Section outline
-
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 delle tecniche multisplitting sincrone ed asincrone per la risoluzione iterativa di sistemi lineari.
-
Generalita` sui metodi iterativi per sistemi lineari
-
Generalita` sui metodi iterativi per sistemi lineari
-
Metodi di Krylov
-
Metodi multisplitting sincroni ed asincroni a due passi.
-
Metodi multisplitting per il calcolo del vettore di pageranking
-
Metodi multisplitting per la risoluzione di problemi lineari ai minimi quadrati
-
Introduzione ai metodi multigrid.
-
Introduzione ai metodi di aggregazione/disaggregazione per la risoluzione di sistemi lineari.
-
Metodi di aggregazione/disaggregazione per il calcolo del vettore di pageranking.