Conoscenze di base di analisi matematica e algebra lineare.
Apprendere le basi del calcolo numerico in vista delle applicazioni in campo scientifico e tecnologico, con particolare attenzione ai concetti di errore, discretizzazione, approssimazione, convergenza, stabilita', costo computazionale.
Lezioni in aula ed esercitazioni di laboratorio.
Sistema-floating point e propagazione degli errori:
errore di troncamento e di arrotondamento, rappresentazione floating-point dei reali, precisione di macchina, operazioni aritmetiche con numeri approssimati, condizionamento di funzioni, propagazione degli errori in algoritmi iterativi per esempi, il concetto di stabilita'.
Soluzione numerica di equazioni non lineari:
metodo di bisezione, stima dell'errore col residuo pesato; metodo di Newton, convergenza globale, velocita' di convergenza, convergenza locale, stima dell'errore, altri metodi di linearizzazione; iterazioni di punto fisso.
Interpolazione e approssimazione di funzioni e dati:
interpolazione polinomiale, interpolazione di Lagrange, errore di interpolazione, il problema della convergenza (controesempio di Runge), interpolazione di Chebyshev, stabilita' dell'interpolazione; interpolazione polinomiale a tratti, interpolazione spline; approssimazione polinomiale ai minimi quadrati.
Integrazione e derivazione numerica:
formule di quadratura algebriche e composte, convergenza e stabilita', esempi; instabilita' dell'operazione di derivazione, calcolo di derivate tramite formule alle differenze; il concetto di estrapolazione.
Elementi di algebra lineare numerica:
norme di vettori e matrici, condizionamento di matrici e sistemi; metodi diretti: metodo di eliminazione gaussiana e fattorizzazione LU, calcolo della matrice inversa, fattorizzazione QR, soluzione ai minimi quadrati di sistemi sovradeterminati; introduzione ai metodi iterativi.
Laboratorio: implementazione e applicazione di codici numerici in Matlab.
Esame scritto e prova di laboratorio.
La prova scritta mira a verificare la comprensione dei fondamenti teorici dei metodi numerici.
La prova di laboratorio mira a verificare la capacita' di implementazione e applicazione degli algoritmi numerici.
G. Rodriguez, Algoritmi Numerici. : Pitagora,
A. Quarteroni et al., Scientific computing with Matlab and Octave. : Springer,
A. Quarteroni et al., Introduzione al Calcolo Scientifico. : Springer (una delle edizioni recenti),
Uno dei testi consigliati e dispense online del docente
(www.math.unipd.it/~marcov/studenti.html)