IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 40: Filtro di Kalman - introduzione. Struttura ricorsiva della soluzione.

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 40: Filtro di Kalman - introduzione. Struttura ricorsiva della soluzione."

Transcript

1 IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI Lezione 40: Filtro di Kalman - introduzione Cenni storici Filtro di Kalman e filtro di Wiener Formulazione del problema Struttura ricorsiva della soluzione 40-1

2 Cenni storici Il Filtro di Kalman venne sviluppato, alla fine degli anni 50, dall ingegnere di origine ungherese R.E. Kalman mentre lavorava presso la NASA allo sviluppo del programma spaziale americano. Al suo nome viene talvolta affiancato quello del suo collega R.S. Bucy. La motivazione applicativa che portò allo sviluppo del filtro fu lo sviluppo di algoritmi che permettessero di tracciare, cioè di determinare posizione e velocità con la maggior precisione possibile, dei satelliti, e successivamente delle navette spaziali, lanciati nell ambito del programma spaziale. Nello sviluppo del filtro, grande attenzione venne dedicata agli aspetti implementativi, cercando di ottenere una soluzione a questo problema di stima che fosse computazionalmente economica e numericamente robusta. Infatti si doveva implementare questo algoritmo su dispositivi di calcolo dalle prestazioni assai limitate. 40-2

3 Confronto tra Filtro di Kalman e filtro di Wiener L interesse del Filtro di Kalman (e la fama del suo autore) non risiede tanto nell aver risolto un importante problema applicativo, quanto nell aver inquadrato brillantemente un problema di stima all interno della Teoria dei Sistemi, che in quegli anni, per merito dello stesso Kalman, compiva passi decisivi, scoprendo nozioni quali controllabilità, osservabilità, controllo ottimo, dualità, etc. Da un punto di vista dei contenuti il filtro di Kalman é una generalizzazione del filtro di Wiener. Infatti risolve un problema di stima a MEQM per segnali non stazionari e, potenzialmente almeno, per sistemi non lineari. Per questo motivo il filtro di Kalman opera nel dominio del tempo. Il filtro di Wiener appare quindi come un sottoprodotto del filtro di Kalman, ottenuto quando il filtro di Kalman raggiunge lo stato stazionario. Come il filtro di Wiener, anche il filtro di Kalman ha una versione tempo discreta e una versione tempo continua (più difficile da ricavare). 40-3

4 Formulazione del problema (1/3) (caso lineare t.d.) Si consideri il seguente sistema dinamico lineare, t.d., sottoposto ad ingressi aleatori x(k + 1) = Ax(k) + Bu(k) + w(k) (1) y(k) = Cx(k) + v(k) dove x(k) è lo stato, u(k) l ingresso, y(k) l uscita, w(k) il disturbo di processo e v(k) il disturbo di misura. Osservazione - Tutte queste grandezze (e non solo lo stato) possono essere vettoriali. Si adottano le seguenti ipotesi statistiche: w(k) WN (0, Q) v(k) WN (0, R) x(0) (m0, P0) x(0), w(l), v(j) fra loro incorrelati l, j 0 Osservazione - Anche se non espressamente indicato, tutti i parametri del modello possono variare nel tempo. 40-4

5 Formulazione del problema (2/3) L informazione disponibile è rappresentata dalle misure {y k = y(1), y(2),..., y(k)}. Si desidera stimare il valore assunto dallo stato. Più precisamente si desidera calcolare: ˆx(j k) R n : stima lineare a MEQM di x(j) basata sulle osservazioni y k. P (j k) = E[ x(j k) x (j k)]: matrice di varianza dell errore di stima x(j k) = x(j) ˆx(j k) Inoltre il calcolo deve avvenire in maniera ricorsiva rispetto agli indici j e/o k. La stima cioè deve essere generata da equazioni ricorsive. 40-5

6 Formulazione del problema (3/3) Classificazione della stima: Predizione se j > k. Filtraggio se j = k. Interpolazione se j < k. Osservazione - Il filtro di Kalman in sostanza mira a stimare lo stato di un sistema dinamico sulla base di misure sull uscita in un contesto statistico. Lo stesso problema viene affrontato nell Analisi dei Sistemi in un contesto deterministico, cioè in assenza di disturbi, e viene risolto introducendo il ricostruttore dello stato. Come vedremo il filtro di Kalman appare una generalizzazione del ricostruttore dello stato. 40-6

7 Struttura ricorsiva della soluzione(1/2) Nella formulazione del problema sono individuati due indici temporali: j che denota l istante per il quale desideriamo la stima; k che denota l istante dell ultima misura disponibile. Quando cerchiamo una soluzione ricorsiva dobbiamo quindi specificare rispetto a quale indice temporale la ricorsione deve avvenire. Il filtro di Kalman ha una struttura ricorsiva particolare, secondo la quale vengono aggiornate, in prima battuta, la stima ˆx(j k) e la matrice di varianza P (j k). Essa è rappresentata dal seguente grafo: y(k) ˆx(k k 1) = ˆx(k k) = ˆx(k + 1 k) P (k k 1) = P (k k) = P (k + 1 k) (3) La struttura ricorsiva sopra descritta rappresenta il nucleo del Filtro di Kalman. Essa si articola in due aggiornamenti: Aggiornamento alla misura: la stima predittiva (e la rispettiva matrice di varianza dell errore) viene aggiornata per effetto di una nuova misura diventando una stima filtrata. 40-7

8 Aggiornamento temporale: la stima filtrata viene aggiornata per inseguire l evoluzione dello stato, diventando nuovamente stima predittiva, ma all istante successivo. Le frecce del grafo sopra descritto indicano le informazioni necessarie per calcolare una certa grandezza. Risulta pertanto: L aggiornamento della matrice di varianza avviene indipendentemente dalle misure e dalla stima dello stato. Di fatto può essere precalcolato. L aggiornamento della stima dello stato ad un nuova misura, dipende non solo dalla misura (ovvio), ma anche dalla matrice di varianza dell errore di stima. Quest ultima pertanto non solo consente di valutare la qualità della stima ma è indispensabile per ottenerla. Rappresenta quindi un onere computazionale inevitabile.

9 Struttura ricorsiva della soluzione(2/2) Dopo aver implementato la ricorsione di base è possibile implementare altre due ricorsioni per calcolare: Stima predittiva (nel futuro): ˆx(k + l k) = ˆx(k + l + 1 k) P (k + l k) = P (k + l k) l = 1, 2,... (4) Interpolazione (nel passato) y(k + l + 1) ˆx(k k + l) = ˆx(k k + l + 1) P (k k + l) = P (k k + l + 1) l = 1, 2,... (5) 40-9

Computazione per l interazione naturale: Modelli dinamici

Computazione per l interazione naturale: Modelli dinamici Computazione per l interazione naturale: Modelli dinamici Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2015.html

Dettagli

Amministrazione, finanza e marketing - Turismo Ministero dell Istruzione, dell Università e della Ricerca PROGRAMMAZIONE DISCIPLINARE PER U. di A.

Amministrazione, finanza e marketing - Turismo Ministero dell Istruzione, dell Università e della Ricerca PROGRAMMAZIONE DISCIPLINARE PER U. di A. CLASSE quinta INDIRIZZO AFM-SIA-RIM-TUR UdA n. 1 Titolo: LE FUNZIONI DI DUE VARIABILI E L ECONOMIA Utilizzare le strategie del pensiero razionale negli aspetti dialettici e algoritmici per affrontare situazioni

Dettagli

COMPITO DI SEGNALI E SISTEMI 18 Dicembre 2004

COMPITO DI SEGNALI E SISTEMI 18 Dicembre 2004 COMPIO DI SEGNALI E SISEMI 8 Dicembre 4 Esercizio Si consideri il modello di stato a tempo discreto descritto dalle seguenti equazioni: x(k + = Ax(k + Bu(k = x(k + u(k, v(k = Cx(k = [ ] x(k, k Z + i Si

Dettagli

Ringraziamenti dell editore. Introduzione. Parte I MODELLISTICA 1

Ringraziamenti dell editore. Introduzione. Parte I MODELLISTICA 1 romane.pdf 24-07-2008 18:14:24-7 - ( ) Prefazione Ringraziamenti dell editore Introduzione XIII XVI XVII Parte I MODELLISTICA 1 1 Modelli di trasferimento di risorse 3 1.1 Variabili di stato e variabili

Dettagli

= E(X t+k X t+k t ) 2 + 2E [( X t+k X t+k t + E

= E(X t+k X t+k t ) 2 + 2E [( X t+k X t+k t + E 1. Previsione per modelli ARM A Questo capitolo è dedicato alla teoria della previsione lineare per processi stocastici puramente non deterministici, cioè per processi che ammettono una rappresentazione

Dettagli

RICERCA OPERATIVA RICERCA OPERATIVA RICERCA OPERATIVA (PROBLEMI

RICERCA OPERATIVA RICERCA OPERATIVA RICERCA OPERATIVA (PROBLEMI RICERCA OPERATIVA RICERCA OPERATIVA (PROBLEMI DI SCELTA) Il termine RICERCA OPERATIVA sembra sia stato usato per la prima volta nel 1939, ma già precedentemente alcuni scienziati si erano occupati di problemi

Dettagli

Identificazione dei Modelli e Analisi dei Dati 1

Identificazione dei Modelli e Analisi dei Dati 1 POLITECNICO DI MILANO Identificazione dei Modelli e Analisi dei Dati 1 Appunti Stefano Invernizzi Anno accademico 2010-2011 Corso del prof. Sergio Bittanti Sommario Introduzione al corso... 5 I modelli...

Dettagli

UNIT 2 I modelli matematici ricchi di informazione Corso di Controlli Automatici Prof. Tommaso Leo Corso di Controlli Automatici Prof.

UNIT 2 I modelli matematici ricchi di informazione Corso di Controlli Automatici Prof. Tommaso Leo Corso di Controlli Automatici Prof. UNIT 2 I modelli matematici ricchi di informazione Corso di Controlli Automatici Prof. Tommaso Leo Corso di Controlli Automatici Prof. Tommaso Leo 1 Indice UNIT 2 I modelli matematici ricchi di informazione

Dettagli

MPC di sistemi non lineari output feedback and tracking

MPC di sistemi non lineari output feedback and tracking MPC di sistemi non lineari output feedback and tracking Dipartimento di Informatica e Sistemistica Via Ferrata 1, 27100 Pavia Riccardo.Scattolini@unipv.it http://conpro.unipv.it/lab/ 1 Stato dell arte

Dettagli

Segnali e Sistemi. Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici. Gianni Borghesan e Giovanni Marro

Segnali e Sistemi. Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici. Gianni Borghesan e Giovanni Marro Segnali e Sistemi Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici Gianni Borghesan e Giovanni Marro Indice Introduzione 2. Notazione............................. 2 2 Classificazione

Dettagli

Bilancio Bilancio consolidato

Bilancio Bilancio consolidato Bilancio Bilancio consolidato Un metodo di calcolo per muoversi nel labirinto delle partecipazioni di Amedeo De Luca (*) In questo contributo si fonisce un metodo di calcolo dei tassi di partecipazione

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

INTRODUZIONE ALLO STUDIO DEI SISTEMI DI CONTROLLLO AUTOMATICO: APPROCCIO CLASSICO APPROCCIO MODERNO

INTRODUZIONE ALLO STUDIO DEI SISTEMI DI CONTROLLLO AUTOMATICO: APPROCCIO CLASSICO APPROCCIO MODERNO INTRODUZIONE ALLO STUDIO DEI SISTEMI DI CONTROLLLO AUTOMATICO: APPROCCIO CLASSICO APPROCCIO MODERNO CARATTERISTICHE DELLE METODOLOGIE E DELL APPROCCIO CLASSICO : a) Fa riferimento essenzialmente al dominio

Dettagli

SISTEMA DI CONTROLLO ORIENTAMENTO PANNELLI SOLARI

SISTEMA DI CONTROLLO ORIENTAMENTO PANNELLI SOLARI SISTEMA DI CONTROLLO ORIENTAMENTO PANNELLI SOLARI Lezione 1: User Requirements, Modellizzazione e Identificazione. 1.1 Introduzione: Un cliente ha chiesto la realizzazione di un sistema per l'orientamento

Dettagli

Rappresentazione nello spazio degli stati

Rappresentazione nello spazio degli stati Chapter 1 Rappresentazione nello spazio degli stati La modellazione di un sistema lineare di ordine n, fornisce un insieme di equazioni differenziali che una volta trasformate nel dominio discreto, possono

Dettagli

4. Matrici e Minimi Quadrati

4. Matrici e Minimi Quadrati & C. Di Natale: Matrici e sistemi di equazioni di lineari Formulazione matriciale del metodo dei minimi quadrati Regressione polinomiale Regressione non lineare Cross-validazione e overfitting Regressione

Dettagli

I Modelli della Ricerca Operativa

I Modelli della Ricerca Operativa Capitolo 1 I Modelli della Ricerca Operativa 1.1 L approccio modellistico Il termine modello è di solito usato per indicare una costruzione artificiale realizzata per evidenziare proprietà specifiche di

Dettagli

Localizzabilità Non Lineare e Telecamere Panoramiche: Applicazioni a Squadre di Robot

Localizzabilità Non Lineare e Telecamere Panoramiche: Applicazioni a Squadre di Robot UNIVERSITÀ DEGLI STUDI DI SIENA FACOLTÀ DI INGEGNERIA Corso di Laurea in Ingegneria Informatica, RA Localizzabilità Non Lineare e Telecamere Panoramiche: Applicazioni a Squadre di Robot Relatore Chiar.mo

Dettagli

Metodi e Modelli per le Decisioni

Metodi e Modelli per le Decisioni Metodi e Modelli per le Decisioni Corso di Laurea in Informatica e Corso di Laurea in Matematica Roberto Cordone DI - Università degli Studi di Milano Lezioni: Giovedì 13.30-15.30 Venerdì 15.30-17.30 Ricevimento:

Dettagli

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA SVILUPPO DI METODI DECONVOLUTIVI PER L INDIVIDUAZIONE DI SORGENTI INDIPENDENTI

Dettagli

Sensori e trasduttori. Dispense del corso ELETTRONICA L Luca De Marchi

Sensori e trasduttori. Dispense del corso ELETTRONICA L Luca De Marchi Sensori e trasduttori Dispense del corso ELETTRONICA L Luca De Marchi Gli Obiettivi Struttura generale di sistemi di controllo e misura Sensori, trasduttori, attuatori Prima classificazione dei sistemi-sensori

Dettagli

Mattia Zanella mattia.zanella@unife.it www.mattiazanella.eu

Mattia Zanella mattia.zanella@unife.it www.mattiazanella.eu mattia.zanella@unife.it www.mattiazanella.eu Department of Mathematics and Computer Science, University of Ferrara, Italy Ferrara, 1 Maggio 216 Programma della lezione Seminario II Equazioni differenziali

Dettagli

APPUNTI SUI METODI PERT-C.P.M.

APPUNTI SUI METODI PERT-C.P.M. APPUNTI SUI METODI PERT-C.P.M. (corso di ricerca operativa) A cura di: Antonio Scalera 1 PERT/C.P.M. I metodi Pert e C.P.M. studiano lo sviluppo di un progetto attraverso la programmazione delle attività

Dettagli

Automazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it

Automazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione

Dettagli

Analisi Statistica Spaziale

Analisi Statistica Spaziale Analisi Statistica Spaziale Posa D., De Iaco S. posa@economia.unile.it s.deiaco@economia.unile.it UNIVERSITÀ del SALENTO DIP.TO DI SCIENZE ECONOMICHE E MATEMATICO-STATISTICHE FACOLTÀ DI ECONOMIA ANNO ACCADEMICO

Dettagli

I.S.I.S. Zenale e Butinone - Dipartimento di Matematica P.A.L. CLASSE 5^ TECNICO TUR. a.s. 14/15 pag.1

I.S.I.S. Zenale e Butinone - Dipartimento di Matematica P.A.L. CLASSE 5^ TECNICO TUR. a.s. 14/15 pag.1 I.S.I.S. Zenale e Butinone - Dipartimento di Matematica P.A.L. CLASSE 5^ TECNICO TUR. a.s. 14/15 pag.1 ISTITUTO STATALE ISTRUZIONE SUPERIORE ZENALE E BUTINONE Vale la pena di insegnare un argomento solo

Dettagli

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Analisi dei sistemi dinamici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Analisi dei

Dettagli

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D) ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Calcolo delle corrispondenze Affrontiamo il problema centrale della visione stereo, cioè la ricerca automatica di punti corrispondenti tra immagini Chiamiamo

Dettagli

Introduzione all elaborazione di immagini Part II

Introduzione all elaborazione di immagini Part II Introduzione all elaborazione di immagini Part II Obiettivi delle tecniche di elaborazione di immagini: miglioramento di qualità (image enhancement) ripristino di qualità o restauro (image restoration)

Dettagli

Distributed P2P Data Mining. Autore: Elia Gaglio (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo

Distributed P2P Data Mining. Autore: Elia Gaglio (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo Distributed P2P Data Mining Autore: (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo A.A. 2005/2006 Il settore del Data Mining Distribuito (DDM): Data Mining: cuore del processo

Dettagli

Introduzione alle variabili aleatorie discrete e continue notevoli Lezione 22.01.09 (ore 11.00-13.00, 14.00-16.00)

Introduzione alle variabili aleatorie discrete e continue notevoli Lezione 22.01.09 (ore 11.00-13.00, 14.00-16.00) Introduzione alle variabili aleatorie discrete e continue notevoli Lezione 22.01.09 (ore 11.00-13.00, 14.00-16.00) Richiami di matematica pag. 2 Definizione (moderatamente) formale di variabile aleatoria

Dettagli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli Prefazione Non è facile definire che cosa è un problema inverso anche se, ogni giorno, facciamo delle operazioni mentali che sono dei metodi inversi: riconoscere i luoghi che attraversiamo quando andiamo

Dettagli

Indice. Nota degli autori. 1 Capitolo 1 Introduzione alla ricerca operativa

Indice. Nota degli autori. 1 Capitolo 1 Introduzione alla ricerca operativa XI Nota degli autori 1 Capitolo 1 Introduzione alla ricerca operativa 1 1.1 Premessa 1 1.2 Problemi di ottimizzazione 6 1.3 Primi approcci ai modelli di ottimizzazione 13 1.4 Uso del risolutore della Microsoft

Dettagli

CIRCUITI INTELLIGENTI Parte 5: PCA e ICA

CIRCUITI INTELLIGENTI Parte 5: PCA e ICA Ing. Simone SCARDAPANE Circuiti e Algoritmi per l Elaborazione dei Segnali Anno Accademico 2012/2013 Indice della Lezione 1. Analisi delle Componenti Principali 2. Auto-Associatori 3. Analisi delle Componenti

Dettagli

PIANO DI LAVORO DEL PROFESSORE

PIANO DI LAVORO DEL PROFESSORE ISTITUTO DI ISTRUZIONE SUPERIORE STATALE IRIS V ERSA RI - Cesano Maderno (MB) PIANO DI LAVORO DEL PROFESSORE Indirizzo LICEO TECNICO MATERIA M ATEMATICA APPLICATA ANNO SCOLASTICO 2011-2012 PROF PIZZILEO

Dettagli

Motore in corrente continua Controllo in retroazione dello stato e Osservatore dello stato Controllo ottimo

Motore in corrente continua Controllo in retroazione dello stato e Osservatore dello stato Controllo ottimo Motore in corrente continua Controllo in retroazione dello stato e Osservatore dello stato Controllo ottimo Esercitazioni di Controlli Automatici LS (Prof. C. Melchiorri) Si consideri il motore elettrico

Dettagli

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai

Dettagli

Regressione non lineare con un modello neurale feedforward

Regressione non lineare con un modello neurale feedforward Reti Neurali Artificiali per lo studio del mercato Università degli studi di Brescia - Dipartimento di metodi quantitativi Marco Sandri (sandri.marco@gmail.com) Regressione non lineare con un modello neurale

Dettagli

Sistemi Informativi Territoriali. Map Algebra

Sistemi Informativi Territoriali. Map Algebra Paolo Mogorovich Sistemi Informativi Territoriali Appunti dalle lezioni Map Algebra Cod.735 - Vers.E57 1 Definizione di Map Algebra 2 Operatori locali 3 Operatori zonali 4 Operatori focali 5 Operatori

Dettagli

Modelli finanziari per i tassi di interesse

Modelli finanziari per i tassi di interesse MEBS Lecture 3 Modelli finanziari per i tassi di interesse MEBS, lezioni Roberto Renò Università di Siena 3.1 Modelli per la struttura La ricerca di un modello finanziario che descriva l evoluzione della

Dettagli

LABORATORY OF AUTOMATION SYSTEMS ADAPTIVE CONTROLLERS

LABORATORY OF AUTOMATION SYSTEMS ADAPTIVE CONTROLLERS Laboratory of Automation Systems p. 1/46 LABORATORY OF AUTOMATION SYSTEMS ADAPTIVE CONTROLLERS Prof. Claudio Bonivento CASY-DEIS, University of Bologna claudio.bonivento@unibo.it Laboratory of Automation

Dettagli

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Università di Napoli Parthenope Facoltà di Ingegneria Corso di Comunicazioni Elettriche docente: Prof. Vito Pascazio 1 a Lezione: 9/04/003 Sommario Caratterizzazione energetica di processi aleatori Processi

Dettagli

Fondamenti dei linguaggi di programmazione

Fondamenti dei linguaggi di programmazione Fondamenti dei linguaggi di programmazione Aniello Murano Università degli Studi di Napoli Federico II 1 Riassunto delle lezioni precedenti Prima Lezione: Introduzione e motivazioni del corso; Sintassi

Dettagli

Federico Laschi. Conclusioni

Federico Laschi. Conclusioni Lo scopo di questa tesi è stato quello di proporre alcuni algoritmi di allocazione dinamica della capacità trasmissiva, basati su tecniche di predizione on-line dei processi di traffico. Come prima analisi

Dettagli

PROPRIETÀ DEI CIRCUITI DI RESISTORI

PROPRIETÀ DEI CIRCUITI DI RESISTORI CAPITOLO 5 PROPRIETÀ DEI CIRCUITI DI RESISTORI Nel presente Capitolo, verrà introdotto il concetto di equivalenza tra bipoli statici e verranno enunciati e dimostrati alcuni teoremi (proprietà) generali

Dettagli

AUTOMAZIONE INDUSTRIALE

AUTOMAZIONE INDUSTRIALE AUTOMAZIONE INDUSTRIALE 1 Informazioni sul docente Alberto Leva Dipartimento di Elettronica e Informazione Politecnico di Milano Telefono 02 2399 3410 E-mail Sito web leva@elet.polimi.it www.elet.polimi.it/upload/leva

Dettagli

LICEO SCIENTIFICO STATALE G. D. CASSINI

LICEO SCIENTIFICO STATALE G. D. CASSINI PROGRAMMAZIONE DI MATEMATICA CLASSI PRIME NUCLEI TEMATICI E METODOLOGIA. Nucleo 1 Nucleo 2 Nucleo 3 Nucleo 4 Nucleo 5 Ambiente di lavoro (in generale) e linguaggio della matematica Ambiente e linguaggio

Dettagli

Disciplina: SISTEMI AUTOMATICI. Classi: III AES PROF. IANNETTA SIMONE PROF. SAPORITO ETTORE. Ore settimanali previste: 4

Disciplina: SISTEMI AUTOMATICI. Classi: III AES PROF. IANNETTA SIMONE PROF. SAPORITO ETTORE. Ore settimanali previste: 4 Programmazione modulare annuale Indirizzo: Elettrotecnica Disciplina: SISTEMI AUTOMATICI Classi: III AES PROF. IANNETTA SIMONE PROF. SAPORITO ETTORE Ore settimanali previste: 4 Prerequisiti per l'accesso

Dettagli

SISTEMI DI CONDOTTE: Il dimensionamento idraulico

SISTEMI DI CONDOTTE: Il dimensionamento idraulico SISTEMI DI CONDOTTE: Il dimensionamento idraulico Carlo Ciaponi Università degli Studi di Pavia Dipartimento di Ingegneria Idraulica e Ambientale Posizione del del problema Rete da progettare di cui è

Dettagli

PROGRAMMA DI MATEMATICA CORSI DELL INDIRIZZO PROFESSIONALE. Classi prime: Operatore grafico

PROGRAMMA DI MATEMATICA CORSI DELL INDIRIZZO PROFESSIONALE. Classi prime: Operatore grafico PROGRAMMA DI MATEMATICA CORSI DELL INDIRIZZO PROFESSIONALE - classi accreditate alla formazione professionale regionale: Classi prime: Operatore grafico Modulo 1: I numeri con particolare riferimento alle

Dettagli

Il sapere tende oggi a caratterizzarsi non più come un insieme di contenuti ma come un insieme di metodi e di strategie per risolvere problemi.

Il sapere tende oggi a caratterizzarsi non più come un insieme di contenuti ma come un insieme di metodi e di strategie per risolvere problemi. E. Calabrese: Fondamenti di Informatica Problemi-1 Il sapere tende oggi a caratterizzarsi non più come un insieme di contenuti ma come un insieme di metodi e di strategie per risolvere problemi. L'informatica

Dettagli

MATEMATICA nella REALTA

MATEMATICA nella REALTA MATEMATICA nella REALTA Lucia Della Croce Giulia Maggi Ada Pulvirenti Dipartimento di Matematica Università di Pavia Piano Lauree Scientifiche Pavia 29 Settembre 2010 Attività proposte A. S. 2010 2011

Dettagli

ISTITUTO STATALE ISTRUZIONE SUPERIORE ZENALE E BUTINONE

ISTITUTO STATALE ISTRUZIONE SUPERIORE ZENALE E BUTINONE pag.1 ISTITUTO STATALE ISTRUZIONE SUPERIORE ZENALE E BUTINONE Vale la pena di insegnare un argomento solo se si ritiene di poterlo approfondire ad un punto tale da poter formulare domande non banali con

Dettagli

Informatica 3. Informatica 3. LEZIONE 10: Introduzione agli algoritmi e alle strutture dati. Lezione 10 - Modulo 1. Importanza delle strutture dati

Informatica 3. Informatica 3. LEZIONE 10: Introduzione agli algoritmi e alle strutture dati. Lezione 10 - Modulo 1. Importanza delle strutture dati Informatica 3 Informatica 3 LEZIONE 10: Introduzione agli algoritmi e alle strutture dati Modulo 1: Perchè studiare algoritmi e strutture dati Modulo 2: Definizioni di base Lezione 10 - Modulo 1 Perchè

Dettagli

Corso di Geometria e Algebra Lineare - Sezione di Metodi Numerici

Corso di Geometria e Algebra Lineare - Sezione di Metodi Numerici Corso di Geometria e Algebra Lineare - Sezione di Metodi Numerici C. Vergara 3. Metodo della fattorizzazione LU per la risoluzione di un sistema lineare Errori di arrotondamento. Prima di affrontare la

Dettagli

BOZZA DEL 06/09/2011

BOZZA DEL 06/09/2011 ARTICOLAZIONE: INFORMATICA Disciplina: COMPLEMENTI DI MATEMATICA (C4) Il docente di Complementi di matematica concorre a far conseguire allo studente, al termine del percorso quinquennale, i seguenti risultati

Dettagli

Ottimizzazione non Vincolata

Ottimizzazione non Vincolata Dipartimento di Informatica e Sitemistica Università di Roma Corso Dottorato Ingegneria dei Sistemi 15/02/2010, Roma Outline Ottimizzazione Non Vincolata Introduzione Ottimizzazione Non Vincolata Algoritmi

Dettagli

2.1.2 Formulazione del test PSD Le potenzialità del metodo pseudodinamico si possono facilmente comprendere considerando l equazione (1.2.1.

2.1.2 Formulazione del test PSD Le potenzialità del metodo pseudodinamico si possono facilmente comprendere considerando l equazione (1.2.1. .1. Formulazione del test PSD Le potenzialità del metodo pseudodinamico si possono facilmente comprendere considerando l equazione (1..1.1) 17 Ma(t)+Cv(t)+S(d(t)) = f ex (t): (.1..1) applicata direttamente

Dettagli

Le catene di Markov come metodologia utilizzata dai motori di ricerca per classificare le pagine web su internet.

Le catene di Markov come metodologia utilizzata dai motori di ricerca per classificare le pagine web su internet. Università degli Studi di Palermo Facoltà di Economia Dipartimento di Scienze Statistiche e Matematiche S. Vianelli Dottorato di Ricerca in Statistica e Finanza Quantitativa - XXI Ciclo Sergio Salvino

Dettagli

Vincenzo Ciancio Armando Ciancio. Metodi matematici per le applicazioni finanaziarie

Vincenzo Ciancio Armando Ciancio. Metodi matematici per le applicazioni finanaziarie A01 73 Vincenzo Ciancio Armando Ciancio Metodi matematici per le applicazioni finanaziarie Copyright MMV ARACNE editrice S.r.l. www.aracneeditrice.it info@aracneeditrice.it via Raffaele Garofalo, 133

Dettagli

Esercitazioni per il corso di Microonde 2005/2006: CENNI DI TEORIA DELL ERRORE. Ing. Ricci Andrea Simone

Esercitazioni per il corso di Microonde 2005/2006: CENNI DI TEORIA DELL ERRORE. Ing. Ricci Andrea Simone Esercitazioni per il corso di Microonde 2005/2006: CENNI DI TEORIA DELL ERRORE Ing. Ricci Andrea Simone INCERTEZZA DI MISURA - Introduzione X SISTEMA Y Misura > complesso di attività volte alla valutazione

Dettagli

Indice. Capitolo 1 Introduzione... 1. Capitolo 2 Rappresentazioni lineari e modelli di sistemi da diverse discipline... 9

Indice. Capitolo 1 Introduzione... 1. Capitolo 2 Rappresentazioni lineari e modelli di sistemi da diverse discipline... 9 Indice Capitolo 1 Introduzione... 1 Capitolo 2 Rappresentazioni lineari e modelli di sistemi da diverse discipline... 9 2.1 Alcuni semplici modelli.............................. 10 2.1.a Un sistema meccanico

Dettagli

Introduzione al corso

Introduzione al corso Controlli Automatici Introduzione al corso Prof. Cesare Fantuzzi Ing. Cristian Secchi Ing. Federica Ferraguti ARSControl - DISMI - Università di Modena e Reggio Emilia E-mail: {nome.cognome}@unimore.it

Dettagli

Specializzazione Elettronica ed Elettrotecnica Articolazione Automazione. Elettronica ed Elettrotecnica - Classe 3^

Specializzazione Elettronica ed Elettrotecnica Articolazione Automazione. Elettronica ed Elettrotecnica - Classe 3^ Specializzazione Elettronica ed Elettrotecnica Articolazione Automazione Elettronica ed Elettrotecnica - Classe 3^ Elettrotecnica Tipologie di segnali Unità di misura delle grandezze elettriche Simbologia

Dettagli

Parte 6. Applicazioni lineari

Parte 6. Applicazioni lineari Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R

Dettagli

Pavia - Borgo Ticino Alluvione del 1994. Pavia - Borgo Ticino Alluvione del 2000

Pavia - Borgo Ticino Alluvione del 1994. Pavia - Borgo Ticino Alluvione del 2000 Pavia - Borgo Ticino Alluvione del 1994 Pavia - Borgo Ticino Alluvione del 2000 Pavia Alluvione del 2000 Sistema di preannuncio dei livelli del Fiume Ticino a Pavia Pavia Borgo Ticino (ingresso di via

Dettagli

Identificazione di sistemi dinamici

Identificazione di sistemi dinamici Scuola universitaria professionale della Svizzera italiana SUP SI Dipartimento Tecnologie Innovative Identificazione di sistemi dinamici Ivan Furlan 21 dicembre 2011 Identificazione di sistemi dinamici

Dettagli

Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI

Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI La differenza tra il restauro e il miglioramento (enhancement) delle immagini è che il miglioramento è un processo soggettivo, mentre il restauro è un processo

Dettagli

Le parole dell informatica: modello di calcolo, complessità e trattabilità

Le parole dell informatica: modello di calcolo, complessità e trattabilità Le parole dell informatica: modello di calcolo, complessità e trattabilità Angelo Montanari Dipartimento di Matematica e Informatica Università degli Studi di Udine Ciclo di seminari su un Vocabolario

Dettagli

0. Piano cartesiano 1

0. Piano cartesiano 1 0. Piano cartesiano Per piano cartesiano si intende un piano dotato di due assi (che per ragioni pratiche possiamo scegliere ortogonali). Il punto in comune ai due assi è detto origine, e funziona da origine

Dettagli

Specializzazione Elettronica ed Elettrotecnica Articolazione Elettrotecnica. Elettronica ed Elettrotecnica - Classe 3^

Specializzazione Elettronica ed Elettrotecnica Articolazione Elettrotecnica. Elettronica ed Elettrotecnica - Classe 3^ Specializzazione Elettronica ed Elettrotecnica Articolazione Elettrotecnica Elettronica ed Elettrotecnica - Classe 3^ 1- Reti elettriche in corrente continua Grandezze elettriche fondamentali e loro legami,

Dettagli

IIS D ORIA - UFC PROGRAMMAZIONE DI DIPARTIMENTO INDICE DELLE UFC

IIS D ORIA - UFC PROGRAMMAZIONE DI DIPARTIMENTO INDICE DELLE UFC INDICE DELLE UFC 1 Transitori Transitori di circuiti R,L,C Ordine di un sistema Modello matematico 2 Trasformata di Laplace Teoremi sulla trasformata Trasformata dei principali segnali di ingresso Antitrasformata

Dettagli

Fondamenti di Automatica. Modellistica dei sistemi dinamici a tempo discreto

Fondamenti di Automatica. Modellistica dei sistemi dinamici a tempo discreto Fondamenti di Automatica Modellistica dei sistemi dinamici a tempo discreto Sistemi dinamici a tempo discreto I sistemi dinamici a tempo discreto sono sistemi in cui tutte le grandezze variabili sono funzioni

Dettagli

Istituto tecnico economico

Istituto tecnico economico PIANO DI LAVORO ANNUALE Istituto tecnico economico INSEGNANTE: CONSIGLIA MAZZONE MATERIA DI INSEGNAMENTO: MATEMATICA APPLICATA CLASSE V ITE ANNO SCOLASTICO 2014/2015 PARTE 1 LIVELLO COMPETENZE DISCIPLINARI

Dettagli

INDIRIZZO Informatica e Telecomunicazioni

INDIRIZZO Informatica e Telecomunicazioni ISTRUZIONE TECNICA INDIRIZZO Informatica e Telecomunicazioni L indirizzo Informatica e Telecomunicazioni ha lo scopo di far acquisire allo studente, al termine del percorso quinquennale, specifiche competenze

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

LICEO CLASSICO C. CAVOUR DISCIPLINA : MATEMATICA PROGRAMMAZIONE DIDATTICA ED EDUCATIVA

LICEO CLASSICO C. CAVOUR DISCIPLINA : MATEMATICA PROGRAMMAZIONE DIDATTICA ED EDUCATIVA PROGRAMMAZIONE DIDATTICA ED EDUCATIVA 1. OBIETTIVI SPECIFICI DELLA DISCIPLINA PROGRAMMAZIONE PER COMPETENZE Le prime due/tre settimane sono state dedicate allo sviluppo di un modulo di allineamento per

Dettagli

INTRODUZIONE AL CONTROLLO OTTIMO

INTRODUZIONE AL CONTROLLO OTTIMO INTRODUZIONE AL CONTROLLO OTTIMO Teoria dei Sistemi Ingegneria Elettronica, Informatica e TLC Prof. Roberto Zanasi, Dott. Giovanni Azzone DII - Università di Modena e Reggio Emilia AUTOLAB: Laboratorio

Dettagli

ANALISI DEL CONDIZIONAMENTO DI UN SISTEMA LINEARE

ANALISI DEL CONDIZIONAMENTO DI UN SISTEMA LINEARE ANALISI DEL CONDIZIONAMENTO DI UN SISTEMA LINEARE Algebra lineare numerica 121 Ax = b A, b affetti dall errore di round-off si risolve sempre un sistema perturbato: con (A + A)(x + x) = b + b A = ( a i,j

Dettagli

Lezione 9: Cambio di base

Lezione 9: Cambio di base Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire

Dettagli

Introduzione alla scienza della comunicazione (E. T. Jaynes)

Introduzione alla scienza della comunicazione (E. T. Jaynes) Introduzione alla scienza della comunicazione (E T Jaynes) S Bonaccorsi Department of Mathematics University of Trento Corso di Mathematical model for the Physical, Natural and Social Sciences Outline

Dettagli

SPERIMENTAZIONE CON LINDO SU UN PROBLEMA DI SCHEDULING

SPERIMENTAZIONE CON LINDO SU UN PROBLEMA DI SCHEDULING UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN SCIENZE STATISTICHE ED ECONOMICHE TESI DI LAUREA SPERIMENTAZIONE CON LINDO SU UN PROBLEMA DI SCHEDULING Relatore: Ch.mo

Dettagli

Feature Selection per la Classificazione

Feature Selection per la Classificazione 1 1 Dipartimento di Informatica e Sistemistica Sapienza Università di Roma Corso di Algoritmi di Classificazione e Reti Neurali 20/11/2009, Roma Outline Feature Selection per problemi di Classificazione

Dettagli

SISTEMI INFORMATIVI AZIENDALI

SISTEMI INFORMATIVI AZIENDALI SISTEMI INFORMATIVI AZIENDALI Prof. Andrea Borghesan venus.unive.it/borg borg@unive.it Ricevimento: Alla fine di ogni lezione Modalità esame: scritto 1 Data Mining. Introduzione La crescente popolarità

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

Grandezze fisiche e loro misura

Grandezze fisiche e loro misura Grandezze fisiche e loro misura Cos è la fisica? e di che cosa si occupa? - Scienza sperimentale che studia i fenomeni naturali suscettibili di sperimentazione e caratterizzati da entità o grandezze misurabili.

Dettagli

Metodi diretti per la soluzione di sistemi lineari

Metodi diretti per la soluzione di sistemi lineari Metodi diretti per la soluzione di sistemi lineari N Del Buono 1 Introduzione Consideriamo un sistema di n equazioni in n incognite a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1, a 21 x 1 + a 22 x

Dettagli

Offerta formativa 2011/12

Offerta formativa 2011/12 Offerta formativa 2011/12 Codice Titolo ECTS M00001P Progetto semestrale 6 M00002 Progetto di diploma 14 M00002P Progetto di diploma 14 M00003P Progetto semestrale 6 M00005 Progetto semestrale 4 M00005P

Dettagli

LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE

LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE FLAVIO ANGELINI Sommario Queste note hanno lo scopo di indicare a studenti di Economia interessati alla finanza quantitativa i concetti essenziali

Dettagli

Strumenti statistici per l analisi di dati genetici

Strumenti statistici per l analisi di dati genetici Strumenti statistici per l analisi di dati genetici Luca Tardella + Maria Brigida Ferraro 1 email: luca.tardella@uniroma1.it Lezione #1 Introduzione al software R al suo utilizzo per l implementazione

Dettagli

Ricerca Operativa Esercizi risolti sulle condizioni di complementarietà primale-duale. L. De Giovanni, V. Dal Sasso

Ricerca Operativa Esercizi risolti sulle condizioni di complementarietà primale-duale. L. De Giovanni, V. Dal Sasso Ricerca Operativa Esercizi risolti sulle condizioni di complementarietà primale-duale L. De Giovanni, V. Dal Sasso 1 Esercizio 1. Dato il problema min 2x 1 x 2 s.t. x 1 + 2x 2 7 2x 1 x 2 6 3x 1 + 2x 2

Dettagli

estratto da Competenze assi culturali Raccolta delle rubriche di competenza formulate secondo i livelli EFQ a cura USP Treviso Asse matematico

estratto da Competenze assi culturali Raccolta delle rubriche di competenza formulate secondo i livelli EFQ a cura USP Treviso Asse matematico Competenza matematica n. BIENNIO, BIENNIO Utilizzare le tecniche e le procedure del calcolo aritmetico ed algebrico, rappresentandole anche sotto forma grafica BIENNIO BIENNIO Operare sui dati comprendendone

Dettagli

Dispositivi Minimamente Invasivi

Dispositivi Minimamente Invasivi Dispositivi Minimamente Invasivi per Diagnosi, Monitoraggio e Terapia Esercitazione 11 Alessandro Tognetti Nicola Carbonaro a.tognetti@centropiaggio.unipi.it tti@ t i i i i it nicola.carbonaro@centropiaggio.unipi.it

Dettagli

PROGRAMMAZIONE DIDATTICA DI ELETTROTECNICA ED ELETTRONICA ARTICOLAZIONE ELETTROTECNICA

PROGRAMMAZIONE DIDATTICA DI ELETTROTECNICA ED ELETTRONICA ARTICOLAZIONE ELETTROTECNICA PROGRAMMAZIONE DIDATTICA DI ELETTROTECNICA ED ELETTRONICA ARTICOLAZIONE ELETTROTECNICA Gli Allegati A (Profilo culturale, educativo e professionale) e C (Indirizzi, Profili, Quadri orari e Risultati di

Dettagli

Codifica di sorgente. esempio di sorgente con memoria

Codifica di sorgente. esempio di sorgente con memoria Codifica di sorgente esercitazione su sorgenti markoviane 1 esempio di sorgente con memoria Esempio di sorgente con memoria markoviana a due stati NB: per la simmetria del sistema, i simboli sono equiprobabili

Dettagli

STUDIO DI SETTORE SG40U

STUDIO DI SETTORE SG40U ALLEGATO 1 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE SG40U NOTA TECNICA E METODOLOGICA CRITERI PER LA COSTRUZIONE DELLO STUDIO DI SETTORE Di seguito vengono esposti i criteri seguiti per la costruzione

Dettagli

Articolazione Elettronica. Specializzazione Elettronica ed Elettrotecnica Articolazione Elettronica. Elettronica ed Elettrotecnica - Classe 3^

Articolazione Elettronica. Specializzazione Elettronica ed Elettrotecnica Articolazione Elettronica. Elettronica ed Elettrotecnica - Classe 3^ Articolazione Elettronica Specializzazione Elettronica ed Elettrotecnica Articolazione Elettronica Elettronica ed Elettrotecnica - Classe 3^ Elettrotecnica Tipologie di Segnali Unità di misura delle grandezze

Dettagli

Lezione 16: La luce strutturata

Lezione 16: La luce strutturata Robotica A Lezione 16: La luce strutturata Modificare la luce per semplificare i calcoli Con una sola telecamera In generale, non si possono misurare le distanze. Non tutti gli oggetti possono essere assimilati

Dettagli

Indice. Notazioni generali

Indice. Notazioni generali Indice Notazioni generali XIII 1 Derivati e arbitraggi 1 1.1 Opzioni 1 1.1.1 Finalità 3 1.1.2 Problemi 4 1.1.3 Leggi di capitalizzazione 4 1.1.4 Arbitraggi e formula di Put-Call Parity 5 1.2 Prezzo neutrale

Dettagli

PIANO DI LAVORO DI MATEMATICA Docente: MARIATERESA COSENTINO

PIANO DI LAVORO DI MATEMATICA Docente: MARIATERESA COSENTINO CLASSE IC Classico ANNO SCOLASTICO 2012-2013 PIANO DI LAVORO DI MATEMATICA Docente: MARIATERESA COSENTINO Gli allievi, in generale, si dedicano allo studio della matematica e della fisica con diligenza

Dettagli