Abe Alkaff

Penyelidikan Operasi

2. Dasar-dasar Matematika Optimisasi

 Abe Alkaff
MATERI
1. Himpunan bilangan Riel
2. Fungsi Bernilai Skalar
3. Grafik dan Contour
4. Gradien
5. Matriks Hessian
6. Fungsi Bernilai Vektor
7. Matriks Jacobian
8. Kombinasi Konveks
9. Fungsi Konveks dan Konkav
10. Keterkaitan Konveksitas dengan Differensiasi Fungsi
11. Himpunan Konveks
12. Syarat Keoptimalan (Syarat Perlu dan Syarat Cukup)
 Abe Alkaff

Himpunan Bilangan Riel (ℛ)

ℛn = himpunan bilangan riel dimensi n (vektor riel dimensi n)

n=1 , ℛn adalah skalar, seringkali ditulis sebagai ℛ
n>1 , ℛn adalah vektor
𝒙𝟏𝟏
𝒙𝟏 = .
𝑥𝑖 : 𝑏𝑖𝑙𝑎𝑛𝑔𝑎𝑛 𝑟𝑖𝑒𝑙 𝑥1 𝒙𝟏𝒏
𝑥2
𝓡𝑛 𝒙𝟐𝟏
𝑥 = 𝑥3 , 𝑥 ∈ 𝓡𝑛
𝒙𝟐 = .
⋮ 𝒙𝟐𝒏
𝑥𝑛 3
 Abe Alkaff

Fungsi Bernilai Skalar

Definisi fungsi: pemetaan dari suatu himpunan ke himpunan lain

𝑓 : ℛn  ℛ memetakan himpunan vektor dimensi n ke himpunan
skalar, disebut fungsi bernilai skalar
𝑓 𝑥 , 𝑥 ∈ 𝓡𝑛, 𝑓 ∈ 𝓡
𝒙𝟏𝟏
𝒙𝟏 = .
𝒙𝟏𝒏 𝑓 𝒛𝟏 = . .

𝓡𝑛 𝓡
𝒙𝟐𝟏 𝒛𝟐 = . .
𝒙𝟐 = . 4
𝒙𝟐𝒏 𝑓
 Abe Alkaff

Fungsi Bernilai Skalar

Ilustrasi diatas menggambarkan f(x) sebagai fungsi bernilai skalar

yang didefinisikan pada ruang vektor x dimensi n
𝑥1
𝑥2 x ∈ ℛn
𝑥 = 𝑥3 f(x) ∈ ℛ
. f(x) = z (skalar)
𝑥𝑛 5
 Abe Alkaff

Fungsi Bernilai Skalar

Contoh:
f(x) = x12 + 2x1x2 + 2x22 - 2 x2
f : ℛ2  ℛ : fungsi skalar pada ruang vektor dimensi 2.

Contoh:
f(x) = x13 + x23 + x12 + 2x1x2 + 2x22 - 2 x2
f : ℛ2  ℛ : fungsi skalar pada ruang vektor dimensi 2. 6
 Abe Alkaff

Gradien

Gradien f(x) dinotasikan dengan ∇f(x)

Didefinisikan sebagai turunan f terhadap x = df/dx, yaitu turunan
parsial dari f terhadap tiap elemen x
𝜕𝑓
Sifat:
𝜕𝑥1
 Dimensi ∇f(x) sama dengan dimensi x 𝜕𝑓
𝑑𝑓
𝛻𝑓 𝑥 = 𝜕𝑥2 =
x ∈ ℛn, ∇f(x) ∈ ℛn . 𝑑𝑥
.
 ∇f(x) tegak lurus pada garis singgung grafik f(x) 𝜕𝑓 7
𝜕𝑥𝑛
 Abe Alkaff
Gradien
∇f(x) pada titik B, atau ditulis ∇f(xB)

B Gradien f(x) pada titik A

Bila f(x) adalah linier, A
maka garis singgung Garis singgung f(x) pada titik A
pada tiap titik berimpit
dengan f(x). Sehingga
hanya ada satu gradien f(x)
untuk semua titik

Untuk fungsi multi-dimensi, grafik fungsi bukan hanya satu garis saja. Untuk itu
dipergunakan contour, sehingga gradient adalah tegak lurus pada contour 8
 Abe Alkaff

Gradien
Contoh:
𝑓 𝑥 = 𝑥1 2 + 2𝑥1 𝑥2 + 2𝑥2 2 − 2𝑥2
𝜕𝑓
𝜕𝑥1 2𝑥1 + 2𝑥2
𝛻𝑓 𝑥 = =
𝜕𝑓 2𝑥1 + 4𝑥2 − 2
𝜕𝑥2
0 0 0 2 6 24
𝛻𝑓 = 𝛻𝑓 = 𝛻𝑓 =
0 −2 1 2 6 34
 Abe Alkaff

Gradien

Contoh:
𝑓 𝑥 = 𝑥1 3 + 𝑥2 3 + 3𝑥1 2 𝑥2 + 3𝑥1 𝑥2 2 − 2𝑥2
𝜕𝑓
𝜕𝑥1 3𝑥1 2 + 6𝑥1 𝑥2 + 6𝑥2 2
𝛻𝑓 𝑥 = =
𝜕𝑓 3𝑥2 2 + 6𝑥1 𝑥2 + 6𝑥1 2 − 2
𝜕𝑥2

0 … 0 … 6 …
𝛻𝑓 = … 𝛻𝑓 = … 𝛻𝑓 = …
0 1 6
 Abe Alkaff

Grafik dan Contour

Definisi : merupakan tempat kedudukan titik-titik (x) yang
memiliki nilai fungsi f(x) yang sama.
Contoh: f(x) = …
f(x) adalah fungsi skalar
yang didefinisikan pada
ruang vektor dimensi
dua. Grafik f(x) adalah
tiga dimensi, sedangkan Grafik f(x)
contour f(x) adalah dua
11
dimensi Contour f(x)
 Abe Alkaff

Grafik dan Contour

Grafik f(x)

Contour f(x) 12
 Abe Alkaff

Contour
f(x) = x12 + 2x1x2 + 2x22 - 2 x2
Grafik f(x) Contour

13
Garis-garis ini menyatakan ∇f(x) pada titik tersebut
 Abe Alkaff

Contour
𝑓 𝑥 = 𝑥1 3 + 𝑥2 3 − 3𝑥1 2 − 3𝑥2 2

Grafik Contour
Min(1,1)

Max(-1,-1)
14
 Abe Alkaff

Matriks Hessian

Definisi: Matriks yang diperoleh dari turunan kedua fungsi

skalar terhadap variabel vektornya.
Dicari menggunakan aturan diferensial vektor:
• Differential dari skalar (1x1) terhadap vektor kolom (nx1) adalah
vektor kolom (nx1)
• Differential dari vektor kolom (nx1) terhadap skalar (1x1) adalah
vektor baris (1xn)
• Differential dari vektor kolom (nx1) terhadap vektor kolom (mx1) 15
adalah matriks dimensi (nxm)
 Abe Alkaff

Matriks Hessian

Contoh: 𝑓1
Diferensial vektor kolom 𝑓2 𝑑𝑓 𝑑𝑓1 𝑑𝑓2 𝑑𝑓𝑚
𝑓 = 𝑓3 = …
terhadap skalar 𝑑𝑥1 𝑑𝑥1 𝑑𝑥1 𝑑𝑥1
menghasilkan vektor baris ⋮
𝑓𝑚

𝜕𝛻𝑓 𝑥 𝜕 𝜕𝑓 𝜕 𝜕𝑓 𝜕 𝜕𝑓
= ൗ𝜕𝑥 ൗ𝜕𝑥 … ൗ𝜕𝑥
𝜕𝑥1 𝜕𝑥1 1 𝜕𝑥1 2 𝜕𝑥1 𝑛

𝜕2𝑓 𝜕2𝑓 𝜕2𝑓 16

= …
𝜕𝑥1 𝜕𝑥1 𝜕𝑥1 𝜕𝑥2 𝜕𝑥1 𝜕𝑥𝑛
 Abe Alkaff

Matriks Hessian

H(x) adalah notasi untuk matriks Hessian dari f (x) yang

didefinisikan sebagai berikut:

𝜕2𝑓 𝜕
𝐻 𝑥 = 2= (𝛻𝑓 𝑥 )
𝜕𝑥 𝜕𝑥
𝜕2𝑓
𝐻 𝑥 =
𝜕𝑥𝑖 𝜕𝑥𝑗 𝑛×𝑛
17
dimana n adalah dimensi dari x
 Abe Alkaff

Matriks Hessian

𝜕2𝑓 𝜕2𝑓 𝜕2𝑓

…
𝜕𝑥1 𝑥1 𝜕𝑥1 𝑥2 𝜕𝑥1 𝑥𝑛
𝜕2𝑓 𝜕2𝑓
𝐻 𝑥 = = 𝜕𝑥2 𝑥1 ⋱ ⋮
𝜕𝑥𝑖 𝑥𝑗 𝑛𝑥𝑛 ⋮
𝜕2𝑓 𝜕2𝑓
…
𝜕𝑥𝑛 𝑥1 𝜕𝑥𝑛 𝑥𝑛 18
 Abe Alkaff

Matriks Hessian

Contoh:
f(x) = x12 + 2x1x2 + 2x22 - 2x2

𝜕2𝑓 𝜕2𝑓
𝜕𝑥1 𝑥1 𝜕𝑥1 𝑥2 2 2
𝐻 𝑥 = =
𝜕2𝑓 2
𝜕 𝑓 2 4
𝜕𝑥2 𝑥1 𝜕𝑥2 𝑥2 19
 Abe Alkaff

Matriks Hessian

Contoh:
𝑓 𝑥 = 𝑥1 3 + 𝑥2 3 + 𝑥1 2 + 2𝑥1 𝑥2 + 2𝑥2 2 − 2𝑥2
𝜕2𝑓 𝜕2𝑓
𝜕𝑥1 𝜕𝑥1 𝜕𝑥1 𝜕𝑥2 6𝑥1 + 2 2
𝐻 𝑥 = 2 2 =
𝜕 𝑓 𝜕 𝑓 2 6𝑥2 + 4
𝜕𝑥2 𝜕𝑥1 𝜕𝑥2 𝜕𝑥2
20
 Abe Alkaff

Matriks Hessian

Sifat Matriks Hessian

• Merupakan Matriks bujursangkar dengan dimensi n, sama
dengan dimensi dari variabelnya (x)
• Simetri. Karena operator differensial bersifat linier
sehingga berlaku hukum komutatif (urutan differensial
tidak mempengaruhi hasil differensial)
𝜕2𝑓 𝜕2𝑓
= 21
𝜕𝑥1 𝜕𝑥2 𝜕𝑥2 𝜕𝑥1
 Abe Alkaff

Fungsi Bernilai Vektor

𝑓: 𝓡𝑛 ⟶ 𝓡𝑚 dimana 𝑓 adalah vektor

𝓡𝑛 𝓡𝑚
𝑓1 𝑓1
𝒙𝟏 𝒛𝟏
𝑓2 𝒙𝟐
𝒙. = ⋮ 𝒛𝟐
𝑓 = 𝑓3 𝑓2 𝒛. = ⋮
⋮ 𝒙𝒏 𝒛𝒎
𝑓𝑚
𝑓𝑚
22
 Abe Alkaff

Gradien Fungsi Bernilai Vektor

𝜕𝑓
𝐺𝑟𝑎𝑑𝑖𝑒𝑛 𝑓 = 𝛻𝑓 𝑥 = 𝛻𝑓 𝑥 = 𝛻𝑓1 (𝑥) 𝛻𝑓2 (𝑥) … 𝛻𝑓𝑚 (𝑥)
𝜕𝑥
𝜕𝑓1 𝜕𝑓2 𝜕𝑓𝑚
…
𝜕𝑥1 𝜕𝑥1 𝜕𝑥1 𝑓: 𝓡𝑛 ⟶ 𝓡𝑚
𝜕𝑓1 𝜕𝑓2
𝛻𝑓 𝑥 = 𝜕𝑥2 𝜕𝑥2 ⋱ ⋮ 𝛻𝑓 𝑥 𝑚𝑒𝑚𝑖𝑙𝑖𝑘𝑖 𝑑𝑖𝑚𝑒𝑛𝑠𝑖 𝑛𝑥𝑚
⋮ ⋮
𝜕𝑓1 𝜕𝑓2 𝜕𝑓𝑚
…
𝜕𝑥𝑛 𝜕𝑥𝑛 𝜕𝑥𝑛
23
𝛻𝑓1 𝛻𝑓2 𝛻𝑓𝑚
 Abe Alkaff

Gradien Fungsi Bernilai Vektor

Contoh 𝑥12 + 2𝑥1 𝑥2 + 2𝑥22 − 2𝑥2
𝑓 𝑥 = 𝑥12 + 𝑥22 − 𝑥1 + 4 , 𝛻𝑓 𝑥 …?
𝑥1 + 𝑥2 − 3
𝑓: 𝓡2 ⟶ 𝓡3
2𝑥1 + 2𝑥2 2𝑥1 − 1 1
Solusi 𝛻𝑓 𝑥 = 𝛻𝑓 𝑥 = 𝑀𝑎𝑡𝑟𝑖𝑘𝑠 2𝑥3
2𝑥1 + 4𝑥2 − 2 2𝑥2 1

𝛻𝑓1 𝛻𝑓2 𝛻𝑓3 24

 Abe Alkaff

Gradien Fungsi Bernilai Vektor

Contoh:
𝑥1 3 + 𝑥2 3 + 𝑥1 2 + 2𝑥1 𝑥2 + 2𝑥2 2 − 2𝑥2
𝑓 𝑥 = 𝑥1 3 + 3𝑥1 2 𝑥2 + 3𝑥1 𝑥2 2 + 𝑥2 3
𝑥1 3 + 𝑥2 3

3𝑥1 2 + 2𝑥1 + 2𝑥2 3𝑥1 2 + 6𝑥1 𝑥2 + 3𝑥2 2 3𝑥1 2

𝛻𝑓 𝑥 =
3𝑥2 2 + 2𝑥1 + 4𝑥2 − 2 3𝑥2 2 + 6𝑥1 𝑥2 + 3𝑥1 2 3𝑥2 2
𝛻𝑓1 𝛻𝑓2 𝛻𝑓3 25
 Abe Alkaff

Hessian Fungsi Bernilai Vektor

Matriks Hessian dari 𝑓: 𝓡𝑛 ⟶ 𝓡𝑚 adalah matriks dimensi nxnxm

𝐻 𝑥 = 𝑚𝑎𝑡𝑟𝑖𝑘𝑠 𝑑𝑖𝑚𝑒𝑛𝑠𝑖 (𝑛 𝑥 𝑛 𝑥 𝑚)
𝑑𝑖𝑡𝑢𝑙𝑖𝑠𝑘𝑎𝑛 𝑠𝑒𝑏𝑎𝑔𝑎𝑖 𝑚 𝑚𝑎𝑡𝑟𝑖𝑘𝑠 (𝑛 𝑥 𝑛)

𝐻 𝑥 = 𝐻1 (𝑥) 𝐻2 (𝑥) … 𝐻𝑚 (𝑥)

𝑛𝑥𝑛 𝑛𝑥𝑛 𝑛𝑥𝑛

𝜕 𝜕 𝜕
𝐻 𝑥 = 𝛻𝑓 (𝑥) 𝛻𝑓 (𝑥) … 𝛻𝑓 (𝑥) 26
𝜕𝑥 1 𝜕𝑥 2 𝜕𝑥 𝑚
 Abe Alkaff

Hessian Fungsi Bernilai Vektor

Contoh 𝑥12 + 2𝑥1 𝑥2 + 2𝑥22 − 2𝑥2
𝑓 𝑥 = 𝑥12 + 𝑥22 − 𝑥1 + 4 , 𝐻 𝑥 …?
𝑥1 + 𝑥2 − 3 𝐻 𝑥 = 𝑚𝑎𝑡𝑟𝑖𝑘𝑠 𝑑𝑖𝑚𝑒𝑛𝑠𝑖 (𝑛 𝑥 𝑛 𝑥 𝑚)
Solusi
𝜕 2 2 𝜕 2 0 𝜕 0 0
𝛻𝑓1 𝑥 = 𝐻1 𝑥 = 𝛻𝑓2 𝑥 = 𝐻2 𝑥 = 𝛻𝑓3 𝑥 = 𝐻3 𝑥 =
𝜕𝑥 2 4 𝜕𝑥 0 2 𝜕𝑥 0 0

2 2 2 0 0 0
𝐻 𝑥 =
2 4 0 2 0 0 27
𝐻1(𝑥) 𝐻2(𝑥) 𝐻3(𝑥)
 Abe Alkaff

Hessian Fungsi Bernilai Vektor

Contoh:
𝑥1 3 + 𝑥2 3 + 𝑥1 2 + 2𝑥1 𝑥2 + 2𝑥2 2 − 2𝑥2
𝑓 𝑥 = 𝑥1 3 + 3𝑥1 2 𝑥2 + 3𝑥1 𝑥2 2 + 𝑥2 3
𝑥1 3 + 𝑥2 3
6𝑥1 + 2 2 6𝑥1 + 6𝑥2 6𝑥1 + 6𝑥2 6𝑥1 0
𝐻 𝑥 =
2 6𝑥2 + 4 6𝑥1 + 6𝑥2 6𝑥1 + 6𝑥2 0 6𝑥2

28
 Abe Alkaff

Matriks Jacobian
Matriks Jacobian adalah matriks yang dibentuk dari gradien fungsi
bernilai vektor.
Definisi: adalah matriks yang diperoleh dari transpose 𝐺𝑟𝑎𝑑𝑖𝑒𝑛 𝑓 𝑥

𝑇
𝐽 𝑥 = 𝛻𝑓 𝑥

Untuk 𝑓: 𝓡𝑛 ⟶ 𝓡𝑚 diperoleh 𝐽 𝑥 berdimensi 𝑚 𝑥 𝑛 29

 Abe Alkaff

Matriks Jacobian
𝜕𝑓1 𝜕𝑓1 𝜕𝑓1 𝛻𝑓1 𝑥 T
…
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛 T
𝜕𝑓2 𝜕𝑓2
𝛻𝑓2 𝑥
𝐽 𝑥 = 𝜕𝑥1 𝜕𝑥2 ⋱ ⋮ = 𝛻𝑓1 (𝑥) 𝛻𝑓2 (𝑥) … 𝛻𝑓𝑚 (𝑥) T = .
⋮ ⋮ .
𝜕𝑓𝑚 𝜕𝑓𝑚
…
𝜕𝑓𝑚 .
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛 𝛻𝑓𝑚 𝑥 T

fungsi 𝜕𝑓𝑖
𝐽 𝑥 = 𝐽𝑖𝑗 (𝑥) 𝐽𝑖𝑗 (𝑥) =
𝑚𝑥𝑛 𝜕𝑥𝑗 30
variabel
 Abe Alkaff

Matriks Jacobian
Contoh 𝑥12 + 2𝑥1 𝑥2 + 2𝑥22 − 2𝑥2
𝑓 𝑥 = 𝑥12 + 𝑥22 − 𝑥1 + 4 , 𝐽 𝑥 …?
𝑥1 + 𝑥2 − 3
𝑓: 𝓡2 ⟶ 𝓡3

Solusi 𝛻𝑓1 𝑥 T
2𝑥1 + 2𝑥2 2𝑥1 + 4𝑥2 − 2
𝐽 𝑥 = 𝛻𝑓2 𝑥 T = 2𝑥1 − 1 2𝑥2
T 1 1 31
𝛻𝑓3 𝑥 3x2
 Abe Alkaff

Contoh Orde 3

𝑥13 +2𝑥1 𝑥2 +2𝑥22

𝑓: 𝓡2 ⟶ 𝓡4
𝑥12 +𝑥22 +4𝑥23
𝑓 𝑥 =
𝑥13 +4𝑥22 f : fungsi bernilai vektor dimensi 4 yang
2𝑥22 + 4 didefiniskan pada ruang vektor dimensi 2

3𝑥12 +2𝑥1 2𝑥1 3𝑥12 0

Gradien 𝛻𝑓 𝑥 =
2𝑥2 + 4𝑥2 2𝑥2 + 12𝑥22 8𝑥2 4𝑥2 32
 Abe Alkaff

Contoh Orde 3

𝑥13 +2𝑥1 𝑥2 +2𝑥22 Hessian

𝑥12 +𝑥22 +4𝑥23 𝐻 𝑥 = 𝐻1 𝑥 𝐻2 𝑥 𝐻3 𝑥 𝐻4(𝑥)
𝑓 𝑥 =
𝑥13 +4𝑥22
6𝑥1 2 6𝑥1 0
2𝑥22 + 4 𝐻1 𝑥 = 𝐻3 𝑥 =
0 8
2 4
2 0 0 0
𝐻2 𝑥 = 𝐻4 𝑥 =
0 24𝑥2 0 4

6𝑥1 2 2 0 6𝑥1 0 0 0
𝐻 𝑥 =
2 4 0 24𝑥2 0 8 0 4
33
 Abe Alkaff

Contoh Orde 3

𝑥13 +2𝑥1 𝑥2 +2𝑥22

𝑥12 +𝑥22 +4𝑥23
𝑓 𝑥 =
𝑥13 +4𝑥22
2𝑥22 + 4
Jacobian:
3𝑥1
2
+2𝑥1 2𝑥1 3𝑥12 0 T
𝐽 𝑥 = 𝛻𝑓 𝑥 𝑇 =
6𝑥2 2𝑥2 + 12𝑥22 8𝑥2 4𝑥2

𝛻𝑓1 𝑥 𝛻𝑓2 𝑥 𝛻𝑓3 𝑥 𝛻𝑓4 𝑥 34

 Abe Alkaff

Contoh Orde 3

𝑥1 3 + 𝑥2 3 + 𝑥1 2 + 2𝑥1 𝑥2 + 2𝑥2 2 − 2𝑥2

𝑓 𝑥 = 𝑥1 3 + 3𝑥1 2 𝑥2 + 3𝑥1 𝑥2 2 + 𝑥2 3
𝑥1 3 + 𝑥2 3
𝑇
𝐽 𝑥 = 𝛻𝑓 𝑥

3𝑥1 2 + 2𝑥1 + 2𝑥2 3𝑥2 2 + 2𝑥1 + 4𝑥2 − 2 𝛻𝑓1 𝑥 T

𝐽 𝑥 = 3𝑥1 2 + 6𝑥1 𝑥2 + 3𝑥2 2 3𝑥2 2 + 6𝑥1 𝑥2 + 3𝑥1 2 = 𝛻𝑓2 𝑥 T

3𝑥1 2 3𝑥2 2 𝛻𝑓3 𝑥 T

35
 Abe Alkaff

Kombinasi Konveks
adalah kombinasi dua vektor untuk menghasilkan vektor
baru yang terletak di antara dua vektor pembentuknya. Kombinasi
konveks dari
𝑥1 x1 dan x2
𝒙𝟑 disebut kombinasi konveks dari 𝒙𝟏 dan 𝒙𝟐
λ=0 λ=1
λ (1 − λ) λ ∈ [0,1]
𝑥2
𝑥1 𝑥3 𝑥2
Kombinasi Konveks dapat dinyatakan dengan persamaan berikut:
36
𝑥3 = (1 − λ) 𝑥1 + λ𝑥2
 Abe Alkaff

Fungsi Konveks dan Konkaf

𝑓 𝑥 ADALAH FUNGSI KONVEKS, JIKA:

𝑓 Λ𝑥1 + 1 − 𝜆 𝑥2 ≤ Λ𝑓 𝑥1 + 1 − 𝜆 𝑓 𝑥2 ∀ λ ∈ [0,1]
kombinasi konveks dari 𝑥 kombinasi konveks dari 𝑓

𝑓 𝑥 ADALAH FUNGSI KONKAF, JIKA:

𝑓 Λ𝑥1 + 1 − 𝜆 𝑥2 ≥ Λ𝑓 𝑥1 + 1 − 𝜆 𝑓(𝑥1 ) ∀ λ ∈ [0,1]

𝑓 𝑥 KONFEKS ⇔ −𝑓 𝑥 KONKAF 37
 Abe Alkaff

Fungsi Konveks dan Konkaf

Bila tidak berlaku tanda “=“ disebut “strictly convex/concave”

Fungsi bernilai vektor 𝑓 𝑥 adalah fungsi konveks ⇔ 𝑓𝑖 𝑥 adalah fungsi
konveks ∀𝑖. 𝑦

𝑧 = λ𝑓 𝑥1 + 1 − 𝜆 𝑓(𝑥2 )

𝑧 𝑓 𝑥2
𝑓 𝑥1 𝑓 𝑥
𝑥1 (1 − λ) 𝑥 𝑥2 𝑥
λ
38
λ𝑥1 + 1 − 𝜆 𝑥2
Contoh Strictly Convex
 Abe Alkaff

Fungsi Konveks dan Konkaf

𝑦
𝑧 = λ𝑓 𝑥1 + 1 − 𝜆 𝑓(𝑥2 )

𝑓 𝑥
𝑓 𝑥1 𝑧
𝑓 𝑥2

𝑥1 𝑥 𝑥2 𝑥

λ𝑥1 + 1 − 𝜆 𝑥2

39
Contoh Strictly Concave
 Abe Alkaff

Fungsi Konveks dan Konkaf

𝑦
𝑓 𝑥 = 𝜆𝑓 𝑥1 ) + 1 − 𝜆 𝑓(𝑥2

𝑓 𝑥1 𝑓 𝑥2
𝑓 λ𝑥1 + 1 − 𝜆 𝑥2 = 𝜆𝑓 𝑥1 ) + 1 − 𝜆 𝑓(𝑥2
Fungsi linier = Fungsi konveks = Fungsi konkaf
𝑥1 𝑥 𝑥2 𝑥

Fungsi Linier 40
 Abe Alkaff

Fungsi Konveks dan Konkaf

Contoh fungsi dua dimensi Maksimum

Minimum

f(x) = x12 + x22 - 3 f(x) = -x12 - x22 + 1 41

f(x) konveks (strictly convex) f(x) konkaf (strictly concave)
 Abe Alkaff

Titik Minimum dan Maksimum

• Jika 𝑓 𝑥 konveks, maka ada 𝑥 ∗ sedemikian hingga
𝑓 𝑥 ∗ ≤ 𝑓 𝑥 untuk semua 𝑥
𝑓 𝑥 konveks ⟹ ∃ 𝑥 ∗ ∋ 𝑓 𝑥 ∗ ≤ 𝑓 𝑥 ∀𝑥
𝑥 ∗ disebut titik minimum
• Jika 𝑓 𝑥 konkaf, maka ada 𝑥 ∗ sedemikian hingga
𝑓 𝑥 ∗ ≥ 𝑓 𝑥 untuk semua 𝑥
𝑓 𝑥 konkaf ⟹ ∃ 𝑥 ∗ ∋ 𝑓 𝑥 ∗ ≥ 𝑓 𝑥 ∀𝑥
42
𝑥 ∗ disebut titik maksimum
 Abe Alkaff

Kaitan Konveksitas & Diferensial

Untuk 𝑓 𝑥 dengan 𝑓 dan 𝑥 adalah skalar, 𝑓(𝑥) memiliki nilai
minimum bila :
𝑑 2 𝑓(𝑥)
>0
𝑑𝑥 2

Untuk 𝑓 𝑥 dengan 𝑓 dan 𝑥 adalah skalar, 𝑓(𝑥) memiliki nilai

maksimum bila :
𝑑 2 𝑓(𝑥)
2
<0 43
𝑑𝑥
 Abe Alkaff

Kaitan Konveksitas & Diferensial

Contoh 1 : 𝑓 𝑥 = (𝑥 − 1)2 +1
𝑦

𝑓 𝑥

𝑑2𝑓 𝑓 𝑥 : 𝑠𝑡𝑟𝑖𝑐𝑡𝑙𝑦 𝑐𝑜𝑛𝑣𝑒𝑥

=2>0  Memiliki titik min
𝑑𝑥 2
𝑥

44
Grafik Contoh 1
 Abe Alkaff

Kaitan Konveksitas & Diferensial

Contoh 2 : 𝑓 𝑥 = −(𝑥 − 1)2 + 1

𝑦

𝑑2𝑓 𝑓 𝑥 𝑓 𝑥 : 𝑠𝑡𝑟𝑖𝑐𝑡𝑙𝑦 𝑐𝑜𝑛𝑐𝑎𝑣𝑒

= −2 < 0  Memiliki titik maks
𝑑𝑥 2
𝑥

45
Grafik Contoh 2
 Abe Alkaff

Kaitan Konveksitas & Diferensial

• Untuk 𝑥 vektor, turunan kedua dari 𝑓 terhadap 𝑥

menghasilkan Matriks Hessian
𝑑2𝑓
= 𝐻(𝑥)
𝑑𝑥 2

𝑓 𝑥 strictly convex ⟺ Η(𝑥) definit positif

• 𝑥 𝑇 𝐻𝑥 > 0 ∀𝑥,
• Semua Determinan Principle Minor > 0
46
 Abe Alkaff

Kaitan Konveksitas & Diferensial

A disebut Definit Positip ↔ 𝑥 𝑇 𝐴𝑥 > 0 ∀𝑥 ∈ 𝑅𝑛

A disebut Definit Negatif ↔ 𝑥 𝑇 𝐴𝑥 < 0 ∀𝑥 ∈ 𝑅𝑛

A disebut Semi Definit Positif ↔ 𝑥 𝑇 𝐴𝑥 ≥ 0 ∀𝑥 ∈ 𝑅𝑛

A disebut Semi Definit Negatif ↔ 𝑥 𝑇𝐴𝑥 ≤ 0 ∀𝑥 ∈ 𝑅𝑛

47
 Abe Alkaff

Kaitan Konveksitas & Diferensial

𝑎12 … Principle Minor dari 𝐴 adalah:

𝑎11 𝑎1𝑛
𝑎21 𝑎22 𝐴1 = 𝑎11
𝐴= ⋱ ⋮
⋮ ⋮ 𝑎11 𝑎12
𝑎𝑛1 𝑎𝑛1 … 𝑎𝑛𝑛 𝐴2 = 𝑎
21 𝑎22
𝑎11 𝑎12 𝑎13
𝐴3 = 𝑎21 𝑎22 𝑎23
𝑎31 𝑎32 𝑎33

𝐴 definitif positif ⟷ 𝐴𝑖 > 0 ∀𝑖, 48

 Abe Alkaff

Kaitan Konveksitas & Diferensial

A disebut Definit Positif ↔ det 𝐴𝑖 > 0 𝑖 = 1,2, … , 𝑛

A disebut Definit Negatif ↔ −1 i det 𝐴𝑖 > 0 𝑖 = 1,2, … , 𝑛

A disebut Semi Definit Positif ↔ det 𝐴𝑖 ≥ 0 𝑖 = 1,2, … , 𝑛

A disebut Semi Definit Negatif ↔ −1 i det 𝐴𝑖 ≥ 0 𝑖 = 1,2, … , 𝑛

Dapat dibuktikan bahwa:
49
A (semi) definite pos  -A (semi) definite negatif
 Abe Alkaff

Kaitan Konveksitas & Diferensial

• 𝑓(𝑥) strictly conveks ↔ Determinan dari Principle Minor
𝐻𝑖 𝑥 > 0 ∀𝑖

• 𝑓(𝑥) konveks ↔ Determinan dari Principle minors 𝐻𝑖 𝑥 ≥ 0 ∀𝑖

• 𝑓(𝑥) strictly concave ↔ (−1)𝑖 𝐻𝑖 (𝑥) > 0 ∀𝑖,

−1 𝑖 x Determinan 𝑃𝑟𝑖𝑛𝑐𝑖𝑝𝑙𝑒 𝑀𝑖𝑛𝑜𝑟 𝑘𝑒 𝑖

• 𝑓(𝑥) konkaf ↔ Determinan dari Principle minors (−1)𝑖 𝐻𝑖 𝑥 ≥ 0 ∀𝑖

50
 Abe Alkaff

Kaitan Konveksitas & Diferensial

Contoh : 𝑓 𝑥 = 𝑥12 + 2𝑥1 𝑥2 + 2𝑥 2 − 2𝑥2

Solusi : 2 2
𝐻(𝑥) =
2 4
𝐻1 = 2 det 𝐻1 = 2 > 0
2 2
𝐻2 = det 𝐻2 = 8 − 4 = 4 > 0
2 4
𝐻 𝑥 adalah definit positif
51
𝑓 𝑥 adalah strictly konveks  memiliki titik minimum
 Abe Alkaff

Kaitan Konveksitas & Diferensial

Contoh : 𝑓 𝑥 = −𝑥12 + 2𝑥1 𝑥2 − 2𝑥 2 − 2𝑥2

Solusi : −2 2
𝐻(𝑥) =
2 −4
𝐻1 = −2 det (-𝐻1 ) = 2 > 0
−2 2
𝐻2 = det 𝐻2 = 8 − 4 = 4 > 0
2 −4
𝐻 𝑥 adalah definit negatif
52
𝑓 𝑥 adalah strictly concave  memiliki titik maksimum
 Abe Alkaff

Himpunan Konveks
𝑆 adalah Himpunan bilangan real dimensi n>1
𝑆 konveks ⇔ 𝜆𝑥1 + 1 − 𝜆 𝑥2 ϵ 𝑆, ∀𝑥1, 𝑥2 𝜖 𝑆, ∀𝜆 ϵ [0,1]

53
Himpunan Konveks Bukan Himpunan Konveks
 Abe Alkaff

Himpunan Konveks
Contoh: 𝑆 = 𝑥 𝜖 𝑅2 𝑥12 + 𝑥22 ≤ 3, 𝑥1 + 𝑥2 ≥ 3}
𝑦
𝑥1 + 𝑥2 ≥ 3

𝑥12 + 𝑥22 ≤ 3 54

Himpunan Konveks
 Abe Alkaff

Himpunan Konveks
Contoh: 𝑆 = 𝑥 𝜖 𝑅2 𝑥12 + 𝑥22 ≥ 1, 𝑥1 + 𝑥2 ≤ 2}
𝑦

𝑥1 + 𝑥2 ≤ 2

𝑥
𝑆
𝑥12 + 𝑥22 ≥ 1 55
Bukan Himpunan Konveks
 Abe Alkaff

Syarat Keoptimalan
𝑓 𝑥 : 𝑅 → 𝑅 (𝑠𝑘𝑎𝑙𝑎𝑟 𝑘𝑒 𝑠𝑘𝑎𝑙𝑎𝑟, 𝑠𝑎𝑡𝑢 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙)
𝑑𝑓
=0 Syarat Perlu
𝑑𝑥
𝑑2 𝑓
>0→ minimum
𝑑𝑥 2
Syarat Cukup
𝑑2 𝑓
𝑑𝑥 2
<0→ maksimum
𝑑𝑓
∗ = 0 → 𝑥 calon titik optimal. Disebut Syarat Perlu (Necessary Condition)
| ∗
𝑑𝑥 𝑥
𝑑2𝑓 ∗ dengan 𝑑𝑓 | ∗ = 0 adalah titik minimum
2 |𝑥 > 0 → 𝑥
∗
𝑑𝑥 𝑑𝑥 𝑥 56
Syarat Cukup (Sufficient Condition)
 Abe Alkaff

Syarat Keoptimalan
• 𝑓 𝑥 adalah fungsi bernilai skalar yang didefinisikan pada domain
𝑥 𝜖 𝑆 dimana 𝑆: titik-titik yang memenuhi semua kendala.
• 𝑓 𝑥 : 𝑅𝑛 → 𝑅 (vektor ke skalar)
• Syarat keoptimalan adalah: (analogi dengan kasus skalarskalar)
𝑆𝑦𝑎𝑟𝑎𝑡 𝑃𝑒𝑟𝑙𝑢 𝐾𝑒𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑎𝑛 (𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑖𝑡𝑦 𝑛𝑒𝑐𝑒𝑠𝑠𝑎𝑟𝑦 𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛)

𝛻𝑓 𝑥 ∗ = 0 → 𝑥 ∗ memenuhi syarat sebagai titik optimal 57

 Abe Alkaff

Syarat Keoptimalan
𝑆𝑦𝑎𝑟𝑎𝑡 𝐶𝑢𝑘𝑢𝑝 𝐾𝑒𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑎𝑛 (𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑖𝑡𝑦 𝑠𝑢𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛)
𝑓 𝑥 ∗ konveks, 𝑥 𝜖 𝑆, 𝑆 adalah konveks → 𝑥 ∗ dengan 𝛻𝑓 𝑥 ∗ = 0 adalah
titik minimum, atau
𝐻 𝑥 ∗ definit pos dan S konveks → 𝑥 ∗ dengan 𝛻𝑓 𝑥 ∗ = 0 adalah titik min

𝑓 𝑥 ∗ konkaf, 𝑥 𝜖 𝑆, 𝑆 adalah konveks → 𝑥 ∗ dengan 𝛻𝑓 𝑥 ∗ = 0 adalah

titik maksimum, atau
𝐻 𝑥 ∗ definit neg dan S konveks → 𝑥 ∗ dengan 𝛻𝑓 𝑥 ∗ = 0 adalah titik maks

58
 Abe Alkaff

Syarat Keoptimalan

Contoh: 𝑓 𝑥 = 2𝑥13 + 3𝑥22 − 12𝑥1 𝑥2

1. Kandidat titik-titik optimal, syarat perlu: 𝛻𝑓 𝑥 = 0
2
6𝑥12 − 12𝑥2 = 0 sehingga 6𝑥1 = 12𝑥2 𝑥12 = 4𝑥1
𝑥12 − 4𝑥1 = 0
6𝑥22 − 12𝑥1 = 0 sehingga 6𝑥22 = 12𝑥1 𝑥1 𝑥1 − 4 = 0
𝑥1 = 0, 𝑥2 = 0
𝑥1 = 4, 𝑥2 = 8
0 4
Kandidat: 𝑥 ∗1 = , 𝑥 ∗2 =
0 8 59
 Abe Alkaff

Syarat Keoptimalan
2. Cek yang memenuhi syarat cukup sebagai titik optimal:
12𝑥1 −12
𝐻 𝑥 =
−12 6
0 −12
𝐻 𝑥 ∗1 = → det 𝐻1 = 0, det 𝐻2 = −144 < 0 → 𝑖𝑛𝑑𝑒𝑓𝑖𝑛𝑖𝑡
−12 6

48 −12
𝐻 𝑥 ∗1 = → det 𝐻1 = 48 > 0, det 𝐻2 = 144 > 0 → 𝑑𝑒𝑓𝑖𝑛𝑖𝑡 𝑝𝑜𝑠𝑖𝑡𝑖𝑓
−12 6

 𝑥 ∗2 = 4 memenuhi syarat sebagai TITIK OPTIMAL (yaitu titik minimum),

60
8 ∗1 0
sedangkan 𝑥 = tidak memenuhi syarat
0
 Abe Alkaff
Pseudo Code Untuk Mencari Titik Optimal
1. Start
2. Read 𝑓 𝑥
3. Find 𝛻𝑓 𝑥
4. Solve 𝛻𝑓 𝑥 ∗ = 0 for 𝑥 *
5. Find H(𝑥 )
6. Calculate determinant of principle minors of 𝐻 𝑥 ∗
a. If 𝐻 𝑥 ∗ pos (semi) def then 𝑥 * is titik minimum
b. Else If 𝐻 𝑥 ∗ neg (semi) def then 𝑥 * is titik maksimum
c. Else 𝑥 * is not titik optimal
7. End 61
 Tugas 2 Abe Alkaff

1. Buat sebuah fungsi skalar orde dua yang didefinisikan pada himpunan bilangan
real dua dimensi
a. Tentukan fungsi gradien dan matriks Hessiannya
b. Tentukan titik yang memenuhi syarat perlu keoptimalan
c. Tentukan apakah syarat cukup keoptimalan dipenuhi atau tidak oleh titik tersebut dan
tentukan jenis keoptimalan titik tersebut
d. Gambarkan (menggunakan komputer) grafik dan kontur fungsi tersebut dan gradiennya
dan cek kesesuaian titik optimal yang diperoleh pada pertanyaan b.
2. Buat sebuah fungsi dua dimensi orde tiga yang memiliki titik minimum dan
maksimum dan tunjukkan titik-titik tersebut secara matematis dan grafis dan
kesesuaian antara keduanya. Grafik dibuat dengan komputer
3. Buat sebuah fungsi bernilai vektor berdimensi 3 yang didefinisikan pada ruang
dimensi tiga, kemudian tentukan matriks gradien dan Jacobinya
4. Bentuk sebuah himpunan konveks yang dibatasi oleh beberapa fungsi linear.
Apakah mungkin menghasilkan himpunan non konveks yang dibatasi beberapa 62
fungsi linear? Tunjukkan.