2 Dasar-Dasar Matematika Optimasi
2 Dasar-Dasar Matematika Optimasi
Pada bagian ini akan dibahas dasar dasar matematika untuk persoalan optimasi.
Materi yang dibahas meliputi gradien, matrik hessian, matrik definit positip, matrik definit
negatif, syarat perlu keoptimalan, syarat cukup keoptimalan, fungsi konveks dan fungsi
konkaf. Dasar dasar matematika ini sangat diperlukan untuk menyelesaikan
permasalahan optimasi dengan pendekatan analitis.
2.1. Gradien
Didefinisikan f (x ) adalah fungsi bernilai skalar yang didefinisikan pada ruang vektor
x1
x
2
x x3
.
x n
df
vektor dim(nx1).
Jika f ( x ) :adalah gradien dari fungsi f (x) , maka
f
x
1
f
df
x
f ( x ) 2
.
dx
.
f
x
n
df
f ( x) 3x1 2 x2 4 x1 x2 6 x1 8 x2 6
maka,
f
x 6 x1 4 x 2 6
f ( x) 1
f 4 x1 4 x 2 8
x 2
Latihan 2.1
2
f f3 ,
.
f m
x1
x
2
x x3
.
xn
df m
df 2
df 1
.......
dx
dx1
dx1
1
df
df
df
m
1
2
df
.......
dx
dx2
dx 2
2
dx
....... ........ ....... ........
df
df m
df 2
1
.......
dx n
dx n dx n
Contoh 2.2
Diketahui :
x12 x 22 2 x1 x 2
f ( x) 2 x1 3x 22 6 x 2 ,
4 x1 6 x 2 4
x1
,
x2
maka
df
dx
2 x1 2 x 2
2 x 2 2 x1
2
4
6 x 2 6 6
Didefinisikan H (x) adalah matriks hessian dari f (x ) , dimana f (x ) adalah fungsi skalar
yang didefinisikan dalam ruang vektor
f (x ) terhadap x .
2 f
xi x j
H ( x)
2 f
x12x1
f
H ( x) x x
2 1
.......
2
f
x n x1
2 f
2
x
2 f
x1x 2
2 f
x 2 x 2
........
2 f
x n x 2
.......
.......
.......
.......
2 f
x1x n
2 f
x 2 x n
........
2 f
x n x n
Operator Integral dan differensial mempunyai sifat linier, karena linier maka juga
mempunyai sifat komutatif.
Matriks Hessian merupakan Matriks Simetri (upper diagonal = lower diagonal)
Untuk mengetahui minimum atau maksimum suatu fungsi f (x ) , maka
2 f
x
Contoh 2.3
2
f ( x) 3x1 2 x2 4 x1 x2 6 x1 8 x2 6
maka,
2 f
H ( x) 0
2
x
fungsi
2 f
x x
H ( x) 12 1
f
x x
2 1
2 f
6 4
x1x 2
4 4
2 f
x 2 x 2
Latihan 2.2
2
x T Ax 0
x R n
x T Ax
x R n
x T Ax 0
x R n
x T Ax 0
x R n
Karena pembuktian xTAx yang harus berlaku untuk semua x bilangan riel sangat sulit,
maka para ahli matematik telah membuktikan cara/pendekatan yang kedua.
Didefinisikan suatu matrik persegi A
a11
a
A 21
......
a n1
a12
......
a 22
......
an2
......
......
......
a1n
a 2 n
......
a nn
A1 a11
a
A2 11
a 21
a12
a 22
a11
A3 a 21
a31
a12
a 22
a32
a11
a13
a
a 23 ........... An 21
....
a33
a n1
a12
a 22
....
.... a1n
.... a 2 n
.... ....
an 2
.... a nn
det Ai > 0
i 1,2,......, n
1 i det Ai < 0
i 1,2,......, n
det Ai 0
i 1,2,......, n
1 i det Ai 0
i 1,2,......, n
A Definit Negatif
x T Ax
-A Definit Positip
- x T Ax 0
x T A x 0
-A Definit Positip
Cara ini adalah untuk membuktikan A Definit Negatif dengan menggunakan pembuktian
bahwa (-A) Definit Positip.
Suatu matrik persegi A disebut Matrik tidak definit ( indefinite )
Suatu matrik H
4 4
maka dapat dihitung determinan minor - minornya
det H 1 6 6 > 0
det H 2
24 16 8
>0
Latihan 2.3
2
x * yang memenuhi persamaan di atas merupakan calon penyelesaian atau disebut juga
titik optimal.
Contoh 2.5
Suatu fungsi :
2
f ( x) 3x1 2 x2 4 x1 x2 6 x1 8 x2 6
Maka gradiennya adalah
6 x 4 x 2 6
f x 1
4 x1 4 x 2 8
6 x1 4 x 2 6 0.
4 x1 4 x 2 8 0
2 x1 2 0
x1 1
1
*
Jadi x
3
x2 3
Latihan 2.4
Dapatkan titik optimal x * dari fungsi :
f ( x) 2 x13 3x 22 12 x1 x 2
Syarat cukup keoptimalan digunakan untuk menentukan apakah titik optimal yang
didapatkan dari syarat perlu keoptimalan merupakan titik minimum atau titik maksimum.
Syarat cukup keoptimalan mengatakan bahwa :
Bila f x * 0 dan H x * definit positip maka x * titik minimum
Bila f x * 0 dan H x * definit negatif maka x * titik maksimum
Contoh 2.6
Suatu fungsi :
2
f ( x) 3x1 2 x2 4 x1 x2 6 x1 8 x2 6 :
1
*
Pada contoh 2.5 telah didapatkan calon penyelesaian atau titik optimal x
3
dan
pada contoh 2.2 dan contoh 2.4 didapatkan matrik Hessiannya adalah :
6
H (x* )
4
4
4
Jadi,
1
*
x*
adalah titik minimum dengan f x 3 8 12 6 24 6 3
3
Latihan 2.5
Tentukan titik minimum atau titik maksimum dari fungsi :
f ( x) 2 x13 3x 22 12 x1 x 2
Rn
dan
Secara matematis vektor sama dengan titik dengan syarat titik referensinya sama. Titik
adalah isitilah pada geometri sedangkan vektor adalah istilah pada space. Perbedaannya,
titik selalu dinyatakan pada koordinat tetap sedangkan vektor dinyatakan dalam koordinat
tertentu yang bisa berubah-ubah (tidak tetap).
x1
2
x
0
0
dengan
x x 1 x
1
dan
x
=1
=0.5
=0
x1
x2
f x fungsi konveks
x2
f x f x1 1 f x 2
f(x) konveks
f(x1)
+(1-)f(x2)
f(x1)
x1
f x fungsi konkav
f(x2)
f(x())
x2
x()
- f x adalah konveks
f x f x 1 f x
1
f(x) konveks
g(x)=-f(x) konkav
f x f x 1 f x
1
f(x) linier
x1
x()
x2
f x fungsi konveks
x1
x1
x2
x2
S
S
konveks
Contoh 2.7
Suatu fungsi :
2
f ( x) 3 x1 2 x 2 4 x1 x 2 6 x1 8 x 2 6
Telah dikatahui bahwa
6
H ( x)
4
4
4
definit positif
f ( x) x1 x 2 x1 x2 2 x1 4 x2 1
Tentukan apakah fungsi f(x) konveks atau tidak
bukan konveks
________________________________________________________________________
Ringkasan
1. Gradien f ( x) merupakan turunan pertama f (x) terhadap x
f
x
1
f
df
x
f ( x ) 2
.
dx
.
f
x
n
2. Matrik Hessian H(x) merupakan turunan kedua f (x) terhadap x
2 f
x12x1
f
H ( x) x x
2 1
.......
2
f
x n x1
2 f
x1x 2
2 f
x 2 x 2
........
2 f
x n x 2
.......
.......
.......
.......
2 f
x1x n
2 f
x 2 x n
........
2 f
x n x n
det Ai > 0
1 i det Ai < 0
i 1,2,......, n
i 1,2,......, n
det Ai 0
i 1,2,......, n
1 i det Ai 0
i 1,2,......, n