo della dimensione interculturale nei processi di soggettivazione e nei contesti educativi;
  • Saper orientare l'agire progettuale per promuovere un'educazione interculturale transdisciplinare;
  • Sviluppare capacità di riflessione per formulare ipotesi e soluzioni originali.
    Conoscenze e comprensione.
    Saranno fornite le conoscenze disciplinari di base relative alle teorie contemporanee della Pedagogia sociale, a partire dai processi di soggettivazione e della dimensione intrinsecamente relazionale nella formazione di soggettività (io/Altro). In particolare, l’insegnamento proporrà una dimensione teoretica e clinica che poggia sull’innesto tra le teorie della Umbildung e la cornice psicodinamica (freudiana e post-freudiana) dal Novecento agli sviluppi attuali. Tale orientamento è propedeutico all’analisi del costrutto di Comunità educante e pone criticamente l’attenzione sulle povertà educative primarie e secondarie, nella prospettiva di sviluppare progettazioni educative inclusive, originali, innescate da processi bottom-up e che stimolano il desiderio partecipativo, per cui saranno forniti strumenti di progettazione europea.
    Capacità di applicare conoscenze e comprensione.
    Le conoscenze acquisite consentiranno di comprendere e analizzare i percorsi di soggettivazione e le fenomenologie della contemporaneità in ambito interculturale. Da questo punto di vista saranno implementati:
  • l’orientamento all’interno delle principali teorie filosofiche del Novecento con particolare attenzione alle strutture simboliche delle società e dei processi culturali e comunicativi;
  • la comprensione della metodologia psicopedagogica di orientamento dinamico, quindi delle ‘strutture elementari’ nella costruzione delle soggettività;
  • la comprensione delle teorie educative interculturali e dei costrutti fondamentali (comunità, povertà educative, inclusione, etc.);
  • l’abilità nell’attualizzare e reinterpretare gli strumenti teorici forniti, e stimolare il pensiero critico rispetto ai fenomeni sociali contemporanei;
  • lo stimolo a una progettualità educativa e sociale partendo dai bisogni e dai desideri delle comunità, a livello transdisciplinare.
    Autonomia di giudizio.
    Il corso mirerà a educare alla risposta, sviluppare pensiero critico e strutturare comunità, con particolare attenzione alle dinamiche psicopedagogiche nelle relazioni educative interculturali e alle fenomenologie della contemporaneità.
    Abilità comunicative.
    Il corso promuove e supporta la partecipazione individuale e d’aula, incentivando la risposta e stimolando la riflessione partecipata. Questo processo supporta la costruzione di significati condivisi e facilita l’emersione di risposte e di stimoli originali e innovativi, promuovendo un approccio e un’abilità da impiegare anche oltre l’aula, nella prospettiva dell’impegno sociale e interculturale.
    Capacità di apprendimento.
    Alla postura tradizionale di apprendimento up-down nelle discipline educative si preferirà un movimento bottom up che stimoli risposte dall’aula, per favorire il desiderio partecipativo non soltanto all’apprendimento, ma anche alla progettazione e all’impegno sociale. Questo processo si fonda altresì (psico-pedagogicamente) sulle modalità della trasmissione del sapere, ovvero su una relazione educativa di tipo transferale che poggia sui vettori emotivi e affettivi della conoscenza, e che fa leva sul desiderio partecipativo dei singoli e delle comunità.

Programma

  • Principali teorie pedagogiche moderne e contemporanee;
  • Principali strategie e questioni dell’educazione interculturale;
  • Costrutti pedagogici: Comunità educanti, Povertà educative primarie e secondarie, Inclusione sociale;
  • Educazione formale e informale, contesti sottoculturali;
  • Teoria della soggettivazione di orientamento dinamico;
  • Dal sintomo contemporaneo alla progettazione educativa;
  • Progettazione europea

Il corso si propone di fornire agli studenti i principali strumenti sui processi di soggettivazione, che si situano alla base di ogni teoria e prassi che riguardi la pedagogia interculturale per promuovere una dimensione realmente inclusiva all’interno delle comunità.
Assumendo l’alterità come costitutiva di ogni soggetto, su tutti i livelli, un approccio psicopedagogico di orientamento dinamico promuove il pensiero critico, si fonda sull’inclusività degli ambienti formativi e stimola il desiderio partecipativo.
L’ analisi e la discussione dei principi e delle strategie dell’educazione interculturale, delle povertà educative e dell’inclusione sociale in ambienti formali e informali, si basa sul costrutto di “Comunità Educanti” come contesti formativi generativi e inclusivi, capaci di produrre innovazione sociale e stimolare progettualità educative di tipo sperimentale. Utilizzando la teoria della soggettivazione come Grund teorico e prassico di riferimento (Pesare 2018; 2023; Pesare, Agagiù 2022), si propone un framework teoretico transdisciplinare che promuove il pensiero critico e la progettazione. Particolare attenzione sarà prestata ai processi di soggettivazione e assoggettamento nel rapporto tra soggetto e strutture simboliche della formazione. A tal fine saranno vagliati gli strumenti conoscitivi e casi di studio in contesti formali e informali di apprendimento per comprendere i temi dell’educazione interculturale e dell’inclusione sociale, con un approfondimento specifico sulle povertà educative primarie e secondarie (Mannese, Lombardi 2024) e sui fenomeni propri della contemporaneità (p.es. discorsi d’odio, paranoia e sovranismi, etc.). Attraverso la conoscenza dei fondamentali approcci teorici sulla formazione interculturale, gli studenti potranno orientarsi a teorie e prassi di educazione interculturale, sviluppando capacità di analisi dei bisogni educativi e sarà stimolata una progettualità formativa di respiro europeo.
Project work.
I contributi individuali nella restituzione collettiva dell’aula mirano a sviluppare comunità attraverso processi educativi che valorizzano la partecipazione attiva, la riflessione critica e la co-costruzione di significati condivisi. L’interazione e il dialogo all’interno del gruppo saranno fondamentali per il processo di co-progettazione.

Modalità d'esame

Project work, prova orale

Testi di riferimento

Programma frequentanti
Capitoli da:
A. Granata, Pedagogia delle diversità. Come sopravvivere un anno in una
classe interculturale, Carocci, Roma, 2016.
M. Santerini, Da stranieri a cittadini. Educazione interculturale e
mondo globale, Mondadori Università, Milano, 2017 (capitoli 3, 4, 5:
un capitolo a scelta)
Testo principale:
G. Burgio. Pedagogia Postcoloniale. Prospettive Radicali per l'intercultura, Franco Angeli, Milano, 2022.
2. Dispense del docente
3. Project work in aula, dispense del docente

Codice insegnamento 258380

PROBABILITA' 1° anno · 9 CFU · MATH-03/B · 0 file

Conoscenza e comprensione ( knowledge and understanding ) Comprensione della teoria e della metodologia degli argomenti essenziali relativi ai vettori aleatori e ai processi stocastici. Capacità di individuare un modello…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenza e comprensione ( knowledge and understanding )
Comprensione della teoria e della metodologia degli argomenti essenziali relativi ai vettori aleatori e ai processi stocastici.
Capacità di individuare un modello stocastico con più componenti e/o variabile nel tempo e di comprenderne le principali caratteristiche.
Capacità di applicare conoscenza e comprensione ( applying knowledge and understanding )
Capacità di ragionamento induttivo e deduttivo nell’affrontare problemi coinvolgenti fenomeni casuali complessi e che evolvono nel tempo.
Capacità di schematizzare un fenomeno aleatorio in termini rigorosi, di impostare problemi ad essi connessi e di risolverli utilizzando opportuni strumenti della probabilità.
Autonomia di giudizio ( making judgements )
C apacità di integrare le conoscenze probabilistiche acquisite consultando la letteratura scientifica di riferimento.
Capacità di valutare criticamente le potenziali e le limitazioni dell’applicazione di modelli probabilistici a situazioni reali.
Abilità comunicative ( communication skills )
Descrivere in modo rigoroso concetti complessi riferiti a fenomeni probabilitistici illustrandone le loro proprietà fondamentali. Argomentare rigorosamente le strategie per la risoluzione di problemi probabilistici.
Capacità di apprendimento ( learning skills )
Al termine del corso, lo studente/la studentessa ha acquisito una solida “mentalità” probabilistica che consente lo studio autonomo di problemi e la comprensione dei principali sviluppi nel settore.

Programma

Al termine del corso lo studente/la studentessa conosce i principali metodi e modelli probabilistici per sistemi complessi, ossia composti da più componenti che interagiscono tra di loro, e/o che evolvono nel tempo. Inoltre, con le conoscenze acquisite durante il corso, lo studente/la studentessa possiede anche la capacità di applicare i metodi probabilistici in contesti diversi quali la statistica, l’analisi dei dati e il machine learning, e nei contesti applicativi in cui è rilevante l’analisi dei fenomeni aleatori.

Richiami su spazi di misura e di probabilità. Indipendenza. Lemmi di Borel-Cantelli e loro applicazioni.
Vettori aleatori: richiami sulle variabili aleatorie e loro leggi. Funzioni caratteristiche e momenti. Leggi di probabilità congiunte. Covarianza e correlazione. Vettori gaussiani. Applicazione: simulazione di vettori aleatori.
Speranze condizionate e loro proprietà. Distribuzioni condizionate. Applicazione: misure di rischio.
Disuguaglianze e Teoremi Limite. Disuguaglianze di concentrazione. Convergenza stocastica. Teorema Limite Centrale. Leggi dei Grandi Numeri deboli e forti. Applicazione: il metodo Monte Carlo.
Introduzione ai processi stocastici. Le catene di Markov. Il moto browniano. Introduzione al calcolo stocastico.

Modalità d'esame

La prova d’esame consiste in una prova orale. In relazione alla prova orale è valutata correttezza e chiarezza nelle risposte, nonché la capacità di usare adeguatamente gli strumenti matematici presentati ed individuarne le possibili limitazioni.
Non sono previste differenze nelle modalità d’esame fra studenti frequentanti e non frequentanti.
L’Università del Salento “ promuove e garantisce l’inclusione e la partecipazione effettive degli studenti con disabilità ” (art. 10 dello Statuto). Lo studente/la studentessa che intende usufruire di un intervento individualizzato all'esame deve contattare l'Ufficio Inclusione dell'Università del Salento.

Testi di riferimento

Appunti delle lezioni (a cura del docente) saranno distribuiti nella pagina dell’insegnamento su elearning.unisalento.it.
C. Sempi, Secondo Corso di Probabilità. Link: https://www.unisalento.it/scheda-utente/-/people/carlo.sempi/risorse-correlate
J.K. Blitzstein and J. Wang, Introduction to Probability (2nd edition). Taylor and Francis, 2019. Link: https://stat110.hsites.harvard.edu
R. Durrett. Essentials of Stochastic Processes, 2016. Link: https://sites.math.duke.edu/~rtd/

Codice insegnamento 217919

PSICOLOGIA GENERALE 1° anno · 6 CFU · PSIC-01/A · 0 file
RETI NEURALI 1° anno · 9 CFU · MATH-04/A · 0 file

Acquisire una conoscenza dei metodi teorici, euristici e rigorosi per lo studio delle reti neurali e altri modelli in apprendimento artificiale.

Scheda dell'insegnamento

Obiettivi formativi

Acquisire una conoscenza dei metodi teorici, euristici e rigorosi per lo studio delle reti neurali e altri modelli in apprendimento artificiale.

Programma

Teoria statistica dell'apprendimento caso peggiore e caso tipico. Apprendimento e ottimizzazione. Fondamenti e metodi della meccanica statistica. I sistemi disordinati. Meccanica statistica per l'inferenza l'apprendimento automatico. Reti neurali, dalle neuroscienze computazionali all'intelligenza artificiale. Il modello di Hopfield. La prospettiva di Gardner: lo spazio dei pesi nelle reti neurali. Il percettrone, capacità e scenario insegnante/studente. Apprenimento Bayes-ottimo.

Programma
I capitoli si riferiscono alle note del corso
Cap. 1
Introduzione all'apprendimento statistico. Apprendimento Supervisionato, Non-supervisionato e con Rinforzo.
La maledizione della dimensione
La discesa di gradiente: tema e variazioni
Generalizzazione e overfitting
Bias e varianza: vecchia teoria e doppia discesa.
Teoria della convergenza uniforme, disuguaglianza di Hoeffding, dimensione di Vapkin, Lemma di Sauer.
Cap. 2:
Il percettrone e la it Support Vector Machine
Classificazione binaria, Separabilità lineare.
L'algoritmo del percettrone, teorema di convergenza
Classificazione Aleatoria; il teorema di Cover
Il paradigma it Teacher-Student
La SVM e il Kernel.
Cap. 4:
Richiami di probabilità
Entropia e divergenza di Kullback-Leibler
Inferenza e apprendimento Bayesiani
Cenni di processi stocastici
Catene di Markov
Ergodicità, teorema di Perron-Frobenius e teorema H.
Cap. 5:
Introduzione alla Meccanica Statistica
Formulazione Hamiltoniana dell'equazione di Newton
Teorema di Liouville
Ensemble Microcanonico
il gas perfetto e l'integrale sferico in $n$ dimensioni
Entropia termodinamica e entropia statistica
La distribuzione di Boltzmann
Metodi importanti della MS: metodo di Laplace, integrazione Gaussiana, rappresentazione di Fourier della funzione delta.
Cap. 6:
Il modello di Ising e i fenomeni collettivi
Soluzione esatta del modello di Curie-Weiss
Teoria di Landau e rottura di simmetria
Cap. 7:
Il disordine it quenched
I vetri di spin e la loro transizione
Il modello di Sherrington-Kirkpatrick
Teorema di esistenza e auto-media dell'energia libera
Il metodo delle repliche
la soluzione 'replica simmetrica' (RS) del modello SK
Il metodo di interpolazione RS.
Cap. 11:
La macchina di Boltzmann, la macchina di Boltzmann ristretta, il modello di Ising inverso.
Algoritmi di apprendimento
Cap. 12:
Neuroni e sinapsi
Semplici modelli di neurone
La plasticit à sinaptica
Cap. 13:
Il modello di Hopfield in tutti i suoi stati
Memoria associativa
Soluzione esatta -ancorché non rigorosa- del modello.
Cap. 14:
Limite massimo di capacità delle reti neurali: percettrone e reti ad attrattori
l'approccio di E. Gardner
Cap. 15:
Reti feed-forward percettroni a molti strati
esempi di architetture
Apprendimento di caratteristiche (features)
Limite di rete grassa: apprendimento pigro e regime di campo medio.

Modalità d'esame

Esame orale.

Testi di riferimento

Note del corso. A. Engel, C. Van den Broeck, Statistical Mechanics of Learning CUP (2004). S. J.D. Prince Understanding Deep Learning http://udlbook.com. D.J. Amit Modelling Brain Functions CUP (1989)

Codice insegnamento 258385

SISTEMI DINAMICI 1° anno · 9 CFU · MATH-04/A · 0 file

Conoscenza e comprensione. Il corso prevede l’introduzione dei concetti di stabilità, dei metodi di analisi di stabilità lineare e non, della teoria delle biforcazioni e della definizione di sistema caotico. Capacità…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenza e comprensione. Il corso prevede l’introduzione dei concetti di stabilità, dei metodi di analisi di stabilità lineare e non, della teoria delle biforcazioni e della definizione di sistema caotico. Capacità di applicare conoscenza e comprensione. Gli studenti acquisiranno le conoscenze e le competenze necessarie per applicare tecniche analitiche e numeriche per lo studio dei sistemi non lineari a bassa dimensionalita'.

Programma

Obiettivo del corso è dare alle/agli studenti un'ntroduzione alla moderna teoria del caos e dei sistemi dinamici, e di fornire gli strumenti di base per lo studio dei sistemi caotici. Le nozioni introdotte verranno discusse tramite esempi presi dalla fluidodinamica, dalla meccanica celeste, e da alcuni semplici modelli per la dinamica delle popolazioni.

Introduzione al caos deterministico. Sistemi continui e discreti; mappe uno-dimensionali, biforcazioni. Mappa di Bernoulli, mappa logistica. -Caratterizzazione di sistemi caotici (sistemi conservativi/dissipativi; punti fissi e loro stabilità lineare; esponente di Lyapunov per mappe 1d). - Studio della mappa logistica: period doubling bifurcation e costanti universali di Feigenbaum. - Moti convettivi: derivazione fisica del modello a tre variabili di E. Lorenz. Studio del modello di Lorenz al variare del parametro di controllo. -Misura: misura invariante, misura naturale, eq. di Perron-Frobenius, ipotesi ergodica; mixing. - Attrattore strano e dimensione frattale. - Spettro multifrattale. - Esponenti di Lyapunov, Teorema di Oseledec; generalizzazioni, congettura di Kaplan- Yorke. -Intermittenza temporale: Finite time Lyapunov exponents. -Teorema del Limite Centrale; Teoria delle grandi deviazioni: funzione di Cramer. - Scenari di transizione al caos (Ruelle e Takens, Feigenbaum, Pomeau e Manville). - Sistemi Hamiltoniani integrabili. Sistemi quasi integrabili. Cenni di teoria dell'informazione.

Modalità d'esame

Esame orale

Testi di riferimento

  • E. Ott, "Chaos in dynamical systems", Cambridge University Press, 1993. - M. Cencini, F. Cecconi, A. Vulpiani, "Chaos. From simple models to complex suystems" World Scientific, Singapore 2009. ISBN978-981-4277-65-5 - H.G. Schuster, "Deterministic Chaos. An Introduction" Wiley-VCH, 2004, ISBN 3527404155

Codice insegnamento 217922

STATISTICA APPLICATA 1° anno · 9 CFU · MATH-03/B · 0 file

Il Corso fornisce nozioni fondamentali di Statistica, sia parametrica sia non-parametrica. Il taglio del Corso è di tipo applicativo e numerosi esempi pratici (tratti dal mondo reale e dalle attività di ricerca del…

Scheda dell'insegnamento

Obiettivi formativi

Il Corso fornisce nozioni fondamentali di Statistica, sia parametrica sia non-parametrica. Il taglio del Corso è di tipo applicativo e numerosi esempi pratici (tratti dal mondo reale e dalle attività di ricerca del Docente) sono utilizzati per illustrare i concetti di base introdotti durante le lezioni.

Programma

Programma dettagliato delle lezioni (in italiano):
1 PREMESSA 1.1 Introduzione 1.2 Cenni di Teoria della Misura 1.3 Modelli Statistici 1.4 Modelli statistici esponenziali
2 STATISTICHE D'ORDINE 2.1 Definizioni e proprietà 2.2 Statistiche d'ordine estremali 2.3 Leggi delle statistiche d'ordine
3 STIMATORI 3.1 Definizioni e proprietà 3.2 Media e varianza campionaria 3.3 Confronto di stimatori 3.4 Disuguaglianza di Fréchet-Cramér-Rao 3.5 Sufficienza e completezza
4 TECNICHE DI STIMA 4.1 Introduzione 4.2 Il Metodo dei Momenti 4.3 Stimatori di Massima Verosimiglianza 4.4 PWM e L-moment
5 CAMPIONI GAUSSIANI 5.1 Introduzione 5.2 Legge Chi-quadro 5.3 Legge t-Student 5.4 Legge di Fisher-Snedecor
6 VERIFICA DI IPOTESI 6.1 Teoria di Neyman-Pearson 6.2 Rapporto di verosimiglianza monotono 6.3 Rapporto di verosimiglianza generalizzato 6.4 Verifica di ipotesi per campioni Gaussiani 6.4.1 Test del Chi-quadro (Varianza) 6.4.2 Test t-Student (Speranza) 6.4.3 Test di Fisher-Snedecor (Confronto Varianze)
7 STIMA PER INTERVALLI 7.1 Metodo del pivot 7.2 IC per campioni Gaussiani 7.3 Uso delle Tavole
8 TEORIA DEI VALORI ESTREMI 8.1 Modelli "a blocchi" 8.2 Modelli "a soglia"
9 SIMULAZIONE 9.1 Trasformazione Integrale di Probabilità 9.2 Metodo del Rigetto 9.3 Ulteriori schemi di simulazione univariata
10 STATISTICA MULTIVARIATA: COPULE 10.1 Definizioni e proprietà 10.2 Copule archimedee
11 STATISTICA NON PARAMETRICA 11.1 Stima non parametrica corretta 11.2 I test del Chi-quadro 11.2.1 Test del Chi-quadro di adattamento 11.2.2 Test del Chi-quadro per l'indipendenza 11.2.3 Test del Chi-quadro per l'omogeneità 11.3 I test di Kolmogorov-Smirnov 11.3.1 Il test di adattamento di Kolmogorov-Smirnov 11.3.2 Il test di omogeneità di Kolmogorov-Smirnov 11.4 I test di Kendall e Spearman 11.4.1 Il test di indipendenza di Kendall 11.4.2 Il test di indipendenza di Spearman 11.5 Ulteriori test non parametrici 11.5.1 Test di Wilcoxon-Mann-Whitney 11.5.2 Test dei Ranghi con Segno di Wilcoxon 11.5.3 Test dei Segni (Sign Test) 11.5.4 Test di Kruskal-Wallis 11.5.5 Test di Change-Point (Pettitt Test)
12 ANALISI DELLA VARIANZA 12.1 Analisi della varianza a una via 12.1.1 Inferenze su combinazioni lineari 12.1.2 Il test ANOVA a una via 12.1.3 Stima simultanea di contrasti 12.2 Analisi della varianza a due vie
13 REGRESSIONE LINEARE 13.1 Regressione lineare semplice 13.1.1 Il metodo dei Minimi Quadrati (Interpolazione) 13.1.2 Stimatori BLUE 13.1.3 Il modello Normale condizionale 13.1.4 Stima e predizione nel modello Normale condizionale 13.2 Regressione lineare multipla
A Quantili B Quantili della legge Normale C Quantili della legge t-Student D Quantili della legge Chi-quadro (I) E Quantili della legge Chi-quadro (II) F Quantili della legge Fisher-Snedecor (I) G Quantili della legge Fisher-Snedecor (II) H Convergenza di v.a. e leggi I Le funzioni speciali Gamma e Beta J Complementi sul p-value K La Disuguaglianza di Bonferroni BIBLIOGRAFIA

V. "Breve descrizione del Corso"

Modalità d'esame

Esame ORALE sugli argomenti del Corso (v. le dispense redatte dal Docente disponibili nella sezione "Materiale didattico"). La prima domanda verte su di un argomento del Corso a scelta del candidato/a.
N.B. Al fine di facilitare l'organizzazione personale degli studenti, il Docente istituisce appelli d'esame ad hoc su specifica richiesta degli studenti stessi, purché all'interno dei periodi consentiti dal Regolamento di Ateneo (gli appelli ufficiali presenti nel Calendario Esami del portale istituzionale sono "virtuali" e non corrispondono ad alcun appello effettivo). Per "prenotare" un esame è necessario inviare una mail al (o contattare personalmente il) Docente una (meglio due!) settimane prima della data prescelta e prendere accordi diretti. La sede degli esami è l'ufficio del Docente (c/o ex-Collegio Fiorini, piano terra).

Testi di riferimento

Dispense redatte dal Docente, reperibili nella sezione "Materiale didattico"

Codice insegnamento 217931

STATISTICA APPLICATA 1° anno · 9 CFU · MATH-03/B · 0 file

Il Corso fornisce nozioni fondamentali di Statistica, sia parametrica sia non-parametrica. Il taglio del Corso è di tipo applicativo e numerosi esempi pratici (tratti dal mondo reale e dalle attività di ricerca del…

Scheda dell'insegnamento

Obiettivi formativi

Il Corso fornisce nozioni fondamentali di Statistica, sia parametrica sia non-parametrica. Il taglio del Corso è di tipo applicativo e numerosi esempi pratici (tratti dal mondo reale e dalle attività di ricerca del Docente) sono utilizzati per illustrare i concetti di base introdotti durante le lezioni.

Programma

Programma dettagliato delle lezioni (in italiano):
1 PREMESSA 1.1 Introduzione 1.2 Cenni di Teoria della Misura 1.3 Modelli Statistici 1.4 Modelli statistici esponenziali
2 STATISTICHE D'ORDINE 2.1 Definizioni e proprietà 2.2 Statistiche d'ordine estremali 2.3 Leggi delle statistiche d'ordine
3 STIMATORI 3.1 Definizioni e proprietà 3.2 Media e varianza campionaria 3.3 Confronto di stimatori 3.4 Disuguaglianza di Fréchet-Cramér-Rao 3.5 Sufficienza e completezza
4 TECNICHE DI STIMA 4.1 Introduzione 4.2 Il Metodo dei Momenti 4.3 Stimatori di Massima Verosimiglianza 4.4 PWM e L-moment
5 CAMPIONI GAUSSIANI 5.1 Introduzione 5.2 Legge Chi-quadro 5.3 Legge t-Student 5.4 Legge di Fisher-Snedecor
6 VERIFICA DI IPOTESI 6.1 Teoria di Neyman-Pearson 6.2 Rapporto di verosimiglianza monotono 6.3 Rapporto di verosimiglianza generalizzato 6.4 Verifica di ipotesi per campioni Gaussiani 6.4.1 Test del Chi-quadro (Varianza) 6.4.2 Test t-Student (Speranza) 6.4.3 Test di Fisher-Snedecor (Confronto Varianze)
7 STIMA PER INTERVALLI 7.1 Metodo del pivot 7.2 IC per campioni Gaussiani 7.3 Uso delle Tavole
8 TEORIA DEI VALORI ESTREMI 8.1 Modelli "a blocchi" 8.2 Modelli "a soglia"
9 SIMULAZIONE 9.1 Trasformazione Integrale di Probabilità 9.2 Metodo del Rigetto 9.3 Ulteriori schemi di simulazione univariata
10 STATISTICA MULTIVARIATA: COPULE 10.1 Definizioni e proprietà 10.2 Copule archimedee
11 STATISTICA NON PARAMETRICA 11.1 Stima non parametrica corretta 11.2 I test del Chi-quadro 11.2.1 Test del Chi-quadro di adattamento 11.2.2 Test del Chi-quadro per l'indipendenza 11.2.3 Test del Chi-quadro per l'omogeneità 11.3 I test di Kolmogorov-Smirnov 11.3.1 Il test di adattamento di Kolmogorov-Smirnov 11.3.2 Il test di omogeneità di Kolmogorov-Smirnov 11.4 I test di Kendall e Spearman 11.4.1 Il test di indipendenza di Kendall 11.4.2 Il test di indipendenza di Spearman 11.5 Ulteriori test non parametrici 11.5.1 Test di Wilcoxon-Mann-Whitney 11.5.2 Test dei Ranghi con Segno di Wilcoxon 11.5.3 Test dei Segni (Sign Test) 11.5.4 Test di Kruskal-Wallis 11.5.5 Test di Change-Point (Pettitt Test)
12 ANALISI DELLA VARIANZA 12.1 Analisi della varianza a una via 12.1.1 Inferenze su combinazioni lineari 12.1.2 Il test ANOVA a una via 12.1.3 Stima simultanea di contrasti 12.2 Analisi della varianza a due vie
13 REGRESSIONE LINEARE 13.1 Regressione lineare semplice 13.1.1 Il metodo dei Minimi Quadrati (Interpolazione) 13.1.2 Stimatori BLUE 13.1.3 Il modello Normale condizionale 13.1.4 Stima e predizione nel modello Normale condizionale 13.2 Regressione lineare multipla
A Quantili B Quantili della legge Normale C Quantili della legge t-Student D Quantili della legge Chi-quadro (I) E Quantili della legge Chi-quadro (II) F Quantili della legge Fisher-Snedecor (I) G Quantili della legge Fisher-Snedecor (II) H Convergenza di v.a. e leggi I Le funzioni speciali Gamma e Beta J Complementi sul p-value K La Disuguaglianza di Bonferroni BIBLIOGRAFIA

V. "Breve descrizione del Corso"

Modalità d'esame

Esame ORALE sugli argomenti del Corso (v. le dispense redatte dal Docente disponibili nella sezione "Materiale didattico"). La prima domanda verte su di un argomento del Corso a scelta del candidato/a.
N.B. Al fine di facilitare l'organizzazione personale degli studenti, il Docente istituisce appelli d'esame ad hoc su specifica richiesta degli studenti stessi, purché all'interno dei periodi consentiti dal Regolamento di Ateneo (gli appelli ufficiali presenti nel Calendario Esami del portale istituzionale sono "virtuali" e non corrispondono ad alcun appello effettivo). Per "prenotare" un esame è necessario inviare una mail al (o contattare personalmente il) Docente una (meglio due!) settimane prima della data prescelta e prendere accordi diretti. La sede degli esami è l'ufficio del Docente (c/o ex-Collegio Fiorini, piano terra).

Testi di riferimento

Dispense redatte dal Docente, reperibili nella sezione "Materiale didattico"

Codice insegnamento 217932

STATISTICA APPLICATA 1° anno · 9 CFU · MATH-03/B · 0 file

Il Corso fornisce nozioni fondamentali di Statistica, sia parametrica sia non-parametrica. Il taglio del Corso è di tipo applicativo e numerosi esempi pratici (tratti dal mondo reale e dalle attività di ricerca del…

Scheda dell'insegnamento

Obiettivi formativi

Il Corso fornisce nozioni fondamentali di Statistica, sia parametrica sia non-parametrica. Il taglio del Corso è di tipo applicativo e numerosi esempi pratici (tratti dal mondo reale e dalle attività di ricerca del Docente) sono utilizzati per illustrare i concetti di base introdotti durante le lezioni.

Programma

Programma dettagliato delle lezioni (in italiano):
1 PREMESSA 1.1 Introduzione 1.2 Cenni di Teoria della Misura 1.3 Modelli Statistici 1.4 Modelli statistici esponenziali
2 STATISTICHE D'ORDINE 2.1 Definizioni e proprietà 2.2 Statistiche d'ordine estremali 2.3 Leggi delle statistiche d'ordine
3 STIMATORI 3.1 Definizioni e proprietà 3.2 Media e varianza campionaria 3.3 Confronto di stimatori 3.4 Disuguaglianza di Fréchet-Cramér-Rao 3.5 Sufficienza e completezza
4 TECNICHE DI STIMA 4.1 Introduzione 4.2 Il Metodo dei Momenti 4.3 Stimatori di Massima Verosimiglianza 4.4 PWM e L-moment
5 CAMPIONI GAUSSIANI 5.1 Introduzione 5.2 Legge Chi-quadro 5.3 Legge t-Student 5.4 Legge di Fisher-Snedecor
6 VERIFICA DI IPOTESI 6.1 Teoria di Neyman-Pearson 6.2 Rapporto di verosimiglianza monotono 6.3 Rapporto di verosimiglianza generalizzato 6.4 Verifica di ipotesi per campioni Gaussiani 6.4.1 Test del Chi-quadro (Varianza) 6.4.2 Test t-Student (Speranza) 6.4.3 Test di Fisher-Snedecor (Confronto Varianze)
7 STIMA PER INTERVALLI 7.1 Metodo del pivot 7.2 IC per campioni Gaussiani 7.3 Uso delle Tavole
8 TEORIA DEI VALORI ESTREMI 8.1 Modelli "a blocchi" 8.2 Modelli "a soglia"
9 SIMULAZIONE 9.1 Trasformazione Integrale di Probabilità 9.2 Metodo del Rigetto 9.3 Ulteriori schemi di simulazione univariata
10 STATISTICA MULTIVARIATA: COPULE 10.1 Definizioni e proprietà 10.2 Copule archimedee
11 STATISTICA NON PARAMETRICA 11.1 Stima non parametrica corretta 11.2 I test del Chi-quadro 11.2.1 Test del Chi-quadro di adattamento 11.2.2 Test del Chi-quadro per l'indipendenza 11.2.3 Test del Chi-quadro per l'omogeneità 11.3 I test di Kolmogorov-Smirnov 11.3.1 Il test di adattamento di Kolmogorov-Smirnov 11.3.2 Il test di omogeneità di Kolmogorov-Smirnov 11.4 I test di Kendall e Spearman 11.4.1 Il test di indipendenza di Kendall 11.4.2 Il test di indipendenza di Spearman 11.5 Ulteriori test non parametrici 11.5.1 Test di Wilcoxon-Mann-Whitney 11.5.2 Test dei Ranghi con Segno di Wilcoxon 11.5.3 Test dei Segni (Sign Test) 11.5.4 Test di Kruskal-Wallis 11.5.5 Test di Change-Point (Pettitt Test)
12 ANALISI DELLA VARIANZA 12.1 Analisi della varianza a una via 12.1.1 Inferenze su combinazioni lineari 12.1.2 Il test ANOVA a una via 12.1.3 Stima simultanea di contrasti 12.2 Analisi della varianza a due vie
13 REGRESSIONE LINEARE 13.1 Regressione lineare semplice 13.1.1 Il metodo dei Minimi Quadrati (Interpolazione) 13.1.2 Stimatori BLUE 13.1.3 Il modello Normale condizionale 13.1.4 Stima e predizione nel modello Normale condizionale 13.2 Regressione lineare multipla
A Quantili B Quantili della legge Normale C Quantili della legge t-Student D Quantili della legge Chi-quadro (I) E Quantili della legge Chi-quadro (II) F Quantili della legge Fisher-Snedecor (I) G Quantili della legge Fisher-Snedecor (II) H Convergenza di v.a. e leggi I Le funzioni speciali Gamma e Beta J Complementi sul p-value K La Disuguaglianza di Bonferroni BIBLIOGRAFIA

V. "Breve descrizione del Corso"

Modalità d'esame

Esame ORALE sugli argomenti del Corso (v. le dispense redatte dal Docente disponibili nella sezione "Materiale didattico"). La prima domanda verte su di un argomento del Corso a scelta del candidato/a.
N.B. Al fine di facilitare l'organizzazione personale degli studenti, il Docente istituisce appelli d'esame ad hoc su specifica richiesta degli studenti stessi, purché all'interno dei periodi consentiti dal Regolamento di Ateneo (gli appelli ufficiali presenti nel Calendario Esami del portale istituzionale sono "virtuali" e non corrispondono ad alcun appello effettivo). Per "prenotare" un esame è necessario inviare una mail al (o contattare personalmente il) Docente una (meglio due!) settimane prima della data prescelta e prendere accordi diretti. La sede degli esami è l'ufficio del Docente (c/o ex-Collegio Fiorini, piano terra).

Testi di riferimento

Dispense redatte dal Docente, reperibili nella sezione "Materiale didattico"

Codice insegnamento 217930

ALGEBRA SUPERIORE 2° anno · 9 CFU · MATH-02/A · 0 file

Conoscenze e comprensione . Risultati fondamentali e avanzati relativi alla Teoria degli Anelli e dei Moduli e problematiche di ricerca classiche e attuali correlati. Capacità di applicare conoscenze e comprensione: #…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione . Risultati fondamentali e avanzati relativi alla Teoria degli Anelli e dei Moduli e problematiche di ricerca classiche e attuali correlati.
Capacità di applicare conoscenze e comprensione: # essere in grado di produrre dimostrazioni rigorose, utilizzando con maturità le varie tecniche dimostrative , # essere in grado di formalizzare e risolvere matematicamente problemi di moderata difficoltà nell'ambito della Teoria degli Anelli e dei Moduli. # essere capaci di leggere e comprendere, in modo autonomo, testi avanzati e articoli di ricerca nell'ambito della Teoria degli Anelli.
Autonomia di giudizio. L’esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare la capacità dello studente di identificare gli elementi rilevanti in situazioni e problemi anche in contesti non matematici, nonché di riconoscere ragionamenti logici erronei.
Abilità comunicative. La presentazione degli argomenti sarà svolta in modo da consentire l’acquisizione di una buona capacità di comunicare in modo chiaro e privo di ambiguità problemi, idee e soluzioni riguardanti la Teoria degli Anelli e dei Moduli, ad un pubblico specializzato o generico.
Capacità di apprendimento. Sarà sollecitato l’approfondimento di argomenti, correlati con l’insegnamento, al fine di stimolare lo studio autonomo su testi avanzati e su articoli di ricerca.

Programma

Il corso tratta gli aspetti principali della teoria degli anelli non commutativi e dei moduli su di essi.

Moduli su un anello: definizione e prime proprietà. Teoremi di omomorfismo per moduli. Teorema di corrispondenza per moduli. Somme dirette interne ed esterne di una famiglia di moduli. Moduli semplici. Lemma di Schur e conseguenze. Serie di composizione di un modulo. Teorema di Jordan-Hölder per moduli. Richiami sugli insiemi parzialmente ordinati ed il Lemma di Zorn. Moduli noetheriani ed artiniani. Un modulo ammette una serie di composizione se e solo se è noetheriano ed artiniano. Anelli noetheriani ed anelli artiniani.
Algebre su un anello commutativo e unitario. Algebra degli endomorfismi di un modulo. Algebre su campi. Rappresentazioni di algebre. Algebre di matrici. Algebre gruppali. Corpi ed algebre di divisione. Algebre dei quaternioni generalizzati. Anelli semplici. Algebre semplici. Semplicità degli anelli di matrici su corpi.
Moduli semisemplici e loro caratterizzazioni. Zoccolo di un modulo. La classe dei moduli semisemplici su un anello è chiusa per sottomoduli e quozienti. Condizioni di catena in moduli semisemplici. Componenti isotipiche di un modulo. Decomposizione di un modulo semisemplice nella somma diretta delle sue componenti isotipiche.
Annullatore di un sottoinsieme di un modulo. Ideali destri e sinistri di un anello. Radicale di Jacobson di un anello e caratterizzazioni. Il radicale di Jacobson di un anello coincide con l'intersezione degli ideali destri massimali. Elementi quasiregolari. Elementi nilpotenti. Elementi idempotenti. Versione sinistra del radicale di Jacobson di un anello. Lemma di Nakayama. Ideali nilpotenti. Nilpotenza del radicale di Jacobson in anelli artiniani a destra. Anelli semiprimi e semiprimitivi.
Sottoanelli densi dell'anello degli endomorfi di uno spazio vettoriale su un corpo. Teorema della Densità di Jacobson. Moduli fedeli. Anelli primitivi. Teorema del doppio centralizzante. Caratterizzazione degli anelli semplici ed artiniani a destra. Ideali destri minimali di un anello. Decomposizione di Pierce. Teorema di Hopkins. Anelli semisemplici e caratterizzazioni. Struttura di un anello semisemplice. Teorema di Wedderburn-Artin e sue conseguenze. Algebre semisemplici. Algebre semisemplici su campi algebricamente chiusi. Algebre di divisione di dimensione finita su un campo. Teorema di Maschke. Cenni di teoria della rappresentazione dei gruppi finiti. Complemento del radicale di Jacobson di un'algebra. Teorema di Wedderburn-Malcev.
Base di un modulo. Moduli liberi. Moduli proiettivi. Un modulo è proiettivo se e solo se è un addendo diretto di un modulo libero. Un anello è semisemplice se e solo se ogni suo modulo è proiettivo. Moduli indecomponibili. Ideali destri minimalmente potenti di un anello. Moduli proiettivi indecomponibili su anelli artiniani a destra. Rivestimento proiettivo di un modulo.
Modules over a ring. Isomorphism theorems for modules. Correspondence theorem for modules. Direct sum of submodules. Product and coproduct of modules. Simple modules. Schur's Lemma. Composition series of a module. Jordan-Hölder Theorem for modules. Noetherian and Artinian modules. A module has a finite composition series if and only if it is both an Artinian module and a Noetherian module. Noetherian and Artinian rings.
Algebras over commutative rings. Endomorphism algebra of a module. Algebras over fields. Representations of an algebra. Matrix algebras. Group algebras. Skew fields and division algebras. Generalized quaternion algebras. Simple rings. Simple algebras. Full matrix rings over division rings are simple.
Semisimple modules and characterizations. Socle of a module. The class of semisimple modules is closed under submodules and quotients. Chain conditions for semisimple modules. Isotypic components of a module. Decomposition of a module as a direct sum of its isotypic components.
Annihilator of a subset of a module. Right ideals and left ideals of a ring. Jacobson radical of a ring and its characterizations. The Jacobson radical of a ring is the intersection of the maximal right ideals. Quasiregular elements. Nilpotent elements. Idempotent elements. Left-handed version of the Jacobson radical. Nakayama's Lemma. Nilpotent ideals. Nilpotency of the Jacobson radical of a right Artinian ring. Semiprime rings. Semiprimitive rings.
Dense subrings in the endomorphism ring of a vector space. Jacobson Density Theorem. Faithful modules. Primitive rings. Double Centralizer Theorem. Characterization of right Artinian simple rings. Minimal right ideals of a ring. Pierce decomposition. Hopkins Theorem. Semisimple rings and characterizations. Structure of semisimple rings. Wedderburn-Artin Theorem. Semisimple algebras. Semisimple algebras over algebraically closed fields. Finite-dimensional division algebras over a field. Mascke's Theorem. Representation theory of finite groups. Complement to the Jacobson radical of an algebra. Wedderburn-Malcev Theorem.
Basis of a module. Free modules. Projective modules. A module is projective if and only if it is a direct summand of a free module. A ring is semisimple if and only if all of its modules are projective. Indecomposable modules. Minimally potent right ideals of a ring. Projective indecomposable modules over right Artinian rings. Projective cover of a module.

Modalità d'esame

Esame orale. La prova verifica l’abilità di esporre in modo chiaro e rigoroso alcuni contenuti del corso.
Gli studenti dovranno prenotarsi all'esame, utilizzando esclusivamente le modalità on-line previste dal sistema VOL.

Testi di riferimento

I. M. Isaacs, Algebra. A graduate course. Brooks/Cole Publishing Company, California, 1994.
T. Y. Lam, A first course in noncommutative rings. Springer-Verlag, New York, 1991.
R. S. Pierce, Associative algebras. Springer-Verlag, New York, 1982.

Codice insegnamento 217938

ALGEBRA SUPERIORE 2° anno · 9 CFU · MATH-02/A · 0 file

Conoscenze e comprensione . Risultati fondamentali e avanzati relativi alla Teoria degli Anelli e dei Moduli e problematiche di ricerca classiche e attuali correlati. Capacità di applicare conoscenze e comprensione: #…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione . Risultati fondamentali e avanzati relativi alla Teoria degli Anelli e dei Moduli e problematiche di ricerca classiche e attuali correlati.
Capacità di applicare conoscenze e comprensione: # essere in grado di produrre dimostrazioni rigorose, utilizzando con maturità le varie tecniche dimostrative , # essere in grado di formalizzare e risolvere matematicamente problemi di moderata difficoltà nell'ambito della Teoria degli Anelli e dei Moduli. # essere capaci di leggere e comprendere, in modo autonomo, testi avanzati e articoli di ricerca nell'ambito della Teoria degli Anelli.
Autonomia di giudizio. L’esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare la capacità dello studente di identificare gli elementi rilevanti in situazioni e problemi anche in contesti non matematici, nonché di riconoscere ragionamenti logici erronei.
Abilità comunicative. La presentazione degli argomenti sarà svolta in modo da consentire l’acquisizione di una buona capacità di comunicare in modo chiaro e privo di ambiguità problemi, idee e soluzioni riguardanti la Teoria degli Anelli e dei Moduli, ad un pubblico specializzato o generico.
Capacità di apprendimento. Sarà sollecitato l’approfondimento di argomenti, correlati con l’insegnamento, al fine di stimolare lo studio autonomo su testi avanzati e su articoli di ricerca.

Programma

Il corso tratta gli aspetti principali della teoria degli anelli non commutativi e dei moduli su di essi.

Moduli su un anello: definizione e prime proprietà. Teoremi di omomorfismo per moduli. Teorema di corrispondenza per moduli. Somme dirette interne ed esterne di una famiglia di moduli. Moduli semplici. Lemma di Schur e conseguenze. Serie di composizione di un modulo. Teorema di Jordan-Hölder per moduli. Richiami sugli insiemi parzialmente ordinati ed il Lemma di Zorn. Moduli noetheriani ed artiniani. Un modulo ammette una serie di composizione se e solo se è noetheriano ed artiniano. Anelli noetheriani ed anelli artiniani.
Algebre su un anello commutativo e unitario. Algebra degli endomorfismi di un modulo. Algebre su campi. Rappresentazioni di algebre. Algebre di matrici. Algebre gruppali. Corpi ed algebre di divisione. Algebre dei quaternioni generalizzati. Anelli semplici. Algebre semplici. Semplicità degli anelli di matrici su corpi.
Moduli semisemplici e loro caratterizzazioni. Zoccolo di un modulo. La classe dei moduli semisemplici su un anello è chiusa per sottomoduli e quozienti. Condizioni di catena in moduli semisemplici. Componenti isotipiche di un modulo. Decomposizione di un modulo semisemplice nella somma diretta delle sue componenti isotipiche.
Annullatore di un sottoinsieme di un modulo. Ideali destri e sinistri di un anello. Radicale di Jacobson di un anello e caratterizzazioni. Il radicale di Jacobson di un anello coincide con l'intersezione degli ideali destri massimali. Elementi quasiregolari. Elementi nilpotenti. Elementi idempotenti. Versione sinistra del radicale di Jacobson di un anello. Lemma di Nakayama. Ideali nilpotenti. Nilpotenza del radicale di Jacobson in anelli artiniani a destra. Anelli semiprimi e semiprimitivi.
Sottoanelli densi dell'anello degli endomorfi di uno spazio vettoriale su un corpo. Teorema della Densità di Jacobson. Moduli fedeli. Anelli primitivi. Teorema del doppio centralizzante. Caratterizzazione degli anelli semplici ed artiniani a destra. Ideali destri minimali di un anello. Decomposizione di Pierce. Teorema di Hopkins. Anelli semisemplici e caratterizzazioni. Struttura di un anello semisemplice. Teorema di Wedderburn-Artin e sue conseguenze. Algebre semisemplici. Algebre semisemplici su campi algebricamente chiusi. Algebre di divisione di dimensione finita su un campo. Teorema di Maschke. Cenni di teoria della rappresentazione dei gruppi finiti. Complemento del radicale di Jacobson di un'algebra. Teorema di Wedderburn-Malcev.
Base di un modulo. Moduli liberi. Moduli proiettivi. Un modulo è proiettivo se e solo se è un addendo diretto di un modulo libero. Un anello è semisemplice se e solo se ogni suo modulo è proiettivo. Moduli indecomponibili. Ideali destri minimalmente potenti di un anello. Moduli proiettivi indecomponibili su anelli artiniani a destra. Rivestimento proiettivo di un modulo.
Modules over a ring. Isomorphism theorems for modules. Correspondence theorem for modules. Direct sum of submodules. Product and coproduct of modules. Simple modules. Schur's Lemma. Composition series of a module. Jordan-Hölder Theorem for modules. Noetherian and Artinian modules. A module has a finite composition series if and only if it is both an Artinian module and a Noetherian module. Noetherian and Artinian rings.
Algebras over commutative rings. Endomorphism algebra of a module. Algebras over fields. Representations of an algebra. Matrix algebras. Group algebras. Skew fields and division algebras. Generalized quaternion algebras. Simple rings. Simple algebras. Full matrix rings over division rings are simple.
Semisimple modules and characterizations. Socle of a module. The class of semisimple modules is closed under submodules and quotients. Chain conditions for semisimple modules. Isotypic components of a module. Decomposition of a module as a direct sum of its isotypic components.
Annihilator of a subset of a module. Right ideals and left ideals of a ring. Jacobson radical of a ring and its characterizations. The Jacobson radical of a ring is the intersection of the maximal right ideals. Quasiregular elements. Nilpotent elements. Idempotent elements. Left-handed version of the Jacobson radical. Nakayama's Lemma. Nilpotent ideals. Nilpotency of the Jacobson radical of a right Artinian ring. Semiprime rings. Semiprimitive rings.
Dense subrings in the endomorphism ring of a vector space. Jacobson Density Theorem. Faithful modules. Primitive rings. Double Centralizer Theorem. Characterization of right Artinian simple rings. Minimal right ideals of a ring. Pierce decomposition. Hopkins Theorem. Semisimple rings and characterizations. Structure of semisimple rings. Wedderburn-Artin Theorem. Semisimple algebras. Semisimple algebras over algebraically closed fields. Finite-dimensional division algebras over a field. Mascke's Theorem. Representation theory of finite groups. Complement to the Jacobson radical of an algebra. Wedderburn-Malcev Theorem.
Basis of a module. Free modules. Projective modules. A module is projective if and only if it is a direct summand of a free module. A ring is semisimple if and only if all of its modules are projective. Indecomposable modules. Minimally potent right ideals of a ring. Projective indecomposable modules over right Artinian rings. Projective cover of a module.

Modalità d'esame

Esame orale. La prova verifica l’abilità di esporre in modo chiaro e rigoroso alcuni contenuti del corso.
Gli studenti dovranno prenotarsi all'esame, utilizzando esclusivamente le modalità on-line previste dal sistema VOL.

Testi di riferimento

I. M. Isaacs, Algebra. A graduate course. Brooks/Cole Publishing Company, California, 1994.
T. Y. Lam, A first course in noncommutative rings. Springer-Verlag, New York, 1991.
R. S. Pierce, Associative algebras. Springer-Verlag, New York, 1982.

Codice insegnamento 217933

ALGORITHMIC GAME THEORY 2° anno · 6 CFU · INFO-01/A · 0 file
ALGORITMI PER L'INTELLIGENZA ARTIFICIALE 2° anno · 6 CFU · INFO-01/A · 0 file

Al termine del corso, lo studente: sarà in grado di riconoscere e modellare problemi decisionali, di ottimizzazione e strategici, individuando le tecniche algoritmiche più appropriate per la loro risoluzione; avrà…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente:
sarà in grado di riconoscere e modellare problemi decisionali, di ottimizzazione e strategici, individuando le tecniche algoritmiche più appropriate per la loro risoluzione;
avrà acquisito la capacità di analizzare, comprendere e applicare algoritmi di Intelligenza Artificiale, valutandone caratteristiche, limiti e prestazioni in diversi contesti applicativi;
sarà in grado di approfondire autonomamente nuovi algoritmi e metodologie, sviluppando capacità critiche nella scelta e nell’adattamento delle soluzioni algoritmiche ai problemi affrontati.

Programma

Il corso introduce alcune delle principali tecniche algoritmiche utilizzate nell’Intelligenza Artificiale, con particolare attenzione agli algoritmi impiegati per la risoluzione di problemi decisionali, di ottimizzazione e strategici.
La prima parte del corso introduce gli approcci classici dell’IA, affrontando agenti intelligenti, algoritmi di ricerca, tecniche euristiche, problemi di soddisfacimento di vincoli (CSP) e ricerca avversaria in ambienti strategici e giochi. Successivamente, il corso si focalizza sul Reinforcement Learning, introducendo i concetti di Bandit Algorithms, exploration vs exploitation, regret, Processi Decisionali di Markov (MDP), algoritmi di ottimizzazione delle policy e metodi di apprendimento basati su Monte Carlo e Temporal Difference Learning.

Intelligenza Artificiale Classica: Agenti e Problem Solving
Introduzione all’IA e agenti intelligenti.
ricerca non informata;
ricerca informata;
funzioni euristiche e algoritmo A*.
ricerca locale;
ottimizzazione;
ambienti non deterministici.
Minimax;
Alpha-Beta pruning;
Monte Carlo Tree Search (MCTS).
Constraint Satisfaction Problems (CSP).
Multi-Armed Bandits
Problemi multi-armed bandits.
Paradigma Exploration vs Exploitation.
Minimizzazione del regret.
ε-greedy;
Upper Confidence Bound (UCB);
Thompson Sampling.
Cenni ad altre varianti: Adversarial Bandits e Contextual Bandits.
Reinforcement Learning
agenti, stati, azioni, ricompense;
relazione con i multi-armed bandits.
Markov Decision Processes (MDP).
Policy Iteration e Value Iteration.
Metodi Monte Carlo in RL.
SARSA;
Q-Learning.
Cenni di Deep Reinforcement Learning.

Modalità d'esame

Realizzazione di un seminario su un argomento di approfondimento inerente alle tematiche affrontate nel corso, seguito da una discussione orale finalizzata ad accertare la comprensione dei concetti teorici e degli aspetti algoritmici trattati nel corso.

Testi di riferimento

Testi di riferimento
S. Russell, P. Norvig, Artificial Intelligence: A Modern Approach , 4th Edition, Pearson, 2021. (Per gli argomenti relativi all’Intelligenza Artificiale classica)
A. Slivkins, Introduction to Multi-Armed Bandits , Foundations and Trends in Machine Learning, Vol. 12, No. 1–2, Now Publishers, 2019. (Per gli argomenti relativi ai Multi-Armed Bandits)
S. Zhao, Mathematical Foundations of Reinforcement Learning , Springer Singapore, 2025. (Per gli argomenti relativi al Reinforcement Learning)
Altri testi consigliati
R. S. Sutton, A. G. Barto, Reinforcement Learning: An Introduction , 2nd Edition, MIT Press, 2018.
C. Szepesvári, Algorithms for Reinforcement Learning , Morgan & Claypool Publishers, 2010.
T. Lattimore, C. Szepesvári, Bandit Algorithms , Cambridge University Press, 2020.

Codice insegnamento 217944

ALGORITMI PER L'INTELLIGENZA ARTIFICIALE 2° anno · 6 CFU · INFO-01/A · 0 file

Al termine del corso, lo studente: sarà in grado di riconoscere e modellare problemi decisionali, di ottimizzazione e strategici, individuando le tecniche algoritmiche più appropriate per la loro risoluzione; avrà…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente:
sarà in grado di riconoscere e modellare problemi decisionali, di ottimizzazione e strategici, individuando le tecniche algoritmiche più appropriate per la loro risoluzione;
avrà acquisito la capacità di analizzare, comprendere e applicare algoritmi di Intelligenza Artificiale, valutandone caratteristiche, limiti e prestazioni in diversi contesti applicativi;
sarà in grado di approfondire autonomamente nuovi algoritmi e metodologie, sviluppando capacità critiche nella scelta e nell’adattamento delle soluzioni algoritmiche ai problemi affrontati.

Programma

Il corso introduce alcune delle principali tecniche algoritmiche utilizzate nell’Intelligenza Artificiale, con particolare attenzione agli algoritmi impiegati per la risoluzione di problemi decisionali, di ottimizzazione e strategici.
La prima parte del corso introduce gli approcci classici dell’IA, affrontando agenti intelligenti, algoritmi di ricerca, tecniche euristiche, problemi di soddisfacimento di vincoli (CSP) e ricerca avversaria in ambienti strategici e giochi. Successivamente, il corso si focalizza sul Reinforcement Learning, introducendo i concetti di Bandit Algorithms, exploration vs exploitation, regret, Processi Decisionali di Markov (MDP), algoritmi di ottimizzazione delle policy e metodi di apprendimento basati su Monte Carlo e Temporal Difference Learning.

Intelligenza Artificiale Classica: Agenti e Problem Solving
Introduzione all’IA e agenti intelligenti.
ricerca non informata;
ricerca informata;
funzioni euristiche e algoritmo A*.
ricerca locale;
ottimizzazione;
ambienti non deterministici.
Minimax;
Alpha-Beta pruning;
Monte Carlo Tree Search (MCTS).
Constraint Satisfaction Problems (CSP).
Multi-Armed Bandits
Problemi multi-armed bandits.
Paradigma Exploration vs Exploitation.
Minimizzazione del regret.
ε-greedy;
Upper Confidence Bound (UCB);
Thompson Sampling.
Cenni ad altre varianti: Adversarial Bandits e Contextual Bandits.
Reinforcement Learning
agenti, stati, azioni, ricompense;
relazione con i multi-armed bandits.
Markov Decision Processes (MDP).
Policy Iteration e Value Iteration.
Metodi Monte Carlo in RL.
SARSA;
Q-Learning.
Cenni di Deep Reinforcement Learning.

Modalità d'esame

Realizzazione di un seminario su un argomento di approfondimento inerente alle tematiche affrontate nel corso, seguito da una discussione orale finalizzata ad accertare la comprensione dei concetti teorici e degli aspetti algoritmici trattati nel corso.

Testi di riferimento

Testi di riferimento
S. Russell, P. Norvig, Artificial Intelligence: A Modern Approach , 4th Edition, Pearson, 2021. (Per gli argomenti relativi all’Intelligenza Artificiale classica)
A. Slivkins, Introduction to Multi-Armed Bandits , Foundations and Trends in Machine Learning, Vol. 12, No. 1–2, Now Publishers, 2019. (Per gli argomenti relativi ai Multi-Armed Bandits)
S. Zhao, Mathematical Foundations of Reinforcement Learning , Springer Singapore, 2025. (Per gli argomenti relativi al Reinforcement Learning)
Altri testi consigliati
R. S. Sutton, A. G. Barto, Reinforcement Learning: An Introduction , 2nd Edition, MIT Press, 2018.
C. Szepesvári, Algorithms for Reinforcement Learning , Morgan & Claypool Publishers, 2010.
T. Lattimore, C. Szepesvári, Bandit Algorithms , Cambridge University Press, 2020.

Codice insegnamento 217943

ALTRE ATTIVITA' FORMATIVE (1-ABILITA' INFORMATICHE E TELEMATICHE) (NN) 2° anno · 3 CFU · 0 file
ALTRE ATTIVITA' FORMATIVE (2-ALTRE CONOSCENZE UTILI PER L'INSERIMENTO NEL MONDO DEL LAVORO) (NN) 2° anno · 3 CFU · 0 file
ALTRE ATTIVITA' FORMATIVE (2-ALTRE CONOSCENZE UTILI PER L'INSERIMENTO NEL MONDO DEL LAVORO) (NN) 2° anno · 3 CFU · 0 file
ALTRE ATTIVITA' FORMATIVE (3-TIROCINI FORMATIVI E DI ORIENTAMENTO) (NN) 2° anno · 3 CFU · 0 file
ALTRE ATTIVITA' FORMATIVE (4-ULTERIORI CONOSCENZE LINGUISTICHE) (NN) 2° anno · 3 CFU · 0 file
ANALISI NUMERICA 2° anno · 9 CFU · MATH-05/A · 0 file

Conoscenze e comprensione . Possedere una solida preparazione che prevede un ampio spettro di conoscenze di livello avanzato nell'ambito del calcolo numerico. Capacità di applicare conoscenze e comprensione: # Essere…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione . Possedere una solida preparazione che prevede un ampio spettro di conoscenze di livello avanzato nell'ambito del calcolo numerico.
Capacità di applicare conoscenze e comprensione: # Essere capaci di implementare molti dei metodi studiati in un ambiente di programmazione fra quelli attualmente piu' noti in ambito scientifico (Matlab) # essere in grado di usare software di calcolo scientifico ad un livello avanzato # sviluppare proprii codici al calcolatore, applicarli con senso critico anche a problemi di tipo applicativo # essere capaci di leggere e comprendere, in modo autonomo, testi anche specialistici di Calcolo Numerico
Autonomia di giudizio. Il corso sarà svolto in modo da favorire e sviluppare nello studente capacità di: problem solving, rappresentazione ed interpretazione grafica di dati, discussione e confronto di metodi e risultati numerici.
Abilità comunicative. La modalità d'esame prevede la scrittura di un report che raccolga i risultati di un progetto di Laboratorio assegnato. In particolare, questa richiesta vuole sollecitare nello studente: l'abilità di presentare gli argomenti affrontati in modo chiaro (anche per iscritto), la capacità di comunicare problemi, idee e soluzioni, anche in vista della scrittura di una tesi di laurea di tipo magistrale.
Capacità di apprendimento. Saranno indicati argomenti da approfondire, strettamente correlati con l’insegnamento, anche con riferimento ad artiicoli scientifici in inglese, al fine di stimolare la capacità di apprendimento autonomo dello studente.

Programma

Il corso consiste nello studio di metodi numerici per la risoluzione di alcuni problemi matematici in scienze ed ingegneria. Argomenti principali sono: interpolazione, approssimazione, integrazione numerica, metodi per approssimazione di equazioni differenziali. Particolare enfasi viene data allo studio della accuratezza e stabilità dei metodi. Si prevedono esercitazioni al calcolatore per sperimentare i vari concetti visti nella parte teorica del corso e per l’implementazione dei metodi numerici studiati. Per tale scopo l’ambiente di lavoro sarà il programma di Calcolo Scientifico Matlab.
The course deals with some techniques for the efficient numerical solution of problems in science and engineering. Topics spanned are interpolation, approximation of functions, integration, differential equations. Stability, accuracy and computational complexity of the numerical methods will be carefully analysed. Part of the course consists in the implementation of the methods, in order to demonstrate their performances on examples and counterexamples on a computer. For this goal, the students will follow Laboratory lectures and will use the MatLab program for scientific calculus.

Programma dettagliato delle lezioni: A) Interpolazione ed approssimazione: Interpolazione polinomiale: matrice di Vandermonde e polinomio di Lagrange. Stima dell’errore di interpolazione su nodi equidistanti e su nodi di Chebychev. Fenomeno di Runge. Polinomio interpolante di Newton. Differenze divise e loro proprietà. Interpolazione a tratti: costruzione della spline cubica e sue proprietà di convergenza. Approssimazione di dati nel senso dei minimi quadrati: caso lineare ed equazioni normali. Interpolazione trigonometrica: trasformata discreta di Fourier (DFT, FFT) e sue applicazioni. B) Formule di quadratura: Formule interpolatorie: stima dell’errore, grado di precisione, proprietà di stabilità. Formule di Newton-Cotes. Metodo dei trapezi e di Cavalieri-Simpson e loro formule composte. Estrapolazione di Richardson e controllo automatico dell’errore. Cenni sui polinomi ortogonali e loro proprietà. Formule gaussiane: grado massimo di precisione, stima dell’errore, calcolo dei nodi e dei pesi per le formule di Legendre, Chebychev, Laguerre; formule di Gauss-Radau e Gauss-Lobatto. C) Metodi numerici per Equazioni Differenziali Ordinarie a Valori Iniziali (Pb. di Cauchy): Metodi espliciti a un passo, errore di troncamento, consistenza. Convergenza e zero-stabilità. Metodi di Eulero esplicito ed implicito. Metodo dei Trapezi e di Heun. Assoluta stabilità. Equazione test e regioni di assoluta stabilità. Richiami su equazioni alle differenze lineari a coefficienti costanti. Metodi Lineari Multistep: definizione, errore di troncamento, condizioni di ordine. Metodo del Midpoint, metodo di Simpson. Zero-stabilità e convergenza. Prima e seconda barriera di Dahlquist. Metodi di Adams espliciti ed impliciti, metodi di Nystrom e metodi BDF. Assoluta stabilità di un metodo Multistep. Definizione e calcolo del boundary locus. Cenni sui metodi predittore-correttore e sulle tecniche adattive. Metodi Runge-Kutta. Metodi espliciti: consistenza, condizioni di ordine, convergenza, funzione di stabilità, assoluta stabilità. Metodi impliciti: costruzione delle formule gaussiane come metodi di collocazione. Problemi stiff. Risoluzione di sistemi di equazioni.
Programma delle lezioni (in inglese): A) Interpolation and Approximation. Polynomial Interpolation: canonical basis and Vandermonde system. Lagrange basis. The Interpolation Error: equally spaced nodes, Chebychev nodes and Runge’s counter-example. Stability of Polynomial Interpolation and Lebesgue constant. Newton Form of the Interpolating Polynomial. Divided Differences and their properties. Piecewise Lagrange Interpolation: Hermite Interpolation, approximation by Splines. Interpolatory Cubic Splines and their properties. Linear and nonlinear least square problems. Trigonometric interpolation: Discrete Fourier Transform (DFT). Fast Fourier Transform (FFT): properties and applications.1. R. Bevilacqua, D. Bini, M. Capovani, O. Menchi. Metodi numerici. Zanichelli Ed. 1997. 2. A. Quarteroni, R. Sacco, F. Saleri – Matematica Numerica, 2a Ed. Springer, 2000 3. Hairer-Wanner Solving Ordinary Differential Equations vol.I-II, 2nd Ed. Springer 4. Altri appunti forniti dal docente B) Numerical Integration. Basic Quadrature Formulae: Midpoint or Rectangle formula, Trapezoidal formula. Interpolatory Quadrature: definition, properties, order precision. An example: the Cavalieri-Simpson Formula. Newton-Cotes Formulae. Composite Newton-Cotes Formulae. Composite Trapezoidal and Simpson methods and their convergence. Richardson Extrapolation and error estimate. Orthogonal Polynomials: definition and properties. Some examples: Chebyshev and Legendre polynomials. Gaussian Integration: high order, error estimate, construction of nodes and weights by eigenvalues/eigenvectors computation. Gauss-Legendre and Gauss-Chebychev methods. Integration over Unbounded Intervals: Gauss-Laguerre and Gauss-Hermite formulae. Pre-fixed nodes: Gauss-Lobatto and Gauss-Radau. C) Numerical Solution of Ordinary Differential Equations (ODE) The Cauchy Problem. One-Step Numerical Methods: definition of explicit and implicit schemes, truncation error, the zero-Stability. Convergence Analysis and order of convergence. Euler, Trapezoidal and Heun methods. The Absolute Stability: test equation, regions of absolute stability and stepsize restrictions. Difference Equations. Linear Multistep Methods: Midpoint and Simpson methods. Consistency and order conditions, stability polynomials. Zero-stability and the Root Condition. First Dahlquist’s barrier. Convergence Analysis. Absolute Stability and Strong Root Condition. Second Dahlquist’s barrier. Explicit and Implicit Adams methods. BDF methods. Predictor-Corrector Methods. Boundary locus to find stability regions. Runge-Kutta Methods. Derivation of an Explicit RK Method. Order conditions, convergence, stability function and absolute stability. Implicit RK Methods: construction as collocation methods on gaussian nodes. High order and A-stability properties. Stiff Problems. Systems of ODEs.

Modalità d'esame

Si richiede che gli studenti sviluppino un progetto al calcolatore scelto fra i tre temi proposti dal docente alla fine del corso. Ogni progetto riguarda l'implementazione di alcuni metodi studiati in teoria e la loro applicazione ad alcuni problemi, anche di tipo applicativo. L'esame solo orale riguarda la discussione/ presentazione del progetto sul tema scelto e domande anche sulle restanti parti del programma.
Gli studenti dovranno prenotarsi all'esame utilizzando esclusivamente le modalità on-line previste dal sistema VOL

Testi di riferimento

1. R. Bevilacqua, D. Bini, M. Capovani, O. Menchi. Metodi numerici. Zanichelli Ed. 1997. 2. A. Quarteroni, R. Sacco, F. Saleri – Matematica Numerica, 2a Ed. Springer, 2000 3. Hairer-Wanner Solving Ordinary Differential Equations vol.I-II, 2nd Ed. Springer 4. Altri appunti forniti dal docente

Codice insegnamento 217948

ANALISI NUMERICA 2° anno · 9 CFU · MATH-05/A · 0 file

Conoscenze e comprensione . Possedere una solida preparazione che prevede un ampio spettro di conoscenze di livello avanzato nell'ambito del calcolo numerico. Capacità di applicare conoscenze e comprensione: # Essere…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione . Possedere una solida preparazione che prevede un ampio spettro di conoscenze di livello avanzato nell'ambito del calcolo numerico.
Capacità di applicare conoscenze e comprensione: # Essere capaci di implementare molti dei metodi studiati in un ambiente di programmazione fra quelli attualmente piu' noti in ambito scientifico (Matlab) # essere in grado di usare software di calcolo scientifico ad un livello avanzato # sviluppare proprii codici al calcolatore, applicarli con senso critico anche a problemi di tipo applicativo # essere capaci di leggere e comprendere, in modo autonomo, testi anche specialistici di Calcolo Numerico
Autonomia di giudizio. Il corso sarà svolto in modo da favorire e sviluppare nello studente capacità di: problem solving, rappresentazione ed interpretazione grafica di dati, discussione e confronto di metodi e risultati numerici.
Abilità comunicative. La modalità d'esame prevede la scrittura di un report che raccolga i risultati di un progetto di Laboratorio assegnato. In particolare, questa richiesta vuole sollecitare nello studente: l'abilità di presentare gli argomenti affrontati in modo chiaro (anche per iscritto), la capacità di comunicare problemi, idee e soluzioni, anche in vista della scrittura di una tesi di laurea di tipo magistrale.
Capacità di apprendimento. Saranno indicati argomenti da approfondire, strettamente correlati con l’insegnamento, anche con riferimento ad artiicoli scientifici in inglese, al fine di stimolare la capacità di apprendimento autonomo dello studente.

Programma

Il corso consiste nello studio di metodi numerici per la risoluzione di alcuni problemi matematici in scienze ed ingegneria. Argomenti principali sono: interpolazione, approssimazione, integrazione numerica, metodi per approssimazione di equazioni differenziali. Particolare enfasi viene data allo studio della accuratezza e stabilità dei metodi. Si prevedono esercitazioni al calcolatore per sperimentare i vari concetti visti nella parte teorica del corso e per l’implementazione dei metodi numerici studiati. Per tale scopo l’ambiente di lavoro sarà il programma di Calcolo Scientifico Matlab.
The course deals with some techniques for the efficient numerical solution of problems in science and engineering. Topics spanned are interpolation, approximation of functions, integration, differential equations. Stability, accuracy and computational complexity of the numerical methods will be carefully analysed. Part of the course consists in the implementation of the methods, in order to demonstrate their performances on examples and counterexamples on a computer. For this goal, the students will follow Laboratory lectures and will use the MatLab program for scientific calculus.

Programma dettagliato delle lezioni: A) Interpolazione ed approssimazione: Interpolazione polinomiale: matrice di Vandermonde e polinomio di Lagrange. Stima dell’errore di interpolazione su nodi equidistanti e su nodi di Chebychev. Fenomeno di Runge. Polinomio interpolante di Newton. Differenze divise e loro proprietà. Interpolazione a tratti: costruzione della spline cubica e sue proprietà di convergenza. Approssimazione di dati nel senso dei minimi quadrati: caso lineare ed equazioni normali. Interpolazione trigonometrica: trasformata discreta di Fourier (DFT, FFT) e sue applicazioni. B) Formule di quadratura: Formule interpolatorie: stima dell’errore, grado di precisione, proprietà di stabilità. Formule di Newton-Cotes. Metodo dei trapezi e di Cavalieri-Simpson e loro formule composte. Estrapolazione di Richardson e controllo automatico dell’errore. Cenni sui polinomi ortogonali e loro proprietà. Formule gaussiane: grado massimo di precisione, stima dell’errore, calcolo dei nodi e dei pesi per le formule di Legendre, Chebychev, Laguerre; formule di Gauss-Radau e Gauss-Lobatto. C) Metodi numerici per Equazioni Differenziali Ordinarie a Valori Iniziali (Pb. di Cauchy): Metodi espliciti a un passo, errore di troncamento, consistenza. Convergenza e zero-stabilità. Metodi di Eulero esplicito ed implicito. Metodo dei Trapezi e di Heun. Assoluta stabilità. Equazione test e regioni di assoluta stabilità. Richiami su equazioni alle differenze lineari a coefficienti costanti. Metodi Lineari Multistep: definizione, errore di troncamento, condizioni di ordine. Metodo del Midpoint, metodo di Simpson. Zero-stabilità e convergenza. Prima e seconda barriera di Dahlquist. Metodi di Adams espliciti ed impliciti, metodi di Nystrom e metodi BDF. Assoluta stabilità di un metodo Multistep. Definizione e calcolo del boundary locus. Cenni sui metodi predittore-correttore e sulle tecniche adattive. Metodi Runge-Kutta. Metodi espliciti: consistenza, condizioni di ordine, convergenza, funzione di stabilità, assoluta stabilità. Metodi impliciti: costruzione delle formule gaussiane come metodi di collocazione. Problemi stiff. Risoluzione di sistemi di equazioni.
Programma delle lezioni (in inglese): A) Interpolation and Approximation. Polynomial Interpolation: canonical basis and Vandermonde system. Lagrange basis. The Interpolation Error: equally spaced nodes, Chebychev nodes and Runge’s counter-example. Stability of Polynomial Interpolation and Lebesgue constant. Newton Form of the Interpolating Polynomial. Divided Differences and their properties. Piecewise Lagrange Interpolation: Hermite Interpolation, approximation by Splines. Interpolatory Cubic Splines and their properties. Linear and nonlinear least square problems. Trigonometric interpolation: Discrete Fourier Transform (DFT). Fast Fourier Transform (FFT): properties and applications.1. R. Bevilacqua, D. Bini, M. Capovani, O. Menchi. Metodi numerici. Zanichelli Ed. 1997. 2. A. Quarteroni, R. Sacco, F. Saleri – Matematica Numerica, 2a Ed. Springer, 2000 3. Hairer-Wanner Solving Ordinary Differential Equations vol.I-II, 2nd Ed. Springer 4. Altri appunti forniti dal docente B) Numerical Integration. Basic Quadrature Formulae: Midpoint or Rectangle formula, Trapezoidal formula. Interpolatory Quadrature: definition, properties, order precision. An example: the Cavalieri-Simpson Formula. Newton-Cotes Formulae. Composite Newton-Cotes Formulae. Composite Trapezoidal and Simpson methods and their convergence. Richardson Extrapolation and error estimate. Orthogonal Polynomials: definition and properties. Some examples: Chebyshev and Legendre polynomials. Gaussian Integration: high order, error estimate, construction of nodes and weights by eigenvalues/eigenvectors computation. Gauss-Legendre and Gauss-Chebychev methods. Integration over Unbounded Intervals: Gauss-Laguerre and Gauss-Hermite formulae. Pre-fixed nodes: Gauss-Lobatto and Gauss-Radau. C) Numerical Solution of Ordinary Differential Equations (ODE) The Cauchy Problem. One-Step Numerical Methods: definition of explicit and implicit schemes, truncation error, the zero-Stability. Convergence Analysis and order of convergence. Euler, Trapezoidal and Heun methods. The Absolute Stability: test equation, regions of absolute stability and stepsize restrictions. Difference Equations. Linear Multistep Methods: Midpoint and Simpson methods. Consistency and order conditions, stability polynomials. Zero-stability and the Root Condition. First Dahlquist’s barrier. Convergence Analysis. Absolute Stability and Strong Root Condition. Second Dahlquist’s barrier. Explicit and Implicit Adams methods. BDF methods. Predictor-Corrector Methods. Boundary locus to find stability regions. Runge-Kutta Methods. Derivation of an Explicit RK Method. Order conditions, convergence, stability function and absolute stability. Implicit RK Methods: construction as collocation methods on gaussian nodes. High order and A-stability properties. Stiff Problems. Systems of ODEs.

Modalità d'esame

Si richiede che gli studenti sviluppino un progetto al calcolatore scelto fra i tre temi proposti dal docente alla fine del corso. Ogni progetto riguarda l'implementazione di alcuni metodi studiati in teoria e la loro applicazione ad alcuni problemi, anche di tipo applicativo. L'esame solo orale riguarda la discussione/ presentazione del progetto sul tema scelto e domande anche sulle restanti parti del programma.
Gli studenti dovranno prenotarsi all'esame utilizzando esclusivamente le modalità on-line previste dal sistema VOL

Testi di riferimento

1. R. Bevilacqua, D. Bini, M. Capovani, O. Menchi. Metodi numerici. Zanichelli Ed. 1997. 2. A. Quarteroni, R. Sacco, F. Saleri – Matematica Numerica, 2a Ed. Springer, 2000 3. Hairer-Wanner Solving Ordinary Differential Equations vol.I-II, 2nd Ed. Springer 4. Altri appunti forniti dal docente

Codice insegnamento 217934

CRITTOGRAFIA 2° anno · 9 CFU · MATH-02/B · 0 file
CRITTOGRAFIA 2° anno · 9 CFU · MATH-02/B · 0 file
DIDATTICA DELLA MATEMATICA 2° anno · 9 CFU · MATH-01/B · 0 file

Conoscenze e comprensione . Comprendere un testo relativo alla didattica della matematica, sia di carattere istituzionale, sia di ricerca. Relazionare in merito a problematiche della didattica e progettare attività…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione . Comprendere un testo relativo alla didattica della matematica, sia di carattere istituzionale, sia di ricerca. Relazionare in merito a problematiche della didattica e progettare attività didattiche. Conoscere e comprendere le principali teorie sull'insegnamento e l'apprendimento della matematica.
Capacità di applicare conoscenze e comprensione . Analizzare attività per gli studenti a livello di scuola secondaria di secondo grado 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.
Autonomia di giudizio . Lavorare autonomamente e in gruppo. Produrre oggetti didattici testuali o multimediali in autonomia.
Abilità comunicative . Comunicare per scritto o orale materiali e attività didattiche per un pubblico di studenti di scuola o per studenti universitari.
Capacità di apprendimento . Saranno indicati argomenti da approfondire, strettamente correlati con l’insegnamento, al fine di stimolare la capacità di apprendimento autonomo dello studente

Programma

Introduzione ad alcuni temi generali della didattica della matematica. La progettazione didattica e i curricoli di matematica per la scuola secondaria.

Introduzione ad alcuni temi generali della didattica della matematica: registri di rappresentazioni semiotiche; concept image e concept definition, concetti figurali; contratto didattico; conflitti cognitivi; misconcezioni; modelli; ostacoli; trasposizione didattica; situazioni didattiche.
Matematica: didattica e linguaggi. Esercizi e problemi.
Le Componenti dell’apprendimento della matematica.
Il laboratorio di Matematica: definizione ed esempi: Geometriko e le Macchine Matematiche.
Il costrutto: "Atteggiamento negativo verso la matematica". Definizione del modello tridimensionale.
BES e DSA: la normativa. Caratteristiche ed evoluzione dei disturbi specifici di apprendimento. La discalculia nelle Linee Guida. Influenza dei disturbi specifici dell’apprendimento nell’insegnamento/apprendimento della matematica.
Problem solving: il problem solving nella psicologia; il problem solving nella pratica didattica. Ripensare l’attività di Problem Solving
Micromondi e ambienti digitali per l’apprendimento della matematica: software di geometria dinamica.
I curricoli di matematica per la scuola secondaria. Alcune linee di storia dei programmi e curricoli di matematica per la scuola secondaria. Le Indicazioni curricolari nazionali /Linee guida per la matematica.
Indicazioni metodologiche basate sull’Evidence Based Education
Progettazione di una UdA di matematica per la scuola secondaria

Modalità d'esame

Per i frequentanti:
Predisposizione di una unità didattica il cui contenuto e modalità di presentazione sarà concordata con il docente durante il corso
Attività di gruppo definita durante il corso
Discussione orale sull’unità didattica presentata
Il punteggio finale sarà determinato sommando i punteggi assegnati a ciascuna prova, in particolare: al massimo 12 punti per l’unità didattica, al massimo 3 per l’attività di gruppo e al massimo 17 per la discussione orale. Se il punteggio totale risulterà strettamente maggiore di 30, il voto finale dell’esame sarà 30 e lode diversamente corrisponderà al punteggio ottenuto.
Per i non frequentanti:
Esame orale su tutto il programma.
Lo studente/ la studentessa, disabile e/o con DSA/BES, che intenda usufruire di un intervento individualizzato per la preparazione e lo svolgimento della prova d’esame può contattare l’Ufficio Inclusione dell'Università del Salento all'indirizzo [email protected]

Testi di riferimento

Testi di Riferimento :
Baccaglini Frank, P. Di Martino, R. Natalini, G. Rosolini Didattica della Matematica Mondadori Università 2018
Bruno D’Amore Didattica della Matematica Pitagora Editrice Bologna 2001
Rosetta Zan Difficoltà in Matematica, Osservare, interpretare, intervenire Springer Verlag 2007
Articoli di Riferimento
P. Accomazzo, S. Beltramino, A. Sargenti. Esplorazioni matematiche con Geogebra . A cura di O. Robutti. Ledizioni
M.G Bartolini Bussi – M.A. Mariotti Mediazione semiotica nella didattica della matematica: artefatti e segni nella tradizione di Vygotskij, L’Insegnamento della Matematica e delle Scienze Integrate, 32 (A+B) pp. 269-294
Bolondi G., Fandiño Pinilla M. I. (2008). Molteplici aspetti dell’apprendimento della matematica. In. Atti del XXII Convegno Nazionale: Incontri con la Matematica. Castel San Pietro Terme, 7-8-9 novembre 2008.
D’Amore B. (2001). Il “triangolo” allievo-insegnante-sapere in didattica della matematica. L’educazione matematica . 3, 2, 104-113.
D’Amore B. (2007). Epistemologia, didattica della matematica e pratiche d’insegnamento. La matematica e la sua didattica . Vol. 21, n° 3. 347-369.
Di Martino, P., Zan, R. (2010). ‘Me and maths’: towards a definition of attitude grounded on students’ narratives. Journal of Mathematics Teacher Education, 13 (1), 27-48.
E. Fischbein The theory of figural concepts, Educational studies in Mathematics, 24 (2) pp. 139-162
Grugnetti L, Rinaldi. G. (2003), ‘Da problemi del RMT a situazioni didattiche: è sempre possibile questo passaggio?’, in Grugnetti, Jaquet, Medici, Rinaldi, Polo (Eds), RMT: potenzialità per la classe e la formazione, ARMT, Università di Parma e di Cagliari, 105-121.
D. Tall e S. Vinner Concept images e concept definition in mathematics with particular reference to limits and continuity, Educational studies in Mathematics, 12 pp. 151-169
Paola, D. & Robutti, O. (2001). La dimostrazione alla prova . In: Matematica ed aspetti didattici, Quaderni della Direzione Classica, Ministero della Pubblica Istruzione, Roma, n. 45, 97-201.
S. Sbaragli e I.C. Mammarella L’apprendimento della geometria, pubblicato in: Lucangeli D., Mammarella I.C. (2010). Psicologia della cognizione numerica. Approcci teorici, valutazione e intervento. Milano: Franco Angeli
Ulteriori Testi e/o articoli indicati nelle Slide

Codice insegnamento 223753

EQUAZIONI ALLE DERIVATE PARZIALI 2° anno · 9 CFU · MATH-03/A · 0 file

Conoscenze e comprensione: esempi significativi e metodi risolutivi per equazioni alle derivate parziali. Capacità di applicare conoscenze e comprensione: capacita’ di estendere risultati e metodi a casi non studiati…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione: esempi significativi e metodi risolutivi per equazioni alle derivate parziali.
Capacità di applicare conoscenze e comprensione: capacita’ di estendere risultati e metodi a casi non studiati in dettaglio nel corso.
Autonomia di giudizio: capacita’ di orientarsi criticamente nella bibliografia pu’ avanzata.
Abilità comunicative: esposizione delle conoscenze acquisite in modo comprensibili a chi abbia i prerequisiti in ingresso.
Capacità di apprendimento: possibilita’ di proseguire autonomamente lo studio di argomenti piu’ avanzati.

Programma

Principali esempi di equazioni alle derivate parziali e principali metodi risolutivi.

Generalita’. Equazioni del primo ordine: curve caratteristiche per equazioni quasi lineari e problema di Cauchy per variet’ iniziali non caratterictiche, strisce caratteristiche per equazioni non lineari e problema di Cauchy nel cilindro. Teoria delle distribuzioni: funzioni test, convergenza, distribuzioni, operazioni tra distribuzioni, derivazione. Spazio di Schwartz e distribuzioni temperate, trasformata di Fourier delle distribuzioni temperate. Operatori lineari generali, operatori ipoellittici, analitico-ipoellittici. Teorema di Cauchy-Kowalevsky. Soluzione fondamentale per operatori a coefficienti costanti, caratterizzazione dell'ipoellitticita’ e dell'ipoellitticita’ analitica. Teorema di Malgrange-Ehrenpreis. Esempio di Hans Lewy. Soluzione fondamentale degli operatori differenziali ordinari, dell'operatore del calore, delle onde. Problemi di Cauchy: equazione del calore in R^n, delle onde in dimensione 1 e 3, 2 di Ornstein-Uhlenbeck. Misura immagine e soluzione dell'equazione del calore con il moto browniano. Operatore di Laplace: soluzione fondamentale, proprieta’ del valor medio, principio del massimo, diseguaglianza di Harnack. Nucleo di Poisson per il semipiano e per la palla; funzione di Green e risoluzione dei problemi di Dirichlet e di Neumann nella palla. Funzioni subarmoniche e metodo di Perron per la risoluzione del problema di Dirichlet in un dominio. Funzioni barriera e punti regolari. Esempio di Lebesgue. Potenziale newtoniano ed equazione di Poisson con densita’ hoelderiana. Introduzione ai metodi variazionali: osservazioni su principio di Dirichlet, metodi classici e metodi diretti nel calcolo delle variazioni. Funzioni semicontinue. Derivate deboli. Spazi di Sobolev: definizione, approssimazione con funzioni regolari, estensioni, tracce, teoremi di immersione di Sobolev e Morrey. Metodi variazionali per le equazioni ellittiche: Lemma di Lax-Milgram, Teorema dell'alternativa di Fredholm e teoremi di esistenza di soluzioni in H^1_0 per operatori ellittici in forma divergenza con coefficienti misurabili limitati. Spettro di un operatore ellittico in aperti limitati. Regolarita’ delle soluzioni deboli: metodo di Nirenberg dei quozienti differenziali per la regolarita’ H^2 all'interno ed alla frontiera. Metodi variazionali per operatori parabolici

Modalità d'esame

Una prova orale in cui si richiede allo studente di esporre argomenti del programma, eventuamente con piccole varianti per accertare la dimestichezza nell’uso delle tecniche studiate.

Testi di riferimento

L. Anzilli, M. Carriero, Introduzione alle equazioni a derivate parziali ineari, Q 1/2015, coordinamento SIBA, Universita' del Salento
E. DiBenedetto, Partial Differential Equations Birkhauser, 1995
S. Dipierro, E. Valdinoci, Elliptic partial differential equations from an elementary viewpoint,World Scientific 2024.
G. Eskin, Lectures on Linear Partial Differential Equations, Amer. Math. Soc. 2011
L. C. Evans, Partial Differential Equations, Amer. Math. Soc. 1998.
D. Gilbarg, N. Trudinger, Elliptic partial Differential Equations of Second Order, Springer 1983.
F. John, Partial Differential Equations,Springer 1982.
F. Treves, Basic Linear Partial Differential Equations, Academic Press 1975.

Codice insegnamento 217949

EQUAZIONI ALLE DERIVATE PARZIALI 2° anno · 9 CFU · MATH-03/A · 0 file

Conoscenze e comprensione: esempi significativi e metodi risolutivi per equazioni alle derivate parziali. Capacità di applicare conoscenze e comprensione: capacita’ di estendere risultati e metodi a casi non studiati…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione: esempi significativi e metodi risolutivi per equazioni alle derivate parziali.
Capacità di applicare conoscenze e comprensione: capacita’ di estendere risultati e metodi a casi non studiati in dettaglio nel corso.
Autonomia di giudizio: capacita’ di orientarsi criticamente nella bibliografia pu’ avanzata.
Abilità comunicative: esposizione delle conoscenze acquisite in modo comprensibili a chi abbia i prerequisiti in ingresso.
Capacità di apprendimento: possibilita’ di proseguire autonomamente lo studio di argomenti piu’ avanzati.

Programma

Principali esempi di equazioni alle derivate parziali e principali metodi risolutivi.

Generalita’. Equazioni del primo ordine: curve caratteristiche per equazioni quasi lineari e problema di Cauchy per variet’ iniziali non caratterictiche, strisce caratteristiche per equazioni non lineari e problema di Cauchy nel cilindro. Teoria delle distribuzioni: funzioni test, convergenza, distribuzioni, operazioni tra distribuzioni, derivazione. Spazio di Schwartz e distribuzioni temperate, trasformata di Fourier delle distribuzioni temperate. Operatori lineari generali, operatori ipoellittici, analitico-ipoellittici. Teorema di Cauchy-Kowalevsky. Soluzione fondamentale per operatori a coefficienti costanti, caratterizzazione dell'ipoellitticita’ e dell'ipoellitticita’ analitica. Teorema di Malgrange-Ehrenpreis. Esempio di Hans Lewy. Soluzione fondamentale degli operatori differenziali ordinari, dell'operatore del calore, delle onde. Problemi di Cauchy: equazione del calore in R^n, delle onde in dimensione 1 e 3, 2 di Ornstein-Uhlenbeck. Misura immagine e soluzione dell'equazione del calore con il moto browniano. Operatore di Laplace: soluzione fondamentale, proprieta’ del valor medio, principio del massimo, diseguaglianza di Harnack. Nucleo di Poisson per il semipiano e per la palla; funzione di Green e risoluzione dei problemi di Dirichlet e di Neumann nella palla. Funzioni subarmoniche e metodo di Perron per la risoluzione del problema di Dirichlet in un dominio. Funzioni barriera e punti regolari. Esempio di Lebesgue. Potenziale newtoniano ed equazione di Poisson con densita’ hoelderiana. Introduzione ai metodi variazionali: osservazioni su principio di Dirichlet, metodi classici e metodi diretti nel calcolo delle variazioni. Funzioni semicontinue. Derivate deboli. Spazi di Sobolev: definizione, approssimazione con funzioni regolari, estensioni, tracce, teoremi di immersione di Sobolev e Morrey. Metodi variazionali per le equazioni ellittiche: Lemma di Lax-Milgram, Teorema dell'alternativa di Fredholm e teoremi di esistenza di soluzioni in H^1_0 per operatori ellittici in forma divergenza con coefficienti misurabili limitati. Spettro di un operatore ellittico in aperti limitati. Regolarita’ delle soluzioni deboli: metodo di Nirenberg dei quozienti differenziali per la regolarita’ H^2 all'interno ed alla frontiera. Metodi variazionali per operatori parabolici

Modalità d'esame

Una prova orale in cui si richiede allo studente di esporre argomenti del programma, eventuamente con piccole varianti per accertare la dimestichezza nell’uso delle tecniche studiate.

Testi di riferimento

L. Anzilli, M. Carriero, Introduzione alle equazioni a derivate parziali ineari, Q 1/2015, coordinamento SIBA, Universita' del Salento
E. DiBenedetto, Partial Differential Equations Birkhauser, 1995
S. Dipierro, E. Valdinoci, Elliptic partial differential equations from an elementary viewpoint,World Scientific 2024.
G. Eskin, Lectures on Linear Partial Differential Equations, Amer. Math. Soc. 2011
L. C. Evans, Partial Differential Equations, Amer. Math. Soc. 1998.
D. Gilbarg, N. Trudinger, Elliptic partial Differential Equations of Second Order, Springer 1983.
F. John, Partial Differential Equations,Springer 1982.
F. Treves, Basic Linear Partial Differential Equations, Academic Press 1975.

Codice insegnamento 217945

GEOMETRIA DIFFERENZIALE 2° anno · 9 CFU · MATH-02/B · 0 file

Conoscenze e comprensione: possedere una solida preparazione sulle conoscenze di base della geometria delle varietà differenziabili e in particolare delle varietà riemanniane; conoscere le proprietà fondamentali delle…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione: possedere una solida preparazione sulle conoscenze di base della geometria delle varietà differenziabili e in particolare delle varietà riemanniane; conoscere le proprietà fondamentali delle varietà Riemanniane; saper risolvere esercizi su esempi significativi.
Capacità di applicare conoscenze e comprensione: essere in grado di formalizzare matematicamente problemi correlati ad argomenti svolti nel corso; essere capaci di leggere e comprendere, in modo autonomo, testi di base di geometria delle varietà differenziabili e delle varietà riemanniane.
Autonomia di giudizio: l’esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare l'autonomia di giudizio dello studente.
Abilità comunicative: la presentazione degli argomenti sarà svolta in modo da consentire l’acquisizione di una buona capacità di comunicare problemi e idee riguardanti le varietà differenziabili e in particolare le varietà riemanniane.
Capacità di apprendimento: saranno indicati argomenti da approfondire, correlati con l’insegnamento, al fine di migliorare la capacità di apprendimento autonomo dello studente.

Programma

Scopo principale del corso è introdurre lo studente a concetti e metodi di base della geometria differenziale e in particolare della geometria riemanniana. Particolare attenzione è data alla scelta di esempi significativi e alla comprensione delle argomentazioni (anche enfatizzando possibili applicazioni alla Fisica).

Nozioni di base sulle varietà differenziabili: Varietà differenziabili e applicazioni differenziabili. Esempi. Spazio tangente in un punto a una varietà differenziabile. Campi di vettori. Il fibrato tangente. Il differenziale di un'applicazione differenziabile. Tensori su una varietà differenziabile. Immersioni e sottovarietà. Esempi.
Gruppi di Lie: Concetti di base su gruppi di Lie ed algebre di Lie . Esempi
Varietà Riemanniane: Metriche riemanniane. Gli spazi modello della geometria riemanniana. Altri esempi. Immersioni e sottovarietà riemanniane. Struttura di spazio metrico su una varietà riemanniana. Isometrie. I gruppi di isometrie dello spazio euclideo, della sfera canonica e dello spazio iperbolico. Connessione lineare su una varietà differenziabile. Derivata covariante. Trasporto parallelo. Curve geodetiche. La connessione di Levi-Civita. Curve geodetiche dal punto di vista riemanniano. Connessione di Levi-Civita di sottovarietà riemanniane. Esempi di curve geodetiche. Il tensore di curvatura di Riemann e la curvatura sezionale. Varietà riemanniane a curvatura sezionale costante. Il tensore di curvatura di Ricci. Il flusso di Ricci-Hamilton (cenni).

Modalità d'esame

L’esame consiste nella verifica dell’abilità di esporre in modo chiaro e rigoroso alcuni contenuti del corso.

Testi di riferimento

D. Perrone, Un'introduzione alla Geometria Riemanniana - Seconda Edizione, ESE Salento University Publishing, Quaderni di Matematica, Q1/2023 (eISBN: 978-88-8305-195-1).
Disponibile online su http://siba-ese.unisalento.it/index.php/quadmat/issue/archive

Codice insegnamento 217954

GEOMETRIA DIFFERENZIALE 2° anno · 9 CFU · MATH-02/B · 0 file

Conoscenze e comprensione: possedere una solida preparazione sulle conoscenze di base della geometria delle varietà differenziabili e in particolare delle varietà riemanniane; conoscere le proprietà fondamentali delle…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione: possedere una solida preparazione sulle conoscenze di base della geometria delle varietà differenziabili e in particolare delle varietà riemanniane; conoscere le proprietà fondamentali delle varietà Riemanniane; saper risolvere esercizi su esempi significativi.
Capacità di applicare conoscenze e comprensione: essere in grado di formalizzare matematicamente problemi correlati ad argomenti svolti nel corso; essere capaci di leggere e comprendere, in modo autonomo, testi di base di geometria delle varietà differenziabili e delle varietà riemanniane.
Autonomia di giudizio: l’esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare l'autonomia di giudizio dello studente.
Abilità comunicative: la presentazione degli argomenti sarà svolta in modo da consentire l’acquisizione di una buona capacità di comunicare problemi e idee riguardanti le varietà differenziabili e in particolare le varietà riemanniane.
Capacità di apprendimento: saranno indicati argomenti da approfondire, correlati con l’insegnamento, al fine di migliorare la capacità di apprendimento autonomo dello studente.

Programma

Scopo principale del corso è introdurre lo studente a concetti e metodi di base della geometria differenziale e in particolare della geometria riemanniana. Particolare attenzione è data alla scelta di esempi significativi e alla comprensione delle argomentazioni (anche enfatizzando possibili applicazioni alla Fisica).

Nozioni di base sulle varietà differenziabili: Varietà differenziabili e applicazioni differenziabili. Esempi. Spazio tangente in un punto a una varietà differenziabile. Campi di vettori. Il fibrato tangente. Il differenziale di un'applicazione differenziabile. Tensori su una varietà differenziabile. Immersioni e sottovarietà. Esempi.
Gruppi di Lie: Concetti di base su gruppi di Lie ed algebre di Lie . Esempi
Varietà Riemanniane: Metriche riemanniane. Gli spazi modello della geometria riemanniana. Altri esempi. Immersioni e sottovarietà riemanniane. Struttura di spazio metrico su una varietà riemanniana. Isometrie. I gruppi di isometrie dello spazio euclideo, della sfera canonica e dello spazio iperbolico. Connessione lineare su una varietà differenziabile. Derivata covariante. Trasporto parallelo. Curve geodetiche. La connessione di Levi-Civita. Curve geodetiche dal punto di vista riemanniano. Connessione di Levi-Civita di sottovarietà riemanniane. Esempi di curve geodetiche. Il tensore di curvatura di Riemann e la curvatura sezionale. Varietà riemanniane a curvatura sezionale costante. Il tensore di curvatura di Ricci. Il flusso di Ricci-Hamilton (cenni).

Modalità d'esame

L’esame consiste nella verifica dell’abilità di esporre in modo chiaro e rigoroso alcuni contenuti del corso.

Testi di riferimento

D. Perrone, Un'introduzione alla Geometria Riemanniana - Seconda Edizione, ESE Salento University Publishing, Quaderni di Matematica, Q1/2023 (eISBN: 978-88-8305-195-1).
Disponibile online su http://siba-ese.unisalento.it/index.php/quadmat/issue/archive

Codice insegnamento 217951

INTRODUZIONE ALLA TEORIA DELLA RELATIVITA' E ALLA MECCANICA QUANTISTICA 2° anno · 6 CFU · PHYS-02/A · 0 file

Comprensione delle idee di base della Relativita' Ristretta e della Meccanica Quantistica Esame scritto le cui modalita' sono discusse durante le lezioni

Scheda dell'insegnamento

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

Obiettivi formativi

Comprensione delle idee di base della Relativita' Ristretta e della Meccanica Quantistica Esame scritto le cui modalita' sono discusse durante le lezioni

Programma

Il corso mira a presentare i concetti di base della Relativita' ristretta e della Meccanica Quantistica

Modalità d'esame

Esame scritto le cui modalita' sono discusse durante le lezioni

Testi di riferimento

Per la Relativita' ristretta: M. Gasperini, Manuale di Relativita' Ristretta, Springer (2010). Per la Meccanica Quantistica: G. Nardulli, Meccanica Quantistica I, Principi, Franco Angeli (2013). Approfondimenti, sopratutto atomo di idrogeno e particelle identiche: C. Cohen-Tannoudji, B. Diu, F. Laloe, Quantum Mechanics, Wiley (1977). Altro materiale didattico si trova al sito http://www.dmf.unisalento.it/~gpco/didattica/main.html

Codice insegnamento 217947

ISTITUZIONI DI ALGEBRA SUPERIORE 2° anno · 9 CFU · MATH-02/A · 0 file

Conoscenze e comprensione Risultati fondamentali e avanzati di Teoria dei Gruppi e problematiche di ricerca classiche e attuali. Capacità di applicare conoscenze e comprensione essere in grado di produrre dimostrazioni…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenze e comprensione Risultati fondamentali e avanzati di Teoria dei Gruppi e problematiche di ricerca classiche e attuali.
Capacità di applicare conoscenze e comprensione
essere in grado di produrre dimostrazioni rigorose, utilizzando con maturità le varie tecniche dimostrative;
essere in grado di formalizzare e risolvere matematicamente problemi di moderata difficoltà nell'ambito della Teoria dei Gruppi;
essere capaci di leggere e comprendere, in modo autonomo, testi avanzati e articoli di ricerca nell'ambito della Teoria dei Gruppi.
Autonomia di giudizio L'esposizione dei contenuti e delle argomentazioni sarà svolta in modo da migliorare la capacità di identificare gli elementi rilevanti in situazioni e problemi anche in contesti non matematici, nonché di riconoscere ragionamenti logici erronei.
Abilità comunicative La presentazione degli argomenti sarà svolta in modo da consentire l'acquisizione di una buona capacità di comunicare, in modo chiaro e privo di ambiguità, problemi, idee e soluzioni riguardanti la Teoria dei Gruppi a un pubblico specializzato o generico.
Capacità di apprendimento Sarà sollecitato l'approfondimento di argomenti, correlati con l'insegnamento, al fine di stimolare lo studio autonomo su testi avanzati e su articoli di ricerca.

Programma

Il corso ha come obiettivo principale l'acquisizione di conoscenze e competenze avanzate nell'ambito della Teoria dei Gruppi. Particolare cura è data alla comprensione delle argomentazioni e al rigore nella presentazione dei concetti e dei ragionamenti.

Richiami e complementi. Richiami sui gruppi ciclici, automorfismi interni di un gruppo, prodotti semidiretti di gruppi.
Azioni di un gruppo. Azioni di un gruppo su un insieme, equazione delle orbite, i teoremi di Sylow, decomposizioni semidirette con il fattore normale abeliano, il teorema di Schur-Zassenhaus (I parte).
Prime generalità sui gruppi risolubili. Polinomi risolubili per radicali, gruppi risolubili: definizioni ed esempi il teorema di Schur-Zassenhaus (II parte).
Gruppi nilpotenti. Definizione ed esempi, la serie centrale superiore e la serie centrale inferiore, relazione tra la classe di nilpotenza e la lunghezza derivata di un gruppo nilpotente, proprietà di chiusura dei gruppi nilpotenti, un teorema di P. Hall, caratterizzazione dei gruppi nilpotenti finiti.
Sottogruppi notevoli di un gruppo. Il sottogruppo di Frattini di un gruppo e sue caratterizzazioni, alcune proprietà del sottogruppo di Frattini, il sottogruppo di Frattini di un p-gruppo finito, il sottogruppo di Fitting di un gruppo finito, alcuni risultati sul sottogruppo di Fitting di un gruppo risolubile.
Gruppi risolubili finiti. Basi di Sylow di un gruppo finito, semplicità del gruppo alterno di grado cinque, il gruppo alterno di grado cinque come gruppo privo di basi di Sylow, il lemma di P. Hall sulle basi di Sylow di un gruppo risolubile, i sottogruppi di Hall di un gruppo finito: definizione ed esempi, alcune proprietà dei sottogruppi di Hall, il teorema di Hall per i gruppi risolubili finiti.
Introduzione al GAP.

Modalità d'esame

Esame orale. La prova verifica l'abilità di esporre in modo chiaro e rigoroso alcuni contenuti del corso.
La prenotazione all'esame è obbligatoria e deve essere effettuata esclusivamente tramite le modalità online previste dal sistema VOL.

Testi di riferimento

D.J.K. Robinson: A Course in the Theory of Groups , Springer-Verlag, New York, 1996.
A. Machì: Gruppi , Springer-Verlag Italia, 2007.

Codice insegnamento 217962

LABORATORIO DI INTELLIGENZA ARTIFICIALE 2° anno · 9 CFU · MATH-04/A · 0 file
MATEMATICHE ELEMENTARI DA UN PUNTO DI VISTA SUPERIORE 2° anno · 9 CFU · MATH-02/B · 0 file

Sviluppare una visione critica e approfondita di alcuni temi fondamentali della matematica elementare (Aritmetica, Algebra, Geometria, Analisi Matematica) da un punto di vista storico, didattico ed epistemologico. In…

Scheda dell'insegnamento

Obiettivi formativi

Sviluppare una visione critica e approfondita di alcuni temi fondamentali della matematica elementare (Aritmetica, Algebra, Geometria, Analisi Matematica) da un punto di vista storico, didattico ed epistemologico. In particolare conoscere le problematiche che si incontrano nell'insegnamento dei concetti cardine della matematica nell'insegnamento nelle scuole secondarie.

Programma

Verranno discussi, da una prospettiva storica, didattica ed epistemologica gli argomenti e le idee fondamentali della matematica con particolare riguardo a quelli che costituiscono i curricula di Matematica delle scuole secondarie.

Nel corso si discuteranno, da un punto di vista epistemologico, storico e didattico, quegli argomenti e quelle idee della matematica di base che costituiscono i temi fondamentali del curricolum di Matematica nella Scuola secondaria:
-Aritmetica e Algebra -Geometria -Relazioni e funzioni (in particolare, Analisi matematica)
In particolare saranno trattati specificamente i seguenti temi (alcuni faranno parte delle relazioni degli studenti):
-Risoluzione delle equazioni algebriche per radicali, con cenni alla Storia dell’Algebra classica.
-Costruzioni con riga e compasso: i problemi classici della geometria; punti del piano costruibili con riga e compasso; numeri costruibili; poligoni regolari costruibili, con cenni storici.
-Argomenti elementari di teoria dei numeri: terne pitagoriche, numeri primi, teorema fondamentale dell’aritmetica, congruenze, algoritmo di Euclide per il mcd, criteri di divisibilità; le funzioni di Eulero d(n), sigma(n), phi(n); frazioni decimali e periodo delle frazioni decimali. Il principio di induzione.
-Definizioni, teoremi e dimostrazioni nell’insegnamento della matematica (nella scuola secondaria); tipi di dimostrazione; dimostrazioni indirette; dimostrazioni per assurdo; dimostrazioni per induzione.
-Assiomatiche per la geometria (Euclide, Hilbert, Choquet in particolare) e insegnamento della geometria nella Scuola secondaria; alcuni approcci all’insegnamento della geometria nella scuola secondaria.
-Successioni e funzioni; la definizione di limite; definizione di derivata e integrale definito; considerazioni epistemologiche, storiche e didattiche.
Tali temi di matematica elementare saranno presentati “da un punto di vista superiore”, ovvero con un’attenzione critica ai loro fondamenti, alla loro storia e alla loro didattica attuale (nella scuola secondaria).

Modalità d'esame

Prova orale e una relazione scritta di approfondimento su un tema concordato col docente e svolto nel corso. La relazione contribuisce a un terzo della valutazione complessiva e potrà essere presentata nell'ultima parte del corso, in forma di seminario, oppure prima della prova orale.

Testi di riferimento

  • V. Villani et alii, Non solo calcoli. Domande e risposte sui
    perché della matematica, Springer Italia, Milano 2012.
  • V. Villani, Cominciamo dal punto.Domande, risposte e
    commenti per saperne di più sui perché della matematica
    (Geometria), Pitagora, Bologna 2006.
  • R. Hartshorne, Geometry: Euclid and Beyond, Springer,
    1997.
  • Articoli da riviste di Didattica della Matematica scelti dal
    docente
  • Materiale didattico fornito dal docente tramite la piattaforma e-learning.

Codice insegnamento 217956

TESI DI LAUREA (PROFIN_S) 2° anno · 20 CFU · 0 file
TESI DI LAUREA (PROFIN_S) 2° anno · 20 CFU · 0 file
TESI DI LAUREA (PROFIN_S) 2° anno · 24 CFU · 0 file
TIROCINIO (PROFIN_S) 2° anno · 4 CFU · 0 file
TIROCINIO DIDATTICO (PROFIN_S) 2° anno · 4 CFU · 0 file
Metodi matematici per l'intelligenza artificiale 9 CFU · MAT/07 · 0 file
PEDAGOGIA INTERCULTURALE (M-PED/01) 6 CFU · M-PED/01 · 0 file
PSICOLOGIA GENERALE (M-PSI/01) 6 CFU · M-PSI/01 · 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.