Lezione n° 5: Esercitazione

Slides:



Advertisements
Presentazioni simili
Calcolo vettoriale E.F. Orsega – Università Ca’ Foscari di Venezia
Advertisements

MATLAB.
FUNZIONI REALI DI DUE VARIABILI REALI
MATEMATICA PER L’ECONOMIA
PROVA B: ESERCIZIO 1 Risolvere il sistema lineare (4 equazioni in 5 incognite):
Capitolo 8 Sistemi lineari.
Autovalori e autovettori
MATLAB.
MATLAB.
MATLAB.
MATLAB.
COORDINATE POLARI Sia P ha coordinate cartesiane
LE MATRICI.
Algebra delle Matrici.
La Programmazione Lineare
La Programmazione Matematica e i Problemi di Scelta
Economia Applicata all’Ingegneria
Corso di Fondamenti di programmazione a.a.2009/2010
Prof.ssa Chiara Petrioli -- corso di programmazione 1, a.a. 2006/2007 Corso di Programmazione 1 a.a.2006/2007 Prof.ssa Chiara Petrioli Corso di Laurea.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA: test sui parametri e scelta del modello (parte 3) Per effettuare test di qualsiasi natura è necessaria.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE MULTIPLA (parte 1)
MATLAB.
MATLAB.
LE EQUAZIONI DI SECONDO GRADO
Sistemi di equazioni lineari
Polinomi, integrazione e ottimizzazione
Studente Claudia Puzzo
Le matrici e I Sistemi lineari.
Prof. Cerulli – Dott.ssa Gentili
Università di L’Aquila Claudio Arbib Ricerca Operativa
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
La programmazione lineare
Prof. Cerulli – Dott.ssa Gentili

Prof. Cerulli – Dott.ssa Gentili
Prof. Cerulli – Dott.ssa Gentili
Prof. Cerulli – Dott.ssa Gentili
Lezione n° 18: Maggio Problema del trasporto: formulazione matematica Anno accademico 2008/2009 Prof. Cerulli – Dott.ssa Gentili Lezioni di.
Prof. Cerulli – Dott.ssa Gentili
Prof. Cerulli – Dott.ssa Gentili
Milano, 17 Dicembre 2013 Informatica B Informatica B Matlab Laboratorio del 14/01/2014 Responsabili di laboratorio: Gianluca Durelli:
Programmazione lineare
Esercitazione 1 7 marzo 2014 Petya G. Garalova
Sottospazi vettoriali
Sistemi compatibili (Il metodo di Fourier-Motzkin)
redditività var. continua classi di redditività ( < 0 ; >= 0)
Come si risolve un problema?
I costi di produzione Unità 10.
Claudio Arbib Università dell’Aquila Ricerca Operativa Metodo del simplesso per problemi di distribuzione single-commodity.
ECONOMIA POLITICA E-I ESERCITAZIONI. 1.Giovanni consuma due beni i cui prezzi sono p 1 =10 e p 2 =15. Il suo saggio marginale di sostituzione è SMS =
Microeconomia Introduzione Teoria del consumatore Impresa e produzione
Università degli Studi di Cagliari FACOLTA’ DI INGEGNERIA
MATEMATICA PER L’ECONOMIA e METODI QUANTITATIVI PER LA FINANZA a. a
Programmazione lineare: un esempio Mix produttivo ottimo con risorse vincolate Materiale di studio: M. Fischetti, Lezioni di RO, Cap. 3. Libreria Progetto.
In questa lezione tenteremo di dimostrare come è possibile trarre beneficio dal commercio tra individui e/o nazioni (uno dei dieci principi discussi nella.
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
Sistemi di equazioni lineari. Sistemi di primo grado di due equazioni a due incognite Risolvere un sistema significa trovare la coppia di valori x e y.
IISS "E. Medi" - Galatone Prof. Giuseppe Frassanito a.s. 2012/2013
Regressione semplice e multipla in forma matriciale Metodo dei minimi quadrati Stima di beta Regressione semplice Regressione multipla con 2 predittori.
Ancora sulle equazioni di secondo grado….. Equazione di secondo grado completa Relazione tra le soluzioni di un'equazione di secondo grado.
Lezione n° 8 - Matrice di base. - Soluzioni di base ammissibili. - Relazione tra vertici di un poliedro e soluzioni basiche. - Teorema fondamentale della.
Lezione n° 10 Algoritmo del Simplesso: - Coefficienti di costo ridotto - Condizioni di ottimalità - Test dei minimi rapporti - Cambio di base Lezioni di.
Lezione n° 6 -Ottimi globali e locali -Risoluzione grafica di un problema di PL -Definizione di Iperpiano e Semispazi. -Insiemi convessi. -Politopi e poliedri.
Lezioni di Ricerca Operativa Corso di Laurea in Informatica
Regressione: approccio matriciale Esempio: Su 25 unità sono stati rilevati i seguenti caratteri Y: libbre di vapore utilizzate in un mese X 1: temperatura.
Ricerca Operativa Prof. Cerulli e Dott. Carrabs
Parte 5 Sommario Uso routine di calcolo predefinite di Matlab –Risoluzione equazioni non lineariRisoluzione equazioni non lineari –Ricerca minimo di una.
Lezione n° 15 Teoria della dualità: - Interpretazione Economica Lezioni di Ricerca Operativa Corso di Laurea in Informatica Università di Salerno Prof.
Prof. Cerulli – Dott. Carrabs
Lezione n° 14 Teoria della dualità: - Teorema forte della dualità - Teorema degli scarti complementari Lezioni di Ricerca Operativa Corso di Laurea in.
Transcript della presentazione:

Lezione n° 5: Esercitazione Lezioni di Ricerca Operativa Corso di Laurea in Informatica ed Informatica Applicata Università di Salerno Lezione n° 5: Esercitazione Vettori linearmente dipendenti e indipendenti Combinazioni lineari, coniche e convesse Formulazioni Prof. Cerulli – Dott. Carrabs

Vettori linearmente dipendenti e indipendenti Verificare se i seguenti vettori: x1T=(4, 1, 2), x2T=(7, 3, 1) e x3T = (3, 2, 0) sono linearmente indipendenti o dipendenti. I vettori x1, x2, … , xn sono LINEARMENTE INDIPENDENTI se 1 x1+ 2 x2+…+ n xn = 0 implica che 1= 0, 2 = 0, … , n = 0 41 + 72 + 33 = 0 1 + 32 + 23 = 0 21 + 2 = 0

Vettori linearmente dipendenti e indipendenti Verificare se i seguenti vettori: x1T=(4, 1, 2), x2T=(7, 3, 1) e x3T = (3, 2, 0) sono linearmente indipendenti o dipendenti. 41 + 72 + 33 = 0 1 + 32 + 23 = 0 21 + 2 = 0 41 + 72 + 33 = 0 1 + 32 + 23 = 0 2 = -21 41 - 141 + 33 = 0 1 - 61 + 23 = 0 2 = -21 - 101 + 33 = 0 - 51 + 23 = 0 2 = -21

Vettori linearmente dipendenti e indipendenti Verificare se i seguenti vettori: x1T=(4, 1, 2), x2T=(7, 3, 1) e x3T = (3, 2, 0) sono linearmente indipendenti o dipendenti. - 101 + 33 = 0 1 = 2/5 3 2 = -21 - 10 (2/5 3 ) + 33 = 0 1 = 2/5 3 2 = -21 - 43 + 33 = 0 1 = 2/5 3 2 = -21 - 3 = 0 1 = 2/5 3 2 = -21 3 = 0 1 = 0 2 = 0 Sono linearmente indipendenti

Vettori linearmente dipendenti e indipendenti Verificare se i seguenti vettori: x1T=(4, 1, 2), x2T=(7, 3, 1) e x3T = (3, 2, 0) sono linearmente indipendenti o dipendenti. Metodo alternativo Costruiamo la matrice A=(x1,, x2, x3) 1. A è invertibile sse le sue righe (le sue colonne) sono linearmente indipendenti 2. A è invertibile sse il suo determinante è diverso da zero. Se det(A)≠0 le righe (le colonne) di A sono linearmente indipendenti.

Vettori linearmente dipendenti e indipendenti Verificare se i seguenti vettori: x1T=(4, 1, 2), x2T=(7, 3, 1) e x3T = (3, 2, 0) sono linearmente indipendenti o dipendenti. Metodo alternativo Sono linearmente indipendenti

Vettori linearmente dipendenti e indipendenti Cambiare, ora, il vettore x1T = (4, 1, 2) con x1T = (4, 1, 1) e verifichiamo se: x1T=(4, 1, 1), x2T=(7, 3, 1) e x3T = (3, 2, 0) sono linearmente indipendenti o dipendenti. 41 + 72 + 33 = 0 1 + 32 + 23 = 0 1 + 2 = 0 41 + 72 + 33 = 0 1 + 32 + 23 = 0 1 = -2 -42 + 72 + 33 = 0 -2 + 32 + 23 = 0 1 = -2

Vettori linearmente dipendenti e indipendenti 0= 0 2 = -3 1 = -2 -42 + 72 + 33 = 0 -2 + 32 + 23 = 0 1 = -2 32 + 33 = 0 22 + 23 = 0 1 = -2 Fissiamo 3 =1 ottenendo 2 =-1 e 1 = 1. Poichè la combinazione lineare dei tre vettori con questi coefficienti restituisce il vettore nullo, x1T, x2T, x3T non sono lineamente indipendenti.

Vettori linearmente dipendenti e indipendenti Verificare che I tre vettori sono linearmente dipendenti con il metodo alternativo. Il determinante di A è zero?

Vettori linearmente dipendenti e indipendenti Fornire un esempio di vettori in R3 linearmente indipendenti e linearmente dipendenti. Verificare se i seguenti vettori: x1T=(4, 1, 2) e x2T=(7, 3, 1) e x3T=(4, 1), x4T=(7/2, 5) e x5T = (3, 2) sono linearmente indipendenti o dipendenti. I vettori x1T e x2T formano una base di R3? I vettori x3T, x4T e x5T formano una base di R2? I vettori x3T, e x5T formano una base di R2?

Combinazioni lineari, coniche e convesse Un vettore y è combinazione LINEARE dei vettori x1, x2, …, xn se esistono 1, 2, … , n numeri reali tali che: y= 1 x1+ 2 x2+…+ n xn Un vettore y è combinazione CONICA dei vettori x1, x2, … , xn se esistono 1, 2, … , n numeri reali tali che: 1, 2,…, n  0 e y= 1 x1+ 2 x2+…+ n xn Un vettore y è combinazione CONVESSA dei vettori x1, x2, … , xn se esistono 1, 2, … , n numeri reali tali che: 1, 2,…, n  0 e 1+ 2+…+n = 1 e y= 1 x1+ 2 x2+…+ n xn Esercizi: Determinare geometricamente se: il vettore yT=(8/3, 1) è combinazione conica dei vettori x1T=(1, 1) e x2T = (2, -1).

Combinazioni lineari, coniche e convesse Determinare che tipo di combinazione (lineare, conica o convessa) è il vettore yT = (5/3, 2/3, 4) rispetto ai vettori: x1T=(2, 1, 8), x2T=(1, 0, 3) e x3T = (2, 1, 1) 21 + 2 + 23 = 5/3 1 + 3 = 2/3 81 + 32 + 3 = 4 21 + 2 + 23 = 5/3 1 = 2/3 - 3 81 + 32 + 3 = 4 2(2/3 - 3) + 2 + 23 = 5/3 1 = 2/3 - 3 8(2/3 - 3) + 32 + 3 = 4

Combinazioni lineari, coniche e convesse Determinare che tipo di combinazione (lineare, conica o convessa) è il vettore yT = (5/3, 2/3, 4) rispetto ai vettori: x1T=(2, 1, 8), x2T=(1, 0, 3) e x3T = (2, 1, 1) 2(2/3 - 3) + 2 + 23 = 5/3 1 = 2/3 - 3 8(2/3 - 3) + 32 + 3 = 4 4/3 - 23 + 2 + 23 = 5/3 1 = 2/3 - 3 16/3 - 83 + 32 + 3 = 4 2 = 5/3 - 4/3 = 1/3 1 = 2/3 - 3 - 73 + 32 = 4 - 16/3 = -4/3 2 = 1/3 1 = 2/3 - 3 - 73 + 1 = - 4/3

Combinazioni lineari, coniche e convesse Determinare che tipo di combinazione (lineare, conica o convessa) è il vettore yT = (5/3, 2/3, 4) rispetto ai vettori: x1T=(2, 1, 8), x2T=(1, 0, 3) e x3T = (2, 1, 1) 2 = 1/3 1 = 2/3 - 3 - 73 = - 1 - 4/3 = -7/3 2 = 1/3 1 = 2/3 - 3 - 73 + 1 = - 4/3 2 = 1/3 1 = 2/3 - 3 3 = 1/3 2 = 1/3 1 = 1/3 3 = 1/3

Combinazioni lineari, coniche e convesse Determinare che tipo di combinazione (lineare, conica o convessa) è il vettore yT = (5/3, 2/3, 4) rispetto ai vettori: x1T=(2, 1, 8), x2T=(1, 0, 3) e x3T = (2, 1, 1) Combinazione convessa Un vettore y è combinazione LINEARE dei vettori x1, x2, …, xn se esistono 1, 2, … , n numeri reali tali che: y= 1 x1+ 2 x2+…+ n xn Un vettore y è combinazione CONICA dei vettori x1, x2, … , xn se esistono 1, 2, … , n numeri reali tali che: 1, 2,…, n  0 e y= 1 x1+ 2 x2+…+ n xn Un vettore y è combinazione CONVESSA dei vettori x1, x2, … , xn se esistono 1, 2, … , n numeri reali tali che: 1, 2,…, n  0 e 1+ 2+…+n = 1 e y= 1 x1+ 2 x2+…+ n xn

Combinazioni lineari, coniche e convesse Si determini un vettore che sia combinazione conica dei seguenti tre vettori: x1T=(3, 0, 1), x2T=(5, 4, 1) e x3T = (1, 3, 8) Combinazione conica implica che 1, 2,…, n  0 1+5 = y1 4 = y2 1/3 + 1 = y3 6 = y1 4 = y2 4/3 = y3

Esercizio Scrivere la forma canonica e la forma standard per il seguente problema di programmazione lineare.

Esempio: Pianificazione della produzione (formulazione) Un’industria fabbrica 4 tipi di prodotti, P1, P2, P3, P4, la cui lavorazione è affidata a due reparti dell’industria: il reparto produzione e il reparto confezionamento. Per ottenere i prodotti pronti per la vendita è necessaria naturalmente la lavorazione in entrambi i reparti. La tabella che segue riporta, per ciascun tipo di prodotto i tempi (in ore) necessari di lavorazione in ciascuno dei reparti per avere una tonnellata di prodotto pronto per la vendita. P1 P2 P3 P4 Reparto produzione 2 1.5 0.5 2.5 Reparto confezionamento 0.25 1 ciascuna tonnellata di prodotto dà i seguenti profitti (prezzi espressi in Euro per tonnellata) P1 P2 P3 P4 Profitto 250 230 110 350 Determinare le quantità che si devono produrre settimanalmente di ciascun tipo di prodotto in modo da massimizzare il profitto complessivo, sapendo che ogni settimana, il reparto produzione e il reparto confezionamento hanno una capacità lavorativa massima rispettivamente di 100 e 50 ore.

Variabili di decisione. E’ naturale introdurre le variabili reali x1, x2, x3 e x4 rappresentanti rispettivamente le quantità di prodotto P1, P2, P3, P4 da fabbricare in una settimana. Funzione Obiettivo. Ciascuna tonnellata di prodotto contribuisce al profitto totale secondo la tabella data. Quindi il profitto totale sarà : Max 250x1 + 230x2 + 110x3 + 350x4 Vincoli. Ovviamente la capacità produttiva della fabbrica (risorsa «scarsa») limita i valori che possono assumere le variabili; infatti si ha una capacità massima lavorativa in ore settimanali di ciascun reparto. In particolare per il reparto produzione si hanno a disposizione al più 100 ore settimanali e poiché ogni tonnellata di prodotto P1 utilizza il reparto produzione per 2 ore, ogni tonnellata di prodotto P2 utilizza il reparto produzione per 1.5 ore e così via per gli altri tipi di prodotti si dovrà avere: 2x1 + 1.5x2 + 0.5x3 + 2.5x4 ≤ 100

Ragionando in modo analogo per il reparto confezionamento si ottiene: 0.5x1 + 0.25x2 + 0.25x3 + x4 ≤ 50 Vincolo di non negatività delle variabili: x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0 La formulazione finale quindi può essere scritta in questa forma: max 250x1 + 230x2 + 110x3 + 350x4 2x1 + 1.5x2 + 0.5x3 + 2.5x4 ≤ 100 (utilizzo reparto produzione) 0.5x1 + 0.25x2 + 0.25x3 + x4 ≤ 50 (utilizzo reparto confezion.) x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0

Consideriamo ulteriori richieste (vincoli): P1 non può utilizzare per più di 20 ore settimanali il reparto di produzione. La produzione di P2 non può superare quella di P3. P4 può utilizzare complessivamente 30 ore settimanali di lavorazione (tra il reparto di produzione e quello di confezionamento). La produzione di P1 non può superare il doppio della produzione di P2 e P3. 1. P1 non può utilizzare per più di 20 ore settimanali il reparto di produzione: 2x1 ≤ 20 ⇔ x1 ≤ 10 2. La produzione di P2 non può superare quella di P3: x2 ≤ x3 3. P4 può utilizzare complessivamente 30 ore settimanali di lavorazione: 2.5x4 + x4 ≤ 30 ⇔ 3.5x4 ≤ 30 4. La produzione di P1 non può superare il doppio della produzione di P2 e P3: x1 ≤ 2 * (x2+x3)

Esempio 2 STUCCA IMBIANCA LEVIGA MARIO 3 1 2 LUCA 1.5 ANDREA Supponiamo che ci siano tre lavori da svolgere: stuccare, imbiancare e levigare. Abbiamo a disposizione tre persone Mario, Luca ed Andrea che sanno svolgere questi tre lavori ma con differenti tempistiche come indicato nella seguente tabella (i valori rappresentano le ore necessarie ad ogni persona per portare a termine il rispettivo lavoro). STUCCA IMBIANCA LEVIGA MARIO 3 1 2 LUCA 1.5 ANDREA Il nostro obiettivo è quello di assegnare ad ogni persona un lavoro e ad ogni lavoro una persona al fine di minimizzare le ore totali necessarie per svolgere i tre lavori.

Esempio 2 Min 3X11+1X12+2X13+ 3X21+1.5X22+1.5X23+3X31+1.5X32+3X33 (Mario) X21+ X22+ X23= 1 (Luca) X31+ X32+ X33= 1 (Andrea) X11+ X21+ X31= 1 (Levigare) X12+ X22+ X32= 1 (Stuccare) X13+ X23+ X33= 1 (Imbiancare)

Esempio 2 Min 3X11+1X12+2X13+ 3X21+1.5X22+1.5X23+3X31+1.5X32+3X33

Esempio 2 Min 3X11+1X12+2X13+ 3X21+1.5X22+1.5X23+3X31+1.5X32+3X33 c11 c22

Esempio 2

Generalizzando…