Chapitre II : Recherche analytique de l’optimum d’une

fonction à plusieurs variables

Soit la fonction f de n variables définie, continue et dérivable : Rn → R

La fonction f est de la forme :
(x1, x2,………xn ) →f (x1, x2,………xn) ϵ R

Avec n ≥2
n est le nombre de variables.
Pour simplifier l’écriture on pose : f(x1, x2,…… xn)= f(x)
x= x1, x2,…… xn

1. Condition nécessaire :

Pour la fonction f possède un extremum→ toutes les dérivées partielles du premier

ordre de f s’annulent au point x* (point stationnaire) :

𝜕𝑓(𝑥 ∗ ) 𝜕𝑓(𝑥 ∗ ) 𝜕𝑓(𝑥 ∗ ) 𝜕𝑓(𝑥 ∗ )

= = = …………… = 0
𝜕𝑥1 𝜕𝑥2 𝜕𝑥3 𝜕𝑥𝑛

𝑥 ∗ = 𝑥1∗ , 𝑥2∗ , 𝑥3∗ , … … 𝑥𝑛∗

2. Condition suffisante :

a-Développement limité de Taylor :

∆𝑓 ∗ 𝑥 = ∆𝑓 𝑥 − ∆𝑓 𝑥∗
𝑛 𝑛 𝑛
1 𝜕𝑓(𝑥∗ ) 1 𝜕 2 𝑓(𝑥∗ )
= ∆𝑥𝑖 + ∆𝑥𝑖 ∆𝑥𝑗
1! 𝜕𝑥𝑖 2! 𝜕𝑥𝑖 𝜕𝑥𝑗
𝑖=1 𝑖=1 𝑗 =1
𝑛 𝑛 𝑛
1 𝜕 3 𝑓(𝑥∗ )
+ ∆𝑥 ∆𝑥 ∆𝑥 … … … … … … … … . . (∗)
3! 𝜕𝑥𝑖 𝜕𝑥𝑗 𝜕𝑥𝑘 𝑖 𝑗 𝑘
𝑖=1 𝑗 =1 𝑘=1

∆𝑥𝑖 = 𝑥𝑖 − 𝑥𝑖∗ ; ∆𝑥𝑗 = 𝑥𝑗 − 𝑥𝑗∗ ; ∆𝑥𝑘 = 𝑥𝑘 − 𝑥𝑘∗

1
  Si les dérivées premières existent →le premier terme de l’expression (*) est nulle
 Si le 3 ème terme est négligeable.
 Si n=2 variables

Le développement limité de Taylor s’écrit :

2 2
1 𝜕 2 𝑓 𝑥∗
∆𝑓 ∗ 𝑥 = ∆𝑓 𝑥 − ∆𝑓 𝑥∗ = ∆𝑥𝑖 ∆𝑥𝑗
2! 𝜕𝑥𝑖 𝜕𝑥𝑗
𝑖=1 𝑗 =1

1 𝜕 2 𝑓(𝑥1∗ , 𝑥2∗ ) 𝜕 2 𝑓(𝑥1∗ , 𝑥2∗ ) 𝜕 2 𝑓(𝑥1∗ , 𝑥2∗ )

∆𝑓 ∗ 𝑥 = ∆𝑥1 ∆𝑥1 + ∆𝑥1 ∆𝑥2 + ∆𝑥2 ∆𝑥1
2! 𝜕𝑥1 𝜕𝑥1 𝜕𝑥1 𝜕𝑥2 𝜕𝑥2 𝜕𝑥1
𝜕 2 𝑓(𝑥1∗ , 𝑥2∗ )
+ ∆𝑥2 ∆𝑥2
𝜕𝑥2 𝜕𝑥2

Les dérivées partielles mixtes :

𝜕 2 𝑓(𝑥 ∗ ) 𝜕 2 𝑓(𝑥 ∗ ) 𝜕 2 𝑓(𝑥1∗ , 𝑥2∗ ) 𝜕 2 𝑓(𝑥1∗ , 𝑥2∗ )

= → =
𝜕𝑥𝑖 𝜕𝑥𝑗 𝜕𝑥𝑗 𝜕𝑥𝑖 𝜕𝑥1 𝜕𝑥2 𝜕𝑥2 𝜕𝑥1

1 𝝏𝟐 𝒇(𝒙∗𝟏 , 𝒙∗𝟐 ) 𝟐 𝝏𝟐 𝒇(𝒙∗𝟏 , 𝒙∗𝟐 ) 𝝏𝟐 𝒇(𝒙∗𝟏 , 𝒙∗𝟐 ) 𝟐

∆𝒇∗ 𝒙𝟏, 𝒙𝟐 = ∆𝒙 𝟏 + 𝟐 ∆𝒙 𝟏 ∆𝒙 𝟐 + ∆𝒙𝟐
2! 𝝏𝒙𝟐𝟏 𝝏𝒙𝟏 𝝏𝒙𝟐 𝝏𝒙𝟐𝟐

Signe de ∆𝒇∗ 𝒙 → Nature des points stationnaires

∆𝒇∗ 𝒙 < 𝟎 → 𝐥𝐚 𝐟𝐨𝐧𝐜𝐭𝐢𝐨𝐧 𝒇 𝐩𝐨𝐬𝐬è𝐝𝐞 𝐮𝐧 𝐞𝐱𝐭𝐫𝐞𝐦𝐮𝐦 𝐦𝐚𝐱𝐢𝐦𝐮𝐦

∆𝒇∗ 𝒙 > 𝟎 → 𝐥𝐚 𝐟𝐨𝐧𝐜𝐭𝐢𝐨𝐧 𝒇 𝐩𝐨𝐬𝐬è𝐝𝐞 𝐮𝐧 𝐞𝐱𝐭𝐫𝐞𝐦𝐮𝐦 𝐦𝐢𝐧𝐢𝐦𝐮𝐦
∆𝒇∗ 𝒙 = 𝟎 → 𝐩𝐚𝐬𝐬𝐞𝐫 à 𝐥𝐚 𝐝é𝐫𝐢𝐯é𝐞 𝐬𝐮𝐩é𝐫𝐢𝐞𝐮𝐫𝐞 𝐩𝐨𝐮𝐫 𝐭𝐫𝐨𝐮𝐯𝐞𝐫 𝐥𝐞 𝐬𝐢𝐠𝐧𝐞 𝐝𝐞 ∆𝒇∗ 𝒙 .

b- Méthode de Sylvester :

Pour toutes dérivées partielles, de la fonction f , existent au point stationnaire x* :

𝜕 2 𝑓(𝑥∗ )
= 𝑎𝑖𝑗 avec 𝑎𝑖𝑗 = 𝑎𝑗𝑖
𝜕𝑥 𝑖 𝜕𝑥 𝑗

Soit A une matrice carrée d’ordre n :

2
 𝜕 2 𝑓(𝑥∗ ) 𝜕 2 𝑓(𝑥∗ ) 𝜕 2 𝑓(𝑥∗ )
𝜕𝑥 12
……
𝑎11 𝑎12 … … 𝑎1𝑛 𝜕𝑥 1 𝜕𝑥 2 𝜕𝑥 1 𝜕𝑥 𝑛
𝑎21 𝑎22 … … . 𝑎2𝑛 𝜕 𝑓(𝑥∗ )
2 𝜕 2 𝑓(𝑥∗ ) 𝜕 2 𝑓(𝑥∗ )
…….
𝜕𝑥 2 𝜕𝑥 1 𝜕𝑥 22 𝜕𝑥 2 𝜕𝑥 𝑛
A= . . . = . . .
. . . . . .
. . . . . .
𝑎𝑛1 𝑎𝑛1 … . . … 𝑎𝑛𝑛 𝜕 2 𝑓(𝑥∗ ) 𝜕 2 𝑓(𝑥∗ ) 𝜕 2 𝑓(𝑥∗ )
…..… 𝜕𝑥 𝑛2
𝜕𝑥 𝑛 𝜕𝑥 1 𝜕𝑥 𝑛 𝜕𝑥 2

Les déterminants Ds (s = 1, 2, 3,…n) de la matrice A :

𝜕 2 𝑓(𝑥∗ )
𝐷1 = 𝑎11 =
𝜕𝑥12

𝜕 2 𝑓 𝑥∗ 𝜕 2 𝑓 𝑥∗
𝑎11 𝑎12 𝜕𝑥1 2 𝜕𝑥1 𝜕𝑥2
𝐷2 = 𝑎 𝑎22 = 𝜕 2 𝑓 𝑥∗
21 𝜕 2 𝑓 𝑥∗
𝜕𝑥2 𝜕𝑥1 𝜕𝑥2 2

𝜕 2 𝑓(𝑥∗ ) 𝜕 2 𝑓(𝑥∗ ) 𝜕 2 𝑓(𝑥∗ )

……
𝜕𝑥12 𝜕𝑥1 𝜕𝑥2 𝜕𝑥1 𝜕𝑥𝑛
𝑎11 𝑎12 … … 𝑎1𝑛
𝑎21 𝑎22 … … . 𝑎2𝑛 𝜕 2 𝑓(𝑥∗ ) 𝜕 2 𝑓(𝑥∗ ) 𝜕 2 𝑓(𝑥∗ )
…….
𝜕𝑥22 𝜕𝑥2 𝜕𝑥𝑛
𝐷𝑠 = . . . = 𝜕𝑥2.𝜕𝑥1 . .
. . .
. . .
. . .
. . .
𝑎𝑛1 𝑎11 … . . … 𝑎𝑛𝑛 𝜕 2 𝑓(𝑥∗ )
𝜕 2 𝑓(𝑥∗ ) 𝜕 2 𝑓(𝑥∗ )
…..…
𝜕𝑥𝑛 𝜕𝑥1 𝜕𝑥𝑛 𝜕𝑥2 𝜕𝑥𝑁2

Pour n=2

𝜕 2 𝑓(𝑥1∗ , 𝑥2∗ )
𝐷1 =
𝜕𝑥12

𝜕 2 𝑓 𝑥 1∗ ,𝑥 2∗ 𝜕 2 𝑓 𝑥 1∗ ,𝑥 2∗
2
𝜕𝑥 1 𝜕𝑥 1 𝜕𝑥 2 𝜕 2 𝑓 𝑥 1∗ ,𝑥 2∗ 𝜕 2 𝑓 𝑥 1∗ ,𝑥 2∗ 𝜕 2 𝑓 𝑥 1∗ ,𝑥 2∗ 𝜕 2 𝑓 𝑥 1∗ ,𝑥 2∗
𝐷2 = = × − ×
𝜕2𝑓 𝑥 1∗ ,𝑥 2∗ 𝜕 2 𝑓 𝑥 1∗ ,𝑥 2∗ 𝜕𝑥 1 2 𝜕𝑥 2 2 𝜕𝑥 1 𝜕𝑥 2 𝜕𝑥 2 𝜕𝑥 1
𝜕𝑥 2 𝜕𝑥 1 𝜕𝑥 2 2

Nature des points stationnaires → déterminer signe des déterminants.

a- Ds(s =1,2 ,3….n) >0 → la fonction f admet un minimum.

b- Ds(s =2k) >0 et Ds(s =2k+1) <0 → la fonction f admet un maximum
c- Ds(s =1,2 ,3….n) ≠ 0 et les conditions a et b ne sont pas remplies → f n′admet
pas un extremum (un point selle ou point col).
d- Au moins l’un des déterminants Ds(s =1,2 ,3….n) = 0 → changer la méthode.
3
Exemples de représentation graphique de la fonction f(x, y) :

a. Extremum est un minimum, exemple : f(x, y)= x2+y2

b. Extremum est un maximum, exemple : f(x, y)=-x2-y2

c. Extremum ni minimum ni maximum (point selle ou point col), exemple: f(x, y)=x2-y2

4
3. Sensibilité de l’optimum :

𝑛 𝑛
∗
1 𝜕2𝑓 𝑥∗
∆𝑓 𝑥 = ∆𝑥𝑖 ∆𝑥𝑗
2! 𝜕𝑥𝑖 𝜕𝑥𝑗
𝑖=1 𝑗 =1

𝑜𝑛 𝑝𝑜𝑠𝑒 ∆𝑥𝑖 = ∆𝑥𝑗 = ∆𝑥

𝑛 𝑛
∗
1 𝜕2𝑓 𝑥∗
∆𝑓 𝑥 = ∆𝑥 2
2! 𝜕𝑥𝑖 𝜕𝑥𝑗
𝑖=1 𝑗 =1

2∆𝑓 ∗ 𝑥
∆𝑥 = 2 ∗
𝑛 𝑛 𝜕 𝑓 𝑥
𝑖=1 𝑗 =1 𝜕𝑥 𝜕𝑥
𝑖 𝑗

Exemple:

Déterminer les points stationnaires et leur nature de la fonction suivante :

f (x)=-x12-2x1-x22

1. Condition nécessaire :
𝜕𝑓 𝑥1∗ , 𝑥2∗
= −2𝑥1∗ − 2 = 0 → 𝑥1∗ = −1
𝜕𝑥1

𝜕𝑓(𝑥 ∗ )
= −2𝑥2∗ = 0 → 𝑥2∗ = 0
𝜕𝑥2

La fonction f possède un seul point stationnaire 𝒙∗𝟏 , 𝒙∗𝟐 = −𝟏, 𝟎

2. Condition suffisante :

Méthode de Sylvester :
𝜕 2 𝑓(𝑥1∗ , 𝑥2∗ )
𝐷1 = = −2 < 0
𝜕𝑥12

𝜕 2 𝑓 𝑥 1∗ ,𝑥 2∗ 𝜕 2 𝑓 𝑥 1∗ ,𝑥 2∗
𝜕𝑥 1 2 𝜕𝑥 1 𝜕𝑥 2 −2 0
𝐷2 = 𝜕 2 𝑓 𝑥 1∗ ,𝑥 2∗ 𝜕 2 𝑓 𝑥 1∗ ,𝑥 2∗
= = −2 × −2 − 0 × 0 = 4 > 0
0 −2
𝜕𝑥 2 𝜕𝑥 1 𝜕𝑥 2 2

5
𝜕 2 𝑓 𝑥1∗ , 𝑥2∗ 𝜕 𝜕𝑓 𝑥1∗ , 𝑥2∗ 𝜕 𝜕𝑓 𝑥1∗ , 𝑥2∗
= =
𝜕𝑥1 𝜕𝑥2 𝜕𝑥1 𝜕𝑥2 𝜕𝑥2 𝜕𝑥1

𝜕 𝜕𝑓 𝑥1∗ , 𝑥2∗ 𝜕
= −2𝑥2∗ = 0
𝜕𝑥1 𝜕𝑥2 𝜕𝑥1

𝜕 𝜕𝑓 𝑥1∗ , 𝑥2∗ 𝜕
= −2𝑥1∗ − 2 = 0
𝜕𝑥2 𝜕𝑥1 𝜕𝑥2

D1< 0 et D2 >0 → la fonction f admet un maximum

Développement limité de Taylor :

2 2
1 𝜕 2 𝑓 𝑥∗
∆𝑓 ∗ 𝑥 = ∆𝑓 𝑥 − ∆𝑓 𝑥∗ = ∆𝑥𝑖 ∆𝑥𝑗
2! 𝜕𝑥𝑖 𝜕𝑥𝑗
𝑖=1 𝑗 =1

1 𝜕 2 𝑓(𝑥1∗ , 𝑥2∗ ) 2 𝜕 2 𝑓(𝑥1∗ , 𝑥2∗ ) 𝜕 2 𝑓(𝑥1∗ , 𝑥2∗ )

∆𝑓 ∗ 𝑥 = 2 ∆𝑥1 + 2 ∆𝑥1 ∆𝑥2 + 2 ∆𝑥2 2
2! 𝜕𝑥1 𝜕𝑥 1 𝜕𝑥 2 𝜕𝑥2

𝟏
∆𝒇∗ 𝒙 = −𝟐∆𝒙𝟏 𝟐 + 𝟎 × ∆𝒙𝟏 ∆𝒙𝟐 − 𝟐∆𝒙𝟐 𝟐 = −∆𝒙𝟏 𝟐 − ∆𝒙𝟐 𝟐 = − ∆𝒙𝟏 𝟐 + ∆𝒙𝟐 𝟐 < 𝟎
𝟐!
→ la fonction f admet un maximum