Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 13. Docente: Laura Palagi

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 13. Docente: Laura Palagi"

Transcript

1 Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 13 Docente: Laura Palagi

2 A.A. 2012/2013 Laboratorio di Ricerca Operativa BGER Leonardo Mastrantoni Emanuele Proietto Pietrangeli Marco

3 INTRODUZIONE: Negli ultimi anni è cresciuta l attenzione per il recupero dei materiali, tra cui la carta. La carta e i cartoni utilizzati per il riciclo sono raggruppabili in n tipi differenti. Degli n tipi, i primi n1 sono completamente utilizzabili per il riciclaggio, n2 sono utilizzabili all 85%, n3 sono utilizzabili al 60%, e i rimanenti solo al 5% (n1 + n2 + n3 < n). La carta di recupero viene processata ottenendo m distinti tipi di pasta di carta che verrà utilizzata insieme a delle quantità di cellulosa nuova, per la produzione di n tipi di carta nuova.

4 PROBLEMA Il riciclaggio della carta può essere diviso in due parti: La prima che riguarda la raccolta di carta usata e il suo riciclo che dipende dal tipo di carta considerato. La seconda utilizza la pasta di carta derivante dalla prima fase e cellulosa nuova per la produzione di carta nuova.

5 PROCESSO Carta Recuperata Pasta di carta Carta Nuova

6 1 PARTE VARIABILI X ij = tonnellate di carta usata i che compongono la pasta di carta j PARAMETRI q i = percentuale di carta i che può essere riciclata rispetto al totale recuperato R ij = matrice d incidenza che indica quale tipo di pasta j può essere composta dalla carta i p i = tonnellate di carta i che si può riciclare al massimo annualmente

7 VINCOLI 1 PARTE Massima quantità di carta i riciclata per la produzione m q i R ij X ij p i i = 1, n j=1

8 2 PARTE VARIABILI y ij = tonnellate di pasta di carta j che compongono la carta nuova i z i = tonnellate di cellulosa nuova che compongono la carta nuova i PARAMETRI N ij = matrice d incidenza che indica quale tipo di carta i può esser composta dalla pasta j. L i = percentuale minima del peso della cellulosa nuova rispetto al peso totale della carta i. c i = quantità minima di carta nuova i da produrre annualmente

9 VINCOLI 2 PARTE Produzione minima m 1) z i + N ij y ij c i i = 1,, n j=1 Quantità minima di cellulosa (vincolo di qualità) m 2) z i L i z i + N ij y ij i = 1,, n j=1

10 ALTRI VINCOLI Produzione non può eccedere la disponibilità di risorse n i=1 (q i R ij x ij ) n i=1 N ij y ij j = 1,, m Non Negatività delle variabili x ij, y ij 0 i = 1,, n j = 1,, m

11 FUNZIONE OBIETTIVO Minimizzare la quantità di cellulosa nuova utilizzata per la produzione n min z i i=1

12 FUNZIONE OBIETTIVO DUALE max n i=1 p i T u i + c i T v i u i = effetto sulla f. obiettivo del primale di una variazione della quantità massima di carta recuperabile v i = effetto sulla f. obiettivo del primale di una variazione della quantità minima di carta nuova da produrre VINCOLI SULLE VARIABILI DUALI u i 0 v i 0

13 CASO APPLICATO n = 5 tipi di carta m = 3 tipi di pasta di carta riciclata. tipo di carta tonnellate riciclate tonnellate prodotte % riciclabiile % cellulosa nuova % 40% % 30% % 45% % 60% % 30%

14 MATRICI DI INCIDENZA: tipo di carta/ tipo di pasta tipo di pasta/ tipo di carta nuova

15 ANALISI DEI RISULTATI Inserendo tutti i dati, i vincoli e la funzione obiettivo in Excell e mandando in esecuzione il risolutore si ottengono i seguenti risultati: Valore della f. obiettivo: tonnellate di cellulosa nuova Variabili: sono tutte continue. Vincoli: 17 risultano essere attivi Il vincolo di qualità legato alla carta nuova 4 non è attivo con un surplus di tonnellate di cellulosa nuova rispetto al minimo richiesto. Per la condizione di complementarietà quindi il prezzo ombra (visibile nel rapporto di sensibilità) legato a questo vincolo è uguale a zero. Rapporto di sensibilità: Costi ridotti: sono tutti uguali a zero visto che ho delle quantità minime di cellulosa nuova per ogni tipo di carta (yij 0) SBA: la base deve essere composta da 18 variabili (= il numero di vincoli). 17 di queste sono individuabili tra le xij e le yij. La diciottesima è la variabile di surplus.

16 ANALISI DI SCENARIO 1 Se si varia uno dei parametri pi, ossia si varia la massima disponibilità di carta i-esima riciclata, dato che il vincolo è attivo, andrà a variare il valore all ottimo della funzione obiettivo. Inoltre essendo la variabile duale associata ui = -1 si avrà una variazione del valore della funzione obiettivo uguale in modulo ma di segno inverso rispetto alla variazione effettuata sulle pi. Esempio: aumentando nella pagina dati p1 di tonnellate e portandolo quindi a , si ottiene un valore della f.obiettivo di tonnellate con una variazione di (25000) rispetto al caso di partenza. Infatti questa disponibilità in più di carta riciclata viene utilizzata al posto della cellulosa nuova in eccesso che componeva la carta 4.

17 ANALISI DI SCENARIO 2 Se si varia uno dei parametri ci, ossia si varia la quantità minima di carta i-esima da produrre, dato che il vincolo è attivo, andrà a variare il valore all ottimo della funzione obiettivo. Inoltre essendo la variabile duale associata vi = 1 si avrà una variazione del valore della funzione obiettivo uguale in modulo e in segno rispetto alla variazione effettuata. Esempio: aumentando nella pagina dati c3 di tonnellate e portandolo quindi a , si ottiene un valore della f.obiettivo di tonnellate con una variazione di +(40000) rispetto al caso di partenza. Infatti dato che le risorse di partenza venivano già completamente utilizzate (ossia i vincoli riguardanti le pi erano attivi), per produrre carta nuova in più possiamo solamente aggiungere cellulosa nuova.

18 ANALISI DI SCENARIO 3 Se si considera il vincolo di qualità legato alla carta nuova 4, essendo questo non attivo, esiste un range entro il quale variando il parametro L4, il valore all ottimo della f.obiettivo non varia. L4 può essere portato fino al 75,3%, ossia il 15,3% in più rispetto alla situazione di partenza, senza che cambi il valore all ottimo. Questo 15,3% in più deriva dal fatto che le tonnellate in più di cellulosa nuova che si hanno nella carta 4 (ossia la variabile di Surplus collegata al vincolo di qualità della carta nuova 4) rappresentano il 15,3% della quantità minima da produrre ( tonnellate). Se L4 diventa maggiore del 75,3 % il valore all ottimo della f. obiettivo cambia: Ad esempio con L4= 76%, il valore ottimo della funzione obiettivo diventa con un aumento di 2400 tonnellate rispetto al caso di partenza.

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 19. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 19. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 19 Docente: Laura Palagi Gruppo 19: Valentina Rabagliati Luca Quaresima Andrea Martullo Istanza del

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 9. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 9. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 9 Docente: Laura Palagi LA DIETA A COSTO MINIMO AL MCDONALD S Realizzata da: Erasmo Percoco Simone

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 6. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 6. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 6 Docente: Laura Palagi PIANIFICAZIONE DELLA PRODUZIONE 2 Si distingue in: PRODUCTION PLANNING: Tentativo

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 4. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 4. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 4 Docente: Laura Palagi Homework in Ricerca Operativa GRUPPO 4: Isabelle Pietroletti Matteo Marangio

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 1. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 1. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 1 Docente: Laura Palagi Homework n. o 1 Problema di Revenue management aereo in sistema Hub and Spoke

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 33. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 33. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 33 Docente: Laura Palagi Homework in Ricerca Operativa gruppo n 33 Turni del Personale Martina Conti

Dettagli

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

b i 1,1,1 1,1,1 0,1,2 0,3,4 V o Appello // RICERCA OPERATIVA - Corso A (a.a. 9/) Nome Cognome: Corso di Laurea: L C6 LS LM Matricola: ) Si consideri il problema di flusso di costo minimo in figura. Si verifichi se il flusso ammissibile

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 24. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 24. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 24 Docente: Laura Palagi Problema di Revenue management aereo in sistema Hub and Spoke Una compagnia

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 11. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 11. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 11 Docente: Laura Palagi Alina Volovei Ilaria Noce Lea Mariella Pianificazione degli approvvigionamenti

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 10. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 10. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 10 Docente: Laura Palagi Smaltimento dei rifiuti solidi urbani HOMEWORK N 10 Francesco Cambiotti

Dettagli

Problemi di localizzazione impianti

Problemi di localizzazione impianti Problemi di localizzazione impianti Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 2 Dicembre 2014 Ricerca Operativa 2 Laurea

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 28. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 28. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 28 Docente: Laura Palagi Laboratorio di Ricerca Operativa Homework n 28 Prof.ssa Ing. Laura Palagi

Dettagli

1 Breve introduzione ad AMPL

1 Breve introduzione ad AMPL 1 Breve introduzione ad AMPL Il primo passo per risolvere un problema reale attraverso strumenti matematici consiste nel passare dalla descrizione a parole del problema al modello matematico dello stesso.

Dettagli

Un applicazione della programmazione lineare ai problemi di trasporto

Un applicazione della programmazione lineare ai problemi di trasporto Un applicazione della programmazione lineare ai problemi di trasporto Corso di Ricerca Operativa per il Corso di Laurea Magistrale in Ingegneria della Sicurezza: Trasporti e Sistemi Territoriali AA 2012-2013

Dettagli

min 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

min 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:

Dettagli

Programmazione lineare

Programmazione lineare Programmazione lineare Dualitá: definizione, teoremi ed interpretazione economica Raffaele Pesenti 1 Dualità 1.1 Definizione e teoremi Definizione 1 Dato un problema di LP in forma canonica max x = ct

Dettagli

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1 UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA Filippo Romano 1 1. Introduzione 2. Analisi Multicriteri o Multiobiettivi 2.1 Formule per l attribuzione del

Dettagli

Ricerca Operativa Esercizi risolti sulle condizioni di complementarietà primale-duale. L. De Giovanni, V. Dal Sasso

Ricerca Operativa Esercizi risolti sulle condizioni di complementarietà primale-duale. L. De Giovanni, V. Dal Sasso Ricerca Operativa Esercizi risolti sulle condizioni di complementarietà primale-duale L. De Giovanni, V. Dal Sasso 1 Esercizio 1. Dato il problema min 2x 1 x 2 s.t. x 1 + 2x 2 7 2x 1 x 2 6 3x 1 + 2x 2

Dettagli

1. Sia dato un poliedro. Dire quali delle seguenti affermazioni sono corrette.

1. 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,

Dettagli

Ricerca Operativa A.A. 2007/2008. 10. Dualità in Programmazione Lineare

Ricerca Operativa A.A. 2007/2008. 10. Dualità in Programmazione Lineare Ricerca Operativa A.A. 2007/2008 10. Dualità in Programmazione Lineare Luigi De Giovanni - Ricerca Operativa - 10. Dualità in Programmazione Lineare 10.1 Soluzione di un problema di PL: punti di vista

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

ALGORITMO DEL SIMPLESSO

ALGORITMO DEL SIMPLESSO ALGORITMO DEL SIMPLESSO ESERCITAZIONI DI RICERCA OPERATIVA 1 ESERCIZIO 1. Risolvere il seguente programma lineare (a) con il metodo del simplesso e (b) con il metodo grafico. (1) min x 1 x () (3) (4) (5)

Dettagli

Linguaggi di modellizzazione

Linguaggi di modellizzazione p. 1/5 Linguaggi di modellizzazione Come visto, il primo passo per risolvere un problema di decisione consiste nel formularne il modello matematico. Una volta definito il modello matematico lo dobbiamo

Dettagli

Esercizio 1: Automobili

Esercizio 1: Automobili Esercizio 1: Automobili Le variabili decisionali sono i quattro pesi da attribuire alle quattro caratteristiche. Si tratta di variabili intere maggiori o uguali a 1, minori o uguali a 5, che sommate devono

Dettagli

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

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

Dettagli

Ricerca Operativa (Compito A) Appello del 18/06/2013 Andrea Scozzari

Ricerca Operativa (Compito A) Appello del 18/06/2013 Andrea Scozzari Ricerca Operativa (Compito A) Appello del 18/06/2013 Andrea Scozzari Esercizio n.1 Un azienda intende incrementare il proprio organico per ricoprire alcuni compiti scoperti. I dati relativi ai compiti

Dettagli

SIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno

SIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno SIMULAZIONE ESAME di OTTIMIZZAZIONE 28 novembre 2005 SIMULAZIONE ESAME di OTTIMIZZAZIONE Corso di Laurea in Ingegneria Gestionale 2 o anno Cognome : XXXXXXXXXXXXXXXXX Nome : XXXXXXXXXXXXXX VALUTAZIONE

Dettagli

Capitolo 13: L offerta dell impresa e il surplus del produttore

Capitolo 13: L offerta dell impresa e il surplus del produttore Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:

Dettagli

Problema del Trasporto. Container vuoti Verona 10 Perugia 12 Roma 20 Pescara 24 Taranto 18 Lamezia 40

Problema del Trasporto. Container vuoti Verona 10 Perugia 12 Roma 20 Pescara 24 Taranto 18 Lamezia 40 Problema del Trasporto Una ditta di trasporto deve trasferire container vuoti dai propri 6 Magazzini, situati a Verona, Perugia, Roma, Pescara, Taranto e Lamezia, ai principali Porti nazionali (Genova,

Dettagli

Problema del trasporto

Problema del trasporto p. 1/1 Problema del trasporto Supponiamo di avere m depositi in cui è immagazzinato un prodotto e n negozi che richiedono tale prodotto. Nel deposito i è immagazzinata la quantità a i di prodotto. Nel

Dettagli

Modelli di Ottimizzazione

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

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

Teoria della Dualità: I Introduzione

Teoria 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

Dettagli

SPERIMENTAZIONE CON LINDO SU UN PROBLEMA DI SCHEDULING

SPERIMENTAZIONE CON LINDO SU UN PROBLEMA DI SCHEDULING UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN SCIENZE STATISTICHE ED ECONOMICHE TESI DI LAUREA SPERIMENTAZIONE CON LINDO SU UN PROBLEMA DI SCHEDULING Relatore: Ch.mo

Dettagli

Il Metodo Branch and Bound

Il Metodo Branch and Bound Il Laura Galli Dipartimento di Informatica Largo B. Pontecorvo 3, 56127 Pisa laura.galli@unipi.it http://www.di.unipi.it/~galli 4 Novembre 2014 Ricerca Operativa 2 Laurea Magistrale in Ingegneria Gestionale

Dettagli

LE FIBRE DI UNA APPLICAZIONE LINEARE

LE FIBRE DI UNA APPLICAZIONE LINEARE LE FIBRE DI UNA APPLICAZIONE LINEARE Sia f:a B una funzione tra due insiemi. Se y appartiene all immagine di f si chiama fibra di f sopra y l insieme f -1 y) ossia l insieme di tutte le controimmagini

Dettagli

Ricerca Operativa Dualità e programmazione lineare

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

Dettagli

RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007

RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra quelle riportate). Se

Dettagli

Ottimizzazione Multi Obiettivo

Ottimizzazione Multi Obiettivo Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo I problemi affrontati fino ad ora erano caratterizzati da una unica (e ben definita) funzione obiettivo. I problemi di ottimizzazione reali

Dettagli

FOGLIO 6 - Esercizi Riepilogativi Svolti. Nei seguenti esercizi, si consideri fissato una volta per tutte un riferimento proiettivo per

FOGLIO 6 - Esercizi Riepilogativi Svolti. Nei seguenti esercizi, si consideri fissato una volta per tutte un riferimento proiettivo per Universita degli Studi di Roma - "Tor Vergata" - Facolta Ingegneria Edile/Architettura Esercizi per il corso di GEOMETRIA 2 - aa 2007/2008 Docente: Prof F Flamini - Tutore: Dott M Paganin FOGLIO 6 - Esercizi

Dettagli

Operazioni Aritmetiche e Codici in Binario Giuseppe Talarico 23/01/2013

Operazioni Aritmetiche e Codici in Binario Giuseppe Talarico 23/01/2013 Operazioni Aritmetiche e Codici in Binario Giuseppe Talarico 23/01/2013 In questo documento vengono illustrate brevemente le operazioni aritmetiche salienti e quelle logiche ad esse strettamente collegate.

Dettagli

Misure della dispersione o della variabilità

Misure della dispersione o della variabilità QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.

Dettagli

Esercitazione in Laboratorio: risoluzione di problemi di programmazione lineare tramite Excel il mix di produzione

Esercitazione in Laboratorio: risoluzione di problemi di programmazione lineare tramite Excel il mix di produzione Esercitazione in Laboratorio: risoluzione di problemi di programmazione lineare tramite Excel il mix di produzione Versione 11/03/2004 Contenuto e scopo esercitazione Contenuto esempi di problema di programmazione

Dettagli

Note di matematica per microeconomia

Note di matematica per microeconomia Note di matematica per microeconomia Luigi Balletta Funzioni di una variabile (richiami) Una funzione di variabile reale ha come insieme di partenza un sottoinsieme di R e come insieme di arrivo un sottoinsieme

Dettagli

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

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

Dettagli

STATISTICA DESCRITTIVA UNIVARIATA

STATISTICA DESCRITTIVA UNIVARIATA Capitolo zero: STATISTICA DESCRITTIVA UNIVARIATA La STATISTICA è la scienza che si occupa di fenomeni collettivi che richiedono lo studio di un grande numero di dati. Il termine STATISTICA deriva dalla

Dettagli

Politecnico di Milano I a Facoltà di Ingegneria C.S. in Ing. per l Ambiente e il Territorio

Politecnico di Milano I a Facoltà di Ingegneria C.S. in Ing. per l Ambiente e il Territorio MODELLISTICA E SIMULAZIONE febbraio 007 a prova Cognome e Nome:... Autorizzo Politecnico di Milano I a Facoltà di Ingegneria C.S. in Ing. per l Ambiente e il Territorio Non autorizzo la pubblicazione su

Dettagli

Esame di Ricerca Operativa - 20 settembre 2007 Facoltà di Architettura - Udine - CORREZIONE -

Esame di Ricerca Operativa - 20 settembre 2007 Facoltà di Architettura - Udine - CORREZIONE - Esame di Ricerca Operativa - settembre 7 Facoltà di rchitettura - Udine - CORREZIONE - Problema ( punti): Un azienda pubblicitaria deve svolgere un indagine di mercato per lanciare un nuovo prodotto. L

Dettagli

190 LA DUALITÀ NELLA PROGRAMMAZIONE LINEARE 7.2 INTERPRETAZIONE DELLA DUALITÀ

190 LA DUALITÀ NELLA PROGRAMMAZIONE LINEARE 7.2 INTERPRETAZIONE DELLA DUALITÀ 190 LA DUALITÀ NELLA PROGRAMMAZIONE LINEARE 7.2 INTERPRETAZIONE DELLA DUALITÀ [Questo paragrafo non fa parte del programma di esame] Nei modelli reali le variabili (primali) possono rappresentare, ad esempio,

Dettagli

Tutorato di GE110. Universitá degli Studi Roma Tre - Corso di Laurea in Matematica

Tutorato di GE110. Universitá degli Studi Roma Tre - Corso di Laurea in Matematica Universitá degli Studi Roma Tre - Corso di Laurea in Matematica Tutorato di GE110 A.A. 2014-2015 - Docente: Prof. Angelo Felice Lopez Tutori: Federico Campanini e Giulia Salustri Soluzioni Tutorato 13

Dettagli

Problemi lineari equivalenti

Problemi lineari equivalenti Problemi lineari equivalenti Introduzione Nel seguito verranno presentati alcuni esempi di trasformazione di problemi di problemi di programmazione lineare in forme equivalenti. Un problema di programmazione

Dettagli

DOCUMENTO DI VALUTAZIONE DELL OFFERTA ECONOMICAMENTE PIU VANTAGGIOSA

DOCUMENTO DI VALUTAZIONE DELL OFFERTA ECONOMICAMENTE PIU VANTAGGIOSA (Allegato 1) ALLEGATO AL BANDO DI GARA DOCUMENTO DI VALUTAZIONE DELL OFFERTA ECONOMICAMENTE PIU VANTAGGIOSA Pagina 1/6 Sommario DOCUMENTO DI VALUTAZIONE DELL OFFERTA ECONOMICAMENTE PIU VANTAGGIOSA 1. Calcolo

Dettagli

Ricerca Operativa e Logistica

Ricerca Operativa e Logistica Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili A.A. 20/202 Lezione 6-8 Rappresentazione di funzioni non lineari: - Costi fissi - Funzioni lineari a tratti Funzioni obiettivo non lineari:

Dettagli

Istituzioni di Economia Laurea Triennale in Ingegneria Gestionale Lezione 16 Offerta dell impresa

Istituzioni di Economia Laurea Triennale in Ingegneria Gestionale Lezione 16 Offerta dell impresa UNIVERSITÀ DEGLI STUDI DI BERGAMO Laurea Triennale in Ingegneria Gestionale Lezione 16 Offerta dell impresa Prof. Gianmaria Martini Offerta dell impresa La decisione di un impresa a riguardo della quantità

Dettagli

Modelli di Programmazione Lineare

Modelli di Programmazione Lineare Capitolo 2 Modelli di Programmazione Lineare 2.1 Modelli di allocazione ottima di risorse Esercizio 2.1.1 Un industria manifatturiera può fabbricare 5 tipi di prodotti che indichiamo genericamente con

Dettagli

= 8.000 + 2.000 = 5.000.

= 8.000 + 2.000 = 5.000. Esercizio 1 Consideriamo il mercato delle barche usate e supponiamo che esse possano essere di due tipi, di buona qualità e di cattiva qualità. Il valore di una barca di buona qualità è q = 8000, mentre

Dettagli

Esercizi su domanda e offerta. 24 novembre 2010

Esercizi su domanda e offerta. 24 novembre 2010 Esercizi su domanda e offerta 24 novembre 2010 Domande Domanda 1* Cosa si intende per spesa totale di un consumatore per un dato bene? Descrivete come essa varia quando il prezzo del bene considerato aumenta

Dettagli

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 21. Docente: Laura Palagi

Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a Homework n 21. Docente: Laura Palagi Laboratorio di Ricerca Operativa Cad Ingegneria Gestionale (BGER3 - I semestre) a.a. 2012-13 Homework n 21 Docente: Laura Palagi Laboratorio di Ricerca Operativa Homework n 21 MODELLO DI MISCELAZIONE E

Dettagli

Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 22: 1 Giugno 2010. Meccanismi Randomizzati

Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10. Lecture 22: 1 Giugno 2010. Meccanismi Randomizzati Strumenti della Teoria dei Giochi per l Informatica AA 2009/10 Lecture 22: 1 Giugno 2010 Meccanismi Randomizzati Docente Vincenzo Auletta Note redatte da: Davide Armidoro Abstract In questa lezione descriveremo

Dettagli

Logistica - Il problema del trasporto

Logistica - Il problema del trasporto Logistica - Il problema del trasporto Federico Di Palma December 17, 2009 Il problema del trasporto sorge ogniqualvolta si debba movimentare della merce da una o più sorgenti verso una o più destinazioni

Dettagli

ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali. www.vincenzoscudero.it novembre 2009

ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali. www.vincenzoscudero.it novembre 2009 ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali v.scudero www.vincenzoscudero.it novembre 009 1 1 Funzioni algebriche fratte 1.1 Esercizio svolto y = x 1 x 11x + 10 (generalizzazione)

Dettagli

Modelli di Programmazione Lineare e Programmazione Lineare Intera

Modelli di Programmazione Lineare e Programmazione Lineare Intera Modelli di Programmazione Lineare e Programmazione Lineare Intera 1 Azienda Dolciaria Un azienda di cioccolatini deve pianificare la produzione per i prossimi m mesi. In ogni mese l azienda ha a disposizione

Dettagli

La dualità nella Programmazione Lineare

La dualità nella Programmazione Lineare Capitolo 5 La dualità nella Programmazione Lineare In questo capitolo verrà introdotto un concetto di fondamentale importanza sia per l analisi dei problemi di Programmazione Lineare, sia per lo sviluppo

Dettagli

14.6 Effettuare scelte in presenza di vincoli 15

14.6 Effettuare scelte in presenza di vincoli 15 14 18-12-2007 19:04 Pagina 403 Le decisioni di breve termine fra alternative diverse 403 Fig. 14.5 Il trattamento analitico dei costi a gradino Costo Comportamento reale del costo Trattamento analitico

Dettagli

Elementi di Statistica descrittiva Parte I

Elementi di Statistica descrittiva Parte I Elementi di Statistica descrittiva Parte I Che cos è la statistica Metodo di studio di caratteri variabili, rilevabili su collettività. La statistica si occupa di caratteri (ossia aspetti osservabili)

Dettagli

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0 Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice

Dettagli

Modelli di Programmazione Lineare Intera

Modelli di Programmazione Lineare Intera 8 Modelli di Programmazione Lineare Intera 8.1 MODELLI DI PROGRAMMAZIONE LINEARE INTERA Esercizio 8.1.1 Una compagnia petrolifera dispone di 5 pozzi (P1, P2, P3, P4, P5) dai quali può estrarre petrolio.

Dettagli

Prof. Ing. Michele Marra - Appunti delle Lezioni di Ricerca Operativa Sequenze CAPITOLO II

Prof. Ing. Michele Marra - Appunti delle Lezioni di Ricerca Operativa Sequenze CAPITOLO II CAPITOLO II 2. - PROBLEMI DI SEQUENZA I problemi di sequenza si presentano ogni qualvolta vi sono delle attività che richiedono delle risorse limitate ed indivisibili e bisogna definire l'ordine secondo

Dettagli

MATRICI E DETERMINANTI

MATRICI E DETERMINANTI MATRICI E DETERMINANTI 1. MATRICI Si ha la seguente Definizione 1: Un insieme di numeri, reali o complessi, ordinati secondo righe e colonne è detto matrice di ordine m x n, ove m è il numero delle righe

Dettagli

Corso di Elettronica di Potenza (12 CFU) ed Elettronica Industriale (6 CFU) Convertitori c.c.-c.c. 2/83

Corso di Elettronica di Potenza (12 CFU) ed Elettronica Industriale (6 CFU) Convertitori c.c.-c.c. 2/83 I convertitori c.c.-c.c. monodirezionali sono impiegati per produrre in uscita un livello di tensione diverso da quello previsto per la sorgente. Verranno presi in considerazione due tipi di convertitori

Dettagli

MATEMATICA GENERALE - (A-D) Prova d esame del 7 febbraio 2012 - FILA A

MATEMATICA GENERALE - (A-D) Prova d esame del 7 febbraio 2012 - FILA A MATEMATICA GENERALE - (A-D) Prova d esame del 7 febbraio 2012 - FILA A Nome e cognome Matricola I Parte OBBLIGATORIA (quesiti preliminari: 1 punto ciascuno). Riportare le soluzioni su questo foglio, mostrando

Dettagli

a) Il campo di esistenza di f(x) è dato da 2x 0, ovvero x 0. Il grafico di f(x) è quello di una iperbole -1 1

a) Il campo di esistenza di f(x) è dato da 2x 0, ovvero x 0. Il grafico di f(x) è quello di una iperbole -1 1 LE FUNZIONI EALI DI VAIABILE EALE Soluzioni di quesiti e problemi estratti dal Corso Base Blu di Matematica volume 5 Q[] Sono date le due funzioni: ) = e g() = - se - se = - Determina il campo di esistenza

Dettagli

mese 1 2 3 4 5 richiesta 6000 7000 8000 9500 11000

mese 1 2 3 4 5 richiesta 6000 7000 8000 9500 11000 1.7 Servizi informatici. Un negozio di servizi informatici stima la richiesta di ore di manutenzione/consulenza per i prossimi cinque mesi: mese 1 2 3 4 5 richiesta 6000 7000 8000 9500 11000 All inizio

Dettagli

La scelta in condizioni di incertezza

La scelta in condizioni di incertezza La scelta in condizioni di incertezza 1 Stati di natura e utilità attesa. L approccio delle preferenza per gli stati Il problema posto dall incertezza riformulato (state-preference approach). L individuo

Dettagli

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI Le disequazioni fratte Le disequazioni di secondo grado I sistemi di disequazioni Alessandro Bocconi Indice 1 Le disequazioni non lineari 2 1.1 Introduzione.........................................

Dettagli

ESEMPIO P.L. : PIANIFICAZIONE DI INVESTIMENTI

ESEMPIO P.L. : PIANIFICAZIONE DI INVESTIMENTI ESEMPIO P.L. : PIANIFICAZIONE DI INVESTIMENTI PROBLEMA: un azienda deve scegliere fra due possibili investimenti al fine di massimizzare il profitto netto nel rispetto delle condizioni interne e di mercato

Dettagli

La Minimizzazione dei costi

La Minimizzazione dei costi La Minimizzazione dei costi Il nostro obiettivo è lo studio del comportamento di un impresa che massimizza il profitto sia in mercati concorrenziali che non concorrenziali. Ora vedremo la fase della minimizzazione

Dettagli

TSP con eliminazione di sottocicli

TSP con eliminazione di sottocicli TSP con eliminazione di sottocicli Un commesso viaggiatore deve visitare 7 clienti in modo da minimizzare la distanza percorsa. Le distanze (in Km) tra ognuno dei clienti sono come segue: 3 5 7-8 9 57

Dettagli

DNA sequence alignment

DNA sequence alignment DNA sequence alignment - Introduzione: un possibile modello per rappresentare il DNA. Il DNA (Acido desossiribonucleico) è una sostanza presente nei nuclei cellulari, sia vegetali che animali; a questo

Dettagli

Ai fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione:

Ai fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione: 1 Lastoriadiun impresa Il Signor Isacco, che ormai conosciamo per il suo consumo di caviale, decide di intraprendere l attività di produttore di caviale! (Vuole essere sicuro della qualità del caviale

Dettagli

Esercizi svolti di programmazione lineare

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

Dettagli

Miscelazione di benzine

Miscelazione di benzine Miscelazione di benzine Una raffineria deve miscelare 4 tipi di petrolio grezzo per ottenere 3 tipi di benzina. La tabella seguente mostra la massima quantità disponibile per ogni tipo di petrolio grezzo

Dettagli

RICLASSIFICAZIONE DEL CONTO DEL PATRIMONIO

RICLASSIFICAZIONE DEL CONTO DEL PATRIMONIO RICLASSIFICAZIONE DEL CONTO DEL PATRIMONIO Lo schema del conto del patrimonio previsto dal D.P.R n. 194/96 è strutturato a sezioni divise e contrapposte e presenta un impostazione in cui le attività sono

Dettagli

Problema della produzione dei monitor

Problema della produzione dei monitor Problema della produzione dei monitor Una azienda produce monitor per PC in tre diversi stabilimenti. Il costo di produzione di ciascun monitor varia a causa della diversa efficienza produttiva degli stabilimenti.

Dettagli

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI STATISTICA 1 ESERCITAZIONE 1 Dott. Giuseppe Pandolfo 30 Settembre 2013 Popolazione statistica: insieme degli elementi oggetto dell indagine statistica. Unità statistica: ogni elemento della popolazione

Dettagli

CALCOLATORI ELETTRONICI A cura di Luca Orrù. Lezione n.6. Unità di controllo microprogrammata

CALCOLATORI ELETTRONICI A cura di Luca Orrù. Lezione n.6. Unità di controllo microprogrammata Lezione n.6 Unità di controllo microprogrammata 1 Sommario Unità di controllo microprogrammata Ottimizzazione, per ottimizzare lo spazio di memoria occupato Il moltiplicatore binario Esempio di architettura

Dettagli

Materiale di approfondimento: numeri interi relativi in complemento a uno

Materiale di approfondimento: numeri interi relativi in complemento a uno Materiale di approfondimento: numeri interi relativi in complemento a uno Federico Cerutti AA. 2011/2012 Modulo di Elementi di Informatica e Programmazione http://apollo.ing.unibs.it/fip/ 2011 Federico

Dettagli

Selezione di un portafoglio di titoli in presenza di rischio. Testo

Selezione di un portafoglio di titoli in presenza di rischio. Testo Selezione di un portafoglio di titoli in presenza di rischio Testo E ormai pratica comune per gli operatori finanziari usare modelli e metodi basati sulla programmazione non lineare come guida nella gestione

Dettagli

La Programmazione Lineare

La Programmazione Lineare 4 La Programmazione Lineare 4.1 INTERPRETAZIONE GEOMETRICA DI UN PROBLEMA DI PROGRAMMAZIONE LINEARE Esercizio 4.1.1 Fornire una rappresentazione geometrica e risolvere graficamente i seguenti problemi

Dettagli

RAPPRESENTAZIONE DEI NUMERI BINARI. Corso di Fondamenti di Informatica AA 2010-2011

RAPPRESENTAZIONE DEI NUMERI BINARI. Corso di Fondamenti di Informatica AA 2010-2011 RAPPRESENTAZIONE DEI NUMERI BINARI Corso di Fondamenti di Informatica AA 2010-2011 Prof. Franco Zambonelli Numeri interi positivi Numeri interi senza segno Caratteristiche generali numeri naturali (1,2,3,...)

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

Bollegraaf Soluzioni per il recupero dei rifiuti cartacei e de-inking. Sorting your business

Bollegraaf Soluzioni per il recupero dei rifiuti cartacei e de-inking. Sorting your business Bollegraaf Soluzioni per il recupero dei rifiuti cartacei e de-inking Sorting your business Bollegraaf Soluzioni per la valorizzazione dei rifiuti Noi di Bollegraaf comprendiamo che il settore del riciclaggio,

Dettagli

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

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza

Dettagli

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza Titolo della lezione Analisi dell associazione tra due caratteri: indipendenza e dipendenza Introduzione Analisi univariata, bivariata, multivariata Analizzare le relazioni tra i caratteri, per cercare

Dettagli

Sistemi di forze: calcolo grafico

Sistemi di forze: calcolo grafico UNTÀ D3 Sistemi di forze: calcolo grafico TEOA Uso del CAD nei procedimenti grafici 2 appresentazione grafica dei vettori 3 Poligono delle forze 4 Poligono delle successive risultanti 5 Poligono funicolare

Dettagli

Algoritmi e Strutture Dati

Algoritmi e Strutture Dati Elementi di Programmazione Dinamica Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino Il problema La CMC produce automobili in uno stabilimento

Dettagli

Capitolo 8. La massimizzazione del profitto e l offerta concorrenziale. F. Barigozzi Microeconomia CLEC 1

Capitolo 8. La massimizzazione del profitto e l offerta concorrenziale. F. Barigozzi Microeconomia CLEC 1 Capitolo 8 La massimizzazione del profitto e l offerta concorrenziale F. Barigozzi Microeconomia CLEC 1 Argomenti trattati nel capitolo I mercati in concorrenza perfetta La massimizzazione del profitto

Dettagli

Codifica dei numeri negativi

Codifica dei numeri negativi E. Calabrese: Fondamenti di Informatica Rappresentazione numerica-1 Rappresentazione in complemento a 2 Codifica dei numeri negativi Per rappresentare numeri interi negativi si usa la cosiddetta rappresentazione

Dettagli

I.R.A.S.E. Nazionale Ente qualificato per la Formazione del Personale della Scuola (Decreto MIUR prot. n. 1222 del 5 luglio 2005 D.M.

I.R.A.S.E. Nazionale Ente qualificato per la Formazione del Personale della Scuola (Decreto MIUR prot. n. 1222 del 5 luglio 2005 D.M. CLASSE A059 n.2 1. I fari delle automobili sono fatti con specchi concavi di forma parabolica perché a) perché i raggi devono convergere in un punto fisso detto fuoco b) proiettano verso esterno un fascio

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli