Enrolment options
Problemi computazionali quali l'analisi di grafi, networks e reti
complesse, lo studio di un modello evolutivo e la discretizzazione di
un problema differenziale richiedono l'utilizzo di metodi numerici
avanzati per il trattamento di matrici sparse e/o strutturate di grosse
dimensioni capaci di adattarsi ad ambienti di calcolo distribuito.
Il corso si rivolge a queste tematiche con i seguenti obiettivi:
a)
introduzione di metodi numerici iterativi per la risoluzione di sistemi
lineari ed il calcolo di autovalori di matrici di grosse dimensioni
sparse e/o strutturate; b) analisi di schemi efficienti di vettorizzazione e parallelizzazione di algoritmi numerici
classici; c) metodi per il trattamento di matrici sparse basati su
tecniche di riordinamento per matrici di adiacenza di grafi.
In particolare il corso per l'anno corrente intende trattare gli aspetti
teorici e computazionali inerenti la progettazione e l'implementazione di metodi efficienti per l'approssimazione di autovalori/autovettori di matrici strutturate e/o "data-sparse" di grandi dimensioni.
- Teacher: LUCA GEMIGNANI