L ALGORITMO DEL SIMPLESSO REVISIONATO
|
|
|
- Michela Natali
- 8 anni fa
- Visualizzazioni
Transcript
1 L ALGORITMO DEL SIMPLESSO REVISIONATO L'algoritmo del simplesso revisionato costituisce una diversa implementazione dell algoritmo standard tesa a ridurre, sotto certe condizioni, il tempo di calcolo e l'occupazione di memoria richiesti. Anch'esso, dunque, partendo da una prima soluzione di base ammissibile si sposta verso la soluzione ottima con l'applicazione, ad ogni iterazione, del test di ottimalità ed il passaggio, qualora l ultima soluzione esaminata non sia ottima, ad una soluzione di base ammissibile migliore ed i criteri utilizzati sono quelli stessi di cui si serve il simplesso standard. Ciò che è rivisto nel simplesso revisionato è la procedura mediante la quale si perviene alle informazioni necessarie per effettuare il test di ottimalità e lo scambio tra variabile entrante e variabile uscente.
2 Le informazioni necessarie per effettuare tali operazioni sono: i coefficienti di costo modificati delle variabili non basiche per realizzare il test di ottimalità ed individuare la variabile entrante; la colonna dei tassi di assorbimento modificati della variabile entrante; la colonna dei termini noti modificati per individuare la variabile uscente. Per giungere alla conoscenza di questi tre vettori è necessario con la tecnica utilizzata nel simplesso standard modificare con una operazione di pivot, ad ogni iterazione, tutta la matrice A dei tassi di assorbimento. L'obiettivo del simplesso revisionato è quello di contenere, quando sia possibile, tale inconveniente.
3 PROCEDURA MATRICIALE PER LA TRASFORMAZIONE DI UN SISTEMA DI EQUAZIONI LINEARI IN FORMA CANONICA Sia Ax = b, un sistema di m relazioni in n variabili (n>m) a rango massimo. In tale ipotesi la matrice A conterrà almeno una matrice di base e si supponga, per semplicità di notazione, che essa sia costituita dalle ultime m colonne della matrice A del sistema. Si partizioni la matrice A nelle singole colonne p j (j=,2,...,n) dei coefficienti: e si ponga: A = [p,p 2,,p n ] = [p n-m+,p n-m+2,,p n ] Indicando con C la matrice residua composta dalle prime (n - m) colonne di A: C = [p,p 2,,p n-m ]
4 si può scrivere: A = [C ] Premoltiplicando per l'inversa - di si ha: - A = [ - C - ] Essendo - = I m e indicando con R il prodotto - C, si ottiene: - A = [R I m ] che costituisce la trasformazione, in forma canonica, della matrice A rispetto alla base.
5 CALCOLO DELL'INVERSA CON IL METODO DEL PIVOT Si consideri una matrice quadrata A di ordine m e si voglia calcolarne l'inversa A -. Si indichi con D una matrice con m righe e 2m colonne, costituita da due partizioni, la prima rappresentata dalla matrice A, la seconda dalla matrice identità I m di ordine m: D = [A I m ] Si trasformi, con il metodo del pivot, la matrice A in una matrice identità I m di ordine m: D = [I m W] Poiché nelle prime m colonne di D vi è la matrice identità, l'operazione effettuata equivale a: A - D = A - [A I m ] = [A - A A - I m ] dunque: W = A - e quindi: D' = [I m A - ]
6 Si voglia ricercare l'inversa della matrice: = A La si riscriva completandola con la matrice identità di ordine due: Con una operazione di pivot su a si ottiene: Con una operazione di pivot su a 22 si ottiene: / 5 4 /5 2/ 5 3/ da cui si ricava: = 5 / 5 4 / 5 2 / 5 3 / A
7 LA TAELLA DEL SIMPLESSO IN FORMA MATRICIALE Un problema p.l. con m vincoli ed n variabili può essere espresso attraverso un sistema di (m+) relazioni in (n+) variabili: in cui: A + x + = b + x + è il vettore colonna delle variabili del problema, comprensivo della variabile (-z): x + x = z b + è il vettore colonna dei termini noti aumentato di un'ultima componente, nulla, che rappresenta il valore iniziale della (-z): b + b = 0 A + è la matrice costituita dalla matrice dei tassi di assorbimento A aumentata del vettore dei coefficienti di costo e del vettore colonna relativo alla variabile (-z):
8 A + = A T c 0 Si partizioni il vettore x suddividendolo in : x N (vettore delle variabili non basiche); x (vettore delle variabili basiche (con la z); e si partizionino, corrispondentemente, la matrice A ed il vettore c T : x x = x N ; c T = [c T N c T ]; A=[N ] La relazione: A + x + = b + può essere allora scritta:
9 T T c N c 0 N N x x = 0 b Ponendo: = + T c N N N = + T c 0 La: T T c N c 0 N N x x = 0 b
10 può essere scritta: e dunque: [N + + ] x x N b = 0 N + x N + + x = b + Per portare il sistema in forma canonica rispetto alle variabili di base, si premoltiplichi per ( + ) - : ( + ) - N + x N + ( + ) - + x = ( + ) - b + (*) e si sostituisca l'espressione esplicita della ( + ) - :
11 Assegnata la matrice + : CALCOLO DELLA ( + ) - c 0 si vuole trovare una matrice X tale che sia: ovvero: c 0 + X = I m+ X X X2 2 X 22 = I m 0 0 Effettuando il prodotto righe per colonne al primo membro ed eguagliando agli elementi del secondo membro si ottiene: X + X 2 = I m X 2 + X 22 = 0
12 c X + X 2 = 0 c X 2 + X 22 = da cui si ricava: X = - X 2 = 0 X 2 = -c - X 22 = e dunque si ottiene: ( + ) - = c 0
13 È possibile, utilizzando l'espressione esplicita della ( + ) -, ottenere le espressioni dei diversi termini che costituiscono la (*). Il primo termine: 0 N + + ( ) N = = T T c c N c T N c T N N fornisce la matrice dei tassi di assorbimento ed il vettore dei coefficienti di costo delle variabili non basiche, modificati rispetto alla base. Il secondo termine: ( + ) - + = I m+ è la matrice identità corrispondente alle variabili di base.
14 Il terzo termine: 0 b + + ( ) b = = T c 0 c T b b è il vettore dei termini noti modificati, cioè i valori che delle variabili in base ed il valore della (-z). Ad una generica iterazione k, la tabella del simplesso contiene dunque il seguente insieme di informazioni: N x ΝΒ c N + I N m+ c e ponendo: c - = π T, si ottiene: x = c T b b N x c ΝΒ ðn N I m+ + x = Il vettore π viene indicato in letteratura come vettore dei moltiplicatori del simplesso. ð T b b
15 PASSAGGIO DA SIMPLESSO STANDARD A REVISIONATO Si riesaminino le informazioni necessarie nel simplesso per effettuare il test di ottimalità ed il passaggio ad una eventuale soluzione di base ammissibile migliore. Coefficienti di costo modificati delle variabili non basiche: c' T N = c T N - c T - N = c T N - π T N i coefficienti di costo modificati possono essere ottenuti a partire dalle informazioni iniziali c T N, c T, N purché sia nota la -, o anche dalle sole c T N ed N purché siano noti - e π. Vettore dei tassi di assorbimento modificati della variabile entrante: N' = - N il vettore dei tassi di assorbimento modificati della variabile entrante, può essere ottenuto con la espressione:
16 p' s = - p s Dunque p' s può essere ottenuta, a partire dal vettore iniziale p s, purché sia nota la -. Vettore dei termini noti modificati: b' = - b può essere ottenuto a partire dal vettore iniziale b, conoscendo la -. Il valore della funzione obiettivo: z = -c T - b = -π T b può essere ottenuto a partire dalle informazioni iniziali c T e b conoscendo la - oppure a partire dal solo vettore b, purché sia noto π. Dunque, una volta nota la - e il vettore π T = c T - (vettore dei moltiplicatori del simplesso associato alla base ) si possono generare tutte le informazioni necessarie per la conduzione dell'algoritmo del simplesso. È da notare che -, ed il vettore π sono entrambi
17 contenuti nella ( + ) -. Si potrebbe, allora, pensare che, volendo ricavare, ad ogni iterazione, le informazioni strettamente necessarie per la conduzione dell'algoritmo del simplesso, si dovrebbe calcolare ad ogni iterazione la ( + ) - corrente. In realtà ciò non è necessario. Infatti la tabella iniziale dell'algoritmo del simplesso contiene sempre, per la presenza delle slack e/o delle artificiali, una matrice identità di ordine m. Alla generica iterazione k dell'algoritmo il sistema sarà in forma canonica rispetto ad un gruppo di m variabili diverso da quello iniziale, ed alla (-z). Poiché la matrice iniziale è del tipo [N + I m+ ] ne deriva che le colonne che inizialmente costituivano la matrice identità conterranno l'inversa della matrice di base alla k esima iterazione. D'altra parte anche nella tabella iniziale le ultime (m+) colonne contengono la ( + ) -. Infatti essendo + = I m+ sarà ancora ( + ) - = I m+.
18 IL SIMPLESSO REVISIONATO I dati del problema si suppongono riuniti in una tabella iniziale. Da tale tabella vengono prelevate, durante lo sviluppo dell'algoritmo, le informazioni man mano che esse si rendono necessarie. Alla prima iterazione risulta: ( + ) - = I m+ ed il vettore dei termini noti è quello iniziale. All'inizio di ciascuna iterazione k sono disponibili la ( + ) k e la colonna dei termini noti modificati. Per effettuare il test di ottimalità si calcola il vettore c T ' N : c' T N = c T N - c T - N = c T N - π T N Qualora il test fornisca esito negativo viene individuata la variabile entrante x s. Viene quindi calcolata la colonna pivot modificata p' s p' s = - p s
19 che, unitamente al vettore b' k, consente la determinazione della variabile uscente, ovvero della riga pivot e dunque del perno a' rs. Si effettua una operazione di pivot sul perno a' rs limitata alla ( + ) - ed al vettore dei termini noti. In tal modo la colonna p' s viene trasformata nel vettore u r, vettore unitario ad (m+) componenti avente l'elemento unitario nella posizione r esima. La ( + ) k e la b' k vengono trasformati rispettivamente nella ( + ) k + e la b' k+. Si è ripristinato, in questo modo, un insieme di informazioni corrispondente a quello disponibile all'inizio dell'iterazione che consente dunque di ripetere il procedimento.
20 ESEMPIO z= 2x - x 2 + x 3 Max! s.a 3x + x 2 + x 3 60 x - x 2 + 2x 3 0 x + x 2 - x 3 20 x x 2 x 3 0 Aggiungendo ai vincoli le variabili slack, si ottiene la tabella iniziale x x 2 x 3 y y 2 y 3 -z b Tabella iniziale Da questa tabella vengono prelevati, nel corso dell algoritmo, i dati necessari.
21 Prima iterazione. Risulta: ( + ) = () = π = [0, 0, 0] Siano v N e v due vettori le cui componenti forniscono gli indici delle variabili che, a ciascuna iterazione, sono non basiche e basiche rispettivamente. Risulta: v N = [, 2, 3,]; v = [4, 5, 6]
22 Coefficienti di costo modificati delle variabili non basiche: c N = c N - π N = 3 [ 2, -, ] [0, 0, 0] = [2, -, ] v N = [ 2 3] la soluzione non è massima e la colonna pivot è quella relativa alla variabile x. Colonna pivot modificata: p = 0 0. = 0 0 Riunendo le informazioni ricavate si ottiene la tabella ristretta, su cui agisce il simplesso
23 revisionato: x y y 2 y 3 -z b y y y z Tabella ristretta. Var. entr. x, uscente y 2 Si effettua una operazione pivot sulla tabella ristretta alla ( + ) - orlata col vettore dei termini noti, ottenendo le informazioni necessarie per condurre la seconda iterazione. Seconda iterazione. x y y 2 y 3 -z b y x y z
24 Tabella ristretta dopo il pivot Risulta: ( + ) = () = π = [0, 2, 0] v N 2 = [5, 2, 3,]; v 2 = [4,, 6] Coefficienti di costo modificati delle variabili non basiche: c 2 N = c N - π 2 N = 0 [ 0, -, ] [0, 2, 0] - 2
25 0 - = [-2,, -3] v N = [ 5 2 3] la soluzione non è massima e la colonna pivot è quella relativa alla variabile x 2. Colonna pivot modificata: p 2 2 = = Riunendo le informazioni ricavate si ottiene la seconda tabella ristretta: x 2 y y 2 y 3 -z b y x y z Tabella ristretta 2. Var. entr. x 2, uscente y 3 Si effettua l operazione di pivot ristretta,
26 ottenendo le informazioni necessarie per condurre la terza iterazione: Terza iterazione. x 2 y y 2 y 3 -z b y x x z Tabella ristretta 2 dopo il pivot Coefficienti di costo modificati delle variabili non basiche: v N = [ 5 6 3] c 3 N = c N - π 3 N = 0 0 [ 0, 0, -] [0,.5, 0.5]
27 = [-.5, -0.5, -.5] v N = [ 5 6 3] L'analisi dei coefficienti di costo mostra che si è trovata la soluzione massima essendo tutti i coefficienti di costo delle variabili non basiche non positivi. La soluzione ottima risulta allora: y 2 = y 3 = x 3 = 0 ; x = 5 ; x 2 = 5 ; z = 25
Il modello duale. Capitolo settimo. Introduzione
Capitolo settimo Il modello duale Introduzione Il modello duale e la teoria della dualità assumono una grande importanza nella teoria della programmazione matematica. In questo testo i modelli primale
Metodi 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
Introduzione 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
IL 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
Esercizi 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
4.5 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
Sistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ [email protected] Lorenzo Pareschi (Univ. Ferrara)
Metodi 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
Si 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
x 1 x x 1 2 x 2 6 x 2 5 Indici di base Vettore Ammissibile Degenere (si/no) (si/no)
Esercitazione di Ricerca Operativa Esercizio. Completare la seguente tabella: max x x x x x x x x x x Indici di base Vettore Ammissibile Degenere, x =, y = Esercizio. Effettuare due iterazioni dell algoritmo
Prerequisiti 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
Esercizi 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 )
ha come obiettivo quello di costruire a partire da A una matrice U, m n, che abbia il
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G.Parmeggiani LEZIONE 6 Eliminazione di Gauss con scambi di righe Sia A O una matrice m n. Abbiamo illustrato nella Lezione 5 un algoritmo che ha come
Geometria BIAR Esercizi 2
Geometria BIAR 0- Esercizi Esercizio. a Si consideri il generico vettore v b R c (a) Si trovi un vettore riga x (x, y, z) tale che x v a (b) Si trovi un vettore riga x (x, y, z) tale che x v kb (c) Si
SISTEMI LINEARI, METODO DI GAUSS
SISTEMI LINEARI, METODO DI GAUSS Abbiamo visto che un sistema di m equazioni lineari in n incognite si può rappresentare in forma matriciale come A x = b dove: A è la matrice di tipo (m, n) dei coefficienti
Teorema di Thevenin generalizzato
Teorema di Thevenin generalizzato Si considerino due reti elettriche lineari, A e B, aventi rispettivamente N A e N B nodi interni. Esse si interfacciano attraverso n (n 3) fili di collegamento, in cui
Esercitazione 5: Sistemi a risoluzione immediata.
Esercitazione 5: Sistemi a risoluzione immediata. Ipotesi: Supponiamo le matrici non singolari. Nota: Per verificare che si ha risolto correttamente il sistema lineare Ax = b basta calcolare la norma del
Esercizi 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
3. 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
2. Risolvere con il metodo di eliminazione di Gauss con pivoting parziale il seguente sistema lineare:
Esercizi sui metodi diretti per la risoluzione di sistemi lineari 1. Data la matrice 1 0 2 1 3 1 5 2 1 determinare la sua fattorizzazione P LR. Risolvere il sistema Ax = b con b = (3, 5, 6) T mediante
SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
Il metodo del simplesso. Il metodo del simplesso p. 1/12
Il metodo del simplesso Il metodo del simplesso p. 1/12 I problemi di PL in forma standard I problemi di PL in forma standard hanno la seguente formulazione: max cx a i x = b i x 0 i = 1,...,m o, equivalentemente,
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte III)
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte III) L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di
Chi non risolve esercizi non impara la matematica.
5.5 esercizi 9 Per trovare la seconda equazione ragioniamo così: la parte espropriata del primo terreno è x/00, la parte espropriata del secondo è y/00 e in totale sono stati espropriati 000 m, quindi
Corso 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
Sistemi di equazioni lineari
Sistemi di equazioni lineari I sistemi di equazioni si incontrano in natura in molti problemi di vita reale. Per esempio, prendiamo in considerazione una bevanda a base di uova, latte e succo d arancia.
La riduzione a gradini e i sistemi lineari (senza il concetto di rango)
CAPITOLO 4 La riduzione a gradini e i sistemi lineari (senza il concetto di rango) Esercizio 4.1. Risolvere il seguente sistema non omogeneo: 2x+4y +4z = 4 x z = 1 x+3y +4z = 3 Esercizio 4.2. Risolvere
Esercitazione n o 3 per il corso di Ricerca Operativa
Esercitazione n o 3 per il corso di Ricerca Operativa Ultimo aggiornamento October 17, 2011 Fornitura acqua Una città deve essere rifornita, ogni giorno, con 500 000 litri di acqua. Si richiede che l acqua
SISTEMI LINEARI MATRICI E SISTEMI 1
MATRICI E SISTEMI SISTEMI LINEARI Sistemi lineari e forma matriciale (definizioni e risoluzione). Teorema di Rouché-Capelli. Sistemi lineari parametrici. Esercizio Risolvere il sistema omogeneo la cui
SISTEMI 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,
ESERCIZIO SOLUZIONE. 13 Aprile 2011
ESERCIZIO Un corpo di massa m è lasciato cadere da un altezza h sull estremo libero di una molla di costante elastica in modo da provocarne la compressione. Determinare: ) la velocità del corpo all impatto
1 Definizione di sistema lineare omogeneo.
Geometria Lingotto. LeLing1: Sistemi lineari omogenei. Ārgomenti svolti: Definizione di sistema lineare omogeneo. La matrice associata. Concetto di soluzione. Sistemi equivalenti. Operazioni elementari
2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =
Esercizio 1. Risolvere il sistema lineare 2x 5y +4z = x 2y + z =5 x 4y +6z =10 (1) Soluz. La matrice dei coefficienti è 1 4 6, calcoliamone il rango. Il determinante di A è (applico la regola di Sarrus):
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte II)
Ricerca Operativa Note su Programmazione Lineare e Metodo del Simplesso (parte II) L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di
LEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m
LEZIONE 4 41 Equazioni matriciali Negli Esempi 336 e 337 si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = B 2,, AX p = B p aventi la stessa matrice incompleta A Tale tipo di problema si presenta
1 Esercizi di Matlab. L operatore : permette di estrarre sottomatrici da una matrice assegnata. Vediamo alcuni esempi.
Esercizi di Matlab L operatore : permette di estrarre sottomatrici da una matrice assegnata. Vediamo alcuni esempi. Esempio Consideriamo la matrice A formata da n = righe e m = colonne M = 5 6 7 8. 9 0
Esercizi per il corso di ricerca operativa 1
Esercizi per il corso di ricerca operativa Ultimo aggiornamento: 8 gennaio 004 Indice I Esercizi 5 Programmazione lineare 7 Dualita 3 3 Analisi di sensitivita 7 4 Programmazione intera 5 Introduzione
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
Argomento 13 Sistemi lineari
Sistemi lineari: definizioni Argomento 3 Sistemi lineari I Un equazione nelle n incognite x,,x n della forma c x + + c n x n = b ove c,,c n sono numeri reali (detti coefficienti) eb è un numero reale (detto
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa 1 Seconda prova intermedia 17 giugno 2013
A UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Studi in Ingegneria Informatica Ricerca Operativa Seconda prova intermedia 7 giugno 0 Nome: Cognome: Matricola: Orale /06/0 ore aula N Orale 0/07/0 ore aula N
Risoluzione di problemi ingegneristici con Excel
Risoluzione di problemi ingegneristici con Excel Problemi Ingegneristici Calcolare per via numerica le radici di un equazione Trovare l equazione che lega un set di dati ottenuti empiricamente (fitting
Dipendenza e indipendenza lineare
Dipendenza e indipendenza lineare Luciano Battaia Questi appunti () ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia campus
Introduzione alla programmazione Algoritmi e diagrammi di flusso. Sviluppo del software
Introduzione alla programmazione Algoritmi e diagrammi di flusso F. Corno, A. Lioy, M. Rebaudengo Sviluppo del software problema idea (soluzione) algoritmo (soluzione formale) programma (traduzione dell
Sistemi lineari. 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0. x 1 x 2 x 3
Sistemi lineari 2x 1 + x 2 x 3 = 2 x 1 x 2 + x 3 = 1 x 1 + 3x 2 2x 3 = 0 2 1 1 1 1 1 1 3 2 x 1 x 2 x 3 = 2 1 0 n j=1 a i,jx j = b i, i = 1,, n Ax = b A = (a i,j ) R n n matrice invertibile (det(a) 0) b
Esercizi di ottimizzazione vincolata
Esercizi di ottimizzazione vincolata A. Agnetis, P. Detti Esercizi svolti 1 Dato il seguente problema di ottimizzazione vincolata max x 1 + x 2 x 1 4x 2 3 x 1 + x 2 2 0 x 1 0 studiare l esistenza di punti
Esame di Ricerca Operativa del 16/06/2015
Esame di Ricerca Operativa del 1/0/01 (Cognome) (Nome) (Matricola) Esercizio 1. Una ditta produce vernici in tre diversi stabilimenti (Pisa, Cascina, Empoli) e le vende a tre imprese edili (A, B, C). Il
ẋ 1 = 2x 1 + (sen 2 (x 1 ) + 1)x 2 + 2u (1) y = x 1
Alcuni esercizi risolti su: - calcolo dell equilibrio di un sistema lineare e valutazione delle proprietà di stabilità dell equilibrio attraverso linearizzazione - calcolo del movimento dello stato e dell
Linguaggio C++ 8. Matrici
2009-2010 Ingegneria Aerospaziale Prof. A. Palomba - Elementi di Informatica (E-Z) Linguaggio C++ 8 Matrici Linguaggio C++ 8 1 Array a più dimensioni. Sintassi generale : tipo nome [dimensione 1][dimensione
Esercizi sui sistemi di equazioni lineari.
Esercizi sui sistemi di equazioni lineari Risolvere il sistema di equazioni lineari x y + z 6 x + y z x y z Si tratta di un sistema di tre equazioni lineari nelle tre incognite x, y e z Poichè m n, la
Equazioni di 2 grado
Equazioni di grado Tipi di equazioni: Un equazione (ad una incognita) è di grado se può essere scritta nella forma generale (o forma tipica o ancora forma canonica): a b c con a, b e c numeri reali (però
SISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.
SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga
UNIVERSITÀ DEGLI STUDI DI PAVIA FACOLTÀ DI INGEGNERIA. Matlab: esempi ed esercizi
UNIVERSITÀ DEGLI STUDI DI PAVIA FACOLTÀ DI INGEGNERIA Matlab: esempi ed esercizi Sommario e obiettivi Sommario Esempi di implementazioni Matlab di semplici algoritmi Analisi di codici Matlab Obiettivi
I. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.
ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio
1 - Matrice delle masse e delle rigidezze
Cilc per tutti gli appunti (AUOMAZIONE RAAMENI ERMICI ACCIAIO SCIENZA delle COSRUZIONI ) e-mail per suggerimenti SEMPLICE ESEMPIO NUMERICO DEL MEODO DI ANALISI DINAMICA Si vuole qui chiarire con un semplice
Esercizi svolti sui sistemi lineari
Esercizio 1. Risolvere il seguente sistema lineare al variare del parametro reale t: t x + (t 1)y + z = 1 (t 1)y + t z = 1 2 x + z = 5 Soluzione. Il determinante della matrice dei coefficienti è t t 1
LEZIONE 4. { x + y + z = 1 x y + 2z = 3
LEZIONE 4 4.. Operazioni elementari di riga. Abbiamo visto, nella precedente lezione, quanto sia semplice risolvere sistemi di equazioni lineari aventi matrice incompleta fortemente ridotta per righe.
Rilassamento 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
Motivazione: Come si fa? Matrici simmetriche. Fattorizzazioni di matrici speciali
Motivazione: Fattorizzazioni di matrici speciali Diminuire la complessità computazionale = evitare operazioni inutili = risparmiare tempo di calcolo Diminuire l occupazione di memoria Come si fa? Si tiene
Problemi di base di Elaborazione Numerica dei Segnali
Universita' di Roma TRE Corso di laurea in Ingegneria Elettronica Corso di laurea in Ingegneria Informatica Universita' di Roma "La Sapienza" Corso di laurea in Ingegneria delle Telecomunicazioni Problemi
SISTEMI DI EQUAZIONI LINEARI
Capitolo 3 SISTEMI DI EQUAZIONI LINEARI 1 Generalità e algoritmo di Gauss Nel capitolo precedente abbiamo visto come per risolvere problemi legati allo studio degli spazi vettoriali lo strumento tecnico
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)
POTENZE DI MATRICI QUADRATE
POTENZE DI MATRICI QUADRATE In alcune applicazioni pratiche, quali lo studio di sistemi dinamici discreti, può essere necessario calcolare le potenze A k, per k N\{0}, di una matrice quadrata A M n n (R)
Analisi della correlazione canonica
Capitolo 8 Analisi della correlazione canonica Si supponga che su un collettivo di unità statistiche si siano osservati due gruppi di k ed m variabili corrispondenti ad altrettanti aspetti di un fenomeno
Ricerca Operativa 2. Introduzione al metodo del Simplesso
Ricerca Operativa 2. Introduzione al metodo del Simplesso Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema di ottimizzazione vincolata è definito dalla massimizzazione
Problemi 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
Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente
Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente Dati i vettori di R (i) Calcolare il prodotto scalare v w, (ii) Stabilire se v e w sono ortogonali, (ii) Stabilire
Sistemi di equazioni lineari
Sistemi di equazioni lineari A. Bertapelle 25 ottobre 212 Cos è un sistema lineare? Definizione Un sistema di m equazioni lineari (o brevemente sistema lineare) nelle n incognite x 1,..., x n, a coefficienti
= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con
Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti su m righe e n colonne. I numeri che compaiono nella tabella si dicono elementi della matrice. La loro individuazione
Il metodo delle osservazioni indirette
Il metodo delle osservazioni indirette Teoria della stima ai minimi quadrati Il criterio di massima verosimiglianza Sia data una grandezza η e si abbiano n osservazioni indipendenti l i (i=1,...,n) di
Esercizi su algebra lineare, fattorizzazione LU e risoluzione di sistemi lineari
Esercizi su algebra lineare, fattorizzazione LU e risoluzione di sistemi lineari 4 maggio Nota: gli esercizi più impegnativi sono contrassegnati dal simbolo ( ) Esercizio Siano 3 6 8 6 4 3 3 ) determinare
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:
FUNZIONI LINEARI (Retta, punto di pareggio e relazioni lineari generalizzate)
FUNZIONI LINEARI (Retta, punto di pareggio e relazioni lineari generalizzate) Copyright SDA Bocconi, Milano La retta Una retta può essere espressa secondo due formulazioni: a. Forma esplicita b. Forma
Esercitazione di Matematica su matrici e sistemi lineari
Esercitazione di Matematica su matrici e sistemi lineari Notazioni: deta, A T =trasposta di A, A 1 =inversa di A. 1. Si considerino le matrici A, B, C, D denite da 1 0 5 1 A = 0, B = 0 0, C = 0 1 0 6 1
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,
Elementi sulle diseguaglianze tra numeri relativi
Elementi sulle diseguaglianze tra numeri relativi Dati due numeri disuguali a e b risulta a>b oppure ao oppure a-b
Lezione 9: Le matrici
Lezione 9: Le matrici Ancora un po di sistemi in generale: le notazioni Nella lezione precedente abbiamo visto vari esempi di sistemi lineari in cui si verificavano i seguenti casi: una sola soluzione,
SISTEMI DI 1 GRADO CON DUE EQUAZIONI IN DUE INCOGNITE
Pagina 1 di 6 SISTEMI DI 1 GRADO CON DUE EQUAZIONI IN DUE INCOGNITE L insieme di due equazioni di primo grado in due incognite si dice SISTEMA DI 1 GRADO. La soluzione del sistema è ogni coppia di numeri
SPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:
SPAZI VETTORIALI Esercizi Esercizio. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: V := { (a, a, a) V a R }, V 2 := { (a, b, a) V a, b R }, V 3 := { (a, 2a, a + b)
Assemblaggio degli Elementi: Soluzione del Problema Strutturale Discreto
Il Metodo degli Elementi Finiti Assemblaggio degli Elementi: Soluzione del Problema Strutturale Discreto Dalle dispense del prof. Dario Amodio e dalle lezioni del prof. Giovanni Santucci Per ottenere la
Il programma OCTAVE per l insegnamento dell algebra lineare nella Scuola Secondaria p. 1
Il programma OCTAVE per l insegnamento dell algebra lineare nella Scuola Secondaria R. Vitolo Dipartimento di Matematica Università di Lecce SaLUG! - Salento Linux User Group Il programma OCTAVE per l
Esercizi di Geometria Affine
Esercizi di Geometria Affine Sansonetto Nicola dicembre 01 Geometria Affine nel Piano Esercizio 1. Nel piano affine standard A (R) dotato del riferimento canonico, si consideri la retta τ di equazione
a + 2b + c 3d = 0, a + c d = 0 c d
SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,
1 Applicazioni lineari
1 Applicazioni lineari 1 Applicazioni lineari 1.1 Definizione Si considerino lo spazio tridimensionale euclideo E e lo spazio vettoriale V ad esso associato. Definizione. 1.1. Sia A una applicazione di
C I R C O N F E R E N Z A...
C I R C O N F E R E N Z A... ESERCITAZIONI SVOLTE 3 Equazione della circonferenza di noto centro C e raggio r... 3 Equazione della circonferenza di centro C passante per un punto A... 3 Equazione della
LEZIONE 3. Typeset by AMS-TEX
LEZIONE 3 3 Risoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per la Proposizione 236 sappiamo di poter trasformare, con operazioni
ANTITRASFORMATA DI LAPLACE MODI DI UN SISTEMA
CONTROLLI AUTOMATICI Ingegneria Gestionale http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm ANTITRASFORMATA DI LAPLACE MODI DI UN SISTEMA Ing. Federica Grossi Tel.
per la matrice R, e: I 1 = G 11 V 1 + G 12 V 2, I 2 = G 21 V 1 + G 22 V 2,
100 Luciano De Menna Corso di Elettrotecnica Il caso N = 2 è particolarmente interessante tanto da meritare un nome speciale: doppio bipolo I parametri indipendenti saranno tre: R 11, R 22 ed R 12 =R 21
La matrice delle correlazioni è la seguente:
Calcolo delle componenti principali tramite un esempio numerico Questo esempio numerico puó essere utile per chiarire il calcolo delle componenti principali e per introdurre il programma SPAD. IL PROBLEMA
ESERCITAZIONE MATLAB
ESERCITAZIONE MATLAB Di seguito sono ripostati alcuni esercizi da eseguire in ambiente MatLab. Gli esercizi sono divisi per argomenti. Ogni esercizio è preceduto da una serie di esempi che aiutano nello
Matematica II,
Matematica II,.05.04 Diamo qui la nozione di determinante di una matrice quadrata, le sue prime proprieta, e ne deriviamo una caratterizzazione delle matrici non singolari e una formula per l inversa di
LA TRASMISSIONE DELLE INFORMAZIONI SECONDA PARTE 1
LA TRASMISSIONE DELLE INFORMAZIONI SECONDA PARTE 1 La rappresentazione dei numeri con la virgola 1 Conversione da decimale in altre basi di numeri con virgola 2 La moltiplicazione in binario 9 Divisione
MATEMATICA LA CIRCONFERENZA GSCATULLO
MATEMATICA LA CIRCONFERENZA GSCATULLO La Circonferenza La circonferenza e la sua equazione Introduzione e definizione La circonferenza è una conica, ovvero quella figura ottenuta tagliando un cono con
