APPLICAZIONI DELLA RICERCA OPERATIVA

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "APPLICAZIONI DELLA RICERCA OPERATIVA"

Transcript

1 Università degli Studi della Calabria Laurea in Informatica A.A. 2004/2005 Appunti di supporto didattico al corso di APPLICAZIONI DELLA RICERCA OPERATIVA

2 Indice 1 Introduzione alla teoria dello Scheduling Introduzione Scheduling su singola macchina Minimizzazione della massima lateness Generalizzazione della regola di Jackson Minimizzazione della somma pesata dei tempi di completamento Minimizzazione del ritardo Tempi di set-up dipendenti dalla sequenza Macchine parallele identiche e uniformi Flow Shop su due macchine i

3 Capitolo 1 Introduzione alla teoria dello Scheduling 1.1 Introduzione I problemi dello scheduling (più precisamente, quelli di cui si parlerà sono detti di machine scheduling = sequenziamento su macchine) costituiscono una vasta classe di problemi di ottimizzazione, spesso molto complessi (NP-hard), e di utilità in svariati campi applicativi. La teoria dello scheduling è, quindi, un grosso capitolo della ricerca operativa, estremamente ampio ed articolato, con risultati consolidati relativamente a modelli, algoritmi e complessità, e al tempo stesso in continua evoluzione a causa dei numerosi problemi aperti che stimolano tuttora la ricerca. Si considererà solo una piccola parte dei problemi di scheduling su macchine, i più semplici, per i quali esistono algoritmi polinomiali di soluzione. Si supponga di avere un insieme di macchine che effettuano un certo numero di operazioni la cui esecuzione è necessaria per completare dei job (ciascuno costituito da una sequenza di operazioni che possono essere eseguite sulle macchine). Il processamento di una operazione richiede l uso di una particolare macchina per un certo tempo, detto tempo di processamento (processing time) dell operazione. Ogni macchina può processare una sola operazione alla volta. Il problema che ci si pone è quello di determinare l ordine di processamento delle operazioni su ogni macchina in modo da ottimizzare una qualche misura di prestazione. La terminologia usata evidenzia che il problema è noto originariamente in un contesto di produzione industriale. Tuttavia varie altre interpretazioni sono possibili: job e macchine potrebbero di volta in volta rappresentare pazienti ed equipaggiamenti ospedalieri, lezioni (classi) e docenti, programmi e computers, navi e arsenali ecc. Quattro diversi fattori servono a descrivere e a classificare i problemi di scheduling: 1. La configurazione degli arrivi dei job. Se n job arrivano simultaneamente in uno shop che è vuoto e immediatamente disponibile per iniziare la lavorazione, allora il problema è detto statico. Se i job arrivano in momenti diversi, possibilmente seguendo un processo stocastico, il problema è detto dinamico. Si considererà solo il caso statico. 2. Il numero di macchine, m, disponibili. 1

4 2 CAPITOLO 1. INTRODUZIONE ALLA TEORIA DELLO SCHEDULING 3. Il modo in cui i job passano sulle macchine (flusso dei job sulle macchine). Se tutti i job seguono lo stesso ordine di processamento sulle macchine si parla di problema flow shop. L estremo opposto, in cui i job non seguono una sequenza comune di operazioni, è detto randomly routed job shop oppure open shop. 4. Il criterio di valutazione di prestazione dello shop (la funzione obiettivo). Esistono numerosi modi per misurare la bontà della schedula proposta: si considereranno solo alcuni criteri, detti misure regolari, ovvero funzioni il cui valore, rispetto ad una data schedula, è completamente determinato dai tempi di completamento dei job (tempo in cui l ultima operazione del job è completata). Questa scelta non è in realtà restrittiva, perchè la classe delle misure regolari è sufficientemente ricca per comprendere una grande varietà di criteri che sono i più significativi in pratica. Oltre ai quattro fattori considerati, potrebbero di volta in volta aggiungersi vincoli diversi che limitano il numero di soluzioni ammissibili, sostanzialmente legati al modo di operare delle macchine o a fattori esterni dello shop, come date di consegna (scadenze) per i job che vanno rispettate. Ne deriva una grande varietà di problemi di scheduling diversi (ne sono stati formulati oltre 400), che solitamente vengono classificati adottando la notazione a tre campi α β γ dove: α indica l ambiente macchina (singola macchina, macchine parallele, job shop, open shop, flow shop) β indica le caratteristiche dei job (indipendenti, con relazioni di precedenza, tempi di rilascio) γ indica il criterio di ottimalità (makespan, max lateness,...) Per quanto riguarda la configurazione degli arrivi dei job occorre precisare che, pur restando sempre nel caso statico, si rilasserà qualche volta l ipotesi che i job siano tutti disponibili per il processamento nello stesso istante. Le due situazioni che può essere utile considerare sono: (i) I job diventano disponibili in istanti diversi e interi, detti ready-times o releasedates r j, j = 1,..., n (comunque noti deterministicamente a priori). Si indicherà questa situazione inserendo r j nel secondo campo. In tutti gli altri casi si assumerà r 1 =... = r j =... = r n = r e, senza perdita di generalità, r = 0. (ii) I job non sono indipendenti tra loro, ma esistono delle relazioni di precedenza che impediscono il processamento del generico job k se non sono completati tutti i job suoi predecessori (e quindi definiscono implicitamente dei ready times ). Questi

5 1.2. SCHEDULING SU SINGOLA MACCHINA 3 vincoli di precedenza (relaz. d ordine parziale) possono essere rappresentati mediante un grafo orientato aciclico H =< V, A > dove e V = {1,..., n} (insieme dei job ) (i, j) A i < j (il job j non può essere processato prima del completamento del job i). Si indicherà questo tipo di problemi con la notazione prec nel secondo campo. Va ancora precisato che solitamente i tempi di processamento dei job, p j, si assumono fissati e indipendenti dalla sequenza, ma tale ipotesi è, in alcuni casi, irrealistica. Si accenerà in seguito a problemi in cui non si possono ignorare dei tempi di change-over o di set-up della macchina dipendenti dalla sequenza (nel caso singola macchina), che rendono di fatto i tempi p j complessivi (includendo in essi anche quelli di allestimento della macchina) dipendenti dall ordinamento. Per questo caso si porrà seq dep nel secondo campo. In alcuni problemi è ragionevole ed utile consentire che l esecuzione del job sulla macchina possa essere interrotta per essere ripresa in un istante successivo. La preemption può in realtà semplificare il problema (è una sorta di rilassamento lineare di un problema intero); essa viene indicata con prmtn nel secondo campo. 1.2 Scheduling su singola macchina I problemi di scheduling più semplici sono quelli in cui si dispone di una singola macchina, e si debba determinare l ordine di processamento degli n job sulla macchina (la quale può eseguire al più un job alla volta), noti i tempi di processamento p j, j = 1,..., n, dei job, in modo da ottimizzare una assegnata misura di prestazione regolare. Si assume che: tutti i job sono disponibili all istante t = 0; i tempi di processamento p 1,..., p n sono noti con certezza; i job sono eseguiti senza interruzioni e senza intervalli vuoti tra di essi. Una schedula, allora, sarà niente altro che un ordinamento dei job, ovvero una permutazione degli interi 1, 2,..., n che indicheremo con π (ci sono, quindi, n! soluzioni ammissibili). Ciascuna sequenza definisce univocamente il tempo di completamento di ogni job: c j = t j + p j j = 1,..., n, dove t j è l istante in cui ha inizio il processamento del job j e, quindi, il valore di ogni misura regolare, che è una funzione non decrescente dei tempi di completamento: f(c 1,..., c n ) Denotando con [i] il job che è in posizione i-esima in una data sequenza, e con p [i] il tempo di processamento di quel job (analogamente per c [i] ) è evidente che, nelle ipotesi fatte c [n] = per ogni sequenza p j

6 4 CAPITOLO 1. INTRODUZIONE ALLA TEORIA DELLO SCHEDULING (il tempo di completamento dell ultimo job è sempre pari alla somma dei tempi di processamento, indipendentemente dall ordine in cui i job vengono processati). Pertanto la funzione makespan definita come segue: c max (π) = max 1 j n {c j(π)} che è una delle misure di prestazione più significative per i problemi di scheduling su più macchine, perde di significato nel caso di una sola macchina, essendo c max (π) = c [n] = p j per ogni permutazione π Si considereranno, quindi, altre misure di prestazione Minimizzazione della massima lateness Per ciascun job j {1,..., n} si suppone assegnata una data di consegna, o due-date, d j. Si definisce allora, j L j = c j d j Lateness del job j Si noti che potrebbe essere L j = c j d j > 0 ritardo rispetto a d j = 0 puntualità < 0 anticipo Il problema che si pone è quello di determinare la sequenza che minimizza la massima lateness: { } min L max (π) = min max L π π j(π) 1 j n Nel seguito, per semplicità di notazione, si ometterà di evidenziare la dipendenza delle funzioni considerate dalla sequenza π, e si porrà, ad esempio L max = max j {L j }. Nella notazione a tre campi precedentemente introdotta, il problema in esame è: 1 L max Tale problema è risolubile mediante la seguente regola di Jackson (1955) Regola EDD ( Earliest Due-Date ) La soluzione ottima del problema 1 L max si ottiene sequenziando i job in ordine di due-date non decrescenti: d [1] d [2]... d [n] Dim. Sia π una sequenza che rispetta la regola EDD e π una sequenza arbitraria, π π. Allora esistono due job j e k tali che j precede immediatamente k in π, ma k precede j in π, essendo d k d j. Scambiando le posizioni reciproche dei job j e k in π si ottiene una nuova sequenza π, rispetto alla quale

7 1.2. SCHEDULING SU SINGOLA MACCHINA 5 Figura 1.1 L k := c k d k < c k d k := L k perchè c k < c k Quindi L j := c j d j = c k d j c k d k := L k max{l k, L j} L k = max{l j, L k } perchè d k d j ovvero, scambiando le posizioni di j e k in π la funzione obiettivo L max non può crescere. Ripetendo un numero finito di volte l operazione di scambio si può trasformare π in π. Pertanto π è ottimale. Nota: La regola di Jackson consente di risolvere il problema 1 L max in tempo O(n log n), essendo il costo dell ordinamento delle n due-date il fattore dominante nella complessità dell algoritmo. Il problema 1 L max può essere (come tutti i problemi di scheduling) formulato come problema di ottimizzazione lineare mista. Si ponga t j = istante di inizio di processamento del job j, j = 1,..., n y ij = { 1 se il job i precede j nella sequenza 0 altrimenti ( 1 i < j n) (Si noti che le variabili t j possono essere assunte intere se p j è intero j = 1,..., n; altrimenti t j IR j) Se il job i precede j nella sequenza, le relative variabili t i e t j devono soddisfare Se, invece, j precede i si deve avere t j t i + p i t i t j + p j Per imporre il soddisfacimento di questi vincoli disgiuntivi, sia α > 0 sufficientemente grande ( α > n p j ) e si considerino i seguenti due vincoli che dovranno essere invece soddisfatti simultaneamente { αyij + t i t j p j α(1 y ij ) + t j t i p i

8 6 CAPITOLO 1. INTRODUZIONE ALLA TEORIA DELLO SCHEDULING Si noti che y ij = 1 (i precede j) { α tj + p j t i (sempre soddisfatto) t j t i + p i mentre y ij = 0 (j precede i) { ti t j + p j α t j + p i t j (sempre soddisfatto) Inoltre, j si ha Quindi l obiettivo è L j = c j d j = t j + p j d j. min L max = min{max{t j + p j d j }} j Tale problema di min / max può essere ricondotto sotto forma di problema di programmazione lineare, introducendo una ulteriore variabile L, come segue: min s.v. L t j + p j d j L j = 1,..., n La formulazione completa del problema è dunque: min L s.v. t j + p j d j L j = 1,..., n αy ij + t i t j p j 1 i < j n α(1 y ij ) + t j t i p i 1 i < j n y ij {0, 1} 1 i < j n t j 0 j = 1,..., n Generalizzazione della regola di Jackson Una generalizzazione del problema 1 L max consiste nel considerare delle funzioni di costo non decrescenti dei tempi di completamento dei job, f j (c j ), e cercare la sequenza che minimizza la funzione f max = max{f j (c j )} j Se, inoltre, si suppongono assegnate delle relazioni di precedenza tra i job, che inducono una relazione d ordine parziale tra i job (j < k il job k non può essere processato se non è stata completata l esecuzione del job j), si ottiene il problema 1 prec f max di cui 1 L max è un caso particolare (relazione di precedenza vuota, f j (c j ) = L j j) Il problema 1 prec f max è risolto dalla seguente semplice regola (Lawler 1973). Regola di Lawler La soluzione ottima del problema 1 prec f max si ottiene sequenziando i job come segue: Fra tutti i job che possono essere sequenziati per ultimi (senza successori in prec ) poni in ultima posizione quel job cui corrisponde il costo minimo, se processato in coda;

9 1.2. SCHEDULING SU SINGOLA MACCHINA 7 ripeti sui rimanenti n 1 job. Dim. Sia N = {1, 2,..., n} l insieme di tutti i job e sia Q N l insieme dei job senza successori. Per ogni S N sia F (S) il massimo costo di completamento nella schedula ottimale per S ossia f (S) = f max (π (S)) = max j S {f j(c j (π (S))} dove π (S) è la sequenza ottimale per i job in S. L ultimo job, in qualunque sequenza, sarà completato all istante P = p 1 + p p n. Se il job l Q è scelto in modo tale che f l (P ) = min j Q f j(p ) allora il valore ottimale di una sequenza soggetta alla condizione che il job l sia fissato in ultima posizione è dato da: max{f (N\{l}), f l (P )} Si vuole provare che tale valore è non peggiore (e cioè, visto che si deve minimizzare f max ) di f (N). Basterà dimostrare che: (1) f (N\{l}) f (N) (2) f l (P ) f (N) (1) Sia π la sequenza ottima sui job N, con tempi di completamento c j = c j(π ), e sia l = [k] in π (il job l è in posizione k-sima). Si rimuova il job l e si compatti, ottenendo la sequenza ˆπ : [1], [2],..., [k 1], [k + 1],..., [n] (la sequenza ˆπ è identica a π nelle prime k 1 posizioni e poi continua con i job che seguivano il job l in π ). Questa è una soluzione ammissibile per il problema sui job N\{l}, con tempi di completamento ĉ j = c j j predecessore di l in π Poichè f j (c j ) è monotona non decrescente j, (j = [i], i k 1) f j (ĉ j ) f j (c j) j N\{l} e quindi anche Se ne deduce che max {f j(ĉ j )} max f j(c j) = f (N) j N\{l} j N f (N\{l}) = min π [ max f j(c j (π)) j N\{l} ] f (N) (2) Per costruzione f l (P ) f k (P ) k Q, e quindi anche f l (P ) f k (P ) se k = [n] in π. Ma f k (P ) f (N) per definizione f l (P ) f (N). Nota: La regola di Lawler, applicata al problema 1 L max, coincide con la regola EDD.

10 8 CAPITOLO 1. INTRODUZIONE ALLA TEORIA DELLO SCHEDULING Esempio Si consideri il semplice caso 1 prec L max con n = 4 dove la relazione di precedenza è: 1 < 3, 1 < 4, 2 < 4 e tempi di processamento e due-date dei quattro job sono i seguenti: p 1 = 8 d 1 = 10 p 2 = 6 d 2 = 12 p 3 = 5 d 3 = 9 p 4 = 3 d 4 = 15 Figura Q = {3, 4} P = p j = 22 L 3 (22) = 22 d 3 = 13 L 4 (22) = 22 d 4 = 7 min{l 3 (P ), L 4 (P )} = min{13, 7} = 7 l = 4 L 4 = 7 Q = {2, 3} P = 22 p 4 = 22 3 = 19 min{l 2 (19) = 19 12, L 3 (19) = 19 9} = min{7, 10} = 7 l = 2 L 2 = 7 Q = {3} P = 19 p 2 = 13 L 3 = 4 π = (1, 3, 2, 4) L = max{l j } = 7 j Nota: ulteriori generalizzazioni del problema 1 f max sono le seguenti: 1 r j f max che è NP-hard (anche senza relazioni di precedenza); 1 premtn, prec, r j f max che può essere risolto, mediante una generalizzazione della regola di Lawler, in tempo polinominale (O(n 2 )).

11 1.2. SCHEDULING SU SINGOLA MACCHINA 9 Si osservi come il consentire l interruzione del processamento dei job in qualunque istante e la ripresa dell esecuzione più tardi, senza alcuna penalità, semplifichi il problema. Nota: la regola di Lawler può essere implementata in modo da ottenere una complessità O(n 2 ), nell ipotesi che il costo della valutazione di f j (c j ) sia unitario j. In tal caso, infatti, il costo dell algoritmo si riduce a determinare il min j Q {f j (P )} per ciascuna iterazione, dove, nel caso peggiore, Q = n alla prima iterazione, poi Q = n 1, Q = n 2 e così via Minimizzazione della somma pesata dei tempi di completamento Si supponga di avere un problema di scheduling su singola macchina in cui, per ogni job, è specificato il tempo di processamento p j ed un peso w j associato al suo tempo di completamento c j. L obiettivo è determinare una sequenza che minimizzi la somma pesata dei tempi di completamento: min w j c j Il problema 1 n w j c j è risolto da un altro risultato classico della teoria dello scheduling, noto come ratio-rule o regola del rapporto, dovuta a Smith (1956). Regola di Smith La soluzione ottima del problema 1 n w j c j si ottiene sequenziando i job in ordine di rapporti p j /w j non decrescenti: p [1] w [1]... p [n] w [n] Dim. Sia π una sequenza che rispetta la regola del rapporto e π una sequenza arbitraria, π π. Allora esistono j e k tali che j precede immediatamente k in π ma p j /w j > p k /w k. Sia π ottenuta da π per scambio di j e k Figura 1.3

12 10 CAPITOLO 1. INTRODUZIONE ALLA TEORIA DELLO SCHEDULING Si ha: c j = c k c k = c j p j = c k p j c k c j = p k (w k c k + w j c j) (w k c k + w j c j ) = w k (c k p j ) + w j c k w k c k w j c j = = w k c k w k p j + w j c k w k c k w j c j = w j (c k c j ) w k p j = = w j p k w k p j < 0 Quindi w j c j < j j w j c j. Poichè π è ottenibile da π con un numero finito di scambi di questo tipo, π è ottimale. Nota: Se w = 1 j = 1, 2,..., n, il problema diventa 1 si riduce a : j c j e la regola di Smith p [1] p [2]... p [n] nota come: SPT o regola Shortest Processing Time. Dimostrazione alternativa della regola SPT Sia c [i] il tempo di completamento del job che è i-esimo nella sequenza. Allora, per ogni sequenza ammissibile si ha: c [1] = p [1] c [2] = c [1] + p [2] = p [1] + p [2]. c [n] = p [1] + p [2] p [n] Quindi c [j] = np [1] + (n 1)p [2] p [n] La funzione obiettivo è una funzione lineare delle incognite p [j] ( 0) con coefficienti positivi strettamente decrescenti: il valore minimo si ottiene facendo corrispondere al coefficente massimo l incognita di valore minimo e ripetendo sui rimanenti addendi. In altri termini la soluzione ottima si ottiene ordinando i job in modo tale che p [1] p [2]... p [n] Nota: Il problema 1 n w j c j è risolubile in tempo O(n log n) Generalizzazioni: 1 r j j c j (e quindi anche 1 r j n w j c j ) è NP-hard;

13 1.2. SCHEDULING SU SINGOLA MACCHINA 11 1 pmtn, r j j c j è risolubile in tempo polinominale con una semplice estensione della regola SPT (sebbene 1 pmtn, r j j w jc j sia NP-hard) Regola di Baker (1974): Poni in prima posizione nella sequenza il job con release-date r j minima (il primo disponibile). In ogni punto di decisione (ogni qualvolta un nuovo job diventa disponibile per il processamento o un job è completato) scegli come successivo, tra quelli disponibili (rispetto a r j ), un job il cui tempo di processamento rimanente è minimo. Esercizio: Dimostrare l ottimalità della soluzione fornita dalla regola di Baker (SRPT,o Shortest Remaining Processing Time ). Una ulteriore generalizzazione del problema 1 j w jc j si ottiene considerando, per ciascun job j = 1,..., n, una data di scadenza, d j ( deadline ). Al contrario delle due-date, le deadlines definiscono vincoli sui tempi di completamento: c j d j j = 1,..., n Il problema che si pone è quello di minimizzare j c j soggetto ai vincoli di deadline: 1 d j j c j (si noti che il problema potrebbe essere inammissibile!) Regola di Smith (1956) La soluzione ottima (se esiste) del problema 1 d j j c j si ottiene applicando la seguente regola: fra tutti i job che potrebbero essere sequenziati per ultimi ( d j n i=1 p i ) metti in ultima posizione quello che ha tempo di processamento massimo; ripeti sui rimanenti n 1 job, e così via. Nota: 1 d j j w jc j è NP-hard Minimizzazione del ritardo Sia d j la due-date del job j. Si definisce tardiness o ritardo del job j rispetto a d j T j = max{0, c j d j } Il problema della minimizzazione del ritardo totale dei job (min j T j) è molto più complicato di quello della minimizzazione di altre funzione dei tempi di completamento c j. 1 j w jt j è noto essere NP-hard; per 1 j T j è noto un algoritmo pseudopolinomiale (con complessità O(n 4 j p j)) e nel 1990 è stato dimostrato che 1 j T j P è NP-hard. Un altro possibile obiettivo legato alla tardiness dei job è: minimizzare il numero di job in ritardo rispetto alle due-date. Sia: { 0 se cj d j = 1,..., n u j (c j ) := j 1 se c j > d j

14 12 CAPITOLO 1. INTRODUZIONE ALLA TEORIA DELLO SCHEDULING Il problema si scrive dunque 1 j u j, ed è ovviamente equivalente a determinare un sottoinsieme S N tale che tutti i job di S possano essere completati in tempo e S è massimale. Una sequenza ottimale allora consiste dei job in S, in ordine EDD, seguiti dai job in N\S in ordine arbitrario (una volta che il job è in ritardo non importa di quanto lo sia!). L algoritmo che segue consente di trovare l insieme S di massima cardinalità: begin ordina i job in modo che d 1 d 2... d n s := 0 P := 0 for j := 1 to n do end begin s := s {j} P := P + p j if P > d j then end begin sia p l = max{p i i S} s := s\{l} P := P p l end Tale algoritmo può essere implementato in modo da avere una complessità O(n log n) Tempi di set-up dipendenti dalla sequenza In molti problemi reali i tempi di processamento non sono indipendenti dalla sequenza, in quanto non possono essere ignorati i tempi di allestimento della macchina stessa ( set-up o change-over ). Più precisamente, sia s jk il tempo necessario per preparare la macchina alla lavorazione del job k, supposto sia stato appena ultimato il processamento del job j. Se si considera p k (j) = p k + s jk, allora chiaramente p k è funzione del job predecessore j. Nel seguito si considereranno separatamente i tempi (costanti) p k e quelli di set-up s jk. I tempi di set-up, supposti dati per ogni coppia j, k, j k (s jj = 0 j) definiscono una matrice S IR n n non simmetrica (s jk s kj ). Si definiscono inoltre, j = 1,..., n s 0j = tempo necessario per preparare la macchina alla lavorazione del job j, se j è il primo della sequenza. s j,n+1 = tempo necessario per riportare la macchina nello stato iniziale dopo il processamento del job j, se j è l ultimo della sequenza. Orlando S con la riga 0 e la colonna n + 1 la matrice avrà dimensione (n + 1) (n + 1). Per problemi di scheduling con tempi di set-up anche la funzione makespan c max diventa significativa perchè dipendente dalla sequenza. Infatti: c max = max 1 j n {c j} = p j + s [i],[i+1] i=0

15 1.3. MACCHINE PARALLELE IDENTICHE E UNIFORMI 13 e min c max min s [i],[i+1] i=0 è facile verificare che il problema 1 seq.dep. c max è NP-hard perchè equivalente ad un problema di commesso viaggiatore. Sia V = {0, 1,..., n} l insieme dei nodi (uno per ogni job + il nodo fittizio 0) e si costruisca il digrafo completo su V con costi sugli archi c jk = s jk j = 0, 1,..., n, k = 1,..., n e c j0 = s j,n+1 j = 1,..., n (nodo n + 1 coincide con il nodo 0). La funzione obiettivo può, quindi, essere espressa come dove, come di consueto x ij = min i c ij x ij j { 1 se il nodo (job) i precede j 0 altrimenti ed il problema diventa quello di determinare il ciclo Hamiltoniano (orientato) di costo minimo. 1.3 Macchine parallele identiche e uniformi Si supponga di dover schedulare n job e che il job j abbia una richiesta di processamento p j (ad es.: p j = numero di operazione del job j); si supponga, inoltre, che ci siano m macchine parallele disponibili. Ogni job può essere lavorato su al più una macchina per volta ed ogni macchina può processare al più un job alla volta. La macchina i processa il job j con velocità v ij (ad es.: v ij = numero di operazione di j nell unità di tempo). Perciò, se il job j è lavorato interamente sulla macchina i, il tempo necessario per il suo processamento è p j /v ij. Si distinguono tre tipi di macchine parallele: (P) Macchine Identiche: tutte le v ij sono uguali. Senza perdita di generalità si può assumere v ij = 1 i, j. (Q) Macchine uniformi: v ij = v ik i, j, k. In altre parole ogni macchina ha una sua velocità v i indipendente dal job. Si assumerà v 1 v 2... v m ; (R) Macchine non correlate: non c è nessuna relazione tra le v ij. Si accennerà brevemente ad alcuni dei problemi più semplici su macchine parallele identiche e uniformi, denotati utilizzando rispettivamennte P e Q nel primo campo della usuale notazione. Si tratta in generale di problemi complessi (P 2 c max, cioè un problema (P) con m = 2 e funzione obiettivo c max, è NP-hard) in cui la possibilità di interruzione semplifica spesso, sensibilmente, problemi e algoritmi risolutivi. Il problema P j c j è molto semplice e risolubile mediante la seguente regola (Conway e altri, 1967) in tempo polinomiale: Ordina i job in modo tale che p 1 p 2... p n ;

16 14 CAPITOLO 1. INTRODUZIONE ALLA TEORIA DELLO SCHEDULING Una volta schedulati i job 1, 2,..., j trova la macchina per prima disponibile ed assegna il job j + 1 a quella macchina (completando j + 1 il più presto possibile). Questo approccio greedy è una variante della regola SPT e fornisce una schedula come quella rappresentata mediante il seguente diagramma di Gant: Figura 1.4 La regola può essere giustificata considerando i job da processare su una singola macchina. Per tali job c j = kp [1] + (k 1)p [2] p [k 1] + p [k] j Considerando tutte le m macchine è evidente che sono disponibili mn coefficienti (m uni, m volte 2,... ecc) e che gli n più piccoli di tali coefficenti devono essere assegnati agli n job con coefficenti minimi corrispondenti a p j massimi (esattamente come nella dimostrazione di ottimalità della SPT). Un discorso analogo vale per il problema Q j c j; questa volta, però, se i job 1, 2,..., k sono processati sulla macchina i, si ottiene: c j = k p v [1] + j i (k 1) p v [2] p i v [k 1] + 1 p i v [k] i Quindi è necessario assegnare i job con tempo di processamento più grande ai coefficenti k v i più piccoli: ciò può essere fatto in tempo polinomiale (O(nlogn))) da un algoritmo di Horowitz e Sahni (1976). Un problema interessante è quello di schedulare i job su m macchine parallele e identiche, consentendo la preemption, in modo da minimizzare il makespan: P pmtn c max, dove c max = max 1 j n {c j }; in questo caso può anche essere intepretato come l istante in cui tutte le macchine hanno completato il proprio lavoro. Grazie al meccanismo dell interruzione, ogni job può essere processato su più macchine, purchè non simultaneamente: in altri termini il job j potrebbe iniziare il suo processamento sulla macchina i per continuare, più tardi, sulla stessa o su qualunque altra macchina, eventualmente con ulteriori interruzioni. Sia allora x ij = la frazione di job j processata sulla macchina i, j = 1,..., n

17 1.3. MACCHINE PARALLELE IDENTICHE E UNIFORMI 15 Le variabili x ij devono soddisfare il vincolo m x ij = 1 i=1 j = 1,..., n (ogni job deve essere interamente processato). Con questa definizione delle variabili, il tempo totale di lavoro della i-sima macchina si esprime come K i = p j x ij ed il problema diventa s.v. min c max p j x ij c max i = 1,..., m m x ij = 1 j = 1,..., n i=1 x ij 0 Si noti che, se la preemption non fosse consentita, il problema potrebbe essere formulato in maniera analoga, ma con { 1 se il job j è assegnato alla macchina i x ij = 0 altrimenti quindi con variabili binarie, ed il vincolo m i=1 x ij = 1 esprimerebbe il fatto che ogni job può essere processato da una sola macchina. I vincoli, in questo caso, sarebbero analoghi a quelli di un problema di assegnamento generalizzato, così detto perchè più job possono essere assegnati ad una stessa macchina, come risulta dal primo gruppo di vincoli, e non c è più corrispondenza 1:1 come nel problema di assegnamento classico. Il problema di assegnamento generalizzato è NP-hard, ed è possibile dimostrare che anche P c max è NP-hard, mentre, grazie alla preemption, P pmtn c max è polinomiale e coincide con il rilassato del problema P c max, ottenuto eliminando il vincolo di interezza (binarietà) sulle variabili. Con riferimento al problema di Programmazione Lineare (quindi senza i vincoli di binarietà) sopra formulato, si dimostra facilmente che( la soluzione ammissibile (x, c max), con x ij = 1/m, per ogni i e per ogni j, e c max = 1 n ) m p j è anche ottima. Infatti, se così non fosse, esisterebbe una soluzione ( x, c max ) ammissibile tale che c max < c max. Poichè c max soddisfa il primo gruppo di vincoli, si ha: e quindi c max p j x ij i = 1,..., m. c max > p j x ij i = 1,..., m. Sommando sull indice i e tenendo conto del secondo gruppo di vincoli, si ottiene:

18 16 CAPITOLO 1. INTRODUZIONE ALLA TEORIA DELLO SCHEDULING mc max > p j, cioè c max > 1 p j, m ( che contraddice il fatto che c max = 1 n ) m p j. Sebbene la soluzione (x, c max) sia una soluzione ottima per il problema di Programmazione Lineare sopra formulato, essa potrebbe non essere ammissibile per il problema reale; ciò avviene se esiste qualche job il cui tempo di processamento è molto più grande degli altri, e precisamente se max 1 j m {p j} > 1 m p j (si consideri, ad esempio, il caso n = 2, p 1 = 100, p 2 = 10 ed m = 2: il makespan non può essere inferiore a p 1 = 100). Pertanto, ponendo p := 1 p j, vale sempre m c max max{max{p j }, p} = c max. j Quindi, dopo aver calcolato c max = max{max{p j }, p}, il problema può essere risolto applicando la seguente regola (Mc Naughton, j 1959): Immagina di processare, senza interruzione, tutti i job su una singola macchina in qualsiasi ordine; taglia lo scheduling della singola macchina in piú parti. La prima parte costituisce l intervallo [0, c max], la seconda parte l intervallo [c max, 2c max], la terza parte [2c max, 3c max], e cosí via; assegna il primo intervallo alla prima macchina, il secondo intervallo alla seconda macchina, il terzo intervallo alla terza macchina, e cosí via. Figura 1.5 La procedura richiede tempo O(n) e genera al più m 1 interruzioni.

19 1.4. FLOW SHOP SU DUE MACCHINE Flow Shop su due macchine Eccetuato il caso delle macchine parallele che, a parte l eventuale diversa velocità, sono da condiderarsi equivalenti (ogni job può essere indifferentemente processato su ciascuna di esse), in tutti gli altri problemi di scheduling su m macchine, le macchine sono diverse fra di loro, e cioè in grado di effettuare un determinato tipo di lavorazione e non altri. Pertanto ogni job sarà costituito da più operazioni (al massimo m), ciascuna richiedente il processamento su una ben precisa macchina dello shop. Dovranno perciò essere assegnate j = 1,..., n, i = 1,..., m p ij = tempo di processamento del job j sulla macchina i (p ij 0). Il processo di flusso dei job attraverso le macchine consente di distinguere tre classi di problemi (in ordine di difficoltà crescente) Flow shop : tutti i job seguono la stessa sequenza di lavorazione sulle macchine Job shop : ogni job ha una propria sequenza di lavorazione (o relazione di precedenza sulle proprie operazioni). Open shop : per ogni job le operazioni possono essere processate in qualunque ordine. Il problema più semplice in questo contesto è un flow-shop su m = 2 macchine. Si assuma, senza perdita di generalità, che gli n job debbano essere processati prima sulla macchina 1 e poi sulla macchina 2 e di voler determinare la schedula che minimizza il makespan. Il problema F 2 c max può essere risolto con la seguente procedura di Johnson: calcola min{p ij j = 1,..., n, i = 1, 2 } = p i j se i = 1 assegna il job j al primo posto disponibile nella sequenza; se i = 2 assegna il job j all ultimo posto disponibile nella sequenza; rimuovi il job j dalla lista dei job da sequenziare e ripeti sui rimanenti n 1 job. Una giustificazione intuitiva della validità della regola di Johnson è la seguente: sia p [k]i il tempo di processamento sulla macchina i del job che è k-simo nella sequenza, per i = 1, 2. Figura 1.6

20 18 CAPITOLO 1. INTRODUZIONE ALLA TEORIA DELLO SCHEDULING L ultimo job non può essere completato prima del tempo necessario per processare tutti i job sulla macchina 1 più il tempo di processamento dell ultimo job sulla macchina 2: c max p [j]1 + p [n]2 D altro canto l ultimo job non può essere ultimato prima del tempo richiesto per processare tutti i job sulla macchina 2 più il tempo di attesa prima che la macchina 2 possa iniziare: c max p [j]2 + p [1]1 Le due sommatorie nei lower-bounds su c max sono indipendenti dalla sequenza; se il minimo dei tempi di processamento si realizza sulla macchina 1, porre il job j in prima posizione nella sequenza (j = [1]) consente di minimizzare p [1]1, mentre se si realizza sulla macchina 2 porre j = [n] minimizzerà p [n]2.

Parte 2. Determinante e matrice inversa

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

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi

Dettagli

Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova. Metodi per supportare le decisioni relative alla gestione di progetti

Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova. Metodi per supportare le decisioni relative alla gestione di progetti Project Management Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova Project Management 2 Metodi per supportare le decisioni relative alla gestione di progetti esempi sono progetti nell

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

2 Formulazione dello shortest path come problema di flusso

2 Formulazione dello shortest path come problema di flusso Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può

Dettagli

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 1.1 Che cos è un algoritmo CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 Gli algoritmi sono metodi per la soluzione di problemi. Possiamo caratterizzare un problema mediante i dati di cui si dispone all inizio

Dettagli

Rappresentazione dei numeri in un calcolatore

Rappresentazione dei numeri in un calcolatore Corso di Calcolatori Elettronici I A.A. 2010-2011 Rappresentazione dei numeri in un calcolatore Lezione 2 Università degli Studi di Napoli Federico II Facoltà di Ingegneria Rappresentazione dei numeri

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

Gli uni e gli altri. Strategie in contesti di massa

Gli uni e gli altri. Strategie in contesti di massa Gli uni e gli altri. Strategie in contesti di massa Alessio Porretta Universita di Roma Tor Vergata Gli elementi tipici di un gioco: -un numero di agenti (o giocatori): 1,..., N -Un insieme di strategie

Dettagli

Esercizi su lineare indipendenza e generatori

Esercizi su lineare indipendenza e generatori Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v

Dettagli

Matematica B - a.a 2006/07 p. 1

Matematica B - a.a 2006/07 p. 1 Matematica B - a.a 2006/07 p. 1 Definizione 1. Un sistema lineare di m equazioni in n incognite, in forma normale, è del tipo a 11 x 1 + + a 1n x n = b 1 a 21 x 1 + + a 2n x n = b 2 (1) = a m1 x 1 + +

Dettagli

Seconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12

Seconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12 A / A / Seconda Prova di Ricerca Operativa Cognome Nome Numero Matricola Nota: LA RISOLUZIONE CORRETTA DEGLI ESERCIZI CONTRADDISTINTI DA UN ASTERISCO È CONDIZIONE NECESSARIA PER IL RAGGIUNGIMENTO DELLA

Dettagli

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1 UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA Filippo Romano 1 1. Introduzione 2. Analisi Multicriteri o Multiobiettivi 2.1 Formule per l attribuzione del

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

SISTEMI LINEARI QUADRATI: METODI ITERATIVI

SISTEMI LINEARI QUADRATI: METODI ITERATIVI SISTEMI LINEARI QUADRATI: METODI ITERATIVI CALCOLO NUMERICO e PROGRAMMAZIONE SISTEMI LINEARI QUADRATI:METODI ITERATIVI p./54 RICHIAMI di ALGEBRA LINEARE DEFINIZIONI A R n n simmetrica se A = A T ; A C

Dettagli

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione.

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione. Grafi ed Alberi Pag. /26 Grafi ed Alberi In questo capitolo richiameremo i principali concetti di due ADT che ricorreranno puntualmente nel corso della nostra trattazione: i grafi e gli alberi. Naturale

Dettagli

Esercizi sull Association Analysis

Esercizi sull Association Analysis Data Mining: Esercizi sull Association Analysis 1 Esercizi sull Association Analysis 1. Si consideri il mining di association rule da un dataset T di transazioni, rispetto a delle soglie minsup e minconf.

Dettagli

A i è un aperto in E. i=1

A i è un aperto in E. i=1 Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

Dettagli

IL PROBLEMA DELLO SHORTEST SPANNING TREE

IL PROBLEMA DELLO SHORTEST SPANNING TREE IL PROBLEMA DELLO SHORTEST SPANNING TREE n. 1 - Formulazione del problema Consideriamo il seguente problema: Abbiamo un certo numero di città a cui deve essere fornito un servizio, quale può essere l energia

Dettagli

TEORIA DELL UTILITÀ E DECISION PROCESS

TEORIA DELL UTILITÀ E DECISION PROCESS TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge

Dettagli

Metodi risolutivi per le disequazioni algebriche

Metodi risolutivi per le disequazioni algebriche Metodi risolutivi per le disequazioni algebriche v.scudero Una disequazioni algebrica si presenta in una delle quattro forme seguenti: () P( () P( (3) P( () P( essendo P( un polinomio in. Noi studieremo

Dettagli

Minimizzazione di Reti Logiche Combinatorie Multi-livello

Minimizzazione di Reti Logiche Combinatorie Multi-livello Minimizzazione di Reti Logiche Combinatorie Multi-livello Maurizio Palesi Maurizio Palesi 1 Introduzione Obiettivo della sintesi logica: ottimizzazione delle cifre di merito area e prestazioni Prestazioni:

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

Dipendenza dai dati iniziali

Dipendenza dai dati iniziali Dipendenza dai dati iniziali Dopo aver studiato il problema dell esistenza e unicità delle soluzioni dei problemi di Cauchy, il passo successivo è vedere come le traiettorie di queste ultime dipendono

Dettagli

Il problema del massimo flusso. Preflow-push e augmenting path: un approccio unificante

Il problema del massimo flusso. Preflow-push e augmenting path: un approccio unificante Introduzione Il problema del massimo flusso. Preflow-push e augmenting path: un approccio unificante Il problema del massimo flusso è uno dei fondamentali problemi nell ottimizzazione su rete. Esso è presente

Dettagli

Ricerca non informata in uno spazio di stati

Ricerca non informata in uno spazio di stati Università di Bergamo Facoltà di Ingegneria Intelligenza Artificiale Paolo Salvaneschi A5_2 V2.4 Ricerca non informata in uno spazio di stati Il contenuto del documento è liberamente utilizzabile dagli

Dettagli

Modelli di Sistemi di Produzione

Modelli di Sistemi di Produzione Modelli di Sistemi di Produzione 2 Indice 1 I sistemi di produzione 1 1.1 Generalità............................. 1 1.2 I principi dei sistemi manifatturieri............... 4 1.3 Descrizione dei principali

Dettagli

RAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997

RAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997 1 RAPPRESENTAZIONE BINARIA DEI NUMERI Andrea Bobbio Anno Accademico 1996-1997 Numeri Binari 2 Sistemi di Numerazione Il valore di un numero può essere espresso con diverse rappresentazioni. non posizionali:

Dettagli

10. Insiemi non misurabili secondo Lebesgue.

10. Insiemi non misurabili secondo Lebesgue. 10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

Numeri reali. Funzioni e loro grafici

Numeri reali. Funzioni e loro grafici Argomento Numeri reali. Funzioni e loro grafici Parte B - Funzioni e loro grafici Funzioni reali di variabile reale Definizioni. Supponiamo che A sia un sottoinsieme di R e che esista una legge che ad

Dettagli

Appunti di Logica Matematica

Appunti di Logica Matematica Appunti di Logica Matematica Francesco Bottacin 1 Logica Proposizionale Una proposizione è un affermazione che esprime un valore di verità, cioè una affermazione che è VERA oppure FALSA. Ad esempio: 5

Dettagli

1. Intorni di un punto. Punti di accumulazione.

1. Intorni di un punto. Punti di accumulazione. 1. Intorni di un punto. Punti di accumulazione. 1.1. Intorni circolari. Assumiamo come distanza di due numeri reali x e y il numero non negativo x y (che, come sappiamo, esprime la distanza tra i punti

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

Middleware Laboratory. Dai sistemi concorrenti ai sistemi distribuiti

Middleware Laboratory. Dai sistemi concorrenti ai sistemi distribuiti Dai sistemi concorrenti ai sistemi distribuiti Problemi nei sistemi concorrenti e distribuiti I sistemi concorrenti e distribuiti hanno in comune l ovvio problema di coordinare le varie attività dei differenti

Dettagli

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1 LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,

Dettagli

LIVELLO STRATEGICO E TATTICO

LIVELLO STRATEGICO E TATTICO Corso di Laurea Triennale in INGEGNERIA GESTIONALE Anno Accademico 2012/13 Prof. Davide GIGLIO 1 ESEMPI DI PROBLEMI DECISIONALI LIVELLO STRATEGICO Capacity growth planning LIVELLO TATTICO Aggregate planning

Dettagli

Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto

Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto Il presente capitolo continua nell esposizione di alcune basi teoriche della manutenzione. In particolare si tratteranno

Dettagli

METODO DELLE FORZE 1. METODO DELLE FORZE PER LA SOLUZIONE DI STRUTTURE IPERSTATICHE. 1.1 Introduzione

METODO DELLE FORZE 1. METODO DELLE FORZE PER LA SOLUZIONE DI STRUTTURE IPERSTATICHE. 1.1 Introduzione METODO DELLE FORZE CORSO DI PROGETTZIONE STRUTTURLE a.a. 010/011 Prof. G. Salerno ppunti elaborati da rch. C. Provenzano 1. METODO DELLE FORZE PER L SOLUZIONE DI STRUTTURE IPERSTTICHE 1.1 Introduzione

Dettagli

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 CONTROLLI DIGITALI Laurea Magistrale in Ingegneria Meccatronica SISTEMI A TEMPO DISCRETO Ing. Tel. 0522 522235 e-mail: cristian.secchi@unimore.it http://www.dismi.unimo.it/members/csecchi Richiami di Controlli

Dettagli

Esame di Ricerca Operativa del 20/12/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 20/12/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del 0// (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x + x x +x x x x x x x 0 x x

Dettagli

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

DESMATRON TEORIA DEI GRAFI

DESMATRON TEORIA DEI GRAFI DESMATRON TEORIA DEI GRAFI 0 Teoria dei Grafi Author: Desmatron Release 1.0.0 Date of Release: October 28, 2004 Author website: http://desmatron.altervista.org Book website: http://desmatron.altervista.org/teoria_dei_grafi/index.php

Dettagli

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1 DIAGRAMMI A BLOCCHI TEORIA ED ESERCIZI 1 1 Il linguaggio dei diagrammi a blocchi è un possibile formalismo per la descrizione di algoritmi Il diagramma a blocchi, o flowchart, è una rappresentazione grafica

Dettagli

Gli algoritmi. Gli algoritmi. Analisi e programmazione

Gli algoritmi. Gli algoritmi. Analisi e programmazione Gli algoritmi Analisi e programmazione Gli algoritmi Proprietà ed esempi Costanti e variabili, assegnazione, istruzioni, proposizioni e predicati Vettori e matrici I diagrammi a blocchi Analisi strutturata

Dettagli

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE Sia I un intervallo di R e siano a = inf(i) R { } e b = sup(i) R {+ }; i punti di I diversi dagli estremi a e b, ( e quindi appartenenti all intervallo aperto

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli

Alberi binari. Ilaria Castelli castelli@dii.unisi.it A.A. 2009/2010. Università degli Studi di Siena Dipartimento di Ingegneria dell Informazione

Alberi binari. Ilaria Castelli castelli@dii.unisi.it A.A. 2009/2010. Università degli Studi di Siena Dipartimento di Ingegneria dell Informazione Alberi binari Ilaria Castelli castelli@dii.unisi.it Università degli Studi di Siena Dipartimento di Ingegneria dell Informazione A.A. 2009/2010 I. Castelli Alberi binari, A.A. 2009/2010 1/20 Alberi binari

Dettagli

ED. Equazioni cardinali della dinamica

ED. Equazioni cardinali della dinamica ED. Equazioni cardinali della dinamica Dinamica dei sistemi La dinamica dei sistemi di punti materiali si può trattare, rispetto ad un osservatore inerziale, scrivendo l equazione fondamentale della dinamica

Dettagli

Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali.

Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. CAPITOLO 7 Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. Esercizio 7.1. Determinare il rango delle seguenti matrici al variare del parametro t R. 1 4 2 1 4 2 A 1 = 0 t+1 1 A 2 = 0 t+1 1

Dettagli

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni. MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

Dettagli

Esponenziali elogaritmi

Esponenziali elogaritmi Esponenziali elogaritmi Potenze ad esponente reale Ricordiamo che per un qualsiasi numero razionale m n prendere n>0) si pone a m n = n a m (in cui si può sempre a patto che a sia un numero reale positivo.

Dettagli

I Numeri Complessi. Si verifica facilmente che, per l operazione di somma in definita dalla (1), valgono le seguenti

I Numeri Complessi. Si verifica facilmente che, per l operazione di somma in definita dalla (1), valgono le seguenti Y T T I Numeri Complessi Operazioni di somma e prodotto su Consideriamo, insieme delle coppie ordinate di numeri reali, per cui si ha!"# $&% '( e )("+* Introduciamo in tale insieme una operazione di somma,/0"#123045"#

Dettagli

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

Esercizi Capitolo 5 - Alberi

Esercizi Capitolo 5 - Alberi Esercizi Capitolo 5 - Alberi Alberto Montresor 19 Agosto, 2014 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile saltare alle

Dettagli

1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc.

1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. Classi Numeriche 1 1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. In questo breve capitolo richiamiamo le definizioni delle classi numeriche fondamentali, già note al lettore,

Dettagli

Convessità e derivabilità

Convessità e derivabilità Convessità e derivabilità Definizione 1 (convessità per funzioni derivabili) Sia f : (a, b) R derivabile su (a, b). Diremo che f è convessa o concava su (a, b) se per ogni 0 (a,b) il grafico di f sta tutto

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

Travature reticolari piane : esercizi svolti De Domenico D., Fuschi P., Pisano A., Sofi A.

Travature reticolari piane : esercizi svolti De Domenico D., Fuschi P., Pisano A., Sofi A. Travature reticolari piane : esercizi svolti e omenico., Fuschi., isano., Sofi. SRZO n. ata la travatura reticolare piana triangolata semplice illustrata in Figura, determinare gli sforzi normali nelle

Dettagli

Esame di Ricerca Operativa del 18/12/12. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 18/12/12. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del 8// (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x x x x x + x x x + x 8 x Base

Dettagli

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2 NLP -OPT 1 CONDIZION DI OTTIMO [ Come ricavare le condizioni di ottimo. ] Si suppone x* sia punto di ottimo (minimo) per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J la condizione

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

LEZIONE 17. B : kn k m.

LEZIONE 17. B : kn k m. LEZIONE 17 17.1. Isomorfismi tra spazi vettoriali finitamente generati. Applichiamo quanto visto nella lezione precedente ad isomorfismi fra spazi vettoriali di dimensione finita. Proposizione 17.1.1.

Dettagli

Particelle identiche : schema (per uno studio più dettagliato vedi lezione 2) φ 1

Particelle identiche : schema (per uno studio più dettagliato vedi lezione 2) φ 1 Particelle identiche : schema (per uno studio più dettagliato vedi lezione ) Funzioni d onda di un sistema composto Sistema costituito da due particelle (eventualmente identiche) H φ q H φ H ψ φ φ stato

Dettagli

Linguaggi. Claudio Sacerdoti Coen 11/04/2011. 18: Semantica della logica del prim ordine. Universitá di Bologna

Linguaggi. Claudio Sacerdoti Coen 11/04/2011. 18: Semantica della logica del prim ordine. <sacerdot@cs.unibo.it> Universitá di Bologna Linguaggi 18: Semantica della logica del prim ordine Universitá di Bologna 11/04/2011 Outline Semantica della logica del prim ordine 1 Semantica della logica del prim ordine Semantica

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

Approssimazione polinomiale di funzioni e dati

Approssimazione polinomiale di funzioni e dati Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell

Dettagli

Dispense del Corso di Algoritmi e Strutture Dati

Dispense del Corso di Algoritmi e Strutture Dati Dispense del Corso di Algoritmi e Strutture Dati Marco Bernardo Edoardo Bontà Università degli Studi di Urbino Carlo Bo Facoltà di Scienze e Tecnologie Corso di Laurea in Informatica Applicata Versione

Dettagli

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys.

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys. METODO DEI MINIMI QUADRATI GIUSEPPE GIUDICE Sommario Il metodo dei minimi quadrati è trattato in tutti i testi di statistica e di elaborazione dei dati sperimentali, ma non sempre col rigore necessario

Dettagli

AA 2006-07 LA RICORSIONE

AA 2006-07 LA RICORSIONE PROGRAMMAZIONE AA 2006-07 LA RICORSIONE AA 2006-07 Prof.ssa A. Lanza - DIB 1/18 LA RICORSIONE Il concetto di ricorsione nasce dalla matematica Una funzione matematica è definita ricorsivamente quando nella

Dettagli

Studente: SANTORO MC. Matricola : 528

Studente: SANTORO MC. Matricola : 528 CORSO di LAUREA in INFORMATICA Corso di CALCOLO NUMERICO a.a. 2004-05 Studente: SANTORO MC. Matricola : 528 PROGETTO PER L ESAME 1. Sviluppare una versione dell algoritmo di Gauss per sistemi con matrice

Dettagli

Teoria quantistica della conduzione nei solidi e modello a bande

Teoria quantistica della conduzione nei solidi e modello a bande Teoria quantistica della conduzione nei solidi e modello a bande Obiettivi - Descrivere il comportamento quantistico di un elettrone in un cristallo unidimensionale - Spiegare l origine delle bande di

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

La funzione è continua nel suo dominio perchè y = f(x) è composizione di funzioni continue. Il punto x = 0 è un punto isolato per D f.

La funzione è continua nel suo dominio perchè y = f(x) è composizione di funzioni continue. Il punto x = 0 è un punto isolato per D f. FUNZIONI CONTINUE - ALCUNI ESERCIZI SVOLTI SIMONE ALGHISI 1. Continuità di una funzione Dati un insieme D R, una funzione f : D R e x 0 R, si è detto che f è continua in x 0 se sono soddisfatte le seguenti

Dettagli

Tipologie di pianificatori. Pianificazione. Partial Order Planning. E compiti diversi. Pianificazione gerarchica. Approcci integrati

Tipologie di pianificatori. Pianificazione. Partial Order Planning. E compiti diversi. Pianificazione gerarchica. Approcci integrati Tipologie di pianificatori Pianificazione Intelligenza Artificiale e Agenti II modulo Pianificazione a ordinamento parziale (POP) (HTN) pianificazione logica (SatPlan) Pianificazione come ricerca su grafi

Dettagli

Esistenza di funzioni continue non differenziabili in alcun punto

Esistenza di funzioni continue non differenziabili in alcun punto UNIVERSITÀ DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA IN MATEMATICA Esistenza di funzioni continue non differenziabili in alcun punto Relatore Prof. Andrea

Dettagli

I numeri reali. Note per il corso di Analisi Matematica 1. G. Mauceri. a.a. 2003-04

I numeri reali. Note per il corso di Analisi Matematica 1. G. Mauceri. a.a. 2003-04 I numeri reali Note per il corso di Analisi Matematica 1 G. Mauceri a.a. 2003-04 2 I numeri reali Contents 1 Introduzione 3 2 Gli assiomi di campo 3 3 Gli assiomi dell ordine 4 4 Valore assoluto 5 5 I

Dettagli

IL GIOCO DEL 15. OVVERO: 1000$ PER SPOSTARE DUE BLOCCHETTI

IL GIOCO DEL 15. OVVERO: 1000$ PER SPOSTARE DUE BLOCCHETTI IL GIOCO DEL. OVVERO: 000$ PER SPOSTARE DUE BLOCCHETTI EMANUELE DELUCCHI, GIOVANNI GAIFFI, LUDOVICO PERNAZZA Molti fra i lettori si saranno divertiti a giocare al gioco del, uno dei più celebri fra i giochi

Dettagli

Autori: M. Di Ianni, A. Panepuccia

Autori: M. Di Ianni, A. Panepuccia AR Analisi di Reti 2010/2011 M.Di Ianni Assegnazioni di ruoli Autori: M. Di Ianni, A. Panepuccia In questa dispensa verrà trattato il problema dell assegnazione dei ruoli in un grafo. Tale problema è stato

Dettagli

Breve introduzione al metodo del Analytic Hierarchy Process (AHP)

Breve introduzione al metodo del Analytic Hierarchy Process (AHP) Breve introduzione al metodo del Analytic Hierarchy Process (AHP) Massimo Paolucci (paolucci@dist.unige.it) DIST Università di Genova 2 Il metodo SAW costruisce un peso con cui valutare le alternative

Dettagli

PRESENTAZIONE DEL CAPITOLO SULLE EQUAZIONI E DISEQUAZIONI IRRAZIONALI O COL VALORE ASSOLUTO

PRESENTAZIONE DEL CAPITOLO SULLE EQUAZIONI E DISEQUAZIONI IRRAZIONALI O COL VALORE ASSOLUTO 9 PRESENTAZIONE DEL CAPITOLO SULLE EQUAZIONI E DISEQUAZIONI IRRAZIONALI O COL VALORE ASSOLUTO Il capitolo che sta per iniziare presenta alcuni argomenti dall aspetto un po arido. Tuttavia, nelle facoltà

Dettagli

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA 1. RICHIAMI SULLE PROPRIETÀ DEI NUMERI NATURALI Ho mostrato in un altra dispensa come ricavare a partire dagli assiomi di

Dettagli

OIC 23 - Lavori in corso su ordinazione

OIC 23 - Lavori in corso su ordinazione Luca Bilancini (Commercialista, Pubblicista, coordinatore scientifico MAP) OIC 23 - Lavori in corso su ordinazione 1 OIC 23 - Principali novità Non ci sono più i paragrafi relativi alle commesse in valuta

Dettagli

QUADERNI DI DIDATTICA

QUADERNI DI DIDATTICA Department of Applied Mathematics, University of Venice QUADERNI DI DIDATTICA Tatiana Bassetto, Marco Corazza, Riccardo Gusso, Martina Nardon Esercizi sulle funzioni di più variabili reali con applicazioni

Dettagli

MATRICI E DETERMINANTI

MATRICI E DETERMINANTI MATRICI E DETERMINANTI 1. MATRICI Si ha la seguente Definizione 1: Un insieme di numeri, reali o complessi, ordinati secondo righe e colonne è detto matrice di ordine m x n, ove m è il numero delle righe

Dettagli

TIPOLOGIE DI PROCESSI PRODUTTIVI E CONTROLLO DI GESTIONE PRODUZIONE SU COMMESSA PRODUZIONE SU MODELLO PRODUZIONE A FLUSSO CONTINUO

TIPOLOGIE DI PROCESSI PRODUTTIVI E CONTROLLO DI GESTIONE PRODUZIONE SU COMMESSA PRODUZIONE SU MODELLO PRODUZIONE A FLUSSO CONTINUO TIPOLOGIE DI PROCESSI PRODUTTIVI E CONTROLLO DI GESTIONE PRODUZIONE SU COMMESSA PRODUZIONE SU MODELLO PRODUZIONE A FLUSSO CONTINUO 1 PRODUZIONE SU COMMESSA CARATTERISTICHE DELL ATTIVITA : - ORIGINA DAL

Dettagli

Anello commutativo. Un anello è commutativo se il prodotto è commutativo.

Anello commutativo. Un anello è commutativo se il prodotto è commutativo. Anello. Un anello (A, +, ) è un insieme A con due operazioni + e, dette somma e prodotto, tali che (A, +) è un gruppo abeliano, (A, ) è un monoide, e valgono le proprietà di distributività (a destra e

Dettagli

Problema n. 1: CURVA NORD

Problema n. 1: CURVA NORD Problema n. 1: CURVA NORD Sei il responsabile della gestione del settore Curva Nord dell impianto sportivo della tua città e devi organizzare tutti i servizi relativi all ingresso e all uscita degli spettatori,

Dettagli

4. Operazioni elementari per righe e colonne

4. Operazioni elementari per righe e colonne 4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:

Dettagli