METODE LAGRANGE

Metode ini adalah cara menentukan titik maksimum dan minimum suatu fungsi yang
diiringi dengan persyaratan atau kendala yang harus dipenuhi. Metode ini banyak digunakan
dalam berbagai masalah terapan di dunia nyata, terutama di bidang ekonomi. Sebagai contoh,
seorang pengusaha ingin memaksimumkan keuntungan, tapi dibatasi oleh banyaknya bahan
mentah yang tersedia, banyaknya tenaga kerja dan sebagainya.
Metode ini akan membantu kita untuk memperoleh nilai-nilai maksimim relatif atau
minimum relative dari fungsi f(x,y) yang dipengaruhi oleh fungsi persyaratan g((x,y) = 0, terdiri
atas pembentukan fungsi penolong.
F(x,y, ) = f(x,y) +

Parameter

g(x,y)

yang tidak tergantung pada x, dan y disebut pengali lagrange.

TEOREMA
Misalkan

X S En

dan f(x) adalah fungsi diferensiabel yang mempunyai nilai real. Misalkan

gk ( X )=0 , k=1,2, , m
Dimana setiap

(1)

gk ( X ) adalah fungsi diferensiabel yang mempunyai nilai real dan untuk setiap

X dalam S matriks mxn

(2)

Yang memiliki rank m. Fungsi f(X) mempunyai relative ekstrim berkendala di X0terhadap
, k =1,2, , m
kendala (1) maka terdapat bilangan real k
sedemikian sehingga X0 adalah titik
stasioner dari fungsi

(3)

L(X , ) merupakan fungsi Lagrange dengan parameter

1 , 2 , , m

sebagai vector

penggala Lagrange.
Bukti:
Tanpa mengurangi keumuman dari pers (2) diasumsikan Jakobian
(4)
Persamaan (2) mendefenisikan
Variabel

x m+10 , x m +20 , , x n

x1 , x2 , , xm

sebagai fungsi dari

x m+10 , x m +20 , , x n

kemungkinan merupakan variabel yang bebas linear. Karena X0

adalah titik ekstrim relative dari f(X) makaX0 merupakan titik stasioner dan didapatkan

(5)

Karena kendala pada persamaan (2)

xi , i=1,2,.. , n

tidak bebas linear maka dengan

pendeferensial diperoleh persamaan berikut:

(6)

Mengalikan persamaan diatas dengan

1 , 2 , , m

dan menambahnya pada persamaan (%)

akan didapatkan
(7)

Dengan mempertimbangkan persamaan berikut

(8)

Karena pertidaksamaan (4) merupakan matriks simetri dan non singular maka terdapat nilai untik
, , , m
dari 1 2
yang memenuhi persamaan di atas dengan nilai (7) mengurangi
(9)

Karena xi,i=m+1,,n adalah variabel bebas linear mengakibatkan

(10)

Persamaan (8) dan (10) dapat disederhanakan menjadi

Ini berarti bahwa X0 adalah titik stasioner dari f(x).

Kondisi Kuhn Tucker

Jika pada program nonlinear kendalanya dalam bentuk pertidaksamaan, maka syarat perlu agar
diperoleh solusi optimal adalah adanya kodisi Kuhn Tucker. Misalkan f(X) adalah fungsi yang
mempunyai nilai real pada En, G(X) merupakan fungsi vector yang terdiri dari fungsi yang
mempunyai nilai real gk,k=1,2,..,m sebagai komponen sehingga menurut teirema Lagrange
diperoleh

Dimana

adalah penggali Lagrange yang berada pada E dan 0 . Menurut teorema

m

Lagrange untuk mendapatkan titik stasioner harus dipenuhi berikut:

(1
1)

Jadi diperoleh persamaan berikut

(12)

(13)

Atau dalam bentuk sebagai berikut

(14)

(15)
(16)
(17)

Himpunan kondisi (12,13) atau (14,15,16,17) disebut kondisi Kuhn Tucker. Persamaan ( 12,13)

adlah himpunan syarat perlu pada (X , 0 ) , jika titik ini adalah titik sadel dari f(X, )
0

dengan variabel X tidak dibatasi oleh

ondisi yang sama jika X 0 ,

0 . Sedangkan persamaan (14,15,16,17) dengan

0 .

Jika f(X) dan semua g(X) adalah fungsi konveks dengan titik sadel (X0,

),

0 0

dan L

(X, sedemikian sehingga X0 adalah titik minimal dari f(X) dengan kendala g(X) 0
,i=1,2,,m. Jika kendala X 0 , maka terdapat titik sadel non negative. Karena f(X) adalah

konveks maka f(X) hanya mempunyai satu titik optimum dan titik ini merupakan minimalnya.
Dari kondisi ini solusi dari perkiraan Kuhn Tucker memberikan titik sadel yang diharapkan dan
minimal dari f(X).

Contoh :
Meminimalkan x2 + y2
Dengan kendala

2x+y-1 0
y-0.5 = 0

penyelesaian
Fungsi Lagrange untuk masalah diatas sebagai berikut

Pada titik stasioner turunan pertama pada setiap argument bernilai nol, sehingga diperoleh:

Dari persamaan persamaan diatas diperoleh:

x=0.25

y=0.5

1=0.25

jadi titik stasionernya adalah (x,y) = (0.25 , 0.5)

2=0.75