Optimisation et Calcul Différentiel Université Paris-Saclay

MDD 301 2023-2024

TD II – Dérivées partielles et extrema

1 Dérivées partielles
Exercice 1.1 (Caractérisation des fonctions de classe C 1 ). La fonction est continue si et seulement
si toutes ses coordonnées le sont. Or, ses coordonnées sont les fonctions
∂fi
x 7→ (x)
∂xj
qui par définition sont continues si et seulement si f est de classe C 1 .

Exercice 1.2 (Applications linéaires). Soit f : Rn → Rm une application linéaire.

1. On a f (x + tei ) − f (x) = tf (ei ), donc
f (x + tei ) − f (x) ∂f
= f (ei ) −→ f (ei ) = (x).
t t→0 ∂xi
2. La différentielle de f est par définition l’application linéaire
X ∂f
(x1 , · · · , xn ) 7→ nxi (x)
∂xi
i=1
n
X
= xi f (ei )
i=1
n
!
X
=f xi ei
i=1
= f (x1 , · · · , xn ).

3. Les dérivées partielles sont constantes, donc en particulier continues. Ainsi, f est de classe C 1 .

Exercice 1.3 (Applications bilinéaires). Soit B : Rn × Rn → R une forme bilinéaire.

1. Si (ei )1⩽i⩽n désigne la base canonique de Rn , on a
n
X
|B(x, y)| ⩽ xi yj B(ei , ej )
i,j=1
 n
X
⩽ max |B(ei , ej )| |xi ||yj |
1⩽i,j⩽n
i,j=1
 n
 X ! n 
X
⩽ max |B(ei , ej )| |xi |  |xj |
1⩽i,j⩽n
i=1 i=j
 
⩽ max |B(ei , ej )| n2 ∥x∥∥y∥
1⩽i,j⩽n

= C∥x∥∥y∥.
 On en déduit que si (xn , yn ) → (x, y), alors

|B(xn , yn ) − B(x, y)| ⩽ |B(xn , yn ) − B(xn , y)| + |B(xn , y) − B(x, y)|

= |B(xn , yn − y)| + |B(xn − x, y)|
⩽ C∥xn ∥∥yn − y∥ + C∥xn − x∥∥y∥.

Comme (∥xn ∥)n∈N est bornée (c’est une suite convergente), on conclut que B(xn , yn ) → B(x, y), donc
que B est continue.

2. On a

B(x + h, y + k) = B(x, y) + B(h, y) + B(x, k) + B(h, k).

D’après la première question, on a1

|B(h, k)| ⩽ C∥h∥∥k∥

⩽ C(max(∥h∥, ∥k∥)2
= C∥(h, k)∥

donc B(h, k) = o(h, k). Comme (h, k) 7→ B(x, k) + B(y, h) est linéaire, c’est la différentielle de B.

3. Les dérivées partielles de B sont données par

∂B
(x, y) = B(ei , y) + B(x, ej ).
∂(xi , xj )

Il s’agit d’une application linéaire, donc continue. Par conséquent, B est de classe C 1 .

Exercice 1.4 (Avec un produit scalaire). On a

F (x + tei ) − F (x) 1 1 1
= ⟨f (x + tei ), x⟩ + ⟨f (x + tei ), tei ⟩ − ⟨f (x), x⟩
t t
 t  t
f (x + tei ) − f (x)
= , x + ⟨f (x + tei ), ei ⟩
t
 
∂f
−→ (x), x + ⟨f (x), ei ⟩.
t→0 ∂xi

Comme f est de classe C 1 , les dérivées partielles de F sont continues comme composées de fonctions continues
(le produit scalaire est une forme bilinéaire). Ainsi, F est de classe C 1 .

Exercice 1.5 (Identité d’Euler). 1. On considère, pour x ∈ U fixé, la fonction g : t 7→ f (tx). On a

n
′
X ∂f
g (t) = xi (tx).
∂xi
i=1

Par ailleurs, par homogénéité, g(t) = tr f (x), dont la dérivée vaut rtr−1 f (x) si r ̸= 0 et 0 sinon. En
égalisant ces deux dérivées et en prenant t = 1, on obtient le résultat.
1
Il existe plusieurs normes équivalentes décrivant la structure d’espace vectoriel produit. On peut adapter le calcul suivant
en fonction de celle choisie.

2
 2. (a) On calcule en utilisant l’identité d’Euler :
n
X ∂f
F ′ (t) = xi (tx) − rtr−1 f (x)
∂xi
i=1
n
1X ∂f 1
= txi (tx) − rtr f (x)
t ∂xi t
i=1
1
= (rf (tx) − rtr f (x))
t
r
= F (t).
t
(b) On a F (1) = 0.
(c) On résout l’équation différentielle obtenue pour F , ce qui donne
F (t) = Cer ln(t) = Ctr .
Comme F (1) = 0, on a C = 0 et donc F = 0. Ainsi, f est homogène de degré r.
3. On dérive par rapport à la j-ème variable dans l’identité d’Euler, ce qui donne
n
X ∂2f ∂f ∂f
xi (x) + (x) = r (x).
∂xj ∂xi ∂xj ∂xj
i=1
Il suffit alors de regrouper les dérivées partielles premières pour obtenir l’identité d’Euler pour la
dérivée partielle avec un degré r − 1.
On peut également éviter l’emploi des dérivées secondes de la façon suivante : si f est homogène
d’ordre r, alors pour tout x ∈ Rn , 1 ⩽ i ⩽ n et t, u > 0, on a
f (t(x + uei )) − f (tx) f (x + uei ) − f (x)
= tr−1
tu u
En faisant tendre u → 0, on obtient le résultat escompté.

Exercice 1.6 (Équation des ondes). 1. Il suffit de calculer les dérivées partielles. On a
∂F1 ∂F1
(x, t) = f ′ (x − ct) & (x, t) = −cf ′ (x − ct)
∂x ∂t
et donc
∂ 2 F1 ′′ ∂ 2 F1
(x, t) = f (x − ct) & (x, t) = c2 f ′′ (x − ct).
∂x2 ∂t2
Ainsi, F1 vérifie bien l’équation des ondes, et le calcul pour F2 est similaire.
2. (a) Il faut calculer les dérivées partielles d’une composée, ce que l’on peut faire parce que F et Φ
sont de classe C 1 . Allons-y donc :
∂ Fe 1 ∂F 1 ∂F
= ◦ Φ(X, Y ) − ◦ Φ(X, Y )
∂X 2 ∂x 2c ∂t

et donc
∂ Fe 1 ∂2F 1 ∂2F
= ◦ Φ(X, Y ) + ◦ Φ(X, Y )
∂Y ∂X 4 ∂x2 4c ∂t∂x
1 ∂2F 1 ∂2F
− ◦ Φ(X, Y ) − 2 2 ◦ Φ(X, Y )
4c ∂x∂t 4c ∂t
1 ∂2F 1 ∂2F
= ◦ Φ(X, Y ) − 2 2 ◦ Φ(X, Y )
4 ∂x2 4c ∂t
= 0.

3
 (b) De l’équation précédente, on tire l’existence d’une fonction f : R → R telle que

∂ Fe
(X, Y ) = f (X)
∂X
pour tout (X, Y ) ∈ R2 . Par conséquent, il existe une fonction g : R → R telle que pour tout
(X, Y ) ∈ R2 ,
Fe(X, Y ) = f (X) + g(Y ).
Il suffit maintenant de remarquer que Φ−1 (x, t) = (x − ct, x + ct) pour conclure que

F (x, t) = Fe ◦ Φ−1 (x, t)

= f (x − ct) + g(x + ct).

Exercice 1.7 (Équation de la chaleur). Pour x ∈ R et t > 0, on pose

√
Z x/2 t
2
f (x, t) = e−s ds.
0

1. Posons Z y
2
F (y) = e−s ds,
0
−y 2 −y 2
√
de sorte que F ′ (y) = e et F ′′ (y) = −2ye . On a alors f (x, t) = F (x/2 t), d’où
 
∂f 1 x
(x, t) = √ F ′ √
∂x 2 t 2 t
∂2f
 
1 1 ′′ x
(x, t) = √ × √ F √
∂x2 2 t 2 t 2 t
1 −x −x2 /4t
= √ e
4t t
et
∂f −1 x −x2 /4t
(x, t) = e
∂t 2 2t3/2
∂2f
= (x, t).
∂x2

2. Pour une solution à variables séparées, il faut avoir

g1 (x)g2′ (t) = g1′′ (x)g2 (t).

Si on cherche une solution qui ne s’annule pas, on peut réécrire cette égalité sous la forme

g1′′ (x) g ′ (t)

= 2 .
g1 (x) g2 (t)

Le membre de gauche ne dépend que de x, mais est égal à une quantité qui ne dépend que de t. Par
conséquent, les deux membres doivent être constants. En notant −ω 2 cette constante - qu’on choisit
négative -, on déduit que

g1 (x) = α1 cos(ωx + θ1 ) & g2 (t) = α2 cosh(−ω 2 t + θ2 ).

En prenant α1 = α2 = 1 et θ1 = 0 = θ2 , on trouve une solution (x, t) 7→ cos(ωx) cosh(−ω 2 t).

4
2 Dérivées partielles d’ordre supérieur
Exercice 2.1 (Inversion de matrices – le retour). On considère l’application M 7→ det(M ) sur
Mn (R).

1. La formule explicite du déterminant montre qu’elle est polynomiale, donc de classe C ∞ .

2. Soit Eij la matrice dont le coefficient en position (i, j) vaut 1 et tous les autres 0. Ces matrices forment
la base canonique de Mn (R) et nous allons calculer les dérivées partielles correspondantes. Pour cela,
on observe que tout d’abord que si i ̸= j, alors

det(In + tEij ) = 1 = det(In ),

donc la dérivée partielle vaut 0. Par ailleurs, si i = j, alors

det(In + tEii ) = 1 + t,

donc la dérivée partielle vaut 1. En conclusion, la différentielle du déterminant en In est donnée par
n
X ∂ det
DIn det(H) = Hij (In )
∂Eij
i,j=1
X n
= Hii
i=1
= Tr(H).

3. Si A est inversible, on a

det(A + H) = det A(In + A−1 H)

= det(A) det(In + A−1 H)

= det(A) 1 + Tr(A−1 H) + o(∥A−1 H∥)

= det(A) + det(A)Tr(A−1 H) + det(A)o(∥A−1 H∥).

L’application H 7→ det(A)Tr(A−1 H) est linéaire, donc il suffit de montrer que le dernier terme est un
o(∥H∥). Or, le dernier terme est de la forme ∥A−1 H∥ε(∥A−1 H∥) avec ε → 0 quand son argument
tend vers 0. Comme ∥A−1 H∥ ⩽ ∥A−1 ∥∥H∥, et que ∥A−1 ∥ε(∥A−1 H∥) → 0 quand ∥H∥ → 0, le dernier
terme est bien négligeable devant H. Ainsi, nous avons trouvé un développement limité au premier
ordre au point A, et la partie linéaire est donc sa différentielle. Autrement dit,

DA det : H 7→ det(A)Tr(A−1 H).

4. On sait que l’application A 7→ DA H est continue. De plus, elle coı̈ncide sur GLn (R) avec l’application
A 7→ Tr(Com(A)t H), qui est également continue. Comme GLn (R) est dense, on conclut que ces deux
applications coı̈ncident partout.

On considère maintenant l’application M 7→ M −1 sur GLn (R).

5. Rappelons la Formule de Cramer :

1
M −1 = Com(M )t .
det(M )

Les coefficients de la comatrice sont polynomiaux donc de classe C ∞ et le déterminant est une fonction
de classe C ∞ , donc il en est de même pour l’inversion.

5
 6. On commence par calculer les dérivées partielles. Si i ̸= j, alors

(In + tEij )−1 = In − tEij ,

donc la dérivée partielle correspondante est −Eij . Si par contre i = j, alors

t
(In + tEii )−1 = In − Eii ,
1+t
donc la dérivée partielle correspondante est −Eii . Il suit que la différentielle de l’inversion en l’identité
est l’application H 7→ −H.
Si maintenant A ∈ GLn (R), on a


−1
(A + H)−1 = A In + A−1 H

−1 −1
= In + A−1 H A
= In − A−1 H + o(H) A−1

= A−1 − A−1 HA−1 + o(H)

donc la différentielle en A est H 7→ −A−1 HA−1 .

Exercice 2.2 (Puissance). Pour un entier k, on considère l’application M 7→ M k .

1. Chaque coefficient est une fonction polynomiale, donc de classe C ∞ .

2. Soient A, H ∈ Mn (R). En gardant à l’esprit que ces deux matrices ne commutent pas nécessairement,
on voit que
(A + H)k = Ak + Ak−1 H + Ak−2 HA + · · · + HAk−1 + g(A, H),
où g(A, H) est un polynôme dont tous les termes sont au moins de degré deux en H. Autrement dit,
g(A, H) = o(H) et on a donc un développement limité au premier ordre de notre fonction.

3. On peut écrire le développement complet dans ce cas :

(A + H)2 = A2 + AH + HA + H 2 .

Ainsi, en considérant les dérivées secondes croisées de notre fonction, la différentielle seconde est la
forme bilinéaire (H, K) 7→ HK + KH et la différentielle troisième est nulle.

Exercice 2.3 (Fonction de production de Cobb-Douglas). On considère la fonction de production

de Cobb-Douglas générale
f (K, L) = λK α L1−α
pour un α > 0 fixé.
1. On a
∂f
= αλK α−1 L1−α & (1 − α)λK α L−α .
∂K
et
∂2f
= λα(α − 1)K α−2 L1−α
∂K 2
∂2f ∂2f
= λα(1 − α)K α−1 L−α =
∂L∂K ∂K∂L
∂2f
= −λα(1 − α)K α L−α−1 .
∂L2

6
 2. Elle est positive, ce qui signifie que si on augmente le Capital, on augmente la production, ce qui est
raisonnable.

3. Elle est négative à cause du terme (α − 1). Cela signifie que certes, augmenter le Capital améliore la
production, mais que cet effet décroı̂t quand la Capital. Autrement dit, plus on augmente le Capital
plus l’augmentation correspondante de production est faible.

4. Elle est positive. Ainsi, si on augmente le Travail, on améliore l’effet de l’augmentation du Capital.
Ceci est assez raisonnable : si la force de travail ne suit pas, il est peu utile d’injecter de l’argent dans
le production. Il faut donc augmenter le Travail pour que l’effet positif du Capital soit plus important.

Exercice 2.4 (Différentielle seconde). Soit f : U → Rm une fonction de classe C 2 . Pour h ∈ Rn , on

considère l’application g : U → Rm définie par

g(x) = Dx f (h).

1. On a
g(x + tei ) − g(x) 1
= (Dx+tei f (h) − Dx f (h))
t t
n  
1X ∂f ∂f
= hj (x + tei ) − (x)
t ∂xj ∂xj
j=1
n  
X 1 ∂f ∂f
= hj (x + tei ) − (x)
t ∂xj ∂xj
j=1
n
X ∂2f
→ hj (x).
∂xi ∂xj
j=1

2. Pour k ∈ Rn , on a donc
n
X ∂g
Dx g(k) = ki
∂xi
i=1
n X
n
X ∂2f
= ki hj
∂xi ∂xj
i=1 j=1

= Dx2 f (k, h).

3. Pour h ∈ Rn , considérons l’application Th : L(Rn , Rm ) définie par Th (L) = L(h). Alors, comme Th est
linéaire elle est sa propre différentielle, donc

Dx (Th ◦ F ) = DF (x) Th ◦ Dx F
= Th ◦ Dx F.

Or, Th ◦ F = g, donc d’après ce qui précède,

Th ◦ Dx F (k) = Dx2 f (k, h).

Autrement dit, Dx F est l’application linéaire envoyant k sur l’application linéaire envoyant h sur
Dx2 f (k, h).

7
Exercice 2.5 (Différentielle seconde d’une composée). Soit U ⊂ Rn un ouvert. Soient f : U → Rm
et g : V → Rp où V est un ouvert de Rm tel que f (U ) ⊂ V . On suppose f et g de classe C 2 . Pour x ∈ U ,
donner une expression de Dx2 g ◦ f en fonction de Dx f , Ds2 f , Df (x) g et Df2 (x) g.
On commence par écrire
 
1 2 2
(g ◦ f )(x + h) = g f (x) + Dx f (h) + Dx f (h, h) + o(∥h∥ ) .
2

Puis, en notant f (x) + h′ le terme entre parenthèses,

1
(g ◦ f )(x + h) = g(f (x)) + Df (x) g(h′ ) + Df2 (x) g(h′ , h′ ) + o(∥h′ ∥2 )
2
1
= (g ◦ f )(x) + (Df (x) g) ◦ Dx f (h) + (Df (x) g) ◦ Dx2 f (h, h) + (Df (x) g)(o(∥h∥2 )
2
1 2 1 2 1
+ Df (x) g(Dx f (h), Dx f (h)) + Df (x) g(Dx2 f (h, h), Dx2 f (h, h)) + Df2 (x) g(o(∥h∥2 ), o(∥h∥2 ))
2 8 2
′ 2
+ o(∥h ∥ ).

On peut alors observer, en utilisant la continuité des applications linéaires et bilinéaires, que tous les termes
ci-dessous contenant des o() sont des o(∥h∥2 ). De plus, comme Dx2 f (h, h) = O(∥h∥2 ), on a

Df2 (x) g(Dx2 f (h, h), Dx2 f (h, h)) = O(∥h∥4 ) = o(∥h∥2 ).

Ainsi,
1 1
(g ◦ f )(x + h) = (g ◦ f )(x) + (Df (x) g) ◦ Dx f (h) + (Df (x) g) ◦ Dx2 f (h, h) + Df2 (x) g(Dx f (h), Dx f (h)) + o(∥h∥2 )
2 2
et on conclut que

Dx2 (g ◦ f )(h, h) = (Df (x) g) ◦ Dx2 f (h, h) + Df2 (x) g(Dx f (h), Dx f (h)).

On aurait aussi pu raisonner sur les dérivées partielles.

3 Extrema
Exercice 3.1 (Échauffement). 1. On a ∇f (x) = (2x + y, 2y + x). Les points critiques sont donc
donnés par les équations

2x + y = 0
2y + x = 0

dont l’unique solution est x = 0 = y.

2. L’idée est d’essayer de factoriser l’expression en y trouvant le développement d’un carré, de la façon
suivante :
x2 + y 2 x2 + 2xy + y 2
f (x, y) = +1+
2 2
x2 + y 2 (x + y)2
= +1+ .
2 2
Sous cette forme, on voit que f (x, y) ⩾ 1 et donc qu’il y a un minimum global en (0, 0).
On considère maintenant la fonction g : R2 → R définie par

x2 + y 2 + 4xy − 2.

8
 4. On a ∇g(x, y) = (2x + 4y, 2y + 4x). Encore une fois, le seul point critique est (0, 0).

5. Le long de la droite d’équation x = y, on a f (x, y) = 6x2 − 2 > −2 = f (0, 0) tandis que le long de la
droite d’équation x = −y, on a f (x, y) = −2x2 − 2 < 0. Ainsi, il n’y a pas d’extremum local en −2.

Exercice 3.2 (Condition d’ordre deux). 1. On a ∇f (x, y) = (6x2 + 6y, 6x − 6y). Si le gradient
s’annule, on a x = y et 6x2 + 6y = 0 donc x = y = 0 ou x = y = −1. La Hessienne de f est
 
12x 6
Hf (x, y) = .
6 −6

En (0, 0), son déterminant vaut −36 donc on a un point selle. En (−1, −1), son déterminant vaut 36
donc les deux valeurs propres sont de même signe strict. De plus, le premier coefficient est négatif,
donc les valeurs propres aussi, ce qui montre qu’on a un maximum local. On a f (−1, −1) = 3. Comme
f (x, 0) → +∞ quand x → +∞, ce maximum n’est pas global.

2. On a ∇g(x, y) = (2xy, x2 + ln(y)2 + 2 ln(y)). Si le gradient s’annule, x doit s’annuler (la fonction n’est
pas définie pour y = 0 et on doit avoir ln(y)2 + 2 ln(y) = 0, donc soit ln(y) = 0 soit ln(y) = −2. La
Hessienne de g est  
2y 2x
Hg (x, y) = .
2x 2 ln(y)/y + 2/y
Pour x = 0, cette matrice est diagonale. Si ln(y) = 0, c’est-à-dire y = 1, les coefficients diagonaux sont
2 et 2 donc on a un minimum local. Si ln(y) = −2, c’est-à-dire y = e−2 , les coefficients diagonaux sont
2e−2 et −2e2 donc on a un point selle. Dans le premier cas, la valeur du minimum local est g(0, 1) = 0.
Comme g(x, y) ⩾ 0 pour tous (x, y) ∈ R × R+ , c’est un minimum global.

3. On a ∇h(x, y) = (4x3 − 4y, 4y 3 − 4x). Si le gradient s’annule, on a x = y 3 et x3 = y, donc x = x6 , ce

qui donne x = ±1 dont on déduit y = x. La Hessienne de h est

12x2 −4
 
Hh (x, y) = .
−4 12y 2

Pour x = ±1, le déterminant vaut 128, donc on a deux extrema. De plus, le premier coefficient est
positif, donc on deux minima locaux. De plus, h(1, 1) = −2 = h(−1, −1). On peut démontrer que
h(x, y) → +∞ quand ∥(x, y)∥ → +∞, et en déduire que h admet un minimum global. Par conséquent,
ce minimum est atteint deux fois, en (1, 1) et en (−1, −1).

Exercice 3.3 (The World Company). Une entreprise cherche à maximiser son profit en produisant un
bien. Si on note p le prix unitaire du bien, alors le profit est donné en fonction du travail L et du capital K
par la formule
π(L, K) = pf (L, K) − αL − βK,
où f est la fonction de production de l’entreprise et α et β sont des paramètres définissant la stratégie de
l’entreprise.
1. La valeur L
e étant critique, on a

∂π e e
0= (L, K)
∂L
∂f e e
= p (L, K) − α,
∂L
d’où
∂f e e α
(L, K) = .
∂L p

9
 2. On dérive l’expression par rapport à α (en supposant que K
e ne dépend pas de α). On trouve alors

∂2f e e ∂L e 1
2
( L, K) = .
∂L ∂α p
et on conclut en remarquant que
∂2π e e ∂2f e e
(L, K) = p (L, K).
∂L2 ∂L2
3. Dans le cas de la fonction de Cobb-Douglas, les dérivées partielles secondes non-croisées sont négatives.
Si c’est le cas pour f , alors la dérivée de L
e par rapport à α doit également être négative. Autrement
dit, L décroı̂t quand α augmente. C’est logique : si le travail coûte plus cher, l’optimum sera obtenu
e
avec moins de travail.

Exercice 3.4 (Un peu de réflexion). On considère un rayon lumineux partant d’un point P1 de coor-
données (x1 , 0, 0) et se réfléchissant sur un miroir formant le plan P d’équation z = 0 en un point Q de
coordonnées (x, y, 0). Il atteint ensuite un point P2 de coordonnées (x2 , y2 , z2 ) avec z2 > 0.
1. Exprimer, en fonction de x et y, le temps de trajet du rayon lumineux entre P1 et P2 .

2. On cherche le point Q pour lequel ce temps est minimal. Montrer que les points P1 , P2 et Q apparti-
ennent au plan d’équation y = 0.

3. Conclure, à l’aide d’un dessin, que le point Q est déterminer par la relation

sin(θ1 ) = sin(θ2 ),

où θi est l’angle formé par l’axe Oz et la droite (QPi ).

Exercice 3.5 (Une inégalité isopérimétrique). Le but de cet exercice est de trouver, parmi tous les
triangles de périmètre 2, ceux qui ont une aire maximale. On utilisera pour cela la Formule de Héron :
pour un triangle dont les longueurs des côtés sont a, b et c, l’aire est égale à
p
A = p(p − a)(p − b)(p − c),

où p est le demi-périmètre.

1. Si le périmètre vaut 2, p = 1 et c = 2 − a − b, d’où
p
A = (1 − a)(1 − b)(a + b − 1).

2. Pour que cette fonction soit bien définie, il faut que a, b ∈ [0, 1] et que a + b ⩾ 1.

3. (a) On a
 
−(1 − y)(x + y − 1) + (1 − x)(1 − y)
∇f (x, y) =
−(1 − x)(x + y − 1) + (1 − x)(1 − y)
 
(1 − y)(1 − x − x − y + 1)
=
(1 − x)(1 − y − x − y + 1)
 
(1 − y)(1 − x − x − y + 1)
=
(1 − x)(1 − y − x − y + 1)
 
(1 − y)(2 − 2x − y)
=
(1 − x)(2 − 2y − x)

10
 Comme on veut x, y ̸= 1, la seule possibilité est

2 − 2x − y = 0
2 − 2y − x = 0

ce qui donne x = 2/3 = y et f (2/3, 2/3) = 1/27.

(b) Nous allons étudier la fonction fy . Calculons d’abord sa dérivée :

fy′ (x) = (1 − x)(2 − 2x − y).

Cette fonction s’annule uniquement pour x = 1 − y/2 et il s’agit d’un maximum global d’après le
tableau de variations que je n’ai pas le courage de tracer. On a donc

y2
M (y) = fy (1 − y/2) = (1 − y).
4

(c) À nouveau on étudie la fonction M (y) en calculant sa dérivée :

y y2
M ′ (y) = (1 − y) −
2 4
y y
= 1−y−
2 2
y 3y
= 1−
2 2

qui ne s’annule qu’en y = 2/3. On vérifie aisément que c’est un maximum et que la valeur
correspondante est 1/27. Ainsi, pour tous x, y ∈]0; 1[,
1
⩾ M (y) ⩾ fy (x) = f (x, y).
27
Nous avons donc bien trouvé le maximum.

4. La fonction que nous avons maximisée est le carré de l’aire. Comme l’aire est positive, le maximum
est atteint au même point. Ainsi, l’aire sera maximale quand tous les côtés sont égaux, c’est-à-dire
pour un triangle équilatéral.

Exercice 3.6 (Méthode de Héron).

√ Héron d’Alexandrie avait développé une méthode pour calculer les
décimales du nombre irrationnel 2. Cette méthode consiste à calculer par récurrence les termes de la suite
définie par x0 = 2 et  
1 2
xn+1 = xn + .
2 xn
1. Relier cette méthode à la Méthode de Newton.

2. En reprenant le raisonnement de la démonstration de la convergence de la méthode de Newton, déduire

que la suite (xn )n∈N converge.
√
3. Estimer |xn − 2| en fonction de n.

11