2 Formulazione dello shortest path come problema di flusso
|
|
- Franca Novelli
- 8 anni fa
- Visualizzazioni
Transcript
1 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 daremo una caratterizzazione delle funzioni di scelta sociale implementabili in maniera compatibile agli incentivi. Considereremo inoltre la classe dei domini one-parameter e proveremo che per questa classe la condizione WMON è sufficiente a garantire l implementabilità della funzione di scelta sociale. 1 Introduzione In questa lezione faremo vedere che il problema dell implementabilità di una funzione di scelta sociale può essere ridotto al problema del calcolo di percorsi minimi su un insieme di grafi costruiti a partire dalla funzione di scelta sociale e dei domini dei singoli giocatori. 2 Formulazione dello shortest path come problema di flusso Proviamo a descrivere il problema dello shortest path in un grafo in termini di un problema di network flow. Definition 1 (Shortest Path) Sia G = (V, E) un grafo diretto con peso sugli archi c ij vogliamo determinare il cammino minimo che collega due vertici del grafo s e t V. Siano x ij la quantità di flusso passante sull arco orientato (i, j) e b i la quantità di flusso richiesta dal nodo i, valgono le seguenti equazioni di conservazione del flusso: per il vertice sorgente e(j,s) E x js e(s,j) E x sj = b s per il vertice destinazione x jt e(j,t) E e(t,j) E x tj = b d = b s vertice i con i s e i t e(j,t) E x jt e(t,j) E x tj = 0 (i, j) E, 0 x ij 1 1
2 2 Lecture 20: Cycle Monotonicity Tali equazioni possono essere riscritte in forma matriciale come N x = b 0 x 1 dove la matrice N ha una colonna per ogni arco (i, j) E e una riga per ogni nodo i V. La colonna (i, j) ha 0 per tutte le righe k i, j; -1 nella riga i; 1 nella riga j. nodi (i,2)... (i,j)... (n-1,n) i j n Poichè ogni colonna ha solo due elementi non nulli e opposti tra loro, sommando tutte le le righe abbiamo che b i = 0 = b s = b t i Notiamo che ogni equazione del sistema è ricavabile dalle altre e quindi una delle equazioni pu o essere eliminata. Se ad ogni flusso associamo un costo, possiamo definire il problema dello shortest path come il problema di determinare il miglior flusso ammissibile rispetto a tale costo. In particolare, lo shortest path è riscrivibile come problema di programmazione lineare min ij c ij x ij N x = b s,t 0 x 1 dove b s,t è un vettore con tutti gli elementi nulli tranne gli elementi in posizione s e t che avranno valori rispettivamente uguali a -1 e 1. Poichè tutti i coefficienti c s,t e b i sono interi, allora ogni vertice del politopo definito dal problema è intero e definisce un percorso. Il nostro problema è, quindi, riconducibile al problema di trovare il vertice ottimale del politopo. D altra parte, ogni flusso ammissibile può essere decomposto in flussi indipendenti su percorsi e cicli. Se esistesse un ciclo negativo nel grafo allora non sarebbe possibile definire lo shortest path. Theorem 2 Dato un grafo G = (V, E) con sorgente s e destinazione t, esiste uno shortest path s t se e solo se non esistono cicli negativi in G.
3 Lecture 20: Cycle Monotonicity 3 Consideriamo il duale del problema dello shortest path max y t y s y N C Questo problema ha un vincolo per ogni arco del grafo del tipo y i y j c ij con (i, j) E. Dato che uno dei vincoli del problema duale è ridondante, possiamo azzerare una delle y i (ad esempio y s = 0) e il nostro problema diventa max y t y N C Possiamo usare questo problema duale per verificare l ammissibilità dell insieme di disequazioni del sistema lineare dello shortest path: dati V = (1,..., n) un insieme di archi del grafo E = {(i, j) : i, j V } una funzione di peso sugli archi w : E R costruiamo la rete (V, E) dove w ij è il peso dell arco (i, j) Esiste un x = (x 1... x n ) che soddisfa questi vincoli se e solo se la rete associata non contiene cicli negativi. Una possibile soluzione è data prendendo un arbitrario nodo s e calcolando lo shortes path da questo nodo a tutti gli altri(x j = lunghi shortest path da s a j). Consideriamo la funzione di scelta sociale f : T 1 T 2... T n A p i : T 1 T 2... T n R la f è implementabile con strategia dominante se e solo se i, t i v i (f(t, t i ), t) p i (t, t i ) v i (f(s, t i ), t) p i (s, t i ) p i (t, t i ) p i (s, t i ) v i (f(t, t i ), t) v i (f(s, t i ), t) Fissati i e t i costruiamo il grafo T g (V, E) dove l insieme di vertici è V = T i l insieme degli archi E = T i T i il peso dell arco orientato (s, t) E è w i = v i (f(t, t i), t) v i (f(s, t i, t)) Dai risultati precedenti sappiamo che le equazioni del sistema lineare ammettono soluzioni se e solo se il grafo T g non ha cicli negativi e le p i che soddisfano le equazioni possono essere trovate calcolando gli shortest path a partire da un nodo arbitrario. Theorem 3 (Teorema di Rochet) Il grafo T g ha un nodo per ogni tipo e tipicamente T i è finito. Possiamo costruirci un grafo T g (V, E) dove V = A che contiene un nodo per ogni outcome; per l esattezza, dato V = {a A t T i e f(t, t i ) = a} definiamo a V il valore R a = {t T i f(t, t i ) = a} e per ogni arco (a, b) E il peso dell arco medesimo sarà w ab = inf S R b {v i (b, s) v i (a, s)}
4 4 Lecture 20: Cycle Monotonicity Dal teorema di Rochet possiamo concludere che la funzione di scelta sociale può essere implementata in strategia dominante se e solo se il grafo T g non ha cicli di lunghezza negativa. La condizione WMON sul grafo T g implica che non esistono due cicli di lunghezza negativa: Cicle monotonicity W M ON W MON Cicle monotonicity Nel caso di domini convessi un ciclo negativo 2 cicli negativi e quindi WMON è una condizione sufficiente a gatantire l implementabilità in strategie dominanti. Nella prima parte della lezione abbiamo fornito una caratterizzazione delle funzioni di scelta sociale implementabili. Questa proprietà, però, è scarsamente utilizzabile perchè richiede di verificare l esistenza di cicli di lunghezza negativa in tutti i grafi definiti dai possibili tipi degli altri giocatori. Sarebbe molto utile capire quali sono le funzioni di scelta sociale che soddisfano Cycle Monotonicity. Un teorema fondamentale del Mechanism Design afferma che se il dominio dei giocatori non è ristretto le uniche f implementabili sono i massimizzatori affini f(v 1... v n ) = arg max a A {c a + i w i v i (a)} per A A, w 1... w n R + e a A, c a R + Theorem 4 (Teorema di Roberts) Se A 3 e f : V 1... V n A con V i R A, allora M = (f, p 1... p n ) è compatibile agli incentivi se e solo se è massimizzatore affine p i (v 1... v n ) = H i (v i ) i j w j w i v j (a) c a w i Nel seguito faremo vedere che per alcune classi di funzioni la proprietà di Cycle Monotonicity si riduce ad una semplice proprietà di monotonia che è facilemtente verificabile. 3 Single Parameter Abbiamo visto che nell interazione tra agenti e meccanismo ogni agente dovrebbe fornire al meccanismo il proprio vettore di valutazioni, contenente la propria valutazione per ogni possibile outcome del meccanismo. Molto spesso, però, il vettore delle valutazioni dipende da un certo numero di informazioni, private all agente e che abbiamo chiamato suo tipo. Noto il i tipo, il meccanismo può costruirsi autonomamente il vettore delle valutazioni dell agente. E quindi sufficiente che l agente comunichi al meccanismo il proprio tipo. Scopriremo che la dimensione del tipo degli agenti ha una grossa importanza sulla nostra capacità di costruire meccanismi compatibili agli incentivi. Nel seguito considereremo la classe dei problemi più semplici, in cui l intero vettore di valutazione può essere costrutio a partire da un unico valore segreto. I problemi che soddisfano questa caratteristica sono detti Single Parameter e per essi siamo in grado di riscrivere la proprietà di cycle monotonicity in termini molto più gestibili. Formalmente, diciamo che V i è uno spazio ad una sola dimensione, ossia V i R, se esiste un solo valore privato t i T i che determina l intero vettore delle valutazioni v i. Per esempio, nelle aste c è un valore soglia al di sotto del quale si perde (valutazione 0) e al di sopra si vince (valutazione positiva uguale per tutte le soluzioni vincenti).
5 Lecture 20: Cycle Monotonicity 5 Definition 5 Un dominio Single Parameter V i, definito da W i A (outcome vincenti - pubblici) [t min, t max ], è l insieme delle funzioni { vi (a) = t a W i 0 altrimenti Una funzione di scelta sociale su un dominio Single Parameter è monotana in v i se v i, v i v i vale che f(v i, v i ) W i = f(v i, v i ) W i Il valore critico di i rispetto a f e v i è il più piccolo valore che consente ad i di vincere. Se assumiamo di pagare 0 in caso di mancata vittoria c i (v i ) = sup v i : f(v i,v i )/ W i v i Theorem 6 Un meccanismo normalizzato (f, p 1... p n ) in un dominio single parameter è compatibile agli incentivi se e slolo se f è monotona rispetto a ogni v i ogni agente, in caso di vittoria, paga il proprio valore critico Proof. Fissiamo i, v i e la dichiarazione b i. Allora µ i (b i ) = { vi c i (v i ) se b i vince 0 altrimenti Perciò, l agente i preferisce vincere solo se v i > c i (v i ) che è esattamente quello che succede se dice la verità. Supponiamo che (f, p 1... p n ) è compatibile agli incentivi ma f non è monotona rispetto a v i = v i > v i tale che f(v i, v i ) = vince e f(v i, v i) = perde. Siccome il meccanismo è compatibile agli incentivi, l utilità ottenuta dichiarando v i deve essere non minore di quella ottenibile dichiarando v i v i p i (v i, v i ) 0 D altra parte ad un giocatore con valutazione v i non deve convenire dichiarare v i e vincere, cioè v i p i (v i, v i ) 0 ma poichè v i > v i abbiamo una contraddizione. Supponiamo ora che v i è vincente ma p i (v i, v i ) > c i (v i ). Poichè il pagamento di un meccanismo compatibile agli incentivi deve essere indipendente dalla dichiarazione dell agente, per ogni altra dichiarazione vincente avremo lo stesso pagamento. In particolare per v i tale che c i (v i ) < v i < p i (v i, v i) avremo che v i vince e paga p i (v i, v i) = µ i (v i ) = v i p < 0: all agente i conviene mentire e dichiarare un valore perdente in modo da ottenere utilità 0. Analogamente, se v i paga p < c i (v i ) allora per p < v i < c i (v i ) all agente i con valutazione v i conviene mentire, vincere e ottenere un utilità positiva.
6 6 Lecture 20: Cycle Monotonicity Abbiamo visto come sia possibile caratterizzare le funzioni di scelta sociale che sono compatibili agli incentivi; come fare a calcolare i corrispondenti pagamenti? E possibile verificare che esiste un metodo unico per calcolare i pagamenti (a meno di costanti). Infatti, se p i è compatibile agli incentivi, allora lo è anche p i (v 1... v n ) = p i (v 1... v n ) + h i (v i ). Theorem 7 Se tutti i V i sono convessi nella metrica dello spazio Euclideo allora (f, p 1... p n ) è compatibile agli incentivi se e solo se lo è anche (f, p 1... p n) con p i(v 1... v n ) = p i (v 1... v n ) + h i (v i ) Questi pagamenti possono essere calcolati con l algortimo di Rochet, calcolando i cammini minimi su grafo corrispondente.
Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo
Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo L. De Giovanni G. Zambelli 1 Problema del flusso a costo minimo Il problema del flusso a costo minimo é definito
DettagliSono casi particolari di MCF : SPT (cammini minimi) non vi sono vincoli di capacità superiore (solo x ij > 0) (i, j) A : c ij, costo di percorrenza
Il problema di flusso di costo minimo (MCF) Dati : grafo orientato G = ( N, A ) i N, deficit del nodo i : b i (i, j) A u ij, capacità superiore (max quantità di flusso che può transitare) c ij, costo di
DettagliLezione 9: Cambio di base
Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
DettagliRICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007
RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra quelle riportate). Se
DettagliStrumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 22: 1 Giugno 2010. Meccanismi Randomizzati
Strumenti della Teoria dei Giochi per l Informatica AA 2009/10 Lecture 22: 1 Giugno 2010 Meccanismi Randomizzati Docente Vincenzo Auletta Note redatte da: Davide Armidoro Abstract In questa lezione descriveremo
DettagliRicerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani
Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.
Dettagli1 Estensione in strategia mista di un gioco
AVVERTENZA: Di seguito trovate alcuni appunti, poco ordinati e poco formali, che uso come traccia durante le lezioni. Non sono assolutamente da considerarsi sostitutivi del materiale didattico. Riferimenti:
DettagliEsercizi 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
DettagliLa Programmazione Lineare
4 La Programmazione Lineare 4.1 INTERPRETAZIONE GEOMETRICA DI UN PROBLEMA DI PROGRAMMAZIONE LINEARE Esercizio 4.1.1 Fornire una rappresentazione geometrica e risolvere graficamente i seguenti problemi
DettagliApplicazioni lineari
Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
DettagliOttimizazione vincolata
Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliDimensione 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
DettagliESERCIZI DI ALGEBRA LINEARE E GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai
DettagliProgetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso
Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso Flusso di costo minimo È dato un grafo direzionato G = (N, A). Ad ogni arco (i, j) A è associato il costo c ij
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 26 marzo 2015 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2015.html COOPERAZIONE Esempio: strategie correlate e problema
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
DettagliEsercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che:
Teoria dei Giochi, Trento, 2004/05 c Fioravante Patrone 1 Teoria dei Giochi Corso di laurea specialistica: Decisioni economiche, impresa e responsabilità sociale, A.A. 2004/05 Soluzioni degli esercizi
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
DettagliLezione 10: Il problema del consumatore: Preferenze e scelta ottimale
Corso di Scienza Economica (Economia Politica) prof. G. Di Bartolomeo Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale Facoltà di Scienze della Comunicazione Università di Teramo Scelta
DettagliDimensionamento dei lotti di produzione: il caso con variabilità nota
Dimensionamento dei lotti di produzione: il caso con variabilità nota A. Agnetis In questi appunti studieremo alcuni modelli per il problema del lot sizing, vale a dire il problema di programmare la dimensione
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio 1. Sia f: R 3 R 2 (x, y, z) (x + 2y + z, y + z). (1) Verificare che f è lineare. (2) Determinare una base di ker(f) e stabilire se f è iniettiva. (3) Calcolare w
DettagliMATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010
elementi di teoria dei grafi anno acc. 2009/2010 Grafi semplici Un grafo semplice G è una coppia ordinata (V(G), L(G)), ove V(G) è un insieme finito e non vuoto di elementi detti vertici o nodi di G, mentre
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliParte 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
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
Dettagli1 Applicazioni Lineari tra Spazi Vettoriali
1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!
Dettaglib i 1,1,1 1,1,1 0,1,2 0,3,4
V o Appello // RICERCA OPERATIVA - Corso A (a.a. 9/) Nome Cognome: Corso di Laurea: L C6 LS LM Matricola: ) Si consideri il problema di flusso di costo minimo in figura. Si verifichi se il flusso ammissibile
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliParte 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
DettagliVC-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
Dettaglix 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.
Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini
DettagliProof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme
G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero
DettagliProgetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di Network design
Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di Network design Network Design È data una rete rappresentata su da un grafo G = (V, A) e un insieme di domande K, ciascuna
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliPROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO
PROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO 1. Load Balancing Un istanza del problema del load balancing consiste di una sequenza p 1,..., p n di interi positivi (pesi dei job) e un
DettagliESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016. 1. Esercizi: lezione 24/11/2015
ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016 1. Esercizi: lezione 24/11/2015 Valutazioni di operazioni finanziarie Esercizio 1. Un operazione finanziaria
DettagliESERCIZI APPLICAZIONI LINEARI
ESERCIZI APPLICAZIONI LINEARI PAOLO FACCIN 1. Esercizi sulle applicazioni lineari 1.1. Definizioni sulle applicazioni lineari. Siano V, e W spazi vettoriali, con rispettive basi B V := (v 1 v n) e B W
DettagliScelte in condizioni di rischio e incertezza
CAPITOLO 5 Scelte in condizioni di rischio e incertezza Esercizio 5.1. Tizio ha risparmiato nel corso dell anno 500 euro; può investirli in obbligazioni che rendono, in modo certo, il 10% oppure in azioni
DettagliFondamenti e didattica di Matematica Finanziaria
Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio
DettagliPolitecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).
Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................
DettagliTeoria dei Giochi Prova del 30 Novembre 2012
Cognome, Nome, Corso di Laurea, email: Teoria dei Giochi Prova del 30 Novembre 2012 Esercizio 1. Si consideri il seguente gioco. Il primo giocatore può scegliere un numero tra {1,3,,6}; il secondo giocatore
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Investimento per un singolo agente
DettagliLe preferenze e la scelta
Capitolo 3: Teoria del consumo Le preferenze e la scelta 1 Argomenti trattati in questo capitolo Usiamo le preferenze dei consumatori per costruire la funzione di domanda individuale e di mercato Studiamo
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dottssa MC De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Corso di Calcolo Numerico - Dottssa MC De Bonis
DettagliLA RETTA. Retta per l'origine, rette orizzontali e verticali
Retta per l'origine, rette orizzontali e verticali LA RETTA Abbiamo visto che l'equazione generica di una retta è del tipo Y = mx + q, dove m ne rappresenta la pendenza e q il punto in cui la retta incrocia
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)
DettagliTeoria dei Giochi non Cooperativi
Politecnico di Milano Descrizione del gioco Egoismo Razionalità 1 L insieme dei giocatori 2 La situazione iniziale 3 Le sue possibili evoluzioni 4 I suoi esiti finali I Giochi della teoria Perché studiare
Dettagli4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale
4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale Spazi Metrici Ricordiamo che uno spazio metrico è una coppia (X, d) dove X è un insieme e d : X X [0, + [ è una funzione, detta metrica,
Dettaglib. Che cosa succede alla frazione di reddito nazionale che viene risparmiata?
Esercitazione 7 Domande 1. L investimento programmato è pari a 100. Le famiglie decidono di risparmiare una frazione maggiore del proprio reddito e la funzione del consumo passa da C = 0,8Y a C = 0,5Y.
DettagliLEZIONE 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.
Dettagli1. Sia dato un poliedro. Dire quali delle seguenti affermazioni sono corrette.
. Sia dato un poliedro. (a) Un vettore x R n è un vertice di P se soddisfa alla seguenti condizioni: x P e comunque presi due punti distinti x, x 2 P tali che x x e x x 2 si ha x = ( β)x + βx 2 con β [0,
DettagliLe funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1
Le funzioni continue A. Pisani Liceo Classico Dante Alighieri A.S. -3 A. Pisani, appunti di Matematica 1 Nota bene Questi appunti sono da intendere come guida allo studio e come riassunto di quanto illustrato
DettagliNOME:... MATRICOLA:... Scienza dei Media e della Comunicazione, A.A. 2007/2008 Analisi Matematica 1, Esame scritto del 08.02.2008. x 1.
NOME:... MATRICOLA:.... Scienza dei Media e della Comunicazione, A.A. 007/008 Analisi Matematica, Esame scritto del 08.0.008 Indicare per quali R vale la seguente diseguaglianza : + >. Se y - - è il grafico
DettagliLA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ
LA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ In questa Appendice mostreremo come trovare la tariffa in due parti che massimizza i profitti di Clearvoice,
Dettagli13. Campi vettoriali
13. Campi vettoriali 1 Il campo di velocità di un fluido Il concetto di campo in fisica non è limitato ai fenomeni elettrici. In generale il valore di una grandezza fisica assegnato per ogni punto dello
DettagliAnalisi di una Rete Sociale
2012 Analisi di una Rete Sociale Alessandro Lovati Matricola 626053 Comunicazione Digitale ord. F47 26/01/2012 Indice : 1. Obiettivo del progetto 2. Realizzazione 3. Analisi dei risultati 3.1. Numero di
DettagliDOMINI A FATTORIZZAZIONE UNICA
DOMINI A FATTORIZZAZIONE UNICA CORSO DI ALGEBRA, A.A. 2012-2013 Nel seguito D indicherà sempre un dominio d integrità cioè un anello commutativo con unità privo di divisori dello zero. Indicheremo con
Dettagli3 GRAFICI DI FUNZIONI
3 GRAFICI DI FUNZIONI Particolari sottoinsiemi di R che noi studieremo sono i grafici di funzioni. Il grafico di una funzione f (se non è specificato il dominio di definizione) è dato da {(x, y) : x dom
DettagliLezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4
Lezioni di Ricerca Operativa Lezione n 4 - Problemi di Programmazione Matematica - Problemi Lineari e Problemi Lineari Interi - Forma Canonica. Forma Standard Corso di Laurea in Informatica Università
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliRaccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata, Matematica
DIPARTIMENTO DI MATEMATICA Università degli Studi di Trento Via Sommarive - Povo (TRENTO) Raccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata,
DettagliModelli di Programmazione Lineare. PRTLC - Modelli
Modelli di Programmazione Lineare PRTLC - Modelli Schema delle esercitazioni Come ricavare la soluzione ottima Modelli Solver commerciali Come ricavare una stima dell ottimo Rilassamento continuo - generazione
DettagliSe 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
DettagliParte 6. Applicazioni lineari
Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R
DettagliLE FIBRE DI UNA APPLICAZIONE LINEARE
LE FIBRE DI UNA APPLICAZIONE LINEARE Sia f:a B una funzione tra due insiemi. Se y appartiene all immagine di f si chiama fibra di f sopra y l insieme f -1 y) ossia l insieme di tutte le controimmagini
DettagliGrandezze scalari e vettoriali
Grandezze scalari e vettoriali Esempio vettore spostamento: Esistono due tipi di grandezze fisiche. a) Grandezze scalari specificate da un valore numerico (positivo negativo o nullo) e (nel caso di grandezze
DettagliEsercizi di Ricerca Operativa II
Esercizi di Ricerca Operativa II Raffaele Pesenti January 12, 06 Domande su utilità 1. Determinare quale è l utilità che un giocatore di roulette assegna a 100,00 Euro, nel momento che gioca tale cifra
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Sistemi di Numerazione Sistema decimale La
DettagliSVM. Veronica Piccialli. Roma 11 gennaio 2010. Università degli Studi di Roma Tor Vergata 1 / 14
SVM Veronica Piccialli Roma 11 gennaio 2010 Università degli Studi di Roma Tor Vergata 1 / 14 SVM Le Support Vector Machines (SVM) sono una classe di macchine di che derivano da concetti riguardanti la
DettagliMatematica generale CTF
Equazioni differenziali 9 dicembre 2015 Si chiamano equazioni differenziali quelle equazioni le cui incognite non sono variabili reali ma funzioni di una o più variabili. Le equazioni differenziali possono
DettagliRICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come
RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può
DettagliIL 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
DettagliPolitecnico di Milano Facoltà di Ingegneria dell Informazione AGENTI AUTONOMI E SISTEMI MULTIAGENTE Appello COGNOME E NOME
Politecnico di Milano Facoltà di Ingegneria dell Informazione AGENTI AUTONOMI E SISTEMI MULTIAGENTE Appello COGNOME E NOME 5 luglio 2006 RIGA COLONNA MATRICOLA Il presente plico pinzato, composto di quattro
Dettagli4. 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:
DettagliKangourou della Matematica 2014 finale nazionale italiana Mirabilandia, 12 maggio 2014
Kangourou della Matematica 2014 finale nazionale italiana Mirabilandia, 12 maggio 2014 LIVELLO STUDENT K,M N CD BC A S1. (5 punti ) In figura si vede una circonferenza della quale i segmenti AB, BC e CD
DettagliCome si analizza un gioco
Come si analizza un gioco Parte II Giochi strategici a somma zero Alberto Abbondandolo Filippo Giuliani Alessandro Montagnani Università di Pisa Settimana di orientamento in Matematica 2010 Alice e Bruno
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliAnno 4 Grafico di funzione
Anno 4 Grafico di funzione Introduzione In questa lezione impareremo a disegnare il grafico di una funzione reale. Per fare ciò è necessario studiare alcune caratteristiche salienti della funzione che
DettagliIGiochidiArchimede-SoluzioniBiennio 22 novembre 2006
PROGETTO OLIMPII I MTEMTI U.M.I. UNIONE MTEMTI ITLIN SUOL NORMLE SUPERIORE IGiochidirchimede-Soluzioniiennio novembre 006 Griglia delle risposte corrette Problema Risposta corretta E 4 5 6 7 8 9 E 0 Problema
DettagliCome visto precedentemente l equazione integro differenziale rappresentativa dell equilibrio elettrico di un circuito RLC è la seguente: 1 = (1)
Transitori Analisi nel dominio del tempo Ricordiamo che si definisce transitorio il periodo di tempo che intercorre nel passaggio, di un sistema, da uno stato energetico ad un altro, non è comunque sempre
DettagliProblema del trasporto
p. 1/1 Problema del trasporto Supponiamo di avere m depositi in cui è immagazzinato un prodotto e n negozi che richiedono tale prodotto. Nel deposito i è immagazzinata la quantità a i di prodotto. Nel
DettagliESERCITAZIONE (7-11-13) Ing. Stefano Botelli
FONDAMENTI di AUTOMATICA ESERCITAZIONE (7-11-13) Ing. Stefano Botelli NB in presenza di matrici 3x3 bisogna intuire che esiste un metodo risolutivo particolare perchè non verrà mai richiesto a lezione
DettagliRicerca Operativa e Logistica
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili A.A. 2011/2012 Lezione 10: Variabili e vincoli logici Variabili logiche Spesso nei problemi reali che dobbiamo affrontare ci sono dei
DettagliOttimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni
Ottimizzazione nella gestione dei progetti Capitolo 4: la gestione dei costi (Programmazione multimodale): formulazioni CARLO MANNINO Università di Roma La Sapienza Dipartimento di Informatica e Sistemistica
DettagliLa curva grafico della funzione, partendo dal punto A(a,f(a)), si snoda con continuità, senza interruzioni, fino ad approdare nel punto B(b,f(b)).
Calcolo differenziale Il teorema di Rolle TEOREMA DI ROLLE Ipotesi f continua su [a, b] f derivabile per lo meno su (a,b) f(a) = f(b) Tesi Esiste almeno un punto c in (a, b) tale che Giustificazione con
DettagliDOMINIO E LIMITI. Esercizio 3 Studiare gli insiemi di livello della funzione f, nei seguenti casi: 1) f(x,y) = y2 x 2 + y 2.
FUNZIONI DI DUE VARIABILI 1 DOMINIO E LIMITI Domini e disequazioni in due variabili. Insiemi di livello. Elementi di topologia (insiemi aperti, chiusi, limitati, convessi, connessi per archi; punti di
DettagliLa teoria dell utilità attesa
La teoria dell utilità attesa 1 La teoria dell utilità attesa In un contesto di certezza esiste un legame biunivoco tra azioni e conseguenze: ad ogni azione corrisponde una e una sola conseguenza, e viceversa.
DettagliMATEMATICA 2001. p = 4/6 = 2/3; q = 1-2/3 = 1/3. La risposta corretta è quindi la E).
MATEMATICA 2001 66. Quale fra le seguenti affermazioni è sbagliata? A) Tutte le funzioni ammettono la funzione inversa B) Una funzione dispari è simmetrica rispetto all origine C) Una funzione pari è simmetrica
DettagliLezione 8. La macchina universale
Lezione 8 Algoritmi La macchina universale Un elaboratore o computer è una macchina digitale, elettronica, automatica capace di effettuare trasformazioni o elaborazioni su i dati digitale= l informazione
DettagliMacchine a stati finiti. Sommario. Sommario. M. Favalli. 5th June 2007
Sommario Macchine a stati finiti M. Favalli 5th June 27 4 Sommario () 5th June 27 / 35 () 5th June 27 2 / 35 4 Le macchine a stati si utilizzano per modellare di sistemi fisici caratterizzabili mediante:
DettagliRicerca Operativa 2. Introduzione al metodo del Simplesso
Ricerca Operativa 2. Introduzione al metodo del Simplesso Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema di ottimizzazione vincolata è definito dalla massimizzazione
Dettagli5 Risparmio e investimento nel lungo periodo
5 Risparmio e investimento nel lungo periodo 5.1 Il ruolo del mercato finanziario Il ruolo macroeconomico del sistema finanziario è quello di far affluire i fondi risparmiati ai soggetti che li spendono.
DettagliLEZIONE 16. Proposizione 16.1.2. Siano V e W spazi vettoriali su k = R, C. Se f: V W
LEZIONE 16 16.1. Applicazioni lineari iniettive e suriettive. Ricordo le seguenti due definizioni valide per applicazioni di qualsiasi tipo ϕ: X Y fra due insiemi. L applicazione ϕ si dice iniettiva se
DettagliLezioni 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
DettagliMetodi Stocastici per la Finanza
Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2012-2013 Indice 1 Mercati finanziari 2 Arbitraggio 3 Conseguenze del non-arbitraggio
DettagliDiagonalizzazione di matrici e applicazioni lineari
CAPITOLO 9 Diagonalizzazione di matrici e applicazioni lineari Esercizio 9.1. Verificare che v = (1, 0, 0, 1) è autovettore dell applicazione lineare T così definita T(x 1,x 2,x 3,x 4 ) = (2x 1 2x 3, x
Dettagli