Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.3)
|
|
- Adolfo Fantoni
- 4 anni fa
- Visualizzazioni
Transcript
1 Docente: Marco Gaviano Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. -4 lez.)
2 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Problema generale della programmazione lineare (PL) Il problema più generale della programmazione lineare consiste nella ricerca dell'ottimo (minimo o massimo) di una funzione lineare di variabili soggette a vincoli lineari (equazioni o disequazioni) chiamate vincoli. La funzione da ottimizzare si chiama funzione obbiettivo.
3 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Un problema di LP ha dunque la seguente formulazione Problema PL (forma canonica) N M M i d a M i d a a soggetta c z minimizza (massimizza) n i i n i i n
4 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. In cui si è usata la notazione M={...m}: insieme degli indici dei vincoli; N={...n}: insieme degli indici delle variabili; M sottoinsieme di M; N sottoinsieme di N; A= (a i ) im N: matrice m n di numeri reali; a : la -ma colonna di A; a i : l'i-ma riga di A [ n ] T vettore colonna con n componenti; c[ n ] vettore riga con n componenti; d[ m ] T vettore colonna con m componenti; 4
5 5 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. M M i d a M i d a a soggetta c z minimizza (massimizza) i i i i In forma compatta il problema si scrive Problema PL (forma canonica)
6 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Nel risolvere un problema di PL si considera in generale la formulazione standard. Questa la si ottiene sfruttando le seguenti proprietà minimo di f() = - massimo di -f() Ciò permette di considerare solo problemi di minimo. Inoltre le disequazioni possono supporsi tutte dello stesso tipo (). Infatti se ciò non si verificasse è sufficiente moltiplicare per - le disequazioni col segno (). 6
7 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Le diseguaglianze a i d i e a i d i possono essere sostituite dalle relazioni a a i i s i s i d d i i s i s i s Le variabili i sono chiamate variabili di scarto (slack variable). Ovviamente esse non devono influenzare la funzione da ottimizzare. Pertanto ad esse si assegna nella z=c un coefficiente nullo. 7
8 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Problema PL(forma standard) minimizza z c A d (Si farà riferimento a questa formulazione) 8
9 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Definizioni programma (o soluzione ammissibile feasible solution): una n-pla di valori che soddisfa tutti i vincoli compresi quelli di non-negatività. soluzione non ammissibile: una n-pla di valori che soddisfa tutti i vincoli eccetto quelli di non negatività. programma ottimale: un programma finito (tutte le variabili sono finite) che minimizza la funzione obiettivo z. 9
10 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. base B: ogni insieme di m vettori colonna a linearmente indipendenti. variabili di base: m variabili associate con le colonne di una base B costituiscono un sottovettore B di. variabili secondarie: sottovettore R complementare a B su ([ B R ] riordinando le variabili). Il sistema di equazioni A = d è supposto composto di equazioni linearmente indipendenti (m<n rango di A uguale ad m) ed avente più di una soluzione.
11 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. La matrice A può considerarsi formata da matrici B ed R con R le colonne di A non contenute in B (A [ BR] riordinando le variabili). Il sistema dei vincoli A=d può scriversi come [ B R] [ B R ] T =d. Se B è una base e le n-m variabili secondarie (relative a R) sono poste uguali a zero si ottiene un sistema di m equazioni in m incognite B B = d
12 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. che possiede una unica soluzione B = B - d. Il vettore [ B R ] con B = B - d e R = è chiamato soluzione di base associata a B. Una soluzione di è chiamata soluzione degenere se qualche sua componente è nulla.
13 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Esempio: considera il problema PL ma z equivalente a min z' S 4 S 4
14 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Le soluzioni di base sono riportate nella seguente tabella 4 z() feasible feasible -5 infeasible 4-4 infeasible 5 8 feasible optimal 4
15 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Il teorema fondamentale della PL Dato un problema PL in forma standard (i) se esiste almeno un programma finito esso ha almeno un programma di base; (ii) se esso ha almeno un programma ottimale finito esso ha almeno un programma ottimale di base. Dim.(vedi appendice) 5
16 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Grazie a questo teorema il problema PL è risolto da un punto di vista teorico il numero di basi e corrispondentemente il numero di programmi di base è finito ed è dato da n! m!( n m)! Le valutazioni di z nei programmi di base sono sufficienti ad individuare il programma di base ottimale 6
17 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Ciò comunque porta ad una notevole mole di calcoli anche per problemi di dimensione modesta. Per un problema di dieci equazioni in venti incognite il calcolo di tutte le soluzioni di base richiede la soluzione di circa. sistemi di dieci equazioni in dieci incognite. Tale numero cresce molto rapidamente con la dimensione del problema di PL. Per evitare tale mole di calcoli si sono create nuove tecniche. 7
18 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Esempio Interpretazione geometrica ma z La figura illustra l'insieme dei punti che soddisfano i vincoli. 8
19 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Esempio 9
20 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Il problema può scriversi in forma standard come segue La soluzione ottimale di base finita e nondegenere è ma z = 8 con = = = 4 4 = 5 = z min z ma
21 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Esempio Interpretazione geometrica ma z In questo caso si ha ridondanza La figura illustra l'insieme dei punti che soddisfano i vincoli
22 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Esempio
23 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Il problema può scriversi in forma standard come segue La soluzione ottimale di base finita e degenere (rispetto al problema standard) è ma z = 8 con = = = 4 = 5 = z min z ma
24 4 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Interpretazione geometrica Esempio La figura illustra l'insieme dei punti che soddisfano i vincoli z ma
25 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Esempio 5
26 6 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Il problema può scriversi in forma standard come segue Qui si hanno due soluzioni ottimali di base ) ma z = = = = 4 4 = 5 =. ) ma z = =/ =7/ 4 = 4/ = 5 =. Entrambe le soluzioni sono nondegeneri. min z ma z
27 7 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Interpretazione geometrica Esempio 4 La figura illustra l'insieme dei punti che soddisfano i vincoli ma z
28 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Esempio 4 8
29 9 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Il problema può scriversi in forma standard come segue Il problema non ammette soluzioni ottimali finite. z min 4 4 z ma
30 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Interpretazione geometrica Esempio 5 La figura illustra l'insieme dei punti che soddisfano i vincoli ma z
31 Esempio 5 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. - + >= X + <= >= X Il problema non ha alcuna soluzione ammissibile.
32 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n. Il problema può scriversi in forma standard come segue Il problema non ha alcuna soluzioni z min ma z
33 Docente: Marco Gaviano Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. -4 lez.4)
34 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Il metodo del simplesso Il metodo del simplesso proposto da G.B. Dantzig nel 95 per la risoluzione di un problema di PL è una procedura iterativa che genera una successione di programmi di base in cui la funzione obbiettivo decresce. 4
35 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 I principi del metodo del simplesso Si consideri un problema PL in forma standard minimizza z in cui A = [a a... a n ] è una matrice mn m<n. Si supponga che B sia una base del sistema e che l'equazione A=d possa essere riscritta come segue A d c 5
36 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 oppure B B +R R =d da cui si ottiene il sistema esplicito in termini di variabili di base B = B - d B - R R. ovvero 4. B = B - d Y R con Y B [B R] R B - R = Y = [y y...y n-m ] = (y i ). d 6
37 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Nel seguito mediante N B e N R = N-N B si indicheranno i sottoinsiemi di N corrispondenti agli indici delle variabili di base e secondarie rispettivamente. La corrispondente decomposizione della funzione obiettivo è B B R B B R R 4. z c [c c ] c c R Oppure 4. z = c B B - d -(c B Y -c R ) R. 7
38 8 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Per una soluzione di base relativa a B R = 4. e la 4. e 4. possono essere riscritte come o in modo equivalente 4.4 R R B R B B c Y c z z Y ) ( d B c z d B B B ) ( N N B N B B c y c z z y R R R
39 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Indicando 4.5 z B c y N R Si ha 4.6 z z ( z c ) N R 9
40 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Il problema iniziale viene scritto in funzione di una soluzione di base nota min z A d c min z B B z N N R R (z y c ) 4
41 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Teorema Dato un programma ammissibile di base associato a una base B se 4.7 z k -c k > e y k per qualche kn R non esiste alcun programma ottimale. Dimostrazione. Da 4.4 e 4.6 segue che se k allora z -. 4
42 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Teorema Dato un programma di base ammissibile associato ad una base B se 4.8 per kn R z k -c k > e y sk > per almeno un sn B allora un nuovo programma di base ammissibile può essere ottenuto dando a z un nuovo valore z ' z. 4
43 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Dimostrazione Se si dà ad una variabile secondaria k il valore 4.9 k y h hk min ysk y s sk s N B k e si tengono uguali a zero le altre variabili secondarie allora i nuovi valori delle variabili di base dedotti da 4.4 diventano 4. B s s yskk s N k N R 4
44 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 in cui per la 4.9 si ha h Le variabili {s} sh e k formano una nuova soluzione di base ammissibile per la quale dalla 4.6 si ha z k z (z c ) z k k 44
45 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Dato un programma di base ammissibile ed una variabile secondaria k tale che z k -c k > e y sk > per almeno un sn il teorema fornisce il seguente Criterio di uscita h variabile principale che diventa secondaria tale che y h hk min ysk y s sk s N B 45
46 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Teorema Dato un programma di base ammissibile associato con un base B una condizione necessaria e sufficiente perché esso sia ottimale è che z -c per ogni N R. La dimostrazione segue da
47 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Corollario Una condizione necessaria e sufficiente affinché un programma di base ottimale sia unico è che z -c < per ogni N R. Conseguenza Dato un programma di base B e calcolati gli elementi di Y e i valori di z -c i teoremi e permettono di stabilire: 47
48 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 se è necessario calcolare un nuovo programma di base; se è necessario fermare il calcolo o perché un programma ottimale è stato trovato o perché non esiste alcun programma ottimale finito. Il calcolo di una nuovo programma di base è soltanto il passaggio da una vecchia base B ad una nuova base B' imponendo che una variabile secondaria entri nella base e nello stesso tempo una variabile di base venga eliminata dalla base. 48
49 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Cambio della base k sia la variabile che entra nella base e h determinata dal criterio di uscita h s B s N y y hk min ysk sk sia la variabile che lascia la base. Allora 4.9 e 4. danno le formule di trasformazione h ' B 4. k S S ysk k s N k h y hk. 49
50 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Il nuovo valore della funzione obiettivo z è dato da 4. z z ( z c ) k k k La nuova base B' differisce da B per la sostituzione della colonna a h con a k. Il passaggio da B - a (B') - può essere ottenuto mediante una trasformazione lineare(vedi Appendice). Se p è l'indice di colonna di a h in B 4. (B') - = J p B - dove J p [e e...e p- v p e p...e m ] con 5
51 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 posizione i-ma e i [...] T vettore colonna 4.4 v p [ y y k pk - y y k pk... y pk y pk y pk - y pk y pk... y y mk pk ] Invece di usare le formule di trasformazione 4. si può calcolare il nuovo programma con l'aiuto di (B') - 45 B (B ) d 5
52 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Esempio Si abbia il problema PL min 6 z Ponendo e 4 uguali a zero una soluzione di base ammissibile è data da = = =8 4 = 5 =4. Si ha
53 5 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Si ha Calcoliamo B B ] [ R B Y 4 y y
54 54 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 e 4 può entrare nella base allora per il criterio di uscita esce.. h p er 4 min y s4 y s4 s 5) (s 4 min y c y c c z c y c c z B B
55 55 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Essendo l'indice di colonna di a in B uguale a si calcola successivamente / 7/ / J 7 v / 7 / / / 7/ / (B ) / 7 / / d (B ) ˆ B
56 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Selezione della variabile che entra nella base Quando la base viene cambiata la relazione z -c > è generalmente soddisfatta da un sottoinsieme di N R. Quindi è utile scegliere k in modo tale da massimizzare il decremento della z. Poichè questo è uguale a h z ˆ z z ( zk ck ) y si può scegliere k in modo che (criterio di entrata) hk 4.6 z k c k ma N R (z c ). 56
57 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Questa scelta di k non produce la massima variazione della funzione obiettivo z però fornisce un criterio di entrata semplice che funziona bene nelle applicazioni. 57
58 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Convergenza dell algoritmo del Simplesso Il metodo del simplesso garantisce il passaggio da una soluzione di base ad una nuova soluzione di base ' con z ' z (ved. teorema ). Vale il segno < nel caso di soluzioni di base non degeneri ( B > ). Altrimenti potrebbe valere l uguaglianza. Cioè la funzione obbiettivo non è decrementata. Nel primo caso siamo sicuri della convergenza al minimo poiché il numero delle soluzioni di base è finito. Nel secondo caso può avvenire che una variabile di base esca dalla base e poi vi rientri in una iterazione successiva lasciando invariato il valore di z. 58
59 Matematica Computazionale Ottimizzazione a.a. -4 Lezione n.4 Si parla allora di ciclo infinito. Si possono costruire esempi per cui tale situazione si verifica Sono state proposte varie tecniche che evitano questo fenomeno; per esempio il metodo leicografico del simplesso. In pratica su problemi reali anche in presenza di soluzioni di base degenere fatto abbastanza comune il ciclo infinito non si è mai verificato. Pertanto nelle implementazioni del simplesso non si introducono le nuove procedure che renderebbero l algoritmo meno efficiente. 59
Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.3)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. 5-6 lez.) Matematica Computazionale
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.5)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. 0- lez.5) Matematica Computazionale
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.9)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. 05-6, lez.9) Matematica Computazionale,
DettagliMatematica Computazionale(6cfu) Matematica Computazionale, Ottimizzazione(8cfu) (a.a , lez.6)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Matematica Computazionale, Ottimizzazione(8cfu) (a.a. 205-6,
DettagliSI RICORDA CHE LE LEZIONI DI MERCOLEDÌ 5 E 12 APRILE SI TERRANNO IN AULA D3 DALLE 9 ALLE 11
SI RICORDA CHE LE LEZIONI DI MERCOLEDÌ 5 E 12 APRILE SI TERRANNO IN AULA D3 DALLE 9 ALLE 11 MARTEDÌ 11 APRILE LA LEZIONE SI TERRÀ IN AULA SEMINARI PIANO C 1di 26 LEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE
DettagliLEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE LINEARE, IL METODO DEL SIMPLESSO. 1di 18
LEZIONE N.7 INTRODUZIONE AI METODI DI PROGRAMMAZIONE LINEARE, IL METODO DEL SIMPLESSO 1di 18 Metodo del Simplesso Il metodo del simplesso dovuto a Dantzing ed a Kantorovich è un algoritmo il cui nome deriva
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
Dettagli5.4.5 Struttura dell algoritmo ed esempi
CAPITOLO 5. IL METODO DEL SIMPLESSO 6 5.4.5 Struttura dell algoritmo ed esempi Come abbiamo già ampiamente osservato, la fase II del metodo del simplesso, a partire da una soluzione di base ammissibile,
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
DettagliProgrammazione lineare: basi e soluzioni di base
Programmazione lineare:basi e soluzioni di base p. 1/33 Programmazione lineare: basi e soluzioni di base Mariantonia Cotronei Facoltà di Ingegneria Università degli Studi Mediterranea di Reggio Calabria
Dettagli4.5 Metodo del simplesso
4.5 Metodo del simplesso min z = c T x s.v. Ax = b x 0 PL in forma standard Esamina una sequenza di soluzioni di base ammissibili con valori non crescenti della funzione obiettivo fino a raggiungerne una
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
Dettaglix 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 =
56 IL METODO DEL SIMPLESSO 7.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,
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,
Dettagli4.5 Metodo del simplesso
4.5 Metodo del simplesso min z = c T x s.v. Ax = b x PL in forma standard Esamina una sequenza di soluzioni di base ammissibili con valori non crescenti della funzione obiettivo fino a raggiungerne una
DettagliProgrammazione Lineare: problema del trasporto Ing. Valerio Lacagnina
Problemi di trasporto Consideriamo un problema di programmazione lineare con una struttura matematica particolare. Si può utilizzare, per risolverlo, il metodo del simplesso ma è possibile realizzare una
DettagliSoluzione dei Problemi di Programmazione Lineare
Soluzione dei Problemi di Programmazione Lineare Consideriamo un problema di Programmazione Lineare (PL) con m vincoli ed n variabili in Forma Standard dove: ma 0 c A b ( ) 0 ( 2) R è il vettore n delle
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
DettagliAlgoritmi per la programmazione lineare: il metodo del simplesso
Algoritmi per la programmazione lineare: il metodo del simplesso Dipartimento di Informatica, Universita' di Pisa A.A. 2018/2019 Contenuti della lezione Problemi di programmazione lineare, forma standard
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.7)
Docente: Marco Gaviano (e-mail:gaviano@nica.it) Corso di Larea in Infomatica Corso di Larea in Matematica Matematica Comptazionale(6cf) Ottimizzazione(8cf) (a.a. -4, lez.7) Matematica Comptazionale, Ottimizzazione,
DettagliCorso di Laurea in Informatica, Corso di Laurea in Matematica Matematica computazionale (6 cfu), Ottimizzazione (8 cfu) a.a.
Corso di Laurea in Informatica, Corso di Laurea in Matematica Matematica computazionale (6 cfu), Ottimizzazione (8 cfu) a.a.0-4 Programmazione lineare Domande di ripasso Definizioni e risultati teorici.
DettagliPROGRAMMAZIONE LINEARE E DUALITA'
PROGRAMMAZIONE LINEARE E DUALITA' 1) Dati i punti di R 2 (1, 2), (1, 4), (2, 3), (3, 5), (4, 1), (4, 2), (5, 5), (6, 2), (6, 5). Determinare graficamente: A - L'involucro convesso di tali punti. B - Quali
DettagliSviluppando ancora per colonna sulla prima colonna della prima matrice e sulla seconda della seconda matrice si ottiene:
M. CARAMIA, S. GIORDANI, F. GUERRIERO, R. MUSMANNO, D. PACCIARELLI RICERCA OPERATIVA Isedi Esercizi proposti nel Cap. 5 - Soluzioni Esercizio 5. - La norma Euclidea di è 9 6 5 - Il versore corrispondente
DettagliLEZIONE N. 6 - PARTE 1 - Introduzione
LEZIONE N. 6 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA
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
DettagliEsercizi di Programmazione Lineare - Dualità
Esercizi di Programmazione Lineare - Dualità Esercizio n1 Dato il seguente problema 3 + 3 2 2 + a scriverne il duale; b risolvere il duale (anche geometricamente indicando cosa da esso si può dedurre sul
DettagliIntroduzione al Metodo del Simplesso. 1 Soluzioni di base e problemi in forma standard
Introduzione al Metodo del Simplesso Giacomo Zambelli 1 Soluzioni di base e problemi in forma standard Consideriamo il seguente problema di programmazione lineare (PL), relativo all esempio di produzione
DettagliProgrammazione Matematica / A.A Soluzioni di alcuni esercizi
Programmazione Matematica / A.A. 8-9 Soluzioni di alcuni esercizi Esercizi - I 3. Aggiungiamo al problema una variabile v, e richiediamo che v soddisfi v n a ij x j b i. j= Fissato x, il minimo v che soddisfa
Dettagli2. ALGORITMO DEL SIMPLESSO
. ALGORITMO DEL SIMPLESSO R. Tadei Una piccola introduzione R. Tadei SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione
DettagliRicerca Operativa. Programmazione Lineare. Università Mediterranea di Reggio Calabria Decisions Lab
Ricerca Operativa Programmazione Lineare Università Mediterranea di Reggio Calabria Decisions Lab Ottimizzazione In un problema di ottimizzazione si cerca di massimizzare o minimizzare una quantità specifica,
DettagliEsercizi svolti. delle matrici
Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa
DettagliNote sull algoritmo di Gauss
Note sull algoritmo di Gauss 29 settembre 2009 Generalità Un sistema lineare di m equazioni in n incognite x,..., x n è un espressione del tipo: a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n
Dettagli3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:
DettagliAlgoritmo del simplesso
Algoritmo del simplesso Ipotesi : si parte da una S.A.B. e dal tableau A=b in forma canonica. Si aggiunge una riga costituita dagli r j, j =,., n e da -z (valore, cambiato di segno, della f.o. nella s.a.b.)
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
DettagliProgrammazione Matematica / A.A Soluzioni di alcuni esercizi
Programmazione Matematica / A.A. 7-8 Soluzioni di alcuni esercizi Esercizi - I. Aggiungiamo al problema una variabile v, e richiediamo che v soddisfi v n a ij x j b i. j= Fissato x, il minimo v che soddisfa
DettagliMatrici triangolari [Abate, 3.2] Lezioni 05 e 06. Determinante di una matrice triangolare [Abate, es. 9.3] Matrici ridotte per righe.
Matrici triangolari [Abate, 32] Definizione Una matrice A = a ij ) R m,n si dice triangolare superiore se a ij = 0 per ogni i > j; triangolare inferiore se a ij = 0 per ogni i < j Lezioni 05 e 06 Una matrice
DettagliLA GRAN PARTE DI QUESTI ELEMENTI DOVREBBE ESSERE GIÀ NOTA
I PRESUPPOSTI DELL ALGORITMO DEL SIMPLESSO CONSISTONO IN UN INSIEME DI ELEMENTI TEORICI LEGATI ALLO STUDIO DEGLI INSIEMI CONVESSI ED UN ALTRO INSIEME DI ELEMENTI TEORICI LEGATI ALLO STUDIO DEI SISTEMI
DettagliEsempio. L immagine di f è l insieme dei vettori w = (w 1, w 2 ) R 2 che hanno w 1 = w 2. Quindi:
Nucleo, immagine e loro proprietà [Abate, 5.2] Data una applicazione lineare f : V W, chiamiamo nucleo di f l insieme N(f) := { v V : f(v) = 0 W } Se S V è un sottoinsieme del dominio, indichiamo con f(s)
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
DettagliLe risposte vanno giustificate con chiarezza. 1) Nello spazio vettoriale V delle matrici 2 2 a coefficienti reali, considera le matrici A 1 = , A 4 =
Università degli Studi di Roma Tor Vergata. Corso di Laurea in Matematica Esame di Geometria 1 con Elementi di Storia Prof. F. Tovena 30 gennaio 2015 Le risposte vanno giustificate con chiarezza. 1 Nello
DettagliArgomento 13 Sistemi lineari
Sistemi lineari: definizioni Argomento Sistemi lineari 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) e b è un numero reale (detto
DettagliLezione del 24 novembre. Sistemi lineari
Lezione del 24 novembre Sistemi lineari 1 Nelle lezioni scorse abbiamo considerato sistemi di equazioni lineari dei seguenti tipi: un equazione in un incognita; una, due o tre equazioni in due incognite;
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a , lez.1)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Matematica Computazionale(6cfu) Ottimizzazione(8cfu) (a.a. 2013-14, lez.1) 1 Matematica Computazionale,
DettagliSistemi Lineari. Elisabetta Colombo. Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 200-20 2 a di o.0 4 Capelli Rango o Caratterisca : definizioni a di o.0 Un equazione nelle n incognite x,..., x n della forma dove
DettagliSISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI
SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI Appunti presi dalle lezioni del prof. Nedo Checcaglini Liceo Scientifico di Castiglion Fiorentino (Classe 4B) January 17, 005 1 SISTEMI LINEARI Se a ik, b i R,
DettagliCORSO ZERO DI MATEMATICA
UNIVERSITÀ DEGLI STUDI DI PALERMO FACOLTÀ DI ARCHITETTURA CORSO ZERO DI MATEMATICA DISEQUAZIONI E SISTEMI Dr. Erasmo Modica erasmo@galois.it SISTEMI DI EQUAZIONI DI PRIMO GRADO Definizione: Si definisce
DettagliA titolo di esempio proponiamo la risoluzione del sistema sia con il metodo della matrice inversa sia con il metodo di Cramer.
) Trovare le soluzioni del seguente sistema lineare: x+ y+ z = 3x y + z = 0 x + 5y 4z = 5 Osserviamo in primo luogo che il sistema dato è un sistema quadrato di tre equazioni in tre incognite, precisamente
DettagliTEORIA della DUALITÀ. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Teoria della Dualità / 1.
Prof. R. adei EORIA della DUALIÀ Una piccola introduzione R. adei 1 R. adei 2 EORIA DELLA DUALIA' Il concetto di dualità fu introdotto nel 1947 da Von Neumann, anche se il teorema della dualità fu formulato
Dettagli1. Sistemi di equazioni lineari. 1.1 Considerazioni preliminari
1. Sistemi di equazioni lineari 1.1 Considerazioni preliminari I sistemi lineari sono sistemi di equazioni di primo grado in più incognite. Molti problemi di matematica e fisica portano alla soluzione
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Programmazione lineare (II parte) Prof.ssa Bice Cavallo Soluzione di un problema PL Soluzione ottima Variabili slack e surplus A R mxn Ax b s R m, s i 0 : Ax
DettagliSi considera, come al solito, un problema di programmazione lineare in forma standard:
LA FASE I DEL METODO DEL SIMPLESSO 149 6.5 LA FASE I DEL METODO DEL SIMPLESSO Comegiàdetto, il primoobiettivo dellafase Idel metododelsimplessoèquellodi verificare l ammissibilità del problema da risolvere.
DettagliRicerca Operativa. G. Liuzzi. Giovedí 19 Marzo Tableau del Simplesso Esempio Fase I del Simplesso Esempio
1 Giovedí 19 Marzo 2015 1 Istituto di Analisi dei Sistemi ed Informatica IASI - CNR Tableau o Dizionario Qualche richiamo sulla generica iterazione della Fase II: B base ammissibile corrente x SBA corrente:
DettagliEsempi di Problemi di Programmazione Lineare
Esempi di Problemi di Programmazione Lineare Esempio 1: Soluzione con l algoritmo del simplesso dell esempio in forma standard ma = 2 + 0 1 2 + + = 5 1 2 3 + + = 0 1 2 4 6 + 2 + = 21 1 2 5 1 2 3 4 5 Il
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
DettagliSi consideri il seguente tableau ottimo di un problema di programmazione lineare
ESERCIZIO 1 Si consideri il seguente tableau ottimo di un problema di programmazione lineare -25/3 0 4/3 19/6 9/2 0 0 0 7/6 1 0 1-1/2-3/2 1 0 0 3/2 11/3 1-2/3-1/3 0 0 0 0 2/3 2/3 0 1/3 1/6-1/2 0 1 0 7/6
DettagliPrerequisiti didattici
Università degli Studi di Ferrara 2014-2015 Corso TFA - A048 Matematica applicata Didattica della matematica applicata all economia e alla finanza 1 aprile 2015 Appunti di didattica della matematica applicata
DettagliALGORITMO DEL SIMPLESSO. Una piccola introduzione. Ricerca Operativa. Prof. R. Tadei. Politecnico di Torino. Simplesso / 1.
ALGORITMO DEL SIMPLESSO Una piccola introduzione R. Tadei R. Tadei 2 SIMPLESSO L obiettivo del capitolo è quello di fornire un algoritmo, l algoritmo del simplesso, che risolve qualsiasi problema di programmazione
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
DettagliESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007
ESERCIZI DI MATEMATICA DISCRETA ANNO 6/7 //7 () Ridurre la seguente matrice ad una a scala ridotta utilizzando il metodo di Gauss-Jordan. Soluzione. () Determinare quante e quali sono le matrici a scala
DettagliAlgoritmi e Strutture Dati II: Parte B Anno Accademico Lezione 8
Algoritmi e Strutture Dati II: Parte B Anno Accademico 2004-2005 Docente: Ugo Vaccaro Lezione 8 Ricordiamo ancora una volta il nostro meta-algoritmo per il progetto di algoritmi di approssimazione: 1.
DettagliOttimizzazione (1 mod., 6 crediti, 48 ore, a.a , lez.1)
Docente: Marco Gaviano (e-mail:gaviano@unica.it) Corso di Laurea in Infomatica Corso di Laurea in Matematica Ottimizzazione (1 mod., 6 crediti, 48 ore, a.a. 09-10, lez.1) 1 L Ottimizzazione rientra nell
DettagliEsercizi sulla Programmazione Lineare. min. cx Ax b x 0
Soluzioni 4.-4. Fondamenti di Ricerca Operativa Prof. E. Amaldi Esercizi sulla Programmazione Lineare 4. Risoluzione grafica e forma standard. Si consideri il problema min x cx Ax b x dove x = (x, x )
DettagliParte IV: Rafforzamento di formulazioni e algoritmo dei piani di taglio
Parte IV: Rafforzamento di formulazioni e algoritmo dei piani di taglio Nozioni di geometria Definizione: Un vettore y R n è combinazione conica dei vettori { 1,, k } se esistono k coefficienti reali λ
DettagliEsercizi di Programmazione Lineare
Esercizi di Programmazione Lineare 1 grafica Si consideri il seguente problema di programmazione lineare: max 3x 1 + 2x 2 s.t. + 2x 1 + x 2 4 2x 1 + x 2 2 + x 1 x 2 1 x 1, x 2 0 a) Risolvere il problema
DettagliProgrammazione lineare
Capitolo 1 Programmazione lineare ESERCIZIO 1.1. Porre in forma canonica i seguenti programmi lineari. min 3x 1 + 4x 2 2x 3 x 1 + 2x 2 x 3 5 2x 1 + 4x 3 = 12 x 1 + x 2 + x 3 15 x 1, x 2 0, x 3 libera.
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
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA
UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito C 3/5/25 A. A. 24 25 ) Risolvere il seguente sistema
Dettagli4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1
4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1 Problemi di programmazione matematica: min s.v. f () X n dove X è la regione delle soluzioni ammissibili con funzione
DettagliIstituzioni di Matematiche prima parte
Istituzioni di Matematiche prima parte anno acc. 2014/2015 Univ. Studi di Milano E.Frigerio, C.Turrini (Univ. Studi di Milano Istituzioni di Matematiche 1 / 30 index Generalità sugli insiemi 1 Generalità
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
DettagliPreCorso di Matematica - PCM Corso M-Z
PreCorso di Matematica - PCM Corso M-Z DOCENTE: M. Auteri Outline Docente: Auteri PreCorso di Matematica 2016 2 Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti
DettagliAlgebra Proff. A. D Andrea e P. Papi Quarto scritto
Algebra Proff. A. D Andrea e P. Papi Quarto scritto LUGLIO 8 Nome e Cognome: Numero di Matricola: Esercizio Punti totali Punteggio 6.5 6.5 3 6.5 4 6.5 5 6.5 otale 3 Occorre motivare le risposte. Una soluzione
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari Siano X 1,, X n indeterminate Un equazione lineare (o di primo grado) nelle incognite X 1,, X n a coefficienti nel campo K è della forma a 1 X 1 + + a n X n = b, a i, b K,
DettagliIL METODO DEL SIMPLESSO
IL METODO DEL SIMPLESSO Il metodo del Simplesso 1 si applica nella risoluzione di un problema di Programmazione Lineare 2 (funzione e vincoli lineari) quando le variabili di azione o iniziali sono almeno
DettagliLEZIONE N. 6 - PARTE 1 - Introduzione
LEZIONE N. 6 PROGRAMMAZIONE LINEARE IN MARKAL, SOLUZIONE DEI PROBLEMI DI PROGRAMMAZIONE LINEARE CON: IL METODO GRAFICO ED IL METODO DEL SIMPLESSO. PROPRIETÀ DELLA DUALITÀ ED ESEMPI DI SOLUZIONE DEL PROBLEMA
DettagliIstituzioni di Matematiche prima parte
Istituzioni di Matematiche prima parte anno acc. 2011/2012 Univ. degli Studi di Milano Cristina Turrini (Univ. degli Studi di Milano Istituzioni di Matematiche 1 / 33 index Generalità sugli insiemi 1 Generalità
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
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
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
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
DettagliProblemi lineari equivalenti
Problemi lineari equivalenti Introduzione Nel seguito verranno presentati alcuni esempi di trasformazione di problemi di problemi di programmazione lineare in forme equivalenti. Un problema di programmazione
DettagliIstituzioni di Matematica I. Esercizi su sistemi lineari. & % x + y " #z = "1 & '#x " y+ z =1
Istituzioni di Matematica I Esercizi su sistemi lineari Esempio. Dire per quali valori di λ R il sistema x " y+ z = 2 % x + y " z = " x " y+ z = ha una sola soluzione, per quali nessuna, per quali infinite
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
Dettagli5.5 Programmazione quadratica (PQ)
5.5 Programmazione quadratica (PQ Minimizzare una funzione quadratica soggetta a vincoli lineari: 1 min x t Qx + c t x 2 s.v. a t i x b i i D (P a t i x = b i i U x R n dove Q matrice n n, D e U sono gli
DettagliSistemi lineari. a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 : : : a m1 x 1 + a m2 x 2 +..
Sistemi lineari: definizioni Sistemi lineari 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) e b è un numero reale (detto termine
DettagliLa notazione usata è quella usuale nel caso scalare, ed è estesa al caso generale. Consideriamo una forma quadratica:
. SU ALCUNI OPERAORI DI DERIVAZIONE Alcune operazioni tipiche dell analisi matematica hanno un diretto riscontro in termini matriciali. Consideriamo ad esempio una forma lineare: f() l l + l +..l n n ;
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
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
DettagliMATEMATICA. a.a. 2014/ Sistemi di equazioni lineari
MATEMATICA a.a. 2014/15 8. Sistemi di equazioni lineari SISTEMI LINEARI Si definisce sistema lineare un sistema di p equazioni di primo grado in q incognite. a11x1 + a12 x2 +... + a1 qxq = k1 a21x1 + a22x2
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Pivoting e stabilità Se la matrice A non appartiene a nessuna delle categorie precedenti può accadere che al k esimo passo risulti a (k) k,k = 0, e quindi il
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA
UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito B 3/05/005 A. A. 004 005 ) Risolvere il seguente sistema
DettagliEsercizi proposti nel Cap. 6 - Soluzioni. Esercizio 6.1. Esercizio 6.2
M. CARAMIA, S. GIORDANI, F. GUERRIERO, R. MUSMANNO, D. PACCIARELLI RICERCA OPERATIVA Isedi Esercizi proposti nel Cap. 6 - Soluzioni Esercizio 6.1 La soluzione ottima è il vertice 4 1, di valore 9, vedi
Dettagliossia può anche essere localizzato univocamente sul piano complesso con la sua forma polare.
ALGEBRA COMPLESSA Nel corso dei secoli gli insiemi dei numeri sono andati man mano allargandosi per rispondere all esigenza di dare soluzione a equazioni e problemi sempre nuovi I numeri complessi sono
DettagliEsercizi svolti di Programmazione Lineare. a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania
Esercizi svolti di Programmazione Lineare a cura di Laura Scrimali Dipartimento di Matematica e Informatica Università di Catania Formulazione matematica e risoluzione grafica Esercizio Una pasticceria
DettagliEsercizi 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
DettagliSistemi lineari. a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 : : : a m1 x 1 + a m2 x 2 +..
Sistemi lineari: definizioni Sistemi lineari 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) e b è un numero reale (detto termine
Dettagli