PYSANUM

Pisan Young Seminars in Applied and NUmerical Mathematics

Ciclo di seminari informali di analisi numerica e matematica applicata rivolto agli studenti.

L’obiettivo degli incontri è di presentare in maniera accessible argomenti di ricerca di analisi numerica e coinvolgere gli studenti interessati. I seminari avranno una prima parte introduttiva e saranno accessibili anche a chi non ha dimestichezza con l’argomento. Si terranno principalmente in italiano, in linea con il tono informale del ciclo.
Sono incoraggiati a partecipare studenti della magistrale e studenti della triennale che abbiano familiarità con i contenuti del corso di Calcolo Scientifico.

Organizzato da dottorandi dell’Università di Pisa e della Scuola Normale Superiore.

Prossimi Seminari

 14.30 – 10 ottobre 2024
 Lorenzo Lazzarino (University of Oxford)
 Aula Riunioni, Dipartimento di Matematica
Sull’estrazione di valori singolari accurati da sottospazi approssimati
La decomposizione ai valori singolari (SVD) è uno strumento fondamentale dell’algebra lineare numerica, ma per matrici di enormi dimensioni il suo costo computazionale è proibitivo. L’approssimazione dei valori singolari è quindi cruciale in vari campi della matematica, dell’ingegneria e data science. Questa operazione è spesso parte di processi più ampi nei quali è possibile ottenere un’approssimazione dei sottospazi singolari tramite metodi come la bi-diagonalizzazione di Golub-Kahan, iterazioni sui sottospazi o tecniche randomizzate.

In questa presentazione introdurremo strumenti per estrarre valori singolari da approssimazioni ortonormali di sottospazi singolari, esaminando tecniche classiche come Rayleigh-Ritz e la proiezione SVD (su un lato), confrontandole con approcci più recenti come la SVD randomizzata (HMT) e il metodo di Nyström generalizzato (GN), che forniscono approssimazioni sorprendentemente significamente più accurate. Includeremo la necessaria introduzione alle approssimazioni di basso rango, un altro grande problema legato alla SVD, e alla randomizzazione, tecnica di grande impatto nell’algebra lineare numerica.

Analizzeremo infine l’accuratezza di queste tecniche utilizzando la teoria delle perturbazioni di matrice, per confrontare i vari metodi e giustificare le osservazioni dedotte da esperimenti numerici.
 TBA – 21 ottobre 2024
 Lorenzo Piccinini (Università di Bologna)
 TBA
LSQR troncato per problemi ai minimi quadrati matriciali e tensoriali
Siamo interessati alla soluzione numerica del problema ai minimi quadrati sia in forma matriciale sia in forma tensoriale
dove C = C_1C_2^T e D hanno rango basso. Per chiarezza ci concentreremo sul caso p = 2,3, osservando che la generalizzazione a un numero maggiore di termini avviene in maniera naturale. Ci concentreremo inizialmente sulla derivazione dell’algoritmo LSQR in forma matriciale e tensoriale. Successivamente, deriveremo le rispettive versioni troncate, mostrando come, nei casi in cui la soluzione abbia basso rango, il troncamento influenzi l’algoritmo. Nel caso matriciale è particolarmente interessante il confronto con il metodo dei Gradienti Coniugati (CG), già studiato nella sua versione matriciale e troncata. Sempre nel caso matriciale, mostreremo un’applicazione al problema del Dictionary Learning. Per il caso tensoriale, mostreremo un’applicazione per la soluzione numerica di PDE.