Teoriadei Giochi

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/279872455
Introduzione alla Teoria dei Giochi
Research · July 2015

DOI: 10.13140/RG.2.1.4244.3361
CITATION READS
1 2,567
1 author:
Antonio Iannizzotto
Università degli studi di Cagliari
69 PUBLICATIONS 1,095 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
boundary value problems for singular elliptic equations View project
All content following this page was uploaded by Antonio Iannizzotto on 08 July 2015.
The user has requested enhancement of the downloaded file.

INTRODUZIONE ALLA TEORIA DEI GIOCHI
ANTONIO IANNIZZOTTO
Sommario. In questi appunti intendiamo offrire una breve ma rigorosa introduzione alla teoria dei
giochi, utilizzabile per i corsi di laurea magistrale o di dottorato di ricerca in matematica. Il corso
è incentrato principalmente sugli aspetti teorici della disciplina: definizioni formali di gioco, utilità
e soluzione; cenni di analisi multivoca; concetto di equilibrio di Nash; giochi statici non-cooperativi
e cooperativi; giochi a somma nulla; teoremi di minimax; giochi dinamici; rappresentazione
mediante grafi. Infine vengono presentate diverse applicazioni, con particolare attenzione ai modelli
economici.
Ringraziamo la Prof.ssa Ornella Naselli, del Dipartimento di Matematica e Informatica dell’U-
niversità degli Studi di Catania, per i molti e preziosi chiarimenti che ci ha offerto su questo
argomento.
Indice
Notazioni 2
1. Introduzione: giochi, soluzioni ed equilibri 3
2. Multifunzioni 7
2.1. Multifunzioni fra spazi topologici 7
2.2. Selezioni continue 11
2.3. Punti fissi 14
2.4. Il principio KKM 17
3. Giochi non cooperativi ed equilibri di Nash 19
3.1. Strategie miste e teorema di Nash 20
3.2. Esempi 22
3.3. Equilibri approssimati 26
4. Giochi a somma nulla e teoria del minimax 28
4.1. Alcuni teoremi di minimax 30
5. Giochi cooperativi 34
5.1. Valore di Shapley 40
5.2. Esempi 43
6. Cenni sui giochi dinamici 45
6.1. Esempi 49
Riferimenti bibliografici 52
Versione del 16 maggio 2015
Dipartimento di Matematica e Informatica

Università degli Studi di Cagliari
Viale L. Merello 92, 09123 Cagliari, Italy
antonio.iannizzotto@unica.it
1
2 A. IANNIZZOTTO
Notazioni
Introduciamo qui alcuni simboli e notazioni che saranno usati nel seguito:
Insiemi: se X è un insieme, la sua cardinalità si denota |X|.
Sotto- e sopralivelli: se X è un insieme e f : X → R, denotiamo
c
f c = {x ∈ X : f (x) < c}, f = {x ∈ X : f (x) 6 c},
fc = {x ∈ X : f (x) > c}, f c = {x ∈ X : f (x) > c}.
Spazi topologici: in uno spazio topologico (X, τ ), denotiamo σ la famiglia dei chiusi; per ogni
A ⊆ X denotiamo int(A) l’interno, cl(A) la chiusura, ∂A la frontiera di A, rispettivamente, e τA la
topologia indotta da τ su A; per ogni x ∈ X denotiamo U(x) la famiglia degli intorni di x.
Spazi metrici: in uno spazio metrico (X, d) denotiamo per ogni x ∈ X, S, T ⊆ X
d(x, S) = inf{d(x, y) : y ∈ S}, d(S, T ) = inf{d(x, y) : x ∈ S, y ∈ T },
e introduciamo la distanza di Hausdorff
n o
dH (S, T ) = max sup d(x, T ), sup d(y, S) ,
x∈S y∈T
e per ogni r > 0
Br (S) = {x ∈ X : d(x, S) < r}.
Spazi vettoriali: in uno spazio vettoriale (reale) X, per ogni S ⊆ X denotiamo
nX n o
span(S) = λi xi : n ∈ N, λ1 , . . . λn ∈ R, x1 , . . . xn ∈ S ,
i=1
n
nX n
X o
aff(S) = λi xi : n ∈ N, λ1 , . . . λn ∈ R, λi = 1, x1 , . . . xn ∈ S ,
i=1 i=1
n
nX n
X o
conv(S) = λi xi : n ∈ N, λ1 , . . . λn ∈ [0, 1], λi = 1, x1 , . . . xn ∈ S .
i=1 i=1
Spazi vettoriali-topologici: ricordiamo che uno spazio vettoriale-topologico è uno spazio vettoriale
X, sul quale è definita una topologia tale che le funzioni (x, y) 7→ x + y, (λ, x) 7→ λx sono continue
(su R si adotta tacitamente la topologia euclidea); in particolare, ogni spazio normato (X, k · k) è
uno spazio vettoriale-topologico; in uno spazio vettoriale-topologico (X, τ ), denotiamo X ∗ il duale
topologico di X, per ogni S ⊆ X denotiamo

cc(S) = cl conv(S) .
TEORIA DEI GIOCHI 3
1. Introduzione: giochi, soluzioni ed equilibri

Chi in cento battaglie riporta cento vittorie, non è il più abile in assoluto; al contrario, chi non dà
nemmeno battaglia, e sottomette le truppe dell’avversario, è il più abile in assoluto.
Sun Tzu
I primi matematici ad affrontare teoricamente il problema dei giochi furono Zermelo [41] e
Borel [3], con particolare enfasi sugli aspetti logici e probabilistici. Tuttavia, il maggior contributo
verso la formalizzazione di una teoria matematica dei giochi è dovuto a Von Neumann [40] (si
veda anche Israel & Millán Gasca [16]). La moderna teoria dei giochi rappresenta un
tentativo di descrivere le interazioni sociali (specialmente in campo economico) tra soggetti che, in
competizione tra loro, effettuano decisioni razionali cercando di ottenere il massimo vantaggio. Lo
studio ha finalità predittive: determinare, se possibile, la soluzione o le situazioni di equilibrio di
un’interazione prima che essa abbia luogo.
Per elaborare un modello di queste interazioni si ricorre al concetto di gioco, che può avere diverse
caratteristiche (statico, dinamico, non-cooperativo, cooperativo etc.): questo modello risulta efficace
in quanto permette di trascurare tutti gli aspetti dell’interazione non attinenti alla strategia.
La teoria è stata applicata con successo, oltre che nelle scienze sociali, anche in biologia (evoluzione
di popolazioni di microorganismi), elettronica, scienze militari, psicologia e filosofia morale (teoria
della scelta razionale). Per un’ampia trattazione della materia rimandiamo alle monografie di
Aubin [1], Burger [6], Colombo [10], Gibbons [14], McKinsey [24], Morgenstern [28],
Morgenstern & von Neumann [29], e alla raccolta di saggi di Kuhn & Tucker [23]. Per i
collegamenti con l’analisi moderna, rimandiamo a Moţ, Petruşel & Petruşel [30], Rossi [35].
Dal punto di vista teorico, la teoria dei giochi costituisce un interessante crocevia di branche
mutuamente indipendenti della matematica quali la topologia, l’analisi multivoca, il calcolo delle
probabilità e la teoria dei grafi.
Introduciamo brevemente le definizioni-assiomi della teoria:
Definizione 1.1. Un gioco è un’interazione tra due o più decisori razionali e intelligenti, detti
giocatori. Un decisore è detto
(i) razionale se dispone di una preferenza sull’insieme degli esiti (vedi Definizione 1.2);
(ii) intelligente se persegue senza commettere errori la massima soddisfazione.
Un gioco statico rappresenta una situazione in cui tutti i giocatori effettuano le loro scelte nello stesso
momento, mentre in un gioco dinamico i giocatori scelgono secondo un certo ordine temporale,
adattando la strategia alle mosse degli altri giocatori. In un gioco deterministico i giocatori
scelgono in condizioni di certezza, ovvero sanno che un determinato insieme di strategie conduce
invariabilmente a un certo esito, mentre in un gioco stocastico, dato un insieme di strategie, vi sono
diversi esiti ciascuno con la sua probabilità. In un gioco non-cooperativo i giocatori non possono
stringere accordi vincolanti tra loro, mentre in un gioco cooperativo possono. Un gioco statico
deterministico non-cooperativo tra un insieme finito di giocatori P1 , . . . Pn (n > 2) è rappresentato
da un complesso
(1.1) Γ = (X1 , . . . Xn , E, h),
dove Xi è l’insieme delle strategie del giocatore Pi , E è l’insieme degli esiti e h : Πni=1 Xi → E è la
funzione che associa a ogni n-upla di strategie l’esito corrispondente.
Per compiere le proprie scelte, i giocatori hanno bisogno di un criterio:
4 A. IANNIZZOTTO
Definizione 1.2. Una preferenza è una relazione binaria su un insieme E con le seguenti
proprietà:
(i) e e per ogni e ∈ E (riflessiva);
(ii) se e1 e2 e e2 e3 allora e1 e3 per ogni e1 , e2 , e3 ∈ E (transitiva);
(iii) e1 e2 o e2 e1 per ogni e1 , e2 ∈ E (completa);
(iv) se E è uno spazio topologico, allora l’insieme {e ∈ E : e e} è chiuso per ogni e ∈ E
(continua).
Se e1 e2 e non e2 e1 , si scrive e1 ≺ e2 . Se e1 e2 e e2 e1 , allora e1 , e2 sono detti equivalenti
(e1 ∼ e2 ).
Osservazione 1.3. Una preferenza non è un ordinamento: manca la proprietà antisimmetrica!
L’ipotesi di razionalità implica che il giocatore Pi dispone di una preferenza i su E. In molti casi
(come nelle scommesse), tale preferenza può essere quantificata.
Definizione 1.4. Un’utilità è una funzione u : E → R con le seguenti proprietà:

(i) per ogni e1 , e2 ∈ E, se e1 e2 , allora u(e1 ) 6 u(e2 );
(ii) per ogni e1 , e2 ∈ E, se e1 ≺ e2 , allora u(e1 ) < u(e2 ).
L’esistenza di una funzione di utilità non è ovvia. Vale in merito il seguente Teorema di
Rappresentazione:
Teorema 1.5. (Kreps [22]) Siano E un insieme non vuoto e una preferenza su E:
(i) se |E| 6 ℵ0 , allora esiste un’utilità u : E → R;
(ii) se |E| 6 2ℵ0 , E è uno spazio topologico e è continua, allora esiste un’utilità u : E → R
continua.
Assumeremo sempre l’esistenza di un’utilità per ogni giocatore. Dunque il complesso (1.1) si
riformula come
(1.2) Γ = (X1 , . . . Xn , f1 , . . . fn ),
dove fi = ui ◦ h : Πni=1 Xi → R è detta pay-off del giocatore Pi . Nel caso n = 2, usualmente

denoteremo P , Q i giocatori e Γ = (X, Y, f, g) e rappresenteremo i possibili risultati del gioco in
una (bi)matrice. Questa rappresentazione è detta in forma strategica (ved. Borel [3]).
Esempio 1.6. Il gioco del pari o dispari prevede due giocatori P (che vince se la somma è pari),
Q (che vince se la somma è dispari) con lo stesso insieme di strategie X = Y = {p, d} e due esiti
E = {vince P , vince Q}. Ovviamente ogni giocatore preferisce vincere, ergo attribuisce utilità 1
alla vittoria e −1 alla sconfitta. Il gioco è rappresentato dalla tabella simmetrica:
P \Q p d
p (1, −1) (−1, 1)
d (−1, 1) (1, −1)
Esempio 1.7. Il gioco della morra cinese (o carta, pietra e forbice) prevede due giocatori P , Q
con lo stesso insieme di strategie X = Y = {c, p, f } e tre esiti
E = {vince P , vince Q, pareggio}.

TEORIA DEI GIOCHI 5
Per ogni giocatore, la vittoria vale 1, il pareggio 0 e la sconfitta −1. Il gioco è rappresentato dalla
tabella simmetrica:
P \Q c p f
c (0, 0) (1, −1) (−1, 1)
p (−1, 1) (0, 0) (1, −1)
f (1, −1) (−1, 1) (0, 0)
In casi semplici, possiamo risolvere un gioco (ovvero, determinare come andranno effettivamente le
cose) usando la tabella dei pay-off mediante il metodo delle eliminazioni iterate. In particolare, se
P e Q hanno strategie fortemente dominanti x e y, la soluzione del gioco sarà (x, y).
Definizione 1.8. Nel gioco (1.2), siano xi , yi ∈ Xi due strategie. Si dice che
(i) xi domina fortemente yi se per ogni (z1 , . . . zn ) ∈ Πj6=i Xj si ha
fi (z1 , . . . xi , . . . zn ) > fi (z1 , . . . yi , . . . zn );
(ii) xi domina strettamente yi se per ogni (z1 , . . . zn ) ∈ Πj6=i Xj si ha
fi (z1 , . . . xi , . . . zn ) > fi (z1 , . . . yi , . . . zn ),
ed esiste (z 1 , . . . z n ) ∈ Πj6=i Xj t.c.
fi (z 1 , . . . xi , . . . z n ) > fi (z 1 , . . . yi , . . . z n );
(iii) xi domina debolmente yi se per ogni (z1 , . . . zn ) ∈ Πj6=i Xj si ha
fi (z1 , . . . xi , . . . zn ) > fi (z1 , . . . yi , . . . zn ).
Inoltre, xi è detta fortemente (strettamente, debolmente) dominante se domina fortemente (stretta-
mente, debolmente) ogni altra strategia di Xi .
Nei giochi considerati negli Esempi 1.6, 1.7 nessun giocatore ha strategie dominanti. Seguono
alcuni esempi di soluzione per eliminazioni iterate per giochi con due giocatori:
Esempio 1.9. Consideriamo il seguente gioco:

P \Q y1 y2
x1 (1, 2) (0, 1)
x2 (0, 2) (2, 1)
Sia P il primo a giocare: egli osserva che y1 è per Q una strategia fortemente dominante, quindi
sceglie x1 (che gli permette la massima utilità). La soluzione del gioco è pertanto (x1 , y1 ). La
stessa soluzione è raggiunta se Q gioca per primo.

P \Q y1 y2
x1 (3, 3) (2, 2)
x2 (0, 2) (1, 1)
x3 (1, 2) (0, 1)
Sia P il primo a giocare: egli osserva che y2 è fortemente dominata da y1 , dunque sceglie x1 ; la
soluzione è (x1 , y1 ). Se Q gioca per primo si perviene alla stessa soluzione.
6 A. IANNIZZOTTO

P \Q y1 y2
x1 (3, 5) (2, 5)
x2 (3, 0) (0, 2)
x3 (0, 2) (2, 0)
Osserviamo che in questo gioco non esistono strategie fortemente dominanti. Sia P il primo a
giocare: x1 domina strettamente x2 e x3 ; se P elimina x2 , osserva che nel nuovo gioco (ridotto)
y1 domina strettamente y2 , dunque sceglie x1 e la soluzione è (x1 , y1 ); se invece elimina x3 , un
ragionamento analogo porta alla soluzione (x1 , y2 ). Se Q gioca per primo si perviene alle stesse
soluzioni.
Per risolvere queste ambiguità si introduce un concetto di equilibrio analogo a quello in uso in
meccanica:
Definizione 1.12. (Nash [32]) Nel gioco (1.2), la n-upla (x1 , . . . xn ) ∈ Πni=1 Xi è un equilibrio di
Nash se per ogni i ∈ {1, . . . n} si ha
fi (x1 , . . . xn ) > fi (x1 , . . . yi , . . . xn ) per ogni yi ∈ Xi .
L’insieme degli equilibri di Nash di Γ si denota Ne(Γ).
Consideriamo il caso n = 2. Nella tabella dei pay-off, un equilibrio di Nash corrisponde a una
casella in cui la prima componente è massima tra quelle della stessa colonna e la seconda è massima
tra quelle della stessa riga. I giochi degli Esempi 1.6, 1.7 non presentano equilibri di Nash. L’unico
equilibrio di Nash nell’Esempio 1.9 è (x1 , y1 ), nell’Esempio 1.10 è (x1 , y1 ). Nell’Esempio 1.11 ve ne
sono due: (x1 , y1 ) e (x1 , y2 ). Ne deduciamo che
• un gioco può non avere alcun equilibrio di Nash;
• un gioco può avere più di un equilibrio di Nash;
• una strategia fortemente dominata non può essere componente di un equilibrio di Nash;
• una strategia debolmente dominata può essere componente di un equilibrio di Nash.
Dunque, la risoluzione di un gioco per eliminazione delle strategie fortemente dominate preserva gli
equilibri di Nash (se ve ne sono), mentre la risoluzione per eliminazione delle strategie debolmente
dominate può sopprimerne alcuni.
Esempio 1.13. Nel gioco noto come battaglia dei sessi, una coppia deve decidere se andare allo
stadio (s) o a teatro (t); l’uomo (P ) preferisce andare allo stadio in compagnia che a teatro
in compagnia, ma questo è pur sempre meglio che andare allo stadio da solo; la donna (Q) ha
preferenze analoghe. Il gioco è rappresentato dalla seguente tabella:
P \Q s t
s (10, 5) (0, 0)
t (0, 0) (5, 10)
Dunque gli equilibri di Nash sono (s, s) e (t, t)1.
Altri equilibri si possono determinare cambiando paradigma, cioè consentendo a ciascun giocatore
di ripartire la sua scelta tra le varie strategie (come uno speculatore che investe parti del suo
capitale su diversi titoli, variando gli investimenti secondo le sue aspettative): questa è la teoria
delle strategie miste, su cui torneremo in seguito.
1L’esperienza insegna, tuttavia, che la coppia andrà a teatro.
TEORIA DEI GIOCHI 7
Il problema dell’esistenza (e, in subordine, dell’unicità) dell’equilibrio di Nash richiede, per essere
risolto, un armamentario matematico alquanto avanzato, che presenteremo nella sua forma più
generale.
2. Multifunzioni
Who needs set-valued analysis?
J.P. Aubin & H. Frankowska
L’analisi multivoca estende la tradizionale analisi matematica al caso in cui i valori delle funzioni non
sono singoli elementi di un insieme bensı̀ suoi sottoinsiemi: questa scelta corrisponde all’esigenza di
studiare con i mezzi dell’analisi matematica fenomeni caratterizzati da un alto grado di incertezza
(come nella teoria dei controlli). Un altro contesto in cui le multifunzioni risultano utili è lo studio
di problemi differenziali con discontinuità (ved. Chang [8] e Filippov [13]), con applicazioni in
meccanica. In questa sezione introduciamo le definizioni di base dell’analisi multivoca e alcuni
teoremi di selezione e di punto fisso. Per approfondimenti rimandiamo ai testi di Aubin &
Frankowska [2] e di Krein & Thompson [21].
Definizione 2.1. Siano X, Y insiemi non vuoti. Una multifunzione F : X → 2Y è una funzione
i cui valori sono sottoinsiemi di Y . Si denota
dom(F ) = {x ∈ X : F (x) 6= ∅},
F (S) = ∪x∈S F (x) per ogni S ⊆ X,
F − (T ) = {x ∈ X : F (x) ∩ T 6= ∅}, F + (T ) = {x ∈ X : F (x) ⊆ T } per ogni T ∈ 2Y ,
gr(F ) = {(x, y) ∈ X × Y : y ∈ F (x)}.
La multifunzione inversa IF : Y → 2X è definita per ogni y ∈ Y da
IF (y) = {x ∈ X : y ∈ F (x)}.
Osservazione 2.2. Il concetto di multifunzione è, a rigore, identico a quello di relazione binaria.
A differenza da quanto avviene per le funzioni (univoche), ogni sottoinsieme di X × Y è il grafico
di una multifunzione. Spesso, tuttavia, si restringe lo studio alle multifunzioni a valori non vuoti
(dom(F ) = X).
Alcune proprietà insiemistiche delle multifunzioni:
Lemma 2.3. Se F : X → 2Y è una multifunzione, allora:
(i) F − (T ) = X \ F + (Y \ T ) per ogni T ∈ 2Y ;
(ii) F + (T ) = X \ F − (Y \ T ) per ogni T ∈ 2Y ;
(iii) F − (∪i∈I Ti ) = ∪i∈I F − (Ti ) per ogni (Ti )i∈I ⊆ 2Y ;
(iv) F + (∩i∈I Ti ) = ∩i∈I F − (Ti ) per ogni (Ti )i∈I ⊆ 2Y ;
(v) IF (y) = F − ({y}) per ogni y ∈ Y .
2.1. Multifunzioni fra spazi topologici. Ci concentriamo ora sulle multifunzioni operanti fra
spazi topologici, rimandando per le nozioni e i risultati di topologia generale a Checcucci,
Tognoli & Vesentini [9]. Nel caso multivoco, la nozione di continuità ha diverse possibili
estensioni:
Definizione 2.4. Siano (X, τX ), (Y, τY ) spazi topologici, x ∈ X, F : X → 2Y .
8 A. IANNIZZOTTO
(i) F è semi-continua inferiormente (s.c.i.) in x se per ogni A ∈ τY t.c. F (x) ∩ A 6= ∅ esiste

U ∈ UX (x) t.c. F (z) ∩ A 6= ∅ per ogni z ∈ U ;
(ii) F è semi-continua superiormente (s.c.s.) in x se per ogni A ∈ τY t.c. F (x) ⊆ A esiste
U ∈ UX (x) t.c. F (z) ⊆ A per ogni z ∈ U ;
(iii) F è semi-continua in x se per ogni A ∈ τy t.c. F (x) ⊆ A esiste U ∈ UX (x) t.c. F (z)∩A 6= ∅
per ogni z ∈ U ;
(iv) F è continua in x se è s.c.i. e s.c.s. in x;
(v) F è s.c.i. (s.c.s., semi-continua, continua) in X se è s.c.i. (s.c.s., semi-continua, continua)
in ogni punto di X;
(vi) F è aperta se F (A) ∈ τY per ogni A ∈ τX ;
(vii) F è chiusa se F (C) ∈ σY per ogni C ∈ σX .
Caratterizzazioni della semi-continuità inferiore:
Lemma 2.5. Se (X, τX ), (Y, τY ) sono spazi topologici, F : X → 2Y , allora le seguenti sono
equivalenti:
(i) F è s.c.i.;
(ii) F − (A) ∈ τX per ogni A ∈ τY ;
(iii) F + (C) ∈ σX per ogni C ∈ σY ;
(iv) IF è aperta.
Caratterizzazioni della semi-continuità superiore:
Lemma 2.6. Se (X, τX ), (Y, τY ) sono spazi topologici, F : X → 2Y , allora le seguenti sono
equivalenti:
(i) F è s.c.s.;
(ii) F + (A) ∈ τX per ogni A ∈ τY ;
(iii) F − (C) ∈ σX per ogni C ∈ σY ;
(iv) IF è chiusa.
Tutte le nozioni di continuità introdotte per le multifunzioni sono equivalenti all’usuale continuità
nel caso univoco. Un caso speciale è quello delle multifunzioni i cui valori sono intervalli reali:
Lemma 2.7. Se (X, τ ) è uno spazio topologico, a, b : X → R sono funzioni t.c. a(x) 6 b(x) per
ogni x ∈ X e F : X → 2R è definita da F (x) = [a(x), b(x)] per ogni x ∈ X, allora le seguenti sono
equivalenti:
(i) F è s.c.i.;
(ii) a è s.c.s. e b è s.c.i.
Dimostrazione. Dimostriamo solo che (ii) implica (i). Siano x ∈ X t.c. a(x) < b(x) (per evitare
casi banali) e A ⊂ R aperto t.c. F (x) ∩ A 6= ∅. Allora esiste y ∈ A t.c. a(x) < y < b(x). Poiché
a è s.c.s. e b è s.c.i. abbiamo ay , by ∈ τ e x ∈ ay ∩ by . Dunque esiste U ∈ U(x) t.c. U ⊆ ay ∩ by .
Abbiamo infine y ∈ F (z) per ogni z ∈ U .
Analogamente:
Lemma 2.8. Se (X, τ ) è uno spazio topologico, a, b : X → R sono funzioni t.c. a(x) 6 b(x) per
ogni x ∈ X e F : X → 2R è definita da F (x) = [a(x), b(x)] per ogni x ∈ X, allora le seguenti sono
equivalenti:
(i) F è s.c.s.;
TEORIA DEI GIOCHI 9
(ii) a è s.c.i. e b è s.c.s.

Alcuni esempi illustrano le differenze tra le varie nozioni di contenutià:
Esempio 2.9. La multifunzione F : R → 2R definita da

{0}
 se x < 0
F (x) = [0, 1] se x = 0

{1} se x > 0.

è s.c.s. ma non s.c.i.

Esempio 2.10. La multifunzione F : R → 2R definita da

[0, 1]
 se x < 0
F (x) = {1/2} se x = 0

[0, 1] se x > 0.

è s.c.i. ma non s.c.s.

Esempio 2.11. Sia g : R → R convessa. È definito per ogni x ∈ R il sub-differenziale
∂g(x) = {y ∈ R : y(v − x) 6 g(v) − g(x) per ogni v ∈ R}.
La multifunzione ∂g : R → 2R è s.c.s.
La semi-continuità è la nozione più debole:
Lemma 2.12. Se (X, τX ), (Y, τY ) sono spazi topologici, F : X → 2Y è s.c.i. o s.c.s. e dom(F ) =
X, allora F è semi-continua.
La semi-continuità superiore è legata alla chiusura e alla compattezza degli insiemi.
Lemma 2.13. Se (X, τX ) è uno spazio topologico, (Y, τY ) è uno spazio normale2, F : X → 2Y è
s.c.s. a valori chiusi, allora gr(F ) ⊆ X × Y è chiuso.
Dimostrazione. Proviamo che A = (X × Y ) \ gr(F ) è aperto. Per ogni (x, y) ∈ A, esistono
V, W ∈ τY t.c. y ∈ V , F (x) ⊆ W e V ∩ W = ∅. Poiché F è s.c.s. esiste U ∈ UX (x) t.c. F (U ) ⊆ W .
Dunque U × V ∈ U(x, y) e U × V ⊆ A.
L’implicazione non si inverte, fuorché in casi particolari:
Lemma 2.14. Se (X, τX ) è uno spazio topologico, (Y, τY ) è uno spazio compatto e F : X → 2Y
ha grafico chiuso, allora F è s.c.s.
Estensione del Teorema di Weierstraß:
Teorema 2.15. Se (X, τX ) è uno spazio compatto, (Y, τY ) uno spazio topologico, F : X → 2X
s.c.s. a valori compatti, allora F (X) è compatto.
Dimostrazione. Sia (Ai )i∈I una famiglia di aperti in Y t.c. F (X) ⊆ ∪i∈I Ai . Per ogni x ∈ X esiste
Jx ⊆ I finito t.c. F (x) ⊆ ∪i∈Jx Ai . Posto J = ∪x∈X Jx , la famiglia (F + (Ai ))i∈J è un ricoprimento
aperto di X, dunque esiste H ⊆ J finito t.c. X = ∪i∈H F + (Ai ), da cui F (X) ⊆ ∪i∈H Ai . Perciò,
F (X) è compatto.
2Uno spazio normale, o T , è uno spazio di Hausdorff in cui, dati due chiusi C , C t.c. C ∩ C = ∅, esistono
4 1 2 1 2
due aperti A1 , A2 t.c. Ci ⊂ Ai (i = 1, 2) e A1 ∩ A2 = ∅, si veda [9].
10 A. IANNIZZOTTO
Estensione del Teorema di Darboux:

Teorema 2.16. Se (X, τX ) è uno spazio connesso, (Y, τY ) uno spazio topologico, F : X → 2X
semi-continua a valori non vuoti e connessi, allora F (X) è connesso.
Dimostrazione. Procediamo per assurdo: siano A, B ∈ τY t.c. F (X) ⊆ A ∪ B, F (X) ∩ A 6= ∅,
F (X) ∩ B 6= ∅ e F (X) ∩ A ∩ B = ∅. Gli insiemi F − (A), F − (B) sono non vuoti e aperti in X: infatti,
per ogni x ∈ F − (A) si ha in effetti F (x) ⊆ A, quindi esiste U ∈ UX (x) t.c. F (z) ⊆ A per ogni
z ∈ U , da cui U ⊆ F − (A) (similmente si prova che F − (B) è aperto). Inoltre F − (A) ∪ F − (B) = X,
F − (A) ∩ F − (B) = ∅, contro l’ipotesi che X è connesso.
In vista delle applicazioni, definiamo il prodotto cartesiano di multifunzioni:
Definizione 2.17. Siano X, Y , Z insiemi non vuoti, F : X → 2Y , G : X → 2Z : il prodotto
cartesiano di F e G è la multifunzione F × G : X → 2Y ×Z definita per ogni x ∈ X da
(F × G)(x) = F (x) × G(x).
Lemma 2.18. Se (X, τX ), (Y, τY ), (Z, τZ ) sono spazi topologici e F : X → 2Y , G : X → 2Z ,
allora:
(i) se F , G sono s.c.i., F × G è s.c.i.;
(ii) se F , G sono s.c.s. a valori compatti, F × G è s.c.s.;
(iii) se F , G sono semi-continue a valori compatti, F × G è semi-continua.
Dimostrazione. Dimostriamo solo (i): siano (Ai )i∈I , (Bi )i∈I sottofamiglie di τY , τZ rispettivamente.
Si ha
(F × G)− (∪i∈I Ai × Bi ) = ∪i∈I F − (Ai ) ∩ G− (Bi ) ,

e il secondo insieme è aperto. Dalla Definizione 2.17 segue che F × G è s.c.i.

Una funzione (univoca) continua, definita su un connesso, ha grafico connesso. Questo principio si
estende alle multifunzioni, e inaugura una serie di risultati che legano multifunzioni e connessione:
Teorema 2.19. Se (X, τX ) è uno spazio connesso, (Y, τY ) uno spazio topologico, F : X → 2Y
s.c.i. a valori non vuoti e connessi, allora gr(F ) è connesso.
Dimostrazione. Segue dal Lemma 2.18 e dal Teorema 2.16, una volta osservato che gr(F ) =
(idX × F )(X).
Un’applicazione:
Lemma 2.20. Se (X, τX ), (Y, τY ) sono spazi topologici, S ⊆ X × Y e una delle seguenti condizioni
è verificata:
(i) X è connesso, Sx 6= ∅ è connesso per ogni x ∈ X, S y è aperto per ogni y ∈ Y ;
(ii) Y è connesso, S y 6= ∅ è connesso per ogni y ∈ Y , Sx è aperto per ogni x ∈ X,
allora S è connesso.
Dimostrazione. Sia verificata (i): definiamo F : X → 2Y ponendo F (x) = Sx per ogni x ∈ X.
Allora F ha valori non vuoti e connessi. Inoltre, per ogni A ∈ τY l’insieme
F − (A) = {x ∈ X : (x, y) ∈ S per qualche y ∈ A} = ∪y∈A S y ,
è aperto, quindi F è s.c.i. La tesi segue dalla Proposizione 2.19, poiché gr(F ) = S.
Un lemma di stabilità che sarà utile in seguito:
TEORIA DEI GIOCHI 11
Lemma 2.21. Se (X, τ ) è uno spazio topologico, (Y, d) uno spazio metrico, F, G : X → 2Y s.c.i.
a valori non vuoti, r ∈ R+
0 e
Br (G(x)) = {y ∈ Y : d(y, G(x)) < r} per ogni x ∈ X,
allora la multifunzione H : X → 2Y definita da H(x) = F (x) ∩ Br (G(x)) per ogni x ∈ X è s.c.i.
Dimostrazione. Sia A ⊆ Y aperto. L’insieme
Ã = {(y, z) ∈ Y × Y : y ∈ A, d(y, z) < r}
è aperto in Y × Y . Si ha
(2.1) H − (A) = (F × G)− (Ã).
Infatti, per ogni x ∈ H − (A) esiste y ∈ F (x) ∩ A t.c. d(y, G(x)) < r, quindi esiste z ∈ G(x) t.c.
d(y, z) < r. Allora (y, z) ∈ (F (x) × G(x)) ∩ Ã cosı̀ che x ∈ (F × G)− (Ã). E viceversa. Per la
Proposizione 2.18, la multifunzione F × G è s.c.i., dunque (F × G)− (Ã) è aperto in X (Proposizione
2.5). Da (2.1) segue la tesi.
Soffermiamoci sul caso particolare delle multifunzioni fra spazi metrici:
Definizione 2.22. Siano (X, dX ), (Y, dY ) spazi metrici, dYH denoti la distanza di Hausdorff su Y ,
F : X → 2Y : F è lipschitziana se esiste L > 0 t.c.
dYH (F (x), F (z)) 6 LdX (x, z) per ogni x, z ∈ X.
Se L = 1, F è detta non-espansiva. Se L < 1, F è detta contrazione multivoca.
Lemma 2.23. Se (X, dX ), (Y, dY ) sono spazi metrici e F : X → 2Y è lipschitziana, allora F è
s.c.i.
Dimostrazione. Siano L > 0 una costante di Lipschitz per F , A ⊆ Y aperto, x ∈ F − (A). Esistono
y ∈ F (x) ∩ A e r > 0 t.c. BrY (y) ⊆ A. Dunque, posto δ = r/L, per ogni z ∈ BδX (x) abbiamo
dYH (F (x), F (z)) 6 LdX (x, z) < r,
6 ∅. Pertanto, BδX (x) ⊆ F − (A) e F risulta s.c.i.
da cui dY (y, F (z)) < r, che implica F (z) ∩ A =
(Lemma 2.5).
2.2. Selezioni continue. Il legame tra analisi multivoca e univoca è dato dalla seguente nozione:
Definizione 2.24. Siano X, Y insiemi non vuoti, F : X → 2Y , f : X → Y : f è una selezione di
F se f (x) ∈ F (x) per ogni x ∈ X.
Ovviamente ogni multifunzione a valori non vuoti ammette selezioni. Tuttavia, queste possono
in generale essere irregolari: nella Fig. 1 è mostrata una selezione continua, la multifunzione
dell’Esempio 2.9 invece non ha alcuna selezione continua. Si deve a Michael [25–27] il principale
risultato di esistenza di selezioni continue per una multifunzione. Questo richiede alcune premesse
topologiche:
Definizione 2.25. Sia (X, τ ) uno spazio di Hausdorff. Esso è detto paracompatto se ogni ricopri-
mento aperto (Ai )i∈I di X ammette un raffinamento localmente finito, ovvero un altro ricoprimento
aperto (Bi )i∈I di X 3 con le seguenti proprieà
(i) per ogni i ∈ I si ha Bi ⊆ Ai ;
3Si vede facilmente che il raffinamento può essere indicizzato rispeto allo stesso insieme di indici I del ricoprimento
originario.
12 A. IANNIZZOTTO
Figura 1. La curva evidenziata è il grafico di una selezione continua della multifunzione.
(ii) per ogni x ∈ X esistono U ∈ U(x), Jx ⊆ I finito t.c. U ∩ Bi = ∅ per ogni i ∈ I \ Jx .
Ogni spazio paracompatto è normale. Ogni spazio metrico è paracompatto. Si ha inoltre il seguente
teorema (di partizione dell’unità):
Teorema 2.26. Se (X, τ ) è uno spazio normale e (Ai )i∈I è un ricoprimento aperto localmente
finito di X, allora esistono una famiglia (ϕi )i∈I di funzioni continue ϕi : X → [0, 1] e una famiglia
(Ci )i∈I di chiusi t.c.
(i) Ci ⊆ Ai per ogni i ∈ I;
Pi (x) = 0 per ogni x ∈ X \ Ci , i ∈ I;
(ii) ϕ
(iii) i∈I ϕi (x) = 1 per ogni x ∈ X.
In particolare, se (X, τ ) è uno spazio paracompatto e (Ai )i∈I è un ricoprimento aperto di X,

allora esiste una partizione continua dell’unità (ϕi )i∈I subordinata ad (Ai )i∈I (su questa parte, si
veda [9, p. 157 e p. 223]).
Un lemma preparatorio:
Lemma 2.27. Se (X, τ ) è uno spazio topologico paracompatto, (Y, k · k) uno spazio normato,
F : X → 2Y s.c.i. a valori non vuoti e convessi, allora per ogni ε > 0 esiste fε : X → Y continua
t.c.
d(fε (x), F (x)) < ε per ogni x ∈ X.
Dimostrazione. Per ogni y ∈ Y sia Ay = F − (Bε (y)). La famiglia (Ay )y∈Y è un ricoprimento aperto
di X, che ammette un raffinamento localmente finito (Ey )y∈Y (Definizione 2.25), cui è subordinata
una partizione continua dell’unità (ϕy )y∈Y (Teorema 2.26). Per ogni x ∈ X poniamo
X
fε (x) = ϕy (x)y.
y∈Y
È definita una funzione fε : X → Y . Proviamo che fε è continua: per ogni x ∈ X esistono

U ∈ U(x), y1 , . . . yn ∈ Y t.c. U ∩ Ey = ∅ per ogni y ∈ Y \ {yi }ni=1 ; dunque, per ogni z ∈ U abbiamo
n
X
fε (z) = ϕyi (z)yi ,
i=1
cosı̀ che fε è continua in x. Proviamo infine la formula metrica: procedendo come sopra, assumiamo
che per ogni i ∈ {1, . . . n} sia ϕyi (x) > 0, da cui x ∈ Ayi ; pertanto esiste wi ∈ F (x) t.c. kwi −yi k < ε;
sia
Xn
w= ϕyi (x)wi ,
i=1
allora (per convessità di F (x)) abbiamo w ∈ F (x) e anche
n
X
kfε (x) − wk 6 ϕyi (x)kwi − yi k < ε,
i=1
da cui d(fε (x), F (x)) < ε.
Il risultato principale:
Teorema 2.28. (Michael [25]) Se (X, τ ) è uno spazio topologico paracompatto, (Y, k · k) uno
spazio di Banach, F : X → 2Y s.c.i. a valori non vuoti, chiusi e convessi, allora F ammette una
selezione continua.
Dimostrazione. Costruiamo una successione (fn ) di funzioni fn : X → Y continue t.c. per ogni
x ∈ X, n ∈ N
1 1
(2.2) d(fn (x), F (x)) <, d(fn (x), fn+1 (x)) < n−1 .
2n 2
Procediamo per induzione. Per n = 1, dal Lemma 2.27 segue l’esistenza di f1 : X → Y continua
t.c. d(f1 (x), F (x)) < 1/2 per ogni x ∈ X. Fissato n ∈ N, se esistono f1 , . . . fn verificanti (2.2),
definiamo Fn : X → 2Y ponendo per ogni x ∈ X
Fn (x) = F (x) ∩ B1/2n (fn (x)),
cosı̀ che Fn è s.c.i. (Lemma 2.21) e ha valori non vuoti (per (2.2)) e convessi. Per la Proposizione
2.27 esiste fn+1 : X → Y continua t.c. per ogni x ∈ X
1
d(fn+1 (x), Fn (x)) < .
2n+1
In particolare, per ogni x ∈ X esiste yx ∈ Fn (x) t.c. kfn+1 (x) − yx k < 1/2n+1 , da cui
1 1 1
kfn+1 (x) − fn (x)k 6 kfn+1 (x) − yx k + kyx − fn (x)k < + < n−1 .
2n+1 2 n 2
Dunque fn+1 verifica (2.2). La successione (fn ) è di Cauchy uniformemente in X: per completezza
di Y , si ha fn → f uniformemente in X per qualche f : X → Y continua, per la quale si ha da
(2.2)
d(f (x), F (x)) = 0 per ogni x ∈ X.
Poiché F ha valori chiusi, f è una selezione continua di F .
Una conseguenza importante è il seguente teorema di estensione-selezione:

Corollario 2.29. Se (X, τ ) è uno spazio topologico paracompatto, (Y, k · k) uno spazio di Banach,
F : X → 2Y s.c.i. a valori non vuoti, chiusi e convessi, C ⊆ X chiuso, g : C → Y continua t.c.
g(x) ∈ F (x) per ogni x ∈ C, allora F ammette una selezione continua f : X → Y t.c. f |C = g.
14 A. IANNIZZOTTO
Dimostrazione. Sia F̃ : X → 2Y definita ponendo per ogni x ∈ X

(
{g(x)} se x ∈ C
F̃ (x) =
F (x) se x ∈
/ C.
Proviamo che F̃ è s.c.i. Per ogni A ⊆ Y aperto e ogni x ∈ F̃ − (A), possono darsi due casi:
(a) se x ∈ C, allora g(x) ∈ A, quindi esiste U ∈ U(x) t.c. g(z) ∈ A per ogni z ∈ U ∩ C; inoltre
F (x) ∩ A 6= ∅, quindi esiste V ∈ U(x) t.c. F (z) ∩ A 6= ∅ per ogni x ∈ V ; posto W = U ∩ V ,
abbiamo W ∈ U(x) e F̃ (z) ∩ A 6= ∅ per ogni z ∈ W ;
(b) se x ∈/ C, esiste U ∈ U(x) t.c. F̃ (z) ∩ A = F (z) ∩ A 6= ∅ per ogni z ∈ U .
Inoltre, F̃ ha valori chiusi e convessi. Per il Teorema 2.28, F̃ ha una selezione continua f : X → Y ,
e ovviamente f (x) = g(x) per ogni x ∈ C.
Di seguito presentiamo alcune applicazioni del Teorema 2.28. La prima è un teorema di estensione
continua per funzioni definite su insiemi chiusi (che generalizza, in un certo senso, il Teorema di
Tietze):
Corollario 2.30. Se (X, τ ) è uno spazio topologico paracompatto, (Y, k · k) è uno spazio di Banach,
C ⊂ X è non vuoto e chiuso, g : C → Y è continua, allora esiste f : X → Y continua t.c.
f (x) = g(x) per ogni x ∈ C.
Dimostrazione. Applichiamo il Corollario 2.29 alla multifunzione costante definita ponendo F (x) =
Y per ogni x ∈ X.
La seconda è un teorema di esistenza di un’inversa continua per operatori lineari continui (che
trova applicazione nella teoria delle equazioni differenziali lineari):
Corollario 2.31. Se (X, k · kX ), (Y, k · kY ) sono spazi di Banach e ϕ ∈ hom(X, Y ) è continuo e
suriettivo, allora esiste f : X → Y continua t.c. ϕ ◦ f = idY .
Dimostrazione. Per il teorema della mappa aperta (si veda Rudin [36, p. 47]), la funzione ϕ : X →
Y trasforma aperti in aperti. Per il Lemma 2.5, ne segue che la multifunzione F = ϕ−1 : Y → 2X
è s.c.i. Inoltre F ha valori non vuoti, chiusi e convessi. Per il Teorema 2.28 esiste f : Y → X
continua t.c. per ogni y ∈ Y si ha f (y) ∈ F (y), ovvero ϕ(f (y)) = y.
2.3. Punti fissi. Nella teoria dei punti fissi per applicazioni univoche, si distinguono due famiglie
di risultati: i teoremi ’metrici’ di punto fisso dovuti a Banach, Caccioppoli, e quelli ’algebrico-
topologici’ dovuti a Brouwer, Schauder, Cauty (si veda Granas & Dugundji [17]). Anche il caso
multivoco rispecchia questa distinzione.
Definizione 2.32. Siano X un insieme non vuoto, F : X → 2X , x ∈ X: x è un punto fisso di F
se x ∈ F (x). L’insieme dei punti fissi di F è denotato fix(F ).
Il seguente teorema di punto fisso per le contrazioni multivoche estende il teorema di Banach &
Caccioppoli rispetto all’esistenza di punti fissi, ma si perde l’unicità:
Teorema 2.33. (Nadler [31]) Se (X, d) è uno spazio metrico completo e F : X → 2X una
contrazione multivoca a valori chiusi, allora fix(F ) 6= ∅.
Dimostrazione. Siano L ∈ (0, 1) una costante di Lipschitz per F , β > 1 un numero reale e
x0 ∈ X. Scartando casi banali, supponiamo x0 ∈
/ F (x0 ), da cui d(x0 , F (x0 )) > 0. Costruiamo una
successione (xn ) in X t.c.
(2.3) xn ∈ F (xn−1 ), d(xn−1 , xn ) < βLn−1 d(x0 , F (x0 )) per ogni n ∈ N.
Procediamo per induzione. L’esistenza di x1 verificante (2.3) è ovvia. Sia n > 1 e siano x0 , . . . xn ∈
X verificanti (2.3): in particolare,
d(xn , F (xn )) 6 dH (F (xn−1 ), F (xn )) 6 Ld(xn−1 , xn ) < βLn d(x0 , F (x0 )),
da cui segue l’esistenza di xn+1 ∈ F (xn ) verificante (2.3). Proviamo ora che (xn ) è una successione
di Cauchy in X: per ogni n, m ∈ N, n < m, abbiamo
m
X m
X
d(xm , xn ) 6 d(xi , xi−1 ) 6 βd(x0 , F (x0 )) Li−1 ;
i=n+1 i=n+1
dal Criterio di Cauchy per le serie (e dalla convergenza della serie geometrica di ragione L) segue
che, per ogni ε > 0, esiste ν ∈ N t.c. se ν < n < m allora d(xm , xn ) < ε. Poiché X è completo,
abbiamo xn → x. Da (2.3) ho per ogni n ∈ N
d(xn , F (x)) 6 dH (F (xn−1 ), F (x)) 6 Ld(xn−1 , x),
da cui, passando al limite, d(x, F (x)) = 0. Poiché F (x) è chiuso, abbiamo infine x ∈ fix(F ).
Esaminiamo ora i teoremi di punto fisso ’topologici’, cominciando con l’estensione del teorema di
Schauder [17, p. 119] al caso multivoco (per la teoria degli spazi di Banach rimandiamo a Fabian
et Al. [11]):
Teorema 2.34. Se (X, k · k) è uno spazio di Banach, K ⊂ X è compatto e convesso e F : K → 2K
è s.c.i. a valori non vuoti, chiusi e convessi, allora fix(F ) 6= ∅.
Dimostrazione. Per il Teorema 2.28, F ammette una selezione continua f : K → K. Per il citato
teorema di Schauder, esiste x ∈ K t.c. f (x) = x. Dunque x ∈ fix(F ).
Per studiare le multifunzioni s.c.s. occorre richiamare un lemma di approssimazione:
Lemma 2.35. (Cellina [7]) Se (X, d) è uno spazio metrico compatto, (Y, k · k) uno spazio
normato, F : X → 2Y s.c.s. a valori non vuoti e convessi, allora per ogni r > 0 esiste gr : X → Y
continua t.c. per ogni x ∈ X
d((x, gr (x)), gr(F )) 6 r.
Dimostrazione. Sia fissato r > 0. Per il Lemma 2.6, per ogni x ∈ X esiste ρ > 0 t.c.
(2.4) F (Bρ (x)) ⊆ Br/2 (F (x)).
Per ogni x ∈ X poniamo
n ri o
ρ(x) = sup ρ ∈ 0, : F (Bρ (x)) ⊆ Br/2 (F (x0 )) per qualche x0 ∈ Bρ (x) .
2
Dimostriamo che
(2.5) inf ρ(x) = ρ0 > 0.
x∈X
Procediamo per assurdo: sia (xn ) una successione in X t.c. ρ(xn ) = ρn → 0. Passando a
un’estratta, abbiamo xn → x in X. Sia ρ > 0 come in (2.4) per x. Definitivamente, si ha
ρ
max ρn , d(xn , x) < ,
3
da cui
F (Bρ/3 (xn )) ⊆ F (Bρ (x)) ⊆ Br/2 (F (x)),
assurdo.
16 A. IANNIZZOTTO
Poniamo per ogni x ∈ X

G(x) = F (Bρ0 /2 (x)).
Proviamo che G− (y) è aperto in X per ogni y ∈ F (X). Infatti, per ogni x ∈ G− (y) esiste
x0 ∈ Bρ0 /2 (x) t.c. y ∈ F (x0 ). Posto σ = 1/2(ρ0 /2 − d(x, x0 )), si ricava Bσ (x) ⊆ G− (y).
Dunque (G− (y))y∈F (X) è un ricoprimento aperto di X, da cui si estrae un sotto-ricoprimento
finito (G− (yi ))m
i=1 (y1 , . . . ym ∈ F (X)). Per il Teorema 2.26, ad esso è subordinata una partizione
continua dell’unità (ϕi )m i=1 . Poniamo per ogni x ∈ X
m
X
gr (x) = ϕi (x)yi .
i=1
La funzione gr : X → Y è ovviamente continua. Fissiamo x ∈ X. Per (2.4), (2.5) esistono

ρ ∈ (ρ0 /2, r/2], x0 ∈ Bρ (x) t.c. F (Bρ (x)) ⊆ Br/2 (F (x0 )), da cui
G(x) ⊆ Br/2 (F (x0 )) ∩ conv(F (X))
(l’ultimo essendo un insieme convesso). Per semplicità supponiamo ϕi (x) > 0 se e solo se 1 6 i 6 l
(l 6 m), allora si ha
yi ∈ Br/2 (F (x0 )) ∩ conv(F (X)), i = 1, . . . l.
Poiché gr (x) è una combinazione convessa di y1 , . . . yl , ne segue
gr (x) ∈ Br/2 (F (x0 )) ∩ conv(F (X)).
Per la diseguaglianza triangolare e le relazioni precedenti, si ha infine
d((x, gr (x)), gr(F )) 6 d((x, gr (x)), (x0 , gr (x))) + d((x0 , gr (x)), gr(F ))
6 d(x, x0 ) + d(gr (x), F (x0 ))
r
6 ρ + 6 r,
2
il che conclude la dimostrazione.
Il più noto teorema di punto fisso per le multifunzioni è il seguente:
Teorema 2.36. (Kakutani [20]) Se K ⊆ Rn (n ∈ N) è compatto e convesso e F : K → 2K è
s.c.s. a valori non vuoti, chiusi e convessi, allora fix(F ) 6= ∅.
Dimostrazione. Per ogni k ∈ N, dal Lemma 2.35 segue l’esistenza di gk : K → K continua t.c. per
ogni x ∈ K
1
d((x, gk (x)), gr(F )) < .
k
Per il teorema di Brouwer [17, p. 95] esiste xk ∈ fix(gk ). A meno di estratte, abbiamo xk → x per
qualche x ∈ K, da cui (xk , xk ) → (x, x), quindi
1
d((x, x), gr(F )) = lim d((xk , xk ), gr(F )) 6 lim = 0.
k k k
Poiché gr(F ) è chiuso (Lemma 2.13), abbiamo infine x ∈ fix(F ).
Se nel Teorema 2.36 sostituiamo Rn con uno spazio normato di dimensione infinita, le ipotesi
diventano troppo restrittive in quanto gli insiemi compatti in un tale spazio sono pochi (per
esempio, un insieme con interno non vuoto in uno spazio di Banach di dimensione infinita non
è mai compatto). Per questo sono state introdotte alcune estensioni improprie (le dimostrazioni
sono simili a quella del Teorema 2.36). In una di esse, si ammette l’uso di topologie vettoriali
localmente convesse, permettendo applicazioni agli spazi di Banach riflessivi4:
Teorema 2.37. (Glicksberg [15]) Se (X, τ ) è uno spazio vettoriale-topologico localmente con-
vesso di Hausdorff, K ⊂ X compatto e convesso, F : K → 2K a valori chiusi e convessi t.c. gr(F )
è chiuso, allora fix(F ) 6= ∅.
Teorema 2.38. (Browder [5]) Se (X, τ ) è uno spazio vettoriale-topologico localmente convesso
di Haudorff, K ⊂ X è compatto e convesso, F : K → 2K a valori non vuoti e convessi t.c.
F − (y) ∈ τ per ogni y ∈ K, allora fix(F ) 6= ∅.
Un’altra strategia comporta l’uso di punti fissi approssimati:
Definizione 2.39. Siano (X, d) uno spazio metrico, F : X → 2X , ε > 0 un numero reale, x ∈ X:
x è detto ε-punto fisso di F se d(x, F (x)) 6 ε. L’insieme degli ε-punti fissi di F è denotato fixε (F ).
Vale in merito il seguente risultato:
Teorema 2.40. (Brânzei et Al. [4]) Se (X, k · k) è uno spazio di Banach riflessivo, S ⊆ X
limitato, convesso t.c. int(S) 6= ∅, F : S → 2S a valori non vuoti e convessi, t.c. gr(F ) è
debolmente chiuso5, allora per ogni ε > 0 si ha fixε (F ) 6= ∅.
Dimostrazione. Supponiamo S = B1 (0) (il caso generale si tratta con aggiustamenti minori).
Fissato ε > 0, troviamo δ ∈ R t.c. 0 < δ < min{1, ε} e poniamo K = (1 − δ)cl(S) = B 1−δ (0), e
per ogni x ∈ K
G(x) = (1 − δ)cl(F (x)).
Dunque, K è un insieme chiuso, convesso, limitato in X, quindi debolmente compatto, e G : K → 2K
ha valori convessi e grafico debolmente chiuso. Per il Teorema 2.37 esiste x ∈ fix(G), ovvero esiste
y ∈ F (x) t.c. x = (1 − δ)y, da cui
d(x, F (x)) 6 kx − yk = δkxk < ε.
In conclusione x ∈ fixε (F ).
2.4. Il principio KKM. Concludiamo questa sezione con un celebre teorema di coincidenza, in
base al quale la famiglia dei valori di una multifunzione (soggetta a una peculiare ipotesi geometrica)
ha la proprietà dell’intersezione finita (si veda anche [17, p. 37]).
Definizione 2.41. Siano X uno spazio vettoriale, S ⊂ X non vuoto, F : S → 2S : F soddisfa

KKM se, per ogni n ∈ N, x1 , . . . xn ∈ S, si ha
conv(x1 , . . . xn ) ⊆ ∪ni=1 F (xi ).
Chiaramente, se F soddisfa KKM, allora fix(F ) = S. Inoltre, l’unione di due valori F (x1 ) e F (x2 )
contiene il segmento congiungente x1 e x2 , e cosı̀ via.
4Uno spazio vettoriale-topologico è detto localmente convesso se ogni punto ha una base di intorni convessi; uno
spazio di Banach con la topologia debole è localmente convesso, e se lo spazio è riflessivo gli insiemi debolmente
chiusi e limitati sono debolmente compatti (si veda [11]).
5L’ultima ipotesi significa che gr(F ) è chiuso rispetto alla topologia prodotto della topologia σ(X ∗ , X) per se
stessa, relativizzata a S × S (leggere due volte aiuta).
18 A. IANNIZZOTTO
Teorema 2.42. (Knaster et Al. [19]) Se X è uno spazio vettoriale, S ⊂ X è non vuoto,
F : S → 2X soddisfa KKM e F (x) è finitamente chiuso6 per ogni x ∈ S, allora per ogni n ∈ N,
x1 , . . . xn ∈ S si ha
∩ni=1 F (xi ) 6= ∅.
Dimostrazione. Procediamo per assurdo: sia dunque
(2.6) ∩ni=1 F (xi ) = ∅.
Denotiamo X̃ = span(x1 , . . . xn ), C = conv(x1 , . . . xn ). Su X̃ definiamo una topologia vettoriale di
Hausdorff, rendendo X̃ omeomorfo a uno spazio euclideo: in tale spazio, C è chiuso e limitato,
quindi compatto. Per ogni i ∈ {1, . . . n} definiamo λi : X̃ → R ponendo
λi (x) = d(x, F (xi ) ∩ X̃) per ogni x ∈ X̃.
La funzione λi è continua. Per ogni x ∈ X̃ esiste i ∈ {1, . . . n} t.c. λi (x) > 0: altrimenti, infatti, si
avrebbe x ∈ ∩ni=1 F (xi ) (rammentiamo che gli insiemi F (xi ) ∩ X̃ sono chiusi), contro (2.6). Dunque,
per ogni x ∈ X̃ è definito un insieme non vuoto
Ix = {i ∈ {1, . . . n} : λi (x) > 0}.
Definiamo f : X̃ → X̃ ponendo
Pn
λi (x)xi
f (x) = Pi=1
n per ogni x ∈ X̃.
j=1 λj (x)
La funzione f è continua e si ha f (x) ∈ C per ogni x ∈ X̃. Dunque, per il teorema di Brouwer [17, p.
95], esiste x0 ∈ fix( f |C ). Applicando la condizione KKM otteniamo

x0 = f (x0 ) ∈ conv (xi )i∈Ix0 ⊆ ∪i∈Ix0 F (xi ),
cosı̀ che esiste i ∈ Ix0 t.c. x0 ∈ F (xi ), da cui λi (x0 ) = 0, contro la definizione di λi . Questo
conclude la dimostrazione.
Come conseguenza, si può provare che esiste un punto comune a tutti i valori di una multifunzione:
Corollario 2.43. Se (X, τ ) è uno spazio vettoriale-topologico di Hausdorff, S ⊆ X è non vuoto,
F : S → 2X soddisfa KKM e ha valori chiusi, ed esiste x0 ∈ S t.c. F (x0 ) è compatto, allora
∩x∈S F (x) 6= ∅.
Dimostrazione. Si vede facilmente che F (x) è finitamente chiuso per ogni x ∈ S. Sia F̃ : S → 2F (x0 )
definita ponendo per ogni x ∈ S
F̃ (x) = F (x) ∩ F (x0 ).
Per il Teorema 2.42, dom(F̃ ) = S. Per ogni n ∈ N, x1 , . . . xn ∈ S si ha
∩ni=1 F̃ (xi ) = ∩ni=0 F (xi ) 6= ∅,
dunque (F̃ (x))x∈S è una famiglia di sottoinsiemi chiusi del compatto F (x0 ) soddisfacente la
proprietà dell’intersezione finita. Dunque esiste x ∈ ∩x∈S F̃ (x) (si veda [9, p. 135]), in particolare
x ∈ ∩x∈S F (x).
6In uno spazio vettoriale X, si dice che S ⊆ X è finitamente chiuso se, per ogni sottospazio Y di X di dimensione
finita, l’insieme S ∩ Y è chiuso in Y (rispetto alla topologia euclidea).
3. Giochi non cooperativi ed equilibri di Nash

Ciascuno deve impostare la propria strategia di vita sul presupposto dell’ostilità altrui.
E. Limonov
In questa sezione riprendiamo il concetto di equilibrio di Nash: usando gli strumenti matematici
introdotti nelle sezioni precedenti, dimostreremo l’esistenza di (almeno) un equilibrio di Nash
per un gioco statico non cooperativo deterministico con due giocatori, rappresentato in forma
strategica da Γ = (X, Y, f, g) (alcune nozioni qui introdotte si possono estendere al caso di più
giocatori). Per approfondimenti rimandiamo ai testi di Aubin [1], Colombo [10] e Gibbons [14].
Specializziamo la Definizione 1.12 al caso di due giocatori:
Definizione 3.1. Un equilibrio (di Nash) per Γ è una coppia (x, y) ∈ X × Y t.c.
(i) f (x, y) = sup f (·, y);
X
(ii) g(x, y) = sup g(x, ·).
Y
L’insieme degli equilibri per Γ si denota Ne(Γ).
Una nozione collegata a quella di equilibrio è la seguente:
Definizione 3.2. Nel gioco Γ = (X, Y, f, g), la coppia (x, y) ∈ X × Y è un ottimo (di Pareto) se
non esiste un’altra coppia (x, y) ∈ X × Y verificante una delle seguenti condizioni:
(i) f (x, y) > f (x, y), g(x, y) > g(x, y);
(ii) f (x, y) > f (x, y), g(x, y) > g(x, y).
L’insieme degli ottimi per Γ si denota Po(Γ).
Queste due nozioni sono indipendenti, come dimostra il più celebre problema della teoria dei giochi,
noto come dilemma del prigioniero:
Esempio 3.3. Due individui vengono arrestati con l’accusa di omicidio e richiusi in celle separate.
Il commissario fa a ogni prigioniero la seguente proposta: ’Se confessi (accusando il tuo complice)
vi incriminerò entrambi e sarete condannati a 10 anni di prigione, ma tu sarai liberato per aver
collaborato; se confessate entrambi avrete uno sconto di pena e sarete liberi in 5 anni; se nessuno
di voi confessa, resterete in galera solo per il tempo del processo, cioè 1 anno.’ Ogni prigioniero sa
che la stessa offerta è stata fatta anche all’altro, e deve decidere cercando di ridurre al minimo gli
anni che deve passare in cella. Denotati P , Q i prigionieri, X = Y = {c, t} le strategie (confessare
e tacere) ed eguagliati i pay-off agli opposti delle durate delle condanne, si ottiene la seguente
tabella:
P \Q c t
c (−5, −5) (0, −10)
t (−10, 0) (−1, −1)
Si vede che Ne(Γ) = {(c, c)}, mentre Po(Γ) = {(t, t)}. Non potendo comunicare, i due prigionieri
sceglieranno di confessare, raggiungendo cosı̀ un equilibrio inefficiente. Questo esito è tipico dei
giochi non cooperativi, nei quali la competizione esasperata preclude la possibilità di accordi.
Un equilibrio è, di solito, la miglior soluzione raggiungibile nei giochi non cooperativi. Si pone
pertanto il problema di individuare condizioni sufficienti per l’esistenza di (almeno) un equilibrio.
Per ottenere questo risultato occorre estendere il concetto di strategia utilizzato nella Sezione 1,
introducendo il concetto di tipo probabilistico di strategia mista.
20 A. IANNIZZOTTO
3.1. Strategie miste e teorema di Nash. Richiamiamo un’elementare nozione dal calcolo delle
probabilità (si veda Scozzafava [37]):
Definizione 3.4. Sia X = {x1 , . . . xn } un insieme finito (n ∈ N, xi 6= xj per ogni i 6= j): una
distribuzione di probabilità su X è una funzione p : X → [0, 1] t.c.
n
X
p(xi ) = 1.
i=1
Le strategie miste si possono rappresentare geometricamente: sia ϕ : X → Rn definita da ϕ(xi ) = ei

per ogni i ∈ {1, . . . n} (in particolare, ϕ è iniettiva). Sia Π(X) l’insieme di tutte le distribuzioni di
probabilità su X, e sia ϕ̃ : Π(X) → Rn definita da
n
X
ϕ̃(p) = p(xi )ϕ(xi ) per ogni p ∈ Π(X).
i=1
Chiaramente si ha ϕ̃(Π(X)) = conv(ϕ(X)), ovvero ϕ̃(Π(X)) è il simplesso (n − 1)-dimensionale

di vertici e1 , . . . en (in particolare, esso è un insieme compatto e convesso), e ϕ̃ è un isomorfismo
tra Π(X) (con le operazioni formali) e ϕ̃(Π(X)). Identificando, per ogni i ∈ {1, . . . n}, xi con la
distribuzione p ∈ Π(X) definita da p(xj ) = δi,j per ogni j ∈ {1, . . . n}, possiamo considerare ϕ̃
come un’estensione di ϕ (unica a meno di isomorfismi).
Osservazione 3.5. La Definizione 3.4 si può estendere al caso in cui X è infinito: allora una
distribuzione di probabilità su X è una misura p su X, t.c. p(X) = 1. Per chiarire: se X
rappresenta l’insieme dei possibili esiti di un evento aleatorio (ad esempio una corsa di cavalli),
la funzione p associa a ogni esito (rappresentato da un elemento o da un sottoinsieme di X) la
somma che uno scommettitore punta su tale esito con la prospettiva di vincere 1 se il pronostico si
rivela esatto.
Introduciamo la seguente nozione:
Definizione 3.6. Nel gioco Γ, una strategia mista per il giocatore P (Q) è una distribuzione di
probablilità sull’insieme delle strategie X (Y ). Gli elementi di X (Y ) sono detti strategie pure.
L’impiego di strategie miste corrisponde al seguente schema: P è visto come uno speculatore che
dispone di un capitale pari a 1, da investire in un insieme X di attività; scegliere una strategia
mista p equivale allora a investire la somma p(xi ) nell’attività xi , per ogni i ∈ {1, . . . n} (si può
formulare lo stesso concetto utilizzando lo schema delle scommesse). Si è visto come l’insieme
Π(X) si può identificare con un sottoinsieme convesso e compatto di uno spazio euclideo: è quindi
ragionevole ipotizzare, come faremo in seguito, che l’insieme delle strategie (miste) di ciascun
giocatore goda di queste proprietà geometriche e topologiche.
Esempio 3.7. Nel gioco considerato nell’Esempio 1.6, esteso alle strategie miste, si pone X =
Y = [0, 1]: per ogni (x, y) ∈ [0, 1]2 (che rappresenta la valutazione da parte di P che l’evento p
abbia probabilità x e d invece probabilità (1 − x), mentre Q attribuisce a p probabilità y e a d
probabilità (1 − y)) i pay-off dei due giocatori sono rispettivamente
f (x, y) = xy − x(1 − y) − (1 − x)y + (1 − x)(1 − y) = 4xy − 2x − 2y + 1,
g(x, y) = −xy + x(1 − y) + (1 − x)y − (1 − x)(1 − y) = −4xy + 2x + 2y − 1
(si noti che f (x, y) = −g(x, y)).
Per determinare gli equilibri di un gioco Γ si fa uso delle multifunzioni di miglior risposta per i
singoli giocatori e globale, RP : Y → 2X , RQ : X → 2Y , R : X × Y → 2X×Y , definite per ogni
(x, y) ∈ X × Y da n o
RP (y) = x ∈ X : f (x, y) = sup f (·, y) ,
X
n o
RQ (x) = y ∈ Y : g(x, y) = sup g(x, ·) ,
Y
R(x, y) = RP (y) × RQ (x).
Le multifunzioni ora introdotte permettono di rappresentare gli equilibri di Γ:
Lemma 3.8. Si ha Ne(Γ) = fix(R).
Dimostrazione. Sia (x, y) ∈ Ne(Γ), allora per la Definizione 3.1
f (x, y) = sup f (·, y), g(x, y) = sup g(x, ·),
X Y
da cui (x, y) ∈ R(x, y). E viceversa.
Il seguente teorema di esistenza di un equilibrio è il più celebre risultato della teoria dei giochi:
Teorema 3.9. (Nash [32]) Se X ⊂ Rn , Y ⊂ Rm (n, m ∈ N) sono convessi e compatti, f, g :
X × Y → R sono continue e
(i) f (·, y) è quasi-concava7 per ogni y ∈ Y ;
(ii) g(x, ·) è quasi-concava per ogni x ∈ X,
allora Ne(Γ) 6= ∅.
Dimostrazione. Adottiamo su X e su Y le rispettive topologie euclidee, e su X × Y la topologia
prodotto. Intendiamo applicare alla multifunzione R : X × Y → 2X×Y il Teorema 2.36.
La multifunzione RP : Y → 2X ha valori non vuoti, chiusi e convessi. Infatti, per ogni y ∈ Y , la
f (·, y) : X → R è continua su un compatto, quindi per il teorema di Weierstraß esiste x ∈ X t.c.
f (x, y) = sup f (·, y) = c,
X
da cui x ∈ RP (y); inoltre l’insieme RP (y) = f (·, y)c è chiuso e convesso per (i) (in effetti, RP (y) è
compatto perché X è compatto).
Proviamo ora che gr(RP ) è chiuso in Y × X, procedendo per assurdo: sia (yk , xk ) ∈ gr(RP ) per
ogni k ∈ N e (yk , xk ) → (y, x), ma (y, x) ∈
/ gr(RP ). Allora f (x, y) < supX f (·, y). Sia ε ∈ R t.c.
0 < ε < sup f (·, y) − f (x, y).
X
Esiste x̃ ∈ X t.c.
f (x̃, y) > f (x, y) + ε.
Per continuità di f , per k ∈ N abbastanza grande abbiamo
ε
max |f (xk , yk ) − f (x, y)| , |f (x̃, yk ) − f (x̃, y)| < .
3
Usando le precedenti diseguaglianze, per k ∈ N abbastanza grande otteniamo
ε 2ε
f (xk , yk ) < f (x, y) + < f (x̃, y) − < f (x̃, yk ),
3 3
7Se X è un insieme convesso in uno spazio vettoriale e f : X → R, allora f è detta quasi-concava (risp.
c
quasi-convessa se f c (risp. f ) è convesso per ogni c ∈ R.
22 A. IANNIZZOTTO
contro l’ipotesi che xk ∈ RP (yk ). Pertanto gr(RP ) è chiuso, quindi RP è s.c.s. (Lemma 2.14).
Similmente si prova che RQ : X → 2Y è s.c.s. a valori non vuoti, compatti e convessi.
Ne segue che R : X × Y → 2X×Y è s.c.s. (Lemma 2.18) a valori non vuoti, compatti e convessi.
Sono pertanto soddisfatte le ipotesi del Teorema 2.36, da cui segue che fix(R) 6= ∅. Per il Lemma
3.8 abbiamo Ne(Γ) 6= ∅.
Osservazione 3.10. Usando un’attrezzatura matematica più sofisticata, è possibile provare
versioni generalizzate del Teorema 3.9 (per esempio, in cui X e Y sono sottoinsiemi compatti e
convessi di uno spazio di Banach di dimensione infinita).
Oltre al risultato di esistenza, il metodo sopra illustrato fornisce un algoritmo per individuare
gli equilibri, che descriviamo limitandoci al caso semplice in cui X = Y = [0, 1]. I grafici delle
multifunzioni RP e RQ si possono rappresentare come curve inscritte nel quadrato [0, 1] × [0, 1] (in
generale, queste curve potranno contenere tratti verticali). Si ha allora, per il Lemma 3.8,
(3.1) Ne(Γ) = gr(RP ) ∩ gr(RQ ).
3.2. Esempi. In questa sezione presentiamo alcuni esempi e applicazioni: alcuni di questi sono
veri ’giochi’ o esercizi matematici, altri sono modelli realmente usati nelle scienze sociali. Tutti
possono essere risolti utilizzando il Teorema 3.9 per provare l’esistenza degli equilibri, e la formula
(3.1) per determinarli esplicitamente.
Esempio 3.11. Nel gioco della battaglia dei sessi, come abbiamo visto nell’Esempio 1.13, (s, s) e
(t, t) sono equilibri di Nash. Passando dalle strategie pure a quelle miste, definiamo X = Y = [0, 1]
e f, g : [0, 1]2 → R ponendo per ogni (x, y) ∈ [0, 1]
f (x, y) = 10xy + 0x(1 − y) + 0(1 − x)y + 5(1 − x)(1 − y) = 15xy − 5x − 5y + 5
(si può pensare a x e a (1 − x) come al tempo passato allo stadio e a teatro, rispettivamente, da
P ). Analogamente, per ogni (x, y) ∈ [0, 1] abbiamo
g(x, y) = 15xy − 10x − 10y + 10.
Il Teorema 3.9 garantisce l’esistenza di almeno un equilibrio. In effetti, ve ne sono tre. Semplici
calcoli forniscono le multifunzioni di miglior risposta:

{0} se y ∈ [0, 1/3)

RP (y) = [0, 1] se y = 1/3 ,

{1} se y ∈ (1/3, 1]


{0} se x ∈ [0, 2/3)

RQ (x) = [0, 1] se x = 2/3 .

{1} se x ∈ (2/3, 1]

Gli equilibri si ottengono mediante (3.1), come rappresentato nella Fig. 2:

2 1
Ne(Γ) = (0, 0), , , (1, 1) (due di essi corrispondono a strategie pure).
3 3
Osserviamo che gli equilibri in strategie miste dipendono dai valori dei pay-off, mentre quelli in
strategie pure solo dalle preferenze (Definizione 1.2).
Figura 2. Il metodo dell’intersezione.
Esempio 3.12. Nel gioco noto come caccia al cinghiale, due cacciatori P , Q devono scegliere se
andare a caccia di cinghiale o di lepri (X = Y = {c, l}), sapendo che per catturare un cinghiale
bisogna essere in due, mentre per catturare molte lepri è meglio separarsi. Si ha la seguente tabella
dei pay-off:
P \Q c l
c (10, 10) (0, 8)
l (8, 0) (4, 4)
Si ha Ne(Γ) = {(c, c), (l, l)} ma Po(Γ) = {(c, c)}. Passando alle strategie miste, si ricava
f (x, y) = 6xy − 4x + 4y + 4, g(x, y) = 6xy + 4x − 4y + 4,
trovando si trova un terzo equilibrio (2/3, 2/3).
Esempio 3.13. Nel gioco dei fumatori, due fumatori P , Q si trovano in una piccola stanza:
entrambi hanno voglia di fumare, ma sono infastiditi dall’aria viziata, pertanto ognuno dei due
vorrebbe fumare da solo, ma preferisce comunque fumare insieme all’altro piuttosto che astenersi.
Si ha la seguente tabella dei pay-off:
P \Q f n
f (1, 1) (2, 0)
n (0, 2) (0, 0)
Studiamo Γ direttamente in strategie miste: poniamo X = Y = [0, 1] e ricaviamo
f (x, y) = 2x − xy, g(x, y) = 2y − xy per ogni (x, y) ∈ [0, 1]2 .
Ne segue che RP (y) = RQ (x) = {1} per ogni (x, y) ∈ [0, 1]2 , cosı̀ che Ne(Γ) = {(1, 1)}, ovvero P
e Q scelgono entrambi di fumare. Si noti che Po(Γ) = ∅. Questo gioco è un caso particolare del
cosiddetto paradosso liberale, secondo il quale in assenza di divieti ognuno tende a fare come gli
pare senza curarsi del bene comune.
Esempio 3.14. Nel gioco del pollo, reso celebre dal film ’Rebel without a cause’ di Nicholas Ray
(1955), due personaggi P , Q si sfidano a correre in macchina verso un burrone: perde chi sterza
per primo. Ogni giocatore dispone di due strategie, sterzare (s) e tirare dritto (d); i pay-off sono,
24 A. IANNIZZOTTO
rispettivamente, 10 per la vittoria, 5 per il pareggio, 1 per la sconfitta e 0 per la morte:
P \Q s d
s (5, 5) (1, 10)
d (10, 1) (0, 0)
Come si vede, Ne(Γ) = {(s, d), (d, s)} e Po(Γ) = ∅. Passando alle strategie miste si ricava
f (x, y) = x + 10y − 6xy, g(x, y) = 10x + y − 6xy,
da cui si trova un altro equilibrio, (1/6, 1/6). Questo gioco è un utile schema delle competizioni in
cui la deterrenza riveste un ruolo importante (per esempio, la corsa agli armamenti).
Esempio 3.15. Nel gioco dei ragni, due ragni P e Q (di una specie che produce parecchie uova
ma poche ragnatele) competono per il possesso di una ragnatela: ciascun ragno può lottare (l) o
arrendersi (a); se entrambi lottano, i pay-off assegnati (che rappresentano le propensioni dei ragni
a lottare) sono p, q > 0, in generale la situazione è descritta dalla tabella
P \Q l a
l (p, q) (10, 0)
a (0, 10) (5, 5)
Gli equilibri dipendono dai valori dei parametri:

• se p, q > 0 si ha Ne(Γ) = {(l, l)};
• se p > 0 = q si ha Ne(Γ) = {(l, l), (l, a)};
• se p = 0 < q si ha Ne(Γ) = {(l, l), (a, l)};
• se p = q = 0 si ha Ne(Γ) = {(l, l), (l, a), (a, l)}.
Esempio 3.16. Nel gioco dei candidati, le proposte programmatiche in vista di un’elezione sono
rappresentate dai numeri reali compresi tra 0 (estrema sinistra) e 1 (estrema destra) e si suppone
che gli elettori siano uniformemente distribuiti lungo questo intervallo e scelgano il candidato col
programma più vicino alle loro idee: due candidati P e Q devono formulare i loro programmi, col
vincolo che quello di P si collochi ’più a sinistra’ di quello di Q, cosı̀ che l’elettorato [0, 1] si divide
in due parti
h x + y i hx + y i
0, , ,1 ,
2 2
che votano per P o per Q, rispettivamente. Ovviamente entrambi i candidati puntano a ottenere
la maggioranza dei voti. Il gioco Γ, non rappresentabile in una tabella, presenta X = Y = [0, 1] e
le multifunzioni di miglior risposta
n x+y 1o
RP (y) = x ∈ [0, 1] : > = [1 − y, 1],
2 2
n x+y 1o
RQ (x) = y ∈ [0, 1] : 6 = [0, 1 − x].
2 2
Si ottiene

Ne(Γ) = (x, 1 − x) : x ∈ [0, 1]
(in questo caso RP , RQ hanno infiniti valori non degeneri).
Esempio 3.17. Riprendiamo il gioco considerato nell’Esempio 3.16, ambientandolo in un Paese

di orientamento politico non neutrale: sia ϕ : [0, 1] → [0, 1] la densità con cui gli elettori si
distribuiscono da ’sinistra’ a ’destra’, supponiamo ϕ continua e poniamo
Z t
Φ(t) = ϕ(τ )dτ per ogni t ∈ [0, 1],
0
chiaramente sotto il vincolo Φ(1) = 1. In questo caso, le funzioni di miglior risposta sono
n x + y 1o
RP (y) = x ∈ [0, 1] : Φ > ,
2 2
n x + y 1o
RQ (x) = y ∈ [0, 1] : Φ 6 .
2 2
In particolare, se ϕ(t) = 2t per ogni t ∈ [0, 1] (cioè se l’elettorato è prevalentemente conservatore),
si ha ( √
∅ se y ∈ [0, 2 − 1)
RP (y) = √ √
2 − y, 1 se y ∈ [ 2 − 1, 1],
( √
[0, 1] se x ∈ [0, 2 − 1)
RQ (x) = √ √ .
0, 2 − x se x ∈ [ 2 − 1, 1].
Dunque,
√ √
Ne(Γ) = (x, 2 − x) : x ∈ [ 2 − 1, 1] .
Si può concludere che al candidato di sinistra non conviene adottare posizioni estreme.
Esempio 3.18. Il duopolio di Cournot è un classico modello economico: due produttori P e Q
si contendono l’intero mercato di un bene: i dati fissi sono la soglia di esaurimento del mercato
a > 0 e il costo unitario di produzione c > 0; le strategie rappresentano le quantità prodotte, cosı̀
che X = Y = [0, a]. Si introduce una funzione di domanda (identificata col prezzo) p : [0, a]2 → R
definita da
a − (x + y) se x + y < a
p(x, y) = ,
0 se x + y > a
da cui i rispettivi pay-off
(
x(p(x, y) − c) = −x2 − xy + (a − c)x se x + y < a
f (x, y) =
−cx se x + y > a,
(
y(p(x, y) − c) = −y 2 − xy + (a − c)y se x + y < a
g(x, y) =
−cy se x + y > a.
Le ipotesi del Teorema 3.9 sono verificate, quindi Ne(Γ) 6= ∅. Determiniamo l’insieme RP per
y ∈ [0, a], distinguendo due casi:
• se y 6 a − c, allora f (·, y) ha un massimo in x = 1/2(a − c − y) ∈ [0, a − y], quindi
RP (y) = {1/2(a − c − y)};
• se y > a − c, allora f (·, y) ha un massimo in x = 0, quindi RP (y) = {0}.
Similmenre si calcola la multifunzione RQ , e intersecando i grafici si trova l’unico equilibrio
a−c a−c
x= , y= .
3 3
26 A. IANNIZZOTTO
3.3. Equilibri approssimati. Quando gli insiemi X, Y non sono compatti, è impossibile applicare
il Teorema 3.9. Per questo si introduce la nozione di equilibrio approssimato:
Definizione 3.19. Siano Γ = (X, Y, f, g) un gioco, ε > 0: un ε-equilibrio di Nash per Γ è una
coppia (x, y) ∈ X × Y t.c.
(i) f (x, y) ≥ sup f (·, y) − ε;
X
(ii) g(x, y) ≥ sup g(x, ·) − ε.
Y
L’insieme degli ε-equilibri di Nash di Γ si denota Neε (Γ).
Anche in questo caso gli equilibri si possono caratterizzare come punti fissi di una multifunzione:
poniamo per ogni (x, y) ∈ X × Y
n o
RPε (y) = x ∈ X : f (x, y) ≥ sup f (·, y) − ε ,
X
n o
ε
RQ (x) = y ∈ Y : g(x, y) ≥ sup g(x, ·) − ε ,
Y
Rε (x, y) = RPε (y) × RQ
ε
(x).
Come nel Lemma 3.8, si ha
(3.2) Neε (Γ) = fix(Rε )
L’esistenza di ε-equilibri si può dimostrare sotto ipotesi più blande riguardo X, Y (compensate da
condizioni più restrittive su f , g) rispetto a quelle del Teorema 3.9:
Teorema 3.20. (Brânzei et Al. [4] Se (X, dX ), (Y, dY ) sono spazi metrici e
(i) f, g : X × Y → R sono uniformemente continue rispetto alla metrica

d (x, y), (z, w) = dX (x, z) + dY (y, w) per ogni (x, y), (z, w) ∈ X × Y ;
(ii) fixδ (Rρ ) 6= ∅ per ogni ρ, δ > 0,
allora per ogni ε > 0 si ha Neε (Γ) 6= ∅.
Dimostrazione. Fissiamo ε > 0. Per (i) esiste η > 0 t.c. per ogni (x, y), (z, w) ∈ X × Y t.c.

d (x, y), (z, w) < η
si ha
ε
(3.3) max |f (x, y) − f (z, w)| , |g(x, y) − g(z, w)| < .
2
ε/2 ε/2
Per (ii) esiste (x, y) ∈ fixη/2 (Rε/2 ), cioè (Definizione 2.39) esistono z ∈ RP (y) e w ∈ RQ (x) t.c.
η
d((x, y), (z, w)) ≤ < η.
2
Per (3.3) ne segue
ε
sup f (·, y) − ε ≤ f (z, y) − < f (x, y),
X 2
ε
sup g(x, ·) − ε ≤ g(x, w) − < g(x, y),
Y 2
quindi (x, y) ∈ Neε (Γ).
L’ipotesi (ii) è difficile da verificare. Possiamo ricorrere alla teoria dei punti fissi approssimati
sviluppata nella Sezione 2:
Corollario 3.21. Se X, Y sono sottoinsiemi limitati convessi di spazi di Banach riflessivi t.c.
int(X), int(Y ) 6= ∅ e
(i) f, g : X × Y → R sono uniformemente continue rispetto alla metrica

d (x, y), (z, w) = kx − zkX + ky − wkY per ogni (x.y), (z, w) ∈ X × Y ;
(ii) Rρ : X × Y → 2X×Y ha valori non vuoti e convessi per ogni ρ > 0;

(iii) gr(Rρ ) è debolmente chiuso per ogni ρ > 0,
allora per ogni ε > 0 si ha Neε (Γ) 6= ∅.
Dimostrazione. Da (ii) e (iii) segue, per il Teorema 2.40, che per ogni δ, ρ > 0
fixδ (Rρ ) 6= ∅.
Rammentando anche (i), vediamo che sono verificate tutte le ipotesi del Teorema 3.20, dunque
Neε (Γ) 6= ∅ per ogni ε > 0.
Ovviamente, la tecnica degli equilibri approssimati è usata in contesti piuttosto astratti. Conclu-
diamo questa sezione mostrando un’applicazione del Teorema 3.20:
Esempio 3.22. Siano (X, k · k) uno spazio normato, v ∈ X \ {0} e f, g : X × X → R definite da

v
f (x, y) = −kx − yk, g(x, y) = − x − y − per ogni (x, y) ∈ X × X.

1 + kxk
Studiamo il gioco Γ = (X, X, f, g). Si vede facilmente che la multifunzione di miglior risposta
(congiunta) è data da
n v o
R(x, y) = y, x − per ogni (x, y) ∈ X × X,
1 + kxk
pertanto fix(R) = ∅, ovvero Ne(Γ) = ∅. Cerchiamo dunque equilibri approssimati, applicando il
Teorema 3.20. Le funzioni f, g : X × X → R sono lipschitziane (in particolare, uniformemente
continue). Per f la cosa è ovvia. Per g, si dimostra come segue: fissati (x1 , y1 ), (x2 , y2 ) ∈ X × X,
abbiamo

g(x1 , y1 ) − g(x2 , y2 ) 6 v v
x1 − y1 − − x 2 + y2 +

1 + kx1 k 1 + kx2 k

kx1 k − kx2 k
6 kx1 − x2 k + ky1 − y2 k + kvk
(1 + kx1 k)(1 + kx2 k)

6 (1 + kvk)d (x1 , y1 ), (x2 , y2 ) .
Inoltre, fissato δ > 0, per ogni x ∈ X t.c. kxk > kvk/δ abbiamo
kvk
d (x, x), R(x, x) = < δ,
1 + kxk
da cui (x, x) ∈ fixδ (R). In particolare, per ogni ρ, δ > 0 abbiamo fixδ (Rρ ) 6= ∅. Cosı̀ le ipotesi (i)
e (ii) del Teorema 3.20 sono verificate. Dunque, per ogni ε > 0 si ha Neε (Γ) 6= ∅ (in effetti si
dimostra che (x, x) ∈ Neε (Γ) per ogni x ∈ X con kxk abbastanza grande).
28 A. IANNIZZOTTO
4. Giochi a somma nulla e teoria del minimax

Mors tua, vita mea.
Anonimo
In questa sezione, dedicata ai giochi a somma nulla, il concetto di equilibrio di Nash viene messo
in relazione con quello di minimax, che è più generale. Per la teoria del minimax, rimandiamo a
Ricceri & Simons [34].
Definizione 4.1. Un gioco Γ = (X, Y, f, g) è detto a somma nulla se
f (x, y) + g(x, y) = 0 per ogni (x, y) ∈ X × Y .
In questo caso il gioco si denota Γ = (X, Y, f ).
I giochi a somma nulla corrispondono alle interazioni in cui due (o più) soggetti si contendono
un capitale fissato: i guadagni di uno equivalgono alle perdite dell’altro. Prendiamo dapprima
in esame il caso finito, ovvero X = {x1 , . . . xn }, Y = {y1 , . . . ym } (n, m ∈ N). Se il giocatore P
(che gioca per primo) sceglie la strategia xi (1 ≤ i ≤ n), allora Q opterà per uns strategia yj
(1 ≤ j ≤ m) t.c.
f (xi , yj ) = min f (xi , ·).
Y
Sapendo ciò, P sceglie una strategia xi t.c.
min f (xi , ·) = max min f.
Y X Y
Similmente, se Q gioca per primo, la sua scelta ricade su yj t.c.

max f (·, yj ) = min max f.
X Y X
Questo ragionamento conduce a un concetto di equilibrio diverso da (in effetti, come si vedrà, più
generale di) quello formulato da Nash: una coppia (xi , yj ) ∈ X × Y verificante l’eguaglianza di
minimax
(4.1) max min f = min max f.
X Y Y X

P \Q y1 y2
x1 1 2
x2 0 1
x3 −1 0
Osservando la tabella (i cui numeri rappresentano i pay-off di P e contemporaneamente gli opposti
dei pay-off di Q), si ricava Ne(Γ) = {(x1 , y1 )}; all’unico equilibrio di Nash di Γ corrisponde il valore
1. D’altra parte si ha
max min f = min max f = 1,
X Y Y X
in particolare vale (4.1).
Se X, Y sono infiniti, l’esistenza di massimi e minimi non è garantita e le definizioni vanno
riformulate:
Figura 3. (0, 0) è un punto di sella per la funzione f (x, y) = y 2 − x2 .
Definizione 4.3. Sia Γ = (X, Y, f ) un gioco a somma nulla: sono definiti i valori inferiore e
superiore di Γ
f∗ = sup inf f, f ∗ = inf sup f
X Y Y X
(entrambi in R ∪ {±∞}). Se vale l’eguaglianza di minimax
(4.2) f∗ = f ∗ (= f˜),
il gioco Γ ha valore f˜. Un punto di sella è una coppia (x, y) ∈ X × Y t.c.
sup f (·, y) = f (x, y) = inf f (x, ·).
X Y
L’insieme dei punti di sella di f si denota sp(f ).

L’idea geometrica di ’sella’ è esemplificata dalla Fig. 3. Alcune precisazioni:
Lemma 4.4. Se Γ è un gioco a somma nulla, allora si ha
f∗ ≤ f ∗ .
Dimostrazione. Per ogni (x, y) ∈ X × Y abbiamo
inf f (x, ·) ≤ f (x, y) ≤ sup f (·, y),
Y X
da cui la tesi.
Lemma 4.5. Se Γ è un gioco a somma nulla e (x, y) ∈ sp(f ), allora si ha (4.2) e
f (x, y) = f˜.
Dimostrazione. Si ha
f ∗ ≤ sup f (·, y) = f (x, y) = inf f (x, ·) ≤ f∗ .
X Y
Dal Lemma 4.4 segue (4.2), da quanto sopra segue f (x, y) = f˜.
L’implicazione non si inverte:

30 A. IANNIZZOTTO
Esempio 4.6. Siano X = [0, 1], Y =]0, 1] e f : X × Y → R definita da f (x, y) = xy per ogni
(x, y) ∈ X × Y . L’eguaglianza (4.2) è verificata in quanto
f∗ = sup inf xy = sup 0 = 0,
0≤x≤1 0<y≤1 0≤x≤1
∗
f = inf sup xy = inf y = 0.
0<y≤1 0≤x≤1 0<y≤1
In particolare, f˜ = 0. Tuttavia il gioco in questione non ammette punti di sella. Ragionando per
assurdo, supponiamo che (x, y) ∈ sp(f ): allora
x y = sup xy = y > 0,
0≤x≤1
mentre
x y = inf xy = 0,
0<y≤1
assurdo.
Ovviamente (tenendo conto del fatto che −f esprime i pay-off di Q) si ha:
Teorema 4.7. Se Γ è un gioco a somma nulla, allora si ha
Ne(Γ) = sp(f ).
Dal Lemma 4.5 e dal Teorema 4.7 segue che, se Γ ammette un equilibrio di Nash, allora vale (4.2).
Pertanto, si considera l’eguaglianza di minimax come una forma debole di equilibrio del gioco
e acquistano interesse nell’ottica della teoria dei giochi i risultati che, sotto opportune ipotesi,
assicurano il verificarsi di (4.2): i teoremi di minimax.
4.1. Alcuni teoremi di minimax. Il primo teorema di minimax copre un caso molto semplice:
Teorema 4.8. (Von Neumann [40]) Se X ⊂ Rn , Y ⊂ Rm (n, m ∈ N) sono compatti e convessi,
f : X × Y → R è bilineare, allora sp(f ) 6= ∅.
Dimostrazione. Sia F : X → 2Y definita da

F (x) = y ∈ Y : f (x, y) = inf f (x, ·) per ogni x ∈ X.
Y
Per ogni x ∈ X l’insieme F (x) 6= ∅ è chiuso e convesso. Sia α : X → R definita da
α(x) = inf f (x, ·) per ogni x ∈ X.
Y
Proviamo che α è uniformemente continua: per ogni ε > 0, per il Teorema di Cantor-Heine esiste
δ > 0 t.c.
ε
(4.3) |f (x, y) − f (z, w)| < per ogni (x, y), (z, w) ∈ X × Y , d((x, y), (z, w)) < δ.
2
Siano x, z ∈ X t.c. kx − zkRn < δ: per ogni y ∈ Y ho
α(x) ≤ f (x, y) ≤ sup |f (x, ·) − f (z, ·)| + f (z, y),
Y
da cui
α(x) − α(z) ≤ sup |f (x, ·) − f (z, ·)| .
Y
Ragionando analogamente otteniamo
α(z) − α(x) ≤ sup |f (x, ·) − f (z, ·)| .
Y
In conclusione, applicando (4.3),

ε
|α(x) − α(z)| ≤ sup |f (x, ·) − f (z, ·)| ≤ < ε.
Y 2
Proviamo ora che gr(F ) ⊆ X × Y è chiuso: siano (xk , yk ) ∈ gr(F ) per ogni k ∈ N, (x, y) ∈ X × Y
t.c. (xk , yk ) → (x, y); per ogni n ∈ N abbiamo
f (xk , yk ) = α(xk ),
da cui, passando al limite per n → ∞,
f (x, y) = α(x)
ovvero (x, y) ∈ gr(F ). Per il Lemma 2.14, F è s.c.s. Sia ora G : Y → 2X definita da

G(y) = x ∈ X : f (x, y) = sup f (·, y) per ogni y ∈ Y .
X
Come sopra dimostro che G è s.c.s. a valori non vuoti, chiusi e convessi. Per il Lemma 2.18,
G × F : X × Y → 2X×Y è s.c.s. a valori chiusi e convessi. Dunque il Teorema 2.36 assicura
l’esistenza di (x, y) ∈ fix(G × F ): chiaramente si ha (x, y) ∈ sp(f ).
La seguente estensione del Teorema 4.8 introduce la classica situazione ’concavo-convessa’:
Teorema 4.9. (Fan [12]) Se (X, τX ), (Y, τY ) sono spazi vettoriali-topologici localmente convessi
di Hausdorff, S ⊂ X, T ⊂ Y insiemi non vuoti, compatti e convessi, f : S × T → R t.c.
(i) f (·, y) è s.c.s. e quasi-concava per ogni y ∈ T ;
(ii) f (x, ·) è s.c.i. e quasi-convessa per ogni x ∈ S,
allora si ha
sup inf f = inf sup f.
S T T S
Dimostrazione. Procediamo per assurdo, supponendo che esista c ∈ R t.c.

(4.4) f∗ < c < f ∗ .
L’insieme K = S × T è compatto e convesso nello spazio vettoriale-topologico localmente convesso
di Hausdorff X × Y . Sia F : K → 2K definita da

F (x, y) = (z, w) ∈ K : min{f (x, w) − c, c − f (z, y)} ≤ 0 per ogni (x, y) ∈ K.
Dimostriamo che
(4.5) ∩(x,y)∈K F (x, y) 6= ∅.
c
Per ogni (x, y) ∈ K gli insiemi f (x, ·) , f (·, y)c (non vuoti per (4.4)) sono chiusi per le ipotesi (i),
(ii), quindi
c
F (x, y) = f (·, y)c × f (x, ·)
è un sottoinsieme chiuso del compatto K; dunque F ha valori compatti. Inoltre F verifica
KKM (ved. Definizione 2.41): lo proviamo per assurdo, supponendo che esistano n ∈ N,
(x1 , y1 ), . . . (xn , yn ) ∈ K, (z0 , w0 ) ∈ conv((x1 , y1 ), . . . (xn , yn )) t.c.
/ ∪ni=1 F (xi , yi ).
(z0 , w0 ) ∈
Questo significa che, per ogni i ∈ {1, . . . n}, si ha
f (z0 , yi ) < c < f (xi , w0 ),
32 A. IANNIZZOTTO
ovvero yi ∈ f (z0 , ·)c e xi ∈ f (·, w0 )c , insiemi entrambi convessi (ancora (i), (ii)). Pertanto
w0 ∈ f (z0 , ·)c e z0 ∈ f (·, w0 )c , ovvero
c < f (z0 , w0 ) < c,
una contraddizione. Applicando il Corollario 2.43 si ottiene (4.5). Sia dunque (z, w) ∈ ∩(x,y)∈K F (x, y):
si ha per ogni (x, y) ∈ K
min{f (x, w) − c, c − f (z, y)} ≤ 0.
Possono presentarsi due casi:
• se f (x, w) ≤ c per ogni x ∈ S, si ha
f ∗ ≤ sup f (·, w) ≤ c,
S
contro (4.4);
• se esiste x ∈ S t.c. f (x, w) > c, allora f (z, y) ≥ c per ogni y ∈ T , da cui
f∗ ≥ inf f (z, ·) ≥ c,
T
contro (4.4).
In ogni caso, (4.4) conduce a una contraddizione. Tenendo conto della Proposizione 4.4, possiamo
concludere che f∗ = f ∗ .
Osservazione 4.10. Dalla dimostrazione del Teorema 4.9 segue che esiste (x, y) ∈ S × T t.c.
f (x, y) = f˜.
Tuttavia, questo non implica che (x, y) sia un punto di sella per f .
Per studiare il problema del minimax in assenza di una struttura vettoriale, tipicamente si tende a
sostituire la convessità con la connessione. Il seguente risultato è tipico di questo approccio:
Teorema 4.11. (König [20]) Se (X, τX ) è uno spazio topologico, (Y, τY ) uno spazio compatto,
f : X × Y → R t.c.
c
(i) ∩x∈H f (x, ·) è connesso per ogni c > f∗ , H ⊂ X non vuoto e finito;
(ii) ∩y∈K f (·, y)c è connesso per ogni c < f ∗ , K ⊂ Y non vuoto;
(iii) f (·, y) è s.c.s. per ogni y ∈ Y ;
(iv) f (x, ·) è s.c.i. per ogni x ∈ X,
allora si ha (4.2).
Il limite del Teorema 4.11 consiste nel fatto che (a differenza dalla convessità) la proprietà di
connessione non è stabile rispetto all’intersezione. I seguenti esempi chiariscono alcuni aspetti del
problema.
Esempio 4.12. Nello spazio euclideo R2 siano X = B 1 (0), Y = ∂B1 (0), e sia f : X × Y → R
definita da
f (x, y) = hx, yi per ogni (x, y) ∈ X × Y .
c
La funzione f verifica le ipotesi (iii), (iv) del Teorema 4.11. Inoltre, f (x, ·) è connesso per ogni
c > f∗ , x ∈ X e f (·, y)c è connesso per ogni c < f ∗ , y ∈ Y , anche se le condizioni (i), (ii) non sono
verificate. Nondimeno si ha f∗ = 0, f ∗ = 1.
Esempio 4.13. Siano (Z, k · k) uno spazio di Hilbert t.c. dim(Z) = ∞ e

X = x ∈ Z : kxk ≥ 1 , Y = y ∈ Z : kyk ≤ 1 .
Su X adottiamo la topologia forte, su Y quella debole (cosı̀ che Y è compatto). Sia f : X × Y → R
definita da
f (x, y) = hx, yi per ogni (x, y) ∈ X × Y .
La funzione f verifica le ipotesi (i), (iii), (iv) del Teorema 4.11. Inoltre essa verifica ’quasi’ l’ipotesi
(ii), in quanto ∩y∈K f (·, y)c è connesso per ogni c ∈ R e ogni K ⊂ Y finito. Nondimeno si ha
f∗ = 0, f ∗ = 1.
Nel caso particolare in cui X è un intervallo compatto in R, le ipotesi di connessione possono essere
alleggerite, riferendole a singoli sotto- e sopra-livelli di f . Lo strumento fondamentale per questo
studio è il seguente risultato di coincidenza per le multifunzioni:
Lemma 4.14. Se a, b ∈ R, a < b, (Z, τ ) è uno spazio connesso, F, G : Z → 2[a,b] sono s.c.i. a
valori non vuoti e connessi, t.c. F (Z) = [a, b], allora esiste z ∈ Z t.c.
F (z) ∩ G(z) 6= ∅.
Dimostrazione. Procediamo per assurdo, supponendo
(4.6) F (z) ∩ G(z) = ∅ per ogni z ∈ Z.
2
Sia H = F × G, allora H : Z → 2[a,b] è s.c.i. a valori non vuoti e connessi (Lemma 2.18). Per il
Teorema 2.16, H(Z) è connesso. Siano
A = {(α, β) ∈ [a, b]2 : α < β}, B = {(α, β) ∈ [a, b]2 : α > β},
insiemi aperti in [a, b]2 t.c. H(Z) ⊆ A ∪ B (per (4.6)). Poiché F (Z) = [a, b], esiste z0 ∈ Z t.c.
a ∈ F (z0 ): scelto β ∈ G(z0 ), sempre per (4.6) abbiamo a < β ovvero (a, β) ∈ H(z0 ) ∩ A, cosı́ che
H(Z) ∩ A 6= ∅. Similmente dimostriamo che H(Z) ∩ B 6= ∅, contro la connessione di H(Z).
Ne segue un teorema di minimax assai generale:
Teorema 4.15. (Ricceri [35]) Se a, b ∈ R, a < b, (Y, τ ) è uno spazio topologico, f : [a, b]×Y → R
verifica le seguenti condizioni:
(i) f (x, ·)c è non vuoto e connesso per ogni x ∈ [a, b], c > f∗ ;
(ii) f (·, y)c è non vuoto e connesso per ogni y ∈ Y , c > f∗ ;
(iii) f (x, ·) è s.c.i. per ogni x ∈ [a, b];
(iv) f (·, y) è s.c.s. per ogni y ∈ Y ,
allora si ha
sup inf f = inf sup f.
[a,b] Y Y [a,b]
Dimostrazione. Procediamo per assurdo, supponendo che esista c ∈ R t.c.

(4.7) f∗ < c < f ∗ .
Su [a, b] adottiamo la topologia euclidea. Siano

S = (x, y) ∈ [a, b] × Y : f (x, y) < c , T = (x, y) ∈ [a, b] × Y : f (x, y) > c .
Proviamo che S è connesso. Ovviamente [a, b] è connesso; inoltre, per ogni x ∈ [a, b], da
c > f∗ ≥ inf f (x, ·)
Y
34 A. IANNIZZOTTO
segue che Sx 6= ∅, e tale insieme è connesso (i); per ogni y ∈ Y , S y è aperto (iv). Dunque, l’asserto
segue dal Lemma 2.20.
Siano F, G : S → 2[a,b] definite da F (x, y) = {x}, G(x, y) = T y per ogni (x, y) ∈ S. Per ogni
(x, y) ∈ S, chiaramente F (x, y) 6= ∅ è connesso; F è s.c.i.; inoltre, per ogni x ∈ [a, b], esiste y ∈ Y
t.c. x ∈ F (x, y) (come visto sopra), quindi F (S) = [a, b]. D’altra parte, per ogni (x, y) ∈ S
l’insieme G(x, y) 6= ∅ è connesso (ii); infine, per ogni z ∈ [a, b] e ogni (x, y) ∈ G− (z) abbiamo
f (z, y) > c,
quindi (iii) esiste W ∈ UY (y) t.c.
f (z, w) > c per ogni w ∈ W ,
cosı̀ che (u, w) ∈ G− (z) per ogni (u, w) ∈ S t.c. w ∈ W ovvero G− (z) è aperto, in particolare G è
s.c.i. Per il Lemma 4.14 esiste (x, y) ∈ S t.c.
F (x, y) ∩ G(x, y) 6= ∅.
Si ha dunque x ∈ T y , ovvero (x, y) ∈ S ∩ T , assurdo.
5. Giochi cooperativi
Hey you, don’t tell me there’s no hope at all.
Together we stand, divided we fall.
R. Waters
In questa sezione introduciamo i giochi cooperativi, caratterizzati dalla possibilità che i giocatori
si associno in coalizioni per perseguire una maggiore utilità: presupposto fondamentale perché
ciò avvenga è che i giocatori possano comunicare tra loro stabilendo degli accordi. Per semplicità
esamineremo il caso dei giochi cooperativi statici. Per approfondimenti rimandiamo a Colombo [10],
Morgenstern [28].
Definizione 5.1. Siano P un insieme, v : 2P → R+ una funzione verificante le proprietà
(i) v(∅) = 0;
(ii) se S, T ∈ 2P , S ∩ T = ∅, allora v(S ∪ T ) ≥ v(S) + v(T ).
La coppia Γ = (P, v) è detta gioco (cooperativo); gli elementi di P sono detti giocatori, i sottoinsiemi
di P coalizioni, v(S) utilità corrispondente alla coalizione S ∈ 2P , v funzione caratteristica del
gioco.
La proprietà (ii) della Definizione 5.1 è detta super-additività ed esprime il fatto che coalizzarsi
’conviene’ ai singoli giocatori (essa non è richiesta in tutte le versioni della teoria dei giochi
cooperativi). In particolare, alla grande coalizione P corrisponde il valore massimo della funzione
caratteristica: questo rappresenta l’utilità totale del gioco, e il problema principale consiste nel
trovare una coalizione che distribuisca tale utilità in modo soddisfacente per tutti i giocatori che la
formano. Nel seguito adotteremo le notazioni P = {1, . . . n} (n ∈ N), e v({i}) = v(i) (i ∈ P ).
Definizione 5.2. Due giochi Γ = (P, v), Γ0 = (P, v 0 ) si dicono strategicamente equivalenti (Γ ∼ Γ0 )
se esistono r > 0, a1 , . . . an ∈ R t.c.
X
v 0 (S) = rv(S) + ai per ogni S ∈ 2P .
i∈S
Si dimostra facilmente che l’equivalenza strategica è effettivamente una relazione di equivalenza

(riflessiva, simmetrica, transitiva) sull’insieme dei giochi con insieme dei giocatori P . Segnaliamo
ora alcune importanti classi di giochi cooperativi.
Definizione 5.3. Un gioco Γ = (P, v) è detto

(i) essenziale se
n
X
v(P ) > v(i);
i=1
(ii) normale se v(P ) = 1 e v(i) = 0 per ogni i ∈ P ;

(iii) semplice se v(S) ∈ {0, 1} per ogni S ∈ 2P ;
(iv) a somma costante se v(S) + v(P \ S) = v(P ) per ogni S ∈ 2P .
Chiaramente ogni gioco essenziale e semplice è normale. Inoltre, ogni gioco essenziale può essere
normalizzato:
Lemma 5.4. Se Γ = (P, v) è un gioco essenziale, allora esiste un unico gioco normale Γ0 = (P, v 0 )
tale che Γ ∼ Γ0 .
Dimostrazione. Sia P
0 v(S) − i∈S v(i)
v (S) = per ogni S ∈ 2P .
v(P ) − nj=1 v(j)
P
Il gioco Γ0 = (P, v 0 ) è normale. Inoltre, posto

h n
X i−1
r = v(P ) − v(j) , ai = −rv(i) per ogni i ∈ P ,
j=1
si ha
X
v 0 (S) = rv(S) + ai per ogni S ∈ 2P ,
i∈S
ovvero Γ ∼ Γ0 . L’unicità è provata facilmente.
Una nozione che sarà richiamata in seguito è quella di giocatore fantoccio (dummy player):
Definizione 5.5. In un gioco Γ = (P, v), i ∈ P è detto giocatore fantoccio se
v(S ∪ {i}) = v(S) + v(i) per ogni S ∈ 2P .
Esempio 5.6. Nel gioco delle pertiche, tre esploratori devono attraversare un fiume di larghezza
l > 0 e ognuno di essi possiede una pertica di lunghezza 2l/3. Si ha P = {1, 2, 3} e, posta 1 l’utilità
di attraversare il fiume, possiamo enumerare tutti i valori della funzione caratteristica v : 2P → R:
v(p1 ) = v(p2 ) = v(p3 ) = 0,
v({p1 , p2 }) = v({p1 , p3 }) = v({p2 , p3 }) = 1,
v({p1 , p2 , p3 }) = 1.
Il gioco Γ = (P, v) è semplice e a somma costante.
36 A. IANNIZZOTTO
Esempio 5.7. Nel gioco della produzione, tre imprenditori P = {1, 2, 3} dispongono di tre materie
prime, per esempio ferro, gomma e legno, nelle quantità indicate dalla seguente tabella:
f g l
1 2 3 3
2 3 0 3
3 1 3 0
Per produrre un’unità di prodotto finito (che si vende al prezzo 1) serve un’unità di ciascuna
materia prima. La funzione caratteristica determina il ricavo ottenibile da ciascuna coalizione:
v(1) = 2, v(2) = v(3) = 0,
v({1, 2}) = v({1, 3}) = v({2, 3}) = 3,
v({1, 2, 3}) = 6.
Il gioco Γ = (P, v) non è a somma costante (v(1) + v({2, 3}) = 5) e neanche normale. Il gioco
normalizzato Γ0 = (P, v 0 ) si ottiene ponendo
1 1
r = , a1 = − , a2 = a3 = 0.
4 2
Esempio 5.8. Nel gioco della maggioranza pesata, i partiti P = {1, . . . n} (n ∈ N) dispongono
ciascuno di si seggi in parlamento (si ∈ N per ogni i ∈ {1, . . . n}) e il minimo numero di voti
richiesto per approvare una legge è q ∈ N. La situazione configura un gioco semplice Γ = (P, v) con
P
0 se Pi∈S si < q
v(S) = .
1 se i∈S si ≥ q
Le nozioni introdotte di seguito servono a definire un concetto ragionevole di soluzione per i giochi
cooperativi.
Definizione 5.9. Un’imputazione per il gioco Γ = (P, v) è un vettore x ∈ Rn t.c.
Xn
(i) xi = v(P ) (efficienza);
i=1
(ii) xi ≥ v(i) per ogni i ∈ {1, . . . n} (razionalità individuale).
L’insieme delle imputazioni di Γ si denota i(Γ).
L’insieme i(Γ) si può rappresentare graficamente mediante un simplesso (n − 1)-dimensionale in
Rn (come nella Fig. ??). Introduciamo ora la nozione di nucleo, che esprime il sottoinsieme di
i(Γ) contenente le imputazioni vantaggiose non solo per i singoli giocatori, ma anche per ciascuna
coalizione:
Definizione 5.10. Il nucleo del gioco Γ = (P, v) è l’insieme delle imputazioni x ∈ i(Γ) t.c.
X
xi ≥ v(S) per ogni S ∈ 2P .
i∈S
Il nucleo di Γ si denota c(Γ).

L’insieme c(Γ) ⊂ Rn è chiuso e convesso. Il problema di determinare il nucleo di Γ rientra nella
programmazione lineare (una branca dell’ottimizzazione): introduciamo un insieme
n X o
n P
X = (x1 , . . . xn ) ∈ R : xi ≥ v(S) per ogni S ∈ 2
i∈S
Figura 4. La regione più scura rappresenta c(Γ).
e una funzione f : X → R definita da

n
X
f (x1 , . . . xn ) = xi ;
i=1
per il Teorema di Weierstraß e per la definizione di X, esiste (x1 , . . . xn ) ∈ X t.c.

f (x1 , . . . xn ) = inf f = f ≥ v(P ).
X
A questo punto occorre distinguere due casi:

• se f = v(P ), allora (x1 , . . . xn ) ∈ c(Γ);
• se f > v(P ), allora c(Γ) = ∅.
Nell’Esempio 5.6 si ricava facilmente c(Γ) = ∅. Nell’Esempio 5.7 occorre risolvere il sistema misto


 x1 > 2

x2 > 0

 


  2 6 x1 6 3
x > 0
 
3

 

 0 6 x 6 3
2
x1 + x2 > 3 ⇔
  x1 + x2 > 3
x1 + x3 > 3

 

 

  x3 = 6 − x1 − x2
x2 + x3 > 3





x1 + x2 + x3 = 6

cosı̀ che infine si ha

c(Γ) = (x1 , x2 , 6 − x1 − x2 ) ∈ R3 : 2 ≤ x1 ≤ 3, 0 ≤ x2 ≤ 3, x1 + x2 ≤ 3 .

Per risolvere i sistemi del tipo precedente si può seguire un metodo grafico: rappresentiamo i punti
(x1 , x2 , x3 ) in un triangolo equilatero i cui vertici sono (6, 0, 0), (0, 6, 0) e (0, 0, 6), e sullo stesso
triangolo le equazioni e disequazioni del sistema (tutte lineari) si possono rappresentare mediante
segmenti e diidendo il triangolo. Una volta eliminati tutti i punti che non soddisfano qualcuno dei
vincoli, ciò che resta è c(Γ) (ved. Fig 4).
38 A. IANNIZZOTTO
Esempio 5.11. Nel gioco dei musicisti, tre suonatori P = {1, 2, 3} si esibiscono da soli, in duo o
in trio percependo i seguenti salari:
v(1) = 100, v(2) = 150, v(3) = 200,
v({1, 2}) = 400, v({1, 3}) = 300, v({2, 3}) = 400,
v({1, 2, 3}) = 600.
Attraverso il procedimento grafico descritto sopra, si ottiene

c(Γ) = (x1 , 400 − x1 , 200) : 100 ≤ x1 ≤ 200 .
Esempio 5.12. Nel gioco dei guanti, 10 persone hanno ciascuna un guanto sinistro e 11 persone
hanno ciascuna un guanto destro; ovviamente un guanto solo è inservibile, come pure due guanti
uguali, mentre un paio di guanti (diversi) vale 1. Il gioco Γ = (P, v) ha la seguente struttura:
P = L ∪ R, dove L = {1, . . . 10} è l’insieme di persone con un guanto sinistro e R = {11, . . . 21}
l’insieme di persone con un guanto destro, e per ogni S ∈ 2P si ha
v(S) = min{|S ∩ L|, |S ∩ R|}.
Chiaramente
n 21
X o
21
i(Γ) = x ∈ R : xi = 10, xi ≥ 0 per ogni i ∈ {1, . . . 21} .
i=1
Detta x ∈ i(Γ) l’imputazione che ha le prime 10 componenti pari a 1 e le altre 11 pari a 0, si ha

c(Γ) = {x}.
Prima dimostriamo che x ∈ c(Γ). Per ogni S ∈ 2P abbiamo
X
xi = |S ∩ L| ≥ v(S).
i∈S
Poi proviamo che x è l’unica imputazione di c(Γ), per assurdo: sia z ∈ c(Γ) \ {x}. Distinguo due
casi:
• se esiste 11 ≤ h ≤ 21 t.c. zh = a > 0, allora, posto S = P \ {ph }, si ha
X X
10 = v(S) ≤ zi = zi = 10 − a < 10,
i∈S i6=h
assurdo;
• se zi = 0 per ogni i ∈ {11, . . . 21}, da z 6= x segue che esiste 1 ≤ j ≤ 10 t.c. zj = b < 1, da
cui, per T = {j, 11}, si ha
X
1 = v(T ) ≤ zi = zj + z11 = b < 1,
i∈T
assurdo.
Questo esempio suggerisce l’idea di un forte vantaggio per i possessori di guanti sinistri, ovvero del
bene più raro.
In alcuni casi, il nucleo si determina facilmente:
Lemma 5.13. Se Γ = (P, v) è un gioco essenziale a somma costante, allora c(Γ) = ∅.
Dimostrazione. Per assurdo: sia x ∈ c(Γ). Allora, per ogni j ∈ {1, . . . n} si ha

X
v(P ) − v(j) = v(P \ {j}) ≤ xi = v(P ) − xj ,
i6=j
cioè xj = v(j), da cui

n
X n
X
v(P ) = xi = v(i),
i=1 i=1
assurdo.
Nei giochi semplici (Definizione 5.3 (iii)) si definisce una classe particolare di giocatori:
Definizione 5.14. Sia Γ = (P, v) un gioco semplice: i è detto giocatore di veto se v(P \ {i}) = 0.
Chiaramente, in un gioco semplice ogni coalizione ’vincente’ deve contenere tutti gli eventuali
giocatori di veto: se S ∈ 2P e i ∈
/ S è un giocatore di veto, si ha S ⊆ P \ {i}, da cui
v(S) ≤ v(P \ {i}) = 0.
Questa nozione si collega a quella di nucleo:
Teorema 5.15. Se Γ = (P, v) è un gioco semplice, le seguenti sono equivalenti:
(i) c(Γ) 6= ∅;
(ii) Γ ha almeno un giocatore di veto.
Dimostrazione. Proviamo che (i) implica (ii), per assurdo: sia v(P \ {i}) = 1 per ogni i ∈ {1, . . . n}
e sia x ∈ c(Γ); allora per ogni j ∈ {1, . . . n} si ha
X
0 ≤ xj = 1 − xi ≤ 1 − v(P \ {j}) = 0,
i6=j
contro l’ipotesi che x sia un’imputazione. Proviamo che (ii) implica (i): sia S la coalizione formata
da tutti i giocatori di veto (S 6= ∅). Definiamo x ∈ Rn ponendo

0 se i ∈
/S
xi = .
1/|S| se i ∈ S
Otteniamo cosı̀
n
X
xi = 1.
i=1
Inoltre, se T ∈ 2P , distinguiamo due casi:

• se v(T ) = 0, allora banalmente
X
xi ≥ v(T );
i∈T
• se v(T ) = 1, per quanto sopra S ⊆ T , da cui
X X
xi ≥ xi = 1.
i∈T i∈S
Dunque, x ∈ c(Γ).
40 A. IANNIZZOTTO
5.1. Valore di Shapley. Definiamo adesso il più comune (non l’unico) concetto di soluzione per
un gioco cooperativo Γ = (P, v). Introduciamo l’insieme delle permutazioni di P = {1, . . . n},
denotato

P ! = σ : P → P : σ biunivoca .
Per ogni i ∈ P , σ ∈ P ! sia

S(i, σ) = j ∈ P : σ(j) < σ(i)
la coalizione formata dai giocatori che precedono i nell’ordine stabilito da σ, e sia
M (i, σ) = v(S(i, σ) ∪ {i}) − v(S(i, σ))
il contributo marginale di i (ovvero l’incremento di utilità offerto dal giocatore i alla coalizione
S(i, σ)). Per la (ii) della Definizione 5.1 si ha
(5.1) M (i, σ) ≥ v(i) per ogni i ∈ P , σ ∈ P !.
Facendo variare σ ∈ P !, la media dei contributi marginali di i ne misura il valore:
Definizione 5.16. Il valore di Shapley del gioco Γ è il vettore φ = (φ1 , . . . φn ) definito da

1 X
φi = M (i, σ) per ogni i ∈ P .
n!
σ∈P !
Il valore di Shapley di Γ si denota Sv(Γ).
L’interpretazione della Definizione 5.16 è la seguente: per ogni i ∈ P , φi rappresenta la ricompensa

corrisposta al giocatore i, tanto maggiore quanto più rilevante è il contributo dato da i alle varie
coalizioni che si possono formare. Per esempio, se si vuole organizzare un torneo di calcio avendo a
disposizione molti bravi attaccanti ma pochi bravi difensori, il ’valore’ di questi ultimi (cioè la loro
quota del premio in caso di vittoria) sarà maggiore di quello degli attaccanti.
Osservazione 5.17. La formula della Definizione 5.16 può risultare di difficile computazione (n!
addendi). In tal caso si può usare la formula equivalente
1 X
φi = |S|!(n − |S| − 1)! (v(S ∪ {i}) − v(S)) per ogni i ∈ P .
n!
i∈S
/
Infatti, per ogni σ ∈ P !, M (i, σ) non dipende da σ bensı̀ solo da S(i, σ). D’altra parte, il numero
delle permutazioni che producono una fissata coalizione S è |S|!(n − |S| − 1)!. In questa formula,
gli addendi sono 2n−1 (sottoinsiemi di P \ {i}), il che rende la formula apprezzabile per valori
grandi di n, in quanto
2n−1
lim = 0.
n n!
Esempio 5.18. Sia Γ = (P, v) il gioco con P = {1, 2, 3} e
v(1) = v(2) = v(3) = 0,
v({1, 2}) = v({1, 3}) = 4, v({2, 3}) = 6,
v({1, 2, 3}) = 20.

I contributi marginali possono essere raccolti nella seguente tabella:
σ\i 1 2 3
123 0 4 16
132 0 16 4
213 4 0 16
231 14 0 6
312 4 16 0
321 14 6 0
Dunque si ha Sv(Γ) = (6, 7, 7).
I seguenti risultati mostrano che il valore di Shapley rappresenta una soluzione del gioco:
Teorema 5.19. Si ha Sv(Γ) ∈ i(Γ).
Dimostrazione. Innanzitutto osserviamo che

n n
X X 1 X
φi = M (i, σ)
n!
i=1 i=1 σ∈P !
n
1 XX
= M (i, σ)
n!
σ∈P ! i=1
1 X
= v(P ) − v(∅)
n!
σ∈P !
= v(P ).
Inoltre, per ogni i ∈ P , da (5.1) segue

1 X
φi ≥ v(i) = v(i).
n!
σ∈P !
Dunque, φ è un’imputazione.
Inoltre si hanno altre proprietà, riassunte nel seguente Teorema di Shapley:
Teorema 5.20. (Shapley [39]) Siano Γ = (P, v), Γ0 = (P, v 0 ) giochi con Sv(Γ) = φ, Sv(Γ0 ) = φ0 :
(i) detto Γ + Γ0 = (P, v + v 0 ), allora Sv(Γ + Γ0 ) = φ + φ0 (additività);
(ii) se esistono r > 0, a1 , . . . an ∈ R t.c. v 0 (S) = rv(S) + i∈S ai per ogni S ∈ 2P , allora
P
φ0 = rφ + (a1 , . . . an ) (equivarianza per equivalenza strategica);
(iii) se esiste σ ∈ P ! t.c. v 0 (S) = v(σ(S)) per ogni S ∈ 2P , allora φ0i = φσ(i) (simmetria);
(iv) se i ∈ P è un giocatore fantoccio, allora φi = v(i).
Dimostrazione. Dimostriamo (i): per ogni i ∈ P si ha

1 X
Svi (Γ + Γ0 ) = (v + v 0 )(S(i, σ) ∪ {i}) − (v + v 0 )(S(i, σ))

n!
σ∈P !
= φi + φ0i .
42 A. IANNIZZOTTO
Dimostriamo (ii): per ogni i ∈ P si ha

1 X 0
φ0i = v (S(i, σ) ∪ {i}) − v 0 (S(i, σ))

n!
σ∈P !
1 X X X
= rv(S(i, σ) ∪ {i}) + aj + ai − rv(S(i, σ)) − aj
n!
σ∈P ! j∈S(i,σ) j∈S(i,σ)
1 X
= rM (i, σ) + ai
n!
σ∈P !
= rφi + ai .
Dimostriamo (iii): per ogni i ∈ P si ha
1 X 0
φ0i = v (S(i, ρ) ∪ {i}) − v 0 (S(i, ρ))

n!
ρ∈P !
1 X
= v(σ(S(i, ρ)) ∪ {σ(i)}) − v(σ(S(i, ρ)))
n!
ρ∈P !
= φσ(i) .
Dimostriamo (iv): si ha
1 X
φi = v(S(i, σ) ∪ {i}) − v(S(i, σ))
n!
σ∈P !
1 X
= v(i)
n!
σ∈P !
= v(i).
Questo conclude la dimostrazione.
Osservazione 5.21. Le proprietà (i)-(iv) sono caratteristiche del valore di Shapley (altre definizioni
di soluzione di un gioco possiedono alcune di queste proprietà, ma non tutte).
Introduciamo una nuova classe di giochi:
Definizione 5.22. Un gioco Γ = (P, v) è detto convesso se
v(S ∩ T ) + v(S ∪ T ) ≥ v(S) + v(T ) per ogni S, T ∈ 2P .
L’interpretazione della Definizione 5.22 è la seguente: siano A, B, C ∈ 2P t.c. A ⊆ B, B ∩ C = ∅;
posto S = A ∪ C, T = B, si ha
v(B ∪ C) − v(B) ≥ v(A ∪ C) − v(A),
ovvero il contributo marginale offerto da C a una coalizione è tanto maggiore, quanto più grande
è la coalizione stessa. Nei giochi convessi il valore di Shapley assume un’importanza ancora più
spiccata:
Teorema 5.23. Se Γ = (P, v) è un gioco convesso, allora Sv(Γ) ∈ c(Γ).
Dimostrazione. Fissata σ ∈ P !, sia ψi = M (i, σ). Chiaramente ψ ∈ i(Γ). Dimostriamo che
ψ ∈ c(Γ): per ogni T ∈ 2P , dalla convessità di Γ segue che per ogni i ∈ T

ψi = v {j ∈ P : σ(j) ≤ σ(i)} − v {j ∈ P : σ(j) < σ(i)}

≥ v {j ∈ T : σ(j) ≤ σ(i)} − v {j ∈ T : σ(j) < σ(i)} ,
da cui
X X X
ψi ≥ v {j ∈ T : σ(j) ≤ σ(i)} − v {j ∈ T : σ(j) < σ(i)}
i∈T i∈T i∈T
= v(T ).
Rammentando che c(Γ) è convesso e che
1 X
Sv(Γ) = ψ,
n!
σ∈P !
si ha infine φ ∈ c(Γ).
Di conseguenza, i giochi convessi hanno nucleo non vuoto. Ma, anche se c(Γ) = ∅, il valore di
Shapley fornisce una soluzione di Γ.
5.2. Esempi. Presentiamo qui alcuni esempi di giochi cooperativi, studiati mediante il valore di
Shapley.
Esempio 5.24. Quattro azionisti possiedono rispettivamente il 10%, 20%, 30%, 40% di un’azienda;
in una riunione dell’assemblea degli azionisti, una proposta viene approvata se ottiene i voti dei
titolari di più del 50% dell’azienda. Questa situazione si può rappresentare con un gioco semplice
Γ = (P, v), dove P = {1, 2, 3, 4} e
v(1) = v(2) = v(3) = v(4) = 0,
v({1, 2}) = v({1, 3}) = v({1, 4}) = v({2, 3}) = 0, v({2, 4}) = v({3, 4}) = 1,
v({1, 2, 3}) = v({1, 2, 4}) = v({1, 3, 4}) = v({2, 3, 4}) = 1,
v({1, 2, 3, 4}) = 1.
Poiché Γ è semplice e non ha alcun giocatore di veto, si ha c(Γ) = ∅ (Proposizione 5.15). Per
calcolare Sv(Γ) usiamo l’Osservazione 5.17:
1 X
φi = |S|!(3 − |S|)! v(S ∪ {i}) − v(S) .
4!
i∈S
/
Ricavo φ = (2/24, 6/24, 6/24, 10/24), con il sorprendente esito che la ricompensa di 2 è uguale a
quella di 3, benché quest’ultimo possieda più titoli.
Esempio 5.25. Il Consiglio di Sicurezza dell’ONU è formato da 5 membri permanenti (con diritto
di veto) e da 10 membri transitori (senza diritto di veto); una proposta al Consiglio viene approvata
se ottiene almeno 9 voti favorevoli, tra i quali tutti i voti dei membri permanenti. Nasce un gioco
semplice Γ = (P, v) con P = {1, . . . 15}, V = {1, . . . 5} (giocatori di veto) e funzione caratteristica
definita per ogni S ∈ 2P da

1 se |S| ≥ 9 e V ⊂ S
v(S) = .
0 altrimenti
Questo è uno dei casi in cui l’Osservazione 5.17 risulta utile (15! ∼ 1300 · 109 , 214 = 16384):
1 X
(5.2) φi = |S|!(14 − |S|)! v(S ∪ {i}) − v(S) per ogni i ∈ P .
15!
i∈S
/
Fissato i ∈ P \ V , per ogni S ∈ 2P , i ∈

/ S esaminiamo tre casi speciali:
• se |S| ≤ 7 si ha v(S ∪ {i}) − v(S) = 0;
• se |S| ≥ 9 si ha v(S ∪ {i}) − v(S) = 0;
44 A. IANNIZZOTTO
• se V \ S 6= ∅ si ha v(S ∪ {i}) − v(S) = 0.

Dunque in (5.2) vanno contate solo le coalizioni S ⊆ P \ {i} t.c. |S| = 8, V ⊂ S: il loro numero è
9!/(3!6!), sicché
9!8!6! 4
φi = = .
15!3!6! 2145
Se invece i ∈ V , osserviamo che
• se |S| ≤ 7 si ha v(S ∪ {i}) − v(S) = 0;
• se V \ (S ∪ {i}) 6= ∅ si ha v(S ∪ {i}) − v(S) = 0.
Dunque in (5.2) vanno contate solo le coalizioni S ⊆ P \ {i} t.c. |S| ≥ 8, V \ {i} ⊂ S e si ricava
14
1 X k!(14 − k)!10! 421
φi = = .
15! (k − 4)!(14 − k)! 2145
k=8
Dal confronto tra i due risultati si può dedurre che un membro permanente del Consiglio è molto
più importante di uno transitorio, indipendentemente dalla durata.
Per concludere, presentiamo un esempio di gioco subadditivo (la differenza, rispetto alla Definizione
5.1, è che può aversi v(S ∪ T ) < v(S) + v(T ) per una coppia di coalizioni S, T ∈ 2P , S ∩ T = ∅).
Per tali giochi, i concetti di imputazione e di nucleo come sono stati fin qui definiti non hanno
senso, mentre è ancora possibile calcolare il valore di Shapley.
Esempio 5.26. Nel gioco dell’aeroporto, si considera un aeroporto in cui atterrano aerei diversi,
che richiedono piste di lunghezza diversa; il costo di manutenzione di ciascuna pista va ripartito
tra gli aerei che ne fanno uso, tenendo conto che ognuno di essi usura una parte diversa della pista.
I giocatori (gli aerei) siano P = {1, . . . n}, raggruppati in k classi
P1 = {1, . . . m − 1}, . . . Pk = {mk−1 + 1, . . . mk } (1 ≤ m1 ≤ . . . ≤ mk = n)
in modo che gli aerei della classe Pj abbiano bisogno di una pista di costo (lunghezza) cj (0 < c1 <
. . . < ck ). Detta S ∈ 2P una coalizione (per esempio, una compagnia aerea), definiamo v(S) come
costo della pista più lunga di cui necessita (si noti che in questo caso la funzione caratteristica
misura un costo, anziché una ricompensa):
v(S) = max {cj : S ∩ Pj 6= ∅} .
Cosı̀ è definito un gioco Γ = (P, v) (la funzione caratteristica v non è super-additiva). Il valore di
Shapley è alquanto difficile da calcolare in base alla Definizione 5.16. È più semplice procedere
come segue:
• il costo c1 del primo tratto di pista è diviso tra tutti gli aerei di P ;
• il costo c2 − c1 del secondo tratto è diviso tra gli aerei del sottoinsieme ∪kj=2 Pj ;
• ...
• il costo ck − ck−1 dell’ultimo tratto è diviso tra gli aerei del sottoinsieme Pk .
Si dimostra che la ripartizione di costi cosı̀ ottenuta corrisponde a φ. Per esempio, se P = {1, 2, 3}
con P1 = {1, 2}, P2 = {3} e c1 = 1, c2 = 4, la tabella dei contributi marginali è la seguente:
σ\i 1 2 3
123 1 0 3
132 1 0 3
213 0 1 3
231 0 1 3
312 0 0 4
321 0 0 4
Si ricava Sv(Γ) = (1/3, 1/3, 10/3).
6. Cenni sui giochi dinamici

Non si può discendere due volte nel medesimo fiume.
Eraclito
In questa sezione esponiamo alcuni elementi di teoria dei giochi dinamici, che sono caratterizzati
dalla sequenzialità delle scelte dei vari giocatori (ved. Gibbons [14], Morgenstern & von
Neumann [29]). Questi giochi sono efficacemente rappresentati tramite grafi, pertanto è utile
richiamare alcune nozioni elementari relative a questi oggetti geometrici.
Definizione 6.1. Un grafo (semplice) è una coppia G = (V, E) dove V = {v1 , . . . vn } (n ∈ N) è
un insieme non vuoto e
E ⊆ {e ∈ 2V : |e| = 2}
è un insieme di coppie non ordinate di elementi di V . Gli elementi di V sono detti vertici di G,
quelli di E sono detti lati. Se e = {v, w} è un lato, v e w ne sono gli estremi; se e, f ∈ E, e 6= f ,
e ∩ f 6= ∅, e e f sono consecutivi. Se v, w ∈ V e {v, w} ∈ E, v e w sono adiacenti.
Alcune nozioni relative ai grafi:
Definizione 6.2. Siano G = (V, E) un grafo, v ∈ V : il grado di v è

deg(v) = {e ∈ E : v ∈ e}.
Se deg(v) = 0, v è detto vertice isolato. Una catena di estremi v, w ∈ V è un insieme ordinato
C = (e1 , . . . em ), dove m ∈ N, ei ∈ E, per ogni i ∈ {1, . . . m}, ei , ei+1 sono consecutivi per ogni
i ∈ {1, . . . m − 1}, v estremo di e1 , w estremo di em ; se v = w e i vertici intermedi sono distinti a
due a due, C è un ciclo; G è detto aciclico se non contiene cicli; G è connesso se per ogni v, w ∈ V
esiste una catena C che congiunge v e w. Un sotto-grafo di G è una coppia G 0 = (V 0 , E 0 ) dove
V 0 ⊆ V ed E 0 è l’insieme dei lati di G con gli estremi in V 0 .
Più sofisticata è la nozione di grafo orientato, in cui si adotta un ordine tra gli estremi di un lato:
Definizione 6.3. Un grafo orientato è una coppia G = (V, E) dove V = {v1 , . . . vn } (n ∈ N) è
un insieme non vuoto e E ⊆ V × V . Una catena di estremi v, w ∈ V è un insieme ordinato
C = (e1 , . . . em ), dove m ∈ N, ei ∈ E, per ogni i ∈ {1, . . . m}, ei , ei+1 sono consecutivi per ogni
i ∈ {1, . . . m − 1}, v primo estremo di e1 , w secondo estremo di em . Se G è un grafo orientato, su
V è definita una relazione d’ordine mediante la legge
v w se esiste una catena C di estremi v e w..
46 A. IANNIZZOTTO
La classe più studiata di grafi:

Definizione 6.4. Un albero è un grafo orientato, connesso, aciclico. Se G è un albero, un
sotto-albero è un sotto-grafo G 0 = (V 0 , E 0 ) t.c.
V 0 = {v0 } ∪ {v ∈ V : v0 v},
dove v0 ∈ V .
Richiamando la Definizione 1.1 e la susseguente discussione, definiamo un gioco dinamico (determi-
nistico, non-cooperativo) come l’interazione tra due o più decisori razionali e intelligenti (giocatori),
che effettuano le loro scelte (mosse) in una sequenza temporale prefissata; ogni giocatore, quando
effettua ogni sua mossa, è informato di tutte le mosse precedenti sue e degli altri giocatori e delle
loro conseguenze (informazione completa); ai giocatori è vietato stringere accordi vincolanti. Una
strategia, per un giocatore, è una sequenza di mosse condizionate dalle mosse degli altri giocatori.
Un gioco di questo genere si suole rappresentare in forma estesa (ved. Zermelo [41], Kuhn
& Tucker [23]): denotiamo il gioco con Γ e definiamo l’insieme dei giocatori P = {P1 , . . . Pn }
(n ∈ N) e quello degli stati del gioco S = {s1 , . . . sm } (m ∈ N). Sull’insieme degli stati è definito un
ordine parziale (relazione transitiva e antisimmetrica). Uno stato s ∈ S è detto iniziale se non
esiste t ∈ S t.c. t s (l’insieme degli stati iniziali è denotato Si ) e finale (o esito) se non esiste
t ∈ S t.c. s t (l’insieme degli stati finali è denotato Se ), altrimenti è un turno. Ogni giocatore Pi
(1 ≤ i ≤ n) dispone di una preferenza sull’insieme Se (ved. Definizione 1.2), e per il Teorema 1.5
anche di una funzione di utilità ui : Se → R. Una mossa è una coppia ordinata (s, t) ∈ S × S t.c.
(i) s t;
(ii) non esiste u ∈ S t.c. s u t.
Una storia è una sequenza finita di stati (s1 , . . . sk ) (k ∈ N è detto lunghezza) t.c.
s1 s2 . . . sk .
Una storia è detta conclusa se sk ∈ Se . Elenchiamo di seguito gli assiomi che saranno adottati
nella presente discussione:
• lo stato iniziale s0 è unico;
• per ogni stato finale s ∈ Se esiste un’unica storia che congiunge s0 con s (la lunghezza di
questa storia è detta altezza di s);
• esiste una regola di turno, ovvero una funzione τ : S \ Se → P che associa a ogni stato il
giocatore a cui spetta muovere.
Sotto queste ipotesi, un gioco si può rappresentare mediante un grafo G = (S, E), dove E è l’insieme
delle mosse consentite.
Teorema 6.5. Se Γ è un gioco e G il grafo che lo rappresenta, allora G è un albero.
Esempio 6.6. Nel gioco dei fiammiferi due giocatori P , Q tolgono a turno quanti fiammiferi
vogliono da uno di due gruppi originariamente di 2 fiammiferi ciascuno, posti su un tavolo; vince il
primo che lascia il tavolo vuoto. Sia P il primo a muovere. L’albero che rappresenta questo gioco
ha 6 foglie, cioè vi sono 7 esiti, 3 dei quali favorevoli a P e 4 a Q, come rappresentato nella Fig. 5.
Il concetto di equilibrio di Nash si può applicare anche ai giochi dinamici.
Esempio 6.7. Riprendiamo in esame il gioco dell’Esempio 3.3, introducendo stavolta una regola di
turno: per esempio, sia P il primo a giocare, quindi gioca Q, in condizioni di completa informazione.
Al secondo turno, se P ha scelto c, Q sceglie c, mentre se P ha scelto t, Q sceglie c. Sapendo ciò,
Figura 5. Il gioco dei fiammiferi: le foglie 10, 13, 14 rappresentano conclusioni favorevoli
a P , mentre 8, 15, 16, 17 rappresentano conclusioni favorevoli a Q.
al primo turno P sceglie c e si ritorna all’unico equilibrio (c, c). Lo stesso avviene se Q gioca per
primo.
Esempio 6.8. Il gioco dell’entrata è un modello molto generale che abbraccia il seguente caso:
un produttore P deve decidere se introdursi (i) oppure no (o) in un mercato monopolizzato da
un altro produttore Q; questi può reagire aggressivamente (a), abbassando i prezzi e infliggendo
una perdita a sé oltre che al concorrente, oppure pacificamente (p), dividendo il mercato con P .
Assumiamo che il prezzo unitario del prodotto sia 1, il costo unitario di produzione sia 1/2 e il
prezzo ribassato sia 1/3, inoltre la saturazione del mercato sia raggiunta per 12 unità prodotte.
Rappresentando questo gioco Γ in forma strategica, otteniamo la seguente tabella dei pay-off (in
cui il pay-off di un produttore coincide col suo guadagno, o perdita, globale):
P \Q a p
i (−1, −1) (3, 3)
o (0, −2) (0, 6)
Si ha Ne(Γ) = {(i, p)}.

Consideriamo ora il gioco in senso dinamico: chiaramente la prima mossa spetta a P , che sceglie i,
inducendo Q a scegliere p. D’altra parte, se Q gioca per primo l’esito è lo stesso.
Il modo più semplice per ’risolvere’ un gioco dinamico è quello basato sul metodo di induzione a
ritroso (o algoritmo di Zermelo-Kuhn): si tratta di un procedimento finalizzato a eliminare, in un
numero finito di passi, tutte le mosse irrazionali di tutti i giocatori; quello che resta è l’unione
delle storie razionali, che conduce alle soluzioni del gioco.
Sia Γ un gioco:
• scegliamo uno stato finale s di altezza massima;
48 A. IANNIZZOTTO
• determiniamo lo stato immediatamente precedente t ∈ S e l’insieme T degli stati immediata-

mente successivi a t (tra cui s);
• detto Pi (1 ≤ i ≤ n) il giocatore che muove in t, determiniamo s0 ∈ T t.c.
ui (s0 ) = max ui ;
T
• definiamo un nuovo gioco Γ0eliminando tutti gli stati di T e attribuendo a t un’utilità per
Pi uguale a ui (s0 );
• ripetiamo il procedimento partendo da t (che è uno stato finale di Γ0 );
• ...
• raggiungiamo lo stato iniziale s0 .
Attraverso questo procedimento si determina una storia soddisfacente la seguente definizione:
Definizione 6.9. Un equilibrio perfetto nei sottogiochi per il gioco Γ è una storia completa
C = (s0 , s1 , . . . sp ) (p ∈ N) t.c. per ogni 0 ≤ j ≤ p − 1 la mossa migliore per il giocatore che gioca
in sj è (sj , sj+1 ). L’insieme degli equilibri perfetti nei sottogiochi di Γ è indicato con spe(Γ).
Il procedimento di induzione a ritroso fornisce una dimostrazione costruttiva del seguente risultato:
Teorema 6.10. (Selten [38]) Se Γ è un gioco dinamico a informazione completa con un insieme
finito di stati, allora spe(Γ) 6= ∅.
In generale tale soluzione non è unica, poiché in qualche stato possono darsi due o più mosse
ottimali equivalenti per un giocatore. Nel gioco dell’Esempio 6.6, vi sono 3 equilibri perfetti nei
sottogiochi, tutti favorevoli a Q. Nel gioco dell’Esempio 6.8, si ha spe(Γ) = {(i, p)}.
Esempio 6.11. Sia Γ un gioco con 2 giocatori P , Q e due mosse, rappresentato dalla seguente
tabella dei pay-off:
P \Q y1 y2
x1 (2, 1) (0, 0)
x2 (1, 1) (1, 2)
Si ha Ne(Γ) = {(x1 , y1 ), (x2 , y2 )}. Supponendo che P giochi per primo, si può procedere per
induzione a ritroso e ricavare spe(Γ) = {(x1 , y1 )}. L’altro equilibrio (x2 , y2 ) si può interpretare
come effetto di una ’minaccia di ritorsione’ da parte di Q: esso comporta una scelta, da parte di
P , non ottimale (ma solo perché la minaccia gli preclude l’esito migliore). Dal punto di vista della
razionalità individuale, questa minaccia non è credibile, in quanto implica la disponibilità da parte
di Q a danneggiare se stesso (nella realtà la faccenda è diversa, come provano i terroristi suicidi).
Se invece gioca per primo Q, l’induzione a ritroso fornisce la soluzione spe(Γ) = {(x2 , y2 )}.
Si noti che un equilibrio perfetto nei sottogiochi non sempre è un equilibrio di Nash per la versione
’statica’ del gioco:
Esempio 6.12. Sia Γ un gioco con 2 giocatori P , Q e due mosse, rappresentato dalla seguente
tabella dei pay-off:
P \Q y1 y2
x1 (2, 1) (0, 0)
x2 (3, 0) (1, 1)
Si vede facilmente che Ne(Γ) = {(x2 , y2 )}. Se inseriamo una regola di turno per cui P gioca per
primo, otteniamo spe(Γ) = {(x1 , y1 )}.
Il modello dei giochi dinamici si può generalizzare indebolendo l’ipotesi di informazione completa.
Può verificarsi che alcuni stati del gioco s1 , . . . sk (k ∈ N), nei quali è di turno sempre lo stesso
giocatore Pi (1 ≤ i ≤ n), siano per tale giocatore indistinguibili: si parla allora di informazione
incompleta e l’insieme {s1 , . . . sk } è detto insieme informativo. Coerentemente, le mosse a di-
sposizione di Pi in ognuno degli stati che formano lo stato informativo sono le stesse (esse però
conducono a esiti diversi a causa di quelle informazioni che Pi ignora).
L’impasse si risolve introducendo una distribuzione di probabilità sull’insieme informativo (ved.
Definizione 3.4): se la probabilità di sj secondo Pi è xj , con 0 ≤ xj ≤ 1 per ogni j ∈ {1, . . . k} e
k
X
xj = 1,
j=1
e se uj (definita sull’insieme degli stati finali raggiungibili da sj ) è l’utilità per Pi subordinata allo
stato sj , allora Pi fa la sua scelta in modo da massimizzare l’utilità mista
k
X
u= xj uj .
j=1
Esempio 6.13. Consideriamo un gioco con due giocatori P , Q: P gioca per primo scegliendo tra
due mosse {a, b}; se sceglie a raggiunge uno stato finale con utilità (1, 3); se sceglie b, P deve fare
un’altra mossa da scegliere in {c, d}, ma all’oscuro di Q; quindi gioca Q, che può scegliere in {e, f }
con la seguente tabella dei pay-off:
P \Q e f
c (3, 2) (0, 0)
d (2, 2) (−1, 1)
Sia 0 ≤ x ≤ 1 la probabilità, secondo Q, che P abbia scelto c al secondo stadio (dunque 1 − x è la
probabilità che abbia scelto d). Allora Q deve massimizzare l’utilità v data da
v(e) = 2x + 2(1 − x) = 2,
v(f ) = 0x + 1(1 − x) = 1 − x.
Qualunque sia x, Q sceglie e. Dunque P , alla sua seconda mossa, può attribuire le utilità u(c) = 3,
u(d) = 2 e sceglie c. Risalendo allo stato iniziale del gioco, P sceglie b e i pay-off finali sono (3, 2).
Quando si introducono le probabilità, però, bisogna tenere conto delle valutazioni di tutti i giocatori:
infatti, in base alla propria intelligenza e alla razionalità degli altri, ogni giocatore modifica le
sue valutazioni in base alle mosse che ha osservato. Per studiare questo tipo di giochi si adopera
l’approccio bayesiano, che è basato sulle probabilità condizionate e sul metodo di induzione a ritroso.
Tale approccio non sarà qui trattato, ma il seguente Esempio 6.20 ne fornisce un assaggio.
6.1. Esempi. Presentiamo infine alcuni esempi di giochi dinamici, sia in regime di informazione
completa che di informazione incompleta.
Esempio 6.14. Nel gioco dell’ultimatum, su un tavolo ci sono 100 monete; il giocatore P fa una
proposta di spartizione al giocatore Q (in cui ognuno riceva almeno una moneta, cioè da 1 a 99);
se questi accetta (a), si procede secondo la proposta; se rifiuta (r), nessuno prende monete. Si
ha spe(Γ) = {(99, 1)}, il che dimostra come il concetto di equilibrio sia spesso in contrasto con
l’esperienza.
50 A. IANNIZZOTTO
Esempio 6.15. Nel gioco dei pirati, 5 pirati devono dividere un bottino di 1000 dobloni secondo il
seguente procedimento: il pirata P1 fa la sua proposta e la mette ai voti, se ottiene la maggioranza
(stretta) il bottino viene diviso secondo la sua proposta, altrimenti P1 viene ucciso; P2 fa la sua
proposta... Questo enigma si risolve per induzione a ritroso:
• P5 , rimasto solo, prende i 1000 dobloni per sé;
• P4 non può garantirsi il voto di P5 e muore;
• P3 offre 1 doblone a P4 e ne conserva 999;
• P2 offre 2 dobloni a P4 e 1 a P5 e ne conserva 997;
• P1 offre 2 dobloni a P5 e 1 a P3 e ne conserva 997.
Inaspettatamente, P1 può risolvere il problema in modo molto vantaggioso.
Esempio 6.16. Il duopolio di Stackelberg è quasi identico a quello dell’Esempio 3.18, la sola
differenza essendo che P ha una posizione dominante, cioè ’gioca per primo’. Dunque P sceglie la
sua strategia x sapendo che Q risponderà con la strategia condizionata
a−c−x
y(x) = .
2
Dunque P opera in modo tale da massimizzare il proprio pay-off f : [0, a] → R, definito da
(a − c)x − x2
f (x) = f (x, y(x)) = .
2
L’equilibrio raggiunto è
a−c a−c
x= , y= .
2 4
Osserviamo che la posizione dominante di P distorce il mercato, consentendogli un maggior profitto
a danno di Q, ma a vantaggio dei consumatori (il prezzo è più basso).
Esempio 6.17. La corsa agli sportelli è un modello usato per interpretare le crisi di fiducia che
talvolta colpiscono il mercato finanziario. Siano 0 < s < d < r numeri reali. Due investitori P , Q
hanno depositato in banca ciascuno una somma d, che la banca ha investito in parte; al tempo I,
la banca dispone di una somma 2s, mentre al tempo II, giunto a maturazione l’investimento, essa
dispone di una somma 2r. Gli investitori possono scegliere se prelevare (p) o lasciare (l) al tempo
I, con i seguenti pay-off:
P \Q p l
p (s, s) (d, 2s − d)
l (2s − d, d) (rinvio)
oppure al tempo II, con i seguenti pay-off:
P \Q p l
p (r, r) (2r − d, d)
l (d, 2r − d) (r, r)
Il gioco al tempo II ha un solo equilibrio di Nash (p, p), quindi al tempo I attribuiamo (r, r) come
pay-off della coppia di strategie (l, l) che pertanto diventa anch’essa equilibrio di Nash. Procedendo
per induzione a ritroso, si ha lo stesso risultato: l’unico equilibrio perfetto nei sottogiochi è la
storia in cui P e Q lasciano al tempo I e prelevano al tempo II.
Esempio 6.18. Nel gioco del ’prendere o lasciare’ (detto anche gioco del millepiedi per la caratte-
ristica forma del grafo associato), due giocatori P , Q scelgono a turno se prendere (p) o lasciare (l)
un premio che inizialmente vale 1 e poi cresce di 1 a ogni turno fino a un valore k (k ∈ N pari);
se dopo k turni il premio è ancora intatto, viene diviso in parti eguali. Comincia P . L’induzione
a ritroso fornisce un unico equilibrio perfetto nei sottogiochi, corrispondente alla scelta da parte
di P di prendere al primo turno. Tuttavia questo equilibrio è lungi dall’essere ottimale. Questo
esempio mostra come il metodo dell’induzione a ritroso possa anche condurre a dei paradossi.
Esempio 6.19. Riprendiamo in esame il gioco dell’Esempio 3.3, supponendo che P giochi per
primo e Q giochi ignaro della scelta di P . Sia 0 ≤ x ≤ 1 la probabilità che P abbia taciuto secondo
Q, allora Q confronta le utilità
v(t) = −1x − 10(1 − x) = 9x − 10,
v(c) = 0x − 5(1 − x) = 5x − 5
e sceglie sempre c in quanto v(c) > v(t) per ogni x ∈ [0, 1]. P , al momento di scegliere, lo sa:
quindi deduce le proprie utilità che sono u(t) = −10, u(c) = −5 e sceglie c. Si noti che la soluzione
è identica a quella dell’Esempio 3.3: infatti, l’incertezza rende irrilevante l’ordine delle mosse.
Esempio 6.20. Esaminiamo un semplice gioco di carte con due giocatori P , Q. All’inizio entrambi
puntano 1; poi P pesca una carta da un mazzo ordinario e la guarda; P sceglie tra due opzioni, f
(fold) e r (raise): se sceglie f , mostra la carta e prende il banco se la carta è rossa, mentre se è
nera lo prende Q; se sceglie r, aggiunge 1 e lascia la carta coperta; ora gioca Q, che ha pure due
scelte, m (meet) e p (pass): se sceglie p rinuncia e P prende il banco, se sceglie m punta 1 e scopre
la carta, e anche in questo caso il banco va a P se la carta è rossa e a Q se è nera. Gli stati che
seguono alla scelta r da parte di P formano un insieme informativo per Q, che deve scegliere in
condizioni di incertezza.
Secondo Q, la probabilità che la carta coperta sia rossa è x ∈ [0, 1] (quindi la probabilità che sia
nera è 1 − x). Allora le utilità ponderate di Q sono date dalla funzione v : {m, p} → R definita da
v(m) = −2x + 2(1 − x) = 2 − 4x,
v(p) = −x − (1 − x) = −1.
A questo punto è chiaro che Q sceglie m se 0 ≤ x < 3/4, è indifferente se x = 3/4 e sceglie p se
3/4 < x ≤ 1. In particolare, se x = 1/2, la scelta di Q è sempre m. In questo caso si può procedere
per induzione a ritroso: le utilità di P al momento della sua mossa sono
u(r) = 2, u(f ) = 1 se la carta è rossa,
u(r) = −2, u(f ) = 1 se la carta è nera.
Dunque, P sceglie r se la carta è rossa e f se è nera. Si potrebbe osservare che, a questo punto,
Q, che gioca dopo P , può dedurre il colore della carta dalla mossa di P : se P sceglie r la carta è
rossa e a Q conviene scegliere p; se P sceglie f la carta è nera e a Q conviene scegliere m.
But the game never ends

When your whole life depends
On the turn of a friendly card.
A. Parsons & E. Woolfson
52 A. IANNIZZOTTO
Riferimenti bibliografici
[1] J.P. Aubin, Mathematical methods of game and economic theory, North-Holland (1979). 3, 19
[2] J.P. Aubin, H. Frankowska, Set-valued analysis, Birkhäuser (2008). 7
[3] É. Borel, La théorie du jeu et le équations intégrales à noyau symétrique, C.R. Hebdomadaires des Séances de
l’Academie des Sciences 173 (1921) 1304-1308. 3, 4
[4] R. Brânzei, J. Morgan, V. Scalzo, S. Tijs, Approximate fixed point theorems in Banach spaces with
applications in game theory, J. Math. Anal. Appl. 285 (2003) 619-628. 17, 26
[5] F. Browder, On a new generalization of the Schauder fixed point theorem, Math. Ann. 174 (1967) 285-290. 17
[6] E. Burger, Introduzione alla teoria dei giochi, Franco Angeli (1967). 3
[7] A. Cellina, Approximation of set valued functions and fixed point theorems, Ann. Mat. Pura Appl. 82 (1969)
17–24. 15
[8] K.C. Chang, Variational methods for nondifferentiable functionals and their applications to partial differential
equations, J. Math. Anal. Appl. 80 (1981) 102-129. 7
[9] V. Checcucci, A. Tognoli, E. Vesentini, Lezioni di topologia generale, Feltrinelli (1982). 7, 9, 12, 18
[10] F. Colombo, Introduzione alla teoria dei giochi, Carocci (2008). 3, 19, 34
[11] M. Fabian, P. Hamala, P. Hájek, V. Montesinos, V. Zizler, Banach space theory, Springer (2011). 15, 17
[12] K. Fan, Applications of a theorem concerning sets with convex sections, Math. Ann. 163 (1966) 189-203. 31
[13] A.F. Filippov, A differential equation with discontinuous right hand side, Math. Sbornik 54 (1960) 99–128. 7
[14] R. Gibbons, Teoria dei giochi, Il Mulino (1992). 3, 19, 45
[15] I.L. Glicksberg, A further generalization of the Kakutani fixed point theorem, with applications to Nash
equilibrium points, Proc. Amer. Math. Soc. 3 (1952) 170-174. 17
[16] G. Israel, A. Millán Gasca, Il mondo come gioco matematico, Bollati Boringhieri (2008). 3
[17] A. Granas, J. Dugundji, Fixed point theory, Springer (2003). 14, 15, 16, 17, 18
[18] S. Kakutani, A generalization of Brouwer’s fixed point theorem, Duke Math. J. 8 (1941) 457-459. 16, 32
[19] B. Knaster, C. Kuratowski, S. Mazurkiewicz, Ein Beweis des Fixpunktsatzes für n-dimensionale Simplexe,
Fund. Math. 14 (1926). 18
[20] H. König, A general minimax theorem based on connectedness, Arch. Math. (Basel) 59 (1992) 55-64. 16, 32
[21] E. Krein, A.C. Thompson, Theory of correspondences, Wiley (1984). 7
[22] D.M. Kreps, Notes on the theory of choice, Westview Press (1988). 4
[23] H.W. Kuhn, A.W. Tucker (Eds.), Contributions to the theory of games, Princeton University Press (1953).
3, 46, 52
[24] J.C.C. McKinsey, Introduction to the theory of games, Rand (1952). 3
[25] E. Michael, Continuous selections I, Ann. of Math. 63 (1956) 361–382. 11, 13
[26] E. Michael, Continuous selections II, Ann. of Math. 64 (1956) 562–580. 11
[27] E. Michael, Continuous selections III, Ann. of Math. 65 (1956) 375–390. 11
[28] O. Morgenstern, Teoria dei giochi, Bollati Boringhieri (1969). 3, 34
[29] O. Morgenstern, J. von Neumann, Theory of games and economic behavior, Princeton (1953). 3, 45
[30] G. Moţ, A. Petruşel, G. Petruşel, Topics in nonlinear analysis and applications to mathematical economics,
Casa Cărţii de Ştiinţă (2007). 3
[31] S.B. Nadler, Multi-valued contraction mappings, Pacific J. Math. 30 (1969) 475–488. 14
[32] J. Nash, Non-cooperative games, Ann. Math. 54 (1951) 286–295. 6, 21
[33] B. Ricceri, Some topological mini-max theorems via an alternative principle for multifunctions, Arch. Math.
(Basel) 60 (1993) 367–377. 3, 33
[34] B. Ricceri, S. Simons (eds.), Minimax theory and applications, Kluwer (1998). 28
[35] J.D. Rossi, Tug-of-war games and PDEs, Proc. Roy. Soc. Edinburgh Sect. A 141 (2011) 319–369. 3, 33
[36] W. Rudin, Functional analysis, McGraw-Hill (1991). 14
[37] R. Scozzafava, Incertezza e probabilità, Zanichelli (2001). 20
[38] R. Selten, Game theory and economic behaviour, Edward Elgar (1999). 48
[39] L.S. Shapley, A value for n-person games, in [23]. 41
[40] J. von Neumann, Zur Theorie der Gesellschaftsspiele, Math. Ann. 100 (1928) 295-320. 3, 30
[41] E. Zermelo, Uber die Anwendung der Mengenlehre auf die Theorie des Schachspiels, Proceedings of the Fifth
International Congress of Mathematicians (1913) 501-504. 3, 46
View publication stats

Teoriadei Giochi

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Teoriadei Giochi

Caricato da

Copyright:

Formati disponibili

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Introduzione alla Teoria dei Giochi

Research · July 2015

boundary value problems for singular elliptic equations View project

The user has requested enhancement of the downloaded file.

Versione del 16 maggio 2015

Dipartimento di Matematica e Informatica

1. Introduzione: giochi, soluzioni ed equilibri

Osservazione 1.3. Una preferenza non è un ordinamento: manca la proprietà antisimmetrica!

Definizione 1.4. Un’utilità è una funzione u : E → R con le seguenti proprietà:

dove fi = ui ◦ h : Πni=1 Xi → R è detta pay-off del giocatore Pi . Nel caso n = 2, usualmente

E = {vince P , vince Q, pareggio}.

Esempio 1.9. Consideriamo il seguente gioco:

Esempio 1.10. Consideriamo il seguente gioco:

Esempio 1.11. Consideriamo il seguente gioco:

(i) F è semi-continua inferiormente (s.c.i.) in x se per ogni A ∈ τY t.c. F (x) ∩ A 6= ∅ esiste

(ii) a è s.c.i. e b è s.c.s.

è s.c.s. ma non s.c.i.

è s.c.i. ma non s.c.s.

Estensione del Teorema di Darboux:

e il secondo insieme è aperto. Dalla Definizione 2.17 segue che F × G è s.c.i.

Figura 1. La curva evidenziata è il grafico di una selezione continua della multifunzione.

(ii) per ogni x ∈ X esistono U ∈ U(x), Jx ⊆ I finito t.c. U ∩ Bi = ∅ per ogni i ∈ I \ Jx .

In particolare, se (X, τ ) è uno spazio paracompatto e (Ai )i∈I è un ricoprimento aperto di X,

È definita una funzione fε : X → Y . Proviamo che fε è continua: per ogni x ∈ X esistono

da cui d(fε (x), F (x)) < ε.

Una conseguenza importante è il seguente teorema di estensione-selezione:

Dimostrazione. Sia F̃ : X → 2Y definita ponendo per ogni x ∈ X

Poniamo per ogni x ∈ X

La funzione gr : X → Y è ovviamente continua. Fissiamo x ∈ X. Per (2.4), (2.5) esistono

Un’altra strategia comporta l’uso di punti fissi approssimati:

Vale in merito il seguente risultato:

Definizione 2.41. Siano X uno spazio vettoriale, S ⊂ X non vuoto, F : S → 2S : F soddisfa

3. Giochi non cooperativi ed equilibri di Nash

Le strategie miste si possono rappresentare geometricamente: sia ϕ : X → Rn definita da ϕ(xi ) = ei

Chiaramente si ha ϕ̃(Π(X)) = conv(ϕ(X)), ovvero ϕ̃(Π(X)) è il simplesso (n − 1)-dimensionale

Gli equilibri si ottengono mediante (3.1), come rappresentato nella Fig. 2:

Figura 2. Il metodo dell’intersezione.

f (x, y) = 6xy − 4x + 4y + 4, g(x, y) = 6xy + 4x − 4y + 4,

trovando si trova un terzo equilibrio (2/3, 2/3).

Studiamo Γ direttamente in strategie miste: poniamo X = Y = [0, 1] e ricaviamo

f (x, y) = 2x − xy, g(x, y) = 2y − xy per ogni (x, y) ∈ [0, 1]2 .

rispettivamente, 10 per la vittoria, 5 per il pareggio, 1 per la sconfitta e 0 per la morte:

f (x, y) = x + 10y − 6xy, g(x, y) = 10x + y − 6xy,

Gli equilibri dipendono dai valori dei parametri:

Esempio 3.17. Riprendiamo il gioco considerato nell’Esempio 3.16, ambientandolo in un Paese

(ii) Rρ : X × Y → 2X×Y ha valori non vuoti e convessi per ogni ρ > 0;

Esempio 3.22. Siano (X, k · k) uno spazio normato, v ∈ X \ {0} e f, g : X × X → R definite da

4. Giochi a somma nulla e teoria del minimax

Similmente, se Q gioca per primo, la sua scelta ricade su yj t.c.

Esempio 4.2. Consideriamo il seguente gioco:

Figura 3. (0, 0) è un punto di sella per la funzione f (x, y) = y 2 − x2 .

L’insieme dei punti di sella di f si denota sp(f ).

L’implicazione non si inverte:

In conclusione, applicando (4.3),

Dimostrazione. Procediamo per assurdo, supponendo che esista c ∈ R t.c.

Esempio 4.13. Siano (Z, k · k) uno spazio di Hilbert t.c. dim(Z) = ∞ e

Dimostrazione. Procediamo per assurdo, supponendo che esista c ∈ R t.c.

Si dimostra facilmente che l’equivalenza strategica è effettivamente una relazione di equivalenza

Definizione 5.3. Un gioco Γ = (P, v) è detto

(ii) normale se v(P ) = 1 e v(i) = 0 per ogni i ∈ P ;

Il gioco Γ0 = (P, v 0 ) è normale. Inoltre, posto

ovvero Γ ∼ Γ0 . L’unicità è provata facilmente.