Ottimizzazione marginale
|
|
- Carolina Nardi
- 7 anni fa
- Visualizzazioni
Transcript
1 Ottimizzazione marginale R. Pesenti Problema di faceness Formulazione del problema Il vostro supermercato deve disporre i prodotti A, B, C e D sugli scaffali 1, 2, e 3 ognuno di lunghezza 100 cm. Dato il diverso posizionamento degli scaffali, il numero di prodotti venduti giornalmente varia a seconda della della disposizione dei prodotti sugli stessi (vedi Tab. 1-3) scaffali Table 1: Prodotti venduti giornalmente per 100cm di esposizione Table 2: Richiesta giornaliera massima del mercato Table 3: Profitti per unità di prodotto Per motivi contrattuali dovete dedicare almeno 30cm di scaffalature ad ogni prodotto e, in particolare, ai prodotti A dovete dedicare complessivamente almeno 60cm sugli scaffali 1 e 2. Per motivi di sicurezza il prodotto B non deve essere a portata di bambino e quindi non deve essere esposto sullo scaffale 3. Supponendo, in prima approssimazione, di potere esporre anche quantità frazionarie di prodotto, formulare un modello di programmazione lineare per il problema di faceness che state affrontando. Stabilire quindi se conviene modificare la disposizione attuale dei prodotti sugli scaffali riportata in Tab. 4. In particolare, determinare per il profitto marginale di ogni prodotto per ogni cm in più a disposizione su ogni scaffale. Tramite l utilizzo opportuno SW determinate infine la disposizione ottimale. 1
2 scaffali Table 4: Configurazione attuale Risposta Le variabili decisionali del problema sono x ij : il numero di cm dedicati al prodotto i sullo scaffale j. Si deve quindi ottenere dai dati disponibili il profitto atteso per ogni cm di scaffale dedicato ai differenti prodotti (vedi Tab. 5). Il profitto attuale è di 162,00 euro. 1 0,5 0,56 0,24 1,2 scaffali 2 0,75 0,84 0,28 1,2 3 0,25-0,08 1,2 Table 5: Profitti per cm max Π = 0, 5x A1 + 0, 75x A2 + 0, 25x A3 + 0, 56x B1 + 0, 84x B2 + 0, 24x C1 + +0, 28x C2 + 0, 08x C3 + 1, 2x D1 + 1, 2x D2 + 1, 2x D3 (1) x A1 + x B1 + x C1 + x D1 100 (2) x A2 + x B2 + x C2 + x D2 100 (3) x A3 + x C3 + x D3 100 (4) x A1 + x A2 + x A3 30 (5) x B1 + x B2 30 (6) x C1 + x C2 + x C3 30 (7) x D1 + x D2 + x D3 30 (8) x A1 + x A2 60 (9) 0, 1x A1 + 0, 15x A2 + 0, 05x A3 13 (10) 0, 08x B1 + 0, 12x B2 12 (11) 0, 06x C1 + 0, 07x C2 + 0, 02x C3 10 (12) 0, 12x D1 + 0, 12x D2 + 0, 12x D3 9 (13) x ij 0 i {A, B, C, D}, j {1, 2, 3} (14) I vincoli (2-4) impongono che lo spazio occupato dai prodotti su ogni scaffale non possa eccedere 100cm. 2
3 I vincoli (5-8) impongono che lo spazio occupato dai prodotti sia almeno 30cm. Il vincolo (9) impone che lo spazio occupato dal prodotto A sugli scaffali 1 e 2 sia almeno 60cm. I vincoli (10-13) impongono che lo spazio occupato dai prodotti non ecceda quello necessario a vendere tutti i prodotti assorbibili dal mercato. Riscriviamo ora il problema (1-13) in forma standard, usando solo vincoli di uguaglianza (a parte i vincoli sul segno delle variabili). max Π = 0, 5x A1 + 0, 75x A2 + 0, 25x A3 + 0, 56x B1 + 0, 84x B2 + 0, 24x C1 + +0, 28x C2 + 0, 08x C3 + 1, 2x D1 + 1, 2x D2 + 1, 2x D3 (15) x A1 + x B1 + x C1 + x D1 + s 1 = 100 (16) x A2 + x B2 + x C2 + x D2 + s 2 = 100 (17) x A3 + x C3 + x D3 + s 3 = 100 (18) x A1 + x A2 + x A3 s A = 30 (19) x B1 + x B2 s B = 30 (20) x C1 + x C2 + x C3 s C = 30 (21) x D1 + x D2 + x D3 s D = 30 (22) x A1 + x A2 s S = 60 (23) 0, 1x A1 + 0, 15x A2 + 0, 05x A3 + q A = 13 (24) 0, 08x B1 + 0, 12x B2 + q B = 12 (25) 0, 06x C1 + 0, 07x C2 + 0, 02x C3 + q C = 10 (26) 0, 12x D1 + 0, 12x D2 + 0, 12x D3 + q D = 9 (27) x ij, s k, q i 0 i {A, B, C, D}, j {1, 2, 3}, k {1, 2, 3, A; B, C, D, S} (28) Il valore delle variabili di slack s 1, s 2 e s 3 indica lo spazio disponibile sugli scaffali. Il valore delle variabili di surplus da s A a s S indica lo spazio dedicato ai vari prodotti in eccesso a quanto stabilito dagli obblighi contrattuali. Il valore delle variabili di slack da q A a q D indica la rimanente capacità di assorbimento dei prodotti da parte del mercato. Complessivamente si hanno n = = 23 variabili e m = 12 vincoli. Di queste 17 sono diverse da zero. La soluzione corrente non si trova su un vertice del poliedro delle soluzioni ammissibili. Infatti ogni soluzione di base, cioè che giace su un vertice, è caratterizzata da avere almeno m n componenti nulle. Nel caso specifico si dovrebbero avere 11 componenti nulle e quindi al più 12 valori diversi da zero. La soluzione attualmente implementata probabilmente non è ottima, infatti a meno che non ci siano soluzioni ottime equivalenti, la soluzione ottima di un problema di programmazione lineare giace su un vertice. In questa situazione miglioramenti marginali della soluzione corrente potranno essere ricercati non solo aumentando il valore di una variabile correntemente a zero (operazione che di solito corrisponde a spostare la soluzione corrente da un vertice ad un altro muovendosi lungo uno spigolo dell insieme delle soluzioni ammissibili) ma anche diminuendo il valore di qualche variabile correntemente positiva (operazione che corrisponde ad 3
4 avvicinare la soluzione corrente ad un vertice dell insieme delle soluzioni ammissibili). Per procedere alla verifica se cambiamenti marginali delle scelte possono condurre a profitti migliori si deve esprimere il valore di m = 12 variabili (preferibilmente positive) in funzione delle altre n m = 11 variabili (preferibilmente nulle, obbligatoriamente nulle se alcune delle precedenti m variabili hanno valore zero). La difficoltà che si incontra in questa operazione è la scelta delle m = 12 variabili, infatti devono essere tali da potere essere espresse in funzione delle rimanenti, ciò implica che m = 12 variabili devono essere scelte in modo tale che le corrispondenti colonne all interno della matrice dei coefficienti , 1 0, 15 0, , 08 0, , 06 0, 07 0, , 12 0, 12 0, definiscano una sottomatrice quadrata invertibile (questa sottomatrice viene detta di base). In particolare soddisfano i requisiti richiesti le variabili x C1, x C2, x C3, s A, s B, s C, s D, s F, q A, q B, q C e q D. Il problema può essere riscritto come max Π = , 26x A1 + 0, 47x A2 + 0, 17x A3 + 0, 32x B1 + 0, 56x B2 + +0, 96x D1 + 0, 92x D2 + 1, 12x D3 0, 24s 1 0, 28s 2 0, 08s 3 (29) x C1 = 100 x A1 x B1 x D1 s 1 (30) x C2 = 100 x A2 x B2 x D2 s 2 (31) x C3 = 100 x A3 x D3 s 3 (32) s A = 30 + x A1 + x A2 + x A3 (33) s B = 30 + x B1 + x B2 (34) s C = 270 x A1 x A2 x A3 x B1 x B2 x D1 x D2 x D3 s 1 s 2 s 3 (35) s D = 30 + x D1 + x D2 + x D3 (36) s S = 60 + x A1 + x A2 (37) q A = 13 0, 1x A1 0, 15x A2 0, 05x A3 (38) q B = 12 0, 08x B1 0, 12x B2 (39) q C = , 06x A1 + 0, 07x A2 + 0, 02x A3 + 0, 06x B1 + 0, 07x B2 + +0, 06x D1 + 0, 07x D2 + 0, 026x D3 + 0, 06s 1 + 0, 07s 2 + 0, 02s 3 (40) q D = 9 0, 12x D1 0, 12x D2 0, 12x D3 + (41) x ij, s k, q i 0 i {A, B, C, D}, j {1, 2, 3}, k {1, 2, 3, A; B, C, D, S} (42) Dalla nuova formulazione del problema si può osservare che il massimo incremento marginale del profitto si ottiene aumentando lo spazio assegnato al prodotto D sullo scaffale 3. Infatti il coefficiente di x D3 è 1,12, 4
5 quindi per ogni cm in più assegnato a D sullo scaffale 3 si ottiene un incremento di profitto di 1, 12 euro. La variabile x D3 compare nei vincoli (32), (35), (36) e (41) e, in particolare, nei vincoli (32), (35) e (41) ha segno negativo. Sono questi ultimi tre vincoli che devono essere tenuti in considerazione per determinare il valore massimo che si può assegnare a x D3, infatti in ogni caso non può essere ammesso che le variabili x C3, s C e q D assumano valore negativo. Dato che attualmente x C3 = 70, s C = 90 e q D = 3 e dati i coefficienti di x D3 nei vincoli (32), (35) e (41), si ottiene che la variazione massima che può subire x D3 è min{70, ,12 } = 25. Tale variazione avviene a danno dello spazio assegnato al prodotto C sullo scaffale 3. La nuova assegnazione dei prodotti è quella riportata in Tab. 6 a cui corrisponde un incremento di profitto di 28,00 euro che porta il profitto totale da 162,00 a 190,00 euro scaffali Table 6: Configurazione nuova Una volta trovata una distribuzione dei prodotti sugli scaffali migliore della precedente ci si ripropone la domanda se esiste una configurazione ancora migliore e si itera il procedimento. Tre considerazioni finali. Nell esempio si è deciso di cercare di aumentare lo spazio a disposizione del prodotto D sullo scaffale 3, molte altre scelte porterebbero comunque a un aumento del profitto. Ad esempio, aumentare lo spazio a disposizione per il prodotto B sullo scaffale 2 condurrebbe ad un incremento del profitto di 0,56 euro per cm. Il profitto marginale è minore degli 1,12 euro per cm del prodotto D, ma si noti che conviene aumentare lo spazio a disposizione del prodotto D per al più 25cm con un incremento complessivo del profitto di 28,00 euro. Se dai conti risultasse che è possibile aumentare lo spazio a disposizione di B, ad esempio, per 60cm con un incremento complessivo del profitto di 33,60 euro, allora converrebbe dare più spazio a B piuttosto che a D. Analoghi ragionamenti valgono per tutti i prodotti sui vari scaffali. Nella pratica non conviene fare tutti questi conti, risulta più conveniente iterativamente scegliere una qualunque disposizione che porti ad un aumento del profitto. In ogni caso, se il problema è lineare, dopo un numero (di solito) relativamente limitato di iterazioni si giunge a una soluzione ottima. La seconda considerazione riguarda sul come comportarsi in presenza di profitti marginali negativi. Si supponga ad esempio che la funzione obiettivo si presentasse come segue max Π = 60 1, 26x A1 + 0, 47x A2 2, 17x A3 + 0, 32x B1 + 0, 56x B2 + +0, 96x D1 + 0, 92x D2 + 1, 12x D3 0, 24s 1 0, 28s 2 0, 08s 3. Si considerino in particolare i profitti marginali del prodotto A sullo scaffale 3 e del prodotto A sullo scaffale 1. Essendo i profitti marginali negativi, in entrambi i casi non converrebbe aumentare lo spazio a disposizione di A, converrebbe diminuirlo. In particolare se si diminuisse lo spazio a disposizione di A sullo scaffale 3 si avrebbe un incremento del profitto di 2,17 euro per cm. Questa operazione non è però attuabile in quanto 5
6 la soluzione corrente non prevede alcun prodotto sullo scaffale 3. Viceversa, siccome attualmente x A1 è strettamente maggiore di zero si potrebbe diminuire lo spazio a disposizione di A sullo scaffale 1 per un incremento del profitto di 1,26 euro per cm. La terza considerazione riguarda il fatto che, ovviamente, conviene fare eseguire tutti i calcoli alle macchine. Se si riesce a formulare il problema di interesse, qualunque esso sia, sotto forma di problema di programmazione matematica, la soluzione ottima può essere ottenuta utilizzando algoritmi specializzati sul calcolatore. Gli algoritmi si basano su principi analoghi a quelli presentati in questa soluzione, ma essendo eseguiti da una macchina giungono alla soluzione ottima, o almeno ad una soluzione buona, in tempi molto più brevi di un essere umano. La soluzione ottima del problema (15-27) è determinabile in una frazione di secondi e indica che un profitto massimo di 224,70 euro è ottenibile con la disposizione dei prodotti come in Tab scaffali 2 63,33 36, Table 7: Configurazione ottima Problema di produzione Formulazione del problema La ACME s.p.a. produce stampi metallici. Da un analisi dei processi produttivi è emerso che le risorse più critiche dell azienda sono la disponibilità del personale, la disponibilità delle presse e la disponibilità della verniciatura. Attualmente l azienda produce tre tipi di stampi S 1, S 2 e S 3, nelle seguenti quantità annuali q 1 = 50000, q 2 = e q 3 = Ogni stampo di tipo S 1 produce un profitto di 2.0K$, ogni stampo di tipo S 2 produce un profitto di 1.6K$, infine ogni stampo di tipo S 3 produce un profitto di 1.8K$. Valutare se conviene introdurre la produzione di almeno una delle tipologie di stampi S 4 e S 5 sapendo che ogni stampo di tipo S 4 produce un profitto di 1.2K$ e ogni stampo di tipo S 5 produce un profitto di 2.3K$. Eseguire la valutazione sapendo che: ogni stampo S 1 richiede un ora uomo, ogni stampo S 2 richiede due ore uomo, ogni stampo S 3 richiede tre ore uomo, ogni stampo S 4 richiede due ore uomo, ogni stampo S 5 richiede un ora uomo. ogni stampo S 2 richiede due volte il tempo pressa di uno stampo S 1, ogni stampo S 3 richiede 1.5 volte il tempo pressa di uno stampo S 1, ogni stampo S 4 richiede tre volte il tempo pressa di uno stampo S 1, ogni stampo S 5 richiede due volte il tempo pressa di uno stampo S 1 ; ogni stampo S 4 richiede due volte il tempo verniciatura di uno stampo S 5, ogni stampo S 3 richiede 3/4 volte il tempo verniciatura di uno stampo S 5, ogni stampo S 1 richiede tempo verniciatura uguale 6
7 alla somma dei tempi verniciatura di uno stampo S 5 e di uno stampo S 3, ogni stampo S 2 richiede tempo verniciatura uguale alla somma dei tempi verniciatura di uno stampo S 1 e di uno stampo S 4. [Suggerimento: formulare prima il problema in termini di programmazione lineare.] Risposta Le variabili decisionali riguardano la quantità da produrre di ogni stampo. Si hanno quindi le variabili decisionali da q 1 a q 5, che nella soluzione corrente valgono q 1 = 50000, q 2 = 20000, q 3 = 30000, q 4 = 0 e q 5 = 0. Formulazione del problema di programmazione lineare max Π = 2.0q q q q q 5 (43) q 1 + 2q 2 + 3q 3 + 2q 4 + q (44) q 1 + 2q q 3 + 3q 4 + 2q (45) 1, 75q 1 + 3, 75q 2 + 0, 75q 3 + 2q 4 + q (46) q i 0 i {1, 2, 3, 4, 5}. (47) Il vincolo (44) impone che la produzione usi al più le oreuomo disponibili correntemente, nel testo del problema si afferma infatti che le oreuomo sono una risorsa critica, ovvero che sono completamente sfruttate dalla soluzione corrente. Il termine noto del vincolo (44) è ottenuto tenendo conto che nella produzione corrente sono utilizzate = oreuomo. Il vincolo (45) impone che la produzione usi al più il tempo pressa disponibile correntemente, nel testo del problema si afferma infatti che il tempo pressa è una risorsa critica, ovvero che è completamente sfruttato dalla soluzione corrente. Non essendo disponibili dei tempi assoluti, si considera come unità di tempo pressa il tempo richiesto da uno stampo S 1. Il termine noto del vincolo (45) è ottenuto tenendo conto che nella produzione corrente è utilizzato , = tempo pressa. Il vincolo (46) impone che la produzione usi al più il tempo verniciatura disponibile correntemente, nel testo del problema si afferma infatti che il tempo verniciatura è una risorsa critica, ovvero che è completamente sfruttato dalla soluzione corrente. Non essendo disponibili dei tempi assoluti, si considera come unità di tempo verniciatura il tempo richiesto da uno stampo S 5. Il termine noto del vincolo (46) è ottenuto tenendo conto che nella produzione corrente è utilizzato 1, , , = tempo verniciatura. Il problema precedente se riscritto in forma standard diventa max Π = 2.0q q q q q 5 (48) q 1 + 2q 2 + 3q 3 + 2q 4 + q 5 + s O = (49) q 1 + 2q q 3 + 3q 4 + 2q 5 + s P = (50) 1, 75q 1 + 3, 75q 2 + 0, 75q 3 + 2q 4 + q 5 + s V = (51) q i 0 i {1, 2, 3, 4, 5} (52) s j 0 j {O, P, S}, (53) 7
8 dove s O, s P, s V rappresentano rispettivamente le oreuomo, il tempo presso e il tempo verniciatura che eventualmente avanzano data una fissata produzione. Correntemente queste variabili di slack valgono 0. Siccome siamo interessati a determinare se vale la pena produrre stampi S 4 e S 5, dobbiamo determinare i profitti ridotti di tali stampi. A tal fine dobbiamo esprimere i valori delle variabili q 1, q 2 e q 3 relative alla produzione attuale nei termini delle variabili q 4 e q 5 e delle rimanenti variabili attualmente nulle, i.e., le variabili di slack. Riformulando il problema in tali termini si ottiene max Π = q 4 40, 8q , 8s O 31, 6s P + 9, 6s V (54) q 1 = q 4 33q s O 26s P + 8s V (55) q 2 = q q 5 5s O + 12s P 4s V (56) q 3 = , 67q 4 + 0, 67q 5 0, 67s O + 0, 67s P (57) q i 0 i {1, 2, 3, 4, 5} (58) s j 0 j {O, P, S}, (59) Osservando la funzione obiettivo (54), si deduce che attualmente non conviene produrre stampi S 4 o S 5 dato che sia q 4 che q 5 hanno profitti marginali negativi. Per altro, l attuale piano di produzione non è ottimo, infatti risulta addirittura conveniente non sfruttare del tutto le risorse critiche. In particolare, il coefficiente 12, 8 della variabile s O nella funzione obiettivo indica che potremmo risparmiare un orauomo e avere un incremento di profitto se producessimo 11 stampi S 1 in più sacrificando la produzione di 5 stampi S 2 e 0, 67 stampi S 3. Sualla base di questo ragionamento e ammesso di avere a sufficienza risorse non critiche, si potrebbe portare s O a 400, cioè sacrificare completamente la produzione di S 2 e ridurre la produzione di S 3 di = 0, = 2680 stampi per produrre stampi S 1 in più, con un incremento del profitto di 12, = La soluzione ottenuta porta ad incremento di profitto del 27%, e come si potrebbe verificare ripetendo il ragionamento precedente a partire da questa nuova soluzione è anche ottima. 8
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (II parte) Prof.ssa Bice Cavallo Soluzione di un problema PL Soluzione ottima Variabili slack e surplus A R mxn Ax b s R m, s i 0 : Ax
DettagliIL METODO DEL SIMPLESSO
IL METODO DEL SIMPLESSO Il metodo del Simplesso 1 si applica nella risoluzione di un problema di Programmazione Lineare 2 (funzione e vincoli lineari) quando le variabili di azione o iniziali sono almeno
DettagliIntroduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
DettagliProblemi lineari equivalenti
Problemi lineari equivalenti Introduzione Nel seguito verranno presentati alcuni esempi di trasformazione di problemi di problemi di programmazione lineare in forme equivalenti. Un problema di programmazione
Dettagli( ) le colonne della matrice dei coefficienti, con. , risulta A 3 = A 1 + 4A 2 + 4A 5, A 4 = A 1 + A 2,
1 Elementi di Analisi Matematica e Ricerca Operativa prova del 6 luglio 2016 1) Discutere il seguente problema di Programmazione Lineare: Trovare il massimo di p x 1, x 2, x 3, x 4 # x 2 + 4 x 3 + x 4
Dettagli3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:
DettagliProblema 6 * * * x = numero di cassonetti di tipo A y = numero di cassonetti di tipo B f(x, y) = 500x + 600y da massimizzare Vincoli:
Problema 6 Un industria specializzata produce due tipi di cassonetti A e B per la raccolta differenziata dei rifiuti. Le macchine utilizzate per la produzione non possono produrre giornalmente più di 40
DettagliIl modello duale. Capitolo settimo. Introduzione
Capitolo settimo Il modello duale Introduzione Il modello duale e la teoria della dualità assumono una grande importanza nella teoria della programmazione matematica. In questo testo i modelli primale
DettagliAppendice A: un esempio di scelta del mix ottimo di produzione in presenza di vincoli 19
14 18-12-07 19:04 Pagina 411 Le decisioni di breve termine fra alternative diverse 411 i minori costi differenziali, almeno nella misura in cui la dimensione di costo è la più importante. Sebbene i costi
DettagliRicerca Operativa A.A. 2007/ Esercitazione di laboratorio: analisi di sensitività
Ricerca Operativa A.A. 2007/2008 14. Esercitazione di laboratorio: analisi di sensitività Luigi De Giovanni - Ricerca Operativa - 14. Laboratorio: analisi di sensitività 14.1 Problema di mix della produzione
Dettagli4.3 Esempio metodo del simplesso
4.3 Esempio metodo del simplesso (P ) min -5x 4x 2 3x 3 s.v. 2x + 3x 2 + x 3 5 4x + x 2 + 2x 3 3x + 4x 2 + 2x 3 8 x, x 2, x 3 Per mettere il problema in forma standard si introducono le variabili di scarto
DettagliIl metodo del simplesso
Capitolo 5 Il metodo del simplesso 5. La forma standard Esercizio 5.. Porre il problema di Programmazione Lineare: in forma standard. min x +x + x + x x +x 5 x 4 x, x Si trasformano i vincoli di disuguaglianza
Dettagli2. ALGORITMO DEL SIMPLESSO
. ALGORITMO DEL SIMPLESSO R. Tadei Una piccola introduzione R. Tadei SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione
DettagliESERCITAZIONI DI ECONOMIA POLITICA (programma di MICROECONOMIA) seconda parte
ESERCITAZIONI DI ECONOMIA POLITICA (programma di MICROECONOMIA) anno accademico 01 013 seconda parte Per domande, dubbi o chiarimenti scrivere a: gaetano.lisi@unicas.it 1 1. IMPORTANZA DEI COSTI (MEDI)
DettagliLezioni di Ricerca Operativa 2 Dott. F. Carrabs
Lezioni di Ricerca Operativa Dott. F. Carrabs.. 009/00 Lezione 6: - mmissibilità di un vincolo - Vincoli alternativi - Vincoli alternativi a gruppi - Rappresentazione di funzioni non lineari: Costi fissi
DettagliSoluzione dei Problemi di Programmazione Lineare
Soluzione dei Problemi di Programmazione Lineare Consideriamo un problema di Programmazione Lineare (PL) con m vincoli ed n variabili in Forma Standard dove: ma 0 c A b ( ) 0 ( 2) R è il vettore n delle
DettagliRICERCA OPERATIVA. Tema d esame del 04/03/2008 (Simulazione)
RICERCA OPERATIVA Tema d esame del 04/03/2008 (Simulazione) COGNOME: NOME: MATRICOLA:. Una nota azienda automobilistica produce due modelli di auto (un utilitaria e una berlina), che rivende con un guadagno
DettagliL ALGORITMO DEL SIMPLESSO REVISIONATO
L ALGORITMO DEL SIMPLESSO REVISIONATO L'algoritmo del simplesso revisionato costituisce una diversa implementazione dell algoritmo standard tesa a ridurre, sotto certe condizioni, il tempo di calcolo e
DettagliCOMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04
COMPITO DI RICERCA OPERATIVA APPELLO DEL 08/01/04 Esercizio 1 Si risolva con il metodo branch-and-bound il seguente problema di PLI max x 1 + x 4x 1 + x + x = 0 x 1 + x + x 4 = x 1, x, x, x 4 0 x 1, x,
DettagliALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I
ALGORITMI DI OTTIMIZZAZIONE M Esercizi Parte I Esercizio 1 Dati n oggetti ed un contenitore, ad ogni oggetto j (j = 1,, n) sono associati un peso p j ed un costo c j (con p j e c j interi positivi). Si
DettagliVediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto.
Esempio di risoluzione di un problema di PL con Excel Vediamo come risolvere un problema di PL con Excel. Riprendiamo un esercizio già visto. Un azienda vinicola desidera produrre due tipi di vino: uno
DettagliEsercizi svolti di Programmazione Lineare. a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania
Esercizi svolti di Programmazione Lineare a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania Formulazione matematica e risoluzione grafica Esercizio Una pasticceria
DettagliIl teorema di Rouché-Capelli
Luciano Battaia Questi appunti (1), ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia, campus di Treviso, contengono un
DettagliFigura 1: 1) Si scriva la formulazione del problema come problema di PLI (con un numero minimo di vincoli) e la matrice dei vincoli.
ESERCIZIO 1 Sia dato il grafo orientato in Figura 1. Si consideri il problema di flusso a 1 2 4 Figura 1: costo minimo su tale grafo con b 1 = 4 b 2 = 2 b = b 4 = e c 12 = 2 c 1 = 4 c 14 = 1 c 2 = 1 c
Dettagli3.6 Metodi basati sui piani di taglio
3.6 Metodi basati sui piani di taglio Problema generale di Programmazione Lineare Intera (PLI) con A matrice m n e b vettore n 1 razionali min{ c t x : x X = {x Z n + : Ax b} } Sappiamo che esiste una
Dettaglipercorso 4 Estensione on line lezione 2 I fattori della produzione e le forme di mercato La produttività La produzione
Estensione on line percorso 4 I fattori della produzione e le forme di mercato lezione 2 a produzione a produttività Una volta reperiti i fattori produttivi necessari l imprenditore dovrà decidere come
DettagliPROBLEMI DI SCELTA dipendenti da due variabili d azione
prof. Guida PROBLEMI DI SCELTA dipendenti da due variabili d azione in un problema di programmazione lineare, si ricorda che la funzione obiettivo z=f(x,y)=ax+by+c assume il suo valore massimo (o minimo)
DettagliCorso di Laurea Specialistica in Ingegneria Meccanica e Ingegneria Energetica Progetto numerico al calcolatore
Corso di Laurea Specialistica in Ingegneria Meccanica e Ingegneria Energetica Progetto numerico al calcolatore Soluzione di un sistema non lineare con la Regula Falsi generalizzata per la determinazione
Dettagli= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con
Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti su m righe e n colonne. I numeri che compaiono nella tabella si dicono elementi della matrice. La loro individuazione
DettagliModelli di programmazione lineare. Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli
Ricerca Operativa 2. Modelli di Programmazione Lineare Modelli di programmazione lineare Il metodo grafico è basato su linearità della funzione obiettivo linearità dei vincoli Sotto queste ipotesi (come
DettagliProgrammazione Lineare Intera
Programmazione Lineare Intera Andrea Scozzari a.a. 2012-2013 May 10, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare Intera May 10, 2013 1 / 16 Programmazione Lineare Intera: Metodo dei Piani
DettagliProblemi di Flusso: Il modello del Trasporto
Problemi di Flusso: Il modello del rasporto Andrea Scozzari a.a. 2014-2015 April 27, 2015 Andrea Scozzari (a.a. 2014-2015) Problemi di Flusso: Il modello del rasporto April 27, 2015 1 / 25 Problemi su
DettagliIst. di economia, Corso di Laurea in Ing. Gestionale, I canale (A-O), A.A Prof. R. Sestini
Ist. di economia, Corso di Laurea in Ing. Gestionale, I canale (A-O), A.A. 2016-2017. Prof. R. Sestini SCHEMA DELLE LEZIONI DELLA SETTIMA e OTTAVA SETTIMANA CURVE di COSTO Esse illustrano dal punto di
DettagliPROGRAMMAZIONE LINEARE E DUALITA'
PROGRAMMAZIONE LINEARE E DUALITA' 1) Dati i punti di R 2 (1, 2), (1, 4), (2, 3), (3, 5), (4, 1), (4, 2), (5, 5), (6, 2), (6, 5). Determinare graficamente: A - L'involucro convesso di tali punti. B - Quali
DettagliSezione Prima Derivate di funzioni elementari: quadro riassuntivo e regole di derivazione. = ( n) lim x
Capitolo USO DELLE DERIVATE IN ECONOMIA Sezione Prima Derivate di funzioni elementari: quadro riassuntivo e regole di derivazione Si definisce derivata della funzione y f() nel punto 0 del suo insieme
DettagliEsercizi soluzione grafica e Branch and Bound. Daniele Vigo
Esercizi soluzione grafica e Branch and Bound Daniele Vigo daniele.vigo@unibo.it Mix Mangimi Il gestore di un allevamento desidera determinare il mix ottimale di mangimi da aggiungere al riso per la dieta
Dettagli5.4.5 Struttura dell algoritmo ed esempi
CAPITOLO 5. IL METODO DEL SIMPLESSO 6 5.4.5 Struttura dell algoritmo ed esempi Come abbiamo già ampiamente osservato, la fase II del metodo del simplesso, a partire da una soluzione di base ammissibile,
DettagliSoluzioni degli esercizi di formulazione di PL{0, 1}
Soluzioni degli esercizi di formulazione di PL{0, 1} Salvatore Nocella 12 febbraio 2007 1 Al lavoro Due operai devono eseguire un certo numero di lavori J = {1,..., n}, ciascuno della durata di un ora.
DettagliRicerca Operativa. Docenti. 1. Introduzione
Ricerca Operativa 1. Introduzione Docenti Luigi De Giovanni - Giacomo Zambelli Dipartimento di Matematica Pura e Applicata (Torre Archimede) Tel. 049 827 1349 / 1348 email: luigi - giacomo @math.unipd.it
DettagliEquazioni di 2 grado
Equazioni di grado Tipi di equazioni: Un equazione (ad una incognita) è di grado se può essere scritta nella forma generale (o forma tipica o ancora forma canonica): a b c con a, b e c numeri reali (però
DettagliIntroduzione alla programmazione Esercizi risolti
Esercizi risolti 1 Esercizio Si determini se il diagramma di flusso rappresentato in Figura 1 è strutturato. A B C D F E Figura 1: Diagramma di flusso strutturato? Soluzione Per determinare se il diagramma
Dettagli+ 1 p = MC. Il costo marginale nel caso proposto dall esercizio è pari a zero. L equazione 6.3 può quindi essere scritta:
Esercizio 6.1 Dall equazione 6.3 del testo sappiamo che il massimo profitto dell impresa si ottiene quando il valore dell inverso dell elasticità della (( domanda ) al prezzo ) più uno moltiplicato per
DettagliECONOMIA APPLICATA ALL INGEGNERIA (Docente: Prof. Ing. Donato Morea)
ESERCIZIO n. 1 - La produzione ed i costi di produzione (1 ) Un impresa utilizza una tecnologia descritta dalla seguente funzione di produzione: I prezzi dei fattori lavoro e capitale sono, rispettivamente,
DettagliEsercizi di Ricerca Operativa I
Esercizi di Ricerca Operativa I Raffaele Pesenti, Dario Bauso March 29, 2006 Domande Introduzione 1. Cos e la Ricerca Operativa? 2. Quali problemi affronta un ricercatore operativo? Fare un esempio indicando
Dettagli4.5 Metodo del simplesso
4.5 Metodo del simplesso min z = c T x s.v. Ax = b x PL in forma standard Esamina una sequenza di soluzioni di base ammissibili con valori non crescenti della funzione obiettivo fino a raggiungerne una
DettagliCalcolo numerico e programmazione Rappresentazione dei numeri
Calcolo numerico e programmazione Rappresentazione dei numeri Tullio Facchinetti 16 marzo 2012 10:54 http://robot.unipv.it/toolleeo Rappresentazione dei numeri nei calcolatori
DettagliESERCITAZIONE 3: Produzione e costi
MICROECONOMIA CEA A.A. 00-00 ESERCITAZIONE : Produzione e costi Esercizio (non svolto in aula ma utile): Rendimenti di scala Determinare i rendimenti di scala delle seguenti funzioni di produzione: a)
DettagliESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 421 E SEGUENTI
ESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 421 E SEGUENTI ESERCIZIO N. 6 PAG. 418 z 100 + 200 100 vincoli 3 2 + 20 0 Si rappresenta la REGIONE AMMISSIBILE ottenendo Determino le coordinate dei
DettagliESEMPI di domande per la prova scritta di MICROECONOMIA. Una sola delle risposte fornite per ogni domanda è corretta
ESEMPI di domande per la prova scritta di MICROECONOMIA Una sola delle risposte fornite per ogni domanda è corretta TEORIA DELLA PRODUZIONE - Varian capp. 18-23 1. Una impresa utilizza unicamente due fattori
DettagliESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 417 E SEGUENTI. Esercizio n. 1 pag 417. vincoli
ESERCIZI SVOLTI DI PROGRAMMAZIONE LINEARE TOMO G PAG 47 E SEGUENTI Esercizio n. pag 47 6 x x z vincoli 0 0 4 x x x x x x Si rappresenta la REGIONE AMMISSIBILE ottenendo La regione ammissibile, individuata
DettagliCOME CALCOLARE LA COMBINAZIONE DI MINIMO COSTO DEI FATTORI
COME CALCOLARE LA COMBINAZIONE DI MINIMO COSTO DEI FATTORI In questa Appendice, mostreremo come un impresa possa individuare la sua combinazione di minimo costo dei fattori produttivi attraverso il calcolo
DettagliLEZIONE N. 6 - PARTE 1 - Introduzione
LEZIONE N. 6 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA
Dettagli2.6 Calcolo degli equilibri di Nash
92 2 Giochi non Cooperativi Per queste estensioni di giochi non finiti si possono provare risultati analoghi a quelli visti per i giochi finiti. Rimandiamo alla bibliografia per uno studio più approfondito
DettagliProblemi di localizzazione di servizi (Facility Location Problems)
9. Problemi di Localizzazione di Servizi 1 Problemi di localizzazione di servizi (Facility Location Problems) Dato un insieme di clienti richiedenti una data domanda di merce e dato un insieme di possibili
Dettagli1 Il metodo dei tagli di Gomory
Il metodo dei tagli di Gomory Esercizio Sia dato il problema min(x x ) x + x (P 0 ) x + x x, x 0, interi. Calcolare la soluzione ottima applicando il metodo dei tagli di Gomory. Risoluzione Per applicare
DettagliLa notazione usata è quella usuale nel caso scalare, ed è estesa al caso generale. Consideriamo una forma quadratica:
. SU ALCUNI OPERAORI DI DERIVAZIONE Alcune operazioni tipiche dell analisi matematica hanno un diretto riscontro in termini matriciali. Consideriamo ad esempio una forma lineare: f() l l + l +..l n n ;
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliEquazioni di primo grado
Equazioni di primo grado 15 15.1 Identità ed equazioni Analizziamo le seguenti proposizioni: a ) cinque è uguale alla differenza tra sette e due ; b ) la somma di quattro e due è uguale a otto ; c ) il
DettagliCLASSIFICAZIONE DELLE CONICHE AFFINI
CLASSIFICAZIONE DELLE CONICHE AFFINI Pre-requisiti necessari. Elementi di geometria analitica punti e rette nel piano cartesiano, conoscenza delle coniche in forma canonica). Risoluzione di equazioni e
DettagliLaboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 21. Docente: Laura Palagi
Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 21 Docente: Laura Palagi Laboratorio di Ricerca Operativa Homework n 21 MODELLO DI MISCELAZIONE E
DettagliMATEMATICA PER ECONOMIA, FINANZA E MANAGEMENT
MATEMATICA PER ECONOMIA, FINANZA E MANAGEMENT Esercizi Applicazioni economiche. La domanda di un bene al variare del prezzo sia = 30 p, con 0 p 60 ; a) se la uantità offerta è = p 6, determinare il prezzo
DettagliCapitolo 10 Costi. Robert H. Frank Microeconomia - 4 a Edizione Copyright The McGraw-Hill Companies, srl
Capitolo 10 Costi I COSTI NEL LUNGO PERIODO Nel lungo periodo non esistono costi fissi Il problema dell impresa è quello di scegliere la combinazione ottimale di input in relazione all output che si intende
DettagliIDENTITÀ ED EQUAZIONI
IDENTITÀ ED EQUAZIONI Una identità è una eguaglianza tra due espressioni letterali che è verificata per qualsiasi valore attribuito alle lettere contenute nell espressione. Ad esempio le seguenti eguaglianze
DettagliDipendenza e indipendenza lineare (senza il concetto di rango)
CAPITOLO 5 Dipendenza e indipendenza lineare (senza il concetto di rango) Esercizio 5.1. Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Esercizio 5.2. Stabilire se i vettori
DettagliDecomposizione LU di una matrice quadrata
Appendice al Cap. 5 Decomposizione LU di una matrice quadrata Una qualunque matrice quadrata M = {m ij } di ordine N, reale, invertibile, i cui minori principali siano tutti non nulli, si può sempre decomporre
DettagliMassimizzazione del profitto Appunti - Bozza
Massimizzazione del profitto Appunti - Bozza Indice 1 Premessa 1 2 Massimizzazione del profitto 1 2.1 Introduzione............................ 1 2.2 Il costo............................... 2 2.3 Il ricavo..............................
DettagliEsercizi sulla Programmazione Lineare Intera
Soluzioni 4.7-4.0 Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare Intera 4.7 Algoritmo del Simplesso Duale. Risolvere con l algoritmo del simplesso duale il seguente
Dettagli5.5 Metodi generali per la soluzione di problemi
5.5 Metodi generali per la soluzione di problemi di PLI I problemi di PLI hanno caratteristiche molto diverse dai problemi di PL. In alcuni casi, la soluzione del problema lineare rilassato, ottenuto cioè
DettagliUNITÀ DIDATTICA 5 LA RETTA
UNITÀ DIDATTICA 5 LA RETTA 5.1 - La retta Equazione generica della retta Dalle considerazioni emerse nel precedente capitolo abbiamo compreso come una funzione possa essere rappresentata da un insieme
DettagliDomande 1. La seguente tabella rappresenta la curva di domanda relativa a un monopolista che produca a un costo marginale costante e pari a 5 euro. Prezzo 8 7 6 5 4 3 2 1 0 Quantità 1 2 3 4 5 6 7 8 9 a)
DettagliMetodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante
DettagliCorso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione dei numeri relativi
Codice BCD Prima di passare alla rappresentazione dei numeri relativi in binario vediamo un tipo di codifica che ha una certa rilevanza in alcune applicazioni: il codice BCD (Binary Coded Decimal). È un
DettagliProva in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A
Nome... Cognome... 1 Prova in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A Un rinomato biscottificio italiano dispone di tre stabilimenti, ubicati nelle città di Ancona, Belluno e Catanzaro
Dettagli4. METODI DUALI DEL SIMPLESSO
4. MEODI DUALI DEL SIMPLESSO R. adei 1 Una piccola introduzione R. adei 2 MEODI DUALI DEL SIMPLESSO L obiettivo del capitolo è illustrare e giustificare i metodi duali del simplesso. Entrambi i metodi
DettagliProgrammazione Lineare
Programmazione Lineare Andrea Scozzari a.a. 2012-2013 March 14, 2013 Andrea Scozzari (a.a. 2012-2013) Programmazione Lineare March 14, 2013 1 / 18 Metodo del Simplesso Dato un problema di PL in forma standard
DettagliTOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo
TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L
DettagliEsercitazione di Analisi Matematica II
Esercitazione di Analisi Matematica II Barbara Balossi 06/04/2017 Esercizi di ripasso Esercizio 1 Sia data l applicazione lineare f : R 3 R 3 definita come f(x, y, z) = ( 2x + y z, x 2y + z, x y). a) Calcolare
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
DettagliProf. Ing. Michele Marra - Appunti delle Lezioni di Ricerca Operativa Modelli di programmazione lineare.
CAPITOLO V MODELLI DI PROGRAMMAZIONE LINEARE 5.1) Un'impresa costruisce 3 modelli di radio a transistor di cui il primo dà un profitto unitario di 4800 lire, il secondo di 9000 lire ed il terzo di 15000
DettagliPossibile applicazione
p. 1/4 Assegnamento Siano dati due insiemi A e B entrambi di cardinalità n. Ad ogni coppia (a i,b j ) A B è associato un valore d ij 0 che misura la "incompatibilità" tra a i e b j, anche interpretabile
DettagliRicerca Operativa. Docente. 1. Introduzione
Ricerca Operativa 1. Introduzione Docente Luigi De Giovanni Dipartimento di Matematica Pura e Applicata (Torre Archimede) uff. 427 Tel. 049 827 1349 email: luigi@math.unipd.it www.math.unipd.it/~luigi
Dettagli04 - Numeri Complessi
Università degli Studi di Palermo Scuola Politecnica Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2015/2016 M. Tumminello,
DettagliLEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero
LEZINE 8 8.1. Prodotto scalare. Dati i vettori geometrici v = v x ı + v y j + v z k e w = wx ı + j + k di R 3 definiamo prodotto scalare di v e w il numero v, w = ( v x v y v z ) w x = v x + v y + v z.
Dettagli= 1. Dall equazione 8.4. z = z = 4 3
Esercizio 8.1 L equazione 8. definisce che il prezzo di vendita del prodotto è dato dal prodotto tra mark-up e costo marginale nel caso del duopolio. Nel caso dell esercizio, possiamo agevolmente calcolare
DettagliMetodo di Gauss-Jordan 1
Metodo di Gauss-Jordan 1 Nota Bene: Questo materiale non debe essere considerato come sostituto delle lezioni. Ārgomenti svolti: Riduzione per righe e matrici equivalenti per righe. Forma echelon e sistemi
DettagliSistemi di numerazione
Sistemi di numerazione Sistema di numerazione decimale Sapete già che il problema fondamentale della numerazione consiste nel rappresentare con un limitato numero di segni particolari, detti cifre, tutti
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliAnno 4 Matrice inversa
Anno 4 Matrice inversa 1 Introduzione In questa lezione parleremo della matrice inversa di una matrice quadrata: definizione metodo per individuarla Al termine della lezione sarai in grado di: descrivere
DettagliStruttura di mercato: insieme di elementi che incidono sul comportamento e il rendimento delle imprese di mercato, quali numero di imprese e tipo di
Struttura di mercato: insieme di elementi che incidono sul comportamento e il rendimento delle imprese di mercato, quali numero di imprese e tipo di bene venduto Concorrenzialità del mercato: dipende dalla
DettagliLEZIONE 1 C =
LEZIONE 1 11 Matrici a coefficienti in R Definizione 111 Siano m, n Z positivi Una matrice m n a coefficienti in R è un insieme di mn numeri reali disposti su m righe ed n colonne circondata da parentesi
DettagliEsercizi sulla Programmazione Lineare. min. cx Ax b x 0
Soluzioni 4.-4. Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare 4. Risoluzione grafica e forma standard. Si consideri il problema min x cx Ax b x dove x = (x, x )
DettagliCONVERSIONE BINARIO DECIMALE NB: Convertire in decimale il numero binario N = N =
NOTAZIONE BINARIA, OTTALE, ESADECIMALE CODIFICA DI NUMERI INTERI RELATIVI 1 CONVERSIONE BINARIO DECIMALE Convertire in decimale il numero binario N = 101011.1011 2 N = 1 2 5 + 0 2 4 + 1 2 3 + 0 2 2 + 1
DettagliUNITÀ DIDATTICA 2 LE FUNZIONI
UNITÀ DIDATTICA LE FUNZIONI. Le funzioni Definizione. Siano A e B due sottoinsiemi non vuoti di R. Si chiama funzione di A in B una qualsiasi legge che fa corrispondere a ogni elemento A uno ed un solo
DettagliEsercitazione 14 Aprile 2016 (Viki Nellas)
Esercitazione Aprile 06 (Viki Nellas) Esercizio Considerate un impresa che utilizzi una tecnologia descritta dalla seguente funzione, ; i prezzi dei fattori lavoro e capitale sono pari rispettivamente
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
DettagliEsercizi di termologia
Esercizi di termologia L. Paolucci 4 dicembre 2009 Sommario Termologia: esercizi e problemi con soluzioni. Per la classe seconda. Anno Scolastico 2009/0. Versione: v Si ricordi che cal 4,86. Quindi il
DettagliEsercitazione n o 3 per il corso di Ricerca Operativa
Esercitazione n o 3 per il corso di Ricerca Operativa Ultimo aggiornamento October 17, 2011 Fornitura acqua Una città deve essere rifornita, ogni giorno, con 500 000 litri di acqua. Si richiede che l acqua
DettagliSIMULAZIONE PROVA DI ECONOMIA POLITICA (PRIMA PARTE DEL PROGRAMMA: CAPP. 2,4,5,7,21) ANNO ACCADEMICO 2011/2012
SIMULAZIONE PROVA DI ECONOMIA POLITICA (PRIMA PARTE DEL PROGRAMMA: CAPP. 2,4,5,7,21) ANNO ACCADEMICO 2011/2012 La prova d esame completa comprende 6 domande a risposta multipla più 4 esercizi articolati
DettagliCapitolo 8. Esercizi. R π C' R' R R' π q P P = 60 C P = P = 60 P = 60 P = 50 P = 50 P = 50
Capitolo 8 n Esercizi 1. Nella tabella seguente sono indicati il prezzo (in euro) al quale un impresa può vendere un unità di prodotto e il costo totale della produzione. a. Completate la tabella compilando
Dettagli