Il metodo del simplesso
|
|
- Vittorio Cicci
- 7 anni fa
- Visualizzazioni
Transcript
1 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 in vincoli di uguaglianza introducendo le variabili di slack e di surplus : min x +x + x + x x +x + 5 x 4 x, x,, Si trasformano le variabili non vincolate in segno in variabili vincolate in segno effettuando la sostituzione x + x : min x +x + x + x x + x x + + x x +x + 5 x x + + x 4 x, x, x +, x,, In alternativa, si sarebbe potuto procedere in un altro modo; infatti, utilizzando il primo vincolo x + x, si può eliminare la variabile ottenendo il problema di PL equivalente min 4x +x x +x 5 x x x, x 5
2 da cui aggiungendo le variabili di slack e di surplus si ha min 4x +x x +x + 5 x x x Esercizio 5.. Dimostrare che il vettore x () T seguente sistema di equazioni e disequazioni: è un vertice del poliedro individuato dal x + x +7 x +x x x i i,...,4 Si tratta di un poliedro in forma standard. Consideriamo le colonne di A corrispondenti a componenti non nulle di x, (x e ), cioè 4 Poiché sono linearmente indipendenti, il punto dato è un vertice del poliedro. Esercizio 5.. Elencare i vertici del poliedro: x +x + x + x i, i,...,4 Si tratta dell insieme ammissibile di un problema in forma standard. Quindi i vertici sono le SBA, n cioè alpiù, in questo caso, 6. La matrice dei coefficienti è: m A Esaminiamo tutte le possibili coppie (m ) di colonne della matrice A, everifichiamo se costituiscono una base (cioè se sono indipendenti). Tra le possibili basi dobbiamo poi individuare quelle ammissibili. Si ottiene: () I B {, 4} x x ; () I B {, 4} x ; x + x, x 6
3 () I B {, } x ; (4) I B {, 4} x ; x + x, x x +, x (5) I B {, } x ; x + x, x 4 4 (6) I B {, } ; x +x, x x x Possiamo riassumere schematicamente questa situazione con una tabella in cui riportiamo per ciascuna coppia di colonne la verifica se la matrice individuata è di base e se la corrispondente soluzione di base è ammissibile. Indici delle colonne Base SBA {, } Sì No {, } Sì No {, 4} Sì Sì {, } Sì No {, 4} Sì Sì {, 4} Sì Sì Quindi abbiamo solo tre soluzioni di base ammissibili (vertici) che sono: /,,. / Esercizio 5..4 Elencare i vertici del poliedro descritto dal sistema: x +x x + + x i, i,...,4 Analogo all esercizio precedente. La matrice dei coefficienti è: A Esaminiamo tutte le possibili coppie (m ) di colonne della matrice A, verifichiamo se costituiscono una base ammissibile e calcoliamo la soluzione. x x () I B {, 4} x x ; 4 x 4, + 5 ; 7
4 () I B {, 4} x ; x x +, x 4 7 ; () I B {, } x ; x x +, / 7/ ; (4) I B {, 4} x ; x, x 4 ; (5) I B {, } x ; x, / / ; (6) I B {, } ; x +x, x x 7 x. Complessivamente possiamo compilare la seguente tabella: Indici delle colonne Base SBA {, } sì no {, } sì sì {, 4} sì sì {, } sì sì {, 4} sì sì {, 4} sì no Quindi 4 7, 5/ 7/, 4, 5/ /. 8
5 Esercizio 5..5 Applicare il criterio di ottimalità e di illimitatezza alla base costituta dalle colonne e 5 nel seguente problema di PL in forma standard: min x + x + x +x +4 x x i, i,...,5 Denotiamo x x B La matrice di base che consideriamo è: x N x c B B, c N e la matrice delle variabili fuori base è N 4. Per applicare il criterio di ottimalità e illimitatezza dobbiamo calcolare i costi ridotti. Calcoliamo l inversa di B: B 4 Quindi i coefficienti di costo ridotto sono: γ c T N c T BB N ( ) 4 ( ) 4 ( 5) I costi ridotti non sono non negativi e quindi non si può concluderenientesullasoluzionedata. / Inoltre, la colonna π (B N) è positiva, quindi non possiamo concludere niente / sull illimitatezza del problema. Esercizio 5..6 Fornendo una breve giustificazione o un controesempio, stabilire se la seguente affermazione è vera o falsa: in una soluzione ammissibile di base ottima di un problema di PL (di minimo, in forma standard) i coefficienti di costo ridotti devono essere tutti non negativi. Falso. Il criterio di ottimalità basato sulla non negatività deicoefficienti di costo ridotto èsolo sufficiente. Sia ad esempio dato il problema di PL seguente. min x +x x 6 x +x + + x x 5 + x +x + x 6 x i, i,...,6 9
6 Consideriamo la base B individuata dalle variabili (, x, x 6 ) T, B A questa base corrisponde la soluzione di base ammissibile (, x, x 6 ) T (,, ) T e x divalorez. Icoefficentidicostoridottorelativisono( 5/, 7/, /), quindi in base al criterio sufficiente non possiamo concludere nulla sulla ottimalità della soluzione. La soluzione è in realtà ottima, ma il criterio di ottimalità è verificato solamente nella soluzione di base ammissibile (,x, ) T (,, ) T e x x 6 sempre di valore z e relativa alla base 5. Esercizio 5..7 Considerato il problema di PL max x + x + x +x + + x +4x x (i) si stabilisca se il punto x (,,,, ) T è una soluzione ammissibile di base ottima calcolando i coefficienti di costo ridotto. (ii) Qualora x siaottima,sistabiliscaselasoluzioneèunica. Innanzitutto si deve scrivere il problema in forma standard. (i) Sicalcolanoicoefficienti di costo ridotto che sono (,, ) T. Si può quindi concludere che la soluzione è ottima. (ii) Poiché i coefficienti di costo ridotto non sono strettamente positivi, non si può concludere niente sull unicità della soluzione. Esercizio 5..8 SiadatoilproblemadiPL min 4x x 6 x +x + + +x 6 x x 6 6 x x 6 5 x i, i,...,6 4
7 (i) Si verifichi che le variabili (x x ) individuano una base ottima. (ii) Si determini l intervallo di valori entro cui può variareilcoefficiente di costo c (relativo alla variabile x )affinché la soluzione determinata al punto (i) rimanga ottima. Se si sceglie c maggiore dell estremo superiore dell intervallo sopra determinato, qual èlavariabile candidata ad entrare in base? (iii) Si determini l intervallo di valori entro cui può variare il termine noto b del secondo vincolo affinché la base individuata da (x x ) rimanga ottima. Qual è l espressione che lega il valore ottimo della funzione obiettivo a b? (iv) Si supponga di inserire una nuova variabile x 7 con colonna dei coefficienti A 7 ecoefficiente di costo c 7 8. L inserimento di questa nuova variabile consente di ottenere un vantaggio? In caso di risposta negativa, si determini il valore di c 7 per cui l uso di questa variabile può essere economicamente competitivo. (i) La base individuata dalle variabili (x x )è B La corrispondente matrice fuori base è N B 4 Si possono quindi calcolare i coefficienti di costo ridotto 6 γ c N N T (B ) T c B Poiché γ, la soluzione è ottima e vale x B B b, x N. 4 x 6 (ii) Sia c il coefficiente di costo della variabile x.risulta 6 γ c N N T (B ) T c B c 9 c +c c 4
8 Se γ, la soluzione è ancora ottima. Quindi si tratta di verificare se esiste un valore di c che soddisfa il sistema c +c c. Si ottiene c [, ]. Se <c, la variabile a cui corrisponde un coefficiente di costo ridotto negativo è x 6,cheè quindi l unica candidata ad entrare in base. Per c > hannocoefficiente di costo ridotto negativo sia che x 6, comunque la variabile x 6 corrisponde al costo ridotto minore. (iii) Supponiamo che b T (, b, 5) T. Inquestocasositrattadiverificare che la soluzione sia ancora ammissibile cioè cheb b. 4 4b b 8 b 5 b 8 Si individua l intervallo b [/4, 8]. Per un valore di b in questo intervallo la funzione obiettivo vale f (b ) 4(4b ) + 9(b 8) + b. (iv) L introduzione della variabile x 7 consente di ottenere un vantaggio se la soluzione ottima cambia. Possiamo verificare se il coefficiente di costo ridotto relativo alla variabile x 7 è non negativo oppure no. Risulta: γ 7 c 7 c T BB A 7 8 ( 4 9) 4. Poiché γ 7 > la soluzione ottenuta al punto (i) è ancora ottima per il problema aumentato; non c è quindi alcun vantaggio nell inserire la variabile x 7. Si può avere un vantaggio se risulta γ 7 <, cioè sec 7 7 <. In questo caso infatti non si può concludere che la soluzione è ottima (ma nemmeno che non lo è). Esercizio 5..9 Sia x (,,, ) T una soluzione di base ammissibile per un problema di ProgrammazioneLineareesia(γ, γ ) T (, ) T il vettore dei costi ridotti associato alle variabili fuori base ed. Se il valore della funzione obiettivo in x èparia, ovvero c T x dire qual è il valore della funzione obiettivo in x (,,, ) T. Si ha z c T B B b+γ T x N cioè z(x )c T B B b ez(ˆx) c T B B b +γ +γ. Si ottiene quindi z(ˆx). 4
9 Esercizio 5.. Data una soluzione ammissibile di base x (,,,, ) di valore z( x) 7,siano γ +h e γ i costi ridotti associati alle variabili fuori base ed. Determinare il valore del parametro h per il quale la soluzione ammissibile ˆx (,,,, ) T ha valore 5. Si ha z c T BB b +(c T N c T BB N)x N c T BB b + γ T x N. Sappiamo che z( x) c T B B b 7. Nelpuntoˆx si ha: z(ˆx) c T B B b + γ + γ 7+(+h)ˆ + ˆ 7+(+h) + 4 e quindi si ottiene l equazione: da cui h 6. h +75 4
10 5. Il metodo del simplesso In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare, ad ogni iterazione, la nuova forma canonica; in altri tale forma canonica è determinata con l uso esplicito della matrice di pivot T. Ovviamente l uso dell una o dell altra procedura è del tutto equivalente. Per brevità siè usata solo la notazione impiegata in classe dai Proff. LucidieRoma.Glistudenti del Prof. Facchinei tengano conto di due semplici differenze:. Quando negli esercizi si parla di forma canonica si tratta, sostanzialmente, di una forma di presentare i dati di interesse per l iterazione in corso. Per esempio, nel primo esercizio qui di seguito(esercizio5..)vienedettoche laformacanonicarispettoallevariabili e è: x4 min ( ) x4 + +( 4 ) 4 x x x x x x. Questa notazione, tradotta nella notazione usata in classe dal Prof. Facchinei si legge come: B {, }, N {x,x, }, B 4 N, B 6 b. Quando si dice all inizio di un problema che il problema è in forma canonica si intende dire che una base iniziale data dall identità è evidente.. Nel calcolo della variabile uscente, la notazione (π i ) j va letta, nella notazione usata in classe dal Prof. Facchinei come π ji. Esercizio 5.. Risolvere applicando la fase II del metodo del simplesso il seguente problema di Programmazione Lineare min x +4x + x +4x x + x + + x. Si può applicare la fase II del metodo del simplesso perché ilproblemaè in forma canonica rispetto alle variabili,,ovveropuò essere scritto x x4 min ( ) +( 4 ) x x 5 x x x x. 6 44
11 La base iniziale è B I erisultax B Iterazione. Calcolo dei costi ridotti. γ c N (N ) T c B x4 4, x N x x 4. T Verifica ottimalità. Risulta γ ; si prosegue. Verifica illimitatezza. Per i,, risultaπ i > ; si prosegue. Costruzione nuova base ammissibile. Scelta della variabile entrante. Si sceglie la variabile corrispondente al costo ridotto minore, cioè ed h. ((B ) b) i Scelta della variabile uscente. Si sceglie min i (π (π ) i > ) i che corrisponde alla variabile e k. I nuovi vettori delle variabili di base e fuori base sono: x x4 x B x x N x c B c N 4 a cui corrispondono le nuove matrici: B N 4 Costruzione forma canonica. Calcolo (B ) N e(b ) b con operazione di pivot. La matrice di pivot è: π π π e (B ) b 4 6 Con l operazione di pivot sull elemento (π ), si ottiene: e (B ) N (B ) b - - / / /
12 Quindi la nuova forma canonica rispetto alla base B è: x4 min ( ) +( 4) Iterazione. Calcolo dei costi ridotti. x4 + x γ c N B T N c B / / 4. x x x x / / / T Verifica ottimalità. Risulta γ ; si prosegue. Verifica illimitatezza. Risulta π > ; si prosegue. Costruzione nuova base ammissibile. Scelta della variabile entrante. C è un solo costo ridotto negativo, la variabile entrante è x e h. ((B ) b) i Scelta della variabile uscente. Si sceglie min che corrisponde alla variabile e i (π (π ) i > ) i k. I nuovi vettori delle variabili di base e fuori base sono: x x 4 x B x x N c B c N a cui corrispondono le nuove matrici: B 4 N Costruzione forma canonica. Calcolo (B ) N e(b ) b con operazione di pivot. La matrice di pivot è: π π e π (B ) b - - / / / 46
13 Con l operazione di pivot sull elemento (π ), si ottiene: e (B ) N (B ) b -/ / -/ 7/6 -/6 / Quindi la nuova forma canonica rispetto alla base B è: x min (4 ) +( ) x + x x / / / 7/6 /6 / x Iterazione. Calcolo dei costi ridotti. γ c N [(B ) N ] T c B 5/ / 8/. Verifica ottimalità. Risulta γ >. La soluzione è ottima e vale: x x 4 x 5, x x ; il valore ottimo della funzione obiettivo è pari a e la base ottima B è B. La soluzione èunica poiché i coefficienti di costo ridotto sono strettamente positivi. 47
14 Esercizio 5.. Risolvere con il metodo del simplesso il seguente problema di PL min x + x x +x x x + x x + x Innanzitutto poniamo il problema in forma standard. min x + x x +x + x x + + x x + + x 6 x Il problema è in forma canonica, infatti si può scrivere: min() +( ) x 6 + x x 6 x x x equindipossiamoapplicaredirettamentelafaseiidelmetododelsimplesso. Iterazione. Calcolo dei costi ridotti. (γ ) T c T N ( ) Verifica ottimalità. Risultaγ ; si prosegue. Verifica illimitatezza. La colonna π ; si prosegue. Costruzione nuova base ammissibile. Scelta della variabile entrante. C è un unico costo ridotto negativo, che corrisponde alla variabile ed h. Scelta della variabile uscente. Si sceglie min i (π )i> ((B ) b) i (π ) i ((B ) b) (π ) ((B ) b) (π ) cioè k ok. Sipuò scegliere quindi indifferentemente o x 6.Sisceglie (k ). Quindi x x B x N x c B c N x 6 48
15 e le corrispondenti matrice di base e fuori base: Utilizzandolamatrice B N T oeffettuando un operazione di pivot si ottiene la nuova forma canonica. Iterazione. Calcolo costi ridotti. Sihaγ (4 ) T Verifica ottimalità. Risulta γ e quindi il criterio di ottimalità nonèsoddisfatto. Verifica illimitatezza. Risulta π illimitatezza. Il problema dato è quindi illimitato inferiormente., e quindi è soddisfatto il criterio sufficiente di 49
16 Esercizio 5.. Risolvere, utilizzando il metodo del simplesso, il seguente problema di Programmazione Lineare: min x +x x 6 x +x + + x x 5 + x +x + x 6 x. Il problema è già in forma canonica: min() + x 6 x x +() x x 6 5 x x equindipossiamoapplicaredirettamentelafaseiidelmetododelsimplesso. Iterazione. Calcolo dei costi ridotti. Si ha γ 4 Verifica ottimalità. Risulta γ e quindi si prosegue. Verifica illimitatezza. Risulta π π quindi si prosegue. Costruzione nuova base ammissibile. Scelta variabile entrante. Il costo ridotto negativo corrisponde alla variabile x,cioè h. Scelta variabile uscente. ((B ) b) i,, min i,, (π ) i > (π ) i Poichè il minimo è raggiunto per più di un indice, la soluzione trovata sarà degenere. Scegliamo di far uscire la variabile corrispondente a k. Le nuove matrici di base e fuori base sono: B 5
17 a cui corrispondono x B x x 6 N x N x 5, c B Si costruisce la nuova forma canonica utilizzando la matrice / T / / c N Possiamo ora calcolare la matrice (B ) N eilvettor(b ) b.siottiene: / 5/ / (B ) N / / 5/, (B ) b / 5/ / La nuova forma canonica èquindi: min() x + x 6 x x +() x x 6 / 5/ / / / 5/ / 5/ / x Si osservi che la soluzione di base ottenuta ha una componente nulla, cioè è degenere. Iterazione. Calcolo dei costi ridotti. Si ha γ Verifica ottimalità. Risulta γ ; si prosegue. Verifica illimitatezza. Risulta 5/ π / 5/ si prosegue. Costruzione nuova base ammissibile. / 5/ 7/, π / 5/ / 5
18 Scelta variabile entrante. C è un unico costo ridotto negativo corrispondente all indice h cioè alla variabile. Scelta variabile uscente. Siha min i,, (π ) i > ((B ) b) i (π ) i Esce la variabile x 6 corrispondente a k. Le nuove matrici di base e fuori base sono: a cui corrispondono x B x, x N B N x x 6 /, ((B ) b) / (π ) 5, c B Si costruisce la nuova forma canonica utilizzando la matrice T T / 5/ / Dobbiamo ora calcolare le matrici (B ) N, (B ) b. Si ottiene: 4/ / / (B ) N / / 5/ / 5/ / La nuova forma canonica è: min( ) x + x x +() x x 6 4/ / / / / 5/ / 5/ /, c N (B ) b x x 6. 5
19 Iterazione. Calcolo dei costi ridotti. γ / / 7/ Verifica ottimalità. I costi ridotti sono tutti positivi, quindi la soluzione trovata è ottima. La soluzione ottima è x B x x N x x 6 con valore ottimo della funzione obiettivo pari a. La soluzione trovata èunicaedè degenere. 5
20 Esercizio 5..4 Risolvere utilizzando il metodo del simplesso il seguente problema di PL: min 4x + x + x + x + 4 x +x + x + x 5 x Innanzitutto scriviamo il problema in forma standard: min 4x + x + x + x + 4 x +x + x x + 5 x Il problema non èinformacanonica;sidevequindiapplicarelafasei. Consideriamo quindi il problema ausiliario: min α + α + α x + x + + α 4 x +x + + α x x + + α 5 x, α. Il problema ausiliario naturalmente è in forma canonica: α x min() α +() x α x α x α + x α x α Si risolve il problema ausiliario con la fase II del metodo del simplesso. B I, x B α, x N x. Iterazione. Calcolo dei costi ridotti. γ c N (N ) T c B Verifica ottimalità. Risulta γ ; si prosegue. Costruzione nuova base ammissibile. Scelta della variabile entrante: il minimo costo ridotto è 6 che corrisponde alle variabili x, ;si sceglie h
21 Scelta della variabile uscente. Siha: ((B ) b) i (π ) i min i,, (π ) i > con k a cui corrisponde la variabile α. Quindi α x B x, x N α Le nuove matrici di base e fuori base sono: α x B N 4 min,, 5,, c B, c N Costruzione forma canonica. Calcolo (B ) N e(b ) b con operazione di pivot. La matrice di pivot è data da: π e π π (B ) b 4-5 Con l operazione di pivot sull elemento (π ), si ottiene: e (B ) N (B ) b -/ - 4/ / / -/ - 8/ 4 Quindi la nuova forma canonica rispetto alla base B è: α α min ( ) x +() x α x α / 4/ α x + / / x α / 8/ x α 4. 55
22 Iterazione. Calcolo dei costi ridotti. γ c N ((B ) N ) T c B / 4/ / / / 8/ T Verifica ottimalità. Risulta γ ; si prosegue. Costruzione nuova base ammissibile. Scelta della variabile entrante. C è un unico costo ridotto negativo che corrisponde alla variabile ed h. ((B ) b) i Scelta della variabile uscente. Si sceglie min i (π (π ) i > ) i che corrisponde alla variabile α e α.sisceglieα e k. I nuovi vettori delle variabili di base e fuori base sono: α x B x x N x c B c N. α α Le nuove matrici di base e fuori base sono: B N Costruzione forma canonica. Calcolo (B ) N e(b ) b con operazione di pivot. La matrice di pivot è data da: Con operazione di pivot si ottiene π π π e (B ) b 4/ -/ - / / 8/ -/ - 4 e (B ) N (B ) b -/ -/4 /4 / / 5/4 -/4 /
23 Quindi la nuova forma canonica rispetto alla base B è: α min ( ) x +() x α α / /4 /4 x + / 5/4 /4 α x α Iterazione. Calcolo dei costi ridotti. (γ ) T () ( ) ( ). Verifica ottimalità. I costi ridotti sono non negativi, quindi la soluzione trovata è ottima. Si tratta di una soluzione degenere. Verifica ammissibilità problema originario. Il valore della funzione obiettivo del problema ausiliario z(α )ènullo,quindiilproblemadiplè ammissibile. Costruzione della base del problema originario. Le variabili α, α sono uscite dalla base e si possono semplicemente eliminare. Si ottiene min ( ) x + α x α x α /4 5/4 x La variabile α è invece ancora in base, ma l elemento (π ). (La variabile α ècioèidenticamente nulla). Il vincolo corrispondente è quindi ridondante e si può eliminare. Si ottiene la forma canonica del problema originario rispetto alla base (ottenuta da B eliminando la riga e la colonna relative ad α ): x min ( 4) + x x x /4 / + x x 5/4 / x. INIZIO FASE II Indichiamolamatricedibaseinizialeelamatricefuoribasecon: B N α x α / / / / 57
24 Iterazione. Calcolo costi ridotti. γ /4 Verifica ottimalità. γ < ; si prosegue. Verifica illimitatezza. Risulta π ; si prosegue. Costruzione nuova base ammissibile. Scelta della variabile entrante. Entra in base la variabile x e h. Scelta della variabile uscente. Esce dalla base la variabile x e k. I nuovi vettori delle variabili di base e fuori base sono: x x B, x N x a cui corrispondono le nuove matrici: x B N Costruzione forma canonica. Calcolo (B ) N e(b ) b con operazione di pivot. La matrice di pivot è: π e (B ) b -/4 / 5/4 / Con l operazione di pivot sull elemento (π ) 5/4, si ottiene: e (B ) N (B ) b /5 9/5 4/5 /5 Quindi la nuova forma canonica rispetto alla base B è: x min ( ) +4x x x /5 + x x 4/5 x. 9/5 /5 Iterazione. Calcolo dei costi ridotti. γ /5 Verifica ottimalità. Risulta γ > ; la soluzione trovata è ottima e unica e vale: x, x /5, x 9/5 con valore ottimo della funzione obiettivo pari a /5. La base ottima B è B. 58
25 Esercizio 5..5 Risolvere, utilizzando il metodo del simplesso, il seguente problema di Programmazione Lineare: min x + x x x + x +x x. Innanzitutto scriviamo il problema in forma standard: min x + x x x + x +x x. Il problema non èinformacanonicaequindidideveapplicarelafasei. Consideriamo quindi il problema ausiliario: min α + α x x + + α x +x + α x, α. Il problema ausiliario èinformacanonica α min ( ) +() α α + α x, α x x x 4 x x Si risolve il problema ausiliario con la fase II del metodo del simplesso. Iterazione. Calcolo dei costi ridotti. γ Verifica ottimalità. Risulta γ ; si prosegue. Costruzione nuova base ammissibile. Scelta della variabile entrante: il minimo costo ridotto è che corrisponde alla variabile x e h. Scelta della variabile uscente. Siha: min i, (π ) i > ((B ) b) i (π ) i min, 59
26 Poiché il minimo è raggiunto per più diunindice,lasoluzionesarà degenere. Si sceglie di far uscire la variabile α corrispondente a k. Quindi x B x α x N Le nuove matrici di base e fuori base sono: N α x B c B Calcoliamo la nuova forma canonica attraverso la matrice T c N. Quindi si ha: (B ) N, (B ) b. ed il problema in forma canonica rispetto alla base B è: min ( ) Iterazione. Calcolo dei costi ridotti. Si ha x α x + α x,x,,, α, α +() α x γ Verifica ottimalità. Risulta γ ; si prosegue. Costruzione nuova base ammissibile. Scelta della variabile entrante. C èunsolocostoridottonegativo(γ ) che corrisponde alla variabile x e h.. α x 6
27 Scelta della variabile uscente. min i, (π ) i > ((B ) b) i π i Si ottiene un valore nullo; questo corrisponde, come previsto, ad una soluzione degenere. La variabile uscente è α e k. Quindi x B x x, x N α α, c B Le nuove matrici di base e fuori base sono: B N Si può calcolare la nuova forma canonica attraverso l uso della matrice T / /, c N Iterazione. Calcolo dei costi ridotti. Si ha (γ ) T (). Verifica ottimalità. Il vettore dei costi ridotti è non negativo, quindi la soluzione trovata èottima. Calcoliamo (B ) b. La soluzione ottima vale quindi x, x α α x x 4 Si tratta di una soluzione degenere. Verifica ammissibilità problema originario. Il valore della funzione obiettivo del problema ausiliario z(α )è nullo, quindi il problema di originario è ammissibile. Costruzione della base del problema originario. Le variabili ausiliarie sono tutte fuori base e quindi una base ammissibile per il problema iniziale è B, e la soluzione di base ammissibile corrispondente si ottiene eliminando le variabili ausiliarie dalla soluzione ottima. Si applica quindi la Fase II al problema x x min ( ) +( ) x x 4 x x + x x. 6
28 Risulta B N INIZIO FASE II Iterazione. Calcolo dei costi ridotti. Si ha: min i, (π ) i > γ Verifica ottimalità. Risulta γ ; si prosegue. Verifica illimitatezza. La colonna π ; si prosegue. Costruzione nuova base ammissibile. Scelta della variabile entrante. C è un solo costo ridotto negativo e h. Scelta della variabile uscente. Risultaπ (/ /) T esiha ((B ) b) i ((B ) b) 6 (π ) (π ) i che corrisponde alla variabile che corrisponde a alla variabile x e k. Quindi si ha x B x x x N x c B c N Le nuove matrici di base e fuori base sono B N La nuova forma canonica si può ottenere attraverso la matrice T Iterazione. Calcolo dei costi ridotti. Si ha γ. Verifica ottimalità. Risulta γ. Quindi la soluzione trovata è ottima. Calcoliamo (B ) 6 b ; 4 6
29 la soluzione ottima vale quindi: x x 4, x 4, x 6 con valore della funzione obiettivo pari a. La base ottima B uguale a B. Esercizio 5..6 Sia dato il problema di Programmazioe Lineare definito da min c T x Ax b, x con A è m n. Fornendo una breve giustificazione o un controesempio, stabilire se la seguente affermazione è vera o falsa: se A ha rango minore di m, al termine della Fase I del metodo del simplesso alcune variabili artificiali devono essere necessariamente variabili di base. Vero. Poichéilproblemaartificiale usato nella Fase I del metodo del simplesso ammette sempre una soluzione ottima, esiste sempre una soluzione di base ammissibile. Se A ha rango minore di m, non esiste una sottomatrice B, m m, dia non singolare. Quindi la base ammissibile individuata alla fine della Fase I del metodo del simplesso, deve necessariamente contenere almeno una colonna relativa ad una variabile ausiliaria e la SBA corrispondente contiene almeno una variabile ausiliaria. 6
x 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 =
56 IL METODO DEL SIMPLESSO 7.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,
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,
DettagliAlgoritmo del Simplesso
Algoritmo del Simplesso Renato Bruni bruni@dis.uniroma.it Univertà di Roma Sapienza Corso di Ricerca Operativa, Corso di Laurea Ingegneria dell Informazione Vertici e Punti Estremi di un Poliedro Un poliedro
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
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 )
DettagliLa dualità nella Programmazione Lineare
Capitolo 3 La dualità nella Programmazione Lineare 3.1 Teoria della dualità Esercizio 3.1.1 Scrivere il problema duale del seguente problema di Programmazione Lineare: min x 1 x 2 + x 3 2x 1 +3x 2 3 x
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
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
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
DettagliMetodo delle due fasi
Metodo delle due fasi Il problema artificiale la fase I del Simplesso esempi rif. Fi 3.2.5; Osservazione Nel problema min{c T x : Ax = 0, x 0}, dell esempio precedente si ha che b 0 e A contiene una matrice
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
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
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
Dettaglimin 4x 1 +x 2 +x 3 2x 1 +x 2 +2x 3 = 4 3x 1 +3x 2 +x 3 = 3 x 1 +x 2 3x 3 = 5 Innanzitutto scriviamo il problema in forma standard: x 1 x 2 +3x 3 = 5
IL METODO DEL SIMPLESSO 65 Esercizio 7.4.4 Risolvere utilizzando il metodo del simplesso il seguente problema di PL: min 4 + + + + = 4 + + = + = 5 Innanzitutto scriviamo il problema in forma standard:
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. G. Liuzzi. Lunedí 23 Marzo Il Metodo del Simplesso Java API Problema di Trasporto
1 Lunedí 23 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR SHHHHH... Simplesso in 2 fasi Fase I (rg(a) m) Se P non è ammissibile, STOP Altrimenti 1 elimina da (A... b) eventuali
DettagliDomande d esame. Ricerca Operativa. G. Liuzzi. Giovedí 14 Maggio 2015. 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR
1 Giovedí 14 Maggio 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Geometria di R n 1 Dare la definizione di Poliedro e Vertice di un Poliedro 2 Dare la definizione di Poliedro e di Politopo
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
DettagliIntroduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari
Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema
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
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
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
Dettagli3.3 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:
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
DettagliCOMPITO DI RICERCA OPERATIVA. max x 1 + x 2 x 1 2x 2 + x 3 = 4 x 1 x 2 x 3 = 3 x 2 + 2x 3 = 1 x 1, x 2, x 3 0
COMPITO DI RICERCA OPERATIVA ESERCIZIO. (5 punti) Sia dato il seguente problema di PL: max x + x 2 x 2x 2 + x 3 = 4 x x 2 x 3 = 3 x 2 + 2x 3 = x, x 2, x 3 0 Utilizzando il metodo due fasi, si stablisca
DettagliIl metodo del simplesso. Il metodo del simplesso p. 1/8
Il metodo del simplesso Il metodo del simplesso p. 1/8 Ipotesi iniziale Data la base B e la riformulazione rispetto a essa: max γ 0 + n m j=1 γ jx im+j x i1 = β 1 + n m j=1 α 1jx im+j x ik = β k + n m
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
DettagliCosti ridotti e ottimalità
Costi ridotti e ottimalità condizione sufficiente di ottimalità spostamento su una base adiacente rif. Fi 3.2; Ricapitolando Sin qui abbiamo un algoritmo enumerativo applicabile quando P è un ( politopo,
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
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
DettagliGestione della produzione e della supply chain Logistica distributiva
Gestione della produzione e della supply chain Logistica distributiva Paolo Detti Dipartimento di Ingegneria dell Informazione e Scienze Matematiche Università di Siena Convergenza dell algoritmo Se non
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: problema del trasporto Ing. Valerio Lacagnina
Problemi di trasporto Consideriamo un problema di programmazione lineare con una struttura matematica particolare. Si può utilizzare, per risolverlo, il metodo del simplesso ma è possibile realizzare una
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non
DettagliIntroduzione alla programmazione lineare
Introduzione alla programmazione lineare struttura del problema di PL forme equivalenti rappresentazione e soluzione grafica rif. Fi 1.2; BT 1.1, 1.4 Problema di programmazione lineare Dati: un vettore
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
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
DettagliFUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti
FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti Discutendo graficamente la disequazione x > 3 + x, verificare che l insieme delle soluzioni è un intervallo e trovarne
DettagliTeoria della Programmazione Lineare Intera
0 Teoria della Programmazione Lineare Intera 0. INTRODUZIONE Come visto precedentemente, molti problemi particolarmente importanti dal punto di vista applicativo sono riconducibili alla soluzione di un
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
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio Date le seguenti applicazioni lineari f : R 2 R 3 definita da fx y = x 2y x + y x + y; 2 g : R 3 R 2 definita da gx y z = x + y x y; 3 h : Rx] 2 R 2 definita da
DettagliConvergenza del Simplesso e regole anti-ciclaggio
Convergenza del Simplesso e regole anti-ciclaggio degenerazione e ciclaggio un esempio di ciclaggio regole anti-ciclaggio rif. Fi 3.2.6, BT 3.4 (Esempio 3.6), BT 3.7; Sulla convergenza del metodo del simplesso
DettagliEsercizi di Programmazione Lineare - Dualità
Esercizi di Programmazione Lineare - Dualità Esercizio n1 Dato il seguente problema 3 + 3 2 2 + a scriverne il duale; b risolvere il duale (anche geometricamente indicando cosa da esso si può dedurre sul
DettagliRicerca Operativa A.A. 2007/ Analisi di sensitività
Ricerca Operativa A.A. 7/8. Analisi di sensitività Luigi De Giovanni - Ricerca Operativa -. Analisi di sensitività. Analisi di Sensitività: motivazioni I parametri (A, b e c) di un problema di programmazione
DettagliSISTEMI LINEARI MATRICI E SISTEMI 1
MATRICI E SISTEMI SISTEMI LINEARI Sistemi lineari e forma matriciale (definizioni e risoluzione). Teorema di Rouché-Capelli. Sistemi lineari parametrici. Esercizio Risolvere il sistema omogeneo la cui
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
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
DettagliLEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.
LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b
DettagliApplicazioni eliminazione di Gauss
Applicazioni eliminazione di Gauss. Premessa Nel seguito supporremo sempre di applicare il metodo di eliminazione di Gauss allo scopo di trasformare la matrice del sistema Ax = b in una matrice triangolare
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
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
Dettagli1 Ampliamento del piano e coordinate omogenee
1 Ampliamento del piano e coordinate omogenee Vogliamo dare una idea, senza molte pretese, dei concetti che stanno alla base di alcuni calcoli svolti nella classificazione delle coniche. Supponiamo di
Dettaglia + 2b + c 3d = 0, a + c d = 0 c d
SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,
DettagliNOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n
NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare
DettagliI. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.
ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio
DettagliApplicazioni lineari tra spazi euclidei. Cambi di base.
pplicazioni lineari tra spazi euclidei. Cambi di base. Esercizio. Data la seguente applicazione lineare f : R R : f(x, y, z) = (x z, x + y, y + z), scrivere la matrice B, rappresentativa di f rispetto
DettagliProgrammazione Matematica: VI Estensioni dell algoritmo del Simplesso
Programmazione Matematica: VI Estensioni dell algoritmo del Simplesso Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 1.0 Aprile 2004 Algoritmo del Simplesso L algoritmo del Simplesso
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,
DettagliESERCIZI SULLE MATRICI
ESERCIZI SULLE MATRICI Consideriamo il sistema lineare a, x + a, x + + a,n x n = b a, x + a, x + + a,n x n = b a m, x + a m, x + + a m,n x n = b m di m equazioni in n incognite che ha a, a,n A = a m, a
DettagliRICERCA OPERATIVA GRUPPO B prova scritta del 22 settembre 2004 FOGLIO 1. Cognome: Nome: Matricola:
RICERCA OPERATIVA GRUPPO B prova scritta del 22 settembre 2004 FOGLIO 1 Cognome: Nome: Matricola: Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta
DettagliTeoria della Programmazione Lineare. Teoria della Programmazione Lineare p. 1/8
Teoria della Programmazione Lineare Teoria della Programmazione Lineare p. 1/8 I problemi di PL in forma canonica In forma scalare: max n j=1 c jx j n j=1 a ijx j b i x j 0 i = 1,...,m j = 1,...,n Teoria
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
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
DettagliIl metodo del simplesso
7 Il metodo del simplesso Dato un problema di PL è ovviamente necessario, se il modello fatto deve essere di qualche utilità, essere capaci di risolverlo. Nel caso della programmazione lineare si dice
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
DettagliEsercizi per il corso di ricerca operativa 1
Esercizi per il corso di ricerca operativa Ultimo aggiornamento: 8 gennaio 004 Indice I Esercizi 5 Programmazione lineare 7 Dualita 3 3 Analisi di sensitivita 7 4 Programmazione intera 5 Introduzione
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)
DettagliTeoria della Dualità: I Introduzione
Teoria della Dualità: I Introduzione Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev. 1.2 Maggio 2004 Dualità Per ogni problema PL, detto primale, ne esiste un altro, detto duale, costruito
DettagliEsercizi di ottimizzazione vincolata
Esercizi di ottimizzazione vincolata A. Agnetis, P. Detti Esercizi svolti 1 Dato il seguente problema di ottimizzazione vincolata max x 1 + x 2 x 1 4x 2 3 x 1 + x 2 2 0 x 1 0 studiare l esistenza di punti
DettagliA.A CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5.
A.A. 2015-2016. CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5. Esercizio 5.1. Determinare le ultime tre cifre di n = 13 1625. (Suggerimento. Sfruttare il Teorema di Eulero-Fermat)
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
DettagliPrecorso di Matematica
UNIVERSITÀ DEGLI STUDI ROMA TRE FACOLTA DI ARCHITETTURA Precorso di Matematica Anna Scaramuzza Anno Accademico 2005-2006 4-10 Ottobre 2005 INDICE 1. ALGEBRA................................. 3 1.1 Equazioni
DettagliSPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:
SPAZI VETTORIALI Esercizi Esercizio. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: V := { (a, a, a) V a R }, V 2 := { (a, b, a) V a, b R }, V 3 := { (a, 2a, a + b)
DettagliSISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3
SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni
DettagliFunzioni implicite - Esercizi svolti
Funzioni implicite - Esercizi svolti Esercizio. È data la funzione di due variabili F (x, y) = y(e y + x) log x. Verificare che esiste un intorno I in R del punto di ascissa x 0 = sul quale è definita
DettagliRicerca Operativa. G. Liuzzi. Lunedí 20 Aprile 2015
1 Lunedí 20 Aprile 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Rilassamento di un problema Rilassare un problema di Programmazione Matematica vuol dire trascurare alcuni (tutti i)
DettagliSi consideri il seguente tableau ottimo di un problema di programmazione lineare
ESERCIZIO 1 Si consideri il seguente tableau ottimo di un problema di programmazione lineare -25/3 0 4/3 19/6 9/2 0 0 0 7/6 1 0 1-1/2-3/2 1 0 0 3/2 11/3 1-2/3-1/3 0 0 0 0 2/3 2/3 0 1/3 1/6-1/2 0 1 0 7/6
DettagliIl metodo del simplesso. Il metodo del simplesso p. 1/12
Il metodo del simplesso Il metodo del simplesso p. 1/12 I problemi di PL in forma standard I problemi di PL in forma standard hanno la seguente formulazione: max cx a i x = b i x 0 i = 1,...,m o, equivalentemente,
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
DettagliLEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g
LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere
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
DettagliRegistro Lezioni di Algebra lineare del 15 e 16 novembre 2016.
Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016 Di seguito si riporta il riassunto degli argomenti svolti; i riferimenti sono a parti del Cap8 Elementi di geometria e algebra lineare Par5
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
DettagliFunzioni derivabili (V. Casarino)
Funzioni derivabili (V. Casarino) Esercizi svolti 1) Applicando la definizione di derivata, calcolare la derivata in = 0 delle funzioni: a) 5 b) 3 4 c) + 1 d) sin. ) Scrivere l equazione della retta tangente
DettagliDisequazioni di secondo grado
Disequazioni di secondo grado. Disequazioni Definizione: una disequazione è una relazione di disuguaglianza tra due espressioni. Detti p() e g() due polinomi definiti in un insieme A, una disequazione
DettagliProblemi di flusso a costo minimo
p. 1/7 Problemi di flusso a costo minimo È data una rete (grafo orientato e connesso) G = (V,A). (i,j) A c ij, costo di trasporto unitario lungo l arco (i, j). i V b i interi e tali che i V b i = 0. p.
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
DettagliProgrammazione Lineare Intera. Programmazione Lineare Intera p. 1/4
Programmazione Lineare Intera Programmazione Lineare Intera p. 1/4 Programmazione Lineare Intera Problema di PLI in forma standard: max cx Ax = b x 0, x I n I insieme degli interi. Regione ammissibile:
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.
DettagliRicerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte III)
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte III) L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di
DettagliChi non risolve esercizi non impara la matematica.
5.5 esercizi 9 Per trovare la seconda equazione ragioniamo così: la parte espropriata del primo terreno è x/00, la parte espropriata del secondo è y/00 e in totale sono stati espropriati 000 m, quindi
DettagliAlgebra lineare Geometria 1 11 luglio 2008
Algebra lineare Geometria 1 11 luglio 2008 Esercizio 1. Si considerino la funzione: { R f : 3 R 3 (α, β, γ) ( 2β α γ, (k 1)β + (1 k)γ α, 3β + (k 2)γ ) dove k è un parametro reale, e il sottospazio U =
Dettagli1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: c) x + 1 d)x sin x.
Funzioni derivabili Esercizi svolti 1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: a)2x 5 b) x 3 x 4 c) x + 1 d)x sin x. 2) Scrivere l equazione della retta tangente
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
Dettaglidipendenti. Cosa possiamo dire sulla dimensione di V?
Esercizi Esercizi. In uno spazio vettoriale V ci sono tre vettori v, v 2, v linearmente indipendenti. Cosa possiamo dire sulla dimensione di V? 2. In uno spazio vettoriale V ci sono tre vettori v, v 2,
DettagliTeoria della Programmazione Lineare Intera
Teoria della Programmazione Lineare Intera Laura Galli Dipartimento di Informatica Largo B. Pontecorvo, 567 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 7 Ottobre 0 Ricerca Operativa Laurea
Dettagli2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =
Esercizio 1. Risolvere il sistema lineare 2x 5y +4z = x 2y + z =5 x 4y +6z =10 (1) Soluz. La matrice dei coefficienti è 1 4 6, calcoliamone il rango. Il determinante di A è (applico la regola di Sarrus):
DettagliIl metodo del simplesso
Capitolo 5 Il metodo del simplesso Dato un problema di PL è ovviamente necessario, se il modello fatto deve essere di qualche utilità, essere capaci di risolverlo. Nel caso della programmazione lineare
DettagliProgrammazione Lineare Intera: Piani di Taglio
Programmazione Lineare Intera: Piani di Taglio Andrea Scozzari a.a. 2014-2015 April 22, 2015 Andrea Scozzari (a.a. 2014-2015) Programmazione Lineare Intera: Piani di Taglio April 22, 2015 1 / 23 Programmazione
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
Dettagli