Apprendere strumenti matematici avanzati che saranno utilizzati nel resto del corso di laurea; appprendere a predire qualitativamente i risultati di una procedura matematica, per poter giudicare la validita` della loro approssimazione tramite computer
Prerequisiti
Basi di alcolo differenziale in 1D e multidimensionale (limiti, operatori differenziali, integrali) e risoluzione di ODE. Basi di algebra lineare. Conoscenze di base di programmazione non necessarie ma decisamente benvenute
Metodi didattici
lezioni; esercitazioni
Verifica Apprendimento
Il voto finale sara` calcolato come segue: a) 20% esercizi da svolgere a casa e consegnare che verranno valutati durante il corso; b) 80% esame scritto in cui verranno verificate le competenze acquisite durante il corso.
Testi
1. G. Teschl, Ordinary Differential Equations and Dynamical Systems. American Mathematical Society; 2. J. Nocedal, S. Wright. Numerical Optimization. Springer; 3. A. Quarteroni, R. Sacco, F. Saleri. Numerical Mathematics. Springer; 4. D. Kammler, A First Course in Fourier Analysis, Cambridge University Press; 5. A. Quarteroni, Numerical Models for Differential Problems, Springer. 6. Analisi Matematica 2, M. Bramanti, C. Pagani, S. Salsa, Zanichelli ed.;
Contenuti
Introduzione a Matlab/Octave e alla programmazione di base; Ottimizzazione libera e vincolata di funzioni multi-dimensionali; Equazioni Differenziali Ordinarie; Espansioni ortogonali di funzioni (Legendre, Fourier) e Trasformata di Fourier.
Lingua Insegnamento
Inglese
Altre informazioni
Sito del corso: https://elearning.unipv.it/course/view.php?id=7373