TD2 Solution 2020 2021

Faculté d’économie et de gestion de Béni Mellal SEG-S1-Analyse Mathématique
Université Sultan Moulay Slimane

Faculté d’économie et de gestion
Béni Mellal
FILIERE : SEG– S1- SECTION B&C FEUILLE DE TD N° 2 Année: 2020-2021

ANALYSE MATHEMATIQUE
Exercice 1
Déterminer l’ensemble de définition des fonctions suivantes, puis représenter graphiquement ces
ensembles dans le plan
√𝑥+𝑦+1 √𝑥 2 +𝑦 2 −9
𝑓(𝑥, 𝑦) = 𝑔(𝑥, 𝑦) = 𝑥𝑙𝑛(𝑦 2 − 𝑥) ℎ(𝑥, 𝑦) =
𝑥−1 𝑥
Exercise 2
Déterminer et établir la nature des points critiques des fonction 𝑓: → ℝ2 → ℝ définie par
1.𝑓(𝑥, 𝑦) = 𝑥 4 + 𝑦 4 − 2(𝑥 − 𝑦)2 2.𝑓(𝑥, 𝑦) = 𝑒 𝑥−𝑦 (𝑥 2 − 2𝑦 2 )
8 𝑥
3 𝑓(𝑥, 𝑦) = +𝑦+𝑦 4. 𝑓(𝑥, 𝑦) = 𝑥 3 − 12𝑥𝑦 + 8𝑦 3
𝑥
Exercice 3
1
On considère la fonction de deux variables 𝑓(𝑥, 𝑦) = 𝑥 2 − 𝑦 2 + 𝑥𝑦 − 12 𝑥 3
1. Calculer les dérivées partielles première et secondes de f.

2. Donner la hessien de f et calculer son hessien.
3. On se propose de résoudre le problème d’optimisation de f(x,y) :
a) Donner les conditions nécessaires et déterminer le(s) point(s) critique(s).
b) En utilisant les conditions suffisantes, déterminer la nature de(s) point(s) critique(s).
Exercice 4
On considère le problème d’optimisation suivant
𝑂𝑝𝑡𝑖𝑚𝑖𝑠𝑒𝑟 𝑓(𝑥, 𝑦) = ln(𝑥𝑦 𝛼 )
(𝑝) { .
𝑠𝑜𝑢𝑠 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑥 + 𝑦 = 1 + 𝛼
On souhaite résoudre ce problème sur (ℝ∗+ )2
1. Méthode de Lagrange
a) Montrer que la fonction f est concave sur(ℝ∗+ )2
b) Donner les conditions nécessaires d’optimalité et en déduire le(s) point(s) candidat(s) pour(P)
c) Justifier la nature de(s) point(s) trouvé(s).
Pr.Majidi S1-Eco-Gestion-2020-2021
2. Méthode de substitution
a) Montrer que le problème. (P) se ramène à un problème d’optimisation d’un fonction d’une
variable h(x) que l’on précisera.
b) Résoudre ce problème
3) Que pouvez-vous dire lorsque 𝛼 = 0 ? Et lorsque 𝛼 < 0
Correction
Exercice 1
√𝒙+𝒚+𝟏
𝒇(𝒙, 𝒚) = 𝒙−𝟏
𝑓(𝑥, 𝑦) est définie si seulement si 𝑥 + 𝑦 + 1 ≥ 0 et 𝑥 ≠ 1

Donc 𝐷𝑓 = {(𝑥, 𝑦) ∈ ℝ2 / , 𝑥 + 𝑦 + 1 ≥ 0 et 𝑥 ≠ 1 }
Domaine de définition géométriquement dans le plan
𝒈(𝒙, 𝒚) = 𝒙𝒍𝒏(𝒚𝟐 − 𝒙)
𝑓(𝑥, 𝑦) est définie si seulement si 𝑦 2 − 𝑥 > 0 𝑜𝑢 𝑦 2 > 𝑥
Donc 𝐷𝑓 = {(𝑥, 𝑦) ∈ ℝ2 / , 𝑦 2 > 𝑥}
√𝒙𝟐 +𝒚𝟐 −𝟗
𝒉(𝒙, 𝒚) = 𝒙
𝑓(𝑥, 𝑦) est définie si seulement si 𝒙𝟐 + 𝒚𝟐 − 𝟗 ≥ 𝟎 et 𝑥 ≠ 0

Donc 𝐷𝑓 = {(𝑥, 𝑦) ∈ ℝ2 / , 𝒙𝟐 + 𝒚𝟐 − 𝟗 ≥ 𝟎 et 𝑥 ≠ 0}

√𝒙𝟐 +𝒚𝟐 −𝟗
𝒍𝒆 𝒅𝒆𝒎𝒂𝒊𝒏𝒆 𝒅𝒆 𝒉(𝒙, 𝒚) = est la partie hachurée en bleu
𝒙
Exercice2
1.𝒇(𝒙, 𝒚) = 𝒙𝟒 + 𝒚𝟒 − 𝟐(𝒙 − 𝒚)𝟐
1. On commence par chercher les points critiques de f. Pour cela, on calcule les dérivées
partielles par rapport à x et à y :
𝜕𝑓 𝜕𝑓
𝜕𝑥
(𝑥, 𝑦) = 4(𝑥 3 − 𝑥 + 𝑦) et 𝜕𝑦
(𝑥, 𝑦) = 4(𝑥 3 + 𝑥 − 𝑦)
Un point (x,y) est critique si et seulement s'il est solution du système

𝜕𝑓
(𝑥, 𝑦) =0 4(𝑥 3 − 𝑥 + 𝑦) = 0
𝜕𝑥
{𝜕𝑓 ⇔ {
(𝑥, 𝑦) =0 4(𝑥 3 + 𝑥 − 𝑦) = 0
𝜕𝑦
On trouve après résolution du système les points critiques (0,0) ; (√2, −√2) ; (−√2, √2) . Pour
en étudier la nature, calculons les dérivées partielles d'ordre 2
𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
𝜕𝑥 2
(𝑥, 𝑦) = 12𝑥 2 − 4 , 𝜕𝑦 2
(𝑥, 𝑦) = 12𝑦 2 − 4 et 𝜕𝑥𝜕𝑦
(𝑥, 𝑦) =4
On en déduit
(𝑥0 , 𝑦0 ) 𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
(𝑥0 , 𝑦0 ) (𝑥0 , 𝑦0 ) (𝑥0 , 𝑦0 )
𝜕𝑥 2 𝜕𝑦 2 𝜕𝑥𝜕𝑦
(0,0) -4 -4 4
(√2, −√2) 20 20 4
(−√2, √2) 20 20 4
Nature des points (0; 0) ; (√2, −√2) et (−√2, √2)
 Nature de point (0 ;0)

Calculons la matrice hessien au point (0; 0) :
𝜕 2𝑓 𝜕 2𝑓
(0; 0) (0; 0)
𝜕𝑥 2 𝜕𝑥𝜕𝑦 −4 4
𝐻𝑓 (0; 0) = = ( )
𝜕 2𝑓 𝜕 2𝑓 4 −4
(0; 0) (0; 0)
(𝜕𝑥𝜕𝑦 𝜕𝑦 2 )
Or det(𝐻𝑓 ) = 16 − 16 = 0 ⇔ donc le point (0,0) est un point selle
 Nature de point (√2, −√2)

la matrice hessien au point (0; 0) :
𝜕 2𝑓 𝜕 2𝑓
(√2, −√2) (√2, −√2)
𝜕𝑥 2 𝜕𝑥𝜕𝑦 20 4
𝐻𝑓 (0; 0) = = ( )
𝜕 2𝑓 2
𝜕 𝑓 4 20
(√2, −√2) (√2, −√2))
(𝜕𝑥𝜕𝑦 𝜕𝑦 2 )
Or det(𝐻𝑓 ) = 400 − 16 = 386 > 0 ⇔ f admet un extremum au point (√2, −√2)
 La nature de l’extremum (√2, −√2) (un Min ou Max pour f)
𝜕2 𝑓 𝜕2 𝑓
Pour déterminer la nature de ce point, on calcule soit (√2, −√2) ) soit (√2, −√2)
𝜕𝑥 2 𝜕𝑦 2
𝜕2 𝑓
Alors (√2, −√2) = 20 > 0 donc le point (√2, −√2) est un point minimum.
𝜕𝑥 2
 Nature de point (−√2, +√2)

De la même manière on démontre que le point (−√2, +√2) est un point minimum pour f
2.𝑓(𝑥, 𝑦) = 𝑒 𝑥−𝑦 (𝑥 2 − 2𝑦 2 )
On procède exactement de la même façon. Cette fois
𝜕𝑓 𝜕𝑓
(𝑥, 𝑦) = 𝑒 𝑥−𝑦 (𝑥 2 − 2𝑦 2 + 2𝑥) et (𝑥, 𝑦) = 𝑒 𝑥−𝑦 (−𝑥 2 + 2𝑦 2 − 4𝑦)
𝜕𝑥 𝜕𝑦
Un point (𝑥0 ; 𝑦0 ) est un point critique si et seulement s'il est solution du système :
𝑒𝑥−𝑦 (𝑥2 − 2𝑦2 + 2𝑥) = 0 (1)

{
𝑒𝑥−𝑦 (−𝑥2 + 2𝑦2 − 4𝑦) (2)
.f admet donc deux points critiques qui sont (0 ;0) (-4 ;2). Etudiant maintenant la nature de ces
points. On calcule d’abord les dérivées partielles du second ordre :
𝜕2 𝑓 2 𝜕2 𝑓 2
(𝑥, 𝑦) = 𝑒𝑥−𝑦 (𝑥2 − 2𝑦 + 4𝑥 + 2) , (𝑥, 𝑦) = 𝑒𝑥−𝑦 (𝑥2 − 2𝑦 ∓ 8𝑦 − 4) et
𝜕𝑥 2 𝜕𝑦 2
𝜕2 𝑓 2
𝜕𝑥𝜕𝑦
(𝑥, 𝑦) = 𝑒𝑥−𝑦 (−𝑥2 + 2𝑦 − 2𝑥 − 4𝑦)
(𝑥0 , 𝑦0 ) 𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
(𝑥0 , 𝑦0 ) (𝑥0 , 𝑦0 ) (𝑥0 , 𝑦0 )
𝜕𝑥 2 𝜕𝑦 2 𝜕𝑥𝜕𝑦
(0,0) 2 0 -4
−2 −2
(−4, −2) −6𝑒 −12𝑒 8𝑒 −2
o la matrice hessien au point (−4, −2) :
𝜕2 𝑓 𝜕2 𝑓
(−4, −2) ) (−4, −2) ) −2
𝐻𝑓(−4,−2) =
𝜕𝑥 2
( 𝜕2 𝑓
𝜕𝑥𝜕𝑦
) = (−6𝑒−2 8𝑒 −2 )
𝜕2 𝑓 8𝑒 −12𝑒 −2
𝜕𝑥𝜕𝑦
(−4, −2) 𝜕𝑦 2
(−4, −2) )
Or det(𝐻𝑓 ) = 72𝑒 −2 − 64𝑒 −2 = 8𝑒 −2 > 0 ⇔ alors f admet un extremum au point

𝜕2 𝑓
(−4, −2) .Pour déterminer sa nature on calcule (−4, −2) ).
𝜕𝑥 2
𝜕2 𝑓
(1,1) = −6𝑒 −2 < 0. Alors le point (−4, −2) est un point maximum
𝜕𝑥 2
𝟖 𝒙
3.𝒇(𝒙, 𝒚) = 𝒙 + 𝒚 + 𝒚
On calcule les dérivées partielles

𝜕2 𝑓 𝑥 2 −8𝑦 𝜕2 𝑓 𝑦2𝑥
(𝑥, 𝑦) = , (𝑥, 𝑦) =
𝜕𝑥 2 𝑥2𝑦 𝜕𝑦 2 𝑦2
Un point (x,y) est critique si et seulement s'il est solution du système :
𝑥 2 − 8𝑦
= 0 (1)
𝑥2𝑦
⟺
𝑦2𝑥
= 0 (2)
{ 𝑦2
Le seul point critique est (4;2). Étudions maintenant la nature de ce point en calculant au
préalable le déterminant de la matrice hessienne de la fonction f en (4 ;2)
On calcule d’abord les dérivées partielles du second ordre :
𝜕2 𝑓 16 𝜕2 𝑓 2𝑥 𝜕2 𝑓 1
(𝑥, 𝑦) = 𝑥3 , (𝑥, 𝑦) = 𝑦3 et (𝑥, 𝑦) = 𝑦2
𝜕𝑥 2 𝜕𝑦 2 𝜕𝑥𝜕𝑦
(𝑥0 , 𝑦0 ) 𝜕2 𝑓 𝜕2 𝑓 𝜕2 𝑓
(𝑥0 , 𝑦0 ) (𝑥0 , 𝑦0 ) (𝑥0 , 𝑦0 )
𝜕𝑥 2 𝜕𝑦 2 𝜕𝑥𝜕𝑦
(4,2) ¼ 1 ¼
o la matrice hessien au point (4,2) :
𝜕2 𝑓 𝜕2 𝑓
𝜕𝑥 2
(4,2) ) 𝜕𝑥𝜕𝑦
((4,2)) 1/4 1/4
𝐻𝑓(−4,−2) = ( 𝜕2 𝑓 2 )= ( )
𝜕 𝑓 1/4 1
𝜕𝑥𝜕𝑦
((4,2) 𝜕𝑦 2
(4,2)
Or det(𝐻𝑓 ) = 1/16 − 1/4 = 3/16 > 0 ⇔ alors f admet un extremum au point 4,2) .Pour
𝜕2 𝑓
déterminer sa nature on calcule (4,2) ).
𝜕𝑥 2
𝜕2 𝑓 1
(4,2) = > 0 , donc le point (4,2) est un point minimum.
𝜕𝑥 2 4
4. 𝑓(𝑥, 𝑦) = 𝑥 3 − 12𝑥𝑦 + 8𝑦 3
Recherche des points critiques, Calculons les dérivées partielles d’ordre 1 :
𝜕𝑓 𝜕𝑓
𝜕𝑥
(𝑥, 𝑦) = 3𝑥 2 − 12𝑦 et 𝜕𝑦
(𝑥, 𝑦) = 24𝑦 2 − 12𝑥
Un point (x,y) est critique si et seulement s'il est solution du système :
3𝑥 2 − 12𝑦 = 0 (1) 3(𝑥 2 − 4𝑦 ) = 0 (1)

{ ⟺
24𝑦 2 − 12𝑥 = 0 (2) 12(2𝑦 2 − 𝑥) = 0 (2)
La 2eme équation impose 𝑥 = 2𝑦 2 . Si on reporte ceci dans la première équation on trouve

3(4𝑦 4 − 4𝑦 ) = 0 ceci donne encore 12𝑦(𝑦 3 − 1 ) = 0 on en déduit que 𝑦 = 0 ou 𝑦 = 1.
On trouve que les points critiques de f sont (0,0) et (2,1).
Classification : Étudions maintenant séparément chacun de ces points en calculant au préalable le

déterminant de la matrice hessienne de la fonction f en un point quelconque :
o la matrice hessien en un point (x, y)ϵℝ2 est :

𝜕2𝑓 𝜕2𝑓
(𝑥, 𝑦) (𝑥, 𝑦)
𝜕𝑥 2 𝜕𝑥𝜕𝑦 6x −12
𝐻𝑓 (𝑥, 𝑦) = = ( )
2
𝜕 𝑓 2
𝜕 𝑓 −12 48𝑦
(𝑥, 𝑦) 2
(𝑥, 𝑦)
(𝜕𝑥𝜕𝑦 𝜕𝑦 )
La matrice hessien au point (0,0) est :
0 −12
𝐻𝑓 (0,0) = ( )
−12 0
Comme det𝐻𝑓 (0,0) = −144 < 0 on conclut que le point (0,0) est un point selle pour f.
o La matrice hessien au point (2,1) est :
12 −12
𝐻𝑓 (0,0) = ( )
−12 48
𝜕2 𝑓
Comme det𝐻𝑓 (0,0) = 432 > 0 et 𝜕𝑥 2
(2,1) = 12 > 0 , le point (2,1) est un point minimum.
Exercice 3
1
On considère la fonction de deux variables 𝑓(𝑥, 𝑦) = 𝑥 2 − 𝑦 2 + 𝑥𝑦 − 12 𝑥 3
1. Les dérivées partielles premières et secondes de f sont :

𝜕𝑓(𝑥,𝑦) 1 𝜕2 𝑓(𝑥,𝑦) 1 𝜕2 𝑓(𝑥,𝑦)
= 2𝑥 + 𝑦 − 4 𝑦 2 ; = 2− 2𝑥 ; =1
𝜕𝑥 𝜕𝑥 2 𝜕𝑥𝜕𝑥
𝜕𝑓(𝑥,𝑦) 𝜕2 𝑓(𝑥,𝑦) 𝜕2 𝑓(𝑥,𝑦)

= −2𝑦 + 𝑥 ; = −2 ; =1
𝜕𝑦 𝜕𝑦 2 𝜕𝑦𝜕𝑥
2. On en déduit la matrice hessienne de f(x,y) :

1
2 − 2𝑥 1
𝐻𝑓 (𝑥, 𝑦) = ( ) et det 𝐻𝑓 (𝑥, 𝑦) = 𝑥 − 5
1 −2
3. On se propose de résoudre le problème d’optimisation de f(x,y)
a) Les conditions nécessaires d’optimisation sont :
𝜕𝑓(𝑥, 𝑦) 1
= 2𝑥 + 𝑦 − 𝑦 2 = 0 1
𝜕𝑥 4 2(2𝑦) + 𝑦 − (2𝑦)2 = 0
⇔{ 4
𝜕𝑓(𝑥, 𝑦)
= −2𝑦 + 𝑥 = 0 𝑥 = 2𝑦
{ 𝜕𝑦
𝑦(5 − 𝑦) = 0
⇔{
𝑥 = 2y
𝑥 = 10 𝑥=0
⇔{ 𝑜𝑢
𝑦=5 𝑦=0
On trouve donc deux points critiques : (𝑥1 , 𝑦1 ) = (0; 0) et (𝑥2 , 𝑦2 ) = (10; 5)
b) Alors pour (𝑥1 , 𝑦1 ) = (0; 0) , on a det𝐻𝑓 (0,0) = −5 < 0. Il s’agit d’un point Col (Selle), pas
d’extremum en ce point.
𝜕2 𝑓(10:5)
En (𝑥1 , 𝑦1 ) = (10; 5) ), on a det𝐻𝑓 (10,5) = 5 > 0 et = −3 < 0. La fonction f donc
𝜕𝑥 2
admet un point maximum local en ce point.

Exercice 4
On considère le problème d’optimisation suivant
𝑂𝑝𝑡𝑖𝑚𝑖𝑠𝑒𝑟 𝑓(𝑥, 𝑦) = ln(𝑥𝑦 𝛼 )

(𝑝) { .
𝑠𝑜𝑢𝑠 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑥 + 𝑦 = 1 + 𝛼
On souhaite résoudre ce problème sur ℝ∗+ )2
1) Méthode de Lagrange
On remarque que f(x, y) = ln(xy α ) = lnx + lny α = lnx + αlny
a. f(x,y) est concave comme somme de deux fonctions concaves d’une seule variable
(x ⟶ lnx et y ⟶ αlny) ( car α > 0)
b. Le lagrangien associé à (p) est :
ℒ(x, y, λ) = f(x, y) + λg(x, y) = lnx + αlny + λ(x + y − 1 − α)

Alors les condition nécessaire d’optimisations sont :
1
ℒ′x = + λ = 0 x = −1/λ x = 1
x
α y = −α/λ y = α
ℒ′y = + λ = 0 ⇔ α ⇔{
y −1 − = 1 + α λ = −1
′
ℒ y =x+y−1−α= 0 { λ
{
On trouve donc un point unique (1, α) pour λ = −1
c. Comme la fonction objectif f est concave et la fonction contrainte est affine, les
CNO sont suffisantes. On conclut que f admet un maximum global est (1, α) .
2. Méthode de substitution
a) La contrainte permet d’exprimer y en fonction de x : 𝑔(𝑥, 𝑦) = 0 donne 𝑦 = 1 + 𝛼 − 𝑥
Sous la contrainte, la fonction objective devient donc :
𝑓(𝑥, 1 + 𝛼 − 𝑥 ) = 𝑙𝑛𝑥 + 𝛼 ln(1 + 𝛼 − 𝑥) = ℎ(𝑥)
Résoudre (p) revient à optimiser la fonction h(x).
1 −𝛼
On a ℎ′ (𝑥) = 𝑥 − 1+𝛼−𝑥 = 0 ⟺ 𝑥 = 1 + 𝛼 − 𝑥 ⟺ 𝑥 = 1
−1 −𝛼
D’autres part ℎ(𝑥)′′ = + (1+𝛼−𝑥)2 ≤ 0.
𝑥2
b) On en déduit que la fonction h(x) est concave. Elle admet donc un maximum global en
x=1. On retrouve donc que( P) admet maximum global en (x,y)=(1, 𝛼)
3. Lorsque 𝛼 = 0, les conditions nécessaires d’optimisation donnent y =0 qui n’appartient
pas au domaine de définition . lorsque 𝛼 < 0 , les conditions nécessaires d’optimisation
donnent y= 𝛼 < 0 qui n’appartient pas au domaine de définition

TD2 Solution 2020 2021

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

TD2 Solution 2020 2021

Transféré par

Droits d'auteur :

Formats disponibles

Faculté d’économie et de gestion de Béni Mellal SEG-S1-Analyse Mathématique

Université Sultan Moulay Slimane

FILIERE : SEG– S1- SECTION B&C FEUILLE DE TD N° 2 Année: 2020-2021

1. Calculer les dérivées partielles première et secondes de f.

𝑓(𝑥, 𝑦) est définie si seulement si 𝑥 + 𝑦 + 1 ≥ 0 et 𝑥 ≠ 1

Domaine de définition géométriquement dans le plan

Domaine de définition géométriquement dans le plan

𝑓(𝑥, 𝑦) est définie si seulement si 𝒙𝟐 + 𝒚𝟐 − 𝟗 ≥ 𝟎 et 𝑥 ≠ 0

Domaine de définition géométriquement dans le plan

Un point (x,y) est critique si et seulement s'il est solution du système

Nature des points (0; 0) ; (√2, −√2) et (−√2, √2)

 Nature de point (0 ;0)

 Nature de point (√2, −√2)

 La nature de l’extremum (√2, −√2) (un Min ou Max pour f)

 Nature de point (−√2, +√2)

𝑒𝑥−𝑦 (𝑥2 − 2𝑦2 + 2𝑥) = 0 (1)

o la matrice hessien au point (−4, −2) :

Or det(𝐻𝑓 ) = 72𝑒 −2 − 64𝑒 −2 = 8𝑒 −2 > 0 ⇔ alors f admet un extremum au point

On calcule les dérivées partielles

Un point (x,y) est critique si et seulement s'il est solution du système :

o la matrice hessien au point (4,2) :

Recherche des points critiques, Calculons les dérivées partielles d’ordre 1 :

Un point (x,y) est critique si et seulement s'il est solution du système :

3𝑥 2 − 12𝑦 = 0 (1) 3(𝑥 2 − 4𝑦 ) = 0 (1)

La 2eme équation impose 𝑥 = 2𝑦 2 . Si on reporte ceci dans la première équation on trouve

Classification : Étudions maintenant séparément chacun de ces points en calculant au préalable le

o la matrice hessien en un point (x, y)ϵℝ2 est :

La matrice hessien au point (0,0) est :

o La matrice hessien au point (2,1) est :

1. Les dérivées partielles premières et secondes de f sont :

𝜕𝑓(𝑥,𝑦) 𝜕2 𝑓(𝑥,𝑦) 𝜕2 𝑓(𝑥,𝑦)

2. On en déduit la matrice hessienne de f(x,y) :

On trouve donc deux points critiques : (𝑥1 , 𝑦1 ) = (0; 0) et (𝑥2 , 𝑦2 ) = (10; 5)

admet un point maximum local en ce point.

𝑂𝑝𝑡𝑖𝑚𝑖𝑠𝑒𝑟 𝑓(𝑥, 𝑦) = ln(𝑥𝑦 𝛼 )

ℒ(x, y, λ) = f(x, y) + λg(x, y) = lnx + αlny + λ(x + y − 1 − α)

Vous aimerez peut-être aussi