B9077 - METODI AVANZATI DI ANALISI NUMERICA

Anno Accademico 2025/2026

  • Docente: Michele Ruggeri
  • Crediti formativi: 6
  • SSD: MAT/08
  • Lingua di insegnamento: Italiano
  • Moduli: Michele Ruggeri (Modulo 1) Valeria Simoncini (Modulo 2)
  • Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2)
  • Campus: Bologna
  • Corso: Laurea Magistrale in Matematica (cod. 6730)

Conoscenze e abilità da conseguire

Al termine del corso lo studente possiede nozioni avanzate di analisi numerica. In particolare, per una vasta classe di problemi che emergono nelle applicazioni, è in grado di derivare metodi numerici e analizzarne le proprietà teoriche e computazionali.

Contenuti

Le equazioni alle derivate parziali (PDEs) sono il linguaggio con cui vengono rappresentati mediante modelli matematici molti fenomeni continui, quali la diffusione, le onde, l'elasticità, i fluidi, ecc. Ma per passare dalla formulazione matematica a una simulazione numerica, servono strumenti rigorosi che uniscano analisi funzionale, approssimazione e algebra lineare numerica. Questo corso si concentra sui fondamenti teorici dell'analisi numerica di PDEs: dalla formulazione variazionale ai metodi agli elementi finiti, dallo studio degli spazi di Sobolev all'analisi dell'errore, dalla rappresentazione del problema discreto alla affidabilità teorica e computazionale nella risoluzione del problema algebrico associato. Il corso è pensato per studenti interessati a una comprensione teorica e strutturata dei metodi numerici per PDEs, con l'obiettivo di fornire solide basi in argomenti rilevanti e all'avanguardia nell'ambito della matematica applicata.

Programma

Modulo 1 (M. Ruggeri): Analisi numerica delle PDEs.

  • Richiami di PDEs ellittiche (problema di Poisson e sue minime generalizzazioni), richiami di analisi funzionale (spazi di Sobolev, Lax Milgram, ...) finalizzati alla formulazione variazionale di problemi ellittici.
  • Teoria dell'approssimazione in spazi di Sobolev: lemma di Deny-Lions e lemma di Bramble-Hilbert, interpolazione di Lagrange ed errore di interpolazione in spazi di Sobolev.
  • Metodo degli elementi finiti: metodo di Galerkin per problemi ellittici e stime dell'errore (lemma di Céa), formulazione mista di problemi ellittici e relativa discretizzazione di Galerkin.

Modulo 2 (V. Simoncini): Algebra lineare numerica.

  • Metodi iterativi per sistemi lineari di grandi dimensioni: spazi di Krylov e generalità sui metodi di tipo proiettivo; CG, MINRES, GMRES: derivazione algoritmica e proprietà di convergenza con dipendenza dalla discretizzazione.
  • Metodi di accelerazione: strategie di preconditionamento (fattorizzazioni incomplete, Algebraic Multigrid (AMG), operator preconditioning); varianti inesatte e strategie di sketching (randomized numerical linear algebra).
  • Equazioni matriciali per equazioni differenziali.

Prerequisiti

Concetti fondamentali acquisiti durante i corsi di analisi matematica e calcolo numerico della laurea triennale, Conoscenze di PDEs e di analisi funzionale sono utili, ma quello che serve verrà fornito dal corso. Conoscenze di base dell'ambiente computazionale MATLAB.

Testi/Bibliografia

Testi di consultazione:

  • D. Boffi, F. Brezzi, M. Fortin: Mixed Finite Element Methods and Applications. Springer, 2013.
  • Leszek F. Demkowicz: Mathematical Theory of Finite Elements. SIAM, 2023.
  • Alfio Quarteroni, Alberto Valli: Numerical Approximation of Partial Differential Equations. Springer, 1994.
  • Y. Saad: Iterative methods for sparse linear systems. SIAM, 2003.
  • G. Strang, G. J. Fix: An analysis of the Finite Element Method. Prentice-Hall Inc., 1973.
  • N. Trefethen: Finite difference and Spectral Methods for ordinary and partial differential equations. Available online, 1996.

Metodi didattici

L'attività didattica alternerà lezioni frontali (con lucidi/tavoletta grafica/lavagna) da parte di entrambi i docenti, con applicazioni immediate al computer in ambiente MATLAB con supervisione del docente, in cui gli studenti saranno incoraggiati a implementare quanto appena visto a lezione.

Modalità di verifica e valutazione dell'apprendimento

L'esame è costituito da due parti:

  1. una prova orale sui contenuti del corso,
  2. la presentazione di un articolo scientifico di approfondimento/avanzamento dei contenuti del corso, concordato con i docenti. La presentazione può includere aspetti computazionali, ma non è obbligatorio.

Link ad altre eventuali informazioni

https://www.dm.unibo.it/~simoncin/AN2.html

Orario di ricevimento

Consulta il sito web di Michele Ruggeri

Consulta il sito web di Valeria Simoncini

SDGs

Istruzione di qualità

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.