Introduction

L'optimisation est une discipline mathématique qui a pris naissance au cours du XXe siècle dans
le but du développement des sciences de l'industrie et de la planification, des sciences appliquées aux
technologies naissantes et grâce au développement de l'informatique qui a rendu efficiente ses méthodes
algorithmiques.

Optimiser c'est choisir parmi plusieurs possibilités celle qui répond le mieux à certains critères.
En effet, il n'existe pas de science ni même de domaine d'activité qui ne soit confronté à un problème
d'optimisation. L’optimisation intervient pour appliquer l'outil mathématique à cette résolution, tant que
le problème soit formalisable mathématiquement.

Son champ d'application est assez vaste : optimisation des ressources, des gains, des couts dans
l'industrie, optimisation du trafic aérien, ferroviaire, routier, dans le transport, optimisation de la
couverture radar, de la réactivité d'intervention, de la gestion des stocks et des troupes dans le domaine
militaire, etc.…, sans oublier des sciences comme la physique, la chimie, l’informatique, l’automatique,
le traitement du signal, etc.…, pour lesquels nombre de problèmes se résolvent par optimisation. C'est
une discipline fondamentale dans les sciences de l'ingénieur, de l'économie et de la gestion.

L'optimisation consiste à trouver le maximum ou le minimum d'une fonction. Cette

fonction peut être sans ou avec contrainte (c.à.d. soumise à une ou plusieurs autres fonctions
qui limitent ses arguments)

1. Formulation générale d’un problème d'optimisation ; maximum et minimum

Soit n un entier strictement positif et soient :

D ⸦ Rn un sous-ensemble non vide de Rn, et

f : D →R une fonction réelle f sur D à variable réelle x

Un problème d'optimisation consiste à déterminer, lorsqu'il existe, un extremum, minimum ou

maximum, de f sur D (ensemble des nombres décimaux représentant un sous-ensemble de Rn
est le domaine admissible de solutions). On note un tel problème :

min 𝒇𝒇(𝒙𝒙) ou max 𝒇𝒇(𝒙𝒙)

𝒙𝒙 ∈ 𝑫𝑫 𝒙𝒙 ∈ 𝑫𝑫

• un minimum (ou minimum global) x* de f sur D est un point x* ∈ D, tel que ∀ x ∈ D,

f(x*) ≤ f(x),

• un maximum (ou maximum global) x* de f sur D est un point x* ∈ D, tel que ∀ x ∈ D,

1
f(x*) ≥ f(x).

Lorsque l'inégalité est stricte (> 𝑜𝑜𝑜𝑜 <) ∀ x ∈ D ∖ {𝑥𝑥 ∗ } , on parlera de minimum ou de
maximum strict.

• La valeur f(x*) prise par f en un minimum (respectivement maximum) est sa valeur

minimale (respectivement maximale) et sera notée fmin (respectivement fmax).
• L'ensemble D est appelé le domaine admissible, et la fonction f à minimiser la fonction
coût, ou à maximiser la fonction objectif (ou fonction économique, etc.…).

Un minimum (respectivement maximum) de f est un maximum (respectivement minimum)

de -f et réciproquement, tandis la valeur minimale (respectivement maximale) de f est l'opposé
de la valeur maximale (respectivement minimale) de -f. Pour cette raison, on peut changer tout
problème de minimisation en un problème de maximisation équivalent, et réciproquement.

L'optimisation se divise en deux disciplines dont les outils et méthodes sont différents :

• Si D est continu, et f est continue, on parle d'optimisation continue. Les outils

proviennent essentiellement de l'analyse (calcul différentiel, convexité) et de l'algèbre
linéaire.
• Si D est discret (D ⸦ Rn, fini ou dénombrable), on parle d'optimisation combinatoire.
Les outils proviennent essentiellement des mathématiques discrètes (théorie des
graphes).

2. Optimisation d'une fonction à une variable, sans contrainte

Le cas le plus simple à étudier est celui de l’optimisation d'une fonction à une variable
où il n'y a pas de contrainte. On a seulement une fonction objectif. On appelle maximum
global la plus grande valeur de la fonction objectif f atteinte dans un intervalle donné,
par opposition à un maximum local, fig.1. Celui-ci est une valeur de x telle que la
fonction évaluée immédiatement à droite ou à gauche donne une valeur de f inférieure à
la valeur obtenue lorsque f est évaluée en x.

Pour x* un maximum local, alors f (x*) ≥ f (x), pour un intervalle donné autour de x*, et
que x* est un maximum global si f (x*) ≥ f (x) ∀ x ∈ D.

2
 Maximum global

Maximum local

Fig.1 Maximum local et global

Il existe deux critères à vérifier pour déterminer si x* est un extremum (minimum ou

maximum) : la condition du premier ordre (la dérivée première de la fonction et la
condition du second ordre (la dérivée seconde de la fonction). Cependant, elles ne sont pas
suffisantes, c'est-à-dire que la satisfaction de l'une ou de l'autre de ces conditions ne
garantit pas un optimum.
a) Condition du premier ordre
Pour obtenir un extremum, il faut égaliser la dérivée première à zéro :
𝑑𝑑𝑑𝑑
𝑓𝑓 ′ (𝑥𝑥) = =0 (1)
𝑑𝑑𝑑𝑑

b) Condition du second ordre

Pour déterminer s'il s'agit d'un maximum (ou minimum) local ou global, il faut évaluer la
dérivée seconde :
𝑑𝑑 2 𝑦𝑦
𝑓𝑓 ′′ (𝑥𝑥) = < 0 pour un maximum (2)
𝑑𝑑𝑑𝑑 2

𝑑𝑑 2 𝑦𝑦
𝑓𝑓 ′′ (𝑥𝑥) = > 0 pour un minimum (3)
𝑑𝑑𝑑𝑑 2

La dérivée seconde indique le sens de l'évolution de la dérivée première ; autrement

dit, l’évolution de la pente de la tangente à la courbe, fig.2.
maximum
pente
f (x)
pente négative
postive
pente pente
négative positive

minimum

x x
Fig.2 : Maximum et minimum d’une fonction à une variable
On doit alors satisfaire la première et la seconde condition ensemble pour pouvoir
conclure s’il s’agit d’un maximum ou minimum global.
𝑑𝑑𝑑𝑑 𝑑𝑑 2 𝑦𝑦
• Si 𝑓𝑓 ′ (𝑥𝑥) = = 0 et 𝑓𝑓 ′′ (𝑥𝑥) = < 0 ∀ x ∈ D, alors x* est un maximum global.
𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 2

3
 𝑑𝑑𝑑𝑑 𝑑𝑑 2 𝑦𝑦
• Si 𝑓𝑓 ′ (𝑥𝑥) = = 0 et 𝑓𝑓 ′′ (𝑥𝑥) = > 0 ∀ x ∈ D, alors x* est un minimum global.
𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 2

Exemple 1 :
Soit la fonction 𝑦𝑦 = 𝑓𝑓(𝑥𝑥) = 𝑥𝑥 3 − 3𝑥𝑥 2 + 5
Solution :
Calculons la première dérivée :
𝑑𝑑𝑑𝑑
𝑓𝑓 ′ (𝑥𝑥) = = 3𝑥𝑥 2 − 6𝑥𝑥 = 3𝑥𝑥(𝑥𝑥 − 2)
𝑑𝑑𝑑𝑑
et la seconde dérivée :
𝑑𝑑2 𝑦𝑦
𝑓𝑓 ′′ (𝑥𝑥) = = 6𝑥𝑥 − 6 = 6(𝑥𝑥 − 1)
𝑑𝑑𝑑𝑑 2
En résolvant l’équation 𝑓𝑓 ′ (𝑥𝑥) = 0 , on obtient les extrema suivants :
3𝑥𝑥(𝑥𝑥 − 2) = 0 ⇒ 𝑥𝑥1 = 0 et 𝑥𝑥2 = 2
Les valeurs correspondantes de y sont 𝑦𝑦1 = 5 et 𝑦𝑦2 = 1. Les points des extrema, appelés aussi
points candidats, sont 𝑃𝑃1 (0,5) et 𝑃𝑃2 (2,1).
Déterminons la nature de ces deux points candidats en utilisant le second critère.
𝑓𝑓 ′′ (𝑥𝑥1 ) = 𝑓𝑓 ′′ (0) = −6 < 0 et 𝑓𝑓 ′′ (𝑥𝑥2 ) = 𝑓𝑓 ′ ′(2) = 6 > 0
La fonction a donc un maximum en 𝑥𝑥1 = 0 et un minimum en 𝑥𝑥2 = 2. Le point 𝑃𝑃1 (0,5)
représente le maximum local et le point 𝑃𝑃2 (2,1) le minimum local. Ce sont des extrema
locaux, parce qu’il existe des valeurs de x où la fonction prend des valeurs plus grandes que 5
ou plus petites que 1, fig. 3.

25

20

15
y

10

0
0 1 2 3 4
x

Fig.3 : Courbe de la fonction 𝑦𝑦 = 𝑓𝑓(𝑥𝑥) = 𝑥𝑥 3 − 3𝑥𝑥 2 + 5.

4
3. Optimisation de fonction à plusieurs variables sans contrainte
Le procédé d'optimisation lorsqu'il y a plusieurs variables est presque semblable à celui
n'ayant qu'une seule variable. Il faut vérifier :
1. les conditions du premier ordre, c'est à dire égaliser la dérivée première à zéro pour
déterminer à quelle valeur de x se trouve l'extremum;

2. les conditions du second ordre et leur signe détermineront si l'extremum trouvé est un
maximum ou un minimum.

Soit une fonction à n variables 𝑦𝑦 = 𝑓𝑓(𝑥𝑥1 , 𝑥𝑥2 , 𝑥𝑥3 , … , 𝑥𝑥𝑛𝑛 ). Les conditions du premier ordre sont
exprimées par le système d’équations suivant :
𝜕𝜕𝜕𝜕
=0 ⎫
𝜕𝜕𝑥𝑥1
𝜕𝜕𝜕𝜕 ⎪
=0 ⎪
𝜕𝜕𝑥𝑥2
𝜕𝜕𝜕𝜕 (4)
=0 ⎬
𝜕𝜕𝑥𝑥3
… ⎪
𝜕𝜕𝜕𝜕 ⎪
=0 ⎭
𝑥𝑥𝑛𝑛

Les conditions du second ordre sont par contre un peu plus complexe ; il faut vérifier
que la fonction est concave. Dans le cas à une seule variable, il fallait vérifier que la dérivée
seconde est positive dans le cas d'un maximum, ou négative dans le cas d'un maximum, ce qui
nous donnait la concavité ou convexité de la fonction selon le cas.
Pour le cas à n variables, on doit tout d’abord calculer le déterminant de la matrice
hessienne (H), c'est-à-dire la matrice des dérivées secondes :

𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓

. ..
𝜕𝜕𝑥𝑥12 𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥2 𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥𝑛𝑛
⎛ ⎞
2 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓
⎜ 𝜕𝜕 𝑓𝑓 . . .. ⎟
𝜕𝜕𝑥𝑥22
𝑯𝑯 = ⎜𝜕𝜕𝑥𝑥2 𝜕𝜕𝑥𝑥2 1 𝜕𝜕𝑥𝑥2 𝜕𝜕𝑥𝑥2 ⎟
(5)
⎜ 𝜕𝜕 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 ⎟
⎜ 𝜕𝜕𝑥𝑥𝑛𝑛−1 𝜕𝜕𝑥𝑥1 …. . ..
𝜕𝜕𝑥𝑥𝑛𝑛−1 𝜕𝜕𝑥𝑥2 2
𝜕𝜕𝑥𝑥𝑛𝑛−1 𝜕𝜕𝑥𝑥𝑛𝑛−1 𝜕𝜕𝑥𝑥𝑛𝑛 ⎟
𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓
⎝ …. 2 ⎠
𝜕𝜕𝑥𝑥𝑛𝑛 𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥𝑛𝑛 𝜕𝜕𝑥𝑥2 𝜕𝜕𝑥𝑥𝑛𝑛

On appelle mineurs principaux de la matrice H, notés ∆𝒊𝒊 , les déterminants des sous-
matrices de H obtenues en lui retirant ses 𝒏𝒏 − 𝒊𝒊 dernières lignes et colonnes (i=1, …, n).
Dans le cas général, la recherche des extrema d’une fonction à plusieurs variables est
basée sur les critères suivants :
𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕
1. Détermination des points extrema : = = =⋯= =0
𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥2 𝑥𝑥3 𝑥𝑥𝑛𝑛

2. Si les mineurs principaux de la matrice H au point d’un extremum sont tous strictement
positifs, alors il s’agit d’un minimum.

5
 3. Si les mineurs principaux de la matrice H au point d’un extremum sont de signes
alternés, le premier étant strictement négatif, alors il s’agit d’un maximum.
4. Si les mineurs principaux de la matrice H au point d’un extremum ne vérifient pas l’une
des conditions (2) ou (3) au sens large, (c.à.d. positif ou nul et négatif ou nul), alors il
ne s’agit ni d’un minimum ni d’un maximum, mais d’un point-selle.
5. Si les conditions (2) et (3) se vérifient au sens large, alors on ne peut pas conclure.

Dans le cas de fonction à deux variables 𝑦𝑦 = 𝑓𝑓(𝑥𝑥1 , 𝑥𝑥2 ), les conditions de premier ordre sont
exprimées par le système d’équations suivant :
𝜕𝜕𝜕𝜕
=0
𝜕𝜕𝑥𝑥1
𝜕𝜕𝜕𝜕
� (6)
=0
𝜕𝜕𝑥𝑥2

Calculons le déterminant de la matrice hessienne suivante :

𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓
𝜕𝜕𝑥𝑥12 𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥2
𝑯𝑯 = � 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓
� (7)
𝜕𝜕𝑥𝑥2 𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥22

𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓

det 𝑯𝑯 = ( 2) ∗ � 2� − ( )∗( ) (8)
𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥2 𝜕𝜕𝑥𝑥2 𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥2

Les mineurs principaux de la matrice H sont :

𝜕𝜕2 𝑓𝑓
∆𝟏𝟏 = (9)
𝜕𝜕𝑥𝑥12
et
𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓
∆𝟐𝟐 = 𝑑𝑑𝑑𝑑𝑑𝑑 𝑯𝑯 = ∗� �−( )∗( ) (10)
𝜕𝜕𝑥𝑥12 𝜕𝜕𝑥𝑥22 𝜕𝜕𝑥𝑥2 𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥1 𝜕𝜕𝑥𝑥2

Conditions suffisantes de détermination des extrema :

a) Si ∆1 > 0 et ∆2 > 0, alors f possède un minimum.
b) Si ∆1 < 0 et ∆2 > 0, alors f possède un maximum.
c) Si ∆2 < 0, alors f ne possède ni un minimum ni un maximum, mais un point-selle.
d) Si ∆1 quelconque et ∆2 = 0, alors on ne peut pas conclure.

Exemple 2 :
Soit la fonction 𝑦𝑦 = 𝑓𝑓(𝑥𝑥1 , 𝑥𝑥2 ) = 𝑥𝑥1 2 + 𝑥𝑥2 2 .

Solution :
Les extrema s’obtiennent en résolvant le système d’équation (6) :

6
 𝜕𝜕𝜕𝜕
= 2𝑥𝑥1 = 0 ⇒ 𝑥𝑥1 = 0
𝜕𝜕𝑥𝑥1
𝜕𝜕𝜕𝜕
= 2𝑥𝑥2 = 0 ⇒ 𝑥𝑥2 = 0
𝜕𝜕𝑥𝑥2
Il existe donc un extremum au point P (𝑥𝑥10 , 𝑥𝑥20 , 𝑦𝑦0 )= 𝑃𝑃(0, 0, 0).

En appliquant l’équation (7) de la matrice hessienne, on obtient :

2 0
𝑯𝑯 = � �
0 2
Les mineurs principaux de cette matrice sont : ∆𝟏𝟏 = 2 et ∆𝟐𝟐 = 4.
Puisque les deux mineurs sont strictement positifs, alors la fonction f possède un minimum au
point 𝑃𝑃(0, 0, 0).

Fig.4 : Courbe de la fonction 𝑦𝑦 = 𝑓𝑓(𝑥𝑥1 , 𝑥𝑥2 ) = 𝑥𝑥1 2 + 𝑥𝑥2 2 .

Exemple 3 :
Trouver et évaluer les extrema de la fonction : 𝑧𝑧 = 𝑓𝑓(𝑥𝑥, 𝑦𝑦) = 𝑥𝑥𝑥𝑥 (𝑥𝑥 2 + 𝑦𝑦 2 − 1).

Solution :
Les extrema de la fonction sans contrainte : 𝑓𝑓(𝑥𝑥, 𝑦𝑦) = 𝑥𝑥𝑥𝑥 (𝑥𝑥 2 + 𝑦𝑦 2 − 1) seront obtenus par la
méthode classique connue.
a) Condition du premier ordre :
𝜕𝜕𝜕𝜕
= 3𝑥𝑥 2 𝑦𝑦 + 𝑦𝑦 3 − 𝑦𝑦 = 𝑦𝑦(3𝑥𝑥 2 + 𝑦𝑦 2 − 1) = 0
𝜕𝜕𝑥𝑥
𝜕𝜕𝜕𝜕 � (1)
= 𝑥𝑥 3 + 3𝑦𝑦 2 𝑥𝑥 − 𝑥𝑥 = 𝑥𝑥( 𝑥𝑥 2 + 3𝑦𝑦 2 − 1) = 0
𝜕𝜕𝑦𝑦

b) Calculons le déterminant de la matrice hessienne suivante :

𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓
𝜕𝜕𝑥𝑥 2 𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕 6𝑥𝑥𝑥𝑥 3𝑥𝑥 2 + 3𝑦𝑦 2 − 1
𝑯𝑯 = � 𝜕𝜕2 𝑓𝑓 � 𝑯𝑯 = � 2 � (2)
𝜕𝜕2 𝑓𝑓 3𝑥𝑥 + 3𝑦𝑦 2 − 1 6𝑥𝑥𝑥𝑥
𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕 𝜕𝜕𝑦𝑦 2

7
 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓
det 𝑯𝑯 = ( )∗� �−( )∗( ) (3)
𝜕𝜕𝑥𝑥 2 𝜕𝜕𝑦𝑦 2 𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕

Les mineurs principaux de la matrice H sont :

𝜕𝜕2 𝑓𝑓
∆𝟏𝟏 = = 6𝑥𝑥𝑥𝑥
𝜕𝜕𝑥𝑥 2

et
∆𝟐𝟐 = 𝑑𝑑𝑑𝑑𝑑𝑑 𝑯𝑯 = 36𝑥𝑥 2 𝑦𝑦 2 − (3𝑥𝑥 2 + 3𝑦𝑦 2 − 1)2
Les conditions suffisantes de détermination des extrema sont :
a) si ∆1 > 0 et ∆2 > 0, alors f possède un minimum.
b) si ∆1 < 0 et ∆2 > 0, alors f possède un maximum.
c) si ∆2 < 0, alors f ne possède ni un minimum ni un maximum, mais un point-selle.
d) si ∆1 quelconque et ∆2 = 0, alors on ne peut pas conclure.
Les extrema s’obtiennent en résolvant le système d’équation (1). On obtient les solutions
suivantes, Fig. 5.
Si x=0 ⇒ y= 0 ou y=±𝟏𝟏
Si y=0 ⇒ x= 0 ou x=±𝟏𝟏
En ajoutant et soustrayant les facteurs des expressions entre parenthèses du système (1), on
obtient

3𝑥𝑥 2 + 𝑦𝑦 2 − 1 = 0 4(𝑥𝑥 2 + 𝑦𝑦 2 ) = 2 𝟏𝟏
x=± et y=±
𝟏𝟏
(1 points)
𝟐𝟐 𝟐𝟐
2 2
𝑥𝑥 + 3𝑦𝑦 − 1 = 0 2(𝑥𝑥 2 − 𝑦𝑦 2 ) = 2
On obtient 9 extrema qui sont, Fig. 5 :
𝑃𝑃1 (0,0), 𝑃𝑃2 (0,1), 𝑃𝑃3 (0, −1), 𝑃𝑃4 (1,0), 𝑃𝑃5 (−1,0),
1 1 1 1
𝑃𝑃6 � , � , 𝑃𝑃7 �− , − �,
2 2 2 2
1 1 1 1
𝑃𝑃8 � , − � , 𝑃𝑃9 �− , �.
2 2 2 2
Les valeurs correspondant de 𝑓𝑓(𝑥𝑥, 𝑦𝑦) sont 0 pour les 5 premiers points d’appui 𝑃𝑃1 , 𝑃𝑃2 , 𝑃𝑃3 , 𝑃𝑃4 , 𝑃𝑃5 ,
1 1
- pour les deux suivants 𝑃𝑃6 , 𝑃𝑃7 et pour les deux derniers points d’appui 𝑃𝑃8 , 𝑃𝑃9 .
8 8

𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓

a) Pour les points d’appui 𝑃𝑃1 , 𝑃𝑃2 , 𝑃𝑃3 , 𝑃𝑃4 , 𝑃𝑃5 , = =0, tandis que = = −1 𝑜𝑜𝑜𝑜 2
𝜕𝜕𝑥𝑥 2 𝜕𝜕𝑦𝑦 2 𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕
∆𝟏𝟏 = 𝟎𝟎 et ∆𝟐𝟐 = −𝟏𝟏 𝒆𝒆𝒆𝒆 − 𝟒𝟒 ⇒ Ces 5 points sont des points-selle.
𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓
b) Pour les points d’appui 𝑃𝑃6 , 𝑃𝑃7 , on a = = 3�2 , tandis que = = 1�2
𝜕𝜕𝑥𝑥 2 𝜕𝜕𝑦𝑦 2 𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕
∆1 > 0 et ∆2 = 2 > 0 ⇒ Ces 2 points sont des minima.
𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓
c) Pour les points d’appui 𝑃𝑃8 , 𝑃𝑃9 , on a = =− 3�2, tandis que = = 1�2
𝜕𝜕𝑥𝑥 2 𝜕𝜕𝑦𝑦 2 𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕

8
∆1 < 0 et ∆2 = 2 > 0, ⇒ Ces 2 points sont des maxima.

Fig.5 : Courbe de la fonction 𝑧𝑧 = 𝑓𝑓(𝑥𝑥, 𝑦𝑦) = 𝑥𝑥𝑥𝑥 (𝑥𝑥 2 + 𝑦𝑦 2 − 1).

Exemple 4 :
Trouver et évaluer les extrema de la fonction suivante :

𝑤𝑤 = 𝑓𝑓 (𝑥𝑥, 𝑦𝑦, 𝑧𝑧) = 𝑥𝑥 4 − 17𝑥𝑥 2 + 2𝑦𝑦 2 + 𝑧𝑧 2 − 2𝑥𝑥𝑦𝑦 − 2𝑦𝑦𝑦𝑦 + 81.

Solution :
• Condition du premier ordre :
𝜕𝜕𝜕𝜕
= 4𝑥𝑥 3 − 34𝑥𝑥 − 2𝑦𝑦 = 0 (4.1)
𝜕𝜕𝑥𝑥

𝜕𝜕𝜕𝜕
= 4𝑦𝑦 − 2𝑥𝑥 − 2𝑧𝑧 = 0 (4.2)
𝜕𝜕𝑦𝑦

𝜕𝜕𝜕𝜕
= 2𝑧𝑧 − 2𝑦𝑦 = 0 (4.3)
𝜕𝜕𝑧𝑧

Par simplification de l’équation (4.3), on obtient :

𝑦𝑦 = 𝑧𝑧 (4.4)
Substituant (4.4) dans (4.2), on aura :
𝑥𝑥 = 𝑦𝑦 (4.5)
Donc 𝑥𝑥 = 𝑦𝑦 = 𝑧𝑧
L’équation (4.1) devient après substitution :

4𝑥𝑥 (𝑥𝑥 2 − 9) = 0 (4.6)

Cette équation a 3 solutions :
𝑥𝑥1 = 0 , 𝑥𝑥2 = −3, 𝑥𝑥3 = 3

9
Les valeurs correspondantes de y et de z sont :
𝑦𝑦1 = 0 , 𝑦𝑦2 = −3, 𝑦𝑦3 = 3
𝑧𝑧1 = 0 , 𝑧𝑧2 = −3, 𝑧𝑧3 = 3
Les points extrema sont :
𝑃𝑃1 (0,0,0), 𝑃𝑃2 (−3, −3, −3) et 𝑃𝑃3 (3,3,3).

• Condition du second ordre :

𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓
𝜕𝜕𝑥𝑥 2 𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕𝜕𝜕𝑧𝑧
⎛ 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 ⎞
𝑯𝑯 = ⎜ 𝜕𝜕𝜕𝜕𝜕𝜕𝜕𝜕 𝜕𝜕𝑦𝑦 2 𝜕𝜕𝑦𝑦𝜕𝜕𝑧𝑧 ⎟ (4.7)
𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓 𝜕𝜕2 𝑓𝑓
⎝𝜕𝜕𝑧𝑧𝜕𝜕𝜕𝜕 𝜕𝜕𝑧𝑧𝜕𝜕𝜕𝜕 𝜕𝜕𝑧𝑧 2 ⎠

12𝑥𝑥2 − 34 −2 0
𝑯𝑯 = � −2 4 −2� (4.8)
0 −2 2

Pour le point 𝑃𝑃1 (0,0,0), on a :

−34 −2 0
𝑯𝑯 = � −2 4 −2 � (4.9)
0 −2 2
Les mineurs principaux ont les valeurs suivantes :
∆𝟏𝟏 = −𝟑𝟑𝟑𝟑, ∆𝟐𝟐 = −𝟏𝟏𝟏𝟏𝟎𝟎, ∆𝟑𝟑 = −𝟏𝟏𝟏𝟏𝟏𝟏.
Ces 3 mineurs ne vérifient ni la condition a) ni la condition b), mais la condition c). La fonction 𝑤𝑤 =
𝑓𝑓(𝑥𝑥, 𝑦𝑦, 𝑧𝑧) présente donc un point-selle en 𝑃𝑃1 (0,0,0).
Pour les points 𝑃𝑃2 (−3, −3, −3) et 𝑃𝑃3 (3,3,3), la matrice hessienne est la même :
74 −2 0
𝑯𝑯 = � −2 4 −2 � (4.10)
0 −2 2
Les mineurs principaux ont les valeurs suivantes :
∆𝟏𝟏 = 𝟕𝟕𝟕𝟕, ∆𝟐𝟐 = 𝟐𝟐𝟐𝟐𝟐𝟐, ∆𝟑𝟑 = 𝟐𝟐𝟐𝟐𝟐𝟐.
Ces 3 mineurs vérifient la condition a). La fonction 𝑤𝑤 = 𝑓𝑓(𝑥𝑥, 𝑦𝑦, 𝑧𝑧) présente donc pour chacun de ces
deux points un minimum.

10