Parte V: Rafforzamento di formulazioni e algoritmo dei piani di taglio
|
|
- Orsola Guidi
- 6 anni fa
- Visualizzazioni
Transcript
1 Parte V: Rafforamento di formulaioni e algoritmo dei piani di taglio
2 Noioni di geometria Definiione: Un vettore y R n è combinaione conica dei vettori {,, k } se esistono k coefficienti reali λ,,λ k tali che y Σ λ i i, con λ i >, per ogni i,,k. k i Definiione: Un vettore y R n è combinaione affine dei vettori {,, k } se esistono k coefficienti reali λ,,λ k tali che y Σ λ i i, k con Σ λ i. i Definiione: Un vettore y R n è combinaione convessa dei vettori {,, k } se esistono k coefficienti reali λ,,λ k tali che y Σ λ i i, k con Σ λ i e λ i >, per ogni i,,k. i k i k i
3 Noioni di geometria Definiione: Dato un insieme S R n, l involucro convesso di S, conv(s), è l insieme di tutti i vettori ottenibili come combinaione convessa di sottoinsiemi finiti di vettori di S. Definiione: Dato un insieme convesso S, un vettore y S si dice estremo se e solo se esso non è ottenibile come combinaione convessa di altri vettori in S. Definiione: Un poliedro P { R n : A < b} è un insieme convesso con un numero finito di punti estremi detti vertici di P.
4 Noioni di geometria Definiione: Una disequaione a T < α è valida per il poliedro P { R n : A < b} se e solo se P { R n : a T < α}, ovvero se e solo se la disequaione è soddisfatta da tutte le soluioni ammissibili del sistema A < b (a T < α è implicata dal sistema A < b). Definiione: Una disequaione valida a T < α definisce una faccia F P { R n : a T α}. L insieme { R n : a T α} è detto iperpiano di supporto di F. Ogni faccia di un poliedro è essa stessa un poliedro. Definiione: La dimensione di un poliedro P, dim(p), è data dal massimo numero di vettori affinemente indipendenti appartenenti a P meno uno. Data una faccia F di P, risulta sempre dim(f) < dim (P). Se dim(f) dim(p), F è detta faccia impropria di P. Se dim(f) dim(p), F è detta faccia massimale di P. Se dim(f), F coincide con un vertice di P.
5 Noioni di geometria La rappresentaione A < b di un poliedro P non è univocamente determinata. Infatti, è sempre possibile aggiungere alla rappresentaione nuove disuguagliane valide per P, ottenute come combinaione conica delle disequaioni del sistema A < b, sena modificare la regione ammissibile. Definiione: Una rappresentaione A < b è minimale se, rimuovendo una qualsiasi disequaione dal sistema si ottiene un nuovo sistema A < b tale che P { R n : A < b }. Definiione: Se P R n è tale che dim(p) n, una rappresentaione A < b è minimale se e solo se ogni disequaione del sistema definisce una faccia massimale di P.
6 Formulaioni di problemi di PL - Ricordiamo che, date due diverse formulaioni lineari P e P di un problema di programmaione lineare - della forma (), diremo che P è migliore di P se e solo se P P. La formulaione ottima di un problema di programmaione lineare - della forma ma c T S (S {,} n ) è costituita dal poliedro contenuto in tutti i poliedri contenenti S, ovvero dall involucro convesso conv(s). Indichiamo con P S la formulaione ottima.
7 Formulaioni di problemi di PL - Ricordiamo ancora che, dato un problema di programmaione lineare - ma c T () S (S {,} n ) un poliedro P { R n : A < b} è una formulaione lineare del problema se e solo se S P {,} n. Teorema: Un problema di programmaione lineare - della forma () ammette sempre una formulaione lineare conv(s) con la proprietà che S se e solo se è un vertice di conv(s).
8 Formulaioni di problemi di PL - Dal teorema precedente, possiamo riscrivere il problema () nella forma ma c T () P S Infatti, poiché i vertici di P S coincidono con i vettori in S, risolvere il problema () è equivalente ad individuare un vertice di P S che minimii c T, ovvero ad individuare un vertice ottimo per il problema (). Pertanto, ogni problema di programmaione lineare - può essere espresso come problema di programmaione lineare.
9 Formulaioni di problemi di PL - Il fatto che si possa passare da un problema di programmaione lineare - a un problema di programmaione lineare suggerisce importanti conseguene riguardanti la complessità computaionale: infatti, è noto che un problema di programmaione lineare può essere risolto in tempo e spaio polinomiali ricorrendo a opportuni algoritmi. Tuttavia è errato pensare che algoritmi polinomiali per problemi di programmaione lineare possano essere utiliati per risolvere qualsiasi problema di programmaione lineare -.
10 Formulaioni di problemi di PL - Alcuni metodi per la programmaione lineare richiedono una rappresentaione esplicita della formulaione P S. Tale rappresentaione è teoricamente ottenibile per qualsiasi problema di programmaione lineare - ma è spesso algoritmicamente impraticabile. Invece altri metodi,come il Metodo dell Ellissoide, si accontentano di una rappresentaione implicita della formulaione P S fornita dal cosiddetto Oracolo di Separaione. Tale oracolo è realiato da un algoritmo che, dato un vettore R n, o genera un iperpiano che separa da P S oppure conclude che P S. L oracolo di separaione descrive P S in modo algoritmico e rende i metodi che lo utiliano indipendenti dal numero di disequaioni della rappresentaione esplicita.
11 Rafforamento di formulaioni Il problema di knapsack ma 5 4 < 6 {,} ha come rilassamento lineare ma 5 4 < 6 > > < < Sia * LP la soluione ottima del rilassamento.
12 Oracolo di Separaione Dato il vettore * LP, l oracolo di separaione consente di individuare una disequaione soddisfatta da tutti i vettori in P S (valida per P S ), e non soddisfatta dal vettore * LP, OPPURE di concludere che * LP P S. Dal punto di vista geometrico, l oracolo costruisce, se esiste, un iperpiano che separa * LP da P S. Se tale iperpiano non esiste allora il punto * LP appartiene a P S. L iperpiano individuato è detto iperpiano di separaione o piano di taglio.
13 Oracolo di Separaione * LP L oracolo viene generalmente realiato tramite un algoritmo detto Algoritmo di Separaione.
14 Disuguagliane valide per il Knapsack - Consideriamo l insieme X { {,} n : Σ a j j < b}. n j Definiione: Un insieme C N è un cover se e solo se Σ a j > b. j C Un cover è minimale se, comunque preso j C, l insieme C \ { j } NON è un cover. Osservaione: Un insieme C è un cover se e solo se il suo vettore caratteristico C non è ammissibile per X.
15 Disuguagliane valide per il Knapsack - Teorema: Se C N è un cover per X, la disequaione è valida per X. Σ j < C (*) j C Dimostraione: Dimostriamo che se un generico vettore R non soddisfa il vincolo (*) allora R X. Se R è tale che Σ R j > C, allora R C C e quindi C j C R. Pertanto: ovvero R X. n Σ a j jr Σ a j > Σ a j > b j j R j C
16 Consideriamo il problema di knapsack ma < 9 {,} 7 Esempio La soluione associata al suo rilassamento lineare è ( * ) LP (,, /,,,, ). Una disequaione cover violata da ( * ) LP è la disequaione <. Qual è il problema di separaione che consente di individuare una disequaione di tipo cover violata da ( * ) LP?
17 Oracolo di separaione Riscriviamo la disequaione Σ j < C nella forma Σ j - C < Σ ( j ) < j C j C La disequaione è violata da ( * ) LP se e solo se: Σ (( * j ) LP ) > Quindi, possiamo massimiare la violaione definendo SEP ma {Σ (( * j ) LP ) : Σ a j > b} C N j C j C j C j C Un algoritmo per SEP è un oracolo di separaione.
18 Oracolo di separaione Siano y * SEP * SEP la soluione ottima del problema SEP, e il corrispondente valore della funione obiettivo. Se * >, allora esiste una disuguagliana cover violata da y * SEP. Se * SEP <, allora non esiste una disuguagliana cover violata da y * SEP. A questo punto non resta che formulare come programmaione lineare - il problema di separaione.
19 Formulaione del problema di separaione Il problema di separaione può essere formulato come un problema di programmaione lineare - in cui la variabile y j se j C e y j altrimenti. Funione Obiettivo ma Σ (( * j ) LP )y j j N Vincoli Σ a j y j > b j N y {,} n Osservaione: I coefficienti in funione obiettivo sono < e quindi il problema non ammette una soluione banale.
20 Trasformaione Ponendo j y j, il problema di separaione diventa Funione Obiettivo ma Σ (( * j ) LP ) Σ ((* j ) LP ) j j N Vincoli Σ a j j > Σ a j b j N {,} n j N j N Poiché Σ (( * j ) LP ) è una costante nella nuova funione j N obiettivo, si ottiene
21 un problema di knapsack Funione Obiettivo ma Σ ( ( * j ) LP ) j j N Vincoli Σ a j j < Σ a j b j N j N {,} n
22 Esempio ma < 9 {,} 7 * LP (,, /,,,, ) Problema di separaione ma ( ) ( ) ( - /) < {,} 7
23 Separaione Problema di separaione ma / < 8 {,} 7 Soluione ottima * (,,,,,, ) di valore 4 Riportiamola nello spaio delle y: y* (,,,,,, ) di valore * SEP /. Pertanto, * SEP / >
24 Pertanto. Il valore di * SEP è >, ovvero esiste una disequaione cover violata.. La disequaione è scritta in corrispondena degli indici che hanno valore in y *, ovvero y* (,,,,,, ) corrisponde a <
25 Algoritmo dei piani di taglio Dato il rilassamento lineare di un problema di knapsack. Calcola la soluione ottima * LP.. Se * LP {, } n STOP, altrimenti vai al passo.. Definisci il problema di separaione. 4. Risolvi il problema di separaione. 5. Se esiste una disequaione cover violata aggiungila alla formulaione corrente e torna al punto, altrimenti STOP.
26 Pianificaione degli investimenti Dati I {,,, n} insieme di investimenti attivabili su un orionte temporale T {,,, t} di t periodi Ad ogni investimento i è associato un indice di redditività c i Ogni investimento i genera un flusso di cassa a i (a i, a i,, a it ) (> introiti, < esborsi) per ogni periodo j T Per ogni periodo j T esiste un budget b j che limita gli esborsi (flussi di cassa negativi). Problema Determinare l insieme di investimenti I * I che massimia la redditività e che rispetta il vincolo per cui la somma dei flussi di cassa degli investimenti attivati in ogni periodo j T non superi il budget b j.
27 Esempio a a a Investimento a a a 5 Investimento a 6 a a Investimento Periodo b 4 Periodo b 5 Periodo b
28 Esempio Nell esempio precedente, se vengono attivati tutti e tre gli investimenti il vincolo di budget nel periodo NON è rispettato. Formulaione Variabili decisionali i se il progetto i è attivato i altrimenti ma Σ c i i i I Σ a ij i > b j i I {,} n j T ma c T A > b {,} n
29 Rilassamento lineare Per migliorare la formulaione precedente, consideriamo un singolo vincolo di budget del sistema A > b e il problema di Knapsack continuo ad esso associato: ma c T a T j > b j < < cambiamo segno nel vincolo ma c T a T j < b j < < (KP j )
30 Rafforamento L insieme delle soluioni del problema di pianificaione originario è costituito dall interseione degli insiemi delle soluioni dei singoli problemi di knapsack (KP j ). Pertanto, è possibile rafforare ciascun problema KP j, ad esempio con disequaioni cover, per ottenere un rafforamento della formulaione di pianificaione.
31 Esempio Consideriamo la seguente istana di un problema di pianificaione: I {,,, 4, 5} T {,, } c (, 7,, 5, 7) Redditività b (-,, -5) Budget a (-4,, -) Flusso di Cassa I a (, -4, ) Flusso di Cassa I a (,, -5) Flusso di Cassa I a 4 (, -, -) Flusso di Cassa I 4 a 5 (-, 4, ) Flusso di Cassa I 5
32 Esempio ma La soluione ottima di (PL) è: * [.67; ;.74;.96; ] di valore.9 (PL) Il rilassamento lineare si scrive (considerando il cambiamento di segno sul vincolo di budget)
33 Esempio Consideriamo a questo punto il primo vincolo di budget e il problema di knapsack continuo ad esso associato: ma (KP ) Effettuiamo un cambio di variabili per ottenere tutti coefficienti positivi nel vincolo di knapsack: J( ) {,, 4} y i i per ogni i J( ). Si ottiene: y y y
34 Esempio Dobbiamo vedere se esiste una cover violata rispetto alla soluione: * [.67; ;.74.6;.96.4; ] Risolvendo il problema di separaione si individua la cover violata 5 <, che si può aggiungere direttamente alla formulaione, essendo già nelle variabili. Osservaione: Se la cover contiene variabili y, bisogna effettuare il cambio di variabile y h h prima di aggiungere la disequaione alla formulaione La nuova soluione ottima del RL (peraltro intera) è * [; ; ; ; ] di valore.
35 Parte VI: Formulaioni con un numero di vincoli non polinomiale
36 Metodo del Simplesso Dinamico Primale Il metodo del simplesso può essere usato per risolvere un problema di ottimiaione combinatoria qualora sia nota una rappresentaione del tipo A < b (rappresentaione esterna) dell involucro convesso dei suoi insiemi ammissibili conv (S). Domanda: Abbiamo realmente bisogno di una rappresentaione esterna di conv (S)?
37 Problema del cammino minimo Sia G (V, E) un grafo non orientato. Dati s, t V l uv R uv E lunghea dell arco uv Problema Determinare un (s, t)-cammino di lunghea totale minima. Variabili decisionali ij se l arco ij appartiene all (s, t)-cammino ij altrimenti
38 (s, t)-tagli Un (s, t)-taglio è una partiione (X, V\X) dei vertici di G tale che s X e t V\X. L insieme K di archi con un estremo in X e l altro in V\X definisce gli archi del taglio. Si dice peso del taglio la somma dei pesi degli archi in K. Esempio s 4 t 5 6 X {s,, 4, 5}, V\X {,, 6, t} K {, 4, 46, 56}
39 Formulaione min uv E uv K l uv uv uv K corrispondente a un (s, t)-taglio {,} E Ciascun vincolo esprime la condiione che almeno un arco di ogni (s, t)-taglio deve appartenere al cammino da s a t.
40 Osservaioni Il numero dei vincoli è esponeniale rispetto alla cardinalità di E. Sebbene la matrice dei coefficienti non sia totalmente unimodulare, il rilassamento lineare (PL) di (P) fornisce la soluione ottima del problema intero. Tuttavia, nella pratica il numero di vincoli rende impossibile scrivere le matrici del metodo del simplesso.
41 Simplesso Dinamico Primale Il simplesso dinamico primale acquisisce le informaioni sulla struttura del poliedro attraverso un oracolo di separaione. Oracolo di separaione Dato * R n, l oracolo di separaione restituisce una disequaione a T i b i del sistema A b violata da * oppure conclude che tutte le disequaioni del sistema A b sono soddisfatte da *.
42 Algoritmo Supponiamo di voler risolvere il problema (P) ma c T A b dove A è una matrice (m n) e b R m. Sia D una sottomatrice di A con q << m righe e n colonne. Definiamo il sottoproblema iniiale: P ~ ( ) ma D d ct
43 Algoritmo Risolvere il problema ( P ~ ) È ammissibile? si soluione ottima di ( P ~ ) no (P) è inammissibile Esiste un vincolo violato? no soluione ottima di (P) si Si aggiunge il vincolo violato a t b a ( P ~ )
44 Esempio s t 4 Trovare l (s, t)-cammino di lunghea minima sul grafo in figura. Partiamo dalla formulaione: E uv uv t t s s t t s s min ( ) P ~
45 Esempio La soluione ottima è data da s s 4t 4 4 t Oracolo di separaione uv Associamo il peso ad ogni arco uv E e cerchiamo l (s, t)-taglio di peso minimo K *. Se il peso di K * è < allora il relativo vincolo è violato da. Se il peso di K * è allora non ci sono disequaioni violate.
46 Esempio s 4 t X {s, } K * {s,, } ~ Aggiungiamo al problema ( P) il vincolo e risolviamo di nuovo. s
47 Esempio La nuova soluione ottima è data da s s 4t 4 4 t 4 s t X {s,, } K * {4, }
48 Esempio Aggiungiamo il vincolo violato: 4 La nuova soluione ottima è: s s 4t 4 4 t
49 Esempio 4 s t X {s,, } K * {s,, 4, t} Aggiungiamo il vincolo violato: s 4 t
50 Esempio La nuova soluione ottima è data da t s t s s t 4 Non esistono (s, t)-tagli di peso < STOP.
51 Il minimo albero ricoprente Dati G (V, E) grafo connesso, c e > costo associato ad ogni arco e E. Problema Trovare un albero ricoprente di costo minimo. Algoritmi combinatori noti: Prim e Kruskal
52 Formulaione ij se l arco ij appartiene all albero ricoprente altrimenti min Σ c ij ij ij E RILASSAMENTO LINEARE Σ ij n () ij E Σ ij < S S V : < S < n () ij E(S) >
53 Osservaioni.I bound < sono implicati dai vincoli ()..La matrice dei vincoli non è totalmente unimodulare. Infatti, consideriamo un grafo con 5 nodi e i seguenti vincoli di tipo (): matrice associata 45 che ha determinante e, quindi, non è totalmente unimodulare. Nonostante la matrice dei coefficienti non sia totalmente unimodulare, il rilassamento lineare fornisce una soluione intera. Tuttavia,il numero dei vincoli cresce esponenialmente con il numero dei nodi del grafo.
54 Esempio st min Consideriamo il sottoproblema con la sola famiglia di vincoli ().
55 Soluione del primo sottoproblema Valore della soluione: Gli archi verdi di maggiore spessore corrispondono a variabili poste a
56 Separaione Domanda: Esiste un vincolo della famiglia ij E ( S ) ij S per ogni S, tale che S n violato dalla soluione ottima corrente? SI Ad esempio, < che viene aggiunto alla formulaione corrente. min4 st
57 Soluione del secondo sottoproblema Valore della soluione: Gli archi verdi di maggiore spessore corrispondono a variabili poste a
58 Separaione Domanda: Esiste un vincolo della famiglia ij E ( S ) ij S per ogni S, tale che S n violato dalla soluione ottima corrente? SI Ad esempio, < che viene aggiunto alla formulaione corrente min4 st
59 Soluione del tero sottoproblema Valore della soluione: 5 Gli archi verdi di maggiore spessore corrispondono a variabili poste a
60 Separaione Domanda: Esiste un vincolo della famiglia ij E ( S ) ij S per ogni S, tale che S n violato dalla soluione ottima corrente? SI Ad esempio, < che viene aggiunto alla formulaione corrente. min4 st
61 Soluione del quarto sottoproblema Valore della soluione: Gli archi verdi di maggiore spessore corrispondono a variabili poste a
62 Separaione Domanda: Esiste un vincolo della famiglia ij E ( S ) ij S per ogni S, tale che S n violato dalla soluione ottima corrente? NO La soluione trovata è ottima per il rilassamento ed è anche INTERA, ovvero ottima per PL-{,}.
63 Formulaione cutset per il minimo albero ricoprente ij se l arco ij appartiene all albero ricoprente altrimenti min Σ c ij ij RILASSAMENTO LINEARE Σ ij n () ij E i S, j δ(s) Σ ij > S V : < S < n () >
64 Formulaione cutset per il minimo albero ricoprente La formulaione cutset non è intera. Infatti, consideriamo il seguente sottoproblema ottenuto tramite la formulaione cutset: min4 st S contiene i nodi {,, } e non contiene i nodi {4,5}. S contiene i nodi {4,8,9} e non contiene i nodi {,5}. S contiene i nodi {5,6,7} e non contiene i nodi {,4}. 67
65 Soluione fraionaria Il problema così formulato ammette la seguente soluione ottima di valore 8.5 e che NON ha tagli violati!!!!
66 Problema di separaione I vincoli utiliati nella precedente formulaione del problema del minimo albero ricoprente, ossia ij E ( S ) ij S per ogni S, tale che S n sono denominati subtour elimination constraint. Vogliamo formulare il problema di separaione per tali vincoli. Consideriamo le seguenti variabili decisionali: j se j S j altrimenti
67 Problema di separaione Un vincolo subtour è violato dalla soluione * LP se e solo se esiste un S tale che ij E ( S ) * ij S > ovvero se { } * S ma ij E ( S ) ij S V ma { * } > {,} ij E ij i j j V j
68 Osservaioni. Il problema ma * { } > {,} ij E ij i j j V j ha soluione ottima di valore con. Per ovviare a ciò si deve fissare k, per k,, V. In questo modo si risponde alla domanda se esiste un vincolo di tipo subtour violato che contiene il vertice k.. Il problema non è un problema di PL-{,}. Si deve effettuare una lineariaione.
69 Lineariaione Introduciamo la variabile ij i j. Il problema diventa ma st ij E * ij ij j V j ij k i ij ij j i V {,}, {,} j E per ogni ij E
70 Lineariaione I vincoli ij i j possono essere eliminati in quanto i coefficienti delle ij nella funione obiettivo sono > ovvero, ij min {, } i j Questo implica che il vincolo è sempre soddisfatto in quanto {, } min - i j i Eliminando questi vincoli osserviamo anche che la matrice dei coefficienti è totalmente unimodulare. Pertanto, può essere rimossa anche la stipula di interea. Possiamo pertanto concludere che il problema di separaione dei subtour elimination constraint è facile. j
71 , st ma Esempio Consideriamo la soluione del tero sottoproblema dell esempio precedente e scriviamo il problema di separaione: La soluione ottima del problema vale ed ha le seguenti variabili diverse da Esse descrivono il subtour constraint < ; ; ; ; ;
Parte V: Rilassamento Lagrangiano
Parte V: Rilassamento Lagrangiano Tecnica Lagrangiana Consideriamo il seguente problema di Programmazione Lineare Intera: P 1 min c T x L I Ax > b Cx > d x > 0, intera in cui A = matrice m x n C = matrice
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
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,
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
DettagliLa riduzione a gradini e i sistemi lineari (senza il concetto di rango)
CAPITOLO 4 La riduzione a gradini e i sistemi lineari (senza il concetto di rango) Esercizio 4.1. Risolvere il seguente sistema non omogeneo: 2x+4y +4z = 4 x z = 1 x+3y +4z = 3 Esercizio 4.2. Risolvere
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
Dettagliax 1 + bx 2 + c = 0, r : 2x 1 3x 2 + 1 = 0.
. Rette in R ; circonferenze. In questo paragrafo studiamo le rette e le circonferenze in R. Ci sono due modi per descrivere una retta in R : mediante una equazione cartesiana oppure mediante una equazione
DettagliAlgoritmi e Strutture Dati II: Parte B Anno Accademico Lezione 5
Algoritmi e Strutture Dati II: Parte B Anno Accademico 2004-2005 Docente: Ugo Vaccaro Lezione 5 In questa lezione inizieremo a studiare gli algoritmi di approssimazione per problemi di ottimizzazione NP-hard
DettagliEquazioni, funzioni e algoritmi: il metodo delle secanti
Equazioni, funzioni e algoritmi: il metodo delle secanti Christian Ferrari 1 Introduzione La risoluzione di equazioni in R ci ha mostrato che solo per le equazioni polinomiali di primo e secondo grado,
DettagliArgomento 13 Sistemi lineari
Sistemi lineari: definizioni Argomento 3 Sistemi lineari I Un equazione nelle n incognite x,,x n della forma c x + + c n x n = b ove c,,c n sono numeri reali (detti coefficienti) eb è un numero reale (detto
DettagliCirconferenze del piano
Circonferenze del piano 1 novembre 1 Circonferenze del piano 1.1 Definizione Una circonferenza è il luogo dei punti equidistanti da un punto fisso, detto centro. La distanza di un qualunque punto della
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
Dettagli2.3 Cammini ottimi. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
. Cammini ottimi E. Amaldi Fondamenti di R.O. Politecnico di Milano .. Cammini minimi e algoritmo di Dijkstra Dato un grafo orientato G = (N, A) con una funzione di costo c : A c ij R e due nodi s e t,
DettagliMetodo dei minimi quadrati e matrice pseudoinversa
Scuola universitaria professionale della Svizzera italiana Dipartimento Tecnologie Innovative Metodo dei minimi quadrati e matrice pseudoinversa Algebra Lineare Semestre Estivo 2006 Metodo dei minimi quadrati
Dettagli11.4 Chiusura transitiva
6 11.4 Chiusura transitiva Il problema che consideriamo in questa sezione riguarda il calcolo della chiusura transitiva di un grafo. Dato un grafo orientato G = hv,ei, si vuole determinare il grafo orientato)
DettagliEsercizi sui sistemi di equazioni lineari.
Esercizi sui sistemi di equazioni lineari Risolvere il sistema di equazioni lineari x y + z 6 x + y z x y z Si tratta di un sistema di tre equazioni lineari nelle tre incognite x, y e z Poichè m n, la
DettagliPer formalizzare il concetto sono necessarie alcune nozioni relative ai poliedri e alla loro descrizione.
3.7.4 Disuguaglianze valide forti Cerchiamo disuguaglianze valide forti, ovvero disuguaglianze valide che forniscano migliori formulazioni (più stringenti). Per formalizzare il concetto sono necessarie
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,
DettagliTempo a disposizione: 150 minuti. 1 È dato l endomorfismo f : R 3 R 3 definito dalle relazioni
Università degli Studi di Catania Anno Accademico 2014-2015 Corso di Laurea in Informatica Prova in itinere di Matematica Discreta (12 CFU) 17 Aprile 2015 Prova completa Tempo a disposizione: 150 minuti
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,
DettagliDisequazioni - ulteriori esercizi proposti 1
Disequazioni - ulteriori esercizi proposti Trovare le soluzioni delle seguenti disequazioni o sistemi di disequazioni:. 5 4 >. 4. < 4. 4 9 5. 9 > 6. > 7. < 8. 5 4 9. > > 4. < 4. < > 9 4 Non esitate a comunicarmi
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
Dettagli4 0 = 4 2 = 4 4 = 4 6 = 0.
Elementi di Algebra e Logica 2008. Esercizi 4. Gruppi, anelli e campi. 1. Determinare la tabella additiva e la tabella moltiplicativa di Z 6. (a) Verificare dalla tabella moltiplicativa di Z 6 che esistono
DettagliRilassamento Lagrangiano
RILASSAMENTO LAGRANGIANO 1 Rilassamento Lagrangiano Tecnica più usata e conosciuta in ottimizzazione combinatoria per il calcolo di lower/upper bounds (Held and Karp (1970)). Si consideri il seguente problema
Dettagli2. APPUNTI SUI FASCI DI CIRCONFERENZE (raccolti dal prof. G. Traversi)
2. APPUNTI SUI FASCI DI CIRCONFERENZE (raccolti dal prof. G. Traversi) La circonferenza è la curva di 2^ grado che viene individuata univocamente da tre punti non allineati e possiede la seguente proprietà:
Dettagli1. riconoscere la risolubilità di equazioni e disequazioni in casi particolari
Secondo modulo: Algebra Obiettivi 1. riconoscere la risolubilità di equazioni e disequazioni in casi particolari 2. risolvere equazioni intere e frazionarie di primo grado, secondo grado, grado superiore
DettagliSistemi di 1 grado in due incognite
Sistemi di 1 grado in due incognite Problema In un cortile ci sono polli e conigli: in totale le teste sono 7 e zampe 18. Quanti polli e quanti conigli ci sono nel cortile? Soluzione Indichiamo con e con
DettagliSISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.
SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga
DettagliRisoluzione di problemi di programmazione lineare tramite generazione di colonne
Risoluzione di problemi di programmazione lineare tramite generazione di colonne A. Agnetis 1 Introduzione In alcune applicazioni, un problema può essere formulato in termini di programmazione lineare,
DettagliTEOREMA DEL RESTO E REGOLA DI RUFFINI
TEOREMA DEL RESTO E REGOLA DI RUFFINI ALCUNI TEOREMI IMPORTANTI Prendiamo una divisione intera tra numeri: 6 : 3 = 2. Il resto di questa divisione è 0, e questo significa che moltiplicando il quoziente
DettagliEsercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale
Esercizi svolti 1. Matrici e operazioni fra matrici 1.1 Date le matrici 1 2 1 6 A = B = 5 2 9 15 6 risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale Osservazione iniziale: qualunque
Dettagli+2 3 = = =3 + =3 + =8 =15. Sistemi lineari. nelle stesse due incognite. + = + = = = Esempi + =5. Il sistema è determinato
Sistemi di equazioni SISTEMI LINEARI Un sistema di equazioni è un insieme di equazioni per le quali si cercano eventuali soluzioni comuni. +=7 =1 Ognuna delle due equazioni ha infinite soluzioni. La coppia
DettagliAppunti ed esercizi sulle coniche
1 LA CIRCONFERENZA 1 Appunti ed esercizi sulle coniche Versione del 1 Marzo 011 1 La circonferenza Nel piano R, fissati un punto O = (a, b) e un numero r > 0, la circonferenza (o cerchio) C di centro O
Dettaglix 2 + (x+4) 2 = 20 Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati per le EQUAZIONI di PRIMO GRADO.
EQUAZIONI DI SECONDO GRADO Un'equazione del tipo x 2 + (x+4) 2 = 20 è un'equazione DI SECONDO GRADO IN UNA INCOGNITA. Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati
DettagliEsercizi sulla retta. Gruppo 1 (4A TSS SER, 4B TSS SER, 4A AM )
Esercizi sulla retta. Gruppo 1 (4A TSS SER, 4B TSS SER, 4A AM ) 1. Scrivere l'equazione della retta passante per i punti P1(-3,1), P2(2,-2). Dobbiamo applicare l'equazione di una retta passante per due
Dettagli1 Definizione di sistema lineare omogeneo.
Geometria Lingotto. LeLing1: Sistemi lineari omogenei. Ārgomenti svolti: Definizione di sistema lineare omogeneo. La matrice associata. Concetto di soluzione. Sistemi equivalenti. Operazioni elementari
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
DettagliESERCIZI SUI SISTEMI LINEARI
ESERCIZI SUI SISTEMI LINEARI Consideriamo ora il sistema lineare omogeneo a coefficienti costanti associato alla matrice A M n n, cioè SLO Vale il seguente = A. Teorema. Sia v R n \ } e sia λ C. Condizione
DettagliQuali condizionisi si possono richiedere sulla funzione interpolante?
INTERPOLAZIONE Problema generale di INTERPOLAZIONE Dati n punti distinti ( i, i ) i=,..,n si vuole costruire una funzione f() tale che nei nodi ( i ) i=,..n soddisfi a certe condizioni, dette Condizioni
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
DettagliEquazioni di Primo grado
Equazioni di Primo grado Definizioni Si dice equazione di primo grado un uguaglianza tra due espressioni algebriche verificata solo per un determinato valore della variabile x, detta incognita. Si chiama
DettagliVettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Vettori e matrici Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utentiunifeit/lorenzopareschi/ lorenzopareschi@unifeit Lorenzo Pareschi Univ Ferrara
DettagliSoluzioni. 1. Calcolare la parte reale e immaginaria del numero complesso. z = i i. 3 (2 + i) = i i = i.
20 Roberto Tauraso - Analisi 2 Soluzioni 1. Calcolare la parte reale e immaginaria del numero complesso R. z = i + 3 2 i. z = i + 3 2 i 2 i = 6 5 + ( 1 + 3 5 3 (2 + i) = i + 2 4 + 1 ) i = 6 5 + 8 5 i.
DettagliEQUAZIONI CON VALORE ASSOLUTO DISEQUAZIONI CON VALORE ASSOLUTO
EQUAZIONI CON VALORE AOLUTO DIEQUAZIONI CON VALORE AOLUTO Prima di tutto: che cosa è il valore assoluto di un numero? Il valore assoluto è quella legge che ad un numero (positivo o negativo) associa sempre
DettagliEquazioni differenziali Corso di Laurea in Scienze Biologiche Istituzioni di Matematiche A.A. 2007-2008. Dott.ssa G. Bellomonte
Equazioni differenziali Corso di Laurea in Scienze Biologiche Istituzioni di Matematiche A.A. 2007-2008 Dott.ssa G. Bellomonte Indice 1 Introduzione 2 2 Equazioni differenziali lineari del primo ordine
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dott.ssa M.C. De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Risoluzione di Equazioni Algebriche Le equazioni
DettagliApplicazioni lineari e diagonalizzazione. Esercizi svolti
. Applicazioni lineari Esercizi svolti. Si consideri l applicazione f : K -> K definita da f(x,y) = x + y e si stabilisca se è lineare. Non è lineare. Possibile verifica: f(,) = 4; f(,4) = 6; quindi f(,4)
DettagliInformatica Grafica. Un introduzione
Informatica Grafica Un introduzione Rappresentare la Geometria Operabile da metodi di calcolo automatici Grafica Vettoriale Partiamo dalla rappresentazione di un punto... Spazi Vettoriale SPAZI VETTORIALI
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
DettagliRilassamento Lagrangiano
Rilassamento Lagrangiano AA 2009/10 1 Rilassamento Lagrangiano Tecnica più usata e conosciuta in ottimizzazione combinatoria per il calcolo di lower/upper bounds (Held and Karp (1970)). Si consideri il
DettagliEQUAZIONI E PROBLEMI: GUIDA D'USO
P.1\5- EQUAZIONI E PROBLEMI: GUIDA D'USO - Prof. I.Savoia, Maggio 2011 EQUAZIONI E PROBLEMI: GUIDA D'USO EQUAZIONI LINEARI INTERE: PROCEDURA RISOLUTIVA Per risolvere le equazioni numeriche intere, si può
DettagliEsercizi svolti sulla parabola
Liceo Classico Galilei Pisa - Classe a A - Prof. Francesco Daddi - 19 dicembre 011 Esercizi svolti sulla parabola Esercizio 1. Determinare l equazione della parabola avente fuoco in F(1, 1) e per direttrice
DettagliAnno 3 Rette e circonferenze
Anno 3 Rette e circonferenze 1 Introduzione In questa lezione esamineremo le reciproche posizioni che possono sussistere tra retta e circonferenza o tra due circonferenze. Al termine della lezione sarai
DettagliEllisse. DEF: "il luogo dei punti la cui somma delle distanze da due punti dati detti fuochi. è costante"; CONSIDERAZIONI:
Ellisse DEF: "il luogo dei punti la cui somma delle distanze da due punti dati detti fuochi è costante"; CONSIDERAZIONI: Il punto P appartiene all'ellisse se, e solo se, la distanza del punto P dal fuoco
DettagliMatematica e-learning - Corso Zero di Matematica. Gli Insiemi. Prof. Erasmo Modica A.A.
Matematica e-learning - Gli Insiemi Prof. Erasmo Modica http://www.galois.it erasmo@galois.it A.A. 2009/2010 1 Simboli Matematici Poiché in queste pagine verranno utilizzati differenti simboli matematici,
DettagliSistemi lineari. 1. Generalità. a 1 x 1 + a 2 x 2 + a 3 x a n x n = k (matrice completa)
Sistemi lineari. Generalità La teoria dei sistemi di equaioni lineari costituisce uno dei capitoli molto importanti della matematica pura e applicata. Infatti molte questioni teoriche o tecniche si traducono
DettagliSistemi di equazioni di secondo grado
1 Sistemi di equazioni di secondo grado Risoluzione algebrica Riprendiamo alcune nozioni che abbiamo già trattato in seconda, parlando dei sistemi di equazioni di primo grado: Una soluzione di un'equazione
DettagliESERCIZI SVOLTI SUL CALCOLO INTEGRALE
ESERCIZI SVOLTI SUL CALCOLO INTEGRALE * Tratti dagli appunti delle lezioni del corso di Matematica Generale Dipartimento di Economia - Università degli Studi di Foggia Prof. Luca Grilli Dott. Michele Bisceglia
DettagliI RADICALI QUADRATICI
I RADICALI QUADRATICI 1. Radici quadrate Definizione di radice quadrata: Si dice radice quadrata di un numero reale positivo o nullo a, e si indica con a, il numero reale positivo o nullo (se esiste) che,
DettagliSUI SISTEMI DI DISEQUAZIONI IN DUE INCOGNITE
SUI SISTEMI DI DISEQUAZIONI IN DUE INCOGNITE.Sistema di disequazioni in due incognite di primo grado Una disequazione di primo grado in due incognite: a b c nel piano cartesiano, rappresenta uno dei due
DettagliDefinizione: Dato un sottoinsieme non vuoti di. Si chiama funzione identica o identità di in sé la funzione tale che.
Esercitazioni di Analisi Matematica Prof.ssa Chiara Broggi Materiale disponibile su www.istitutodefilippi.it/claro Lezione 2: Funzioni reali e loro proprietà Definizione: Siano e due sottoinsiemi non vuoti
DettagliB6. Sistemi di primo grado
B6. Sistemi di primo grado Nelle equazioni l obiettivo è determinare il valore dell incognita che verifica l equazione. Tale valore, se c è, è detto soluzione. In un sistema di equazioni l obiettivo è
DettagliQuadro riassuntivo di geometria analitica
Quadro riassuntivo di geometria analitica IL PIANO CARTESIANO (detta ascissa o coordinata x) e y quella dall'asse x (detta ordinata o coordinata y). Le coordinate di un punto P sono: entrambe positive
DettagliDefinizione. Il valore assoluto lascia inalterato ciò che è già positivo e rende positivo ciò che positivo non è.
VALORE ASSOLUTO Definizione a a, a, se a se a 0 0 Esempi.. 7 7. 9 9 4. x x, x, se x se x Il valore assoluto lascia inalterato ciò che è già positivo e rende positivo ciò che positivo non è. Utilizzando
DettagliCatene di Markov. 8 ottobre 2009
Catene di Markov 8 ottobre 2009 Definizione 1. Si dice catena di Markov (finita) un sistema dotato di un numero finito n di stati {1, 2,..., n} che soddisfi la seguente ipotesi: la probabilità che il sistema
DettagliAlgebra Lineare (Matematica C.I.), 12.11.13. Sistemi di equazioni lineari. 1. Un equazione lineare in una incognita reale x e un equazione del tipo
Algebra Lineare (Matematica C.I.), 12.11.13 Sistemi di equazioni lineari 1. Un equazione lineare in una incognita reale x e un equazione del tipo ax = b, dove a e b sono numeri reali dati; a e il coefficiente
DettagliEsercizi sui vettori liberi (i, j, k è una base ortonormale positiva)
Esercizi sui vettori liberi (i, j, k è una base ortonormale positiva) Esercizio 1 Siano v e w due vettori non paralleli.sapendo che v è un versore e che v w =3 trovare l espressione di tutti i vettori
DettagliEsercizi svolti sui sistemi lineari
Francesco Daddi - www.webalice.it/francesco.daddi Esercizi svolti sui sistemi lineari Esercizio 1. Risolvere il seguente sistema lineare al variare del parametro reale t: tx+(t 1)y + z =1 (t 1)y + tz =1
DettagliEQUAZIONI DI PRIMO GRADO
Cognome... Nome... Equazioni di primo grado EQUAZIONI DI PRIMO GRADO Un'equazione di primo grado e un'uguaglianza tra due espressioni algebriche di primo grado, vera solo per alcuni valori che si attribuiscono
DettagliCORSO DI LAUREA IN MATEMATICA
CORSO DI LAUREA IN MATEMATICA ESERCITAZIONI DI ANALISI MATEMATICA I BREVI RICHIAMI DELLA TEORIA DEI LIMITI. Confronto di infinitesimi. Sia A sottoinsieme di R, sia 0 punto di accumulazione di A nella topologia
Dettaglivalore di a: verso l alto (ordinate crescenti) se a>0, verso il basso (ordinate decrescenti) se a<0;
La parabola è una particolare conica definita come è una curva aperta, nel senso che non può essere contenuta in alcuna superficie finita del piano; è simmetrica rispetto ad una retta, detta ASSE della
DettagliLA CIRCONFERENZA La circonferenza è il luogo geometrico dei punti equidistanti da un punto C, detto centro.
Geometria Analitica Le coniche Queste curve si chiamano coniche perché sono ottenute tramite l'intersezione di una superficie conica con un piano. Si possono definire tutte come luoghi geometrici e, di
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)
DettagliNote per il corso di Geometria e algebra lineare 2009-10 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni
Note per il corso di Geometria e algebra lineare 009-0 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni Spazi di n-uple e matrici. I prodotti cartesiani RR R e RRR R 3, costituiti dalle coppie
DettagliClaudio Arbib Università di L Aquila. Ricerca Operativa. Reti di flusso
Claudio Arbib Università di L Aquila Ricerca Operativa Reti di flusso Sommario Definizioni di base Flusso di un campo vettoriale Divergenza Integrale di Gauss-Greene Flusso in una rete Sorgenti, pozzi
Dettagli1 IL LINGUAGGIO MATEMATICO
1 IL LINGUAGGIO MATEMATICO Il linguaggio matematico moderno è basato su due concetti fondamentali: la teoria degli insiemi e la logica delle proposizioni. La teoria degli insiemi ci assicura che gli oggetti
DettagliIngegneria Meccanica; Algebra lineare e Geometria 2008/2009
Ingegneria Meccanica Algebra lineare e Geometria 8/9. Esercii svolti sugli spai vettoriali Eserciio. Dopo aver dimostrato che l insieme R, determina le coordinate del vettore v = rispetto a tale base.
DettagliSvolgimento degli esercizi sulla circonferenza
Liceo Classico Galilei Pisa - Classe a A - Prof. Francesco Daddi - 1 ottobre 011 Svolgimento degli esercizi sulla circonferenza Esercizio 1. La circonferenza ha centro in C 4 ), 7, 7 ) e raggio + 7 57
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari A. Bertapelle 25 ottobre 212 Cos è un sistema lineare? Definizione Un sistema di m equazioni lineari (o brevemente sistema lineare) nelle n incognite x 1,..., x n, a coefficienti
DettagliGeometria analitica di base (seconda parte)
SAPERE Al termine di questo capitolo, avrai appreso: il concetto di luogo geometrico la definizione di funzione quadratica l interpretazione geometrica di un particolare sistema di equazioni di secondo
DettagliAnno 2. Risoluzione di sistemi di primo grado in due incognite
Anno Risoluzione di sistemi di primo grado in due incognite Introduzione In questa lezione impareremo alcuni metodi per risolvere un sistema di due equazioni in due incognite. Al termine di questa lezione
DettagliCapitolo 3: Ottimizzazione Discreta. E. Amaldi DEIB, Politecnico di Milano
Capitolo 3: Ottimizzazione Discreta E. Amaldi DEIB, Politecnico di Milano 3.1 Modelli di PLI e PLMI Moltissimi problemi decisionali complessi possono essere formulati o approssimati come problemi di Programmazione
DettagliSISTEMI LINEARI, METODO DI GAUSS
SISTEMI LINEARI, METODO DI GAUSS Abbiamo visto che un sistema di m equazioni lineari in n incognite si può rappresentare in forma matriciale come A x = b dove: A è la matrice di tipo (m, n) dei coefficienti
DettagliCONICHE. Esercizi Esercizio 1. Nel piano con riferimento cartesiano ortogonale Oxy sia data la conica C di equazione
CONICHE Esercizi Esercizio 1. Nel piano con riferimento cartesiano ortogonale Oy sia data la conica C di equazione 7 2 + 2 3y + 5y 2 + 32 3 = 0. Calcolare le equazioni di una rototraslazione che riduce
DettagliIl Teorema di Kakutani
Il Teorema di Kakutani Abbiamo visto, precedentemente, il seguente risultato: 1 Sia X uno spazio di Banach. Se X è separabile, la palla è debolmente compatta. B X = {x X x 1} Il Teorema di Kakutani è un
DettagliInformatica B
2013-2014 Matlab Laboratorio del 14/01/2014 Responsabili di laboratorio: Gianluca Durelli: durelli@elet.polimi.it Luigi Malago : malago@di.unimi.it Materiale di laboratorio reperibile all indirizzo: www.gianlucadurelli.com
DettagliDisequazioni in una incognita. La rappresentazione delle soluzioni
Disequazioni in una incognita Una disequazione in una incognita è una disuguaglianza tra due espressioni contenenti una variabile (detta incognita) verificata solo per particolari valori attribuirti alla
DettagliEsercizi sulle affinità - aprile 2009
Esercizi sulle affinità - aprile 009 Ingegneria meccanica 008/009 Esercizio Sono assegnate nel piano le sei rette r : =, s : =, t : =, r : =, s : =, t : = determinare l affinità che trasforma ordinatamente
DettagliProdotti scalari e matrici
Prodotti scalari e matrici 1 Forme bilineari e matrici In questa sezione vogliamo studiare la corrispondenza biunivoca che esiste tra l insieme delle forme bilineari su di un certo spazio vettoriale V
DettagliMATEMATICA LA PARABOLA GSCATULLO
MATEMATICA LA PARABOLA GSCATULLO La Parabola Introduzione e definizione Prima di affrontare la parabola e la sua analisi matematica, appare opportuno definirla nelle sue caratteristiche essenziali. Anzitutto
DettagliCorso di Laurea in Matematica per l Informatica e la Comunicazione Scientifica
Corso di Laurea in Matematica per l Informatica e la Comunicazione Scientifica Soluzione del compito di Matematica Discreta 1 del 25 luglio 200 1. Qual è il numero di applicazioni f : A = {1,..., 5} B
DettagliC I R C O N F E R E N Z A...
C I R C O N F E R E N Z A... ESERCITAZIONI SVOLTE 3 Equazione della circonferenza di noto centro C e raggio r... 3 Equazione della circonferenza di centro C passante per un punto A... 3 Equazione della
DettagliLinguaggi di Programmazione Corso C. Parte n.3 Linguaggi Liberi da Contesto e Linguaggi Contestuali. Nicola Fanizzi
Linguaggi di Programmazione Corso C Parte n.3 Linguaggi Liberi da Contesto e Linguaggi Contestuali Nicola Fanizzi (fanizzi@di.uniba.it) Dipartimento di Informatica Università degli Studi di Bari Grammatiche
Dettagli17. Elettromagnetismo
1 quaioni di Mawell 17. lettromagnetismo Nelle leioni precedenti abbiamo considerato i campi elettrico e magnetico statici, cioè abbiamo considerato fenomeni indipendenti dal tempo. I campi elettrico e
DettagliAlberi binari di ricerca
Alberi binari di ricerca Ilaria Castelli castelli@dii.unisi.it Università degli Studi di Siena Dipartimento di Ingegneria dell Informazione A.A. 2009/20010 I. Castelli Alberi binari di ricerca, A.A. 2009/20010
DettagliMATEMATICA LA CIRCONFERENZA GSCATULLO
MATEMATICA LA CIRCONFERENZA GSCATULLO La Circonferenza La circonferenza e la sua equazione Introduzione e definizione La circonferenza è una conica, ovvero quella figura ottenuta tagliando un cono con
DettagliUna circonferenza e una parabola sono disegnate nel piano cartesiano. La circonferenza ha centro nel punto
La parabola Esercizi Esercizio 368.395 Una circonferenza e una parabola sono disegnate nel piano cartesiano. La circonferenza ha centro nel punto 0 ;5 e raggio, e la parabola ha il suo vertice in 0 ;0.
DettagliRisoluzione dei triangoli rettangoli
Risoluzione dei triangoli rettangoli In questa dispensa esamineremo il problema della risoluzione dei triangoli rettangoli. Riprendendo la definizione di seno e coseno, mostreremo come questi si possano
DettagliESPONENZIALI E LOGARITMI. chiameremo logaritmica (e si legge il logaritmo in base a di c è uguale a b ).
ESPONENZIALI E LOGARITMI Data una espressione del tipo a b = c, che chiameremo notazione esponenziale (e dove a>0), stabiliamo di scriverla anche in un modo diverso: log a c = b che chiameremo logaritmica
Dettagli1 1+e ξ, (1) P A (ξ) = P B (ξ) = 1 1+e ξ (3) In figura (1) riportiamo l andamento delle probabilità P A (ξ) e P B (ξ). P A,P B
Algoritmo di Elo generalizzato AEg Marcello Colozzo Siano A e B due giocatori che eseguono un gioco a somma zero G. La probabilità di vittoria per A è: dove P A ξ = +e ξ ξ = βr A R B 2 In questa equazione
Dettagli