Calculateur d’extrema liés
Résolvez un problème d’optimisation sous contrainte linéaire avec la méthode des multiplicateurs de Lagrange et une visualisation graphique immédiate.
1) Définissez la fonction objectif
Fonction : f(x, y) = A x² + B y² + C xy + D x + E y + F
2) Définissez la contrainte
Contrainte : p x + q y = r
Comprendre le calcul différentiel des extrema liés
Le calcul différentiel des extrema liés consiste à rechercher les valeurs maximales ou minimales d’une fonction lorsque les variables ne sont pas totalement libres, mais doivent respecter une ou plusieurs contraintes. En pratique, on ne demande plus seulement : « quel est le minimum de f(x, y) ? », mais plutôt : « quel est le minimum de f(x, y) sachant que x et y doivent satisfaire une relation donnée ? ». C’est exactement le cadre des problèmes d’optimisation sous contrainte, très présents en économie, en ingénierie, en data science, en physique mathématique et en apprentissage statistique.
Lorsque la contrainte est lisse et que la fonction est différentiable, l’outil de référence est la méthode des multiplicateurs de Lagrange. Cette méthode compare la direction de variation la plus rapide de la fonction objectif à la géométrie de la contrainte. Intuitivement, au point optimal lié, on ne peut plus améliorer la fonction sans sortir de l’ensemble admissible. Cela se traduit par une condition vectorielle célèbre : le gradient de la fonction objectif est parallèle au gradient de la contrainte.
Pourquoi les extrema liés sont différents des extrema libres
Un extremum libre est déterminé sur tout le domaine, sans restriction. On cherche alors les points critiques via l’annulation du gradient. À l’inverse, dans un problème lié, on restreint la recherche à une courbe, une surface ou, plus généralement, un ensemble défini par des contraintes. Il est donc possible qu’un point ne soit pas optimal dans tout l’espace, mais le devienne lorsqu’on impose la contrainte. Un exemple simple : la fonction f(x, y) = x² + y² admet un minimum libre en (0, 0), mais si l’on impose x + y = 6, le minimum lié se déplace sur la droite de contrainte.
Cette distinction est fondamentale dans les applications réelles. Une entreprise peut vouloir maximiser son profit, mais sous une contrainte de budget. Un ingénieur peut vouloir minimiser le poids d’une pièce, mais sous une contrainte de résistance. Un statisticien peut vouloir minimiser une erreur, mais avec une normalisation imposée. Le cadre lié n’est donc pas une exception théorique : c’est souvent la situation concrète la plus réaliste.
Principe mathématique de la méthode de Lagrange
Supposons que l’on cherche les extrema de f(x, y) sous la contrainte g(x, y) = 0. La condition nécessaire classique est :
- ∇f(x, y) = λ ∇g(x, y)
- g(x, y) = 0
Le paramètre λ est appelé multiplicateur de Lagrange. Il permet d’intégrer la contrainte dans le calcul. Dans le cas de deux variables et d’une contrainte, on obtient un système de trois équations à trois inconnues : x, y et λ.
Dans ce calculateur, la fonction objectif est quadratique :
f(x, y) = A x² + B y² + C xy + D x + E y + F
et la contrainte est linéaire :
p x + q y = r
Cette structure est particulièrement importante, car elle apparaît dans les problèmes de programmation quadratique, dans les modèles de coût, dans certaines approximations de second ordre et dans de nombreuses formulations académiques. Pour une contrainte linéaire unique, on peut aussi paramétrer la droite admissible et ramener le problème à une fonction d’une seule variable. Les deux approches donnent le même extremum lorsqu’il existe.
Interprétation géométrique
Géométriquement, le gradient de f indique la direction de plus forte croissance de la fonction. Le gradient de g, quant à lui, est orthogonal à la courbe ou à la surface de contrainte. Au point optimal lié, l’amélioration de f dans les directions autorisées est nulle. Le gradient de f doit donc être aligné avec celui de la contrainte. C’est cette colinéarité qui est codée dans l’équation ∇f = λ∇g.
Sur un dessin de courbes de niveau, l’optimum lié apparaît souvent à l’endroit où une courbe de niveau de f est tangente à la contrainte. C’est l’image la plus intuitive pour comprendre pourquoi la méthode fonctionne aussi bien.
Étapes pratiques pour résoudre un extremum lié
- Écrire la fonction objectif f(x, y).
- Écrire la contrainte g(x, y) = 0.
- Calculer les dérivées partielles de f et de g.
- Former le système ∇f = λ∇g avec la contrainte.
- Résoudre le système obtenu.
- Évaluer la fonction aux points candidats.
- Classer le résultat : minimum lié, maximum lié, point non borné ou cas dégénéré.
Dans le cas quadratique sous contrainte linéaire, la classification dépend de la courbure de la fonction le long de la droite admissible. Si la restriction de f à la contrainte est une parabole ouverte vers le haut, on a un minimum lié. Si elle est ouverte vers le bas, on a un maximum lié. Si la restriction devient linéaire, il n’existe généralement pas d’extremum isolé.
Lecture du résultat fourni par le calculateur
Le calculateur renvoie plusieurs informations utiles :
- Le point critique lié (x*, y*).
- La valeur optimale f(x*, y*).
- Le multiplicateur de Lagrange λ.
- La nature de l’optimum : minimum, maximum ou absence d’extremum isolé.
- Un graphique représentant la fonction restreinte à la contrainte.
Le graphique est particulièrement utile pour l’interprétation. Plutôt que de rester sur le système algébrique, vous voyez directement comment la fonction varie lorsqu’on se déplace sur la droite de contrainte. Le sommet de la courbe affichée correspond à l’extremum lié lorsque la restriction est quadratique.
Exemple classique
Prenons f(x, y) = x² + y² sous la contrainte x + y = 6. En substituant y = 6 – x, on obtient :
f(x, 6 – x) = x² + (6 – x)² = 2x² – 12x + 36
Cette parabole est convexe, donc elle admet un minimum unique. Le sommet est atteint en x = 3, d’où y = 3. Le minimum lié vaut alors 18. C’est un exemple fondateur, car il relie l’algèbre, la géométrie et l’optimisation de manière très lisible.
Comparaison entre extrema libres et extrema liés
| Aspect | Extremum libre | Extremum lié |
|---|---|---|
| Variables | Toutes libres | Soumises à une ou plusieurs contraintes |
| Condition critique | ∇f = 0 | ∇f = λ∇g avec g = 0 |
| Interprétation géométrique | Gradient nul | Courbe de niveau tangente à la contrainte |
| Applications typiques | Analyse locale pure | Économie, ingénierie, machine learning, physique |
Données comparatives utiles sur l’usage de l’optimisation
Les extrema liés ne sont pas qu’un sujet académique. Ils s’inscrivent dans la vaste famille des problèmes d’optimisation, omniprésents dans les métiers quantitatifs. Les statistiques ci-dessous illustrent l’importance concrète des mathématiques appliquées et de l’optimisation dans les domaines professionnels et universitaires.
| Indicateur | Valeur observée | Source |
|---|---|---|
| Croissance projetée des emplois de recherche opérationnelle aux États-Unis, 2022-2032 | 23 % | U.S. Bureau of Labor Statistics |
| Salaire médian annuel des operations research analysts aux États-Unis, mai 2023 | Plus de 83 000 $ | U.S. Bureau of Labor Statistics |
| Part des métiers STEM dans l’innovation et l’analyse quantitative | Très supérieure à la moyenne nationale en croissance de demande | NSF et BLS |
Ces chiffres montrent qu’apprendre à manipuler les gradients, les contraintes et les conditions d’optimalité n’est pas seulement utile pour réussir un cours de calcul différentiel. C’est aussi une compétence structurante dans des secteurs porteurs : finance quantitative, planification industrielle, optimisation logistique, calibration de modèles, contrôle et IA.
Cas particuliers à connaître
1. Contrainte impossible ou mal définie
Si p = 0 et q = 0, la contrainte p x + q y = r n’est pas une vraie contrainte géométrique. Soit elle est impossible, soit elle ne restreint rien. Dans ce cas, la méthode de Lagrange telle quelle n’est pas applicable. Le calculateur signale cette situation.
2. Fonction restreinte linéaire
Il peut arriver que la fonction quadratique, une fois restreinte à la droite admissible, ne soit plus quadratique mais linéaire. Dans ce cas, elle n’admet généralement pas de minimum ni de maximum liés sur une droite entière non bornée. Le résultat dépend alors du signe de la pente : la fonction augmente ou décroît sans borne le long de la contrainte.
3. Fonction constante sur la contrainte
Plus rarement, la restriction de f à la contrainte peut être constante. Cela signifie que tous les points de la contrainte donnent la même valeur. On n’a pas un extremum isolé, mais une infinité de solutions équivalentes.
Quand utiliser ce type de calculateur
- Pour vérifier un exercice de calcul différentiel en licence ou en classes préparatoires.
- Pour visualiser l’impact d’une contrainte linéaire sur une fonction quadratique.
- Pour préparer un devoir sur les multiplicateurs de Lagrange.
- Pour illustrer un problème de coût, de distance minimale ou d’allocation optimale.
- Pour comprendre la différence entre solution analytique et lecture graphique.
Bonnes pratiques d’interprétation
Ne vous contentez pas du point calculé. Vérifiez toujours la nature de l’extremum et la signification du domaine. Une solution mathématique peut être correcte tout en étant non pertinente physiquement si, par exemple, des contraintes supplémentaires implicites existent : positivité des quantités, bornes technologiques, ou domaines admissibles fermés. Dans les applications, l’optimisation sous contrainte doit donc être articulée avec le contexte.
Il est aussi recommandé de comparer la résolution par Lagrange avec une résolution par substitution lorsque la contrainte est simple. La substitution donne souvent une excellente intuition sur la courbure de la fonction restreinte. La méthode de Lagrange, elle, reste plus générale et s’étend naturellement aux dimensions supérieures.
Ressources académiques et institutionnelles de référence
Pour approfondir le sujet, consultez ces ressources fiables :
- MIT OpenCourseWare (.edu) pour des cours complets de calcul multivarié et d’optimisation.
- U.S. Bureau of Labor Statistics (.gov) pour les statistiques officielles sur les métiers liés à l’optimisation.
- National Science Foundation (.gov) pour le contexte scientifique et institutionnel des disciplines quantitatives.
Conclusion
Le calcul différentiel des extrema liés relie élégamment l’analyse, l’algèbre linéaire et la géométrie. En présence d’une contrainte, le comportement optimal d’une fonction change profondément, et les multiplicateurs de Lagrange fournissent le bon cadre pour capturer cette réalité. Grâce à un calculateur dédié, vous pouvez passer rapidement de la théorie à la pratique : saisir les coefficients, obtenir le point optimal, lire la valeur de la fonction, interpréter λ et visualiser la restriction graphique. C’est un excellent moyen de consolider votre compréhension des problèmes d’optimisation tout en gagnant en efficacité sur des exercices concrets.