Dasar-Dasar Matematika Optimasi~VIDEO PEMBELAJARAN

00:36:18
https://www.youtube.com/watch?v=KUhQMZhl_3I

Resumo

TLDRThe presentation focuses on optimization mathematics, explaining fundamental concepts such as gradients, Hessians, and matrix properties. It discusses various approaches to find maxima or minima of functions, incorporating theoretical frameworks and practical examples. The speaker also clarifies necessary and sufficient conditions for optimization and differentiates between convex and concave functions. Overall, the content serves as an introductory guide to understanding optimization techniques in mathematics.

Conclusões

  • 📊 Understanding optimization is key to finding ideal solutions.
  • 📝 Gradients indicate the direction and rate of change.
  • 🔍 The Hessian provides information on function curvature.
  • ✅ Positive definite matrices indicate local minima.
  • ❌ Negative definite matrices indicate local maxima.
  • 📈 Convex functions have positive second derivatives.
  • 📉 Concave functions have negative second derivatives.
  • 🧮 Necessary conditions are essential for optimization points.
  • ⚙️ Sufficient conditions confirm the type of extrema found.
  • 🔗 Optimization techniques apply widely in various fields.

Linha do tempo

  • 00:00:00 - 00:05:00

    The introduction covers the presenter Wisnu Harimurti from Singaperbangsa Karawang University, discussing the basics of optimization mathematics, indicating that optimization seeks ideal values or results by finding the maximum or minimum of a function using analytical methods.

  • 00:05:00 - 00:10:00

    The discussion on gradients explains that the gradient is the first derivative of a function, and provides the formula for calculating the gradient, emphasizing its importance in optimization.

  • 00:10:00 - 00:15:00

    The concept of Hessian matrices is introduced, explaining the second derivative of the function concerning the variables to analyze concavity and convexity, along with the definitions of positive and negative definite matrices with conditions for their classification.

  • 00:15:00 - 00:20:00

    Essentials of the necessary and sufficient conditions for optimization are explained, detailing how to determine extreme points (minimum or maximum) by analyzing gradients and conditions related to definiteness of matrices.

  • 00:20:00 - 00:25:00

    Examples illustrate how to compute gradients and Hessians, making the connection between theoretical concepts and practical applications in mathematical optimization, including detailed workings of the derivations.

  • 00:25:00 - 00:30:00

    Next, the topic of positive and negative definiteness matrices is addressed with practical methods for determining definiteness through determinants and conditions outlined previously, showcasing calculations for a specific function.

  • 00:30:00 - 00:36:18

    The session concludes with a discussion on convex and concave functions, providing examples, and summarizing the findings, while emphasizing the theoretical importance of understanding these concepts in mathematics for optimization.

Mostrar mais

Mapa mental

Vídeo de perguntas e respostas

  • What is optimization mathematics?

    Optimization mathematics is the study of finding the ideal value or outcome, often involving maximizing or minimizing functions.

  • What is a gradient?

    A gradient is the first derivative of a function, indicating the rate of change of the function with respect to its variables.

  • What is the Hessian matrix?

    The Hessian matrix consists of second-order partial derivatives of a function and provides insights on the curvature of the function.

  • What is a positive definite matrix?

    A positive definite matrix is one where all its eigenvalues are greater than zero, indicating a local minimum.

  • How do you determine if a matrix is negative definite?

    A matrix is negative definite if all its leading principal minors are negative.

  • What is the difference between necessary and sufficient conditions for optimization?

    Necessary conditions indicate what must be true for a point to be optimal, while sufficient conditions determine whether it is indeed a maximum or minimum.

  • What are convex and concave functions?

    A convex function's second derivative is positive, while a concave function's second derivative is negative.

  • How are optimization problems solved?

    Optimization problems are solved by using calculus methods to find gradients and Hessians and applying conditions for optimality.

  • What practical examples are used in optimization studies?

    Examples often include finding gradients for functions with multiple variables and determining matrix definiteness.

  • Why is it important to study optimization mathematics?

    Optimization mathematics is crucial for decision-making processes, resource allocation, and improving efficiency in various fields.

Ver mais resumos de vídeos

Obtenha acesso instantâneo a resumos gratuitos de vídeos do YouTube com tecnologia de IA!
Legendas
id
Rolagem automática:
  • 00:00:00
    Hai smile ramen rahim Assalamualaikum
  • 00:00:03
    warahmatullahi wabarakatuh perkenalkan
  • 00:00:06
    saya Wisnu Harimurti dari kelasnya
  • 00:00:09
    program studi teknik industri Fakultas
  • 00:00:10
    Teknik Universitas Singaperbangsa
  • 00:00:12
    Karawang dengan NPM 1910 63114 0055
  • 00:00:18
    Disini saya akan sedikit menjelaskan
  • 00:00:20
    tentang dasar-dasar matematika optimasi
  • 00:00:25
    nya sebelum masuk Batak materi saya akan
  • 00:00:27
    menjelaskan apa sih matematika optimasi
  • 00:00:30
    jika dilihat dari kata optimasi yang
  • 00:00:33
    merupakan suatu proses untuk mendapatkan
  • 00:00:37
    nilai atau hasil yang ideal yang dimana
  • 00:00:41
    dalam kedisiplinan matematika lebih
  • 00:00:45
    merujuk pada studi permasalahan yang
  • 00:00:47
    mencoba mencari nilai atau hasil yang
  • 00:00:50
    maksimum atau minimum dari suatu fungsi
  • 00:00:52
    Tria pendekatan yang digunakan dalam
  • 00:00:56
    matematika Prima sini biasanya
  • 00:00:58
    menggunakan
  • 00:01:00
    Hai matematis atau analitis oke sekarang
  • 00:01:03
    masuk ke dasar-dasar matematika formasi
  • 00:01:05
    yang dibagi beberapa sub-bab yang
  • 00:01:08
    pertama ada gradien gradien disini
  • 00:01:12
    merupakan turunan pertama dari suatu
  • 00:01:14
    fungsi fx dengan formulasi merumus tabla
  • 00:01:19
    FX = parsial ever parsial X16 FX ini
  • 00:01:24
    bisa disebut dengan apa ya Gradien yang
  • 00:01:29
    dimana Maksude rumus ini yaitu turunan
  • 00:01:32
    FX terhadap X yang kedua ada matrik
  • 00:01:35
    fashion mereka Sian adalah matriks
  • 00:01:39
    simetri yang merupakan turunan 2 fungsi
  • 00:01:44
    fx terhadap X jadi materi kajian ini
  • 00:01:48
    turunan kedua dari fungsi fx setelah
  • 00:01:52
    gradien turunkan sekali lalu diturunkan
  • 00:01:55
    lagi itulah yang dinamakan Madrasah
  • 00:01:57
    siang dengan formulasi rumus H
  • 00:02:00
    Hai = parsial ke whatever parsial x
  • 00:02:04
    kuadrat gimana rumah sebelum sini yaitu
  • 00:02:09
    [Musik]
  • 00:02:11
    fungsi fx diturunkan terhadap dua
  • 00:02:15
    variabel x yang ada nanti di fungsi
  • 00:02:18
    efeknya yang ketiga ada matriks definit
  • 00:02:23
    positif dan matriks definit negatif
  • 00:02:26
    untuk mencari matriks Davin positif dan
  • 00:02:30
    matriks definisi negatif biasanya
  • 00:02:32
    menggunakan dua pendekatan yang pertama
  • 00:02:36
    ada pendekatan menggunakan transfuse
  • 00:02:40
    yang kedua ada determinan yang dimana
  • 00:02:43
    Ada syaratnya nih yang pertama apabila
  • 00:02:48
    Xtrans hx lebih besar nol maka definit
  • 00:02:52
    positif jika x transfuse ax kurang dari
  • 00:02:58
    nol maka disebut
  • 00:03:00
    QNet negatif apabila determinan a lebih
  • 00:03:06
    dari 60 maka Devin positif jika
  • 00:03:10
    determinan a kurang dari nol maka
  • 00:03:12
    definit negatif yang ketiga ada syarat
  • 00:03:19
    perlu keoptimalan syarat perlu optimalan
  • 00:03:24
    digunakan untuk mencari titik minimum
  • 00:03:29
    dari xtar jadi ekspor itu lambang dari
  • 00:03:35
    syarat perlu kopi malam ya Dari mana
  • 00:03:37
    disini mempunyai syarat yaitu gradien
  • 00:03:41
    fungsi fx Star harus sama dengan nol
  • 00:03:45
    maka didapat eksteriornya yang kelima
  • 00:03:51
    ada syarat cukup optimalan syarat cukup
  • 00:03:54
    optimistis and ini digunakan untuk
  • 00:03:58
    menentukan apakah
  • 00:04:00
    Hai Titik pop tim Um yang dioptimalkan
  • 00:04:04
    didapat dari syaraf perlu optimalkan ini
  • 00:04:09
    termasuk titik maksimum atau minimum
  • 00:04:14
    maka untuk mencarinya Ada Beberapa
  • 00:04:19
    syarat yang diantaranya apabila nabrak
  • 00:04:27
    efek Star sama dengan nol atau bisa
  • 00:04:29
    dibilang gradien fungsi fx ntar = 0 dan
  • 00:04:36
    x star definit positif maka titik ekstra
  • 00:04:44
    ekstra itu berarti kan titik ini ya
  • 00:04:47
    optimal optimum maka titik optimum at
  • 00:04:51
    termasuk titik minimum nah apabila
  • 00:04:55
    gradien xtar = 0 dan hx definit negatif
  • 00:05:00
    gif maka titik ekstrim termasuk titik
  • 00:05:04
    maksimum yang terakhir ada fungsi
  • 00:05:09
    konflik dan konsumsi konkaf fungsi kok
  • 00:05:12
    fungsi konflik dan fungsi konkaf ini
  • 00:05:15
    bisa dibilang sebagai pengganti dari
  • 00:05:18
    metris Divine positif dan DPR matriks
  • 00:05:21
    definit negatif Kenapa karena memiliki
  • 00:05:24
    syarat seperti ini dapat dikatakan FX
  • 00:05:28
    fungsi convex apabila haknya definit
  • 00:05:32
    positif dan apabila efek fungsi konkaf
  • 00:05:36
    eh maksudnya dapat dikatakan efek fungsi
  • 00:05:40
    konkaf apabila hxc itu definit negatif
  • 00:05:44
    nah supaya lebih jelasnya kita langsung
  • 00:05:47
    ke pembahasan contoh soal yang pertama
  • 00:05:51
    ada gradien ya di soal terdapat suatu
  • 00:05:55
    fungsi fx = X1 kuadrat ditambah dua X2
  • 00:05:58
    kuadrat ditambah X
  • 00:06:00
    kuadrat ditambah empat X1 X2 dikurang 2
  • 00:06:04
    x2 x3 ditambah 6x 1 dikurang 8 X2
  • 00:06:09
    dikurang 3 X3 ditambah enam Tentukan
  • 00:06:12
    gradien fungsi dari FX Oke dalam mencari
  • 00:06:17
    gradien ini kita harus mengetahui nih
  • 00:06:21
    Ada berapa variabel yang ada di fungsi
  • 00:06:24
    tersebut jika dilihat di sini ada X1 ada
  • 00:06:29
    x2 x3 tadi itu kan ada tiga variabel ya
  • 00:06:33
    ak didapatkan rumus seperti ini parsial
  • 00:06:38
    FW parsial F1 pada baris pertama Golem
  • 00:06:42
    pertama dan juga ada parsial ever
  • 00:06:47
    parsial X2 dan juga ada parsial F
  • 00:06:50
    berfungsi ls-36 pertama kita kerjakan
  • 00:06:54
    yaitu parsial ever parsial F1 yang
  • 00:06:57
    dimana maksudnya itu turunan FX sore
  • 00:07:00
    Datuk oke di sini didapat gua x12s satu
  • 00:07:07
    itu didapat dari X1 kuadrat ingin dimana
  • 00:07:11
    apabila diturunkan rhodapex 12 dikali
  • 00:07:15
    satu2x mata pangkatnya berkurang tidak
  • 00:07:19
    pernah 2x 1 yang kedua kita cari yang
  • 00:07:24
    variabel X1 lagi ada empat X1 X2 apabila
  • 00:07:27
    diturunkan terhadap X1 maka didapatlah
  • 00:07:32
    4X 2 kenapa Karena disini kan sangka T1
  • 00:07:37
    ya jika dikali disini maka akan habis
  • 00:07:41
    satunya hilang yang ketiga tidak part 66
  • 00:07:47
    itu didapat dari enam F1 yang dimana
  • 00:07:49
    apabila diturunkan refleks aku hilang X
  • 00:07:53
    satunya 686 pun dengan parsial ever
  • 00:07:58
    parsial X2 dan mana turunan
  • 00:08:00
    ekstradem X2 4x satu ini didapat dari
  • 00:08:09
    Samantha X1 X2 yang apabila diperlukan
  • 00:08:12
    rhodapex dua tidak pattern 1 Bruce yang
  • 00:08:17
    4x 24 X2 ini didapat dari sini apabila
  • 00:08:26
    dikali dua kali 24 X2 ^ berkurang maka
  • 00:08:31
    didapatlah matriks 2 min 2 x 3 min 2 X3
  • 00:08:35
    itu didapat dari sini yang dimana
  • 00:08:38
    apabila mint dua x2 x3 diturunkan
  • 00:08:40
    terhadap X2 maka air turun jelang bawang
  • 00:08:44
    maka didapatlah mint dua SS3 Lalu ada 8X
  • 00:08:49
    28 X2 itu udah jelas ya Doors ini
  • 00:08:52
    Apabila turunkan terhadap X2 maka akan
  • 00:08:54
    hilang didapatlah min8 selanjutnya pada
  • 00:08:58
    parsial ever parsial
  • 00:09:00
    yang dimana2 maksudnya turunan FX
  • 00:09:03
    terhadap X3 disini terdapat mint dua S2
  • 00:09:06
    dari mana sih min dua X min 2 X2 jadi
  • 00:09:11
    menu S2 itu dari sini X3 kuadrat apabila
  • 00:09:15
    diturunkan terhadap X3 maka didapatlah
  • 00:09:21
    mint dua Teh maaf ini mint dua X2 itu
  • 00:09:26
    didapat dari sini ya saya mengurutkan
  • 00:09:29
    seperti ini karena biar variabel berurut
  • 00:09:31
    2 3 dan seterusnya ya jadi mint dua SG
  • 00:09:36
    itu didapat dari sini mint dua S2 S3
  • 00:09:39
    diturunkan terhadap X3 maka hilang dong
  • 00:09:41
    didapatlah mint dua S2 ditambah 2x 3x 3
  • 00:09:46
    itu dari sini apabila turun refleks 3
  • 00:09:49
    maka didapatlah dua SS3 terus min 3 min
  • 00:09:53
    3 itu didapat atau sini dan dimana
  • 00:09:55
    apabila turunkan terhadap sehingga
  • 00:09:57
    hilang s3nya maka didapatlah
  • 00:10:00
    tiga selanjutnya kita masuk ke Madrid
  • 00:10:05
    ASEAN seperti sebelumnya sudah saya
  • 00:10:08
    jelaskan pada klien adalah turunan dua
  • 00:10:10
    fungsi terhadap fungsi fx terlepas soal
  • 00:10:15
    kalau ini soalnya sama ya seperti nomor
  • 00:10:18
    pertama suatu fungsi fx = X1 kuadrat +
  • 00:10:24
    2x 2 kuadrat ditambah x 3 kuadrat
  • 00:10:27
    ditambah 41 S2 Dit kurang dua x2 x3
  • 00:10:31
    ditambah enam F1 dikurang 8X 2 dikurang
  • 00:10:35
    3 X3 ditambahkan Tentukan matriks Asiana
  • 00:10:38
    hedyan menambahkan hx nah bedanya dengan
  • 00:10:43
    gradient pada merek sosial ini kita akan
  • 00:10:47
    diturunkan dua kali dan sama langkah
  • 00:10:51
    awal yaitu kita menentukan harga berapa
  • 00:10:53
    variabel yang ada pada fungsi fx 2003
  • 00:10:56
    dilihat ini sampai karena fungsinya
  • 00:11:00
    magus Investama yang dengan gradien 3
  • 00:11:04
    variabel dong udah jelas berarti kita
  • 00:11:07
    harus bikin tiga baris 3 kolom yang
  • 00:11:11
    dimana bedanya adalah di baris pertama
  • 00:11:14
    kalau pertama didapat parsial kuadrat F
  • 00:11:18
    parsial X1 parsial f-16 cute gimana
  • 00:11:22
    maksudnya adalah turunan fungsi x
  • 00:11:26
    terhadap x1 dan juga eks satu lagi JAdi
  • 00:11:31
    misal langsung ke contoh aja disini
  • 00:11:35
    department 22 itu dari mana sih cuma itu
  • 00:11:40
    dari X1 kuadrat Kenapa apabila
  • 00:11:45
    diturunkan radak X1 maka didapatlah dua
  • 00:11:49
    x1 ^ 1 Gan lalu pada mereka jenis
  • 00:11:54
    diturunkan lagi ini terhadap satu maka
  • 00:11:59
    didapat
  • 00:12:00
    dua pakai satunya hilang lalu di sini
  • 00:12:03
    ada warsel kuadrat F dibagi parsial X1
  • 00:12:07
    parsial X2 yang dimana disini dekat
  • 00:12:11
    angka 4 dari sini dong nih Maaf di sini
  • 00:12:16
    ah jadi 4 X1 X2 apabila turunkan
  • 00:12:21
    rhodapex satu maka didapatlah 4X 2
  • 00:12:24
    apabila diturunkan lagi terhadap S2
  • 00:12:28
    didapatlah keempat ini lalu disini dapat
  • 00:12:32
    nol Kenapa sih keadaan old Padahal di
  • 00:12:34
    sini enggak ada nol jadi disini karena
  • 00:12:37
    rumusnya itu parsial kuadrat ever
  • 00:12:40
    parsial X1 parsial S3 didapat angka nol
  • 00:12:47
    kenapa Karena di pada pada fungsi ini
  • 00:12:51
    tidak ada koefisien atau variabel yang
  • 00:12:55
    sekaligus x1dan X3 seperti
  • 00:13:00
    nih contohnya Ini karena 2x 222 S2 S3
  • 00:13:03
    jika diturunkan terhadap yang ini yang
  • 00:13:07
    bawahnya itu bisa tetapi karena ini
  • 00:13:10
    nggak ada masa kita anggap nol pun sama
  • 00:13:14
    pada baris selanjutnya parcel kuadrat
  • 00:13:19
    ever parsial X2 parsial F1 yang dimana
  • 00:13:25
    disini terdapat angka 4 dari mana dari
  • 00:13:28
    sini sama bedanya pada baris kedua ini
  • 00:13:32
    kolom pertama disini diperlukan terhadap
  • 00:13:35
    S2 dulu baru turunkan lagi pps1 dapat
  • 00:13:39
    nampak pun sama pada sini didapat dari
  • 00:13:42
    rumus parcel kuadrat ever parsial X2
  • 00:13:45
    parsial X2 per parsial X2 parcel s28a 4
  • 00:13:51
    anggapan ini dari mana karena dari sini
  • 00:13:54
    ya di sini kan ^ 2 2x 2 kuadrat dibagi
  • 00:13:59
    dibagi
  • 00:14:00
    Hai itu rentan terhadap X2 diturunkan
  • 00:14:04
    noda tersebut berarti kan masih ada 4X 2
  • 00:14:07
    ^ 1 Gan apabila turunkan lagi X2 maka ia
  • 00:14:12
    pernah keempat pun sama pada parcel
  • 00:14:15
    padat ever parsial S2 parcel S3 kita
  • 00:14:18
    admin2 dari ini tadi saya jelaskan
  • 00:14:20
    kesini apabila diturunkan pertama
  • 00:14:23
    kalinya yaitu dengan X2 turunkan roda
  • 00:14:27
    dua dapat lahmin ux3 diturunkan lagi
  • 00:14:30
    terlihat X3 dapatlah Irwan pun sama pada
  • 00:14:34
    baris ketiga yang dapat promosi-promosi
  • 00:14:37
    parsial kuadrat F bar parsial X3 parsial
  • 00:14:42
    [Musik]
  • 00:14:43
    1340 nih karena ya itu mienya seperti
  • 00:14:46
    saya jelaskan disini tidak ada apa ya
  • 00:14:50
    bye fashion yang mempunyai variabel
  • 00:14:52
    seperti ini maka diangkatlah non
  • 00:14:56
    selanjutnya ada parcel kuadrat F parsial
  • 00:15:00
    ya parsial X2 trimana disini dapat angka
  • 00:15:03
    mingguan nih tapi ini jelas angkanya itu
  • 00:15:06
    sama si kita di sini Jangan terpaku
  • 00:15:09
    Kenapa di sini S2 S3 Tab Sedangkan ini
  • 00:15:13
    udah dipakai Mini iMac Dengan ini kita
  • 00:15:16
    jangan terbaru dengan itu yang penting
  • 00:15:18
    dalam promosi itu sesuai variabel yaitu
  • 00:15:21
    ada s3nya ada s2nya walaupun ininya
  • 00:15:24
    Nggak kebalik itu jadi bedanya hanya
  • 00:15:28
    ketika parsial STG diturunkan ada parcel
  • 00:15:32
    X3 terhadap juga parsial X2 maka yang
  • 00:15:38
    kami 2x 2x begini turunkan dulu yang
  • 00:15:40
    pertama itu Tengah transtiga maka hilang
  • 00:15:44
    dong proses seminggu S2 problems and
  • 00:15:46
    lagi terhadap dua tamatlah mingguan pun
  • 00:15:49
    sama pada sini ya yang didapat apa ya
  • 00:15:53
    sangka2 dari rumus parsial kuadrat X per
  • 00:15:56
    parsial X 3pcs
  • 00:16:00
    yang didapat dari nehi2 x3m 2x 3 kuadrat
  • 00:16:08
    maksudnya jika diturunkan Radar SS3 maka
  • 00:16:11
    didapatlah 2x 3 ^ 1 diturunkan lagi
  • 00:16:14
    Lorde X3 dapatlah dua maka materi kajian
  • 00:16:20
    dari fungsi fx ini yaitu 2404 4min 20
  • 00:16:28
    min 22 selanjutnya ada matriks definit
  • 00:16:33
    positif dan definit negatif jika dilihat
  • 00:16:41
    dari soale suatu fungsi fx ini sama
  • 00:16:45
    seperti soal sebelumnya bedanya hanya
  • 00:16:48
    disini Tentukan apakah matriks-matriks
  • 00:16:51
    ASEAN dari fungsi fx bersifat lebih
  • 00:16:53
    positif atau negatif jadi pada materi
  • 00:16:56
    dasar-dasar matematika Prima sini saling
  • 00:16:58
    berbenturan ya
  • 00:17:00
    ketika sudah mencari gradien tersedia
  • 00:17:03
    Kita harus mencari hessian lanjut lagi
  • 00:17:06
    kita mencari matriks definit positif dan
  • 00:17:08
    David negatif dimana untuk mendapatkan
  • 00:17:11
    rezeki menentukan definisi matriks ini
  • 00:17:14
    definit positif atau DVD negatif Kita
  • 00:17:17
    harus menghitung tetesan Nah tadi
  • 00:17:21
    emergency undur diri dapat nih 24 04 min
  • 00:17:23
    20 min 22 rasa lanjut jam menggunakan
  • 00:17:29
    pendekatan Terminal Kenapa saya menonton
  • 00:17:32
    minat karena jika menggunakan terpendek
  • 00:17:36
    Atan transfuse sedikit sulit sedikit
  • 00:17:40
    rumit jadi lebih mudah menetapkan
  • 00:17:42
    pengangkatan renang yang pertama kita
  • 00:17:46
    harus tahu nih kita buat determinan H1
  • 00:17:50
    pada domain H1 didapat dari order satu
  • 00:17:53
    kali satu ketikan gua dong maka dua itu
  • 00:17:58
    lebih dari
  • 00:18:00
    Mbah lebih dari nol Oh ya sebelumnya
  • 00:18:02
    saya menjelaskannya men-tag definit
  • 00:18:05
    positif dan negatif itu ada syaratnya
  • 00:18:07
    biasanya apabila apa ya materi kajiannya
  • 00:18:15
    lebih dari nol itu positif kalau misal
  • 00:18:22
    lah mager hasilnya kurang dari 07
  • 00:18:25
    negatif okeh lanjut selanjutnya dominan
  • 00:18:29
    H2 jadi dan mengadu itu didapat dari
  • 00:18:32
    ordo 2 * dua nih dua kali dua Jawa kali
  • 00:18:35
    dua dapat 2444 yang dimana seperti yang
  • 00:18:41
    sudah dijelaskan pada pembelajaran
  • 00:18:45
    sebelumnya mungkin teman-teman sudah
  • 00:18:47
    pada tahu bagaimana cara menghitung
  • 00:18:50
    cerminan ketika ada apa ya cerminan orde
  • 00:18:54
    dua kali dua rumah saya itu kan Udah
  • 00:18:58
    nggak asing ya Adek
  • 00:19:00
    Hai Ki kurang BC Kak Alin Dedi kurang
  • 00:19:03
    gadget jadi 2 dikali 4 dikurang empat
  • 00:19:06
    kali empat didapatkan bila pashmina Pani
  • 00:19:08
    to kurang dari nol selanjutnya ada
  • 00:19:11
    sepenuh hati Ga Gimana datang NH3 itu
  • 00:19:14
    didapat dari orde 3 kali 3 ya 2404 min
  • 00:19:20
    20 min 22 Lalu seperti sudah ketentuan
  • 00:19:27
    kehamilan 33 Disini di kali silangkan
  • 00:19:32
    dengan kolom pertama dan kolom kedua ini
  • 00:19:37
    2404 mint dua apabila dikali sedangkan
  • 00:19:41
    seperti minggir terus nyampe pojok
  • 00:19:45
    pokoknya mah MP mentok maka didapatkan
  • 00:19:47
    nih dua kali empat kali dua lalu 4 mid
  • 00:19:52
    kali min 2 dikali nol hitam bah 0343
  • 00:20:00
    Hai karena ini Islam Ayah rumusnya Ade
  • 00:20:03
    dikurang b c jadi ini dikurang lalu
  • 00:20:07
    selanjutnya 03 lipat dikali nol dikurang
  • 00:20:15
    Dumin 2 dikali min 2 dikali 26 lagi2
  • 00:20:19
    dikali 4 dikali 2 dikali 4 dikali 4/4
  • 00:20:24
    kali2 didapat hasilnya itu 16 + noldy
  • 00:20:29
    kurang 0838 ditambah 32 didapat hasil
  • 00:20:34
    Amin 24 yang dimana minum obat itu
  • 00:20:37
    kurang dari nol nah ini ringkasannya
  • 00:20:42
    jadi terminal 1 = 20th maaf ini sedikit
  • 00:20:47
    typo maksudnya itu the terminan H1 dapat
  • 00:20:51
    2 dimana2 itu lebih dari nol terus
  • 00:20:57
    berbenah A2 = Min 8/17
  • 00:21:00
    Hai kurang dari nol dong Minta apaan
  • 00:21:03
    determine h3d dapat menempatkan Erna
  • 00:21:06
    syarat definit positif secara definisi
  • 00:21:08
    positif apabila H1 H2 H3 nya lebih dari
  • 00:21:12
    nol kita lihat disini Di sini ada H2 dan
  • 00:21:17
    H3 yang kurang dari nol pasti tidak
  • 00:21:19
    termasuk define positif selanjutnya so
  • 00:21:22
    Devi negatif A1 A2 dan hatinya kurang
  • 00:21:26
    dari nol kadonya lebih rasional disini
  • 00:21:29
    dilihat ada H1 yang lebih dari nol maka
  • 00:21:33
    tidak termasuk definitif gimana
  • 00:21:36
    kesimpulannya Jadi kesimpulannya yaitu
  • 00:21:40
    maka matriks FX tidak definit karena
  • 00:21:44
    tidak memenuhi syarat efek positif
  • 00:21:46
    maupun definit negatif selanjutnya masuk
  • 00:21:56
    ke Siara terluka optimalan Disini
  • 00:22:00
    yang didapat soal dapatkan titik optimal
  • 00:22:03
    ekstra dari fungsi fx = 2x 1 pangkat 3
  • 00:22:07
    ditambah 3 X2 pangkat 2 dikurang 12 X1
  • 00:22:12
    X2 maka penyelesaiannya syarat perlu
  • 00:22:17
    optimalan pada saat pengoptimalan kita
  • 00:22:21
    harus ketahui dulu nih gradiennya untuk
  • 00:22:26
    mengetahui didapat rumus parsial FB per
  • 00:22:32
    parsial X1 parsial efparents dua sering
  • 00:22:37
    sudah jelaskan ini didapat dari dua X1 ^
  • 00:22:44
    3 Apabila dukungan rakyat x13 kali 266
  • 00:22:49
    X1 ^ gua lalu selanjutnya masker hadapi
  • 00:22:53
    satu dilihat isi min12 f1s dua apabila
  • 00:22:58
    Turner
  • 00:23:00
    Hai ada dapatlah min12 X2 pun sama pada
  • 00:23:03
    parcel ever parcel ever parsial X2 dan
  • 00:23:07
    dimana didapat mint 12 satu dari mana
  • 00:23:11
    dari sini apabila mint 12 yang satu SS2
  • 00:23:16
    diturunkan rada PS2 maka didapatlah MIN
  • 00:23:19
    12 F1 halus selanjutnya 6x 2 dapat dari
  • 00:23:23
    mana dari sini karena ini variabel X2 ya
  • 00:23:26
    jadi apabila terkena Lex 22 dikali 366
  • 00:23:30
    X2 pangkat yang orang maka dapatlah 6x 2
  • 00:23:33
    Nah dengan memenuhi syarat perlu kopi
  • 00:23:36
    malam yang sudah saya jelaskan harus apa
  • 00:23:39
    ya gradien fungsi efeknya itu harus di =
  • 00:23:44
    disama dengankan nol jadi pada penanya
  • 00:23:50
    persamaan yang udah didapat nih sama
  • 00:23:53
    near 6 x kuadrat 6x satu kuadrat
  • 00:23:57
    dikurang 12 x kuadrat =
  • 00:24:00
    ah min12 X1 ditambah enam X2 = 0 jadi
  • 00:24:05
    kita menggunakan eliminasi ya untuk
  • 00:24:08
    mendapatkan syarat optimalnya tidak part
  • 00:24:15
    dari perkalian agar dapat ditemukan atau
  • 00:24:19
    dicoretnya 6 X1 kuadrat dikurang 12 x
  • 00:24:23
    kuadrat eh-6 X1 kuadrat dikurang 12 X2
  • 00:24:27
    lalu pada persamaan 2 ke pasti keduanya
  • 00:24:30
    di menjadi mint 241 ditambah 12234 6 X1
  • 00:24:34
    kuadrat dikurang 24 X1 = 0 eh disini
  • 00:24:39
    bisa disederhanakan maka dibagi enam
  • 00:24:44
    Kenapa dibagi enam ya karena supaya
  • 00:24:46
    lebih simpel aja enam X1 kuadrat min 24
  • 00:24:52
    X1 masing-masing dibagi enam Maka
  • 00:24:54
    didapat X1 kuadrat dikurang 4 F1 = 0
  • 00:24:58
    sini dipakai
  • 00:25:00
    aturan ya dan dimana didapat x1i * S1
  • 00:25:05
    Min 4 ini Apabila dikalikan akan sama
  • 00:25:09
    dengan yang atasnya nah didapatlah
  • 00:25:12
    pewarna X1 = 0 atau x114 karena ini sama
  • 00:25:17
    dengan nol maka yang dipakai X1 = 4 Oke
  • 00:25:21
    selanjutnya subtitusikan X1 ini nih yang
  • 00:25:26
    sama dengan empat pada persamaan 2 ini
  • 00:25:29
    mint 12.1 tambah 6x 2 dimana didapatkan
  • 00:25:33
    apabila eps 134 maka didapatkan 12min 12
  • 00:25:38
    sekali 4 = 4 8 mint 48 ditambah enam
  • 00:25:41
    ex2100 X2 = Min 4 8 pindah ruas menjadi
  • 00:25:48
    486 = X2 X2 = 8 jadi tidak patutlah nih
  • 00:25:56
    titik optimal xtar atau X Bean
  • 00:26:00
    Hai = 4 dan juga 8 rupakan titik optimal
  • 00:26:04
    dari fungsi fx Oke lanjut pada syarat
  • 00:26:10
    cukup keoptimalan ya di sini soal
  • 00:26:14
    Tentukan titik minimum atau titik
  • 00:26:16
    maksimum dari fungsi fx = 2x 1 pangkat 3
  • 00:26:21
    ditambah 3 x kuadrat eh tiga X2 kuadrat
  • 00:26:25
    dikurang 12 X1 X2 nah pada sebelum Wetan
  • 00:26:31
    Mada soal 2.4 yaitu syarat perlu copy
  • 00:26:34
    Malangnya sekali dapatkan titik optimal
  • 00:26:36
    xt408 dan gradiennya yang tadi sudah
  • 00:26:40
    kita apa ya kita temukan enam X1 kuadrat
  • 00:26:44
    dikurang MIN 12 X2 min12 f1plus 6x 2 nah
  • 00:26:54
    lalu bedanya nih ya syarat cukup
  • 00:26:57
    optimistis and dengan syarat perlu ke
  • 00:27:00
    malah jadi pada syarat perlu kau kenalan
  • 00:27:02
    kita membelahnya itu dari mencari
  • 00:27:05
    gradiennya Namun apabila untuk mencari
  • 00:27:10
    apa ya syarat cukup optimistis Ana kita
  • 00:27:13
    perlu mencari hessian yang dulu hessian
  • 00:27:15
    teksturnya ini Oke sepertinya sudah
  • 00:27:19
    Jelaskan didapatlah rumus formasi rumah
  • 00:27:22
    seperti ini parsial gua that ever
  • 00:27:26
    parsial F1 parcel F1 didapatkan 12h satu
  • 00:27:30
    darimana ini dari yang variabel X1 ini
  • 00:27:34
    Apabila dua X1 ^ 3 diturunkan oleh dapat
  • 00:27:38
    satu maka didapatlah 6 X1 kuadrat
  • 00:27:43
    diturunkan lagi terhadap baik satu maka
  • 00:27:47
    akan masih ^ 2 2 dikali 6 12 di 12x satu
  • 00:27:52
    selanjutnya parsial kuadrat everfall Si
  • 00:27:56
    Alex satu parsial X2 pendapat mint 12
  • 00:28:00
    12 karena tidak pada kesini min12 S1 S2
  • 00:28:04
    divergen rads-1 nih sisa minum X min 12
  • 00:28:09
    X2 diturunkan lagi terhadap sudah
  • 00:28:12
    Pertamina blush on sama pada selanjutnya
  • 00:28:16
    parsial kuadrat F parsial X2 parcel X1
  • 00:28:21
    didapat dari mana sama dari sini bedanya
  • 00:28:23
    disinkronkan terhadap X2 dulu baru turun
  • 00:28:25
    pendapat satu terdapatlah 15 disini sama
  • 00:28:29
    didapatkan dari 3x 2 ^ 2 apabila
  • 00:28:34
    dikalikan Abdi turunkan terhadap X2 dulu
  • 00:28:38
    gua kali 366 X2 pangkat-1 diturunkan
  • 00:28:41
    lagi terhadap Bertuah didapatlah 6
  • 00:28:43
    karena semuanya hilang Dan rekreasional
  • 00:28:46
    sudah dapat lalu disini kan masih ada
  • 00:28:48
    variabel nih variabel X1 Gimana sih
  • 00:28:53
    caranya supaya hilang maka caranya sama
  • 00:28:57
    kita pakai apa ya
  • 00:29:00
    sperma formulasi seperti determinan itu
  • 00:29:03
    ini dikalikan ini dikurang ini Dikmen
  • 00:29:07
    12.15 tapi di sama dengan kan Nol supaya
  • 00:29:11
    kita dapat esnya didapat 12x kali enam
  • 00:29:16
    7272 X dikurang MIN 12 sekali mint 12
  • 00:29:20
    itu kan positifnya 144 dikali negatif
  • 00:29:23
    jadi negatif jadi 144 = 0 72 72 x = 1 4
  • 00:29:28
    = 143 bagi 72 = 2 jadi apabila dua ini
  • 00:29:36
    dimasukkan apa ya dimasukkan dalam X1
  • 00:29:40
    ini maka 12 dikali 2 24 jadi formal
  • 00:29:45
    formulasinya jadi 24 MIN 12 MIN 12 malam
  • 00:29:49
    selanjutnya pada secara cukup optimal
  • 00:29:51
    ini kita lanjut ke mencari determinan
  • 00:29:55
    jadi didapatkan benar-benar H1 pada Orde
  • 00:29:59
    satu kali
  • 00:30:00
    Iya 24 dong 24 itu lebih dari nol
  • 00:30:03
    ataupun Rino jelas lebih dari nol lalu
  • 00:30:06
    selanjutnya dominan h2di determinan H2
  • 00:30:10
    ini kan didapat dari ordo 2 * dua ya
  • 00:30:15
    udah jelas 24 minum losmen 12 sama
  • 00:30:19
    6.243566 kurang in 12 sekali main 12
  • 00:30:23
    tidak dapat hasil sama dengan nol lalu
  • 00:30:30
    jika meninjau kembali syarat perlu
  • 00:30:35
    optimalan ya apabila determinan hanya
  • 00:30:39
    itu lebih dari nol itu kan artinya
  • 00:30:42
    semidefinit positif jadi ya sudah
  • 00:30:47
    externe Itu yang 4-8 adalah titik
  • 00:30:52
    minimum dengan efek starnet apabila
  • 00:30:56
    dimasukkannya adalah dalam fungsi 4
  • 00:31:00
    adegan dalam x185 sungkan dalam X2 maka
  • 00:31:04
    didapatlah hasil minta jadi sarat cukup
  • 00:31:09
    optimistis and itu apa ya kan untuk
  • 00:31:12
    mencapai menentukan apakah titik optimal
  • 00:31:17
    yang didapatkan dari syarat perlu coffee
  • 00:31:20
    Milan itu merupakan titik minimum atau
  • 00:31:24
    maksimum ternyata ini sudah terbukti
  • 00:31:26
    karena semidefinit positif yang
  • 00:31:31
    dihasilkan maka titik minimum apabila
  • 00:31:34
    yang dihasilkan untuk Lini misalnya
  • 00:31:36
    kurang dari noleh semuanya ngerti Devi
  • 00:31:38
    negatif maka titik yaitu maksimum oke
  • 00:31:43
    nah yang terakhir fungsi convex dan
  • 00:31:46
    fungsi konkaf ada soal suatu fungsi fx =
  • 00:31:51
    X1 warna ditambah X2 pangkat 2 ditambah
  • 00:31:55
    X1 X2 dikurang 2x 1 dikurang empat x 2
  • 00:32:00
    nama satu Tentukan apakah fungsi fx
  • 00:32:02
    soundfest atau tidak proses seperti saya
  • 00:32:06
    yang sudah saya jelaskan fungsi konflik
  • 00:32:10
    dan fungsi konkaf itu seperti menentukan
  • 00:32:13
    dhevka suatu kondisi ini definit positif
  • 00:32:17
    atau negatif cuman pada wujud Confession
  • 00:32:21
    principle of ini tetap kita harus
  • 00:32:23
    menentukan matriks gajiannya jadi dalam
  • 00:32:27
    apa ya fungsi fx ini didapat matte
  • 00:32:30
    kesian 2112 dari mana Jadi dari former
  • 00:32:35
    formulasi parsial kuadrat ever parsial
  • 00:32:39
    X1 parcel x1q dapat dua dari mana karena
  • 00:32:45
    dari sini ya 2x 1 Apabila Trenggalek
  • 00:32:49
    satu dapatlah 2x 1 doang ya gue satu
  • 00:32:52
    langkah saat diturunkan lagi dapatlah
  • 00:32:54
    dua selanjutnya ada parsial kuadrat ever
  • 00:32:57
    parsial X1 parcel S2 yang di
  • 00:33:00
    yang didapat dari nih Kenapa adab bisa
  • 00:33:05
    ada persatu karena apabila ini X1 X2
  • 00:33:08
    diturunkan secara adat yang satu hilang
  • 00:33:11
    dong sisa X2 turunkan lagi terhadap X2
  • 00:33:14
    dapatlah hanya satu selanjutnya ada
  • 00:33:19
    parcel kuadrat F parsial S2 parsial F1
  • 00:33:22
    yang dimana parsial X2 X1 itu didapat
  • 00:33:25
    dari sama sini juga bedanya ini rutin
  • 00:33:28
    Refresh dulu baru terus diturunkan
  • 00:33:30
    terhadap F1 makalah maka didapatlah satu
  • 00:33:33
    selanjutnya adalah parsial kuadrat F
  • 00:33:36
    baru parsial kuadrat eh parcel kuadrat
  • 00:33:40
    ever parsial X2 fase S2 didapat dari
  • 00:33:43
    mana Dari yang variabelnya buah intinya
  • 00:33:46
    Maya ya Jadi ini didapat dari sini nih
  • 00:33:55
    Kenapa Hehehe maaf dari dapat dari sini
  • 00:34:00
    Hai jadi ini tuh di kali ya dua
  • 00:34:04
    diturunkan terhadap X2 itukan jadi 2x 2
  • 00:34:07
    doang diturunkan lagi menjadi dua buah
  • 00:34:11
    saja kenapa ini nggak masuk karena
  • 00:34:15
    apabila diturunkan ya Ya udah deh bakal
  • 00:34:19
    habis 4S dua diturunkan X2 habis sisa
  • 00:34:25
    empat tapi turunkan lagi telah tewas dua
  • 00:34:28
    Ya udah nanti habis selanjutnya kita
  • 00:34:33
    memarkan dominannya jadi yang didapat
  • 00:34:36
    dari matriks yang ikan2 12112 didapat
  • 00:34:41
    determinan H1 = 22 dari ordo 1 F1 ya 22
  • 00:34:48
    itu lebih dari no Rose cerminan H2 ini
  • 00:34:51
    dapat dari formulasi Terminal yang akal
  • 00:34:56
    ide dikurang b * c dua kali dua dikurang
  • 00:35:00
    satu didapatlah 33 itu lebih dari non
  • 00:35:02
    artinya ketika hasil dari dominan ini as
  • 00:35:07
    satunya lebih dari noh 2-nya lebih dari
  • 00:35:10
    nol artinya itu kan definit positif
  • 00:35:12
    sehingga fungsi efek itu convex jadi
  • 00:35:16
    dalam fungsi Converse dan fungsi konkaf
  • 00:35:19
    itu kan syaratnya apabila apa ya
  • 00:35:23
    prediction yaitu termasuk definit
  • 00:35:28
    positif maka itu termasuk fungsi convex
  • 00:35:30
    namun Sebaliknya apabila Madrid sosial
  • 00:35:33
    yaitu definit nya negatif maka
  • 00:35:36
    termasuknya fungsi konkaf Oke semoga
  • 00:35:42
    paham ya ya ternyata materi sudah
  • 00:35:50
    selesai Sebelumnya saya mohon maaf
  • 00:35:54
    apabila terdapat tutur kata atau bahasa
  • 00:35:56
    penyampaiannya kurang pas ataupun salah
  • 00:35:58
    karena saya hanya
  • 00:36:00
    usia biasa yang tak luput dari kesalahan
  • 00:36:02
    Terimakasih semoga bermanfaat bagi
  • 00:36:05
    teman-teman semua dari apa yang saya
  • 00:36:07
    sampaikan ke tentang dasar-dasar
  • 00:36:09
    matematika optimasi mobil hitam
  • 00:36:12
    walhidayah wassalamualaikum
  • 00:36:14
    warahmatullahi wabarakatuh
  • 00:36:16
    hai hai
Etiquetas
  • optimization
  • mathematics
  • gradient
  • Hessian
  • matrix
  • convex function
  • concave function
  • numerical methods
  • calculus
  • decision-making