memiliki first dan second order partial derivative maka bordered Hessian Matrix dari fungsi f dapat ditulis sebagai berikut :
0 f1 H f2 f3
f1 f11 f 21 f 31
f2 f12 f 22 f 32
f3 f13 f 23 f 33
Matrix dengan penambahan [0 f1 f2 f3] (jika hanya terdiri dari 3 variable bebas) sebagai baris pertama dan kolom pertama Baris dan kolom pertama yang melingkungi Hessian Matrix untuk fungsi bersyarat adalah syarat dari fungsi tersebut yang harus di penuhi
Matrix dapat mengklasifikasikan apakah suatu fungsi adalah positive/negative definite Misalkan suatu fungsi terdir dari 3 variable bebas maka Bordered Hessian Matrix dan minornya adalah :
H2
0 f1 f2
f1 f11 f 21
H3
0 f1 H f2 f3
Dalam kasus ini, fungsi f adalah quasiconvex untuk bilangan ril positive berdimensi n 2. Fungsi adalah negative definite jika
H 2 0, H 3 0,...., H n H 0 untuk n genap atau H n H 0 untuk n ganjil
Dalam kasus ini, fungsi f adalah quasiconcave untuk bilangan rill positive berdimensi n
definite tergantung pada banyaknya variable bebas. Jika hanya ada 2 variable bebas maka Contoh: H 2 H Tunjukan apakah fungsi y = x1x22 adalah fungsi quasiconcave atau quasiconvex pada bilangan positive berdimensi dua
Optimalisasi Bersyarat
Optimalisasi bersyarat adalah mencari nilai
maksimum atau minimum suatu fungsi yang terkekang oleh fungsi lain yang harus dipenuhi Kasus optimalisasi bersyarat banyak ditemukan dalam ekonomi Misalnya konsumen hendak memaksimumkan utility tetapi terikat pada fungsi pendapatan atau suatu perusahaan hendak meminimumkan cost tetapi terikat pada fungsi produksinya
Lagrange Method
Lagrange Method adalah suatu metoda penyelesaian
masalah optimalisasi bersyarat Metoda ini membentuk fungsi baru yang disebut Lagrange function Lagrange Function merupakan penjumlahan dari fungsi yang hendak dioptimumkan dengan hasil kali antara pengganda Lagrange () dan fungsi kendala
sebagai berikut : Max y = f(x1,x2) s.t g= g(x1,x2) maka fungsi lagrange-nya adalah:
L( x1 , x2 , ) f ( x1 , x2 ) ( g g ( x1 , x2 ))
= Multiplier (pengganda) lagrange yang merupakan suatu variable tak tertentu dan hanya bersifat membantu
bahwa fungsi adalah negative definite (quasiconcave) maka titik kritis adalah nilai maksimum (memenuhi kondisi maksimum) Jika minor Bordered Hessian Matrix menunjukan bahwa fungsi adalah positive definite (quasiconvex) maka titik kritisnya adalah nilai minimum (memenuhi kondisi minimum)
Contoh:
1.
Tentukan apakah fungsi berikut ini adalah memenuhi nilai maksimum atau minimum
2 2 y x12 2 x2 x3 x1 x2 x3 jika x1 x2 x3 35
2.
max y x
0.25 0.75 1 2
3. Berapakah jumlah output yang diproduksi oleh suatu perusahaan apabila biaya minimum perusahaan ditunjukan oleh fungsi sebagai berikut :
TC 3q 5q1q2 6q
2 1
2 2
dan perusahaan ingin memproduksi output sebesar 5q1+7q2=800. Tunjukan apakah biaya produksi perusahaan tersebut adalah minimum.