| CAN 2 - ALGEBRA LINEARE NUMERICA CON APPLICAZIONI ALLE PDE E AI BIG DATA
(obiettivi)
OBIETTIVI FORMATIVI: Introduzione rigorosa a metodi iterativi per problemi di algebra lineare numerica di grandi dimensioni e all'analisi delle reti complesse. Applicazioni alle equazioni alle derivate parziali con particolare riferimento agli schemi alle differenze finite per problemi di evoluzione e ai big data. In particolare si studieranno: - metodi proiettivi di tipo Krylov, - precondizionatori per problemi con struttura e problemi localizzati, - analisi di convergenza dei metodi e indicazioni sulla costruzione degli algoritmi. - calcolo efficiente di funzioni di matrici e prodotto di funzioni di grandi matrici per un vettore dato - grafi e modelli di ranking per lo studio delle reti complesse - calcolo efficiente di indici di importanza per grandi masse di dati - analisi della resilienza, robustezza e criticità delle reti complesse CONOSCENZA E CAPACITÀ DI COMPRENSIONE: siano capaci di applicare le loro conoscenze, capacità di comprensione e abilità nel risolvere problemi e tematiche nuove o non familiari, inserite nei contesti ampi e interdisciplinari tipiche delle applicazioni della modellistica con simulazione numerica
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: abbiano sviluppato quelle capacità di applicare quanto imparato e comprendere problematiche relative che consenta loro di risolvere problemi posti dall'esterno a studiare per lo più in modo auto-diretto e autonomo
AUTONOMIA DI GIUDIZIO: abbiano la capacità di integrare le conoscenze e gestire la complessità, nonché di formulare giudizi sulla base di informazioni limitate o incomplete, includendo la riflessione sulle responsabilità sociali e etiche collegate all’applicazione delle loro conoscenze e dei loro giudizi
ABILITÀ COMUNICATIVE: sappiano comunicare in modo chiaro e privo di ambiguità le loro conclusioni, nonché le conoscenze a esso sottese, a interlocutori specialisti e non specialisti
CAPACITÀ DI APPRENDIMENTO: abbiano sviluppato quelle capacità di apprendimento che consentano loro di continuare a studiare per lo più in modo auto-diretto e autonomo
|
|
Codice
|
8067499 |
|
Lingua
|
ITA |
|
Tipo di attestato
|
Attestato di profitto |
|
Crediti
|
8
|
|
Settore scientifico disciplinare
|
MAT/08
|
|
Ore Aula
|
64
|
|
Ore Studio
|
-
|
|
Attività formativa
|
Attività formative affini ed integrative
|
Canale Unico
|
Mutua da
|
8067499 CAN 2 - ALGEBRA LINEARE NUMERICA CON APPLICAZIONI ALLE PDE E AI BIG DATA in Matematica Pura e Applicata LM-40 BERTACCINI DANIELE
(programma)
Nozioni di analisi dell’errore. Matrici sparse, calcolo parallelo e acceleratori hardware. Tecniche di proiezione. Algoritmi di proiezione in sottospazi di Krylov: CG and GMRES. BiCG, CGS, BiCGStab. Flexible GMRES (FGMRES). Precondizionatori a fattorizzatione incompleta. Precondizionatori per alcuni sistemi strutturati. Nozioni di funzioni di matrici. Calcolo efficiente di funzioni di matrici. Applicazione all’integrazione di modelli di PDE e big data. Grafi e matrici nella complex network analysis. Matrici di adiacenza, laplaciana, di incidenza. Misure di centralità e importanza dei dati. Cenni all'evoluzione e alla robustezza di una rete complessa con applicazioni alla social network analysis, reti biologiche, in finanza,nelle reti di comunicazione, internet e trasporti, negli algoritmi di consenso.
 D. Bertaccini, F. Durastante Iterative Methods and Preconditioning for Large and Sparse Linear Systems with Applications Chapman and Hall/CRC, 2018.
|
|
Date di inizio e termine delle attività didattiche
|
- |
|
Modalità di erogazione
|
Tradizionale
|
|
Modalità di frequenza
|
Non obbligatoria
|
|
Metodi di valutazione
|
Prova scritta
Prova orale
|
|
|