Académique Documents
Professionnel Documents
Culture Documents
• Conseils de travail
• Rappel
• Fonctions de deux variables réelles: généralités
• Optimisation libre
• Optimisation liée
• Solutions des exercices
Conseils de travail
La méthode de travail
L’essentiel de la méthode de travail tient dans le temps et la concentration que vous allez apporter à
l’apprentissage du cours et à la recherche des exercices. Moins vous regardez la correction, plus vous
recherchez les exercices et y réfléchissez avant la correction, mieux vous assimilerez les notions.
Ce document d’accompagnement de votre travail pour le cours de mathématiques 2 n’est pas conçu
pour être lu mais est conçu comme un outil de travail. Il vous accompagne et vous guide, même si
rien ne remplace le rythme que le professeur donne au cours en fonction des étudiants. C’est vous,
en respectant le rythme conseillé qui avez la clé de la meilleure assimilation possible des notions. En
particulier, il faut chercher les exercices au fur et à mesure, et y passer du temps.
Progression Si vous rencontrez une difficulté sur une notion de cours ou une question dans un
exercice, il faut progressivement suivre les étapes suivantes.
Etape 1. Continuer de réfléchir par soi-même, mûrir la question.
Etape 2. Si la difficulté persiste, y revenir un peu plus tard et y reréfléchir.
Etape 3. Si la difficulté persiste encore, contacter ses camarades et travailler à distance avec eux.
Etape 4. Si la difficulté persiste toujours, contacter son chargé de td de la façon dont il vous l’a
indiqué, en faisant circuler au maximum l’information parmi vos camarades.
Etape 5. Il est aussi possible de me contacter: lisa.morhaim@u-paris2.fr
Mme Morhaim
Rappel
Au début du cours d’optimisation, on avait insisté sur le fait que la notion d’optimum d’une fonction
est lié à l’ensemble sur lequel on travaille. On avait travaillé un exemple graphiquement. Je vous
avait proposé de commencer par travailler cet exercice avant de continuer le cours.
On travaille pour chaque question sur un ensemble E différent. Répondre à toutes les questions par
une étude analytique. A la fin de l’exercice, construire le tableau de variations de f sur E = IR et
contrôler les résultats trouvés.
1) On suppose que E = IR.
a) Calculer le(s) point(s) critiques de f .
b) Calculer la dérivée seconde de f .
c) Que peut-on en conclure quant aux points critiques trouvés au a)?
d) Résoudre le problème d’optimisation (P) lorsque E = IR.
2) Résoudre le problème d’optimisation (P) lorsque
a) E = [− 31 ; 13 ] b) E = [−1; − 13 ] c) E = [−1; 31 ] d) E = [−1; 1] e) E = [−2; 13 ] ∪ [1; 5]
Fonctions de deux variables réelles: généralités
On s’intéresse maintenant aux fonctions de IRn dans IR, autrement dit la variable x est un n-uplet.
On parle de fonctions à n variables et les outils permettant l’étude de ces fonctions sont spécifiques.
Parce qu’on peut encore faire des représentations graphiques pour des fonctions de deux variables
(n = 2), on commence par étudier ces fonctions. On peut dans ce cas voir les deux variables comme
les coordonnées d’un point du plan dans un repère orthonormé et les valeurs de la fonction comme
une “altitude”.
Les éléments x de IR2 sont appelés des points de IR2 ou des vecteurs de IR2 .
Lk = {x ∈ E, f (x) = k}
Sk = {x ∈ E, f (x) ≤ k}
Exercice 2
Quel est le domaine de définition des fonctions suivantes? Est-il ouvert, fermé, borné, compact,
convexe? √
a) f1 (x, y) = 2x+y
x−y
b) f2 (x, y) = 2x − y c) f3 (x, y) = ln(4 − x2 − y 2 ) d) f4 (x, y) = xy = ey ln x
Exercice 3
Pour chacune des fonctions suivantes, donner son domaine de définition puis représenter géométriquement
les courbes et les ensembles de niveaup k = 1 et k = 0.
1) f1 (x, y) = xy 2) f2 (x, y) = x2 + y
Définition. Une fonction f : IR2 → IR est linéaire si elle vérifie les deux conditions suivantes
1) ∀x, x0 ∈ IR2 , f (x + x0 ) = f (x) + f (x0 )
2) ∀x ∈ IR2 , ∀λ ∈ IR, f (λx) = λf (x).
f (x) = l(x) + c
Continuité.
Définition. Soit f : IR2 → IR, a ∈ IR2 et l ∈ IR. On dit que f tend vers vers l en a, noté lim f (x) = l
x→a
si
∀ε > 0, ∃δ > 0, ∀x ∈ IR2 , kx − ak ≤ δ ⇒ |f (x) − f (l)| ≤ ε
On dit que f est continue en a si f est définie en a et si lim f (x) = f (a). On dit que f est
x→a
continue sur l’ensemble D si f est continue en tout point de D.
Propriétés.
La fonction constante est continue.
La somme de fonctions continues est une fonction continue.
Le produit de fonctions continues est une fonction continue.
Le quotient de fonctions continues dont le dénominateur ne s’annule pas est une fonction continue.
On appelle souvent le terme r(h) = hε(h) le “reste”. Autrement dit, pour h assez petit, f est presque
une fonction affine: elle serait une fonction affine s’il n’y avait pas le terme r(h).
C’est la même idée pour la notion de différentiabilité d’une fonction de deux variables.
Définition. On dit que f : IR2 → IR est différentiable en x ∈ IR2 si f est définie au voisinage
de x et s’il existe un vecteur a ∈ IR2 tel que
Définition. Soit f : IR2 → IR une fonction définie au voisinage de x = (x1 , x2 ) ∈ IR2 . On ap-
pelle
1) dérivée partielle de f par rapport à la première variable au point x la limite si elle existe
∂f f (x1 + h, x2 ) − f (x1 , x2 )
(x) = lim
∂x1 h→0 h
2) dérivée partielle de f par rapport à la deuxième variable au point x la limite si elle existe
∂f f (x1 , x2 + h) − f (x1 , x2 )
(x) = lim
∂x2 h→0 h
∂f
Autrement dit, la dérivée partielle de f par rapport à la première variable, notée ∂x 1
, est la dérivée
de la fonction d’une variable x1 → f (x1 , x2 ), la valeur de x2 étant fixée. De la même manière, la
∂f
dérivée partielle de f par rapport à la deuxième variable, notée ∂x 2
, est la dérivée de la fonction
d’une variable x2 → f (x1 , x2 ), la valeur de x1 étant fixée.
Notations.
∂f ∂f
Les notations usuelles des dérivées partielles secondes sont ∂x1
et ∂x2
, ou D1 f et D2 f , ou fx0 1 et fx0 2
ou f10 et f20 .
Définition. Soit f : IR2 → IR une fonction définie et admettant des dérivées partielles au point
x ∈ IR2 . On appelle gradient de f le vecteur des dérivées partielles
∂f ∂f
∇f (x) = ( (x), (x))
∂x1 ∂x2
Définition. Soit f : IR2 → IR une fonction définie et admettant des dérivées partielles au point
x ∈ IR2 . Si ∇f (x) = 0 alors x est appelé point critique de f .
Si f admet dérivées partielles au voisinage du point x ∈ IR2 , on peut regarder si chacune de ces
dérivées partielles admet elle-même des dérivées partielles. Les dérivées partielles secondes au point
x sont alors définies, si elles existent par
∂ 2f ∂ ∂f
(x) = ( )(x), avec i, j = 1, 2
∂xi ∂xj ∂xi ∂xj
Notations.
∂2f
Les notations usuelles des dérivées partielles sont ∂xi ∂xj
ou Dij ou fx00i xj ou fij00 .
Définition. Soit f : IR2 → IR une fonction définie et admettant des dérivées partielles secondes
au point x ∈ IR2 . On appelle matrice hessienne ou hessien de f en x le tableau à deux lignes et deux
colonnes ∂2f ∂2f
∂x1 2 (x) ∂x1 ∂x2
(x)
∇2 f (x) =
∂2f ∂2f
∂x2 ∂x1
(x) ∂x2
(x)
2
Définition.
On appelle forme quadratique associée à la matrice hessienne en x, la fonction d2 fx : IR2 → IR
définie pour tout h = (h1 , h2 ) ∈ IR2 par
∂ 2f ∂ 2f 2
2∂ f
d2 fx (h) = h21 (x) + 2h h
1 2 (x) + h2 (x)
∂x21 ∂x1 ∂x2 ∂x22
Développements limités.
1) Soit f : IR2 → IR une fonction définie et admettant des dérivées partielles au point x ∈ IR2 . Ecrire
le développement limité à l’ordre un de la fonction f au point x = (x1 , x2 ) ∈ IR2 , c’est écrire qu’il
existe une fonction ε : IR2 → IR continue en 0 telle que ε(0) = 0 et telle que pour x au voisinage de
x,
f (x) = f (x) + h∇f (x), x − xi + ||x − x||ε(x − x)
autrement dit
∂f ∂f
f (x1 , x2 ) = f (x1 , x2 ) + (x1 − x1 ) (x1 , x2 ) + (x2 − x2 ) (x1 , x2 ) + ||x − x||ε(x − x)
∂x1 ∂x2
ce qui peut s’écrire aussi, pour h = (h1 , h2 ) au voisinage de (0, 0),
autrement dit
∂f ∂f
f (x1 + h1 , x2 + h2 ) = f (x1 , x2 ) + h1 (x1 , x2 ) + h2 (x1 , x2 ) + ||h||ε(h)
∂x1 ∂x2
2) Soit f : IR2 → IR une fonction définie et admettant des dérivées partielles secondes au point
x ∈ IR2 . Ecrire le développement limité à l’ordre deux de la fonction f au point x = (x1 , x2 ) ∈ IR2 ,
c’est écrire qu’il existe une fonction ε : IR2 → IR continue en 0 telle que ε(0) = 0 et telle que pour x
au voisinage de x,
1
f (x) = f (x) + h∇f (x), x − xi + d2 fx (x − x) + ||x − x||2 ε(x − x)
2
ce qui peut s’écrire aussi, pour h = (h1 , h2 ) au voisinage de (0, 0),
1
f (x + h) = f (x) + h∇f (x), hi + d2 fx (h) + ||h||2 ε(h)
2
Remarque
Quand on écrit “ε : IR2 → IR continue en 0 telle que ε(0) = 0”, comme ε est définie de IR2 dans
IR, le premier 0 (dans “continue en 0”) est le 0 de IR2 , le deuxième 0 (dans “ε(0)”) est le 0 de IR2
et le troisième 0 (dans “= 0”) est le 0 de IR. Autrement dit, “ε : IR2 → IR continue en 0 telle que
ε(0) = 0” signifie “ε : IR2 → IR continue en 0IR2 telle que ε(0IR2 ) = 0IR ” ou encore “ε : IR2 → IR
continue en (0, 0) telle que ε(0, 0) = 0”
Approximations.
Les développements limités permettent d’obtenir des approximations pour h “assez petit” (assez
proche de (0, 0)) en négligeant le reste. Ainsi à l’ordre un, une telle approximation donne
autrement dit
∂f ∂f
f (x1 + h1 , x2 + h2 ) ∼ f (x1 , x2 ) + h1 (x1 , x2 ) + h2 (x1 , x2 )
∂x1 ∂x2
2x2
f (x, y) =
y − x2
Exercice 5
On considère la fonction f : IR2 → IR définie par
x2 + y 2
f (x, y) =
x+y
00 00
En général si on est dans un cas assez continu on a f12 (x) = f21 (x) (cf le théorème de Schwarz)
Fonctions convexes.
Définition. Soit E = IRn et C ⊂ E un sous-ensemble de E
Une fonction f : C → IR est concave sur C si et seulement si −f est convexe sur C, autrement
dit si et seulement si
1) C est un ensemble convexe
2) ∀x, y ∈ C, ∀λ ∈ [0, 1], f (λx + (1 − λ)y) ≥ λf (x) + (1 − λ)f (y)
On obtient les définitions de strictement convexe et strictement concave en changeant dans les
définitions précédentes ∀λ ∈ [0, 1] en ∀λ ∈]0, 1[ et les inégalités larges en inégalités strictes.
Attention. Lorsqu’on veut démontrer qu’une fonction f est convexe ou concave (resp. strictement
convexe ou concave) sur un ensemble, on doit toujours commencer par démontrer que l’ensemble
sur lequel on l’étudie est convexe.
S’il existe un sous-ensemble S convexe de C sur lequel la fonction est convexe (respectivement con-
cave, strictement convexe, strictement concave) on dit que f est localement convexe (respectivement
localement concave, localement strictement convexe, localement strictement concave).
Remarque. f est alors globalement convexe (respectivement globalement concave, strictement con-
vexe, strictement concave) sur S. Autrement dit, la convexité est globale ou locale selon l’ensemble
sur lequel on définit la fonction.
Propriétés.
1) La somme de deux fonctions (resp. strictement) convexes (resp. concaves) est (resp. strictement)
convexe (resp. concave)
2) Soit f : IR → IR une fonction convexe sur IR. Alors la fonction (x1 , x2 , ...., xn ) ∈ IRn → f (x1 ) ∈ IR
est convexe sur IRn . De manière générale, pour i = 1, ...., n, la fonction (x1 , x2 , ...., xn ) ∈ IRn →
f (xi ) ∈ IR est convexe sur IRn .
Par exemple, la fonction p(x, y) = x2 est convexe sur IR2 car la fonction carrée est convexe sur IR.
Propriété.
Si f1 : IR → IR est convexe croissante sur IR et f2 : IRn → IR est convexe sur IRn alors f1 ◦ f2 est
convexe sur IRn .
Preuve. Soit f1 : IR → IR est convexe croissante sur IR et f2 : IRn → IR est convexe sur IRn ,
on veut montrer que f1 ◦ f2 convexe sur IRn , c’est à dire on veut montrer que
det(A) := ad − bc
On s’intéresse ici aux méthodes d’optimisation d’une fonction f de 2 variables sur un ensemble C
convexe ouvert de IR2 .
∇f (x) = (0, 0)
Rappel
∂f ∂f
∇f (x) = ( (x), (x)) = (f10 (x), f20 (x))
∂x1 ∂x2
Etape 2: recherche de la nature des points critiques.
On calcule la matrice hessienne (ou hessien).
Rappel
La matrice hessienne ou hessien de f en x est le tableau à deux lignes et deux colonnes
∂2f ∂2f
(x) (x) 00 00
∂x21 ∂x1 ∂x2 f11 (x) f12 (x)
∇2 f (x) = =
2
∂ f 2
∂ f 00 00
(x) (x) f21 (x f22 (x)
∂x2 ∂x1 ∂x2 2
00 00
En général si on est dans un cas assez continu on a f12 (x) = f21 (x) (cf le théorème de Schwarz)
On a
00 00 00 00
∀x ∈ C, le déterminant (det) est det∇2 f (x) = f11 (x)f22 (x) − f12 (x)f21 (x) et les termes diagonaux
00 00
(t.d.) sont f11 (x) et f22 (x)
00 00
Soit x un point critique. En x un point critique, le déterminant (det) est det∇2 f (x) = f11 (x)f22 (x) −
00 00 00 00
f12 (x)f21 (x) et les termes diagonaux (t.d.) sont f11 (x) et f22 (x)
Etude locale en x
critère hessien est f est .... sur .. x donne un
en x, det∇2 f (x) > 0 et
défini positif en x convexe sur un voisinage de x minimum local
t.d. > 0
en x, det∇2 f (x) > 0 et
défini négatif en x concave sur un voisinage de x maximum local
t.d. < 0
si det∇2 f (x) < 0 en x, on conclut que x est un point-selle (point-col).
Attention (piège). Dans les autres cas, c’est à dire si det = 0 en x, on ne peut rien dire avec
ces critères et il faut revenir à l’étude de la différence ∆fx (h) = f (x + h) − f (x), en écrivant un
développement limité à l’ordre 2 au point critique x ou en faisant une étude directe de la différence
Optimiser f (x, y) = 28 − x2 − 2y 2
Exercice 6 Résoudre le problème (P) =
s.c. (x, y) ∈ IR2
Chercher cet exercice soigneusement en suivant les indications ci-dessous puis se reporter à sa solu-
tion à la fin du document. Continuer ensuite le cours avec l’exercice suivant.
Indications. La fonction f est C 2 sur IR2 . On peut procéder ici en deux étapes.
Etape 1: recherche des points critiques. Ce sont les couples de IR2 qui annulent le gradient ∇f .
Etape 2: recherche de la nature des points critiques. On étudie les propriétés graphiques de f sur IR2
(convexité, etc). On peut le faire en utilisant les propriétés des fonctins convexes/concaves (somme
de fonctions concaves, etc), par l’étude du hessien ∇2 f sur IR2 ou directement.
On s’intéresse ici à l’optimisation d’une fonction de deux variables avec contrainte d’égalité.
Cadre. Soit f une fonction réelle définie sur un sous-ensemble Df de IR2 (f : Df ⊂ IR2 → IR)
, et g une fonction réelle définie sur un sous-ensemble Dg de IR2 (g : Dg ⊂ IR2 → IR).
Soit U un sous-ensemble ouvert inclus à la fois dans les deux ensembles de définition Df et Dg .
on suppose que f et g sont au moins de classe C 1 sur U
Problème. On cherche à optimiser la fonction f sur U lorsque g(x) = 0 c’est à dire on cherche à
résoudre le problème
Optimiser f (x1 , x2 )
(P ) =
sous contrainte g(x1 , x2 ) = 0
Autres cas.
Théorème.
Soient f et g deux fonctions de classe C 1 de U ⊂ IR2 dans IR.
Si x = (x1 , x2 ) donne un extremum (local ou global) pour f sur U sous la contrainte g(x1 , x2 ) = 0
alors x vérifie l’une des deux conditions suivantes:
(1) g(x) = 0 et ∇g(x) = 0
(on dit alors que x est un point critique de deuxième espèce du problème ou encore que la con-
trainte n’est pas qualifiée en x)
g(x) = 0 et ∇g(x) 6= 0
(2)
et il existe un réel λ tel que ∇Lλ (x) = 0
où Lλ , appelé Lagrangien du problème (P ), est la fonction de deux variables, définie par
(on dit alors que x est un point critique de première espèce du problème ou encore que la contrainte
est qualifiée en x. Le réel λ est alors appelé le multiplicateur de Lagrange associé au point x.)
Remarque sur le théorème. On peut tout aussi bien définir le lagrangien par Lλ (x1 , x2 ) =
f (x1 , x2 ) + λg(x1 , x2 ), les valeurs trouvées pour λ seront simplement opposées.
Autrement dit, ce théorème nous dit que les points critiques x de 1ère et de 2ème espèce vérifient la
contrainte: g(x) = 0. Les points critiques de deuxième espèce sont ceux qui sont points critiques de
la fonction g associée à la contrainte. Les points critiques de première espèce sont ceux qui ne sont
pas points critiques de la fonction g associée à la contrainte et qui sont points critiques du lagrangien.
x ∈ U, ∇g(x) 6= (0, 0)
∂L
∂x1λ (x1 , x2 ) = 0
∂Lλ
(x1 , x2 ) =0
∂x2
g(x) = 0
Attention: ce théorème ne permet pas de conclure pour les cas où le point critique considéré est
un point-selle du lagrangien.
Autres cas. Pour un point critique x de 1ère espèce, si le précédent théorème ne permet pas
de conclure, on peut assouplir l’étude du hessien du lagrangien Lλ (x) en n’étudiant le signe de la
forme quadratique pas pour tout (h1 , h2 ) 6= (0, 0) ∈ IR2 mais seulement pour les (h1 , h2 ) 6= (0, 0) tels
que g(x1 + h1 , x2 + h2 ) = 0. Pour un point critique de 1ère espèce, on admet qu’on peut remplacer
la contrainte g(x1 + h1 , x2 + h2 ) = 0 par son approximation affine au voisinage du point critique x.
g(x1 + h1 , x2 + h2 ) ∼ ∂g
= g(x1 , x2 ) + h1 ∂x1
∂g
(x1 , x2 ) + h2 ∂x2
(x1 , x2 )
Comme g(x1 , x2 ) = 0 puisque tout point critique vérifie la contrainte, cela signifie que l’on peut
∂g
étudier le signe de la forme quadratique seulement pour les (h1 , h2 ) 6= (0, 0) tels que h1 ∂x 1
(x1 , x2 ) +
∂g 0 0
h2 ∂x2 (x1 , x2 ) = 0 (ou encore tels que h1 g1 (x1 , x2 ) + h2 g2 (x1 , x2 ) = 0).
1) Si pour tout (h1 , h2 ) 6= (0, 0) tel que h1 g10 (x1 , x2 ) + h2 g20 (x1 , x2 ) = 0, on a qLλ (h1 , h2 ) > 0 alors le
point x donne un minimum local pour f sous la contrainte.
2) Si pour tout (h1 , h2 ) 6= (0, 0) tel que h1 g10 (x1 , x2 ) + h2 g20 (x1 , x2 ) = 0, on a qLλ (h1 , h2 ) < 0 alors le
point x donne un maximum local pour f sous la contrainte.
Lλ = f (x1 , x2 ) − λ(h(x1 , x2 ) − a)
Si on a une solution au problème, elle dépend de a: (x∗1 (a), x∗2 (a))
Théorème
On se place dans le cas où la solution du problème (x∗1 (a), x∗2 (a)) est un point critique de 1ère espèce
associé au multiplicateur λ∗ (a).
A l’optimum, la fonction objectif f vaut f (x∗1 (a), x∗2 (a)).
On définit la fonction F qui est égale à la valeur de f en fonction du paramètre a
F (a + h) ≈ F (a) + F 0 (a)h
càd
F (a + h) − F (a) ≈ F 0 (a)h
et comme F 0 (a) = λ∗ (a)
F (a + h) − F (a) ≈ λ∗ (a)h
donc le multiplicateur permet de calculer une approximation de la variation de la valeur de l’optimum
lorsqu’on fait varier le paramètre a de manière ”assez petite” (h ”assez petit”)
Les fonctions f et g sont définies sur IR2 (Df = Dg = IR2 ) et sont de classe C 2 sur IR2 (f composée
de l’exponentielle et d’une fonction polynôme, g fonction polynôme).
Comme la fonction exponentielle est strictement croissante, le problème est équivalent au problème
d’optimisation
Optimiser f˜(x1 , x2 ) = 4x21 − x22
Exercice 10
Résoudre le problème d’optimisation suivant
Optimiser f (x1 , x2 ) = x2
s.c. g(x1 , x2 ) = x21 + x22 − 4 = 0
Exercice 11
Optimiser les fonctions suivantes
4 2 2
1) f (x1 , x2 ) = ex1 +x2 −2x1 sur IR2
2) f (x1 , x2 ) = x21 + 2x22
a) sous la contrainte x1 + x22 = 1
b) sous la contrainte x21 − 14 x22 = 1
4) f (x1 , x2 ) = x−1 −1 −2 −2
1 + x2 sous la contrainte x1 + x2 = 1
Solution de l’exercice 1
On raisonnera en étudiant f et ses propriétés graphiques (convexité). En toute fin d’exercice, on
tracera le tableau de variations de f et on reliera le tableau de variations aux résultats trouvés.
1) a) f 0 (x) = 3x2 + 2x = x(3x + 2) et les points critiques sont x = 0 et x = − 23 .
b) f 00 (x) = 6x + 2 = 2(3x + 1)
c) donc f est localement convexe en x = 0 et x = 0 donne un minimum local pour f sur IR et f est
f est localement concave en x = − 32 et x = − 23 donne un maximum local pour f sur IR.
d) lim f (x) = −∞ donc f n’admet pas de minimum global sur IR et lim f (x) = +∞ donc f
x→−∞ x→+∞
n’admet pas de maximum global sur IR.
2) On a f (0) = 0 et f (− 23 ) = 27 4
Solution de l’exercice 2
a) Df1 = {(x, y) ∈ IR2 , x − y 6= 0}, autrement dit Df1 est l’ensemble des points du plan privé de
la droite d’équation y = x. C’est un ensemble ouvert, non fermé, non borné, non compact et non
convexe.
b) Df2 = {(x, y) ∈ IR2 , 2x − y ≥ 0}, autrement dit Df2 est le demi-plan fermé délimité par la droite
d’équation 2x − y = 0 et qui contient le point (1, 1). C’est un ensemble non ouvert, fermé, non borné,
non compact et convexe.
c) Df3 = {(x, y) ∈ IR2 , 4 − x2 − y 2 > 0} = {(x, y) ∈ IR2 , x2 + y 2 < 4}, autrement dit Df3 est la boule
ouverte de centre (0, 0) et de rayon 2. C’est un ensemble ouvert, non fermé, borné, non compact et
convexe.
d) Df4 = {(x, y) ∈ IR2 , x > 0}, autrement dit Df4 est le demi-plan ouvert délimité par l’axe des
abscisses (celui-ci étant non inclus) et qui contient le point (1, 1). C’est un ensemble ouvert, non
fermé, non borné, non compact et convexe.
Solution de l’exercice 3
1) Df1 = IR2 . La courbe de niveau k = 1 est l’ensemble L1 = {(x, y) ∈ IR2 , f1 (x, y) = 1} = {(x, y) ∈
IR2 , xy = 1} = {(x, y) ∈ IR2 , y = x1 }, on obtient l’hyperbole d’équation y = x1 .La courbe de niveau
k = 0 est l’ensemble L0 = {(x, y) ∈ IR2 , f1 (x, y) = 0} = {(x, y) ∈ IR2 , xy = 0} = {(x, y) ∈ IR2 , x =
0 ou y = 0}, on obtient la réunion de l’axe des ordonnées et de l’axe des abscisses.
L’ensemble de niveau k = 1 est l’ensemble S1 = {(x, y) ∈ IR2 , f1 (x, y) ≤ 1} = {(x, y) ∈ IR2 , xy ≤
1} = {(x, y) ∈ IR2 , x = 0} ∪ {(x, y) ∈ IR2 , x > 0 et y ≤ x1 } ∪ {(x, y) ∈ IR2 , x < 0 et y ≥ x1 }, on obtient
l’ensemble “entre” les deux branches de l’hyperbole d’équation y = x1 . L’ensemble de niveau k = 0 est
l’ensemble S0 = {(x, y) ∈ IR2 , f1 (x, y) ≤ 0} = {(x, y) ∈ IR2 , xy ≤ 0}, on obtient la réunion Q1 ∪ Q2
des deux quarts de plans Q1 = {(x, y) ∈ IR2 , x ≥ 0 et y ≤ 0} et Q2 = {(x, y) ∈ IR2 , x ≤ 0 et y ≥ 0}.
2) Df2 = {(x, y) ∈ IR2 , x2 + y ≥ 0} = {(x, y) ∈ IR2 , y ≥ p −x2 }. La courbe de niveau k = 1 est
l’ensemble L1 = {(x, y) ∈ Df2 , f2 (x, y) = 1} = {(x, y) ∈ Df2 , x2 + y = 1} = {(x, y) ∈ Df2 , x2 + y =
1} = {(x, y) ∈ Df2 , y = 1 − x2 }, et comme pour tout x, on a y = 1 − x2 ≥ −x2 , on obtient
2
la parabole d’équation y = 1 − xp . La courbe de niveau k = 0 est l’ensemble L0 = {(x, y) ∈
Df2 , f2 (x, y) = 0} = {(x, y) ∈ Df2 , x2 + y = 0} = {(x, y) ∈ Df2 , x2 + y = 0} = {(x, y) ∈ Df2 , y =
−x2 }, on obtient la parabole d’équation y = −x2p . L’ensemble de niveau k = 1 est l’ensemble
S1 = {(x, y) ∈ Df2 , f2 (x, y) ≤ 1} = {(x, y) ∈ Df2 , x2 + y ≤ 1} = {(x, y) ∈ Df2 , x2 + y ≤ 1} =
{(x, y) ∈ Df2 , y ≤ 1 − x2 } = {(x, y) ∈ IR2 , −x2 ≤ y ≤ 1 − x2 }, on obtient la “bande” entre les
deux paraboles d’équation y = −x2 et y = 1 − xp 2
. L’ensemble de niveau k = p 0 est l’ensemble
S0 = {(x, y) ∈ Df2 , f2 (x, y) ≤ 0} = {(x, y) ∈ Df2 , x2 + y ≤ 0} = {(x, y) ∈ Df2 , x2 + y = 0} =
{(x, y) ∈ Df2 , x2 + y = 0} = {(x, y) ∈ IR2 , y = −x2 }, et comme y = −x2 ≥ −x2 , on obtient la
parabole d’équation y = −x2 .
8 8
f (2 + h1 , 1 + h2 ) = f (2, 1) + h1 − h2 + ||h||ε(h)
9 9
donc
∀(x, y) ∈ IR2 , 28 − x2 − 2y 2 ≤ 28
autrement dit
∀(x, y) ∈ IR2 , f (x, y) ≤ f (0, 0)
ce qui est exactement dire que (0, 0) donne un maximum global pour f sur IR2 .
Solution de l’exercice 7
Etape 1: recherche des points critiques
On calcule le gradient (qui est le vecteur des dérivées partielles d’ordre 1)
∇f (x, y) = ( ∂f
∂x
(x, y), ∂f
∂y
(x, y))
∂f
∂x
(x, y)est la dérivée partielle de f par rapport à x c’est à dire en considérant f comme fonction de
la seule variable x et en la dérivant par rapport à cette seule variable, donc
∂f
(x, y) = 2xy − 2y 2 + 3y
∂x
∂f
∂y
(x, y)est la dérivée partielle de f par rapport à y c’est à dire en considérant f comme fonction de
la seule variable y et en la dérivant par rapport à cette seule variable, donc
∂f
(x, y) = x2 − 4xy + 3x
∂y
Les points critiques sont ceux qui annulent le gradient. On obtient un système de deux équations à
deux inconnues dont on cherche les solutions.
2xy − 2y 2 + 3y = 0
∇f (x, y) = (0, 0) ⇔
x2 − 4xy + 3x = 0
y(2x − 2y + 3) = 0
⇔
x(x − 4y + 3) = 0
y = 0 ou 2x − 2y + 3 = 0
⇔
x = 0 ou x − 4y + 3 = 0
On a 4 cas.
1) y = 0 et x = 0, on obtient le point critique (0, 0)
2) y = 0 et x − 4y + 3 = 0, donc x = −3 et on obtient le point critique (−3, 0)
3) 2x − 2y + 3 = 0 et x = 0 donc y = 32 et on obtient le point critique (0, 23 )
4) 2x − 2y + 3 = 0 et x − 4y + 3 = 0, on obtient le système
2x − 2y = −3 L1 pivot 2x − 2y = −3
⇔
x − 4y = −3 2L2 − L1 −6y = −3
x = −1
⇔
y = 12
En résumé
on obtient les 4 points critiques (0, 0), (−3, 0), (0, 23 ) et (−1, 21 )
En résumé
(0, 0), (−3, 0) et (0, 23 ) point-selle et f admet un minimum local atteint en (−1, 21 )
Solution de l’exercice 8
1) f est C 2 sur IR2 (fonction polynôme). On cherche les points critiques. ∇f (x, y) = (8x+8, 18y−36)
et on résoud le système ∇f (x, y) = (0, 0). On trouve un unique point critique (−1, 2). On
8 0
cherche la nature du point critique. ∇2 f (x, y) = et on a pour tout (x, y) ∈ IR2 ,
0 18
det ∇2 f (x, y) = 8 × 18 − 0 × 0 ≥ 0 et 8 > 0, 18 > 0 donc f est convexe sur IR2 et le point cri-
tique (−1, 2) donne un minimum global pour f sur IR2 .
2) g est C 2 sur IR2 (fonction polynôme). On cherche les points critiques. ∇g(x, y) = (x2 + 2y −
6, 2y + 2x − 3) et on résoud le système ∇g(x, y) = (0, 0). On trouve (par exemple en exprimant y
en fonction de x à l’aide de la 2ème équation du système et en remplaçant dans la 1ère équation
5 3
du système). On trouve deuxpoint critique (−1, 2 ) et (3, − 2 ). On cherche la nature des points cri-
2x 2
tiques. ∇2 g(x, y) = et on a pour tout (x, y) ∈ IR2 , det ∇2 g(x, y) = 4x − 4 = 4(x − 1). Le
2 2
déterminant n’est pas toujours positif pour tout (x, y) ∈ IR2 . On fait une étude locale. En (−1, 52 ),
det ∇2 g(−1, 25 ) < 0 donc point-selle. En (3, − 32 ), det ∇2 g(3, − 23 ) > 0 et 2 > 0 donc g admet un
minimum local en (3, − 32 ).
Solution de l’exercice 9
1) Méthode 1: en explicitant la contrainte.
g(x1 , x2 ) = 2x21 + x2 − 2 = 0 ⇔ x2 = 2 − 2x21
On calcule f˜(x1 , x2 ) lorsque x2 = 2 − 2x21 : f˜(x1 , 2 − 2x21 ) = 4x21 − (2 − 2x21 )2
q q
on a F 0 (x) = 8x(3 − 2x2 ) = 8x × (−2)(x − 3
2
)(x + 3
2
) et le tableau de variation
q q
x −∞ − 32 0 3
2
+∞
x − − 0 + +
2
−2x + 3 − 0 + + 0 −
F 0 (x) + 0 − 0 + 0 −
5 5
F (x) % & % &
−∞ −4 −∞
F (0) = 4 × 02 − (2 − 2 × 02 )2 = −4
q q q q
F (− 32 ) = F ( 32 ) = 4 × ( 32 )2 − (2 − 2 × ( 32 )2 )2 = 6 − (2 − 3)2 = 5
0 donne un
q q minimum local pour F sur IR
3
2
et − 32 donnent un maximum global pour F sur IR
∂Lλ
(x1 , x2 ) =0
∂x2
g(x) = 0
c’est à dire dans notre cas
U = IR2 , et on peut enlever la condition ∇g(x) 6= (0, 0) puisqu’on a vu qu’elle est toujours vraie.
x ∈ IR2
8x1 − 4λx1 = 0 càd 4x1 (2 − λ) = 0
−2x2 − λ = 0
2
2x1 + x2 − 2 = 0
On obtient
x1 = 0 ou λ = 2
x2 = − 12 λ
2
2x1 + x2 − 2 = 0
1er cas: x1 = 0. On cherche les solutions de
x1 = 0
x2 = − 12 λ
1
−2λ − 2 = 0
on trouve x1 = 0, λ = −4 et x2 = 2, on a donc un point critique de 1ère espèce qui est (0, 2), son
multiplicateur λ associé est λ = −4.
associé λ = 2.
En
q résumé: 3 points
q critiques
( 2 , −1) et (− 32 , −1) de multiplicateur λ associé λ = 2
3
Pour λ = 2, L2 (x1 , x2 ) = 4x21 − x22 − 2(2x21 + x2 − 2) = −x22 − 2x2 + 2. Cette fonction est une
q q
2
fonction concave sur IR , donc les points critiques ( 2 , −1) et (− 32 , −1) donnent un maximum
3
global pour le lagrangien, donc donnent un maximum global pour f sous la contrainte.
Pour λ = −4, L−4 (x1 , x2 ) = 4x21 − x22 + 4(2x21 + x2 − 2) = 12x21 − x22 + 4x2 − 8
∂ 2 L−4 ∂ 2 L−4
(x) (x)
∂x21 ∂x1 ∂x2 24 0
∇2 L−4 (x) = =
∂ 2 L−4 ∂ 2 L−4 0 −2
∂x2 ∂x1
(x) ∂x22
(x)
donc det∇2 L−4 (x) = −48 < 0 pour tout x ∈ IR2 , donc (0, 2) est un point-selle du lagrangien. On ne
peut rien dire.
Solution de l’exercice 10
Df = Dg = IR2 , les fonctions f et g sont des fonctions polynômes donc de classe C 2 sur IR2 .
L’ensemble E = {(x1 , x2 ) ∈ IR2 /x21 + x22 − 4 = 0} = C((0, 0), 2) est le cercle de centre O=(0,0)
et de rayon 2.
Un cercle est un compact. Donc il s’agit d’un problème d’optimisation d’une fonction continue
sur un ensemble compact.
On écrit le lagrangien
Lλ (x1 , x2 ) = x2 − λ(x21 + x22 − 4)
On cherche les points critiques de 2ème espèce.
g(x1 , x2 ) = 0
∇g(x1 , x2 ) = (0, 0)
2
x1 + x22 − 4 = 0
(x1 , x2 ) = (0, 0)
Donc il n’y a pas de point critique de 2ème espèce.
On cherche les points critiques de 1ère espèce.
x ∈ U, ∇g(x) 6= (0, 0)
∂L
∂x1λ (x1 , x2 ) = 0
∂Lλ
(x1 , x2 ) =0
∂x2
g(x) = 0
c’est à dire dans notre cas
U = IR2 , et on a vu que la condition ∇g(x) 6= (0, 0) s’écrit (x1 , x2 ) 6= (0, 0) (en fait on peut
l’enlever puisqu’on a vu qu’elle est toujours vraie dés que g(x) = 0).
1 − 2λx2 = 0
2
x1 + x22 − 4 = 0
λ = 0 ou x1 = 0
1 − 2λx2 = 0
2
x1 + x22 − 4 = 0
1er cas: λ = 0.
λ=0
1=0
2
x1 + x22 − 4 = 0
impossible
2ème cas: x1 = 0.
x1 = 0
1 − 2λx2 = 0
2
x2 − 4 = 0 ⇔ x22 = 4 ⇔ [x2 = −2 ou x2 = 2]
Cas où x2 = −2
x1 = 0
1 + 4λ = 0 ⇔ λ = − 14
x2 = −2
Cas où x2 = 2
x1 = 0
1
1 − 4λ = 0 ⇔ λ = 4
x2 = 2
Comme on optimise f sur l’ensemble qui est le cercle de centre (0, 0) et de rayon 2, on calcule
la valeur de f pour chaque point critique et on en déduit le minimum et maximum global.
f (0, −2) = −2 et f (0, 2) = 2 donc (0, −2) donne un minimum global pour f sous la contrainte
(sur le cercle) et (0, 2) donne un maximum global pour f sous la contrainte (sur le cercle).
Solution de l’exercice 11
4 2 2
1) f (x1 , x2 ) = ex1 +x2 −2x1 sur IR2
Df = IR2 et f est C 2 sur IR2 . La fonction exponentielle est une fonction strictement croissante,
optimiser f est équivalent à optimiser f˜(x1 , x2 ) = x41 + x22 − 2x21 .
Recherche des points critiques
˜ x1 = 0 ou x1 = −1 ou x1 = 1
∇f (x1 , x2 ) = 0 ⇔ donc les points critiques sont (0, 0), (−1, 0), (1, 0)
x2 = 0
Recherche de lanature des points critiques
2
12x1 − 4 0
∇2 f˜(x1 , x2 ) = , det∇2 f˜(x1 , x2 ) = 2(12x21 − 4) n’est pas de signe constant sur IR,
0 2
étude locale: det∇2 f˜(0, 0) < 0 donc (0, 0) point-selle
det∇2 f˜(−1, 0) = det∇2 f˜(−1, 0) > 0 et 12 × 1 − 4 > 0, 2 > 0 donc (−1, 0) et (1, 0) donnent un
minimum local pour f˜ de valeur f˜(−1, 0) = f˜(1, 0) = −1. De plus, f˜(x1 , x2 ) = f˜1 (x1 ) + f˜2 (x2 ) avec
f˜1 (x1 ) = x41 − 2x21 , f˜2 (x2 ) = x22 , on montre que ∀x1 ∈ IR, f˜1 (x1 ) ≥ −1 et ∀x2 ∈ IR, f˜2 (x2 ) ≥ 0, d’où
∀(x1 , x2 ) ∈ IR2 , f˜(x1 , x2 ) ≥ −1 = f˜(−1, 0) = f˜(1, 0) donc (−1, 0) et (1, 0) donnent un minimum
global sur IR2 pour f˜ de valeur −1 et donc pour f de valeur e−1 .
2) f (x1 , x2 ) = x21 + 2x22
Df = IR2 , Dg = IR2 , f, g sont C 2 sur IR2
a) sous la contrainte x1 + x22 = 1
Méthode 1: en explicitant la contrainte
x22 = 1 − x1 , x1 ≤ 1
Pour x22 = 1−x1 , f (x1 , x2 ) = x21 +2(1−x1 ), on pose F (x1 ) = x21 +2(1−x1 )= x21 −2x1 +2, le problème
Optimiser F (x) = x2 − 2x + 2
d’optimisation initial est équivalent à résoudre le problème d’optimisation
s.c. x ≤ 1
0 00
Sur IR, F (x) = 2x − 2 donc un seul point critique x = 1 et F (x) > 0 donc F convexe sur IR donc
x = 1 donne un minimum global de F sur IR donc sur ] − ∞, 1]. Donc (1, 0) donne un minimum
global pour f sous la contrainte.
Méthode 2: par la méthode de Lagrange
g(x1 , x2 ) = x1 + x22 − 1 et Lλ (x1 , x2 ) = x21 + 2x22 − λ(x1 + x22 − 1)
Recherche des points critiques
Points
critiques de 2ème espèce
(points critiques en lesquels la contrainte n’est pas qualifiée):
g(x1 , x2 ) = 0 x1 + x22 − 1 = 0
⇔ impossible.
∇g(x1 , x2 ) = (0, 0) (1, 2x2 ) = (0, 0)
Points critiques de 1ère espèce (points critiques en lesquels la contrainte est qualifiée):
(x1 , x2 ) ∈ IR2 , (1, 2x2 ) 6= (0, 0)
(x1 , x2 ) ∈ IR2 , ∇g(x1 , x2 ) 6= (0, 0)
2x1 − λ = 0
2x1 − λ = 0
∇Lλ (x1 , x2 ) = (0, 0) ⇔ ⇔ 2x2 (2 − λ) = 0 ⇔
4x2 − 2λx2 = 0
g(x1 , x2 ) = 0 x1 + x22 − 1 = 0
x1 + x22 − 1 = 0
x1 = 12 λ
x2 = 0 ou λ = 2
x1 + x22 − 1 = 0
1er cas: x2 = 0 alors x1 = 1, λ = 2, 2ème cas: λ = 2 alors x1 = 1, x2 = 0
un seul point critique (1, 0) de multiplicateur λ = 2.
Recherche de la nature du point
critique
2 0
∇2 Lλ (x1 , x2 ) = , pour λ = 2, det∇2 Lλ (x1 , x2 ) = 0, 2 > 0, donc (1, 0) donne un mini-
0 4 − 2λ
mum global pour L2 , donc (1, 0) donne un minimum global pour f sous la contrainte.
b) sous la contrainte x21 − 41 x22 = 1
Lλ (x1 , x2 ) = x21 + 2x22 − λ(x21 − 14 x22 − 1), pas de point critique de 2ème espèce, (−1, 0), (1, 0) points
critiques de 1ère espèce qui donnent un minimum global pour le lagrangien, donc pour f sous la
contrainte.
3) f (x1 , x2 ) = x1 + 2x2 sous la contrainte x21 + x22 − 2x1 − 4x2 = −1
Df = Dg = IR2 , g(x1 , x2 ) = 0 ⇔ (x1 − 1)2 + (x2 − 2)2 = 4 ⇒ E = C((1, 2), 2), pas de point critique
2
de 2ème √
espèce, points
√
critiques√de 1ère espèce Lλ (x1 , x2 ) = x1 +√ 2x2 − λ(x
√ 1
+ x22 − 2x
√1
− 4x2 + 1)
2 5 4 5 5 2 5 4 5 5
→ (− 5 + 1, − 5 + 2), λ = − 4 (donne un mini. global) et ( 5 + 1, 5 + 2), λ = 4 (donne un
maxi. global). on peut utiliser la matrice hessienne du lagrangien ou optimiser une fnct continue sur
un compact pour conclure
Détails pour les calculs et la nature des points critiques de 1ère espèce.
1 − 2λx1 + 2λ = 0
∇Lλ (x1 , x2 ) = 0
⇔ 2 − 2λx2 + 4λ = 0
g(x1 , x2 ) = 0 2
x1 + x22 − 2x1 − 4x2 + 1 = 0
x1 = 1+2λ
2λ
(λ = 0 est exclu car donne 1=0 dans la 1ère équation, impossible)
⇔ x2 = 2+4λ
2λ
2
x1 + x22 − 2x1 − 4x2 + 1 = 0
1
x1 = 2λ +1
⇔ x2 = λ1 + 2
(x1 − 1)2 + (x2 − 2)2 = 4
1 2
⇔ ( 2λ ) + ( λ1 )2 = 4
1 1
⇔ 4λ2
+ λ2
=4
⇔ ( 41 + 1) λ12 = 4
5
⇔ 4
= 4λ2
5
⇔ 16
= λ2
q √ q √
5 5 5 5
⇔ λ = − 16 = − 4 ou λ = 16 = 4
On peut aussi garder l’écriture initiale de la contrainte x21 + x22 − 2x1 − 4x2 + 1 = 0 et les calculs pour
la dernière équation donnent
( 1+2λ
2λ
)2 + ( −2+4λ
2λ
)2 − 2( 1+2λ
2λ
) − 4( −2+4λ
2λ
)+1=0
(1+2λ)2 (−2+4λ)2
⇔ 4λ2
+ 4λ2
− 1+2λ
λ
− 2( −2+4λ
λ
)+1=0
4) f (x1 , x2 ) = x−1 −1 −2 −2
1 + x2 sous la contrainte x1 + x2 = 1. On a les domaines Df = Dg = {(x1 , x2 ) ∈
2 2
IR , x1 x2 6= 0} = {(x1 , x2 ) ∈ IR , x1 6= 0 et x2 6= 0}.
pas de point critique de 2ème espèce
Détails pour les calculs et la nature des points critiques de 1ère espèce.
−2 −3
−x1−2 + 2λx1−3 = 0
∇Lλ (x1 , x2 ) = 0
−x2 + 2λx2 = 0
g(x1 , x2 ) = 0 ⇔
x−2 −2
1 + x2 − 1 = 0
(x1 , x2 ) ∈ Df ∩ Dg
(x1 , x2 ) ∈ Df ∩ Dg
−3
x1 (−x1 + 2λ) = 0
x−3
2 (−x2 + 2λ) = 0
⇔
x−2 −2
1 + x2 − 1 = 0
(x1 , x2 ) ∈ Df ∩ Dg
x1 = 2λ
x2 = 2λ
⇔
(2λ)−2 + (2λ)−2 − 1 = 0
(x1 , x2 ) ∈ Df ∩ Dg
Les calculs pour la dernière équation donnent en multipliant par (2λ)2 (qui est non nul d’après
l’équation −x−2 −3
1 + 2λx1 = 0)
√ √
1 2 2
2 − (2λ)2 = 0 ⇔ 2 − 4λ2 = 0 ⇔ λ2 = ⇔ [λ = ou λ = − ]
2 2 2
√ √ √
2
√ √
On obtient
√
deux points critiques ( 2, 2) de multiplicateur λ = 2
et (− 2, − 2) de multiplicateur
2
λ=− 2 .
On a ∇f (x1 , x2 ) = (−x−2 −3 −2 −3
1 + 2λx1 , −x2 + 2λx2 ) et
−3
2x1 − 6λx−4
−4
2 1 0 x1 (2x1 − 6λ) 0
∇ f (x1 , x2 ) = =
0 2x−3
2 − 6λx2
−4
0 x−4
2 (2x2 − 6λ)
On a det∇2 f (x1 , x2 ) = x−4 −4
1 x2 (2x1 − 6λ)(2x2 − 6λ) n’est pas toujours positif ou nul pour tout
(x1 , x2 ) ∈ Df ∩ Dg (par exemple pour λ 6= 0, (4λ, 2λ) ∈ Df ∩ Dg et det∇2 f (4λ, 2λ) < 0). L’étude
locale
√ donne
√ √
en ( 2, 2) de multiplicateur λ = 22
√ √ √ √ √
det∇2 f ( 2, 2) = (( 2)−4 )2 [2 2 − 3 2]2 > 0 et les termes diagonaux sont strictement négatifs
donc on√ obtient
√ un maximum local. √
en (− 2, − 2) de multiplicateur λ = − 22
√ √ √ √ √
det∇2 f (− 2, − 2) = ((− 2)−4 )2 [−2 2 + 3 2]2 > 0 et les termes diagonaux sont strictement
positifs donc on obtient un minimum local.
5) f (x1 , x2 ) = 31 x31 + 13 x32 − x1 x2 sous la contrainte x1 + x2 = 2
(1, 1), λ = 0 seul point critique, donne un mini. local
6) f (x1 , x2 ) = ln(x1 x2 ) sous la contrainte x21 + x22 = 1
E = {(x1 , x2 ) ∈ IR2 /x1 x2 > 0, x21 + x22 = 1} (représenter graphiquement) √ √ √ √
pas de point critique de 2ème espèce, points critiques de 1ère espèce ( 22 , 22 ), (− 22 , − 22 ), λ = 1 qui
donnent un maxi. global.
4 2 2
7) f (x1 , x2 ) = ex1 +x2 −2x1 , Df = IR2 , f C 2 sur IR2
a) g(x1 , x2 ) = x21 + x2 − 1, Dg = IR2 , g C 2 sur IR2
Comme la fonction exponentielle est une fonction strictement croissante, le problème de l’énoncé
4 2 2
Optimiser f (x1 , x2 ) = ex1 +x2 −2x1
s.c. x21 + x2 − 1 = 0
s.c. x21 + x2 − 1 = 0
Rappel. Deux problèmes sont dits équivalents s’ils ont les mêmes solutions. Autrement dit, dire
que ces problèmes sont équivalents, c’est dire qu’ils atteignent leur maximum et minimum (etc) en
les mêmes points (x1 , x2 ) (mais bien sûr la valeur de la fonction objectif est différente puisque l’une
˜
est égale à exponentielle de l’autre: on a f = ef ).
Détails des calculs de la résolution du système pour les points critiques de 1ère espèce.