Ricerca Operativa. G. Liuzzi. Giovedí 19 Marzo Tableau del Simplesso Esempio Fase I del Simplesso Esempio
|
|
- Marcellino Lanza
- 5 anni fa
- Visualizzazioni
Transcript
1 1 Giovedí 19 Marzo Istituto di Analisi dei Sistemi ed Informatica IASI - CNR
2 Tableau o Dizionario Qualche richiamo sulla generica iterazione della Fase II: B base ammissibile corrente x SBA corrente: x B = B 1 b ( x N = 0 n m ) c B B 1 b = c x valore di fo nella SBA corrente B 1 N matrice dei coeff delle var fuori base γ = c N c B B 1 N vettore dei costi ridotti Il dizionario o tableau contiene, in forma matriciale compatta, tutte le precedenti informazioni c B B 1 b c c B B 1 A 0 m c N c B B 1 N B 1 b B 1 AI m B 1 N
3 Tableau o Dizionario c B B 1 b B 1 b c c B B 1 A B 1 A ovvero c B x B c 1 c n x B(1) B 1 A 1 B 1 A n x B(m)
4 Esempio Consideriamo il problema min 10x 1 12x 2 12x 3 x 1 + 2x 2 + 2x x 1 + x 2 + 2x x 1 + 2x 2 + x 3 20 x 1, x 2, x 3 0 Ovvero, mediante aggiunta di 3 variabili di slack, min 10x 1 12x 2 12x 3 x 1 + 2x 2 + 2x 3 + x 4 = 20 2x 1 + x 2 + 2x 3 + x 5 = 20 2x 1 + 2x 2 + x 3 + x 6 = 20 x 1, x 2, x 3, x 4, x 5, x 6 0
5 Esempio La sottomatrice di A B = (A 4 A 5 A 6 ) è una base ammissibile La SBA associata è x = (0, 0, 0, 20, 20, 20) Il Dizionario corrispondente è: x 1 x 2 x 3 x 4 x 5 x x 4 = x 5 = x 6 =
6 Esempio x 1 x 2 x 3 x 4 x 5 x x 4 = x 5 = x 6 = γ = ( 10, 12, 12) È semplicissimo verificare le CS di ottimo e illimitatezza Molto facile effettuare il cambio di base 1 scelta della var entrante e quindi di una colonna (pivot) del tableau 2 scelta della var uscente e quindi di una riga (pivot) del tableau 3 l elemento alla intersezione della colonna pivot con la riga pivot è detto elemento di pivot
7 Esempio x 1 x 2 x 3 x 4 x 5 x x 4 = x 5 = x 6 = var entrante h {1,, n m} tc γ h < 0 2 var uscente k {1,, m} tc { (B 1 b) i ρ = min Π hi >0 Π hi } = (B 1 b) k Π hk ρ = min{20, 10, 10} = 10 = (B 1 b) 2 Π 12
8 Esempio x 1 x 2 x 3 x 4 x x 4 = x 5 x 1 = x 6 = Somma alla riga 0 la riga di pivot moltiplicata per 5 Sottrai alla prima riga (associata ad x 4 ) la riga di pivot moltiplicata per 1/2 Sottrai alla terza riga (associata ad x 6 ) la riga di pivot Dividi la riga di pivot (k = 2) per l elemento di pivot
9 Esempio x 1 x 2 x 3 x 4 x 5 x x 4 = x 1 = x 6 = var entrante h tc γ h < 0 2 var uscente k tc { (B 1 b) i ρ = min Π hi >0 Π hi } = (B 1 b) k Π hk ρ = min{10, 10} = 10 = (B 1 b) 1 Π 21
10 Il problema Ausiliario Sia dato il seguente problema originario (in forma standard di minimo) min c x Ax = b ( 0 m ) (PO) x 0 n Mediante l aggiunta di m variabili artificiali o ausiliarie α i (una per ciascuna equazione di (PO)) otteniamo il seguente problema ausiliario min z = m i=1 α i ( x Ax + I m α = A ( ) α x 0 α n+m ) = b (PA)
11 Esempio min (2, 3, 1, 7, 1, 1, 2) x x 1 + x 2 x 3 + x 5 + 2x 7 = 3 2x 1 x 2 + x 4 x 5 + x 6 3x 7 = 1 x 1 3x 2 + x 3 + x 5 x 6 x 7 = 2 x 1 + 3x 2 x 3 x 5 + x 6 + x 7 = 2 x 0 7 min α 1 + α 2 + α 3 x 1 + x 2 x 3 + x 5 + 2x 7 + α 1 = 3 2x 1 x 2 + x 4 x 5 + x 6 3x 7 + α 2 = 1 x 1 + 3x 2 x 3 x 5 + x 6 + x 7 + α 3 = 2 x 0 7, α 0 3
12 Soluzione del problema Ausiliario (PA) ha alcune interessanti proprietà: è certamente ammissibile ( x = 0 n, ᾱ = b) no illimitato inferiormente (z 0) quindi, ammette ottimo (x, α ) la matrice dei coefficienti A = (AI m ) ha rango pieno (rg(a ) = m) ammette una prima SBA (banale) B = I m, N = A, ( α x ) ( b = (PA) può dunque essere risolto usando la fase II del metodo del simplesso 0 n )
13 Soluzione del problema Ausiliario Siano B e N, rispettivamente, le matrici delle colonne (di A ) in base e fuori base in corrispondenza della SBA ottima di (PA) e sia ( ) x ᾱ m z = e ᾱ = i=1 ᾱ i SBA ottima valore ottimo della fo di (PA)
14 Ammissibilità del problema Originario Teorema (PO) è ammissibile se e solo se z = 0 ovvero se e solo se ᾱ i = 0 per ogni i Se, z > 0, ovvero ᾱ i > 0 per qualche i, allora (PO) è inammissibile quindi STOP Se, z = 0, ovvero ᾱ i = 0 per ogni i, risulta A x + I m ᾱ = A x = b quindi una soluzione ammissibile di (PO) è proprio x Quindi (PO) è ammissibile
15 Fase I Fase II Assunzione z = 0 Ovvero (PO) è ammissibile Sia B la base ammissibile ottima del problema ausiliario (PA) NB B è una sottomatrice di A = (A I m ) quindi può, in generale, contenere colonne di A e colonne di I m, cioè colonne associate a variabili x j ed a variabili α i Consideriamo i seguenti due casi: 1 NO variabili artificiali nella base ottima (caso semplice) 2 SI variabili artificiali nella base ottima (caso difficile)
16 Base ammissibile del problema Originario 1 NO variabili artificiali nella base ottima Quindi B è composta esclusivamente da colonne di A Quindi B è una base anche di A e del problema (PO) In questo caso, è possibile ottenere la matrice B 1 N ed il vettore B 1 b che compaiono nella forma canonica di (PO) rispetto alla base B = B Infatti ( B ) 1 N = B 1 ( N x N α) = (B 1 N x B 1 N α) Quindi, B 1 N = B 1 N x e B 1 b = ( B ) 1 b
17 Variabili artificiali nella base ottima 2 SI variabili artificiali nella base ottima Quindi B contiene colonne di A e colonne di I m Siccome però tutte le α i = 0, la SBA ottima di (PA) è certamente degenere In questo caso abbiamo (riordinando e rinominando le variabili, se necessario): x B x = (x 1, x 2,, x r ) α B α = (α r+1, α r+2,, α m ) x N x = (x r+1, x r+2,, x n ) α N α = (α 1, α 2,, α r ) B = ( B x B α), ( B ) 1 N = ( B ) 1 ( N x N α) = (( B ) 1 N x ( B ) 1 N α)
18 Variabili artificiali nella base ottima Supponiamo, per semplicità, che esattamente UNA variabile artificiale sia in base Quindi, abbiamo r = m 1 e x B x = (x 1, x 2,, x m 1 ) α B α = α m B = (A 1 A m 1 e 1 ) ( B ) 1 N = ( ( B ) 1 N α ( B ) 1 N x ) + ( B ) 1 N α ( B ) 1 N x = m 0 m 1 1 α m 0
19 Equazioni ridondanti nel problema Originario ( B ) 1 N α ( B ) 1 N x + = m 0 m 1 1 α m η ξ 0 η 0 n m+1 Supponiamo che ξ = 0 n m+1 allora risulta e m( B ) 1 B x = 0 m 1 e m( B ) 1 N x = 0 n m+1 e m( B ) 1 b = 0 Ovvero: e m( B ) 1 (A b) = 0 n+1
20 Equazioni ridondanti nel problema Originario Abbiamo quindi trovato una combinazione lineare delle righe della matrice (A b), con coefficienti le componenti del vettore e m( B ) 1, che dà il vettore tutto nullo Ricordiamo che, essendo (PO) ammissibile, rg(a b) = rg(a) Quindi, la matrice A non ha rango pieno Si dimostra che l equazione di (PO) corrispondente a α m è ridondante e, per tanto, 1 l ultima equazione può essere eliminata da (PO) 2 α m può essere eliminata da (PA)
21 Base ammissibile del problema Originario + ( B ) 1 N α ( B ) 1 N x = m 0 m 1 1 α m η ξ 0 Supponiamo che ξ 0 n m+1 allora risulta ξ h 0 per almeno un h {1,, n m + 1} ξ h è associato alla variabile x m 1+h è possibile scambiare α m con x m 1+h mediante una op di scambio degenere
22 Scambio degenere B = (A 1 A m 1 e m ) N = (e 1 e m 1 A m A m 2+h A m 1+h A m+h A n ) Si definiscono le nuove matrici: B = (A 1 A m 1 A m 1+h ) Ñ = (e 1 e m 1 A m A m 2+h e m A m+h A n ) È possibile dimostrare che ( B ) 1 b 0 m, cioè B è una base ammissibile Siccome nella nuova base B tutte le α i sono fuori base, anche B è ottima per (PA)
23 Esempio Fase I Fase II Tableau ottimo al termine della Fase I x 1 x 2 x 3 x 4 α 1 α 2 α 3 α x 1 = α 2 = α 3 = x 3 = TUTTE le var artificiali all ottimo valgono 0 Quindi (PO) ammissibile α 3 NON può essere scambiato con nessuna var originaria fuori base (x 2, x 4 ) Quindi terza equazione ridondante
24 Esempio Fase I Fase II Eliminiamo α 3 dal Tableau, quindi eliminiamo TUTTA la terza riga e la settima colonna del Tableau x 1 x 2 x 3 x 4 α 1 α 2 α x 1 = α 2 x 2 = x 3 = α 2 può essere scambiata solo con x 2 α 2 esce, x 2 entra somma seconda e terza riga del tableau molt per 2 la seconda e somma alla prima molt per 1 la seconda
25 Esempio Fase I Fase II A questo punto abbiamo x 1 x 2 x 3 x 4 α 1 α 2 α 3 α x 1 = x 2 = x 3 = TUTTE le var artificiali sono fuori base Tableau iniziale della Fase II: cancellare le colonne relative alle var artificiali
26 Esempio Fase I Fase II Il Tableau iniziale della FASE II è pertanto x 1 x 2 x 3 x x 1 = x 2 = x 3 = Naturalmente, occorre calcolare i valori mancanti della riga 0, ovvero c B B 1 b c N c B B 1 N
Ricerca Operativa. G. Liuzzi. Lunedí 23 Marzo Il Metodo del Simplesso Java API Problema di Trasporto
1 Lunedí 23 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR SHHHHH... Simplesso in 2 fasi Fase I (rg(a) m) Se P non è ammissibile, STOP Altrimenti 1 elimina da (A... b) eventuali
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,
DettagliMetodo delle due fasi
Metodo delle due fasi Il problema artificiale la fase I del Simplesso esempi rif. Fi 3.2.5; Osservazione Nel problema min{c T x : Ax = 0, x 0}, dell esempio precedente si ha che b 0 e A contiene una matrice
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.
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
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
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,
DettagliMetodo del Simplesso. Ricerca Operativa. G. Liuzzi. Lunedí 16 Marzo logo.pdf. 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR
1 Lunedí 16 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR SHHHHH... Forma standard di PL min c x Ax = b x 0 n (1 P = {x R n : Ax = b, x 0 n } Forma Canonica Data una base ammissibile
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,
DettagliAlgoritmo 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
DettagliLA FASE II DEL METODO DEL SIMPLESSO Convergenza del metodo del simplesso
LA FASE II DEL METODO DEL SIMPLESSO 193 7.4.6 Convergenza del metodo del simplesso Per concludere l analisi della Fase II del metodo del simplesso, vogliamo ora mostrare che, sotto opportune ipotesi, il
DettagliEsame di Ricerca Operativa. Corso di Laurea in Ingegneria Informatica e Automatica. Compito A
Esame di Ricerca Operativa Corso di Laurea in Ingegneria Informatica e Automatica 6 settembre 218 Compito A Istruzioni Usate i fogli bianchi allegati per calcoli, ragionamenti e quanto altro reputiate
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
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,
Dettagli3.3 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
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
DettagliProgrammazione Matematica / A.A Soluzioni di alcuni esercizi
Programmazione Matematica / A.A. 7-8 Soluzioni di alcuni esercizi Esercizi - I. 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
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
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.)
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
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
DettagliA.A Fondamenti di Ricerca Operativa Esercizi ottobre min 2x 1 + x 2 + 4x 3 3x 4 x 1 + x 3 = 5 x 2 + x 4 = 2
. Si consideri il problema A.A. 07-08 Fondamenti di Ricerca Operativa Esercizi ottobre 07 min x + x + 4x 3 3x 4 x + x 3 = 5 x + x 4 = x, x, x 3, x 4 0 Stabilire se il problema ha insieme ammissibile vuoto,
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
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
Dettagli5.3 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
DettagliDomande d esame. Ricerca Operativa. G. Liuzzi. Giovedí 14 Maggio 2015. 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR
1 Giovedí 14 Maggio 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Geometria di R n 1 Dare la definizione di Poliedro e Vertice di un Poliedro 2 Dare la definizione di Poliedro e di Politopo
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 )
DettagliALGORITMO DEL SIMPLESSO. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Simplesso / 1.
ALGORITMO DEL SIMPLESSO Una piccola introduzione R. Tadei R. Tadei 2 SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione
DettagliCosti 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,
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
DettagliA.A Fondamenti di Ricerca Operativa. 2. Determinare β affinchè il poliedro descritto dal sistema di disequazioni
A.A. 08-09 Fondamenti di Ricerca Operativa. Si consideri il problema min x + x + 4x 3 3x 4 x + x 3 = 5 x + x 4 = x, x, x 3, x 4 0 Stabilire se il problema ha insieme ammissibile vuoto, oppure è illimitato,
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso Luigi De Giovanni Giacomo Zambelli Problemi di programmazione lineare Un problema di ottimizzazione
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
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
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
DettagliCorso 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.
DettagliIl metodo del simplesso. Il metodo del simplesso p. 1/8
Il metodo del simplesso Il metodo del simplesso p. 1/8 Ipotesi iniziale Data la base B e la riformulazione rispetto a essa: max γ 0 + n m j=1 γ jx im+j x i1 = β 1 + n m j=1 α 1jx im+j x ik = β k + n m
Dettagli4.5 Metodo del simplesso
4.5 Metodo del simplesso min z = c T x s.v. Ax = b x 0 PL in forma standard Esamina una sequenza di soluzioni di base ammissibili con valori non crescenti della funzione obiettivo fino a raggiungerne una
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
DettagliRisoluzione di sistemi lineari
Risoluzione di sistemi lineari Teorema (Rouché-Capelli) Dato il sistema di m equazioni in n incognite Ax = b, con A M at(m, n) b R n x R n [A b] si ha che: matrice dei coefficienti, vettore dei termini
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
DettagliProgrammazione Matematica: VI Estensioni dell algoritmo del Simplesso
Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 1.0 Aprile 2004 Algoritmo del Simplesso L algoritmo del Simplesso
DettagliTeoria della Programmazione Lineare
Capitolo 10 Teoria della Programmazione Lineare In questo capitolo i risultati dei capitoli precedenti saranno applicati a problemi di Programmazione Lineare (PL). Abbiamo già visto che l insieme ammissibile
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
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
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
DettagliIl metodo del simplesso. Il metodo del simplesso p. 1/12
Il metodo del simplesso Il metodo del simplesso p. 1/12 I problemi di PL in forma standard I problemi di PL in forma standard hanno la seguente formulazione: max cx a i x = b i x 0 i = 1,...,m o, equivalentemente,
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
DettagliCorso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 5. Rango
Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof Fabio Perroni 5 Rango Definizione 1 Sia A M m,n (K) una matrice m n a coefficienti nel campo K Il rango
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
Dettagli0.1 Complemento diretto
1 0.1 Complemento diretto Dato U V, un complemento diretto di U é un sottospazio W V tale che U W = {0} U + W = V cioé la somma di U con il suo complemento diretto é diretta, e dá tutto lo spazio vettoriale
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
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
DettagliRicerca Operativa. G. Liuzzi. Lunedí 9 Marzo Programmazione Matematica Geometria di R n Esempi Teoria della PL Forma Standard. logo.
1 Lunedí 9 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Problema di Ottimizzazione min(o max) f (x) con la restrizione x S dove f (x) : R n R è detta funzione obiettivo S R n
DettagliIl metodo del simplesso. Il metodo del simplesso p. 1/127
Il metodo del simplesso Il metodo del simplesso p. 1/127 I problemi di PL in forma standard I problemi di PL in forma standard hanno la seguente formulazione: max cx a i x = b i x 0 i = 1,...,m o, equivalentemente,
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
DettagliCorso di Geometria BIAR, BSIR Esercizi 4: soluzioni
Corso di Geometria - BIAR, BSIR Esercizi : soluzioni Esercizio. Sono dati i seguenti sistemi lineari omogenei nelle incognite x, y, z: { x + y z = x + y z = x + y z = S : x y + z =, S :, S 3 : x 3y =,
DettagliFederica Gregorio e Cristian Tacelli
1 Sistemi lineari Federica Gregorio e Cristian Tacelli Un sistema lineare m n (m equazioni in n incognite) è un insieme di equazioni lineari che devono essere soddisfatte contemporaneamente a 11 x 1 +
DettagliEsercitazione 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
DettagliNote di Programmazione Lineare
Note di Programmazione Lineare Giacomo Zambelli 1 A.A. 2008/09 1 Dipartimento di Matematica Pura e Applicata, Universitá di Padova, Via Trieste 63, 35121 Padova, Italy. (giacomo@math.unipd.it) ii Indice
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
DettagliProgrammazione lineare
Capitolo 1 Programmazione lineare ESERCIZIO 1.1. Porre in forma canonica i seguenti programmi lineari. min 3x 1 + 4x 2 2x 3 x 1 + 2x 2 x 3 5 2x 1 + 4x 3 = 12 x 1 + x 2 + x 3 15 x 1, x 2 0, x 3 libera.
DettagliGeometria 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:
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; Degenerazione e ciclaggio ( ) n n!
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
DettagliMatrici triangolari [Abate, 3.2] Lezioni 05 e 06. Determinante di una matrice triangolare [Abate, es. 9.3] Matrici ridotte per righe.
Matrici triangolari [Abate, 32] Definizione Una matrice A = a ij ) R m,n si dice triangolare superiore se a ij = 0 per ogni i > j; triangolare inferiore se a ij = 0 per ogni i < j Lezioni 05 e 06 Una matrice
DettagliRango di una matrice e teorema di Rouché-Capelli
Rango di una matrice e teorema di Rouché-Capelli Sappiamo che a una matrice m n, A, è associata l applicazione lineare L A : R n R m, L A (X) = AX, X R n. Definizione 1. Lo spazio nullo di A, N (A), è
Dettagli0.1 Soluzioni Esercitazione III, del 21/10/2008
1 0.1 Soluzioni Esercitazione III, del 21/10/2008 Esercizio 0.1.1. Risolvere il sistema lineare x + y + z = 1 2x + 3y + 2z = 0 x + 2y z = 0 Il determinante della matrice incompleta è 2 e quindi il sistema
DettagliCorso 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)
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
DettagliI. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.
ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio
DettagliNote sui sistemi lineari per il Corso di Geometria per Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 4 Maggio 2010
Note sui sistemi lineari per il Corso di Geometria per Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 4 Maggio 21 Sistemi lineari. Un sistema lineare di n 1 equazioni in m incognite
DettagliRicerca 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)
DettagliTeoria 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
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
DettagliA =, 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
DettagliProgrammazione lineare: basi e soluzioni di base
Programmazione lineare:basi e soluzioni di base p. 1/33 Programmazione lineare: basi e soluzioni di base Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria
Dettaglimin 4x 1 +x 2 +x 3 2x 1 +x 2 +2x 3 = 4 3x 1 +3x 2 +x 3 = 3 x 1 +x 2 3x 3 = 5 Innanzitutto scriviamo il problema in forma standard: x 1 x 2 +3x 3 = 5
IL METODO DEL SIMPLESSO 65 Esercizio 7.4.4 Risolvere utilizzando il metodo del simplesso il seguente problema di PL: min 4 + + + + = 4 + + = + = 5 Innanzitutto scriviamo il problema in forma standard:
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.+
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)
Dettagli4.4 Programmazione quadratica
4.4 Programmazione quadratica Minimizzare una funzione quadratica soggetta a vincoli lineari: min 1 2 xt Qx + c t x s.v. a t i x b i i D (P) a t i x = b i i U x R n dove Q matrice n n, D e U sono gli insiemi
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
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
DettagliDualitá. Dualitá p. 1/4
Dualitá Dualitá p. 1/4 Dualitá p. 2/4 Dualitá Problema di PL in forma standard max cx Ax = b x 0 Chiamato problema primale. A questo associato un altro problema di PL, detto problema duale: min ub ua c
DettagliLEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.
LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b
DettagliDualitá in Programmazione Lineare e alcune conseguenze
Dualitá in Programmazione Lineare e alcune conseguenze Giacomo Zambelli 1 Dualitá per problemi in forma standard Si consideri il seguente problema di PL in forma standard: z = max c x Ax = b (1) ove A
DettagliRicerca Operativa a.a : IV appello
Ricerca Operativa a.a. 2015-2016: IV appello (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 5 settembre 2016 Regole per l esame: la violazione delle seguenti regole comporta
DettagliCorso di Laurea in Scienza dei Materiali PROVA SCRITTA DI GEOMETRIA DEL 12/07/2016 SOLUZIONE DEGLI ESERCIZI PROPOSTI
Corso di Laurea in Scienza dei Materiali PROVA SCRITTA DI GEOMETRIA DEL 12/07/2016 SOLUZIONE DEGLI ESERCIZI PROPOSTI Esercizio 1 Si consideri la conica affine d equazione 9x 2 + 6y 2 4xy 6x + 8y = 1 (1)
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
DettagliMatematica per Chimica, Chimica Industriale e Scienze dei Materiali Primo appello 7/02/2012 Tema A
Matematica per Chimica, Chimica Industriale e Scienze dei Materiali Primo appello 7/02/202 Tema A NOME:..................................................... COGNOME:.....................................................
DettagliProva Scritta di Ricerca Operativa
Prova Scritta di Ricerca Operativa (Prof. Fasano Giovanni) Università Ca Foscari Venezia - Sede di via Torino 26 gennaio 2017 Regole per l esame: la violazione delle seguenti regole comporta il ritiro
Dettagli1. [15 punti] Calcolare il rango della seguente matrice a coefficienti reali: ( 1/2) 1 (1/2)
Università di Modena e Reggio Emilia Facoltà di Scienze MM.FF.NN. PROVA DI ALGEBRA LINEARE del 17 febbraio 011 ISTRUZIONI PER LO SVOLGIMENTO. Scrivere cognome, nome, numero di matricola in alto a destra
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
DettagliCORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA
CORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA FOGLIO DI ESERCIZI GEOMETRIA 009/0 Esercizio. (7.9). Si consideri il sistema di equazioni lineari: x + y + z = x + y + z = x + y + 3z = a) Si dica per quali
DettagliEsame scritto di Geometria I
Esame scritto di Geometria I Università degli Studi di Trento Corso di laurea in Fisica A.A. 26/27 Appello di febbraio 27 Esercizio Sia f h : R R l applicazione lineare definita da f h (e ) = 2e + (2 h)e
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
Dettagli