ESERCIZIO 1. Ricordiamo il teorema di Gallai: Per ogni grafo G con n nodi si ha: μ(g)+ ρ(g) = n (2) Se inoltre G non ha nodi isolati

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "ESERCIZIO 1. Ricordiamo il teorema di Gallai: Per ogni grafo G con n nodi si ha: μ(g)+ ρ(g) = n (2) Se inoltre G non ha nodi isolati"

Transcript

1 ESERCIZIO 1 Disegnare un grafo G = (V, E) che abbia le seguenti caratteristiche: a) G è connesso, b) G soddisfa il teorema di König, e c) α(g) + τ(g) =.

2 ESERCIZIO 1 Ricordiamo il teorema di Gallai: er ogni grafo G con n nodi si ha: α(g) + τ(g) = n (1) Se inoltre G non ha nodi isolati μ(g)+ ρ(g) = n (2) Dal teorema di Gallai deduciamo che G deve avere nodi.

3 ESERCIZIO 1 Ricordiamo il teorema di König: Se G = (X, Y, E) è un grafo bipartito allora μ(g) = τ(g). Dal teorema di König deduciamo che G deve essere bipartito. roviamo a disegnare un grafo bipartito con nodi. G soddisfa le condizioni a), b) e c)? Il grafo è connesso a) è verificata a b c d

4 ESERCIZIO 1 Calcoliamo su G un massimo matching M e un minimo trasversale T: a b c d M={(1,a), (2,b), (,c), (4,d)} μ(g) = 4 T={1, 2,, 4} τ(g) = 4 oiché μ(g) = τ(g), il teorema di König è soddisfatto b) è verificata.

5 ESERCIZIO 1 Ricordiamo che, se T è un trasversale su G allora V T è un insieme stabile. In particolare, se T è minimo allora V T è massimo a b c d V T={a, b, c, d} α(g) = 4 ertanto, α(g) + τ(g) = c) è verificata.

6 ESERCIZIO 2 Disegnare un grafo G = (V, E) che abbia le seguenti caratteristiche: a) G è connesso, b) G soddisfa il teorema di König, c) α(g) + μ(g) = 9, e d) ρ(g) =.

7 ESERCIZIO 2 oiché deve essere verificato il teorema di König, deduciamo che il grafo G deve essere bipartito, e su G deve essere verificata la condizione μ(g) = τ(g). Dalla condizione c) sappiamo che deve essere α(g) + μ(g) = 9. ertanto, dal teorema di König e dalla condizione c) abbiamo: α(g) + τ(g) = 9. Dal teorema di Gallai deduciamo che G deve avere 9 nodi.

8 ESERCIZIO 2 roviamo a disegnare un grafo bipartito con 9 nodi. G soddisfa le condizioni a), b) c) e d)? Il grafo è connesso a) è verificata a

9 ESERCIZIO 2 Calcoliamo su G un massimo matching M e un minimo trasversale T: 1 M={(1,a)} μ(g) = 1 T={a} τ(g) = a oiché μ(g) = τ(g), il teorema di König è soddisfatto b) è verificata.

10 ESERCIZIO 2 Un massimo insieme stabile su G è dato da V T: V T={1, 2,, 4,,,, } α (G) = a ertanto, α(g) + τ(g) = 9 c) è verificata.

11 ESERCIZIO 2 Calcoliamo il minimo edge-cover F su G: 1 F={(1,a), (2,a), (,a), (4,a), (,a), (,a), (,a), (,a)} ρ (G) = 2 4 a oiché ρ(g) = d) è verificata.

12 ESERCIZIO Dato il grafo in figura G e il matching M = {(1,2)} determinare i valori di un massimo matching e di un minimo trasversale

13 ESERCIZIO Innanzi tutto dobbiamo verificare che G sia un grafo bipartito. Vediamo se G è bicolorabile: G è bipartito

14 ESERCIZIO Step 1: Matching corrente: M = {(1,2)}. Scegliamo un nodo esposto rispetto a M: v =. LABEL () = ARI Nodi adiacenti a v = δ () = {2, 4, 10} D Avviamo la procedura esplora pari: Analizziamo i nodi in δ(): 4 q 2 M LABEL (2) = DISARI, pred (2) = 4 M STO, pred (4) =,q = 4 Cammino aumentante: = {(,4)} Aggiorniamo il matching corrente: M = (M ) ( M) = {(1,2), (,4)}.

15 ESERCIZIO Step 2: Matching corrente: M = {(1,2), (,4)}. Scegliamo un nodo esposto rispetto a M: v =. LABEL () = ARI Nodi adiacenti a v = δ () = {4} D 10 9 Avviamo la procedura esplora pari: Analizziamo i nodi in δ(): 4 M LABEL (4) = DISARI, pred (4) =

16 ESERCIZIO Step 2: Matching corrente: M = {(1,2), (,4)}. Scegliamo un nodo esposto rispetto a M: v =. LABEL () = ARI Nodi adiacenti a v = δ () = {4} D 10 9 Avviamo la procedura esplora dispari: u = =nodo accoppiato a 4 nel matching M LABEL () = ARI, pred () = 4

17 ESERCIZIO Step 2: Matching corrente: M = {(1,2), (,4)}. Scegliamo un nodo esposto rispetto a M: v =. LABEL () = ARI Nodi adiacenti a v = δ () = {4} D 2 1 q 10 9 Nodi adiacenti a v = δ () = {2,10,4} Avviamo la procedura esplora pari: 4 D Analizziamo i nodi in δ(): 2 M LABEL (2) = DISARI, pred (2) = 10 M STO, pred (10) =,q = 10 Cammino aumentante: = {(,4), (4,), (,10)} Aggiorniamo il matching corrente: M = (M ) ( M) = {(1,2), (,10), (,4)}.

18 ESERCIZIO Step : Matching corrente: M = {(1,2), (,10), (,4)}. Scegliamo un nodo esposto rispetto a M: v =. LABEL () = ARI Nodi adiacenti a v = δ () = {} q Avviamo la procedura esplora pari: Analizziamo i nodi in δ(): M STO, pred () =,q = Cammino aumentante: = {(,)} Aggiorniamo il matching corrente: M = (M ) ( M) = {(1,2), (,10), (,4), (,)}.

19 ESERCIZIO Step 4: Matching corrente: M = {(1,2), (,10), (,4), (,)}. Scegliamo un nodo esposto rispetto a M: v =. LABEL () = ARI Nodi adiacenti a v = δ () = {9,} q 9 Avviamo la procedura esplora pari: Analizziamo i nodi in δ(): 9 M STO, pred (9) =,q = 9 Cammino aumentante: = {(,9)} Aggiorniamo il matching corrente: M = (M ) ( M) = {(1,2), (,10), (,4), (,), (,9)}.

20 ESERCIZIO oiché non esistono nodi esposti rispetto al matching corrente, possiamo concludere che M è massimo M = {(1,2), (,10), (,4), (,), (,9)} μ(g) =.

21 ESERCIZIO er calcolare un minimo trasversale, riscriviamo G nella forma con le due partizioni: 1 2 Y 2 X 1 4 X 1 = insieme di nodi saturi rispetto a M = {1,,,,9} X 2 = X X 1 = Y 1 = nodi raggiungibili da X 2 = Y 2 = Y Y 1 = {2, 4,,, 10} 9 10

22 ESERCIZIO Come scegliamo i nodi da inserire nel trasversale T? er ogni arco (x i,y i ) M, Se y i Y 1 y i T Se y i Y 1 x i T 1 2 X Y Nella situazione corrente, poiché Y 1 = il trasversale T conterrà solo i nodi della partizione X. ertanto T = {1,,,,9} τ (G) = OSSERVAZIONE: Se il massimo matching su G è ERFETTO, allora il minimo trasversale T coincide con la partizione X di G.

23 ESERCIZIO 4 Dato il grafo in figura G e il matching M = {(1,4), (,)} determinare i valori di un massimo matching e di un minimo trasversale

24 ESERCIZIO 4 Vediamo se G è bicolorabile: G è bipartito

25 ESERCIZIO 4 Step 1: Matching corrente: M = {(1,4), (,)}. Scegliamo un nodo esposto rispetto a M: v =. LABEL () = ARI Nodi adiacenti a v = δ () = {4} 1 2 D 4 Avviamo la procedura esplora pari: Analizziamo i nodi in δ(): 4 M LABEL (4) = DISARI, pred (4) = 9 10

26 ESERCIZIO 4 Step 1: Matching corrente: M = {(1,4), (,)}. Scegliamo un nodo esposto rispetto a M: v =. LABEL () = ARI Nodi adiacenti a v = δ () = {4} 1 2 D 4 Avviamo la procedura esplora dispari: u = 1 =nodo accoppiato a 4 nel matching M LABEL (1) = ARI, pred (1) =

27 ESERCIZIO 4 Step 1: Matching corrente: M = {(1,4), (,)}. Scegliamo un nodo esposto rispetto a M: v =. LABEL () = ARI Nodi adiacenti a v = δ () = {4} 1 2 q Nodi adiacenti a 1 = δ (1) = {2, 4} D 4 Avviamo la procedura esplora pari: Analizziamo i nodi in δ(1): 2 M STO, pred (2) = 1,q = 2 Cammino aumentante: = {(,4), (4,1), (1,2)} 9 10 Aggiorniamo il matching corrente: M = (M ) ( M) = {(1,2), (,4), (,)}.

28 ESERCIZIO 4 Step 2: Matching corrente: M = {(1,2), (,4), (,)}. Scegliamo un nodo esposto rispetto a M: v =. LABEL () = ARI Nodi adiacenti a v = δ () = {9,} 1 2 Avviamo la procedura esplora pari: D 4 Analizziamo i nodi in δ(): 9 M STO, pred (9) =,q = 9 Cammino aumentante: = {(,9)} 9 10 q Aggiorniamo il matching corrente: M = (M ) ( M) = {(1,2), (,4), (,), (,9)}.

29 ESERCIZIO 4 Step : Matching corrente: M = {(1,2), (,4), (,), (,9)}. Scegliamo un nodo esposto rispetto a M: v = 10. LABEL (10) = ARI Nodi adiacenti a v = δ (10) = {,9} D Avviamo la procedura esplora pari: Analizziamo i nodi in δ(10): M LABEL() = DISARI, pred () = 10 9 M LABEL(9) = DISARI, pred (9) = 10 9 D 10

30 ESERCIZIO 4 Step : Matching corrente: M = {(1,2), (,4), (,), (,9)}. Scegliamo un nodo esposto rispetto a M: v = 10. LABEL (10) = ARI Nodi adiacenti a v = δ (10) = {,9} 1 2 Avviamo la procedura esplora dispari: u = =nodo accoppiato a nel matching M 4 9 D D 10 LABEL () = ARI, pred () = u = =nodo accoppiato a 9 nel matching M LABEL () = ARI, pred () = 9

31 ESERCIZIO 4 Step : Matching corrente: M = {(1,2), (,4), (,), (,9)}. Scegliamo un nodo esposto rispetto a M: v = 10. LABEL (10) = ARI Nodi adiacenti a v = δ (10) = {,9} 1 2 Nodi adiacenti a = δ () = {, 9} 4 Non esistono nodi NON ETICHETTATI tra gli adiacenti del nodo. 9 D D 10 Nodi adiacenti a = δ () = {, 9} Non esistono nodi NON ETICHETTATI tra gli adiacenti del nodo. Non esistono cammini aumentanti a partire dal nodo esposto v=10 ossiamo cancellare v=10 e tutti gli archi incidenti su v.

32 ESERCIZIO 4 Step : Matching corrente: M = {(1,2), (,4), (,), (,9)}. Scegliamo un nodo esposto rispetto a M: v = 10. LABEL (10) = ARI Nodi adiacenti a v = δ (10) = {,9} NON OSSO FERMARMI SE ESISTE QUALCHE NODO ESOSTO RISETTO AL MATCHING CORRENTE CHE NON E ANCORA STATO ANALIZZATO! v = è un nodo esposto rispetto ad M non ancora analizzato. 9

33 ESERCIZIO 4 Step 4: Matching corrente: M = {(1,2), (,4), (,), (,9)}. Scegliamo un nodo esposto rispetto a M: v =. LABEL () = ARI Nodi adiacenti a v = δ () = {2,4} 1 2 D Avviamo la procedura esplora pari: 4 D Analizziamo i nodi in δ(): 2 M LABEL(2) = DISARI, pred (2) = 4 M LABEL(4) = DISARI, pred (4) = 9

34 ESERCIZIO 4 Step 4: Matching corrente: M = {(1,2), (,4), (,), (,9)}. Scegliamo un nodo esposto rispetto a M: v =. LABEL () = ARI Nodi adiacenti a v = δ () = {2,4} 1 2 D Avviamo la procedura esplora dispari: u = 1 =nodo accoppiato a 2 nel matching M 4 D LABEL (1) = ARI, pred (1) = 2 u = =nodo accoppiato a 4 nel matching M LABEL () = ARI, pred () = 4 9

35 ESERCIZIO 4 Step 4: Matching corrente: M = {(1,2), (,4), (,), (,9)}. Scegliamo un nodo esposto rispetto a M: v =. LABEL () = ARI Nodi adiacenti a v = δ () = {2,4} D D Nodi adiacenti a 1 = δ (1) = {2, 4} Non esistono nodi NON ETICHETTATI tra gli adiacenti del nodo 1. Nodi adiacenti a = δ () = {4} 9 Non esistono nodi NON ETICHETTATI tra gli adiacenti del nodo. Non esistono cammini aumentanti a partire dal nodo esposto v= ossiamo cancellare v= e tutti gli archi incidenti su v..

36 ESERCIZIO 4 Step 4: Matching corrente: M = {(1,2), (,4), (,), (,9)}. Scegliamo un nodo esposto rispetto a M: v =. LABEL () = ARI Nodi adiacenti a v = δ () = {2,4} OICHE NON ESISTONO ALTRI NODI ESOSTI RISETTO AL MATCHING CORRENTE CHE NON SONO STATI ANALIZZATI, OSSIAMO CONCLUDERE CHE IL MATCHING CORRENTE E MASSIMO. M = {(1,2), (,4), (,), (,9)} μ(g) = 4.

37 ESERCIZIO 4 er calcolare un minimo trasversale, riscriviamo G nella forma con le due partizioni: X Y 1 X 2 4 X 1 Y 2 X 1 = insieme di nodi saturi rispetto a M = {1,,, 9} X 2 = X X 1 = {} Y 1 = nodi raggiungibili da X 2 = {2, 4} Y 2 = Y Y 1 = {,, 10} 9 10

38 ESERCIZIO 4 Scegliamo i nodi da inserire nel trasversale T analizzando tutti gli archi del matching massimo. X Y 1 X 2 4 X Y 2 Arco (1,2): 2 Y 1 2 T Arco (,4): 4 Y 1 4 T Arco (,): Y 1 T Arco (9,): Y 1 9 T ertanto T = {2,4,,9} τ (G) = 4

39 ESERCIZIO Siano U, A 1,..., A n insiemi finiti, e a 1,..., a n IR +. Sia F={X U : X A k < a k per ciascun k = 1,..., n}. Dire se la coppia (U,F) individua o meno un matroide motivando la risposta. a 2 = 1 A 1 A 2 X a 1 = U A a = 1

40 ESERCIZIO Ricordiamo che la coppia (U,F) è un matroide se valgono le seguenti condizioni: 1. F 2. er ogni Y X, X F Y F.. Dati X, Y F, con X < Y, esiste y Y tale che X {y} F. Banalmente F. Supponiamo che X F. Allora X A k < a k, per ciascun k = 1,..., n. Se Y X, allora Y < X. ertanto Y A k < X A k < a k. ossiamo quindi concludere che la coppia è subclusiva.

41 ESERCIZIO Resta da verificare se la coppia (U,F) soddisfa la proprietà di scambio. Se pensiamo che tale proprietà sia soddisfatta dobbiamo dimostrarlo in maniera formale. Viceversa, se pensiamo che la proprietà di scambio non sia soddisfatta dobbiamo cercare un controesempio in cui essa non vale.

42 ESERCIZIO Consideriamo la seguente situazione: a 2 = 1 2 a 1 = 2 A A 2 U A a = 1 Siano: Y = {1, 4,, 11} e X = {1,, }. Entrambi gli insiemi appartengono a F. Infatti: Y A 1 = {1, 4} Y A 1 = 2 < a 1 X A 1 = {1,} X A 1 = 2 < a 1 Y A 2 = {} Y A 2 = 1 < a 2 X A 2 = {} X A 2 = 1 < a 2 Y A = {11} Y A = 1 < a X A = {} X A = 1 < a

43 ESERCIZIO Consideriamo la seguente situazione: a 2 = 1 A A 2 2 a 1 = 2 11 U 10 9 A a = 1 Tuttavia è immediato osservare che, per ogni y Y\X, l'insieme X {y} F. ertanto la proprietà di scambio non è verificata e la coppia (U,F) non è un matroide.

Ottimizzazione Combinatoria A. A

Ottimizzazione Combinatoria A. A Ottimizzazione Combinatoria Docente: Mara Servilio A. A. 2007-2008 Orario delle lezioni: Mercoledì 11:30-13:30; Giovedì 11:30-13:30 Orario di ricevimento: giovedì 15:00-17:00 E-mail: servilio@di.univaq.it

Dettagli

Ottimizzazione Combinatoria A. A

Ottimizzazione Combinatoria A. A Ottimizzazione Combinatoria Docente: Mara Servilio A. A. 2008-2009 Orario delle lezioni: Mercoledì 11:30-13:30; Giovedì 11:30-13:30 Orario di ricevimento: Mercoledì 15:00-17:00 E-mail: servilio@di.univaq.it

Dettagli

min det det Allora è unimodulare se e solo se det 1, 1, 0 per ogni sottomatrice quadrata di di qualsiasi dimensione.

min det det Allora è unimodulare se e solo se det 1, 1, 0 per ogni sottomatrice quadrata di di qualsiasi dimensione. Se è unimodulare e è intero allora il poliedro 0 ha vertici interi. Sia un vertice di Per definizione esiste allora una base di tale che, 0 Poiché è non singolare ( invertibile det 0) si ha che det 1 è

Dettagli

UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa 2. Esercizi sul problema dell assegnamento

UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa 2. Esercizi sul problema dell assegnamento UNIVERSITÀ DEGLI STUDI ROMA TRE Collegio Didattico in Ingegneria Informatica corso di Ricerca operativa Esercizi sul problema dell assegnamento Richiami di Teoria Ricordiamo che, dato un grafo G=(N,A),

Dettagli

Parte II: Ottimalità, rilassamenti e bound

Parte II: Ottimalità, rilassamenti e bound Parte II: Ottimalità, rilassamenti e bound Ottimalità, rilassamenti e bound Consideriamo il seguente problema z * = max {c T x : x X, X {0,1} n } dove z* è il valore della soluzione ottima x*. Domanda:

Dettagli

Ricerca Operativa. Claudio Arbib Universitàdi L Aquila. Esercizi di ottimizzazione combinatoria

Ricerca Operativa. Claudio Arbib Universitàdi L Aquila. Esercizi di ottimizzazione combinatoria Claudio Arbib Universitàdi L Aquila Ricerca Operativa Esercizi di ottimizzazione combinatoria 00-006 Grafi 9 Esercizio. Un grafo simmetrico G = (V, E) si dice cubico se tutti i suoi vertici hanno grado

Dettagli

Definizione 1.3 (Arco accoppiato) Un arco è accoppiato se è appartenente al matching M.

Definizione 1.3 (Arco accoppiato) Un arco è accoppiato se è appartenente al matching M. Matching. Definizioni Definizione. (Matching di un grafo G = (N, A)) Il matching di un grafo è un sottoinsieme M di archi tali per cui nessuna coppia di essi condivida lo stesso nodo. Definizione.2 (Matching

Dettagli

Ottimizzazione Combinatoria A. A. 2010-2011

Ottimizzazione Combinatoria A. A. 2010-2011 Ottimizzazione Combinatoria Docente: Mara Servilio A. A. 2010-2011 Orario delle lezioni: Lunedì 11:30-13:30; Mercoledì 14:00-16:00 Orario di ricevimento: Lunedì 15:00-17:00 E-mail: mara.servilio@di.univaq.it

Dettagli

Formulazioni. Consideriamo il seguente problema di Knapsack 0-1. max (5x x 2. ) st 3x x 2. < 6 x {0,1} 2

Formulazioni. Consideriamo il seguente problema di Knapsack 0-1. max (5x x 2. ) st 3x x 2. < 6 x {0,1} 2 Formulazioni Consideriamo il seguente problema di Knapsack 0-1 max (5x 1 + 2x 2 ) st 3x 1 + 4x 2 < 6 x {0,1} 2 Insiemi ammissibili F = {(0, 0), (0, 1), (1, 0)} Rappresentiamo sul piano gli insiemi ammissibili.

Dettagli

Matrici unimodulari e totalmente unimodulari

Matrici unimodulari e totalmente unimodulari Matrici unimodulari e totalmente unimodulari Sia una matrice intera di dimensione con, si dice unimodulare se presa una qualsiasi sottomatrice di ordine massimo (di dimensione ) vale det = 1, +1, 0. Una

Dettagli

Parte IV: Matrici totalmente unimodulari

Parte IV: Matrici totalmente unimodulari Parte IV: Matrici totalmente unimodulari Formulazioni Consideriamo il seguente problema di Knapsack 0-1 max (5x 1 + 2x 2 ) st 3x 1 + 4x 2 < 6 x {0,1} 2 Insiemi ammissibili F = {(0, 0), (0, 1), (1, 0)}

Dettagli

GE460 - Teoria dei grafi. Soluzioni esame del 28 Gennaio 2013

GE460 - Teoria dei grafi. Soluzioni esame del 28 Gennaio 2013 GE460 - Teoria dei grafi Soluzioni esame del 28 Gennaio 2013 Problema 1. (1.a) Sia G un grafo connesso p-regolare e G G un suo sottografo. Vero o falso: Se G è p-regolare allora G = G. Soluzione Vero.

Dettagli

K 4 è planare? E K 3,3 e K 5 sono planari? Sì! No! (Teorema di Kuratowski) K 5. Camil Demetrescu, Irene Finocchi, Giuseppe F.

K 4 è planare? E K 3,3 e K 5 sono planari? Sì! No! (Teorema di Kuratowski) K 5. Camil Demetrescu, Irene Finocchi, Giuseppe F. K 4 è planare? Sì! E K 3,3 e K 5 sono planari? K 5 No! (Teorema di Kuratowski) 1 Un albero è un grafo bipartito? SÌ! Ma un grafo bipartito è sempre un albero?? 2 Algoritmi e Strutture Dati Capitolo 11

Dettagli

Prova Scritta di Ricerca Operativa

Prova Scritta di Ricerca Operativa Prova Scritta di Ricerca Operativa (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 1 giugno 2017 Regole per l esame: la violazione delle seguenti regole comporta il ritiro dell

Dettagli

Ottimizzazione Combinatoria A. A

Ottimizzazione Combinatoria A. A Ottimizzazione Combinatoria A. A. 2005-2006 Docente Fabrizio Rossi Orario di ricevimento mercoledi 17-19 oppure su appuntamento Telefono 0862433139 e-mail rossi@di.univaq.it Sito web http://www.di.univaq.it/~oil

Dettagli

1.3. Se esistono i limiti sinistro e destro della funzione in un punto, allora esiste anche il limite della funzione nel punto stesso.

1.3. Se esistono i limiti sinistro e destro della funzione in un punto, allora esiste anche il limite della funzione nel punto stesso. Esercitazione 8 Novembre 018 1. Stabilire quali delle seguenti affermazioni sono vere e quali false. 1.1. Se una funzione f(x) è definita in un intervallo aperto (a, b), ha senso chiedersi se esistono

Dettagli

MATEMATICA DISCRETA CLAUDIA MALVENUTO PRIMA PROVA IN ITINERE 24 APRILE 2014

MATEMATICA DISCRETA CLAUDIA MALVENUTO PRIMA PROVA IN ITINERE 24 APRILE 2014 MATEMATICA DISCRETA CLAUDIA MALVENUTO PRIMA PROVA IN ITINERE 4 APRILE 014 1. Trovare il numero di stringhe di lunghezza n che si possono formare usando le lettere A, B, C, D, E in modo che ogni stringa

Dettagli

Politecnico di Milano Corso di Analisi e Geometria 1. Federico Lastaria

Politecnico di Milano Corso di Analisi e Geometria 1. Federico Lastaria Politecnico di Milano Corso di Analisi e Geometria 1 Federico Lastaria federico.lastaria@poi.it Limiti di derivate. Punti angolosi e di cuspide. Ottobre 2012 Indice 1 Limiti della derivata e punti di non

Dettagli

1 Continuità di una funzione

1 Continuità di una funzione I.I.S. C. Marzoli - Liceo Scientico Statale G. Galilei Palazzolo s/o Classe 5I - Anno Scolastico 05/06 - Prof. Simone Alghisi Alcuni esercizi relativi alle funzioni continue Continuità di una funzione

Dettagli

Ottimizzazione Combinatoria Proprietà dei Grafi. Ottimizzazione Combinatoria

Ottimizzazione Combinatoria Proprietà dei Grafi. Ottimizzazione Combinatoria Ottimizzazione Combinatoria Ottimizzazione Combinatoria Proprietà dei Grafi ANTONIO SASSANO Università di Roma La Sapienza Dipartimento di Informatica e Sistemistica Corso di Laurea in Ingegneria Gestionale

Dettagli

LEZIONE 30. Se x = 1 si dice che x è un versore. Se poi y = (y 1,..., y n ) R n poniamo. Ricordiamo che vale la cosiddetta disuguaglianza triangolare

LEZIONE 30. Se x = 1 si dice che x è un versore. Se poi y = (y 1,..., y n ) R n poniamo. Ricordiamo che vale la cosiddetta disuguaglianza triangolare LEZIONE 30 30.1. Insiemi aperti e chiusi in R n. Nel corso di Analisi sono state introdotte alcune nozioni di topologia di R, come la nozione di aperto, di chiuso, di punto d accumulazione. Lo scopo di

Dettagli

Ottimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33

Ottimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33 Ottimizzazione su grafi: massimo flusso (parte 1) Ottimizzazione su grafi:massimo flusso (parte 1) p. 1/33 Ottimizzazione su grafi:massimo flusso (parte 1) p. 2/33 Reti di flusso Una rete di flusso è una

Dettagli

2. determinare i limiti agli estremi del dominio, eventuali asintoti, eventuali punti in cui è possibile prolungare la funzione per continuità;

2. determinare i limiti agli estremi del dominio, eventuali asintoti, eventuali punti in cui è possibile prolungare la funzione per continuità; ANALISI MATEMATICA Commissione L. Caravenna, V. Casarino, S. occante Ingegneria Gestionale, Meccanica e Meccatronica, Vicenza Vicenza, 27 Gennaio 25 TEMA - arte B Esercizio ( unti). Si consideri la funzione

Dettagli

Algoritmi Avanzati Soluzioni dello scritto del 2 febbraio 2004 (appello straordinario)

Algoritmi Avanzati Soluzioni dello scritto del 2 febbraio 2004 (appello straordinario) Algoritmi Avanzati Soluzioni dello scritto del febbraio 004 (appello straordinario) 1. Tengo nascosto nel taschino della giacca un grafo misterioso di 7 nodi. Vi dico solo che listando le valenze (= numero

Dettagli

Problema di flusso massimo

Problema di flusso massimo p. 1/5 Problema di flusso massimo Si consideri una rete, ovvero un grafo orientato G = (V,A). Attraverso tale rete si fa viaggiare quello che chiameremo genericamente un flusso di "prodotto". A seconda

Dettagli

Introduzione alla Teoria dei Grafi

Introduzione alla Teoria dei Grafi Sapienza Uniersità di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Introduzione alla Teoria dei Grafi Docente: Renato Bruni bruni@dis.uniroma1.it Corso di: Ottimizzazione Combinatoria

Dettagli

Certificati dei problemi in NP

Certificati dei problemi in NP Certificati dei problemi in NP La stringa y viene in genere denominata un certificato Un Certificato è una informazione ausiliaria che può essere utilizzata per verificare in tempo polinomiale nella dimensione

Dettagli

(2) se A A, allora A c A; (3) se {A n } A, allora +

(2) se A A, allora A c A; (3) se {A n } A, allora + 1. Spazi di misura In questo paragrafo accenneremo alla nozione di spazio di misura. Definizione 1. Sia X un insieme non vuoto. Una famiglia A di sottoinsiemi di X è una σ-algebra se : (1) A; (2) se A

Dettagli

OSTRUZIONI SUI GRAFI. Alcune ostruzioni per l esistenza di grafi con dato score 1) Vale il seguente lemma

OSTRUZIONI SUI GRAFI. Alcune ostruzioni per l esistenza di grafi con dato score 1) Vale il seguente lemma OSTRUZIONI SUI GRAFI Alcune ostruzioni per l esistenza di grafi con dato score 1) Vale il seguente lemma Lemma 1. Se G = (V, E) è un grafo finito con n vertici allora deg(v) n 1, v V. Dal lemma segue che

Dettagli

Lezione 3 - Teoria dei Numeri

Lezione 3 - Teoria dei Numeri Lezione 3 - Teoria dei Numeri Problema 1 Determinare il più piccolo numero primo p che divide Q(n) = n 2 + n + 23 per qualche n intero. Soluzione: Osserviamo che Q(1) = 25, quindi p può essere 2, 3 oppure

Dettagli

Prova Scritta di Ricerca Operativa

Prova Scritta di Ricerca Operativa Prova Scritta di Ricerca Operativa (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 12 gennaio 2017 Regole per l esame: la violazione delle seguenti regole comporta il ritiro

Dettagli

3.3 Problemi di PLI facili

3.3 Problemi di PLI facili 3.3 Problemi di PLI facili Consideriamo un generico problema di PLI espresso in forma standard min{c t x : Ax = b, x Z n +} (1) dove A Z m n con n m, e b Z m. Supponiamo che A sia di rango pieno. Sia P

Dettagli

Algoritmi e Strutture Dati II: Parte B Anno Accademico Lezione 1

Algoritmi e Strutture Dati II: Parte B Anno Accademico Lezione 1 Algoritmi e Strutture Dati II: Parte B Anno Accademico 004-005 Docente: Ugo Vaccaro Lezione 1 Dalla Teoria della NP-Completezza abbiamo appreso che esiste una classe di problemi (NPhard) per cui non è

Dettagli

Possibile applicazione

Possibile 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

Dettagli

DISPIEGAMENTO CENTRALIZZATO L ACCOPPIAMENTO PERFETTO DI PESO MINIMO IL PROBLEMA DEL SENSORI MOBILI IL PROBLEMA (1)

DISPIEGAMENTO CENTRALIZZATO L ACCOPPIAMENTO PERFETTO DI PESO MINIMO IL PROBLEMA DEL SENSORI MOBILI IL PROBLEMA (1) 1 IL PROBLEMA DEL DISPIEGAMENTO CENTRALIZZATO DI SENSORI MOBILI OVVERO L ACCOPPIAMENTO PERFETTO DI PESO MINIMO Prof. Tiziana Calamoneri Corso di Algoritmi per le reti A.A. 2010/11 2 IL PROBLEMA SENSORI

Dettagli

Problema del trasporto

Problema del trasporto p. 1/1 Problema del trasporto Supponiamo di avere m depositi in cui è immagazzinato un prodotto e n negozi che richiedono tale prodotto. p. 1/1 Problema del trasporto Supponiamo di avere m depositi in

Dettagli

Cognome: Nome: Matricola: a. Si enunci e dimostri il teorema della media integrale per funzioni continue. (5 punti)

Cognome: Nome: Matricola: a. Si enunci e dimostri il teorema della media integrale per funzioni continue. (5 punti) Analisi e Geometria Seconda Prova 3 gennaio 207 Docente: Politecnico di Milano Scuola di Ingegneria Industriale e dell Informazione Cognome: Nome: Matricola: a. Si enunci e dimostri il teorema della media

Dettagli

Introduzione ai grafi

Introduzione ai grafi TFA A048 Anno Accademico 2012-13 Outline Cenni storici sui grafi Nozioni introduttive: cammini, connessione, alberi, cicli Cammini di costo minimo Origini storiche La nascita della teoria dei grafi risale

Dettagli

10. Il gruppo Speciale Lineare SL(V )

10. Il gruppo Speciale Lineare SL(V ) 1 2 3 4 5 6 7 8 9 1 10. Il gruppo Speciale Lineare SL(V ) Siano F un campo e V uno spazio vettoriale di dimensione n su F. Indichiamo con GL(V ) l insieme delle applicazioni lineari biiettive di V in sé.

Dettagli

Appunti sui problemi di matching

Appunti sui problemi di matching Appunti sui problemi di matching A. Agnetis 1 Formulazione I problemi di matching (talvolta chiamati problemi di accoppiamento, o abbinamento) sono tra i più importanti e più studiati problemi di ottimizzazione

Dettagli

a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn mentre le variabili decisionali sono rappresentate dal vettore colonna n-dimensionale x,

a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn mentre le variabili decisionali sono rappresentate dal vettore colonna n-dimensionale x, Università degli Studi di Roma Tor Vergata Facoltà di Ingegneria Appunti dal corso di Metodi e Modelli di Ottimizzazione Discreta 1 A.A. 2018-2019 Prof. Sara Nicoloso A seconda del tipo di variabili che

Dettagli

Grafi e reti di flusso

Grafi e reti di flusso Grafi e reti di flusso Molti problemi di ottimizzazione sono caratterizzati da una struttura di grafo: in molti casi questa struttura emerge in modo naturale, in altri nasce dal particolare modo in cui

Dettagli

Complementi di Analisi Matematica Ia. Carlo Bardaro

Complementi di Analisi Matematica Ia. Carlo Bardaro Complementi di Analisi Matematica Ia Carlo Bardaro Capitolo 1 Elementi di topologia della retta reale 1.1 Intorni, punti di accumulazione e insiemi chiusi Sia x 0 IR un fissato punto di IR. Chiameremo

Dettagli

Lista di esercizi 11 maggio 2016

Lista di esercizi 11 maggio 2016 Lista di esercizi 11 maggio 2016 1. Determinare il numero di sequenze binarie di lunghezza n che contengano almeno una coppia di 0 consecutivi. Soluzione. Potrebbe essere utile un programma di calcolo

Dettagli

2 OTTIMIZZAZIONE SU GRAFI. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1

2 OTTIMIZZAZIONE SU GRAFI. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 2 OTTIMIZZAZIONE SU GRAFI E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Molti problemi decisionali possono essere formulati utilizzando il linguaggio della teoria dei grafi. Esempi: - problemi di

Dettagli

Corso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 2 a.a Soluzioni

Corso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 2 a.a Soluzioni Corso di Laurea in Matematica Geometria 2 Foglio di esercizi n. 2 a.a. 2015-16 Soluzioni Gli esercizi sono presi dal libro di Manetti. Per svolgere questi esercizi, studiare con cura i paragrafi 3.5, 3.6,

Dettagli

Insiemi ed applicazioni

Insiemi ed applicazioni Insiemi ed applicazioni Giovanna Carnovale October 11, 2011 1 Insiemi Con il termine insieme denoteremo una collezione di oggetti. Gli oggetti di questa collezione saranno chiamati elementi dell insieme.

Dettagli

ESERCIZI SUI PUNTI DI NON DERIVABILITÀ TRATTI DA TEMI D ESAME

ESERCIZI SUI PUNTI DI NON DERIVABILITÀ TRATTI DA TEMI D ESAME ESERCIZI SUI PUNTI DI NON DERIVABILITÀ TRATTI DA TEMI D ESAME a cura di Michele Scaglia FUNZIONI DERIVABILI Sia f : domf R una funzione e sia 0 domf di accumulazione per domf Chiamiamo derivata prima di

Dettagli

TEN Radici quadrate modulo p e modulo p k. Radici quadrate modulo p, con p > 2.

TEN Radici quadrate modulo p e modulo p k. Radici quadrate modulo p, con p > 2. TEN 2008. Radici quadrate modulo p e modulo p k. Radici quadrate modulo p, con p > 2. Lemma 1. Sia n Z. Sia p > 2 un numero primo. (a) n è un quadrato modulo p se e solo se n p 1 2 1 mod p; (b) Sia n 0

Dettagli

LICEO SCIENTIFICO SESSIONE STRAORDINARIA PROBLEMA 2

LICEO SCIENTIFICO SESSIONE STRAORDINARIA PROBLEMA 2 1\ www.matefilia.it LICEO SCIENTIFICO SESSIONE STRAORDINARIA 16 - PROBLEMA La funzione f: R R è così definita: f(x) = sen(x) x cos (x) 1) Dimostra che f è una funzione dispari, che per x ], ] si ha f(x)

Dettagli

Limiti. Lezione per Studenti di Agraria Università di Bologna. (Università di Bologna) Limiti 1 / 24

Limiti. Lezione per Studenti di Agraria Università di Bologna. (Università di Bologna) Limiti 1 / 24 Limiti Lezione per Studenti di Agraria Università di Bologna (Università di Bologna) Limiti 1 / 24 Esempi Sia f (x) = 2x + 2 ; calcoliamo f (x) per x che assume valori vicini a 1. Per prima cosa, prendiamo

Dettagli

Parte II: Ottimalità, rilassamenti e bound

Parte II: Ottimalità, rilassamenti e bound Parte II: Ottimalità, rilassamenti e bound Sommario Definizioni di bound primali e duali. Rilassamento di un problema di OC. Esempi di rilassamenti per il problema del TSP: Il rilassamento albero. Il rilassamento

Dettagli

5. Catene di Markov a tempo discreto (CMTD)

5. Catene di Markov a tempo discreto (CMTD) 5. Catene di Markov a tempo discreto (CMTD) Carla Seatzu, 8 Marzo 2008 Definizione: CATENA Le catene sono p.s. in cui lo stato è discreto : X{x,x 2, }. L insieme X può essere sia finito sia infinito numerabile.

Dettagli

Analisi Matematica II Corso di Ingegneria Gestionale Compito del f(x, y) = x 2 + y 3 4y. 4 1, y 2 2(1 + }

Analisi Matematica II Corso di Ingegneria Gestionale Compito del f(x, y) = x 2 + y 3 4y. 4 1, y 2 2(1 + } Analisi Matematica II Corso di Ingegneria Gestionale Compito del 8-09-07 - È obbligatorio consegnare tutti i fogli, anche la brutta e il testo. - Le risposte senza giustificazione sono considerate nulle.

Dettagli

ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA DIPARTIMENTO DI MATEMATICA PIANO LAUREE SCIENTIFICHE. I GRAFI: lezione 2

ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA DIPARTIMENTO DI MATEMATICA PIANO LAUREE SCIENTIFICHE. I GRAFI: lezione 2 1 DOCENTE: Rossella Rimondi TUTOR: Sara Querzè ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA DIPARTIMENTO DI MATEMATICA PIANO LAUREE SCIENTIFICHE I GRAFI: lezione 2 Definizione Un grafo è connesso se da ogni

Dettagli

Analisi Matematica II Corso di Ingegneria Biomedica Compito A del f(x, y) = x 2 + y 2

Analisi Matematica II Corso di Ingegneria Biomedica Compito A del f(x, y) = x 2 + y 2 Analisi Matematica II Corso di Ingegneria Biomedica Compito A del -7- - È obbligatorio consegnare tutti i fogli, anche quelli della brutta. - Le risposte senza giustificazione sono considerate nulle. Esercizio.

Dettagli

Introduzione ai grafi. Introduzione ai grafi p. 1/2

Introduzione ai grafi. Introduzione ai grafi p. 1/2 Introduzione ai grafi Introduzione ai grafi p. 1/2 Grafi Un grafo G è costituito da una coppia di insiemi (V,A) dove V è detto insieme dei nodi e A è detto insieme di archi ed è un sottinsieme di tutte

Dettagli

2 OTTIMIZZAZIONE SU GRAFI. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1

2 OTTIMIZZAZIONE SU GRAFI. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 2 OTTIMIZZAZIONE SU GRAFI E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Molti problemi decisionali possono essere formulati utilizzando il linguaggio della teoria dei grafi. Esempi: - problemi di

Dettagli

5.3 Alcune classi di funzioni integrabili

5.3 Alcune classi di funzioni integrabili 3. Si verifichi che per ogni f, g : [a, b] R si ha f g = g + (f g) 0, f g = f + g f g; dedurne che se f, g R(a, b) allora f g, f g R(a, b). [Traccia: si osservi che basta verificare che f 0 R(a, b), e

Dettagli

A.A CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 4.

A.A CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 4. A.A. 2015-2016. CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 4. Esercizio 4. 1. Data una coppia a, b N, consideriamo la loro fattorizzazione in primi. Esprimere in termini

Dettagli

Parte V: Rilassamento Lagrangiano

Parte V: Rilassamento Lagrangiano Parte V: Rilassamento Lagrangiano Tecnica Lagrangiana Consideriamo il seguente problema di Programmazione Lineare Intera: P 1 min c T x L I Ax > b Cx > d x > 0, intera in cui A = matrice m x n C = matrice

Dettagli

ALBERI ORIENTATI. Definizione: Albero orientato = rooted tree = grafo orientato con le seguenti proprietà: - ha un nodo fissato, detto radice (r);

ALBERI ORIENTATI. Definizione: Albero orientato = rooted tree = grafo orientato con le seguenti proprietà: - ha un nodo fissato, detto radice (r); ALBERI ORIENTATI Pagina 1 ALBERI ORIENTATI 15:05 Definizione: Albero orientato = rooted tree = grafo orientato con le seguenti proprietà: - ha un nodo fissato, detto radice (r); - per ogni nodo v, esiste

Dettagli

Algoritmo basato su cancellazione di cicli

Algoritmo basato su cancellazione di cicli Algoritmo basato su cancellazione di cicli Dato un flusso ammissibile iniziale, si costruisce una sequenza di flussi ammissibili di costo decrescente. Ciascun flusso è ottenuto dal precedente flusso ammissibile

Dettagli

Introduzione ai grafi. Introduzione ai grafi p. 1/2

Introduzione ai grafi. Introduzione ai grafi p. 1/2 Introduzione ai grafi Introduzione ai grafi p. 1/2 Grafi Un grafo G é costituito da una coppia di insiemi (V,A) dove V é detto insieme dei nodi e A é detto insieme di archi ed é un sottinsieme di tutte

Dettagli

PROVA SCRITTA ANALISI II

PROVA SCRITTA ANALISI II PROA SCRITTA ANALISI II Esercizio. Discutere la convergenza puntuale e la convergenza uniforme in (, + ) e in (, + ) della successione di funzioni (2 punti). f n (x) = e x arctan x n Soluzione. Per avere

Dettagli

Funzioni continue. ) della funzione calcolata in x 0, ovvero:

Funzioni continue. ) della funzione calcolata in x 0, ovvero: lim f (x)=f (x 0 ) x x 0 Funzioni continue Dal punto di vista intuitivo dire che una funzione è continua in un intervallo è come dire che nel disegnare il suo grafico non stacchiamo mai la penna dal foglio.

Dettagli

Riassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.

Riassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria. Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo

Dettagli

ESERCIZIO 1: Punto 1

ESERCIZIO 1: Punto 1 ESERCIZIO : Punto La seguente matrice è una matrice delle distanze di un istanza del problema del Commesso Viaggiatore. - - - - - - - Calcolare.Il valore del rilassamento che si ottiene determinando l

Dettagli

Corso di Laurea in Informatica Applicata Esame di Analisi Matematica Secondo test di verifica a. a. 2006/2007

Corso di Laurea in Informatica Applicata Esame di Analisi Matematica Secondo test di verifica a. a. 2006/2007 Corso di Laurea in Informatica Applicata Esame di Analisi Matematica Secondo test di verifica a. a. 2006/2007 Risolvere esattamente due tra gli esercizi seguenti. Le risposte non motivate non saranno prese

Dettagli

Esercizi con martingale Pietro Caputo 23 novembre 2006

Esercizi con martingale Pietro Caputo 23 novembre 2006 Esercizi con martingale Pietro Cauto 23 novembre 2006 Esercizio 1. Sia {X n } la asseggiata aleatoria simmetrica su Z con X 0 = 0, vale a dire che Z k = X k X k 1, k = 1, 2,... sono indiendenti e valgono

Dettagli

1 Definizione di gruppo

1 Definizione di gruppo Università degli studi di Roma Tre Corso di Laurea Triennale in Matematica, a.a. 2003/2004 AL2 - Algebra 2, gruppi anelli e campi Soluzioni 3 ottobre 2004 1 Definizione di gruppo 1. Determinare quali dei

Dettagli

Riassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.

Riassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria. Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo

Dettagli

Aritmetica 2009/10 Compitino 1/12/2009. (a) Contare gli elementi nilpotenti di A. (b) Contare gli elementi zero-divisori di A.

Aritmetica 2009/10 Compitino 1/12/2009. (a) Contare gli elementi nilpotenti di A. (b) Contare gli elementi zero-divisori di A. Aritmetica 2009/10 Compitino 1/12/2009 1. Sia A = Z2[x]/(x 5 + x 4 + 1). (a) Contare gli elementi nilpotenti di A. (b) Contare gli elementi zero-divisori di A. Possibile risoluzione: Il polinomio f(x)

Dettagli

ELEMENTI DI LOGICA MATEMATICA LEZIONE VII

ELEMENTI DI LOGICA MATEMATICA LEZIONE VII ELEMENTI DI LOGICA MATEMATICA LEZIONE VII MAURO DI NASSO In questa lezione introdurremo i numeri naturali, che sono forse gli oggetti matematici più importanti della matematica. Poiché stiamo lavorando

Dettagli

ESERCIZI E COMPLEMENTI DI ANALISI MATEMATICA: quinto foglio. A. Figà Talamanca

ESERCIZI E COMPLEMENTI DI ANALISI MATEMATICA: quinto foglio. A. Figà Talamanca ESERCIZI E COMPLEMENTI DI ANALISI MATEMATICA: quinto foglio A. Figà Talamanca 14 ottobre 2010 2 0.1 Ancora limiti di funzioni di variabile reale Esercizio 1 Sia f(x) = [sin x] definita nell insieme [0,

Dettagli

Sommario della lezione

Sommario della lezione Sommario della lezione Analisi dell Algoritmo di Ford e Fulkerson per il calcolo del massimo flusso Applicazioni del massimo flusso: Matching in Grafi Bipartiti Cammini disgiunti tra vertici Università

Dettagli

Capitolo 1. Gli strumenti. 1.1 Relazioni

Capitolo 1. Gli strumenti. 1.1 Relazioni Capitolo 1 Gli strumenti Consideriamo un insieme X. In geometria siamo abituati a considerare insiemi i cui elementi sono punti ad esempio, la retta reale, il piano cartesiano. Più in generale i matematici

Dettagli

RICERCA OPERATIVA (9 cfu)

RICERCA OPERATIVA (9 cfu) a PROVA scritta di RICERCA OPERATIVA (9 cfu) gennaio Cognome Nome Ai fini della pubblicazione (cartacea e elettronica) del risultato ottenuto nella prova di esame, autorizzo al trattamento dei miei dati

Dettagli

Sviluppi e derivate delle funzioni elementari

Sviluppi e derivate delle funzioni elementari Sviluppi e derivate delle funzioni elementari In queste pagine dimostriamo gli sviluppi del prim ordine e le formule di derivazioni delle principali funzioni elementari. Utilizzeremo le uguaglianze lim

Dettagli

Complessità computazionale

Complessità computazionale Complementi di Algoritmi e Strutture Dati Complessità computazionale Docente: Nicolò Cesa-Bianchi versione 6 marzo 2019 Attenzione: Questo è un riassunto di alcune lezioni messo a disposizione dal docente.

Dettagli

Ottimizzazione Combinatoria A. A

Ottimizzazione Combinatoria A. A Ottimizzazione Combinatoria A. A. 2006-2007 Docente Fabrizio Rossi Orario di ricevimento mercoledi 7-9 oppure su appuntamento Telefono 086243339 e-mail rossi@di.univaq.it Sito web http://www.di.univaq.it/~oil

Dettagli

SOLUZIONI DELLA PRIMA PROVA IN ITINERE DEL CORSO GE220

SOLUZIONI DELLA PRIMA PROVA IN ITINERE DEL CORSO GE220 SOLUZIONI DELLA PRIMA PROVA IN ITINERE DEL CORSO GE220 ESERCIZIO 1 (6 punti) Sia X uno spazio topologico. Dimostrare che: (i) (3 punti) X è uno spazio T 1 se e solo se per ogni x X l intersezione di tutti

Dettagli

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.

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. 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

Dettagli

Lezione 17 Maggio 23

Lezione 17 Maggio 23 PSC: Progettazione di sistemi di controllo III rim. 2007 Lezione 17 Maggio 23 Docente: Luca Schenato Stesori: Comin, Dal Bianco, Fabris, Parmeggiani 17.1 Consensus 17.1.1 Nozioni preliminari L idea dell

Dettagli

Studio Qualitativo di Funzione

Studio Qualitativo di Funzione Studio Qualitativo di Funzione Reperire un certo numero di informazioni per descrivere a livello qualitativo l andamento del grafico di una funzione f 1. campo di esistenza (cioè, l insieme di definizione)

Dettagli

ESERCIZI SUI PUNTI DI DISCONTINUITÀ TRATTI DA TEMI D ESAME

ESERCIZI SUI PUNTI DI DISCONTINUITÀ TRATTI DA TEMI D ESAME ESERCIZI SUI PUNTI DI DISCONTINUITÀ TRATTI DA TEMI D ESAME a cura di Michele Scaglia FUNZIONI CONTINUE Sia f : domf R una funzione e sia x 0 domf (esista cioè f(x 0 ) R) Possono verificarsi due casi: il

Dettagli

ANALISI VETTORIALE COMPITO IN CLASSE DEL 8/11/2013

ANALISI VETTORIALE COMPITO IN CLASSE DEL 8/11/2013 ANALISI VETTORIALE COMPITO IN CLASSE DEL 8//3 Premessa (Cfr. gli Appunti di Analisi Vettoriale / del Prof. Troianiello) Nello studio degli integrali impropri il primo approccio all utilizzo del criterio

Dettagli

ESERCIZIO SVOLTO N 1 ESERCIZIO SVOLTO N 2. Determinare e rappresentare graficamente il dominio della funzione

ESERCIZIO SVOLTO N 1 ESERCIZIO SVOLTO N 2. Determinare e rappresentare graficamente il dominio della funzione ESERCIZIO SVOLTO N 1 Determinare e rappresentare graficamente il dominio della funzione f(x, y) = y 2 x 2 Trovare gli eventuali punti stazionari e gli estremi di f Il dominio della funzione è dato da dom

Dettagli

ANALISI MATEMATICA A SECONDO MODULO SOLUZIONI DEGLI ESERCIZI DELLA SETTIMANA 15. x 2 i

ANALISI MATEMATICA A SECONDO MODULO SOLUZIONI DEGLI ESERCIZI DELLA SETTIMANA 15. x 2 i ANALISI MATEMATICA A SECONDO MODULO SOLUZIONI DEGLI ESERCIZI DELLA SETTIMANA 15 (1) (Es 9 pag 117) Se per ogni x R n ( x := x 2 i ) 1/2 verificate che per ogni x, y R n vale la seguente legge del parallelogramma:

Dettagli

Esercitazione 3. Osserviamo che, dato un grafo con pesi distinti, questo ammette un unico MST.

Esercitazione 3. Osserviamo che, dato un grafo con pesi distinti, questo ammette un unico MST. Esercitazione 3 Problema 6: Sia G = (V, E) un grafo con pesi distinti sugli archi ed e E un arco di G. Progettare un algoritmo lineare in grado di determinare se esiste un MST di G che contiene l arco

Dettagli

Serie Numeriche. Docente:Alessandra Cutrì

Serie Numeriche. Docente:Alessandra Cutrì Serie Numeriche Docente:Alessandra Cutrì Definizione di Serie Somma formale di un numero infinito di addendi. È un operazione che è in stretta relazione con quella di integrale improprio. data un successione

Dettagli

Dai ponti di Königsberg al postino cinese

Dai ponti di Königsberg al postino cinese Dai ponti di Königsberg al postino cinese Mauro Passacantando Dipartimento di Informatica Largo B. Pontecorvo, Pisa mpassacantando@di.unipi.it M. Passacantando TFA 2012/1 - Corso di Ricerca Operativa Università

Dettagli

Ricerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015

Ricerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015 1 Lunedí 20 Aprile 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Rilassamento di un problema Rilassare un problema di Programmazione Matematica vuol dire trascurare alcuni (tutti i)

Dettagli

Soluzioni esercizi sul criterio di Pocklington & cenni all algoritmo di Goldwasser-Kilian.

Soluzioni esercizi sul criterio di Pocklington & cenni all algoritmo di Goldwasser-Kilian. TEN 200. Soluzioni esercizi sul criterio di Poclington & cenni all algoritmo di Goldwasser-Kilian.. Verificare che x K mod n, implica x K mod p, per ogni divisore primo p di n. Vale anche il viceversa?

Dettagli

Algoritmi Approssimanti per -TSP

Algoritmi Approssimanti per -TSP Dispensa del corso di TAA redatta da Amati Di auro Rattà. Algoritmo 5 e APX per il problema Algoritmi Approssimanti per -TSP Definizione (TSP) Il problema del commesso viaggiatore (TSP) è definito come

Dettagli

Università di L Aquila. Claudio Arbib. Ricerca Operativa. Basi in IR n

Università di L Aquila. Claudio Arbib. Ricerca Operativa. Basi in IR n Università di L Aquila Claudio Arbib Ricerca Operativa Basi in IR n Sommario Combinazione lineare, affine, conica e convessa Dipendenza e indipendenza lineare e affine Basi per un insieme di vettori di

Dettagli

Cognome:... Nome:... Matricola:

Cognome:... Nome:... Matricola: Cognome:... Nome:... Matricola: Università di Milano - Bicocca Corso di laurea di primo livello in Scienze statistiche ed economiche Corso di laurea di primo livello in Statistica e gestione delle informazioni

Dettagli