diff --git a/curriculum/challenges/italian/10-coding-interview-prep/rosetta-code/euler-method.md b/curriculum/challenges/italian/10-coding-interview-prep/rosetta-code/euler-method.md index 4a17c09a25..72e90ec4aa 100644 --- a/curriculum/challenges/italian/10-coding-interview-prep/rosetta-code/euler-method.md +++ b/curriculum/challenges/italian/10-coding-interview-prep/rosetta-code/euler-method.md @@ -1,6 +1,6 @@ --- id: 59880443fb36441083c6c20e -title: Euler method +title: Metodo di Eulero challengeType: 5 forumTopicId: 302258 dashedName: euler-method @@ -8,63 +8,63 @@ dashedName: euler-method # --description-- -Euler's method numerically approximates solutions of first-order ordinary differential equations (ODEs) with a given initial value. It is an explicit method for solving initial value problems (IVPs), as described in [the wikipedia page](https://en.wikipedia.org/wiki/Euler method "wp: Euler method"). +Il metodo di Eulero approssima numericamente le soluzioni di equazioni differenziali ordinarie di primo ordine (ordinary differential equations in inglese - ODEs) con un dato valore iniziale. Si tratta di un metodo esplicito per risolvere i problemi di valore iniziale (IVP), come descritto in [questo articolo](https://www.freecodecamp.org/news/eulers-method-explained-with-examples/ "news: Euler's Method Explained with Examples"). -The ODE has to be provided in the following form: +L'ODE deve essere fornita nella seguente forma: -with an initial value +con un valore iniziale -To get a numeric solution, we replace the derivative on the LHS with a finite difference approximation: +Per ottenere una soluzione numerica, sostituiamo il derivato sul LHS con un'approssimazione alle differenze finite: -then solve for $y(t+h)$: +poi risolvere per $y(t+h)$: -which is the same as +che è come -The iterative solution rule is then: +La regola della soluzione iterativa è: -where $h$ is the step size, the most relevant parameter for accuracy of the solution. A smaller step size increases accuracy but also the computation cost, so it has always has to be hand-picked according to the problem at hand. +dove $h$ è la dimensione del passo, il parametro più rilevante per la precisione della soluzione. Un passo più piccolo aumenta l'accuratezza ma anche il costo di calcolo, quindi deve essere sempre scelto manualmente in base al problema da affrontare. -**Example: Newton's Cooling Law** +**Esempio: Legge di raffreddamento di Newton** -Newton's cooling law describes how an object of initial temperature $T(t_0) = T_0$ cools down in an environment of temperature $T_R$: +La legge di raffreddamento di Newton descrive come un oggetto di temperatura iniziale $T(t_0) = T_0$ si raffredda in un ambiente di temperatura $T_R$: -or +oppure -It says that the cooling rate $\\frac{dT(t)}{dt}$ of the object is proportional to the current temperature difference $\\Delta T = (T(t) - T_R)$ to the surrounding environment. +Dice che il tasso di raffreddamento $\\frac{dT(t)}{dt}$ dell'oggetto è proporzionale alla differenza tra la temperatura corrente dell'oggetto $\\Delta T = (T(t) - T_R)$ e quella dell'ambiente circostante. -The analytical solution, which we will compare to the numerical approximation, is +La soluzione analitica, che confronteremo con l'approssimazione numerica, è