Fonctions homogènes, concaves et convexes

Documents pareils
Optimisation des fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

Résolution d équations non linéaires

Image d un intervalle par une fonction continue

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

3 Approximation de solutions d équations

M2 IAD UE MODE Notes de cours (3)

Polynômes à plusieurs variables. Résultant

Dérivées d ordres supérieurs. Application à l étude d extrema.

Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables

Fonctions de deux variables. Mai 2011

Chapitre 2 Le problème de l unicité des solutions

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Programmation linéaire

Problème 1 : applications du plan affine

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Fonctions de plusieurs variables

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables

Différentiabilité ; Fonctions de plusieurs variables réelles

RO04/TI07 - Optimisation non-linéaire

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Un K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E

Cours de mathématiques

Chapitre 3. Les distributions à deux variables

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://

Cours Fonctions de deux variables

Calcul différentiel. Chapitre Différentiabilité

Capes Première épreuve

Chapitre VI Fonctions de plusieurs variables

Chapitre 6. Fonction réelle d une variable réelle

Cours 02 : Problème général de la programmation linéaire

Simulation de variables aléatoires

Sujet 4: Programmation stochastique propriétés de fonction de recours

Calcul différentiel sur R n Première partie

Chp. 4. Minimisation d une fonction d une variable

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Programmation linéaire

ANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ. Exercice 1

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Calcul intégral élémentaire en plusieurs variables

Continuité en un point

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

CHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal

Vade mecum : Optimisation statique. Lagrangien et conditions de Kuhn et Tucker

CNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2

Théorème du point fixe - Théorème de l inversion locale

8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2

Cours d Analyse 3 Fonctions de plusieurs variables

Université Paris-Dauphine DUMI2E 1ère année, Applications

Programmation linéaire et Optimisation. Didier Smets

Développements limités. Notion de développement limité

Exercice : la frontière des portefeuilles optimaux sans actif certain

Structures algébriques

Les équations différentielles

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Cours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques

Résolution de systèmes linéaires par des méthodes directes

Chapitre 2. Matrices

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007

Programmation Linéaire - Cours 1

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,

DOCM Solutions officielles = n 2 10.

CHAPITRE 10. Jacobien, changement de coordonnées.

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Fonctions de plusieurs variables

Dérivation : cours. Dérivation dans R

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

I. Polynômes de Tchebychev

La fonction exponentielle

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

C1 : Fonctions de plusieurs variables

Apllication au calcul financier

Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en Énoncé.

Programme de la classe de première année MPSI

Calcul Différentiel. I Fonctions différentiables 3

Raisonnement par récurrence Suites numériques

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

4. Martingales à temps discret

1 radian. De même, la longueur d un arc de cercle de rayon R et dont l angle au centre a pour mesure α radians est α R. R AB =R.

Exercice 1 Trouver l équation du plan tangent pour chaque surface ci-dessous, au point (x 0,y 0,z 0 ) donné :

Optimisation Discrète

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Limites finies en un point

Logique. Plan du chapitre

CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)

Fonctions de plusieurs variables et applications pour l ingénieur

Une forme générale de la conjecture abc

Nombre dérivé et tangente

Fonctions de plusieurs variables. Sébastien Tordeux

Fonctions homographiques

Exercices et corrigés Mathématique générale Version β

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable

Mathématiques appliquées à l'économie et à la Gestion

Transcription:

Fonctions homogènes, concaves et convexes Hervé Hocquard Université de Bordeaux, France 16 mars 2014

Fonctions homogènes Définition Soit f : (R +) n R. Soit r R. On dit que f est homogène de degré r si : t R +, f(tx)=t r f(x), pour tout X (R +) n

Fonctions homogènes Définition Soit f : (R +) n R. Soit r R. On dit que f est homogène de degré r si : t R +, f(tx)=t r f(x), pour tout X (R +) n Exemple f(x,y,z)=kx α y β z γ (Cobb-Douglas à 3 variables) f(x,y,z)=ax 2 + by 2 + cz 2 + dxy+ exz+ fyz (quadratique)

Fonctions homogènes Définition Soit f : (R +) n R. Soit r R. On dit que f est homogène de degré r si : t R +, f(tx)=t r f(x), pour tout X (R +) n Exemple f(x,y,z)=kx α y β z γ (Cobb-Douglas à 3 variables) f(x,y,z)=ax 2 + by 2 + cz 2 + dxy+ exz+ fyz (quadratique) Attention f(x,y)= 25 x 2 y 2 f n est pas homogène.

Fonctions homogènes en économie Définition Si f est une fonction de production de n variables : f(x 1,,x n ) n inputs pour 1 output

Fonctions homogènes en économie Définition Si f est une fonction de production de n variables : f(x 1,,x n ) n inputs pour 1 output 1 Si f est homogène de degré 1 alors f(tx 1,,tx n )=tf(x 1,,tx n ). Si on double tous les inputs alors la production double. On dit qu une telle fonction est à rendements d échelle constants.

Fonctions homogènes en économie Définition Si f est une fonction de production de n variables : f(x 1,,x n ) n inputs pour 1 output 1 Si f est homogène de degré 1 alors f(tx 1,,tx n )=tf(x 1,,tx n ). Si on double tous les inputs alors la production double. On dit qu une telle fonction est à rendements d échelle constants. 2 Si f est homogène de degré r avec 0<r < 1 alors f est dite à rendements d échelle décroissants.

Fonctions homogènes en économie Définition Si f est une fonction de production de n variables : f(x 1,,x n ) n inputs pour 1 output 1 Si f est homogène de degré 1 alors f(tx 1,,tx n )=tf(x 1,,tx n ). Si on double tous les inputs alors la production double. On dit qu une telle fonction est à rendements d échelle constants. 2 Si f est homogène de degré r avec 0<r < 1 alors f est dite à rendements d échelle décroissants. 3 Si f est homogène de degré r avec r > 1 alors f est dite à rendements d échelle croissants.

Fonctions homogènes Propriété Une fonction de Cobb-Douglas f(x 1,,x n )=kx α 1 1 x α n n est homogène de degré α 1 + +α n.

Fonctions homogènes Propriété Une fonction de Cobb-Douglas f(x 1,,x n )=kx α 1 1 x α n n est homogène de degré α 1 + +α n. Théorème Si f est de classe C 1 et si f est homogène de degré r, alors ses dérivées partielles sont homogènes de degré r 1.

Fonctions homogènes Propriété Une fonction de Cobb-Douglas f(x 1,,x n )=kx α 1 1 x α n n est homogène de degré α 1 + +α n. Théorème Si f est de classe C 1 et si f est homogène de degré r, alors ses dérivées partielles sont homogènes de degré r 1. Exercice Preuves de la propriété et du théorème...

Fonctions homogènes Théorème d Euler Soit f une fonction de classe C 1 sur (R +) n et homogène de degré r. Alors, pour tout X (R +) n : x 1 f x 1 (X)+ +x n f x n (X)=r f(x)=x f(x) Ce qui s écrit : n i=1 ε f/xi (X)=r.

Fonctions homogènes Théorème d Euler Soit f une fonction de classe C 1 sur (R +) n et homogène de degré r. Alors, pour tout X (R +) n : x 1 f x 1 (X)+ +x n f x n (X)=r f(x)=x f(x) Ce qui s écrit : n i=1 ε f/xi (X)=r. Exercice Preuve du théorème...

Fonctions homogènes Exercice Soit f la fonction la fonction de production définie sur D = ( R +) 2 par f(x,y)=x 1/3 y 1 Montrer que f est homogène et déterminer son degré d homogénéité. 2 Si on double les quantités x et y, comment varie la production de f? 3 Montrer que f vérifie l égalité d Euler.

Fonctions homogènes Réciproque du Théorème d Euler Si f est une fonction de classe C 1 sur (R +) n et si n i=1 x i f x i (X)=r f(x) pour tout X (R +) n. Alors, f est homogène de degré r.

Fonctions d une variable : Rappels Définition La fonction f est dite convexe si (x,y) I 2, λ [0,1], f ( λx+(1 λ)y ) λ f(x)+(1 λ)f(y). Elle est dite concave si f est convexe.

Fonctions d une variable : Rappels Définition La fonction f est dite convexe si (x,y) I 2, λ [0,1], f ( λx+(1 λ)y ) λ f(x)+(1 λ)f(y). Elle est dite concave si f est convexe. Définition bis On dit que f est convexe (resp. concave) sur un intervalle I si pour tous points A et B de la courbe représentant f, l arc de courbe est situé au-dessous (au-dessus) du segment [AB].

Fonctions d une variable : Rappels Définition La fonction f est dite convexe si (x,y) I 2, λ [0,1], f ( λx+(1 λ)y ) λ f(x)+(1 λ)f(y). Elle est dite concave si f est convexe. Définition bis On dit que f est convexe (resp. concave) sur un intervalle I si pour tous points A et B de la courbe représentant f, l arc de courbe est situé au-dessous (au-dessus) du segment [AB]. Exemples Les fonctions x x 2, x x sont convexes.

Fonctions d une variable : Rappels f(y) B λ f(x)+(1 λ)f(y) f(x) f ( λ x+(1 λ)y ) A C f x λ x+(1 λ)y y

Fonctions d une variable : Rappels Théorème Soit f une fonction de classe C 1 sur un intervalle I. Alors f est convexe (resp. concave) sur I si et seulement si : f(y) f(x) f (x)(y x), (x,y) I 2 (resp. f(y) f(x) f (x)(y x), (x,y) I 2)

Fonctions d une variable : Rappels Théorème Soit f une fonction de classe C 2 sur un intervalle I. Alors : f est convexe sur I f (x) 0 pour tout x I f est concave sur I f (x) 0 pour tout x I

Fonctions d une variable : Rappels Théorème Soit f une fonction de classe C 2 sur un intervalle I. Alors : f est convexe sur I f (x) 0 pour tout x I f est concave sur I f (x) 0 pour tout x I Inégalités de convexité Si f est dérivable et convexe sur I alors sa courbe représentative est au-dessus de chacune de ses tangentes : a, x I, f(x) f (a)(x a)+f(a) Pour les fonctions concaves l inégalité est inversée.

Fonctions d une variable : Rappels L intérêt des fonctions convexes ou concaves dans les problèmes d optimisation s explique par le résultat suivant :

Fonctions d une variable : Rappels L intérêt des fonctions convexes ou concaves dans les problèmes d optimisation s explique par le résultat suivant : Théorème Soit f une fonction concave (resp. convexe) sur intervalle ouvert I. Si x 0 est un point critique pour f, alors f présente en x 0 un maximum (resp. minimum) global sur I.

Passage à la dimension n Définition Soit f : R n R définie sur un ensemble convexe U. On dit que f est concave (resp. convexe) sur U si : λ [0,1], X,Y U f ( λx +(1 λ)y ) λ f(x)+(1 λ)f(y) ( resp. f ( λx +(1 λ)y ) λ f(x)+(1 λ)f(y) )

Passage à la dimension n Théorème Soit f de classe C 1 définie sur un convexe U. Alors f est concave (resp. convexe) sur U si et seulement : X,Y U f(y) f(x) f(x) (Y X) ou encore f(y 1,,y n ) f(x 1,,x n ) ( resp. f(y 1,,y n ) f(x 1,,x n ) n i=1 n i=1 f (y i x i ) x i ) f (y i x i ) x i

Formes quadratiques et matrices symétriques Définition : Rappels Une forme quadratique définie sur R n est une fonction à valeurs réelles qui peut s écrire sous la forme : q(x 1,,x n )= n i=1 a ii x 2 i + 2 i<j a ij x i x j où A= ( a ij ) est l unique matrice symétrique correspondant à l expression de q. Réciproquement, à toute matrice symétrique A, peut être associée une fonction à valeurs réelles q(x 1,,x n )=XA t X avec X =(x 1 x 2 x n ), identique à celle définie précédemment. Cette fonction est une forme quadratique.

Formes quadratiques et matrices symétriques Exercice Déterminer les formes quadratiques associées aux matrices suivantes : ( ) 1 1 2 1 2 A=, B = 1 2 3 2 3 2 3 4

Formes quadratiques et matrices symétriques Définition Soit A une matrice symétrique d ordre n. Alors A est dite :

Formes quadratiques et matrices symétriques Définition Soit A une matrice symétrique d ordre n. Alors A est dite : 1 définie positive (resp. semi-définie positive) si q(x 1,,x n )=XA t X > 0 pour tout X R n et X O R n (resp. q(x 1,,x n )=XA t X 0)

Formes quadratiques et matrices symétriques Définition Soit A une matrice symétrique d ordre n. Alors A est dite : 1 définie positive (resp. semi-définie positive) si q(x 1,,x n )=XA t X > 0 pour tout X R n et X O R n (resp. q(x 1,,x n )=XA t X 0) 2 définie négative (resp. semi-définie négative) si q(x 1,,x n )=XA t X < 0 pour tout X R n et X O R n (resp. q(x 1,,x n )=XA t X 0)

Formes quadratiques et matrices symétriques Définition Soit A une matrice symétrique d ordre n. Alors A est dite : 1 définie positive (resp. semi-définie positive) si q(x 1,,x n )=XA t X > 0 pour tout X R n et X O R n (resp. q(x 1,,x n )=XA t X 0) 2 définie négative (resp. semi-définie négative) si q(x 1,,x n )=XA t X < 0 pour tout X R n et X O R n (resp. q(x 1,,x n )=XA t X 0) 3 indéfinie s il existe des vecteurs X de R n tel que X A t X > 0 et d autres tel que X A t X < 0.

Hessienne : propriété Théorème Toute matrice symétrique à coefficients réels est diagonalisable. Toute matrice hessienne à coefficients réels est diagonalisable.

Hessienne et fonctions concaves ou convexes Théorème Soit f de classe C 2 sur un sous-ensemble ouvert U de R n. Alors, f est une fonction concave sur U si et seulement si la matrice hessienne de f est semi-définie négative pour tout X de U. La fonction f est convexe sur U si et seulement la matrice hessienne de f est semi-définie positive pour tout X de U.

Hessienne et fonctions concaves ou convexes Théorème Soit f de classe C 2 sur un sous-ensemble ouvert U de R n. Alors, f est une fonction concave sur U si et seulement si la matrice hessienne de f a toutes ses valeurs propres négatives ou nulles. La fonction f est convexe sur U si et seulement la matrice hessienne de f a toutes ses valeurs propres positives ou nulles.

Hessienne et fonctions concaves ou convexes Remarque Dans R 2, on utilisera une propriété pratique...car décomposer des formes quadratiques en somme de carrés...ce n est pas gagné.

Hessienne et fonctions concaves ou convexes Théorème Soit f de classe C 2 sur un sous-ensemble ouvert U de R 2. Alors :

Hessienne et fonctions concaves ou convexes Théorème Soit f de classe C 2 sur un sous-ensemble ouvert U de R 2. Alors : 1 f est concave sur U si et seulement si (x,y) U, tr(h f (x,y))<0 et det(h f (x,y)) 0.

Hessienne et fonctions concaves ou convexes Théorème Soit f de classe C 2 sur un sous-ensemble ouvert U de R 2. Alors : 1 f est concave sur U si et seulement si (x,y) U, tr(h f (x,y))<0 et det(h f (x,y)) 0. 2 f est convexe sur U si et seulement si (x,y) U, tr(h f (x,y))>0 et det(h f (x,y)) 0.

Hessienne et fonctions concaves ou convexes Théorème Soit f de classe C 2 sur un sous-ensemble ouvert U de R 2. Alors : 1 f est concave sur U si et seulement si (x,y) U, tr(h f (x,y))<0 et det(h f (x,y)) 0. 2 f est convexe sur U si et seulement si (x,y) U, tr(h f (x,y))>0 et det(h f (x,y)) 0. 3 sinon, on ne peut rien dire

Hessienne et fonctions concaves ou convexes Exercice Les fonctions f et g suivantes sont-elles convexes ou concaves sur R 2? f(x,y)=x 4 + x 2 y 2 + y 4 3x 8y, g(x,y)=xy

Hessienne et fonctions concaves ou convexes Exercice On considère une fonction de Cobb-Douglas de deux variables définie par f(x,y)=x α y β pour x > 0 et y > 0 Montrer que f est strictement concave sur ( R 2 +) si et α > 0 seulement si : β > 0. α+ β < 1 Remarque Une fonction de production de Cobb-Douglas définie sur ( R + est concave si et seulement si ses rendements d échelle sont constants ou décroissants. ) 2

Hessienne et fonctions concaves ou convexes Exercice Soit f la fonction la fonction de production définie sur D = ( R +) 2 par f(x,y)=x 1/3 y 1 Calculer la hessienne de f au point (a,b) D. 2 Montrer que la fonction f est concave sur D.

Complément

Etude du signe d une forme quadratique Proposition On peut décomposer une forme quadratique sur R n comme combinaison linéaire de carrés de formes linéaires indépendantes. Cette décomposition n est pas unique, mais les nombres de coefficients stictement positifs et strictement négatifs de ces CL est fixe. Le couple (m,p) de ces deux nombres s appelle la signature de la forme quadratique.

Etude du signe d une forme quadratique Proposition On peut décomposer une forme quadratique sur R n comme combinaison linéaire de carrés de formes linéaires indépendantes. Cette décomposition n est pas unique, mais les nombres de coefficients stictement positifs et strictement négatifs de ces CL est fixe. Le couple (m,p) de ces deux nombres s appelle la signature de la forme quadratique. Définition Soit A une matrice carrée d ordre n. On appelle mineur principal d ordre k (k = 1,2,...,n) le déterminant de la matrice obtenue en éliminant de A les mêmes n k colonnes et n k lignes. On appelle mineur diagonal principal d ordre k (k = 1,2,...,n) le déterminant de la matrice obtenue en éliminant de A les n k dernières colonnes et les n k dernières lignes.

Etude du signe d une forme quadratique Exercice a 11 a 12 a 13 Soit A= a 21 a 22 a 23 M (3,3) (R). a 31 a 32 a 33 Déterminer les mineurs principaux de A.

Etude du signe d une forme quadratique Exercice a 11 a 12 a 13 Soit A= a 21 a 22 a 23 M (3,3) (R). a 31 a 32 a 33 Déterminer les mineurs principaux de A. Trois mineurs principaux d ordre un : M 11 = a 11 = a 11, M 12 = a 22 = a 22, M 13 = a 33 = a 33

Etude du signe d une forme quadratique Exercice a 11 a 12 a 13 Soit A= a 21 a 22 a 23 M (3,3) (R). a 31 a 32 a 33 Déterminer les mineurs principaux de A. Trois mineurs principaux d ordre un : M 11 = a 11 = a 11, M 12 = a 22 = a 22, M 13 = a 33 = a 33 Trois mineurs principaux d ordre deux : M 21 = a 11 a 12 a 21 a 22, M 22 = a 11 a 13 a 31 a 33, M 23 = a 22 a 23 a 32 a 33

Etude du signe d une forme quadratique Exercice a 11 a 12 a 13 Soit A= a 21 a 22 a 23 M (3,3) (R). a 31 a 32 a 33 Déterminer les mineurs principaux de A. Trois mineurs principaux d ordre un : M 11 = a 11 = a 11, M 12 = a 22 = a 22, M 13 = a 33 = a 33 Trois mineurs principaux d ordre deux : M 21 = a 11 a 12 a 21 a 22, M 22 = a 11 a 13 a 31 a 33, M 23 = a 22 a 23 a 32 a 33 a 11 a 12 a 13 Un mineur principal d ordre trois : M 3 = a 21 a 22 a 23 a 31 a 32 a 33

Etude du signe d une forme quadratique Exercice a 11 a 12 a 13 Soit A= a 21 a 22 a 23 M (3,3) (R). a 31 a 32 a 33 Déterminer les mineurs diagonaux principaux de A.

Etude du signe d une forme quadratique Exercice a 11 a 12 a 13 Soit A= a 21 a 22 a 23 M (3,3) (R). a 31 a 32 a 33 Déterminer les mineurs diagonaux principaux de A. M 1 = a 11 = a 11

Etude du signe d une forme quadratique Exercice a 11 a 12 a 13 Soit A= a 21 a 22 a 23 M (3,3) (R). a 31 a 32 a 33 Déterminer les mineurs diagonaux principaux de A. M 1 = a 11 = a 11 M 2 = a 11 a 12 a 21 a 22

Etude du signe d une forme quadratique Exercice a 11 a 12 a 13 Soit A= a 21 a 22 a 23 M (3,3) (R). a 31 a 32 a 33 Déterminer les mineurs diagonaux principaux de A. M 1 = a 11 = a 11 M 2 = a 11 a 12 a 21 a 22 a 11 a 12 a 13 M 3 = a 21 a 22 a 23 a 31 a 32 a 33

Etude du signe d une forme quadratique Proposition Soit q une forme quadratique sur R n et A la matrice symétrique associée. Alors : q est définie positive ssi tous ses n mineurs diagonaux principaux sont strictement positifs. q est définie négative ssi tous ses n mineurs diagonaux principaux d ordre k (k = 1,...,n) M k vérifient : ( 1) k M k > 0. Si l un des mineurs diagonaux principaux est non nul et ne vérifie pas l une des deux règles de signes ci-dessus, alors q est de signe variable (q est indéfinie).

Etude du signe d une forme quadratique Proposition Soit q une forme quadratique sur R n et A la matrice symétrique associée. Alors : q est semi-définie positive ssi tous ses 2 n 1 mineurs principaux sont positifs ou nuls. q est semi-définie négative ssi tous ses 2 n 1 mineurs principaux d ordre k (k = 1,...,n) M k vérifient : ( 1) k M k 0. Sinon q est de signe variable (q est indéfinie).

Etude du signe d une forme quadratique Exercice Etudier le signe des formes quadratiques suivantes : 1 q(x 1,x 2 )=12x1 2+ 10x 2 2 6x 1x 2. 2 q(x 1,x 2,x 3 )=4x1 2+ 4x 2 2+ 4x 3 2+ 2x 1x 2 + 2x 2 x 3 + 2x 1 x 3. 3 q(x 1,x 2,x 3 )=x1 2+ 2x 2 2 x 3 2 2x 1x 3. 4 q(x 1,x 2,x 3 )= x1 2 2x 2 2 x 3 2. 5 q(x 1,x 2,x 3 )= x1 2 2x 2 2 x 3 2 2x 1x 3. 6 q(x 1,x 2,x 3 )= 10x1 2 4x 2 2 8x 3 2+ 2x 1x 3 + 4x 2 x 3. 7 q(x 1,x 2,x 3 )=x1 2+ x 2 2+ x 3 2 2x 1x 2 2x 2 x 3 2x 1 x 3.