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)
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
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)
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
x m+10 , x m +20 , , x n
adalah titik ekstrim relative dari f(X) makaX0 merupakan titik stasioner dan didapatkan
(5)
xi , i=1,2,.. , n
1 , 2 , , m
akan didapatkan
(7)
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)
Dimana
(13)
(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
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:
y=0.5
1=0.25
2=0.75