Fonctions de plusieurs variables : optimisation

April 17, 2020

Fonctions de plusieurs variables : optimisation April 17, 2020 1 / 31

Introduction

Une fonction d’une variable est une règle f qui associe à chaque x de son
domaine de définition une et une seule valeur y . Formellement,

f : Df → I f
x 󰀁→ y

où Df et If sont des parties de R.

Avec cette notation, x est variable indépendante, y variable dépendante.

Fonctions de plusieurs variables : optimisation April 17, 2020 2 / 31

L’usage des lettres x et y est arbitraire.
Exemple
La fonction f définie par f (x ) = x 2 est la même fonction que celles
définies par h(t) = t 2 ou g(y ) = y 2 .

Fonctions de plusieurs variables : optimisation April 17, 2020 3 / 31

Exercice :
df
f (x ) = x 2 =
dx
df
f (y ) = y 2 =
dy
√ df
f (t) = t =
dt
df
f (s) = s n =
ds
df
f (w ) = w x =
dw
df
f (x ) = kx 2 =
dx
df
f (x ) = yx 3 =
dx
df
f (y ) = yx 3 =
dy

Fonctions de plusieurs variables : optimisation April 17, 2020 4 / 31

Exercice :
df
f (x ) = x 2 = 2x
dx
df
f (y ) = y 2 = 2y
dy
√ df 1
f (t) = t = √
dt 2 t
df
f (s) = s n = ns n−1
ds
df
f (w ) = w x = xw x −1
dw
df
f (x ) = kx 2 = 2kx
dx
df
f (x ) = yx 3 = 3yx 2
dx
df
f (y ) = yx 3 = x3
dy

Fonctions de plusieurs variables : optimisation April 17, 2020 5 / 31

Fonctions de deux variables

Lorsque l’on écrit f (x ) = yx 3 , x est la variable et y est un paramètre (une

constante). On a par exemple f (3) = 27y .
Si l’on écrit f (y ) = yx 3 , y est la variable et x 3 un paramètre. Dans ce cas
f (3) = 3x 3 .
Si l’on écrit f (x , y ) = yx 3 , alors les deux sont des variables. f : R2 → R.

Fonctions de plusieurs variables : optimisation April 17, 2020 6 / 31

Definition
Une fonction numérique de deux variables réelles est une règle f qui
associe à chaque couple de réels (x , y ) de son domaine de définition
Df ⊆ R2 un et un seul nombre z = f (x , y ).

f : Df → R
(x , y ) 󰀁→ z.

Pour une fonction de plusieurs variables, Df ⊆ R n

Exemple
Si f (x , y ) = yx 3 , alors f (0, 0) = 0 × 03 = 0. On a aussi f (2, 1) = 8 ou
f (1, 2) = 2.

Fonctions de plusieurs variables : optimisation April 17, 2020 7 / 31

Exemple
Fonction linéaire f : (x , y ) 󰀁→ αx + βy
Cobb-Douglas f : (x , y ) 󰀁→ x α y β , α et β positifs.
CES f : (x , y ) 󰀁→ (αx ρ + (1 − α)y ρ )1/ρ avec 0 ≤ α ≤ 1.
Leontieff f : (x , y ) 󰀁→ min [αx , βy ]

Fonctions de plusieurs variables : optimisation April 17, 2020 8 / 31

Definition (Domaine de définition)
Le domaine de définition d’une fonction f de deux variables est
l’ensemble des couples (x , y ) ∈ R2 tels que f (x , y ) existe (∈ R).

Exemple
f (x , y ) = ln (xy ), Df = (x , y ) tels que xy > 0, c’est-à-dire
{(x , y ) | x > 0 et y > 0} ∪ {(x , y ) | x < 0 et y < 0}.

Fonctions de plusieurs variables : optimisation April 17, 2020 9 / 31

Le domaine de définition peut aussi découler de contraintes économiques.
Par exemple, si Q(K , L) = K α Lβ est une fonction de production
employant des ressources capital et travail, ces dernières ne peuvent être
matériellement négatives : K ≥ 0, L ≥ 0.

Fonctions de plusieurs variables : optimisation April 17, 2020 10 / 31

Definition (Graphe)
Le graphe d’une fonction f est l’ensemble {(x , y , z) | z = f (x , y )}.

À ne pas confondre avec la représentation graphique de la fonction que

l’on appelle surface ou nappe.

Fonctions de plusieurs variables : optimisation April 17, 2020 11 / 31

Definition (Courbe de niveau)
Une courbe de niveau d’une fonction f est l’ensemble des couples (x , y )
tels que f (x , y ) = k, où k est une constante réelle.

Exemple
En microéconomie, les courbes de niveau d’une fonction d’utilité sont des
courbes d’indifférences, et celle d’une fonction de production sont des
isoquantes.

Fonctions de plusieurs variables : optimisation April 17, 2020 12 / 31

Dérivées

Dérivée d’une fonction f d’une seule variable au point x = x0 :

df (x0 ) f (x0 + ∆x ) − f (x0 )

f ′ (x0 ) = = lim
dx ∆x →0 ∆x
Dérivées partielles d’une fonction f de deux variables au point
(x , y ) = (x0 , y0 ) :

∂f (x , y ) f (x0 + ∆x , y0 ) − f (x0 , y0 )
fx′ (x0 , y0 ) = = lim
∂x ∆x →0 ∆x
∂f (x , y ) f (x ,
0 0y + ∆y ) − f (x0 , y0 )
fy′ (x0 , y0 ) = = lim
∂y ∆y →0 ∆y

Fonctions de plusieurs variables : optimisation April 17, 2020 13 / 31

Concrètement, si l’on dérive par rapport à la variable x , cela signifie que y0
reste constant ("paramètre"). Si l’on dérive par rapport à y , cela signifie
que x0 est constant.
Exemple
f (x , y ) = yx 3 . Dérivées partielles en (x0 , y0 ) = (1, 3)

fx′ = 3yx 2 fx′ (1, 3) = 9

fy′ = x 3 fy′ (1, 3) = 1

Fonctions de plusieurs variables : optimisation April 17, 2020 14 / 31

Exemple
f (x , y ) = 10 − x 2 − y 2 . Dérivées partielles en (x0 , y0 ) = (2, 2) :

fx′ = −2x fx′ (2, 2) = −4

fy′ = −2y fy′ (2, 2) = −4

Fonctions de plusieurs variables : optimisation April 17, 2020 15 / 31

Différentielle totale et tangente
Fonction d’une seule variable f : x 󰀁→ y , la différentielle en x = x0
s’écrit
dy = df (x0 ) = f ′ (x0 )dx .
Si on pose dx = x − x0 , y0 = f (x0 ) et dy = y − y0 , alors la tangente
au point (x0 , y0 ) de f est d’équation

y − f (x0 ) = f ′ (x0 )(x − x0 ).

Fonction de deux variables f : (x , y ) 󰀁→ z, la différentielle totale en

(x , y ) = (x0 , y0 ) point s’écrit

∂f ∂f
dz = df (x0 , y0 ) = (x0 , y0 )dx + (x0 , y0 )dy .
∂x ∂y

Plan tangent en (x0 , y0 , z0 ) est d’équation

z − f (x0 , y0 ) = fx′ (x0 , y0 )dx + fy′ (x0 , y0 )dy

Fonctions de plusieurs variables : optimisation April 17, 2020 16 / 31

Interprétation graphique de la dérivée partielle

Si f (x , y ) = 10 − x 2 − y 2 , la dérivée partielle par rapport à x au point

(x0 , y0 ) = (2, 2) s’obtient en considérant y constant et égale à 2. C’est
comme si nous avions une fonction g(x ) = 10 − x 2 − 4 = 6 − x 2 .
Ainsi, fx′ = g ′ (x ) = −2x .
La dérivée partielle par rapport à y en (2, 2) s’obtient en fixant x = 2, on
obtient alors une fonction h(y ) = 6 − y 2 , de dérivée h′ (y ) = −2y .
Le plan tangent au point (2, 2, 2) est d’équation

z − 2 = −4(x − 2) − 4(y − 2)

Fonctions de plusieurs variables : optimisation April 17, 2020 17 / 31

Dérivées du second ordre

Les fonctions dérivées partielles par rapport à x et par rapport à y sont

également des fonctions de deux variables en (x , y ), elles sont donc, en
principe, dérivables partiellement à leur tour :
󰀕 󰀖
∂ ∂f (x , y ) ∂ 2 f (x , y )
fxx′′ (x , y ) = =
∂x ∂x ∂x 2
󰀕 󰀖 2
∂ ∂f (x , y ) ∂ f (x , y )
fxy′′ (x , y ) = =
∂x ∂y ∂x ∂y
󰀕 󰀖 2
∂ ∂f (x , y ) ∂ f (x , y )
fyx′′ (x , y ) = =
∂y ∂x ∂y ∂x
󰀕 󰀖
∂ ∂f (x , y ) ∂ 2 f (x , y )
fyy′′ (x , y ) = =
∂y ∂y ∂y 2

Fonctions de plusieurs variables : optimisation April 17, 2020 18 / 31

Théorème (Schwarz/Young)
Si f est de classe C 2, alors
fxy′′ = fyx′′ .

Fonctions de plusieurs variables : optimisation April 17, 2020 19 / 31

Exemple
f (x , y ) = yx 3 ;

fx′ = 3yx 2
fy′ = x 3
fxx′′ = 6yx
fxy′′ = 3x 2
fyx′′ = 3x 2
fyy′′ = 0

Fonctions de plusieurs variables : optimisation April 17, 2020 20 / 31

Optimisation de fonctions

Rappels pour une fonction d’une seule variable f (x ) :

1 Condition du premier ordre : l’ensemble des candidats x0 à un
df
extremum tels que dx (x0 ) = f ′ (x0 ) = 0 ;
2 Condition du second ordre : au point candidat x0 ,
2
1 si ddxf (x0 ) = f ′′ (x0 ) > 0, alors f est convexe en x0 et il s’agit d’un
minimum local ;
2
2 si ddxf (x0 ) = f ′′ (x0 ) < 0, alors f est concave en x0 et il s’agit d’un
maximum local ;
2
3 si ddxf (x0 ) = f ′′ (x0 ) = 0 et que f ′′ change de signe en passant de
gauche à droite de x0 , alors f admet un point d’inflexion en x0 .

Fonctions de plusieurs variables : optimisation April 17, 2020 21 / 31

Écriture en différentielle :
1 CPO : dy = f ′ (x )dx = 0 ;
2 CSO :

d 2 y = f ′′ (x )dx 2 < 0 Maximum local

2 2
d y = f (x )dx > 0
′′
Minimum local

Fonctions de plusieurs variables : optimisation April 17, 2020 22 / 31

Optimisation de fonctions de deux variables

On veut optimiser une fonction

z = f (x , y ).

Sa différentielle totale s’écrit

dz = fx′ dx + fy′ dy

avec fx′ = ∂x
∂f
(x , y ) et fy′ = ∂y
∂f
(x , y ).
La condition nécessaire pour un extremum spécifie que dz = 0 pour tout
dx et dy arbitraires (mais différents de 0).

Fonctions de plusieurs variables : optimisation April 17, 2020 23 / 31

 dz = fx′ (x0 , y0 )dx + fy′ (x0 , y0 )dy = 0
pour tout dx , dy non nuls implique

fx′ (x0 , y0 ) = 0 et fy′ (x0 , y0 ) = 0

ou 󰀣 󰀤 󰀣 󰀤
fx′ (x0 , y0 ) 0
∇f (x0 , y0 ) = =
fy′ (x0 , y0 ) 0
où ∇f est le vecteur gradient de f .

Fonctions de plusieurs variables : optimisation April 17, 2020 24 / 31

Exemple
f (x , y ) = 10 − x 2 − y 2 . La différentielle totale s’écrit

dz = −2xdx − 2ydy .

Les conditions du premier ordre :

󰀣 󰀤 󰀣 󰀤
−2x0 0
∇f (x0 , y0 ) = =
−2y0 0

donc (x0 , y0 ) = (0, 0) est un point candidat à un extremum ou point

stationnaire.

Fonctions de plusieurs variables : optimisation April 17, 2020 25 / 31

Conditions du second ordre
Signe de la différentielle totale du second ordre :

d 2 z = (fxx′′ dx + fyx′′ dy )dx + (fxy′′ dx + fyy′′ dy )dy

= fxx′′ dx 2 + 2fxy′′ dxdy + fyy′′ dy 2
(fxy′′ )2 dy 2 ′′ 2
2 (fxy ) dy
2
= fxx′′ dx 2 + 2fxy′′ dxdy + + f ′′
yy dy −
fxx′′ fxx′′
󰀣 󰀤2 󰀣 󰀤
fxy′′ dy fxx′′ fyy′′ − (fxy′′ )2
= fxx′′ dx + ′′ + dy 2 .
fxx fxx

Donc le signe de d 2 z se trouve par :

d 2 z < 0 si fxx′′ < 0 et fxx′′ fyy′′ − (fxy′′ )2 > 0 Maximum local

2
d z > 0 si fxx′′ > 0 et fxx′′ fyy′′ − (fxy′′ )2 >0 Minimum local

Fonctions de plusieurs variables : optimisation April 17, 2020 26 / 31

Forme quadratique et Hessien

d 2 z = fxx′′ dx 2 + 2fxy′′ dxdy + fyy′′ dy 2

peut également s’écrire sous forme matricielle
󰀣 󰀤󰀣 󰀤
󰀓 󰀔 f ′′ fxy′′ dx
2 xx
d z = dx dy
fxy′′ fyy′′ dy

qui est une forme quadratique. La matrice symétrique carrée d’ordre 2

est la matrice hessienne de f , qu’on note Hf .

Fonctions de plusieurs variables : optimisation April 17, 2020 27 / 31

Exemple
f (x , y ) = 10 − x 2 − y 2 .
󰀣 󰀤 󰀣 󰀤
fxx′′ fxy′′ −2 0
Hf = =
fxy′′ fyy′′ 0 −2

Fonctions de plusieurs variables : optimisation April 17, 2020 28 / 31

Pour une matrice H (carrée d’ordre n), si on définit le mineur diagonal
principal d’ordre k, note |Hk | comme le déterminant de la sous-matrice
obtenue en éliminant les n − k dernières lignes et n − k dernières colonnes,
on a ici :
|H1 | = fxx′′ et |H2 | = fxx′′ fyy′′ − (fxy′′ )2 .
Les conditions du second ordre sur le signe de d 2 z se déduisent donc du
signe des mineurs principaux diagonaux :

d 2 z < 0 si |H1 | < 0 et |H2 | > 0 Maximum local

d 2 z > 0 si |H1 | > 0 et |H2 | > 0 Minimum local

Fonctions de plusieurs variables : optimisation April 17, 2020 29 / 31

Exemple
f (x , y ) = 10 − x 2 − y 2 . On a vu ∇f = 0 en (0, 0).
󰀣 󰀤
−2 0
Hf (0, 0) =
0 −2

Mineurs principaux diagonaux :

|H1 | = −2 < 0 |H2 | = (−2)(−2) − 0 = 4 > 0.

On dit que la matrice hessienne est définie négative, d 2 z < 0, on a donc

un maximum local.

Fonctions de plusieurs variables : optimisation April 17, 2020 30 / 31

Exemple
f (x , y ) = 2x 3 + 2xy − 2x + y 2 − y .
󰀣 󰀤 󰀣 󰀤
6x02 + 2y0 − 2 0
1 CPO :∇f (x0 , y0 ) = = ⇔ (x0 , y0 ) =
2x0 + 2y0 − 1 0
(0, 1) ou (x1 , y1 ) = (2/3, −1/3), il y a deux points candidats.
󰀣 󰀤
12x0 2
2 CSO : H(x0 , y0 ) =
2 2

|H1 (x0 , y0 )| = 12x0 = 0 on ne peut pas conclure ici.

|H1 (x1 , y1 )| = 12x1 = 8 > 0 ; |H2 (x1 , y1 )| = 12(2/3) × 2 − 2 × 2 > 0

Puisque la matrice hessienne est définie positive en (x , y ) = (2/3, −1/3),
elle y admet un minimum local.

Fonctions de plusieurs variables : optimisation April 17, 2020 31 / 31