Scheda programma d'esame
SCIENTIFIC COMPUTING
LEONARDO ROBOL
Academic year2022/23
CourseMATHEMATICS
Code044AA
Credits6
PeriodSemester 1
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
CALCOLO SCIENTIFICOMAT/08LEZIONI60
LEONARDO ROBOL unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Lo studente che completa con successo il corso conoscerà i metodi numerici per risolvere problemi di algebra lineare compresi i metodi avanzati per i sistemi lineari ed il calcolo degli autovalori di matrice. Lo studente sarà anche a conoscenza della modellazione e del trattamento numerico di diversi problemi derivanti da alcune applicazioni di scienza, tecnologia, matematica e ingegneria.

Knowledge

The student who successfully completes the course will be acquainted with numerical methods for solving linear algebra problems including advanced methods for linear systems and matrix eigenvalue computation. The student will also be aware of the modelling and the numerical treatment of several problems arising from some real-world applications of science, technology, math, and engineering.

Modalità di verifica delle conoscenze

L'esame scritto consiste nell'implementazione e nella valutazione sperimentale di un algoritmo numerico. Con la presentazione orale lo studente deve dimostrare la la sua conoscenza del materiale del corso.

Assessment criteria of knowledge

The written exam consists of the implementation and the experimental evaluation of a numerical algorithm. With the oral presentation the student must demonstrate his/her knowledge of the course material

Capacità

Alla fine del corso gli studenti avranno la capacità di analizzare problemi numerici dal punto di vista computazionale e di fornire l'implementazione Matlab / Octave di algoritmi numerici.

Skills

At the end of the course students will have capability of analyzing numerical problems from the computational point of view and to provide Matlab / Octave implementation of numerical algorithms.

   

 

Modalità di verifica delle capacità

I criteri di valutazione delle competenze si basano sull'implementazione delle funzioni di Matlab / Octave relative a problemi specifici e sulla capacità degli studenti di dimostrare la loro conoscenza dei contenuti del corso principale utilizzando la terminologia appropriata.

Assessment criteria of skills

The assessment criteria of skills rely on the implementation of  Matlab / Octave functions concerning specific problems and on the ability of students to demonstrate their knowledge of the main course contents using the appropriate terminology. 

Comportamenti

Gli studenti raggiungeranno una sensibilità numerica in cui i concetti di stabilità e condizionamento numerici giocano un ruolo fondamentale, e dove minimizzare la complessità computazionale è una condizione richiesta nella progettazione e nell'analisi degli algoritmi numerici.

Behaviors

The students will reach a numerical thought where the concepts of numerical stability and conditioning play a fundamental role, and where minimizing the computational complexity is a continuous demand in the design and analysis of numerical algorithms.

Modalità di verifica dei comportamenti

L'implementazione delle funzioni di Matlab / Octave relative a problemi specifici e la capacità degli studenti di dimostrare la propria conoscenza dei contenuti del corso principale utilizzando la terminologia appropriata sono ancora una volta i criteri principali per la valutazione dei comportamenti.

Assessment criteria of behaviors

The implementation of  Matlab / Octave functions concerning specific problems and the ability of students to demonstrate his/her knowledge of the main course contents using the appropriate terminology are once again the main criteria for the assessment of behaviors.

Prerequisiti (conoscenze iniziali)

Nozioni di base di Algebra lineare (sia teorica che numerica) e di Calcolo.

Prerequisites

Basic notions of Linear Algebra (both theoretical and numerical) and of Calculus.

Indicazioni metodologiche

Per l'emergenza covid19 le lezioni, le esercitazioni e i gruppi di laboratorio si svolgeranno in modalità telematica utilizzando la piattaforma Teams. 


Modalità di apprendimento:

  •      frequentando le lezioni
  •      partecipando alle discussioni
  •      studio individuale
  •      lavoro di laboratorio
  •      programmazione individuale


Frequenza: non obbligatoria

Metodi di insegnamento:    

  • lezioni
  • laboratorio
  • lavoro di progetto
Teaching methods

Due to the covid19 emergency all the lectures, including theory, exercises and laboratory, are remotely performed on the platform Teams.

Learning activities:

  • attending lectures
  • participation in discussions
  • individual study
  • Laboratory work
  • Practical

Attendance: Not mandatory

Teaching methods:

  • Lectures
  • laboratory
  • project work
Programma (contenuti dell'insegnamento)

Metodi numerici per il calcolo degli autovalori. Metodi numerici per il calcolo della SVD (decomposizione ai valori singolari). Metodi numerici per problemi minimi quadrati. Metodi numerici iterativi per sistemi lineari.

Syllabus

Numerical methods for eigenvalue computation. Numerical methods for SVD computation. Numerical methods for least squares problems. Iterative numerical methods for linear systems.

Bibliografia e materiale didattico

La lettura consigliata include:

  •      D.Bini, M.Capovani, O. Menchi, "Metodi numerici per l'algebra lineare", Zanichelli 1988.
  •      J. Demmel, "Algebra lineare numerica applicata", SIAM 1997.

Appunti dei docenti sono disponibili sul sito del corso.

Bibliography

Recommended reading includes:

  • D.Bini, M.Capovani, O. Menchi, "Metodi numerici per l'algebra lineare", Zanichelli 1988.
  • J. Demmel, "Applied Numerical Linear Algebra", SIAM 1997.
Modalità d'esame

L'esame consiste di una parte scritta e di una parte orale.

Assessment methods

The exam consists of a written and of an oral part.

Updated: 18/08/2022 17:09