Ottimizzazione Combinatoria Totale Unimodularità

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Ottimizzazione Combinatoria Totale Unimodularità"

Transcript

1 Ottiizzazione Cobinatoria Totale Uniodularità Prof. Antonio Sassano Dipartiento di Inforatica e Sisteistica Università di Roa La Sapienza A.A. 2

2 Coe diostrare che una forulazione è ottia? Problea di PL: z* in {c T x : x x S} P {x R n : Dx < d} forulazione di S P P S {x R n : Ax < b} Conv(S)? Si può diostrare che : Ogni disequazione del sistea Ax < b è iplicata dal sistea Dx < d; 3x +2x 2 + x 3 2x 4 2 (/2) 2x 2x 2-2x 3 +2x 4 2 4x +x 2 -x 4 3 Oppure che argin {c T x : x P} S per ogni c R n Oppure che ogni vertice di P ha coponenti - Iniziao da quest ultio caso.

3 Totale Uniodularità Definizione : Una atrice A ( n) di è detta uniodulare se e solo se, per ogni sotto-atrice quadrata B ( ) di A (base) si ha det(b) (B) {,,-} } Definizione 2: Una atrice A ( n) di è detta totalente uniodulare se e solo se, per ogni sotto-atrice quadrata di A B (p p) con p> si ha det(b) (B) {,,-} } 3 2 uniodulare a non totalente uniodulare Non uniodulare uniodulare e totalente uniodulare

4 Uniodularità e vertici interi (I) TEOREMA : Sia A una atrice a coponenti intere con. Allora le seguenti afferazioni sono equivalenti: rank(a) (A). A è uniodulare; vertici di P {x R n : Axb, x x n } sono interi 2. I vertici ogni vettore b Z (intero) 3. Ogni sotto-atrice quadrata B ( ) non interi per non-singolare di A ha una atrice inversa B - a coponenti intere DIMOSTRAZIONE: L equivalenza si diostra provando che: ( 2) (2 3) (3 )

5 Uniodularità e vertici interi ( 2) A è uniodulare Vertici di P interi per b Z DIMOSTRAZIONE: x vertice di P {x R n : Axb, x x n } x SBA (Soluzione( di Base Aissibile) Esiste B sotto-atrice ( ) di A con det(b) x B R tale che, posto: x e n A ( B N) xn R Ax b Bx o B b B B + NxN b x o n x n + N B B con B + atrice aggiunta di B det(b) A atrice intera (a coponenti intere) B + intera A atrice uniodulare uniodulare det(b) x abbiao: B - b Z per ogni b Z x Z n per ogni b Z

6 Vertici interi e interezza di B - (2 3) Vertici di P interi per b Z B non-singolare ha B - intera DIMOSTRAZIONE: - Sia B una sotto-atrice ( ) di A con det(b) B π π π L π con [ ] 2 - Sia t un vettore intero tale che t+π k - Sia b(t) Bt+u (u k k B b( t) B ( Bt + u n n 3 ( π k colonna di B- ) Diostriao che una generica colonna π k è intera: k-esio vettore unitario) n SBA del sistea Axb(t), x n Vertice di P {x R n : Axb(t), x x n } t+π k k ) un vettore intero π k t + B [ t è un vettore intero] u k un vettore intero t + π k n [per ipotesi] n

7 Interezza di B - e uniodularità (3 ) B non-singolare ha B - intera A è uniodulare DIMOSTRAZIONE: - Sia B una sotto-atrice ( ) di A con det(b) B - ha tutte coponenti intere det(b) e det(b - ) nueri interi a det(b) det(b - ) det(bb - ) det(b) det(b - ) A è uniodulare

8 Vertici, fora Standard e fora Generale TEOREMA 2: Il vettore x è un vertice del poliedro: P {x R n : Ax b, x x n } se e solo se il vettore: è un vertice del poliedro x R s R n b x Ax Q {(x,s) R n+ : Ax+Isb, x x n, s } DIMOSTRAZIONE: : (x è( un vertice di P (x,s ) è un vertice di Q) - Supponi che (x,s ) non sia un vertice di Q esistono due vettori (x,s ) (x 2,s 2 ) tali che: (x,s ) )α (x,s ) +(-α) ) (x( 2,s 2 ) > α > x α x +(-α) x 2 > α > x x 2 [x è un vertice di P] s b-ax b-ax 2 s 2 CONTRADDIZIONE (x,s ) (x,s ) (x 2,s 2 )

9 Vertici, fora Standard e fora Generale DIMOSTRAZIONE: : ((x,s ) ( è un vertice di Q x è un vertice di P ) -Supponi che x non sia un vertice di P esistono due vettori x x 2 tali che: x α x +(-α) x 2 α > s b-ax b-ax 2 s 2 s α s +(-α) ) s 2 (x,s ) )α (x,s ) +(-α) ) (x( 2,s 2 ) α > con (x,s ) (x 2,s 2 ) CONTRADDIZIONE

10 Totale Uniodularità e vertici interi TEOREMA: Sia A una atrice a coponenti intere con rank(a) (A). Allora I vertici di P {x R n : Ax b, x sono interi atrice A è totalente uniodulare. b, x n } interi per ogni vettore b Z (intero) se e solo se la DIMOSTRAZIONE: [Teorea 2] 2 x R n è un vertice del poliedro: P {x R n : Ax b, x x n } se e solo se il vettore: è un vertice del poliedro: x R s R n b x Ax Q {(x,s) R n+ : Ax+Isb, x x n, s } I vertici di Q hanno coponenti intere se e solo se la atrice uniodulare [Teorea (A I ) è uniodulare Teorea ]

11 Totale Uniodularità e vertici interi (II( II) Dobbiao diostrare che: (A I ) uniodulare A totalente uniodulare [ ] [ n A I a L a u L u ] [solo se] A totalente uniodulare (A I ) uniodulare Sia B una sotto-atrice ( ) di (A I ) con det(b) B [ ] + a L a u L u r r B F F I r r + M M r det(b) det(f)

12 Totale Uniodularità e vertici interi (III( III) [se] (A I ) uniodulare A totalente uniodulare Sia F una sotto-atrice (p p) di A con p> e det(b) Siano { },..., p gli indici delle colonne di F Definisci la seguente base B ( ) di ( A,I ) B [ ] + a L a u L u p p B F F I p p+ M M p det(f) det(b)

13 Coe verificare la Totale Uniodularità TEOREMA: Sia A una atrice a coponenti {,,-} se: A è totalente uniodulare (TUM) totalente uniodulare (TUM) se }. Allora () ogni colonna contiene al più due coefficienti diversi da zero; (2) le righe di A sono partizionabili in due insiei Q e Q 2 tali che: (2a) Se una colonna contiene due eleenti a i e a h aventi lo stesso segno allora i Q e h Q 2; (2b) Se una colonna contiene due eleenti a i e a h aventi lo segno diverso allora allora i,h Q oppure i,h DIMOSTRAZIONE: : (provate a diostrarlo difficile) - Si tratta di una condizione sufficiente (criterio) h h i,h Q 2; - Per le atrici per le quali vale la () la (2) è necessaria

14 Criterio Sufficiente (esepi) TEOREMA: Sia A una atrice a coponenti {,,-} }. Allora A è totalente uniodulare (TUM) se: () ogni colonna contiene al più due coefficienti diversi da zero; (2) le righe di A sono partizionabili in due insiei Q e Q 2 tali che: (2a) Se una colonna contiene due eleenti a i aventi lo stesso segno allora allora i Q e h Q 2; i e a h (2b) Se una colonna contiene due eleenti a i e a h aventi lo segno diverso allora i,h Q oppure i,h Q Q 2 Criterio OK TUM Non TUM h h i,h Q 2; Criterio fallito TUM

15 Matrici Totalente Uniodulari. Se A è totalente uniodulare A T A In I A A n sono totalente uniodulari 2. La atrice di incidenza M di un grafo orientato è totalente uniodulare DIMOSTRAZIONI: : (a cura dello studente)

Totale Unimodularità. Sapienza Universitàdi Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale.

Totale Unimodularità. Sapienza Universitàdi Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale. Sapienza Sapienza Universitàdi Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Totale Unimodularità Docente: Renato runi bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria

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

Geometria della programmazione lineare

Geometria della programmazione lineare Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi, poliedri Sia a un vettore non nullo

Dettagli

Programmazione Lineare

Programmazione 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

Dettagli

Geometria della programmazione lineare

Geometria della programmazione lineare Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non

Dettagli

Geometria della programmazione lineare

Geometria della programmazione lineare Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non

Dettagli

ELEMENTI DI LOGICA MATEMATICA LEZIONE X

ELEMENTI DI LOGICA MATEMATICA LEZIONE X ELEMENTI DI LOGICA MATEMATICA LEZIONE X MAURO DI NASSO Dedichiao questa lezione all introduzione dei nueri reali R, definiti a partire dall insiee dei nueri razionali Q. Con questo ultio passo, avreo così

Dettagli

VETTORI E MATRICI. Ing. Nicola Cappuccio 2014 U.F.5 ELEMENTI SCIENTIFICI ED ELETTRONICI APPLICATI AI SISTEMI DI TELECOMUNICAZIONI

VETTORI E MATRICI. Ing. Nicola Cappuccio 2014 U.F.5 ELEMENTI SCIENTIFICI ED ELETTRONICI APPLICATI AI SISTEMI DI TELECOMUNICAZIONI 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 I VETTRORI E MATRICI (RICHIAMI) Ad ogni matrice quadrata a coefficienti reali è possibile associare un numero reale, detto determinante, calcolato

Dettagli

Daniela Lera A.A

Daniela Lera A.A Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2016-2017 Richiami Algebra Lineare Spazio normato Uno spazio lineare X si dice normato se esiste una funzione

Dettagli

I sistemi lineari di n equazioni in n incognite

I 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

Dettagli

Il Tableau M M O M M M M M M M M O M M M M. valore dell obiettivo (soluzione corrente) coeff. dell obiettivo. nomi delle variabili fuori base

Il Tableau M M O M M M M M M M M O M M M M. valore dell obiettivo (soluzione corrente) coeff. dell obiettivo. nomi delle variabili fuori base Il ableau L algorito del siplesso può essere eseguito utilizzando una tabella, detta ableau, in cui vengono disposti i coefficienti della funzione obiettivo e dei vincoli. ali coefficienti sono quelli

Dettagli

LA RETTA DI REGRESSIONE LINEARE E SISTEMI SOVRADETERMINATI

LA RETTA DI REGRESSIONE LINEARE E SISTEMI SOVRADETERMINATI LA RETTA DI REGRESSIONE LINEARE E SISTEMI SOVRADETERMINATI MAURIZIO PAOLINI - CORSO PAS CLASSE A048 Dipartiento di Mateatica e Fisica, Università Cattolica, sede di Brescia. paolini@df.unicatt.it E-ail

Dettagli

3. Vettori, Spazi Vettoriali e Matrici

3. Vettori, Spazi Vettoriali e Matrici 3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e

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

Algebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio

Algebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it http://dm.uniba.it/ amodio A.A. 2016/17 P.

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Problema dell assegnamento e matrici totalmente unimodulari

Metodi e Modelli per l Ottimizzazione Combinatoria Problema dell assegnamento e matrici totalmente unimodulari Metodi e Modelli per l Ottimizzazione Combinatoria Problema dell assegnamento e matrici totalmente unimodulari L. De Giovanni G. Zambelli 1 Problema dell assegnamento Sia dato un grafo non orientato bipartito

Dettagli

3. Vettori, Spazi Vettoriali e Matrici

3. Vettori, Spazi Vettoriali e Matrici 3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e

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

UNIVERSITÀ DI ROMA TOR VERGATA. Analisi Matematica II per Ingegneria Prof. C. Sinestrari

UNIVERSITÀ DI ROMA TOR VERGATA. Analisi Matematica II per Ingegneria Prof. C. Sinestrari UNIVERSITÀ DI ROMA TOR VERGATA Analisi Matematica II per Ingegneria Prof. C. Sinestrari Risposte (sintetiche) ai quesiti degli esercizi del 12.X.2018 1. (a) Ω è aperto, Ω = {0, 1, 2}, Ω = Ω, Ω = [0, 1]

Dettagli

x n i sima pos. x, y = x T y = x i y i R. i=1

x n i sima pos. x, y = x T y = x i y i R. i=1 1 Elementi di Algebra Lineare In questo capitolo introduttivo al corso di Calcolo Numerico per la laurea triennale in Informatica, saranno presentate una serie di definizioni e proprietà di matrici e dei

Dettagli

Approssimazione secondo il criterio dei minimi quadrati (caso. discreto) sistema sovradeterminato m > n

Approssimazione secondo il criterio dei minimi quadrati (caso. discreto) sistema sovradeterminato m > n Approssiazione secondo il criterio dei inii quadrati (caso discreto Dati punti distinti (punti di osservazioni x1, x2,..., x [a, b] e valori (osservazioni y1, y2,..., y si vuole deterinare il odello ateatico

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

MATRICI E SISTEMI LINEARI

MATRICI E SISTEMI LINEARI MATRICI E SISTEMI LINEARI - PARTE I - Felice Iavernaro Dipartimento di Matematica Università di Bari 27 Febbraio 2006 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 1 / 1 Definizione

Dettagli

Metodi 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) 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

Dettagli

Programmazione Lineare Intera

Programmazione Lineare Intera Programmazione Lineare Intera Andrea Scozzari a.a. 2012-2013 May 10, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare Intera May 10, 2013 1 / 16 Programmazione Lineare Intera: Metodo dei Piani

Dettagli

Costi ridotti e ottimalità

Costi ridotti e ottimalità Costi ridotti e ottimalità condizione sufficiente di ottimalità spostamento su una base adiacente rif. Fi 3.2; Ricapitolando Sin qui abbiamo un algoritmo enumerativo applicabile quando P è un ( politopo,

Dettagli

4.3 Esempio metodo del simplesso

4.3 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

Dettagli

TEORIA DELLA STIMA SET MEMBERSHIP

TEORIA DELLA STIMA SET MEMBERSHIP TEORIA DELLA STIA SET EBERSHIP ichele TARAGNA Dipartiento di Autoatica e Inforatica Politecnico di Torino Corso di III Livello Experiental odeling: costruzione di odelli da dati sperientali Teoria della

Dettagli

Programmazione Matematica: VII La scomposizione di Dantzig Wolfe

Programmazione Matematica: VII La scomposizione di Dantzig Wolfe Programmazione Matematica: VII La scomposizione di Dantzig Wolfe Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev..0 Maggio 2004 Scomposizione di problemi Accade spesso che un problema

Dettagli

1 Risoluzione di sistemi lineari con l uso dei determinanti

1 Risoluzione di sistemi lineari con l uso dei determinanti 2006 Trapani Dispensa di Geometria, 1 Risoluzione di sistemi lineari con l uso dei determinanti Sia A una matrice n n con det(a) 0 consideriamo il sistema lineare AX = b abbiamo n = numero di righe di

Dettagli

NORMA DI UN VETTORE. Una NORMA VETTORIALE su R n è una funzione. : R n R +

NORMA DI UN VETTORE. Una NORMA VETTORIALE su R n è una funzione. : R n R + NORMA DI UN VETTORE Una NORMA VETTORIALE su R n è una funzione. : R n R + {0}, che associa ad ogni vettore x R n di componenti x i, i = 1,..., n, uno scalare in modo che valgano le seguenti proprietà:

Dettagli

Richiami di Algebra Lineare

Richiami di Algebra Lineare Appendice A Richiami di Algebra Lineare In questo capitolo sono presentati alcuni concetti di algebra lineare L algebra lineare è quella branca della matematica che si occupa dello studio di vettori, spazi

Dettagli

Registro dell'insegnamento

Registro dell'insegnamento Registro dell'insegnamento Anno accademico 2016/2017 Prof. MARCO SCIANDRONE Settore inquadramento MAT/09 - RICERCA OPERATIVA REGISTRO Scuola Ingegneria NON CHIUSO Dipartimento Ingegneria dell'informazione

Dettagli

Geometria della programmazione lineare

Geometria 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

Dettagli

MATRICI E SISTEMI LINEARI

MATRICI E SISTEMI LINEARI 1 Rappresentazione di dati strutturati MATRICI E SISTEMI LINEARI Gli elementi di una matrice, detti coefficienti, possono essere qualsiasi e non devono necessariamente essere omogenei tra loro; di solito

Dettagli

Algoritmo del Simplesso

Algoritmo del Simplesso Algoritmo del Simplesso Renato Bruni bruni@dis.uniroma.it Univertà di Roma Sapienza Corso di Ricerca Operativa, Corso di Laurea Ingegneria dell Informazione Vertici e Punti Estremi di un Poliedro Un poliedro

Dettagli

Quadriche. R. Notari

Quadriche. R. Notari Quadriche R. Notari 1 1. Notazioni. Proposizione 1 Ogni quadrica si rappresenta tramite un equazione algebrica di secondo grado della forma a 11 x 2 + 2a 12 xy + a 22 y 2 + 2a 13 xz+ +2a 23 yz + a 33 z

Dettagli

Matrici e sistemi. Sistemi lineari. Invertibilità Matrici elementari Criteri di invertibilità Sistemi quadrati e Teorema di Cramer

Matrici e sistemi. Sistemi lineari. Invertibilità Matrici elementari Criteri di invertibilità Sistemi quadrati e Teorema di Cramer Sistemi lineari Invertibilità Matrici elementari Criteri di invertibilità Sistemi quadrati e Teorema di Cramer 2 2006 Politecnico di Torino 1 Prodotto tra matrici quadrate Date comunque A e B matrici quadrate

Dettagli

Matrici delle differenze finite

Matrici delle differenze finite Capitolo 8 Matrici delle differenze finite Si riportano in questo capitolo alcuni risultati e proprietà delle matrici delle differenze finite ovvero delle matrici che intervengono nel metodo delle differenze

Dettagli

Teorema Data una base ammissibile B della matrice A del problema (7.3.1). Se per qualche indice i {1,...,n m} abbiamo che:

Teorema 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

Dettagli

Sistemi II. Sistemi II. Elisabetta Colombo

Sistemi 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.+

Dettagli

Il metodo del simplesso

Il metodo del simplesso 7 Il metodo del simplesso Dato un problema di PL è ovviamente necessario, se il modello fatto deve essere di qualche utilità, essere capaci di risolverlo. Nel caso della programmazione lineare si dice

Dettagli

Ottimizzazione Combinatoria 2 Rilassamento Lagrangiano e Metodo Subgradiente

Ottimizzazione Combinatoria 2 Rilassamento Lagrangiano e Metodo Subgradiente Ottiizzazione Coinatoria ilassaento agrangiano e Metodo Sgradiente Prof. Antonio Sassano Dipartiento di Inforatica Atoatica e Gestionale Antonio erti Università di oa Sapienza A.A. 6 oa Aprile ilassaento

Dettagli

Corso di Calcolo Numerico

Corso di Calcolo Numerico Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 7 - CALCOLO NUMERICO CON MATRICI Richiami teorici Operazioni fondamentali Siano A = {a ij } e B = {b ij }, i = 1,..., m, j = 1,..., n due

Dettagli

Algebra delle matrici

Algebra delle matrici Algebra delle matrici Metodo di Gauss-Jordan per l inversione di una matrice. Nella lezione scorsa abbiamo visto che un modo per determinare l eventuale inversa di una matrice quadrata A consiste nel risolvere

Dettagli

LAVORO DI UNA FORZA (1)

LAVORO DI UNA FORZA (1) LAVORO ED ENERGIA INTRODUZIONE L introduzione dei concetto di lavoro, energia cinetica ed energia potenziale ci perettono di affrontare i problei della dinaica in un odo nuovo In particolare enuncereo

Dettagli

Richiami di Algebra Lineare

Richiami di Algebra Lineare Richiami di Algebra Lineare Fabrizio Silvestri December 14, 010 Matrice Sia R il campo dei numeri reali. Si indica con R m n l insieme delle matrici ad elementi reali con m righe ed n colonne. Se A R n

Dettagli

min 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.

min 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,

Dettagli

XI Settimana. 2. Elementi basilari della teoria degli anelli (II parte)

XI Settimana. 2. Elementi basilari della teoria degli anelli (II parte) XI Settimana 2. Elementi basilari della teoria degli anelli (II parte) Dati due anelli (, +, ) e (, +, ), un applicazione f : si dice un omomorfismo di anelli se: f(x + y) = f(x) + f(y) e f(x y) = f(x)

Dettagli

Introduzione 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 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

Dettagli

Teoria della Programmazione Lineare Intera

Teoria della Programmazione Lineare Intera 0 Teoria della Programmazione Lineare Intera 0. INTRODUZIONE Come visto precedentemente, molti problemi particolarmente importanti dal punto di vista applicativo sono riconducibili alla soluzione di un

Dettagli

Teoria della Programmazione Lineare. Teoria della Programmazione Lineare p. 1/8

Teoria della Programmazione Lineare. Teoria della Programmazione Lineare p. 1/8 Teoria della Programmazione Lineare Teoria della Programmazione Lineare p. 1/8 I problemi di PL in forma canonica In forma scalare: max n j=1 c jx j n j=1 a ijx j b i x j 0 i = 1,...,m j = 1,...,n Teoria

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

Il metodo del simplesso

Il 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

Dettagli

Teoria della Programmazione Lineare Intera

Teoria della Programmazione Lineare Intera Teoria della Programmazione Lineare Intera Laura Galli Dipartimento di Informatica Largo B. Pontecorvo, 567 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 7 Ottobre 0 Ricerca Operativa Laurea

Dettagli

Sistemi compatibili (Il metodo di Fourier-Motzkin) Claudio Arbib Università degli Studi di L Aquila

Sistemi compatibili (Il metodo di Fourier-Motzkin) Claudio Arbib Università degli Studi di L Aquila Sistemi compatibili (Il metodo di Fourier-Motzkin) Claudio Arbib Università degli Studi di L Aquila Sommario 1. Sistemi di disequazioni lineari e poliedri 2. Poliedri e insiemi convessi 3. Disequazioni

Dettagli

RICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI. a 11 a 12 a 1n a 21 a 22 a 2n. a m1 a m2 a mn

RICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI. a 11 a 12 a 1n a 21 a 22 a 2n. a m1 a m2 a mn RICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI LUCIA GASTALDI 1. Matrici. Operazioni fondamentali. Una matrice A è un insieme di m n numeri reali (o complessi) ordinati, rappresentato nella tabella

Dettagli

MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI

MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI LE MATRICI DEFINIZIONE: Una matrice è un insieme di numeri disposti su righe e colonne. 1 3 7 M = 2 5 1 M è

Dettagli

PRINCIPIO DI INDUZIONE

PRINCIPIO DI INDUZIONE PRINCIPIO DI INDUZIONE LORENZO BRASCO Contents. Qualche richiao. Esercizi. Qualche richiao Sia n N e siano a,..., a n nueri reali. Ricordiao il sibolo di soatoria a a 0 + a + + a n. Ricordiao la definizione

Dettagli

Convergenza del Simplesso e regole anti-ciclaggio

Convergenza 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

Dettagli

1. Un sistema di m equazioni lineari in n incognite x 1,... x n aventi tutte termine noto nullo A =...

1. Un sistema di m equazioni lineari in n incognite x 1,... x n aventi tutte termine noto nullo A =... Algebra/ Algebra Lineare, 230207 1 Un sistema di m equazioni lineari in n incognite x 1, x n aventi tutte termine noto nullo a i1 x 1 + a i2 x 2 + + a in x n = 0, i = 1,, m si dice omogeneo; ponendo x

Dettagli

A =, c d. d = ad cb. c d A =

A =, c d. d = ad cb. c d A = Geometria e Algebra (II), 271112 1 Definizione D ora innanzi, al posto di dire matrice quadrata di tipo n n o matrice quadrata n n diremo matrice quadrata di ordine n o in breve matrice di ordine n Il

Dettagli

Applicazioni eliminazione di Gauss

Applicazioni eliminazione di Gauss Applicazioni eliminazione di Gauss. Premessa Nel seguito supporremo sempre di applicare il metodo di eliminazione di Gauss allo scopo di trasformare la matrice del sistema Ax = b in una matrice triangolare

Dettagli

5. Richiami: R n come spazio euclideo

5. Richiami: R n come spazio euclideo 5. Richiami: R n come spazio euclideo 5.a Prodotto scalare Dati due vettori in R n, si misurano le rispettive lunghezze e l angolo (senza il segno) fra essi mediante il prodotto scalare. Il prodotto scalare

Dettagli

Flusso a Costo Minimo

Flusso a Costo Minimo Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Flusso a Costo Minimo Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria Dal

Dettagli

Esercizi Di Geometria 1 (BAER) Canale 1 Da consegnare Lunedi 19 Ottobre

Esercizi Di Geometria 1 (BAER) Canale 1 Da consegnare Lunedi 19 Ottobre Esercizi Di Geometria (BAER Canale Da consegnare Lunedi 9 Ottobre SETTIMANA 3 (2 8 Ottobre Moltiplicazione di matrici Gli esercizi sono presi dal libro Intorduction to Linear Algebra di Serge Lang Esercizio

Dettagli

Problemi di Flusso: Il modello del Trasporto

Problemi di Flusso: Il modello del Trasporto Problemi di Flusso: Il modello del rasporto Andrea Scozzari a.a. 2014-2015 April 27, 2015 Andrea Scozzari (a.a. 2014-2015) Problemi di Flusso: Il modello del rasporto April 27, 2015 1 / 25 Problemi su

Dettagli

Appunti su Indipendenza Lineare di Vettori

Appunti 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

Dettagli

Alcuni Preliminari. Prodotto Cartesiano

Alcuni Preliminari. Prodotto Cartesiano Prodotto Cartesiano Dati due insiemi A e B, si definisce il loro prodotto cartesiano A x B come l insieme di tutte le coppie ordinate (a,b) con a A e b B. Es: dati A= {a,b,c} e B={1,2,3} A x B = {(a,1),(b,1),(c,1),(a,2),(b,2),(c,2),(a,3),(b,3),(c,3)

Dettagli

3. Elementi di Algebra Lineare.

3. Elementi di Algebra Lineare. CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari 3. Elementi di Algebra Lineare. 1 Sistemi lineari Sia A IR m n, x IR n di n Ax = b è un vettore di m componenti.

Dettagli

Esercitazione 6 - Soluzione

Esercitazione 6 - Soluzione Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione

Dettagli

VETTORIALE E PRODOTTO MISTO. PIANI E RETTE DI

VETTORIALE E PRODOTTO MISTO. PIANI E RETTE DI Universita degli Studi di Roma - "Tor Vergata" - Facolta Ingegneria Esercizi GEOMETRIA (Edile-Architettura e dell Edilizia) PRODOTTO VETTORIALE E PRODOTTO MISTO. PIANI E RETTE DI R 3. FASCI E STELLE. FORMULE

Dettagli

5.3 Introduzione al metodo del simplesso

5.3 Introduzione al metodo del simplesso CAPITOLO 5 IL METODO DEL SIMPLESSO 105 53 Introduzione al metodo del simplesso Il Metodo del Simplesso permette di risolvere problemi di Programmazione Lineare in forma standard, cioè problemi di Programmazione

Dettagli

Istruzioni: Il seguente foglio deve essere compilato e consegnato insieme agli altri fogli debitamente compilati.

Istruzioni: Il seguente foglio deve essere compilato e consegnato insieme agli altri fogli debitamente compilati. Cognome... MATEMATICA GENERALE A-D, (07-07-2011) Istruzioni: Il seguente foglio deve essere compilato e consegnato insieme 1. Si calcoli l insieme di definizione della seguente funzione: f(x) = 2. Si enunci

Dettagli

G. Parmeggiani, 28/4/2016 Algebra Lineare, a.a. 2015/2016, numero di MATRICOLA PARI. Svolgimento degli Esercizi per casa 7

G. Parmeggiani, 28/4/2016 Algebra Lineare, a.a. 2015/2016, numero di MATRICOLA PARI. Svolgimento degli Esercizi per casa 7 G. Parmeggiani, 8/4/6 Algebra Lineare, a.a. 5/6, Scuola di Scienze - Corsi di laurea: Studenti: Statistica per l economia e l impresa Statistica per le tecnologie e le scienze numero di MATRICOLA PARI

Dettagli

APPUNTI DI ALGEBRA LINEARE

APPUNTI DI ALGEBRA LINEARE APPUNTI DI ALGEBRA LINEARE. Definizione Si dice spazio vettoriale (sul campo dei numeri reali R) un insieme V per il quale siano definite l operazione interna di somma (che ad ogni coppia di vettori e

Dettagli

Geometria BAER I canale Foglio esercizi 2

Geometria BAER I canale Foglio esercizi 2 Geometria BAER I canale Foglio esercizi Esercizio. ( ) Data la matrice, determinare tutte le matrici X Mat( ) tali che AX = 0 e tutte le matrici Y Mat( ) tali che Y 0. ( ) ( ) ( ) x y x + z y + w Soluzione:

Dettagli

Metodi per la risoluzione di sistemi lineari

Metodi per la risoluzione di sistemi lineari Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante

Dettagli

Corso di Geometria BIAR, BSIR Esercizi 2: soluzioni

Corso di Geometria BIAR, BSIR Esercizi 2: soluzioni Corso di Geometria 2- BIAR, BSIR Esercizi 2: soluzioni Esercizio Calcolare il determinante della matrice 2 3 : 3 2 a) con lo sviluppo lungo la prima riga, b) con lo sviluppo lungo la terza colonna, c)

Dettagli

3.6 Metodi basati sui piani di taglio

3.6 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

Dettagli

21. (cenni di) Geometria analitica del piano.

21. (cenni di) Geometria analitica del piano. . (cenni di) Geometria analitica del piano... Definizione. Sia π un piano e sia O un suo punto. Siano i e j due versori ortogonali tra loro e paralleli al piano π. Diremo che la terna ordinata (O, i, j)

Dettagli

Argomento 12 Matrici

Argomento 12 Matrici Argomento 2 Matrici 2 Vettori di R n eoperazioni I Vettore di R n : x =(x i ) i=n =(x i ) n i=,conx i R componenti di x I R n = spazio dei vettori reali a n componenti = spazio vettoriale reale n-dimensionale

Dettagli

Autovalori e autovettori

Autovalori e autovettori Autovalori e autovettori Definizione 1 (per endomorfismi). Sia V uno spazio vettoriale su di un campo K e f : V V un suo endomorfismo. Si dice autovettore per f ogni vettore x 0 tale che f(x) = λx, per

Dettagli

Motivazioni. Sistemi lineari. Obiettivo. Il problema

Motivazioni. Sistemi lineari. Obiettivo. Il problema Motivazioni Sistemi lineari Metodo di eliminazione di Gauss Molti problemi si possono rappresentare mediante un sistema lineare La soluzione di un sistema lineare costituisce un sottoproblema di moltissime

Dettagli

f(x) = Ax + B. + (B x + 1 A

f(x) = Ax + B. + (B x + 1 A A NOME... COGNOME...A =... B =... eax+b Ax + B. di ascissa B A A. (B x + 1 A 1 x 2 )(Ax2 )dx, 1 3x + B dx. 1 B NOME... COGNOME...A =... B =... eax+b Ax B. di ascissa B A A. (A x + 1 B 1 x 2 )(Bx2 )dx,

Dettagli

PRINCIPIO DI INDUZIONE. k =. 2. k 2 n(n + 1)(2n + 1) 6

PRINCIPIO DI INDUZIONE. k =. 2. k 2 n(n + 1)(2n + 1) 6 PRINCIPIO DI INDUZIONE LORENZO BRASCO Esercizio. Diostrare che per ogni n si ha nn + ) ). 2 Esercizio 2. Diostrare che per ogni n si ha 2) 2 nn + )2n + ). Soluzione. Procediao per induzione: la 2) è ovviaente

Dettagli

Scuola di Dottorato in Ingegneria L. da Vinci. Problemi di estremo vincolato ed applicazioni. Introduzione ai problemi di estremo

Scuola di Dottorato in Ingegneria L. da Vinci. Problemi di estremo vincolato ed applicazioni. Introduzione ai problemi di estremo Scuola di Dottorato in Ingegneria L. da Vinci Problemi di estremo vincolato ed applicazioni Pisa, 28-29 Maggio, 2009 Introduzione ai problemi di estremo G. Mastroeni Ricercatore, Dipartimento di Matematica

Dettagli

1. Proprietà della somma di matrici. 1. (A + B) + C = A + (B + C) qualunque. 2. A + B = B + A qualunque siano le matrici

1. Proprietà della somma di matrici. 1. (A + B) + C = A + (B + C) qualunque. 2. A + B = B + A qualunque siano le matrici Matrici R. Notari 1 1. Proprietà della somma di matrici 1. (A + B) + C = A + (B + C) qualunque siano le matrici A, B, C Mat(m, n; K). 2. A + B = B + A qualunque siano le matrici A, B Mat(m, n; K). 3. Sia

Dettagli

Corso di Geometria BIAR, BSIR Esercizi 3: soluzioni

Corso di Geometria BIAR, BSIR Esercizi 3: soluzioni Corso di Geometria - BIAR, BSIR Esercizi : soluzioni Rango e teorema di Rouché-Capelli Esercizio. Calcolare il rango di ciascuna delle seguenti matrici: ( ) ( ) ( ) A =, A =, A =, A 4 = ( ). a a a Soluzione.

Dettagli

LEZIONE i 0 3 Le sottomatrici 2 2 di A sono. 1 2 i i 3. Invece (

LEZIONE i 0 3 Le sottomatrici 2 2 di A sono. 1 2 i i 3. Invece ( LEZIONE 6 6 Determinanti In questa lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli

Dettagli

Risoluzione di sistemi lineari sparsi e di grandi dimensioni

Risoluzione di sistemi lineari sparsi e di grandi dimensioni Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica

Dettagli

Scomposizione ai valori singolari.

Scomposizione ai valori singolari. Scomposizione ai valori singolari. Sia A R m n una matrice, non necessariamente quadrata. Si potrebbe considerare anche una matrice complessa ottenendo risultati analoghi. Abbiamo: Osservazione AA T R

Dettagli

IL TEOREMA DI EULERO-FERMAT. Indice. 1. La funzione φ di Eulero

IL TEOREMA DI EULERO-FERMAT. Indice. 1. La funzione φ di Eulero IL TEOREMA DI EULERO-FERMAT STAGE DI MATEMATICA E APPLICAZIONI, 13-22 GIUGNO 2017 Indice 1. La funzione φ di Eulero 1 2. Il Teorea di Eulero-Ferat 2 3. Il punto di vista algebrico 4 3.1. Gruppi ed esepi

Dettagli

Note 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. 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}.

Dettagli

Elementi di Algebra Lineare

Elementi di Algebra Lineare Elementi di Algebra Lineare Corso di Calcolo Numerico, a.a. 2009/2010 Francesca Mazzia Dipartimento di Matematica Università di Bari 13 Marzo 2006 Francesca Mazzia (Univ. Bari) Elementi di Algebra Lineare

Dettagli

22 Coniche proiettive

22 Coniche proiettive Geometria e Topologia I (U1-4) 2006-giu-06 95 22 Coniche proiettive (22.1) Definizione. Sia K[x 0, x 1,..., x n ] l anello dei polinomi nelle indeterminate (variabili) x 0, x 1,..., x n. Un polinomio di

Dettagli

Richiami di Algebra Lineare

Richiami di Algebra Lineare Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2015 Rossi Algebra Lineare 2015 1 / 41 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +

Dettagli