Formation : Master1

Filière : RO, MFA, PT, SP

Matière : Analyse convexe et optimisation

Devoir de maison

Fait par :
METSANOU Stephane (RO)
MOIBI Raif (PT)
NUMATEKPO Bruno (MFA)
SABI GNINKOU Razak (SP)
TEWA Odile (SP)

Enseignant :
Prof Guy DEGLA

Année Universitaire :2021-2022

 Exercice I

Justifions l’existence des solutions des problèmes suivant :

1.) inf (x2 + 9y 2 + 6xy + 1)
x,y∈R
Soit f (x, y) = x2 + 9y 2 + 6xy + 1
f est une forme quadratique qui peut se mettre sous la forme

f (X) =< M X, X > +b

!
1 3
avec : M = et b = 1
3 9
Vérifions si la matrice M est semi-définie positive ou définie positive afin de pouvoir
conclure.
Cherchons les valeurs propres de la matrice M .
!
1−λ 3
det(M − λI2 ) =
3 9−λ
= (1 − λ)(λ − 9) − 9
= λ2 − 10λ

Ainsi

det(M − λI2 ) = 0 ⇔ λ(λ − 10) = 0

⇔ λ = 0 ou λ = 10

Comme les λi ≥ 0 alors la matrice M est semi-définie positive par conséquent f est
convexe sur le fermé R2
D’où inf (x2 + 9y 2 + 6xy + 1) admet de solution.
x,y∈R

2) inf (x2 + xy)

x,y∈R
Soit f (x, y) = x2 + xy
f est continue et deux fois dérivables sur R2 . !
2 1
La matrice hessienne de f est définie par : N =
1 0
2
∀(x, y) ∈ R posons X = (x y)
! !
T
  2 1 x
XN X = x y
1 0 y
!
  2x + y
= x y
x
= 2x2 + xy + xy
= 2x2 + 2xy
= 2(x2 + xy)

Pour x = 1 et y = −3 on a : 2(x2 + xy) = −4 < 0.

Donc XN X T n’est pas toujours supérieure à zéro pour tout (x, y) ∈ R2 .
Donc le problème n’admet pas de solution.
3) inf (x2 + y 2 + x − y)
x,y∈R
Soit f (x, y) = x2 + y 2 + x − y
 ii

= (x + 12 )2 − 41 + (y − 12 )2 − 14
f (x, y) = (x + 21 )2 − 14 + (y − 12 )2 − 12
lim f (x, y) = +∞ donc f est coercive sur le fermé R2 , le problème
kx,yk→+∞
inf (x2 + y 2 + x − y) admet de solution.
x,y∈R

4) inf (x2 + y 2 + sin(x − y))

x,y∈R
Soit f (x, y) = x2 + y 2 + sin(x − y)
on a :
−1 ≤ sin(x − y) ≤ 1
−1 + x2 + y 2 ≤ x2 + y 2 + sin(x − y) ≤ x2 + y 2 + 1
f (x, y) ≥ x2 + y 2 − 1 or lim x2 + y 2 − 1 = +∞ alors lim f (x, y) = +∞.
kx,yk→+∞ kx,yk→+∞
Donc f est coercive sur le fermé R2 .
Ainsi le problème inf (x2 + y 2 + sin(x − y)) admet de solution.
x,y∈R

5) sup (x2 − y 2 )
x,y∈R

sup (x2 − y 2 ) = inf (y 2 − x2 )

x,y∈R x,y∈R

Posons A = {(x, 0); x ∈ R} ,on a bien A ⊂ R2 on a :

inf f (x, y) ≤ inf f (x, y)

(x,y)∈R (x,y)∈A

or

inf f (x, y) = inf{f (x, y); (x, y) ∈ A}

(x,y)∈A

= inf{y 2 − x2 ; x ∈ R, y = 0}
= inf (−x2 )
x∈R

donc
inf f (x, y) ≤ inf (−x2 )
(x,y)∈R x∈R

d’ou
inf (y 2 − x2 ) ≤ inf (−x2 ) = −∞
x,y∈R x∈R

alors inf (y 2 − x2 ) = −∞.

x,y∈R
On a sup (x2 − y 2 ) = −∞ donc le problème sup (x2 − y 2 ) n’a pas de solution.
x,y∈R x,y∈R

6) 4 inf4 (cos(x) − y 2 )
x +y ≤1
Soit f (x, y) = cos(x) − y 2 et K = {(x, y) ∈ R/x4 + y 4 ≤ 1}
R2 → R
Soit g :
(x, y) 7→ x4 + y 4
On a K = g −1 ([0, 1]) ,donc K est fermé sur R2
 iii

On sait que 0 ≤ x4 + y 4 ≤ 1

4 4 ≤ x4 ≤ 1
0
0 ≤ x + y ≤ 1 =⇒
0 ≤ y 4 ≤ 1

≤ x2 ≤ 1
0
=⇒
0 ≤ y 2 ≤ 1

=⇒ 0 ≤ x2 + y 2 ≤ 2
√
=⇒ (x, y) ∈ B((0, 0), 2)
√
K ⊂ B(0, 2) donc K est borné.
K est un fermé de R2 et borné donc K est un compacte.
f est continue sur le compacte K donc d’après le théorème de Weirstrass le pro-
blème admet de solution.

7) sup (x2 + xy − y 2 )
x≥0,y≥0
x+y≤100

sup (x2 + xy − y 2 ) ⇔ inf (y 2 − xy − x2 )

x≥0,y≥0 x≥0,y≥0
x+y≤100 x+y≤100

Soit f (x, y) = y 2 − xy − x2 et J = {(x, y) ∈R/x ≥ 0, y ≥ 0 et x + y≤ 100}

R2 → R
Soit g :
(x, y) 7→ x + y
On a J = (R+ )2 ∩ g −1 (] − ∞, 100]) ,J est un fermé car il s’agit d’une intersection de
fermé.

J = {(x, y) ∈ R/x ≥ 0, y ≥ 0 et x + y ≤ 100} = {(x, y) ∈ R/(|x| + |y|) ≤ 100}

= {(x, y) ∈ R/||(x, y)||1 ≤ 100}

et
||(x, y)||1 ≤ 100 =⇒ J ⊂ B1 (0, 100)
Donc J est un borné .J est fermé et borné alors J est un compacte.
f est continue sur le compact J donc le problème admet de solution d’après le théo-
rème de Werstrass.

esin x
8) sup 2+cos3 y
x,y∈R
esin x esin x
sup 3
= sup 3
x,y∈R 2 + cos y (x,y)∈[0,2π]2 2 + cos y

e sin x
2
Posons f (x, y) = 2+cos3 y et K = [0, 2π]

f est continue sur le compacte K car un fermé borné donc le problème admet de
solution d’après le théorème de Werstrass.

EXERCICE II
1. Les ensembles convexes parmi les ensembles suivants :
•K1 = {x ∈ R : x2 ≤ 1}
Soient x, y ∈ K1 et t ∈ [0, 1].
 iv

on a :
tx + (1 − t)y ∈ R car x, y ∈ R et R est un espace vectoriel,

 2
tx + (1 − t)y = t2 x2 + 2tx(1 − t)y + (1 − t)2 y 2
= t2 x2 + 2txy − 2t2 xy + (1 − 2t + t2 )y 2
≤ t2 + 2t − 2t2 + 1 − 2t + t2 car x2 ≤ 1, xy ≤ 1 et y 2 ≤ 1
 2
tx + (1 − t)y ≤1

D’où tx + (1 − t)y ∈ K1 .
Par conséquent, K1 est convexe.

•K2 = {(x, y) ∈ R2 : x2 + y 2 ≥ 1}
1
soient X = (2, 0), Y = (−2, 0) ∈ K2 et t = ∈ [0, 1]
2
on a :
!
− 12 × 2 + (1 − 12 ) × (−2)
tX + (1 − t)Y = 1
2
× 0 + (1 − 12 ) × (0)
= (0, 0)
= (x, y)

x2 + y 2 = 0 < 1 donc tX + (1 − t)Y ∈

/ K2
D’où K2 n’est pas convexe.

•K3 = {(x, y) ∈ R2 : x + y ≤ 1}
soient X = (x1 , x2 ), Y = (y1 , y2 ) ∈ K3 et t =∈ [0, 1]
on a :
tx1 + (1 − t)y1 ∈ R et tx2 + (1 − t)y2 ∈ R
Soit tX + (1 − t)Y ∈ R2 .

tx1 + (1 − t)y1 + tx2 + (1 − t)y2 = t(x1 + x2 ) + (1 − t)(y1 + y2 )

≤ t + (1 − t) car x1 + x2 ≤ 1 et y1 + y2 ≤ 1
≤1

donc tX + (1 − t)Y ∈ K3
Par conséquent, K3 est convexe

•K4 = {(x, y, z) ∈ R3 : x − y + z ≥ 0}
soient X = (x1 , x2 , x3 ), Y = (y1 , y2 , y3 ) ∈ K4 et t ∈ [0, 1]
on a :
tX + (1 − t)Y = (tx1 + (1 − t)y1 , tx2 + (1 − t)y2 , tx3 + (1 − t)y3 ) = (x, y, z) ∈ R3

x − y + z = tx1 + (1 − t)y1 − tx2 − (1 − t)y2 + tx3 + (1 − t)y3

= t(x1 − x2 + x3 ) + (1 − t)(y1 − y2 + y3 )
≥ 0 car x1 − x2 + x3 ≥ 0 et y1 − y2 + y3 ≥ 0
 v

Donc tX + (1 − t)Y ∈ K4
D’où K4 est convexe.

•K5 = {P ∈ R[X] : [P (0)]2 = 1}

1
Soient P (X) = X − 1, Q(X) = X 2 + 1 et t = .
2
On a : P , Q ∈ K5 car [P (0)]2 = 1 et [Q(0)]2 = 1.
1 1  1 1
P (0) + (1 − )Q(0))2 = (− + )2 = 0
2 2 2 2
1 1
P + (1 − )Q ∈
/ K5 donc K5 n’est pas convexe.
2 2
( Z 1 )
•K6 = f ∈ C(R) : f (t)dt = 0
−1
Soient f1 , f2 ∈ K6 et t ∈ [0, 1].
Montrons que tf1 + (1 − t)f2 ∈ K6 :
tf1 + (1 − t)f2 ∈ C(R) car f1 , f2 ∈ C(R) et C(R) est un espace vectoriel.

Z 1   Z 1  
tf1 + (1 − t)f2 (x)dx = tf1 (x) + (1 − t)f2 (x) dx
−1 −1
Z 1 Z 1
= tf1 (x)dx + (1 − t)f2 (x)dx
−1 −1
Z 1 Z 1
=t f1 (x)dx + (1 − t) f2 (x)dx
−1 −1
= t × 0 + (1 − t) × 0 carf1 , f2 ∈ K6
=0

Donc tf1 + (1 − t)f2 ∈ K6 .

D’où K6 est convexe.

2. (a) Représentation graphique de l’enveloppe convexe ε des trois(3) points :

A = (1; 0), B = (2; 4) et C = (5; 2).
 vi

(b) Ecriture de ε comme solution d’un système de 3 inéquations linéaires :

Entre A et B.
 
y
A = axA + b a + b =0
=⇒
y B = axB + b 2a + b =4
=⇒ a = 4 et b = −4

Donc (AB) : y = 4x − 4

Entre A et C.
 
y
A= axA + b a + b =0
=⇒
yC = axC + b 5a + b =2
1 1
=⇒ a = et b=−
2 2
Donc (AC) : y = 21 x − 1
2

Entre B et C.
 
B = axB + b
y 2a + b
=4
=⇒
yC = axC + b 5a + b = 2

2 16
=⇒ a = − et b = −
3 3
Donc (AC) : y = − 23 x + 16
3

Les droites (AB) , (AC) et (BC) ont pour équations :

(AB) : y − 4x + 4 = 0
(AC) : 4y − 2x + 2 = 0
 vii

(BC) : 3y + 2x − 16 = 0

− 4x + 4 ≤ 0
y


Donc ε est solution du système :4y − 2x + 2 ≥ 0


3y + 2x − 16 ≤ 0
Exercice III
1. Donnons les fonctions qui sont convexes
(a) f : R → R, f (x) = −x + 4

f est une fonction affine donc f est convexe.

(b) f : R → R, f (x) = |x| + 1

Soit t ∈ [0, 1], ∀(x, y) ∈ R2 on a :

 
f tx + (1 − t)y = |tx + (1 − t)y| + 1
≤ t|x|+(1 − t)|y|+t + (1 − t)
≤ t(|x|+1) + (1 − t)(|y|+1)
 
f tx + (1 − t)y ≤ tf (x) + (1 − t)f (y)
D’ou f est convexe.

(c) f : R → R, f (x) = −x2

f est deux fois dérivable sur R et sa derivée première qui vaut f 0 (x) = −2x
n’est pas croissante car f ”(x) = −2 < 0 ;par suite on conclut que f n’est
pas convexe.

(d) f : R → R, f (x) = 1 − |x|

Soit t ∈ [0, 1], ∀(x, y) ∈ R2 on a :

 
f tx + (1 − t)y = 1 − |tx + (1 − t)y|
≥ 1 − t|x| − (1 − t)|y|
≥ t + (1 − t) − t|x| − (1 − t)|y|
≥ t(1 − |x|) + (1 − t)(1 − |y|)
 
f tx + (1 − t)y ≥ tf (x) + (1 − t)f (y)
D’ou f n’est pas convexe.

(e) f : R → R, f (x) = (1 − x)2

f est deux fois dérivable sur R.∀x ∈ R on a :
f 0 (x) = −2(1 − x)
f 0 (x) = −2 + 2x
Ainsi on a :
f 00 (x) = 2
∀x ∈ R, f 00 (x) > 0 donc f est convexe.
 viii

(f) f : R → R, f (x) = x3 f est deux fois dérivable sur R.

∀x ∈ R on a :
f 0 (x) = 3x2
f 00 (x) = 6x
•∀x ∈] − ∞, 0[, f 00 (x) < 0 alors f est décroissante sur ] − ∞, 0[
•∀x ∈]0, +∞[, f 00 (x) > 0 alors f est croissante sur ]0, +∞[

La dérivée première n’étant pas toujours croissante sur R ,alors f n’est

pas convexe sur R

(g) f : R+ → R, f (x) = x3 .
f est deux fois dérivable sur R+ .
∀x ∈ R+ ,on a f 00 (x) = 6x
∀x ∈ R+ , f 00 (x) ≥ 0 donc f est croissante sur R+
Par suite f est convexe sur R+ .

(h) f : R → R, f (x) = max{1 − x, 0}

Les fonctions x 7→ 1 − x et x 7→ 0 sont convexe sur R alors leurs maxi-
mum est convexe.
Donc f est convexe sur R.

(i) f : R → R, f (x) = ex
La fonction f est deux fois dérivable sur R et f 00 (x) > 0.Donc f est convexe.

(j) f : R → R, f (x) = e−x

La fonction f est deux fois dérivable sur R et f 00 (x) > 0.Donc f est convexe.

2. Donnons les fonctions qui sont convexes

(a) g : R2 → R, g(x) = x − y + 1
La fonction g est de classe C 2 sur R2 et sa hessienne est donnée par
Hg (x, y) = 0R2 ×R2 qui est une matrice semi-définie positive ,on déduit que g
est convexe.

(b) g : R2 → R, g(x) = |x| + y

Soient g1 (x, y) = |x| et g2 (x, y) = y.
Soit t ∈ [0, 1] et ∀(x, y) ∈ R2
 
g1 tx + (1 − t) = |tx + (1 − t)|
≤ t|x| + (1 − t)|y|
 
g1 tx + (1 − t) ≤ tg1 (x) + (1 − t)g1 (y)

D’ou g1 est convexe sur R2 .

g200 (x, y) = 0 ≥ 0 donc est convexe sur R2 .
Les fonctions (x, y) 7→ |x| et (x, y) 7→ y sont convexe.Donc g est convexe
comme somme de deux fonction convexe sur R.
 ix

(c) g : R2 → R, g(x, y) = x2 − y 2
La fonction
! g est de classe C 2 et sa hessienne est donnée par Hg (x, y) =
2 0
est semi-définie négative car Sp(Hg (x, y)) 6⊂ R+ .
0 −2
On en déduit que g n’est pas convexe.

(d) R2 → R, g(x, y) = x2 + (1 − y)2

Soient

g1 (x, y) = x2 =⇒ g10 (x, y) = 2x

=⇒ g100 (x, y) = 2

De même on a :

g2 (x, y) = (1 − y)2 =⇒ g20 (x, y) = −2 + 2y

=⇒ g200 (x, y) = 2
!
2 2 0
La fonction g est de classe C et sa hessienne donnée par Hg (x, y) =
0 2
est semi-définie positive. Donc g est convexe.

(e) R2 → R, g(x, y) = e−x + y 4

2
La fonction
! g est de classe C et sa hessienne donnée par Hg (x, y) =
e−x 0
est semi-définie positive. Donc g est convexe.
0 12y 2

3. Soit n ∈ N un entier naturel.

fn : R → R, fn (x) = xn , ∀x ∈ R.
Trouvons les valeurs de n pour lesquelles fn est convexe :
• Si n = 0 alors ∀x ∈ R∗ , fn (x) = 1 est une constante donc fn est convexe sur
R∗
• Si n = 1 alors fn (x) = x ,ainsi fn convexe sur R car affine. • Si n ≥ 2 alors fn
est deux fois dérivable sur R et on a :

fn0 (x) = nxn−1

fn00 (x) = n(n − 1)xn−2

-Si n est pair alors fn est convexe car fn00 (x) ≥ 0, ∀x ∈ R

-Si n est impair alors la fonction fn n’est pas convexe car la fonction fn00 ne
garde pas un signe constant sur R.
4. Soit p ∈ R+ un paramètre réel et fp : R+ → R la fonction définie par :
fp (x) = xp , ∀x ≥ 0
Trouvons toutes les valeurs de p pour lesquelles fp est convexe.
• Si p = 0 alors ∀x ∈ R∗+ , fp (x) = 1 est constante donc convexe sur R∗+ .
• Si p = 1 ou p ≥ 2 , la fonction fp est deux fois dérivable sur R+ .Alors on a :
∀x ∈ R+ , fp00 (x) = p(p − 1)x(p−2) ≥ 0 et par suite fp est convexe.
En résumé fp est convexe sur R+ si et seulement si p = 1 ou p ≥ 2.

5. Les différentes valeurs des paramètres réels a, b, c, d, et e pour que la fonction

F soit convexe.
 x

R2 → R
F : 2 2
(x, y) 7→ ax + by + cx + dy + e
F est une forme quadratique qui peux se mettre sous la forme :

F (x, y) =< AX, X > + < t, X > +e

! ! !
a 0 x c
avec A = ,X= et t =
0 b y d
Il s’agit de trouver les valeurs de a et b pour que la matrice A est soit semi-
définie positive ou définie positive (car c’est la condition pour que F soit
convexe).
Pour cela cherchons les valeurs propres de la matrice A.
 
a − λ 0 
det(A − λI2 ) = 0 =⇒ =0

 0 b − λ


=⇒ (a − λ)(b − λ) = 0
=⇒ λ = a ou λ = b

Les valeurs propres de A sont donc a et b , or pour que A soit semi-définie

positives il faut que ces valeurs propres soit positives ou nulles. Ainsi pour
que A soit définie semi-positive il faut que a ≥ 0 et b ≥ 0.

D’ou F est convexe si et seulement si a ≥ 0, b ≥ 0 et c, d, e ∈ R

6. (a) Soit f une fonction définie sur R3 par f (x, y, z) = x2 + y 2 + mxy + pz 2 ; m et

p des paramètres réels.
La fonction f est une forme quadratique donc
 elle est
 convexe si et seule-
2 m 0
ment si sa matrice hessienne Hf (x, y) = m 2 0  est semi-définie po-
 

0 0 2p
sitive.
Hf (x, y) est semi-definie positive si et seulement si les valeurs propres
sont positives ou nulles.

 
2 − λ m 0 

det Hf (x, y) =  m

2−λ 0 
2p − λ
 
 0 0
= (2 − λ)[(2 − λ)(2p − λ)] − m[m(2p − λ)]
= (2 − λ)2 (2p − λ) − m2 (2p − λ)
= (2p − λ)[(2 − λ)2 − m2 ]
det Hf (x, y) = (2p − λ)[(2 − λ − m)(2 − λ + m)]
det Hf (x, y) = 0 ⇔ λ = 2p ou λ = 2 − m ou λ = 2 + m

Les valeurs propres de Hf (x, y) sont donc :

λ1 = 2p λ2 = 2 − m λ3 = 2 + m
 xi

Hf (x, y) est semi-définie positive si et seulement si les λi ≥ 0.



 ≥0
λ1
λi ≥ 0 =⇒ λ2 ≥ 0



λ3 ≥ 0


≥0
p
=⇒ 2 ≥ m


m ≥ −2

p ≥0
=⇒
−2 ≤ m≤2

p ≥ 0
=⇒
m ∈ [−2, 2]

En résumé , f est convexe si et seulement si p ≥ 0 et m ∈ [−2, 2]

(b) Les valeurs de m et p pour que f soit coercive.

Comme la fonction f est une forme quadratique, elle est coercive si et
seulement si Hf (x, y) est définie positive. Ainsi f est coercive si et seule-
ment si p > 0 et m ∈] − 2, 2[.
7. Soit n un entier naturel et K ⊂ Rn un ensemble convexe non vide. On consi-
dère les fonctions respectivement définies par : ∀x ∈ Rn on a :

σ(x) = sup{< x, y >: y ∈ K}

d(x) = inf{kx − yk : y ∈ K}
(a) Les ensembles d’arrivée respectifs des fonctions d et σ sont :
-L’ensemble d’arrivée de σ est R ∪ {+∞}.
–L’ensemble d’arrivée de d est R+ .
(b) Montrons que σ et d sont convexe.
• ∀x ∈ Rn ,σ(x) = sup{< x, y >: y ∈ K}.
Soient t ∈ [0, 1] ,u et v ∈ Rn , on a bien z = tu + (1 − t)v ∈ Rn .
Montrons que σ(z) ≤ tσ(u) + (1 − t)σ(v).
En effet, pour y ∈ K fixé , on a :

< z, y > =< tu + (1 − t)v, y >

=< tu, y > + < (1 − t)v, y >
= t < u, y > +(1 − t) < v, y >
< z, y > ≤ t sup < u, w > + (1 − t) sup < v, w >
w∈K w∈K
< z, y >≤tσ(u) + (1 − t)σ(v)

Par suite , sup < z, w > ≤ tσ(u) + (1 − t)σ(v) par consequent

w∈K
σ(tu + (1 − t)v) ≤ tσ(u) + (1 − t)σ(v) .Ainsi la fonction σ est convexe.

• • ∀x ∈ Rn , d(x) = inf{kx − yk : y ∈ K}.

Soient t ∈ [0, 1] , u et v ∈ Rn , on a bien z = tu + (1 − t)v ∈ Rn .
 xii

Montrons que d(z) ≤ td(u) + (1 − t)d(v).

En effet ,on a :
d(z) = inf{ktu + (1 − t)v − yk : y ∈ K}
≤ ktu + (1 − t)v − yk ∀y ∈ K
≤ ktu + (1 − t)v − ty − (1 − t)yk ∀y ∈ K
≤ kt(u − y) + (1 − t)(v − y)k ∀y ∈ K
d(z) ≤ tku − yk + (1 − t)kv − yk ∀y ∈ K
Ainsi
d(z) ≤ inf{tku − wk + (1 − t)kv − wk : w ∈ K}
≤ t inf{ku − wk : w ∈ K} + (1 − t) inf{kv − wk : w ∈ K}
d(z) = d(tu + (1 − t)v) ≤ td(u) + (1 − t)d(v)
Donc la fonction d est convexe.

Exercice IV

1. On considère la programmation linéaire :

(P L1) : max (x + 2y)

x≥0,y≥0
−x+y≤2
x+y≤4

Résolvons ce problème par :

(a) par la méthode graphique :
Posons :
1
f (x, y) = x + 2y = 0 =⇒ y = −
2
g(x, y) = −x + y = 2 =⇒ y = x + 2
h(x, y) = x + y = 4 =⇒ y = −x + 4
 xiii

En faisant déplacer parallèlement la règle a la droite d’équation x + 2y = 0

dans le domaine admissible, le point du plan qui réalise le max de la
fonction f est le point B. On alors :
arg max (x + 2y) = {(1, 3)} et max (x + 2y) = 7
x≥0,y≥0 x≥0,y≥0
−x+y≤2 −x+y≤2
x+y≤4 x+y≤4

(b) par la méthode d’énumération.

La représentation graphique du domaine
K = {x ≥ 0, y ≥ 0, −x + y ≤ 2, 2x + y ≤ 4}
a été fait ci dessus.Le maximum de f sur K est atteint aux points extrême
A, B, C,D.

A(4, 0) ; B(1, 3) ; C(0, 2) et D(0, 0)

On a :
f (A) = 4; f (B) = 7; f (C) = 4; f (D) = 0
Ainsi
max f (x, y) = max{f (A), f (B), f (C), f (D)}
(x,y)∈K

= f (B)
max (x + 2y) = 7
(x,y)∈K

(c) par la méthode des variables d’écarts.

Soient t1 = 2 − (−x + y), t2 = 4 − (x + y).
on a

−x + y = 2 − t1 (1)
x + y = 4 − t2 (2)

2y = 6 − t1 − t2
1 1
y = 3 − t1 − t2 (3)
2 2
(3) dans (1) donne :
x = y − 2 + t1
1 1
= 3 − t1 − t2 − 2 + t1
2 2
1 1
x = 1 + t1 − t2
2 2
Le système précédent devient :

x = 1 + 12 t1 − 21 t2
y = 3 − 1 t1 − 1 t2
2 2
 xiv

f (x, y) = x + 2y
1 1
f (t1 , t2 ) = 1 + t1 − t2 + 6 − t1 − t2
2 2
1 3
f (t1 , t2 ) = 7 − t1 − t2
2 2
f est maximale si t1 = t2 = 0 on obtient alors x = 1 et y = 3.

max f (x, y) = f (1, 3)

(x,y)∈K

=7
max f (x, y) = 7
(x,y)∈K

2. Resolvons le problème de maximisation suivant en precisant l’ensemble de ces

solutions.
(P L2) : max (x + y)
x≥0,y≥0
−x+y≤2
x+y≤4
.
Calculons [B, A].

[B, A] = {(1 − t)B + tA, t ∈ [0, 1]}

! !
1 4
= {(1 − t) +t , t ∈ [0, 1]}
3 0
! !
1−t 4t
={ + , t ∈ [0, 1]}
3 − 3t 0
!
1 + 3t
={ , t ∈ [0, 1]}
3 − 3t
!
1 + 3t
arg max (x + y) = { , t ∈ [0, 1]}
(x,y)∈K 3 − 3t

Ainsi on a
max (x + y) = 4
(x,y)∈K

Exercice V

Résolvons le problème de minimisation suivante :

1
min ( )
x≥0,y≥0 4x − y
2x+y≤8
x−y≥1

Posons A = {(x, y) ∈ R2 \x ≥ 0, y ≥ 0, 2x+y ≤ 8 et x−y ≥ 1} et posons f (x, y) = 4x−y.

 xv

A est un compact.f est continue sur un compact A ,donc f est bornée et atteint
ses bornes.
on a f (x, y) = 0 =⇒ y = 4x. Ainsi on a :
 
2x + y ≤8 2x + 4x ≤8
=⇒
x − 4x ≥1 x − 4x ≥1

≤ 34
x


=⇒ x ≤ − 31



y = 4x

≤0
x
=⇒ 
y≤0
=⇒ (x, y) ∈
/A

Ainsi f ne s’annule pas sur A.

(2, 1) ∈ A et f (2, 1) = 7 donc f (A) > 0.
On a
1 1
min =
(x,y)∈A f (x, y) max f (x, y)
(x,y)∈A

La fonction f et A sont convexes et les sommets de A sont : A1 = (1, 0), A2 = (3, 2) et

A3 = (4, 0).
On a donc f (A1 ) = 4 ; f (A2 ) = 10 et f (A3 ) = 16.
On déduit que max f (x, y) = 16 et par conséquent :
(x,y)∈A

1 1
min ( )=
x≥0,y≥0 4x − y 16
2x+y≤8
x−y≥1

Exercice VI

1. Montrons que la modélisation de ce problème revient à minimiser l’aire totale

de la boite qui vaut A(x) = 2πx2 + 880
x
 xvi

Il s’agit de minimiser la surface totale de la boite. Désignons par A(x) cette

surface total où x est le rayon du cylindre . A(x) = 2Ab + AL où Ab est l’aire de
base et AL l’aire latérale du cylindre
Ab = πx2 et AL = Pb × h où Pb est le périmètre de base.
Déterminons h la hauteur du cylindre
440
Le volume V du cylindre vaut V = 440 = πx2 h donc h = πx 2

Donc
440
AL = (2xπ) × 2
πx
880
=
x
2 880
Ainsi A(x) = 2πx + x
2. Trouvons le minimum de A
A est deux fois dérivable sur ]o, +∞[, on a
880
A0 (x) = 4πx − 2
x
880(2x)
A”(x) = 4π +
x4
1760)
A”(x) = 4π + > 0 ∀x ≥ 0
x3
880
A0 (x) = 0 =⇒ 2 = 4πx
x
=⇒ 4πx3 = 880
880 220
=⇒ x3 = =
s4π π
220 220 1
=⇒ x = 3 =( )3
π π
1 1
A0 s’annule en x0 = ( 220
π
) 3 et A”(x0 ) > 0 par suite le point x0 = ( 220
π
) 3 est le point
qui réalise le minimum de A
Déduisons les dimensions voulues.
1
Le rayon de la boite voulue est x0 = ( 220 π
) 3 et la hauteur est :
440
h=
πx20
440 π 2
= ( )3
π 220
2
440 π3
= 2 ×
(220) 3 π
440 2
−1
= 2 × π
3
(220) 3
440 − 1
= 2 π
3
(220) 3
440
= 2 1
(220) 3 π 3
440
= 1
(2202 π) 3
440
h= 1
(48400π) 3
 xvii

EXERCICE VII

Soit n ≥ 1 un entier naturel, A une matrice réelle symétrique d’ordre n, Q une

matrice réelle carrée et d’ordre n, b ∈ Rn un vecteur et c ∈ R une constante scalaire.
On pose ∀x ∈ Rn
1
f (x) = hAx, xi + hb, xi + c
2
1
g(x) = hQx, xi
2
ϕ(x) = ||x − b||2

1. Déterminons en point quelconque ∀ ∈ Rn

i) le gradient de f (x)
∀h ∈ Rn
1
f (x + h) = hA(x + h), x + hi + hb, x + hi + c
2
1 1 1 1
= hAx, xi + hAx, hi + hAh, xi + hAh, hi + hb, xi + hb, hi + c
2 2 2 2
1 1 1 1
= hAx, xi + hb, xi + c + hAx, hi + hAh, xi + hAh, hi+i + hb, hi
2 2 2 2
1 1 1
= f (x) + hAx, hi + hAh, xi + hAh, hi+i + hb, hi
2 2 2
1 1
= f (x) + (hAx, hi + hAh, xi) + (hAh, hi + hb, hi
2 2
1 1
= f (x) + (hAx, hi + hAT x, hi) + (hAh, hi + hb, hi
2 2
1
f (x + h) − f (x) = hAx + b, hi + (hAh, hi
2
Car A est matrice réelle et symétrique, A = AT . Le produit scalaire est bi-
linéaire et symétrique.A étant symétrique et réelle 12 hAh, hi ≤ 12 λmax ||h||2 d’où
lim 21 λmax ||h||2 = 0 , f (x + h) − f (x) = Dfx est une application continue (car la
||h||→0
dimension est finie)
Dfx = hAx + b, hi = h5f (x), hi par identification

5f (x) = Ax + b
ii le gradient de g
1
g(x) = hQx, xi
2
 xviii

∀h ∈ Rn
1
g(x + h) = hQ(x + h), x + hi
2
1 1 1 1
= hQx, xi + hQx, hi + hQh, xi + hQh, hi
2 2 2 2
1 1 1
= g(x) + hQx, hi + hQh, xi + hQh, hi
2 2 2
1 1
= g(x) + (hQx, hi + hQh, xi) + (hQx, hi
2 2
1 T 1
= g(x) + (hQx, hi + hQ x, hi) + (hQx, hi
2 2
1 T 1
g(x + h) − g(x) = h(Q + Q )x, hi + (hQh, hi
2 2
Car Q est matrice réelle et symétrique,Q = QT . Le produit scalaire est bili-
néaire et symétrique.A étant symétrique et réelle 12 hQh, hi ≤ 21 λmax ||h||2 d’où
lim 21 λmax ||h||2 = 0 , g(x + h) − g(x) = Dgx est une application continue (car la
||h||→0
dimension est finie)
Dgx = h(Q + QT )x, hi = h5g(x), hi par identification
1
5g(x) = (Q + QT )x
2

iii) le gradient de ϕ(x) = ||x − b||2 = hx − b, x − bi

ϕ(x + h) = h(x + h) − b, (x + h) − bi
= hx − b, x − bi + hx − b, hi + hh, x − bi + hh, hi
= ϕ(x) + hx − b, hi + hh, x − bi + hh, hi
= ϕ(x) + 2(hx − b, hi) + hh, hi
ϕ(x + h) − ϕ(x) = 2(hx − b, hi) + hh, hi

ϕ(x + h) − ϕ(x) = Dϕx est une application continue (car la dimension est finie)
Dϕx = 2(h(x − b, hi = h5ϕ(x), hi par identification

5ϕ(x) = 2(x − b)
2. Déterminons la matrice hessienne de f en un point quelconque x
soit h ∈ Rn , 5f (x + h) = A(x + h) + b = Ax + Ah + b
5f (x + h) + 5f (x) = Ah = Hf (h) d’où la matrice hessienne de f (x) est A.

Condition nécessaire et suffisante sur A, b et c pour que f soit convexe :

f est convexe ⇔ Hess (f ) est définie semi-positive.
Donc f est convexe ⇔ A est définie semi-positive ,b ∈ Rn et c ∈ R

Exercice VIII

Résolvons chacun des problème suivants

 xix

1. min (x2 + y 2 )
2x+y=1
Posons f (x, y) = x2 + y 2 et g(x, y) = 2x + y − 1
Soit K = {(x, y) ∈ R2 |2x + y − 1 = 0}
La fonction f est coercive et continue sur le fermé K ,alors le problème admet
de solution. 
∇f (x, y) = λ∇g(x, y)
Par la méthode de Lagrange ∃λ ∈ R tel que
 g(x, y) = 0
∇f (x, y) = (2x, 2y) ; ∇g(x,
y) = (2, 1) 
2x = 2λ x = λ
∇f (x, y) = λ∇g(x, y) ⇐⇒ ⇐⇒
2y = λ y = 1 λ
2

g(x, y) = 0 ⇐⇒ 2x + y = 1
1
⇐⇒ 2λ + λ = 1
2
5
⇐⇒ λ = 1
2
2
⇐⇒ λ =
5
D’où x = 25 , y = 15 ;
Donc le problème admet une unique solution réalisé au point ( 52 , 15 ) . Soit S
l’ensemble solution de notre problème
S = {( 52 , 15 )} et min (x2 + y 2 ) = 15
2x+y=1

2. max (xy)
x+y=1
On a x + y = 1 ⇐⇒ y = 1 − x et donc xy = x(1 − x) = x − x2
Il s’agit donc de maximiser la fonction ϕ(x) = x − x2 sur R
ϕ0 (x) = 1 − 2x ; ϕ”(x) = −2
ϕ0 (x) = 0 ⇐⇒ x = 21 on a ϕ”( 12 ) = −2 < 0 donc ϕ( 21 ) est un maximum pour la
fonction ϕ sur R pour x = 12 on a y = 21
Donc la solution au problème est le point {( 12 , 21 )} et on a max (xy) = 14
x+y=1

3. min (xy)
x2 +y 2 =1
Posons g(x, y) = x2 + y 2 − 1 , f (x, y) = xy et D = {(x, y) ∈ R2 /g(x, y) = 0}
f est une fonction continue sur le compact D donc le problème admet de
solution .
∇f (x, y) = (y, x) ; ∇g(x, y) = (2x, 2y)
∇g(x, y) = (2x, 2y) 6= (0, 0) donc les contraintes de qualification de Lagrange
sont satisfaites.
Par la méthode de Lagrange ∃λ ∈ R tel que l’on obtient le système suivant

∇f (x, y) = λ∇g(x, y)
 x2 + y 2 = 1

2λx =y
∇f (x, y) = λ∇g(x, y) ⇐⇒
2λy =x
 xx

On a

2λy = x ⇔ 2λ(2λx) = x
⇔ 4λ2 x = x
1
⇔ λ2 = x 6= 0 car (0, 0) ∈
/D
4
1 1
⇔ λ = ou λ = −
2 2
√
si λ √= 21 x = 2 × 21 y = y on
√
a donc x
√
= y =⇒ 2x2 = 1 par suite x = − 22 ou
x = 22 alors on a aussi y = − 22 ou y = 22 √ √
si λ = − 12 √on a x √= −y et on a 2x2 = 1 soit x = − 22 ou x = 22 alors on a
aussi y = 22 ou y = − 22
√ √ √ √
2
si x = −
√ 2
et y =√ − 22 on a√f (−
√ 2
2
, − 22 ) = 21
si x = 22 et y = 22 on a f ( 22 , 22 ) = 12
Le problème admet de solution et de tout ce √ √
qui précède
√
on√conclut donc que
les solutions au problème sont les points ( 2 , 2 ) et (− 2 , − 22 ) 2min
2 2 2
2
(xy) = 21
x +y =1
2 2 2
4. min (x + y + z )
x+y+z=1
x−y+2z=0
Posons f (x, y, z) = x2 + y 2 + z 2 , g(x, y, z) = x + y + z − 1 et h(x, y, z) = x − y + 2z
On a :
∇f (x, y, z) = (2x, 2y, 2z), ∇g(x, y, z) = (1, 1, 1) et ∇h(x, y, z) = (1, −1, 2)

∇g(x, y, z) ne peut pas s’écrire comme combinaison linéaire de ∇h(x, y, z) , donc

∇g(x, y, z) et ∇h(x, y, z) sont linéairement indépendantes.
Soient λ1 et λ2 deux réels tel que
∇f (x, y, z) + λ1 ∇g(x, y, z) + λ2 h(x, y, z) = 0
En appliquant la méthode de Lagrange on a le système suivant

∇f (x, y, z) + λ1 ∇g(x, y, z) + λ2 ∇h(x, y, z) = 0


(S) g(x, y, z) = 0



h(x, y, z) = 0

2x + λ1

 + λ2 = 0
∇f (x, y, z) + λ1 ∇g(x, y, z) + λ2 ∇h(x, y, z) = 0 ⇔ 2y + λ1 − λ2 = 0



2z + λ1 − 2λ2 = 0

2x + λ1 + λ2

 = 0 (L1 )

2y + λ1 − λ2 = 0 (L2 )






2z + λ1 − 2λ2 = 0 (L3 )




 x + y + z = 1 (L4 )

x − y + 2z = 0 (L5 )



D’après (L4 ) et (L5 ) on a 2x + 3y = 1 (L6 )


1 1
x = − 2 λ1 − 2 λ2 = 0


0n a y = − 21 λ1 + 12 λ2 = 0

z = − 21 λ1 − λ2 = 0



(L1 ) ⇐⇒ − 23 λ1 − λ2 = 1 ⇐⇒ 32 λ1 + λ2 = −1 (1)
(L5 ) ⇐⇒ −λ1 − 3λ2 = 0 ⇐⇒ λ1 = −3λ2 (2)
 xxi

Donc de (1) et (2) on a : 32 (3λ2 ) + λ2 = −1 ⇐⇒ − 72 λ2 = −1

par suite λ2 = 72 , λ1 = − 67
x = 37 − 17 = 27
y = 37 + 17 = 47
z = 73 − 27 = 71
La solution du problème est le point ( 27 , 74 , 17 ) et min (x2 + y 2 + z 2 ) = 3
7
x+y+z=1
x−y+2z=0

5.
1 1 1
min ( + + )
x>0;y>0;z>0 x y z
x+y+z=1

Posons f (x, y, z) = x1 + y1 + z1 et g(x, y, z) = x + y + z − 1

• ∀x > 0 ,( x1 )0 = x13 > 0 donc la fonction (x, y, z) 7→ x1 est convexe .
De même (x, y, z) 7→ y1 et (x, y, z) 7→ z1 sont convexe.
f est donc convexe car somme de fonction convexe.
g est une fonction affine.
Comme f est convexe et g affine alors le problème admet de solution.
Soit X0 (xo , y0 , z0 ) cette solution ,on a :
1 1 1
∇f (X0 ) = (− 2
,− 2,− 2)
x0 y0 z0
∇g(X0 ) = (1, 1, 1) 6= (0, 0, 0)alors les contraintes de qualification en X0 sont sa-
tisfaites.
D’apres la methodes des multiplicateurs de Lagrange , ∃λ ∈ R tel que :

∇f (X
0)
+ λ∇g(X0 ) = 0
g(X0 ) =0

1
    
 −
 x0 
 2 1 0

1
   
− y 2  + λ 1 = 0

  
0

   
1
⇔ − z0 2 1 0


x0 + y 0 + z0 = 1







x0 > 0, y0 > 0, z0 > 0

1
− x0 2

 +λ=0

− 1

+λ=0
 y0 2


1
⇔ − z0 2 + λ = 0


x0 + y0 + z0 = 1







x0 > 0, y0 , z0 > 0



− x10 2
= −λ (1)

− 1 = −λ (2)


 y0 2


⇔ − z012 = −λ (3)

x0 + y0 + z0 = 1 (4)







x0 > 0, y0 , z0 > 0 (5)

De (1),(2) et (3) on deduit que λ >q0. q q

De même (1),(2) et (3) on a :xo = λ1 ,yo = λ1 ,zo = λ1 donc x0 = y0 = z0 (6).
 xxii

(6) dans (4) :

1
x0 + x0 + x0 = 1 =⇒ x0 =
3
1
=⇒ x0 = y0 = z0 =
3
=⇒ λ = 9

D’ou Arg min ( 1 + 1

+ z1 ) = {( 31 , 13 , 13 )}
x>0;y>0;z>0 x y
x+y+2+z=1
Et
1 1 1
min ( + + )=9
x>0;y>0;z>0 x y z
x+y+2+z=1

Exercice IX

Soit n ≤ 2 un entier naturel.

Étant donné n point (x1 , y1 ) ;(x2 , y2 ) ;... et (xn , yn ) du plan euclidien R d’abscisse
deux a deux distincts.
Trouvons la droite (∆) d’équation y = ax + b qui minimise la somme des
carrés dérivation verticales de ces points par rapport a (∆) c’est a dire ,
n
(axi + b − yi )2 .
X

i=1
La méthodes des moindres carrés consiste alors a chercher la droite telle que
la somme des carrées des distances des points du nuage a cette droite soit
minimale autrement dis on cherche a rendre le problème (P ) suivant :
n
(axi + b − yi )2
X
(P ) : min f (a, b) =
(a,b)∈R
i=1

De même : n
(−axi − b + yi )2
X
min f (a, b) =
(a,b)∈R
i=1

Posons X = (a, b)T alors on peut écrire que :

f (a, b) = kAX − Bk2

   
x1 1 y1
 x2 1  y2 
   
 . .  . 
   

avec A =   et B = 
 . .

 . .
 
 . .  . 
   

xn 1 yn
Si A est de rang plein c’est a dire de rang le nombre de solution du pro-
blème (P ) , on en déduit que le problème (P ) possède une unique solution si
x1 = x2 = ... = x3
En revenant a l’hypothèse d’indice deux a deux distincts , on a f qui différen-
tiable sur R2 et :
 xxiii

f (a, b) = kAX − Bk2 =⇒ f (a, b) =< AX − B, AX − B >

∇f (a, b) =< A, AX − B > + < A, AX − B >
= 2 < A, AX − B >
= 2AT (AX − B)

Donc

∇f (a, b) = 0 ⇔ 2AT (AX − B) = 0

⇔ 2(AT AX − AT B) = 0
⇔ AT AX − AT B = 0 (1)

On a
 
x1 1
!  x2

 1

x1 x2 . . . xn  . .

AT A = 
1 1 . . . 1   . .

 . .
 

xn 1
!
x2 + x22 + ... + x2n x1 + x2 + ... + xn
= 1
x1 + x2 + ... + xn n
 n n 
x2
X X
xi 
 i=1 i

i=1

=  n
X



xi n 
i=1

Et
 
y1
y2 
 
!
x1 x2 . . . xn  . 
 
AT B =


1 1 . . . 1  . 

 . 
 

yn
!
x y + x2 y2 + ... + xn yn
= 1 1
y1 + y2 + ... + yn
 n 
X
 xi yi 
 i=1 
=  n
 X



yi

i=1
 xxiv

De (1) on a donc

∇f (a, b) = 0 ⇔ AT AX − AT B = 0
 n n   n 
x2
X X X
xi  xi y i 
 i=1 i
! !
a 0
 
i=1
  i=1 
⇔  n  − X
 n
 =
X  b  0

xi n  
yi

i=1 i=1
 n n n
x2i a +
X X X



 xi b = xi yi
⇔ i=1 i=1 i=1
Xn n
X




 xi a + bn = yi
i=1 i=1

v a + v b = v3
1 2
⇔
v2 a + bn = v4
n n n n
x2i ,v2 =
X X X X
avec v1 = xi ,v3 = xi yi et v4 = yi .
i=1 i=1 i=1 i=1
Excepté le cas ou x1 = x2 = ... = xn (ce qui se retrouve en calculant le déter-
minant du système et en retrouvant un cas d’égalité de Cauchy-Schawz), le
système précedement retrouvé a pour solution :
nv3 − v2 v4
a=
nv1 − v22
et
v4 v1 − v2 v3
b=
nv1 − v22

Exercice X

Écrivons le problème

(P ) : 2min
2
(x1 − 3)2 + (x2 − 2)2 )
x1 +x2 ≤4
x1 +x2 ≤2
x1 ≥0

sous forme d’un problème de projection.

2 2
Posons K = ! + ×R/x1 + x2 ≤ 4, x1 + x2 ≤ 2}
! {(x1 , x2 ) ∈ R
x 3
Soit X= 1 et X0 =
x2 2
(x1 − 3) + (x2 − 2) = kX − X0 k2 alors
2 2

(P ) ⇔ min (kX − X0 k2 )
X∈K
(0,0)∈K

K est un fermé, convexe non vide de l’espace euclidien R2 . D’après le théorème

de projection, (P) admet une unique solution Y0 =Pk (X0 ) le projeté de X0 sur K.

Y0 = Pk (X0 )
 min kX − X0 k2 = min kY0 − X0 k2
X∈K

Exercice XI
 xxv

1.Trouvons les extremas locaux de la fonction

f :R→R définie par f (x) = 2x2 − x4
f est continue et dérivable sur R,
∀x ∈ R, f 0 (x) = 4x − 4x3 = 4x(1 − x2 )
f 0 (x) = 0 ⇔ x = 0 ou x = 1 ou x = −1
Les points critiques de f sont 0 ; 1 ; -1
•f est strictement croissante sur ]-∞ ;-1[ et strictement décroissante sur ]-1 ;0[ donc
f (−1)=1 est un maximun relatif de f atteint en -1
•f est strictement décroissante sur ]-1 ;0[ et strictement croissante sur ]0 ;1[ donc
f (0)=0 est un minimun relatif de f atteint en 0
•f est strictement croissante sur ]0 ;1[ et strictement décroissante sur ]1 ;+∞[ donc
f (1)=1 est un maximun relatif de f atteint en 1

2. Trouvons les extremas locaux de la fonction F :R2 →R définie par

F(x,y)=x2 +xy 2 -y 4
La fonction F est de classe C 2 .
Calculons le gradient de F : ∇F (x, y) = (2x; 4y − 4y 3 ) 
 ∂ F (x, y) = 0
On cherche les points critiques comme solutions du système : ∂x
 ∂ F (x, y) = 0
  ∂y
2x =0 x = 0
On a :  ⇔
4y − 4y 3 = 0 y = 0 ou y = −1 ou y = 1
Les trois points critiques sont P0 (0; 0) ; P1 (0; −1) et P2 (0; 1).
Calculons la matrice hessienne
! :
2 0
Hess F (x, y) =
0 4 − 12y 2
• Pour le point P0!(0; 0) on a :
2 0
Hess F (0, 0)=
0 4
Nous avons det Hess F (0, 0) = 8 et tr(Hess F (0, 0)) = 6 tous deux supérieurs à zéro
alors nous pouvons dire que les valeurs proppres de Hess F (0, 0) sont strictement
positives. Cela est équivalent à dire que Hess F (0, 0) est une matrice semi-définie po-
sitive. Par conséquent P0 (0; 0) est un point de minimun pour F.

• Pour les points P1 (0

! ;-1) et P2 (0 ;1)
2 0
Hess F (0, −1)= = Hess F (0, 1)
0 −8
Comme det Hess F (0, −1)= −16 = det Hess F (0, 1) qui est inférieur à zéro alors la matrice
hessienne en P1 et P2 n’est pas définie et donc P1 et P2 sont des points selles.

3. Déterminons les points critiques tout en précisant leurs natures.

a) f (x) = x3 (x + 1)2
f est continue et dérivable sur R.
∀x∈R,
f 0 (x) = 3x2 (x + 1)2 + 2(x + 1)x3
f 0 (x) = x2 (x + 1)(5x + 3)

f 0 (x)=0 ⇔ x = 0 ou x = −1 ou x = − 53 .
Alors les points critiques de f sont 0 ; -1 et - 53
On a :
 xxvi

•f est strictement croissante sur ]-∞ ;-1[ et strictement décroissante sur ]-1 ;- 53 [donc
f (-1)=0 est un maximun relatif de f atteint en -1.
•f est strictement décroissante sur ]-1 ;- 53 [ et strictement croissante sur ]- 35 ;0[ donc
108
f (- 53 )=- 3125 est un minimun relatif de f atteint en - 35 .
•f est strictement croissante sur ]- 53 ;0[ et strictement croissante sur ]0 ;+∞[ donc
f (0)=0 n’est pas un extrmun relatif de f . Alors le point (0 ;0) est un point d’inflexion
de la courbe de f .

b) g(x)=|x2 − 1|
Ecrivons g sanssymbole de valeur absolue.
x2 − 1 si x ∈] − ∞; −1[∪] − 1; +∞[
g(x) = |x2 − 1| = 2
−x + 1 si x ∈] − 1; 1[
g est continue
 sur R et dérivable sur les intervalles ]-∞ ;-1[, ]-1 ;+∞[ et ]-1 ;1[.
2x si x ∈] − ∞; −1[∪] − 1; +∞[
g’(x)=
−2x si x ∈] − 1; 1[
g 0 (x)=0 équivaut à 2x = 0 donc 0 est le seul point critique de g
• g est strictement croissante sur ]-1 ;0[ et strictement décroissante sur ]0 ;1[ donc
g(0) = 1 est le maximun relatif de g atteint en 0.
c) F (x, y) = x3 (x − 1)2 +y 2
F est de classe C∞ ,
 ∂ F (x, y) = x2 (x − 1)(5x − 3)
∀ (x,y)∈R2 on a : ∂x
 ∂ F (x, y) = 2y
∂y
on a :
∂ ∂
∇F (x, y) = ( F (x, y); F (x, y))
∂x ∂y

x2 (x − 1)(5x − 3) =0
∇F(x,y)=0 ⇔ 
y=0

x = 0; x = 1 ou x = − 53
⇔
y = 0
Les points critiques de F sont (0 ;0) ;(1 ;0) et (- 35 ;0).
Cherchons la matrice hessienne !
2x(x − 1)(5x − 3) + x2 (5x − 3) + 5x2 (x − 1) 0
Hess F (x, y)=
0 2
• Au point (0,0) !
0 0
Hess F (0, 0)=
0 2
det Hess F (0, 0) = 0 donc on ne peut rien conclure.
• Au point (1 ;0) !
2 0
Hess F (1, 0) =
0 2
. det Hess F (1, 0) = 4 et tr(Hess F (1, 0)) = 4 qui sont tous supérieur à zéro alors F
admet un minimun relatif en (1 ;0)
• Au point (- 35 ;0)
det Hess F (1; 0) = − 36
25
inférieur à zéro alors F n’admet pas d’extrémun relatif en (- 35 ;0).

Exercice XII
 xxvii

Utilisons la méthode de Karush-Kunh-Tucker pour resoudre le probleme d’optimi-

sation suivant :
(KT ) : min (x2 + y 2 − z)
x−y=1
y 2 +z≤0

Soient f (x, y, z) = x2 + y 2 − z , g(x, y, z) = x − y − 1 et h(x, y, z) = y 2 − z.

• La fonction f : (x, y, z) 7→ x2 + y 2 − z est différentiable et convexe comme somme

de trois fonctions convexe.
• La fonction h : (x, y, z) 7→ y 2 + z est différentiable et convexe.
• La fonction g : (x, y, z) 7→ x−y −1 définissant la contrainte d’égalité est une fonction
affine.
Soit X0 (x0 , yo , z0 )un point admissible du problème (KT), ∇g(X0 ) = (1, −1, 0) et
∇h(X0 ) = (0, 2y0 , 1).
Les vecteurs ∇g(X0 ) et ∇h(X0 ) sont linéairement indépendantes.
on a ∇f (X0 ) = (2x0 , 2y0 , −1).
Un point X0 est solution du probleme (KT) si et seulement si ∃λ ∈ R et µ ∈ R+ tel
que :
∇f (Xo ) + λ∇g(X0 ) + µ∇h(X0 ) = 0
on a donc :
       


 2x0 1 0 0
       

 2y  + λ −1 + µ 2y  = 0


 0     0   

 −1 0 1 0




∇f (Xo ) + λ∇g(X0 ) + µ∇h(X0 ) = 0 ⇔

µ(y02 + z0 ) = 0




x0 − y 0 = 1

y02 + z0 ≤ 0






µ≥0





2x0 + λ = 0 (1)

2y0 − λ + 2µy0 = 0 (2)





−1 + µ = 0 (3)

⇔ 2



µ(y0 + z0 ) = 0 (4)
y02 + z0 ≤ 0 (5)






µ ≥ 0 (6)


(4)⇔ µ = 0 ou y02 + z0 = 0.

• 1er cas :µ = 0
µ = 0 on a donc, (3) =⇒ 1 = 0 donc (3) n’est pas vérifié donc (KT) n’admet pas de
solution dans ce cas.
• 2ème cas :y02 + z0 = 0
(5) =⇒ y02 + z0 ≤ 0 donc (5) est satisfait.
(1) =⇒ x0 = − 12 λ
y02 + z0 = 0 =⇒ y02 = −z0 (5) =⇒ −z0 + z0 = 0 ≤ 0 donc (5) est satisfait.
(3) =⇒ µ = 1
µ = 1 donc (6) est satisfait .
Alors (KT) admet de solution dans ce cas.
(1) =⇒ 2x0 + λ = 0
 xxviii

(2) =⇒ 4y0 − λ = 0
(1)+(2) =⇒ 2x0 + 4y0 = 0 =⇒ x0 = −2y0
x0 − y0 = 1 =⇒ −2y0 − y0 − 1 = 0 ⇔ y = − 13 , x = 2
3
,λ = − 43 et z = − 19

Dans ce cas le triplet donnant la solution de (KT) est ( 23 , − 13 , − 19 ) et :

2
min (x2 + y 2 − z) =
x−y=1 3
y 2 +z≤0

Exercice XIII

1. Déterminons dans chacun des cas suivants, le sous différentiel de la fonction

f :R→R au point x0 donné.
i)f (x) = −2x en x0 = 0
f est convexe et dérivable sur R
donc
∂f (0) = {f 0 (0)} = {−2}
ii)f (x) = x2 en x0 =0
f est convexe et dérivable sur R

f 0 (x) = 2x donc ∂f (0) = {f 0 (0)} = {0}

iii)f (x) = |x| en x0 = 0

Par définition

∂f (0) = {y ∈ R/f (x) ≥ f (0) + xy, ∀x ∈ R} = {y ∈ R/|x| ≥ yx}

• Si x=0 alors
{y ∈ R/0 ≥ 0y} = R
• Si x>0 alors

{y ∈ R/|x| ≥ yx} = {y ∈ R/x ≥ yx} = {y ∈ R/1 ≥ y} =] − ∞; 1]

•Si x<0 alors

{y ∈ R/|x| ≥ yx} = {y ∈ R/ − x ≥ yx} = {y ∈ R/ − 1 ≤ y} = [−1; +∞[

De ce qui précède on a :

∂f (0) = R∩] − ∞; 1] ∩ [−1; +∞[

D’où
∂f (0) = [−1; 1]

iv) f (x) = −x2 en x0 =0

∂f (0) = {y ∈ R/f (x) ≥ f (0) + xy, ∀x ∈ R} = {y ∈ R/ − x2 ≥ yx}

 xxix

On a −x2 ≥ yx (absurde quand x ∈R+ et y ∈R+ ou x ∈R− et y∈R− )

D’où
∂f (0) = φ

v)f (x) = |x + 1| en x0 = −1
Posons y = x + 1
Quand x → −1 on a y → 0
Avec g(y) = |y| on a :
∂f (−1) = ∂g(0) = [−1; 1]
2.Déterminons dans chacun des cas suivants, le sous différentiel de la fonction
F : R2 → R au point (x; y)

i) F (x, y) = x2 − y 
F= x2
1 (x, y)
Posons F (x, y) = F1 (x, y) + F2 (x, y) avec
F2 (x, y) = −y
F1 et F2 sont convexes donc F est convexe comme somme de fonctions convexes.
F est également différentiable.

∂F (x, y) = {∇F (x, y)} = (2x; −1)

car ∇F (x, y) = (2x; −1).
D’où
∂F (x, y) = {(2x; −1)}

ii)F (x, y) = x2 + |y|

Posons f (x) = x2 et g(y) = |y| donc F (x, y) = f (x) + g(x).
Les fonctions f et g sont convexes donc F est convexe comme somme de deux fonc-
tions convexe. F est différentiable sur R×R∗ .

∂f (x; y) = 2x

1

 si x ∈ R, y > 0
∂g(x; y) = −1 si x ∈ R, y < 0


[−1, 1] si x ∈ R, y = 0
Et donc 
{(2x, 1)} si x ∈ R, y > 0


∂F (x; y) = {(2x, −1)} si ∈ R, y < 0



{2x} × [−1, 1], si x ∈ R, y = 0
iii) F (x, y) = (|x| + 1)2 + y
Soit F1 (x, y) = (|x| + 1)2 et F2 (x, y) = y.
F est convexe et différentiable sur R∗ ×R 
2(x + 1),
si x > 0
 
(x + 1)2 si x > 0 
F1 (x, y) = ∂F1 (x, y) = 2(−x + 1) si x < 0
(−x + 1)2 si x < 0 


[−2, 2] si x = 0
 xxx

∂F2 (x, y) = 1
Donc 
{2(x + 1), 1}, si x > 0, y ∈ R


∂F (x, y) = {2(−x + 1), 1} si x < 0, y ∈ R


[−2, 2] × {1}; si x = 0, y ∈ R

Exercice XIV

On pose f (x) = x2 pour tout x ∈ R

1)Déterminons ∂f (1)
f est continue et dérivable sur R.
On a f 0 (x) = 2x et f ”(x) = 2 > 0 , ∀x ∈R. Donc f est convexe.
Ainsi
∂f (1) = {f 0 (1)} = {2}

•Déduisons une minorante affine ϕ(x) = ax + b de f en 1.

∂f (x0 ) = {v ∈ R/f (x) ≥ f (x0 ) + v(x − x0 ) ∀x ∈ R}

∂f (1) = {v ∈ R/f (x) ≥ f (1) + 2(x − 1)∀x ∈ R}
∀ ∈ R, f (x) ≥ f (1) + 2(x − 1) = 2x − 1

La minorante affine est ϕ(x) = 2x − 1

2) La droite d’équation y = 2x − 1 représente pour la courbe représentative de f une
tangente en (1, f (1)).

Exercice XV

On désigne (ici) par W l’ensemble des fonctions continues et de classe C 1 par

morceau sur [0, 1] et on pose pour tout u ∈ W
Z 1q
L(u) = 1 + [u0 (x)]2 dx
0

Soit K = {u ∈ W tels que u(0) = −1 et u(1) = 0}

1. l’équation d’Euler-Lagrange que doit satisfaire un point minimum u de L sur K

Posons q
f (x, u, u0 ) = 1 + [u0 (x)]2
∂f ∂f
∂u
= 0 ,donc l’équation d’Euler-Lagrange stipule que ∂u0
= c où c ∈ R

∂f 2u0 (x)
=
∂u0
q
2 1 + [u0 (x)]2
u0 (x)
=q
1 + [u0 (x)]2
 xxxi

u0 (x)2
= c2 =⇒ u0 (x)2 = c2 (1 + [u0 (x)]2 )
1 + [u0 (x)]2
u0 (x)2 = c2 (1 + [u0 (x)]2 ) =⇒ u0 (x)2 (1 − c2 ) = c2
c2
=⇒ u0 (x)2 =
1 − c2
d’où s
c2
u0 (x) = avec c ∈]0, 1[
1 − c2
q
c2
2. Trouvons le point minimum de L sur K . u0 (x) = 1−c2
est une équation diffé-
rentielleqdu premier ordre
c2 0
Posons 1−c 2 = λ =⇒ u (x) = λ =⇒ u(x) = λx + β
  
u(0) = −1 u(0)= λ × 0 + β = −1 β = −1
=⇒ =⇒
u(1) = 0 u(1) = λ × 1 + β = 0 λ = 1

u(x) = x − 1
3. Vérification
Z 1q
L(u) = 1 + [u0 (x)]2 dx
0
Z 1√
= 2dx
0
√
= 2
√
L(u) = 2