Chapitre III : Recherche analytique de l’optimum d’une

fonction soumise à des contraintes

Introduction : Il existe deux types de contraintes

o Contraintes d’égalité : gk(x)=0
o Contraintes d’inégalité : a ≤ x ≤ b ou a≥x≥b
gk (x) ≤ 0 ou gk (x) ≥ 0
k=1, 2, ……m ; x = x1, x2,………xn ; m<n

1. Optimisation avec contraintes d’égalité :

Soit la fonction f de n variables est de la forme :

(x1, x2,………xn ) →f (x1, x2,………xn) ϵ R

g1 x = 0
g2 x = 0
g3 x = 0
soumise à des contrainte d’égalité . avec m<n
.
.
g m (x) = 0

Plusieurs méthodes peuvent utiliser pour optimiser (minimiser ou maximiser) la fonction f sous des
contraintes d’égalité.

a. Méthode de substitution
o Définir les différentes variables x1, x2, x3,……
o Écrire l'objectif en fonction des variables ;
o Écrire toutes les contraintes ;
o Exprimer, en utilisant les contraintes, toutes les variables en termes d'une seule (par exemple
x2=f(x1), x3=f(x1)….) ;
o Substituer ces expressions dans la fonction objectif ;
o Optimiser.

Exemple 1 : soit la fonction 𝑓 𝑥1 , 𝑥2 = 4𝑥12 + 5𝑥22 … … … … (1)

soumise à la contrainte 𝑔 𝑥1 , 𝑥2 = 2𝑥1 + 3𝑥2 − 6 = 0 … … … . (2)

1
 −3𝑥2 + 6
2 → 𝑥1 = … … … … . (3)
2
2
(1) −3𝑥2 + 6
(3) 𝑓(𝑥2 ) = 4 + 5𝑥22
2

𝑓(𝑥2 ) = 9𝑥2 2 − 36𝑥2 + 36 + 5𝑥22 → 𝑓(𝑥2 ) = 14𝑥2 2 − 36𝑥2 + 36 … … … … . (4)

Condition nécessaire
df 𝑥 2 ∗ 9
= 28𝑥2 ∗ − 36 = 0 → 𝑥2 ∗ = 7
d𝑥 2

9
∗ −3𝑥2 ∗ + 6 −3 7 + 6 15
(3) → 𝑥1 = = =
2 2 14
∗ ∗ 𝟏𝟓 𝟗
Le point stationnaire est (𝒙𝟏 , 𝒙𝟐 ) = ( , )
𝟏𝟒 𝟕

Condition suffisante

1 d2 f 𝑥2 ∗
∆f ∗ 𝑥2 = f 𝑥2 − f 𝑥2 ∗ = 2 ∆x
2
= 28∆x 2 > 0 → 𝑓 admet un minimum
2 d𝑥2

Exemple 2:

Déterminer les dimensions d’un réservoir de forme parallélépipède ouvert en acier d’un volume V
dont la construction demande le moins d’acier possible.

Le problème peut être exprimé sous la forme de la recherche des dimensions x, y et z de réservoir en
minimisant S = xy+2xz+2yz sous la contrainte xyz = V
𝑉 𝑉 𝑉 𝑉 𝑉
. g(x, y, z)= xyz – V=0→ 𝑧 = 𝑥𝑦 → S = xy + 2x 𝑥𝑦 + 2y 𝑥𝑦 → S = xy + 2 𝑦 + 2 𝑥

Les points stationnaires de S sont les solutions de :

𝜕𝑆 𝑉
= y ∗ − 2 𝑥 ∗2 = 0 … … … . . (𝑎)
𝜕𝑥
𝜕𝑆 𝑉 ← Condition nécessaire
= x ∗ − 2 𝑦 ∗2 = 0 … … … . . (𝑏)
𝜕𝑦

𝑉 𝑏 𝑥 ∗4 1
𝑎 → y∗ = 2 …… 𝑐 x∗ − 2 = 0 → x ∗ = 2V 3
𝑥 ∗2 𝑉
1
𝑐 → y ∗ = 2V 3

𝑉 1/3 𝑥∗
z∗ = =
4 2

𝟏 𝟏
𝑽 𝟏/𝟑
Le point stationnaire (x*, y*, z*)= ( 𝟐𝐕 𝟑 , 𝟐𝐕 𝟑 , )
𝟒

- Pour vérifier qu’il s’agit bien d’un minimum, on applique la condition suffisante:
2
 Méthode de Sylvester

𝜕2𝑆 4𝑉
𝐷1 = = 𝑥 ∗3 = 2 > 0
𝜕𝑥 2

𝜕2𝑆 𝜕2𝑆 4𝑉
1
𝜕𝑥 2 𝜕𝑥𝜕𝑦 𝑥 ∗3
𝐷2 = = 4𝑉
𝜕2𝑆 𝜕2𝑆 1 𝑦 ∗3
𝜕𝑦𝜕𝑥 𝜕𝑦 2

2 1
𝐷2 = = 4−1= 3> 0
1 2

D1>0 et D2>0 → le problème admettant une solution et la fonction S ne possédant qu’un seul point
stationnaire, celui correspond au minimum recherché.

Exemple 3:

Déterminer l’optimum de la fonction : 𝑓 𝑥1 , 𝑥2 , 𝑥3 = −2𝑥12 + 6𝑥1 + 2𝑥1 𝑥2−2𝑥22 + 𝑥32 … … . (1)

soumise aux contraintes : 𝑔1 𝑥1 , 𝑥2 = 𝑥1 + 𝑥2 − 2 = 0 … … … . 2

𝑔2 𝑥1 , 𝑥3 = 𝑥1 + 𝑥3 − 3 = 0 … … … . 3

2 → 𝑥2 = −𝑥1 + 2 … … … . 4

2 → 𝑥3 = −𝑥1 + 3 … … … . 5
1
4 𝑒𝑡 (5) 𝑓 𝑥1 = −5𝑥12 + 12𝑥1 + 1 … … . (6)

Condition nécessaire

df 𝑥1 ∗ 6 4 𝑒𝑡 5 4 ∗ 9
= −10𝑥1∗ + 12 = 0 → 𝑥1∗ = …….. 7 𝑥2∗ = ,𝑥 =
d𝑥1 5 5 3 5
𝟔 𝟒 𝟗
Le point stationnaire (𝒙𝟏 ∗ , 𝒙𝟐 ∗ , 𝒙𝟑 ∗ )= (𝟓 , 𝟓 , 𝟓)

Condition suffisante

1 d2 f 𝑥1 ∗
∆f ∗ 𝑥1 = f 𝑥1 − f 𝑥1 ∗ = 2 ∆x
2
= −10∆x 2 < 0 → 𝑓 𝑎𝑑𝑚𝑒𝑡 𝑢𝑛 𝑚𝑎𝑥𝑖𝑚𝑢𝑚.
2 d𝑥1

3
b. Méthode de Lagrange
En utilisant la méthode de Lagrange pour résoudre le problème d’optimisation d’une fonction objectif
soumise à des contraintes d’égalité. Cette résolution nécessite la résolution d’une autre fonction
mathématique appelée la fonction Lagrangienne notée L(x, ʎ), est définie comme suit :

La fonction Lagrangienne notée L(x, ʎ), est définie comme suit :

L x, ʎ = 𝑓 x + ʎ1 𝑔1 x + ʎ2 𝑔2 x + … … … … . . ʎm 𝑔𝑚 (x)

ʎ=(ʎ1 , ʎ2 , … . ʎm )

ʎ1, ʎ2, …… ʎm: multiplicateurs de Lagrange

𝑚

L x, ʎ = 𝑓 x + ʎk 𝑔𝑘 (x)
𝑘=1

On a passé d'un problème d'optimisation avec contraintes à un problème sans contrainte mais on a
augmenté le nombre d'inconnues (x, ʎ). On peut alors résoudre analytiquement ce problème
d'optimisation sans contrainte, en exprimant les conditions du premier ordre (CN) à la fonction
lagrangienne:
Si x* est une solution du problème d'optimisation et satisfait gk(x*)=0, alors il existe ʎ* ϵ Rm tel que :
∂L x ∗ , ʎ∗ ∂L x ∗ , ʎ∗
= =0
𝜕x 𝜕ʎ

En reprenant l’exemple 2 ci-dessus, la fonction Lagrangienne s’écrit comme suit:

L x, y, z, ʎ = 𝑆 + ʎ 𝑔(x, y, z, ʎ)

L x, y, z, ʎ = xy + 2xz + 2yz + ʎ(xyz - V)

Condition nécessaire

𝜕L x ∗ , y ∗ , z ∗ , ʎ∗
= y ∗ + 2z ∗ + ʎ∗ y ∗ z ∗ = 0 … … … . . (1)
𝜕𝑥
𝜕L x ∗ , y ∗ , z ∗ , ʎ∗
= x ∗ + 2z ∗ + ʎ∗ x ∗ z ∗ = 0 … … … . . 2
𝜕𝑦
𝜕L x ∗ , y ∗ , z ∗ , ʎ∗
= 2x ∗ + 2y ∗ +ʎ∗ x ∗ y ∗ = 0 … … … . . (3)
𝜕𝑧
𝜕L x ∗ , y ∗ , z ∗ , ʎ∗
= x ∗ y ∗ z ∗ − 𝑉 = 0 … … … . . (4)
𝜕ʎ

𝐿𝑒𝑠 é𝑞𝑢𝑎𝑡𝑖𝑜𝑛𝑠 1 − 2 :

4
 a) y ∗ = x ∗ … . (5)
ou
(𝑦 ∗ − 𝑥 ∗ ) + ʎ∗ z ∗ (𝑦 ∗ − 𝑥 ∗ ) = 0 → (𝑦 ∗ − 𝑥 ∗ ) 1 + ʎ∗ z ∗ = 0 → 1
b) ʎ∗ = − ∗ … . (6)
z
3 ∗ ∗ ∗ ∗ ∗2 ∗ ∗
∗ ∗ ∗ ∗ ∗ ∗
a) y = x 2x + 2x + ʎ x x = 0 → 4x + ʎ x = 0 → x 4 + ʎ x = 0

x ∗ = 0 impossible
ou
→ 4
∗
ʎ = − ∗ … . (7)
x
V
4 → z∗ = … . (8)
x ∗2
(1) V 4 V 3 V 4
; ʎ∗ = − 3
3
5 , 7 , (8) y ∗ + 2 y ∗2 − y ∗ y ∗ y ∗2 = 0 → y ∗3 _ 2V = 0 → y ∗ = 2V = x ∗ ; z ∗ = 4 2V

1 (2) 1
b) ʎ∗ = − 𝑧 ∗ x ∗ + 2z ∗ − 𝑧 ∗ x ∗ z ∗ = 0 → 2z ∗ = 0 impossible

𝟑 𝟑 𝑽 𝟏/𝟑
Donc le point stationnaire (x*, y*, z*)= ( 𝟐𝐕, 𝟐𝐕, )
𝟒

4
Le multiplicateur de Lagrange ʎ∗ = − 3
2V

Condition suffisante

Méthode de Sylvester

𝜕2𝐿
𝐷1 = =0
𝜕𝑥 2

𝜕2𝐿 𝜕2𝐿 2
1
∗ ∗
= 0 1∗ +∗ ʎ 𝑧 = − 1 + ʎ∗ 𝑧 ∗
𝜕𝑥 2 𝜕𝑥𝜕𝑦 2 4 𝑉 3
𝐷2 = 𝜕2𝐿 𝜕2𝐿
=− 1−3 = −1
1+ʎ 𝑧 0 2V 4
𝜕𝑦𝜕𝑥 𝜕𝑦 2

𝜕2𝐿 𝜕2𝐿 𝜕2𝐿

𝜕𝑥 2 𝜕𝑥𝜕𝑦 𝜕𝑥𝜕𝑧
0 1 + ʎ∗ 𝑧 ∗ 2 + ʎ∗ y ∗
𝜕2𝐿 𝜕2𝐿 𝜕2𝐿
𝐷3 = = 1 + ʎ∗ 𝑧 ∗ 0 2 + ʎ∗ x ∗ = ?
𝜕𝑦𝜕𝑥 𝜕𝑦 2 𝜕𝑦𝜕𝑧
𝜕2𝐿 𝜕2𝐿 𝜕2𝐿 2 + ʎ∗ y ∗ 2 + ʎ∗ x ∗ 0
𝜕𝑧𝜕𝑥 𝜕𝑧𝜕𝑦 𝜕𝑧 2

Calcul le déterminant d’ordre 3

+ − +
𝑎11 𝑎12 𝑎13 𝑎22 𝑎23 𝑎21 𝑎23 𝑎21 𝑎22
𝐷3 = 𝑎 𝑎22 =𝑎11 𝑎32 𝑎33 − 𝑎12 𝑎31 𝑎33 + 𝑎13 𝑎31 𝑎32
21 𝑎23
𝑎31 𝑎32 𝑎33

5
 𝐷3 = 0 × 0 × 0 − 2 + ʎ∗ x ∗ 2
− 1 + ʎ∗ 𝑧 ∗ × 1 × 0 − 2 + ʎ∗ x ∗ 2 + ʎ∗ y ∗ + 2 + ʎ∗ y ∗
× 1 + ʎ∗ 𝑧 ∗ × 2 + ʎ∗ x ∗ − 0 × 2 + ʎ∗ y ∗
= 1 + ʎ∗ 𝑧 ∗ 2 + ʎ∗ x ∗ 2 + ʎ∗ y ∗ + 2 + ʎ∗ y ∗ 2 + ʎ∗ x ∗ 1 + ʎ∗ 𝑧 ∗

x ∗ =x ∗
𝐷3 = 2 2 + ʎ∗ y ∗ 2 + ʎ∗ x ∗ 1 + ʎ∗ 𝑧 ∗ 2 2 + ʎ∗ x ∗ 2
1 + ʎ∗ z ∗

1
2
4 3 4𝑉 3
𝐷3 = 2 2 − 3 2V 1− 3 = 8 1 − 2 = −8
2V 2V 4

𝑪𝒐𝒏𝒄𝒍𝒖𝒔𝒊𝒐𝒏

𝑫𝟏 = 𝟎
𝑫𝟐 = −𝟏 → 𝒖𝒏 𝒅é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒏𝒕 𝒆𝒔𝒕 𝒏𝒖𝒍 → 𝒄𝒉𝒂𝒏𝒈𝒆𝒓 𝒍𝒂 𝒎é𝒕𝒉𝒐𝒅𝒆
𝑫𝟑 = −𝟖

Appliquer la méthode de DLT

Exemple 4:

Déterminer l’optimum de la fonction : 𝑓 𝑥1 , 𝑥2 , 𝑥3 = 𝑥12 + 𝑥22 + 𝑥32 + 4𝑥1 + 20𝑥2 … … . (1)

soumise aux contraintes : 𝑔1 𝑥1 , 𝑥2 = 𝑥1 + 𝑥2 − 100 = 0 … … … . 2

𝑔2 𝑥1 , 𝑥2 , 𝑥3 = 𝑥1 + 𝑥2 + 𝑥3 − 150 = 0 … … … . 3

La fonction Lagrangienne :
𝑚

L 𝑥1 , 𝑥2 , 𝑥3 , ʎk = 𝑓 𝑥1 , 𝑥2 , 𝑥3 + ʎk 𝑔𝑘 (𝑥1 , 𝑥2 , 𝑥3 )
𝑘=1

L 𝑥1 , 𝑥2 , 𝑥3 , ʎ1 , ʎ2 = 𝑥12 + 𝑥22 + 𝑥32 + 4𝑥1 + 20𝑥2 + ʎ1 𝑥1 + 𝑥2 − 100 + ʎ2 (𝑥1 + 𝑥2 + 𝑥3 − 150)

Condition nécessaire

6
 ∗
𝜕L 𝑥1 ∗ , 𝑥2 ∗ , 𝑥3 ∗ , ʎ1 ∗ , ʎ2 ∗
= 2x1∗ + 4 + ʎ1 ∗ + ʎ2 = 0 … … … . . (1)
𝜕𝑥1
∗
𝜕L 𝑥1 , 𝑥2 , 𝑥3 ∗ , ʎ1 ∗ , ʎ2
∗ ∗
∗
= 2x2∗ + 20 + ʎ1 ∗ + ʎ2 = 0 … … … . . 2
𝜕𝑥2
∗
𝜕L 𝑥1 ∗ , 𝑥2 ∗ , 𝑥3 ∗ , ʎ1 ∗ , ʎ2
= 2x3∗ + ʎ2 ∗ = 0 … … … . . (3)
𝜕𝑥3
∗
𝜕L 𝑥1 ∗ , 𝑥2 ∗ , 𝑥3 ∗ , ʎ1 ∗ , ʎ2
= x1∗ + x2∗ − 100 = 0 … … … . . 4
𝜕ʎ1
∗
𝜕L 𝑥1 ∗ , 𝑥2 ∗ , 𝑥3 ∗ , ʎ1 ∗ , ʎ2
= x1∗ + x2∗ + x3∗ − 150 = 0 … … … . . 5
𝜕ʎ2

𝐿𝑒𝑠 é𝑞𝑢𝑎𝑡𝑖𝑜𝑛𝑠 1 − 2 :
2x1∗ + 4 − 2x2∗ − 20 = 0 → 2x1∗ − 2x2∗ − 16 = 0 → x1∗ = x2∗ + 8 … … . 6

4
6 x2∗ + 8 + x2∗ − 100 = 0 → x2∗ = 46 ; (6)→ x1∗ = 54 (5)→ x3∗ = 50

3 → ʎ2 ∗ = −100; 1 → ʎ1 ∗ = −12

La fonction f possède un seul point stationnaire (𝒙𝟏 ∗ , 𝒙𝟐 ∗ , 𝒙𝟑 ∗ )= (𝟓𝟒, 𝟒𝟔, 𝟓𝟎)

Les multiplicateurs de Lagrange (ʎ𝟏 ∗ , ʎ𝟐 ∗ )= (−𝟏𝟐, −𝟏𝟎𝟎)

Condition suffisante

Méthode de Sylvester

𝜕2𝐿
𝐷1 = =2
𝜕𝑥 1 2

𝜕2𝐿 𝜕2𝐿
2
𝜕𝑥 1 𝜕𝑥 1 𝜕𝑥 2 2 0
𝐷2 = 𝜕2𝐿 𝜕2𝐿
= =4
0 2
𝜕𝑥 2 𝜕𝑥 1 𝜕𝑥 2 2

𝜕2𝐿 𝜕2𝐿 𝜕2𝐿

2
𝜕𝑥 1 𝜕𝑥 1 𝜕𝑥 2 𝜕𝑥 1 𝜕𝑥 3
𝜕2𝐿 𝜕2𝐿 𝜕2𝐿
2 0 0
𝐷3 = 2
= 0 2 0
𝜕𝑥 2 𝜕𝑥 1 𝜕𝑥 2 𝜕𝑥 2 𝜕𝑥 3
𝜕2𝐿 𝜕2𝐿 𝜕2𝐿 0 0 2
𝜕𝑥 3 𝜕𝑥 1 𝜕𝑥 3 𝜕𝑥 2 𝜕𝑥 3 2

𝐷3 = 2 × 2 × 2 − 0 × 0 − 0 × 0 × 2 − 0 × 0 + 0 × 0 × 0 − 2 × 0 = 8

𝑪𝒐𝒏𝒄𝒍𝒖𝒔𝒊𝒐𝒏

𝐃𝟏 = 𝟐 > 0
𝐃𝟐 = 𝟒 > 0 → 𝒇 𝐚𝐝𝐦𝐞𝐭 𝐮𝐧 𝐦𝐢𝐧𝐢𝐦𝐮𝐦
𝐃𝟑 = 𝟖 > 0

7
c. Méthode des dérivées contraintes
Dans cette méthode, l’équation de la condition nécessaire est déterminée par la différentielle totale de
la fonction f et les contraintes gk.

Pour n=2 (x1, x2) et m=1 (g(x1, x2)=0)

𝜕𝑓 𝑥1 , 𝑥2 𝜕𝑓 𝑥1 , 𝑥2
𝑑𝑓 𝑥1 , 𝑥2 = 𝑑𝑥1 + 𝑑𝑥2 … … . . 1
𝜕𝑥1 𝜕𝑥2

𝜕𝑔 𝑥1 , 𝑥2 𝜕𝑔 𝑥1 , 𝑥2
𝑑𝑔 𝑥1 , 𝑥2 = 𝑑𝑥1 + 𝑑𝑥2 = 0 … … . . 2
𝜕𝑥1 𝜕𝑥2

1 𝑑𝑓 𝑥1 , 𝑥2 𝜕𝑓 𝑥1 , 𝑥2 𝑑𝑥1 𝜕𝑓 𝑥1 , 𝑥2
→ = + …….. 3
𝑑𝑥2 𝑑𝑥2 𝜕𝑥1 𝑑𝑥2 𝜕𝑥2

𝑑𝑔 𝑥1 , 𝑥2 𝜕𝑔 𝑥1 , 𝑥2 𝑑𝑥1 𝜕𝑔 𝑥1 , 𝑥2
= + = 0…….. 4
𝑑𝑥2 𝜕𝑥1 𝑑𝑥2 𝜕𝑥2

𝜕𝑔 𝑥1 , 𝑥2
𝑑𝑥1 𝜕𝑥2
4 → =− …….. 5
𝑑𝑥2 𝜕𝑔 𝑥1 , 𝑥2
𝜕𝑥1

𝜕𝑔 𝑥1 , 𝑥2
3 𝑑𝑓 𝑥1 , 𝑥2 𝜕𝑓 𝑥1 , 𝑥2 𝜕𝑥2 𝜕𝑓 𝑥1 , 𝑥2
(5) = − + …….. 6
𝑑𝑥2 𝜕𝑥1 𝜕𝑔 𝑥1 , 𝑥2 𝜕𝑥2
𝜕𝑥1

Donc l’équation de la CN de la fonction f :

𝝏𝒈 𝒙∗𝟏 , 𝒙∗𝟐
𝒅𝒇 𝒙∗𝟏 , 𝒙∗𝟐 𝝏𝒇 𝒙∗𝟏 , 𝒙∗𝟐 𝝏𝒙𝟐 𝝏𝒇 𝒙∗𝟏 , 𝒙∗𝟐
= − + =𝟎
𝒅𝒙𝟐 𝝏𝒙𝟏 𝝏𝒈 𝒙∗𝟏 , 𝒙∗𝟐 𝝏𝒙𝟐
𝝏𝒙𝟏

Exemple 5:

Optimiser la fonction 𝑓 𝑥1 , 𝑥2 = 𝑥12 𝑥2 + 𝑥1 𝑥22 … … … … (1)

soumise à la contrainte 𝑔 𝑥1 , 𝑥2 = 𝑥1 + 𝑥2 − 1 = 0 … … … . (2)

𝜕𝑓 𝑥1∗ , 𝑥2∗
= 2𝑥1∗ 𝑥2∗ + 𝑥2∗2
𝜕𝑥1

8
𝜕𝑓 𝑥1∗ , 𝑥2∗
= 𝑥1∗2 + 2𝑥1∗ 𝑥2∗
𝜕𝑥2

𝜕𝑔 𝑥1∗ , 𝑥2∗
=1
𝜕𝑥1

𝜕𝑔 𝑥1∗ , 𝑥2∗
=1
𝜕𝑥2

CN :

𝜕𝑔 𝑥1∗ , 𝑥2∗
𝑑𝑓 𝑥1∗ , 𝑥2∗ 𝜕𝑓 𝑥1∗ , 𝑥2∗ 𝜕𝑥2 𝜕𝑓 𝑥1∗ , 𝑥2∗
= − + =0
𝑑𝑥2 𝜕𝑥1 𝜕𝑔 𝑥1∗ , 𝑥2∗ 𝜕𝑥2
𝜕𝑥1

𝑑𝑓 𝑥1∗ , 𝑥2∗ 1
= 2𝑥1∗ 𝑥2∗ + 𝑥2∗2 − + 𝑥1∗2 + 2𝑥1∗ 𝑥2∗ = 0 → 𝑥1∗2 = 𝑥2∗2 → 𝑥1∗ = ±𝑥2∗
𝑑𝑥2 1

2 1
𝑎) 𝑥1∗ = 𝑥2∗ 𝑔 𝑥1∗ , 𝑥2∗ = 𝑥1∗ + 𝑥2∗ − 1 = 𝑥1∗ + 𝑥1∗ − 1 = 0 → 𝑥1∗ = = 𝑥2∗
2
2
𝑏) 𝑥1∗ = −𝑥2∗ 𝑔 𝑥1∗ , 𝑥2∗ = 𝑥1∗ + 𝑥2∗ − 1 = 𝑥1∗ − 𝑥1∗ − 1 = 0 → −1 = 0 𝑖𝑚𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒

Le point stationnaire de la fonction f (x1∗ , 𝑥2∗ )=(1/2, 1/2)

Condition suffisante

Méthode de sylvester

𝜕 2 𝑓(𝑥 1∗ ,𝑥 2∗ )
𝐷1 = = 2𝑥2∗ = 1
𝜕𝑥 12

𝜕 2 𝑓(𝑥 1∗ ,𝑥 2∗ ) 𝜕 2 𝑓(𝑥 1∗ ,𝑥 2∗ )
𝜕𝑥 12 𝜕𝑥 1 𝜕𝑥 2 2𝑥2∗ 2𝑥1∗ + 2𝑥2∗ 1 2
𝐷2 = = ∗ ∗ = = −3
𝜕 2 𝑓(𝑥 1∗ ,𝑥 2∗ ) 𝜕 2 𝑓(𝑥 1∗ ,𝑥 2∗ ) 2𝑥1 + 2𝑥2 2𝑥1∗ 2 1
𝜕𝑥 2 𝜕𝑥 1 𝜕𝑥 22

𝑪𝒐𝒏𝒄𝒍𝒖𝒔𝒊𝒐𝒏

𝐃𝟏 = 𝟏 > 0 𝟏 𝟏
→ 𝒇 𝐧′ 𝐚𝐝𝐦𝐞𝐭 𝐩𝐚𝐬 𝐮𝐧 𝐞𝐱𝐭𝐫𝐞𝐦𝐮𝐦 → , 𝐞𝐬𝐭 𝐮𝐧 𝐩𝐨𝐢𝐧𝐭 𝐬𝐞𝐥𝐥𝐞.
𝐃𝟐 = −𝟑 < 0 𝟐 𝟐

Pour n=3(x1, x2, x3) et m=2 (g1(x1, x2)=0 et g2(x1, x3)=0)

En reprenant l’exemple 3 ci-dessus: 𝑓 𝑥1 , 𝑥2 , 𝑥3 = −2𝑥12 + 6𝑥1 + 2𝑥1 𝑥2− 2𝑥22 + 𝑥32 … … . (1)

9
soumise aux contraintes : 𝑔1 𝑥1 , 𝑥2 = 𝑥1 + 𝑥2 − 2 = 0 … … … . 2

𝑔2 𝑥1 , 𝑥3 = 𝑥1 + 𝑥3 − 3 = 0 … … … . 3

𝜕𝑓 𝑥1 , 𝑥2 , 𝑥3 𝜕𝑓 𝑥1 , 𝑥2 , 𝑥3 𝜕𝑓 𝑥1 , 𝑥2 , 𝑥3
𝑑𝑓 𝑥1 , 𝑥2 , 𝑥3 = 𝑑𝑥1 + 𝑑𝑥2 + 𝑑𝑥3 … … . . 1
𝜕𝑥1 𝜕𝑥2 𝜕𝑥3
0
𝜕𝑔1 𝑥1 , 𝑥2 𝜕𝑔1 𝑥1 , 𝑥2 𝜕𝑔1 𝑥1 , 𝑥2
𝑑𝑔1 𝑥1 , 𝑥2 = 𝑑𝑥1 + 𝑑𝑥2 + 𝑑𝑥3 = 0 … … . . 2
𝜕𝑥1 𝜕𝑥2 𝜕𝑥3
0
𝜕𝑔2 𝑥1 , 𝑥3 𝜕𝑔2 𝑥1 , 𝑥3 𝜕𝑔2 𝑥1 , 𝑥3
𝑑𝑔2 𝑥1 , 𝑥3 = 𝑑𝑥1 + 𝑑𝑥2 + 𝑑𝑥3 = 0 … … . . 3
𝜕𝑥1 𝜕𝑥2 𝜕𝑥3

1 𝑑𝑓 𝑥1 , 𝑥2 , 𝑥3 𝜕𝑓 𝑥1 , 𝑥2 , 𝑥3 𝜕𝑓 𝑥1 , 𝑥2 , 𝑥3 𝑑𝑥2 𝜕𝑓 𝑥1 , 𝑥2 , 𝑥3 𝑑𝑥3
→ = + + …….. 4
𝑑𝑥1 𝑑𝑥1 𝜕𝑥1 𝜕𝑥2 𝑑𝑥1 𝜕𝑥3 𝑑𝑥1

𝑑𝑔1 𝑥1 , 𝑥2 𝜕𝑔1 𝑥1 , 𝑥2 𝜕𝑔1 𝑥1 , 𝑥2 𝑑𝑥2

= + = 0…….. 5
𝑑𝑥1 𝜕𝑥1 𝜕𝑥2 𝑑𝑥1

𝑑𝑔2 𝑥1 , 𝑥3 𝜕𝑔2 𝑥1 , 𝑥3 𝜕𝑔2 𝑥1 , 𝑥3 𝑑𝑥3

= + = 0…….. 6
𝑑𝑥1 𝜕𝑥1 𝜕𝑥3 𝑑𝑥1

𝜕𝑔1 𝑥1 , 𝑥2
𝑑𝑥2 𝜕𝑥1
5 → =− …….. 7
𝑑𝑥1 𝜕𝑔1 𝑥1 , 𝑥2
𝜕𝑥2

𝜕𝑔2 𝑥1 , 𝑥3
𝑑𝑥3 𝜕𝑥1
6 → =− …….. 8
𝑑𝑥1 𝜕𝑔2 𝑥1 , 𝑥3
𝜕𝑥3
4
7 𝑒𝑡 8

𝜕𝑔1 𝑥1 , 𝑥2 𝜕𝑔2 𝑥1 , 𝑥3
𝑑𝑓 𝑥1 , 𝑥2 , 𝑥3 𝜕𝑓 𝑥1 , 𝑥2 , 𝑥3 𝜕𝑓 𝑥1 , 𝑥2 , 𝑥3 𝜕𝑥1 𝜕𝑓 𝑥1 , 𝑥2 , 𝑥3 𝜕𝑥1
= + − + −
𝑑𝑥1 𝜕𝑥1 𝜕𝑥2 𝜕𝑔1 𝑥1 , 𝑥2 𝜕𝑥3 𝜕𝑔2 𝑥1 , 𝑥3
𝜕𝑥2 𝜕𝑥3

Condition nécessaire

𝝏𝒈𝟏 𝒙∗𝟏 , 𝒙∗𝟐 𝝏𝒈𝟐 𝒙∗𝟏 , 𝒙∗𝟑

𝒅𝒇 𝒙∗𝟏 , 𝒙∗𝟐 , 𝒙∗𝟑 𝝏𝒇 𝒙∗𝟏 , 𝒙∗𝟐 , 𝒙∗𝟑 𝝏𝒇 𝒙∗𝟏 , 𝒙∗𝟐 , 𝒙∗𝟑 𝝏𝒙𝟏 𝝏𝒇 𝒙∗𝟏 , 𝒙∗𝟐 , 𝒙∗𝟑 𝝏𝒙𝟏
= + − + −
𝒅𝒙𝟏 𝝏𝒙𝟏 𝝏𝒙𝟐 𝝏𝒈𝟏 𝒙∗𝟏 , 𝒙∗𝟐 𝝏𝒙𝟑 𝝏𝒈𝟐 𝒙∗𝟏 , 𝒙∗𝟑
𝝏𝒙𝟐 𝝏𝒙𝟑
=𝟎

10
𝑓 𝑥1 , 𝑥2 , 𝑥3 = −2𝑥12 + 6𝑥1 + 2𝑥1 𝑥2−2𝑥22 + 𝑥32 … … . (1)

soumise aux contraintes : 𝑔1 𝑥1 , 𝑥2 = 𝑥1 + 𝑥2 − 2 = 0 … … … . 2

𝑔2 𝑥1 , 𝑥3 = 𝑥1 + 𝑥3 − 3 = 0 … … … . 3

𝜕𝑓 𝑥1∗ , 𝑥2∗ , 𝑥3∗

= −4𝑥1∗ + 6+2𝑥2∗
𝜕𝑥1

𝜕𝑓 𝑥1∗ , 𝑥2∗ , 𝑥3∗

= 2𝑥1∗ − 4𝑥2∗
𝜕𝑥2

𝜕𝑓 𝑥1∗ , 𝑥2∗ , 𝑥3∗

= 2𝑥3∗
𝜕𝑥3

𝜕𝑔1 𝑥1∗ , 𝑥2∗

=1
𝜕𝑥1

𝜕𝑔1 𝑥1∗ , 𝑥2∗

=1
𝜕𝑥2

𝜕𝑔2 𝑥1∗ , 𝑥2∗

=1
𝜕𝑥1

𝜕𝑔2 𝑥1∗ , 𝑥2∗

=1
𝜕𝑥3

𝑑𝑓 𝑥1∗ , 𝑥2∗ , 𝑥3∗ 1 1

𝐶𝑁: = −4𝑥1∗ + 6+2𝑥2∗ + 2𝑥1∗ − 4𝑥2∗ − + 2𝑥3∗ − =0
𝑑𝑥1 1 1

𝑑𝑓 𝑥1∗ , 𝑥2∗ , 𝑥3∗

= −4𝑥1∗ + 6+2𝑥2∗ − 2𝑥1∗ + 4𝑥2∗ − 2𝑥3∗
𝑑𝑥1

𝑑𝑓 𝑥1∗ , 𝑥2∗ , 𝑥3∗

= −6𝑥1∗ + 6𝑥2∗ − 2𝑥3∗ + 6 = 0 … … (9)
𝑑𝑥1

𝑥2∗ = 2 − 𝑥1∗ … … … . (10)

𝑥3∗ = 3 − 𝑥1∗ … … … . 11

9 𝑑𝑓 𝑥1∗ , 𝑥2∗ , 𝑥3∗

(10) et (11) = −6𝑥1∗ + 6(2 − 𝑥1∗ ) − 2(3 − 𝑥1∗ ) + 6 = 0
𝑑𝑥1

𝑑𝑓 𝑥1∗ , 𝑥2∗ , 𝑥3∗ 6

= −10𝑥1∗ + 12 = 0 → 𝑥1∗ =
𝑑𝑥1 5

6 4
10 → 𝑥2∗ = 2 − =
5 5
6 9
11 → 𝑥3∗ = 3 − =
5 5

11
 𝟔 𝟒 𝟗
La fonction f possède un seul point stationnaire (𝒙∗𝟏 , 𝒙∗𝟐 , 𝒙∗𝟑 ) = (𝟓 , 𝟓 , 𝟓)

2. Optimisation avec contraintes d’inégalité :

a- Optimisation entre des bornes :

Soit f(x), une fonction continue définie sur un intervalle fermé [a, b] (ou a ≤ x ≤ b). Soient x*min, le
point où f atteint son minimum absolu (global) sur [a, b], et x*max, le point où f atteint son maximum
absolu (global) sur [a, b]. Alors, x*min et x*max se trouveront toujours à l'un ou l'autre des points
suivants :
-Points stationnaires
-Points de borne de [a, b]

Méthodologie Optimisation entre deux bornes [a, b]

 Effectuer les dérivées premières ;

 Trouver tous les points stationnaires de la fonction f(x) ϵ [a, b];
 Évaluer f(x) aux points stationnaires et aux bornes de [a, b];
 Identifier le minimum et le maximum absolus (global) sur [a, b].

Exemple 6 : Trouver le minimum et le maximum absolus de la fonction suivante :

𝑓 𝑥 = 𝑥 3 − 6𝑥 2 + 10 sur l’intervalle [-1, 2]

La dérivée première : f ′ x = 3x 2 − 12x

Les points stationnaires ϵ [-1, 2]; f ′ x ∗ = 3x ∗2 − 12x ∗ = 0 → 3x ∗ x ∗ − 4 → x ∗ = 0,4

x ∗ = 4 ∉ [−1, 2] → seul le point stationnaire 𝒙∗ = 𝟎 est retenu.

Evaluation de la fonction f au point stationnaire et aux bornes :

- Au point stationnaire : f(0)=10

- Au borne de [-1, 2] :

Borne gauche : f(-1)=3

Borne droit : f(2)=-6

Identification de minimum et de maximum absolus sur [-1, 2] :

Maximum absolu f(0)=10

Minimum absolu f(2)=-6
12
Exemple 7 : Trouver le minimum et le maximum absolus de la fonction suivante :

𝑓 𝑥1 , 𝑥2 = 2𝑥13 + 𝑥12 + 2𝑥22 − 4𝑥2

0 ≤ 𝑥1 ≤ 2 ; 0 ≤ 𝑥2 ≤ 3

Les dérivées premières

𝜕𝑓 𝑥 1 ,𝑥 2
= 6𝑥12 + 2𝑥1 … … … . . (1)
𝜕𝑥 1

𝜕𝑓 𝑥 1 ,𝑥 2
= 4𝑥2 − 4 ……………(2)
𝜕𝑥 2

Les points stationnaires : x1 ϵ [0, 2] et x2 ϵ [0, 3]

𝑥1 ∗ = 0 ∈ [0, 2]
1 → 6𝑥1∗2 + 2𝑥1 ∗ = 0 → 2𝑥1 ∗ 3𝑥1 ∗ + 1 = 0 → 1
𝑥1 ∗ = − ∉ [0, 2]
3
2 → 4𝑥2 ∗ − 4 = 0 → 𝑥2 ∗ = 1 ∈ [0, 3]

Donc le point stationnaire : (𝒙∗𝟏 , 𝒙∗𝟐 ) = (𝟎, 𝟏)

Evaluation de la fonction f au point stationnaire et aux bornes :

Au point stationnaire : f(0,1)=-2

Aux bornes : f(0,0)=0 ; f(0,3)=6 ; f(2,0)= 20 ; f(2,3)= 26

Identification de minimum et de maximum absolus sur [0, 2] et [0, 3] :

Maximum absolu f(2,3)= 26

Minimum absolu f(0,1)=-2

Remarque : f(0,0)=0, f(0,3)=6, f(2,0)= 20 sont des extremums locaux.

b- Optimisation avec contraintes de type gk (x) ≤ 0 (ou gk (x) ≥ 0):

Soit la fonction f de n variables est de la forme :

(x1, x2,………xn ) →f (x1, x2,………xn) ϵ R

13
 g1 x ≥ 0 (ou g1 x ≤ 0)
g 2 x ≥ 0 (ou g 2 x ≤ 0)
g 3 x ≥ 0 (ou g 3 x ≤ 0)
soumise à des contraintes d’inégalité . avec m<n
.
.
g m (x) ≥ 0 (ou g m x ≤ 0)

Méthodes de résolution :

Méthode 1 : résolution sans tenir les contraintes

- Résoudre le problème d’optimisation sans tenir les contraintes.

- Vérifier les contraintes en remplaçant les points stationnaires obtenus dans l’expression des
contraintes. Si ce n’est pas le cas on admet que l’optimum est situé aux limites imposées par les
contraintes.

Exemple 8 :

𝑓 𝑥1 , 𝑥2 = 4𝑥12 + 5𝑥22 ; 𝑠𝑜𝑢𝑚𝑖𝑠𝑒 𝑎𝑢 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑥1 ≥ 1

-Résolution sans tenir la contrainte :

𝜕𝑓 𝑥 1∗ ,𝑥 2∗
= 8𝑥1∗ = 0 → 𝑥1∗ = 0
𝜕 𝑥1
𝜕𝑓 𝑥 1∗ ,𝑥 2∗
⇨ Donc le point stationnaire : (𝒙∗𝟏 , 𝒙∗𝟐 ) = (𝟎, 𝟎)
= 10𝑥2∗ → 𝑥2∗ =0
𝜕 𝑥2

-Vérification : 𝑥1∗ = 0 ne vérifié pas la contrainte (x1 ≥ 1)

𝜕𝑓 𝑥 2∗
-Imposer que : 𝑥1 = 1→ 𝑓 𝑥2 = 4 + 5𝑥22 → = 10𝑥2∗ = 0 → 𝑥2∗ = 0
𝜕𝑥 2

Donc le point stationnaire : (𝒙∗𝟏 , 𝒙∗𝟐 ) = (𝟏, 𝟎)

1 𝜕 2 𝑓 𝑥 2∗
Nature de point stationnaire : ∆f ∗ 𝑥2 = (2!) ∆𝑥22 = 10 > 0 → 𝒇 𝒂𝒅𝒎𝒆𝒕 𝒖𝒏 𝒎𝒊𝒏𝒊𝒎𝒖𝒎
𝜕𝑥 22

Méthode 2 : transformation des contraintes d’inégalité aux contraintes d’égalité

Cette méthode consiste à transformer la contrainte d’inégalité à la contrainte d’égalité en introduisant

une variable supplémentaire appelée variable d’écart (xk+n) dans l’expression de la contrainte
d’inégalité.
transformation
gk x ≤ 0 g ′k x = g k x + xk+n
2

transformation
avec xk+n ≥ 0
gk x ≥ 0 g ′k x = g k x − xk+n
2

Exemple 9 :

𝑓 𝑥1 , 𝑥2 = 4𝑥12 + 5𝑥22 ; 𝑠𝑜𝑢𝑚𝑖𝑠𝑒 𝑎𝑢 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑥1 ≤ 1

14
 transformation
g1 𝑥1 = 𝑥1 − 1 ≤ 0 g1′ 𝑥1 , 𝑥3 = 𝑥1 − 1 + x1+2
2
= 𝑥1 − 1 + x32 = 0

Résolution par la méthode de Lagrange :

𝑚

L 𝑥1 , 𝑥2 , 𝑥3 , ʎk = 𝑓 𝑥1 , 𝑥2 + ʎk 𝑔𝑘′ (𝑥1 , 𝑥2 , 𝑥3 )
𝑘=1

L 𝑥1 , 𝑥2 , 𝑥3 , ʎ1 = 𝑓 𝑥1 , 𝑥2 + ʎ1 𝑔1′ 𝑥1 , 𝑥3 = 4𝑥12 + 5𝑥22 + ʎ1 (𝑥1 − 1 + x32 )

𝜕L 𝑥1 ∗ , 𝑥2 ∗ , 𝑥3 ∗ , ʎ1∗
= 8x1∗ + ʎ1∗ = 0 … … … . . (1)
𝜕𝑥1
𝜕L 𝑥1 ∗ , 𝑥2 ∗ , 𝑥3 ∗ , ʎ1∗
= 10x2∗ = 0 … … … . . 2
𝜕𝑥2
𝜕L 𝑥1 ∗ , 𝑥2 ∗ , 𝑥3 ∗ , ʎ1∗
= 2ʎ1 ∗ x3∗ = 0 … … … . . (3)
𝜕𝑥3
𝜕L 𝑥1 , 𝑥2 , 𝑥3 ∗ , ʎ1∗
∗ ∗
= x1∗ − 1 + x3∗2 = 0 … … … . . 4
𝜕ʎ1
𝐸𝑞𝑢𝑎𝑡𝑖𝑜𝑛 2 → x2∗ = 0
ʎ1∗ = 0 et x3∗ ≠ 0
𝐸𝑞𝑢𝑎𝑡𝑖𝑜𝑛 3 → ou
x3∗ = 0 et ʎ1∗ ≠ 0

1 → x1∗ = 0
ʎ∗𝟏 = 𝟎 𝐞𝐭 𝐱 𝟑∗ ≠ 𝟎: → le point stationnaire : (𝒙∗𝟏 , 𝒙∗𝟐 )
4 → x3∗ = ±1 → x3∗ = 1 (x3∗ ≥ 0)
= (𝟎, 𝟎)

4 → x1∗ = 1
𝐱 𝟑∗ = 𝟎 𝐞𝐭 ʎ∗𝟏 ≠ 𝟎: → le point stationnaire : (𝒙∗𝟏 , 𝒙∗𝟐 ) = (𝟏, 𝟎)
1 → ʎ1∗ = −8

La fonction f possède deux points stationnaires (𝑥1∗ , 𝑥2∗ ) = 0,0 , (1,0)

Exemple 10 :

𝑓 𝑥1 , 𝑥2 , 𝑥3 = 6𝑥1 − 2𝑥12 + 2𝑥1 𝑥2 − 2𝑥22 +𝑥32

𝑥1 +𝑥2 ≤ 2
𝑠𝑜𝑢𝑚𝑖𝑠𝑒 𝑎𝑢𝑥 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑥1 + 𝑥3 ≥ 3

Transformation des contraintes d’inégalité aux contraintes d’égalité

g1 𝑥1 , 𝑥2 = 𝑥1 +𝑥2 − 2 ≤ 0 → g1′ 𝑥1 , 𝑥2 , 𝑥4 = 𝑥1 +𝑥2 − 2 + 𝑥1+3

2
= 𝑥1 +𝑥2 − 2 + 𝑥42 = 0
g 2 𝑥1 , 𝑥3 = 𝑥1 + 𝑥3 − 3 ≥ 0 → g ′2 𝑥1 , 𝑥3 , 𝑥5 = 𝑥1 + 𝑥3 − 3 − 𝑥2+3
2
= 𝑥1 + 𝑥3 − 3 − 𝑥52 = 0

15
Résolution par la méthode de Lagrange :
𝑚

L 𝑥1 , 𝑥2 , 𝑥3 , , 𝑥4 , 𝑥5 , ʎk = 𝑓 𝑥1 , 𝑥2 , 𝑥3 + ʎk 𝑔𝑘′ (𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 )
𝑘=1

L 𝑥1 , 𝑥2 , 𝑥3 , , 𝑥4 , 𝑥5 , ʎ1 , ʎ2 = 𝑓 𝑥1 , 𝑥2 , 𝑥3 + ʎ1 𝑔1′ 𝑥1 , 𝑥2 , 𝑥4 + ʎ2 𝑔2′ 𝑥1 , 𝑥3 , 𝑥5

L 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 , ʎ1 , ʎ2
= 6𝑥1 − 2𝑥12 + 2𝑥1 𝑥2 − 2𝑥22 +𝑥32 + ʎ1 (𝑥1 +𝑥2 − 2 + 𝑥42 ) + ʎ2 𝑥1 + 𝑥3 − 3 − 𝑥52

∗
𝜕L 𝑥1 ∗ , 𝑥2 ∗ , 𝑥3 ∗ , 𝑥4 ∗ , 𝑥5 ∗ , ʎ1 ∗ , ʎ2 ∗
= 6 − 4x1∗ + 2x2∗ + ʎ1 ∗ + ʎ2 = 0 … … … . . 1
𝜕𝑥1
∗
𝜕L 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ∗ , 𝑥5 ∗ , ʎ1 ∗ , ʎ2
∗ ∗ ∗
= 2x1∗ − 4x2∗ + ʎ1 ∗ = 0 … … … . . 2
𝜕𝑥2
∗
𝜕L 𝑥1 , 𝑥2 , 𝑥3 ∗ , 𝑥4 ∗ , 𝑥5 ∗ , ʎ1 ∗ , ʎ2
∗ ∗
= 2x3∗ + ʎ2 ∗ = 0 … … … . . 3
𝜕𝑥3
∗
𝜕L 𝑥1 ∗ , 𝑥2 ∗ , 𝑥3 ∗ , 𝑥4 ∗ , 𝑥5 ∗ , ʎ1 ∗ , ʎ2
= 2ʎ1 ∗ x4∗ = 0 … … … . . 4
𝜕𝑥4
∗
𝜕L 𝑥1 , 𝑥2 , 𝑥3 ∗ , 𝑥4 ∗ , 𝑥5 ∗ , ʎ1 ∗ , ʎ2
∗ ∗
= −2ʎ2 ∗ x5∗ = 0 … … … . . 5
𝜕𝑥5
∗
𝜕L 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ∗ , 𝑥5 ∗ , ʎ1 ∗ , ʎ2
∗ ∗ ∗
= x1∗ + x2∗ − 2 + 𝑥4∗2 = 0 … … … . . 6
𝜕ʎ1
∗
𝜕L 𝑥1 ∗ , 𝑥2 ∗ , 𝑥3 ∗ , 𝑥4 ∗ , 𝑥5 ∗ , ʎ1 ∗ , ʎ2
= x1∗ + x3∗ − 3 − 𝑥5∗2 = 0 … … … . . 7
𝜕ʎ2

ʎ1∗ = ʎ∗2 = 0 𝑒𝑡 x4∗ ≠ 0 , x5∗ ≠ 0

Les équations (4) et (5)→ ou
x4∗ = x5∗ = 0 et ʎ1∗ ≠ 0, ʎ∗2 ≠ 0

(ʎ∗𝟏 = ʎ∗𝟐 = 𝟎 𝒆𝒕 𝐱 𝟒∗ ≠ 𝟎 , 𝐱 𝟓∗ ≠ 𝟎)
2 → x1∗ = 2x2∗ … . . (8)
3 → x3∗ = 0
1 → 6 − 4x1∗ + 2x2∗ = 6 − 4 2x2∗ + 2x2∗ = 6 − 6x2∗ = 0 → x2∗ = 1
8 → x1∗ = 2
6 → x4∗2 = −1 impossible
→
7 → x5∗2 = −1 (impossible)
↓
Vérification: g1 x1 , x2 = x1 + x2 − 2 ≤ 0 → g1 x1∗ , x2∗ = 2 + 1 − 2 = 1 ≰ 0
∗ ∗ ∗ ∗

g 2 x1∗ , x3∗ = x1∗ + x3∗ − 3 ≥ 0 → g 2 x1∗ , x3∗ = 2 + 0 − 3 = −1 ≱ 0

Le point stationnaire x1∗ , x2∗ , x3∗ = 2, 1, 0 ne vérifié pas les deux contraintes (g1 et g 2 )

16
(𝐱 𝟒∗ = 𝐱 𝟓∗ = 𝟎 𝐞𝐭 ʎ∗𝟏 ≠ 𝟎, ʎ∗𝟐 ≠ 𝟎)
1 − 2 − 3 → 6 − 4x1∗ + 2x2∗ − 2x1∗ + 4x2∗ − 2x3∗ = 0
→ −6x1∗ + 6x2∗ − 2x3∗ + 6 = 0 … . (9)
6 → x1∗ + x2∗ − 2 = 0 → x2∗ = 2 − x1∗ … … . . (10)
7 → x1∗ + x3∗ − 3 = 0 → x3∗ = 3 − x1∗ … … … (11)
10 et 11 dans 9 → −6x1∗ + 6 2 − x1∗ − 2 3 − x1∗ + 6 = 0
6
−10x1∗ + 12 = 0 → x1∗ =
5
6 4
10 → x2∗ = 2 − =
5 5
6 9
→ 11 → x3∗ = 3 − =
5 5
6 4 4
2 → ʎ1 ∗ = −2x1∗ + 4x2∗ = −2 +4 =
5 5 5
∗ 9 18
3 → ʎ2 = −2x3∗ = −2 =−
5 5
6 4
Vérification: g1 x1∗ , x2∗ = x1∗ + x2∗ − 2 ≤ 0 → g1 x1∗ , x2∗ = + − 2 = 0 ≤ 0
5 5
6 9
g 2 x1∗ , x3∗ = x1∗ + x3∗ − 3 ≥ 0 → g 2 x1∗ , x3∗ = + − 3 = 0 ≥ 0
5 5
6 4 9
Le point stationnaire x1∗ , x2∗ , x3∗ = , , vérifié les deux contraintes (g1 et g 2 )
5 5 5
Conclusion
6 4 9
La fonction f possède un seul point stationnaire 𝐱 𝟏∗ , 𝐱 𝟐∗ , 𝐱 𝟑∗ = , ,
5 5 5

Nature de point stationnaire : Sylvester

∂2 L
𝐷1 = = −4
∂x 1 2

𝜕2𝐿 𝜕2𝐿
2
𝜕𝑥 1 𝜕𝑥 1 𝜕𝑥 2 −4 2
𝐷2 = 𝜕2𝐿 𝜕2𝐿
= = 16 − 4 = 12
2 −4
𝜕𝑥 2 𝜕𝑥 1 𝜕𝑥 2 2

𝜕2𝐿 𝜕2𝐿 𝜕2𝐿

2
𝜕𝑥 1 𝜕𝑥 1 𝜕𝑥 2 𝜕𝑥 1 𝜕𝑥 3
𝜕2𝐿 𝜕2𝐿 𝜕2𝐿
−4 2 0
𝐷3 = 2
= 2 −4 0 = −4 −4 × 2 − 0 − 2 2 × 2 − 0 = 24
𝜕𝑥 2 𝜕𝑥 1 𝜕𝑥 2 𝜕𝑥 2 𝜕𝑥 3
𝜕2𝐿 𝜕2𝐿 𝜕2𝐿 0 0 2
𝜕𝑥 3 𝜕𝑥 1 𝜕𝑥 3 𝜕𝑥 2 𝜕𝑥 3 2

𝑪𝒐𝒏𝒄𝒍𝒖𝒔𝒊𝒐𝒏

𝐃𝟏 = −𝟒 < 0 𝟔 𝟒 𝟗
𝐃𝟐 = 𝟏𝟐 > 0 → 𝒇 𝐧′ 𝐚𝐝𝐦𝐞𝐭 𝐩𝐚𝐬 𝐮𝐧 𝐞𝐱𝐭𝐫𝐞𝐦𝐮𝐦 → , , 𝐞𝐬𝐭 𝐮𝐧 𝐩𝐨𝐢𝐧𝐭 𝐬𝐞𝐥𝐥𝐞
𝐃𝟑 = 𝟐𝟒 > 0 𝟓 𝟓 𝟓

17