SI RICORDA CHE LE LEZIONI DI MERCOLEDÌ 5 E 12 APRILE SI TERRANNO IN AULA D3 DALLE 9 ALLE 11
|
|
- Gregorio Franceschini
- 5 anni fa
- Visualizzazioni
Transcript
1 SI RICORDA CHE LE LEZIONI DI MERCOLEDÌ 5 E 12 APRILE SI TERRANNO IN AULA D3 DALLE 9 ALLE 11 MARTEDÌ 11 APRILE LA LEZIONE SI TERRÀ IN AULA SEMINARI PIANO C 1di 26 LEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE LINEARE, IL METODO DEL SIMPLESSO Parte 2 2di 26
2 Metodo del Simplesso Il metodo del simplesso dovuto a Dantzing ed a Kantorovich è un algoritmo il cui nome deriva dal fatto che una delle sue prime applicazioni fu fatta ad un problema nel quale l insieme delle relazioni lineari era rappresentato da un simplesso, cioè da un poliedro convesso a n+1 vertici in uno spazio ad n dimensioni. Il metodo del simplesso consente: 1. Di stabilire se una soluzione ammissibile di base è ottima o no, anche senza conoscere alcun altra soluzione ammissibile di base; 2. Di migliorare una soluzione ammissibile di base non ottima passando da essa alla migliore soluzione ammissibile di base adiacente, fino ad ottenere quella ottima se esiste. 3di 26 Si dimostra che in generale, un problema di programmazione lineare, può essere così equivalentemente riscritto: Z=c 1 x 1 +c 2 x 2 + +c n x n +0.x n x n+m ottimizzare funzione obbiettivo da a 11 x 1 +a 12 x 2 + +a 1n x n +x n+1 =b 1 a 21 x 1 +a 22 x 2 + +a 2n x n +x n+2 =b 2. a m1 x 1 +a m2 x 2 + +a mn x n +x n+m =b m e x i 0 con i=1,...,n+m dove le variabili x j con j=n+1,, n+m sono le m variabili di scarto (non negative) che servono a trasformare le disequazioni in equazioni e sono precedute dal segno + se la disuguaglianza è dal segno - se la disuguaglianza è. 4di 26
3 Supponendo le equazioni linearmente indipendenti, il primo passo consiste quindi nel: Trovare una soluzione ammissibile di base cioè nel mettersi in un vertice dell iperpoliedro. Per ottenere una soluzione di base è sufficiente porre, nel sistema dei vincoli, n variabili uguali a zero (uguale al limite inferiore); si ha così un sistema lineare di m equazioni in m incognite, questo sistema in cui la matrice dei coefficienti delle m variabili non annullate ha determinante non nullo, ha una unica e ben determinata soluzione. Si ottiene così una prima soluzione con variabili di base (m) e variabili non di base (n). Una soluzione di base si dice ammissibile se rispetta anche i vincoli di non negatività quindi se gli m valori dei termini noti sono tutti positivi b j > 0 con j =1,, m si forma subito una soluzione ammissibile di base tenendo conto delle n variabili x i = 0 con i =1,, n poste uguali a zero (variabili strutturali) e delle m variabili di scarto x n+j = b j con j = 1,, m. 5di 26 Trovata una prima soluzione ammissibile di base, si inizia un procedimento iterativo che porta all ottimizzazione della funzione obiettivo e che dal punto di vista grafico corrisponde a spostarsi da un vertice dell iperpoliedro all altro. Per facilitare la comprensione prenderemo come esempio il problema precedentemente trattato e risolto con il metodo grafico e lo risolveremo con il metodo del simplesso. Il problema lineare era: Max Z(x 1, x 2 ) = 4x 1 + 2x 2 2x 1 +4x x 1 +4x x 1 50 e x 1 0 ; x 2 0 6di 26
4 si introducono le variabili di scarto (slack variables) e si ottiene: max Z=4x 1 + 2x 2 +0x 3 +0x 4 +0x 5 2x 1 +4x 2 +x 3 =160 4x 1 +4x 2 +x 4 =240 x 1 +x 5 =50 e x 1 0 ; x 2 0 x 3 0 ; x 4 0 x 5 0 Una prima soluzione ammissibile di base è: x 1 =0 ; x 2 =0 x 3 =160 ; x 4 =240 ; x 5 =50 La prima operazione è la costruzione di una tabella, chiamata tavola di Charnes, Cooper e Henderson qui di seguito ricostruita: 7di Nella riga cj sono stati riportati i coefficienti che le variabili hanno nella funzione obbiettivo: Z=4x1+ 2x2+0x3+0x4+0x5; 8di 26
5 2. Nella riga xj figurano le variabili del programma lineare; 9di Nella colonna c i sono stati riportati i coefficienti che le variabili non nulle della soluzione ammissibile di base considerata (nel nostro caso x 3, x 4, x 5 ) hanno nella funzione obbiettivo: Z=4x 1 + 2x 2 +0x 3 +0x 4 +0x 5 (cioè 0,0,0 per c i ) ; c i di 26
6 4. Nella colonna x i figurano le variabili non nulle della soluzione ammissibile di base considerata (nel nostro caso x 3, x 4, x 5 ); c i 0 0 x i x 3 x 4 0 x 5 11 di Nelle righe x3, x4, x5 sono riportati i coefficienti del sistema dei vincoli 2x1+4x2+x3=160 (2,4,1,0,0) per x3 4x1+4x2+x4=240 (4,4,0,1,0) per x4 x1+x5=50; (1,0,0,0,1) per x5 c i x i 0 x x x di 26
7 6. Nella colonna x 0 sono riportati i valori delle variabili non nulle della soluzione ammissibile di base considerata (nel nostro caso 160,240,50); c i x i Base x 0 0 x x x di I valori della riga z j si ottengono facendo la somma dei prodotti tra gli elementi della colonna considerata ed i coefficienti della colonna c i ad esempio z 1 =(2*0)+(4*0)+(1*0)=0; z 2 =(4*0+4*0+0*0)=0; etc. In particolare, il valore z 0 =(160*0)+(240*0)+(50*0)=0 fornisce il valore della funzione Z corrispondente alla soluzione ammissibile di base considerata ( x 1 =0 ; x 2 =0; x 3 =160 ; x 4 =240 ;x 5 =50); c i x i Base x 0 0 x x x z j 0 = z di 26
8 8. Gli elementi della riga zj-cj si ottengono facendo la differenza tra gli elementi della riga zj e gli elementi della riga cj. c i x i Base x 0 0 x x x z j z j -c j di 26 Il problema è quello di trasformare la tavola in modo da passare da una soluzione ammissibile di base ad un altra ad essa adiacente cioè da un vertice dell iperpoliedro all altro adiacente che ottimizzi la funzione obbiettivo nel caso illustrato >> la massimizzi. Il passaggio viene effettuato sostituendo di volta in volta un vettore colonna in un vettore riga attraverso un pivot o elemento cardine. Per vedere come è necessario operare, ad ogni iterazione, si osserva nella tabella 1 la riga z j -c j e si procede come segue: 16 di 26
9 Se la funzione obiettivo è da massimizzare: 1. Se tutti i valori zj-cj sono positivi o nulli, si è trovata la soluzione ottima massimizzante 2. Se esiste almeno un valore zj-cj<0 e: A. Tutti i coefficienti della colonna scelta per sostituire una riga sono negativi o nulli allora l ottimizzazione della funzione la renderebbe infinita B. Uno o più coefficienti della colonna scelta per sostituire una riga sono positivi non si è raggiunto il punto di massimo perché è possibile migliorare la soluzione. 17 di 26 Se la funzione obiettivo è da minimizzare: 1. Se tutti i valori zj-cj sono negativi o nulli, si è trovata la soluzione ottima minimizzante 2. Se esiste almeno un valore zj-cj>0 e: A. Tutti i coefficienti della colonna scelta per sostituire una riga sono negativi o nulli allora l ottimizzazione della funzione la renderebbe infinita B. Uno o più coefficienti della colonna scelta per sostituire una riga sono positivi non si è raggiunto il punto di minimo perché è possibile migliorare la soluzione. 18 di 26
10 Nel caso illustrato, con la soluzione ammissibile di base (x1=0; x2=0; x3=160; x4=240; x5=50) Z=0 e quindi per ottenere il massimo incremento si sceglierà come vettore entrante quello con il valore più negativo di zj-cj e cioè x1 per il quale z1=-4 (freccia blu nella tabella 1). Stabilito così il criterio di selezione del vettore entrante da introdurre nella nuova base, sarà necessario scegliere il vettore uscente ossia il vettore che cederà il posto ad x1 e definire la dimensione con la quale x1 potrà entrare. La dimensione con la quale x1 può entrare viene determinata calcolando i rapporti tra gli elementi della colonna x 0 e quelli del vettore colonna entrante x 1. Nel nostro caso, il minimo valore positivo di questi rapporti (160/2, 240/4, 50/1) che è 50/1=50 stabilisce la dimensione con la quale il vettore x1 può entrare nella seconda soluzione ammissibile di base ed inoltre individua il vettore uscente nel nostro caso x5 (freccia verde nella tabella 1) che viene eliminato dalla seconda soluzione. 19 di 26 TABELLA 1 c i x i Base x 0 0 x x x z j z j -c j Tavola di Charnes, Cooper e Henderson 20 di 26
11 L elemento all incrocio fra il vettore colonna entrante x1 ed il vettore riga uscente x5 viene definito pivot od elemento cardine (cerchio rosso nella tabella 1). L entrata del vettore x1 nella seconda soluzione ammissibile di base comporta però il ricalcolo della base stessa e dei coefficienti di tutti i vettori colonna interessati dalla sostituzione (x1e x5). Per prima cosa si calcola la seconda soluzione ammissibile di base.in essa il vettore uscente x5=50 viene sostituito dal vettore entrante x1 con dimensione 50/1=50 cioè x1=50. Gli altri vettori della base (x3 e x4) vengono ottenuti detraendo al precedente valore il prodotto tra l elemento corrispondente nel vettore colonna entrante (x1) e la dimensione con la quale il vettore colonna entrante entra nella base (50) Ossia : x3=160-(2*50)=60 x4=240-(4*50)=40 21 di 26 La seconda soluzione ammissibile di base sarà allora data da (x1=50 ; x2=0 ; x3=60 ; x4=40 ; x5=0) I vettori colonna interessati dalla sostituzione sono tutti quelli che presentano coefficiente non nullo nel vettore riga uscente (x5) tra cui sicuramente i vettori colonna entrante (x1) e uscente (x5) Per il vettore colonna entrante: I coefficienti del vettore colonna entrante (x1) assumono tutti valore 0 ad eccezione del pivot che assume il valore 1 Per il vettore colonna uscente: I coefficienti del vettore colonna uscente (x5) si ricavano dai vecchi coefficienti del vettore colonna entrante (x1) esprimendoli in funzione del vettore colonna uscente (x5) ossia: x1=2 x3+4 x4+ x5 da cui x5=-2 x3-4 x4+ x1 e quindi (-2,-4,1) che sono i nuovi coefficienti del vettore colonna uscente (x5). Tab.2 22 di 26
12 Nel caso vi fossero stati altri vettori colonna interessati alla sostituzione, i nuovi coefficienti si sarebbero ottenuti inserendo l espressione del nuovo vettore colonna uscente (x5=-2 x3-4 x4+ x1) nel vettore colonna in esame, ricavando i rispettivi coefficienti. A questo punto è facile completare il vettore colonna ci e xi e calcolare i vettori riga zj e zj-cj. Quanto detto finora è sintetizzato in tabella 2 23 di 26 TABELLA 2 c i x i Base x 0 0 x x x z j z j -c j di 26
13 Iterando il procedimento precedentemente descritto si ottiene la tabella 3 Con la terza soluzione ammissibile di base (x1=50 ; x2=10 ; x3=20 ; x4=0 ; x5=0) Z=220 e si osserva che nella tabella 3 tutti i valori della riga zj-cj sono positivi o nulli questo significa che si è trovata la soluzione ottima massimizzante. 25 di 26 TABELLA 3 c i x i Base x 0 0 x x x z j z j -c j di 26
LEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE LINEARE, IL METODO DEL SIMPLESSO. 1di 18
LEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE LINEARE, IL METODO DEL SIMPLESSO 1di 18 Metodo del Simplesso Il metodo del simplesso dovuto a Dantzing ed a Kantorovich è un algoritmo il cui nome deriva
DettagliIL METODO DEL SIMPLESSO
IL METODO DEL SIMPLESSO Il metodo del Simplesso 1 si applica nella risoluzione di un problema di Programmazione Lineare 2 (funzione e vincoli lineari) quando le variabili di azione o iniziali sono almeno
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
Dettagli2. ALGORITMO DEL SIMPLESSO
. ALGORITMO DEL SIMPLESSO R. Tadei Una piccola introduzione R. Tadei SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione
Dettagli1 Il metodo dei tagli di Gomory
Il metodo dei tagli di Gomory Esercizio Sia dato il problema min(x x ) x + x (P 0 ) x + x x, x 0, interi. Calcolare la soluzione ottima applicando il metodo dei tagli di Gomory. Risoluzione Per applicare
DettagliIl metodo del simplesso
Capitolo 5 Il metodo del simplesso 5. La forma standard Esercizio 5.. Porre il problema di Programmazione Lineare: in forma standard. min x +x + x + x x +x 5 x 4 x, x Si trasformano i vincoli di disuguaglianza
DettagliAlgoritmo del simplesso
Algoritmo del simplesso Ipotesi : si parte da una S.A.B. e dal tableau A=b in forma canonica. Si aggiunge una riga costituita dagli r j, j =,., n e da -z (valore, cambiato di segno, della f.o. nella s.a.b.)
Dettagli4.3 Esempio metodo del simplesso
4.3 Esempio metodo del simplesso (P ) min -5x 4x 2 3x 3 s.v. 2x + 3x 2 + x 3 5 4x + x 2 + 2x 3 3x + 4x 2 + 2x 3 8 x, x 2, x 3 Per mettere il problema in forma standard si introducono le variabili di scarto
DettagliPROGRAMMAZIONE LINEARE E DUALITA'
PROGRAMMAZIONE LINEARE E DUALITA' 1) Dati i punti di R 2 (1, 2), (1, 4), (2, 3), (3, 5), (4, 1), (4, 2), (5, 5), (6, 2), (6, 5). Determinare graficamente: A - L'involucro convesso di tali punti. B - Quali
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (II parte) Prof.ssa Bice Cavallo Soluzione di un problema PL Soluzione ottima Variabili slack e surplus A R mxn Ax b s R m, s i 0 : Ax
DettagliPrerequisiti didattici
Università degli Studi di Ferrara 2014-2015 Corso TFA - A048 Matematica applicata Didattica della matematica applicata all economia e alla finanza 1 aprile 2015 Appunti di didattica della matematica applicata
DettagliNote per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta. Metodi per il calcolo del rango di una matrice
Note per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta Versione del 21/12/07 Metodi per il calcolo del rango di una matrice Sia A M m,n (K). Denotiamo con A (i) la riga i-ma di A, i {1,..., m}.
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (III parte) Prof.ssa Bice Cavallo Iterazioni del simplesso Basi teoriche dell algoritmo Operazione di pivot Sottomatrice di base B=I
DettagliSoluzione dei Problemi di Programmazione Lineare
Soluzione dei Problemi di Programmazione Lineare Consideriamo un problema di Programmazione Lineare (PL) con m vincoli ed n variabili in Forma Standard dove: ma 0 c A b ( ) 0 ( 2) R è il vettore n delle
DettagliLEZIONE N. 6 - PARTE 1 - Introduzione
LEZIONE N. 6 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA
DettagliIl modello duale. Capitolo settimo. Introduzione
Capitolo settimo Il modello duale Introduzione Il modello duale e la teoria della dualità assumono una grande importanza nella teoria della programmazione matematica. In questo testo i modelli primale
Dettagli4 Sistemi di equazioni.
4 Sistemi di equazioni. Risolvere un sistema significa erminare le soluzioni comuni a tutte le equazioni che lo compongono. Il grado di un sistema è il prodotto dei gradi di tali equazioni. 4. Sistemi
Dettagli2. SIMPLESSO. Ricerca Operativa. 2 Esercizi sul simplesso. Politecnico di Torino CeTeM
. SIMPLESSO Pagina di Pagina di Esempio (Simplesso standard) Sia dato il seguente PL: Il tableau del simplesso è il seguente:.. min s t z Esiste una soluzione di base ammissibile:,,, z La soluzione non
DettagliEsempi di Problemi di Programmazione Lineare
Esempi di Problemi di Programmazione Lineare Esempio 1: Soluzione con l algoritmo del simplesso dell esempio in forma standard ma = 2 + 0 1 2 + + = 5 1 2 3 + + = 0 1 2 4 6 + 2 + = 21 1 2 5 1 2 3 4 5 Il
DettagliRicerca Operativa. Programmazione Lineare. Università Mediterranea di Reggio Calabria Decisions Lab
Ricerca Operativa Programmazione Lineare Università Mediterranea di Reggio Calabria Decisions Lab Ottimizzazione In un problema di ottimizzazione si cerca di massimizzare o minimizzare una quantità specifica,
DettagliIntroduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
Dettagli3x 2 = 6. 3x 2 x 3 = 6
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, GParmeggiani LEZIONE 7 Sistemi lineari Scrittura matriciale di un sistema lineare Def 1 Un sistema di m equazioni ed n incognite x 1, x 2, x n, si dice
DettagliSviluppando ancora per colonna sulla prima colonna della prima matrice e sulla seconda della seconda matrice si ottiene:
M. CARAMIA, S. GIORDANI, F. GUERRIERO, R. MUSMANNO, D. PACCIARELLI RICERCA OPERATIVA Isedi Esercizi proposti nel Cap. 5 - Soluzioni Esercizio 5. - La norma Euclidea di è 9 6 5 - Il versore corrispondente
DettagliProgrammazione Lineare: problema del trasporto Ing. Valerio Lacagnina
Problemi di trasporto Consideriamo un problema di programmazione lineare con una struttura matematica particolare. Si può utilizzare, per risolverlo, il metodo del simplesso ma è possibile realizzare una
DettagliIstituzioni di Matematiche sesta parte
Istituzioni di Matematiche sesta parte anno acc. 2013/2014 Univ. Studi di Milano D.Bambusi, C.Turrini (Univ. Studi di Milano Istituzioni di Matematiche 1 / 27 index Matrici e operazioni tra matrici 1 Matrici
DettagliESERCIZI SULLE MATRICI
ESERCIZI SULLE MATRICI Consideriamo il sistema lineare a, x + a, x + + a,n x n = b a, x + a, x + + a,n x n = b a m, x + a m, x + + a m,n x n = b m di m equazioni in n incognite che ha a, a,n A = a m, a
Dettaglix 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 =
56 IL METODO DEL SIMPLESSO 7.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliArgomento 13 Sistemi lineari
Sistemi lineari: definizioni Argomento Sistemi lineari Un equazione nelle n incognite x,, x n della forma c x + + c n x n = b ove c,, c n sono numeri reali (detti coefficienti) e b è un numero reale (detto
DettagliLEZIONE N. 6 - PARTE 1 - Introduzione
LEZIONE N. 6 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA
DettagliUniversità Ca Foscari Venezia
Università Ca Foscari Venezia Dipartimento di Scienze Ambientali, Informatica e Statistica Giovanni Fasano Brevi FAQ sul Metodo del SIMPLESSO Università Ca Foscari Venezia, Dipartimento di Management,
DettagliALGEBRA LINEARE PARTE III
DIEM sez Matematica Finanziaria Università degli studi di Genova Dicembre 200 Indice PREMESSA 2 GENERALITA 2 RAPPRESENTAZIONE DI UN SISTEMA LINEARE IN FORMA MATRI- CIALE 2 3 SOLUZIONE DI SISTEMI LINEARI
DettagliElementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari
Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare
DettagliGestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena
Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Un algoritmo per il flusso a costo minimo: il simplesso
Dettaglimin 2x 1 +4x 2 2x 3 +2x 4 x 1 +4x 2 +2x 3 + x 4 =6 2x 1 + x 2 +2x 3 + x 5 =3 x 0.
5 IL METODO DEL SIMPLESSO 6.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,
DettagliNote sull algoritmo di Gauss
Note sull algoritmo di Gauss 29 settembre 2009 Generalità Un sistema lineare di m equazioni in n incognite x,..., x n è un espressione del tipo: a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n
DettagliSISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI
SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI Appunti presi dalle lezioni del prof. Nedo Checcaglini Liceo Scientifico di Castiglion Fiorentino (Classe 4B) January 17, 005 1 SISTEMI LINEARI Se a ik, b i R,
DettagliIntroduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari
Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema
DettagliSistemi Lineari. Elisabetta Colombo. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 200-20 2 a di o.0 4 Capelli Rango o Caratterisca : definizioni a di o.0 Un equazione nelle n incognite x,..., x n della forma dove
DettagliSistemi lineari. a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 : : : a m1 x 1 + a m2 x 2 +..
Sistemi lineari: definizioni Sistemi lineari Un equazione nelle n incognite x,, x n della forma c x + + c n x n = b ove c,, c n sono numeri reali (detti coefficienti) e b è un numero reale (detto termine
DettagliEsercizi sulla Programmazione Lineare. min. cx Ax b x 0
Soluzioni 4.-4. Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare 4. Risoluzione grafica e forma standard. Si consideri il problema min x cx Ax b x dove x = (x, x )
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte II)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte II) Luigi De Giovanni Giacomo Zambelli 1 I passi dell algoritmo del simplesso L
DettagliGestione della produzione e della supply chain Logistica distributiva
Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena Convergenza dell algoritmo Se non
DettagliSistemi II. Sistemi II. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, http://users.mat.unimi.it/users/colombo/programmabio.html 1 2 3 con R.C.+ o 1.10 Rango massimo e determinante con R.C.+
DettagliCORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI
CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI Lo studente ha forse già incontrato i sistemi di equazioni lineari alla scuola secondaria Con il termine equazione
DettagliI sistemi lineari di n equazioni in n incognite
I sistemi lineari I sistemi lineari di n equazioni in n incognite I sistemi lineari di n equazioni in n incognite, sono formati da equazioni di primo grado, in cui le incognite hanno tutte esponente uguale
DettagliIstituzioni di Matematiche prima parte
Istituzioni di Matematiche prima parte anno acc. 2014/2015 Univ. Studi di Milano E.Frigerio, C.Turrini (Univ. Studi di Milano Istituzioni di Matematiche 1 / 30 index Generalità sugli insiemi 1 Generalità
DettagliRicerca Operativa. G. Liuzzi. Giovedí 19 Marzo Tableau del Simplesso Esempio Fase I del Simplesso Esempio
1 Giovedí 19 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Tableau o Dizionario Qualche richiamo sulla generica iterazione della Fase II: B base ammissibile corrente x SBA corrente:
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
Dettagli5.4.5 Struttura dell algoritmo ed esempi
CAPITOLO 5. IL METODO DEL SIMPLESSO 6 5.4.5 Struttura dell algoritmo ed esempi Come abbiamo già ampiamente osservato, la fase II del metodo del simplesso, a partire da una soluzione di base ammissibile,
Dettagli4.5 Metodo del simplesso
4.5 Metodo del simplesso min z = c T x s.v. Ax = b x PL in forma standard Esamina una sequenza di soluzioni di base ammissibili con valori non crescenti della funzione obiettivo fino a raggiungerne una
Dettagli4. METODI DUALI DEL SIMPLESSO
4. MEODI DUALI DEL SIMPLESSO R. adei 1 Una piccola introduzione R. adei 2 MEODI DUALI DEL SIMPLESSO L obiettivo del capitolo è illustrare e giustificare i metodi duali del simplesso. Entrambi i metodi
DettagliLA GRAN PARTE DI QUESTI ELEMENTI DOVREBBE ESSERE GIÀ NOTA
I PRESUPPOSTI DELL ALGORITMO DEL SIMPLESSO CONSISTONO IN UN INSIEME DI ELEMENTI TEORICI LEGATI ALLO STUDIO DEGLI INSIEMI CONVESSI ED UN ALTRO INSIEME DI ELEMENTI TEORICI LEGATI ALLO STUDIO DEI SISTEMI
DettagliSISTEMI LINEARI, METODO DI GAUSS
SISTEMI LINEARI, METODO DI GAUSS Abbiamo visto che un sistema di m equazioni lineari in n incognite si può rappresentare in forma matriciale come A x = b dove: A è la matrice di tipo (m, n) dei coefficienti
Dettagli1 1, { x1 2x 2 + x 3 = 0 2x 2 8x 3 = 1 x 1 x 4 = = 0
a.a. 5-6 Esercizi. Sistemi lineari. Soluzioni.. Determinare quali delle quaterne, 3,, sono soluzioni del sistema di tre equazioni in 4 incognite { x x + x 3 = x 8x 3 = x x 4 =. Sol. Sostituendo ad x, x,
DettagliL ALGORITMO DEL SIMPLESSO REVISIONATO
L ALGORITMO DEL SIMPLESSO REVISIONATO L'algoritmo del simplesso revisionato costituisce una diversa implementazione dell algoritmo standard tesa a ridurre, sotto certe condizioni, il tempo di calcolo e
DettagliIstituzioni di Matematiche prima parte
Istituzioni di Matematiche prima parte anno acc. 2011/2012 Univ. degli Studi di Milano Cristina Turrini (Univ. degli Studi di Milano Istituzioni di Matematiche 1 / 33 index Generalità sugli insiemi 1 Generalità
DettagliAlgoritmi per la programmazione lineare: il metodo del simplesso
Algoritmi per la programmazione lineare: il metodo del simplesso Dipartimento di Informatica, Universita' di Pisa A.A. 2018/2019 Contenuti della lezione Problemi di programmazione lineare, forma standard
DettagliEsercizio 1. Variabili decisionali:
Esercizio 1 Si noti che i costi sono dati per tonnellata, mentre molti vincoli riguardano il numero di navi. Si introducono pertanto DUE tipi di variabili, uno relativo al numero di tonnellate per tipo
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari Siano X 1,, X n indeterminate Un equazione lineare (o di primo grado) nelle incognite X 1,, X n a coefficienti nel campo K è della forma a 1 X 1 + + a n X n = b, a i, b K,
DettagliGeometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 2017/2018 Canali A C, e L Pa
Geometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 27/28 Canali A C, e L Pa Durata: 2 ore e 3 minuti Simone Diverio Alessandro D Andrea Paolo Piccinni 7 settembre
DettagliSistemi lineari. a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 : : : a m1 x 1 + a m2 x 2 +..
Sistemi lineari: definizioni Sistemi lineari Un equazione nelle n incognite x,, x n della forma c x + + c n x n = b ove c,, c n sono numeri reali (detti coefficienti) e b è un numero reale (detto termine
DettagliChi non risolve esercizi non impara la matematica.
5.5 esercizi 9 Per trovare la seconda equazione ragioniamo così: la parte espropriata del primo terreno è x/00, la parte espropriata del secondo è y/00 e in totale sono stati espropriati 000 m, quindi
DettagliPreCorso di Matematica - PCM Corso M-Z
PreCorso di Matematica - PCM Corso M-Z DOCENTE: M. Auteri Outline Docente: Auteri PreCorso di Matematica 2016 2 Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti
DettagliTeorema Data una base ammissibile B della matrice A del problema (7.3.1). Se per qualche indice i {1,...,n m} abbiamo che:
LA FASE II DEL METODO DEL SIMPLESSO 173 742 Criterio di illimitatezza Se il criterio di ottimalità non è verificato il metodo del simplesso cerca di capire se il problema da risolvere sia illimitato inferiormente
DettagliEsercizi sulla Programmazione Lineare Intera
Soluzioni 4.7-4.0 Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare Intera 4.7 Algoritmo del Simplesso Duale. Risolvere con l algoritmo del simplesso duale il seguente
DettagliTEORIA della DUALITÀ. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Teoria della Dualità / 1.
Prof. R. adei EORIA della DUALIÀ Una piccola introduzione R. adei 1 R. adei 2 EORIA DELLA DUALIA' Il concetto di dualità fu introdotto nel 1947 da Von Neumann, anche se il teorema della dualità fu formulato
Dettagliil determinante che si ottiene da A, sopprimendo la i - esima riga e la j - esima colonna. Si definisce complemento algebrico dell'elemento a ij
Determinanti Sia data la matrice quadrata a... a n a a n =...... a... a n nn Chiamiamo determinante di il numero det o che ad essa viene associato. det = a a... a... a... a n n n... a nn Un generico elemento
DettagliPossibile applicazione
p. 1/4 Assegnamento Siano dati due insiemi A e B entrambi di cardinalità n. Ad ogni coppia (a i,b j ) A B è associato un valore d ij 0 che misura la "incompatibilità" tra a i e b j, anche interpretabile
DettagliProgrammazione Lineare
Programmazione Lineare Andrea Scozzari a.a. 2012-2013 March 14, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare March 14, 2013 1 / 18 Metodo del Simplesso Dato un problema di PL in forma standard
DettagliSistemi Lineari. Andrea Galasso
Sistemi Lineari Andrea Galasso Esercizi svolti Teorema. (Rouché-Capelli. Un sistema lineare Ax = b ammette soluzioni se e solo se il rango della matrice dei coefficienti A è uguale al rango della matrice
DettagliProgrammazione Matematica / A.A Soluzioni di alcuni esercizi
Programmazione Matematica / A.A. 8-9 Soluzioni di alcuni esercizi Esercizi - I 3. Aggiungiamo al problema una variabile v, e richiediamo che v soddisfi v n a ij x j b i. j= Fissato x, il minimo v che soddisfa
DettagliIl teorema di Rouché-Capelli
Luciano Battaia Questi appunti (1), ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia, campus di Treviso, contengono un
DettagliIndice. Algoritmo del simplesso rivisto 2. Algoritmo del simplesso con variabili artificiali...9. Costruzione problema duale.18
Indice Algoritmo del simplesso rivisto Algoritmo del simplesso con variabili artificiali...9 Costruzione problema duale.8 Esami passati svolti.. Algoritmo del Simplesso rivisto Esempio di applicazione
Dettagli3.6 Metodi basati sui piani di taglio
3.6 Metodi basati sui piani di taglio Problema generale di Programmazione Lineare Intera (PLI) con A matrice m n e b vettore n 1 razionali min{ c t x : x X = {x Z n + : Ax b} } Sappiamo che esiste una
DettagliEsercizi sui sistemi di equazioni lineari.
Esercizi sui sistemi di equazioni lineari Risolvere il sistema di equazioni lineari x y + z 6 x + y z x y z Si tratta di un sistema di tre equazioni lineari nelle tre incognite x, y e z Poichè m n, la
Dettagli3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:
DettagliEsercizi di Programmazione Lineare
Esercizi di Programmazione Lineare 1 grafica Si consideri il seguente problema di programmazione lineare: max 3x 1 + 2x 2 s.t. + 2x 1 + x 2 4 2x 1 + x 2 2 + x 1 x 2 1 x 1, x 2 0 a) Risolvere il problema
DettagliA T x b x 0. che chiameremo problema primale, possiamo associare ad esso un altro problema di PL, detto problema duale, definito come segue.
1 Dualitá Dato un problema di PL in forma canonica max c T x A T x b x 0 che chiameremo problema primale, possiamo associare ad esso un altro problema di PL, detto problema duale, definito come segue min
DettagliCOMPITO DI RICERCA OPERATIVA. max x 1 + 2x 2 + x 3 x 1 x 2 + x 3 = 1 2x 1 + 3x 2 + x 4 = 2
COMPITO DI RICERCA OPERATIVA ESERCIZIO. (9 punti) Sia dato il seguente problema di PL: max x + 2x 2 + x 3 x x 2 + x 3 = 2x + 3x 2 + x 4 = 2 x, x 2, x 3, x 4 0 Si determini il duale del problema ( punto).
DettagliProblemi lineari equivalenti
Problemi lineari equivalenti Introduzione Nel seguito verranno presentati alcuni esempi di trasformazione di problemi di problemi di programmazione lineare in forme equivalenti. Un problema di programmazione
DettagliSi considera, come al solito, un problema di programmazione lineare in forma standard:
LA FASE I DEL METODO DEL SIMPLESSO 149 6.5 LA FASE I DEL METODO DEL SIMPLESSO Comegiàdetto, il primoobiettivo dellafase Idel metododelsimplessoèquellodi verificare l ammissibilità del problema da risolvere.
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare p. 1/39 Geometria della programmazione lineare Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria Geometria della programmazione
DettagliNote per il corso di Geometria Corso di laurea in Ing. Edile/Architettura. 4 Sistemi lineari. Metodo di eliminazione di Gauss Jordan
Note per il corso di Geometria 2006-07 Corso di laurea in Ing. Edile/Architettura Sistemi lineari. Metodo di eliminazione di Gauss Jordan.1 Operazioni elementari Abbiamo visto che un sistema di m equazioni
DettagliRicerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte III)
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte III) L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di
DettagliOttimizzazione marginale
Ottimizzazione marginale R. Pesenti Problema di faceness Formulazione del problema Il vostro supermercato deve disporre i prodotti A, B, C e D sugli scaffali 1, 2, e 3 ognuno di lunghezza 100 cm. Dato
DettagliAPPLICAZIONI. Im f = {b B a A tale che f (a) = b}.
APPLICAZIONI Diremo applicazione (o funzione) da un insieme A ad un insieme B una legge f che associa ad ogni elemento a A uno ed un solo elemento b B. Scriviamo f : A B e il corrispondente o immagine
DettagliDefinizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im
APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo
DettagliConvergenza del Simplesso e regole anti-ciclaggio
Convergenza del Simplesso e regole anti-ciclaggio degenerazione e ciclaggio un esempio di ciclaggio regole anti-ciclaggio rif. Fi 3.2.6, BT 3.4 (Esempio 3.6), BT 3.7; Sulla convergenza del metodo del simplesso
DettagliPROVE D'ESAME 1997/98
PROVE D'ESAME 1997/98 PROVA PARZIALE DEL 28/11/1997 1) Si consideri il seguente problema di programmazione lineare P: min z = x 1 + 2x 2 s.t. x 1 + x 2 6 2x 1 + x 2 10 x 1 4 x 1, x 2 0 a - Scrivere le
DettagliEsercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente
Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente Dati i vettori di R (i) Calcolare il prodotto scalare v w, (ii) Stabilire se v e w sono ortogonali, (ii) Stabilire
DettagliEsercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale
Esercizi svolti 1. Matrici e operazioni fra matrici 1.1 Date le matrici 1 2 1 6 A = B = 5 2 9 15 6 risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale Osservazione iniziale: qualunque
DettagliCorso di Analisi Numerica
con pivoting Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 6 - METODI DIRETTI PER I SISTEMI LINEARI Lucio Demeio Dipartimento di Scienze Matematiche con pivoting 1 Introduzione algebrica
DettagliRicerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte I)
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte I) Luigi De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari A. Bertapelle 25 ottobre 212 Cos è un sistema lineare? Definizione Un sistema di m equazioni lineari (o brevemente sistema lineare) nelle n incognite x 1,..., x n, a coefficienti
Dettagli