Académique Documents
Professionnel Documents
Culture Documents
Dr KEITA Kolé
UNIVERSITE MUSULMANE AFRICAINE (UMA)
UFR Sciences Économiques et de Gestion
Sommaire
Notation de Monge
Soient f une fonction numérique de deux variables et X0 un point critique
de f . On suppose que f est de classe C 2 sur l'ensemble Ω ⊆ R2 . La
matrice hessienne de f au point X0 est notée par
!
∂2f ∂2f
∂x 2
(X0 ) ∂y ∂x (X0 ) r s
Hf (X0 ) = ∂2f ∂2f = .
∂x∂y (X0 ) ∂y 2
(X0 ) s t
Propriétés :
1 Si det(Hf (X0 )) = rt − s 2 < 0 alors Hf (X0 ) est non dénie et X0 est
un point de selle ou un point de col.
2 Si det(Hf (X0 )) = rt − s 2 > 0 et r > 0 alors Hf (X0 ) est dénie
positive et f présente un minimum local au point X0 .
3 Si det(Hf (X0 )) = rt − s 2 > 0 et r < 0 alors Hf (X0 ) est dénie
négative et f présente un maximum local au point X0 .
4 Si det(Hf (X0 )) = rt − s 2 = 0 alors Hf (X0 ) est semi-dénie. On ne
peut pas conclure. On étudie le signe de ∆f (X0 )
Dr KEITA (UMA) ECUE 2 : Optimisation 2 Mai 2022 5 / 31
Rappels de l'optimisation libre (sans contraintes)
Application
Un individu consomme deux types de biens X et Y en quantités x et y aux
prix respectifs de 2 unités monétaire et 1 unité monétaire. Sa satisfaction
est exprimée par sa fonction Utilité. Cette dernière dépend des quantités
consommées des deux biens. Elle est sous la forme U(x, y ) = −x 2 + xy .
C'est un problème d'optimisation sans contraintes. Nous allons vérier s'il
existe un extremum (maximum) à ce problème.
Condition nécessaire d'optimalité : ∇U(x, y ) = ( ∂U(x,y
∂x , ∂y ) = (0, 0).
) ∂U(x,y )
(
∂U(x,y )
∂x = −2x + y = 0,
∂U(x,y )
∂y = x = 0.
Le point critique est M0 = (0, 0).
La matrice hessienne :
−2 1
Hf (M0 ) = .
1 0
det(Hf (M0 )) = −1 < 0 alors M0 n'est pas un extremum local.
Dr KEITA (UMA) ECUE 2 : Optimisation 2 Mai 2022 6 / 31
Rappels de l'optimisation libre (sans contraintes)
1 2 ∂2f ∂2f 2
2∂ f
2
∆f (X0 ) ≃ h (X0 ) + hk (X0 ) + k (X0 )
2 ∂x 2 ∂x∂y ∂y 2
Proposition 1
Notons par Hf (x) la matrice Hessienne de f au point x ∈ Ω. On dit que
1 f est convexe sur Ω si et seulement si ∀x ∈ Ω, Hf (x) est semi-dénie
positive.
2 f est concave sur Ω si et seulement si ∀x ∈ Ω, Hf (x) est semi-dénie
négative.
3 f est strictement convexe sur Ω si et seulement si ∀x ∈ Ω, Hf (x) est
dénie positive.
4 f est strictement concave sur Ω si et seulement si ∀x ∈ Ω, Hf (x) est
dénie négative.
Proposition 2
1 Si f est convexe sur Ω et ∇f (X0 ) = 0 alors f admet un minimum
global au point X0 . Ce minimum est strict si la convexité est stricte.
2 Si f est concave sur Ω et ∇f (X0 ) = 0 alors f admet un maximum
global au point X0 . Ce maximum est strict si la concavité est stricte.
Dr KEITA (UMA) ECUE 2 : Optimisation 2 Mai 2022 8 / 31
Rappels de l'optimisation libre (sans contraintes)
Sommaire
Dénition 1
Soient f , C1 , C2 , · · · et Cp des fonctions numériques dénies sur Ω ⊂ Rn
(avec p < n). Le problème d'optimisation de la fonction f sous les
contraintes d'égalités C1 (x) = C2 (x) = · · · = Cp (x) = 0 se présente ainsi
(
max f (x)
x∈Ω
s.c C1 (x) = C2 (x) = · · · = Cp (x) = 0
ou (
min f (x)
x∈Ω
s.c C1 (x) = C2 (x) = · · · = Cp (x) = 0
Dénition 2
Soient f une fonction numérique dénie sur Ω ⊂ Rn et x0 ∈ Ω. On dit que
f admet un minimum local au point x0 sous la contrainte A ⊂ Rn si
∀x ∈ Ω ∩ A, f (x) ≥ f (x0 ).
∀x ∈ Ω ∩ A, f (x) ≤ f (x0 ).
Méthode de substitution
Soient f , C1 , C2 , · · · et Cp des fonctions numériques dénies sur Ω ⊂ Rn
(avec p < n). On veut résoudre le problème suivant
(
min f (x)
x∈Ω
s.c C1 (x) = C2 (x) = · · · = Cp (x) = 0
2x + 2
C (x, y ) = 0 ⇔ y = ϕ(x) = .
2x + 1
Idée
La méthode du multiplicateur de Lagrange permet de ramener un problème
d'optimisation d'une fonction de n variables soumise à p contraintes à un
problème d'optimisation à n + p variables.
Soient f , C1 , C2 , · · · et Cp des fonctions numériques dénies sur Ω ⊂ Rn
(avec p < n). On dénit le lagragien :
p
X
L(x, λ1 , λ2 , · · · , λp ) = f (x) + λi Ci (x).
i=1
est p .
2 ∀i ∈ {1, · · · , p}, Ci (x) = 0.
Condition nécessaire
Condition nécessaire
Si f admet un extremum local X0 sous les contraintes Ci (i ∈ {1, · · · , p})
alors ∀j ∈ {1, · · · , n}, ∀i ∈ {1, · · · , p}, ∃Λ = (λ0,1 , · · · , λ0,p ) tel que
∂xj (X0 , Λ) = 0 et ∂λi (X0 , Λ) = 0
∂L ∂L
On a p
∂L ∂f ∂ci
(X0 , Λ) = 0 ⇒ (X0 ) = 0
X
(X0 ) + λ0,i
∂xj ∂xj ∂xj
i=1
∂f ∂C
⇒ (X0 ) + Λ · (X0 ) = 0, ∀j ∈ {1, · · · , n}.
∂xj ∂xj
La seconde condition nécessaire montre que les points critiques sont
admissibles
∂L
(X0 , Λ) = 0 ⇒ Ci (X0 ) = 0, ∀i ∈ {1, · · · , p}
∂λi
Dr KEITA (UMA) ECUE 2 : Optimisation 2 Mai 2022 18 / 31
Optimisation avec les contraintes d'égalités Méthode du multiplicateur de Lagrange
Condition susante
Dénition
Soient f , C1 , C2 , · · · et Cp des fonctions numériques dénies sur Ω ⊂ Rn
(avec p < n) et X0 ∈ Ω (X̄0 = (X0 , Λ)). On appelle matrice hessienne
bordée d'ordre (n + p) du lagrangien L au point X̄0 , la matrice dénie par
∂2L ∂2L ∂2L ∂2L
∂x12
(X0 ) ··· ∂xn ∂x1 (X̄0 ) ∂λ1 ∂x1 (X̄0 ) ··· ∂λp ∂x1 (X̄0 )
.. .. .. .. .. ..
. . . . . .
2
∂ L ∂2L ∂2L ∂ L 2
∂x (X̄0 ) ··· (X̄0 ) ∂λ1 ∂xn (X̄0 ) ··· ∂λp ∂xn (X̄0 )
2
∂xn2
HL (X̄0 ) = n
2
∂ L (X̄ ) · · · ∂2L ∂2L ∂ L 2
∂x ∂λ1
0 1 ∂xn ∂λ1 (X̄0 ) ∂λ21
(X̄0 ) ··· ∂λp ∂λ (X̄01
)
.
.. .. .. .. .. ..
. . . . .
2
∂ L ∂2L ∂2L ∂ L 2
∂x ∂λp (X̄0 ) · · ·
1 ∂xn ∂λp (X̄0 ) ∂λ1 ∂λp (X̄0 ) ··· ∂λ
(X̄0 )
2
p
HL (X̄0 ) =
JC (X0 ) 0
Exemple : Écrire la matrice hessienne bordée de la fonction
f (x, y ) = x 2 + 2y 2 − x sur le cercle unité.
Cas particuliers :
pour n = 2 et p = 1, la matrice bordée est
∂2L ∂2L
∂C
∂x 2 ∂y ∂x ∂x
∂2L ∂2L ∂C .
HL = ∂x∂y ∂2y ∂y
∂C
∂x
∂C
∂y 0
On a k = 2 et D3 = det(HL ).
pour n = 3 et p = 1, la matrice bordée est
∂2L ∂2L ∂2L ∂C
∂x 2 ∂y ∂x ∂z∂x ∂x
∂2L ∂2L ∂2L ∂C
∂x∂y
HL = 2 ∂2y ∂z∂y ∂y .
∂ L ∂2L ∂2L ∂C
∂x∂z ∂y ∂z ∂z 2 ∂z
∂C
∂x
∂C
∂y
∂C
∂z 0
2 2
∂ L ∂ L ∂C
∂x 2 ∂y ∂x ∂x
On a k ∈ {2, 3}, D3 = ∂2L
∂x∂y
∂2L
∂2y
∂C
∂y
et D4 = det(HL ).
∂C
∂x 0 ∂C
∂y
pour n = 3 et p = 2, la matrice bordée est
∂2L ∂2L ∂2L
∂C1 ∂C2
∂x 2 ∂y ∂x ∂z∂x ∂x ∂x
∂2L ∂2L ∂2L ∂C1 ∂C2
∂2y
∂x∂y ∂z∂y ∂y ∂y
2
HL = ∂ L ∂2L ∂2L ∂C1 ∂C2 .
∂x∂z ∂y ∂z ∂z 2 ∂z ∂z
0 0
∂C1 ∂C1 ∂C1
∂x ∂y ∂z
∂C2
∂x
∂C2
∂y
∂C2
∂z 0 0
On a k = 3 et D5 = det(HL ).
Dr KEITA (UMA) ECUE 2 : Optimisation 2 Mai 2022 22 / 31
Optimisation avec les contraintes d'égalités Méthode du multiplicateur de Lagrange
Théorème
Soient f , C1 , C2 , · · · et Cp des fonctions numériques dénies sur Ω ⊂ Rn
(avec p < n) et X̄0 = (X0 , Λ) ( X0 ∈ Ω) est un point critique du
lagrangien.
1 Si tous les déterminants Dp+k (k ∈ {p + 1, · · · , n}) sont du même
signe que (−1)p alors f présente un minimum local au point X0 sous
les contraintes Ci (i ∈ {1, · · · , p}).
2 Si les déterminants Dp+k (k ∈ {p + 1, · · · , n}) sont de signes
alternés. C'est-à-dire (−1)p+1 D2p+1 > 0, (−1)p+1 D2p+2 < 0,
(−1)p+1 D2p+3 > 0, · · · alors f présente un maximum local au point
X0 sous les contraintes Ci .
3 Si les deux premiers points ne sont pas vériés, on étudie le signe de
∆f (X0 ) = f (X0 + (h1 , · · · , hn ) − f (X0 ) en tenant compte des
contraintes Ci (X0 ).
Condition nécessaire : on a ∂L
∂y = 0 ⇒ 4y + 2y λ = 0
0 2
+ y2 − 1 = 0
∂L
x
∂λ =
Les points critiques de L sont M̄0 (1, 0, − 12 ), M̄1 (−1, 0, − 32 ),
√ √
M̄2 (− 21 , − 2
3
, −2) et M̄3 (− 21 , 2
3
, −2)
Conditions de qualications des points critiques : la matrice
jacobienne associée à la contrainte au point (x, y ) est JC (x, y ) = (2x, 2y ).
Au point M0 : JC (1, 0) = (2, 0) est de rang 1 et C (1, 0) = 0 alors le point
est qualié.
Au point M1 : JC (−1, 0) = (−2, 0) est de rang 1 et C (−1, 0) = 0 alors le
point est qualié.
Dr KEITA (UMA) ECUE 2 : Optimisation 2 Mai 2022 24 / 31
Optimisation avec les contraintes d'égalités Méthode du multiplicateur de Lagrange
√ √
Au point M2 : JC (− 21 , − 23 ) = (−1, − 3) est de rang 1 et
√
C (− 12 , − 23 ) = 0 alors le point est qualié.
√ √ √
Au point M3 : JC (− 21 , 23 ) = (−1, 3) est de rang 1 et C (− 12 , 23 ) = 0
alors le point est qualié.
HL (x, y , λ) = 0 2(2 + λ) 2y .
2x 2y 0
1 0 2
−2 0 −√1
Au point M̄2 : HL = 0 0
√ − 3 et D3 = 6 > 0. Alors f
−1 − 3 0
présente un maximumlocal en M2 surle cercle unité.
−2 0 √ −1
Au point M̄3 : HL = 0 √0
3 et D3 = 6 > 0. Alors f présente
−1 3 0
un maximum local en M3 sur le cercle unité.
Exemple : Étudier les extremums locaux de la fonction
f (x, y , z) = 8x 3 + 8y 3 − 12xyz + 10z 3 − 3z sous la contrainte
C (x, y , z) = x + y − z = 0
z = ϕ(x, y ) = x + y .
On remplace z par x + y dans la fonction f et on obtient
√ √
Au point A2 : on a det(Hg (A2 )) = −12 < 0 alors A¯2 = ( 63 , − 63 , 0) est
un point selle. √ √
Au point A3 : on a det(Hg (A3 )) = −12 < 0 alors A¯3 = (− 63 , 63 , 0) est
un point selle.
Condition nécessaire :
24x 2 − 12yz + λ = 0
24y 2 − 12xz + λ = 0
∇L(x, y , z, λ) = (0, 0, 0, 0) ⇒
−12xy + 30z 2 − 3 − λ = 0
x +y −z = 0
Les √
points√critiques sont A0 ( 16√, 61 ,√31 , 0), A1 (− 16 , − 61 , − 13 , 0),
A2 ( 63 , − 63 , 0, −2) et A3 (− 63 , 63 , 0, −2).
Dr KEITA (UMA) ECUE 2 : Optimisation 2 Mai 2022 28 / 31
Optimisation avec les contraintes d'égalités Méthode du multiplicateur de Lagrange
1 1 −1 0
8 −4 −2 1
−4 8 −2 1
Au point A0 : on a HL (A0 ) =
−2 −2 20 −1,
1 1 −1 0
8 −4 1
D3 = −4 8 1 = −24 < 0 et D4 = det(HL (A0 )) = −432 < 0 alors f
1 1 0
présente un minimum local au point A0 sous la contrainte.
Dr KEITA (UMA) ECUE 2 : Optimisation 2 Mai 2022 29 / 31
Optimisation avec les contraintes d'égalités Méthode du multiplicateur de Lagrange
−8 4 2 1
4 −8 2 1
Au point A1 : on a HL (A1 ) = ,
2 2 −20 −1
1 1 −1 0
−8 4 1
D3 = 4 −8 1 = 24 > 0 et D4 = det(HL (A1 )) = −432 < 0 alors f
1 1 0
présente un maximum local au point
√ A0 sous la contrainte.
√
8 3 0√ −2√3 1
0
Au point A2 : on a HL (A2 ) = √ −8√3 −2 3 1 ,
2 3 −2 3 0 −1
1 1 −1 0
√
8 3 0√ 1
D3 = 0 −8 3 1 = 0. On ne peut rien conclure à priori. On étudie
1 1 0
le signe de ∆f (A3 ).
√ √
−8 3 0 −2√ 3 1
√
0√ 8√3 2 3 1
Au point A3 : on a HL (A3 ) = ,
−2 3 2 3 0 −1
1 1 −1 0
√
−8 3 0 1
√
D3 = 0 8 3 1 = 0. On ne peut rien conclure à priori. On étudie
1 1 0
le signe de ∆f (A3 ).