Sifat-sifat Matematika Ekonomi

MATEMATIKA EKONOMI MERUPAKAN PENDEKATAN UNTUK

ANALISIS EKONOMI, DIMANA AHLI EKONOMI MENGGUNAKAN SIM
S IB
MOBLO-L M A T E M A T I S U N T U K M E N Y A T A K A N P E R M A S A L A H A N DAN J U G A
MENGGUNAKAN DALIL-DALIL MATEMATIS YANG TERKENAL UNTUK
MEMBANTU DI DALAM PEMBAHASANNYA. MATEMATIKA EKONOMI
DAPAT DIGUNAKAN DALAM TEORI EKONOMI MAKRO ATAU MIKRO,
K E U A N G A N N E G A R A , E K O N O M I P E R K O T A A N , DAN L A I N - L A I N .
S A A T INI , M A T E M A T I K A E K O N O M I D I G U N A K A N DALAM SETIAP
BUKU PELAJARAN DASAR EKONOMI SEPERTI METODE ILMU UKUR
YANG SERING DIGUNAKAN UNTUK MEMPEROLEH HASIL TEORITIS.
AKAN TETAPI, BIASANYA MATEMATIKA EKONOMI DIGUNAKAN UNTUK
MENJELASKAN KASUS-KASUS TEKNIK MATEMATIS SEPERTI MATRIKS,
KALKULUS D I F E R E N S I A L DAN I N T E G R A L , P E R S A M A A N D I F E R E N S I A L ,
PERSAMAAN DIFERENS, DAN LAIN-LAIN DILUAR ILMU UKUR
SEDERHANA.
 1.1 Matematika versus Nonmatematika
Ekonomi
Perbedaan utama antara “matematika ekonomi” dan
“nonmatematika ekonomi” adalah :

 Pertama, dalam matematika ekonomi asumsi dan kesimpulan

dinyatakan dalam simbol-simbol matematis bukan kata-kata dan
dalam persamaan-persamaan bukan kalimat-kalimat.

 Kedua, sebagai pengganti logika non matematika banyak

digunakan dalil-dalil matematis dalam suatu proses
pembahasan. Karena sebenarnya simbol-simbol dan kata-kata
adalah sama maka mudah untuk memilih salah satu diantaranya.
Kita harus meninggalkan metode ilmu ukur, karena walaupun
mempunyai manfaat penting dalam penggambaran, tetapi juga memiliki
kelemahan keterbatasan dimensi.

Pendekatan matematis mempunyai beberapa keunggulan :

1. “Bahasa” yang digunakan lebih ringkas dan tepat.

2. Kaya akan dalil-dalil matematis sehingga mempermudah

pemakaiannya

3. Mendorong kita untuk menyatakan asumsi-asumsi secara jelas sebagai

suatu prasyarat untuk mempergunakan dalil-dalil matematis, agar
terhindar dari asumsi-asumsi implisit yang tidak diinginkan.

4. Memungkinkan kita untuk menyelesaikan kasus dengan n variabel.

 1.2 Matematika ekonomi versus
Ekonometrika

Matematika Ekonomi membahas penerapan matematis pada

aspek-aspek teoretis murni dari analisis ekonomi, tanpa atau hanya
sedikit mempedulikan masalah-masalah statistik seperti kesalahan
pengukuran variabel yang sedang dipelajari. Sedangkan ekonometrika
berhubungan dengan pembahasan tentang observasi empiris yang
menggunakan estimasi dengan metode statistik dan pengujian hipotesis.

Matematika ekonomi dapat dianggap lebih mendasar, karena

untuk mempelajari statistik dan ekonometrika, suatu kerangka teoritis
yang baik-lebih disukai dalam perumusan matematis-sangat diperlukan.
2.1 Unsur-unsur dalam model matematis

Variabel
konstanta

Parameter

Unsur model matematis

Variabel adalah sesuatu yang besarnya dapat
berubah, misalnya sesuatu yang dapat menerima nilai
yang berbeda. Karena setiap variabel dapat menerima
berbagai nilai, maka variabel harus dinyatakan dengan
simbol tertentu.
Contoh: harga (P), pendapatan (R), biaya (C),
pendapatan nasional (Y)
Akan tetapi, jika telah dinyatakan bahwa P=3 atau
C=18, maka nilai variabel ini sudah “tertentu”.
Ada 2 macam variabel yaitu :

variabel endogen adalah variabel yang nilai penyelesaiannya

dicari melalui model atau diperoleh dari dalam

variabel eksogen adalah variabel –variabel yang dianggap

dapat ditentukan oleh kekuatan dari luar model dan nilai-nilai
variabel yang diperoleh dari data yang ada

Perlu diketahui bahwa suatu variabel mungkin merupakan

variabel endogen untuk suatu model dan mungkin pula menjadi
variabel eksogen untuk model lainnya.
Konstanta

Konstanta adalah besaran yang tidak berubah, sehingga

merupakan lawan dari variabel. Jika suatu konstanta digabung
dengan sebuah variabel, maka angka itu sering disebut koefisien
variabel tersebut.

Konstanta parametrik atau yang biasa disebut parameter

digunakan untuk mengidentifikasikan kedudukan yang khusus.

Secara umum, konstanta parametrik biasanya dinyatakan engan

simbol a,b,c atau dalam abad Yunani, seperti α
Variabel dapat berdiri sendiri, tetapi baru ada artinya bila
berhubungan satu dengan yang lain melalui persamaan atau
ketidaksamaan.
Dalam penerapan ekonomi, dibedakan 3 macam persamaan :
1. Persamaan definisi : membentuk identitas antara dua
pernyataan yang mempunyai arti persis sama contoh ∏=R-C
2. Persamaan perilaku : menunjukkan perilaku suatu variabel
sebagai tanggapan terhadap perubahan variabel lainnya.
3. Persamaan bersyarat : menyatakan persayaratan yang harus
dipenuhi
 2.2 sistem bilangan nyata
Bilangan seperti 1,2,3.. disebut bilangan bulat positif

Sedangkan bilangan seperti -1,-2,-3.. disebut bilangan bulat negatif

Bilangan Bulat Bilangan pecahan

Bilangan Rasional Bilangan Irasional

Bilangan Nyata
2.3 konsep himpunan
Penulisan Himpunan

Himpunan adalah kumpulan objek yang berbeda, baik

makanan, bilangan, atau yang lainnya. Objek-objek dalam suatu
himpunan disebut elemen-elemen himpunan.

Ada 2 cara menulis himpunan :

1. Dengan menyebut satu per satu . Misal S mewakili himpunan dari

tiga bilangan 2,3,4 dapat ditulis S = {2,3,4}

2. Dengan gambaran. Misal I merupakan himpunan bilangan bulat

positif, dapat ditulis I = ( x │ x bilangan bulat positif )

Hubungan diantara himpunan-himpunan
 Bila dua himpunan berisi elemen yang sama maka dikatakan

sama. Contoh : S1={2,a,7,f} dan S2={2,7,a,f},maka S1 = S2

 1 himpunan mungkin merupakan himpunan bagian dari himpunan

lainnya. Contoh : S={1,3,5,7} dan T = {1,5}

 2 himpunan yang seluruh elemennya berbeda sama sekali.

Misalnya : 1 himpunan bilangan positif, 1 himpunan bil. negatif

 2 himp. Dengan beberapa elemen yang sama tetapi

beberapa
elemen diantaranya “aneh” satu sama lainnya
 Operasi Himpunan
•Gabungan (union) : gabungan dari 2 himpunan yang membentuk
himpunan yang berisi kedua himpunan. Himpunan gabungan

menggunakan simbol A B
∪ A B
Dalam diagram Venn digambarkan

• Irisan (intersection) :himpunan baru yang berisi elemen yang

sama dari kedua himpunan. Himpunan irisan menggunakan simbol
A  B. Dalam diagram Venn digambarkan A B

• Komplemen (complement) : himpunan yang berada diluar daerah

himpunan .
A
à = Komplemen
Ã
Hukum komutatif

A B=B A A B = B  A
∪ ∪
Hukum asosiatif

A ( B C) = (A B) C
∪ ∪ ∪ ∪
A  ( B  C) = (A  B)  C

Hukum distributif

A ( B  C) = (A B)  (A C)
∪ ∪ ∪
A  (B C) = (A  B) U (A  C)
∪
Hasil kali Cartesius adalah himpunan pasangan urut atau

tersusun dari (x, y) dimana setiap unsur x € X dipasangkan

dengan setiap unsur y € Y.

Misal : Hubungan antara partisipasi dan nilai UAS

X = partisipasi, Y= nilai UAS

X = {1, 2, 3, 4} sedangkan Y = {1, 2, 3}

Himpunan hasil kali Cartesius adalah:

X x Y = {(x, y)/ x ε X, y ε Y}
 • Fungsi yang range –nya hanya terdiri dari
satu elemen.
• misal : y=f(x) = 7, nilainya tetap sama tanpa
Fungsi memperhatikan nilai x.
Konstan • Fungsi seperti diatas akan digambarkan
sebagai suatu garis lurus horisontal.

• Memiliki bentuk umum: y = a + bx + cx2 + .

. + pxn
• Setiap suku berisi koefisien serta pangkat
bilangan bulat non-negatif dari variabel x.
Fungsi • Misal : n = 1 y = a0 + a1x [fungsi
Polinom
• n = 2 y = a0 + a 1 x +
linear] a2x2 [fungsi

kuadrat]
• Fungsi dengan y dinyatakan sebagai perbandingan
dua polinom dalam variabel x.
• Fungsi rasional khusus yang mempunyai penerapan
menarik dlm ekonomi adalah fungsi y = (a/x) atau
xy = a
Fungsi • Karena hasil kali dua variabel tsb selalu
maka fungsi tsb dapat digunakan untuk
rasional konstan,

menunjukkan kurva permintaan dan kurva biaya

tetap rata-rata

• Fungsi nonaljabar (transendental) adalah

fungsi yang variabel bebasnya merupakan
eksponen.
• Misal, fungsi eksponensial seperti y = bx
Fungsi • Fungsi logaritma seperti y = logb X
hubungannya
Nonaljabardengan
• Fungsianalisis dinamis
trigonometri (sirkulasi)
dalam
 Aturan I = xm x xn = xm+n Contoh : x3 x x4 = x7

 Aturan II : xm / xn = xm-n Contoh : x4 / x3 = x

Aturan III : x-n = 1/xn (x ≠ 0)
Aturan IV : x0 = 1 (x ≠ 0)
Aturan V : x1/n =
Aturan VI : (xm)n = xmn
Aturan VII : xm x ym = (xy)m
 z = g (x, y)
z = ax + by atau z = a0 + a1x + a2x2 + b1y + b2y2
Fungsi
Fungsig gmembuat
membuatpeta dari
peta suatu
dari titik
suatu dalam
titik ruang
dalam duadua
ruang dimensi,
dimensi, ke
satu titik pada garis ruas (titik dalam ruang satu dimensi), seperti :
dari titik (x1,y1) ke titik z1
dari titik (x2, y2) ke titik z2
Fungsi
Fungsilebih dari
lebih satu
dari variabel
satu juga
variabel dapat
juga diklasifikasikan
dapat keke
diklasifikasikan dala
dalam
berbagai jenis. Misalnya sebuah fungsi yg mempunyai bentuk
y y = =a1ax11x1+ a
+2xa22+.
x2 .+.. +. a.nx+
n adalah
anxn fungsi linear,
adalah fungsi yan
linear, yang
mempunyai karakteristik bahwa setiap variabel hanya berpangkat satu.
Dalam rangka mencapai suatu tingkat umum yang lebih
tinggi, kita dapat menggunakan fungsi umum y = f (x) atau z =
g(x,y). Fungsi tersebut tidak terbatas apakah linear, kuadrat, atau
eksponen seluruhnya akan dimasukkan ke dalam fungsi yg ada.
 Equilibrium Analysis in
Economics

CHAPTER3
ALPHACHIANG,FUNDAMENTALMETHO
DSOFMATHEMATICAL
ECONOMICS,THIRDEDITION
Outline (Pertemuan 2)
Meaning of Equilibrium

 Equilibrium: a constellation of selected interrelated variables so

adjusted to one another that no inherent tendency to change
prevails in the model they constitute.

 “selected” underscores the fact that there do exist variables

which, by the analyst‟s choice, have not been included in the
model. The equilibrium under discussion can have relevance
only in the context of the particular set of variables chosen.

 “interrelated” suggests that, in order for equilibrium to obtain,

all variables in the model must simultaneously be in a state of
rest.

 “inherent” implies that, in defining an equilibrium, the state of

rest involved is based only on the balancing of the internal forces
of the model, while the external factors are assumed fixed.
Meaning of Equilibrium

 In essence, an equilibrium for a specified model is a

situation that is characterized by a lack of tendency to
change. It is for this reason that the analysis of equilibrium
(more specifically, the study of what the equilibrium state is
like) is referred to as statics.

 An equilibrium implies no tendency to change may tempt

one to conclude that an equilibrium necessarily constitutes
a desirable or ideal state of affairs.

 The only warranted interpretation is that an equilibrium is

a situation which, if attained, would tend to perpetuate
itself, barring any changes in the external forces.
Find the equilibrium pri2c5e (P*) and quantity (Q*)
 Given
 Qd quantity demanded
 Qs quantity supplied
P price, where P* is the equilibrium price
 Assume
 Qd = Qs=Q*
 Qd a decreasing linear function of P
 Qs an increasing linear function of P
 P* > 0
 One equilibrium and two behavioral equations
The meaning of equilibrium
Qd
a Qs = - c + dP
(supply)

Q d  Qs  Q* P , Q 
* *

Qd  a  bP
(demand)
O P

P* ceterus paribus
-c

 Equilibrium: a set of selected interrelated

variables, e.g. P, Q, within the model adjusted to a
state such that there no inherent tendency to
change.

26
Ingredients of a mathematical model
27

 A mathematical economic model will consist of:

 Variables, Constants
 Parameters, Equations and Identities

 Example: Supply-demand model

Qd = a - bP demand equation
Qs = -c + dP supply equation
Qd = Qs= Q* equilibrium condition
Solving a linear market model
28

 Partial equilibrium model of supply & demand

1) Qd = Qs=Q* equilibrium condition
2) a – bP = -c + dP
3) (a + c) – (b+d)P* = 0 where P=P* when Q=0
4) (a + c) – (b+d)P = Q more general form
linear formulae
5) P* = (a+c)/(b+d)
6) Q* = (ad-bc)/(b+d)
Solving a Linear Market Model
29

 Partialequilibrium
model of supply & demand
Qd = Qs =Q* equilibrium condition
Qd = 21 - 2P ; a=21, b=2
Qs = -4+ 8P ; c=4, d=8
linear formula
P* = (a+c)/(b+d) = (21+4)/(2+8)=25/10=2.5
Q* = (ad-bc)/(b+d) = (21)(8)-(2)(4)/10 =
160/10 = 16
Linear Market Model
30

Let
a  21, b  2,
c  4, d  8
Qd  a  bP (blue)
Qs  c  dP (black)
*
Qd  Qs  Q
a  bP  c  dP
 Partial Market Equilibrium –
A Nonlinear Model


Qd  Qs
Q  4  P2 d

Qs  4P 1
Solve for P and Q
4  P2  4P 1
P2  4P  5  0
 Q  f (P)  P2  4P  5
Quadratic Equation

 If ax  bx  c  0
2

Solution:
b  b2  4ac
x1 , x2 
2a
Solution 2:

P2 + 4P – 5 = 0
(P+5) (P-1) = 0
P = { -5,1}
General Market Equilibrium

 For every commodity, there exists many substitutes

and complementary good. Once brought into the
picture, model must be broadened to yield
equilibrium values of these other prices as well.
 Example

Qd1 – Qs1 = 0
Qd1 = a0 + a1P1 + a2P2
Qs1 = b0 + b1P1 + b2P2

Qd2-Qs2 = 0
Qd2 = 0 + 1P1+ 2P2
Qs2 = 0 + 1P1 + 2P2

 See solution in the book.

Numerical Example

 Two commodties:

Qd1 = 18- 3P1 + P2

Qs1 = -2 + 4P1

Qd2 = 12 + P1 - 2P2
Qs2 = -2 + 3P2
 Matrix

NANDANURRIDZKI
 Outline

 How to arrange a matrix system:

various (economic) models
 Matrices and vectors
 Matrix and vector operations
 Identity matrices and null matrices
 Transposes and inverses
 Pengertian

 Tujuan Mempelajari Aljabar Matrix

 Memberikan suatu cara penulisan sistem
persamaan yang singkat walaupun
persamaannya luas sekali
 Memberikan suatu cara pengujian suatu
pemecahan dengan pendekatan determinan
 Mendapatkan cara pemecahan yang ringkas
(jika solusinya ada)
Matrices: Definition

 A matrix is a rectangular array of numbers.

 Size of a matrix is indicated by the number of
its rows and the number of its columns. Eq. k:
rows, n: columns (k x n)
 Elemen dari matriks: aij (i = row, j =
column)
 Two matrices are equal if they both have same
size and if the corresponding entries in the two
matrices are equal.
 Matrix Operations
Addition and Subtraction of Matrices
Scalar Multiplication
Multiplication of Matrices

 2 1  3 1  5 2 
7 9   11 
0 2 7     
A2 x 2 B2 x 2 C2 x 2

 Matrix
addition

 Matrix 2 1

1 0

1
7  2  5 
subtraction
1  9  3  6

40
 Scalar multiplication
2 4  16 32
8 
6 
  1 8 48
1 2 4  1 4 1 2 

8 6
 
1
3 4 1 8 
 

a11 a12   a11  a12 

 1   
a a  21 a 22  a
 21 
 22 

41
Matrix multiplication
 Multiplication of matrices require
conformability condition
 The conformability condition for multiplication is
that the column dimensions of the lead matrix A
must be equal to the row dimension of the lag matrix
B.
 What are the dimensions of the vector, matrix,
b12 b13 
anadBres a b11
 c c 
c
12  21

c
11 11 23  12 13
a ult? b b b 22

 a1 1b11  a1 2b21 a1 1b12  a1 2b22 a1 1b13  a1 2b23 

Dimensions: a(1x2), B(2x3), c(1x3)

42
Laws of Matrix Addition &
Multiplication
Matrix Addition
Matrix Multiplication
a11 a12  b11 b12   a11  b11 b12  a12 
AB   
C o m m u t at i v e la w : A + B
a 2 1
a 22  b 21
b22  a 2 1  a21 b 22  a2 2 

=B+A

B A  b 11  b12  a11  a12  b11  a11 b12 a12 

b21 b22  b21 b22  b21  a21 b22  a22 43

Matrix Multiplication
 Matrix multiplication is generally not commutative.
AB  BA

1 2 0 1
A ; B   
3 4 6 7
 

10  26 1 1  27 12 13

AB    
 30  46 3 1  47 24 25

01   13 02   14  3  4

BA    
61 62  27 40  
73 74 44
Notes on Vector Operations
Multiplication of Vectors

3
u  2  An [m x 1] column vector u
2 x1
  and a [1 x n] row vector v,
yield a product matrix uv of
v  1 4 5 dimension [m x n].
1x3

3 31215
uv  1 4 5
2x3
2   2 8 10 
   

45
 Identity and Null Matrices
Identity Matrices
Null Matrices

 Identity Matrix is a square

matrix a1nd0 also it is   or
a diagona0l m1 atrix
with 1  
along th1e 0di0a gonals
similar 1
sc leat “1” 0 0 1
to0 a r
0  c.
0 0 0
 
 Null mat0rix0 i0s one in which
all n0ts0 are
eleme0 zero similar to scalar “0”

Both are “idempotent”

matrices
A = AT and
A = A 2 = A3 = …

46
 Transposes

 Transposed matrices  3 8  9
 (A')' = A
A  1 0 4
 Matrix rotated along its
principle major axis
 Conformability  3 1
(dimensi) changes A   8 0
unless it is square  
9 4

47
 System of Equations in Matrix Form
Assume an economic model as system of linear
equations in which
aij parameters, where
i = 1.. n rows, j = 1.. m columns, and n=m
xi endogenous variables,
di exogenous variables and constants
a11 x1  a12 x2   a1m xn  d1
a21 x1  a22 x2   a 2 m xn  d 2
   
an1 x 1  an 2 x2   anm xn  dn

48
 System of Equations in Matrix Form
(2)
A is a matrix or a rectangular array of elements in
which the elements are parameters of the model in this
case.

A general form matrix of a system of linear equations

Ax = d where
A = matrix of parameters (upper case letters 
matrices)
x = column vector of endogenous variables, (lower
case  vectors)
d = column vector oaf eaxogeano xu s dvariables and
11 12 1m 1 1

constants a
 a
21
 a  x  d 
2  2m 2 2

 2    
    
an1 an 2  anm   xn  d n 
Ax  d
x*  A1d
Solve for x*
49
 Inverse matrix
 AA-1 = I • Ax=d
 A-1A=I • A-1A x = A-1
d
 Necessary for • I x = A-1 d
to have inversematrix •toSolution
be square • x = A-1 d
depends on

A-1

50
 Inverse Matrix

 A square matrix has an inverse if the determinant

|A| ≠ 0

a b
A
c 
 d
1 1 1  d  b
A 
 adjA 
A A  c a 
 soal

 1 2

A 1 3 
 
1

b 2 
 
AX  b

• Berapakah X?
Matrix inversion
 It is not possible to divide one
matrix by
another. That is, we can not write
A/B. This
is because for two matrices A and
B, the
quotient can be written as AB-1 or
B-1A.
 AB-1  B-1 A

53
Properties Invers Matrix

 Determinan matrix ≠ 0
 Matrix Non Singular
Ciri Matrix Non-Singular
 Matriks bujur sangkar (n x n)

 Baris atau kolom matriks bersifat saling bebas linier

Contoh tidak saling bebas linier

2x + y = 12
4x + 2y = 24
Invers matrix 3 x 3

 Untuk mencari invers matrix 3x3 perlu diketahui

matrix adjoint terlebih dahulu
 Matrix adjoint adalah transpose dari sebuah matrix
yang terbentuk dari kofaktor-kofaktor matriks
asalnya (transpose dari „matrix kofaktor‟)
a11 a12 a13 

MatrixA  a 21 a22 a
 23

a31 a32 a33  

C11 C12 C13 

 21 MatrixKofa
22 23  ktor :  C C C 
C C31 C C33
32

 a a a a 22 a 23 a  21 23 21 22
  
 a32 a33 a31 a33 a31 a32 
 a a a a a a 
 a32 a33 a31 a33 a31 a32 
 a12 a 13 a11 a 13 a11 a 12 
  
 a2 a2 a2 a2 a2 a2 
Determinan matriks 3x3

A  a11 M11  a12 M12  a13 M13

 a11 C11  a12 C12  a13 C13

  a 1 j C1 j 3

j 1
 C11 C11C21C21 C31C31

MatrixAdjo
MatrixAdjo int ( A)
int : Adj : Adj
 C ( A)
T
C C T C CC12
  C 22 C
 32

C13 C23 C33 

C11 C21 C31 
1 1 
A InversA: A  12Adj ( 22
A)  32  C C C 
C13 C23 C33
Analisis Matriks Pada
Persamaan Linier

NANDA NURRIDZKI
 Sistem Persamaan Linear
Beberapa kasus dimana suatu sistem linear tidak
mempunyai solusi:
1. Tidak konsisten
x+y=8
x+y=9
2. Tergantung linear
2x + y = 12
4x + 2y = 24
3. Terlalu banyak persamaan
2x + 3y = 58
3x + y = 18
x+y = 20
Syarat suatu sistem persamaan linear
mempunyai solusi

1. Matriks A bujur sangkar (n x n), sehingga jumlah

persamaan n = jumlah variabel n
2. Baris atau Kolom Matriks A bersifat saling bebas
linear (linearly independent). Hal ini dipenuhi
jika rank (A)=n (syarat cukup non-singular).
3. Jika syarat (1) dan (2) dipenuhi maka matriks A
disebut matriks non-singular. Jika tidak maka
disebut matriks singular yang mengakibatkan
sistem persamaan linear tidak mempunyai solusi.
Tes Singularitas

 Terdapat 2 cara untuk mengetahui apakah

matriks singular atau non-singular
1. Menggunakan metode Determinan |A|
Jika |A| = 0 maka matriks A singular
2. Menggunakan metode Kebebasan Linier
Suatu vektor w dikatakan kombinasi linier dari himpunan vektor
u1, u2, .... un apabila w dapat
dinyatankan sbb:

W  kiui  k2u2  ...  knun ; ki  R

i1
Menentukan Rank
 Rank digunakan untuk menentukan singularitas suatu
matriks dan linear independent pada suatu sistem
persamaan linier
 Cara menentukan rank:
1. Determinan.
 Jika nilai determinan suatu matriks tidak sama dengan nol maka
matriks tersebut memiliki rank penuh.
2. Operasi Baris Elementer
 Ketentuan proses operasi baris elementer:
 Pertukaran antara 2 baris pada matriks
 Perkalian atau pembagian dari suau baris dengan suatu skalar
 Penjumlahan dari k kali suatu baris dengan baris yang lain

Eq: A = matriks n x n. Jika rank (A) ≠ n, maka A bukan non-

singular
 Contoh


Metode Kebebasan Linier
Kebebasan Linier Terpaut Linier (Linearly
(Linearly Independent) Dependent)

 Suatu himpunan vektor-  Suatu himpunan vektor-

vektor u1, u2, .... un jika vektor u1, u2, .... un jika
n dan hanya jika n dan hanya jika

i 1
 ku  k u  k u
i i 1 1 2 2  ...  knun  0
i 1
 ku i i
 k1u1  k2u2  ...  knun 0

hanya untuk k1 = k2 = ... dengan ki tidak

= kn = 0, dimana 0 semuanya bernilai nol
adalah vektor nol.
Jika Ki = 0, maka Vi adalah satu-satunya pemecahan,
sehingga V dikatakan bebas linier. Jika tidak maka V
bergantung linier
Contoh Tes Singular
3 2
B , p eriksalah ap akah B  non - singular?
6 4

1. Gunakan metode determinan: |B| = 12 –

12 = 0,
jadi B singular
2. Gunakan metode kebebasan linier
Misalkan:
V = { V1, V2} adalah vektor-vektor kolom dari
matriks B, sbb:
V1    dan V2   
3 2
6 4
3
K1V1  K 2V2  0 
2
K1    K 2  0
6 4
3K1 + 2K2 = 0
6K1 + 4K2 = 0
Dua persamaan di atas identik, maka gunakan salah satu
Misal pers 1: 3K1 + 2K2 = 0
3K1 = - 2K2

Pemecahan ini menunjukan ada banyak solusi bagi

persamaan K1V1+ K2V2 = 0.

Selain K1 = K2 = 0 adalah K1 = -2 dan K2=3, sehingga

V1 dan V2 tidak bebas linier (bergantung linier).
Disimpulkan maka B adalah matriks singular
Determinan
Determinan dan Sifat Dasarnya

 Determinan suatu matriks adalah suatu bilangan

skalar yang diperoleh melalui operasi tertentu dari
elemen-elemen matriks tersebut.
 Determinan hanya dapat diperoleh pada matriks
bujur sangkar.
 Penulisan determinan matriks ditandai dengan
tanda: ||, misal determinan matriks A: |A|
Metode Perhitungan Determinan

 Determinan tingkat 2 (2nd order determinant)

a11 a12 
A
a a22 

 21
a11 a12
A   (a a a1 2a21)
1 1 22
21 22
a a
 Metode Perhitungan Determinan (2)
 Determinan  a11 a12 a13 
tingkat 3 A  a21 a22 a23  
a31 a32 a33
M et ode Sarrus
a11 a12 a13 a11 a12
A  a21 a22 a23 a21 a22 
a31 a32 a33 a31 a32 (a1

1a22a33  a1 2a2 3a31  a1 3a2 1a32 ) 

(a3 1a22a13  a3 2a2 3a11  a3 3a2 1a12 )
Metode Perhitungan Determinan (3)
 Metode Laplace Expantion

n
A   aij Cij
i 1

dim ana
ij
Cij  (1) M ij
aij : elemen matriks A ke - ij
Cij : cofaktor matriks ke - ij
M ij : minor matriks ke ij, merup akan nilai submatriks
dengan menghilang kan baris ke - i dan kolom ke - j
 Metode Perhitungan Determinan (4)
 Sehingga nilai determinan dari matriks A (3 x 3):

A  a11C11  a12C12  a13C13

dim ana
A  a11 M11  a12 M12  a13 M13
a22 a23 a21 a23 a21 a22
Aa a a
11 12 13
a32 a33 a31 a33 a31 a32
Sifat-sifat Determinan
1. Pertukaran baris dengan kolom tidak mempengaruhi
nilai determinan. Nilai determinan suatu matriks sama
dengan nilai determinan transpose matriks tersebut
2. Pertukaran 2 baris (atau 2 kolom) manapun akan
mengubah tanda tapi nilai determinan tidak berubah
3. Perkalian 1 baris (atau 1 kolom) manapun dengan
bilangan skalar akan mengubah nilai determinan
sebesar k kali
4. Penambahan (atau pengurangan) dari suatu
kelipatan
baris atau kolom manapun ke baris atau kolom yang
lain akan menyebabkan nilai determinannya tidak
berubah
5. Apabila satu baris atau kolom adalah identik atau
deteminannya akan atau
kelipatan dari baris menjadi nollainnya, maka nilai
kolom
Invers matrix 3 x 3

 Untuk mencari invers matrix 3x3 perlu diketahui

matrix adjoint terlebih dahulu
 Matrix adjoint adalah transpose dari sebuah matrix
yang terbentuk dari kofaktor-kofaktor matriks
asalnya (transpose dari „matrix kofaktor‟)
a11 a12 a13 

MatrixA  a 21 a22 a
 23

a31 a32 a33  

C11 C12 C13 

 21 MatrixKofa
22 23  ktor :  C C C 
C C31 C C33
32

 a a a a 22 a 23 a  21 23 21 22
  
 a32 a33 a31 a33 a31 a32 
 a a a a a a 
 a32 a33 a31 a33 a31 a32 
 a12 a 13 a11 a 13 a11 a 12 
  
 a2 a2 a2 a2 a2 a2 
 C11 C11C21C21 C31C31


MatrixAdjo
MatrixAdjo int ( A)
int : Adj : Adj
 C ( A)
T
C C T C CC12
  C 22 C
 32

C13 C23 C33 

C11 C21 C31 
1 1 
A InversA: A  12Adj ( 22
A)  32  C C C 
C13 C23 C33
 Gauss-Jordan Elimination
 Cramer‟s Rule
Gauss-Jordan Elimination
Gauss-Jordan Elimination

 Fundamental operations:
1. Replace one equation with linear combination
of other equations
2. Interchange two equations

3. Re-label two variables

 Combine to reduce to trivial system

 Simplest variant only uses #1 operations,
but get better stability by adding
#2 (partial pivoting) or #2 and #3 (full pivoting)
Gauss-Jordan Elimination

 Solve:

2 x1  3x2  7
4 x1  5x2  13

2 3 7
 
4 5 13
Gauss-Jordan Elimination

 Given:

2 3 7
 
4 5 belo
 Goal: reduce this to system 13 w

1 0 ?
and read off answer from

 0 1
right

? column
Gauss-Jordan Elimination

2 3 7
 
4 5 13
 operation 1: replace any row by
Basic
linear combination with any other row
 Here, replace row1 with 1/2* row1 + 0*row2

1 3
2
7  2
 
 4 5 13
Gauss-Jordan Elimination

1 3
2
7  2
 
 4 5 13
 row2 with row 2 – 4 * row1
Replace
1 3
2
7
2 
 
 Negate row2 0 1 1

1 3
2
7
2 
 
 0 1 1 
Gauss-Jordan Elimination

1 3
2
7
2 
 
 0 1 1 
 row1 with row1 – 3/2* row2
Replace

 Read off solution: x1 = 2, x2 = 1

1 0 2
 0 1 1
 
Gauss-Jordan Elimination

 For each row i:

 Multiply row i by 1/aii

 For each other row j:

 Add –aji times row i to row j

 At the end, left part of matrix is identity,

answer in right part
 Can solve any number of R.H.S. simultaneously
Cramer‟s Rule
Use Cramer’s rule for a 2 X 2 system

9x + 4y =– 6
Use Cramer’s rule to solve this system:
3x –5y =– 21

SOLUTION

STEP 1

Evaluate the determinant of the coefficient matrix.

9 4
= –45 – 12 = –57
3 –5
Use Cramer’s rule for a 2 X 2 system

STEP 2
Apply Cramer’s rule because the determinant is not 0.

–6 4
–21 –5 30 – (–84) 114
x= = = = –2
–57 –57 –57

9 –6
3 –21 –189 – (–18) –171
y= = = = 3
–57 –57 –57

ANSWER

The solution is (– 2, 3).

Use Cramer’s rule for a 2 X 2 system

CHECK

Check this solution in the original equations.

9x + 4y = –6 3x – 5y = –21

9(–2) + 4(3) = –?6 3(–2) – 5(3) = –?21

?
–18 + 12 = –?6 –6 – 15 = –21

–6 = –6 –21 = –21
Aplikasi Matriks Dalam Bisnis dan Ekonomi

 Market & National Income Models

 Leontief Input-Output Models
Analisis Komparatif Statik dan
Konsep Derivatif

NANDA NURRIDZKI
 Outline
 Pengertian Komparatif Statik dan Konsep Derivatif

 Derivatif dan Slope Kurva

 Konsep Limit dalam Kaitannya dengan Derivatif
 Funqsi Kontinu dan Diferensiabel
 Aturan Derivatif
 Pengertian Komparatif Statik dan Konsep
Derivatif
• Perbandingan 2 kondisi keseimbangan yg
berhubungan dengan perbedaan nilai parameter
dan atau variabel eksogen.
• Contoh:
Pasar satu komoditi: Q (kuantitas), P (harga)
Keseimbangan awal: P0Q0
Jika terdapat perubahan nilai parameter dan atau
variabel eksogen, keseimbangan baru: P1Q1 
analisis komparatif statik
Pengertian dan Konsep (2)
• Analisis komparatif statik:
– Kuantitatif: besar perubahan
– Kualitatif: arah perubahan

• Tingkat perubahan
Misal y = f (x)
Analisis komparatif statik: bagaimana tingkat
perubahan variabel y sebagai akibat perubahan variabel
x
y = variabel endogen
x = variabel eksogen
Pengertian dan Konsep (3)
Hasil Bagi Perbedaan (Difference Quotient)
• Bila x berubah dari x0 ke x1, nilai perubahannya adalah
∆x = x1 - x0
• Sehingga, bila x0 berubah menjadi (x0 + ∆x) maka nilai
fungsi f(x0) berubah menjadi f (x0 + ∆x)

• Hasil Bagi Perbedaan (Difference Quotient)

adalah: perubahan dalam y per 1 unit
perubahan x
• Nilai ini dapat dihitung bila diketahui nilai awalydari x
yaitu x0 dan besar perubahan x, yaitu ∆x. Sedanxgkan
mengukur rata-rata tingkat perubahan y
 Derivatif

• Jika nilai ∆x sangat kecil (mendekati nol) maka

derivatif dari fungsi y = f (x) adalah:
d y f ( x0 x) f ( x0 )
y  f x  lim  lim
dx x
0
x x
0
x

Contoh derivatif dari : y = f(x) = 3x2-4

li y
m  lim
0 (6 x  3x)  6 x 0
x0
x x0

Jika x = 3, maka f‟(x) = 6(3) = 18

Derivatif dan Slope Kurva
 Misal fungsi total cost: C = f (Q)

dimana C: total cost ; Q: Output.

 Marginal cost (MC) didefinisikan sebagai

perubahan dalam total cost akibat kenaikan 1 unit
output. Atau secara matematis:
MC = ∆C/∆Q
Derivatif dan Slope Kurva (2)
• Pada kasus barang yang jumlahnya diskrit, perubahan
1 unit adalah jumlah perubahan yang paling kecil yang
mungkin terjadi.

• Tetapi utk barang dlm jumlah yg nilainya kontinu ∆Q

dapat berubah dlm jumlah desimal yg tidak terbatas
 sehingga marginal cost dihitung dengan slope dari
kurva total cost.

• Slope dari total cost adalah limit dari rasio ∆C/∆Q, saat
∆Q mendekati nol.
Derivatif dan Slope Kurva (3)

y=f(x) f(x)

f(x0+x)
B

x
y D
f’(x)

A f’(x0) x
f(x0) C
F
x
E x0 x0+x
x

100
Derivatif dan Slope Kurva (4)
• Misal A: titik awal dgn Q0 dan C0
Output meningkat ∆Q menjadi: Q0 + ∆Q = Q2
Total cost menjadi: C0 + ∆C = C2
sehingga C C2 C0

Q Q2  Q0

Atau rasio dari CB/AC  slope AB  rasio

tingkat perubahan atau rata-rata Marginal Cost
(MC)
Derivatif dan Slope Kurva (5)
Bagaimana jika ∆Q berubah-ubah?
 Jika kenaikan output semakin kecil, bahkan jauh
lebih kecil (∆Q  0) maka yang dihitung adalah
slope garis ED (garis tangent kurva total cost pada
A)
 Slope ini menunjukkan limit dari ∆C/∆Q saat
∆Q0 dimana output awalnya adalah Q = Q0
 Konsep Limit
• Derivatif dy/dx didefinisikan sebagai limit dari
hasil bagi perbedaan (differenceyquotient)
saat ∆x0 x
y
x
• Jika dinotasikan q = dan v = ∆x, dimana q
adalah quotient dan v adalah variasi dari nilai x
maka dy y
x0 x
 lim  lim q
dx v0
Konsep limit (2)

• Cara menentukan limit suatu fungsi:

– Substitusikan nilai x = a ke dalam fungsi f
– Mengobservasi nilai dari a yang didekati dari 2 arah

lim f ( x)  L Menunjukkan bahwa limit f(x) ketika

xa  x mendekati a dari kiri

lim f ( x)  L Menunjukkan bahwa limit f(x)


xa
ketika x mendekati a dari kanan

Sehingga utk menguji eksistensi bahwa limit ada, jika

limlimf ( x)f (x)L  lim f ( x) mLaka

xa

xa
 xa
Fungsi Kontinu dan Diferensiabel
• Suatu fungsi f(x) dikatakan kontinu di titik x=a,
dimana a є Df, jika:
 Fungsi f(x) terdefinisi di x = a atau f(a) ada
 Fungsi f(x) mempunyai limit saat x  a atau

lim f (xa)da.
x
a
 Limit ada jika:

lim f ( x)  lim f ( x)  L
xa  xa 
lim f (x)= f(a)
x
a
Fungsi Kontinu dan Diferensiabel (2)
 Suatu fungsi disebut diferensiabel pada x = a jika
 Dy/dx exists at x = a atau f‟(a) exists
 Limit hasil-bagi beda untuk X menuju a adalah f‟(a)

 Maka fungsi diferensiasi di titik x = x0 jika:

y f ( x0 x) f ( x0 )

f x  lim  lim
x0 x x0 x
Chiang, Ch. 7 Rules of Differentiation and
107
Their Use in Comparative Statics

 Rules of Differentiation for a Function of One

Variable
 Rules of Differentiation Involving Two or More
Functions of the Same Variable
 Rules of Differentiation Involving Functions of
Different Variables
 Partial
Differentiation
 Applications to Comparative-Static Analysis
 Note on Jacobian Determinants
 7.1 Rules of Differentiation
for a Function of One Variable
108

 7.1.1 Constant-Function Rule

 7.1.2 Power-Function Rule
 7.1.3 Power-Function Rule Generalized
 A Review of the 9 Rules of Differentiation
for a Function of One Variable
109

d
k0 contant function
dx
d
x n  nx n1 power function
dx
d
 f x  g x  f x  g x sum - difference
dx
7.2 Rules of Differentiation
Involving Two or More Functions
110
of the Same
Variable
 7.2.1 Sum-difference rule

 7.2.2 Product rule

 7.2.3 Finding marginal-revenue function from average-
revenue function
 7.2.4 Quotient rule
 7.2.5 Relationship between marginal-cost and average-
cost
functions
7.2.1 Sum or difference rule
d
3)  f x  g x  f x  g x
dx
• The derivative of a sum (or difference ) of
two functions is the sum (or difference ) of
the derivatives of the two functions
C  Q3  4Q 2  10Q  75
dC d 3 d 2 d d
 Q  4Q  10Q  75
dQ dQ dQ dQ dQ
dC
 3Q 2  8Q  10  0
dQ
111
 112
7.2.2 Product rule
d
4)  f xg x  f xg x  f xgx
dx

The derivative of the p roduct of two functions is equal to

the derivative of the first function times the second
p lus
the first function times the derivative of the second.
7.2.3 Finding marginal-revenue function from average-
revenue function using the11p3roduct rule

R  PQ P  15-Q R  (15-Q)Q
dR d d
Q PP Q
dQ dQ dQ
 Q1  15  Q1  15  2Q
R  15Q  Q 2
dR
 15  2Q
dQ
A Review of the 9 Rules of Differentiation for a
Function of One Variable 114

d
5a) cx  c (constant and p roduct rules)
dx
d
  c
cx  x0  c 1x0
dx
d
5b) cx n  cnx n1 (constant, p roduct,& p ower rules)
dx
d
 dx0  cnx   cnx
cx n  x n n1 n1
 115
7.2.4 Quotient rule
The derivative of the quotient of two functions
f x
of the same variable
g x
d  f x f xg x  f xgx
6)   
  dx g x g 2 x
7.2.5 Relationship between marginal-cost and average-
cost functions 116 C
Find the minimum average cost MC
AC

TC  C(Q) total cost

MC  C'(Q) marginal cost
AC  C(Q)/Q average cost Q

d C Q Q  CQ  C Q1


dQ Q Q2


1 
C   Q 
 Q   1 MC  AC 
C
 
Q Q  Q
d C Q
if  0, then AC  MC
dQ Q
 7.3 Rules of Differentiation
Involving Functions of Different Variables
117

 7.3.1 Chain rule

 7.3.2 Inverse-function rule
A Review of the 9 Rules of Differentiation
118
Involving Functions of Different Variables
chain rule w/ one exog. variable
let z  f g x
dz dz dy
7)   f y gx
dx dy dx
chain rule w/ more than one exog. variable
let z  f g x1 ,..., xn 
dz dz y

8) d x2.. n 0
1 dx 1 dy x
7.3.1 Chain rule 119

This is a case of two or more differentiable functions,

in which each has a distinct indep endent variable.
where z  f(g(x)), i.e.,
z  f(y), i.e., z is a function of variable y and
y  g(x), i.e., y is a function of variable x
dz dz dy
7) 
dx dy dx
df y  df y  dg x 
  f y g x
dx dy dx
7.3.1 Chain rule 120
This is a case of two or more differentiable functions,
in which each has a distinct indep endent variable.
dz dz dy
7) 
dx dy dx

If R  f(Q) and if Q  g(L)

dR dR dQ
 
dL dQ dL
 f Q gL
 MR  MPPL  MRPL
A Review of the 9 Rules of Differentiation
121
Involving Functions of Different Variables
inverse - function rule
let y  f ( x), and dy dx  f x
where y is a strictly monotonic function of x
then x  f 1 ( y) and
 1
9) dx dy  f 1 y  
dy dx
Inverse-function rule 122

• A monotonic function is one in which

a given valu e of x y ield a unique value of y
and a given valu e of y will y ield a unique value of x.
(Recall the definition of a function, p .17, one y for each x)
• Q  f(P) P  f -1(Q)
•Qs  b0  b1P P  -b0 /b1  (1/b1 )Qs
(where b1  0 )
•dQs /dP  b1 dP/dQs  1/b1  1/dQs /dP
7.3.2 Inverse-function rule
123

If the function y  f(x) rep resents a one - to - one map p ing,

i.e., a different value of x will alway s y ield a different value of y,
the function will have an inverse function
y  f(x)
dy dx  f x
Solve for x (one equation, one unknown)
x  f -1(y).
 dx 1dy  f 1y   [9]
f x
1
dy dx

7.3.2 Inverse-function rule
124

 This property of one to one mapping is unique to the class

of functions known as monotonic functions:
 Recall the definition of a function, p. 17, function:
one y for each x
monotonic function: one x for each y (inverse function)
 if x1 > x2  f(x1) > f(x2) monotonically increasing
Q s = b 0 + b1 P supply function (where b1 > 0)
P = -b0/b1 + (1/b1)Qs inverse supply function
 if x1 > x2  f(x1) < f(x2) monotonically decreasing
Q d = a 0 - a 1P demand function (where a1 > 0)
P = a0/a1 - (1/a1)Qd inverse demand function
7.4 Partial Differentiation
125

 7.4.1 Partial derivatives

 7.4.2 Techniques of partial differentiation
 7.4.3 Geometric interpretation of partial derivatives
 126
7.4.1 Partial derivatives
y  f ( x1 , x2 ,, xn )
y f ( x1 x1 , x2 ,, xn ) f ( x1 , x2 ,, xn )
lim  lim
1
x1 0 x x1 0
1 x
y
  f1
1 x
y y
lim  f, i
i  1...n
i x 0 x
i i x
 127
7.4.1 Partial derivatives

Cobb - Douglas p roduction function

    1 Q  96K 0 .3 L0 .7
Q
MPP
K
  0.396K .7 L0.7  28.8K .7 L0.7
K
Q
MPP
L
  0.796K 0.3 L0.3  67.2K 0.3 L0.3
L
7.5 Applications to Comparative-Static Analysis
128

 7.5.1 Market model

 7.5.2 National-income model
 7.5.3 Input-output model
7.4.2 Techniques of partial differentiation: Market Model
129
Qd  a  bP (a, b  0)
Qs  c  dP (c, d  0)
Qd  bP  a
Qs  dP  C
1 b  Q a 
1  d  P    c
    
1  d  b  a  Q* 
      *
    b d  1 1  c P
ad bc a c
Q*  P  *

bd bd
7.4.2 Techniques of partial differentiation: Market Model
130
Q*  1  d  b  a 
 *    b  d   1
   P   1   c
 d b 
Q*   b  d b  d   a 
   

P* 1 1  c  
 
 b  d
 b  d
Q* 
ad bc
P* 
a c 
bd bd
Q* d Q* b0  0
a b  d c bd
* P * 1 P 1
 0  0
a b  d c bd
7.4.3 Geometric interpretation of partial derivatives

 Market model
P 1
Qd  a  bP a, b  0  0
a bd

Qs  c  dP c, d  0 P 1
 0
c b d
a c
P P a c 
bd  0
b b  d
 P  a  c  2

 0
d b  d
 2 131
7.4.3 Geometric interpretation of partial derivatives

 Market model
Q d
Qd  a  bP a, b  0  0
a b  d

Qs  c  dP c, d  0 Q b
 0
c b  d
ad bc
Q Q d a c 
bd  0
b b  d  2

 Q ba  c
 0
d b  d
2 132
7.4.3 Geometric interpretation of partial
133
derivatives
Qd  a  bP a, b  0
Q S
  c  dP
Q c, d  0
 s
S0
Q S1
D1

D
P

D
P
P  1 
0
Q b a bd
 0
c b  d
 134
7.5.1 Market model
Qd  a  bP a, b  0
  c  dP c, d  0
Q
S1

 s Q S0

Q
S
0

P  a  c
 0
d b  d D
Q0 P
2

Q1
D0 D1
P

 Q  d a  c
 0
b b  d
 2
 135
7.5.2 National-income model
Y  C  I0  G 0
C  a  b(Y - T); b  M PC (a  0; 0  b  1)
T  d  tY; t  M PT (d  0; 0  t  1)

a - bd I G b(1 - t )(I G) a - bd t (I G) ta

Y*  C* T*
d(11 - b)
b 1- b  tb 1-b
tb tb
Y 1 C b(1 T t
* 0 *  t ) 0 *  0
Go 1  b  bt Go 1  b  bt Go 1  b  bt
7.6 Note on Jacobian Determinants
 The Jacobian is the matrix of first partial derivatives.
 Use Jacobian determinants to test whether there exist
functional (linear or nonlinear) dependence
among a set of n functions in n variables
 Not limited to linear functions as |A| (special case of |J|
 If |J| = 0, then the non-linear or linear functions are
dependent and a solution does not exist.

y1 x1 y1 x2

J 
y 2  x 1  y2  x2
Break Even Point Model
137

 TR = PQ
 TFC + TVC = PQ
 PQ = TFC + TVC
 PQ – TVC = TFC
 PQ – CQ = TFC
 Q(P – C) = TFC
 Q = TFC / (P – C)
Break Even Point Model
138

dQ*/dTFC = ?
dQ*/dP = ?
dQ*/dC = ?

Increase in Variable Effect on Operating BEP

TFC (total fixed cost) +
P (Unit Price) -
C (Unit Cost) +
 Chapter 8
COMPARATIVE STATIC ANALYSIS OF
GENERAL FUNCTION MODELS

ALPHACHIANG,
FUNDAMENTALMETHODSOF
MATHEMATICALECONOMICS
3 RD E D I T I O N
 Differentials

Given a function y  f ( x),

y 
y   x  
 x 

Example:
 dy 
dy  dx or  dy  f '( x)dx
 dx 
 Example:

Given:
y  3x2  7 x  5
The derivative of the function is
dy
 6x  7
dx
dy  (6x  7)dx
Differentials and Point Elasticity

dQ / Q dQ / dP
  
d
dP / P Q/P
dy / dx marginal function
  
y. x
y/x average function
Sample Questions

 Find the differential dy, given x

y
x2  1
 Given the import function , express income elasticity of
imports in terms of propensities to import
 Given the consumption function C=a+bY, find the
marginal function and average function. Find income
elasticity of consumption and determine its sign.
Total Differentials

Total differentials are for two or more variables:

S  S (Y , i)
S S
dS  dY  di
Y i
dS  SY dY  Si di
Total Differentials

In general,

U  U ( x1 , x2 ,..., xn )
U U U
dU  dx1  dx2  ...  dxn
x1 x2 xn
n
dU  U1dx1  U 2 dx2  ...  U n dxn  U di i
i 1
Total Differentials

Partial elasticities:

S Y S i
  and  
S Y S i
Y S i S
S x
  U x1
x S
i
RULES OF DIFFERENTIALS
y  f ( x1 , x2 )
dy  f1dx1  f2 dx2
Rule I dk  0
Rule II d (cu n )  cnu n1du
Rule III d (u  v)  du  dv
Rule IV d (uv)  vdu  udv
u 1
Rule V d    (vdu
  udv)
2
 v v
 Examples:

Find the total differentials of the

following:
2
1. y  5x1  3x2
2. 3x
y 1
2
 x x
1 2
2

x1 x2
3. y
2
2x1
Total Derivatives

 Question: how do we find the rate of change of a function

C(Y-bar, T0) with respect to T0, when Y-bar and T0 are related?
 Answer lies in the concept of total derivative.

f g
y
x w

Fig 8.4
Finding the total derivative
Consider the function x=g(w) where y=f(x,w)
with the three variables y, x and w related to one another as in
Figure 8.4 (a channel map).
It is clear that w, the ultimate source of change in this case, can affect y
through 2 channels:
• indirectly, via the function g and then f (straight arrows)
• directly, via the function f (curved arrow)
The partial derivative is adequate for expressing the direct effect alone
but a total derivative is needed to express both the effects jointly.
To obtain total derivative

 first, differentiate y totally to get the total

differential dy  fx dx  fwdw
 then, divide both sides of this equation by the
differential dw.

dy dx dw  dw 
fx  fw Note :   1
dw dw dw  dw 
dy y dx y
 
dw x dw w
dy / dw may be regarded as some measure of the rate of change of y with
y dx
respect to w. The first term measures the indirect effect .
x dw

y dx
x dw

The process of finding the total derivative dy/dw is referred to as

total differentiation of y with respect to w.
 Example:

y  f ( x, w)  3x  w2 where x  g (w)  2w2  w  4

dy y dx y
 
dw x dw w
dy
 3(4w  1)  (2w)  10w  3
dw
Check : by direct substitution:
y  3(2w2  w  4)  w2  5w2  3w  12
dy
 10w  3
dw
More complicated example:

 x1  g (w)
y  f ( x , x ,1 w)2 where  
 x2  h(w) 
dy dx1 dx2 dw
f f f
1 2 w
dw dw dw dw
y dx1 y dx2 y
  
x1 dw x2 dw w
8.5.1 Implicit functions
155

 Explicit function: y = f(x)  F(y, x)=0 but reverse may not

be true, a relation?
 Definition of a function: each x  unique y (p. 16)
 Transform a relation into a function by restricting the
range of y0, F(y,x)=y2+x2 -9 =0
8.5.1 Implicit functions
156

 Implicit function theorem: given F(y, x1 …, xm) = 0

a) if F has continuous partial derivatives
Fy, F1, …, Fm and Fy  0 and
b) if at point (y0, x10, …, xm0), we can construct a
neighborhood (N) of (x1 …, xm), e.g., by limiting the
range of y, y = f(x1 …, xm), i.e., each vector of x‟s 
unique y
then i) y is an implicitly defined function y = f(x1 …,
xm) and ii) still satisfies F(y, x1 … xm) for every m-
tuple in the N such that F  0 (p. 195)
dfn: use  when two side of an equation are equal for any values of x and y
dfn: use = when two side of an equation are equal for certain values of x and y
(p.197)
8.5.1 Implicit functions
157

 If the function F(y, x1, x2, . . ., xn) = k is an implicit

function of y = f(x1, x2, . . ., xn), then

y
F dy x
F dx 1  F
x
dx 2  ...  F
x
d
x
 0
1 2 n n

where Fy = F/y; Fx1 = F/x1

• Implicit function rule
• F(y, x) = 0; F(y, x1, x2 … xn) = 0, set dx2 to n = 0
8.5.1 Implicit functions
158

• Implicit function rule

Fy dy  Fx dx1  Fx dx2  ...  Fx d x  0

1 2 n n

Fy dy  Fx dx1  Fx dx2  ...  Fx d x

1 2 n n

Let dx 2 dxn  0 such that

dy y Fx d x .d x 0
x n

|   1

dx1 x1 Fy
8.5.1 Deriving the implicit function rule (p. 197)
159

1) F ( y, x1 , x2 )  0
2) y  f ( x1 , x2 )
3) Fy dy  F1dx1  F2 dx2  0
4) dy  f1dx1  f2 dx2
5) Fy  f1dx1  f2 dx2   F1dx1  F2 dx2  0
8.5.1 Deriving the implicit function rule (p. 197)
160

6) Fy f1dx1  Fy f 2 dx2  F1dx1  F2 dx2  0

y 1 17) 1 f y 2F 2 2 f  F dx  0
y 1 1F 1 f dx F
y 2 8)
2 2 f  FFdxdx 00

10) f F 1 
y F1

9) F  x1 Fy
y F2
11) f  
2
,
x2 Fy
 Implicit func t ion 16 1

problem:
Exercise 8.5-5a, p. 198
 Given the equation F(y, x) = 0 shown below, is it an implicit
function y = f(x) defined around the point
(y = 3, x = 1)? (see Exercise 8.5-5a on p. 198)

 x3 – 2x2y + 3xy2 - 22 = 0
 If the function F has continuous partial derivatives Fy, F1, …,
Fm
 ∂F/∂y =-2x2+6xy ∂F/∂x =3x2-4xy+3y2
Implicit function problem
162
Exercise 8.5-5a, p. 198

 If at a point (y0, x10, …, xm0) satisfying the

equation F (y, x1
…, xm) = 0, Fy is nonzero (y = 3, x = 1)
 This implicit
function defines a continuous function f with
continuous partial derivatives
 If your
answer is affirmative, find dy/dx by the
implicit-
function rule, and evaluate it at point (y = 3, x
= 1)
 ∂F/∂y =-2x2+6xy ∂F/∂x =3x2-
4xy+3y2
8.5.2 Derivatives of implicit functions
163

 Example
If F(z, x, y) = x2z2 + xy2 - z3 + 4yz = 0, then

z   Fy   2 xy 4 z
y Fz
2 2
2x z  3z  4 y
 Overview of the Problem –
8.6.1 Market model
164
 Assume the demand and supply functions for a
commodity are general form explicit functions
Qd = D(P, Y0) (Dp < 0; DY0 > 0)
Qs = S(P, T0) (Sp > 0; ST0 < 0)

 where
Q is quantity, P is price, (endogenous
variables)
Y0 is income, T is the tax (exogenous
0
variables)
no parameters, all derivatives are continuous
 Find P/Y0, P/T0
Q/Y0, Q/T0
Derivatives of Implicit Functions

Explicit function :

y  f (x)  3x 4

Implicit Function :

y  3x4  0
F ( x, y)  0
F ( x, y)  x2  y 2  0
Derivatives of Implicit Functions

If the equation F ( y, x1 ,, xm )  0 can be solved for ,

we can explicitly write out the function y  f ( x1,, xm )
and find its derivatives by the methods learned before.
But if the equation, F ( y, x1 ,, xm )  0 cannot be solved for
explicitly, we can make use of the implicit function rule.
 The rule depends on the following basic facts:
1. if two expressions are identically equal, their
respective total differentials must be equal
2. the differentiation of an expression that involves
y, x ,..., x 1 m
will yield an expr ession involving the differentials
dy, dx1 ,..., dxm
3. if we divide dy by dx and let all the other differentials
be zero, the quotient can be interpreted as the partial
derivative .
y / x
 General Rule:

Fy dy  F1dx1  ...  Fm dxm  0

Suppose that only y and x1 are allowed to vary, then the above equation reduces to
Fy dy  F1dx1  0

dy y F1
 
dx other variables constant x1 Fy

General Rule:
Given F ( y, x1 ,, xm )  0 , if an implicit function y  f ( x1,, xm ) exists,
then the partial derivatives of f are:
y Fi
 , (i  1, 2,..., m)
xi Fy
 Examples

1. y  3x4  0
3
dy Fx 12 x
   12x3
dx Fy 1

2. F ( y, x)  x2  y 2  9
Fy  2 y
Fx  2 x
dy 2x

dx 2y
 Examples

3. F ( y, x, w)  y3 x2  w3  yxw  3  0
y F 2 y3 xx  yw
 2 2  
x F 3 y xy  xw

4. F (Q, K , L)
Q F
MP  K
 K
K L cons tan t FQ
Q F
MP  L
 L
L K cons tan t FQ

K FL

L Q cons tan t
FK
 Overview of Taxonomy -
Equations: form171s and functions
Primitive Form

Specific General
Function
(parameters) (no parameters)

Explicit
(causation) y = a+bx y = f(x)

Implicit
(no causation) y3+x3-2xy = 0 F(y, x) = 0
 Overview of Taxonomy –
1st Derivatives & 1T72otal Differentials

Differentiation Form

Specific General
Function
(parameters) (no parameters)
dy  f ( x) dx
Explicit d
yb dy  f ( x)
(causation) dx
dx

Implicit   
3 y 2  2x dy  2x 2  2 y dx  0  dy  
Fx
dx

dy 2x 2 
2y
y
F

(no causation) dx 
3 y 2
 2x  dy   Fx
dx Fy
Bab 7 : Aturan Diferensiasi dan Penggunaannya dalam Statika Komparatif

7.1
7.1 Aturan Diferensiasi Satu Variabel

Aturan Fungsi Konstan : y  f ( x)  k

dy dk
dx 0 atau dx  0 atau f ' ( x)  0
Dap at juga ditulis :
d d d
y f ( x)  k0
dx dx dx
Aturan Fungsi Pangkat : y  f ( x)  cx n

d
cx  cnx
n n1
atau f ' ( x)  cnx n1

dx
7.2 Aturan Diferensiasi yang Melibatkan Dua atau Lebih Fungsi dari
Variabel yang Sama

At uran Penjumlaha n dan Penguranga n

Jiika h( x)  f ( x)  g ( x), :
maka At uran
At uran Hasil Bagi
d d
h( x)  [ f ( x)  g ( x)] f ( x)
dx dx dx Jika Jika h(
h( x) , maka :
d d g ( x)
 f ( x)  g ( x), atau
dx dx d f ( x)
h' ( x) 
h'  f ' ( x) g dx g ( x)
( x)  ( x) f f' '((x)x)gg((x)x)f f((x)x)gg' '((xx)

g 2 ( x)
atau
 u ' u u' v uv'
   '  2
 v  v
At uran Hasil Kali
Jika h( x)  f ( x).g ( x), maka :

d d
h( x)  [ f ( x) g ( x)]
dx dx
d d
 f ( x) g ( x)  g ( x) f ( x), atau
dx dx
h' ( x)  f ( x) g ' ( x)  g ( x) f ' ( x)

Lebihsingkat
Lebih singkat , andaikan
, andaikan f ( x)f ( x)  u dan
u dan g ( x)g ( x)  v
maka : (uv)'  uv'u' v
Mencari Fungsi Pendapatan Marjinal dari Fungsi Pendapatan Rata-rata.
Bila diketahui pendapatan rata-rata(AR) pertama kita cari fungsi pendapatan total (R)
R = AR.Q

MR = dR = R’
dQ

Hubungan Antara Fungsi Biaya Marjinal dengan Biaya Rata-rata.

C = Biaya total AC = Biaya rata-rata
Fungsi C = C(Q) Fungsi AC = C(Q)/Q, Q > 0

Perubahan AC terhadap Q dapat dicari dengan mendiferensiasikan AC :

d C(Q) = [ C’(Q) . Q – C(Q) . 1 ] = 1 C’(Q) C(Q)
dQ Q Q2 Q Q
7.3 Aturan Diferensiasi yang Melibatkan Fungsi – fungsi dari
Variabel yang Berbeda
7.4 Diferensiasi Parsial
7.5 Aplikasi pada Analisis Statis - Komparatif

 Model Pasar
Q = a- bP (a, b > 0) [ permintaan ]
Q = -c + dP (c, d > 0) [ penawaran ]
Dengan penyelesaian
P* = a + c Q* = ad – bc
b+d b+d
Derivatif Parsial P* / P
 Model Pendapatan Nasional
Ket :
Y = Pendapatan Nasional
C = Konsumsi
T = Pajak
Ekuilibrium Pendapatan :

Derivatif Parsial Pendapatan :

 Model Input – Output
X 1* V11 V12 V13 d1

X2* = V21 V22 V22 d2

X3* V31 V32 V33 d3

∂x*j = v jk(j, k = 1, 2, 3)
∂dk

Jika diketahui x* = Vd maka :

V11 V12 V13

∂x* = V21 V22 V22 = v = ( I – A )-1

∂d V31 V32 V33
7.6 Catatan atas Determinan Jacobian
Bab 8 : Analisis Statis – Komparatif dari Model Fungsi-Umum
8.1 Diferensial
Diferensial dan Derivatif
Derivatif dy/dx = f’(x) merupakan limit dari suatu hasil bagi selisih :

∆y = dy ∆x + ∂ ∆x atau ∆y = f‟(x) ∆x +
∂ ∆x
dx
Diferensial dan Elastisitas-Titik

Elastisitas titik permintaan : Ɛd = dQ/Q =

dQ/dP
dP/P Q/P

Untuk semua fungsi total y = f (x), rumus

elastisitas titik y terhadap x adalah :

Ɛyx = dy/dx = fungsi marjinal

y / x fungsi rata - rata
8.2 Diferensial Total
Fungsi tabungan :
S = S(Y,i)
S= tabungan
Y= Pendapatan Nasional
I = Suku Bunga

Perubahan total dalam S :

dS = ∂S dY ∂S d atau dS = SydY + Sidi

∂Y + ∂i i

∂S = dS
∂Y dY i konstan
8.3 Aturan – aturan Diferensial
Misal : k = konstanta , u dan v = variabel x1 dan x2; maka berlaku :

Aturan I dk = 0

Aturan II d(cun) = cnun-1 du

Aturan III d (u ± v) = du ± dv

Aturan IV d(uv) = v du + u dv

Aturan V d u = 1 ( v du – u dv)
v v2
Aturan VI d ( u ± v ± w ) = du ± dv ± dw
Aturan VII d (uvw) = vw du + uw dv + uv dw
8.4 Derivatif Total
Mencari Derivatif Total
y = f (x, w) dimana x = g(w) y = f [ g (w), w]

dw dfww ∂x dw ∂w

dw 2
dw
Variasi Lain mengenai Derivatif Total
y = f (x1, x2, u, v) dimana x1 = g(u,v)
x2 = h(u,v)

dy = ∂y ∂x1 + ∂y ∂x2 + ∂y du + ∂y dv
dw ∂x1 du ∂x2 du ∂u du ∂v du
= ∂y ∂x1 + ∂y ∂x2 + ∂y dv = 0 karena v tetap
∂x1 du ∂x2 du ∂u konstan
du

Deriviatif total parsial :

= ∂y ∂x1 + ∂y ∂x2 + ∂y
∂x1 du ∂x2 du ∂u
8.5 Derivatif dan Fungsi-fungsi Implisit

dalil fungsi implisit dari persamaan simultan

F1 (y1, . . . , yn ; x1 , . . . , xm ) = 0
F2 (y1, . . . , yn ; x1 , . . . , xm ) = 0
............................................................ F n (y1, . . . , yn ; x1 , . . .
, xm ) = 0

Pasti akan membentuk suatu himpunan fungsi- sungsi

implisit
Yi = f1 (x1...... xm)
Y2= f2 (x1...... xm)
................................. Y n= fn (x1...... xm)
8.6 Statika Komparatif dan Model-model Fungsi Umum

Model pasar
Qd = Qs
Qd = D (P , Y0)
Qs = S(P)
D (P , Y0) – S(P) = 0
P * = P * (Y0)
D (P *,Y0) – S(P =*)0
[kelebihan permintaan = 0 dalam ekuilibrium]

Pendekatan persamaan simultan

Penggunaan derivativ total

Model pendapatan nasional (IS-LM)

Kemiringan dari kurva IS

Kemiringan kurva LM
8.7 Memperluas Model : Suatu Ekonomi terbuka
Ekspor neto. Misalkan X melambangkan ekspor, M melambangkakn
impor, dan E memlambangkan nilai tukar )diukur sebagai harga domestikk dari
mata uanga asing). Ekspor merupakan fungsi yang meningkat dari nilai tukar.
X= X(E) di mana X’(E) > 0 . impor merupakan suatu fungsi yang menurun dari nilai
tukar tapi merupakan fungsi yang meningkat dari pendapatan. M = K(r, r w)
di mana My >0, Me <0

Aliran Modal. Aliran modal neto ke dalam suatu negara merupakan suatu fungsi
dari suku bunga domestik r dan seklaigus juga dari suku bunga dunia r w. Misalakan K
melambangkan aliran neto yang masuk sehingga K =
K(r, rw) di mana Kr > 0, Krw < 0

Neraca pembayaran (balance of payment). Aliran masuk dan aliran keluar dari
mata unang asing untuk suatu negar apada umumnya dipisahkan kedalam dua neraca:
neraca berjalan (eksporo neto dari barang dan jasa) dan neraca modal (pembelian dari
obligasi asing dan domestik). Bersama-sama kedua neraca tersebut
membentuk neraca pembayaran. NP = neraca berjalan
+ neraca modal
= [ X(E) – M(Y,E)] + K(r,rw)
9.1 Nilai Optimum dan Nila i Ekstre
Dalam ilmu ekonomi mkita men genal tentang maksiminasi
dan minimasi dengan istilah umum optimasi, yang berarti
“mencari yang terbaik” . Akan tetapi hal ini berbanding
terbalik karena istilah tersebut tidak memiliki
kaitannya dengan matematika murni. Oleh karena itu,
istilah kolektif untuk maksimum dan minimum sebagai
konsep matematik ialah nilai ekstremum, yang berarti
nilai ekstrem
9.2 Maksimum dan Minimum Relatif : Uji Derivatif-Pertama
Ekstrem Relativ Vs Absolut
Maksimum absolut pasti merupakan maksimum relatif atau salah satu
titik akhirMaksimum absolut
fungsi . Jadi, pasti
bila kita merupakansemua
mengetahui maksimum relatif relatif,
maksimum atau salah sat
maka kita
hanya perlu memilih yang terbesar dan membandingkannya dengan titik akhir
guna menentukan maksimum absolut
.SELANJUTN NILAI-NIL EKSTRE YA N
D
YAI P
, E R T I M B A N G K AANI A K A N M E R U PA M K A N E K S T RGE M
ATA
R E LUATEKI FS T R E M L O K A L , K E C U A L I B I L A D I T E N T U K A N
LAIN.
U J I D E R I VAT I F - P E R TA
M
DAE R IDVAT
E RI IFVAT
P EI R PTA
EM A A
R TA MD A D
LAAH
L AT UTRUURNUANNA PPEERRTA
TAMM
S U AT F F U N G S A H YN =F M AAK F’(X
U
D I G U N AI K . ANDAL MAI SMAML E N C FAURN IGNSI (LXA) I, E K S A )
T
UR J EDME. R I VAT I P E R TA M U NI T U E K S T R E R E L AT I J I K
I E RFI VAT I P E A
D R TA M PAKD F UMN G F F. PA D A= X 0
X
F FA’ ( X 0 ) = 0 ,A M A K S I N I L A (FXU) N GAS X 0 , F ’ ( X
A
MD EA RLUA PA HK A A I I 0)
N
a. M A K S I M U R E L AT I F J I K F ’ ( X B E R U B A H TA N D D A R
MPO PSO ISTI ITFI KE
KE NNEEGGAT ATI IF ADDAARRI) S E B A
E L A HKKI R IRT I T
I TI T
I IK
XI0 X KE
0

S EF B E L A H K AFN A N N YA I H I K
b. M I N I M U R E L AT I J I K F ’ ( X B E R U B A TA N D D A R
MNE NGE AT
G AT I FI KEFPO
KE PO S ISTI ITF
AI DDAARR
)I S
SEEBBHE
EL LAA HKKI R I R I TAI T I K
XI0 X KE
0

S EF B E L A H K A NFA N N YA I H I TITIK
c. T I D A K M A K S I M U M M A U P M I N I M U M R E L AT I F B I L A F ’
UMNEMMEP MU PNU YA
N I TA TA N
ND D A YA N G (SS
YA N XAA
)MM A BBAAI I KS E
SBEB
ELEA
L AKHI R
K IMRA IU P U N S E B EAL A H K AG
YA N A N T IA
TIKX0 K H I
9.3 Derivatif Kedua dan Derivatif yang Lebih Tinggi

Contoh derivatif pertama sampai kelima suatu

fu ngsi:

Contoh derivatif pertama sampai keempat suatu

fu ngsi rasional:
9.4 Uji Derivatif Kedua
a) x = x0 merupakan titik relatif maksimum jika f "( x ) < 0

b) x = x0 merupakan titik relatif minimum jika f "( x ) > 0

c) x = x0 tidak dapat disimpulkan secara pasti atau uji derivatif kedua

gagal jika f "( x ) = 0

Cara menguji kecekungan adalah sbb :

a) Jika f "( x ) < 0 maka fungsi cekung ke bawah (concave)

b) Jika f "( x ) > 0 maka fungsi cekung ke atas (convex)

Titik belok (inflection point) adalah suatu titik dimana kecekungan

berubah.

Cara mencari titik belok adalah mencari solusi dari f "( x ) = 0

Tabel kondisi relative ekstremum : y = f ( x )

9.5 Deret Maclaurin

Deret MacLaurin adalah sebuah fungsi yang dapat
dinyatakan dalam bentuk deret polinomial
Tapi tidak semua fungsi bisa dinyatakan dalam bentuk
tersebut, contohnya

Untuk itu, Taylor membuat deret yang lebih umum,Deret

taylor merupakan derivatif dari Deret Maclaurin. Dapat ditulis
dengan

Teorema Taylor dapat ditulis :

Rn = F (n+1)(C) (X-X0 )n+1

(n+1)!
Untuk suatu c diantara x dan x0 . Formula Rn disebut
bentuk Lagrange (atau bentuk derivatif) dari sisa
11.1 Versi Diferensial dari Syarat Optimisasi
Syarat Orde Pertama :

Jika diketahui fungsi z=f(x), kita dapat menulis diferensial dz= f’(x) dx

Kondisiderivatif
Kondisi derivatiforde
orde pertama
pertama “f’(x)
“f’(x) = 0”= dapat
0” dapat diubah
diubah dalam
dalam kondikondisi
diferensial orde pertama ; “dz = 0 untuk sembarang nilai dx yang tidak nol”.

Syarat Orde Kedua :

Syarat cukup orde kedua untuk titik ekstrem z adalah, dalam istilah derivatif ,
f”(x) <<
f”(x) 0 (untuk suatu
0 (untuk maksimum)
suatu dan
maksimum) f”(x)
dan 0 (untuk
> 0>(untuk
f”(x) suatu
suatu minimum) pada
minimum)
titik stasioner.

d2x d(dz) = d[f’(x) dx]

= [df’(x)] dx

=[f”(x) dx] dx = f”(x) dx2

Dapat diterjemahkan masing – masing, menjadi untuk sembarang
nilai.

dx ≠
0
Syarat Diferensial versus Syarat Derivatif
Secara lebih spesifik, syarat orde nilai pertama(nilai dz yang
sama dengan nol) dan syarat orde kedua (untuk d2x negatif atau
positif) dapat digunakan dengan validitas yang sama untuk semua
kasus yang diberikan dengan umgkapan “untuk sembarang nilai dx
yang tidak sama dengan nol” yang harus dimodifikasi untuk
menggambarkan perubahan jumah variabel pilihan.
 11.2 Nilai Ekstrem fungsi dua variabel

Syarat Orde 1

 Suatu fungsi 2 peubah memiliki nilai maksimum

relatif pd titik (xo, yo) jika terdapat lingkaran
berpusat di (xo, yo) s.d.h utk setiap (x, y) di dlm
lingkaran dan f memiliki nilai maksimum mutlak di
(xo, yo) bila utk semua titik (x, y) di domain f

 Jika f memiliki nilai ekstrim relatif pada titik (xo,

yo) dan bila turunan parsialnya ada pada titik tsb
maka fx (xo , yo ) = 0 dan f y (xo , yo ) = 0
Syarat Orde 2
Misal f fungsi 2 peubah dg turunan parsial orde 2 kontinu

dalam beberapa lingkaran pada titik kritis (xo, yo) dan

misalkan D = f xx (xo , yo ) f yy (xo , yo )− f xy 2 (xo , yo )

a. Jika D > 0 dan f xx (xo , yo ) > 0 , maka f punya minimum

relative

b. Jika D > 0 dan f xx (xo , yo ) < 0 ,maka f punya maksimum

relatif

c. If D < 0 , maka f memiliki titik pelana (a saddle point)

d. If D = 0 , maka tdk ada kesimpulan yg dpt digambarkan

11.3 Bentuk Kuadrat – Suatu Ekskursi
Setiap suku mempunyai derajat yang sama- yaitu, dimana
jumlah eksponen dalam setiap suku sama, plinom ini disebut sebagi
suatu bentuk (form). Misal :
4x – 9y + z adalah bentuk linear dalam tiga varibel
4x2 – xy + 3y2 adalah bentuk kuadrat dalam 2 variabel
Kita juga akan menjupai kuadrat dalam tiga variabel seperti x 2 +
2xy – yw + 7w2, atau juga dalam n variabel

Diferensial Total Orde Kedua sebagai Suatu Bentuk Kuadrat

Q = au2 + 2huv + bv2

dx = u
Variabel
dy = v
11.4 Fungsi Tujuan dengan Lebih dari Dua Variabel
Syarat Orde Pertama untuk Titik Ekstrem
Pembahasan sebelumnya menyatakan bahwa, untuk
memperoleh suatu maximum atau minimum dari z
diperlukan dz = 0 untuk sembarang nilai dx1, dx2, dan
dx3 tidak nol. Karena nilai dz sekarang
dz= f1 dx1 + f2 dx2 + f3 dx3 , f1 = f2 = f3 = 0
Jadi, syarat perlu untuk titik ekstrem adalah, bahwa
semua derivative parsial orde pertama adalah nol, sama
seperti untuk kasus dua variable
Syarat Orde Kedua
d2z = d (dz) = f11 dx12 dx1 + f12 dx1 dx2 + f13 dx1 dx3 + f21
dx2 dx1 + f22 dx + f23 dx2 dx3 + f31 dx3 dx1 + f32 dx3 dx2 + f33 dx

=|H| yang minor utamanya bisa

dinyatakan sbb |H1| = f11 |H2| = |H3| = |H|

Jadi, berdasarkan criteria determinan untuk kedefinitan

p[ositif dan negative, kita dapat menyatakan syarat cukup orde
kedua untuk suatu titik ekstrem dari z sebagai berikut
Z* adalah suatu bila d2z definit negative atau d2z definit positif
Kasus n-Variabel

Z= f (x1, x2, … , xn) diferensial totalnya akan menjadi

dz = f1 dx1 + f2 dx2 + … + fn dxn

Sehingga syarat perlu untuk titik ekstrem (dz = 0

untuk sembarang dz, tidak semuanya nol) berarti
bahwa semua n dserivatif positif parsial orde
pertama harus sama dengan nol
 11.5 Syarat orde kedua dalam hubungannya dengan
kecembungan dan kecekungan

Z* = f(x*1 ,……x*n)
d2z semi definit
d2z adalah definit
negatif pada z*
negatif pada z*
(syarat perlu orde
(syarat cukup
kedua) F adalah
orde kedua) z* adalah

F adalah maksimum relatif

cekung
maksimum absolut
sempurn cekung z* adalah
a

z* adalah
Definit negatif
yang tunggal
d2z adalah
Pengecekan kecembungan dan kecekungan
Suatu fungsi f adalah (cembung atau cekung) bila, untuk setiap
pasangan titik u dan v yang berbeda dalam domain f,
dan untuk 0 < 0 < 1
Dalil untuk fungsi-fungsi dengan jumlah berapapun :
Dalil I (fungsi linear) :
jika f(x) = fungsi linear, maka f(x) = fungsi cekung dan juga
fungsi cembung, tetapi tidak sempurna
Dalil II (negatif dari suatu fungsi) :
jika f(x) fungsi cekung, maka f(x) adalah fungsi cembung, dsb, demikian
juga, bila f(x) = fungsi cekung sempurna, maka f(x) adalah fungsi
cembung sempurna, dsb.
Dalil III (jumlah dari suatu fungsi) :
jika f(x) dan g(x) kedua-duanya = fungsi cekung (cembung), maka f(x) +
g(x) juga merupakan fungsi cekung (cembung) dan bila satu atau
keduanya cekung sempurna (cembung sempurna), maka
f(x) + g(x) adalah cekung sempurna (cembung sempurna)
Fungsi yang dapat dideferensialkan

Fungsi yang dapat dideferenialkan (fx) adalah (cekung, cembung)

jika, untuk setiap titik tertentu u dan setiap titik lain v domain.

Fungsi Cembung vs Himpunan Cembung

Kombinasi linear dari dua vektor u dan v dapat ditulis sebagai

K1u + k2v, dimana k1 dan k2 adalah dua skalar

Oquv membentujk jajaran genjang, maka diperoleh

u = q + v atau q = u – v

Kombinasi cembung dari vektor u dan v dapat dinyatakan delam bentuk

vektor q

W = Ɵu + (1-Ɵ)v = Ɵu + v – Ɵv = Ɵ(u –v) +v = Ɵq + v

11.6 Penerapan Ekonomi
PERMASALAHAN PERUSAHAAN MULTI PRODUK
Ausmsikan bahwa perusahaan dengan dua produk berada pada keadaan
persaingan sempurna Maka,
fungsi pendapatannya akan menjadi :
Dengan menetapkan
R1 = P10Q1 +P20Q2 keduanya sama dengan
P = harga no l,maka :
Qi = tingkat output produk ke-i
Fungsi biaya perusahaan :
2 2
Yang menghasilkan
C = 2Q1 + Q1Q2 + 2Q2
pemecahan tunggal :
Fungsi laba perusahaan :

Mencari tingkat Q1 dan Q2 yang,dalam

kombinasi,akan memaksimumkan π :
DISKRIMINASI HARGA
Fungsi pendapatan total dan fungsi biaya total :

R = R1(Q1) + R2(Q2) + R3(Q3)

C = C(Q) dimana Q = Q1 +Q 2+ Q3

KEPUTUSAN INPUT DALAM PERUSAHAAN :

L* dan K* adalah persamaan permintaan input perusahaan.

Jika kita substitusikan L* dan K* ke dalam fungsi produksi ,kita peroleh :
 FUNGSI YA N G D
ATA
11.7 D
, …I D
, XINF) E R
A ED N
A SL IAK A N
(CFE (KXU) N
=
F(X1 H G
B
y CEMBUNG) JIKA, UNT
F(v)
C
UKSETIANTITIK TERTEN
L
TAUI NU=V= (U (V 1 , … , V N) D A L A M
F 1 , … ,U N ) D A N S E T I A
A
D D
PTO IMTAI KI N ,
F(u )
F ( V ) () F ( U ) + Σ F J ( U ) ( V J -
U J)
DIMANA F J (U) ≡∂F/ ∂
XJ
u v X
D I E VA L U A S I PA D A U= (U 1
, … ,U N )

FUNGSI Z D
ATA
DIDIFERENSIASIKAN
DUA
K A L I H SA ENCYA
DAN A RJAI K K
AO, NDT2 I Z
NU
Z=