Ottimizzazione Combinatoria Totale Unimodularità
|
|
- Franca Riva
- 5 anni fa
- Visualizzazioni
Transcript
1 Ottiizzazione Cobinatoria Totale Uniodularità Prof. Antonio Sassano Dipartiento di Inforatica e Sisteistica Università di Roa La Sapienza A.A. 2
2 Coe diostrare che una forulazione è ottia? Problea di PL: z* in {c T x : x x S} P {x R n : Dx < d} forulazione di S P P S {x R n : Ax < b} Conv(S)? Si può diostrare che : Ogni disequazione del sistea Ax < b è iplicata dal sistea Dx < d; 3x +2x 2 + x 3 2x 4 2 (/2) 2x 2x 2-2x 3 +2x 4 2 4x +x 2 -x 4 3 Oppure che argin {c T x : x P} S per ogni c R n Oppure che ogni vertice di P ha coponenti - Iniziao da quest ultio caso.
3 Totale Uniodularità Definizione : Una atrice A ( n) di è detta uniodulare se e solo se, per ogni sotto-atrice quadrata B ( ) di A (base) si ha det(b) (B) {,,-} } Definizione 2: Una atrice A ( n) di è detta totalente uniodulare se e solo se, per ogni sotto-atrice quadrata di A B (p p) con p> si ha det(b) (B) {,,-} } 3 2 uniodulare a non totalente uniodulare Non uniodulare uniodulare e totalente uniodulare
4 Uniodularità e vertici interi (I) TEOREMA : Sia A una atrice a coponenti intere con. Allora le seguenti afferazioni sono equivalenti: rank(a) (A). A è uniodulare; vertici di P {x R n : Axb, x x n } sono interi 2. I vertici ogni vettore b Z (intero) 3. Ogni sotto-atrice quadrata B ( ) non interi per non-singolare di A ha una atrice inversa B - a coponenti intere DIMOSTRAZIONE: L equivalenza si diostra provando che: ( 2) (2 3) (3 )
5 Uniodularità e vertici interi ( 2) A è uniodulare Vertici di P interi per b Z DIMOSTRAZIONE: x vertice di P {x R n : Axb, x x n } x SBA (Soluzione( di Base Aissibile) Esiste B sotto-atrice ( ) di A con det(b) x B R tale che, posto: x e n A ( B N) xn R Ax b Bx o B b B B + NxN b x o n x n + N B B con B + atrice aggiunta di B det(b) A atrice intera (a coponenti intere) B + intera A atrice uniodulare uniodulare det(b) x abbiao: B - b Z per ogni b Z x Z n per ogni b Z
6 Vertici interi e interezza di B - (2 3) Vertici di P interi per b Z B non-singolare ha B - intera DIMOSTRAZIONE: - Sia B una sotto-atrice ( ) di A con det(b) B π π π L π con [ ] 2 - Sia t un vettore intero tale che t+π k - Sia b(t) Bt+u (u k k B b( t) B ( Bt + u n n 3 ( π k colonna di B- ) Diostriao che una generica colonna π k è intera: k-esio vettore unitario) n SBA del sistea Axb(t), x n Vertice di P {x R n : Axb(t), x x n } t+π k k ) un vettore intero π k t + B [ t è un vettore intero] u k un vettore intero t + π k n [per ipotesi] n
7 Interezza di B - e uniodularità (3 ) B non-singolare ha B - intera A è uniodulare DIMOSTRAZIONE: - Sia B una sotto-atrice ( ) di A con det(b) B - ha tutte coponenti intere det(b) e det(b - ) nueri interi a det(b) det(b - ) det(bb - ) det(b) det(b - ) A è uniodulare
8 Vertici, fora Standard e fora Generale TEOREMA 2: Il vettore x è un vertice del poliedro: P {x R n : Ax b, x x n } se e solo se il vettore: è un vertice del poliedro x R s R n b x Ax Q {(x,s) R n+ : Ax+Isb, x x n, s } DIMOSTRAZIONE: : (x è( un vertice di P (x,s ) è un vertice di Q) - Supponi che (x,s ) non sia un vertice di Q esistono due vettori (x,s ) (x 2,s 2 ) tali che: (x,s ) )α (x,s ) +(-α) ) (x( 2,s 2 ) > α > x α x +(-α) x 2 > α > x x 2 [x è un vertice di P] s b-ax b-ax 2 s 2 CONTRADDIZIONE (x,s ) (x,s ) (x 2,s 2 )
9 Vertici, fora Standard e fora Generale DIMOSTRAZIONE: : ((x,s ) ( è un vertice di Q x è un vertice di P ) -Supponi che x non sia un vertice di P esistono due vettori x x 2 tali che: x α x +(-α) x 2 α > s b-ax b-ax 2 s 2 s α s +(-α) ) s 2 (x,s ) )α (x,s ) +(-α) ) (x( 2,s 2 ) α > con (x,s ) (x 2,s 2 ) CONTRADDIZIONE
10 Totale Uniodularità e vertici interi TEOREMA: Sia A una atrice a coponenti intere con rank(a) (A). Allora I vertici di P {x R n : Ax b, x sono interi atrice A è totalente uniodulare. b, x n } interi per ogni vettore b Z (intero) se e solo se la DIMOSTRAZIONE: [Teorea 2] 2 x R n è un vertice del poliedro: P {x R n : Ax b, x x n } se e solo se il vettore: è un vertice del poliedro: x R s R n b x Ax Q {(x,s) R n+ : Ax+Isb, x x n, s } I vertici di Q hanno coponenti intere se e solo se la atrice uniodulare [Teorea (A I ) è uniodulare Teorea ]
11 Totale Uniodularità e vertici interi (II( II) Dobbiao diostrare che: (A I ) uniodulare A totalente uniodulare [ ] [ n A I a L a u L u ] [solo se] A totalente uniodulare (A I ) uniodulare Sia B una sotto-atrice ( ) di (A I ) con det(b) B [ ] + a L a u L u r r B F F I r r + M M r det(b) det(f)
12 Totale Uniodularità e vertici interi (III( III) [se] (A I ) uniodulare A totalente uniodulare Sia F una sotto-atrice (p p) di A con p> e det(b) Siano { },..., p gli indici delle colonne di F Definisci la seguente base B ( ) di ( A,I ) B [ ] + a L a u L u p p B F F I p p+ M M p det(f) det(b)
13 Coe verificare la Totale Uniodularità TEOREMA: Sia A una atrice a coponenti {,,-} se: A è totalente uniodulare (TUM) totalente uniodulare (TUM) se }. Allora () ogni colonna contiene al più due coefficienti diversi da zero; (2) le righe di A sono partizionabili in due insiei Q e Q 2 tali che: (2a) Se una colonna contiene due eleenti a i e a h aventi lo stesso segno allora i Q e h Q 2; (2b) Se una colonna contiene due eleenti a i e a h aventi lo segno diverso allora allora i,h Q oppure i,h DIMOSTRAZIONE: : (provate a diostrarlo difficile) - Si tratta di una condizione sufficiente (criterio) h h i,h Q 2; - Per le atrici per le quali vale la () la (2) è necessaria
14 Criterio Sufficiente (esepi) TEOREMA: Sia A una atrice a coponenti {,,-} }. Allora A è totalente uniodulare (TUM) se: () ogni colonna contiene al più due coefficienti diversi da zero; (2) le righe di A sono partizionabili in due insiei Q e Q 2 tali che: (2a) Se una colonna contiene due eleenti a i aventi lo stesso segno allora allora i Q e h Q 2; i e a h (2b) Se una colonna contiene due eleenti a i e a h aventi lo segno diverso allora i,h Q oppure i,h Q Q 2 Criterio OK TUM Non TUM h h i,h Q 2; Criterio fallito TUM
15 Matrici Totalente Uniodulari. Se A è totalente uniodulare A T A In I A A n sono totalente uniodulari 2. La atrice di incidenza M di un grafo orientato è totalente uniodulare DIMOSTRAZIONI: : (a cura dello studente)
Totale Unimodularità. Sapienza Universitàdi Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale.
Sapienza Sapienza Universitàdi Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Totale Unimodularità Docente: Renato runi bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria
Dettagli3.3 Problemi di PLI facili
3.3 Problemi di PLI facili Consideriamo un generico problema di PLI espresso in forma standard min{c t x : Ax = b, x Z n +} (1) dove A Z m n con n m, e b Z m. Supponiamo che A sia di rango pieno. Sia P
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, poliedri Sia a un vettore non nullo
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
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
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
DettagliELEMENTI DI LOGICA MATEMATICA LEZIONE X
ELEMENTI DI LOGICA MATEMATICA LEZIONE X MAURO DI NASSO Dedichiao questa lezione all introduzione dei nueri reali R, definiti a partire dall insiee dei nueri razionali Q. Con questo ultio passo, avreo così
DettagliVETTORI E MATRICI. Ing. Nicola Cappuccio 2014 U.F.5 ELEMENTI SCIENTIFICI ED ELETTRONICI APPLICATI AI SISTEMI DI TELECOMUNICAZIONI
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 I VETTRORI E MATRICI (RICHIAMI) Ad ogni matrice quadrata a coefficienti reali è possibile associare un numero reale, detto determinante, calcolato
DettagliDaniela Lera A.A
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2016-2017 Richiami Algebra Lineare Spazio normato Uno spazio lineare X si dice normato se esiste una funzione
DettagliI sistemi lineari di n equazioni in n incognite
I sistemi lineari I sistemi lineari di n equazioni in n incognite I sistemi lineari di n equazioni in n incognite, sono formati da equazioni di primo grado, in cui le incognite hanno tutte esponente uguale
DettagliIl Tableau M M O M M M M M M M M O M M M M. valore dell obiettivo (soluzione corrente) coeff. dell obiettivo. nomi delle variabili fuori base
Il ableau L algorito del siplesso può essere eseguito utilizzando una tabella, detta ableau, in cui vengono disposti i coefficienti della funzione obiettivo e dei vincoli. ali coefficienti sono quelli
DettagliLA RETTA DI REGRESSIONE LINEARE E SISTEMI SOVRADETERMINATI
LA RETTA DI REGRESSIONE LINEARE E SISTEMI SOVRADETERMINATI MAURIZIO PAOLINI - CORSO PAS CLASSE A048 Dipartiento di Mateatica e Fisica, Università Cattolica, sede di Brescia. paolini@df.unicatt.it E-ail
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
DettagliMatrici unimodulari e totalmente unimodulari
Matrici unimodulari e totalmente unimodulari Sia una matrice intera di dimensione con, si dice unimodulare se presa una qualsiasi sottomatrice di ordine massimo (di dimensione ) vale det = 1, +1, 0. Una
DettagliAlgebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio
Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it http://dm.uniba.it/ amodio A.A. 2016/17 P.
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Problema dell assegnamento e matrici totalmente unimodulari
Metodi e Modelli per l Ottimizzazione Combinatoria Problema dell assegnamento e matrici totalmente unimodulari L. De Giovanni G. Zambelli 1 Problema dell assegnamento Sia dato un grafo non orientato bipartito
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
DettagliFormulazioni. Consideriamo il seguente problema di Knapsack 0-1. max (5x x 2. ) st 3x x 2. < 6 x {0,1} 2
Formulazioni Consideriamo il seguente problema di Knapsack 0-1 max (5x 1 + 2x 2 ) st 3x 1 + 4x 2 < 6 x {0,1} 2 Insiemi ammissibili F = {(0, 0), (0, 1), (1, 0)} Rappresentiamo sul piano gli insiemi ammissibili.
DettagliUNIVERSITÀ DI ROMA TOR VERGATA. Analisi Matematica II per Ingegneria Prof. C. Sinestrari
UNIVERSITÀ DI ROMA TOR VERGATA Analisi Matematica II per Ingegneria Prof. C. Sinestrari Risposte (sintetiche) ai quesiti degli esercizi del 12.X.2018 1. (a) Ω è aperto, Ω = {0, 1, 2}, Ω = Ω, Ω = [0, 1]
Dettaglix n i sima pos. x, y = x T y = x i y i R. i=1
1 Elementi di Algebra Lineare In questo capitolo introduttivo al corso di Calcolo Numerico per la laurea triennale in Informatica, saranno presentate una serie di definizioni e proprietà di matrici e dei
DettagliApprossimazione secondo il criterio dei minimi quadrati (caso. discreto) sistema sovradeterminato m > n
Approssiazione secondo il criterio dei inii quadrati (caso discreto Dati punti distinti (punti di osservazioni x1, x2,..., x [a, b] e valori (osservazioni y1, y2,..., y si vuole deterinare il odello ateatico
DettagliParte IV: Matrici totalmente unimodulari
Parte IV: Matrici totalmente unimodulari Formulazioni Consideriamo il seguente problema di Knapsack 0-1 max (5x 1 + 2x 2 ) st 3x 1 + 4x 2 < 6 x {0,1} 2 Insiemi ammissibili F = {(0, 0), (0, 1), (1, 0)}
DettagliMATRICI E SISTEMI LINEARI
MATRICI E SISTEMI LINEARI - PARTE I - Felice Iavernaro Dipartimento di Matematica Università di Bari 27 Febbraio 2006 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 1 / 1 Definizione
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
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
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,
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
DettagliTEORIA DELLA STIMA SET MEMBERSHIP
TEORIA DELLA STIA SET EBERSHIP ichele TARAGNA Dipartiento di Autoatica e Inforatica Politecnico di Torino Corso di III Livello Experiental odeling: costruzione di odelli da dati sperientali Teoria della
DettagliProgrammazione Matematica: VII La scomposizione di Dantzig Wolfe
Programmazione Matematica: VII La scomposizione di Dantzig Wolfe Daniele Vigo D.E.I.S. Università di Bologna dvigo@deis.unibo.it rev..0 Maggio 2004 Scomposizione di problemi Accade spesso che un problema
Dettagli1 Risoluzione di sistemi lineari con l uso dei determinanti
2006 Trapani Dispensa di Geometria, 1 Risoluzione di sistemi lineari con l uso dei determinanti Sia A una matrice n n con det(a) 0 consideriamo il sistema lineare AX = b abbiamo n = numero di righe di
DettagliNORMA DI UN VETTORE. Una NORMA VETTORIALE su R n è una funzione. : R n R +
NORMA DI UN VETTORE Una NORMA VETTORIALE su R n è una funzione. : R n R + {0}, che associa ad ogni vettore x R n di componenti x i, i = 1,..., n, uno scalare in modo che valgano le seguenti proprietà:
DettagliRichiami di Algebra Lineare
Appendice A Richiami di Algebra Lineare In questo capitolo sono presentati alcuni concetti di algebra lineare L algebra lineare è quella branca della matematica che si occupa dello studio di vettori, spazi
DettagliRegistro dell'insegnamento
Registro dell'insegnamento Anno accademico 2016/2017 Prof. MARCO SCIANDRONE Settore inquadramento MAT/09 - RICERCA OPERATIVA REGISTRO Scuola Ingegneria NON CHIUSO Dipartimento Ingegneria dell'informazione
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare p. 1/39 Geometria della programmazione lineare Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria Geometria della programmazione
DettagliMATRICI E SISTEMI LINEARI
1 Rappresentazione di dati strutturati MATRICI E SISTEMI LINEARI Gli elementi di una matrice, detti coefficienti, possono essere qualsiasi e non devono necessariamente essere omogenei tra loro; di solito
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
DettagliQuadriche. R. Notari
Quadriche R. Notari 1 1. Notazioni. Proposizione 1 Ogni quadrica si rappresenta tramite un equazione algebrica di secondo grado della forma a 11 x 2 + 2a 12 xy + a 22 y 2 + 2a 13 xz+ +2a 23 yz + a 33 z
DettagliMatrici e sistemi. Sistemi lineari. Invertibilità Matrici elementari Criteri di invertibilità Sistemi quadrati e Teorema di Cramer
Sistemi lineari Invertibilità Matrici elementari Criteri di invertibilità Sistemi quadrati e Teorema di Cramer 2 2006 Politecnico di Torino 1 Prodotto tra matrici quadrate Date comunque A e B matrici quadrate
DettagliMatrici delle differenze finite
Capitolo 8 Matrici delle differenze finite Si riportano in questo capitolo alcuni risultati e proprietà delle matrici delle differenze finite ovvero delle matrici che intervengono nel metodo delle differenze
DettagliTeorema Data una base ammissibile B della matrice A del problema (7.3.1). Se per qualche indice i {1,...,n m} abbiamo che:
LA FASE II DEL METODO DEL SIMPLESSO 173 742 Criterio di illimitatezza Se il criterio di ottimalità non è verificato il metodo del simplesso cerca di capire se il problema da risolvere sia illimitato inferiormente
DettagliSistemi II. Sistemi II. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 2011-2012, http://users.mat.unimi.it/users/colombo/programmabio.html 1 2 3 con R.C.+ o 1.10 Rango massimo e determinante con R.C.+
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
DettagliOttimizzazione Combinatoria 2 Rilassamento Lagrangiano e Metodo Subgradiente
Ottiizzazione Coinatoria ilassaento agrangiano e Metodo Sgradiente Prof. Antonio Sassano Dipartiento di Inforatica Atoatica e Gestionale Antonio erti Università di oa Sapienza A.A. 6 oa Aprile ilassaento
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 7 - CALCOLO NUMERICO CON MATRICI Richiami teorici Operazioni fondamentali Siano A = {a ij } e B = {b ij }, i = 1,..., m, j = 1,..., n due
DettagliAlgebra delle matrici
Algebra delle matrici Metodo di Gauss-Jordan per l inversione di una matrice. Nella lezione scorsa abbiamo visto che un modo per determinare l eventuale inversa di una matrice quadrata A consiste nel risolvere
DettagliLAVORO DI UNA FORZA (1)
LAVORO ED ENERGIA INTRODUZIONE L introduzione dei concetto di lavoro, energia cinetica ed energia potenziale ci perettono di affrontare i problei della dinaica in un odo nuovo In particolare enuncereo
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Fabrizio Silvestri December 14, 010 Matrice Sia R il campo dei numeri reali. Si indica con R m n l insieme delle matrici ad elementi reali con m righe ed n colonne. Se A R n
Dettaglimin 2x 1 +4x 2 2x 3 +2x 4 x 1 +4x 2 +2x 3 + x 4 =6 2x 1 + x 2 +2x 3 + x 5 =3 x 0.
5 IL METODO DEL SIMPLESSO 6.4 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,
DettagliXI Settimana. 2. Elementi basilari della teoria degli anelli (II parte)
XI Settimana 2. Elementi basilari della teoria degli anelli (II parte) Dati due anelli (, +, ) e (, +, ), un applicazione f : si dice un omomorfismo di anelli se: f(x + y) = f(x) + f(y) e f(x y) = f(x)
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
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
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
Dettaglimin det det Allora è unimodulare se e solo se det 1, 1, 0 per ogni sottomatrice quadrata di di qualsiasi dimensione.
Se è unimodulare e è intero allora il poliedro 0 ha vertici interi. Sia un vertice di Per definizione esiste allora una base di tale che, 0 Poiché è non singolare ( invertibile det 0) si ha che det 1 è
DettagliIl metodo del simplesso
Capitolo 5 Il metodo del simplesso 5. La forma standard Esercizio 5.. Porre il problema di Programmazione Lineare: in forma standard. min x +x + x + x x +x 5 x 4 x, x Si trasformano i vincoli di disuguaglianza
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
DettagliSistemi compatibili (Il metodo di Fourier-Motzkin) Claudio Arbib Università degli Studi di L Aquila
Sistemi compatibili (Il metodo di Fourier-Motzkin) Claudio Arbib Università degli Studi di L Aquila Sommario 1. Sistemi di disequazioni lineari e poliedri 2. Poliedri e insiemi convessi 3. Disequazioni
DettagliRICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI. a 11 a 12 a 1n a 21 a 22 a 2n. a m1 a m2 a mn
RICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI LUCIA GASTALDI 1. Matrici. Operazioni fondamentali. Una matrice A è un insieme di m n numeri reali (o complessi) ordinati, rappresentato nella tabella
DettagliMATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI
MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI LE MATRICI DEFINIZIONE: Una matrice è un insieme di numeri disposti su righe e colonne. 1 3 7 M = 2 5 1 M è
DettagliPRINCIPIO DI INDUZIONE
PRINCIPIO DI INDUZIONE LORENZO BRASCO Contents. Qualche richiao. Esercizi. Qualche richiao Sia n N e siano a,..., a n nueri reali. Ricordiao il sibolo di soatoria a a 0 + a + + a n. Ricordiao la definizione
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
Dettagli1. Un sistema di m equazioni lineari in n incognite x 1,... x n aventi tutte termine noto nullo A =...
Algebra/ Algebra Lineare, 230207 1 Un sistema di m equazioni lineari in n incognite x 1, x n aventi tutte termine noto nullo a i1 x 1 + a i2 x 2 + + a in x n = 0, i = 1,, m si dice omogeneo; ponendo x
DettagliA =, c d. d = ad cb. c d A =
Geometria e Algebra (II), 271112 1 Definizione D ora innanzi, al posto di dire matrice quadrata di tipo n n o matrice quadrata n n diremo matrice quadrata di ordine n o in breve matrice di ordine n Il
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
Dettagli5. Richiami: R n come spazio euclideo
5. Richiami: R n come spazio euclideo 5.a Prodotto scalare Dati due vettori in R n, si misurano le rispettive lunghezze e l angolo (senza il segno) fra essi mediante il prodotto scalare. Il prodotto scalare
DettagliFlusso a Costo Minimo
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Flusso a Costo Minimo Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria Dal
DettagliEsercizi Di Geometria 1 (BAER) Canale 1 Da consegnare Lunedi 19 Ottobre
Esercizi Di Geometria (BAER Canale Da consegnare Lunedi 9 Ottobre SETTIMANA 3 (2 8 Ottobre Moltiplicazione di matrici Gli esercizi sono presi dal libro Intorduction to Linear Algebra di Serge Lang Esercizio
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
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
DettagliAlcuni Preliminari. Prodotto Cartesiano
Prodotto Cartesiano Dati due insiemi A e B, si definisce il loro prodotto cartesiano A x B come l insieme di tutte le coppie ordinate (a,b) con a A e b B. Es: dati A= {a,b,c} e B={1,2,3} A x B = {(a,1),(b,1),(c,1),(a,2),(b,2),(c,2),(a,3),(b,3),(c,3)
Dettagli3. Elementi di Algebra Lineare.
CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari 3. Elementi di Algebra Lineare. 1 Sistemi lineari Sia A IR m n, x IR n di n Ax = b è un vettore di m componenti.
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
DettagliVETTORIALE E PRODOTTO MISTO. PIANI E RETTE DI
Universita degli Studi di Roma - "Tor Vergata" - Facolta Ingegneria Esercizi GEOMETRIA (Edile-Architettura e dell Edilizia) PRODOTTO VETTORIALE E PRODOTTO MISTO. PIANI E RETTE DI R 3. FASCI E STELLE. FORMULE
Dettagli5.3 Introduzione al metodo del simplesso
CAPITOLO 5 IL METODO DEL SIMPLESSO 105 53 Introduzione al metodo del simplesso Il Metodo del Simplesso permette di risolvere problemi di Programmazione Lineare in forma standard, cioè problemi di Programmazione
DettagliIstruzioni: Il seguente foglio deve essere compilato e consegnato insieme agli altri fogli debitamente compilati.
Cognome... MATEMATICA GENERALE A-D, (07-07-2011) Istruzioni: Il seguente foglio deve essere compilato e consegnato insieme 1. Si calcoli l insieme di definizione della seguente funzione: f(x) = 2. Si enunci
DettagliG. Parmeggiani, 28/4/2016 Algebra Lineare, a.a. 2015/2016, numero di MATRICOLA PARI. Svolgimento degli Esercizi per casa 7
G. Parmeggiani, 8/4/6 Algebra Lineare, a.a. 5/6, Scuola di Scienze - Corsi di laurea: Studenti: Statistica per l economia e l impresa Statistica per le tecnologie e le scienze numero di MATRICOLA PARI
DettagliAPPUNTI DI ALGEBRA LINEARE
APPUNTI DI ALGEBRA LINEARE. Definizione Si dice spazio vettoriale (sul campo dei numeri reali R) un insieme V per il quale siano definite l operazione interna di somma (che ad ogni coppia di vettori e
DettagliGeometria BAER I canale Foglio esercizi 2
Geometria BAER I canale Foglio esercizi Esercizio. ( ) Data la matrice, determinare tutte le matrici X Mat( ) tali che AX = 0 e tutte le matrici Y Mat( ) tali che Y 0. ( ) ( ) ( ) x y x + z y + w Soluzione:
DettagliMetodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante
DettagliCorso di Geometria BIAR, BSIR Esercizi 2: soluzioni
Corso di Geometria 2- BIAR, BSIR Esercizi 2: soluzioni Esercizio Calcolare il determinante della matrice 2 3 : 3 2 a) con lo sviluppo lungo la prima riga, b) con lo sviluppo lungo la terza colonna, c)
Dettagli3.6 Metodi basati sui piani di taglio
3.6 Metodi basati sui piani di taglio Problema generale di Programmazione Lineare Intera (PLI) con A matrice m n e b vettore n 1 razionali min{ c t x : x X = {x Z n + : Ax b} } Sappiamo che esiste una
Dettagli21. (cenni di) Geometria analitica del piano.
. (cenni di) Geometria analitica del piano... Definizione. Sia π un piano e sia O un suo punto. Siano i e j due versori ortogonali tra loro e paralleli al piano π. Diremo che la terna ordinata (O, i, j)
DettagliArgomento 12 Matrici
Argomento 2 Matrici 2 Vettori di R n eoperazioni I Vettore di R n : x =(x i ) i=n =(x i ) n i=,conx i R componenti di x I R n = spazio dei vettori reali a n componenti = spazio vettoriale reale n-dimensionale
DettagliAutovalori e autovettori
Autovalori e autovettori Definizione 1 (per endomorfismi). Sia V uno spazio vettoriale su di un campo K e f : V V un suo endomorfismo. Si dice autovettore per f ogni vettore x 0 tale che f(x) = λx, per
DettagliMotivazioni. Sistemi lineari. Obiettivo. Il problema
Motivazioni Sistemi lineari Metodo di eliminazione di Gauss Molti problemi si possono rappresentare mediante un sistema lineare La soluzione di un sistema lineare costituisce un sottoproblema di moltissime
Dettaglif(x) = Ax + B. + (B x + 1 A
A NOME... COGNOME...A =... B =... eax+b Ax + B. di ascissa B A A. (B x + 1 A 1 x 2 )(Ax2 )dx, 1 3x + B dx. 1 B NOME... COGNOME...A =... B =... eax+b Ax B. di ascissa B A A. (A x + 1 B 1 x 2 )(Bx2 )dx,
DettagliPRINCIPIO DI INDUZIONE. k =. 2. k 2 n(n + 1)(2n + 1) 6
PRINCIPIO DI INDUZIONE LORENZO BRASCO Esercizio. Diostrare che per ogni n si ha nn + ) ). 2 Esercizio 2. Diostrare che per ogni n si ha 2) 2 nn + )2n + ). Soluzione. Procediao per induzione: la 2) è ovviaente
DettagliScuola di Dottorato in Ingegneria L. da Vinci. Problemi di estremo vincolato ed applicazioni. Introduzione ai problemi di estremo
Scuola di Dottorato in Ingegneria L. da Vinci Problemi di estremo vincolato ed applicazioni Pisa, 28-29 Maggio, 2009 Introduzione ai problemi di estremo G. Mastroeni Ricercatore, Dipartimento di Matematica
Dettagli1. Proprietà della somma di matrici. 1. (A + B) + C = A + (B + C) qualunque. 2. A + B = B + A qualunque siano le matrici
Matrici R. Notari 1 1. Proprietà della somma di matrici 1. (A + B) + C = A + (B + C) qualunque siano le matrici A, B, C Mat(m, n; K). 2. A + B = B + A qualunque siano le matrici A, B Mat(m, n; K). 3. Sia
DettagliCorso di Geometria BIAR, BSIR Esercizi 3: soluzioni
Corso di Geometria - BIAR, BSIR Esercizi : soluzioni Rango e teorema di Rouché-Capelli Esercizio. Calcolare il rango di ciascuna delle seguenti matrici: ( ) ( ) ( ) A =, A =, A =, A 4 = ( ). a a a Soluzione.
DettagliLEZIONE i 0 3 Le sottomatrici 2 2 di A sono. 1 2 i i 3. Invece (
LEZIONE 6 6 Determinanti In questa lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
DettagliScomposizione ai valori singolari.
Scomposizione ai valori singolari. Sia A R m n una matrice, non necessariamente quadrata. Si potrebbe considerare anche una matrice complessa ottenendo risultati analoghi. Abbiamo: Osservazione AA T R
DettagliIL TEOREMA DI EULERO-FERMAT. Indice. 1. La funzione φ di Eulero
IL TEOREMA DI EULERO-FERMAT STAGE DI MATEMATICA E APPLICAZIONI, 13-22 GIUGNO 2017 Indice 1. La funzione φ di Eulero 1 2. Il Teorea di Eulero-Ferat 2 3. Il punto di vista algebrico 4 3.1. Gruppi ed esepi
DettagliNote per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta. Metodi per il calcolo del rango di una matrice
Note per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta Versione del 21/12/07 Metodi per il calcolo del rango di una matrice Sia A M m,n (K). Denotiamo con A (i) la riga i-ma di A, i {1,..., m}.
DettagliElementi di Algebra Lineare
Elementi di Algebra Lineare Corso di Calcolo Numerico, a.a. 2009/2010 Francesca Mazzia Dipartimento di Matematica Università di Bari 13 Marzo 2006 Francesca Mazzia (Univ. Bari) Elementi di Algebra Lineare
Dettagli22 Coniche proiettive
Geometria e Topologia I (U1-4) 2006-giu-06 95 22 Coniche proiettive (22.1) Definizione. Sia K[x 0, x 1,..., x n ] l anello dei polinomi nelle indeterminate (variabili) x 0, x 1,..., x n. Un polinomio di
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2015 Rossi Algebra Lineare 2015 1 / 41 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +
Dettagli