Les notions de concavité et de convexité constituent un pilier fondamental de l’analyse mathématique.
Les notions de concavité et de convexité constituent un pilier fondamental de l’analyse mathématique.
Dumonteil Divies Lila
Les notions de concavité et de convexité constituent un pilier fondamental de l’analyse mathématique. Elles permettent de décrire la forme globale d’une fonction et d’aller bien au-delà de la simple étude de ses variations. Là où la dérivation première renseigne sur le sens de variation, la concavité et la convexité apportent une information structurelle sur la manière dont la fonction évolue : accélération, ralentissement, stabilité ou rupture de comportement. En classe préparatoire comme en L3, ces notions sont centrales, tant pour le raisonnement théorique que pour les applications en optimisation, en inégalités et en modélisation.
Approche géométrique : cordes et forme de la courbe
Convexité et position par rapport aux cordes
Une fonction définie sur un intervalle est dite convexe lorsque sa courbe représentative est située au-dessous de toutes ses cordes. Pour deux points quelconques de la courbe, le segment reliant ces points domine la courbe sur tout l’intervalle intermédiaire. Cette configuration géométrique correspond à une forme dite « en cuvette ».
Concavité et position par rapport aux cordes
À l’inverse, une fonction est dite concave lorsque sa courbe est située au-dessus de toutes ses cordes. Le segment reliant deux points de la courbe se trouve alors en dessous de celle-ci. La fonction présente une forme « en chapeau », caractéristique d’un ralentissement du taux de variation.
Définition analytique et inégalité de convexité
Définition analytique de la convexité
Soit f une fonction définie sur un intervalle I.
La fonction f est convexe sur I si et seulement si : ∀ x, y ∈ I, ∀ λ ∈ [0, 1], f(λx + (1 − λ)y) ≤ λf(x) + (1 − λ)f(y)
Formule essentielle BCE, souvent utilisée dans les questions théoriques et les inégalités.
Définition analytique de la concavité
La fonction f est concave sur I si et seulement si : ∀ x, y ∈ I, ∀ λ ∈ [0, 1], f(λx + (1 − λ)y) ≥ λf(x) + (1 − λ)f(y)
Lien fondamental avec la dérivation seconde
Lorsque la fonction est deux fois dérivable sur un intervalle, la concavité et la convexité se caractérisent directement par le signe de la dérivée seconde.
f ''(x) ≥ 0 sur I ⟹ f est convexe sur I
f ''(x) ≤ 0 sur I ⟹ f est concave sur I
Ce critère est le plus utilisé en concours BCE. Il relie une information locale issue de la dérivation à un comportement global de la fonction. La dérivée seconde mesure la variation du taux de variation : une dérivée seconde positive indique que la pente augmente, ce qui correspond précisément à une courbure convexe.
Tangentes et interprétation locale de la convexité
Une autre caractérisation essentielle repose sur l’étude des tangentes.
Si f est convexe et dérivable sur un intervalle I, alors pour tout a, x ∈ I : f(x) ≥ f(a) + f ′(a)(x − a)
La tangente en a constitue alors une minorante affine de la fonction. De manière symétrique, si f est concave et dérivable sur I, alors : f(x) ≤ f(a) + f ′(a)(x − a)
Dans ce cas, la tangente joue le rôle de majorante affine.
Ces formules sont extrêmement rentables en concours pour démontrer rapidement des inégalités ou encadrer des expressions complexes.
Points d’inflexion et changement de comportement
Un point d’inflexion est un point où la fonction change de convexité. Il s’agit d’un point charnière dans la structure de la courbe.
D’un point de vue méthodologique: l’égalité f ''(x₀) = 0 est une condition nécessaire, mais elle n’est pas suffisante.
Pour conclure, il faut impérativement montrer que la dérivée seconde change de signe de part et d’autre du point x₀. L’étude des points d’inflexion est une étape clé du tracé rigoureux des courbes.
L’étude des points d’inflexion est une étape clé du tracé rigoureux des courbes, car elle permet d’identifier les zones où le comportement global de la fonction se modifie profondément.
Convexité, optimisation et unicité des extrema
La convexité joue un rôle majeur en optimisation. Une fonction convexe définie sur un intervalle ne peut admettre qu’un seul minimum global, et tout point critique est nécessairement un minimum. De manière symétrique, une fonction concave ne peut admettre qu’un seul maximum global.
Ces propriétés expliquent l’importance de la convexité en économie, en probabilités et en analyse appliquée. Elles garantissent l’unicité des solutions et sécurisent les raisonnements d’optimisation, en évitant l’apparition d’extrema multiples.
Méthodes classiques et erreurs fréquentes
Une confusion courante consiste à assimiler convexité et croissance. Une fonction peut être croissante sans être convexe, et inversement. Une autre erreur fréquente est de conclure trop rapidement à l’existence d’un point d’inflexion dès que la dérivée seconde s’annule, sans analyser son signe.
Enfin, l’application des critères de convexité sans justification de la dérivabilité suffisante constitue une faute méthodologique classique. En devoir, il est impératif de préciser le cadre analytique avant toute conclusion.
