Università di L’Aquila Claudio Arbib Ricerca Operativa

Slides:



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

MATLAB.
LIMITI:DEFINIZIONI E TEOREMI
FORMULE DI GAUSS-GREEN NEL PIANO.
I SISTEMI LINEARI.
MATEMATICA PER L’ECONOMIA
campo scalare attraverso l’operatore gradiente
Capitolo 8 Sistemi lineari.
Autovalori e autovettori
Geometria analitica dello spazio
METODI EQUAZIONI DIFFERENZIALI Funzioni che mettono in relazione una variabile indipendente ( es. x), una sua funzione ( es. y = f(x) ) e la.
COORDINATE POLARI Sia P ha coordinate cartesiane
LE MATRICI.
Marina Cobal - Dipt.di Fisica - Universita' di Udine
programmazione lineare: un esempio
Definizione e caratteristiche
Algebra delle Matrici.
LE FUNZIONI Definizione Campo di esistenza e codominio
Lezione 3) Cenni di teoria dell’elasticità, sforzi e deformazioni, l’equazione delle onde elastiche.
TEORIA RAPPRESENTAZIONALE DELLA MISURA
Teoria e Tecniche del Riconoscimento
Argomenti della lezione
SISTEMI D’EQUAZIONI ED EQUAZIONI DIFFERENZIALI LINEARI.
EQUAZIONI DIFFERENZIALI LINEARI A COEFFICIENTI COSTANTI.
Costruzione di Interfacce Lezione 4 Nozioni di geometria per la grafica
Costruzione di Interfacce Lezione 4 Geometria per la grafica
Algoritmi e Strutture Dati (Mod. B)
Algoritmi e Strutture Dati (Mod. B)
LEGGE DELLA CIRCUITAZIONE
Numeri razionali I numeri RAZIONALI sono i numeri che possono essere rappresentati come frazioni. I razionali comprendono i numeri interi e quelli decimali.
Sistemi di equazioni lineari
Corso di biomatematica lezione 6: la funzione c2
Studente Claudia Puzzo
1 Esempio : Utile per considerare limportanza delle ALTE FREQUENZE nella ricostruzione del segnale, in particolare dei FRONTI di SALITA e di DISCESA (trailing.
Le matrici e I Sistemi lineari.
UNIVERSITÀ DEGLI STUDI DI PERUGIA Dipartimento di Ingegneria Industriale Prof. Francesco Castellani Corso di Meccanica Applicata.
Corso di Matematica Discreta cont. 2
Assicurazioni vita e mercato del risparmio gestito
Spazi vettoriali astratti Somma e prodotto di n-ple Struttura di R n.
Logica Matematica Seconda lezione.
Metodo della moltiplicazione
Daniele Santamaria – Marco Ventura
Prof. Cerulli – Dott.ssa Gentili
Prof. Cerulli – Dott.ssa Gentili
Scomposizione (unica) di un
Un insieme X di segmenti complanari.
ESTENSIONI SEMPLICI e TEOREMA DELL’ELEMENTO PRIMITIVO
Stabilità per E.D.O. (I): STABILITÀ LINEARIZZATA
Sottospazi vettoriali
Corso di Matematica (6 CFU) (4 CFU Lezioni +2 CFU Esercitazioni)
Sistemi compatibili (Il metodo di Fourier-Motzkin)
La scomposizione col metodo di Ruffini
Esempio 2 Consideriamo una molla attaccata al soffitto con un peso agganciato all’estremità inferiore in condizioni di equilibrio. Le forze esercitate.
MATEMATIZZAZIONE Con il termine “Matematizzazione” intendiamo quel processo attraverso il quale si tenta di “tradurre” nel formalismo matematico un problema.
Calcolo letterale.
Esercizi (attrito trascurabile)
Claudio Arbib Università dell’Aquila Ricerca Operativa Metodo del simplesso per problemi di distribuzione single-commodity.
Corso di Matematica Discreta 4
Infiniti Sia c un punto di accumulazione per D Definizione: si dice che f è infinita in un intorno di c se Nota bene: essere infiniti è una proprietà “locale”
PRIMITIVA DI UNA FUNZIONE O INTEGRALE INDEFINITO
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.
Forma normale delle equazioni di 2° grado Definizione. Un'equazione di secondo grado è in forma normale se si presenta nella forma Dove sono numeri.
L’analisi di regressione e correlazione Prof. Luigi Piemontese.
Lezione n° 5: Esercitazione
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.
Programmazione lineare: un esempio Mix produttivo ottimo con risorse vincolate Materiale di studio: M. Fischetti, Lezioni di RO, Cap. 3. Libreria Progetto.
Prof. Cerulli – Dott. Carrabs
Transcript della presentazione:

Università di L’Aquila Claudio Arbib Ricerca Operativa Basi in IRn

Sommario Combinazione lineare, affine, conica e convessa Dipendenza e indipendenza lineare e affine Basi per un insieme di vettori di IRn Teorema di rappresentazione Teorema di sostituzione (Steinitz) Matroide vettoriale

Combinazione lineare  Definizione Un vettore x  IRn si dice combinazione lineare dei vettori a1, …, am  IRn con coefficienti 1, ..., m  IR se x = 1a1 + … + mam Esempio –2/3(0 , 3) +1(1 , 4) 1 2 3 4 = 1 + 2 con 1 = –2/3, 2 = 1 

Combinazione affine Definizione Un vettore x  IRn si dice combinazione affine dei vettori a1, …, am  IRn con coefficienti 1, ..., m  IR se x = 1a1 + … + mam e 1 + ... + m = 1 Esempio –1(0 , 2) +2(½ , 2) 1 2 ½ = 1 + 2 con 1 = –1, 2 = 2 

Combinazione conica Definizione Un vettore x  IRn si dice combinazione conica dei vettori a1, …, am  IRn con coefficienti 1, ..., m  IR se x = 1a1 + … + mam e 1, ..., m > 0 Esempio +1(0 , 2) +½(2 , 2) 1 3 2 = 1 + 2  con 1 = 1, 2 = ½

Combinazione convessa Definizione Un vettore x  IRn si dice combinazione convessa dei vettori a1, …, am  IRn con coefficienti 1, ..., m  IR se x = 1a1 + … + mam e 1 + ... + m = 1 1, ..., m > 0 Esempio +½(0 , 2) +½(2 , 2) 1 2 = 1 + 2  con 1 = ½, 2 = ½

Involucri Definizione L’involucro affine (conico, convesso) di un insieme S  IRn è l’insieme di tutti e soli i vettori x  IRn ottenibili come combinazione affine (conica, convessa) dei vettori di S. Esempio aff(S) cone(S) conv(S) 

Dipendenza e indipendenza Definizione Un insieme A = {a1, …, am}  IRn è linearmente dipendente se esistono m scalari 1, …, m non tutti nulli tali che 1a1 + … + mam = 0. Esempio A = { , } è linearmente indipendente 1 2 B = { , , } è linearmente dipendente (1 = 2 = 2/3, 3 = –1) 1 2 La dipendenza affine è definita in modo analogo aggiungendo la clausola 1 + … + m = 1. 

Basi Definizione Sia S  IRn. Un insieme B = {b1, …, bm}  IRn si dice base per S se B è linearmente indipendente B  {x} è linearmente dipendente per ogni x  S – B (in altre parole, esistono coefficienti reali non tutti nulli 0, 1, ..., m tali che 0x + 1b1 + … + mbm = 0). Osserviamo che x ≠ 0 implica 0 ≠ 0, altrimenti B non sarebbe indipendente. Quindi si può scrivere x = – 1b1/0 – … – mbm/0 (rappresentazione di x in B) 

Basi Teorema 1 La rappresentazione di x  S tramite una sua base B è unica. Dimostrazione: supponiamo x = 1b1 + … + mbm x = 1b1 + … + mbm Allora 0 = (1 – 1)b1 + … + (m – m)bm e se i: i – i ≠ 0, allora B è linearmente dipendente (cd.). 

Basi Teorema 2 Sia x  S – B, con B base per S e x ≠ 0. Supponiamo x = 1b1 + … + mbm con 1 ≠ 0. Allora B’ = {x, b2, …, bm} è una base per S. Dimostrazione: anzitutto B’ è indipendente. Se non lo fosse: 0 = 1x + 2b2 + … + mbm con 1 ≠ 0 (se 1 = 0, B sarebbe dipendente). Ma allora x = – 2b2/1 – … – mbm/1 x = 1b1 + 2b2 + … + mbm Inoltre B’ è massimale in S. Infatti y = 1b1 + … + mbm yS. Sostituendo b1 = – x/1 – 2b2/1 – … – mbm/1 si ottiene una rappresentazione di y in B’. 

Matroide vettoriale Teorema 3 Sia U un insieme finito di vettori di IRn, e  la famiglia di tutti i sottoinsiemi X di U linearmente indipendenti. Allora (U, ) è un matroide. Dimostrazione: anzitutto  è evidentemente subclusiva, in quanto ogni sottoinsieme di un insieme indipendente è indipendente. Mostriamo che vale la proprietà di scambio: A, B  : |B| > |A|, x  B – A: A  {x}   cioè l’insieme linearmente indipendente più piccolo può essere accresciuto con un elemento preso dal più grande mantenendosi linearmente indipendente. 

Matroide vettoriale Teorema 3 Sia U un insieme finito di vettori di IRn, e  la famiglia di tutti i sottoinsiemi X di U linearmente indipendenti. Allora (U, ) è un matroide. Segue dimostrazione: Siano A = {a1, …, am} B = {b0, b1, …, bm} Se non vale la proprietà di scambio, allora A{bi} è dipendente i, cioè A è una base per B. Sia allora bm = 1a1 + … + mam e senza perdere in generalità supponiamo m ≠ 0. Allora applicando il Teorema 2 si può sostituire bm ad am, e Am = {a1, …, am–1, bm} è ancora una base per B. 

Matroide vettoriale Teorema 3 Sia U un insieme finito di vettori di IRn, e  la famiglia di tutti i sottoinsiemi X di U linearmente indipendenti. Allora (U, ) è un matroide. Segue dimostrazione: Procedendo in tal modo, scriviamo bm–1 = 1a1 + … + m–1am–1+ mbm osservando che m–1 ≠ 0 (altrimenti B sarebbe dipendente). Quindi Am–1 = {a1, …, am–2, bm–1, bm} Am–2 = {a1, …, am–3, bm–2, bm–1, bm} … … A1 = {b1, …, bm–3, bm–2, bm–1, bm} = B – {b0} sono basi per B. Ma allora A1 consente di rappresentare b0 in funzione di b1, …, bm, contraddicendo l’indipendenza di B. 