Actuarial Mathematics for Life Insurance
1° anno · 6 CFU · MATH-03/B · 0 file
More specifically, the course has the following intended learning outcomes (ILOs): −ILO 1: Understand the basic problems in quantifying risks and related impact. Apply the basics of probability theory and financial…
Scheda dell'insegnamento
Obiettivi formativi
More specifically, the course has the following intended learning outcomes (ILOs): −ILO 1: Understand the basic problems in quantifying risks and related impact. Apply the basics of probability theory and financial mathematics in quantifying risks and related impact. Compare alternative solutions to the risk hedging problem. Understand the effects of risk pooling. Estimate the premium of basic insurance products. Understand cross-subsidy mechanisms in insurance portfolios. -ILO 2: The participant learns the basic actuarial tools for the pricing and reserving. The expertise gained by the participation on the topics dealt with in the course is suitable for several positions in an insurance company or a pension fund. In the financial area, the knowledge provided by the course can help in understanding the features of life insurance products offered as a form of investment. -ILO 3: Ability to perform a critical analysis of life insurance products, as it is expected from a student specializing in finance, insurance and risk management. The student is able to interpret critically the output of actuarial valuations, and he/she is also able to use autonomously simple actuarial models. -ILO 4: Use of the actuarial-technical language. Therefore, the participant is able to communicate efficiently with whom is in charge of actuarial valuations. The knowledge of the technical language is useful for those coordinating the more strictly technical staff with the staff charged with more managerial duties. -ILO5: Ability to interpret the technical aspects of life insurance problems. The participant can understand the quantitative models more suitable for solving such problems. -ILO6: Understand significant financial problems related to individual lifetimes, and in particular compare alternative approaches to the construction of post-retirement income (annuitization of retirement assets versus income drawdown).
Programma
Actuarial Mathematics for Life Insurance Program: 1 Risk and insurance · Introduction · “Risk”: looking for definitions · Quantifying risks: some models · Transferring risks · Insurance products 2 Managing a portfolio of risks · Introduction · Rating: the basics 3 Modelling the lifetime · Introduction · Life tables · A mortality “law” · Summarizing a life table · From the basic model to more general models · Heterogeneity · Mortality by age and duration · Mortality dynamics 4 Pricing · Life insurance products · Discounting cash-flows · Single premiums · Periodic premiums · Loading for expenses 5 Reserving · Introduction · General aspects · The policy reserve · Risk and savings · Expected profits · Reserving for expenses · Surrender values and paid-up values 6 Time-continuous settings · Introduction · Mortality laws · Premiums · Reserves · Expected profits Basic references: A. Olivieri, E. Pitacco (2015), Introduction to Insurance Mathematics. Technical and Financial Features of Risk Transfers, 2nd Edition, EAA Series Springer (Chaps. 1 – 5) B. E. Pitacco, D. Y.Tabakova (2020), Actuarial Mathematics. Time-continuous Models for Life Insurance
The course is based on: −Training sessions (lectures) −Tutoring sessions (exercises)
Modalità d'esame
The final grade will be based on the following: Written exam: ............................90% Group assignment: ....................10%
Testi di riferimento
Basic references: A. Olivieri, E. Pitacco (2015), Introduction to Insurance Mathematics. Technical and Financial Features of Risk Transfers, 2nd Edition, EAA Series Springer (Chaps. 1 – 5) B. E. Pitacco, D. Y.Tabakova (2020), Actuarial Mathematics. Time-continuous Models for Life Insurance
Codice insegnamento 51315_659627_94532
Advanced Analysis
1° anno · 1° semestre · 9 CFU · MATH-03/A · 0 file
Nel corso saranno trattati argomenti scelti di Analisi Reale e Funzionale, con qualche applicazione alle equazioni alle derivate parziali (EDP). Questi argomenti saranno poi applicati, in corsi successivi di Analisi…
Scheda dell'insegnamento
Obiettivi formativi
Nel corso saranno trattati argomenti scelti di Analisi Reale e Funzionale, con qualche applicazione alle equazioni alle derivate parziali (EDP). Questi argomenti saranno poi applicati, in corsi successivi di Analisi più avanzati.
Programma
Vedi testo in inglese.
Lezioni miste (frontali+ asincrone) con alcuni esercizi proposti e parzialmente svolti durante il corso.
Modalità d'esame
L'esame finale si svolgerà tramite una prova scritta contenente alcuni esercizi (proposti durante il corso) e una dimostrazione di un risultato scelto tra una lista di (principali) risultati dimostrati nel corso, precedentemente stabilita con lo studente. Seguirà un colloquio orale. Le competenze che si intendono verificare tramite la prova scritta sono la capacità dello studente di saper risolvere alcuni esercizi tramite l'applicazione dei risultati introdotti nel corso. Le competenze che si intendono verificare nel colloquio orale sono la capacità dallo studente di esposizione delle conoscenze acquisite, come pure della sua autonomia nello svolgere gli esercizi proposti visto che questi esercizi sono svolti dallo studente senza controllo. Il voto finale è assegnato tramite una media della valutazione della prova scritta e del colloquio orale.
Testi di riferimento
1) Note del docente 2) Brezis H., Functional Analysis, Sobolev spaces and Partial Differential Equations, Springer, 2011. 3)Gariepy R.F. & Ziemer W. P. , Modern Real Analysis , PWS Publishing Company,Boston, 1994 4)Rudin W., Real and Complex Analysis,Third Edition, McGraw-Hill, 1987.
Codice insegnamento 51018_653618_89092
Advanced Calculus of Variations
1° anno · 2° semestre · 6 CFU · MATH-03/A · 0 file
Gli obiettivi formativi del corso prevedono l'acquisizione e il consolidamento da parte degli studenti di conoscenze, metodi e strumenti del Calcolo delle Variazioni e sue applicazioni, in particolare allo studio di…
Scheda dell'insegnamento
Obiettivi formativi
Gli obiettivi formativi del corso prevedono l'acquisizione e il consolidamento da parte degli studenti di conoscenze, metodi e strumenti del Calcolo delle Variazioni e sue applicazioni, in particolare allo studio di funzionali integrali. Gli studenti dovrebbero inoltre aver compreso la struttura logica degli argomenti e delle dimostrazioni presentati nel corso, ed essere in grado di modificarli per affrontare problemi in autonomia.
Programma
Introduzione generale ai metodi e alle tecniche del Calcolo delle Variazioni. Il metodo diretto del calcolo delle variazioni. Richiami di Analisi Funzionale: spazi di Sobolev; convessità e semicontinuità. Applicazione del metodo diretto a funzionali integrali del calcolo delle variazioni. Condizioni necessarie e sufficienti per la semicontinuità di un funzionale integrale. Esempi e controesempi di esistenza del minimo. Il caso vettoriale: quasi-convessità e semicontinuità inferiore. Teoria del rilassamento. Inviluppo semicontinuo inferiormente di un funzionale integrale. Equazioni di Eulero-Lagrange. Problemi vincolati. Breve introduzione alle misure di Young e applicazioni al calcolo delle variazioni.
Lezioni frontali.
Modalità d'esame
L'esame finale del corso è costituito da una prova orale. Durante il colloquio, lo studente dovrà dimostrare: comprensione degli argomenti trattati nel corso; capacità di esposizione e padronanza del linguaggio tecnico; capacità di applicare quanto appreso a semplici esercizi (simili a quelli assegnati durante il corso).
Testi di riferimento
- Enrico Giusti, Direct Methods in the Calculus of Variations. - Bernard Dacorogna, Direct Methods in the Calculus of Variations. Second Edition. - Haim Brezis, Functional Analysis, Sobolev Spaces and Partial Differential Equations. - Gianni Dal Maso, An Introduction to Gamma-convergence. In aggiunta a questi, appunti e note forniti dal docente.
Codice insegnamento 51018_653663_92613
Advanced Geometry
1° anno · 1° semestre · 9 CFU · MATH-02/B · 0 file
L’insegnamento si propone di fornire agli studenti le nozioni di base di topologia differenziale reale e complessa. Al termine dell'insegnamento lo studente avrà acquisito le conoscenze fondamentali della teoria delle…
Scheda dell'insegnamento
Obiettivi formativi
L’insegnamento si propone di fornire agli studenti le nozioni di base di topologia differenziale reale e complessa. Al termine dell'insegnamento lo studente avrà acquisito le conoscenze fondamentali della teoria delle varietà differenziabili reali (con e senza bordo) e complesse. Egli sarà in grado di calcolare anelli di coomologia di De Rham di tali varietà, determinare attraverso calcoli coomologici proprietà topologiche quali l'orientabilità, la connessione o l'esistenza di intersezione tra sottovarietà. Infine sarà in grado di risolvere in casi semplici problemi geometrici quali la pettinabilità di una varietà traducendoli in calcoli coomologici.
Programma
Elementi di algebra multilineare. Varietà complesse e varietà reali con bordo. Campi di vettori e Teorema di Frobenius. Orientabilità. Fibrati. Forme differenziali. Integrazione. Teorema di Stokes. Coomologia di De Rham e coomologia a supporto compatto: definizioni, strumenti di calcolo (inclusi la successione esatta di Mayer-Vietoris, il Lemma di Poincaré, la dualità di Poincaré e la formula di Kuenneth) e applicazioni.
Lezioni frontali in aula, per 5 ore alla settimana.
Modalità d'esame
L'esame si compone di un'unica prova, orale, tesa a verificare le conoscenze teoriche acquisite nel corso e la capacità acquisita di svolgere semplici esercizi quali quelli presentati nelle dispense. Il voto rifletterà in parti uguali il livello raggiunto nei due ambiti. La durata media dell'esame orale è di un'ora.
Testi di riferimento
Dispense del corso disponibili sul Moodle del corso (suggerito); Frank W. Warner, Foundations of Differentiable Manifolds and Lie Groups (Graduate Texts in Mathematics, 94), Springer; Raoul Bott, Loring W. Tu, Differential Forms on Algebraic Topology (Graduate Texts in Mathematics, 82), Springer LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Warner, F. W. (1983). Foundations of differentiable manifolds and Lie groups. Springer. Bott, R., & Tu, L. W. (1982). Differential forms in algebraic topology. Springer.
Codice insegnamento 51018_653575_89093
Advanced Number Theory
1° anno · 2° semestre · 6 CFU · MATH-02/A · 0 file
Il corso ha l'obiettivo di fornire una conoscenza di strumenti e argomenti di teoria dei numeri moderna, che hanno anche importanti applicazioni in vari campi (come la crittografia).
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha l'obiettivo di fornire una conoscenza di strumenti e argomenti di teoria dei numeri moderna, che hanno anche importanti applicazioni in vari campi (come la crittografia).
Programma
Ripasso di teoria algebrica dei numeriMetodi di fattorizzazione (approccio di Fermat, Quadratic sieve e Number field sieve)Approssimazione diofantina (teorema di Roth, teorema del sottospazio e loro applicazioni) anche in campi locali (e.g. numeri p-adici e campi di funzioni)Introduzione e alcune proprietà di algebre quaternioniche
Lezioni frontali
Modalità d'esame
Testi di riferimento
Johannes Buchmann, Ulrich Vollmer. Binary Quadratic Forms: An Algorithmic Approach, Algorithms and Computation in Mathematics (AACIM, volume 20), 2007.Richard Crandall , Carl Pomerance, Prime Numbers: A Computational Perspective, Springer, 2005.Bas Edixhoven, Jan-Hendrik Evertse, Diophantine Approximation and Abelian Varieties, Lecture Notes in Mathematics (LNM, volume 1566), 1993.John Voight, Quaternion Algebras, Graduate Texts in Mathematics (GTM, volume 288), 2021.
Codice insegnamento 51016_653710_94872
Advanced Number Theory
1° anno · 2° semestre · 6 CFU · MATH-02/A · 0 file
Il corso ha l'obiettivo di fornire una conoscenza di strumenti e argomenti di teoria dei numeri moderna, che hanno anche importanti applicazioni in vari campi (come la crittografia).
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha l'obiettivo di fornire una conoscenza di strumenti e argomenti di teoria dei numeri moderna, che hanno anche importanti applicazioni in vari campi (come la crittografia).
Programma
Ripasso di teoria algebrica dei numeriMetodi di fattorizzazione (approccio di Fermat, Quadratic sieve e Number field sieve)Approssimazione diofantina (teorema di Roth, teorema del sottospazio e loro applicazioni) anche in campi locali (e.g. numeri p-adici e campi di funzioni)Introduzione e alcune proprietà di algebre quaternioniche
Lezioni frontali
Modalità d'esame
Testi di riferimento
Johannes Buchmann, Ulrich Vollmer. Binary Quadratic Forms: An Algorithmic Approach, Algorithms and Computation in Mathematics (AACIM, volume 20), 2007.Richard Crandall , Carl Pomerance, Prime Numbers: A Computational Perspective, Springer, 2005.Bas Edixhoven, Jan-Hendrik Evertse, Diophantine Approximation and Abelian Varieties, Lecture Notes in Mathematics (LNM, volume 1566), 1993.John Voight, Quaternion Algebras, Graduate Texts in Mathematics (GTM, volume 288), 2021.
Codice insegnamento 51018_653710_94872
Advanced Programming of Cryptographic Methods
1° anno · 1° semestre · 6 CFU · INFO-01/A · 0 file
L'obbiettivo principale del corso è di fornire agli studenti una buona conoscenza dei problemi di sicurezza relativi allo sviluppo del software che implementa ed utilizza primitive e protocolli crittografici.
Scheda dell'insegnamento
Obiettivi formativi
L'obbiettivo principale del corso è di fornire agli studenti una buona conoscenza dei problemi di sicurezza relativi allo sviluppo del software che implementa ed utilizza primitive e protocolli crittografici.
Programma
Descrizione di una metodologia per derivare implementazioni sicure di primitive crittografiche a partire dalle loro specifiche matematiche che integra pratiche di codifica sicura (come ad esempio le tecniche di memory safety, esecuzione in tempo costante ed indipendente dai segreti) Sviluppo software e sicurezza: il ciclo di vita, la progettazione e i requisiti (funzionali vs non funzionali), i requisiti di sicurezza come raffinamenti della triade Riservatezza, Integrità e Disponibilità (RID), strumenti automatizzati per il testing e la verifica della sicurezza Crittografia Applicata in Java, Go e C: architetture critografiche di riferimento, utilizzo di librerie crittografiche (come ad esempio OpenSSL), similitudini e differenze Protocolli di comunicazione: Transport Layer Security (come TLS 1.2 e 1.3) and Virtual Private Network (come WireGuard) Audit di alcune librerie crittografiche, come OpenSSL e TweetNaCl, con un focus sulle nozioni di Trusted Computing Base ed superficie d'attacco Utilizzo sicuro delle primitive disponibili nelle librerie crittografiche (ad esempio, hashing, crittografia simmetrica e asimmetrica) per implementare protocolli, applicazioni e servizi Gestione dell'uso di primitive crittografiche: Cryptographic Bill Of Materials (CBOM), transizione Post Quantum e crypto-agility Best practice per la definizione, l'implementazione e la documentazione di un progetto crittografico
Lezioni frontali ed esercitazioni in aula.
Modalità d'esame
Esame scritto od orale e progetto in Java, Go o C.
Testi di riferimento
Le slide e i riferimenti a materiale integrativo saranno resi disponibili sulla pagina Moodle del corso. In particolare, verrà fornito un link a un manuale "vivo" (living handbook) di Crittografia Applicata, redatto dall'unità di ricerca ALEPH del Centro per la Cybersecurity della Fondazione Bruno Kessler (FBK).
Codice insegnamento 51016_653570_92173
Advanced Public-key Cryptography
1° anno · 1° semestre · 6 CFU · MATH-02/A · 0 file
Lo studente sarà preparato a svolgere ricerca in maniera indipendente, cimentandosi con problemi difficili e cercando di capire il ragionamento svolto dagli autori dei paper più significativi.
Scheda dell'insegnamento
Obiettivi formativi
Lo studente sarà preparato a svolgere ricerca in maniera indipendente, cimentandosi con problemi difficili e cercando di capire il ragionamento svolto dagli autori dei paper più significativi.
Programma
Il corso presenterà la teoria sottostante alle security proof in crittografia, specialmente quella a chiave pubblica.
Il corso prevede lezioni frontali in aula ed è integrato dallo studio e dalla presentazione di articoli di ricerca a cura degli studenti.
Modalità d'esame
Il corso incoraggia la discussione dei risultati da parte degli studenti durante le lezioni. Inoltre, ogni studente sarà tenuto a presentare un seminario.
Testi di riferimento
Modern Cryptography with Proof Techniques and Implementations By Seong Oun Hwang, Intae Kim, Wai Kong Lee
Codice insegnamento 51016_653612_97111
Advanced Symmetric Cryptography
1° anno · 2° semestre · 6 CFU · MATH-02/A · 0 file
Lo studente sarà preparato a svolgere ricerca in maniera indipendente, cimentandosi con problemi difficili e cercando di capire il ragionamento svolto dagli autori dei paper più signiticativi.
Scheda dell'insegnamento
Obiettivi formativi
Lo studente sarà preparato a svolgere ricerca in maniera indipendente, cimentandosi con problemi difficili e cercando di capire il ragionamento svolto dagli autori dei paper più signiticativi.
Programma
Questo corso è incentrato sulla teoria della complessità applicata alla crittografia, in particolare alla crittografia a chiave simmetrica. Rivedremo alcuni problemi di decisione/ricerca, la loro equivalenza e le relative implicazioni. Oltre al corso, a ciascuno studente verrà assegnato un problema specifico da presentare (che fungerà anche da esame). L’elenco dei (gruppi di) problemi che verranno trattati è il seguente: Calcolo della distanza per codici non lineariIsomorfismo tra MLD e MQLa congettura di isomorfismo e le sue implicazioni per il problema P/NPCalcoli di non linearità per funzioni booleaneDecodifica di codici lineari con preprocessing infinitoDecodifica di codici cicliciCostruzioni generiche per la casualitàValutazione di polinomi (limiti inferiori e limiti superiori) Problemi relativi ai polinomi multivariati e alle loro applicazioniProblemi relativi alle funzioni booleaneProblemi relativi alla teoria classica dei numeriProblemi relativi alla crittografia post-quantisticaProblemi relativi ai protocolli crittograficiProblemi relativi alla verifica di affermazioni crittograficheProblemi sui reticoli secondo il famoso articolo di Ajtai, il famoso articolo di Regev (2005) e l’altro famoso articolo di Regev (2009).
Il corso prevede lezioni frontali in aula ed è integrato dallo studio e dalla presentazione di articoli di ricerca a cura degli studenti.
Modalità d'esame
Il corso incoraggia la discussione dei risultati da parte degli studenti durante le lezioni. Inoltre, ogni studente sarà tenuto a presentare un seminario.
Testi di riferimento
METHODS OF COMPUTING VALUES OF POLYNOMIALS V Ya Pan 1966 Russ. Math. Surv. 21 105 Lower Bounds on the Efficiency of Generic Cryptographic Constructions Rosario Gennaro - Luca Trevisan Proceedings of the 41st Annual Symposium on Foundations of Computer Science - 2000 ON ISOMORPHISM AND DENSITY OF NP AND OTHER COMPLETE SETS J. Hartmanis - L. Berman October 1975 The Hardness of Decoding Linear Codes with Preprocessing JEHOSHUA BRUCK AND MONI NAOR ---- IEEE TRANSACTIONS ON INFORMATION THEORY, VOI.. 36, NO. 2, MARCH 1990 Generating Hard Instances of Lattice Problems M. Ajtai - ACM Symposium on Theory of Computing, 1st July 1996 Lattice Problems in NP ∩ coNP Dorit Aharonov Oded Regev --- 8th September 2005 On Lattices, Learning with Errors,Random Linear Codes, and Cryptography Oded Regev --- 2nd May 2009 Computing the distance distribution of systematic non-linear codes Eleonora Guerrini - Emmanuela Orsini - Massimiliano Sala --- 9th September 2009 On the equivalence of two post‐quantum cryptographic families Alessio Meneghetti·- Alex Pellegrini - Massimiliano Sala ----- Annali di Matematica Pura ed Applicata ---- 16th September 2022
Codice insegnamento 51016_653597_97110
Algebra for Geometry
1° anno · 1° semestre · 6 CFU · MATH-02/B · 0 file
Alla fine del corso ogni studente/studentessa avra' analizzato articoli scientifici in algebra o geometria utili o necessarie per la loro tesi e per dopo (ad esempio una borsa dottorale su un argomento specifico oppure…
Scheda dell'insegnamento
Obiettivi formativi
Alla fine del corso ogni studente/studentessa avra' analizzato articoli scientifici in algebra o geometria utili o necessarie per la loro tesi e per dopo (ad esempio una borsa dottorale su un argomento specifico oppure per uno stage specifico).
Programma
Breve riepilogo di teoria delle categorie: funtori, equivalenza di categories, Lemma di Yoneda, 2-categorie (cenni), categorie abeliane. Introduzione a fasci e coomologia (con due possibili approfondimenti, uno rivolto all geometria algebrica e uno no). Categorie derivate e triangolate.
Insegno alla lavagna, ma in modo interattivo, secondo le preferenze scientifiche dei singoli studenti e studentesse.
Modalità d'esame
Esame orale, parzialmente sostituito da un seminario e risoluzione di esercizi assegnati dal docente.
Testi di riferimento
Emily Riehl, Category theory in context, Aurora Dover Moder math Originals, Dover Publication, Inc. Mineola, New York, 2016. Birger Iversen, Cohomology of sheaves, Springer-Verlag, Berlin, 1986. R. Harshorne, Algebraic Geometry, Springer, 1977 (only Chapters II and III). Su Moodle troverete quello di cui ho il copyright. LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Riehl, E. (2016). Category theory in context. Dover. Iversen, B. (1986). Cohomology of sheaves. Springer. Hartshorne, R. (2010). Algebraic geometry. Springer.
Codice insegnamento 51318_658936_97540
Algebraic geometry I
1° anno · 1° semestre · 6 CFU · MATH-02/B · 0 file
L'insegnamento si propone di fornire un'introduzione alla Geometria Algebrica. Inoltre, gli studenti vedranno brevemente argomenti piu' avanzati che possono essere seguiti in futuro in altri corsi. Alla fine del corso lo…
Scheda dell'insegnamento
Obiettivi formativi
L'insegnamento si propone di fornire un'introduzione alla Geometria Algebrica. Inoltre, gli studenti vedranno brevemente argomenti piu' avanzati che possono essere seguiti in futuro in altri corsi. Alla fine del corso lo studente sarà in grado di: Conoscere e comprendere le definizioni e i risultati presentati durante il corso.Essere in grado di illustrarli con esempi e controesempi e di dimostrarne correttamente la validità.Saper utilizzare un linguaggio matematico corretto ed adeguato per trattare gli argomenti del corsoEssere in grado di identificare ed utilizzare i nessi tra i diversi argomenti.Presentare i principali oggetti della geometria algebrica.Vedere i collegamenti tra i differenti argomenti trattati.Essere in grado di acquisire argomenti avanzati dalla letteratura e discuterli.
Programma
L'insegnamento verte sui seguenti argomenti, seguendo il libro di testo di D. Perrin: Insiemi algebrici affini e proiettivi; Varietà affini, proiettive e quasi-proiettive; Fasci di moduli su varietà algebriche affini o proiettive; Dimensione di una varietà algebrica; Spazi tangenti e singolarità; Il teorema di Bézout; Coomologia di Čech e teoremi di annullamento; Il teorema di Riemann-Roch.
Lezioni frontali in presenza.
Modalità d'esame
Consegna di (alcuni) esercizi dei fogli assegnati e breve presentazione di un argomento a scelta con discussione orale.
Testi di riferimento
- R. Hartshorne: Algebraic geometry, Springer, New York, 1977. • D. Perrin: Algebraic geometry, An introduction, Universitext, Springer, 2008 • I. Shafarevich: Basic algebraic geometry, v. 1 and 2 , Springer, New York, 1994 and 1996. LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca Hartshorne, R. (2010). Algebraic geometry. Springer. D. Perrin: Perrin, D. (2008). Algebraic geometry : an introduction. Springer. , Universitext, Springer, 2008. Shafarevich, I. R. (2007). Basic algebraic geometry (3. ed.). Springer.
Codice insegnamento 51016_653571_89094
Algebraic geometry I
1° anno · 1° semestre · 6 CFU · MATH-02/B · 0 file
L'insegnamento si propone di fornire un'introduzione alla Geometria Algebrica. Inoltre, gli studenti vedranno brevemente argomenti piu' avanzati che possono essere seguiti in futuro in altri corsi. Alla fine del corso lo…
Scheda dell'insegnamento
Obiettivi formativi
L'insegnamento si propone di fornire un'introduzione alla Geometria Algebrica. Inoltre, gli studenti vedranno brevemente argomenti piu' avanzati che possono essere seguiti in futuro in altri corsi. Alla fine del corso lo studente sarà in grado di: Conoscere e comprendere le definizioni e i risultati presentati durante il corso.Essere in grado di illustrarli con esempi e controesempi e di dimostrarne correttamente la validità.Saper utilizzare un linguaggio matematico corretto ed adeguato per trattare gli argomenti del corsoEssere in grado di identificare ed utilizzare i nessi tra i diversi argomenti.Presentare i principali oggetti della geometria algebrica.Vedere i collegamenti tra i differenti argomenti trattati.Essere in grado di acquisire argomenti avanzati dalla letteratura e discuterli.
Programma
L'insegnamento verte sui seguenti argomenti, seguendo il libro di testo di D. Perrin: Insiemi algebrici affini e proiettivi; Varietà affini, proiettive e quasi-proiettive; Fasci di moduli su varietà algebriche affini o proiettive; Dimensione di una varietà algebrica; Spazi tangenti e singolarità; Il teorema di Bézout; Coomologia di Čech e teoremi di annullamento; Il teorema di Riemann-Roch.
Lezioni frontali in presenza.
Modalità d'esame
Consegna di (alcuni) esercizi dei fogli assegnati e breve presentazione di un argomento a scelta con discussione orale.
Testi di riferimento
- R. Hartshorne: Algebraic geometry, Springer, New York, 1977. • D. Perrin: Algebraic geometry, An introduction, Universitext, Springer, 2008 • I. Shafarevich: Basic algebraic geometry, v. 1 and 2 , Springer, New York, 1994 and 1996. LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca Hartshorne, R. (2010). Algebraic geometry. Springer. D. Perrin: Perrin, D. (2008). Algebraic geometry : an introduction. Springer. , Universitext, Springer, 2008. Shafarevich, I. R. (2007). Basic algebraic geometry (3. ed.). Springer.
Codice insegnamento 51016_653673_89094
Algebraic geometry II
1° anno · 2° semestre · 6 CFU · MATH-02/B · 0 file
In questo corso faremo un'introduzione alla Geometria Birrazionale, studiando concetti basilari su curve e divisori, deformazioni di curve, bend-and-break e l'enunciato del Teorema del Cono di Mori. Concluderemo con…
Scheda dell'insegnamento
Obiettivi formativi
In questo corso faremo un'introduzione alla Geometria Birrazionale, studiando concetti basilari su curve e divisori, deformazioni di curve, bend-and-break e l'enunciato del Teorema del Cono di Mori. Concluderemo con una breve introduzione al concetto di Mori Dream Space.
Programma
(0) Riassunto di varietà algebriche, affini e proiettive. (1) Divisori, fibrati lineari, sistemi lineari. (2) Curve e divisori; intersezione. (3) Classi numeriche di divisori. Coni ampi e nef. Il teorema di Kleiman. (4) Il teorema del cono di Mori; curve razionali. (5) Il Minimal Model Program nel caso delle superfici. (6) Overview del Minimal Model Program. (7) Il cono mobile ed il cono pseudo-effettivo. (8) Mori Dream Spaces: definizione.
Lezioni frontali dai docenti; lavoro autonomo degli studenti e delle studentesse sui materiali del corso; discussioni tra docenti e studenti/studentesse su argomenti espliciti.
Modalità d'esame
Consegna di elaborato scritto e/o breve discussione orale.
Testi di riferimento
I. Arzhantsev, U. Derenthal, J. Hausen, A. Laface. Cox Rings. Cambridge University Press, 2014. O. Debarre: Higher Dimensional Algebraic Geometry, Universitext. Springer-Verlag, New York, 2001. O. Debarre: Introduction to Mori theory. Notes of a course, 2010-11.https://www.math.ens.psl.eu/ debarre/M2.pdf R. Hartshorne: Algebraic geometry, Springer-Verlag, New York, 1977. J. Kollár, S. Mori: Birational Geometry of Algebraic Varieties Cambridge University Press, Cambridge, 2008. J. Kollár: Rational Curves on Algebraic Varieties, Springer-Verlag Berlin Heidelberg, 1996. R. Lazarsfeld: Positivity in algebraic geometry. I, Springer-Verlag, Berlin, 2004. K. Matsuki: Introduction to the Mori Program, Springer-Verlag New York, 2002. M. Reid: Undergraduate algebraic geometry, Cambridge University Press, Cambridge, 1989. I. Shafarevich: Basic algebraic geometry, v. 1 and 2 , Springer, New York, 1994 and 1996. K. E. Smith, L. Kahanpää, P. Kekäläinen, W. Traves: An invitation to algebraic geometry, Universitext, Springer-Verlag, New York, 2001.
Codice insegnamento 51018_653720_89095
Algorithm Education
1° anno · 2° semestre · 6 CFU · INFO-01/A · 0 file
Applications of Mathematics to Biology and Medicine
1° anno · 1° semestre · 6 CFU · MATH-05/A · 0 file
Biologia, medicina, farmacologia e matematica hanno tradizionalmente parlato linguaggi differenti. Tuttavia, i modelli matematici e i metodi quantitativi sono sempre più utilizzati per comprendere i sistemi biologici e…
Scheda dell'insegnamento
Obiettivi formativi
Biologia, medicina, farmacologia e matematica hanno tradizionalmente parlato linguaggi differenti. Tuttavia, i modelli matematici e i metodi quantitativi sono sempre più utilizzati per comprendere i sistemi biologici e le dinamiche di popolazione, interpretare meccanismi fisiologici e patologici, analizzare dati di campo, sperimentali e clinici, e supportare diagnosi, trattamento e processi decisionali. Questo dialogo interdisciplinare non è immediato. Richiede la capacità di comprendere il linguaggio di base dei problemi biologici, medici e farmacologici, tradurre i meccanismi rilevanti in termini matematici e interpretare i risultati matematici in modo significativo rispetto all’applicazione di partenza. Il corso offre agli studenti di matematica e di discipline scientifiche affini un’introduzione ad alcune applicazioni selezionate della matematica alla biologia e alla medicina. Il corso è strutturato attorno a un dialogo tra esperti del dominio applicativo ed esperti di modellistica. In ciascun ambito, clinici, farmacologi o biologi introducono inizialmente il contesto biologico, fisiologico, medico o farmaceutico rilevante. Queste lezioni sono poi seguite da contributi di esperti di modellistica matematica, che collegano i concetti precedentemente introdotti a modelli matematici, simulazioni, analisi di dati o metodi quantitativi. Attraverso casi di studio selezionati, gli studenti acquisiranno una comprensione di come vengono sviluppati i progetti di modellistica interdisciplinare e, in particolare, di come: comunicare efficacemente con esperti di biologia, medicina e farmacologia, comprendendo la terminologia e le prospettive proprie di queste discipline;identificare e selezionare, all’interno di una grande quantità di informazioni specifiche del dominio applicativo, gli elementi rilevanti per un determinato problema di modellistica e una specifica domanda di ricerca;riconoscere i processi fondamentali alla base di un fenomeno biologico o medico complesso e distinguerli dai meccanismi che possono essere trascurati al livello di descrizione scelto;tradurre meccanismi biologici, fisiologici, medici o farmacologici in ipotesi matematiche, variabili, equazioni e modelli;valutare criticamente un modello matematico e individuare come possa essere raffinato o esteso quando non risponde adeguatamente alla domanda di ricerca;interpretare risultati matematici e computazionali nel contesto dell’applicazione originale;comunicare in modo chiaro e significativo a esperti del dominio applicativo le ipotesi di modellistica, i metodi utilizzati e i risultati ottenuti.Più in generale, gli studenti acquisiranno una comprensione di come vengono sviluppati i progetti interdisciplinari, dalla formulazione di una domanda biologica o medica e dalla selezione dei meccanismi rilevanti, fino alla modellistica matematica, all’analisi computazionale, al raffinamento del modello e all’interpretazione e comunicazione dei risultati.
Programma
Il corso segue una struttura interdisciplinare ed è organizzato come una sequenza di lezioni e presentazioni di tipo seminariale dedicate ad applicazioni della matematica alla biologia e alla medicina, con particolare attenzione ad alcuni temi selezionati. Per ciascun tema, una prima parte è dedicata al dominio applicativo ed è presentata da clinici, farmacologi o biologi. Queste lezioni introducono il sistema biologico, il problema medico o sperimentale, la terminologia rilevante e le principali domande che emergono nella pratica. La seconda parte è dedicata agli approcci matematici e computazionali ed è presentata da esperti di modellistica nel relativo settore, con l’obiettivo di mostrare come i problemi precedentemente introdotti possano essere tradotti in modelli, simulazioni o analisi quantitative. Gli argomenti includono entomologia e acustica degli insetti, dinamiche di popolazione, fisiologia respiratoria, fisiologia cardiovascolare, elettrofisiologia cardiaca, farmacocinetica e farmacodinamica.
Lezioni frontali e presentazioni di tipo seminariale. L’attività didattica si basa sull’interazione tra lezioni orientate al dominio applicativo e lezioni orientate alla modellistica. Clinici, farmacologi e biologi introducono i problemi applicativi rilevanti, mentre gli esperti di modellistica matematica discutono successivamente come tali problemi possano essere formalizzati, analizzati e interpretati mediante strumenti matematici, computazionali o statistici. Quando opportuno, durante le lezioni saranno discussi esempi di modelli matematici, strumenti computazionali, articoli scientifici o dati biomedici.
Modalità d'esame
La valutazione consiste in una prova scritta e in una prova orale/presentazione di progetto. Il voto finale terrà conto sia della prova scritta sia della presentazione orale/progetto. La prova scritta consiste in un test a risposta multipla basato su un insieme di domande fornite in anticipo agli studenti. Ciascun docente esperto fornirà domande relative al proprio argomento e una selezione di tali domande sarà utilizzata per la prova scritta. La parte orale/progettuale consiste in un progetto interdisciplinare. Il progetto potrà prevedere la lettura di articoli biologici o medici, la discussione di un problema di modellistica, l’utilizzo di semplici modelli computazionali forniti dai docenti, modifiche limitate ai modelli o ai codici e la presentazione dei risultati. Per ciascun argomento verrà proposto un numero limitato di possibili progetti.
Testi di riferimento
Per tutti gli argomenti saranno messe a disposizione le slide delle lezioni e/o dispense. Alcuni progetti potranno inoltre richiedere la lettura di articoli scientifici.
Codice insegnamento 51015_653633_97117
Applied Cryptography
1° anno · 1° semestre · 6 CFU · MATH-02/A · 0 file
L'obiettivo principale del corso è acquisire familiarità con gli aspetti teorici e pratici relativi all'applicazione di tecniche crittografiche. In particolare, durante il corso si approfondirà come definire una…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo principale del corso è acquisire familiarità con gli aspetti teorici e pratici relativi all'applicazione di tecniche crittografiche. In particolare, durante il corso si approfondirà come definire una primitiva crittografica partendo dalle funzionalità che ci si aspetta ottenga, cosa si intende per crittosistema "sicuro" e come selezionare i parametri di un particolare crittosistema per raggiungere determinati livelli di sicurezza. Inoltre, saranno discusse diverse primitive e presentati vari schemi/protocolli crittografici, come ad esempio AES, RSA, DSA e TLS.
Programma
Tipologie di sicurezza crittografica: perfect security e semantic security. Crittografia a chiave simmetrica: cifrari a flusso, PRG, cifrari a blocchi, PRF, metodi di operazione, attacchi chosen plaintext, sicurezza IND-CPA, message integrity, attacchi chosen ciphertext, sicurezza IND-CCA, funzioni hash e loro costruzione, authenticated encryption. Crittografia a chiave pubblica: nozioni di base di teoria dei numeri, scambio di chiavi con Diffie-Hellman, scambio di chiavi autenticato, problema del logaritmo discreto (DLOG) e sua sicurezza, schemi basati sul DLOG, RSA, problema della fattorizzazione di interi, firme digitali.
Presentazioni mediante slides ed esercizi svolti in aula.
Modalità d'esame
Esame scritto con esercizi e domande aperte
Testi di riferimento
-A Graduate Course in Applied Cryptography, Dan Boneh and Victor Shoup (https://toc.cryptobook.us/) -Introduction to Modern Cryptography, Jonathan Katz and Yehuda Lindell -Handbook of Applied Cryptography, Alfred J. Menezes, Paul C. van Oorschot and Scott A. Vanstone (tutti i capitoli sono liberamente disponibili online al seguente indirizzo: https://cacr.uwaterloo.ca/hac/)
Codice insegnamento 51016_653552_94110
Automated Reasoning and Formal Verification
1° anno · 12 CFU · IINF-05/A · 0 file
NOTA IMPORTANTE: Il corso "Automated reasoning and Formal Verification" è diviso in due moduli consecutivi: Modulo I: "Automated Reasoning" [6CFU, di cui 4.5CFU teoria + 1.5CFU laboratorio] Modulo II: "Formal…
Scheda dell'insegnamento
Obiettivi formativi
NOTA IMPORTANTE: Il corso "Automated reasoning and Formal Verification" è diviso in due moduli consecutivi: Modulo I: "Automated Reasoning" [6CFU, di cui 4.5CFU teoria + 1.5CFU laboratorio] Modulo II: "Formal Verification" [6CFU, di cui 4.5CFU teoria + 1.5CFU laboratorio] che sono rispettivamente mutuati come singoli corsi * Automated Reasoning [6CFU, di cui 4.5CFU teoria + 1.5CFU laboratorio] * Formal Verification [6CFU, di cui 4.5CFU teoria + 1.5CFU laboratorio] dal c.d.l. in Artificial Intelligence Systems. Il primo modulo/corso costituisce prerequisito per il secondo. All'interno di entrambi i moduli/corsi è prevista una parte di laboratorio, per complessivi 3 CFU (1.5 CFU Automated Reasoning + 1.5 CFU Formal Verification) Il primo modulo/corso "Automated Reasoning" comincierà quindi all'inizio del semestre e terminerà a metà semestre, mentre il secondo modulo/corso "Formal Verification" comincierà a metà semestre e terminerà a fine semestre. Modulo/corso "Automated Reasoning" [6CFU, di cui 4.5CFU teoria + 1.5CFU laboratorio] Le tecniche di ragionamento (logico) automatico sono ampiamente utilizzate in svariati campi, principalmente in Intelligenza Artificiale --come "motori" di svariati sistemi di ragionamento, inferenza e pianificazione automatica-- e nel campo della specifica e verifica formale si sistemi complessi --come "motori" sopra i quali sono costruiti i principali sistemi di verifica automatica. Il Modulo/corso "Automated Reasoning" presenta un'introduzione alle principali metodologie e agli strumenti per il ragionamento (logico) automatico. Gli studenti sperimenteranno in laboratorio l'uso di tool di automated reasoning, in particolare ad esempio, SAT o SMT solvers. Al termine del modulo/corso, lo studente: - conoscera` le principali tecniche di automated reasoning - sara` in grado di modellare semplici problemi e risolverli tramite automated reasonin tools, quali ad esempio SAT e SMT solvers. Modulo/corso "Formal Verification" [6CFU, di cui 4.5CFU teoria + 1.5CFU laboratorio] I metodi di specifica e verifica formali sono progressivamente usati nello sviluppo di sistemi SW e HW industriali come potenti strumenti per la specifica, la verifica e la ricerca di errori. Le metodologie principali e di maggior successo cadono nella famiglia del "Formal Verification", che utilizzano tecniche di automated reasoning come motori. Il Modulo/corso "Formal Verification" presenta un'introduzione alle principali metodologie e agli strumenti per la specifica e soprattutto la verifica formale di sistemi SW e HW. Il corso si concentrera' sulle tecniche di verifica formale, ed in particolare sulla tecnica "Formal Verification". Gli studenti sperimenteranno in laboratorio l'uso di tecniche di model checking basate sui model checker NuXmv. Al termine del modulo/corso, lo studente: - conoscera` le principali tecniche di specifica e verifica formale, in particolare del Formal Verification - sara` in grado di formalizzare semplici sistemi SW o HW e verificarne proprieta`, tramite il model checker NuXmv.
NOTA IMPORTANTE: Il corso "Automated reasoning and Formal Verification" è diviso in due moduli consecutivi: Modulo I: "Automated Reasoning" [6CFU, di cui 4.5CFU teoria + 1.5CFU laboratorio] Modulo II: "Formal Verification" [6CFU, di cui 4.5CFU teoria + 1.5CFU laboratorio] che sono rispettivamente mutuati come singoli corsi * Automated Reasoning [6CFU, di cui 4.5CFU teoria + 1.5CFU laboratorio] * Formal Verification [6CFU, di cui 4.5CFU teoria + 1.5CFU laboratorio] dal c.d.l. in Artificial Intelligence Systems. Il primo modulo/corso costituisce prerequisito per il secondo. All'interno di entrambi i moduli/corsi è prevista una parte di laboratorio, per complessivi 3 CFU (1.5 CFU Automated Reasoning + 1.5 CFU Formal Verification) Il primo modulo/corso "Automated Reasoning" comincierà quindi all'inizio del semestre e terminerà a metà semestre, mentre il secondo modulo/corso "Formal Verification" comincierà a metà semestre e terminerà a fine semestre. Modulo/corso "Automated Reasoning" [6CFU, di cui 4.5CFU teoria + 1.5CFU laboratorio] Le tecniche di ragionamento (logico) automatico sono ampiamente utilizzate in svariati campi, principalmente in Intelligenza Artificiale --come "motori" di svariati sistemi di ragionamento, inferenza e pianificazione automatica-- e nel campo della specifica e verifica formale si sistemi complessi --come "motori" sopra i quali sono costruiti i principali sistemi di verifica automatica. Il Modulo/corso "Automated Reasoning" presenta un'introduzione alle principali metodologie e agli strumenti per il ragionamento (logico) automatico. Gli studenti sperimenteranno in laboratorio l'uso di tool di automated reasoning, in particolare ad esempio, SAT o SMT solvers. Al termine del modulo/corso, lo studente: - conoscera` le principali tecniche di automated reasoning - sara` in grado di modellare semplici problemi e risolverli tramite automated reasonin tools, quali ad esempio SAT e SMT solvers. Modulo/corso "Formal Verification" [6CFU, di cui 4.5CFU teoria + 1.5CFU laboratorio] I metodi di specifica e verifica formali sono progressivamente usati nello sviluppo di sistemi SW e HW industriali come potenti strumenti per la specifica, la verifica e la ricerca di errori. Le metodologie principali e di maggior successo cadono nella famiglia del "Formal Verification", che utilizzano tecniche di automated reasoning come motori. Il Modulo/corso "Formal Verification" presenta un'introduzione alle principali metodologie e agli strumenti per la specifica e soprattutto la verifica formale di sistemi SW e HW. Il corso si concentrera' sulle tecniche di verifica formale, ed in particolare sulla tecnica "Formal Verification". Gli studenti sperimenteranno in laboratorio l'uso di tecniche di model checking basate sui model checker NuXmv. Al termine del modulo/corso, lo studente: - conoscera` le principali tecniche di specifica e verifica formale, in particolare del Formal Verification - sara` in grado di formalizzare semplici sistemi SW o HW e verificarne proprieta`, tramite il model checker NuXmv.
Programma
Per il Modulo/corso "Automated Reasoning" gli argomenti principali saranno (non necessariamente in ordine): Teoria: * Ragionamento Booleano E Soddisfacibilità Proposizionale (SAT) * Ordered Binary Decision Diagrams * Tecniche moderne di SAT Solving (CDCL) * Funzionalità Estese per SAT * Satisfacibilità Modulo Teorie (SMT) * Funzionalità Estese per SMT * Logiche temporali: LTL, CTL e CTL* * Modelli di Kripke e Model Checking (MC): Generalità * Ragionamento e Model Checking in logica temporale LTL Laboratorio: * Modellazione e risoluzione di problemi tramite SAT * Modellazione e risoluzione di problemi tramite SMT Per il Modulo/corso "Formal Verification" gli argomenti principali saranno (non necessariamente in ordine): Teoria: * Specifica formale e verifica formale * Rappresentazione Formale di Sistemi * CTL Model Checking * Symbolic MC vs. Explicit-State MC * Fair CTL MC e LTL MC * Astrazione in MC * MC per sistemi real-time e ibridi Laboratorio: * Modellazione e verifica di sistemi e proprietà con il model checker NuXmv NOTA: Dipendendo da varie circostanze, gli argomenti svolti possono subire variazioni.
Per entrambi i Moduli/corsi "Automated Reasoning" e "Formal Verification": Teoria: Le lezioni saranno supportate da slide proiettate via computer, ed integrate da spiegazioni alla lavagna. Agli studenti verrà richiesta padronanza dei concetti teorici, logici ed algoritmici presentati nel corso, e la capacità di rispovere a mano semplici problemi. Laboratorio: Le esercitazioni saranno supportate da slide proiettate via computer, ed integrate da spiegazioni alla lavagna, ed avverranno in aula computer. Agli studenti verrà richiesto di saper modellare sistemi e proprietà nei linguaggi dimacs (SAT), SMT-LIB (SMT), NuXMV (MC), e saperne verificare la correttezza tramite rispettivamente un SAT solver, l'SMT solver MathSAT e il model checker NuXmv.
Per il Modulo/corso "Automated Reasoning" gli argomenti principali saranno (non necessariamente in ordine): Teoria: * Ragionamento Booleano E Soddisfacibilità Proposizionale (SAT) * Ordered Binary Decision Diagrams * Tecniche moderne di SAT Solving (CDCL) * Funzionalità Estese per SAT * Satisfacibilità Modulo Teorie (SMT) * Funzionalità Estese per SMT * Logiche temporali: LTL, CTL e CTL* * Modelli di Kripke e Model Checking (MC): Generalità * Ragionamento e Model Checking in logica temporale LTL Laboratorio: * Modellazione e risoluzione di problemi tramite SAT * Modellazione e risoluzione di problemi tramite SMT Per il Modulo/corso "Formal Verification" gli argomenti principali saranno (non necessariamente in ordine): Teoria: * Specifica formale e verifica formale * Rappresentazione Formale di Sistemi * CTL Model Checking * Symbolic MC vs. Explicit-State MC * Fair CTL MC e LTL MC * Astrazione in MC * MC per sistemi real-time e ibridi Laboratorio: * Modellazione e verifica di sistemi e proprietà con il model checker NuXmv NOTA: Dipendendo da varie circostanze, gli argomenti svolti possono subire variazioni.
Per entrambi i Moduli/corsi "Automated Reasoning" e "Formal Verification": Teoria: Le lezioni saranno supportate da slide proiettate via computer, ed integrate da spiegazioni alla lavagna. Agli studenti verrà richiesta padronanza dei concetti teorici, logici ed algoritmici presentati nel corso, e la capacità di rispovere a mano semplici problemi. Laboratorio: Le esercitazioni saranno supportate da slide proiettate via computer, ed integrate da spiegazioni alla lavagna, ed avverranno in aula computer. Agli studenti verrà richiesto di saper modellare sistemi e proprietà nei linguaggi dimacs (SAT), SMT-LIB (SMT), NuXMV (MC), e saperne verificare la correttezza tramite rispettivamente un SAT solver, l'SMT solver MathSAT e il model checker NuXmv.
Modalità d'esame
Per chi sosterrà l'esame completo di "Automated Reasoning and Formal verification" (studenti c.d.s. "computer science" o studenti c.d.s "Artificial Intelligence Systems" che intendono sostenere entrambi i corsi in un unico esame) l'esame consistera' in tre prove: 1) un'esercitazione pratica al calcolatore in laboratorio, diretta ad indagare la capacita` dello studente di modellare e risolvere semplici problemi tramite un SAT/SMT solver e formalizzare semplici sistemi SW o HW e verificarne proprieta` tramite il model checkers NuXmv. 2) un test scritto, con un misto di domande a risposta multipla e brevi domande aperte, allo scopo di valutare la conoscenza delle principali tecniche del loro utilizzo. 3) una prova orale sulle tematiche del corso, allo scopo di valutare in dettaglio la conoscenza e padronanza delle tecniche di automated reasoning e specifica e verifica formale, nonche' delle loro motivazioni. Sara` valutata anche la capacita` di esprimere i concetti in modo logico-formale. Le tre parti sono indipendenti, e possono essere superate in appelli diversi, con il vincolo che la prova 3) non puo' essere svolta finche' le prove 1) e 2) non siano entrambe superate. E' necessario conseguire una votazione sufficiente (>= 18/30) in tutte e tre le prove. La votazione finale risultera' da una media pesata delle tre prove, con i seguenti pesi: 1) 20% 2) 30% 3) 50% Per chi vuol sostenere uno o entrambi i corsi singolarmente, per ciascun corso l'esame consistera' in due prove: 1) Un'esercitazione pratica al calcolatore in laboratorio, diretta ad indagare la capacita` dello studente di modellare e risolvere semplici problemi tramite un SAT/SMT solver [corso "Automated Reasoning"] e formalizzare semplici sistemi SW o HW e verificarne proprieta` tramite il model checkers NuXmv [corso "Formal Verification"]. 2) Un test scritto, con un misto di domande a risposta multipla e brevi domande aperte, allo scopo di valutare la conoscenza delle principali tecniche del loro utilizzo. Le due parti sono indipendenti, e possono essere superate in appelli diversi. E' necessario conseguire una votazione sufficiente (>= 18/30) in entrambe le prove. La votazione finale risultera' da una media pesata delle due prove, con i seguenti pesi: 1) 40% 2) 60% Non sono previste prove in itinere. Tutte le prove d'esame si terranno esclusivamente IN PRESENZA, non sono previsti prove d'esame in forma remota. NOTA: Dipendendo da varie circostanze, le modalità di esame possono subire variazioni, che eventualmente verranno comunicate agli studenti per tempo.
Per chi sosterrà l'esame completo di "Automated Reasoning and Formal verification" (studenti c.d.s. "computer science" o studenti c.d.s "Artificial Intelligence Systems" che intendono sostenere entrambi i corsi in un unico esame) l'esame consistera' in tre prove: 1) un'esercitazione pratica al calcolatore in laboratorio, diretta ad indagare la capacita` dello studente di modellare e risolvere semplici problemi tramite un SAT/SMT solver e formalizzare semplici sistemi SW o HW e verificarne proprieta` tramite il model checkers NuXmv. 2) un test scritto, con un misto di domande a risposta multipla e brevi domande aperte, allo scopo di valutare la conoscenza delle principali tecniche del loro utilizzo. 3) una prova orale sulle tematiche del corso, allo scopo di valutare in dettaglio la conoscenza e padronanza delle tecniche di automated reasoning e specifica e verifica formale, nonche' delle loro motivazioni. Sara` valutata anche la capacita` di esprimere i concetti in modo logico-formale. Le tre parti sono indipendenti, e possono essere superate in appelli diversi, con il vincolo che la prova 3) non puo' essere svolta finche' le prove 1) e 2) non siano entrambe superate. E' necessario conseguire una votazione sufficiente (>= 18/30) in tutte e tre le prove. La votazione finale risultera' da una media pesata delle tre prove, con i seguenti pesi: 1) 20% 2) 30% 3) 50% Per chi vuol sostenere uno o entrambi i corsi singolarmente, per ciascun corso l'esame consistera' in due prove: 1) Un'esercitazione pratica al calcolatore in laboratorio, diretta ad indagare la capacita` dello studente di modellare e risolvere semplici problemi tramite un SAT/SMT solver [corso "Automated Reasoning"] e formalizzare semplici sistemi SW o HW e verificarne proprieta` tramite il model checkers NuXmv [corso "Formal Verification"]. 2) Un test scritto, con un misto di domande a risposta multipla e brevi domande aperte, allo scopo di valutare la conoscenza delle principali tecniche del loro utilizzo. Le due parti sono indipendenti, e possono essere superate in appelli diversi. E' necessario conseguire una votazione sufficiente (>= 18/30) in entrambe le prove. La votazione finale risultera' da una media pesata delle due prove, con i seguenti pesi: 1) 40% 2) 60% Non sono previste prove in itinere. Tutte le prove d'esame si terranno esclusivamente IN PRESENZA, non sono previsti prove d'esame in forma remota.
Testi di riferimento
1) appunti personali dello studente dalle lezioni 2) slides 3) manuali NuXmv e SAT/SMT solvers 4) per il modulo/corso "Automated Reasoning", verranno forniti link ad articoli e tutorials online per il modulo/corso "Formal Verification", uno dei seguenti libri: * Clarke, Grunberg, Long, "Model checking", MIT Press * Baier and Katoen "Principles of Model Checking", MIT Press -------------------------------------------------------------------- LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Clarke, E. M. (2018). Model checking (2nd ed.). MIT Press. Baier, C., & Katoen, J.-P. (2008). Principles of model checking. MIT press.
1) appunti personali dello studente dalle lezioni 2) slides 3) manuali NuXmv e SAT/SMT solvers 4) per il modulo/corso "Automated Reasoning", verranno forniti link ad articoli e tutorials online per il modulo/corso "Formal Verification", uno dei seguenti libri: * Clarke, Grunberg, Long, "Model checking", MIT Press * Baier and Katoen "Principles of Model Checking", MIT Press LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Clarke, E. M. (2018). Model checking (2nd ed.). MIT Press. Baier, C., & Katoen, J.-P. (2008). Principles of model checking. MIT press.
Codice insegnamento 51016_653580_96671
Bayesian statistics
1° anno · 2° semestre · 6 CFU · MATH-03/B · 0 file
Scopo del corso Lo scopo del corso è quello di affrontare lo studio dei fondamenti della statistica bayesiana a partire dai principi di base del calcolo delle probabilità. Il corso è suddiviso in due moduli. Il primo…
Scheda dell'insegnamento
Obiettivi formativi
Scopo del corso Lo scopo del corso è quello di affrontare lo studio dei fondamenti della statistica bayesiana a partire dai principi di base del calcolo delle probabilità. Il corso è suddiviso in due moduli. Il primo modulo è dedicato alla presentazione del quadro inferenziale parametrico bayesiano e mira ad esplorarne i fondamenti stessi, evidenziando analogie e differenze con l'approccio classico (o frequentista). Particolare enfasi è posta sugli aspetti computazionali e di simulazione.Il secondo modulo si concentra principalmente sul quadro bayesiano non parametrico e sui relativi metodi, esplorando le implicazioni dei processi di Dirichlet e Pitman-Yor nei modell-mistura non parametrici; particolare attenzione viene dedicata anche agli associati aspetti computazionali.Durante il corso, gli studenti hanno l'opportunità di familiarizzare con i principali teoremi, gli sviluppi logici, le idee e i problemi alla base delle tecniche bayesiane, imparando a riconoscerle come estensioni naturali dei concetti incontrati nei precedenti corsi di probabilità e statistica matematica, familiarizzando con il loro utilizzo in situazioni pratiche e imparando a ragionare dal punto di vista della coesistenza di diverse metodologie di analisi del problema di interesse. Agli studenti viene richiesto di partecipare in modo proattivo e di essere costantemente coinvolti nel programma formativo del corso. Risultati attesi del corsoDopo aver seguito questo corso gli studenti dovrebbero essere in grado di scegliere in modo appropriato le distribuzioni a priori e ottenere le corrispondenti distribuzioni a posteriori.campionare/simulare valori delle distribuzioni a posteriori e costruire tecniche inferential bayesiane appropriate.Costruire intervalli di confidenza/credibilità bayesiani e desumere conclusioni appropriate.costruire modelli gerarchici e adattare modell-mistura per catturare la ricchezza e la varietà che caratterizza i fenomeni reali in svarianti campi di applicazioneutilizzare un pacchetto informatico statistico (principalmente R) per implementare le procedure di analisi dei dati trattate nel corso.
Programma
Descrizione del corsoIl corso introduce gli studenti agli aspetti fondazionali, modellistici e computazionali dei metodi bayesiani parametrici e non parametrici per l'analisi dei dati in una varietà di applicazioni. Il corso presenta una discussione articolata dell'approccio soggettivo alla probabilità e la conseguente valutazione, del portato della regola di Bayes e introduce le basi della teoria delle decisioni e l'impianto dell'inferenza bayesiana per problemi parametrici e non parametrici, i test bayesiani e la scelta ottimale/diagnostica tra modelli competitori, gli aspetti numerici caratterizzanti l'approccio bayesiano (Markov Chain Monte Carlo, Metropolis-Hastings, acceptance/rejection sampling e importance sampling), i metodi bayesiani gerarchici, i processi di Dirichlet e Pitman-Yor, e infine ii modelli-mistura non parametrici. SyllabusPrimo moduloIntroduzione al pensiero bayesiano (probabilità soggettiva, distribuzioni a priori e a posteriori, verosimiglianza)Dalla distribuzione a priori alla distribuzione a posteriori: il Teorema di BayesRelazioni di indipendenza condizionata (scambiabilità e teorema di De Finetti, reti bayesiane)Scelta della distribuzione a priori- Primo round (elicitazione soggettiva della priori, famiglie esponenziali naturali e coniugio. Esempi: modello beta-binomiale, modello Poisson-gamma, Normale-inversegamma e altri)Scelta della distribuzione a priori - Secondo round (distribuzioni a priori non informative, improprie, Jeffreys' prior)Distribuzioni predittive e inferenza predittivaAlgoritmi per il calcolo della distribuzione a posteriori (integrazione Monte Carlo, ottimizzazione Monte Carlo, acceptance/rejection sampling)Markov Chain Monte Carlo e algoritmo di Metropolis-HastingsFondamenti di teoria delle decisioni (funzioni di perdita e di rischio, perdita attesa a posteriori e criteri di ottimalità, Minimaxity)Inferenza bayesiana (stima puntuale, regioni di credibilità e HPD, test bayesiani e fattore di Bayes, model selection e relativa diagnosticaModelli gerarchiciSecondo moduloGeneratore di numeri pseudo-casuali per una data distribuzioneImportance samplingApprossimazioni di Laplace (Normale)Campionatore di GibbsMetodi bayesiani non parametrici (distribuzione di Dirichlet a dimensione finita, algoritmo di generazione stick-breaking, modello a mistura finita, processo di Dirichlet, processo di Pitman-Yor, modello a misttura non parametrico)Consistenza a posteriori bayesianaAspetti computazionali dei modelli-misrtura non parametrici
Le modalità di insegnamento nel primo e nel secondo modulo del corso consistono principalmente in lezioni frontali; in entrambi i moduli, inoltre, viene settimanalmente proposto agli studenti un breve compito a casa, la cui soluzione verrà caricata sul sito web del corso o discussa in classe o sarà oggetto di discussione (e valutazione) durante l'esame alla fine del secondo modulo. Agli studenti sarà richiesta una partecipazione proattiva alle attività in aula e un costante coinvolgimento nel percorso formativo.
Modalità d'esame
Primo moduloL'esame di fine modulo consiste in una prova scritta (durata: 3 ore). Questa mira a verificare la capacità acquisita dallo studente di applicare correttamente le tecniche statistiche studiate durante le lezioni e di interpretare in maniera corretta ed efficace i risultati ottenuti. In questo spirito, l'esame scritto consiste sia nella soluzione di esercizi di calcolo sia nella soluzione di problemi più di natura tecnico-teorica. Secondo moduloL'esame di fine modulo consiste in un esame orale che verte sugli argomenti trattati a lezione e nella discussione delle assegnazioni settimanali di esercizi a essi collegati. Voto finaleIl voto finale si ottiene dalla media ponderata del voto dell'esame scritto (primo modulo - peso: 0.5) e del voto ottenuto nella discussione delle assegnazioni settimanali di esercizi (secondo modulo - peso: 0.5).
Testi di riferimento
Libri di testoNovi Inverardi, P.L. (2026) Lecture notes on Bayesian Statistics.Casella, G and Robert, C. (2004) Monte Carlo Statistical Methods. Springer.Ghosal, S. and van der Vaart, A. (2017) Fundamentals of nonparametric Bayesian inference. Cambridge University Press.Riferimenti bibliografici aggiuntiviHjort, N. L., Holmes, C., Müller, P., & Walker, S. G. (Eds.). (2010). Bayesian nonparametrics. Cambridge University Press.Chopin, N., Papaspiliopoulos, O. (2020) An Introduction to Sequential Monte Carlo. Springer Series in Statistics.Gelman, J.B., Carlin, H.S., Stern and D.B. Rubin (2004) Bayesian Data Analysis. Chapman and Hall/CRC.
Codice insegnamento 51015_653622_92617
Blockchain
1° anno · 2° semestre · 6 CFU · INFO-01/A · 0 file
This cutting-edge master course on Blockchain and Smart Contracts offers a comprehensive understanding of the technology, its applications, and use cases. With over 90% of European and US banks exploring blockchain…
Scheda dell'insegnamento
Obiettivi formativi
This cutting-edge master course on Blockchain and Smart Contracts offers a comprehensive understanding of the technology, its applications, and use cases. With over 90% of European and US banks exploring blockchain solutions, the impact of this technology is far-reaching, affecting industries such as finance, government, real estate, insurance, and personal identity security. This course will provide students with both a theoretical and practical understanding of the topic, beginning with the history and evolution of blockchain and decentralized systems, followed by a deep dive into consensus mechanisms, smart contract development, and regulatory considerations. Technical and implementation aspects of blockchain network setup and smart contract development will be covered, including smart contract anatomy, languages, development frameworks, Ethereum client APIs, libraries, compiling, deploying, testing, security, composability, development networks, and more. Throughout the course, students will engage in hands-on exercises and projects to sharpen their coding skills in blockchain and smart contract development using Solidity. The course will also feature guest speakers from the industry who will showcase the latest and most innovative applications of blockchain technology. By the end of the course, students will have the opportunity to create their own mini blockchain project and explore the full potential of this disruptive technology.
Programma
Introduction to Blockchain Technology (3 lessons) Overview of Blockchain technologyHistory and evolution of BlockchainDifferent types of Blockchain (Public, Private, Consortium)Blockchain basics, installing and Setting Up a Blockchain Network (2 lessons) Blockchain basicsInstallation and setup of a Blockchain networkOverview of Blockchain network components (nodes, miners, consensus mechanisms)Developing Smart Contracts with Solidity (6 lessons) Introduction to Smart Contracts and SoliditySmart contract deployment and executionVariables, data types, and operators in SolidityFunctions and contractsInheritance and polymorphism in SolidityEvent handling in SolidityZk-Proof (1-2 lessons) Introduction to Zk-ProofZk-Proof based smart contract developmentBlockchain Scaling and Interoperability (1 lesson) Overview of Blockchain scaling techniquesInteroperability between different Blockchain networksSecurity in Blockchain and Smart Contracts (1-2 lessons) Overview of security threats in Blockchain and smart contractsBest practices for secure smartBlockchain Use Cases Analysis (3 lessons) Blockchain in finance and identity managementBlockchain in supply chain managementBlockchain in energy and ESG monitoringGuest Speakers (2-3 lessons) Industry professionals sharing their experience and insights on Blockchain and smart contract developmentQ&A session with the guest speakers
Didactic methods include lectures and exercises. The student will need to participate actively in the lectures and exercises proposed by the instructor, as well as carry out an in-depth individual study of the topics dealt with by means of the material provided by the instructor and the suggested bibliography. Overall, the course is organized as follows: - 60% theoretical lessons and guest speakers (see the detailed program in the previous section). - 40% of laboratory exercises and activities with various tools (see details). 1 on 1 business planning and training to turn your ideas into a mini business project/proposition that involves blockchain / smart contracts technologies.
Modalità d'esame
This course aims to provide students with a comprehensive understanding of blockchain technology and smart contracts. Emphasis will be placed on practical applications, project-based learning, and theoretical foundations. The course is structured to include both group projects and oral examinations. Group Project: Students, organized in groups of at least two members, will engage in a joint project that must be completed and documented before the scheduled exam date. The project should encompass the following components: Context: Clearly define the context within which the project operates, highlighting the relevant industry, sector, or problem space. Problem Definition: Articulate the specific problem or challenge the project seeks to address. Provide background information, supporting data, and a comprehensive problem statement. Solution Idea: Propose a solution, justifying the use of blockchain in the given context. Specify how blockchain technology adds value to the project, considering aspects like transparency, security, and decentralization. Implementation: Detail the technical aspects of the project's implementation. This includes the architectural design, system components, integration of smart contracts, and any relevant technologies. Minimum Viable Product (MVP): Implement a Minimum Viable Product that showcases key functionalities of the proposed solution. The code developed should be accessible on GitHub for evaluation. Conclusions and Lessons Learned: Conclude the project documentation by summarizing the findings, lessons learned, and potential future developments. Reflect on the challenges faced and the solutions implemented. Project Submission: Ten days before the scheduled exam date, students or groups must submit their project documentation. This submission allows ample time for evaluation. Oral Examination: The exam will be conducted orally and structured as follows: Presentation of the Project: Provide an overview of the project, detailing the context, problem definition, solution, and implementation. Each team member should describe their contributions. Demo Presentation: Demonstrate a working prototype of the project. The demo should showcase the implemented features and functionality. Theory Questions: Answer theoretical questions related to blockchain technology and smart contracts. Questions may cover topics discussed during the course. Assessment Weighting: Project: 30% Exam: 70% This course structure aims to blend theoretical understanding with practical application, fostering a deep and holistic comprehension of blockchain and smart contracts. Students are encouraged to actively engage in group projects, leveraging the opportunity to implement real-world solutions.
Testi di riferimento
Book • "Mastering Blockchain" by Imran Bashir Ethereum Public Pages: Ethereum Developer Documentation (https://ethereum.org/greeter)Solidity documentation (https://solidity.readthedocs.io/en/v0.8.3/)Solidity Github repository (https://github.com/ethereum/solidity)Ethereum Remix (https://remix.ethereum.org/) Whitepapers and interesting articles / books Satoshi Nakamoto - Bitcoin: A Peer-to-Peer Electronic Cash System (2008)Ethereum - Ethereum: A Next-Generation Smart Contract & Decentralized Application Platform (2014)Avalanche - Avalanche: A Decentralized Network for Global Finance and Commerce (2018)Polkadot - Polkadot: A Sharded Multichain Architecture (2017)Nick Szabo - Smart Contracts: Building Blocks for Digital Markets (1994)Ripple - Ripple: The Digital Currency for Global Payments (2013)EOS - EOS.IO Technical White Paper (2017)Chain - Chain Core Technical Whitepaper (2014)Stellar - Stellar: A Decentralized Protocol for Sending and Receiving Money (2014)Hyperledger - Hyperledger: An Open Source Collaborative Effort to Advance Cross-Industry Blockchain Technologies (2016)• "Zero Knowledge Proofs: An Introduction" by Eli Ben-Sasson, Alessandro Chiesa, Christina Garman, Matthew Green, Ian Miers, Eran Tromer, Madars Virza
Codice insegnamento 51016_653607_95965
Cardiac Modelling
1° anno · 2° semestre · 6 CFU · MATH-05/A · 0 file
Obiettivi formativiIl cuore svolge un compito apparentemente semplice: pompare il sangue in tutto il corpo. Tuttavia, si tratta di un sistema altamente complesso, multi-fisico e multi-scala. Il corso si propone di…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivi formativiIl cuore svolge un compito apparentemente semplice: pompare il sangue in tutto il corpo. Tuttavia, si tratta di un sistema altamente complesso, multi-fisico e multi-scala. Il corso si propone di mostrare come la modellazione matematica possa essere applicata allo studio della funzione e della disfunzione cardiaca, fornendo a studentesse e studenti strumenti per analizzare problemi biomedici reali. I modelli cardiaci integrano molteplici processi fisici (elettrofisiologia, dinamica dei fluidi, biomeccanica e fisiologia) su diverse scale spaziali e temporali (dai processi cellulari all'organo nel suo complesso, dai microsecondi ai secondi). Il corso mira pertanto a sviluppare competenze avanzate di modellazione e calcolo numerico nel contesto di applicazioni complesse e realistiche. Un ulteriore obiettivo è introdurre il concetto di digital twin cardiaco, includendo i temi della validazione, verifica, quantificazione dell'incertezza e stima dei parametri. Tali concetti si estendono oltre l'ambito della modellazione cardiaca e rivestono un ruolo centrale nel moderno calcolo scientifico e nella medicina di precisione. Infine, attraverso lo sviluppo di un progetto individuale basato su materiale di livello di ricerca, studentesse e studenti avranno l’opportunità di confrontarsi con applicazioni avanzate e di rafforzare la propria capacità di lavorare in modo interdisciplinare e di comunicare efficacemente risultati scientifici. Risultati di apprendimento attesiAl termine del corso, lo/la studente/essa sarà in grado di: Descrivere i principi fisiologici e biofisici alla base della funzione cardiaca, inclusi l’attivazione elettrica e la contrazione meccanica.Formulare e analizzare modelli matematici della funzione cardiaca, quali i modelli bidominio/monodominio e i modelli biomeccanici, in geometrie complesse.Applicare metodi numerici per la simulazione di modelli cardiaci, inclusi schemi appropriati di integrazione temporale e discretizzazione spaziale.Interpretare e valutare simulazioni (ad esempio elettrocardiogrammi) mettendole in relazione con i meccanismi matematici e fisiologici sottostanti.Valutare l'affidabilità dei modelli attraverso i concetti di validazione, verifica, analisi di sensibilità e quantificazione dell'incertezza.Implementare e sviluppare un problema di modellazione cardiaca a partire da un articolo scientifico, includendo analisi qualitativa e simulazioni computazionali.Comunicare in modo chiaro e rigoroso i risultati della modellazione, sia in forma orale sia scritta, dimostrando capacità di collaborazione in contesti interdisciplinari.
Programma
Il corso sviluppa la modellazione cardiaca su diverse scale spaziali, dal livello cellulare fino all’organo e al corpo nel suo complesso, con particolare enfasi sui modelli a livello di tessuto e di organo. Gli argomenti principali includono: Introduzione e richiamo di fisiologia cardiaca e bioelettricità: attivazione elettrica, contrazione meccanica e concetti fondamentali di elettrofisiologia di membrana e propagazione delle onde.Modelli di membrana cellulare: correnti ioniche e dinamica di membrana; modello di FitzHugh-Nagumo; generazione del potenziale d'azione; durata del potenziale d'azione (APD), ripolarizzazione e analisi della restituzione. Esplorazione di modelli ionici più realistici mediante strumenti computazionali esistenti.Modelli a livello di tessuto: formulazioni bidominio, monodominio ed eikonale; velocità di conduzione; discretizzazione numerica mediante metodi agli elementi finiti e schemi IMEX; metodi fast marching e fast iterative per l’equazione eikonale.Modelli cellula-cellula: modello EMI (extracellular-membrane-intracellular); breve introduzione all’omogeneizzazione; strategie di risoluzione numerica.Modelli a livello di organo e corpo: descrizione tridimensionale della geometria cardiaca; architettura delle fibre; accoppiamento cuore-torace; simulazione dell’elettrocardiogramma; metodo del lead field.Biomeccanica cardiaca: comportamento meccanico passivo; accoppiamento elettromeccanico e modelli di stress attivo; condizioni al contorno per il ciclo cardiaco e accoppiamento con la circolazione; discretizzazione numerica.Problemi inversi e stima dei parametri: elettrocardiografia inversa; analisi di sensibilità; quantificazione dell’incertezza (VVUQ); modelli surrogati; introduzione alle physics-informed neural networks (PINNs).
Il corso si articola in lezioni frontali, sessioni pratiche e esercitazioni guidate. Le lezioni introducono i principali concetti fisiologici, i modelli matematici e i metodi numerici oggetto del corso. Particolare attenzione è dedicata al collegamento tra le ipotesi di modellazione, la loro interpretazione fisiologica e l'implementazione computazionale. Le sessioni pratiche sono dedicate all'implementazione e alla simulazione di modelli selezionati, consentendo a studentesse e studenti di applicare i concetti teorici presentati a lezione. Durante tali attività verranno sviluppati e testati metodi numerici e analizzato il comportamento dei modelli. Dopo l'introduzione dei metodi e dei concetti fondamentali, saranno proposti articoli scientifici attinenti agli argomenti del corso. Studentesse e studenti saranno tenuti a leggerli, analizzarli e discuterli in aula, al fine di rafforzare la capacità di interpretare in modo critico materiale di livello di ricerca. Potranno inoltre essere organizzati seminari su tematiche specifiche del corso, con l'obiettivo di approfondire sviluppi avanzati o argomenti di ricerca attuali. È richiesto lo studio individuale, lo svolgimento delle esercitazioni numeriche e la partecipazione attiva alle discussioni in aula.
Modalità d'esame
La valutazione finale, espressa in trentesimi (/30), si basa su tre componenti: • Prova scritta (20%) • Prova orale (40%) • Progetto individuale (40%) Prova scritta (20%) La prova scritta consiste in esercizi strutturati basati sulle esercitazioni svolte durante il corso. La valutazione tiene conto della correttezza, della coerenza logica e della chiarezza dell'esposizione. Prova orale (40%) La prova orale consiste nella discussione di un argomento selezionato tra quelli trattati nel corso. Vengono valutate la comprensione concettuale, la capacità di illustrare le ipotesi di modellazione e di collegare i modelli matematici alla loro interpretazione fisiologica. Progetto individuale (40%) Il progetto prevede lo studio di un articolo scientifico e l'implementazione o l'analisi di un modello matematico. Il progetto si conclude con una presentazione (circa 20 minuti). La valutazione considera la comprensione del modello, la qualità dell'implementazione, la capacità di analisi critica dei risultati e la chiarezza della presentazione. La votazione finale è calcolata come media pesata delle tre componenti.
Testi di riferimento
Dispense, slide, esercitazioni e svolgimenti guidati (sia teorici sia computazionali) saranno resi disponibili sulla pagina Moodle del corso. Tutte le sessioni pratiche saranno fornite sotto forma di notebook Jupyter. I notebook saranno accessibili tramite Google Colab e potranno inoltre essere facilmente installati ed eseguiti su un computer personale. I seguenti testi sono consigliati per eventuali approfondimenti: Keener J., Sneyd J., Mathematical Physiology. Cambridge University Press, 2009.Colli Franzone P., Pavarino L., Scacchi S., Mathematical Cardiac Electrophysiology. Springer, 2014.Plonsey R., Barr R.C., Bioelectricity: A Quantitative Approach, Springer, 2013.Ulteriori articoli scientifici potranno essere indicati durante il corso.
Codice insegnamento 51015_653625_96447
Coding Theory and Applications
1° anno · 1° semestre · 6 CFU · MATH-02/A · 0 file
Il corso punta a fornire gli strumenti teorici per capire le applicazioni della teoria dei codici
Scheda dell'insegnamento
Obiettivi formativi
Il corso punta a fornire gli strumenti teorici per capire le applicazioni della teoria dei codici
Programma
Teoria classica dei codici. Accenni alla teoria della comunicazione e al problema generale della decodifica per trasmettere in un canale. Teoria dei codici lineari (con decodifica delle sindromi), teoria dei codici ciclici, con approfondimenti sui codici BCH e Reed-Solomon. Codici di Reed-Muller. Applicazioni alla crittografia post-quantum.
Lezioni frontali ed esercitazioni.
Modalità d'esame
Esame scritto e orale. Progetto.
Testi di riferimento
[CLO07] D. Cox, J. Little, and D. O'Shea. Ideals, varieties, and algorithms. Third. Undergraduate Texts in Mathematics. An introduction to computational algebraic geometry and commutative algebra. New York: Springer, 2007, pp. xvi+551. ISBN: 978-0-387-35650-1; 0-387-35650-9. [Mac77a] N. J. A. MacWilliams F. J.; Sloane. The theory of errorcorrecting codes. I. North-Holland Mathematical Library 16. North-Holland Publishing Co., Amsterdam-New YorkOxford, 1977. ISBN: 0-444-85009-0. [Mac77b] N. J. A. MacWilliams F. J.; Sloane. The theory of errorcorrecting codes. II. North-Holland Mathematical Library 16. North-Holland Publishing Co., Amsterdam-New YorkOxford, 1977. ISBN: 0-444-85010-4. [Sal+09] M. Sala et al., eds. Groebner bases, coding, and cryptography. Berlin: Springer-Verlag, 2009, pp. xvi+430. ISBN: 978-3-540-93805-7.
Codice insegnamento 51016_653593_91163
Coding Theory and Applications
1° anno · 1° semestre · 6 CFU · MATH-02/A · 0 file
Il corso punta a fornire gli strumenti teorici per capire le applicazioni della teoria dei codici Il corso punta a fornire gli strumenti teorici per capire le applicazioni della teoria dei codici
Scheda dell'insegnamento
Obiettivi formativi
Il corso punta a fornire gli strumenti teorici per capire le applicazioni della teoria dei codici
Il corso punta a fornire gli strumenti teorici per capire le applicazioni della teoria dei codici
Programma
Teoria classica dei codici. Accenni alla teoria della comunicazione e al problema generale della decodifica per trasmettere in un canale. Teoria dei codici lineari (con decodifica delle sindromi), teoria dei codici ciclici, con approfondimenti sui codici BCH e Reed-Solomon. Codici di Reed-Muller. Applicazioni alla crittografia post-quantum.
Lezioni frontali ed esercitazioni.
Teoria classica dei codici. Accenni alla teoria della comunicazione e al problema generale della decodifica per trasmettere in un canale. Teoria dei codici lineari (con decodifica delle sindromi), teoria dei codici ciclici, con approfondimenti sui codici BCH e Reed-Solomon. Codici di Reed-Muller. Applicazioni alla crittografia post-quantum.
Lezioni frontali ed esercitazioni.
Modalità d'esame
Esame scritto e orale. Progetto.
Esame scritto e orale. Progetto.
Testi di riferimento
[CLO07] D. Cox, J. Little, and D. O'Shea. Ideals, varieties, and algorithms. Third. Undergraduate Texts in Mathematics. An introduction to computational algebraic geometry and commutative algebra. New York: Springer, 2007, pp. xvi+551. ISBN: 978-0-387-35650-1; 0-387-35650-9. [Mac77a] N. J. A. MacWilliams F. J.; Sloane. The theory of errorcorrecting codes. I. North-Holland Mathematical Library 16. North-Holland Publishing Co., Amsterdam-New YorkOxford, 1977. ISBN: 0-444-85009-0. [Mac77b] N. J. A. MacWilliams F. J.; Sloane. The theory of errorcorrecting codes. II. North-Holland Mathematical Library 16. North-Holland Publishing Co., Amsterdam-New YorkOxford, 1977. ISBN: 0-444-85010-4. [Sal+09] M. Sala et al., eds. Groebner bases, coding, and cryptography. Berlin: Springer-Verlag, 2009, pp. xvi+430. ISBN: 978-3-540-93805-7.
[CLO07] D. Cox, J. Little, and D. O'Shea. Ideals, varieties, and algorithms. Third. Undergraduate Texts in Mathematics. An introduction to computational algebraic geometry and commutative algebra. New York: Springer, 2007, pp. xvi+551. ISBN: 978-0-387-35650-1; 0-387-35650-9. [Mac77a] N. J. A. MacWilliams F. J.; Sloane. The theory of errorcorrecting codes. I. North-Holland Mathematical Library 16. North-Holland Publishing Co., Amsterdam-New YorkOxford, 1977. ISBN: 0-444-85009-0. [Mac77b] N. J. A. MacWilliams F. J.; Sloane. The theory of errorcorrecting codes. II. North-Holland Mathematical Library 16. North-Holland Publishing Co., Amsterdam-New YorkOxford, 1977. ISBN: 0-444-85010-4. [Sal+09] M. Sala et al., eds. Groebner bases, coding, and cryptography. Berlin: Springer-Verlag, 2009, pp. xvi+430. ISBN: 978-3-540-93805-7.
Codice insegnamento 51018_653593_91163
Computability and computational complexity
1° anno · 1° semestre · 6 CFU · MATH-01/A · 0 file
Il corso mira a fornire le basi teoriche necessarie per comprendere due proprietà fondamentali di ogni problema di natura computazionale. Dato un problema, ci occupiamo dapprima della sua calcolabilità: Esiste un…
Scheda dell'insegnamento
Obiettivi formativi
Il corso mira a fornire le basi teoriche necessarie per comprendere due proprietà fondamentali di ogni problema di natura computazionale. Dato un problema, ci occupiamo dapprima della sua calcolabilità: Esiste un metodo per risolvere il problema?È possibile descrivere questo metodo in modo inequivocabile?Esiste un “linguaggio universale” a questo scopo?Esistono problemi intrinsecamente non risolubili? Quando sappiamo che un problema può essere risolto, possiamo chiederci come farlo in modo efficiente: Quali sono i criteri significativi che ci permettono di esprimere la difficoltà di un problema?Esiste un modo per classificare i problemi in base alla loro difficoltà?Questa classificazione ci dice qualcosa sui limiti delle nostre capacità di risolvere problemi?Chi avrà seguito con successo il corso sarà in grado di: Descrivere problemi e istanze di problemi in modo formalmente preciso.Descrivere la soluzione di semplici problemi sulla base di un modello di calcolo universale (la Macchina di Turing).Dimostrare che uno specifico problema (il problema della fermata di Turing) non è calcolabile, e riconoscere l'importanza di questo risultato.Applicare la nozione formale di riduzione per estendere a nuovi problemi le proprietà di problemi noti.Identificare criteri quantitativi per descrivere la complessità di un algoritmo rispetto alle dimensioni dell'istanza da risolvere.Descrivere le principali classi di complessità e le loro relazioni di inclusione.Definire cosa significa che un problema è completo rispetto a una classe.Dimostrare che uno specifico problema (SATISFIABILITY) è completo per la classe NP (Teorema di Cook-Levin).Discutere il problema P =/= NP e le sue principali implicazioni sui diversi rami dell'informatica.Analizzare il modo in cui alcune estensioni del modello di calcolo di base (casualità, calcolo quantistico) possono portare beneficio ad alcune classi di problemi.
Programma
CalcolabilitàMacchine di Turing.Linguaggi decidibili e funzioni calcolabili.Il problema della fermata (“Halting problem”).Riduzioni di Turing. Altri linguaggi non decidibili e funzioni non calcolabili.Teorema di Rice.Complessità computazionaleDimensione dell'istanza di un problema, misure di complessità, classificazione dei problemi.Classi di complessità temporale: P, NP, EXP.Riduzioni polinomiali. NP-completezza. Teorema di Cook-Levin. Studio di problemi NP-completi.Classi di complessità stocastiche: RP, PP, BPP.Argomenti avanzati, a seconda del tempo disponibile (gerarchia polinomiale, classi di complessità spaziale, classi di conteggio, dimostrazioni interattive, approssimazione).
Il corso è composto principalmente da lezioni frontali e discussioni in aula. Al raggiungimento di specifici punti nel programma, saranno proposti esercizi e letture per l'autovalutazione e per ulteriori spunti di discussione. Fin dall’inizio delle lezioni, sulla pagina web del corso sarà messo a disposizione il materiale dell’anno precedente: appunti di lezione del docenteesercizi svoltiTesti d’esame degli anni precedentiArticoli e link a siti web rilevanti.Il materiale verrà aggiornato nel corso del semestre.
Modalità d'esame
L’esame è scritto, svolto con carta e penna in lingua inglese, ed è composto da tre esercizi nella forma di domande aperte che richiedono di esporre argomenti di teoria e analizzare problemi e algoritmi. Un esercizio riguarda il tema della calcolabilità, gli altri due sono principalmente rivolti al tema della complessità computazionale. I tre esercizi hanno uguale peso nella determinazione del voto finale. Le risposte sono valutate sulla base dei seguenti criteri: Correttezza: quanto scritto deve seguire un percorso logico consistente con gli argomenti del corso e con la domanda posta; tuttavia, dato lo stato embrionale della disciplina le opinioni personali sono benvenute, purché ben argomentate.Rilevanza: parlare di altro nella speranza di raggranellare qualche punto solitamente non paga;Motivazione: le risposte fornite devono permettere all’esaminatore di seguire il percorso logico che ha portato alla loro formulazione; risposte secche, non corredate da un procedimento, non sono prese in considerazione.Chiarezza: si preferiranno risposte brevi e precise, con il corretto uso della terminologia tecnica, prive di ambiguità.Gli studenti hanno libero accesso ai testi d'esame e alle relative soluzioni degli appelli precedenti sul sito web del corso. Nel corso delle sessioni invernale ed estiva dell’A.A. 2025-2026, 68 iscritti su 72 hanno superato l’esame (49 su 54 al primo appello di gennaio).
Testi di riferimento
I seguenti testi sono suggeriti, non obbligatori: Sanjeev Arora e Boaz Barak. Computational Complexity: A Modern Approach. Cambridge University Press, 2009. ISBN: 9780521424264. Bozze preliminari disponibili su https://theory.cs.princeton.edu/complexity/Christos H. Papadimitriou. Computational complexity. Addison Wesley (Pearson College Div.), 1994. ISBN: 9780020153085John E. Hopcroft, Rajeev Motwani and Jeffrey D. Ullman. Introduction to Automata Theory, Languages and Computation. Pearson new International Edition, 2013. ISBN: 9781292039053 LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Arora, S., & Barak, B. (2009). Computational complexity : a modern approach. Cambridge university press. Papadimitriou, C. H. (1994). Computational complexity. Addison-Wesley. Hopcroft, J. E., Ullman, J. D., & Motwani, R. (2014). Introduction to automata theory, languages, and computation (3rd. internat. ed.). Pearson education.
Codice insegnamento 51016_653594_91613
Computational Haemodynamics
1° anno · 1° semestre · 6 CFU · MATH-05/A · 0 file
Le malattie cardiovascolari rappresentano ancora oggi una delle principali cause di morte a livello mondiale, ma molti aspetti della fisiologia cardiovascolare rimangono difficili da quantificare direttamente in vivo.…
Scheda dell'insegnamento
Obiettivi formativi
Le malattie cardiovascolari rappresentano ancora oggi una delle principali cause di morte a livello mondiale, ma molti aspetti della fisiologia cardiovascolare rimangono difficili da quantificare direttamente in vivo. Pressione, flusso, meccanica vascolare e le loro interazioni lungo il sistema circolatorio non possono generalmente essere misurati ovunque e simultaneamente; i modelli matematici e computazionali costituiscono quindi strumenti essenziali per comprendere sia la fisiologia normale sia le condizioni patologiche. L’emodinamica computazionale combina fisiologia cardiovascolare, modellistica matematica e simulazione numerica per descrivere il flusso sanguigno su un’ampia gamma di scale spaziali e temporali. A seconda della domanda di interesse, il flusso può essere rappresentato mediante modelli tridimensionali dettagliati, modelli monodimensionali ridotti di vasi deformabili oppure modelli zero-dimensionali di compartimenti e reti cardiovascolari. Seguendo questa prospettiva multiscala geometrica, il corso sviluppa i principali modelli matematici e computazionali utilizzati in emodinamica, procedendo dalle descrizioni 3D a quelle 1D e 0D e concludendo con alcuni argomenti avanzati e applicazioni. Particolare attenzione è dedicata a comprendere quali informazioni possa fornire ciascun modello, su quali ipotesi si basi e come modelli a scale diverse possano essere accoppiati. Al termine del corso, gli studenti dovrebbero essere in grado di formulare, analizzare e risolvere numericamente modelli emodinamici di base 3D, 1D e 0D; comprenderne ipotesi e limiti; costruire modelli di reti vascolari e formulare condizioni di accoppiamento; implementare e analizzare simulazioni cardiovascolari.
Programma
Parte 1: Il sistema cardiovascolare Breve introduzione all’anatomia e alla fisiologia cardiovascolare e alle principali grandezze emodinamiche. Parte 2: Meccanica dei continui e modelli tridimensionali del flusso sanguigno Breve richiamo di meccanica dei continui e dei principi di conservazione. Equazioni incomprimibili di Navier–Stokes, condizioni al contorno, discretizzazione numerica e applicazioni rappresentative. Parte 3: Modelli monodimensionali del flusso sanguigno Derivazione delle equazioni 1D del flusso sanguigno e dei modelli della parete vascolare. Struttura matematica delle equazioni, inclusi iperbolicità, caratteristiche e problemi di Riemann. Discretizzazione numerica, condizioni al contorno e di accoppiamento, reti vascolari e laboratori computazionali. Parte 4: Modelli cardiovascolari zero-dimensionali Derivazione e implementazione di modelli a parametri concentrati. Costruzione e soluzione numerica di reti cardiovascolari, accoppiamento con modelli 1D e introduzione all’analisi di sensibilità e alla quantificazione dell’incertezza. Parte 5: Argomenti avanzati in emodinamica e applicazioni Propagazione dell’onda di polso e concetti emodinamici. Applicazioni selezionate, tra cui emodinamica venosa, modellistica multiscala geometrica e regolazione cardiovascolare.
Lezioni frontali combinate con esercitazioni e laboratori al calcolatore in Python.
Modalità d'esame
Esame scritto sugli argomenti teorici e metodologici del corso (60%). Progetto computazionale e presentazione (40%).
Testi di riferimento
Le dispense, il materiale Python e gli esercizi forniti durante il corso costituiranno il principale materiale di studio. Riferimenti principali: - E. F. Toro, Computational Bodily Fluid Dynamics: Models, Algorithms and Applications, Springer. - L. Formaggia, A. Quarteroni e A. Veneziani (a cura di), Cardiovascular Mathematics: Modeling and Simulation of the Circulatory System, Springer, 2009. - McDonald’s Blood Flow in Arteries: Theoretical, Experimental and Clinical Principles. Per alcuni argomenti avanzati saranno forniti articoli scientifici e materiale aggiuntivo.
Codice insegnamento 51015_653679_97115
Computational algebra
1° anno · 1° semestre · 6 CFU · MATH-02/A · 0 file
In coerenza con gli obiettivi formativi del Corso di Studio in Mathematics, l’insegnamento introduce metodi, algoritmi e strumenti software dell’algebra computazionale. Il corso mira a fornire una comprensione teorica…
Scheda dell'insegnamento
Obiettivi formativi
In coerenza con gli obiettivi formativi del Corso di Studio in Mathematics, l’insegnamento introduce metodi, algoritmi e strumenti software dell’algebra computazionale. Il corso mira a fornire una comprensione teorica e operativa di tecniche per trattare problemi algebrici mediante calcolo simbolico, con particolare attenzione ad anelli di polinomi, ideali, basi di Gröbner, sistemi di equazioni polinomiali, fattorizzazione, algoritmi aritmetici e applicazioni alla geometria algebrica computazionale e all’algebra non lineare. L’insegnamento combina fondamenti teorici, esempi espliciti, esercizi e attività computazionali con software quali Macaulay2, SageMath, Singular, Bertini o strumenti equivalenti indicati dalla docente. Al termine dell’insegnamento, lo/la studente/ssa sarà in grado di: descrivere i principali oggetti dell’algebra computazionale, tra cui anelli di polinomi, ideali, ordinamenti monomiali, forme normali, basi di Gröbner, varietà algebriche affini e proiettive, fattorizzazioni e reticoli;spiegare il funzionamento e la correttezza dei principali algoritmi trattati nel corso, tra cui algoritmo di divisione multivariata, algoritmo di Buchberger, metodi di eliminazione, algoritmi per la risoluzione di sistemi polinomiali, algoritmi di fattorizzazione e algoritmo LLL;applicare metodi computazionali a problemi concreti di algebra, geometria algebrica e algebra non lineare, scegliendo in modo appropriato gli strumenti teorici e software;implementare, testare e documentare semplici algoritmi o procedure computazionali, producendo notebook, script o worksheet riproducibili;analizzare criticamente l’output di un software di algebra computazionale, valutando correttezza, limiti, complessità e significato matematico dei risultati ottenuti;comunicare in modo chiaro, in forma orale e/o scritta, il procedimento seguito, le scelte algoritmiche, i risultati computazionali e la loro interpretazione matematica;lavorare, quando previsto, in modo collaborativo su esercizi o mini-progetti, contribuendo in modo riconoscibile alla formulazione, implementazione e presentazione della soluzione.
Programma
Richiami di algebra computazionale: anelli di polinomi, ideali, quozienti, varietà algebriche, ordinamenti monomiali, monomi iniziali, ideali monomiali e forme normali.Basi di Gröbner: algoritmo di divisione multivariata, S-polinomi, criterio di Buchberger, basi di Gröbner ridotte, appartenenza a un ideale, eliminazione e applicazioni alla risoluzione di problemi algebrici.Sistemi di equazioni polinomiali: eliminazione, risultanti, ideali zero-dimensionali, molteplicità, basi lessicografiche, cambiamento di ordinamento, algoritmo FGLM, descrizione e interpretazione delle soluzioni.Funzioni e serie di Hilbert, dimensione e grado: calcoli effettivi di invarianti algebrici e geometrici mediante basi di Gröbner e software di algebra computazionale.Fattorizzazione e algoritmi aritmetici: fattorizzazione di polinomi su campi finiti e su campi di caratteristica zero, lifting di Hensel, cenni ad algoritmi per la fattorizzazione di interi, applicazioni e limiti computazionali.Reticoli e algoritmo LLL: riduzione di basi, approssimazione diofantea, applicazioni alla fattorizzazione, alla teoria dei numeri computazionale e ad altri problemi algebrici.Esempi e applicazioni: problemi di geometria algebrica computazionale, algebra non lineare, interpolazione, implicitizzazione, decomposizioni, applicazioni a sistemi polinomiali e, se rilevante per la composizione della classe, collegamenti con crittografia, codici, didattica della matematica o modellizzazione.Laboratori computazionali: introduzione e uso guidato di Macaulay2 e, secondo necessità, SageMath, Singular, Bertini o strumenti equivalenti; sviluppo di esempi, worksheet, notebook, script e mini-progetti.
L’insegnamento è erogato in lingua inglese e combina lezioni frontali, discussioni guidate, esercitazioni e attività computazionali. Le lezioni frontali introducono definizioni, risultati teorici, algoritmi e dimostrazioni essenziali. Le esercitazioni sono dedicate all’applicazione dei metodi a esempi concreti, alla risoluzione di problemi e all’interpretazione dei risultati. Una parte del corso sarà svolta con attività di laboratorio computazionale, nelle quali studenti e studentesse utilizzeranno software di algebra computazionale, in particolare Macaulay2 e, se opportuno, SageMath, Singular, Bertini o strumenti equivalenti. Le attività potranno includere worksheet, notebook, script, esercizi guidati, confronti tra diversi algoritmi e discussione di esempi tratti dall’algebra, dalla geometria algebrica computazionale e dall’algebra non lineare. I materiali didattici, tra cui dispense, slide, fogli di esercizi, esempi di codice, notebook, worksheet ed eventuali letture integrative, saranno resi disponibili tramite Moodle. Agli/alle studenti/esse è richiesto di: frequentare le lezioni e partecipare attivamente alle discussioni e alle attività di problem solving;studiare regolarmente gli appunti, le dispense e i materiali indicati dalla docente;svolgere esercizi teorici e computazionali assegnati durante il corso;utilizzare gli strumenti software indicati, documentando in modo chiaro procedure, codice e risultati;preparare, quando previsto, brevi report, notebook, script, presentazioni o mini-progetti individuali o di gruppo;rispettare le scadenze e le modalità di consegna comunicate su Moodle.
Modalità d'esame
La valutazione verifica il raggiungimento dei risultati di apprendimento attesi, con particolare attenzione alla comprensione teorica, alla capacità di applicare algoritmi e metodi computazionali, alla correttezza del ragionamento matematico e alla capacità di comunicare i risultati. Sono previste due modalità alternative di verifica. Modalità A — Esame orale classico L’esame orale costituisce il 100% della valutazione finale. Durante l’esame la docente pone domande sugli argomenti del corso; lo/la studente/ssa risponde, argomenta e, quando richiesto, discute esempi, esercizi, algoritmi o attività computazionali. L’esame può includere la discussione di codice, worksheet, notebook o esempi svolti durante il corso. Modalità B — Valutazione in itinere La valutazione in itinere consiste in brevi verifiche e attività al termine dei principali argomenti del corso. Le attività possono includere esercizi teorici, esercizi computazionali, worksheet, notebook, brevi report, presentazioni o un mini-progetto individuale o di gruppo. Salvo diversa indicazione comunicata all’inizio del corso e pubblicata su Moodle, la valutazione in itinere è così composta: 60%: esercizi, worksheet, brevi verifiche o attività computazionali svolte durante il corso;30%: mini-progetto, report o notebook computazionale, individuale o di gruppo;10%: presentazione orale o discussione individuale dei risultati, del codice e delle scelte matematiche e algoritmiche.Chi non completa la valutazione in itinere o desidera migliorare la valutazione potrà sostenere l’esame orale classico, secondo le modalità comunicate dalla docente. Criteri di valutazione comuni alle modalità La valutazione terrà conto dei seguenti criteri: conoscenza teorica degli argomenti del corso e uso corretto di definizioni, enunciati, teoremi e algoritmi;chiarezza e rigore nell’argomentazione matematica;capacità di applicare metodi e algoritmi a problemi, esempi ed esercizi;capacità di interpretare criticamente i risultati ottenuti, anche alla luce dei limiti computazionali e della complessità degli algoritmi;per le attività computazionali e i progetti: correttezza ed efficienza dell’implementazione, qualità del codice, documentazione, riproducibilità tramite notebook o script, qualità dell’analisi sperimentale, uso appropriato di metriche, benchmark ed esempi, originalità dell’idea;qualità della comunicazione orale e scritta, inclusa la struttura dell’esposizione, la sintesi, la leggibilità di formule, grafici, tabelle e codice;nei lavori di gruppo: contributo individuale, collaborazione e capacità di integrare il proprio lavoro con quello degli/delle altri/e componenti;rispetto delle scadenze e delle richieste di consegna.La lingua dell’esame è l’inglese. Il lavoro presentato deve essere originale. Fonti, librerie, software, package ed eventuali strumenti di supporto utilizzati devono essere citati in modo appropriato.
Testi di riferimento
Willem de Graaf, Computational Algebra. Dispense del corso, rese disponibili durante l’insegnamento tramite Moodle.Mateusz Michałek, Bernd Sturmfels, Invitation to Nonlinear Algebra, Graduate Studies in Mathematics, vol. 211, American Mathematical Society, 2021.David Cox, John Little, Donal O’Shea, Ideals, Varieties, and Algorithms. An Introduction to Computational Algebraic Geometry and Commutative Algebra, 2nd edition, Undergraduate Texts in Mathematics, Springer-Verlag, New York, 1997.David Eisenbud, Daniel R. Grayson, Michael E. Stillman, Bernd Sturmfels, eds., Computations in Algebraic Geometry with Macaulay 2, Algorithms and Computation in Mathematics, vol. 8, Springer-Verlag, Berlin/Heidelberg, 2002.Hal Schenck, Computational Algebraic Geometry, London Mathematical Society Student Texts, vol. 58, Cambridge University Press, 2003.Documentazione ufficiale di Macaulay2, in particolare le sezioni Getting Started, i tutorial e il manuale di riferimento utilizzati per le attività computazionali.Documentazione dei software eventualmente usati durante il corso, ad esempio Macaulay2, SageMath, Singular, Bertini o strumenti equivalenti indicati dalla docente.
Codice insegnamento 51016_653553_89098
Computational algebra
1° anno · 1° semestre · 6 CFU · MATH-02/A · 0 file
In coerenza con gli obiettivi formativi del Corso di Studio in Mathematics, l’insegnamento introduce metodi, algoritmi e strumenti software dell’algebra computazionale. Il corso mira a fornire una comprensione teorica…
Scheda dell'insegnamento
Obiettivi formativi
In coerenza con gli obiettivi formativi del Corso di Studio in Mathematics, l’insegnamento introduce metodi, algoritmi e strumenti software dell’algebra computazionale. Il corso mira a fornire una comprensione teorica e operativa di tecniche per trattare problemi algebrici mediante calcolo simbolico, con particolare attenzione ad anelli di polinomi, ideali, basi di Gröbner, sistemi di equazioni polinomiali, fattorizzazione, algoritmi aritmetici e applicazioni alla geometria algebrica computazionale e all’algebra non lineare. L’insegnamento combina fondamenti teorici, esempi espliciti, esercizi e attività computazionali con software quali Macaulay2, SageMath, Singular, Bertini o strumenti equivalenti indicati dalla docente. Al termine dell’insegnamento, lo/la studente/ssa sarà in grado di: descrivere i principali oggetti dell’algebra computazionale, tra cui anelli di polinomi, ideali, ordinamenti monomiali, forme normali, basi di Gröbner, varietà algebriche affini e proiettive, fattorizzazioni e reticoli;spiegare il funzionamento e la correttezza dei principali algoritmi trattati nel corso, tra cui algoritmo di divisione multivariata, algoritmo di Buchberger, metodi di eliminazione, algoritmi per la risoluzione di sistemi polinomiali, algoritmi di fattorizzazione e algoritmo LLL;applicare metodi computazionali a problemi concreti di algebra, geometria algebrica e algebra non lineare, scegliendo in modo appropriato gli strumenti teorici e software;implementare, testare e documentare semplici algoritmi o procedure computazionali, producendo notebook, script o worksheet riproducibili;analizzare criticamente l’output di un software di algebra computazionale, valutando correttezza, limiti, complessità e significato matematico dei risultati ottenuti;comunicare in modo chiaro, in forma orale e/o scritta, il procedimento seguito, le scelte algoritmiche, i risultati computazionali e la loro interpretazione matematica;lavorare, quando previsto, in modo collaborativo su esercizi o mini-progetti, contribuendo in modo riconoscibile alla formulazione, implementazione e presentazione della soluzione.
Programma
Richiami di algebra computazionale: anelli di polinomi, ideali, quozienti, varietà algebriche, ordinamenti monomiali, monomi iniziali, ideali monomiali e forme normali.Basi di Gröbner: algoritmo di divisione multivariata, S-polinomi, criterio di Buchberger, basi di Gröbner ridotte, appartenenza a un ideale, eliminazione e applicazioni alla risoluzione di problemi algebrici.Sistemi di equazioni polinomiali: eliminazione, risultanti, ideali zero-dimensionali, molteplicità, basi lessicografiche, cambiamento di ordinamento, algoritmo FGLM, descrizione e interpretazione delle soluzioni.Funzioni e serie di Hilbert, dimensione e grado: calcoli effettivi di invarianti algebrici e geometrici mediante basi di Gröbner e software di algebra computazionale.Fattorizzazione e algoritmi aritmetici: fattorizzazione di polinomi su campi finiti e su campi di caratteristica zero, lifting di Hensel, cenni ad algoritmi per la fattorizzazione di interi, applicazioni e limiti computazionali.Reticoli e algoritmo LLL: riduzione di basi, approssimazione diofantea, applicazioni alla fattorizzazione, alla teoria dei numeri computazionale e ad altri problemi algebrici.Esempi e applicazioni: problemi di geometria algebrica computazionale, algebra non lineare, interpolazione, implicitizzazione, decomposizioni, applicazioni a sistemi polinomiali e, se rilevante per la composizione della classe, collegamenti con crittografia, codici, didattica della matematica o modellizzazione.Laboratori computazionali: introduzione e uso guidato di Macaulay2 e, secondo necessità, SageMath, Singular, Bertini o strumenti equivalenti; sviluppo di esempi, worksheet, notebook, script e mini-progetti.
L’insegnamento è erogato in lingua inglese e combina lezioni frontali, discussioni guidate, esercitazioni e attività computazionali. Le lezioni frontali introducono definizioni, risultati teorici, algoritmi e dimostrazioni essenziali. Le esercitazioni sono dedicate all’applicazione dei metodi a esempi concreti, alla risoluzione di problemi e all’interpretazione dei risultati. Una parte del corso sarà svolta con attività di laboratorio computazionale, nelle quali studenti e studentesse utilizzeranno software di algebra computazionale, in particolare Macaulay2 e, se opportuno, SageMath, Singular, Bertini o strumenti equivalenti. Le attività potranno includere worksheet, notebook, script, esercizi guidati, confronti tra diversi algoritmi e discussione di esempi tratti dall’algebra, dalla geometria algebrica computazionale e dall’algebra non lineare. I materiali didattici, tra cui dispense, slide, fogli di esercizi, esempi di codice, notebook, worksheet ed eventuali letture integrative, saranno resi disponibili tramite Moodle. Agli/alle studenti/esse è richiesto di: frequentare le lezioni e partecipare attivamente alle discussioni e alle attività di problem solving;studiare regolarmente gli appunti, le dispense e i materiali indicati dalla docente;svolgere esercizi teorici e computazionali assegnati durante il corso;utilizzare gli strumenti software indicati, documentando in modo chiaro procedure, codice e risultati;preparare, quando previsto, brevi report, notebook, script, presentazioni o mini-progetti individuali o di gruppo;rispettare le scadenze e le modalità di consegna comunicate su Moodle.
Modalità d'esame
La valutazione verifica il raggiungimento dei risultati di apprendimento attesi, con particolare attenzione alla comprensione teorica, alla capacità di applicare algoritmi e metodi computazionali, alla correttezza del ragionamento matematico e alla capacità di comunicare i risultati. Sono previste due modalità alternative di verifica. Modalità A — Esame orale classico L’esame orale costituisce il 100% della valutazione finale. Durante l’esame la docente pone domande sugli argomenti del corso; lo/la studente/ssa risponde, argomenta e, quando richiesto, discute esempi, esercizi, algoritmi o attività computazionali. L’esame può includere la discussione di codice, worksheet, notebook o esempi svolti durante il corso. Modalità B — Valutazione in itinere La valutazione in itinere consiste in brevi verifiche e attività al termine dei principali argomenti del corso. Le attività possono includere esercizi teorici, esercizi computazionali, worksheet, notebook, brevi report, presentazioni o un mini-progetto individuale o di gruppo. Salvo diversa indicazione comunicata all’inizio del corso e pubblicata su Moodle, la valutazione in itinere è così composta: 60%: esercizi, worksheet, brevi verifiche o attività computazionali svolte durante il corso;30%: mini-progetto, report o notebook computazionale, individuale o di gruppo;10%: presentazione orale o discussione individuale dei risultati, del codice e delle scelte matematiche e algoritmiche.Chi non completa la valutazione in itinere o desidera migliorare la valutazione potrà sostenere l’esame orale classico, secondo le modalità comunicate dalla docente. Criteri di valutazione comuni alle modalità La valutazione terrà conto dei seguenti criteri: conoscenza teorica degli argomenti del corso e uso corretto di definizioni, enunciati, teoremi e algoritmi;chiarezza e rigore nell’argomentazione matematica;capacità di applicare metodi e algoritmi a problemi, esempi ed esercizi;capacità di interpretare criticamente i risultati ottenuti, anche alla luce dei limiti computazionali e della complessità degli algoritmi;per le attività computazionali e i progetti: correttezza ed efficienza dell’implementazione, qualità del codice, documentazione, riproducibilità tramite notebook o script, qualità dell’analisi sperimentale, uso appropriato di metriche, benchmark ed esempi, originalità dell’idea;qualità della comunicazione orale e scritta, inclusa la struttura dell’esposizione, la sintesi, la leggibilità di formule, grafici, tabelle e codice;nei lavori di gruppo: contributo individuale, collaborazione e capacità di integrare il proprio lavoro con quello degli/delle altri/e componenti;rispetto delle scadenze e delle richieste di consegna.La lingua dell’esame è l’inglese. Il lavoro presentato deve essere originale. Fonti, librerie, software, package ed eventuali strumenti di supporto utilizzati devono essere citati in modo appropriato.
Testi di riferimento
Willem de Graaf, Computational Algebra. Dispense del corso, rese disponibili durante l’insegnamento tramite Moodle.Mateusz Michałek, Bernd Sturmfels, Invitation to Nonlinear Algebra, Graduate Studies in Mathematics, vol. 211, American Mathematical Society, 2021.David Cox, John Little, Donal O’Shea, Ideals, Varieties, and Algorithms. An Introduction to Computational Algebraic Geometry and Commutative Algebra, 2nd edition, Undergraduate Texts in Mathematics, Springer-Verlag, New York, 1997.David Eisenbud, Daniel R. Grayson, Michael E. Stillman, Bernd Sturmfels, eds., Computations in Algebraic Geometry with Macaulay 2, Algorithms and Computation in Mathematics, vol. 8, Springer-Verlag, Berlin/Heidelberg, 2002.Hal Schenck, Computational Algebraic Geometry, London Mathematical Society Student Texts, vol. 58, Cambridge University Press, 2003.Documentazione ufficiale di Macaulay2, in particolare le sezioni Getting Started, i tutorial e il manuale di riferimento utilizzati per le attività computazionali.Documentazione dei software eventualmente usati durante il corso, ad esempio Macaulay2, SageMath, Singular, Bertini o strumenti equivalenti indicati dalla docente.
Codice insegnamento 51018_653553_89098
Computational algebra
1° anno · 1° semestre · 6 CFU · MATH-02/A · 0 file
In coerenza con gli obiettivi formativi del Corso di Studio in Mathematics, l’insegnamento introduce metodi, algoritmi e strumenti software dell’algebra computazionale. Il corso mira a fornire una comprensione teorica…
Scheda dell'insegnamento
Obiettivi formativi
In coerenza con gli obiettivi formativi del Corso di Studio in Mathematics, l’insegnamento introduce metodi, algoritmi e strumenti software dell’algebra computazionale. Il corso mira a fornire una comprensione teorica e operativa di tecniche per trattare problemi algebrici mediante calcolo simbolico, con particolare attenzione ad anelli di polinomi, ideali, basi di Gröbner, sistemi di equazioni polinomiali, fattorizzazione, algoritmi aritmetici e applicazioni alla geometria algebrica computazionale e all’algebra non lineare. L’insegnamento combina fondamenti teorici, esempi espliciti, esercizi e attività computazionali con software quali Macaulay2, SageMath, Singular, Bertini o strumenti equivalenti indicati dalla docente. Al termine dell’insegnamento, lo/la studente/ssa sarà in grado di: descrivere i principali oggetti dell’algebra computazionale, tra cui anelli di polinomi, ideali, ordinamenti monomiali, forme normali, basi di Gröbner, varietà algebriche affini e proiettive, fattorizzazioni e reticoli;spiegare il funzionamento e la correttezza dei principali algoritmi trattati nel corso, tra cui algoritmo di divisione multivariata, algoritmo di Buchberger, metodi di eliminazione, algoritmi per la risoluzione di sistemi polinomiali, algoritmi di fattorizzazione e algoritmo LLL;applicare metodi computazionali a problemi concreti di algebra, geometria algebrica e algebra non lineare, scegliendo in modo appropriato gli strumenti teorici e software;implementare, testare e documentare semplici algoritmi o procedure computazionali, producendo notebook, script o worksheet riproducibili;analizzare criticamente l’output di un software di algebra computazionale, valutando correttezza, limiti, complessità e significato matematico dei risultati ottenuti;comunicare in modo chiaro, in forma orale e/o scritta, il procedimento seguito, le scelte algoritmiche, i risultati computazionali e la loro interpretazione matematica;lavorare, quando previsto, in modo collaborativo su esercizi o mini-progetti, contribuendo in modo riconoscibile alla formulazione, implementazione e presentazione della soluzione.
Programma
Richiami di algebra computazionale: anelli di polinomi, ideali, quozienti, varietà algebriche, ordinamenti monomiali, monomi iniziali, ideali monomiali e forme normali.Basi di Gröbner: algoritmo di divisione multivariata, S-polinomi, criterio di Buchberger, basi di Gröbner ridotte, appartenenza a un ideale, eliminazione e applicazioni alla risoluzione di problemi algebrici.Sistemi di equazioni polinomiali: eliminazione, risultanti, ideali zero-dimensionali, molteplicità, basi lessicografiche, cambiamento di ordinamento, algoritmo FGLM, descrizione e interpretazione delle soluzioni.Funzioni e serie di Hilbert, dimensione e grado: calcoli effettivi di invarianti algebrici e geometrici mediante basi di Gröbner e software di algebra computazionale.Fattorizzazione e algoritmi aritmetici: fattorizzazione di polinomi su campi finiti e su campi di caratteristica zero, lifting di Hensel, cenni ad algoritmi per la fattorizzazione di interi, applicazioni e limiti computazionali.Reticoli e algoritmo LLL: riduzione di basi, approssimazione diofantea, applicazioni alla fattorizzazione, alla teoria dei numeri computazionale e ad altri problemi algebrici.Esempi e applicazioni: problemi di geometria algebrica computazionale, algebra non lineare, interpolazione, implicitizzazione, decomposizioni, applicazioni a sistemi polinomiali e, se rilevante per la composizione della classe, collegamenti con crittografia, codici, didattica della matematica o modellizzazione.Laboratori computazionali: introduzione e uso guidato di Macaulay2 e, secondo necessità, SageMath, Singular, Bertini o strumenti equivalenti; sviluppo di esempi, worksheet, notebook, script e mini-progetti.
L’insegnamento è erogato in lingua inglese e combina lezioni frontali, discussioni guidate, esercitazioni e attività computazionali. Le lezioni frontali introducono definizioni, risultati teorici, algoritmi e dimostrazioni essenziali. Le esercitazioni sono dedicate all’applicazione dei metodi a esempi concreti, alla risoluzione di problemi e all’interpretazione dei risultati. Una parte del corso sarà svolta con attività di laboratorio computazionale, nelle quali studenti e studentesse utilizzeranno software di algebra computazionale, in particolare Macaulay2 e, se opportuno, SageMath, Singular, Bertini o strumenti equivalenti. Le attività potranno includere worksheet, notebook, script, esercizi guidati, confronti tra diversi algoritmi e discussione di esempi tratti dall’algebra, dalla geometria algebrica computazionale e dall’algebra non lineare. I materiali didattici, tra cui dispense, slide, fogli di esercizi, esempi di codice, notebook, worksheet ed eventuali letture integrative, saranno resi disponibili tramite Moodle. Agli/alle studenti/esse è richiesto di: frequentare le lezioni e partecipare attivamente alle discussioni e alle attività di problem solving;studiare regolarmente gli appunti, le dispense e i materiali indicati dalla docente;svolgere esercizi teorici e computazionali assegnati durante il corso;utilizzare gli strumenti software indicati, documentando in modo chiaro procedure, codice e risultati;preparare, quando previsto, brevi report, notebook, script, presentazioni o mini-progetti individuali o di gruppo;rispettare le scadenze e le modalità di consegna comunicate su Moodle.
Modalità d'esame
La valutazione verifica il raggiungimento dei risultati di apprendimento attesi, con particolare attenzione alla comprensione teorica, alla capacità di applicare algoritmi e metodi computazionali, alla correttezza del ragionamento matematico e alla capacità di comunicare i risultati. Sono previste due modalità alternative di verifica. Modalità A — Esame orale classico L’esame orale costituisce il 100% della valutazione finale. Durante l’esame la docente pone domande sugli argomenti del corso; lo/la studente/ssa risponde, argomenta e, quando richiesto, discute esempi, esercizi, algoritmi o attività computazionali. L’esame può includere la discussione di codice, worksheet, notebook o esempi svolti durante il corso. Modalità B — Valutazione in itinere La valutazione in itinere consiste in brevi verifiche e attività al termine dei principali argomenti del corso. Le attività possono includere esercizi teorici, esercizi computazionali, worksheet, notebook, brevi report, presentazioni o un mini-progetto individuale o di gruppo. Salvo diversa indicazione comunicata all’inizio del corso e pubblicata su Moodle, la valutazione in itinere è così composta: 60%: esercizi, worksheet, brevi verifiche o attività computazionali svolte durante il corso;30%: mini-progetto, report o notebook computazionale, individuale o di gruppo;10%: presentazione orale o discussione individuale dei risultati, del codice e delle scelte matematiche e algoritmiche.Chi non completa la valutazione in itinere o desidera migliorare la valutazione potrà sostenere l’esame orale classico, secondo le modalità comunicate dalla docente. Criteri di valutazione comuni alle modalità La valutazione terrà conto dei seguenti criteri: conoscenza teorica degli argomenti del corso e uso corretto di definizioni, enunciati, teoremi e algoritmi;chiarezza e rigore nell’argomentazione matematica;capacità di applicare metodi e algoritmi a problemi, esempi ed esercizi;capacità di interpretare criticamente i risultati ottenuti, anche alla luce dei limiti computazionali e della complessità degli algoritmi;per le attività computazionali e i progetti: correttezza ed efficienza dell’implementazione, qualità del codice, documentazione, riproducibilità tramite notebook o script, qualità dell’analisi sperimentale, uso appropriato di metriche, benchmark ed esempi, originalità dell’idea;qualità della comunicazione orale e scritta, inclusa la struttura dell’esposizione, la sintesi, la leggibilità di formule, grafici, tabelle e codice;nei lavori di gruppo: contributo individuale, collaborazione e capacità di integrare il proprio lavoro con quello degli/delle altri/e componenti;rispetto delle scadenze e delle richieste di consegna.La lingua dell’esame è l’inglese. Il lavoro presentato deve essere originale. Fonti, librerie, software, package ed eventuali strumenti di supporto utilizzati devono essere citati in modo appropriato.
Testi di riferimento
Willem de Graaf, Computational Algebra. Dispense del corso, rese disponibili durante l’insegnamento tramite Moodle.Mateusz Michałek, Bernd Sturmfels, Invitation to Nonlinear Algebra, Graduate Studies in Mathematics, vol. 211, American Mathematical Society, 2021.David Cox, John Little, Donal O’Shea, Ideals, Varieties, and Algorithms. An Introduction to Computational Algebraic Geometry and Commutative Algebra, 2nd edition, Undergraduate Texts in Mathematics, Springer-Verlag, New York, 1997.David Eisenbud, Daniel R. Grayson, Michael E. Stillman, Bernd Sturmfels, eds., Computations in Algebraic Geometry with Macaulay 2, Algorithms and Computation in Mathematics, vol. 8, Springer-Verlag, Berlin/Heidelberg, 2002.Hal Schenck, Computational Algebraic Geometry, London Mathematical Society Student Texts, vol. 58, Cambridge University Press, 2003.Documentazione ufficiale di Macaulay2, in particolare le sezioni Getting Started, i tutorial e il manuale di riferimento utilizzati per le attività computazionali.Documentazione dei software eventualmente usati durante il corso, ad esempio Macaulay2, SageMath, Singular, Bertini o strumenti equivalenti indicati dalla docente.
Codice insegnamento 51017_653553_89098
Computer Science Education
1° anno · 2° semestre · 6 CFU · INFO-01/A · 0 file
Cryptographic Protocols for Secure Networks and Applications
1° anno · 2° semestre · 6 CFU · IINF-01/A · 0 file
L'obbiettivo principale del corso è di fornire agli studenti una buona conoscenza dei protocolli di comunicazione sia a livello di rete che applicativo, dei relativi problemi di sicurezza e delle problematiche per la…
Scheda dell'insegnamento
Obiettivi formativi
L'obbiettivo principale del corso è di fornire agli studenti una buona conoscenza dei protocolli di comunicazione sia a livello di rete che applicativo, dei relativi problemi di sicurezza e delle problematiche per la gestione dei dati a riposo, in transito ed in elaborazione focalizzandosi soprattutto sull'utilizzo di tecniche crittografiche.
Programma
Computer architecture (von Newmann), operating systems, and virtualization Networking, communication protocols, Ethernet, Wireless, Routing, Internet Procotol, TCP/IP, Cloud & Edge Computing Summary of cryptographic primitives (hash functions, symmetric and public key cryptography) and the Quantum threat Public Key Infrastructure, certificates, and decentralized trust management based on cryptographic ledgers Secure Shells (SSH) and Firewalls End-to-End Cryptography: TOR and VPNs Quantum computing, its relevance to cryptography (in particular Shor and Grover algorithms), Post Quantum Cryptography (PQC), NIST Approach to PQC, PQC and TLS, PQC and NIS2 Techniques for the analysis, design, and formal verification of security properties of cryptographic protocols
Lezioni frontali ed esercitazioni in aula.
Modalità d'esame
Progetto ed esame scritto od orale.
Testi di riferimento
Le slide, gli appunti e i riferimenti a materiale integrativo saranno resi disponibili sulla pagina Moodle del corso.
Codice insegnamento 51316_653660_96516
Data analysis and exploration
1° anno · 2° semestre · 6 CFU · INFO-01/A · 0 file
L'obiettivo di questo corso è consentire agli studenti di analizzare vari tipi di tipi di dati ad elevata dimensionalita' comunemente incontrati nella pratica della biologia molecolare utilizzando una serie di…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo di questo corso è consentire agli studenti di analizzare vari tipi di tipi di dati ad elevata dimensionalita' comunemente incontrati nella pratica della biologia molecolare utilizzando una serie di metodologie, tra cui approcci statistici consolidati, machine learning e metodi di recente introduzione. Al termine del corso le studentesse e gli studenti saranno in grado di: dimostrare una buona conoscenza di diversi tipi di dati di biologia molecolare e delle loro specificità;comprendere i principi alla base di diversi metodi concettuali per l’analisi dei dati;utilizzare gli strumenti computazionali richiesti per l'implementazione dell’analisi;fornire un'interpretazione in termini funzionali dei risultati dell’analisi;contestualizzare i risultati dell’analisi in un ambito biologico attraverso l’uso di reti biologiche;portare a termine un progetto, redigere un rapporto strutturato e presentare oralmente i risultati del proprio lavoro.
Programma
Introduzione ai tipi di dati in Biologia molecolare Elaborazione di dati biologici in R Introduzione all'analisi esplorativa mediante PCA Introduzione al machine learning: classificazione, clustering, apprendimento supervisionato / non supervisionato Classificazione usando LDA Regressione regolarizzata: regressione di tipo Lasso / Ridge Classificazione con rank-based signatures Analisi funzionale di dati biologici Analisi funzionale basata su reti biologiche Metodi per l'analisi integrativa di dataset multipli: PLS e CCA Revisione finale e discussione dei progetti
Le lezioni tradizionali saranno accompagnate da sessioni settimanali di esercitazione in cui i metodi teorici appena appresi saranno applicati a dati reali usando R. Per completare il corso gli studenti sono tenuti a realizzare un progetto al quale lavorare di settimana in settimana. Come parte del progetto, gli studenti selezioneranno un set di dati reali a loro scelta su cui applicare successivamente tutti i metodi appresi durante il corso. Le sessioni di esercitazione settimanali saranno utilizzate da ogni studente per ottenere i risultati che messi insieme formeranno il report finale del loro progetto. In questo modo gli studenti saranno messi in condizione di preparare la maggior parte del loro progetto durante le ore di lezione, con l'assistenza dell'istruttore se necessario.
Modalità d'esame
Come esame finale, ogni studente sarà tenuto a fare una breve presentazione orale del proprio progetto, che includa la descrizione del set di dati selezionato, i metodi di analisi e i risultati principali. In alternativa, in casi eccezionali e adeguatamente motivati è possibile richiedere una tradizionale prova scritta seguita da esame orale, relativi a tutti gli aspetti pratici e teorici del corso.
Testi di riferimento
Il corso è stato progettato per essere autocontenuto e tutto il materiale del corso, incluso il codice R, sarà reso disponibile online. Di seguito è riportata una breve selezione di libri di consultazione relativi a diverse parti del corso. - Julian J. Faraway, Practical Regression and Anova using R. available at http://cran.r-project.org/doc/contrib/Faraway-PRA.pdf - Trevor Hastie, Robert Tibshirani, Jerome Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd Edition, New York, 2016. Available at https://hastie.su.domains/Papers/ESLII.pdf - Flury B. A first course in multivariate statistics. Springer, New York, 1998. - Heiberger, R.M. and Holland,B. Statistical analysis and data display, Springer, New York, 2004
Codice insegnamento 51015_653579_89099
Didactics of Mathematics
1° anno · 12 CFU · MATH-01/B · 0 file
Digital Epidemiology
1° anno · 2° semestre · 6 CFU · IINF-05/A · 0 file
L’obiettivo del Corso è quello di introdurre gli studenti e le studentesse all’uso di tecniche computazionali e fonti dati digitali per lo studio di determinanti della salute umana, in particolare in ambito…
Scheda dell'insegnamento
Obiettivi formativi
L’obiettivo del Corso è quello di introdurre gli studenti e le studentesse all’uso di tecniche computazionali e fonti dati digitali per lo studio di determinanti della salute umana, in particolare in ambito epidemiologico. Al termine del Corso, gli studenti e le studentesse saranno in grado di: conoscere i principi fondamentali della statistica medica ed epidemiologica;analizzare fonti dati eterogenee (social media, telefonia mobile, motori di ricerca) da cui estrarre indicatori rilevanti per la salute pubblica;conoscere i principali approcci dell’epidemiologia computazionale (sorveglianza passiva, modellistica matematica, dati da sensori)sviluppare modelli numerici per descrivere la diffusione di malattie infettive su diverse scale spaziali;
Programma
Introduzione alla statistica medica e all’epidemiologia;Concetti fondamentali di epidemiologia matematica;Uso di sorgenti dati digitali per la salute pubblica;Analisi di dati geolocalizzati;Modelli epidemiologici su reti complesse;Modellizzazione della mobilità umana;Analisi dati da sensori indossabili;Digital contact tracing;Fenomeni di contagio sociale.
Il contenuto del corso si articola in una parte teorica di lezione frontale (65%) e una parte di laboratorio (35%). Nella parte di laboratorio verrà mostrato agli studenti come implementare i concetti della prima parte con casi di studio basati su dati reali, in programmazione Python. Questo consentirà agli studenti di rendere immediatamente operative le conoscenze acquisite nella parte di teoria.
Modalità d'esame
La valutazione finale si basa su un esame orale della durata di circa mezz'ora. L'esame si struttura in due parti: la prima parte consiste nella presentazione con slides di un articolo scientifico di approfondimento a scelta del candidato/a. La seconda parte consiste in alcune domande aperte sugli argomenti presentati a lezione con slides.
Testi di riferimento
Salathé M, Bengtsson L, Bodnar TJ, Brewer DD, Brownstein JS, Buckee C, et al. (2012) Digital Epidemiology. PLoS Comput Biol 8(7): e1002616. https://doi.org/10.1371/journal.pcbi.1002616Yom-Tov, Elad. Crowdsourced health: How what you do on the Internet will improve medicine. MIT Press, 2016.Barrat, Alain, Marc Barthelemy, and Alessandro Vespignani. Dynamical processes on complex networks. Cambridge University Press, 2008.Modeling Infectious Diseases in Humans and Animals By Matthew James Keeling and Pejman Rohani Princeton, NJ: Princeton University Press, 2008. 408 pp. LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Salathé, M. [et al.] (2012). Digital Epidemiology. PLoS computational biology, 8(7). Yom-Tov, E. (2016). Crowdsourced health : how what you do on the internet will improve medicine. MIT press. Barrat, A., Barthelemy, M., & Vespignani, A. (2008). Dynamical processes on complex networks. Cambridge University Press. Keeling, M. J., & Rohani, P. (2008). Modeling infectious diseases in humans and animals. Princeton University Press.
Codice insegnamento 51015_653578_96127
Digital signal processing
1° anno · 1° semestre · 6 CFU · IINF-03/A · 0 file
This course provides an introduction to fundamental concepts and techniques in digital signal processing. The course starts with a detailed explanation of discrete-time signals/systems and with the analysis of discrete…
Scheda dell'insegnamento
Obiettivi formativi
This course provides an introduction to fundamental concepts and techniques in digital signal processing. The course starts with a detailed explanation of discrete-time signals/systems and with the analysis of discrete time linear time invariant systems. Subsequently, the discrete-time Fourier transform and the discrete Fourier transform are introduced, followed by an overview of fast algorithms for the computation of the discrete Fourier transform. Afterwards, the z-transform and its properties are introduced. Finally, the design of FIR and IIR filters is introduced. The Lab lectures by using MATLAB are given to provide practical knowledge in processing real signals with examples from speech and audio.
Programma
1.Signals and signal processing Characterization and classification of signals Analog, digital, and mixed signal processing Applications of digital signal processing 2.Discrete-time signals and systems Discrete-time signals Discrete-time systems Properties of linear time-invariant systems Analytical evaluation and numerical computation of convulation Systems described by linear constant-coefficient difference equations Lab1: Analysis of Discrete-time signals and systems in Matlab 3.Discrete-time Fourier transform The continuous-time Fourier transform The discrete-time Fourier transform The frequency response of an LTI discrete-time system Properties of the discrete-time Fourier transform 4.Discrete Fourier transform Discrete Fourier transform (DFT) Sampling the Discrete-Time Fourier Transform Properties of the Discrete Fourier transform Linear convolution using the DFT Computation of the Discrete Fourier transform Fast Fourier transform algorithms Lab2: Fourier transform applications in Matlab 5.The z-Transform The z-Transform The rational z-Transform The inverse z-Transform Propereties of the z-Transform Transfer function Analysis of LTI systems in the z-domain Lab3: Studying properties of z-transform in Matlab 6. Digital filters Design of FIR digital filters Lab4: FIR filter design in Matlab Design of IIR digital filters Lab5: IIR filter design in Matlab Comparison between IIR and FIR filters Lab6: Processing real data in Matlab for DSP applications, e.g., speech recognition, synthesis of artificial speech.
Theoretical lectures and related exercises are given in the classroom, while the practical lectures will be given in the PC lab by using Matlab (12 hours).
Modalità d'esame
A written exam and an exam in PC lab by the use of Matlab (which are both comprehensive and are intended to cover the breadth of the course) are considered. The grade will be broken down as follows: 1-A written exam: 80% 2-An exam in the PC lab: 20% Students following the 6 credit version of the course do not have to take the exam in the PC lab.
Testi di riferimento
D. Manolakis and V. Ingle, Applied Digital Signal Processing, Cambridge University Press, 2011 LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Manolakis, D. G., & Ingle, V. K. (2011). Applied digital signal processing : theory and practice. Cambridge university press.
Codice insegnamento 51016_653616_89263
Discrete Fourier analysis
1° anno · 2° semestre · 6 CFU · MATH-02/A · 0 file
Obiettivi Formativi: saper rappresentare un gruppo abeliano finito tramite il gruppo dei caratteri e dimostrare le proprietà principali della Trasformata Discreta di Fourier (DFT);capire il ruolo della DFT nella…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivi Formativi: saper rappresentare un gruppo abeliano finito tramite il gruppo dei caratteri e dimostrare le proprietà principali della Trasformata Discreta di Fourier (DFT);capire il ruolo della DFT nella risoluzione di problemi presenti in diversi rami della matematica discreta: teoria dei grafi, probabilità discreta, generazione di numeri random, teoria dei codici, algebra computazionale e computazione quantistica. Alla fine del corso, gli studenti dovrebbero essere in grado di decrivere e spiegare le principali proprietà della DFT, e di applicare tecniche standard basate sulla DFT nella risoluzione di problemi non banali.
Programma
La Trasformata Discreta di Fourier: Spazi vettoriali complessi e prodotti interni;Lo spazio L^2(Z/nZ) delle funzioni dal gruppo Z/nZ al campo dei numeri complessi;I caratteri di Z/nZ;La Trasformata Discreta di Fourier (DFT);Proprietà della DFT: linearità, il teorema di convoluzione, l'ortogonalità dei caratteri, la formula di inversione, la Formula di Parseval e il Teorema di Plancherel;Traslazioni, Dilatazioni e la loro trasformata di Fourier;;Teoria dei Grafi: Definizioni di base, isomorfismo di grafi, connessione, matrici di adiacenza e incidenza;Grafi di Cayley e isomorfismi;L'operatore di Adiacenza e le sue proprietà;Grafi regolari, connessi, bipartiti e gli autovalori dei loro operatori di adiacenza;Studio degli autovalori degli operatori di adiacenza dei grafi di Cayley tramite la DFT;Matrici circolanti: L'operatore di traslazione e i suoi autovalori;Diagonalizzazione di matrici circolanti complesse tramite la DFT e gli autovalori corrispondenti;Matrici circolanti a blocchi con blocchi circolanti (matrici BCCB), la DFT in L^2(GF(q)) e la diagonalizzazione di matrici BCCB;Studio di Generatori di Numeri Random tramite la DFT: Elementi di base della probabilità discreta, catene di Markov, matrici di transizione e distribuzioni stazionarie, bias, Total Variation Distance;Passeggiate aleatorie su grafi di Cayley;Somma di Variabili Casuali su Z/nZ e Teorema Centrale del Limite per Variabili Aleatorie Discrete;Estrattori di Entropia e funzioni Booleane;La Trasformata di Walsh-Hadamard;Funzioni resilienti e studio degli Estrattori lineari di Entropia tramite la DFT;Studio della Teoria dei Codici tramite la DFT: Elementi di base della Teoria dei Codici;GF(2^k), matrici di Hadamard e la DFT;Symplex codes, codici di Hamming, il bound di Plotkin e ottimalità;il collegamento tra le funzioni resilienti e i codici lineari;Gruppi Abeliani Finiti, caratteri e DFT;Formula delle Somme di Poisson per Gruppi Abeliani Finiti;Distribuzione dei pesi e le Identità di McWilliams per codici lineari binari;La Number Theoretic Transform: La DFT su sottogruppi e la Fast Fourier Transform (FFT);La Number Theoretic Transform (NTT);Moltiplicazione di Interi tramite la NTT e l'algoritmo di Schönhage–Strassen;La Quantum Fourier Transform: Introduzione alla computazione quantistica, la notazione di Dirac, basi computazionali, proiettori e misura;Superposizione di stati, parallelismo quantistico e la Trasformata di Walsh-Hadamard Transform;Registri di n-qubit e Correlazione Quantistica (entanglement);Computazione classica su un computer quantistico;La DFT su un computer quantistico;L'algoritmo di Fattorizzazione di Shor.
Lezioni frontali che presentano l'intero programma del corso. I risultati, metodi e teoremi principali saranno dimostrati esplicitamente, mentre alcune semplici dimostrazioni saranno lasciate da completare come esercizio. Oltre ai risultati teorici, durante il corso saranno discussi esempi ed esercizi, in modo da introdurre e approfondire alcuni dettagli tecnici delle applicazioni della Trasformata Discreta di Fourier mostrate durante il corso.
Modalità d'esame
Esame scritto e progetto finale. Il test scritto riguarda tutti gli argomenti presentati durante il corso, e consiste in domande teoriche (e.g. definizioni, teoremi e dimostrazioni fatte a lezione) sui risultati presentati e dimostrati nonché sullo svolgimento di esercizi. Gli studenti dovranno dimostrare familiarità con tutti i risultati e le dimostrazioni, sia quelle discusse nel dettaglio durante le lezioni che quelle lasciate come esercizio. Al fine di valutare il livello di apprendimento, agli studenti sarà richiesta la risoluzione di semplici esercizi simili agli esempi discussi durante le lezioni. Al fine di ottenere la lode agli studenti viene inoltre data la possibilità di sostenere in aggiunta un colloquio orale, e per ottenere il massimo del voti gli studenti dovranno dimostrare una comprensione profonda dei contenuti e delle tecniche presentate attraverso l'analisi di problemi non banali.
Testi di riferimento
Libro di riferimento:Audrey Terras, Fourier Analysis on Finite Groups and Applications, 1999, London Mathematical Society Student Texts.
Codice insegnamento 51016_653698_89860
Elementary Mathematics from a Higher Viewpoint
1° anno · 1° semestre · 6 CFU · MATH-02/B · 0 file
Il corso, rivolto principalmente a future/e insegnanti di matematica, si propone di costituire un ponte tra la matematica superiore appresa nella laurea triennale e la matematica elementare oggetto di insegnamento…
Scheda dell'insegnamento
Obiettivi formativi
Il corso, rivolto principalmente a future/e insegnanti di matematica, si propone di costituire un ponte tra la matematica superiore appresa nella laurea triennale e la matematica elementare oggetto di insegnamento scolastico. Al termine dell'insegnamento ci si attende che lo/a studente/essa sia in grado di: - padroneggiare i contenuti di base della matematica e i loro collegamenti - comunicare la matematica raccontandone la storia e sfruttando la tecnologia - esporre in pubblico un argomento significativo nell'ambito della matematica e discuterlo in gruppo
Programma
Teoria dei gruppi e simmetria: - origine della teoria di gruppi - gruppi diedrali e poligoni regolari - permutazioni e il gruppo simmetrico - simmetrie rotazionali dei solidi platonici - il gruppo delle trecce Interpolazione polinomiale: - interpolazione nel piano affine e proiettivo - interpolazione in più variabili - il teorema di Bézout e applicazioni La forma delle cose: - Lo spazio - Le curve - Le superficie - Le varietà e la geometria dei nostri giorni Forme e funzioni in Matemartica - Geometria - Funzioni, Trasformazioni e Gruppi - Algebra Lineare - Le forme dello spazio - Analisi Complessa e Topologia
Il corso inizierà con una parte monografica composta di alcune lezioni frontali tenute dalla docente (teoria dei gruppi e simmetria, interpolazione polinomiale), a cui seguirà una serie di approfondimenti svolti (facoltativamente) da studenti e studentesse frequentanti individualmente o in piccoli gruppi. A tutti/e (sia frequentanti che non frequentanti) è richiesto di studiare individualmente i libri di testo.
Modalità d'esame
Studenti/esse frequentanti saranno valutati con un esame scritto sui contenuti del corso (parte monografica). Il voto finale terrà conto anche della relazione svolta in classe o, in alternativa, di una prova orale sui contenuti del libro di testo (Mac Lane). Studenti/esse non frequentanti saranno valutati con un esame scritto sugli argomenti del corso (parte monografica), seguito da un esame orale sui contenuti del libro di testo (Mac Lane). In entrambi i casi, i criteri di valutazione saranno la padronanza dei contenuti e la chiarezza dell'esposizione.
Testi di riferimento
Testo principale: Saunders Mac Lane: "Mathematics: Form and Function", Springer, New York 1986. Altre referenze: Andreatta M.: "La forma delle cose. L'alfabeto della geometria", il Mulino, Bologna 2019Catanese F., Busé L., and Postinghel E.: "Algebraic curves and surfaces - a history of shapes", SISSA Springer Ser. 4, 2023 (chapter 2)Ciliberto C.: "Argomenti di matematica elementare da un punto di vista superiore", Utet Università 2023Note delle lezioni (messe a disposizione su Didattica Online settimanalmente) LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Mac Lane, S. (1986). Mathematics, form and function. Springer. Andreatta, M. (2019). La forma delle cose: l’alfabeto della geometria. Il mulino. Busé, L., Catanese, F., & Postinghel, E. (2023). Algebraic curves and surfaces : a history of shapes. Springer International Publishing. Ciliberto, C. (2023). Argomenti di matematica elementare da un punto di vista superiore. Spunti per l’organizzazione di lavoro interdisciplinare e laboratoriale nelle classi di scuola secondaria di II grado. UTET università.
Codice insegnamento 51017_653596_93071
Experimental Mathematics Laboratory at School Level
1° anno · 2° semestre · 6 CFU · MATH-01/B · 0 file
Il corso si propone di fornire allo studente: - una conoscenza profonda degli argomenti di matematica elementare che sono oggetto di insegnamento nella scuola secondaria di secondo grado, in un quadro di riferimento…
Scheda dell'insegnamento
Obiettivi formativi
Il corso si propone di fornire allo studente: - una conoscenza profonda degli argomenti di matematica elementare che sono oggetto di insegnamento nella scuola secondaria di secondo grado, in un quadro di riferimento teorico ampio utile per chiarire i collegamenti con le nozioni più avanzate e le problematiche sottili studiate nei corsi universitari; - una definizione di “buone pratiche” e la capacità di implementarle nello sviluppo di una metodica per la progettazione di unità didattiche (relative ad argomenti di matematica ricorrenti nei curriculum della scuola secondaria di secondo grado) e nella successiva presentazione ad una classe, in un contesto definito e principalmente nella modalità della lezione frontale. Al termine dell’insegnamento, lo studente sarà in grado di: - Riconoscere i punti critici nelle presentazioni informali della consuetudine didattica riscontrabile nella maggior parte dei libri di testo di matematica per la scuola secondaria di secondo grado; - Progettare e realizzare unità e percorsi didattici coerenti alle “buone pratiche” introdotte nel corso e applicate dallo studente attraverso una sistematica attività laboratoriale basata sulla simulazione di lezione; - Presentare efficacemente (principalmente nella modalità della lezione frontale) gli argomenti di matematica ricorrenti nei curriculum della scuola secondaria di secondo grado, attraverso una gestione consapevole delle componenti comunicative (gestualità, linguaggio) e dei media fisici usati per la comunicazione (primo fra tutti, la lavagna). - Modulare secondo il contesto della classe i contenuti di unità/percorsi didattici e delle presentazioni.
Programma
Simulazioni di lezione, seguite da relative discussioni metologico-disciplinari e da approfondimenti metodologico-disciplinari, su numerosi e significativi argomenti ricorrenti nei curriculum della scuola secondaria superiore. Il carattere laboratoriale del corso rende parzialmente variabile lo spettro dei contenuti matematici oggetto delle lezioni. Seguono alcuni esempi esplicativi. Esempi di titoli delle lezioni simulate: -Equazioni algebriche di II grado; -Formula di derivazione di una funzione composta; -Potenza del binomio; -Geometria analitica: la parabola; -Geometria analitica: la retta (approccio tradizionale); -Geometria analitica: la retta (approccio vettoriale); -Potenze ad esponente reale; -Retta tangente al grafico di una funzione; -Derivata; -Trasformazioni del piano: similitudini (approccio tradizionale); -Integrale (area di un sottografico); -Il teorema fondamentale del calcolo; -Numeri complessi; -Teorema di Ruffini e decomposizione di polinomi; -Sistemi lineari, approccio con prodotto scalare; -Formula per il cambiamento della variabile nell’integrale; -Limiti: definizione intuitiva e primi esempi, limiti di funzioni razionali; -Progressioni geometriche con applicazioni finanziarie; -Il teorema di Pitagora; -Formula di addizione per seno e coseno. Esempi di temi di approfondimento: -Buone pratiche didattiche: cogliere l’idea di una dimostrazione attraverso gli esempi, didattica a spirale; -Geometria, proposta metodologica: esempi di applicazione del calcolo vettoriale a situazioni standard. -Risoluzione grafica di un sistema lineare (approccio vettoriale). -Risoluzione grafica di una equazione trigonometrica lineare. -Situazioni in cui è utile ricorrere al “completamento del quadrato”: equazioni di secondo grado, equazione della parabola in posizione generica senza ricorrere al formalismo della traslazione, integrali razionali. -Formula per la potenza del binomio: approccio dimostrativo algebrico (triangolo di Tartaglia) e approccio dimostrativo combinatorio (coefficienti binomiali). Formula di Stiefel. -Dimostrazione della "formula di Ruffini" senza usare l’algoritmo della divisione. -Sezioni coniche: costruzione sintetica di Dandelin e costruzione geometrico-analitica nel piano di sezione. -Geometria analitica: teoria della retta ricorrendo al prodotto scalare. Confronto con l’approccio tradizionale (condizione di parallelismo, condizione di ortogonalità, distanza punto-retta). -Potenze ad esponente reale, il metodo della doppia approssimazione stabile. -Retta tangente al grafico di una funzione: definizione o determinazione? -Retta tangente al grafico di una funzione: il criterio della miglior approssimante. Relazione con la definizione di funzione differenziabile. -Una trattazione elementare delle similitudini piane ricorrendo a nozioni basilari di algebra lineare. -Area (del sottografico): definizione o determinazione? -Calcolo di 1^2+2^2+...+N^2. Applicazione al calcolo dell’area del settore parabolico. -Calcolo dell’area del segmento parabolico: il teorema di Archimede. -Esempio di funzione continua, crescente, avente quasi ovunque derivata nulla: la scala del diavolo (funzione di Cantor). -Numeri complessi: osservazioni sulle modalità di introduzione all’argomento. -Equazioni di II grado a coefficienti reali e numeri complessi: risoluzione grafica. -Teorema sulle radici razionali di un polinomio in Z[x]. -Serie geometrica, numeri razionali e allineamenti decimali periodici. -Dimostrazione geometrica della formula per la somma di una progressione geometrica. -Limiti notevoli: rassegna di fatti e di collegamenti fra i casi. -Equivalenza finanziaria, valore attuale, interpretazione finanziaria della somma di una progressione geometrica.
Si tratta di un corso di laboratorio in cui gli studenti si alterneranno nella simulazione di lezioni frontali (il più possibile realistiche) su argomenti ricorrenti nei curriculum della scuola secondaria di secondo grado e assegnati in precedenza dal docente. All’assegnazione di ogni argomento seguirà un ciclo di attività così composto: -Simulazione di lezione da parte dello studente. -Discussione della simulazione da parte del docente e di chiunque (fra le persone che seguono il corso) voglia contribuire con osservazioni critiche e proposte alternative. In questa fase la simulazione viene riconsiderata nel dettaglio, dal punto di vista dei contenuti disciplinari e della metodologia didattica. -Approfondimento relativo alle questioni di natura disciplinare e metodologico-didattica che sono emerse in modo naturale nella fase precedente, cioè durante la discussione della simulazione. -Nuova simulazione sullo stesso argomento, aggiornata in base alle risultanze delle fasi di discussione e di approfondimento. Relativamente ad ogni argomento, il docente, quando lo riterrà opportuno, interromperà le corrispondenti attività cicliche di simulazione-discussione-approfondimento e includerà il titolo nella lista di quelli che costituiranno materia d’esame. In seguito un nuovo argomento verrà assegnato. La durata del corso ammonta a 42 ore, una metà delle quali verranno impiegate nelle simulazioni e l’altra metà nelle fasi di discussione-approfondimento. Il corso sarà aperto agli insegnanti (che porteranno in dote la loro esperienza, mettendola attivamente a disposizione degli altri partecipanti). Il corso si terrà in lingua italiana.
Modalità d'esame
I risultati dell’apprendimento verranno valutati attraverso una prova orale della durata di 45 minuti così composta: -Una simulazione su uno degli argomenti considerati e discussi durante il corso. -La verifica delle conoscenze degli argomenti disciplinari e didattico-metodologici che sono stati oggetto di approfondimento durante il corso.
Testi di riferimento
Appunti del corso e riferimenti bibliografici indicati di volta in volta dal docente.
Codice insegnamento 51017_653589_89117
Experimental Physics Laboratory at High School Level I
1° anno · 1° semestre · 6 CFU · PHYS-06/B · 0 file
Questo corso intende fornire un’introduzione ai concetti fondamentali della Physics Education Research, alle metodologie didattiche e alle principali tecniche di progettazione didattica di attività sperimentali per…
Scheda dell'insegnamento
Obiettivi formativi
Questo corso intende fornire un’introduzione ai concetti fondamentali della Physics Education Research, alle metodologie didattiche e alle principali tecniche di progettazione didattica di attività sperimentali per l’insegnamento della fisica. Il corso inoltre si propone di dare agli studenti le nozioni di base della teoria statistica degli errori di misura e saranno discusse le principali caratteristiche degli strumenti di misura. Varie attività sperimentali saranno presentate da un punto di vista didattico e alcuni casi di studio saranno considerati adottando sia strumentazioni di laboratorio tradizionali sia nuove tecnologie applicate al laboratorio didattico della fisica. Le attività pratiche saranno svolte direttamente dagli studenti divisi in gruppi di lavoro. A termine dell’insegnamento, lo studente sarà in grado di 1) progettare in modo autonomo esperienze didattiche di laboratorio di Fisica 2) eseguire esperimenti utilizzando in modo appropriato la strumentazione del laboratorio didattico di fisica 3) analizzare i dati sperimentali utilizzando la teoria statistica degli errori di misura e gli strumenti informatici utili per l'analisi e la rappresentazione dei dati sprimentali In definitiva il corso ha lo scopo di preparare gli studenti come futuri insegnanti di corsi sperimentali di fisica introducendoli alle tecniche sperimentali, alle metodologie didattiche e alla progettazione di esperienze didattiche
Programma
Questo corso intende proporre agli studenti l'uso di strumenti didattici innovativi che permettono di coinvolgere gli studenti nell'approfondimento della fisica partendo da attività di tipo sperimentale. Le esperienze proposte riguardano principalmente temi di meccanica, ottica e termodinamica Saranno introdotti strumenti di misura di recente concezione come sensori a ultrasuoni con cui si eseguiranno misure di meccanica. I risultati delle prime attività sperimentali saranno utilizzati per discutere le esperienze da un punto di vista didattico e per introdurre alcuni concetti e metodi fondamentali della ricerca in Didattica della Fisica. Saranno introdotte le nozioni di base della teoria statistica degli errori di misura. Attraverso la costruzione e la taratura di semplici strumenti di misura saranno discusse le principali caratteristiche degli strumenti di misura. Alcune esperienze di meccanica, in parte progettate dagli studenti, concluderanno la prima parte del corso . La seconda parte del corso è incentrata su aspetti inerenti la termologia e gli effetti termici della radiazione elettromagnetica. Esperimenti molto semplici e comuni , come le misure di calore specifico, saranno accompagnati da esperimenti più sofisticati come la Misura della Costante solare o esperienze inerenti la legge di Stefan Boltzmann. Questa parte si concluderà con una discussione dei modelli utilizzati per presentare la fisica del Clima agli studenti non esperti.
Il corso ha la durata di 56 ore. Le lezioni si svolgono in laboratorio. Il corso è articolato in pochi interventi frontali e lezioni dialogate svolte dal docente in cui verranno discussi i principali aspetti teorici. La gran parte delle ore del corso sarà dedicata alle esperienze di Laboratorio, alcune delle quali progettate dagli studenti stessi. Le esperienze riguarderanno prevalentemente la meccanica ottica e termodinamica. Gli studenti le eseguiranno lavorando in piccoli gruppi da 2 a 4 studenti. Potranno utilizzare il computer per analizzare e presentare i dati ottenuti. La frequenza è obbligatoria. Solo gli studenti che avranno regolarmente frequentato il laboratorio saranno ammessi alla prova d'esame. Gli strumenti necessari per un efficace apprendimento della parte teorica riguardano innanzitutto lo studio dei testi suggeriti e del materiale didattico fornito dal docente (condiviso con gli studenti attraverso la piattaforma digitale). La strategia necessaria per un efficace apprendimento delle metodologie e dei contenuti della parte sperimentale consiste nel partecipare in modo attivo e regolare alle attività di laboratorio. Gli studenti sono invitati a concordare con il docente dei ricevimenti in cui chiarire ogni possibile dubbio che sorga nello studio degli argomenti proposti.
Modalità d'esame
L'esame si compone di due parti ciascuna delle quali concorrerà al 50% alla determinazione del voto: (A) una relazione scritta obbligatoria su uno dei temi trattati a lezione a scelta dello studente. Questa relazione deve contenere la progettazione di un’attività sperimentale, riferimenti alle metodologie didattiche, considerazioni sugli strumenti e l’analisi dei dati sperimentali. (B) Un colloquio orale in cui lo studente esporrà i contenuti della relazione discussi i quali vi saranno domande e discussioni su ulteriori argomenti affrontati durante il corso. Il colloquio può essere sostituito da una relazione scritta in cui lo studente discuterà la soluzione di 3 problemi sperimentali su ulteriori argomenti affrontati durante il corso assegnati dal docente.
Testi di riferimento
Ugo Besson Didattica della fisica Carocci ed. 2015 J.Taylor-“Introduzione all’analisi degli errori “ed. Zanichelli Slides del corso e articoli di ricerca forniti dal docente Per consultazione: Arnold B. Arons: "Guida all'insegnamento della fisica", Zanichelli. M.LORETI Teoria degli errori e fondamenti di statistica Halliday – Resnick, Fondamenti di Fisica, settima edizione di Jearl Walker (CEA) Fisica – Meccanica e Termodinamica di Corrado Mencuccini, Vittorio Silvestrini. (CEA) Fundamentals of Physics Extended 8th Editionby David Halliday Robert Resnick , Jearl Walker Elementi di fisica vol.1 Meccanica e termodinamica di Marcelo Alonso, Finn Edward J. M. Gagliardi, E. Giordano Didattica della Fisica Metodi e strumenti per l’insegnamento e l’apprendimento della fisica EDISES 2014 M. Severi, Introduzione alla sperimentazione fisica, Zanichelli Editore A. Pesci I SUGGERIMENTI DELLA RICERCA IN DIDATTICA DELLA MATEMATICA PER LA PRATICA SCOLASTICA Appunti per il corso di DIDATTICA DELLA MATEMATICA
Codice insegnamento 51017_653590_89116
Experimental Physics Laboratory at High School Level II
1° anno · 2° semestre · 6 CFU · PHYS-06/B · 0 file
Il corso ha lo scopo di preparare gli studenti come futuri insegnanti di corsi sperimentali di fisica introducendoli alle tecniche sperimentali, alle metodologie didattiche e alla progettazione di esperienze…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha lo scopo di preparare gli studenti come futuri insegnanti di corsi sperimentali di fisica introducendoli alle tecniche sperimentali, alle metodologie didattiche e alla progettazione di esperienze didattiche. Questo corso intende fornire un’introduzione agli aspetti metodologici con particolare riferimento all’organizzazione degli aspetti didattici, alla conduzione di una lezione e alla progettazione di sequenze didattiche. Il corso si propone infine di far acquisire dimestichezza con apparati sperimentali tipici del laboratorio didattico, software di acquisizione e analisi dati, ambienti di simulazione e nuove tecnologie di supporto alla didattica. Varie attività sperimentali saranno presentate da un punto di vista didattico e alcuni casi di studio saranno considerati adottando sia strumentazioni di laboratorio tradizionali sia nuove tecnologie applicate al laboratorio didattico della fisica. Le attività pratiche saranno svolte direttamente dagli studenti divisi in gruppi di lavoro. A termine dell’insegnamento, lo studente sarà in grado di 1) progettare in modo autonomo esperienze e sequenze didattiche 2) eseguire esperimenti utilizzando in modo appropriato la strumentazione del laboratorio didattico di fisica 3) analizzare i dati sperimentali utilizzando software di uso comune 4) utilizzare software di video analisi 5) costruire simulazioni utilizzando software opportuni
Programma
Questo corso intende proporre agli studenti l'uso di strumenti didattici innovativi che permettono di coinvolgere gli studenti nell'approfondimento della fisica partendo da attività di tipo sperimentale. Le esperienze proposte riguardano principalmente temi di meccanica, ottica, elettromagnetismo e fisica quantistica Saranno introdotti metodi di misura di recente sviluppo come le tecniche di video analisi, strumenti di supporto come ambienti di simulazione e applet on line. I risultati delle attività sperimentali saranno utilizzati per discutere le esperienze da un punto di vista didattico e per introdurre alcuni concetti e metodi fondamentali della ricerca in Didattica della Fisica. Alcune esperienze di meccanica saranno svolte nella prima parte del corso e discusse illustrando strumenti e metodi derivati dalla ricerca in Physics Education (costruzione di sequenze di insegnamento apprendimento, uso dei “Research based assesements”, costruzione e analisi di test) . La seconda parte del corso è incentrata su aspetti inerenti la corrente elettrica, le forze magnetiche, l’induzione elettromagnetica. Nella terza parte del corso si affronteranno temi di Fisica moderna: (1) a partire dai fenomeni di interferenza della radiazione elettromagnetica si introdurranno gli studenti alle tecniche di spettroscopia (2) si faranno misure sull’effetto fotoelettrico e la determinazione della costante di Planck (3) si discuterà e osserverà in laboratorio la diffrazione elettronica.
Il corso è articolato su 56 ore. Le lezioni si svolgono in laboratorio. Il corso è articolato in poche lezioni dialogate svolte dal docente in cui verranno discussi i principali aspetti teorici e metodologici. La gran parte delle ore del corso sarà dedicata alle esperienze di Laboratorio, alcune delle quali progettate dagli studenti stessi. Le esperienze proposte riguardano principalmente temi di meccanica, ottica, elettromagnetismo e fisica quantistica Gli studenti lavoreranno in piccoli gruppi e potranno utilizzare il computer per analizzare e presentare i dati ottenuti. La frequenza è obbligatoria. Solo gli studenti che avranno regolarmente frequentato il laboratorio saranno ammessi alla prova d'esame. Gli strumenti necessari per un efficace apprendimento della parte teorica riguardano innanzitutto lo studio dei testi suggeriti e del materiale didattico fornito dal docente (condiviso con gli studenti attraverso la piattaforma digitale). La strategia necessaria per un efficace apprendimento delle metodologie e dei contenuti della parte sperimentale consiste nel partecipare in modo attivo e regolare alle attività di laboratorio. Gli studenti sono invitati a concordare con il docente dei ricevimenti in cui chiarire ogni possibile dubbio che sorga nello studio degli argomenti proposti.
Modalità d'esame
L'esame si compone di due parti ciascuna delle quali concorrerà al 50% alla determinazione del voto: (A) una relazione scritta obbligatoria su uno dei temi trattati a lezione a scelta dello studente. Questa relazione deve contenere la progettazione di un’attività sperimentale, riferimenti alle metodologie didattiche, considerazioni sugli strumenti e l’analisi dei dati sperimentali. (B) Un colloquio orale in cui lo studente esporrà i contenuti della relazione discussi i quali vi saranno domande e discussioni su ulteriori argomenti affrontati durante il corso Ciascuna parte dell'esame contribuisce alla valutazione per il 50%. Il colloquio può essere sostituito da una relazione scritta in cui lo studente discuterà la soluzione di 3 problemi sperimentali su ulteriori argomenti affrontati durante il corso assegnati dal docente.
Testi di riferimento
Besson U. (2015) Didattica della fisica, Carrocci Editore Slides del corso e articoli di ricerca forniti dal docente Per consultazione A brief guide to using Tracker https://physlets.org/tracker/help/frameset.html Arnold B. Arons: "Guida all'insegnamento della fisica", Zanichelli. M.LORETI Teoria degli errori e fondamenti di statistica Halliday – Resnick, Fondamenti di Fisica, settima edizione di Jearl Walker (CEA) Fisica – Meccanica e Termodinamica di Corrado Mencuccini, Vittorio Silvestrini. (CEA) Fundamentals of Physics Extended 8th Editionby David Halliday Robert Resnick , Jearl Walker Elementi di fisica vol.1 Meccanica e termodinamica di Marcelo Alonso, Finn Edward J. M. Gagliardi, E. Giordano Didattica della Fisica Metodi e strumenti per l’insegnamento e l’apprendimento della fisica EDISES 2014 M. Severi, Introduzione alla sperimentazione fisica, Zanichelli Editore Roberto De Luca et al 2020 Achilles overtakes the turtle: experiments and theory addressing students’ difficulties with infinite processes Phys. Educ. 55 035010 R K. Thornton and D R. Sokoloff .Am Journal of Physics 66, 338 (1998) C. Singh, D.Rosengrant “Multiple-choice test of energy and momentum concepts” P Onorato, P Mascheretti and A DeAmbrosis Studying motion along cycloidal paths by means of digital video analysis Eur. J. Phys. 34 (2013) 921–930 CHlA TECK CHEE Common misconceptions in frictional force among university physics students Source Teaching and Learning, 16(2),107-116 K K Mashood and Vijay A Singh Rotational kinematics of a rigid body about a fixed axis: development and analysis of an inventory Eur. J. Phys. 36 (2015) 045020 L G. Rimoldini and C Singh Student understanding of rotational and rolling motion concepts PHYS. REV. ST PHYS. EDUC. RES. 1, 010102 .2005 A De Ambrosis, M Malgieri, P Mascheretti and P Onorato Investigating the role of sliding friction in rolling motion: a teaching sequence based on experiments and simulations Eur. J. Phys. 36 (2015) 035020 Bor Gregorcic Exploring Kepler’s laws using an interactive whiteboard and Algodoo 2015 Phys. Educ. 50 511 Marzari, A.; Di Mauro, M.; Rosi, T.; Onorato, P.; Malgieri, M. Investigating the Principle of Relativity and the Principle of Equivalence in Classical Mechanics: Design and Evaluation of a Teaching–Learning Sequence Based on Experiments and Simulations. Educ. Sci. 2023, 13, 712. G. Bozzo Free-Fall Demonstrations in the High School Laboratory Phys. Teach. 58 (2020). Marzari, A.; Rosi, T.; Onorato, P. Three experiments on the Einstein’s lift. Eur. J. Phys. 2021, 42, 045404 V V Mayer and E I Varaksina A simple demonstration of Einstein's lift: a body thrown upwards moves rectilinearly and uniformly relative to a free-falling model of the lift 2015 Eur. J. Phys. 36 055020 Thomas M. Scaife, Andrew F. Heckler, Student understanding of the direction of the magnetic force on a charged particle, American Journal of Physics 78, 869, 2010 David P.Maloney, Thomas L. O'Kuma, Curtis J. Hieggelke, Alan Van Heuvelen, Surveying students' conceptual knowledge of electricity and magnetism, American Journal of Physics 69, 2000 Karam R, Kneubil F B and Robilotta M R 2017, Forces on a current- carrying wire in a magnetic field: the macro{micro connection. Eur. J. Phys. 38 055201 P Onorato and A De Ambrosis How can magnetic forces do work? Investigating the problem with students Phys. Educ 48 (6) (2013) P Onorato and A De Ambrosis Magnetic damping: Integrating experimental and theoretical analysis Am. J. Phys. 80 201201
Codice insegnamento 51017_653588_89863
Financial Markets and Economic Activity
1° anno · 1° semestre · 6 CFU · ECON-01/A · 0 file
Il corso è solo in lingua inglese
Scheda dell'insegnamento
Obiettivi formativi
Il corso è solo in lingua inglese
Programma
Il corso è solo in lingua inglese
Il corso è solo in lingua inglese
Modalità d'esame
Il corso è solo in lingua inglese
Testi di riferimento
Il corso è solo in lingua inglese
Codice insegnamento 51015_653549_93170
Foundations of Geometry
1° anno · 2° semestre · 6 CFU · MATH-02/B · 0 file
Il corso intende offrire una presentazione unitaria di molti risultati centrali e ben assestati della Geometria; l'approccio è di tipo storico, cominciando da teoremi e dimostrazioni "antiche", con il proposito di essere…
Scheda dell'insegnamento
Obiettivi formativi
Il corso intende offrire una presentazione unitaria di molti risultati centrali e ben assestati della Geometria; l'approccio è di tipo storico, cominciando da teoremi e dimostrazioni "antiche", con il proposito di essere esauriente e completo (ovvero fornire tutte i dettagli necessari).
Programma
Alcuni di temi trattati sono: il teorema di Pitagora ed alcuni risultati della matematica greca (Euclide, Archimede, Apollonio, Diofanto,...), geometria analitica e geometria proiettiva, geometria differenziale e geometrie non euclidee, funzioni ellittiche, i numeri complessi in geometria, le curve in meccanica, curve algebriche,....
Lezioni frontali e redazione di una dispensa
Modalità d'esame
Redazione e correzione di una dispensa e esame orale
Testi di riferimento
J. Stillwell, Mathematics and its history, UTM Springer M. Andreatta, La forma delle cose, Il Mulino 2019 M. Andreatta, Archimede, l'arte della misura, Il Mulino 2021 INDIRIZZO INTERNET DEL SITO DEL CORSO https://andreatta.maths.unitn.it/didattica.html
Codice insegnamento 51017_653558_89905
Fourier Analysis
1° anno · 2° semestre · 6 CFU · MATH-03/A · 0 file
Allo studente è richiesto l'apprendimento degli elementi essenziali della teoria delle serie di Fourier e della trasformata di Fourier, nonché di alcune applicazioni rilevanti. Ci si aspetta inoltre che sia in grado di…
Scheda dell'insegnamento
Obiettivi formativi
Allo studente è richiesto l'apprendimento degli elementi essenziali della teoria delle serie di Fourier e della trasformata di Fourier, nonché di alcune applicazioni rilevanti. Ci si aspetta inoltre che sia in grado di impostare e completare autonomamente la risoluzione di esercizi e problemi simili a quelli proposti durante il corso.
Programma
Introduzione all'analisi di Fourier: motivazioni (corda vibrante, equazione delle onde, equazione del calore). Serie di Fourier: definizione e proprietà di base. Nucleo di Dirichlet, convoluzioni. Teorema di Fejer. Convergenza delle serie di Fourier. Convergenza in media quadratica. Convergenza puntuale. Esistenza di funzioni continue e periodiche, la cui serie di Fourier diverge in almeno un punto. Trasformata di Fourier in una variabile reale: definizione, proprietà ed esempi. Lo spazio di Schwartz. Formula di inversione della trasformata di Fourier. Formula di Plancherel. Applicazioni ad alcune equazioni alle derivate parziali. Nucleo del calore, nucleo di Poisson. Ulteriori applicazioni: il teorema di Shannon e il principio di indeterminazione di Heisenberg. Trasformata di Fourier per funzioni di n variabili reali. Introduzione alla teoria delle distribuzioni. Distribuzioni temperate e loro trasformate di Fourier.
Lezioni frontali.
Modalità d'esame
Esame scritto e orale. La prova orale può essere sostenuta dopo aver superato la prova scritta con voto pari o superiore a 18/30.
Testi di riferimento
E.M. Stein - R. Shakarchi, Fourier Analysis: an introduction. Ulteriori riferimenti e materiale bibliografico verranno indicati durante il corso.
Codice insegnamento 51015_653563_91534
Fourier Analysis
1° anno · 2° semestre · 6 CFU · MATH-03/A · 0 file
Allo studente è richiesto l'apprendimento degli elementi essenziali della teoria delle serie di Fourier e della trasformata di Fourier, nonché di alcune applicazioni rilevanti. Ci si aspetta inoltre che sia in grado di…
Scheda dell'insegnamento
Obiettivi formativi
Allo studente è richiesto l'apprendimento degli elementi essenziali della teoria delle serie di Fourier e della trasformata di Fourier, nonché di alcune applicazioni rilevanti. Ci si aspetta inoltre che sia in grado di impostare e completare autonomamente la risoluzione di esercizi e problemi simili a quelli proposti durante il corso.
Programma
Introduzione all'analisi di Fourier: motivazioni (corda vibrante, equazione delle onde, equazione del calore). Serie di Fourier: definizione e proprietà di base. Nucleo di Dirichlet, convoluzioni. Teorema di Fejer. Convergenza delle serie di Fourier. Convergenza in media quadratica. Convergenza puntuale. Esistenza di funzioni continue e periodiche, la cui serie di Fourier diverge in almeno un punto. Trasformata di Fourier in una variabile reale: definizione, proprietà ed esempi. Lo spazio di Schwartz. Formula di inversione della trasformata di Fourier. Formula di Plancherel. Applicazioni ad alcune equazioni alle derivate parziali. Nucleo del calore, nucleo di Poisson. Ulteriori applicazioni: il teorema di Shannon e il principio di indeterminazione di Heisenberg. Trasformata di Fourier per funzioni di n variabili reali. Introduzione alla teoria delle distribuzioni. Distribuzioni temperate e loro trasformate di Fourier.
Lezioni frontali.
Modalità d'esame
Esame scritto e orale. La prova orale può essere sostenuta dopo aver superato la prova scritta con voto pari o superiore a 18/30.
Testi di riferimento
E.M. Stein - R. Shakarchi, Fourier Analysis: an introduction. Ulteriori riferimenti e materiale bibliografico verranno indicati durante il corso.
Codice insegnamento 51015_653680_91534
Geometric Analysis
1° anno · 2° semestre · 9 CFU · MATH-03/A · 0 file
Lo scopo del corso è quello di introdurre i concetti fondamentali e gli strumenti basilari della moderna Analisi Geometrica e della Geometria Riemanniana. Alla fine del corso gli studenti saranno in grado di: - avere una…
Scheda dell'insegnamento
Obiettivi formativi
Lo scopo del corso è quello di introdurre i concetti fondamentali e gli strumenti basilari della moderna Analisi Geometrica e della Geometria Riemanniana. Alla fine del corso gli studenti saranno in grado di: - avere una buona intuizione delle nozioni di curvatura intrinseca ed estrinseca; - tradurre efficacemente i problemi geometrici in una conveniente forma analitica; - utilizzare proficuamente un numero congruo di tecniche analitiche per lo studio delle equazioni provenienti dalla geometria; - avere una preparazione culturale e tecnica adeguata ad affrontare lo studio di un testo avanzato di Relatività Generale.
Programma
I) Una breve introduzione alle varietà differenziabili, ai fibrati tensoriali e al calcolo tensoriale. II) Derivata covariante, connessioni affini e metriche Riemanniane. III) Il tensore di curvatura di Riemann. Proprietà fondamentali e decomposizione ortogonale. Varietà localmente conformemente piatte. IV) Equazioni fondamentali della geometria Riemanniana. Seconda forma fondamentale. Equazioni di Gauss e Codazzi. V) Teoria variazionale delle geodetiche. Il funzionale lunghezza e il funzionale energia. Formule di variazione prima e di variazione seconda con applicazioni. VI) Introduzione allo studio delle superfici minime. Variazione prima e seconda del funzionale area. VII) Geometria del confronto, il Teorema di Bishop-Gromov. VIII) Il Teorema di Splitting di Cheeger-Gromoll con applicazioni.
Lezioni frontali ed esercitazioni.
Modalità d'esame
Testi di riferimento
T. Colding and W. Minicozzi, A course in minimal surfaces M. Do Carmo, Riemannian Geometry S. Gallot, D. Hulin and J. Lafontaine, Riemannian Geometry Q. Han and F. Lin, Elliptic Partial Differential Equations P. Li, Geometric Analysis P. Petersen, Riemannian Geometry R. Wald, General Relativity
Codice insegnamento 51015_653574_92573
Geometric Analysis
1° anno · 2° semestre · 9 CFU · MATH-03/A · 0 file
Lo scopo del corso è quello di introdurre i concetti fondamentali e gli strumenti basilari della moderna Analisi Geometrica e della Geometria Riemanniana. Alla fine del corso gli studenti saranno in grado di: - avere una…
Scheda dell'insegnamento
Obiettivi formativi
Lo scopo del corso è quello di introdurre i concetti fondamentali e gli strumenti basilari della moderna Analisi Geometrica e della Geometria Riemanniana. Alla fine del corso gli studenti saranno in grado di: - avere una buona intuizione delle nozioni di curvatura intrinseca ed estrinseca; - tradurre efficacemente i problemi geometrici in una conveniente forma analitica; - utilizzare proficuamente un numero congruo di tecniche analitiche per lo studio delle equazioni provenienti dalla geometria; - avere una preparazione culturale e tecnica adeguata ad affrontare lo studio di un testo avanzato di Relatività Generale.
Programma
I) Una breve introduzione alle varietà differenziabili, ai fibrati tensoriali e al calcolo tensoriale. II) Derivata covariante, connessioni affini e metriche Riemanniane. III) Il tensore di curvatura di Riemann. Proprietà fondamentali e decomposizione ortogonale. Varietà localmente conformemente piatte. IV) Equazioni fondamentali della geometria Riemanniana. Seconda forma fondamentale. Equazioni di Gauss e Codazzi. V) Teoria variazionale delle geodetiche. Il funzionale lunghezza e il funzionale energia. Formule di variazione prima e di variazione seconda con applicazioni. VI) Introduzione allo studio delle superfici minime. Variazione prima e seconda del funzionale area. VII) Geometria del confronto, il Teorema di Bishop-Gromov. VIII) Il Teorema di Splitting di Cheeger-Gromoll con applicazioni.
Lezioni frontali ed esercitazioni.
Modalità d'esame
Testi di riferimento
T. Colding and W. Minicozzi, A course in minimal surfaces M. Do Carmo, Riemannian Geometry S. Gallot, D. Hulin and J. Lafontaine, Riemannian Geometry Q. Han and F. Lin, Elliptic Partial Differential Equations P. Li, Geometric Analysis P. Petersen, Riemannian Geometry R. Wald, General Relativity
Codice insegnamento 51018_653574_92573
Geometric Measure Theory
1° anno · 2° semestre · 6 CFU · MATH-03/A · 0 file
Gli studenti dovrebbero acquisire esperienza su alcuni argomenti selezionati in teoria geometrica della misura e alcune applicazioni alla teoria delle superfici minime.
Scheda dell'insegnamento
Obiettivi formativi
Gli studenti dovrebbero acquisire esperienza su alcuni argomenti selezionati in teoria geometrica della misura e alcune applicazioni alla teoria delle superfici minime.
Programma
1) Richiami e complementi di teoria della misura: misure e misure esterne; funzioni misurabili; misure assolutamente continue e singolari; Teoremi di decomposizione di Radon-Nikodym e di Lebesgue; spazi $L^ p(X,\mu) $ e loro proprietà principali; Teorema di rappresentazione di Riesz; misure con segno e misure vettoriali; convergenza debole* di misure; operazioni su misure. 2) Differenziazione di Misure di Radon: ricoprimenti e ricoprimenti fini con palle in $\R^n$; Teorema di ricoprimento di Vitali e proprietà di ricoprimenti di Vitali per la misura di Lebesgue; estensione a spazi metrici; Proprietà di ricoprimenti di Vitali per una misura di Radon su $\R^n$; Teorema di ricoprimento di Besicovitch; estensione del teorema di ricoprimento di Besicovitch agli spazi metrici; derivata di una misura di Radon rispetto ad una data su $\R^n$; Teorema di decomposizione di Lebesgue su $\R^n$ mediante la differenziazione delle misure di Radon; Teorema di Lebesgue-Besicovitch di differenziazione di misure di Radon su $\R^n$; Punti Lebesgue e densità di una misura rispetto a una misura di Radon. 3) Introduzione a misure di Hausdorff e formule di area e coarea: definizione di misure di Hausdorff su $\R^n$ e loro proprietà elementari; dimensione di Hausdorff; dimensione di Hausdorff di alcuni insiemi di Cantor; disuguaglianza isodiametrica e identità $\mathcal H^n =\mathcal L^n$ su $\R^n$; risultati fondamentali su funzioni lipschitziane tra spazi euclidei e relazioni con le misure di Hausdorff; teorema di Rademacher; formule di area e coarea e alcune applicazioni. 4) Insiemi rettificabili e blow-up di misure di Radon: insiemi rettificabili in $\R^n$ e loro decomposizione in immagini lipschitziane; piani tangenti approssimati a insiemi rettificabili; blow-up di misure di Radon su $\R^n$ e rettificabilità. 5) Introduzione alle superfici minime e alla teoria delle correnti. Prerequisiti di algebra multi-lineare, correnti, massa, bordo, correnti rettificabili, push-forward e prodotto di correnti, formula di omotopia e norma flat, teorema di deformazione poliedrale, slicing, teorema di chiusura.
Lezioni frontali in aula con appunti forniti dal docente. Agli studenti sarà chiesto di trattare alcuni argomenti da soli, leggendone sui libri di testo suggeriti.
Modalità d'esame
L'esame finale si svolgerà tramite una prova orale o sotto forma di seminario, con successiva discussione di argomenti correlati e trattati durante il corso. Le competenze che si intendono verificare tramite la prova sono la capacità dello studente di esposizione delle conoscenze acquisite.
Testi di riferimento
-) L. Ambrosio, N. Fusco, D. Pallara, Functions of Bounded Variation and Free Discontinuity Problems, Oxford Mathematical Monographs, Oxford University Press, 2000. -) L.C. Evans, R. Gariepy, Measure Theory and Fine Properties of Functions, CRC Press, Boca Raton, 1992. -) K. Falconer, The Geometry of Fractal Sets, Cambridge Tracts in Mathematics 85, Cambridge University Press, 1986. -) H. Federer, Geometric Measure Theory, Springer, 1969. -) E. Giusti, Minimal Surfaces and Functions of Bounded Variation, Birkhäuser, Boston, 1984. -) S. G. Krantz, H. R. Parks, Geometric integration theory, Birkhäuser Boston, 2008. -) F. Maggi, Sets of Finite Perimeter and Geometric Varatianol Problems, Cambridge studies in advanced mathematics 135, Cambridge University Press, New York, 2012. -) P. Mattila, Geometry of Sets and Measures in Euclidean Spaces, Cambridge University Press, 1995. -) F. Morgan, Geometric Measure Theory, A beginner's Guide, Academic Press, 1988. -) F. Serra Cassano, An Introduction to Geometric Measure Theory and an Application to Minimal Surfaces (Lecture notes). -) L. Simon, Lectures on Geometric Measure Theory, Centre for Mathematical Analysis, Australian National University, 1984.
Codice insegnamento 51018_653631_89926
Graphical models and network science
1° anno · 1° semestre · 6 CFU · MATH-03/B · 0 file
Lo studente alla fine di questo insegnamento sarà in grado di utilizzare modelli grafici per lo studio della relazione tra variabili sia continue che discrete e modelli statistici per lo studio di reti. Avrà appreso…
Scheda dell'insegnamento
Obiettivi formativi
Lo studente alla fine di questo insegnamento sarà in grado di utilizzare modelli grafici per lo studio della relazione tra variabili sia continue che discrete e modelli statistici per lo studio di reti. Avrà appreso gli aspetti fondamentali della teoria e sarà in grado di applicare i risultati teorici a casi pratici attraverso l'uso di un programma di calcolo statistico.
Programma
- Grafi ad indipendenza condizionata, proprietà Markov e fattorizzazione, grafi decomponibili, teorema di Hammersley-Clifford • Modelli log-lineari: identificazione, inferenza, selezione del modello • Modelli grafici Gaussiani: grafo a indipendenza condizionata, inferenza, selezione del modello • Estensione a dati ad alta dimensionalità: graphical lasso • Grafi diretti: proprietà Markov, inferenza, selezione del modello • Causalità, algoritmo PC • Modellizzazione di sistemi dinamici con quasi-reaction models • Modelli di eventi relazionali • Modellizzazione di reti: misure statistiche; modelli generativi • Modelli a blocchi stocastici per la clusterizzazione di dati di rete: inferenza con algoritmo EM
Lezioni frontali e esercitazioni al computer.
Modalità d'esame
Esame orale e compiti per casa.
Testi di riferimento
Libri di riferimento: J. Whittaker (2008) Graphical models in applied multivariate statistics, Wiley. S. Lauritzen (1996) Graphical models, Oxford University Press S. Højsgaard, D. Edwards, S. Lauritzen (2012) Graphical models with R, Springer Statistical Analysis of Network Data with R, 2nd Edition (2020). Kolaczyk, E.D. and Csardi, G. New York, Springer Altre letture: A. Agresti (2013) Categorical data analysis, Wiley, New Jersey. A Roverato (2017) Graphical models for categorical data, Cambridge University Press. M. Scutari (2014) Bayesian networks: with examples in R. Chapman and Hall, London. D. Wilkinson (2012) Stochastic modelling for systems biology. Chapman and Hall, London.
Codice insegnamento 51015_653568_95393
Interactive Theorem Proving
1° anno · 2° semestre · 6 CFU · INFO-01/A · 0 file
L’obiettivo del corso è quello di insegnare agli studenti l'uso del proof assistant Lean 4, un software che consente di dimostrare enunciati matematici interagendo con esso, fornendo suggerimenti sui prossimi passi della…
Scheda dell'insegnamento
Obiettivi formativi
L’obiettivo del corso è quello di insegnare agli studenti l'uso del proof assistant Lean 4, un software che consente di dimostrare enunciati matematici interagendo con esso, fornendo suggerimenti sui prossimi passi della dimostrazione in corso, e verificando la correttezza della prova così costruita. Lo studente alla fine del corso avrà imparato a: comprendere i fondamenti di Lean 4 e la sottostante teoria dei tipi;usare Lean 4 per formalizzare definizioni di oggetti matematici e le loro proprietà;dimostrare enunciati formali e verificarne la correttezza della prova;sfruttare l'automazione di Lean 4 in modo da ricevere suggerimenti;cercare nella libreria Mathlib 4 definizioni e risultati che sono utili per completare una dimostrazione desiderata.
Programma
Dimostrare teoremi è un compito complesso. Nello scrivere una dimostrazione che fa uso di varie definizioni e vari risultati precedenti, può essere facile per un dimostratore umano ignorare una parte di una definizione, dimenticarsi di verificare una delle ipotesi di un lemma, o semplicemente dimenticarsi di verificare tutti i casi possibili, creando così un gap nella dimostrazione. I proof assistant sono strumenti software progettati per aiutare gli umani a scrivere dimostrazioni. Per esempio, usando un proof assistant si possono automaticamente trovare eventuali gap nelle dimostrazioni, e di conseguenza possiamo essere certi che la propria dimostrazione sia completamente corretta una volta che viene accettata dal software. Il proof assistant può anche aiutare in altri modi durante la stesura della dimostrazione, suggerendo risultati già dimostrati che possono essere rilevanti per i prossimi passi di ragionamento. I proof assistant stanno gradualmente venendo sempre più usati dai matematici. Al momento, c'è una comunità in espansione che si sta occupando di formalizzare i teoremi matematici più importanti nelle varie aree. Questo ha già portato alla formalizzazione di risultati importanti in teoria dei grafi, algebra, topologia algebrica, teoria dei numeri, informatica, e molti altri campi. Questo corso presente Lean 4, uno dei proof assistant più usati, e le sue fondamenta teoriche. Gli studenti impareranno ad usarlo per stendere dimostrazioni, e fare esperienza con esso per formalizzare alcuni risultati di base da alcune aree scelte tra matematica e informatica. Fondamenti di Lean 4: tipi semplici (funzioni)tipi algebrici (somme e prodotti)tipi dipendenti (somme dipendenti e prodotti dipendenti)tipi induttiviuniversi (predicativi e impredicativi)tipi quozientetipi e insiemil'isomorfismo di Curry-Howard Tecniche di dimostrazione in Lean 4 introduzione e eliminazioneanalisi dei casi (incluso il pattern matching dipendente e i suoi motivi)induzionetattiche generali per la provatattiche per l'uguaglianza (semplificazione, riscrittura, conversione, calcolo)librerie standard di Lean 4 Pratica di theorem proving practice con Lean 4 editing generale in Lean 4argomenti implicititype class e istanzedefinizioni e teoremi (incluso le definizioni non calcolabili)cercare teoremi dentro Mathlib 4esercizi sul dimostrare proprietà di base da diverse aree della matematica
Lezioni ed esercitazioni pratiche al PC con Lean 4. Durante le esercitazioni, si suggerisce di lavorare in piccoli gruppi.
Modalità d'esame
La prova d'esame è composta da un progetto e da una prova scritta. Il progetto consiste nel formalizzare una qualche dimostrazione dalla letteratura in Lean 4, o nella redazione di un altro elaborato simile inerente al corso. Ogni studente deve far preventivamente approvare dal docente il proprio argomento e la natura del proprio elaborato. Il progetto è di norma individuale e non di gruppo. I progetti di gruppo sono ammessi solo quando i compiti vengono chiaramente divisi tra gli studenti, previa approvazione del docente. Ogni studente deve quindi fare una presentazione del progetto svolto. La prova scritta consiste in una lista di esercizi su Lean 4 e i suoi fondamenti. Gli esercizi sono in parte da svolgere usando Lean 4, e in parte da svolgere su carta (senza accesso a Lean 4). La valutazione voto finale è la somma della valutazione del progetto (max 10/30) e della prova scritta (max 20/30). Un punto bonus (+1/30) può essere attribuito ad ogni parte in caso di soluzioni particolarmente brillanti.
Testi di riferimento
Le note del corso saranno distribuite durante il corso. Theorem Proving in Lean 4 -- un tutorial su Lean 4. Mathematics in Lean -- un libro online su come formalizzare la matematica in Lean 4.
Codice insegnamento 51018_653544_97105
Interactive Theorem Proving
1° anno · 2° semestre · 6 CFU · INFO-01/A · 0 file
L’obiettivo del corso è quello di insegnare agli studenti l'uso del proof assistant Lean 4, un software che consente di dimostrare enunciati matematici interagendo con esso, fornendo suggerimenti sui prossimi passi della…
Scheda dell'insegnamento
Obiettivi formativi
L’obiettivo del corso è quello di insegnare agli studenti l'uso del proof assistant Lean 4, un software che consente di dimostrare enunciati matematici interagendo con esso, fornendo suggerimenti sui prossimi passi della dimostrazione in corso, e verificando la correttezza della prova così costruita. Lo studente alla fine del corso avrà imparato a: comprendere i fondamenti di Lean 4 e la sottostante teoria dei tipi;usare Lean 4 per formalizzare definizioni di oggetti matematici e le loro proprietà;dimostrare enunciati formali e verificarne la correttezza della prova;sfruttare l'automazione di Lean 4 in modo da ricevere suggerimenti;cercare nella libreria Mathlib 4 definizioni e risultati che sono utili per completare una dimostrazione desiderata.
Programma
Dimostrare teoremi è un compito complesso. Nello scrivere una dimostrazione che fa uso di varie definizioni e vari risultati precedenti, può essere facile per un dimostratore umano ignorare una parte di una definizione, dimenticarsi di verificare una delle ipotesi di un lemma, o semplicemente dimenticarsi di verificare tutti i casi possibili, creando così un gap nella dimostrazione. I proof assistant sono strumenti software progettati per aiutare gli umani a scrivere dimostrazioni. Per esempio, usando un proof assistant si possono automaticamente trovare eventuali gap nelle dimostrazioni, e di conseguenza possiamo essere certi che la propria dimostrazione sia completamente corretta una volta che viene accettata dal software. Il proof assistant può anche aiutare in altri modi durante la stesura della dimostrazione, suggerendo risultati già dimostrati che possono essere rilevanti per i prossimi passi di ragionamento. I proof assistant stanno gradualmente venendo sempre più usati dai matematici. Al momento, c'è una comunità in espansione che si sta occupando di formalizzare i teoremi matematici più importanti nelle varie aree. Questo ha già portato alla formalizzazione di risultati importanti in teoria dei grafi, algebra, topologia algebrica, teoria dei numeri, informatica, e molti altri campi. Questo corso presente Lean 4, uno dei proof assistant più usati, e le sue fondamenta teoriche. Gli studenti impareranno ad usarlo per stendere dimostrazioni, e fare esperienza con esso per formalizzare alcuni risultati di base da alcune aree scelte tra matematica e informatica. Fondamenti di Lean 4: tipi semplici (funzioni)tipi algebrici (somme e prodotti)tipi dipendenti (somme dipendenti e prodotti dipendenti)tipi induttiviuniversi (predicativi e impredicativi)tipi quozientetipi e insiemil'isomorfismo di Curry-Howard Tecniche di dimostrazione in Lean 4 introduzione e eliminazioneanalisi dei casi (incluso il pattern matching dipendente e i suoi motivi)induzionetattiche generali per la provatattiche per l'uguaglianza (semplificazione, riscrittura, conversione, calcolo)librerie standard di Lean 4 Pratica di theorem proving practice con Lean 4 editing generale in Lean 4argomenti implicititype class e istanzedefinizioni e teoremi (incluso le definizioni non calcolabili)cercare teoremi dentro Mathlib 4esercizi sul dimostrare proprietà di base da diverse aree della matematica
Lezioni ed esercitazioni pratiche al PC con Lean 4. Durante le esercitazioni, si suggerisce di lavorare in piccoli gruppi.
Modalità d'esame
La prova d'esame è composta da un progetto e da una prova scritta. Il progetto consiste nel formalizzare una qualche dimostrazione dalla letteratura in Lean 4, o nella redazione di un altro elaborato simile inerente al corso. Ogni studente deve far preventivamente approvare dal docente il proprio argomento e la natura del proprio elaborato. Il progetto è di norma individuale e non di gruppo. I progetti di gruppo sono ammessi solo quando i compiti vengono chiaramente divisi tra gli studenti, previa approvazione del docente. Ogni studente deve quindi fare una presentazione del progetto svolto. La prova scritta consiste in una lista di esercizi su Lean 4 e i suoi fondamenti. Gli esercizi sono in parte da svolgere usando Lean 4, e in parte da svolgere su carta (senza accesso a Lean 4). La valutazione voto finale è la somma della valutazione del progetto (max 10/30) e della prova scritta (max 20/30). Un punto bonus (+1/30) può essere attribuito ad ogni parte in caso di soluzioni particolarmente brillanti.
Testi di riferimento
Le note del corso saranno distribuite durante il corso. Theorem Proving in Lean 4 -- un tutorial su Lean 4. Mathematics in Lean -- un libro online su come formalizzare la matematica in Lean 4.
Codice insegnamento 51018_653666_97105
Introduction to Computer and Network Security
1° anno · 1° semestre · 6 CFU · IINF-05/A · 0 file
Corso introduttivo alla disciplina della sicurezza di reti e dispositivi informatici. Gli obiettivi principali sono permettere agli studenti di (i) comprendere i problemi teoretici e pratici della sicurezza…
Scheda dell'insegnamento
Obiettivi formativi
Corso introduttivo alla disciplina della sicurezza di reti e dispositivi informatici. Gli obiettivi principali sono permettere agli studenti di (i) comprendere i problemi teoretici e pratici della sicurezza dell'informazione, (ii) comprendere e riconoscere le minacce alle proprietà fondamentali della sicurezza: confidenzialità, integrità, e disponibilità - e (iii) comprendere come i principali meccanismi di sicurezza (quali crittografia, protocolli di autenticazione, autorizzazione, e controllo degli accessi) possono essere applicati per mitigare vulnerabilità.
Programma
Nozioni di base di sicurezza: la triade CIA, politiche di sicurezza e relativi meccanismi / servizi, rischio, fattore umano, gestione dei rischi Identità digitale: identificazione, autenticazione, password, livelli di assurance, autenticazione contestuale, Single Sign On, standard per l'autenticazione: SAML, SPID, eIDAS Controllo degli accessi: politiche, modelli, meccanismi di enforcement; panoramica sui modelli per il controllo degli accessi: Matrix model, Access Control Lists, Capabilities, Discretionary/Mandatory/Role-Based Access Control, Attribute-Based Access Control (ABAC); paradigma di riferimento per l'enforcement di politiche di controllo degli accessi ABAC: eXtensible Access Control Markup Language (XACML); protocollo di delega dell'autorizzazione: OAuth. Introduzione alla Crittografia: breve storia, nozioni di base, crittografia simmetrica ed asimmetrica, AES, DES, RSA, Diffie-Hellman Crittografia applicata-PKI & TLS: firme digitali, certificati, infrastruttura a chiave pubblica (PKI), cenni del protocollo SSL/TLS e relativi problemi di sicurezza Sicurezza del web ed IoT: browser, cookie, politica same-origin, vulnerabilità lato client e lato server (ad esempio cross-site scripting, injection, fishing); modello Publish-Subscribe, protocollo MQTT, broker MQTT e relative vulnerabilità Approccio Zero Trust alla sicurezza Privacy e protezione dei dati: tecniche di pseudo-anonimizzazione (ad esempio k-anonymity) e la General Data Protection Regulation Problemi di sicurezza e privacy degli algoritmi di Intelligenza Artificiale, in particolare del Machine Learning
Un misto di lezioni teoriche, esercizi ed analisi di incidenti di sicurezza reali.
Modalità d'esame
Un esame scritto (eventualmente suddiviso in moduli) al termine del corso, composto da esercizi, domande a risposta multipla o domande a risposta aperta sugli argomenti trattati durante il corso.
Testi di riferimento
Presentazioni e puntatori a materiale aggiuntivo, inclusa una selezione degli esami passati, saranno messi a disposizione sulla pagina Moodle del corso.
Codice insegnamento 51016_653627_93219
Inverse Problems in Biology and Medicine
1° anno · 1° semestre · 6 CFU · MATH-05/A · 0 file
1. Conoscenza e capacità di comprensione Conoscere i modelli matematici alla base di diverse tecniche di imaging biomedico. Conoscere e comprendere gli strumenti matematici usati nello studio di questi modelli e in…
Scheda dell'insegnamento
Obiettivi formativi
1. Conoscenza e capacità di comprensione Conoscere i modelli matematici alla base di diverse tecniche di imaging biomedico. Conoscere e comprendere gli strumenti matematici usati nello studio di questi modelli e in particolare quelli relativi ai problemi inversi. 2. Capacità di applicare conoscenza e comprensione - Autonomia di giudizio Capacità di individuare e applicare i metodi più appropriati per la risoluzione di certi problemi matematici nel imaging biomedico. 3. Abilità di comunicazione Usare con proprietà il linguaggio matematico in certi problemi di imaging biomedico.
Programma
- Modalità di imaging biomedico: tomografia a raggi X, elettroencefalografia, magnetoencephalografia, electrocardiografia, tomografia a impedenza elettrica. - Introduzione alla teoria matematica dei problemi inversi; metodi classici di regolarizazione. - Applicazione della teoria matematica dei problemi inversi in alcuni problemi di imaging biomedico.
Lezioni teoriche e esercitazioni in linguaggio Matlab.
Modalità d'esame
Esame orale inteso a verificare le conoscenze acquisite nel corso sui problemi inversi e la capacità di identificare i modelli matematici alla base di certe tecniche di imaging biomedico.
Testi di riferimento
H. Ammari: An Introduction to Mathematics of Emerging Biomedical Imaging, Springer 2008. D. Kincaid and W. Cheney: Numerical Analysis: Mathematics of Scientific Computing,(The Sally Series; Pure and Applied Undergraduate Texts, Vol. 2) AMS 2002. H. W. Engl, M. Hanke and A. Neubauer: Regularization of Inverse Problems. Kluwer Academic Publishers, 2000. A. Kirsch: An Introduction to the Mathematical Theory of Inverse Problems (second edition). Springer, 2011.
Codice insegnamento 51015_653652_97114
Markov Decision Processes and Reinforcement Learning
1° anno · 1° semestre · 6 CFU · MATH-03/B · 0 file
L’insegnamento introduce i fondamenti matematici e i principali algoritmi del reinforcement learning e dei processi decisionali di Markov. Sviluppa la capacità di formalizzare problemi decisionali sequenziali, analizzare…
Scheda dell'insegnamento
Obiettivi formativi
L’insegnamento introduce i fondamenti matematici e i principali algoritmi del reinforcement learning e dei processi decisionali di Markov. Sviluppa la capacità di formalizzare problemi decisionali sequenziali, analizzare le ipotesi e il comportamento dei metodi di reinforcement learning, e implementare e valutare algoritmi selezionati. L’insegnamento contribuisce allo sviluppo delle competenze matematiche, computazionali e di ragionamento critico previste dal Corso di Studio in Matematica. Al termine dell’insegnamento, la o lo studente sarà in grado di: 1. formalizzare problemi decisionali sequenziali finiti come processi decisionali di Markov, identificando stati, azioni, ricompense, leggi di transizione, politiche e criteri di rendimento; 2. derivare, interpretare e applicare le equazioni di Bellman di aspettazione e di ottimalità in contesti finiti, scontati ed episodici; 3. analizzare metodi di programmazione dinamica, Monte Carlo, temporal difference e controllo model-free, incluse le rispettive ipotesi e la distinzione tra apprendimento on-policy e off-policy; 4. implementare, verificare e interpretare algoritmi tabulari di reinforcement learning in piccoli ambienti simulati, usando adeguate misure di prestazione e visualizzazioni; 5. spiegare e applicare, a livello introduttivo, l’approssimazione delle funzioni di valore, il Deep Q-learning, i metodi policy-gradient e actor–critic, e metodi selezionati di reinforcement learning model-based; 6. confrontare metodi di reinforcement learning e giustificare la scelta di un algoritmo in relazione a un problema decisionale, al modello o ai dati disponibili, agli spazi di stato e azione, ai vincoli computazionali e alle possibili criticità; 7. comunicare con chiarezza argomentazioni matematiche e risultati computazionali, anche mediante codice, grafici e una sintetica presentazione orale.
Programma
Fondamenti del reinforcement learning: interazione agente–ambiente, rendimento, politiche, funzioni valore, esplorazione e sfruttamento, e relazione tra osservabilità e proprietà di Markov.Processi decisionali di Markov finiti: formulazioni scontate ed episodiche, equazioni di Bellman di aspettazione e di ottimalità, politiche ottime, predizione e controllo.Programmazione dinamica e controllo ottimo: valutazione e miglioramento della politica, policy iteration, value iteration e pianificazione approssimata/asincrona.Predizione model-free: metodi Monte Carlo, temporal difference e multi-step; campionamento, bootstrapping e compromesso tra distorsione e varianza.Controllo model-free: generalised policy iteration, strategie di esplorazione, SARSA, Q-learning, Expected SARSA, Double Q-learning e introduzione all’importance sampling per l’apprendimento off-policy.Approssimazione di funzione e deep reinforcement learning: metodi semi-gradient, approssimazione lineare e costruzione di caratteristiche, deadly triad, approssimazione tramite reti neurali, Deep Q-Networks, experience replay, target networks ed estensioni selezionate di DQN.Metodi basati su politica: politiche stocastiche, REINFORCE, riduzione della varianza tramite baseline e metodi actor–critic.Reinforcement learning model-based e pianificazione: modelli appresi, Dyna-Q, rollouts, Monte Carlo Tree Search, errore di modello e incertezza.Applicazioni e limiti del reinforcement learning, inclusi scelta dell’algoritmo, valutazione, progettazione della ricompensa, riproducibilità e casi di studio selezionati.
L’insegnamento è erogato in modalità blended ed è normalmente organizzato, per 12 settimane, in una sessione in presenza di 2 ore il lunedì e in un modulo asincrono di 2 ore il mercoledì. Le sessioni in presenza combinano una breve attività di recupero con lezioni, derivazioni matematiche, discussioni di dimostrazioni, problem solving collaborativo, discussioni sulla progettazione degli algoritmi e revisione o debugging di codice basati sul lavoro asincrono precedente. Sono dedicate ai nodi concettuali e matematici principali dell’insegnamento, quali le equazioni di Bellman, il miglioramento della politica, il confronto tra Monte Carlo e temporal difference, l’apprendimento off-policy, l’approssimazione di funzione e i policy gradient. I moduli asincroni combinano letture specificate dai materiali del corso e brevi video, quiz a basso impatto valutativo e attività guidate in notebook Python. Ogni modulo ha due finalità: consolidare l’argomento affrontato nella precedente sessione in presenza mediante implementazione e interpretazione dei risultati, e preparare una parte circoscritta dell’argomento della sessione in presenza successiva mediante definizioni, pseudocodice, esempi o domande preparatorie. È richiesto di completare, o documentare un tentativo motivato di completamento, delle attività nei notebook e di riflettere brevemente sui risultati ottenuti. Quiz formativi, esercizi svolti e feedback sui notebook sostengono l’autovalutazione durante l’insegnamento. Non concorrono direttamente al voto finale, salvo diversa comunicazione all’inizio del corso.
Modalità d'esame
La valutazione finale consiste in un esame orale con presentazione di un progetto. Il progetto può consistere nell’implementazione e nella valutazione di un metodo di reinforcement learning, in uno studio comparativo su un problema decisionale di piccola scala assegnato o concordato, oppure nell’analisi di un articolo di ricerca individuato con il docente. Il progetto viene presentato oralmente. La valutazione riguarda la capacità di applicare i metodi trattati nel corso, interpretare criticamente i risultati computazionali, documentare il lavoro in modo chiaro e comunicarlo efficacemente. Se il progetto viene svolto in gruppo, il contributo individuale e la comprensione dei contenuti da parte di ciascuno vengono verificati durante l’esame orale. Durante e dopo la presentazione si terrà una discussione sui concetti matematici, sulle ipotesi, sugli algoritmi e su alcune delle derivazioni trattate nel corso, con particolare attenzione a quelli rilevanti per il progetto. Il voto finale tiene conto della correttezza e della profondità del ragionamento matematico, della capacità di collegare teoria e implementazione, dell’appropriatezza e della riproducibilità del lavoro computazionale, dell’interpretazione critica dei risultati e della chiarezza espositiva.
Testi di riferimento
Materiale obbligatorioRichard S. Sutton and Andrew G. Barto, Reinforcement Learning: An Introduction, 2nd ed., MIT Press, Cambridge, MA, 2018.Lecture slides, guided readings, exercises, and Python notebooks made available on Moodle.Testi consigliatiDimitri P. Bertsekas, Reinforcement Learning and Optimal Control, Athena Scientific, Belmont, MA, 2019.Dimitri P. Bertsekas, A Course in Reinforcement Learning, Athena Scientific, Belmont, MA, 2023.Martin L. Puterman, Markov Decision Processes: Discrete Stochastic Dynamic Programming, Wiley, 2014.
Codice insegnamento 51015_653551_96190
Mathematical Biology
1° anno · 1° semestre · 9 CFU · MATH-03/A · 0 file
ObiettiviLo scopo del corso "Mathematical Biology" è duplice: da una parte introdurre le studentesse e gli studenti ad alcuni modelli matematici di base in varie aree della biologia (demografia, ecologia, malattie…
Scheda dell'insegnamento
Obiettivi formativi
ObiettiviLo scopo del corso "Mathematical Biology" è duplice: da una parte introdurre le studentesse e gli studenti ad alcuni modelli matematici di base in varie aree della biologia (demografia, ecologia, malattie infettive, reazioni enzimatiche, farmacologia, fisiologia, reti molecolari), dall'altra fornire conoscenze operative di base nell'analisi teorica e simulazione numerica di equazioni differenziali ordinarie e alle derivate parziali. In particolare, la prima parte del corso è dedicata alla modellizzazione mediante equazioni differenziali ordinarie e all'introduzione di varie tecniche di analisi (linearizzazione, equilibri e loro stabilità, biforcazione, perturbazioni regolari e singolari). Nella seconda parte verranno introdotti semplici modelli spaziali (descritti da equazioni differenziali alle derivate parziali) e alcune tecniche per costruire o approssimare le soluzioni, e verranno presentate alcune fenomenologie interessanti delle equazioni di reazione diffusione nel contesto biologico (soluzioni a onde viaggianti, meccanismo di Turing). Risultati di apprendimentoLa parte di esercizi, svolti con regolarità durante il corso, fornirà moltissime tecniche per la costruzione ed analisi di modelli matematici basati su equazioni differenziali. Inoltre, attraverso lo sviluppo di un progetto di gruppo ci si potrà confrontare con modelli più complessi e articoli di ricerca. Il corso fornirà le basi per costruire modelli per sistemi biologici simili a quelli discussi, effettuare analisi qualitative di sistemi di equazioni differenziali ordinarie, effettuare simulazioni di equazioni differenziali ordinarie e di tipo reazione-diffusione. Inoltre, grazie allo sviluppo del progetto, ci sarà un miglioramento nella capacità di collaborare in modo interdisciplinare e di comunicare i risultati ottenuti.
Programma
Sistemi dinamiciRichiami sulle equazioni differenziali ordinarie (EDO): soluzione di equazioni lineari; equilibri e stabilità linearizzata; piano delle fasi, cicli limite; schemi numerici per risoluzione di EDO.Modelli uni- o bi-dimensionali in demografia, ecologia, epidemiologia, farmacologia ed immunologia. Non-dimensionalizzazione di variabili e parametri.Sistemi lento-veloci, modelli di reazioni enzimatiche e loro semplificazione con metodi perturbativi.Biforcazione di equilibri ed applicazione a sistemi preda-predatore e reti molecolari. Modelli semplificati di importanti fenomeni biologici e sistemi con retroazione.Sistemi eccitabili: equazioni di Hodgkin-Huxley e di FitzHugh-Nagumo.Stima dei parametri per modelli differenziali.Modelli con dinamiche spazio-temporaliSistemi dinamici su rete. Esempi in epidemiologia.Introduzione alle equazione alle derivate parziali (EPD): Soluzioni per separazione di variabili. Serie di Fourier. Equazione del calore e moto Browniano. Autofunzioni del Laplaciano. Approssimazione numerica.Equazioni di Skellam e Fisher-KPP. Soluzioni in forma d'onda; soluzioni stazionarie del problema con dati al bordo.Equazione del cavo. Onde viaggianti in sistemi eccitabili. Velocità di conduzione in neuroni (cenni).Tecnica di omogeneizzazione. Separazione di scala (micro/macro) per l'equazione di Poisson. Cenno al caso multidimensionale.Stabilità di soluzioni stazionarie di sistemi di reazione-diffusione ed il meccanismo di Turing per la formazione di pattern. Condizioni per la sua validità ed esempi.
Tre lezioni a settimana (lun, mar, mer), di solito suddivise in 4 ore di lezione e 2 di laboratorioLezioni frontali alla lavagna (note online fornite successivamente)Laboratorio su Matlab / Jupyter con esempi guidatiEsercizi settimanali con correzioneRicevimento su richiesta (solitamente prima e dopo le lezioni)
Modalità d'esame
L'esame consisterà in scritto (50% del voto finale), orale (20%) e presentazione di un progetto (30%). Nello specifico: Scritto: esercizi simili a quelli disponibili sul sito del corsoOrale: alcune domande da svolgere alla lavagnaProgetto: si svolgerà in gruppi di massimo 2 studenti. Tipicamente consiste nella lettura di un articolo, o nell'implementazione o studio (presentazione del modello, analisi qualitativa, simulazioni) di un modello non visto a lezione. La presentazione durerà circa 25 minuti (totali, non per studente) e all’interno di un mini-workshop aperto agli altri studenti del corso e al pubblico. Una selezione di possibili progetti e di articoli sarà disponibile sul sito.
Testi di riferimento
Il testo di riferimento per gran parte del corso (dinamica delle popolazioni, epidemiologia) è il seguente M. Iannelli, A. Pugliese, An introduction to mathematical population dynamics, Springer 2014Per la parte di fisiologia (reazioni enzimatiche, elettrofisiologia) utilizzeremo alcuni capitoli del J. Keener, J. Sneyd, Mathematical Physiology, Volume I: Cellular Physiology, Springer, 2009Ci sono molti altri libri di biologia matematica ai quali si può attingere per approfondimenti o esercizi per l'esame. Di seguito alcuni: A. Garfinkel, J. Shevtsov, and Y. Guo. Modeling Life: the Mathematics of Biological Systems. Springer, 2017. Testo moderno con moltissimi esempi illustrati, molto scorrevole e semplice (gli esercizi non sono particolarmente difficili.) Copre solo parte del corso.J.D. Murray, Mathematical Biology I: an Introduction. 3rd ed. Springer, 2002. Testo classico in due volumi voluminosi, molto estesa la parte su morfogenesi (nel volume II).S.H. Strogatz, Nonlinear Dynamics and Chaos: with Applications to Physics, Biology, Chemistry, and Engineering. CRC press, 2018. Testo molto utile per la parte su biforcazioni e teoria del caos. Molti esempi forniti vengono dalla biologia.Saranno inoltre disponibili sul sito del corso diverse note ed esercizi svolti (sia di laboratorio che teorici).
Codice insegnamento 51015_653604_89108
Mathematical Control Theory
1° anno · 1° semestre · 6 CFU · MATH-03/A · 0 file
Al termine del corso, se adeguatamente seguito, gli studenti saranno in grado di formulare, gestire analiticamente ed eventualmente risolvere un problema di controllo oltre che un problema di controllo ottimo sia dal…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, se adeguatamente seguito, gli studenti saranno in grado di formulare, gestire analiticamente ed eventualmente risolvere un problema di controllo oltre che un problema di controllo ottimo sia dal punto di vista applicativo che teorico. In particolare, gli studenti saranno in grado di riconoscere tutti gli aspetti essenziali del modello matematico (sia lineare che non lineare), di conoscere le principali domande e le possibili risposte al riguardo. Inoltre, gli studenti conosceranno molti dei teoremi riguardanti la teoria, le loro dimostrazioni e le loro applicazioni per studiare esempi e controesempi.
Programma
La probabilità di trattare realmente i seguenti argomenti diminuisce debolmente con l'ordine dell'elenco. - Richiami sulle equazioni differenziali ordinarie e sul problema di Cauchy -Richiami sulle funzioni misurabili. - Definizione di un problema di controllo e di controllo ottimo, sia in $R^n$ che in un grafo (con alcuni elementi di teoria dei grafi). - Problemi di controllabilità. - Problemi di controllo ottimo. - Condizioni sufficienti per l'esistenza di controlli ottimi. - Condizioni necessarie per l'ottimalità (principio del massimo di Pontryagin). - La funzione valore e il principio della programmazione dinamica. - Il problema della sintesi di un controllo ottimo a feedback. - Breve introduzione alla teoria dei grafi e al controllo su un grafo. - L'equazione di Hamilton-Jacobi-Bellman. - Breve introduzione alla teoria dei giochi. - Problemi di controllo ottimo con molti agenti e giochi differenziali. - Breve introduzione ai giochi a campo medio (mean field games).
La lavagna e il gesso bianco saranno il metodo standard di insegnamento. Verranno spiegati molti esempi per introdurre gli studenti agli argomenti e mostrare le caratteristiche principali della teoria matematica dei problemi di controllo. Alcuni esercizi specifici verranno assegnati come compiti a casa
Modalità d'esame
Gli esami si svolgeranno tramite una prova orale. All'inizio dell'esame verrà discusso lo svolgimento degli esercizi assegnati durante il corso. Poi, tutti gli argomenti teorici (modelli, teoremi, dimostrazioni, esempi, controesempi...) possono essere chiesti alla prova orale. Al termine del corso verranno forniti alcuni esempi di possibili domande per la prova orale. Tipicamente, tali domande richiedono lo sviluppo di uno degli argomenti trattati nel corso, scelto dall'esaminatore. Compiti a casa e esame orale concorreranno insieme al voto finale dell’esame , il quale sarà formulato in trentesimi.
Testi di riferimento
- Macki-Strauss: Introduction to Optimal Control Theory, Springer, 1982. - Bardi-Capuzzo Dolcetta: Optimal control and Viscosity Solutions of Hamilton-Jacobi-Bellman Equations, Birkhauser, 1997. - Evans: Partial Differential Equations, AMS, 1998 - Bressan, lecture notes available online. - Some possible research articles. - Notes of the teacher. - Other notes.
Codice insegnamento 51015_653649_89927
Mathematical Logic
1° anno · 1° semestre · 6 CFU · MATH-01/A · 0 file
La logica matematica è un ramo della matematica che studia le proprietà formali del ragionamento umano, i sistemi di dimostrazione e il linguaggio matematico attraverso regole simboliche. Questo corso introduce i…
Scheda dell'insegnamento
Obiettivi formativi
La logica matematica è un ramo della matematica che studia le proprietà formali del ragionamento umano, i sistemi di dimostrazione e il linguaggio matematico attraverso regole simboliche. Questo corso introduce i concetti e le metodologie fondamentali del settore. L'obiettivo è familiarizzare gli studenti con questi strumenti, evidenziando la loro applicazione concreta nella pratica matematica.
La logica matematica è un ramo della matematica che studia le proprietà formali del ragionamento umano, i sistemi di dimostrazione e il linguaggio matematico attraverso regole simboliche. Questo corso introduce i concetti e le metodologie fondamentali del settore. L'obiettivo è familiarizzare gli studenti con questi strumenti, evidenziando la loro applicazione concreta nella pratica matematica.
Programma
I principali argomenti sono i seguenti. Logica proposizionale: connettivi, formule, semantica, regole di deduzione naturale, teorema di completezza. Logica dei predicati: quantificatori, formule, strutture, semantica, regole di deduzione naturale, teoremi di completezza e di compattezza. Introduzione alla teoria dei modelli e alle applicazioni della logica matematica a altre aree della matematica.
Lezioni frontali. Verrà proposto settimanalmente un set di problemi (soluzioni non da consegnare). Nel corso delle lezioni verranno risolti alcuni dei problemi assegnati.
I principali argomenti sono i seguenti. Logica proposizionale: connettivi, formule, semantica, regole di deduzione naturale, teorema di completezza. Logica dei predicati: quantificatori, formule, strutture, semantica, regole di deduzione naturale, teoremi di completezza e di compattezza. Introduzione alla teoria dei modelli e alle applicazioni della logica matematica a altre aree della matematica.
Lezioni frontali. Verrà proposto settimanalmente un set di problemi (soluzioni non da consegnare). Nel corso delle lezioni verranno risolti alcuni dei problemi assegnati.
Modalità d'esame
Ogni sesssione d'esame consiste di una prova scritta (risoluzione di problemi) e una orale (domande di teoria). In ogni prova scritta, 50% dei problemi verranno scelti tra quelli assegnati nel corso del semestre. Valutazione: media dei voti di esame scritto e orale.
Ogni sesssione d'esame consiste di una prova scritta (risoluzione di problemi) e una orale (domande di teoria). In ogni prova scritta, 50% dei problemi verranno scelti tra quelli assegnati nel corso del semestre. Valutazione: media dei voti di esame scritto e orale.
Testi di riferimento
van Dalen D., Logic and Structure (4th edition or later), Springer. LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Dalen, D. van. (2013). Logic and structure (5th ed.). Springer.
van Dalen D., Logic and Structure (4th edition or later), Springer. LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Dalen, D. van. (2013). Logic and structure (5th ed.). Springer.
Codice insegnamento 51018_653576_89109
Mathematical Logic
1° anno · 1° semestre · 6 CFU · MATH-01/A · 0 file
La logica matematica è un ramo della matematica che studia le proprietà formali del ragionamento umano, i sistemi di dimostrazione e il linguaggio matematico attraverso regole simboliche. Questo corso introduce i…
Scheda dell'insegnamento
Obiettivi formativi
La logica matematica è un ramo della matematica che studia le proprietà formali del ragionamento umano, i sistemi di dimostrazione e il linguaggio matematico attraverso regole simboliche. Questo corso introduce i concetti e le metodologie fondamentali del settore. L'obiettivo è familiarizzare gli studenti con questi strumenti, evidenziando la loro applicazione concreta nella pratica matematica.
Programma
I principali argomenti sono i seguenti. Logica proposizionale: connettivi, formule, semantica, regole di deduzione naturale, teorema di completezza. Logica dei predicati: quantificatori, formule, strutture, semantica, regole di deduzione naturale, teoremi di completezza e di compattezza. Introduzione alla teoria dei modelli e alle applicazioni della logica matematica a altre aree della matematica.
Lezioni frontali. Verrà proposto settimanalmente un set di problemi (soluzioni non da consegnare). Nel corso delle lezioni verranno risolti alcuni dei problemi assegnati.
Modalità d'esame
Ogni sesssione d'esame consiste di una prova scritta (risoluzione di problemi) e una orale (domande di teoria). In ogni prova scritta, 50% dei problemi verranno scelti tra quelli assegnati nel corso del semestre. Valutazione: media dei voti di esame scritto e orale.
Testi di riferimento
van Dalen D., Logic and Structure (4th edition or later), Springer. LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Dalen, D. van. (2013). Logic and structure (5th ed.). Springer.
Codice insegnamento 51017_653576_89109
Mathematical Physics - Differential Geometric Methods
1° anno · 1° semestre · 9 CFU · MATH-04/A · 0 file
Anno 2026-2027 (Pagani). Il corso, rivolto a studenti delle Lauree Magistrali in Matematica e Fisica, sviluppa strumenti matematici avanzati della Fisica Matematica e tratta alcune loro applicazioni alla Meccanica…
Scheda dell'insegnamento
Obiettivi formativi
Anno 2026-2027 (Pagani). Il corso, rivolto a studenti delle Lauree Magistrali in Matematica e Fisica, sviluppa strumenti matematici avanzati della Fisica Matematica e tratta alcune loro applicazioni alla Meccanica Analitica, Calcolo delle Variazioni, Meccanica dei Continui, Relativita' ristretta e generale. Lo studente dovra' acquisire la conoscenza degli strumenti matematici e delle teorie illustrati nel corso.
Programma
Programma 2026-2027 (Pagani) Elementi di calcolo tensoriale e geometria differenziale riemanniana e pseudoriemanniana, fibrati, connessioni, spazi di jets, gruppi di Lie. Meccanica analitica, varieta' simplettiche, formulazione Lagrangiana e Hamiltoniana della meccanica classica. Vincoli non olonomi. Teoria geometrica delle equazioni alle derivate parziali del primo ordine. Propagazione delle onde. Simmetrie e quantita' conservate. Calcolo delle variazioni in presenza di vincoli non olonomi. Teoria del controllo ottimale. Variazione seconda di un funzionale, punti coniugati, teoria di Maslov. Meccanica dei continui, fluidi ideali e viscosi, elasticita'. Nozioni di teoria delle relativita' ristretta e generale. Metodo di equivalenza di Cartan.
Lezioni frontali. Consultazione di libri, articoli e appunti forniti dal docente.
Modalità d'esame
Prova orale alla fine del corso.
Testi di riferimento
B. A. Dubrovin, S. P. Novikov, A. T. Fomenko, Geometria Contemporanea, Editori Riuniti/Mir, 1987 W.M. Boothby, An Introduction to Differentiable Manifolds and Riemannian Geometry, Academic Press,1975 V. I. Arnold, Metodi Matematici della Meccanica Classica, Editori Riuniti, 1979 R. Abraham, J. Marsden, Foundations of Mechanics, Benjiamin Cummings, Reading, 1978 R. Abraham, J. Marsden, T. Ratiu, Manifolds, tensor analysis, and applications, Springer, 2003 R. Courant, D. Hilbert, Methods of Mathematical Physics, Interscience Publ., 1937 S. W. Hawking, G. F. R. Hellis, The large scale structure of space-time, Cambridge U.P., 1973 P. Olver, Equivalence, Invariants and Symmetries, Cambridge University Press, 1995 Note fornite dal docente del corso.
Codice insegnamento 51018_653573_93075
Mathematical Physics - Geometry of Fiber Bundles and Gauge Theory
1° anno · 1° semestre · 9 CFU · MATH-04/A · 0 file
Il principale obiettivo formativo di questo corso è introdurre gli studenti alla formulazione matematica avanzata delle teorie fisiche mediante la geometria dei fibrati. Il corso affronterà concetti fondamentali di…
Scheda dell'insegnamento
Obiettivi formativi
Il principale obiettivo formativo di questo corso è introdurre gli studenti alla formulazione matematica avanzata delle teorie fisiche mediante la geometria dei fibrati. Il corso affronterà concetti fondamentali di geometria differenziale, algebra e teoria delle categorie. Un tema centrale sarà la teoria delle connessioni sui fibrati vettoriali e sui fibrati principali, che fornisce un quadro matematico per la descrizione dei campi di gauge in fisica. Gli studenti che completeranno con successo il corso saranno in grado di: 1. Descrivere oggetti della geometria differenziale, quali campi vettoriali, forme differenziali e connessioni, in modo intrinseco e indipendente dalla scelta delle coordinate. 2. Applicare tecniche della teoria dei fasci e degli stack per mettere in relazione le descrizioni locali e globali degli oggetti geometrici. 3. Applicare la teoria delle classi caratteristiche per identificare e calcolare invarianti dei fibrati vettoriali e dei fibrati principali. 4. Utilizzare questi metodi geometrici per formulare globalmente le teorie di Yang-Mills su varietà riemanniane e lorentziane.
Programma
- Introduzione alle varietà differenziabili e alle mappe differenziabili * Campi vettoriali, forme differenziali, coomologia di de Rham e integrazione * Varietà fibrate e fibrati * Connessioni, curvatura e classi caratteristiche sui fibrati vettoriali * Connessioni, curvatura e classi caratteristiche sui fibrati principali * Formulazione geometrica globale della teoria di Yang-Mills e suo accoppiamento alla materia * Breve introduzione agli istantoni e ai relativi spazi dei moduli
Il corso consisterà principalmente in lezioni frontali. Agli studenti saranno inoltre assegnati esercizi sugli argomenti trattati durante il corso. Le soluzioni di tali esercizi saranno presentate e discusse nelle lezioni successive.
Modalità d'esame
Gli studenti riceveranno un riscontro durante tutto il corso attraverso la discussione degli esercizi assegnati e delle relative soluzioni. La valutazione finale consisterà in un esame orale alla lavagna. Agli studenti sarà richiesto di presentare un argomento trattato durante il corso, illustrarne l’applicazione alle teorie fisiche, nonché enunciare e dimostrare alcuni risultati matematici sviluppati nel corso delle lezioni.
Testi di riferimento
Le dispense del corso, redatte in LaTeX e relative agli argomenti trattati, saranno rese disponibili tramite Moodle. Le dispense riflettono la prospettiva personale del docente sugli argomenti affrontati e si ispirano in parte ai seguenti libri: [1] Loring W. Tu, “An Introduction to Manifolds”, Universitext, Springer, New York, 2011. [2] Loring W. Tu, “Differential Geometry: Connections, Curvature, and Characteristic Classes”, Graduate Texts in Mathematics, vol. 275, Springer, Cham, 2017. [3] Stephen Bruce Sontz, “Principal Bundles: The Classical Case”, Universitext, Springer, Cham, 2015. [4] Mark J. D. Hamilton, “Mathematical Gauge Theory: With Applications to the Standard Model of Particle Physics”, Universitext, Springer, Cham, 2017. [5] Mikio Nakahara, “Geometry, Topology and Physics”, Graduate Student Series in Physics, Institute of Physics Publishing, Bristol, 2003.
Codice insegnamento 51318_658935_97539
Mathematical Physics - Quantum Relativistic Theories
1° anno · 2° semestre · 9 CFU · MATH-04/A · 0 file
Gli obiettivi formativi del corso riguardano la formalizzazione matematica avanzata delle teorie quantistiche, relativistiche e quantistiche relativistiche. Il programma varia a seconda del caso. Per l'anno accademico…
Scheda dell'insegnamento
Obiettivi formativi
Gli obiettivi formativi del corso riguardano la formalizzazione matematica avanzata delle teorie quantistiche, relativistiche e quantistiche relativistiche. Il programma varia a seconda del caso. Per l'anno accademico 25-26 il focus sarà posto sulle teorie quantistiche. Gli obiettivi formativi specifici riguarderanno l'apprendimento delle nozioni fondamentali di analisi funzionale lineare in spazi di Hilbert complessi, di teoria dei reticoli ortomodulari e della teoria elementare delle algebre di operatori. La struttura centrale che sarà studiata è quella di misura a valori di proiezione con la quale formulare il teorema spettrale per operatori autoaggiunti non limitati e quindi applicare questa struttura alla formulazione matematica delle teorie quantistiche. Lo studente/la studentessa che avranno completato il corso con successo saranno in grado di 1) Enunciare in modi rigoroso gli assiomi alla base delle teorie quantistiche formulate in spazi di Hilbert partendo dalla formulazione su reticoli ortomodulari attraverso l'analisi del teorema di Soler. 2) Utilizzare in modo rigoroso le nozioni tecniche insite nella formulazione del teorema spettrale generale, facendo uso appropriato delle varie classi di operatori (hermitiani, simmetrici, autoaggiunti, normali, unitari) 3) Utilizzare in modo rigoroso la nozione di simmetria quantistica attraverso le varie formulazioni del teorema di Wigner-Kadison-Dye ed arrivare alla formulazione del teorema di Noether qantistico 4) Utilizzare in modo rigoroso le nozioni elementari nella formulazione algebrica in termini di *-algebre e C*-algebre anche in riferimento alla costruzione GNS.
Programma
Formulazione elementare delle teorie quantistiche in spazi di Hilbert finito dimensionali Esempi (principio di Heisenberg) e problemi matematici conseguenti da osservabili con range infinito Richiami di teoria degli spazi di Hilbert: proprietà elementari, operatori con loro dominio, topologia uniforme, nozione di aggiunto, classi di operatori in relazione alla proprietà di aggiunzione. Nozione di spettro e risolvente, esempi vari tratti dalla meccanica quantistica. Richiami di teoria della misura positiva e complessa su sigma-algebre di Borel. Misure a valori di proiezione e calcolo funzionale misurabile. Teorema spettrale per operatori autoaggiunti generici e uso in teorie quantistiche. Logiche quantistiche nel senso di Birkhoff-von Neumann, Teorema di Soler e problemi connessi. La struttura ortomodulare del reticolo dei proiettori ortogonali, nozione di stato come operatore positivo di classe traccia con traccia unitaria, Teorema di Gleason. Simmetrie e simmetrie dinamiche. Teoremi di Wigner, Kadison, Dye. Teorema di Noether quantistico. Introduzione alla formulazione algebrica *-algebre, C*-algebre, theorema GNS. Esempi in teoria dei campi.
Lezioni frontali in classe con alcuni esercizi proposti agli studenti e successivamente discussi e risolti in classe sulle varie parti del corso
Modalità d'esame
Un feedback durante il corso sarà dato dagli esercizi proposti agli studenti. Il metodo di valutazione finale sarà un esame orale alla lavagna in cui si chiederà allo studente/alla studentessa di esporre un argomento trattato nel corso enfatizzando l'applicazione alla teoria fisica e di provare alcune proposizioni matematiche dimostrate nel corso che abbiano rilevanza nella descrizione fisica. Saranno in particolare valutate le capacità dello studente/della studentessa di argomentare rigorosamente in termini matematici questioni proprie della descrizione del modo quantistico.
Testi di riferimento
Il libro ufficiale del corso per l'anno accademico 26-27 è: V.Moretti: Fundamental Mathematical Structures of Quantum Theory 2nd edition Spectral Theory, Foundational Issues, Symmetries, Algebraic Formulation, Quantum Measurement Theory 520 pages Springer October 2026 eBook ISBN 978-3-032-36104-2 Softcover ISBN 978-3-032-36103-5 Di consultazione V. Moretti: Spectral Theory and Quantum Mechanics: Mathematical Structure of Quantum Theories, Symmetries and introduction to the Algebraic Formulation 2nd revised and enlarged edition 2018 V. Moretti: Geometric Methods in Mathematical Physics I Tensors, Special Relativity, Spinors Springer August 2026 eBook ISBN 978-3-032-31512-0 Softcover ISBN 978-3-032-31511-3 V. Moretti: Geometric Methods in Mathematical Physics II Tensor Analysis on Manifolds and General Relativity Springer August 2026 eBook ISBN 978-3-032-31533-5 Softcover ISBN 978-3-032-31532-8 LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Moretti, V. (2026). Fundamental mathematical structures of quantum theory : spectral theory, foundational issues, symmetries, algebraic formulation. Springer. Moretti, V. (2017). Spectral theory and quantum mechanics : mathematical foundations of quantum theories, symmetries and introduction to the algebraic formulation (2nd ed.). Springer international. Moretti, V. (2026). Geometric methods in mathematical physics I : tensors, special relativity, spinors. Springer. Moretti, V. (2026). Geometric methods in mathematical physics II : tensor analysis on manifolds and general relativity. Springer.
Codice insegnamento 51016_653595_93074
Mathematical Physics - Quantum Relativistic Theories
1° anno · 2° semestre · 9 CFU · MATH-04/A · 0 file
Gli obiettivi formativi del corso riguardano la formalizzazione matematica avanzata delle teorie quantistiche, relativistiche e quantistiche relativistiche. Il programma varia a seconda del caso. Per l'anno accademico…
Scheda dell'insegnamento
Obiettivi formativi
Gli obiettivi formativi del corso riguardano la formalizzazione matematica avanzata delle teorie quantistiche, relativistiche e quantistiche relativistiche. Il programma varia a seconda del caso. Per l'anno accademico 25-26 il focus sarà posto sulle teorie quantistiche. Gli obiettivi formativi specifici riguarderanno l'apprendimento delle nozioni fondamentali di analisi funzionale lineare in spazi di Hilbert complessi, di teoria dei reticoli ortomodulari e della teoria elementare delle algebre di operatori. La struttura centrale che sarà studiata è quella di misura a valori di proiezione con la quale formulare il teorema spettrale per operatori autoaggiunti non limitati e quindi applicare questa struttura alla formulazione matematica delle teorie quantistiche. Lo studente/la studentessa che avranno completato il corso con successo saranno in grado di 1) Enunciare in modi rigoroso gli assiomi alla base delle teorie quantistiche formulate in spazi di Hilbert partendo dalla formulazione su reticoli ortomodulari attraverso l'analisi del teorema di Soler. 2) Utilizzare in modo rigoroso le nozioni tecniche insite nella formulazione del teorema spettrale generale, facendo uso appropriato delle varie classi di operatori (hermitiani, simmetrici, autoaggiunti, normali, unitari) 3) Utilizzare in modo rigoroso la nozione di simmetria quantistica attraverso le varie formulazioni del teorema di Wigner-Kadison-Dye ed arrivare alla formulazione del teorema di Noether qantistico 4) Utilizzare in modo rigoroso le nozioni elementari nella formulazione algebrica in termini di *-algebre e C*-algebre anche in riferimento alla costruzione GNS.
Programma
Formulazione elementare delle teorie quantistiche in spazi di Hilbert finito dimensionali Esempi (principio di Heisenberg) e problemi matematici conseguenti da osservabili con range infinito Richiami di teoria degli spazi di Hilbert: proprietà elementari, operatori con loro dominio, topologia uniforme, nozione di aggiunto, classi di operatori in relazione alla proprietà di aggiunzione. Nozione di spettro e risolvente, esempi vari tratti dalla meccanica quantistica. Richiami di teoria della misura positiva e complessa su sigma-algebre di Borel. Misure a valori di proiezione e calcolo funzionale misurabile. Teorema spettrale per operatori autoaggiunti generici e uso in teorie quantistiche. Logiche quantistiche nel senso di Birkhoff-von Neumann, Teorema di Soler e problemi connessi. La struttura ortomodulare del reticolo dei proiettori ortogonali, nozione di stato come operatore positivo di classe traccia con traccia unitaria, Teorema di Gleason. Simmetrie e simmetrie dinamiche. Teoremi di Wigner, Kadison, Dye. Teorema di Noether quantistico. Introduzione alla formulazione algebrica *-algebre, C*-algebre, theorema GNS. Esempi in teoria dei campi.
Lezioni frontali in classe con alcuni esercizi proposti agli studenti e successivamente discussi e risolti in classe sulle varie parti del corso
Modalità d'esame
Un feedback durante il corso sarà dato dagli esercizi proposti agli studenti. Il metodo di valutazione finale sarà un esame orale alla lavagna in cui si chiederà allo studente/alla studentessa di esporre un argomento trattato nel corso enfatizzando l'applicazione alla teoria fisica e di provare alcune proposizioni matematiche dimostrate nel corso che abbiano rilevanza nella descrizione fisica. Saranno in particolare valutate le capacità dello studente/della studentessa di argomentare rigorosamente in termini matematici questioni proprie della descrizione del modo quantistico.
Testi di riferimento
Il libro ufficiale del corso per l'anno accademico 26-27 è: V.Moretti: Fundamental Mathematical Structures of Quantum Theory 2nd edition Spectral Theory, Foundational Issues, Symmetries, Algebraic Formulation, Quantum Measurement Theory 520 pages Springer October 2026 eBook ISBN 978-3-032-36104-2 Softcover ISBN 978-3-032-36103-5 Di consultazione V. Moretti: Spectral Theory and Quantum Mechanics: Mathematical Structure of Quantum Theories, Symmetries and introduction to the Algebraic Formulation 2nd revised and enlarged edition 2018 V. Moretti: Geometric Methods in Mathematical Physics I Tensors, Special Relativity, Spinors Springer August 2026 eBook ISBN 978-3-032-31512-0 Softcover ISBN 978-3-032-31511-3 V. Moretti: Geometric Methods in Mathematical Physics II Tensor Analysis on Manifolds and General Relativity Springer August 2026 eBook ISBN 978-3-032-31533-5 Softcover ISBN 978-3-032-31532-8 LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Moretti, V. (2026). Fundamental mathematical structures of quantum theory : spectral theory, foundational issues, symmetries, algebraic formulation. Springer. Moretti, V. (2017). Spectral theory and quantum mechanics : mathematical foundations of quantum theories, symmetries and introduction to the algebraic formulation (2nd ed.). Springer international. Moretti, V. (2026). Geometric methods in mathematical physics I : tensors, special relativity, spinors. Springer. Moretti, V. (2026). Geometric methods in mathematical physics II : tensor analysis on manifolds and general relativity. Springer.
Codice insegnamento 51018_653595_93074
Mathematical models and their communications
1° anno · 1° semestre · 6 CFU · MATH-03/B · 0 file
Conoscenza e capacità di comprensioneChi segue questo insegnamento sarà in grado di definire il concetto di modello matematico, enunciandone le caratteristiche (e chiarendo eventuali pregiudizi). Saprà inoltre enunciare,…
Scheda dell'insegnamento
Obiettivi formativi
Conoscenza e capacità di comprensioneChi segue questo insegnamento sarà in grado di definire il concetto di modello matematico, enunciandone le caratteristiche (e chiarendo eventuali pregiudizi). Saprà inoltre enunciare, comprendere e spiegare specifici modelli e richiamare lo sviluppo storico e teorico che ha portato alla loro formulazione. Applicazione e analisiChi segue questo insegnamento sarà capace di usare dati in un modello matematico per ricavarne previsioni e saprà interpretare i risultati ottenuti. Saprà inoltre analizzare modelli diversi tra loro e confrontarne le ipotesi e la struttura. Valutazione e creazioneChi segue questo insegnamento saprà valutare un modello e il suo uso. Saprà inoltre notare la struttura matematica presente in fenomeni del mondo reale e sviluppare semplici modelli matematici per descriverli. Abilità comunicativeChi segue questo insegnamento saprà sviluppare presentazioni a vari livelli di rigore e dettaglio adatti al pubblico, al contesto, al medium e al formato. Sarà inoltre in grado di cercare esempi e idee nella letteratura e in altre risorse per trovare materiale per la propria presentazione. Saprà valutare il proprio lavoro e quello altrui, comprendere il feedback ricevuto e incorporarlo nel proprio lavoro per migliorarlo.
Programma
In questo corso introdurremo il concetto di modello matematico, discuteremo di quali proprietà esso goda e passeremo poi ad analizzare in maggior dettaglio alcuni esempi di matematica nella vita quotidiana, scelti tra i molti possibili: Matematica per le elezioniIntroduzione all'apprendimento automatico e all'apprendimento matematico profondoMeccanica orbitaleTeoria dei giochiTeoria dei grafiSistemi dinamici e biforcazioniOncologia ed epidemiologia matematicaTeoria della comunicazioneParticolare attenzione sarà dedicata a mostrare i diversi livelli a cui possono essere presentati questi modelli, i prerequisiti minimi e alcuni modi in cui possano essere proposti come attività didattiche complementari nella scuola secondaria di secondo grado.
Questo insegnamento viene offerto quest'anno sperimentalmente in modalità blended, in collaborazione con il Centro FormID. In particolare sarà centrale l'aspetto di didattica attiva individuale. Sei delle 42 ore di didattica dell'insegnamento saranno erogate online. Le attività previste sono prevalentemente lezioni frontali, durante le quali hanno un ruolo molto importante le discussioni in aula. A fianco ci saranno attività di rielaborazione personale online asincrone, nelle seguenti modalità: Stesura di un diario settimanaleQuiz di valutazione formativa e di autovalutazioneStesura di due report, con possibilità di ricevere riscontro sulle versioni iniziali.Ulteriori informazioni saranno disponibili sulla pagina Moodle dell'insegnamento.
Modalità d'esame
Per accedere all'esame sarà necessario aver completato con successo tutti i quiz di autovalutazione relativi ai vari modelli presentati nell'insegnamento, così come aver compilato il diario. L'esame consiste in una prova orale e in due elaborati scritti da consegnare prima dell'orale, su cui è possibile avere riscontri prima della consegna definitiva. Ogni elaborato scritto verrà valutato in base a: Correttezza e rigore della matematicaChiarezza espositiva (struttura, notazione, linguaggio)Profondità dell'analisi e contributo personaleAppropriatezza per il pubblico individuatoAbilità di connettere il materiale agli obiettivi più ampi dell'insegnamentoLa valutazione dell'orale considererà: Accuratezza e profondità della comprensione dei modelli matematici presentatiAbilità di presentare i concetti in maniera chiara e logicaCapacità di individuare collegamenti tra argomenti diversi tra quelli presentati nell'insegnamento.
Testi di riferimento
Libri di testoNon è previsto un libro di testo per il corso. Alcuni moduli si basano su: M. Aigner, E. Behrends (edts) "Mathematics Everywhere", American Mathematical Society, 2010.E. T. Jaynes, "Probability Theory", Cambridge University Press, 2003.S. Simonson, "Looking for Math in All the Wrong Places: Math in Real Life", MAA Press, 2022.Fonti puntuali verranno fornite nelle varie lezioni. Letture consigliateAlcuni testi di interesse per il corso sono i seguenti: P. Alessandrini, "Matematica rock: storie di musica e numeri dai Beatles ai Led Zeppelin", Hoepli, 2019.T. Chivers, D. Chivers, "How to Read Numbers: A Guide to Statistics in the News (and Knowing When to Trust Them)", Weidenfeld & Nicolson, 2021.C. Criado-Perez, "Invisible Women: Exposing Data Bias in a World Designed for Men", Chatto & Windus, 2021.H. Fry, "Hello World: How to Be Human in the Age of the Machine", Doubleday, 2018.T. Harford, "How to Make the World Add up: Ten Rules for Thinking Differently about Numbers", The Bridge Street Press, 2021.C. O’Neil, "Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy", Penguin Books, 2017.L. Schneps, C. Colmez, "Math on trial: How numbers get used and abused in the courtroom", Basic Books, 2013.D. Stone, "Counting: How We Use Numbers to Decide What Matters", Liveright Publishing Corporation, 2020.C. Valerio, "La matematica è politica", Einaudi, 2020.Non è necessario leggere tutti questi libri. È possibile scegliere quelli che stuzzicano i propri interessi (o anche nessuno). Altri titoli verranno comunque suggeriti all'interno dell'insegnamento.
Codice insegnamento 51317_659160_97567
Mercati e intermediari finanziari progredito
1° anno · 2° semestre · 10 CFU · ECON-09/B · 0 file
L’insegnamento ha l’obiettivo di formare gli studenti alla comprensione delle logiche gestionali degli intermediari finanziari (creditizi, di asset management, assicurativi e fondi pensione), ai rischi da essi sopportati…
Scheda dell'insegnamento
Obiettivi formativi
L’insegnamento ha l’obiettivo di formare gli studenti alla comprensione delle logiche gestionali degli intermediari finanziari (creditizi, di asset management, assicurativi e fondi pensione), ai rischi da essi sopportati e gestiti (credito, tasso di interesse, equity, immobiliare, valutario) ed alla regolamentazione che li caratterizza. La prima parte del programma approfondirà il contesto di riferimento macroeconomico che influenza gli intermediari, la seconda parte prenderà in considerazione le logiche gestionali dei diversi intermediari (Banche, SGR/SIM, Compagnie di Assicurazione e Fondi Pensione) unitamente ai vincoli di vigilanza istituzionali, mentre nella terza parte saranno approfonditi (a livello trasversale) i rischi finanziari sopra citati per le diverse tipologie di intermediari unitamente agli aspetti di regolamentazione che li caratterizzano a livello trasversale. Risultati di apprendimento attesi. Al termine del percorso, lo studente sarà in grado di: 1. conoscere le logiche ed i vincoli della funzione di produzione dei diversi intermediari; 2. distinguere le diverse funzioni di produzione con particolare riferimento a quelle orientate alla produzione di prodotti e di servizi (con particolare attenzione alle logiche di costruzione/produzione dei contratti, tipici delle “fabbriche prodotto” e a quelle distributive, tipiche dei canali distributivi) 3. comprendere l’evoluzione di tali funzioni produttive alla luce dei principali trend tecnologici; 4. comprendere gli effetti derivanti sulla funzione di produzione della normativa di settore e delle sue evoluzioni; 5. conoscere l’impatto dei principali rischi finanziari sugli intermediari, sui vincoli regolamentari e gli effetti di questi ultimi sulla strategia competitiva attuata dai primi.
Programma
Presentazione dell’insegnamento. Modalità di svolgimento e quadro dei contenuti. I controlli sul sistema finanziario: motivazioni, finalità e modalità di svolgimento La banca centrale e gli effetti della politica monetaria sul comportamento degli intermediari e sui rischi finanziari La funzione di produzione degli intermediari orientati al margine di interesse La funzione di produzione degli intermediari orientati all’asset management La funzione di produzione degli intermediari orientati alla produzione di servizi assicurativi La funzione di produzione degli intermediari orientati alla produzione di servizi previdenziali Le logiche della distribuzione dei servizi finanziari La regolamentazione prudenziale dei diversi intermediari. I rischi finanziari: credito, interesse, equity, currency, immobiliare ed operativo ed i loro impatti sui diversi intermediari La regolamentazione dei diversi rischi ed i limiti operativi imposti agli intermediari
Lezioni frontali mirate alla spiegazione dei concetti/passaggi chiave dei temi affrontati. L’utilizzo delle slide durante la lezione è finalizzato alla proiezione di grafici e dati. Le slide non sostituiscono la lezione e ne è consigliato un utilizzo per ripassare i principali passaggi della lezione, solo dopo aver studiato i libri di testo e l’ulteriore materiale messo a disposizione da parte del docente. Oltre alle lezioni saranno svolti seminari specifici con la presenza di testimoni esterni al fine di approfondire e circostanziare alcuni argomenti affrontati nel corso E' previsto anche un lavoro di gruppo su bilanci di intermediari finanziari con relativa presentazione da parte di gruppi di studenti che può dar luogo a punteggio integrativo.
Modalità d'esame
Esame scritto caratterizzato da 8 domande aperte: 5 domande "brevi" che valgono 3 punti cadauna, generalmente rappresentate da applicazioni ed esercizi numerici, e 3 domande "lunghe" in cui è richiesta la spiegazione di un concetto importante spiegato nel corso e supportato dai testi utilizzati. Ciascuna domanda sarà valutata in trentesimi. L'esame avrà una durata di 2 ore. La valutazione è effettuata sulla base dei seguenti criteri: appropriatezza nell’utilizzo della terminologia finanziaria, padronanza dei contenuti, capacità di argomentare i passaggi teorici e illustrarne le criticità, profondità di analisi, chiarezza espositiva (in particolare si valuterà l’ordine logico delle argomentazioni discusse), correttezza della lingua italiana. Una o più domande potranno ricevere la lode quando lo studente dimostrerà di possedere e saper comunicare con linguaggio appropriato i concetti studiati, utilizzando una logica convincente ed argomentazioni adeguate.
Testi di riferimento
G. Forestieri, P. Mottura, Il sistema finanziario, 7a edizione, Egea 2016 (questo testo potrebbe essere sostituito da un testo analogo nel caso in cui il docente ravvisi un'esigenza di aggiornamento dei contenuti normativi") A. Resti, A. Sironi, Rischio e valore nelle banche, ultima edizione, Egea Altro materiale messo a disposizione dal docente su GE-CO. Le parti da preparare sono indicate sul sito del corso sul programma del corso caricato su Comunità on Line.
Codice insegnamento 51015_653614_95918
Minimal surfaces
1° anno · 1° semestre · 6 CFU · MATH-03/A · 0 file
Scopo di questo corso è fornire una introduzione alla teoria delle superfici minime, dalle sue origini fino alle questioni di ricerca attuale. Al termine di questa attività di apprendimento, gli studenti saranno in grado…
Scheda dell'insegnamento
Obiettivi formativi
Scopo di questo corso è fornire una introduzione alla teoria delle superfici minime, dalle sue origini fino alle questioni di ricerca attuale. Al termine di questa attività di apprendimento, gli studenti saranno in grado di presentare i principali risultati discussi durante il semestre, di risolvere alcuni semplici problemi correlati e di leggere almeno alcuni articoli di ricerca nel settore.
Programma
L'equazione delle superfici minime, esempi e questioni fondamentali. Variazione prima del funzionale d'area, caratterizzazioni equivalenti della minimalità. La mappa di Gauss, sue proprietà di base. L'approccio di Douglas-Rado, e relativi risultati di esistenza per il problema di Plateau. Formule di monotonia ed applicazioni, incluso il teorema di Farey-Milnor sui nodi. Variazione seconda del funzionale d'area, stabilità ed indice di Morse. Il problema di Bernstein e la sua soluzione nel caso di dimensione due. Curvatura totale, stime di curvatura e teoremi di compattezza (incluso Choi-Schoen). Risultati di classificazione per superfici minime di basso indice di Morse. Introduzione ai metodi di min-max ed alla congettura di Yau. Qualche risultato inerente le superfici minime a frontiera libera.
Lezioni frontali, in presenza (a meno di indicazioni contrarie, ora non prevedibili, a livello di ateneo).
Modalità d'esame
Prova orale sui temi sviluppati durante il corso (valida per il 50% della valutazione finale), più consegna di due elaborati da svolgere a casa a scelta tra i fogli di problemi assegnati nel corso del semestre (valida per il 50% della valutazione finale).
Testi di riferimento
Le due referenze fondamentali sono le seguenti: [Whi16] B. White, Introduction to minimal surface theory. Geometric analysis, 387-438, IAS/Park City Math. Ser., 22. American Mathematical Society, Providence, RI, 2016. [CM11] T. Colding, W. Minicozzi, A course in minimal surfaces. Graduate Studies in Mathematics, 121. American Mathematical Society, Providence, RI, 2011. xii+313 pp. Ulteriori materiali didattici (sia complementi di teoria che fogli di esercizi) saranno forniti dal docente durante il corso.
Codice insegnamento 51018_653572_95860
Modern Physics
1° anno · 1° semestre · 6 CFU · PHYS-06/B · 0 file
L’insegnamento si propone di fornire agli studenti competenze in alcuni argomenti in fisica moderna (relatività, radiazione di corpo nero, cosmologia) che non sono tipicamente discussi nei corsi di fisica generale…
Scheda dell'insegnamento
Obiettivi formativi
L’insegnamento si propone di fornire agli studenti competenze in alcuni argomenti in fisica moderna (relatività, radiazione di corpo nero, cosmologia) che non sono tipicamente discussi nei corsi di fisica generale durante il percorso di laurea triennale in matematica. Gli argomenti saranno discussi quantitativamente, sia dal punto di vista concettuale che fenomenologico-osservativo, con un formalismo matematico semplificato e con una descrizione semplificata degli esperimenti, ad un livello scientifico adeguato ad es. per la preparazione di lezioni di approfondimento all’ultimo anno di scuola secondaria di secondo grado. A termine dell’insegnamento, lo/la studente/essa sarà in grado di comprendere i fenomeni fisici trattati, di descriverne quantitativamente esempi e di analizzare la letteratura di divulgazione scientifica relativa a scoperte scientifiche collegate ai contenuti trattati nel corso. Verrà offerta su base volontaria l’opportunità di preparare presentazioni da discutere in aula.
Programma
Introduzione. Il metodo scientifico sperimentale e l’aggiornamento delle conoscenze, il sistema di unità di misura e la sua recente evoluzione. Unità di misura “naturali” (Planck). Relatività speciale. La crisi del principio di relatività classico, esperimenti di Michelson e Michelson and Morley, la proposta di Lorentz, il principio di relatività di Einstein, dilatazione del tempo, intervalli fra eventi nello spazio-tempo e diagrammi di Minkowsky, relatività della simultaneità, contrazione delle lunghezze, diagrammi tempo proprio – spazio, trasformazione delle velocità, esempi di test sperimentali ed esercizi. Dinamica relativistica, urti fra fotoni e particelle cariche, esempi di creazione di coppie di particelle ed esercizi. Relatività Generale. Principio di equivalenza, red-shift gravitazionale e esperimento di Pound and Rebka, cenni sulle equazioni di campo di Einstein, curvatura dello spazio-tempo come descritta nella soluzione di Schwarzschild e correzioni al primo ordine della gravitazione newtoniana, cenni sulla fenomenologia dei buchi neri, esempi di applicazioni alla navigazione satellitare, esercizi. Radiazione di corpo nero. Esperimenti di Hertz, osservazioni storiche della radiazione di corpo nero, assorbimento e emissività, trasferimento di calore per irraggiamento, spettro della radiazione di corpo nero, crisi del modello classico di Rayleigh Jeans, legge di Planck, energia media per grado di libertà e quanti di energia, esercizi. Gas di fotoni in equilibrio termico, trasformazioni reversibili di un gas di fotoni, esercizi. Introduzione alla Cosmologia. La notte è buia, isotropia dell’Universo, espansione dell’Universo, legge di Hubble e interpretazione di Hubble Lemaitre, modello FLRW, scoperta e proprietà del fondo cosmico a micro-onde, conseguenze sul modello hot big bang.
Il corso è costituito primariamente da lezioni frontali, in cui si cercherà di stimolare l’intervento in aula da parte degli studenti, e da esercitazioni per discutere interattivamente e risolvere alcuni problemi di fisica sui contenuti trattati. Le lezioni e le esercitazioni sono registrate e fruibili da remoto interattivamente, e saranno archiviate sulla comunità virtuale del corso, assieme alla copia del materiale presentato. Le attività di apprendimento previste comprenderanno lo studio di libri di testo e del materiale discusso a lezione. Inoltre sarà suggerita la preparazione di una presentazione di approfondimento su uno degli argomenti trattati a lezione.
Modalità d'esame
L’esame comprende una prova scritta, per valutare la capacità di soluzione di problemi di fisica del tipo di quelli affrontati durante le esercitazioni in classe. La prova scritta è valutata; con voto almeno sufficiente lo/la studente/studentessa è ammessa a sostenere la prova orale. La prova orale inizia con la discussione di un argomento scelto dallo/dalla studente/studentessa fra quelli trattati nel corso. La prova orale prosegue con domande sul resto del programma svolto. Il voto finale sarà principalmente basato sulla valutazione della prova orale.
Testi di riferimento
I libri di testo raccomandati sono disponibili in biblioteca, in particolare: Modern Physics, by Serway, Moses and Moyer Modern Physics, by Krane Il materiale scritto e le registrazioni delle lezioni e delle esercitazioni dell’anno corrente e di anni precedenti sono disponibili sulla comunità virtuale del Corso. Letture aggiuntive consigliate: Introduction to Cosmology, by Ryden (the first few chapters) Gravity, an Introduction to General Relativity, by Hartle (selected material from chapters 2-6) Relativity Visualized, by Epstein Materiale del precedente docente del corso (fino al 2018) è disponibile in https://fismod2018unitn.wordpress.com/author/stefanoss/
Codice insegnamento 51017_653610_89118
Network Modelling and Simulation
1° anno · 1° semestre · 6 CFU · INFO-01/A · 0 file
L’insegnamento si propone di offrire una panoramica generale delle principali tecniche di modellazione matematica di processi biologici complessi. Le entità biologiche verranno studiate come componenti di una rete…
Scheda dell'insegnamento
Obiettivi formativi
L’insegnamento si propone di offrire una panoramica generale delle principali tecniche di modellazione matematica di processi biologici complessi. Le entità biologiche verranno studiate come componenti di una rete biologica formalizzata in un modello matematico, enfatizzando i comportamenti emergenti che risultano dalle interazioni tra le diverse componenti del sistema biologico. I modelli matematici saranno studiati analizzando le principali tecniche di simulazione stocastica e determinsitica e calibrati introducendo le principali tecniche di ottimo locale e globale. Alla fine del corso, gli studenti saranno in grado di: Conoscere un ampio spettro di tecniche computazionali per la simulazione e la calibrazione di modelli matematici di sistemi biologici, valutandone i punti di forza e le debolezze.Formalizzare diversi quesiti biologici in modelli matematici, scegliendo e implementando le tecniche computazionali più appropriate per la loro simulazione e calibrazione.Comprendere e valutare criticamente i risultati presentati in articoli scientifici nell'ambito della modellazione e simulazione di sistemi biologici.
Programma
Il corso tratterà vari metodi per modellare, simulare e analizzare sistemi biologici con una enfasi particolare verso applicazioni reali. Risultati pubblicati di alta rilevanza scientifica e biologica saranno presentati come casi studio per le metodologie e le tecniche introdotte durante il corso. Gli argomenti del corso includono: 1) Visione di sistema della biologia, una carrellata degli approcci di modellazione più utilizzati: 1.1) Network-based approaches (Boolean networks, Petri nets) 1.2) Rewriting systems (chemical reactions, P systems, MP systems) 1.3) Equation-based approaches (differential and difference equations) 2) Come calcolare una predizione utilizzando un modello matematico, una carrellata delle tecniche di simulazione più utilizzate: 2.1) Exact stochastic simulation (Direct Method, First Reaction Method, Next Reaction Method, Rejection-based SSA and improvements) 2.2) Approximate stochastic simulation (Tau-leaping, Chemical Langevin Method) 2.3) Deterministic simulation (numerical solution of Ordinary Differential Equations, multistep and adaptive methods) 2.4) Hybrid stochastic/deterministic simulation (Hybrid Rejection-based SSA) 3) Cosa possiamo fare se non si conoscono alcune delle stime dei parametri di un modello matematico? Una introduzione al problema. 3.1) Definizione di un problema di ottimo attraverso la creazione di una funzione obiettivo 3.2) Differenze tra ottimi locali e globali 3.3) Gradient-based optimization methods 3.4) Evolutionary optimization methods
Il corso sarà principalmente costituito da lezioni svolte in classe. Una parte delle lezioni verrà dedicata a sessioni di implementazione in MATLAB o Python di alcuni degli algoritmi introdotti a lezione. Tutte le lezioni saranno interattive, gli studenti sono quindi caldamente invitati a discutere le loro osservazioni e punti di vista rispetto ai concetti pratici e teorici introdotti nel corso.
Modalità d'esame
Gli studenti leggeranno un articolo scientifico su un ambito trattato a lezione e lavoreranno su di esso in gruppo. Il risultato della attività di gruppo sarà una relazione e delle slide, dove i risultati introdotti nell’articolo scientifico saranno analizzati con spirito critico. Sia la relazione che le slide saranno presentate durante l’esame finale del corso. Esso consisterà in una prova orale divisa in due parti. Nella prima parte gli studenti presenteranno il lavoro di gruppo utilizzando le slide. Nella seconda parte gli studenti dovranno rispondere ad alcune domande orali finalizzate alla comprensione degli argomenti trattati a lezione. Il voto finale sarà ottenuto sommando un massimo di 10 punti per la qualità della relazione, 10 punti per la chiarezza della presentazione e 12 punti per le domande finali. Voti superiori a 30 daranno la lode.
Testi di riferimento
Durante il corso verranno trattati una selezione di argomenti presentati nei seguenti libri: Corrado Priami, Melissa J. Morine, Analysis of biological systems. Imperial College Press, 2015.Luca Marchetti, Corrado Priami, Vo Hong Thanh, Simulation algorithms for computational systems biology. Springer, 2017.Jorge Nocedal, Stephen Wright, Numerical Optimization. Springer, 2006.In aggiunta, durante le lezioni saranno analizzati articoli scientifici che presentano od applicano le tecniche computazionali viste a lezione. LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Priami, C., & Morine, M. J. (2015). Analysis of biological systems. Imperial college press. Marchetti, L., Priami, C., & Thanh, V. H. (2017). Simulation algorithms for computational systems biology. Springer. Nocedal, J., & Wright, S. J. (2006). Numerical optimization (2nd ed.). Springer.
Codice insegnamento 51015_653562_93077
Numerical methods for PDEs
1° anno · 2° semestre · 6 CFU · MATH-05/A · 0 file
This course covers the theory of the finite element method for the approximation of the solution of partial differential equations. The methods studied will be implemented in the laboratory using Matlab and FreeFem.…
Scheda dell'insegnamento
Obiettivi formativi
This course covers the theory of the finite element method for the approximation of the solution of partial differential equations. The methods studied will be implemented in the laboratory using Matlab and FreeFem. The learning outcomes include the understanding of the main features of the finite elements method for the approximation of the solution of elliptic and parabolic partial differential equations, and its theoretical properties. In addition, the finite difference method applied to hyperbolic equations will be studied. Having attended the course, the students will be familiar with the technical terminologies and concepts of the subject, and will have a good grasp of how to implement the methods in practice.
Programma
Elliptic partial differential equations. Variational form of boundary value problems. Lax-Milgram lemma and its consequences. Galerkin methods. The finite element method. Convection-diffusion equations. Weak problem formulation. Stabilization methods. Parabolic problems. Initial boundary value problems and weak formulation. Semidiscrete approximation. Fully discrete approximations and their stability. Hyperbolic equations. Finite difference approximations and their properties.
Lectures at the blackboard and use of multimedia. Computer lab exercises using Matlab and FreeFem.
Modalità d'esame
A small project and an oral exam to check the knowledge and comprehension of the discussed methods for the numerical approximation of elliptic, parabolic and hyperbolic partial differential equations.
Testi di riferimento
A. Quarteroni. Numerical Models for Differential Problems. Springer-Verlag, 2017. A. Quarteroni, A. Valli. Numerical Approximation of Partial Differential Equations. Springer-Verlag, 2008.
Codice insegnamento 51015_653599_89115
Numerical methods for PDEs
1° anno · 2° semestre · 6 CFU · MATH-05/A · 0 file
This course covers the theory of the finite element method for the approximation of the solution of partial differential equations. The methods studied will be implemented in the laboratory using Matlab and FreeFem.…
Scheda dell'insegnamento
Obiettivi formativi
This course covers the theory of the finite element method for the approximation of the solution of partial differential equations. The methods studied will be implemented in the laboratory using Matlab and FreeFem. The learning outcomes include the understanding of the main features of the finite elements method for the approximation of the solution of elliptic and parabolic partial differential equations, and its theoretical properties. In addition, the finite difference method applied to hyperbolic equations will be studied. Having attended the course, the students will be familiar with the technical terminologies and concepts of the subject, and will have a good grasp of how to implement the methods in practice.
Programma
Elliptic partial differential equations. Variational form of boundary value problems. Lax-Milgram lemma and its consequences. Galerkin methods. The finite element method. Convection-diffusion equations. Weak problem formulation. Stabilization methods. Parabolic problems. Initial boundary value problems and weak formulation. Semidiscrete approximation. Fully discrete approximations and their stability. Hyperbolic equations. Finite difference approximations and their properties.
Lectures at the blackboard and use of multimedia. Computer lab exercises using Matlab and FreeFem.
Modalità d'esame
A small project and an oral exam to check the knowledge and comprehension of the discussed methods for the numerical approximation of elliptic, parabolic and hyperbolic partial differential equations.
Testi di riferimento
A. Quarteroni. Numerical Models for Differential Problems. Springer-Verlag, 2017. A. Quarteroni, A. Valli. Numerical Approximation of Partial Differential Equations. Springer-Verlag, 2008.
Codice insegnamento 51018_653599_89115
Optimal transport
1° anno · 1° semestre · 6 CFU · MATH-03/A · 0 file
gli studenti dovrebbero acquisire esperienza sulle basi del trasporto ottimo e alcune applicazioni in analisi matematica e ottimizzazione
Scheda dell'insegnamento
Obiettivi formativi
gli studenti dovrebbero acquisire esperienza sulle basi del trasporto ottimo e alcune applicazioni in analisi matematica e ottimizzazione
Programma
-Cenni di teoria della misura. -Topologie deboli su misure di Radon. Compattezza per le misure. -Il problema di Monge. Esempi e applicazioni. Risultati unidimensionali. -Il problema di Kantorovich. Connessioni tra le due formulazioni -Esistenza di soluzioni al problema di Kantorovich. -Teoria di c-dualità e monotonia c-ciclica. -Dualità Kantorovic-Rubistein. -Condizioni di ottimalità necessarie e sufficienti. -Teorema di Brenier, teorema di Knott-Smith. -Topologia sullo spazio di Wasserstein Ulteriori applicazioni saranno discusse a seconda degli interessi del pubblico
Lezioni frontali in aula con appunti forniti dal docente
Modalità d'esame
L'esame finale si svolgerà tramite una prova orale o sotto forma di seminario, con successiva discussione di argomenti correlati e trattati durante il corso. Le competenze che si intendono verificare tramite la prova sono la capacità dello studente di esposizione delle conoscenze acquisite.
Testi di riferimento
-Luigi Ambrosio , Elia Brué , Daniele Semola: Lectures on Optimal Transport -Cedric Villani: Optimal transport, old and new -Filippo Santambrogio: Optimal Transport for Applied Mathematicians. – Calculus of Variations, PDEs and Modeling. -Francesco Maggi: Optimal Mass Transport on Euclidean spaces
Codice insegnamento 51015_653566_96187
Partial Differential Equations
1° anno · 1° semestre · 6 CFU · MATH-03/A · 0 file
Scopo del corso è quello di presentare i tipi più rilevanti di equazioni a derivate parziali (ellittiche, paraboliche, iperboliche: soprattutto nel caso lineare) e i modelli fisici che esse descrivono. Specificamente, si…
Scheda dell'insegnamento
Obiettivi formativi
Scopo del corso è quello di presentare i tipi più rilevanti di equazioni a derivate parziali (ellittiche, paraboliche, iperboliche: soprattutto nel caso lineare) e i modelli fisici che esse descrivono. Specificamente, si fornisce il quadro funzionale adatto ad indicare sotto quali condizioni i problemi associati a queste equazioni differenziali sono ben posti (esistenza, unicità e stabilità della soluzione). Alla fine del corso lo studente/la studentessa sarà in grado di orientarsi fra i vari tipi di equazioni differenziali alle derivate parziali, saprà indicare quali proprietà qualitative caratteristiche hanno le soluzioni, ed avrà una visione più accurata dell'approccio matematico a questi problemi, oltre che una capacità di utilizzare i metodi moderni di studio di questi temi.
Programma
Esempi di problemi di modellizzazione in fisica ed equazioni differenziali a derivate parziali (fra cui equazione di Laplace, equazione del calore, equazione delle onde). Alcuni risultati significativi di analisi funzionale. Nozioni di base per gli spazi di Sobolev: derivata debole, cenni sulla derivata distribuzionale, definizioni di spazi di Sobolev e loro proprietà fondamentali, approssimazione con funzioni regolari, teoremi di estensione, tracce sulla frontiera, cenni sui teoremi di immersione di Sobolev, risultati di compattezza, diseguaglianze di Poincaré. Problemi al contorno per l'equazione di Laplace e le equazioni ellittiche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità tramite il lemma di Lax-Milgram. Teorema dell'alternativa di Fredholm. Principio di massimo. Autovalori ed autofunzioni per problemi ellittici simmetrici. Spettro del laplaciano con condizioni al bordo di Dirichlet. Problemi di minimizzazione vincolata: problemi di punto sella. Esempi: operatore di Laplace come sistema del primo ordine, sistema di Stokes. Problemi iniziali e al contorno per l'equazione del calore e le equazioni paraboliche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità. Principio di massimo. Problemi iniziali e al contorno per l'equazione delle onde e le equazioni iperboliche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità. Velocità di propagazione finita.
Lezioni frontali (eventualmente in modalità sincrona a distanza).
Modalità d'esame
Esame orale, sui temi affrontati durante il corso.
Testi di riferimento
Appunti e materiali didattici forniti dai docenti. Altri testi di riferimento: A. Valli, A compact course on linear PDEs, 2nd edition, Springer, 2023. S. Salsa, Partial differential equations in action, 2nd edition, Springer, 2015. [Disponibile anche una versione in italiano.] L.C. Evans, Partial differential equations, American Mathematical Society, 1998.
Codice insegnamento 51015_653585_91162
Partial Differential Equations
1° anno · 9 CFU · MATH-03/A · 0 file
Scopo del corso è quello di presentare i tipi più rilevanti di equazioni a derivate parziali (ellittiche, paraboliche, iperboliche: soprattutto nel caso lineare) e i modelli fisici che esse descrivono. Specificamente, si…
Scheda dell'insegnamento
Obiettivi formativi
Scopo del corso è quello di presentare i tipi più rilevanti di equazioni a derivate parziali (ellittiche, paraboliche, iperboliche: soprattutto nel caso lineare) e i modelli fisici che esse descrivono. Specificamente, si fornisce il quadro funzionale adatto ad indicare sotto quali condizioni i problemi associati a queste equazioni differenziali sono ben posti (esistenza, unicità e stabilità della soluzione). Alla fine del corso lo studente/la studentessa sarà in grado di orientarsi fra i vari tipi di equazioni differenziali alle derivate parziali, saprà indicare quali proprietà qualitative caratteristiche hanno le soluzioni, ed avrà una visione più accurata dell'approccio matematico a questi problemi, oltre che una capacità di utilizzare i metodi moderni di studio di questi temi.
Scopo del corso è quello di presentare i tipi più rilevanti di equazioni a derivate parziali (ellittiche, paraboliche, iperboliche: soprattutto nel caso lineare) e i modelli fisici che esse descrivono. Specificamente, si fornisce il quadro funzionale adatto ad indicare sotto quali condizioni i problemi associati a queste equazioni differenziali sono ben posti (esistenza, unicità e stabilità della soluzione) [Solo per il corso da 9 crediti: e si dà una prima introduzione alla regolarità ellittica ed ai principi di massimo]. Alla fine del corso lo studente/la studentessa sarà in grado di orientarsi fra i vari tipi di equazioni differenziali alle derivate parziali, saprà indicare quali proprietà qualitative caratteristiche hanno le soluzioni, ed avrà una visione più accurata dell'approccio matematico a questi problemi, oltre che una capacità di utilizzare i metodi moderni di studio di questi temi.
Programma
Esempi di problemi di modellizzazione in fisica ed equazioni differenziali a derivate parziali (fra cui equazione di Laplace, equazione del calore, equazione delle onde). Alcuni risultati significativi di analisi funzionale. Nozioni di base per gli spazi di Sobolev: derivata debole, cenni sulla derivata distribuzionale, definizioni di spazi di Sobolev e loro proprietà fondamentali, approssimazione con funzioni regolari, teoremi di estensione, tracce sulla frontiera, cenni sui teoremi di immersione di Sobolev, risultati di compattezza, diseguaglianze di Poincaré. Problemi al contorno per l'equazione di Laplace e le equazioni ellittiche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità tramite il lemma di Lax-Milgram. Teorema dell'alternativa di Fredholm. Principio di massimo. Autovalori ed autofunzioni per problemi ellittici simmetrici. Spettro del laplaciano con condizioni al bordo di Dirichlet. Problemi di minimizzazione vincolata: problemi di punto sella. Esempi: operatore di Laplace come sistema del primo ordine, sistema di Stokes. Problemi iniziali e al contorno per l'equazione del calore e le equazioni paraboliche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità. Principio di massimo. Problemi iniziali e al contorno per l'equazione delle onde e le equazioni iperboliche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità. Velocità di propagazione finita.
Lezioni frontali (eventualmente in modalità sincrona a distanza).
Esempi di problemi di modellizzazione in fisica ed equazioni differenziali a derivate parziali (fra cui equazione di Laplace, equazione del calore, equazione delle onde). Alcuni risultati significativi di analisi funzionale. Nozioni di base per gli spazi di Sobolev: [Solo per corso da 9 crediti: derivata distribuzionale,] derivata debole, definizioni di spazi di Sobolev e loro proprietà fondamentali, approssimazione con funzioni regolari, teoremi di estensione, tracce sulla frontiera, [Solo per corso da 9 crediti: teoremi di immersione,] risultati di compattezza, diseguaglianze di Poincaré. Problemi al contorno per l'equazione di Laplace e le equazioni ellittiche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità tramite il lemma di Lax-Milgram. Teorema dell'alternativa di Fredholm. [Solo per corso da 9 crediti: Stime ellittiche e teoremi di regolarità ellittica in spazi di Sobolev, metodo di bootstrap.] Principi di massimo (debole, [Solo per corso da 9 crediti: forte via lemma di Hopf, baby ABP estimates]). Autovalori ed autofunzioni per problemi ellittici simmetrici. Spettro del laplaciano con condizioni al bordo di Dirichlet, [Solo per corso da 9 crediti: comportamento asintotico degli autovalori (legge di Weyl)]. Problemi di minimizzazione vincolata: problemi di punto sella. Esempi: operatore di Laplace come sistema del primo ordine, sistema di Stokes. Problemi iniziali e al contorno per l'equazione del calore e le equazioni paraboliche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità. Principi di massimo. Problemi iniziali e al contorno per l'equazione delle onde e le equazioni iperboliche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità. Velocità di propagazione finita.
Lezioni frontali (eventualmente in modalità sincrona a distanza).
Modalità d'esame
Esame orale, sui temi affrontati durante il corso.
Esame orale, sui temi affrontati durante il corso [Solo per il corso da 9 crediti: e sugli esercizi assegnati].
Testi di riferimento
Appunti e materiali didattici forniti dai docenti. Altri testi di riferimento: A. Valli, A compact course on linear PDEs, 2nd edition, Springer, 2023. S. Salsa, Partial differential equations in action, 2nd edition, Springer, 2015. [Disponibile anche una versione in italiano.] L.C. Evans, Partial differential equations, American Mathematical Society, 1998.
Appunti e materiali didattici forniti dai docenti. Altri testi di riferimento: A. Valli, A compact course on linear PDEs, Springer, 2020. [Solo per corso da 9 crediti: H. Brezis, Functional Analysis, Sobolev spaces and partial differential equations, Springer, 2011. [Disponibile anche una versione in italiano.]] [Solo per corso da 9 crediti: L. Ambrosio, A. Carlotto, A. Massaccesi, Lectures on elliptic partial differential equations, Edizioni della Normale, Pisa, Springer, 2018.] S. Salsa, Partial differential equations in action, 2nd edition, Springer, 2015. [Disponibile anche una versione in italiano.] L.C. Evans, Partial differential equations, American Mathematical Society, 1998.
Codice insegnamento 51018_653585_91162
Partial differential equations
1° anno · 9 CFU · MATH-03/A · 0 file
Scopo del corso è quello di presentare i tipi più rilevanti di equazioni a derivate parziali (ellittiche, paraboliche, iperboliche: soprattutto nel caso lineare) e i modelli fisici che esse descrivono. Specificamente, si…
Scheda dell'insegnamento
Obiettivi formativi
Scopo del corso è quello di presentare i tipi più rilevanti di equazioni a derivate parziali (ellittiche, paraboliche, iperboliche: soprattutto nel caso lineare) e i modelli fisici che esse descrivono. Specificamente, si fornisce il quadro funzionale adatto ad indicare sotto quali condizioni i problemi associati a queste equazioni differenziali sono ben posti (esistenza, unicità e stabilità della soluzione). Alla fine del corso lo studente/la studentessa sarà in grado di orientarsi fra i vari tipi di equazioni differenziali alle derivate parziali, saprà indicare quali proprietà qualitative caratteristiche hanno le soluzioni, ed avrà una visione più accurata dell'approccio matematico a questi problemi, oltre che una capacità di utilizzare i metodi moderni di studio di questi temi.
Scopo del corso è quello di presentare i tipi più rilevanti di equazioni a derivate parziali (ellittiche, paraboliche, iperboliche: soprattutto nel caso lineare) e i modelli fisici che esse descrivono. Specificamente, si fornisce il quadro funzionale adatto ad indicare sotto quali condizioni i problemi associati a queste equazioni differenziali sono ben posti (esistenza, unicità e stabilità della soluzione) [Solo per il corso da 9 crediti: e si dà una prima introduzione alla regolarità ellittica ed ai principi di massimo]. Alla fine del corso lo studente/la studentessa sarà in grado di orientarsi fra i vari tipi di equazioni differenziali alle derivate parziali, saprà indicare quali proprietà qualitative caratteristiche hanno le soluzioni, ed avrà una visione più accurata dell'approccio matematico a questi problemi, oltre che una capacità di utilizzare i metodi moderni di studio di questi temi.
Programma
Esempi di problemi di modellizzazione in fisica ed equazioni differenziali a derivate parziali (fra cui equazione di Laplace, equazione del calore, equazione delle onde). Alcuni risultati significativi di analisi funzionale. Nozioni di base per gli spazi di Sobolev: derivata debole, cenni sulla derivata distribuzionale, definizioni di spazi di Sobolev e loro proprietà fondamentali, approssimazione con funzioni regolari, teoremi di estensione, tracce sulla frontiera, cenni sui teoremi di immersione di Sobolev, risultati di compattezza, diseguaglianze di Poincaré. Problemi al contorno per l'equazione di Laplace e le equazioni ellittiche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità tramite il lemma di Lax-Milgram. Teorema dell'alternativa di Fredholm. Principio di massimo. Autovalori ed autofunzioni per problemi ellittici simmetrici. Spettro del laplaciano con condizioni al bordo di Dirichlet. Problemi di minimizzazione vincolata: problemi di punto sella. Esempi: operatore di Laplace come sistema del primo ordine, sistema di Stokes. Problemi iniziali e al contorno per l'equazione del calore e le equazioni paraboliche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità. Principio di massimo. Problemi iniziali e al contorno per l'equazione delle onde e le equazioni iperboliche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità. Velocità di propagazione finita.
Lezioni frontali (eventualmente in modalità sincrona a distanza).
Esempi di problemi di modellizzazione in fisica ed equazioni differenziali a derivate parziali (fra cui equazione di Laplace, equazione del calore, equazione delle onde). Alcuni risultati significativi di analisi funzionale. Nozioni di base per gli spazi di Sobolev: [Solo per corso da 9 crediti: derivata distribuzionale,] derivata debole, definizioni di spazi di Sobolev e loro proprietà fondamentali, approssimazione con funzioni regolari, teoremi di estensione, tracce sulla frontiera, [Solo per corso da 9 crediti: teoremi di immersione,] risultati di compattezza, diseguaglianze di Poincaré. Problemi al contorno per l'equazione di Laplace e le equazioni ellittiche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità tramite il lemma di Lax-Milgram. Teorema dell'alternativa di Fredholm. [Solo per corso da 9 crediti: Stime ellittiche e teoremi di regolarità ellittica in spazi di Sobolev, metodo di bootstrap.] Principi di massimo (debole, [Solo per corso da 9 crediti: forte via lemma di Hopf, baby ABP estimates]). Autovalori ed autofunzioni per problemi ellittici simmetrici. Spettro del laplaciano con condizioni al bordo di Dirichlet, [Solo per corso da 9 crediti: comportamento asintotico degli autovalori (legge di Weyl)]. Problemi di minimizzazione vincolata: problemi di punto sella. Esempi: operatore di Laplace come sistema del primo ordine, sistema di Stokes. Problemi iniziali e al contorno per l'equazione del calore e le equazioni paraboliche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità. Principi di massimo. Problemi iniziali e al contorno per l'equazione delle onde e le equazioni iperboliche lineari del secondo ordine: formulazione debole (variazionale), esistenza, unicità e stabilità. Velocità di propagazione finita.
Lezioni frontali (eventualmente in modalità sincrona a distanza).
Modalità d'esame
Esame orale, sui temi affrontati durante il corso.
Esame orale, sui temi affrontati durante il corso [Solo per il corso da 9 crediti: e sugli esercizi assegnati].
Testi di riferimento
Appunti e materiali didattici forniti dai docenti. Altri testi di riferimento: A. Valli, A compact course on linear PDEs, 2nd edition, Springer, 2023. S. Salsa, Partial differential equations in action, 2nd edition, Springer, 2015. [Disponibile anche una versione in italiano.] L.C. Evans, Partial differential equations, American Mathematical Society, 1998.
Appunti e materiali didattici forniti dai docenti. Altri testi di riferimento: A. Valli, A compact course on linear PDEs, Springer, 2020. [Solo per corso da 9 crediti: H. Brezis, Functional Analysis, Sobolev spaces and partial differential equations, Springer, 2011. [Disponibile anche una versione in italiano.]] [Solo per corso da 9 crediti: L. Ambrosio, A. Carlotto, A. Massaccesi, Lectures on elliptic partial differential equations, Edizioni della Normale, Pisa, Springer, 2018.] S. Salsa, Partial differential equations in action, 2nd edition, Springer, 2015. [Disponibile anche una versione in italiano.] L.C. Evans, Partial differential equations, American Mathematical Society, 1998.
Codice insegnamento 51015_653592_89102
Physiological flow and transport in porous tissues
1° anno · 1° semestre · 6 CFU · CEAR-01/B · 0 file
Il corso fornisce le competenze necessarie allo sviluppo di modelli di trasporto rilevanti nelle applicazioni biomediche. Questo è ottenuto interpretando e modellando i processi biologici di trasporto mediante le…
Scheda dell'insegnamento
Obiettivi formativi
Il corso fornisce le competenze necessarie allo sviluppo di modelli di trasporto rilevanti nelle applicazioni biomediche. Questo è ottenuto interpretando e modellando i processi biologici di trasporto mediante le metodologie offerte dalla meccanica dei fluidi. Al termine del corso le studentesse e gli studenti saranno in grado di sviluppare ed applicare modelli di trasporto nei mezzi biologici e nei dispositivi extracorporei, finalizzati alla loro progettazione, e sviluppare modelli compartimentali applicati alla farmacocinetica.
Programma
1. Modelli funzionali del sistema cardiovascolare Ruolo del sistema circolatorio, distribuzione del sangue nel corpo a riposo, sistemi di vasi, distribuzione della pressione e velocità del sangue nel sistema cardiovascolare. 2. Proprietà fisiche dei fluidi corporei Proprietà fisiche e di flusso del sangue e di altri fluidi corporei, trasporto di soluti nei sistemi biologici, trasporto di ossigeno nei sistemi biologici 3. Flusso e trasporto nei mezzi porosi e attraverso le membrane Considerazioni termodinamiche, principio di Starling, pressione osmotica, flusso accoppiato ed equazioni di trasporto attraverso membrane eterogenee, legge fenomenologica e relazione di Onsager. 4. Dispositivi extracorporei Il principio generale di conservazione, equazioni di massa, quantità di moto e conservazione dell'energia in un continuo fluido. Legge di Fick e diffusività; coefficiente di scambio; trasferimento di massa nello strato limite laminare a contatto di una piastra e di un tubo circolare. Modellazione dei processi di scambio nei dispositivi extracorporei, emodialisi, ossigenazione del sangue. 5. Farmacocinetica Fattori che influenzano l'assorbimento e distribuzione dei farmaci, modelli compartimentali di assorbimento ed eliminazione dei farmaci.
Il corso e' strutturato in lezioni seguite da esercizi esplicativi.
Modalità d'esame
L'esame consiste in una prova orale nella quale oltre a domande sugli argomenti trattati durante il corso verrà chiesta l'esposizione degli esercizi svolti che peseranno per 1/3 sulla votazione finale.
Testi di riferimento
Durante le lezioni verranno indicati i capitoli di riferimento tratti dai seguenti libri: J. R. Levick, An Introduction to Cardiovascular Physiology, Hodder Arnold, and Hachette Company, London, UK, 2000 R. L. Fournier, Basic Transport Phenomena in Biomedical Engineering, CRC Press, Boca Raton, FL, 2012 A. Katchalsky, P. F. Curran, Nonequilibrium Thermodynamics in Biophysics, Harvard University press, Cambridge, Massachussetts, USA, 1974
Codice insegnamento 51015_653606_91161
Public-key and post-quantum cryptography
1° anno · 2° semestre · 6 CFU · MATH-02/A · 0 file
Fondamenti di crittografia a chiave pubblica, classica e post-quantum.
Scheda dell'insegnamento
Obiettivi formativi
Fondamenti di crittografia a chiave pubblica, classica e post-quantum.
Programma
- La nascita della crittografia a chiave pubblica. - Lo scambio della chiave Diffie-Hellman. - Problema del logaritmo discreto (DLP). Problema di Diffie-Hellman, decisionale e computazionale. - Algoritmi per il logaritmo discreto: Pohlig-Hellman, Pollard rho, baby step - giant step. - Algoritmi di cifratura a chiave pubblica. - RSA e test di primalità (Fermat, Lucas, Miller-Rabin). - El Gamal e la sua sicurezza. - La trasformata di Fujisaki e Okamoto. - Key-encapsulation mechanisms e cifratura ibrida. - Curve ellittiche, isogenie e pairing. - Elementi di pairing-based cryptography. - Firme digitali: sintassi e modelli di sicurezza. - Il metodo hash-and-sign per la costruzione di firme digitali. - Identification protocols, forking lemmas, Random-oracle model, trasformata di Fiat-Shamir. - Esempi di firme digitali: Schnorr, EdDSA, ECDSA. - Merkle trees e seed trees. - Introduzione alla crittografia post-quantum. - Firme digitali hash-based e group-action-based. - Reticoli e problemi matematici difficili. - Lattice-based cryptography (Kyber, Dilithium, Falcon) - Ring Signatures e OR proofs - Secret Sharing. Oblivious transfer schemes. Elementi di multi-party computation (MPC). - Commitment Schemes. - Homomorphic Encryption. - Laboratori di MAGMA, assignment e progetto finale.
Lezioni frontali e laboratori.
Modalità d'esame
Esame scritto ed orale, esercitazioni di laboratorio, progetto finale e relativa relazione.
Testi di riferimento
- J. Katz and Y. Lindell, Introduction to Modern Cryptography, CRC Press, Second Edition, 2015. - S. Galbraith, Mathematics of Public Key Cryptography. Cambridge University Press, 2012. - A. Mittelbach and M. Fischlin, The Theory of Hash Functions and Random Oracles. Springer, 2021.
Codice insegnamento 51016_653560_97109
Quantum information
1° anno · 2° semestre · 9 CFU · MATH-03/B · 0 file
Il corso ha lo scopo di introdurre gli studenti del corso di laurea in Matematica alla teoria dell’informazione quantistica e alle sue applicazioni. Al termine del corso, lo studente avrà acquisito familiarità con i…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha lo scopo di introdurre gli studenti del corso di laurea in Matematica alla teoria dell’informazione quantistica e alle sue applicazioni. Al termine del corso, lo studente avrà acquisito familiarità con i concetti fondamentali della teoria dell’informazione quantistica e con le sue principali applicazioni in crittografia e computazione. Sarà in grado di comprendere le differenze essenziali tra la teoria dell’informazione classica e quella quantistica. Inoltre, sarà capace di modellizzare sistemi quantistici concreti mediante opportuni strumenti matematici, di ragionare in modo induttivo e deduttivo nella risoluzione di problemi che coinvolgono semplici sistemi quantistici con un numero finito di gradi di libertà. Lo studente sarà anche in grado di schematizzare un sistema quantistico in termini rigorosi, sviluppare argomentazioni logiche, produrre dimostrazioni corrette ed esporle in modo chiaro ed efficace. Infine, sarà in grado di acquisire e gestire in autonomia nuove informazioni relative alle applicazioni della teoria dell’informazione quantistica.
Programma
Nozioni base di meccanica quantistica (stati, osservabili, evoluzione temporale). Entanglement e diseguaglianze di Bell. Principali nozioni di teoria dell'informazione quantistica e applicazioni alla comunicazione (teletrasporto, no-cloning, state discrimination, dense coding, quantum random number generator, quantum key distribution). Entropie quantistiche e loro applicazioni. Introduzione alla computazione quantistica e al quantum machine learning.
Lezioni frontali. Verranno inoltre proposti degli esercizi da svolgere autonomamente.
Modalità d'esame
L'esame consiste in un colloquio orale su una selezione degli argomenti svolti a lezione
Testi di riferimento
A. S. Holevo "Quantum systems, channels, information" M.A. Nielsen, I.L. Chuang "Quantum Computation and Quantum Information" R. Wolf "Quantum Key Distribution. An Introduction with Exercises" M. Wilde "From Classical to Quantum Shannon Theory " LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Kholevo, A. S. (2019). Quantum systems, channels, information : a mathematical introduction (2. ed.). De Gruyter. Nielsen, M. A., & Chuang, I. L. (2010). Quantum computation and quantum information (10th anniversary ed.). Cambridge university press. Wolf, R. (2021). Quantum key distribution : an introduction with exercises. Springer. Wilde, M. (2017). Quantum information theory (2nd ed.). Cambridge University Press.
Codice insegnamento 51016_653598_97112
Quantum mechanics
1° anno · 2° semestre · 6 CFU · PHYS-02/A · 0 file
Il corso Advanced topics in modern physics (140730, 9 CFU) tratta la meccanica quantistica e le sue applicazioni allo studio degli atomi e delle molecole. Al termine, ci si attende che gli/le studenti abbiano compreso…
Scheda dell'insegnamento
Obiettivi formativi
Il corso Advanced topics in modern physics (140730, 9 CFU) tratta la meccanica quantistica e le sue applicazioni allo studio degli atomi e delle molecole. Al termine, ci si attende che gli/le studenti abbiano compreso quali sono i principi essenziali della teoria, sappiano applicarla a casi semplici e abbiano un'idea adeguata su come possa essere usata in casi più complessi, in particolare nella descrizione delle molecole e della materia, anche con riferimento a problemi di chimica, biofisica e fisica dell'atmosfera.
Programma
Una prima parte del corso, di 48 ore, è dedicata ad introdurre, da zero, le basi della meccanica quantistica. In queste lezioni, suddivise equamente tra il prof. Dalfovo e il prof. Hauke, si definiscono dapprima i sistemi fisici e si mostra come questi possono essere descritti da vettori di stato, elementi di opportuni spazi vettoriali complessi. Le grandezze fisiche (osservabili) sono associate a operatori lineari che agiscono su tali vettori. Si parla di sovrapposizione di stati, del significato di misura, delle osservabili incompatibili e della relazione d'indeterminazione. Come esempi significativi, vengono trattati i casi dello spin, la posizione, il momento lineare (quantità di moto) e il momento angolare. Viene poi introdotta l'evoluzione temporale degli stati, sia nella rappresentazione di Schrödinger che di Heisenberg, con applicazioni all'oscillatore armonico, l'atomo d'idrogeno, una particella su un anello, una particella su una sfera, e l'effetto tunnel. Si espongono alcuni metodi di approssimazione, come la teoria delle perturbazioni e i metodi variazionali. Si estende la teoria a sistemi composti da due o più particelle, discutendo il problema delle particelle identiche (bosoni e fermioni) e, infine, si conclude con la definizione di ensemble misti, matrice densità e entanglement. La seconda parte del corso, di altre 48 ore, è svolta dal prof. Cudazzo. Le sue prime lezioni, per circa 12 ore, riguardano l'addizione dei momenti angolari e l'atomo di elio. Successivamente vengono trattati i seguenti argomenti: Spettri atomici e struttura atomica; atomi a molti elettroni e introduzione alla struttura delle molecole; approssimazione di Born-Oppenheimer; teoria degli orbitali molecolari; orbitali di molecole poliatomiche e spettri roto-vibrazionali; chimica computazionale; metodo del campo autoconsistente di Hartree-Fock; correlazione elettronica; teoria del funzionale densità; metodi del gradiente e proprietà molecolari. Complessivamente gli argomenti sono trattati in 96 ore di lezione, corrispondenti a 9 cfu, come da Manifesto del corso di laurea magistrale in "Environmental Meteorology and Climate Physics". Per gli/le studenti di corsi di laurea che inseriscono solo il primo modulo di questo corso nel loro piano formativo, le lezioni da seguire sono le prime 60, che corrispondono formalmente al Modulo I - Quantum Mechanics - di 6 cfu, costituito dalle lezioni dei proff. Dalfovo e Hauke, più le prime 12 ore di lezione del prof. Cudazzo.
Il corso prevede lezioni frontali, nelle quali verranno spiegati i concetti essenziali. Gli/le studenti, nel proprio lavoro individuale, rielaborano autonomamente i concetti appresi, ripercorrono i passaggi proposti dal docente nella soluzione di problemi e nell'applicazione della teoria, anche tramite la consultazione di appunti e testi. Gli/le studenti sono incoraggiati/e a porre domande o a sottoporre dubbi ai docenti, sia durante le lezioni che tramite ricevimento, con appuntamenti che possono essere chiesti sia a lezione che via email.
Modalità d'esame
La verifica di apprendimento avviene alla fine del corso tramite un esame orale. Nel colloquio vengono poste alcune domande relative a diversi argomenti trattati nel corso. Lo scopo è quello di verificare che i concetti di base della teoria siano stati colti, che si sappia applicare la teoria ai casi semplici trattati a lezione, e che si abbia anche una visione adeguata delle applicazioni della teoria nel contesto della fisica degli atomi e delle molecole. La capacità di esprimersi in modo sintetico e preciso è uno degli elementi di valutazione. Per gli/le studenti del corso di laurea magistrale in "Environmental Meteorology and Climate Physics", l'esame può essere svolto in due parti distinte, anche in date diverse, una sui contenuti delle lezioni dei proff. Dalfovo e Hauke e una sui contenuti delle lezioni del prof. Cudazzo. Il voto finale, unico, tiene conto delle valutazioni dei docenti in entrambe le prove orali. Per gli/le studenti di corsi di laurea che seguono solo il Modulo I - Quantum Mechanics - di 6 cfu, l'esame è unico e riguarderà prevalentemente gli argomenti delle lezioni dei proff. Dalfovo e Hauke.
Testi di riferimento
Per gli argomenti delle prime 48 ore del corso i proff. Dalfovo e Hauke mettono a disposizione nella piattaforma Moodle, in formato pdf, il loro testo "The essentials of Quantum Mechanics". Per gli argomenti della 48 ore del prof. Cudazzo si consiglia il testo di P. Atkins e R. Friedman "Molecular Quantum Mechanics" (Oxford University Press). Gli/le studenti sono incoraggiati/e a consultare anche altri libri di testo di Meccanica Quantistica a loro scelta, per integrare le nozioni apprese nelle lezioni con altri punti di vista e altri approcci alla stessa teoria. Ad esempio: - J.J. Sakurai, Jim Napolitano, Modern Quantum Mechanics (Cambridge University Press); - D.J. Griffiths, D.F. Schroeter, Introduction to Quantum Mechanics (Cambridge University Press); - B.H. Bransden and C.J. Joachain, Physics of atoms and molecules (Pearson Education).
Codice insegnamento 51317_658940_97037
Real Algebraic Geometry
1° anno · 1° semestre · 6 CFU · MATH-02/B · 0 file
Lo scopo del corso è di introdurre gli studenti allo studio della geometria algebrica reale (con particolare enfasi ad uno dei suoi aspetti predominanti, cioè quello topologico).
Scheda dell'insegnamento
Obiettivi formativi
Lo scopo del corso è di introdurre gli studenti allo studio della geometria algebrica reale (con particolare enfasi ad uno dei suoi aspetti predominanti, cioè quello topologico).
Programma
Proprietà basilari degli insiemi algebrici reali: componenti irriducibili, punti nonsingolari, luogo singolare, morfismi regolari e biregolari, trasversalità, varietà algebriche reali proiettive, grassmanniane. Teoremi di approssimazione algebrica e soluzione della congettura di Nash: Teorema di Tognoli. Lemma di blowing down algebrico reale e caratterizzazione topologica degli insiemi algebrici reali con singolarità isolate.
Lezioni frontali.
Modalità d'esame
Testi di riferimento
Testo di riferimento principale: appunti. Altri testi per approfondire: Akbulut, S. and King, H., Topology of real algebraic sets, Mathematical Sciences Research Institute Publications, 25. Springer-Verlag, New York, 1992. Bochnak, J., Coste, M. and Roy, M.-F., Real algebraic geometry, Ergebnisse der Mathematik und ihrer Grenzgebiete (3) 36, Springer-Verlag, Berlin, 1998.
Codice insegnamento 51018_653711_92622
Risk management
1° anno · 1° semestre · 6 CFU · STAT-04/A · 0 file
Il corso ha l’obiettivo di introdurre i concetti di rischio di mercato, rischio di credito, rischio operativo, rischio sistemico (tempo permettendo) e rischio ESG (tempo permettendo). In particolare, il corso…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha l’obiettivo di introdurre i concetti di rischio di mercato, rischio di credito, rischio operativo, rischio sistemico (tempo permettendo) e rischio ESG (tempo permettendo). In particolare, il corso approfondisce le principali misure di rischio, quali ad esempio Value-at-Risk ed Expected Shortfall per rischio di mercato, i modelli di credit scoring e fondati sul mercato dei capitali per il rischio di credito, la misurazione del rischio operativo, misure di rischio sistemico e score ESG e relativa rischiosità (tempo permettendo). Al termine del corso, lo studente avrà sviluppato competenze quantitative per l’analisi e la misurazione dei principali rischi finanziari. In particolare, sarà in grado di comprendere e applicare le principali misure di rischio di mercato, interpretare e stimare misure quali Value-at-Risk ed Expected Shortfall, analizzare il rischio di credito attraverso modelli di credit scoring e modelli basati sul mercato dei capitali, comprendere le principali metodologie per la misurazione del rischio operativo, interpretare misure di rischio sistemico e, tempo permettendo, indicatori ESG in relazione alla valutazione della rischiosità finanziaria. Lo studente sarà inoltre in grado di interpretare criticamente i risultati ottenuti, collegando gli aspetti metodologici alle loro implicazioni economico-finanziarie.
Programma
Il corso è articolato nei seguenti macro-argomenti: Rischio di mercato: modello varianza-covarianza; modelli per la stima della volatilità; Value at Risk mediante approccio parametrico, simulazione storica e simulazione Monte Carlo; Expected Shortfall; procedure di backtesting; applicazioni e limiti dei modelli di VaR ed Expected Shortfall. Rischio di credito: definizione e misurazione del rischio di credito; stima della probabilità di default mediante analisi discriminante e modelli Probit e Logit; modello strutturale di Merton. Rischio operativo: definizione, identificazione, misurazione e gestione del rischio operativo. Rischio sistemico: definizione del rischio sistemico e introduzione alla sua misurazione mediante il Conditional Value at Risk (CoVaR). Approfondimenti, compatibilmente con il tempo disponibile: simulazione del rischio di credito mediante copule; requisiti regolamentari di capitale; integrazione dei fattori ESG nella misurazione e nella gestione dei rischi finanziari.
L’insegnamento è erogato in presenza, secondo quanto previsto dal regolamento universitario, e combina lezioni dedicate all’illustrazione dei concetti teorici con esercitazioni interattive mediante Excel e MATLAB. Attraverso l’analisi di esempi e problemi applicativi, studenti e studentesse saranno guidati nell’implementazione dei principali modelli di misurazione e gestione dei rischi finanziari e nell’interpretazione dei risultati ottenuti. Per raggiungere i risultati di apprendimento attesi, agli studenti e alle studentesse è richiesto di studiare i materiali indicati, partecipare attivamente alle esercitazioni, svolgere gli esercizi proposti e utilizzare Excel and MATLAB per applicare i metodi presentati durante l’insegnamento.
Modalità d'esame
La verifica dell’apprendimento si articola nelle seguenti componenti: • Esame scritto (60% del voto finale): comprende domande teoriche aperte relative agli argomenti trattati durante l’insegnamento. La prova valuta la conoscenza e la comprensione dei principali modelli di misurazione e gestione dei rischi finanziari. • Progetto e presentazione di gruppo (40% del voto finale): agli studenti e alle studentesse frequentanti è richiesta l’implementazione, mediante MATLAB, di un modello finanziario e la successiva presentazione in aula del lavoro svolto. Particolare rilievo è attribuito alla capacità di illustrare con chiarezza gli obiettivi, le scelte metodologiche, le fasi di implementazione e i risultati ottenuti, nonché di interpretarli criticamente e rispondere alle domande formulate durante la discussione. La valutazione considera la correttezza metodologica e dell’implementazione, la qualità e l’efficacia della presentazione, la capacità di sintesi e argomentazione, l’uso appropriato della terminologia. La valutazione conseguita per il progetto rimane valida per l’intero anno accademico. Gli studenti e le studentesse non frequentanti sono invitati/e a contattare la docente per concordare un progetto individuale equivalente per contenuti, impegno richiesto e criteri di valutazione. Il voto finale è espresso in trentesimi. L’esame è superato con una valutazione di almeno 18/30. .
Testi di riferimento
Libro di testo: Resti, Andrea and Andrea Sironi “Risk Management and Shareholders' Value in Banking: From Risk Measurement Models to Capital Allocation Policies”, Wiley, 1st ed. (disponibile anche in italiano) MATLAB Risk Management Toolbox Altro materiale sarà fornito nel corso delle lezioni e messo a disposizione su Moodle. Altri libri consigliati Hull, John C. “Risk Management and Financial Institutions”, Wiley (disponibile anche in Italiano) Christoffersen, Peter: Elements of Financial Risk Management, 2nd Edition, Elsevier. Danielsson, Jon, Financial Risk Forecasting, Wiley Finance McNeil, Alexander, Rudiger Frey, and Paul Embrechts (2005): Quantitative Risk Management – Concepts, Princeton University Press Cossin, Didier and Hughes Pirotte, Advanced Credit Risk Analysis: Financial Approaches and Mathematical Models to Assess, Price, and Manage Credit Risk, Wiley
Codice insegnamento 51315_658939_94160
Scientific computing
1° anno · 2° semestre · 9 CFU · MATH-05/A · 0 file
Scientific computing is an important skill for any student of mathematics. It requires both knowledge of algorithms and proficiency in an appropriate programming language. The aim of this course is to introduce…
Scheda dell'insegnamento
Obiettivi formativi
Scientific computing is an important skill for any student of mathematics. It requires both knowledge of algorithms and proficiency in an appropriate programming language. The aim of this course is to introduce students to efficient algorithms to solve various problems in the mathematical sciences, and to enable them to implement these algorithms in a modern programming language. The objectives are that by the end of the course all students should have a good familiarity with the essential elements of the Python programming language, and be able to undertake programming tasks in a range of common areas. Students will also be exposed to C++ as an example for a compiled programming language, and will appreciate the benefits of object oriented programming.
Programma
This course deals with basic and advanced issues in scientific computing, covering topics from pattern matching and data science to the efficient solution of partial differential equations. Students will study some theoretical aspects of the considered algorithms and learn how to use them with the help of practical implementations. In order to enable students to implement the discussed algorithms, an introduction into the programming language Python will be given. Examples for algorithms to be discussed are searching, sorting and hash tables, finding shortest paths in graph representations of networks, the direct and iterative solution of linear systems of equations and multigrid methods, as well as the approximation of elliptic and parabolic partial differential equations with finite differences and finite elements. Finally, as an example for a compiled programming language, the course will give a short introduction to C++.
Lectures at the blackboard + use of multimedia. Extensive programming exercises in Python and C++ in the computer laboratory.
Modalità d'esame
2-3 projects based on computer programs written in Python, and a final oral exam discussing the submitted projects and topics from the course.
Testi di riferimento
W. L. Briggs, V. E. Henson and S. F. McCormick, A Multigrid Tutorial, SIAM, (2000). P. G. Ciarlet, Introduction to Numerical Linear Algebra and Optimisation, Cambridge University Press, (1989). T. H. Cormen, C. E. Leiserson, R. L. Rivest and C. Stein, Introduction to Algorithms, MIT Press, (2009). M. L. Hetland, Python Algorithms, Apress, (2014). A. Quarteroni, R. Sacco and F. Saleri, Numerical Mathematics, Springer-Verlag, (2007). A. Quarteroni and A. Valli, Numerical Approximation of Partial Differential Equations, Springer-Verlag, (2008). E. Süli and D. F. Mayers, An Introduction to Numerical Analysis, Cambridge University Press, (2003).
Codice insegnamento 51015_653569_91525
Scientific computing
1° anno · 2° semestre · 9 CFU · MATH-05/A · 0 file
Scientific computing is an important skill for any student of mathematics. It requires both knowledge of algorithms and proficiency in an appropriate programming language. The aim of this course is to introduce…
Scheda dell'insegnamento
Obiettivi formativi
Scientific computing is an important skill for any student of mathematics. It requires both knowledge of algorithms and proficiency in an appropriate programming language. The aim of this course is to introduce students to efficient algorithms to solve various problems in the mathematical sciences, and to enable them to implement these algorithms in a modern programming language. The objectives are that by the end of the course all students should have a good familiarity with the essential elements of the Python programming language, and be able to undertake programming tasks in a range of common areas. Students will also be exposed to C++ as an example for a compiled programming language, and will appreciate the benefits of object oriented programming.
Programma
This course deals with basic and advanced issues in scientific computing, covering topics from pattern matching and data science to the efficient solution of partial differential equations. Students will study some theoretical aspects of the considered algorithms and learn how to use them with the help of practical implementations. In order to enable students to implement the discussed algorithms, an introduction into the programming language Python will be given. Examples for algorithms to be discussed are searching, sorting and hash tables, finding shortest paths in graph representations of networks, the direct and iterative solution of linear systems of equations and multigrid methods, as well as the approximation of elliptic and parabolic partial differential equations with finite differences and finite elements. Finally, as an example for a compiled programming language, the course will give a short introduction to C++.
Lectures at the blackboard + use of multimedia. Extensive programming exercises in Python and C++ in the computer laboratory.
Modalità d'esame
2-3 projects based on computer programs written in Python, and a final oral exam discussing the submitted projects and topics from the course.
Testi di riferimento
W. L. Briggs, V. E. Henson and S. F. McCormick, A Multigrid Tutorial, SIAM, (2000). P. G. Ciarlet, Introduction to Numerical Linear Algebra and Optimisation, Cambridge University Press, (1989). T. H. Cormen, C. E. Leiserson, R. L. Rivest and C. Stein, Introduction to Algorithms, MIT Press, (2009). M. L. Hetland, Python Algorithms, Apress, (2014). A. Quarteroni, R. Sacco and F. Saleri, Numerical Mathematics, Springer-Verlag, (2007). A. Quarteroni and A. Valli, Numerical Approximation of Partial Differential Equations, Springer-Verlag, (2008). E. Süli and D. F. Mayers, An Introduction to Numerical Analysis, Cambridge University Press, (2003).
Codice insegnamento 51016_653569_91525
Scientific programming
1° anno · 6 CFU · INFO-01/A · 0 file
L'elaborazione informatica è un componente chiave dei moderni flussi di analisi dei dati e svolge un ruolo sempre più importante in molti campi della scienza. L'obiettivo del corso è introdurre il linguaggio di…
Scheda dell'insegnamento
Obiettivi formativi
L'elaborazione informatica è un componente chiave dei moderni flussi di analisi dei dati e svolge un ruolo sempre più importante in molti campi della scienza. L'obiettivo del corso è introdurre il linguaggio di programmazione Python, uno dei linguaggi di calcolo scientifico più ampiamente utilizzati, e le tecnologie correlate. Al termine del corso, gli studenti dovrebbero essere in grado di: A) Ricordare la sintassi e la semantica del linguaggio Python; B) Comprendere programmi scritti da altri individui; C) Analizzare un semplice compito di analisi dei dati e riformularlo come un problema di programmazione; D) Valutare quali caratteristiche del linguaggio (e delle librerie scientifiche correlate) possono essere utilizzate per risolvere il compito; E) Costruire un programma Python che risolva adeguatamente il compito; F) Valutare i risultati del programma.
Programma
l corso copre due argomenti principali: Introduzione al linguaggio Python: La sintassi e la semantica formale del linguaggioLa piattaforma software, incluse le interfacce utente (l'interprete) e la libreria standard di PythonTipi di dati di base: numeri (Booleani, interi, razionali) e testo (stringhe)Collezioni: liste, tuple e dizionari (mappe)Strutture complesse (codice condizionale e iterativo), funzioni e moduli Introduzione alle librerie esterne che costituiscono la spina dorsale del flusso di analisi dei dati in Python: Il modulo re, per la gestione dei modelli di testo (espressioni regolari)La libreria Pandas, per la gestione, lettura, scrittura e analisi di dati tabulari, con supporto nativo per il calcolo statistico e la sintesiLa libreria BioPython, per il caricamento e la manipolazione di una varietà di formati standard di dati biologici, inclusi dati di sequenza e annotazioni strutturali delle proteineLa libreria Numpy, con supporto per molte operazioni comuni: algebra lineare, generazione di numeri casualiLa libreria Matplotlib, per la visualizzazione di grafici riccamente annotati
Il corso includerà il 50% di lezioni frontali e il 50% di sessioni di laboratorio. Lo studente dovrà apprendere la teoria relativa al linguaggio Python (obiettivi di apprendimento A-B) e applicarla nella soluzione di semplici problemi durante le sessioni di laboratorio (obiettivi di apprendimento C-D-E-F). Le lezioni frontali e le sessioni di laboratorio saranno intercalate, permettendo agli studenti di acquisire competenze pratiche adeguate su tutti gli argomenti trattati.
Modalità d'esame
L'esame finale consisterà in una prova pratica di programmazione, incentrata sul programma del corso, volta a valutare la competenza del candidato nella comprensione di un processo di analisi dei dati e nella sua trasposizione in un programma Python funzionante e corretto. In particolare, al candidato sarà richiesto di risolvere un semplice problema di analisi dei dati scrivendo un breve programma in Python utilizzando i metodi affrontati durante il corso.
Testi di riferimento
M. Lutz - Learning Python (5th edition), O'REILLY, 2013 Allen Downey, Think python How to think like a Computer Scientist, Green Tea Press (https://runestone.academy/runestone/books/published/thinkcspy/index.html)
Codice insegnamento 51015_653564_93079
Set theory
1° anno · 2° semestre · 6 CFU · MATH-01/A · 0 file
Il corso è una introduzione alla teoria degli insiemi di Zermelo-Fraenkel. Si tratta degli assiomi che continuamente usiamo nella pratica matematica. L'enfasi è sulle loro connessioni con la pratica matematica.…
Scheda dell'insegnamento
Obiettivi formativi
Il corso è una introduzione alla teoria degli insiemi di Zermelo-Fraenkel. Si tratta degli assiomi che continuamente usiamo nella pratica matematica. L'enfasi è sulle loro connessioni con la pratica matematica. L'obiettivo è diventare familiari con le nozioni e le tecniche di base della teoria degli insiemi, così da essere in grado di usarle correttamente nella pratica matematica.
Programma
Gli assiomi della teoria degli insiemi di Zermelo-Fraenkel. Buoni ordini e ordinali. Equivalenti dell'assioma di scelta. Numeri cardinali. Aritmetica cardinale. Ipotesi generalizzata del continuo. Alcune conseguenze di assunzioni set-teoretiche sulla pratica matematica. Cenno sull'assioma di determinatezza. Introduzione a risultati di consistenza relativa. Gli insiemi costruibili.
Lezioni frontali. Verrà proposto settimanalmente un set di problemi (soluzioni non da consegnare). Nel corso delle lezioni verranno risolti alcuni dei problemi assegnati.
Modalità d'esame
Ogni sesssione d'esame consiste di una prova scritta (risoluzione di problemi) e una orale (domande di teoria). In ogni prova scritta, 50% dei problemi verranno scelti tra quelli assegnati nel corso del semestre. Valutazione: media dei voti di esame scritto e orale.
Testi di riferimento
Devlin K., The joy of sets, Springer. Kunen K., Set theory -- An introduction to independence proofs, North-Holland. Jech T., Set theory -- The 3rd millenium edition, Springer. Materiali online verranno suggeriti di volta in volta.
Codice insegnamento 51018_653667_89119
Spatial Models in Biology and Epidemiology
1° anno · 2° semestre · 6 CFU · MATH-04/A · 0 file
Il corso introduce approcci matematici e computazionali alla modellizzazione e all'analisi di fenomeni spaziali che si manifestano in ambito biologico ed epidemiologico. Particolare attenzione è dedicata ai sistemi di…
Scheda dell'insegnamento
Obiettivi formativi
Il corso introduce approcci matematici e computazionali alla modellizzazione e all'analisi di fenomeni spaziali che si manifestano in ambito biologico ed epidemiologico. Particolare attenzione è dedicata ai sistemi di reazione-diffusione e alle loro estensioni che includono termini di diffusione non lineare, cross-diffusion e diffusione non locale, nonché fenomeni di chemiotassi. Il corso si propone di fornire agli studenti e alle studentesse gli strumenti teorici e computazionali necessari per formulare e analizzare modelli spaziali, investigare i meccanismi alla base della formazione di pattern e studiare la dinamica di tali sistemi attraverso simulazioni numeriche. Le applicazioni a fenomeni biologici saranno utilizzate durante il corso per illustrare il processo di modellizzazione e l'interazione tra teoria matematica, calcolo e applicazioni. Il corso introduce inoltre alla letteratura scientifica di ricerca attraverso la lettura di alcuni articoli e sviluppa la capacità di leggere criticamente, discutere e presentare modelli matematici e le loro applicazioni. Al termine del corso, gli studenti e le studentesse saranno in grado di: spiegare i concetti matematici di base alla base della modellizzazione dei movimenti spaziali e dei processi diffusivi mediante PDE di reazione-diffusione;formulare e interpretare modelli matematici spaziali per la dinamica di fenomeni biologici ed epidemiologici, inclusi modelli che presentano termini di diffusione non standard;analizzare il comportamento qualitativo di modelli spaziali utilizzando concetti e tecniche delle equazioni alle derivate parziali (PDE) e dei sistemi dinamici;individuare e investigare, sia teoricamente sia numericamente, i meccanismi che possono dare origine alla formazione di pattern e a biforcazioni;utilizzare simulazioni numeriche e tecniche di continuazione per studiare la dinamica di sistemi di reazione-diffusione e calcolare diagrammi di biforcazione;implementare simulazioni numeriche di modelli spaziali utilizzando MATLAB o Python;leggere criticamente e discutere articoli scientifici di ricerca relativi agli argomenti del corso;comunicare in modo chiaro ed efficace la modellizzazione matematica, l'analisi e i risultati computazionali relativi a un progetto.
Programma
Numerosi fenomeni reali nell'ambito della chimica, dell'ecologia e della biologia possono essere descritti matematicamente attraverso sistemi diffusivi. Il corso si concentra sui sistemi di reazione-diffusione con diffusione lineare o non lineare e su modelli che includono termini di diffusione non locale e cross-diffusion. Gli argomenti, le applicazioni specifiche e la loro relativa importanza potranno variare in funzione degli interessi degli studenti e delle studentesse. Lo studio di questi sistemi combina diversi punti di vista: analitico, numerico e applicativo. Verranno introdotti metodi e tecniche delle equazioni alle derivate parziali (PDE) e dei sistemi dinamici per formulare e analizzare modelli matematici di fenomeni applicati. Metodi numerici e strumenti computazionali saranno utilizzati per simulare la dinamica di tali sistemi, calcolare diagrammi di biforcazione ed effettuare continuazione rispetto ai parametri del sistema. Le applicazioni biologiche forniranno il contesto nel quale tali approcci verranno sviluppati e applicati. Il corso fornirà una panoramica generale di questi argomenti, introducendo tecniche matematiche e computazionali per la modellizzazione di sistemi diffusivi e illustrandole attraverso specifici esempi e applicazioni. Argomenti principali Processi diffusivi: diffusione standard; diffusione non lineare, cross-diffusion e diffusione non locale; chemiotassi.Onde viaggianti e loro approssimazione.Formazione di pattern e biforcazioni: instabilità di Turing; continuazione numerica mediante pde2path.Applicazioni in dinamica di popolazioni; cicatrizzazione delle ferite; pattern della vegetazione; pattern di Turing e tipping points associati ai cambiamenti ambientali e climatici; pattern ramificati nella crescita batterica.
Il corso combina lezioni frontali, attività di laboratorio computazionale, esercizi e assegnazioni individuali, discussione di letteratura scientifica e attività progettuale. Le lezioni introdurranno i principali concetti matematici, gli approcci alla modellizzazione e i metodi analitici e computazionali. Le attività di laboratorio forniranno esperienza pratica nella simulazione numerica di modelli spaziali utilizzando MATLAB o Python. Le assegnazioni e gli esercizi completeranno le lezioni e le attività di laboratorio e permetteranno agli studenti e alle studentesse di applicare i metodi introdotti durante il corso. Dopo l'introduzione dei principali concetti e metodi, verranno assegnati alcuni articoli scientifici relativi agli argomenti del corso, che saranno letti individualmente e discussi in aula. Questa attività è finalizzata a sviluppare la capacità di leggere e discutere criticamente la letteratura scientifica nell'ambito della modellizzazione matematica. Gli studenti e le studentesse svolgeranno inoltre un progetto relativo agli argomenti del corso e presenteranno i risultati alla fine del corso, durante il "course workshop". Sono inoltre previste lezioni tenute da ricercatori e ricercatrici invitati, che offriranno ulteriori prospettive sulla ricerca attuale e sulle applicazioni. Compatibilmente con la disponibilità, potrà essere organizzata anche un'attività sperimentale di laboratorio.
Modalità d'esame
La valutazione si basa su un progetto, su una discussione orale relativa ai principali concetti e metodi introdotti durante il corso e sulla partecipazione complessiva alle attività didattiche. Gli studenti e le studentesse svolgeranno un progetto riguardante un argomento collegato ai contenuti del corso. Il progetto comprenderà lo sviluppo e la presentazione di un lavoro di carattere matematico e/o computazionale relativo all'argomento scelto. I progetti saranno presentati durante il course workshop. Al termine della presentazione del progetto, agli studenti e alle studentesse verranno poste una o due domande riguardanti i principali concetti e metodi introdotti durante il corso. Il voto finale sarà determinato sulla base dei seguenti criteri: 60%: sviluppo e presentazione del progetto; 30%: risposte alle domande sui principali concetti e metodi del corso; 10%: attività complessiva durante il corso, comprendente la partecipazione alle discussioni durante le lezioni, lo svolgimento di assegnazioni ed esercizi e la preparazione di codici per la simulazione dei modelli matematici. La valutazione è finalizzata a verificare la capacità degli studenti e delle studentesse di comprendere e applicare i metodi matematici e computazionali introdotti durante il corso, di investigare modelli spaziali e di comunicare efficacemente i risultati ottenuti.
Testi di riferimento
Un testo introduttivo sugli aspetti modellistici in questo ambito è il seguente Murray, James D. "Mathematical biology II: Spatial models and biomedical applications." Springer, 2002. Per farsi un’idea più precisa delle applicazioni si suggeriscono le seguenti letture: Sherratt, J. A., & Murray, J. D. (1990). Models of epidermal wound healing. Proceedings of the Royal Society of London. Series B: Biological Sciences, 241(1300), 29-36.Eigentler, L., & Sherratt, J. A. (2018). Analysis of a model for banded vegetation patterns in semi-arid environments with nonlocal dispersal. Journal of Mathematical Biology, 77(3), 739-763.Rietkerk, M., Bastiaansen, R., Banerjee, S., van de Koppel, J., Baudena, M., & Doelman, A. (2021). Evasion of tipping in complex systems through spatial pattern formation. Science, 374(6564), eabj0359.Breden, M., Kuehn, C., & Soresina, C. (2021). On the influence of cross-diffusion in pattern formation. Journal of Computational Dynamics, 8(2). Appunti e articoli utili saranno forniti durante il corso.
Codice insegnamento 51015_653613_97113
Stage/Internship
1° anno · Annuale · 12 CFU · 0 file
Statistical Machine Learning
1° anno · 1° semestre · 6 CFU · MATH-03/B · 0 file
Statistical Theory and Its Applications
1° anno · 2° semestre · 6 CFU · MATH-03/B · 0 file
Statistical models
1° anno · 1° semestre · 6 CFU · MATH-03/B · 0 file
Lo studente alla fine di questo insegnamento sarà in grado di utilizzare modelli lineari e modelli lineari generalizzati per lo studio della relazione tra variabili sia continue che discrete e predittori. Avrà appreso…
Scheda dell'insegnamento
Obiettivi formativi
Lo studente alla fine di questo insegnamento sarà in grado di utilizzare modelli lineari e modelli lineari generalizzati per lo studio della relazione tra variabili sia continue che discrete e predittori. Avrà appreso gli aspetti fondamentali della teoria e sarà in grado di applicare i risultati teorici a casi pratici attraverso l'uso di un programma di calcolo statistico.
Programma
- Tipi di indipendenza: stocastica, in media, in varianza, lineare - Valori attesi condizionati e formula della decomposizione della varianza, indici di dipendenza in media e di dipendenza lineare - Modello di regressione lineare - Stimatori dei minimi quadrati e loro proprietà - Stimatori di massima verosimiglianza e loro proprietà - Stimatori dei minimi quadrati generalizzati - Verifica delle ipotesi e intervalli di confidenza - Validazione del modello e diagnostica - Scelta del modello - Analisi della varianza - Modelli lineari generalizzati - Modelli lineari ad effetti misti - Modelli generalizzati additivi - Modelli di survival
Lezioni frontali e esercitazioni al computer.
Modalità d'esame
Esame orale e compiti per casa.
Testi di riferimento
Libri di riferimento: A.C. Rencher and G.B. Schaalje (2008) Linear Models in Statistics, Wiley. A. Agresti (2015) Foundations of Linear and Generalized Linear Models. Wiley Altre letture: J. Fox e S. Weisberg (2011) An R Companion to Applied Regression, Second Edition. Sage Publications. J. Jiang (2017) Asymptotic Analysis of Mixed Effects Models: Theory, Applications, and Open Problems. Wiley. A. Gałecki e T. Burzykowski (2013) Linear Mixed-Effects Models Using R: A Step-by-Step Approach. Springer LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) A.C. Rencher and G.B. Schaalje (2008) Linear Models in Statistics, Wiley. A. Agresti (2015) Foundations of Linear and Generalized Linear Models. Wiley A. Agresti (2015) Foundations of Linear and Generalized Linear Models. Wiley Altre letture: J. Fox e S. Weisberg (2019) An R Companion to Applied Regression, Second Edition. Sage Publications. J. Jiang (2017) Asymptotic Analysis of Mixed Effects Models: Theory, Applications, and Open Problems. Wiley. A. Gałecki e T. Burzykowski (2013) Linear Mixed-Effects Models Using R: A Step-by-Step Approach.Springer
Codice insegnamento 51015_653586_93091
Statistical models
1° anno · 1° semestre · 6 CFU · MATH-03/B · 0 file
Lo studente alla fine di questo insegnamento sarà in grado di utilizzare modelli lineari e modelli lineari generalizzati per lo studio della relazione tra variabili sia continue che discrete e predittori. Avrà appreso…
Scheda dell'insegnamento
Obiettivi formativi
Lo studente alla fine di questo insegnamento sarà in grado di utilizzare modelli lineari e modelli lineari generalizzati per lo studio della relazione tra variabili sia continue che discrete e predittori. Avrà appreso gli aspetti fondamentali della teoria e sarà in grado di applicare i risultati teorici a casi pratici attraverso l'uso di un programma di calcolo statistico.
Programma
- Tipi di indipendenza: stocastica, in media, in varianza, lineare - Valori attesi condizionati e formula della decomposizione della varianza, indici di dipendenza in media e di dipendenza lineare - Modello di regressione lineare - Stimatori dei minimi quadrati e loro proprietà - Stimatori di massima verosimiglianza e loro proprietà - Stimatori dei minimi quadrati generalizzati - Verifica delle ipotesi e intervalli di confidenza - Validazione del modello e diagnostica - Scelta del modello - Analisi della varianza - Modelli lineari generalizzati - Modelli lineari ad effetti misti - Modelli generalizzati additivi - Modelli di survival
Lezioni frontali e esercitazioni al computer.
Modalità d'esame
Esame orale e compiti per casa.
Testi di riferimento
Libri di riferimento: A.C. Rencher and G.B. Schaalje (2008) Linear Models in Statistics, Wiley. A. Agresti (2015) Foundations of Linear and Generalized Linear Models. Wiley Altre letture: J. Fox e S. Weisberg (2011) An R Companion to Applied Regression, Second Edition. Sage Publications. J. Jiang (2017) Asymptotic Analysis of Mixed Effects Models: Theory, Applications, and Open Problems. Wiley. A. Gałecki e T. Burzykowski (2013) Linear Mixed-Effects Models Using R: A Step-by-Step Approach. Springer LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) A.C. Rencher and G.B. Schaalje (2008) Linear Models in Statistics, Wiley. A. Agresti (2015) Foundations of Linear and Generalized Linear Models. Wiley A. Agresti (2015) Foundations of Linear and Generalized Linear Models. Wiley Altre letture: J. Fox e S. Weisberg (2019) An R Companion to Applied Regression, Second Edition. Sage Publications. J. Jiang (2017) Asymptotic Analysis of Mixed Effects Models: Theory, Applications, and Open Problems. Wiley. A. Gałecki e T. Burzykowski (2013) Linear Mixed-Effects Models Using R: A Step-by-Step Approach.Springer
Codice insegnamento 51017_653586_93091
Statistics of Stochastic Processes
1° anno · 1° semestre · 6 CFU · MATH-03/B · 0 file
Conoscenza delle problematiche riguardanti l'analisi statistica di dati dipendenti, in particolare provenienti da serie temporali. Sviluppare competenze sui modelli lineari ARMA e su modelli Markoviani a stati…
Scheda dell'insegnamento
Obiettivi formativi
Conoscenza delle problematiche riguardanti l'analisi statistica di dati dipendenti, in particolare provenienti da serie temporali. Sviluppare competenze sui modelli lineari ARMA e su modelli Markoviani a stati nascosti, metodi di specificazione, loro proprietà, aspetti inferenziali e computazionali.
Programma
1. Introduzione ai Processi Stocastici e alle Serie temporali. Serie temporali lineari e non lineari. Stazionarietà debole e forte. Decomposizione classica delle serie storiche: trend e stagionalità. Autocovarianza e autocovarianza campionaria. 2. Processi autoregressivi e a media mobile (ARMA). Esempi di processi autoregressivi (AR) e a media mobile (MA). Soluzioni stazionarie per modelli ARMA. Rappresentazione causale e invertibile di un processo ARMA. Calcolo dell'autocovarianza per modelli ARMA. Richiami sulla media condizionata. Autocorrelazione parziale (PACF). 3. Stima di media e autocovarianza, bande di confidenza. 4. Previsione ad un passo e a più passi. Predittori lineari ottimi, metodi ricorsivi, decomposizione di Wold 5. Analisi spettrale. Densità spettrale, rappresentazione spettrale dell'autocovarianza, densità spettrale di ARMA. 6. Stime nei processi ARMA e ARIMA. Metodo di Yule-Walker per il modello AR. Algoritmo di innovazione per AR, MA e ARMA. Richiami sulla consistenza e efficienza di stimatori. Stima di massima verosimiglianza. Diagnostica sui residui. Selezione dell'ordine: criterio di AIC. 7. Introduzione ai modelli State Space. Filtraggio e lisciamento. Metodo di Kalman. Cenni sull'inferenza basata sulla massima verosimiglianza. 8. Introduzione a modelli per dati spaziali. 9. Uso di R per l'implementazione dei metodi.
Lezioni frontali. Svolgimento di alcuni esercizi in classe. Esercizi per casa. Alcune sessioni di laboratorio dove viene illustrato l'uso dell'ambiente R per l'analisi di serie storiche.
Modalità d'esame
Prova scritta ed eventuale discussione dei compiti per casa. La prova ha lo scopo di verificare le conoscenze acquisite nel corso.
Testi di riferimento
Testi di riferimento P.J. Brockwell and R.A. Davis. Time series: theory and methods. Springer, 1996.J. Durbin and S.J. Koopman. Time series analysis by state space methods. Oxford University Press. Second edition. 2012. Altri libri usati durante il corso B.J. Brockwell and R.A. Davis. Introduction to Time Series and Forecasting. Springer, 2010.R.H. Shumway and Stoffer D.S. Time Series Analysis and Its Applications With R Examples. Springer, third edition edition, 2011.
Codice insegnamento 51015_653548_89915
Statistics of Stochastic Processes
1° anno · 1° semestre · 6 CFU · MATH-03/B · 0 file
Conoscenza delle problematiche riguardanti l'analisi statistica di dati dipendenti, in particolare provenienti da serie temporali. Sviluppare competenze sui modelli lineari ARMA e su modelli Markoviani a stati…
Scheda dell'insegnamento
Obiettivi formativi
Conoscenza delle problematiche riguardanti l'analisi statistica di dati dipendenti, in particolare provenienti da serie temporali. Sviluppare competenze sui modelli lineari ARMA e su modelli Markoviani a stati nascosti, metodi di specificazione, loro proprietà, aspetti inferenziali e computazionali.
Programma
1. Introduzione ai Processi Stocastici e alle Serie temporali. Serie temporali lineari e non lineari. Stazionarietà debole e forte. Decomposizione classica delle serie storiche: trend e stagionalità. Autocovarianza e autocovarianza campionaria. 2. Processi autoregressivi e a media mobile (ARMA). Esempi di processi autoregressivi (AR) e a media mobile (MA). Soluzioni stazionarie per modelli ARMA. Rappresentazione causale e invertibile di un processo ARMA. Calcolo dell'autocovarianza per modelli ARMA. Richiami sulla media condizionata. Autocorrelazione parziale (PACF). 3. Stima di media e autocovarianza, bande di confidenza. 4. Previsione ad un passo e a più passi. Predittori lineari ottimi, metodi ricorsivi, decomposizione di Wold 5. Analisi spettrale. Densità spettrale, rappresentazione spettrale dell'autocovarianza, densità spettrale di ARMA. 6. Stime nei processi ARMA e ARIMA. Metodo di Yule-Walker per il modello AR. Algoritmo di innovazione per AR, MA e ARMA. Richiami sulla consistenza e efficienza di stimatori. Stima di massima verosimiglianza. Diagnostica sui residui. Selezione dell'ordine: criterio di AIC. 7. Introduzione ai modelli State Space. Filtraggio e lisciamento. Metodo di Kalman. Cenni sull'inferenza basata sulla massima verosimiglianza. 8. Introduzione a modelli per dati spaziali. 9. Uso di R per l'implementazione dei metodi.
Lezioni frontali. Svolgimento di alcuni esercizi in classe. Esercizi per casa. Alcune sessioni di laboratorio dove viene illustrato l'uso dell'ambiente R per l'analisi di serie storiche.
Modalità d'esame
Prova scritta ed eventuale discussione dei compiti per casa. La prova ha lo scopo di verificare le conoscenze acquisite nel corso.
Testi di riferimento
Testi di riferimento P.J. Brockwell and R.A. Davis. Time series: theory and methods. Springer, 1996.J. Durbin and S.J. Koopman. Time series analysis by state space methods. Oxford University Press. Second edition. 2012. Altri libri usati durante il corso B.J. Brockwell and R.A. Davis. Introduction to Time Series and Forecasting. Springer, 2010.R.H. Shumway and Stoffer D.S. Time Series Analysis and Its Applications With R Examples. Springer, third edition edition, 2011.
Codice insegnamento 51016_653548_89915
Stochastic Differential Equations
1° anno · 2° semestre · 6 CFU · MATH-03/B · 0 file
Lo scopo del corso è quello di fornire una presentazione della teoria delle equazioni differenziali stocastiche (SDE) e di alcune loro applicazioni. Gli studenti dovranno riconoscere la necessita' di definire un nuovo…
Scheda dell'insegnamento
Obiettivi formativi
Lo scopo del corso è quello di fornire una presentazione della teoria delle equazioni differenziali stocastiche (SDE) e di alcune loro applicazioni. Gli studenti dovranno riconoscere la necessita' di definire un nuovo concetto di integrazionefamiliarizzare con i concetti di martingala e di integrale stocasticoavere chiari gli esempi più comuni (moto Browniano)familiarizzare con le SDE, anche in relazione con le PDE del secondo ordine
Programma
Complementi di processi stocastici a tempo continuo: filtrazioni e tempi di arresto, martingale, processi di Markov. Misure e processi gaussiane, white noise, moto browniano. Integrale stocastico di Wiener e di Ito, formula di Ito, processi di diffusione. La soluzione di equazioni differenziali stocastiche sotto ipotesi Lipschitz. Applicazione a problemi di analisi matematica: esistenza e rappresentazione della soluzione del problema di Cauchy relativo ad un operatore ellittico del secondo ordine, equazioni di Kolmogorov.
Lezioni frontali in aula (in inglese). Se possibile le lezioni saranno anche live su Zoom e la registrazione disponibile su Moodle.
Modalità d'esame
Esame orale alla fine del semestre (in italiano o inglese).
Testi di riferimento
Seguiremo il libro: J.F. Le Gall, "Brownian Motion, Martingales and Stochastic Calculus", Springer Altre referenze si possono trovare su: D. Revuz, M. Yor "Continuous time Martingales and Browinan Motion", SpringerB. Oksendal, "Stochastic Differential Equations: An Introduction With Applications", SpringerP.Friz, M. Hairer, "A Course on Rough Paths", Springer
Codice insegnamento 51015_653609_89122
Stochastic Differential Equations
1° anno · 2° semestre · 6 CFU · MATH-03/B · 0 file
Lo scopo del corso è quello di fornire una presentazione della teoria delle equazioni differenziali stocastiche (SDE) e di alcune loro applicazioni. Gli studenti dovranno riconoscere la necessita' di definire un nuovo…
Scheda dell'insegnamento
Obiettivi formativi
Lo scopo del corso è quello di fornire una presentazione della teoria delle equazioni differenziali stocastiche (SDE) e di alcune loro applicazioni. Gli studenti dovranno riconoscere la necessita' di definire un nuovo concetto di integrazionefamiliarizzare con i concetti di martingala e di integrale stocasticoavere chiari gli esempi più comuni (moto Browniano)familiarizzare con le SDE, anche in relazione con le PDE del secondo ordine
Programma
Complementi di processi stocastici a tempo continuo: filtrazioni e tempi di arresto, martingale, processi di Markov. Misure e processi gaussiane, white noise, moto browniano. Integrale stocastico di Wiener e di Ito, formula di Ito, processi di diffusione. La soluzione di equazioni differenziali stocastiche sotto ipotesi Lipschitz. Applicazione a problemi di analisi matematica: esistenza e rappresentazione della soluzione del problema di Cauchy relativo ad un operatore ellittico del secondo ordine, equazioni di Kolmogorov.
Lezioni frontali in aula (in inglese). Se possibile le lezioni saranno anche live su Zoom e la registrazione disponibile su Moodle.
Modalità d'esame
Esame orale alla fine del semestre (in italiano o inglese).
Testi di riferimento
Seguiremo il libro: J.F. Le Gall, "Brownian Motion, Martingales and Stochastic Calculus", Springer Altre referenze si possono trovare su: D. Revuz, M. Yor "Continuous time Martingales and Browinan Motion", SpringerB. Oksendal, "Stochastic Differential Equations: An Introduction With Applications", SpringerP.Friz, M. Hairer, "A Course on Rough Paths", Springer
Codice insegnamento 51015_653639_89122
Stochastic Processes
1° anno · 1° semestre · 9 CFU · MATH-03/B · 0 file
Questo corso fornisce elementi di base della teoria dei processi stocastici: processi gaussiani, processi di Markov e martingale, con l'obiettivo di costruire il moto Browniano.
Scheda dell'insegnamento
Obiettivi formativi
Questo corso fornisce elementi di base della teoria dei processi stocastici: processi gaussiani, processi di Markov e martingale, con l'obiettivo di costruire il moto Browniano.
Programma
Generalità sui processi stocastici. Speranza condizionale e tempi di arresto. Catene di Markov. Il processo di Poisson. I processi di Markov a tempo continuo e stati discreti. Martingale. La passeggiata aleatoria. La passeggiata aleatoria e l'equazione del calore discreta. Il moto Browniano. Le proprietà delle traiettorie del moto Browniano. I problemi di diffusione associati al moto Browniano.
Lezioni frontali. Per ogni argomento del programma, verranno inoltre proposti degli esercizi da svolgere autonomamente.
Modalità d'esame
L'esame consiste in una parte scritta e un colloquio orale sugli argomenti svolti a lezione. Si viene ammessi all'orale se il voto della parte scritta è almeno 12. Le due parti dell'esame si devono tenere nello stesso appello. E' importante ricordarsi di iscriversi sia alla prova parziale (scritta) che alla prova finale (orale). La data dell'orale è indicativa e viene concordata con il docente.
Testi di riferimento
Le note del corso preparate dal docente saranno caricate, insieme ad altro materiale didattico, sulla pagina web del corso. Durante le lezioni verra' fornita, per ogni argomento svolto, la necessaria bibliografia. P. Baldi et al., Martingales and Markov chains, 2002 G. Lawler, Introduction to Stochastic processes, 2006 E. Pardoux, Markov processes and applications, 2008 LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Baldi, P., Mazliak, L., & Priouret, P. (2002). Martingales and Markov chains : solved exercises and elements of theory. CRC press. Lawler, G. F. (2006). Introduction to stochastic processes (2nd ed.). Chapman & Hall/CRC. Pardoux, E. (2008). Markov processes and applications : algorithms, networks, genome and finance. Wiley.
Codice insegnamento 51015_653555_91535
Stochastic Processes
1° anno · 1° semestre · 9 CFU · MATH-03/B · 0 file
Questo corso fornisce elementi di base della teoria dei processi stocastici: processi gaussiani, processi di Markov e martingale, con l'obiettivo di costruire il moto Browniano.
Scheda dell'insegnamento
Obiettivi formativi
Questo corso fornisce elementi di base della teoria dei processi stocastici: processi gaussiani, processi di Markov e martingale, con l'obiettivo di costruire il moto Browniano.
Programma
Generalità sui processi stocastici. Speranza condizionale e tempi di arresto. Catene di Markov. Il processo di Poisson. I processi di Markov a tempo continuo e stati discreti. Martingale. La passeggiata aleatoria. La passeggiata aleatoria e l'equazione del calore discreta. Il moto Browniano. Le proprietà delle traiettorie del moto Browniano. I problemi di diffusione associati al moto Browniano.
Lezioni frontali. Per ogni argomento del programma, verranno inoltre proposti degli esercizi da svolgere autonomamente.
Modalità d'esame
L'esame consiste in una parte scritta e un colloquio orale sugli argomenti svolti a lezione. Si viene ammessi all'orale se il voto della parte scritta è almeno 12. Le due parti dell'esame si devono tenere nello stesso appello. E' importante ricordarsi di iscriversi sia alla prova parziale (scritta) che alla prova finale (orale). La data dell'orale è indicativa e viene concordata con il docente.
Testi di riferimento
Le note del corso preparate dal docente saranno caricate, insieme ad altro materiale didattico, sulla pagina web del corso. Durante le lezioni verra' fornita, per ogni argomento svolto, la necessaria bibliografia. P. Baldi et al., Martingales and Markov chains, 2002 G. Lawler, Introduction to Stochastic processes, 2006 E. Pardoux, Markov processes and applications, 2008 LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Baldi, P., Mazliak, L., & Priouret, P. (2002). Martingales and Markov chains : solved exercises and elements of theory. CRC press. Lawler, G. F. (2006). Introduction to stochastic processes (2nd ed.). Chapman & Hall/CRC. Pardoux, E. (2008). Markov processes and applications : algorithms, networks, genome and finance. Wiley.
Codice insegnamento 51016_653555_91535
Stochastic Processes
1° anno · 1° semestre · 9 CFU · MATH-03/B · 0 file
Questo corso fornisce elementi di base della teoria dei processi stocastici: processi gaussiani, processi di Markov e martingale, con l'obiettivo di costruire il moto Browniano.
Scheda dell'insegnamento
Obiettivi formativi
Questo corso fornisce elementi di base della teoria dei processi stocastici: processi gaussiani, processi di Markov e martingale, con l'obiettivo di costruire il moto Browniano.
Programma
Generalità sui processi stocastici. Speranza condizionale e tempi di arresto. Catene di Markov. Il processo di Poisson. I processi di Markov a tempo continuo e stati discreti. Martingale. La passeggiata aleatoria. La passeggiata aleatoria e l'equazione del calore discreta. Il moto Browniano. Le proprietà delle traiettorie del moto Browniano. I problemi di diffusione associati al moto Browniano.
Lezioni frontali. Per ogni argomento del programma, verranno inoltre proposti degli esercizi da svolgere autonomamente.
Modalità d'esame
L'esame consiste in una parte scritta e un colloquio orale sugli argomenti svolti a lezione. Si viene ammessi all'orale se il voto della parte scritta è almeno 12. Le due parti dell'esame si devono tenere nello stesso appello. E' importante ricordarsi di iscriversi sia alla prova parziale (scritta) che alla prova finale (orale). La data dell'orale è indicativa e viene concordata con il docente.
Testi di riferimento
Le note del corso preparate dal docente saranno caricate, insieme ad altro materiale didattico, sulla pagina web del corso. Durante le lezioni verra' fornita, per ogni argomento svolto, la necessaria bibliografia. P. Baldi et al., Martingales and Markov chains, 2002 G. Lawler, Introduction to Stochastic processes, 2006 E. Pardoux, Markov processes and applications, 2008 LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Baldi, P., Mazliak, L., & Priouret, P. (2002). Martingales and Markov chains : solved exercises and elements of theory. CRC press. Lawler, G. F. (2006). Introduction to stochastic processes (2nd ed.). Chapman & Hall/CRC. Pardoux, E. (2008). Markov processes and applications : algorithms, networks, genome and finance. Wiley.
Codice insegnamento 51018_653555_91535
Stochastic processes (I modulo)
1° anno · 1° semestre · 6 CFU · MATH-03/B · 0 file
Il corso ha lo scopo di fornire i principali concetti e risultati del calcolo delle probabilità che trovano applicazioni nella teoria dei codici e in crittografia. È suddiviso essenzialmente in due parti. La prima…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha lo scopo di fornire i principali concetti e risultati del calcolo delle probabilità che trovano applicazioni nella teoria dei codici e in crittografia. È suddiviso essenzialmente in due parti. La prima parte introduce la teoria dei processi stocastici a stati discreti e le loro principali applicazioni. La seconda parte fornisce elementi di base della teoria dell'informazione, introducendo il concetto di entropia ed illustrando i teoremi di Shannon. Alla fine del corso lo studente conoscerà alcuni argomenti del calcolo delle probabilità e dei processi stocastici a stati discreti, nonchè alcuni elementi della teoria dell'informazione come specificato dal programma del corso. Sarà inoltre in grado di comprendere la modellizzazione in termini di opportuni processi stocastici di un'ampia classe di fenomeni di tipo casuale. Lo studente sarà inoltre in grado di ragionare induttivamente e deduttivamente nella soluzione di problemi coinvolgenti fenomeni casuali. Sarà inoltre in grado di schematizzare un fenomeno aleatorio in termini rigorosi, di sviluppare argomentazioni logiche e produrre dimostrazioni corrette, nonché di esporle chiaramente. Lo studente dovrà inoltre essere in grado di acquisire e gestire nuove informazioni inerenti modelli aleatori.
Programma
elementi fondamentali di calcolo delle probabilità (spazi di probabilità, variabili aleatorie, indipendenza correlazione e condizionamento). Processi stocastici, generalità. Catene di Markov e applicazioni. Processo di Poisson. Processi di Markov a tempi continui e stati discreti. Applicazioni alla teoria delle code. Probabilità e aspettazione condizionata. Introduzione alle martingale. Informazione ed entropia. teoremi di Shannon.
Lezioni frontali. Per ogni argomento del programma, verranno inoltre proposti degli esercizi da svolgere autonomamente.
Modalità d'esame
L'esame consiste in un colloquio orale sugli argomenti svolti a lezione.
Testi di riferimento
J. R. Norris, Markov Chains. Cambridge University Press. P. Hoel, S. Port, C. Stone, Introduction to Stochastic processes.Waveland Press Inc. D. Applelbaum, Probability and Information-An integrated approach. Cambridge University Press. N. Martin and J. England, Mathematical Theory of entropy. Addison-Wesley Publishing Company. R. Hamming, Coding and Information Theory. Prentice- Hall. Le note del corso preparate dal docente saranno caricate, insieme ad altro materiale didattico, sulla pagina Moodle del corso. LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca Norris, J. R. (1997). Markov chains. Cambridge university press. Hoel, P. G., Port, S. C., & Stone, C. J. (1987). Introduction to stochastic processes. Waveland Press. Applebaum, D. (2008). Probability and information : an integrated approach (2nd ed.). Cambridge university press. Martin, N. G., & England, J. W. (1981). Mathematical theory of entropy. Addison-Wesley. Martin, N. F. G., & England, J. W. (1984). Mathematical theory of entropy. Cambridge University Press. Hamming, R. W. (1986). Coding and information theory. Prentice-Hall.
Codice insegnamento 51015_653561_89120
Stochastic processes (I modulo)
1° anno · 1° semestre · 6 CFU · MATH-03/B · 0 file
Il corso ha lo scopo di fornire i principali concetti e risultati del calcolo delle probabilità che trovano applicazioni nella teoria dei codici e in crittografia. È suddiviso essenzialmente in due parti. La prima…
Scheda dell'insegnamento
Obiettivi formativi
Il corso ha lo scopo di fornire i principali concetti e risultati del calcolo delle probabilità che trovano applicazioni nella teoria dei codici e in crittografia. È suddiviso essenzialmente in due parti. La prima parte introduce la teoria dei processi stocastici a stati discreti e le loro principali applicazioni. La seconda parte fornisce elementi di base della teoria dell'informazione, introducendo il concetto di entropia ed illustrando i teoremi di Shannon. Alla fine del corso lo studente conoscerà alcuni argomenti del calcolo delle probabilità e dei processi stocastici a stati discreti, nonchè alcuni elementi della teoria dell'informazione come specificato dal programma del corso. Sarà inoltre in grado di comprendere la modellizzazione in termini di opportuni processi stocastici di un'ampia classe di fenomeni di tipo casuale. Lo studente sarà inoltre in grado di ragionare induttivamente e deduttivamente nella soluzione di problemi coinvolgenti fenomeni casuali. Sarà inoltre in grado di schematizzare un fenomeno aleatorio in termini rigorosi, di sviluppare argomentazioni logiche e produrre dimostrazioni corrette, nonché di esporle chiaramente. Lo studente dovrà inoltre essere in grado di acquisire e gestire nuove informazioni inerenti modelli aleatori.
Programma
elementi fondamentali di calcolo delle probabilità (spazi di probabilità, variabili aleatorie, indipendenza correlazione e condizionamento). Processi stocastici, generalità. Catene di Markov e applicazioni. Processo di Poisson. Processi di Markov a tempi continui e stati discreti. Applicazioni alla teoria delle code. Probabilità e aspettazione condizionata. Introduzione alle martingale. Informazione ed entropia. teoremi di Shannon.
Lezioni frontali. Per ogni argomento del programma, verranno inoltre proposti degli esercizi da svolgere autonomamente.
Modalità d'esame
L'esame consiste in un colloquio orale sugli argomenti svolti a lezione.
Testi di riferimento
J. R. Norris, Markov Chains. Cambridge University Press. P. Hoel, S. Port, C. Stone, Introduction to Stochastic processes.Waveland Press Inc. D. Applelbaum, Probability and Information-An integrated approach. Cambridge University Press. N. Martin and J. England, Mathematical Theory of entropy. Addison-Wesley Publishing Company. R. Hamming, Coding and Information Theory. Prentice- Hall. Le note del corso preparate dal docente saranno caricate, insieme ad altro materiale didattico, sulla pagina Moodle del corso. LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca Norris, J. R. (1997). Markov chains. Cambridge university press. Hoel, P. G., Port, S. C., & Stone, C. J. (1987). Introduction to stochastic processes. Waveland Press. Applebaum, D. (2008). Probability and information : an integrated approach (2nd ed.). Cambridge university press. Martin, N. G., & England, J. W. (1981). Mathematical theory of entropy. Addison-Wesley. Martin, N. F. G., & England, J. W. (1984). Mathematical theory of entropy. Cambridge University Press. Hamming, R. W. (1986). Coding and information theory. Prentice-Hall.
Codice insegnamento 51015_653634_89120
Strumenti d'investimento e derivati
1° anno · 1° semestre · 10 CFU · ECON-09/B · 0 file
In coerenza con gli obiettivi formativi del Corso di studio in Finanza, l’insegnamento sviluppa conoscenze avanzate e competenze operative per l’analisi, la selezione e la gestione degli strumenti di investimento,…
Scheda dell'insegnamento
Obiettivi formativi
In coerenza con gli obiettivi formativi del Corso di studio in Finanza, l’insegnamento sviluppa conoscenze avanzate e competenze operative per l’analisi, la selezione e la gestione degli strumenti di investimento, delle obbligazioni e dei derivati su tassi di interesse. L’insegnamento integra i modelli teorici con l’analisi empirica in MATLAB e con un uso critico degli strumenti di intelligenza artificiale per la scrittura del codice. Al termine dell’insegnamento, studenti e studentesse saranno in grado di: 1. descrivere e classificare i principali strumenti di investimento, le obbligazioni, i titoli strutturati, i futures e i derivati su tassi di interesse, collegandoli alle caratteristiche dei relativi mercati; 2. costruire e analizzare portafogli ottimali, valutando gli effetti della diversificazione internazionale e applicando il modello di Black-Litterman a dati e vincoli assegnati; 3. stimare e interpretare empiricamente i modelli CAPM e APT, discutendone ipotesi, risultati e limiti; 4. valutare azioni, obbligazioni e titoli strutturati e misurare il rischio di tasso di portafogli obbligazionari; 5. selezionare strumenti derivati e futures coerenti con obiettivi di investimento o copertura e valutarne gli effetti sul portafoglio; 6. misurare e confrontare la performance dei portafogli e formulare decisioni di gestione motivate sulla base dell’analisi finanziaria; 7. implementare, documentare e verificare le analisi in MATLAB, utilizzando in modo critico strumenti di supporto basati sull’intelligenza artificiale e controllando la correttezza del codice e dei risultati.
Programma
- Strumenti e mercati finanziari. • Teoria e analisi di portafoglio: selezione del portafoglio ottimo e modello di Black-Litterman. • Modelli di equilibrio e di mercato: CAPM e APT. • Efficienza dei mercati e valutazione delle azioni. • Tassi di interesse, valutazione delle obbligazioni, titoli strutturati e gestione dei portafogli obbligazionari. • Derivati su tassi di interesse e futures: valutazione, impiego nelle strategie di investimento e copertura. • Valutazione del processo di investimento: misure di performance, analisi finanziaria e gestione di portafoglio. • Laboratorio trasversale: implementazione dei modelli in MATLAB mediante Financial Toolbox e Financial Instruments Toolbox; uso critico di MATLAB Copilot e di altri strumenti di intelligenza artificiale per la generazione, spiegazione e verifica del codice.
La didattica si svolge in presenza e combina lezioni teoriche in aula ed esercitazioni in aula informatica. Le esercitazioni sono dedicate alla risoluzione di problemi finanziari, all’analisi di dati, all’implementazione dei modelli in MATLAB e alla verifica empirica dei concetti presentati a lezione. A studenti e studentesse è richiesto di preparare le attività di laboratorio, completare e commentare gli script MATLAB, interpretare i risultati e verificare criticamente il codice prodotto con il supporto di strumenti di intelligenza artificiale. Le esercitazioni e le attività con feedback hanno finalità formativa e non concorrono al voto finale. Per chi non frequenta, indicazioni di studio, dataset, script di esempio e attività specifiche di supporto saranno resi disponibili nella pagina Moodle dell’insegnamento.
Modalità d'esame
L’apprendimento è verificato mediante un esame scritto in aula informatica, composto da tre domande teoriche a risposta aperta e due esercizi da svolgere con MATLAB con un peso di 6 punti per ciascuna delle cinque parti, per un totale di 30 punti. Durante l’esame sarà possibile utilizzare Matlab Copilot. Nelle domande teoriche sono valutate la correttezza e completezza dei contenuti, la capacità di collegare modelli e applicazioni, la qualità dell’argomentazione e l’uso della terminologia disciplinare. Negli esercizi MATLAB sono valutate l’impostazione del problema, l’appropriatezza delle funzioni e dei metodi utilizzati, la correttezza e leggibilità del codice, la verifica dei risultati e la loro interpretazione finanziaria. Il punteggio massimo è 30/30 e la prova è superata con almeno 18/30. Le modalità e i criteri di valutazione sono gli stessi per studenti e studentesse frequentanti e non frequentanti.
Testi di riferimento
Testo di riferimento: Elton, E. J.; Gruber, M. J.; Brown, S. J.; Goetzmann, W. N. (2011), Modern Portfolio Theory and Investment Analysis, 8th edition, Wiley. Software e documentazione di riferimento: MATLAB; Financial Toolbox; Financial Instruments Toolbox; MATLAB Copilot, MathWorks. Eventuali materiali integrativi, dataset, script, esercizi e indicazioni sulle parti da studiare saranno pubblicati o segnalati nella pagina Moodle dell’insegnamento.
Codice insegnamento 51015_653567_95919
Symmetric cryptography and finite fields
1° anno · 1° semestre · 6 CFU · MATH-02/A · 0 file
Il corso si propone di fornire allo studente una solida comprensione dei fondamenti teorici e degli strumenti matematici alla base della crittografia simmetrica, con particolare attenzione ai campi finiti e alle…
Scheda dell'insegnamento
Obiettivi formativi
Il corso si propone di fornire allo studente una solida comprensione dei fondamenti teorici e degli strumenti matematici alla base della crittografia simmetrica, con particolare attenzione ai campi finiti e alle strutture algebriche utili alla progettazione e all’analisi di cifrari. Al termine del corso, lo studente sarà in grado di: Comprendere e applicare le principali proprietà dei campi finiti e dei polinomi su campi finitiDescrivere e valutare il funzionamento di cifrari a flusso (stream ciphers), con particolare attenzione agli LFSR (Linear Feedback Shift Registers) e alle sequenze lineari, analizzandone le proprietà (periodo, complessità lineare, ecc.).Comprendere le proprietà algebriche delle funzioni Booleane (scalari e vettoriali) e il loro ruolo nella resistenza agli attacchi crittoanalitici.Conoscere le principali strutture dei cifrari a blocchi (block ciphers), come SPN e Feistel, valutandone la sicurezza rispetto ad attacchi noti.
Programma
Introduzione e richiami di algebra Definizione e proprietà dei campi finiti.Mappa traccia e norma.Polinomi su campi finiti e polinomi ciclotomici.Cifrari perfetti e One-Time Pad (OTP) Definizione di cifrario perfetto.Criteri di Shannon per la sicurezza perfetta.Limiti pratici dell’OTP.Cifrari a flusso (Stream Ciphers) Architettura e principi di funzionamento.Linear Feedback Shift Registers (LFSR): definizione, realizzazione e proprietà.Sequenze lineari: periodo, complessità lineare e altre proprietà rilevanti per la sicurezza.Funzioni Booleane Definizione e rappresentazioni (forma algebrica, ANF, ecc.).Proprietà algebriche: grado algebrico, bilanciamento, non-linearità, resilienza, correlazione.Applicazioni alla costruzione di stream ciphers sicuri.Cifrari a blocchi (Block Ciphers) Strutture principali: SPN (Substitution-Permutation Networks) e reti di Feistel.Analisi della sicurezza rispetto ad attacchi differenziali e lineari.Funzioni Booleane vettoriali: definizioni e proprietà rilevanti (non-linearità,differenziabilità uniforme, ecc.).
L’insegnamento sarà erogato mediante lezioni frontali e esercitazioni in laboratorio
Modalità d'esame
Esame scritto ed orale, esercitazioni di laboratorio, progetto finale e relativa relazione.
Testi di riferimento
-Stinson, Douglas R. "Cryptography: theory and practice". Chapman and Hall/CRC, 2005. -Carlet, Claude. "Boolean functions for cryptography and coding theory." (2021) (pre-printed version available online https://www.math.univ-paris13.fr/~carlet/book-fcts-Bool-vect-crypt-codes.pdf) -Rudolf Lidl, Harald Niederreiter "Introduction to Finite Fields and their Applications", 1994
Codice insegnamento 51016_653602_97108
Tensor Decomposition for Big Data Analysis
1° anno · 1° semestre · 6 CFU · MATH-02/A · 0 file
Il corso fornisce un’introduzione alle tecniche di decomposizione tensoriale e alle loro applicazioni all’analisi di dati multidimensionali e di grandi dimensioni. L’insegnamento combina strumenti di algebra lineare e…
Scheda dell'insegnamento
Obiettivi formativi
Il corso fornisce un’introduzione alle tecniche di decomposizione tensoriale e alle loro applicazioni all’analisi di dati multidimensionali e di grandi dimensioni. L’insegnamento combina strumenti di algebra lineare e multilineare, geometria dei tensori, metodi numerici e applicazioni data-driven, con particolare attenzione alla relazione tra struttura matematica, algoritmi e interpretabilità dei risultati. Rispetto alle decomposizioni matriciali classiche, le decomposizioni tensoriali permettono di modellare dati multi-way preservandone la struttura naturale. Il corso introdurrà le principali decomposizioni di tipo rango, la decomposizione di Tucker/HOSVD, metodi non negativi e applicazioni a problemi di data science. Una parte del corso sarà dedicata a una masterclass intensiva su low-rank matrix and tensor decompositions for data science applications, con particolare attenzione a Nonnegative Matrix Factorization, Nonnegative Tensor Decompositions e applicazioni quali hyperspectral imaging, music information retrieval e computational imaging. Al termine dell’insegnamento, lo/la studente/essa sarà in grado di: spiegare i concetti fondamentali di algebra multilineare, prodotto tensoriale, tensori semplici, flattening e rappresentazione di dati multi-way;descrivere e confrontare le principali decomposizioni tensoriali, in particolare CP/tensor rank decomposition, Tucker/HOSVD e decomposizioni non negative;interpretare il ruolo della geometria, delle varietà di Segre, Veronese e delle varietà secanti nello studio del rango tensoriale, dell’identificabilità e delle decomposizioni a basso rango;applicare metodi di decomposizione tensoriale e matriciale a dati reali o sintetici, scegliendo in modo motivato rango, vincoli e modello di decomposizione;utilizzare o implementare algoritmi per decomposizioni tensoriali e matriciali, validandone i risultati attraverso esempi numerici, notebook riproducibili o brevi report;valutare correttezza, stabilità numerica, complessità computazionale e interpretabilità dei risultati ottenuti con metodi di low-rank approximation;comunicare in modo chiaro, rigoroso e riproducibile risultati teorici, computazionali o applicativi, anche in attività collaborative e presentazioni di gruppo.
Programma
Il corso si articola in cinque parti principali. 1. Introduzione: decomposizioni, big data e applicazioni Motivazione: compressione, riduzione della dimensionalità, estrazione di feature, separazione di segnali e interpretabilità.Richiami di decomposizioni matriciali: QR, SVD, PCA e Nonnegative Matrix Factorization.Esempi applicativi: immagini, audio, topic models, document clustering, cocktail party problem e dati multidimensionali.Dal dato matriciale al dato tensoriale: dati multi-way e necessità di preservare la struttura multidimensionale. 2. Algebra multilineare e tensori Prodotto tensoriale e proprietà universale.Tensori semplici e decomposizione in tensori semplici.Rappresentazione in coordinate, basi tensoriali e array multidimensionali.Flattening, matricizzazioni e operazioni multilineari.Norme, prodotto interno e manipolazione computazionale dei tensori. 3. Tensor rank decomposition e geometria dei tensori Tensori di rango uno e decomposizione CP.Rango tensoriale, border rank e varianti strutturate del rango.Identificabilità e unicità delle decomposizioni; condizioni di tipo Kruskal.Varietà di Segre, Veronese e varietà secanti.Algoritmi teorici e numerici per il calcolo o l’approssimazione di decomposizioni tensoriali.Esempi e attività su decomposizioni simmetriche, metodo di Sylvester e interpretazione dei risultati. 4. Tucker decomposition, HOSVD e modelli strutturati Richiami di SVD e generalizzazione al caso tensoriale.Multilinear rank.Higher-Order SVD e decomposizione di Tucker.Compressione, approssimazione e analisi di dati multidimensionali.Confronto tra CP/tensor rank decomposition e Tucker/HOSVD.Criteri per la scelta del modello e del rango. 5. Masterclass: low-rank matrix and tensor decompositions for data science applications La masterclass sarà tenuta da un docente ospite internazionale e avrà formato intensivo, indicativamente 2 ore al giorno per 5 giorni, per un totale di 10 ore. Il titolo operativo della masterclass è: Low-rank matrix and tensor decompositions for data science applications Gli argomenti previsti includono: low-rank approximations per matrici e tensori;Nonnegative Matrix Factorization e Nonnegative Tensor Decompositions;analogie tra ottimizzazione per NMF e per decomposizioni tensoriali non negative;applicazioni a hyperspectral imaging;applicazioni a music information retrieval;applicazioni a computational imaging;discussione di casi di studio e collegamenti con i metodi introdotti nel corso.
Il corso aderisce al progetto di didattica innovativa di Ateneo, combinando lezioni frontali tradizionali con modalità di apprendimento attivo. Il corso verrà quindi erogato in modalità blended per approssimativamente il 30% online (12h, 2 CFU). Metodi didattici utilizzati: Lezioni frontali per l’introduzione dei concetti fondamentali.Flipped classroom per alcuni argomenti di base, con materiali forniti in anticipo.Attività laboratoriali e di calcolo numerico su dataset reali.Discussione guidata di casi di studio e articoli scientifici.Seminari e presentazioni degli studenti su applicazioni delle tecniche studiate.Attività richieste agli studenti: Partecipazione attiva alle lezioni e alle attività di apprendimento cooperativo.Preparazione di una presentazione in piccoli gruppi su un argomento o applicazione del corso (Big Data o Quantum Information).Stesura di un breve “learning diary” individuale con riflessioni e sintesi dei contenuti affrontati con le metodologie innovative.
Modalità d'esame
La valutazione finale è espressa in trentesimi. L’accertamento dell’apprendimento potrà avvenire secondo una delle seguenti modalità alternative. 1. Percorso di didattica innovativaQuesta modalità è rivolta principalmente agli/alle studenti/esse frequentanti che partecipano alle attività proposte durante il corso. La valutazione si basa su un portfolio di consegne individuali e di gruppo. La valutazione del percorso di didattica innovativa sarà composta indicativamente come segue: attività individuali preparatorie, partecipazione attiva e learning diary: 20%;attività collaborativa “Atlas of Algebraic Geometry for Tensor Decomposition” o attività equivalente sui prerequisiti geometrici: 20%;progetto di gruppo su tensor rank decomposition, metodo di Sylvester, CP decomposition o tema affine: 30%;progetto finale o presentazione su HOSVD/Tucker, NMF, Nonnegative Tensor Decompositions o applicazioni collegate alla masterclass: 30%.Per poter utilizzare questa modalità come valutazione finale è richiesta la consegna puntuale delle attività previste. Gli/le studenti/esse che completano il percorso e sono soddisfatti/e della valutazione ottenuta potranno considerarla come voto finale. In caso contrario, potranno sostenere l’esame orale tradizionale. 2. Esame tradizionaleL’esame tradizionale consiste in un esame orale, pari al 100% della valutazione finale, volto a verificare: la comprensione dei concetti teorici fondamentali;la capacità di collegare algebra multilineare, geometria e algoritmi;la capacità di applicare i metodi studiati a esempi concreti;la capacità di argomentare in modo chiaro, rigoroso e con lessico appropriato;la capacità di discutere limiti, vantaggi e ambiti di applicazione dei diversi metodi.3. Progetto individuale o di gruppoIn alternativa, lo/la studente/essa può concordare con la docente un progetto individuale o di piccolo gruppo. Il progetto può consistere nell’analisi di un dataset, nello sviluppo di un notebook riproducibile, nell’implementazione o confronto di algoritmi, oppure nell’approfondimento teorico di un tema concordato. Questa modalità deve essere completata immediatamente al termine del corso. La valutazione del progetto sarà composta indicativamente da: report scritto o notebook riproducibile: 60%;presentazione orale e discussione critica: 40%.Criteri comuni di valutazionePer tutte le modalità saranno valutati: padronanza dei contenuti teorici e algoritmici;correttezza matematica e rigore argomentativo;capacità di applicare metodi di decomposizione tensoriale e matriciale a problemi concreti;capacità di scegliere rango, vincoli e modello in modo motivato;qualità dell’implementazione o dell’analisi computazionale, quando prevista;interpretabilità, riproducibilità e chiarezza nella presentazione dei risultati;autonomia di giudizio e capacità critica;partecipazione attiva e costruttiva alle attività didattiche.Durante il corso potranno essere proposte attività formative con feedback, quali esercizi commentati, discussioni su notebook, domande guida o revisioni intermedie dei progetti. Tali attività sono finalizzate al monitoraggio dell’apprendimento e, salvo diversa indicazione su Moodle, non concorrono autonomamente alla valutazione finale.
Testi di riferimento
1) Tensors: Geometry and Applications J.M. Landsberg Graduate Studies in Mathematics, Vol 128, American Mathematical Society 2) Invitation to Nonlinear algebra, Mateusz Michalek, Bernd Sturmfels, Springer 3) Tensor Decompositions for Data Science, 2025, Grey Ballard and Tamara G. Kolda. 4) Nonnegative Matrix Factorization, Nicolas Gillis, SIAM. 5) Note del corso LINK AL MATERIALE BIBLIOGRAFICO reso disponibile dalle Biblioteche UniTrento (verifica la disponibilità in biblioteca) Landsberg, J. M. (2011). Tensors: geometry and applications. American mathematical society. Michałek, M., & Sturmfels, B. (2021). Invitation to nonlinear algebra. American mathematical society. Ballard, G., & Kolda, T. G. (2025). Tensor decompositions for data science. Cambridge University Press.
Codice insegnamento 51015_653623_93088
Theoretical Biomechanics
1° anno · 1° semestre · 6 CFU · CEAR-01/A · 0 file
Al termine del corso, lo studente sarà in grado di: 1. Applicare i principi fondamentali della meccanica (statica, dinamica, meccanica dei continui) all’analisi dei sistemi biologici su più scale. 2. Formulare e…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente sarà in grado di: 1. Applicare i principi fondamentali della meccanica (statica, dinamica, meccanica dei continui) all’analisi dei sistemi biologici su più scale. 2. Formulare e risolvere modelli matematici che descrivono il comportamento meccanico di tessuti, organi e organismi interi. 3. Integrare le proprietà dei materiali biologici (elasticità lineare e nonlineare, anisotropia, incompressibilità) in modelli biomeccanici predittivi. 4. Analizzare e interpretare dati cinematici e dinamici per valutare prestazioni, stabilità e rottura in strutture biologiche. 5. Valutare criticamente la letteratura scientifica in biomeccanica, identificandone punti di forza, limiti e possibili miglioramenti dei modelli esistenti. 6. Collegare la teoria biomeccanica ad applicazioni pratiche in ingegneria biomedica, robotica, scienze dello sport e riabilitazione. 7. Esprimere i principi di conservazione fondamentali alla meccanica dei bio-fluidi. 8. Descrivere esempi applicativi elementari e fenomenologici della circolazione sanguigna.
Programma
- Introduzione alla Biomeccanica Teorica Parte I Solidi Problemi, idee e concetti della biomeccanica. Tessuti biologici e organismi viventi. La madreperla come muratura. La diffusione delle tensioni nella madreperla. Meccanica dei solidi lineare e le tensioni nei tessuti duri e molli. Ossa e arterie. Meccanica della frattura e stelo di luppolo. Meccanica dei solidi non lineare e aneurisma. – Cinematica non lineare di un corpo solido I Concetto di corpo solido. Spostamento, gradiente di spostamento. Deformazione e loro gradienti. Allungamento. Tensori di Cauchy-Green sinistro e destro. Trasformazione di elementi fibrosi. Trasformazione della normale a una superficie. Formula di Nanson. – Cinematica non lineare di un corpo solido II Descrizioni riferita e spaziale, cambio di variabile. Trasformazione dei volumi. Incomprimibilità nei tessuti molli idratati. Deformazione di Green-Lagrange. Misure di deformazione di Lagrange ed Euleriane infinite: definizioni unidimensionali e tridimensionali. Deformazione di corpo rigido e deformazione pura. Esempi di deformazioni: deformazione sferica, deformazione uniassiale e deformazione di taglio. Fisiognomica, Dürer e D’Arcy Thompson: trasformazioni affini applicate a forme biologiche. – Cinematica linearizzata di un corpo solido Spostamento di un intorno sferico di un punto in un corpo. Gradiente di spostamento e sue parti simmetrica e antisimmetrica. Linearizzazione della deformazione. Deformazione infinitesima e rotazione infinitesima di corpo rigido. Trasformazione di fibre e angoli. – Tensione in un corpo continuo Forze interne a un corpo solido, equilibrio. Principio di azione e reazione. Concetto di vettore di tensione e tensore delle tensioni. Teorema di Cauchy. Tensioni principali. Stati elementari di tensione: tensione sferica, trazione uniassiale, trazione biassiale, tensione di taglio. Prove meccaniche su materiali biologici. – Equazioni costitutive elastiche lineari Equazioni costitutive in biomeccanica: limiti e validità delle equazioni linearizzate. Potenziale elastico. Materiali che rilasciano energia elastica. Anisotropia contro isotropia. Costanti per un materiale elastico lineare anisotropo. Energia di deformazione e potenziali di tensione. Definitezza positiva del tensore costitutivo e termodinamica. Materiale elastico lineare isotropo. Costanti di Lamé, modulo di taglio, modulo di Young e coefficiente di Poisson. Auxeticità: rigenerazione dei tessuti e guarigione delle ferite. Rigidità negativa. Costanti elastiche isotrope per biomateriali. Materiali vincolati: incomprimibilità. Moltiplicatori di Lagrange. – Problemi semplici di elasticità lineare Protezione dallo sforzo (stress shielding) tra osso e impianto. Flessione e fratture ossee. Denti dei mammiferi. Momento flettente in un dente di megalodonte: la trave ottimizzata per la flessione. Selezione naturale e ottimizzazione in meccanica. – Onde nei tessuti duri e molli Propagazione di segnali meccanici nei solidi. Equazioni di Navier per l’elastodinamica. Tensore acustico. Anisotropia e isotropia durante la propagazione delle onde. Onde P e onde S. Tecniche a ultrasuoni in medicina. Onde elastiche ed ecografia. Onde nella crosta terrestre. Onde R (Rayleigh) e G (Love). – Meccanica dell’arteria – teoria linearizzata Arterie: anatomia, pulsazioni sistoliche e diastoliche, e pressione transmurale. Un’arteria come tubo elastico a parete spessa: soluzione di Lamé. Elasticità in coordinate polari: tensione, deformazione e incomprimibilità. Stato di tensione e deformazione in un’arteria. Velocità d’onda lungo le arterie. – Frattura di una trave e di un osso soggetto a torsione Soluzione elastica di una barra a sezione circolare soggetta a torsione uniforme. Rottura di materiali fragili, con attenzione alle ossa. Frattura di ossa sotto torsione e flessione. Tensioni principali quando si applica il taglio. Torsione di una trave a sezione generica. Torsione di una trave a sezione aperta sottile. Confronto tra torsione di una trave a sezione aperta e chiusa. Due prove di torsione in laboratorio. – Criteri di rottura in biomeccanica Comportamento dei materiali a rottura. Prove meccaniche. Rottura di materiali biologici. Materiali fragili e duttili. Tessuti duri e tessuti molli. Resistenza, danneggiamento e frattura. La resistenza dell’osso confrontata con quella di altri materiali. Osso trabecolare e osso compatto. Criteri di rottura negli spazi delle tensioni e delle deformazioni: convessità della superficie di snervamento. Spazio delle tensioni di Haigh Westergaard. Simmetrie. Rankine e Grashof. Von Mises e Drucker-Prager. – Teoria non lineare dell’elasticità: cinematica e moto Tessuti molli e meccanica dei solidi non lineare. Misure di deformazione. Moto di corpo rigido. Grandezze spaziali e materiali. Moto, velocità e accelerazione. Gradiente di velocità, tasso di deformazione Euleriano e spin. Tensione di Cauchy e prima tensione di Piola-Kirchhoff. – Elasticità non lineare, potenza spesa ed equazioni costitutive Prima e seconda tensione di Piola-Kirchhoff. Oggettività e indifferenza del sistema di riferimento materiale. Teorema della potenza spesa. Equazioni costitutive. Materiale di Kirchhoff–Saint Venant. Incomprimibilità e moltiplicatori di Lagrange. Due esempi: Mooney-Rivlin e neo-Hookean. – Arterie e aneurismi Applicazione della meccanica dei solidi non lineare alla deformazione delle arterie e possibile formazione di aneurismi. Grandi deformazioni di un tubo incomprimibile in materiale neo-Hookean. Differenze tra formulazione lagrangiana ed euleriana. – Introduzione alla Biomeccanica Teorica Parte II: Biofluidi Approccio Lagrangiano e Euleriano. Reologia e leggi costitutive. Elementi di cinematica. Assiomi reologici. – Leggi di conservazione La conservazione della massa. Equazione di continuità in forma puntuale (o indefinita). Il "tubo elastico". La conservazione della quantità di moto informa globale e puntuale. Conservazione dell'energia in forma puntuale. – Leggi costitutive I fluidi Newtoniani, le equazioni di Navier-Stokes. I gruppi adimensionali: Froude, Eulero, Reynolds. Composizione bifasica del sangue (ematocrito), derivazione della viscosità efficace tramite legge di Krieger-Dougherty. – Applicazioni ai moti stazionari e uniformi Il moto uniforme e stazionario di Poiseuille per fluido di Newton o di Bingham in vasi cilindrici assialsimmetrici, condizione di stabilità del moto laminare (Re– Fenomeni localizzati e moti non uniformi e/o non stazionari Introduzione alle perdite energetiche localizzate tramite schema di Borda nel caso coronarico. Moto vario, il modello nodale di Windkessel. – Interazioni del moto dei biofluidi con strutture rigide Moti di filtrazione, derivazione speditiva della legge di Darcy. Concetto di velocità di filtrazione. Osmosi, legge di Van't Hoff, temperatura granulare e pressione osmotica fra comparti con diversi livelli di ematocrito separati da setto poroso. Gli effetti della tensione superficiale, il punto triplo, la capillarità, la legge di Jurin.
Le lezioni teoriche vengono svolte alla lavagna. Oltre a queste lezioni, sono previste alcune illustrazioni con powerpoint ed esperimenti nel laboratorio "Instabilities" ed in quello di "Idraulica" del Dipartimento di Ingegneria Civile, Ambientale e Meccanica (a Mesiano). Negli esperimenti lo studente svolgerà un ruolo attivo.
Modalità d'esame
Per il superamentio dell'esame è previsto un colloquio orale in date stabilite assieme allo studente.
Testi di riferimento
Verranno forniti allo studente appunti preparati dal professore. Alcuni testi di riferimento sono riportati di seguito. C.R. Ethier & C.A. Simmons ‘Introductory biomechanics’ Cambridge University Press, 2007 D. Bigoni ‘Nonlinear Solid Mechanics’ Cambridge University Press, 2012 A. Goriely ‘The Mathematics and Mechanics of Biological Growth’ Springer 2017 D'Arcy W. Thompson ‘On growth and form’ (1919) Dover reprint 1992 Caro, Pedley, Schroter, Seed, Parker, The mechanics of the circulation, Cambridge Press second edition, 2012 Pedley, The fluid mechanics of large blood vessels, Cambridge Press, 2012
Codice insegnamento 51015_653546_97116
Thesis (18 CFU)
1° anno · Annuale · 18 CFU · 0 file
Thesis (30 CFU)
1° anno · Annuale · 30 CFU · 0 file
Ulteriori conoscenze linguistiche (inglese C1)
1° anno · Annuale · 3 CFU · ANGL-01/C · 0 file
L’obiettivo della competenza linguistica inglese a livello C1 è la valutazione della competenza linguistica nella comprensione scritta, nella comprensione orale, nella produzione scritta e nella produzione orale a…
Scheda dell'insegnamento
Obiettivi formativi
L’obiettivo della competenza linguistica inglese a livello C1 è la valutazione della competenza linguistica nella comprensione scritta, nella comprensione orale, nella produzione scritta e nella produzione orale a livello C1 secondo i parametri del Quadro Comune Europeo di Riferimento per le lingue o QCER (CEFR in inglese). La prova richiede di dimostrare la propria competenza in inglese in una varietà di contesti accademici, personali e professionali e se si è in grado di differenziare il proprio linguaggio in base alle circostanze. Gli studenti/le studentesse al livello C1 sono in grado di studiare anche quando l’inglese è la lingua veicolare, perché possono comprendere input linguistici impegnativi uditi o letti, parlare fluentemente di argomenti complessi e scrivere testi accademici in modo chiaro e ben strutturato. La prova comprende materiali autentici di carattere accademico/professionale. A questo livello il test verifica la capacità di astrazione e discernimento dei candidati e delle candidate. Per la parte produttiva, si richiede di dimostrare di essere in grado di esprimere le proprie idee e di discutere problemi complessi in maniera fluente, strutturata e coerente. Il superamento della prova indica che si è dimostrato di possedere almeno le competenze minime richieste a livello C1 per comprensione scritta, comprensione orale, produzione scritta e produzione orale secondo i parametri del QCER. Il superamento della prova C1 dimostra che si possiedono le seguenti competenze: Nella comprensione scritta: Capacità di comprendere dettagliatamente una vasta gamma di testi lunghi e complessi che possono ragionevolmente essere ritrovati nella vita sociale, professionale o accademica, identificandone i più raffinati dettagli, compresi atteggiamenti e opinioni esplicite ed implicite. Nella comprensione orale: Capacità di capire abbastanza per seguire un discorso lungo su temi astratti e complessi anche al di là del proprio settore, anche se potrebbe essere necessario confermare alcuni dettagli nel corso di un secondo ascolto, specie se l’accento non è familiare. Capacità di seguire un discorso lungo anche se non è chiaramente strutturato e le relazioni non vengono segnalate, ma rimangono implicite. Nella Produzione scritta: Capacità di produrre testi chiari, ben strutturati e articolati su argomenti complessi, sottolineando i punti salienti, sviluppando e supportando punti di vista anche usando argomenti complementari, con i relativi esempi, e concludendo il tutto in modo appropriato. Nella produzione orale: Capacità di esprimersi in modo scorrevole e spontaneo, quasi senza sforzo. Una buona gestione di un ampio repertorio lessicale permette di superare velocemente eventuali lacune con circonlocuzioni. Mancano quasi totalmente la ricerca di espressioni o strategie elusive; solo un tema concettualmente difficoltoso può ostacolare un flusso linguistico tranquillo e spontaneo. Capacità di presentare descrizioni chiare e articolate su argomenti complessi, integrandovi temi secondari, sviluppando punti specifici e concludendo il tutto in modo appropriato.
Programma
La prova di inglese di livello C1 si propone di valutare un campione rappresentativo di abilità linguistiche e anche la conoscenza di specifici aspetti linguistici. La prova contestualizza i brani di lettura, ascolto, produzione scritta e parlata in situazioni comunicative (TLUS) appropriate per una competenza linguistica di livello C1.
I corsi C1 organizzati dal CLA e la prova di inglese C1 coprono entrambi campioni rappresentativi di un vasto numero di abilità linguistiche che costituiscono il livello C1 nel suo insieme. Pertanto, se da un lato un corso di inglese C1 organizzato dal CLA è utile nella preparazione per la prova di inglese C1, il corso non può affrontare in modo esaustivo tutti gli aspetti delle competenze così come illustrate dai descrittori QCER. Per prepararsi adeguatamente a sostenere la prova di inglese di livello C1, ci si deve cimentare nell’apprendimento interattivo e task-based per sviluppare abilità linguistiche adeguate per operare efficacemente in situazioni comunicative nelle quali si verranno presumibilmente a trovare.
Modalità d'esame
L’esito viene espresso in termini di “PASS” (idoneo) o “FAIL” (non idoneo). Si richiede di dimostrare di essere in grado di applicare la propria competenza linguistica in situazioni comunicative appropriate per una competenza linguistica di livello C1. La prova consiste in: Parte 1 Comprensione scritta: 3 attività per un numero totale di 20 domande. Parte 2 Comprensione orale: 2 attività (monologhi e dialoghi) per un totale di 15 domande. Parte 3 Produzione scritta: 1 attività: tema di opinione. Il candidato sceglie un argomento da una lista di due possibili argomenti. Si richiede una composizione di circa 250 parole. Parte 4 Produzione orale: contributo orale personale e interazione con un altro o altri candidati. Le parti di Comprensione scritta, Comprensione orale e Produzione scritta si svolgono online. Le prime tre parti della prova hanno una durata complessiva di 120 minuti. La parte di Produzione orale si svolge in data successiva rispetto alle prime parti ed ha una durata di circa 20 minuti. Si deve raggiungere la valutazione minima del 60% di risposte corrette per poter accedere alla parte successiva della prova. Il computer riconosce come corrette o scorrette le risposte per la Comprensione scritta e la Comprensione orale. La Produzione scritta e la Produzione orale sono valutate da insegnanti CLA in base ai specifici criteri analitici.
Testi di riferimento
QCER (Quadro comune europeo di riferimento per la conoscenza delle lingue – in inglese Common European Framework of Reference for Languages, o CEFR)
Codice insegnamento 51014_653603_90653
Statistical Methods for Research in Education
2° anno · 6 CFU · MATH-03/B · 0 file
Advanced Algebra
1° semestre · 6 CFU · MAT/02 · 0 file
Advanced Algebra
1° semestre · 6 CFU · MAT/02 · 0 file
Advanced Statistical Methods
2° semestre · 6 CFU · MAT/06 · 0 file
Advanced Statistical Methods
6 CFU · MAT/06 · 0 file
Advanced Topics in Analysis
1° semestre · 6 CFU · MAT/05 · 0 file
Algebraic Topology
1° semestre · 6 CFU · MAT/03 · 0 file
Applied Stochastic Processes
6 CFU · MAT/06 · 0 file
Bio-Medical Imaging
2° semestre · 6 CFU · FIS/07 · 0 file
Bio-Medical Imaging
6 CFU · FIS/07 · 0 file
Deep Learning
2° semestre · 6 CFU · INF/01 · 0 file
Deep Learning
6 CFU · INF/01 · 0 file
Dynamical systems
1° semestre · 6 CFU · MAT/05 · 0 file
Dynamical systems
1° semestre · 6 CFU · MAT/05 · 0 file
Foundations of Analysis
2° semestre · 6 CFU · MAT/05 · 0 file
Foundations of Analysis
2° semestre · 6 CFU · MAT/05 · 0 file
Geometry and Topology for Data Analysis
2° semestre · 6 CFU · MAT/03 · 0 file
Laboratory Techniques for Mathematics Teaching
1° semestre · 6 CFU · MAT/04 · 0 file
Laboratory of Didactics of Mathematics
2° semestre · 6 CFU · MAT/04 · 0 file
Laboratory of Didactics of Mathematics
6 CFU · MAT/04 · 0 file
Machine learning
1° semestre · 6 CFU · INF/01 · 0 file
Machine learning
6 CFU · INF/01 · 0 file
Mathematical Models for the Physical, Natural and Social Sciences
1° semestre · 6 CFU · MAT/06 · 0 file
Mathematics for Quantum Fields
1° semestre · 6 CFU · MAT/07 · 0 file
Mathematics for Quantum Fields
6 CFU · MAT/07 · 0 file
Model theory
2° semestre · 6 CFU · MAT/01 · 0 file
Modelling in Biomechanics
1° semestre · 3 CFU · ICAR/01 · 0 file
Modelling in Biomechanics
3 CFU · ICAR/01 · 0 file
Multimedia Data Security
1° semestre · 6 CFU · ING-INF/03 · 0 file
Multimedia Data Security
6 CFU · ING-INF/03 · 0 file
Toric Geometry
2° semestre · 6 CFU · MAT/03 · 0 file
Workshop on Financial simulation
1° semestre · 6 CFU · SECS-S/03 · 0 file
Workshop on Financial simulation
6 CFU · SECS-S/03 · 0 file