Calcul d’un maximum par les dérivées partielles
Calculez automatiquement le point critique d’une fonction quadratique à deux variables, testez la matrice hessienne et visualisez la coupe locale autour du maximum.
Calculateur interactif
On étudie la fonction :
Lecture rapide
- Le point critique est obtenu en résolvant le système fx = 0 et fy = 0.
- Pour notre fonction quadratique, on a fx = 2ax + cy + d et fy = cx + 2by + e.
- La hessienne vaut H = [[2a, c], [c, 2b]].
- Le déterminant utile est 4ab – c².
- Si a < 0 et 4ab – c² > 0, le point critique est un maximum local strict.
- Si le déterminant est négatif, le point critique est un point selle.
- Si le déterminant est nul, le test du second ordre est insuffisant.
Guide expert : comprendre le calcul d’un maximum par les dérivées partielles
Le calcul d’un maximum par les dérivées partielles est une compétence centrale en analyse multivariable, en économie, en ingénierie, en apprentissage automatique et en recherche opérationnelle. Dès qu’une quantité dépend de plusieurs variables, la logique des dérivées simples ne suffit plus. Il faut alors mesurer la variation de la fonction dans plusieurs directions à la fois. C’est précisément le rôle des dérivées partielles. Elles permettent de localiser les points critiques, puis d’évaluer si ces points correspondent à un maximum local, à un minimum local ou à un point selle.
Dans un cadre concret, cette méthode sert par exemple à maximiser un profit en fonction du prix et du volume de production, à optimiser la performance d’un matériau en fonction de deux paramètres physiques, ou encore à régler des hyperparamètres dans certains modèles numériques. L’idée générale est toujours la même : on commence par annuler les variations de premier ordre, puis on étudie la courbure locale avec les dérivées secondes. Cette logique est simple dans son principe, mais demande de la rigueur pour éviter les erreurs de signe, les confusions sur la hessienne ou l’interprétation des résultats.
1. Qu’est-ce qu’un maximum pour une fonction de plusieurs variables ?
Un maximum local de f(x, y) est un point (x0, y0) tel que, dans un voisinage de ce point, les valeurs de la fonction ne dépassent pas f(x0, y0). Géométriquement, si l’on représente la fonction comme une surface dans l’espace, un maximum local ressemble au sommet d’une colline. La difficulté vient du fait qu’il ne suffit plus d’étudier une seule direction. Une fonction peut monter selon l’axe x, descendre selon l’axe y et se comporter différemment dans une direction oblique. C’est pour cela qu’on ne peut pas conclure correctement avec une seule dérivée.
En pratique, on distingue :
- le maximum local, valable dans un voisinage restreint ;
- le maximum global, valable sur tout le domaine ;
- le point selle, où les dérivées premières s’annulent mais sans maximum ni minimum.
2. Le rôle des dérivées partielles du premier ordre
Pour une fonction f(x, y), on note généralement :
- fx : dérivée partielle par rapport à x ;
- fy : dérivée partielle par rapport à y.
Un point critique vérifie :
- fx(x, y) = 0
- fy(x, y) = 0
Cette étape revient à annuler la pente locale dans chaque direction coordonnée. Pour une fonction quadratique à deux variables, le système obtenu est linéaire, donc relativement simple à résoudre. Pour des fonctions plus générales, il peut devenir non linéaire et nécessiter des méthodes numériques.
Dans le calculateur ci-dessus, la fonction choisie est :
f(x, y) = a x² + b y² + c x y + d x + e y + g
Ses dérivées partielles sont :
- fx = 2ax + cy + d
- fy = cx + 2by + e
On obtient donc un système de deux équations à deux inconnues. Si son déterminant n’est pas nul, le point critique est unique.
3. Le test du second ordre avec la matrice hessienne
Une fois le point critique trouvé, il faut étudier la courbure de la fonction. Pour cela, on calcule les dérivées partielles secondes :
- fxx
- fyy
- fxy = fyx
On les regroupe dans la matrice hessienne :
H = [[fxx, fxy], [fyx, fyy]]
Pour une fonction quadratique, ces dérivées secondes sont constantes. Dans notre cas :
- fxx = 2a
- fyy = 2b
- fxy = c
Le test standard s’appuie sur le déterminant :
D = fxx fyy – (fxy)² = 4ab – c²
Les conclusions sont les suivantes :
- si D > 0 et fxx < 0, il s’agit d’un maximum local ;
- si D > 0 et fxx > 0, il s’agit d’un minimum local ;
- si D < 0, il s’agit d’un point selle ;
- si D = 0, le test est inconclusif.
4. Exemple complet pas à pas
Considérons la fonction :
f(x, y) = -2x² – y² + xy + 8x + 6y
Étape 1 : dérivées partielles du premier ordre :
- fx = -4x + y + 8
- fy = x – 2y + 6
Étape 2 : résolution du système :
- -4x + y + 8 = 0
- x – 2y + 6 = 0
En résolvant, on obtient le point critique (x, y) = (2, 4).
Étape 3 : test du second ordre :
- fxx = -4
- fyy = -2
- fxy = 1
- D = (-4)(-2) – 1² = 7
Comme D > 0 et fxx < 0, le point critique est bien un maximum local strict. La valeur maximale locale vaut alors f(2, 4) = 20.
5. Pourquoi cette méthode est importante dans les applications modernes
La recherche de maxima n’est pas seulement un exercice académique. Elle intervient dans de nombreux secteurs. En économie, elle aide à identifier les combinaisons de variables qui maximisent une utilité, une production ou un profit. En ingénierie, elle permet de choisir des paramètres de conception sous contraintes. En science des données, de nombreuses procédures d’ajustement reposent sur des calculs dérivatifs, même si elles utilisent ensuite des algorithmes numériques plus avancés.
Le Bureau of Labor Statistics des États-Unis souligne d’ailleurs la forte croissance des métiers quantitatifs. Cette réalité confirme que les techniques d’optimisation, y compris celles basées sur les dérivées partielles, restent au cœur des compétences analytiques recherchées.
| Métier quantitatif | Croissance projetée 2023-2033 | Salaire médian annuel 2024 | Source |
|---|---|---|---|
| Operations Research Analysts | 23 % | 91,290 $ | BLS |
| Data Scientists | 36 % | 112,590 $ | BLS |
| Mathematicians and Statisticians | 11 % | 104,860 $ | BLS |
6. Comparaison entre dérivée simple et dérivées partielles
Beaucoup d’étudiants réussissent l’optimisation d’une fonction d’une variable puis se sentent déstabilisés lorsqu’ils passent à deux variables. Le changement principal est conceptuel : il n’existe plus un seul axe de variation mais une infinité de directions. Les dérivées partielles mesurent les variations le long des axes, et la hessienne synthétise la courbure locale pour l’ensemble des directions pertinentes.
| Aspect | Une variable | Deux variables |
|---|---|---|
| Condition critique | f'(x) = 0 | fx(x, y) = 0 et fy(x, y) = 0 |
| Test du second ordre | f”(x) | Hessienne et déterminant D |
| Interprétation géométrique | Courbe | Surface |
| Risque principal | Confondre max et min | Oublier le point selle |
7. Erreurs fréquentes à éviter
- Ne tester qu’une seule dérivée : annuler fx sans annuler fy ne suffit jamais.
- Oublier le terme croisé xy : il modifie fortement la hessienne et peut changer la classification.
- Confondre D = 0 avec un maximum : quand D est nul, le test est inconclusif.
- Ignorer le domaine : pour un maximum global, il faut aussi analyser les frontières et les contraintes éventuelles.
- Faire des erreurs de signe : un simple signe erroné dans fxx ou fxy peut inverser la conclusion.
8. Que faire en présence de contraintes ?
Le calculateur proposé traite le cas libre, sans contrainte. Mais dans la pratique, on rencontre souvent des conditions de type g(x, y) = k. Dans ce contexte, la méthode adaptée est celle des multiplicateurs de Lagrange. Elle consiste à résoudre un système où le gradient de la fonction à optimiser devient parallèle au gradient de la contrainte. Même si l’outil ci-dessus ne traite pas directement ce cadre, la logique de base reste liée aux dérivées partielles : gradients, points stationnaires et étude locale de la fonction.
9. Lien avec les formations STEM et les usages académiques
Les compétences en calcul multivariable sont largement mobilisées dans les cursus scientifiques. Les statistiques fédérales américaines montrent l’importance des parcours STEM dans l’enseignement supérieur, ce qui explique la place durable de l’optimisation dans les programmes avancés.
| Indicateur éducatif | Valeur récente | Source |
|---|---|---|
| Bachelor’s degrees in mathematics and statistics | Environ 30,000 par an | NCES |
| Bachelor’s degrees in engineering | Plus de 120,000 par an | NCES |
| Bachelor’s degrees in computer and information sciences | Plus de 100,000 par an | NCES |
Ces ordres de grandeur soulignent l’ampleur des domaines où les notions de gradient, de hessienne et d’optimisation sont enseignées et réutilisées. Qu’il s’agisse d’analyse théorique, de simulation ou d’aide à la décision, le calcul d’un maximum par les dérivées partielles constitue une compétence fondatrice.
10. Méthode récapitulative en 6 étapes
- Écrire clairement la fonction f(x, y).
- Calculer fx et fy.
- Résoudre le système fx = 0, fy = 0 pour trouver les points critiques.
- Calculer fxx, fyy et fxy.
- Former le déterminant D = fxx fyy – (fxy)².
- Classifier chaque point critique en maximum local, minimum local, point selle ou cas inconclusif.
11. Sources de référence recommandées
Pour approfondir de façon fiable, vous pouvez consulter des ressources académiques et institutionnelles reconnues :
- Massachusetts Institute of Technology – ressources en mathématiques
- Harvard Mathematics Department
- U.S. Bureau of Labor Statistics – Occupational Outlook Handbook
12. Conclusion
Le calcul d’un maximum par les dérivées partielles repose sur une structure très robuste : on annule d’abord les dérivées du premier ordre pour localiser les points critiques, puis on mobilise les dérivées secondes pour interpréter la géométrie locale de la surface. Dans le cas des fonctions quadratiques à deux variables, tout devient particulièrement lisible : le système critique est linéaire, la hessienne est constante et le critère de classification s’exprime avec le déterminant 4ab – c².
Maîtriser cette procédure est utile bien au-delà du cours de calcul différentiel. C’est un langage commun à de nombreuses disciplines techniques. Si vous savez identifier un gradient nul, construire une hessienne et interpréter le signe du déterminant, vous disposez déjà d’un outil puissant pour analyser des problèmes réels de décision, de modélisation et d’optimisation.