2 Formulazione dello shortest path come problema di flusso

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "2 Formulazione dello shortest path come problema di flusso"

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.

Strumenti 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 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

Dettagli

Dimensionamento dei lotti di produzione: il caso con variabilità nota

Dimensionamento 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

Dettagli

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

Strumenti della Teoria dei Giochi per l Informatica A.A. 2008/09 6 credti (48 ore frontali) Docente: Vincenzo Auletta

Strumenti della Teoria dei Giochi per l Informatica A.A. 2008/09 6 credti (48 ore frontali) Docente: Vincenzo Auletta Strumenti della Teoria dei Giochi per l Informatica A.A. 2008/09 6 credti (48 ore frontali) Docente: Vincenzo Auletta Presentazione del Corso Negli ultimi anni nell ambito della comunità informatica si

Dettagli

1 Inefficienza degli equilibri

1 Inefficienza degli equilibri Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 8: 9 Aprile 2010 Inefficienza degli equilibri Docente Prof. Vincenzo Auletta Note redatte da: Carmine Giordano Abstract In questa

Dettagli

- Trovare soluzione ottima primale ( con il simplesso o algoritmo analogo)

- Trovare soluzione ottima primale ( con il simplesso o algoritmo analogo) Se si ha un problema lineare e' possibile risolverlo in piu' modi (equivalenti ) - Trovare soluzione ottima primale ( con il simplesso o algoritmo analogo) - Trovare soluzione ottima duale (con il simplesso

Dettagli

Ricerca Operativa 2. Introduzione al metodo del Simplesso

Ricerca 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

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

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

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 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

Dettagli

Ricerca Operativa Dualità e programmazione lineare

Ricerca Operativa Dualità e programmazione lineare Ricerca Operativa Dualità e programmazione lineare L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi alle spiegazioni del

Dettagli

Lezione 9: Cambio di base

Lezione 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

Dettagli

La Programmazione Lineare

La 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

Dettagli

1 Estensione in strategia mista di un gioco

1 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:

Dettagli

Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari

Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Versione ottobre novembre 2008 Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Contenuto 1. Applicazioni lineari 2. L insieme delle

Dettagli

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.

x 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

Dettagli

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani

Ricerca 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.

Dettagli

RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007

RICERCA 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

Dettagli

Sommario della lezione

Sommario della lezione Università degli Studi di Salerno Corso di Algoritmi Prof. Ugo Vaccaro Anno Acc. 2014/15 p. 1/33 Sommario della lezione Ancora sui cammini minimi: Cammini minimi in grafi con archi di costo negativo Algoritmi

Dettagli

Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4

Lezioni 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

Dettagli

Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso

Progetto 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

Dettagli

Corso di Calcolo Numerico

Corso 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

Dettagli

Metodi diretti per la soluzione di sistemi lineari

Metodi diretti per la soluzione di sistemi lineari Metodi diretti per la soluzione di sistemi lineari N Del Buono 1 Introduzione Consideriamo un sistema di n equazioni in n incognite a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1, a 21 x 1 + a 22 x

Dettagli

Corso di Analisi Numerica - AN1. Parte 2: metodi diretti per sistemi lineari. Roberto Ferretti

Corso di Analisi Numerica - AN1. Parte 2: metodi diretti per sistemi lineari. Roberto Ferretti Corso di Analisi Numerica - AN1 Parte 2: metodi diretti per sistemi lineari Roberto Ferretti Richiami sulle norme e sui sistemi lineari Il Metodo di Eliminazione di Gauss Il Metodo di Eliminazione con

Dettagli

5.4 Solo titoli rischiosi

5.4 Solo titoli rischiosi 56 Capitolo 5. Teoria matematica del portafoglio finanziario II: analisi media-varianza 5.4 Solo titoli rischiosi Suppongo che sul mercato siano presenti n titoli rischiosi i cui rendimenti aleatori sono

Dettagli

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA

ESERCIZI 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

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

Scelte in condizioni di rischio e incertezza

Scelte 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

Dettagli

Luigi Piroddi piroddi@elet.polimi.it

Luigi 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,

Dettagli

Giochi ed equilibri di Nash. Marco Sciandrone Dipartimento di Ingegneria dell Informazione Università di Firenze E-mail: marco.sciandrone@unifi.

Giochi ed equilibri di Nash. Marco Sciandrone Dipartimento di Ingegneria dell Informazione Università di Firenze E-mail: marco.sciandrone@unifi. Giochi ed equilibri di Nash Marco Sciandrone Dipartimento di Ingegneria dell Informazione Università di Firenze E-mail: marco.sciandrone@unifi.it 1 1 Notazione e definizione di equilibrio di Nash Si supponga

Dettagli

Corso di Analisi Numerica

Corso di Analisi Numerica Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 8 - METODI ITERATIVI PER I SISTEMI LINEARI Lucio Demeio Dipartimento di Scienze Matematiche 1 Norme e distanze 2 3 4 Norme e distanze

Dettagli

Esercizi di Ricerca Operativa I

Esercizi di Ricerca Operativa I Esercizi di Ricerca Operativa I Dario Bauso, Raffaele Pesenti May 10, 2006 Domande Programmazione lineare intera 1. Gli algoritmi per la programmazione lineare continua possono essere usati per la soluzione

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

Il controllo dei DES Approccio indiretto

Il controllo dei DES Approccio indiretto Il controllo dei DES Approccio indiretto Controllo dei DES - approccio indiretto - Il controllore è il risultato di un processo di sintesi, a partire dai modelli P dell impianto e Sp delle specifiche Sp:

Dettagli

Sommario della lezione

Sommario della lezione Sommario della lezione Ulteriori applicazioni del Massimo Flusso 1. Connettività di grafi. Selezione di progetti 3. Trasporto in reti 4. Eliminazione in tornei Università degli Studi di Salerno Corso di

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

Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Articolo 1: 5 luglio 2010. Sponsored Search Equilibrium for Conservative Bidders

Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Articolo 1: 5 luglio 2010. Sponsored Search Equilibrium for Conservative Bidders Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/0 Articolo : 5 luglio 200 Sponsored Search Equilibrium for Conservative Bidders Docente Vincenzo Auletta Note redatte da: Filomena Carnevale

Dettagli

Teoria dei Giochi non Cooperativi

Teoria 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

Dettagli

Modelli di Ottimizzazione

Modelli di Ottimizzazione Capitolo 2 Modelli di Ottimizzazione 2.1 Introduzione In questo capitolo ci occuperemo più nel dettaglio di quei particolari modelli matematici noti come Modelli di Ottimizzazione che rivestono un ruolo

Dettagli

Lezione 8. La macchina universale

Lezione 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

Dettagli

Progetto 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 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

Dettagli

Modelli di programmazione matematica Produzione Bin packing (Zaino) Trasporto Magazzino Assegnazione Commesso viaggiatore Scheduling Supply Chain

Modelli di programmazione matematica Produzione Bin packing (Zaino) Trasporto Magazzino Assegnazione Commesso viaggiatore Scheduling Supply Chain 1 PROGRAMMAZIONE LINEARE 1 1 Programmazione lineare 1.1 Modelli matematici Modelli di programmazione matematica Produzione Bin packing (Zaino) Trasporto Magazzino Assegnazione Commesso viaggiatore Scheduling

Dettagli

Autovalori e Autovettori

Autovalori e Autovettori Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2008-2009 Autovalori e Autovettori Definizione Siano A C nxn, λ C, e x C n, x 0, tali che Ax = λx. (1) Allora

Dettagli

Sono 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

Sono 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

Dettagli

PROVA FINALE V. AULETTA G. PERSIANO ALGORITMI II - -MAGIS INFO

PROVA 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

Dettagli

ESERCIZI 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 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

Dettagli

Metodi basati sugli autovettori per il Web Information Retrieval

Metodi basati sugli autovettori per il Web Information Retrieval Metodi basati sugli autovettori per il Web Information Retrieval HITS, PageRank e il metodo delle potenze LSI e SVD LSI è diventato famoso per la sua abilità nel permettere di manipolare i termini (all

Dettagli

Le preferenze e la scelta

Le 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

Dettagli

1. Considerazioni generali

1. Considerazioni generali 1. Considerazioni generali Modelli di shop scheduling In molti ambienti produttivi l esecuzione di un job richiede l esecuzione non simultanea di un certo numero di operazioni su macchine dedicate. Ogni

Dettagli

DOMINIO E LIMITI. Esercizio 3 Studiare gli insiemi di livello della funzione f, nei seguenti casi: 1) f(x,y) = y2 x 2 + y 2.

DOMINIO 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

Dettagli

MATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010

MATEMATICA 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

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

Barriere assorbenti nelle catene di Markov e una loro applicazione al web

Barriere assorbenti nelle catene di Markov e una loro applicazione al web Università Roma Tre Facoltà di Scienze M.F.N Corso di Laurea in Matematica a.a. 2001/2002 Barriere assorbenti nelle catene di Markov e una loro applicazione al web Giulio Simeone 1 Sommario Descrizione

Dettagli

Sintesi di reti logiche multilivello. Sommario. Motivazioni. Sommario. M. Favalli

Sintesi di reti logiche multilivello. Sommario. Motivazioni. Sommario. M. Favalli Sommario Sintesi di reti logiche multilivello M. Favalli Engineering Department in Ferrara 1 2 3 Aspetti tecnologici Sommario Analisi e sintesi dei circuiti digitali 1 / Motivazioni Analisi e sintesi dei

Dettagli

Analisi 2. Argomenti. Raffaele D. Facendola

Analisi 2. Argomenti. Raffaele D. Facendola Analisi 2 Argomenti Successioni di funzioni Definizione Convergenza puntuale Proprietà della convergenza puntuale Convergenza uniforme Continuità e limitatezza Teorema della continuità del limite Teorema

Dettagli

STRUTTURA DELLE RETI SOCIALI ASTE. Vincenzo Auletta Università di Salerno

STRUTTURA DELLE RETI SOCIALI ASTE. Vincenzo Auletta Università di Salerno STRUTTURA DELLE RETI SOCIALI ASTE Vincenzo Auletta Università di Salerno ASTE Le aste (auctions) sono un altro importante ambito in cui possiamo applicare il framework della teoria dei giochi Come devo

Dettagli

Raccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata, Matematica

Raccolta 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,

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

ELEMENTI TRIANGOLARI E TETRAEDRICI A LATI DIRITTI

ELEMENTI TRIANGOLARI E TETRAEDRICI A LATI DIRITTI EEMENTI TRIANGOARI E TETRAEDRICI A ATI DIRITTI Nella ricerca di unificazione delle problematiche in vista di una generalizzazione delle procedure di sviluppo di elementi finiti, gioca un ruolo importante

Dettagli

Politecnico 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). 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.....................

Dettagli

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale

4 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,

Dettagli

Riferimenti: Capitolo 3 Dispense Facchinei, seguite in modo quasi pedissequo.

Riferimenti: Capitolo 3 Dispense Facchinei, seguite in modo quasi pedissequo. 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:

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

Università degli Studi di Perugia A.A. 2014/2015 Dipartimento di Economia. ECONOMIA INDUSTRIALE Prof. Davide Castellani (davide.castellani@unipg.

Università degli Studi di Perugia A.A. 2014/2015 Dipartimento di Economia. ECONOMIA INDUSTRIALE Prof. Davide Castellani (davide.castellani@unipg. Università degli Studi di Perugia A.A. 2014/2015 Dipartimento di Economia ECONOMIA INDUSTRIALE Prof. Davide Castellani (davide.castellani@unipg.it) Reti e standard Introduzione Aspettative dei consumatori

Dettagli

PROGRAMMAZIONE LINEARE:

PROGRAMMAZIONE LINEARE: PROGRAMMAZIONE LINEARE: Definizione:la programmazione lineare serve per determinare l'allocazione ottimale di risorse disponibili in quantità limitata, per ottimizzare il raggiungimento di un obiettivo

Dettagli

Corso di Matematica per la Chimica

Corso 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

Dettagli

Finanza matematica - Lezione 01

Finanza matematica - Lezione 01 Finanza matematica - Lezione 01 Contratto d opzione Un opzione è un contratto finanziario stipulato al tempo, che permette di eseguire una certa transazione, d acquisto call o di vendita put, ad un tempo

Dettagli

Appendice B: Reti di code

Appendice B: Reti di code Appendice B: Reti di code B. INTRODUZIONE ALLE RETI DI CODE B.. Generalità La trattazione della teoria delle code effettuata fino ad ora ha sempre considerato singoli sistemi a coda. Tuttavia, molto spesso

Dettagli

NOME:... 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. 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

Dettagli

PROPRIETÀ DEI CIRCUITI DI RESISTORI

PROPRIETÀ DEI CIRCUITI DI RESISTORI CAPITOLO 5 PROPRIETÀ DEI CIRCUITI DI RESISTORI Nel presente Capitolo, verrà introdotto il concetto di equivalenza tra bipoli statici e verranno enunciati e dimostrati alcuni teoremi (proprietà) generali

Dettagli

LEZIONE 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. 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

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

Esercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che:

Esercizio 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

Dettagli

Kangourou della Matematica 2014 finale nazionale italiana Mirabilandia, 12 maggio 2014

Kangourou 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

Dettagli

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione

2.1 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

Dettagli

Funzioni in due variabili Raccolta di FAQ by Andrea Prevete

Funzioni in due variabili Raccolta di FAQ by Andrea Prevete Funzioni in due variabili Raccolta di FAQ by Andrea Prevete 1) Cosa intendiamo, esattamente, quando parliamo di funzione reale di due variabili reali? Quando esiste una relazione fra tre variabili reali

Dettagli

6) f(x, y) = xy 1 log(5 2x 2y) x + y. 2x x 2 y 2 z 2 x 2 + y 2 + z 2 x Esercizio 2. Studiare gli insiemi di livello delle seguenti funzioni:

6) f(x, y) = xy 1 log(5 2x 2y) x + y. 2x x 2 y 2 z 2 x 2 + y 2 + z 2 x Esercizio 2. Studiare gli insiemi di livello delle seguenti funzioni: FUNZIONI IN PIÙ VARIABILI 1. Esercizi Esercizio 1. Determinare il dominio delle seguenti funzioni, specificando se si tratta di un insieme aperto o chiuso: 1) f(x, ) = log(x x ) ) f(x, ) = x + 3) f(x,

Dettagli

La teoria dell utilità attesa

La 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.

Dettagli

APPLICAZIONI LINEARI. B si definisce surriettiva. 9 quando ogni elemento di. B risulta IMMAGINE di. almeno un elemento di A.

APPLICAZIONI LINEARI. B si definisce surriettiva. 9 quando ogni elemento di. B risulta IMMAGINE di. almeno un elemento di A. APPLICAZIONI LINEARI Siano V e W due spazi vettoriali, di dimensione m ed n sullo stesso campo di scalari R. Una APPLICAZIONE ƒ : V W viene definita APPLICAZIONE LINEARE od OMOMORFISMO se risulta, per

Dettagli

1 Applicazioni Lineari tra Spazi Vettoriali

1 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 "!$%!

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

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

b i 1,1,1 1,1,1 0,1,2 0,3,4

b 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

Dettagli

Esercizi svolti di programmazione lineare

Esercizi svolti di programmazione lineare Esercizi svolti di programmazione lineare a cura di A. Agnetis 1 Un lanificio produce filato di tipo standard e di tipo speciale utilizzando 3 diverse macchine, le cui produzioni orarie sono le seguenti:

Dettagli

5. Problemi di Ottimizzazione e Programmazione Matematica

5. Problemi di Ottimizzazione e Programmazione Matematica Dispense del corso di Ottimizzazione Combinatoria (IN440) 5. Problemi di Ottimizzazione e Programmazione Matematica Marco Liverani Università degli Studi Roma Tre Dipartimento di Matematica e Fisica Corso

Dettagli

La scelta di portafoglio

La scelta di portafoglio La scelta di portafoglio 1 La scelta di portafoglio La scelta di portafoglio: il modo in cui un individuo decide di allocare la propria ricchezza tra più titoli Il mercato dei titoli è un istituzione che

Dettagli

Massimi e minimi vincolati di funzioni in due variabili

Massimi e minimi vincolati di funzioni in due variabili Massimi e minimi vincolati di funzioni in due variabili I risultati principali della teoria dell ottimizzazione, il Teorema di Fermat in due variabili e il Test dell hessiana, si applicano esclusivamente

Dettagli

Luigi Piroddi piroddi@elet.polimi.it

Luigi Piroddi piroddi@elet.polimi.it Automazione industriale dispense del corso 14. Controllo con reti di Petri Luigi Piroddi piroddi@elet.polimi.it Uso delle reti di Petri nel controllo di sistemi a eventi discreti Ai fini del controllo

Dettagli

Parte 3: Gestione dei progetti, Shop scheduling

Parte 3: Gestione dei progetti, Shop scheduling Parte : Gestione dei progetti, Shop scheduling Rappresentazione reticolare di un progetto Insieme di attività {,...,n} p i durata (nota e deterministica dell attività i) relazione di precedenza fra attività:

Dettagli

Teoria dei Giochi Prova del 30 Novembre 2012

Teoria 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

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

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme

Proof. 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

Dettagli

Modelli di Programmazione Lineare. PRTLC - Modelli

Modelli 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

Dettagli

Applicazioni lineari

Applicazioni 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

Dettagli

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU 9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A LU 9.1 Il metodo di Gauss Come si è visto nella sezione 3.3, per la risoluzione di un sistema lineare si può considerare al posto

Dettagli

Richiami di microeconomia

Richiami di microeconomia Capitolo 5 Richiami di microeconomia 5. Le preferenze e l utilità Nell analisi microeconomica si può decidere di descrivere ogni soggetto attraverso una funzione di utilità oppure attraverso le sue preferenze.

Dettagli

Alcuni Preliminari. Prodotto Cartesiano

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

Dettagli

Sistemi Operativi mod. B. Sistemi Operativi mod. B A B C A B C P 1 2 0 0 P 1 1 2 2 3 3 2 P 2 3 0 2 P 2 6 0 0 P 3 2 1 1 P 3 0 1 1 < P 1, >

Sistemi Operativi mod. B. Sistemi Operativi mod. B A B C A B C P 1 2 0 0 P 1 1 2 2 3 3 2 P 2 3 0 2 P 2 6 0 0 P 3 2 1 1 P 3 0 1 1 < P 1, > Algoritmo del banchiere Permette di gestire istanze multiple di una risorsa (a differenza dell algoritmo con grafo di allocazione risorse). Ciascun processo deve dichiarare a priori il massimo impiego

Dettagli

LE FIBRE DI UNA APPLICAZIONE LINEARE

LE 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

Dettagli

Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica

Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Esame di Geometria (Prof. F. Tovena) Argomenti: Proprietà di nucleo e immagine di una applicazione lineare. dim V = dim

Dettagli