Vous êtes sur la page 1sur 74

Mathmatiques

Notes de cours Licence de Sciences Economiques, Economie Gestion Universit Panthon Assas Paris2 Centre de Vaugirard 1ere anne, 1er semestre Anne Universitaire 2005-2006
Etienne LEHMANN, Professeur dconomie elehmann@u-paris2.fr 1 http ://www.u-paris2.fr/ermes/membres/lehmann/lehmann.htm

Ce document constitue des notes de cours non nalises se rapportant au cours de mathmatiques du 1 semestre. De trop nombreuses imperfections subsistent, tant sur la forme que sur le fond. Je recevrais donc avec plaisir vos commentaires et vous en remercie davance. Je remercie dores et dj Lilianne Bel et Laurent Piccinini pour leurs commentaires et leurs aides.
er

Table des matires


Notations 1 Les fonctions numriques I Gnralits . . . . . . . . . . . . . . . . . . . . . . . . I.1 Dnitions . . . . . . . . . . . . . . . . . . . . I.2 Limite et continuit . . . . . . . . . . . . . . . II Drive dune fonction numrique . . . . . . . . . . . . II.1 Fonction anes . . . . . . . . . . . . . . . . . . II.2 La drive en un point . . . . . . . . . . . . . . II.3 Exemple conomique : cot de production, cot II.4 Approximation linaire et direntielle . . . . . II.5 Les principales rgles de calcul des drives . . III Les fonctions log (.) et exp (.) . . . . . . . . . . . . . . III.1 La fonction log (.) . . . . . . . . . . . . . . . . III.2 La fonction exp (.) . . . . . . . . . . . . . . . . III.3 Drives logarithmiques et lasticits . . . . . . IV Thorme de accroissement nis . . . . . . . . . . . . V Optimisation des fonctions numriques . . . . . . . . . V.1 Dnitions . . . . . . . . . . . . . . . . . . . . V.2 Fonctions numriques convexe / concave . . . . V.3 Conditions doptimalit . . . . . . . . . . . . . 2 Les fonctions de plusieurs variables I Gnralits . . . . . . . . . . . . . . . . . II Drives partielles et direntielles . . . . II.1 Dnitions . . . . . . . . . . . . . II.2 Thorme des accroissements nis III Le thorme des fonctions implicites . . . IV Les fonctions homognes . . . . . . . . . . V Convexit / Concavit . . . . . . . . . . . 4 6 6 6 8 13 14 15 16 17 19 20 20 21 22 24 28 28 29 38 43 43 47 47 52 53 56 59

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . marginal et . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . cot moyen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

. . . . . . .

3 Optimisation des fonctions de plusieurs variables 62 I Optimisation sans contrainte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 II Optimisation sous contrainte dgalit . . . . . . . . . . . . . . . . . . . . . . . . 67 III Optimisation sous contraintes dingalits . . . . . . . . . . . . . . . . . . . . . . 72

Table des gures


1.1 Exemple de fonction croissante non strictement croissante . . . . . . . . . . . . . 1.2 Exemple de fonction non monotone . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3 Exemple de fonction non continue (en c) . . . . . . . . . . . . . . . . . . . . . . . 1.4 Le thorme des valeurs intermdiaires . . . . . . . . . . . . . . . . . . . . . . . . 1.5 Exemple o le thorme des valeurs intermdiaires ne sapplique pas . . . . . . . 1.6 Exemple o une racine existe, bien que lune des hypothses du thorme des valeurs intermdiaires ne soit pas vrie. . . . . . . . . . . . . . . . . . . . . . . 1.7 Exemple de fonction continue non borne sur un intervalle ouvert . . . . . . . . . 1.8 Exemple de fonction continue mais non borne sur un intervalle non born. . . . 1.9 Exemple dune fonction natteignant ni son minimum ni son maximum sur un intervalle ferm et born. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.10 Graphes dune fonction ane et quations de droite. . . . . . . . . . . . . . . . . 1.11 Interprtation gomtrique de la drive . . . . . . . . . . . . . . . . . . . . . . . 1.12 Le graphe de la fonction log (.) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.13 Le graphe de la fonction exp (.) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.14 Le thorme des accroissements nis . . . . . . . . . . . . . . . . . . . . . . . . . 1.15 Thorme des accroissements nis : le cas o f 0 (.) nest pas continue. . . . . . . 1.16 Thorme des accroissements nis : le cas o f (.) nest pas continue aux bornes. 1.17 Exemple de fonction strictement croissante mais dont la drive sannule en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.18 Exemple de fonction strictement concave . . . . . . . . . . . . . . . . . . . . . . . 1.19 Exemple de fonction concave mais non strictement concave. . . . . . . . . . . . . 1.20 Fonction strictement convexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.21 Exemple de fonction convexe qui nest pas strictement convexe . . . . . . . . . . 1.22 Les fonctions concaves se caractrisent par des scantes de moins en moins croissantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.23 Les fonctions convexes se caractrisent par des scantes de plus en plus croissantes 1.24 Les fonctions concaves ont un graphe en dessous de leurs tangentes . . . . . . . . 1.25 Les fonctions convexes ont un graphe au dessus de leurs tangentes . . . . . . . . 1.26 f (.) est strictement quasi-concave sur [a, c] mais pas sur [a, d]. f nest pas concave sur [a, c]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.27 La condition ncessaire du 1er ordre . . . . . . . . . . . . . . . . . . . . . . . . . 1.28 Illustration du comportement de demande de travail des entreprises . . . . . . . . 2.1 Exemples de chemins passant par M0 de coordonnes x0 , x0 . . . . . . . . . . . 1 2 2.2 Ensemble convexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1 Exemple de points intrieurs et non intrieurs . . . . . . . . . . . . . . . . . . . . 8 8 10 11 11 12 14 14 15 15 16 21 22 24 25 25 27 30 30 31 31 33 34 35 35 37 39 42 45 59 63

Notations

aA AB AB AB x A !x A x A H R

H R ou H ssi R

f (x) = f (x) g (x)

Id

a est un lment de lensemble A. a appartient lensemble A Lensemble A est inclus dans lensemble B. A est une sous partie de B. Tous les lements de A appartiennent a fortiori B. A inter B : Dsigne lensemble contenant tous les lements appartenant A et B A union B : Dsigne lensemble contenant tous les lements appartenant A ou B Il existe un lement x appartenant lensemble A Il existe un et un seul lement x appartenant lensemble A Pour tout les lements x de lensemble A (Quel que soit) H implique R. Si lhypothse H est vrie, alors le rsultat R est vrai. A contrario, si le resultat R est faux, cest que H est faux. Cette dernire implication sappelle la contrapose H est quivalent R. Si lhypothse H est vrie, et seulement dans ce cas, alors le rsultat R est vrai. Reciproquement, si le rsultat R est vri, et seulement dans ce cas, H est vrai f (x) est gal . On constate/ on vrie que f (x) est gal au membre de droite de = La fonction f (.) est identiquement gale la fonction g (.) pour toutes les valeurs de x. Cette notation sert galement pour dnire la fonction f (.) partir de lexpression g (x). Dans plusieurs langages informatiques, cette dernire opration correspond linstruction := Cest la fonction identite qui tout x associe lui mme. Tab. 1: Les principales notations

Chapitre 1

Les fonctions numriques


I
I.1

Gnralits
Dnitions
R est lensemble des nombres rels. Cest un ensemble la fois ouvert et ferm R est lensemble des rels non nuls. R = ], 0[ ]0, +[. Cest un ensemble ouvert R+ est lensemble des rels positifs ou nuls. R+ = [0, +[. Cest un ensemble ferm R+ est lensemble des rels strictement positifs. R+ = ]0, +[. Cest un ensemble ouvert R est lensemble des rels ngatifs ou nuls. R = ], 0]. Cest un ensemble ferm R est lensemble des rels strictement ngatifs. R = ], 0[. Cest un ensemble ouvert Comment savoir si un intervalle I est ouvert ou ferm ? Si I = ]a, b[ = {x tel que a < x < b}, avec a et b nis Alors I est ouvert Si I = [a, b] = {x tel que a x b}. avec a et b nis, Alors I est ferm Si I = [a, b[ = {x tel que a x < b}. avec a et b nis, alors I nest ni ouvert, ni ferm Si a = ou si b = +, on ne regarde que la borne nie

Si I = ]a, b] = {x tel que a < x b}. avec a et b nis, alors I nest ni ouvert, ni ferm

Dnition 1 On appelle fonction numrique dune variable relle une application dune partie E R valeurs dans R. On note f (.) : E 7 R x 7 f (x)

Une fonction numrique nest pas ncessairement dnie pour tous les rels. Ainsi, la fonction x 7 x nest dnie que pour x R+ . La fonction x 7 1/x nest dnie que pour x R . Exemples En macroconomie, on cherche souvent reprsenter les comportements agrgs de consommation laide dune fonction de consommation. Celle-ci associe au revenu disponible des mnages Y d le niveau de consommation agrge dans lconomie C. Modliser les comportements de consommation laide dune telle fonction revient considrer lexistence dun lien systmatique et automatique entre PIB et consommation agrge. Cela revient galement ngliger dautres facteurs pouvant inuencer la consommation agrge. Il sagit donc dune hypothse permettant une reprsentation commode mais trs simplie de la ralit. Du point de vue mathmatique, une telle fonction de consommation constitue un fonction numrique dnie de R+ valeurs dans R+ . 6

Les sries temporelles peuvent galement tre considres comme des fonctions numriques pourvu que lon adopte une reprsentation continue du temps. Ainsi la fonction qui la date t R associe le PIB Yt cette date constitue galement une fonction numrique. En microconomie, on sintressera la fonction de cot qui un niveau de production y (par une unit de temps) associe le cot de production minimal C (y) requis la rme pour assurer cette production (sur cette unit de temps). Dnition 2 Lensemble des rels pour lesquels la fonction f (.) est dnie sappelle lensemble de dnition de la fonction f (.) Les rgles suivantes sont les plus souvent utilises pour dterminer les ensembles de dnitions. On ne sais pas diviser par 0 On ne peut pas calculer la racine (et en gnrale, la puissance non rationelle) dun nombre strictement ngatif On ne peut pas calculer le logarithme dun nombre ngatif Si F E R et si f est une fonction numrique dnie sur E, alors on peut toujours ne considrer que la restriction de f F . Exemple La fonction x 7 x2 est bien dnie sur R mais on peut ne considrer que sa restriction R+ . Dnition 3 Soient f (.) et g (.) deux fonctions numriques, on appelle fonction compose de g et de f et on note g f, la fonction g f (x) = g [f (x)] Il ne faut pas confondre g f (x) = g [f (x)] 6= f g (x) = f [g (x)] Dnition 4 Soit f (.) une fonction numrique dnie de E R 1. 2. 3. 4. 5. 6. f (.) est croissante sur E ssi x, y E tels que x < y, on ait f (x) f (y) f (.) est dcroissante sur E ssi x, y E tels que x < y, on ait f (x) f (y) f (.) est strictement croissante sur E ssi x, y E tels que x < y, on ait f (x) < f (y) f (.) est strictement dcroissante sur E ssi x, y E tels que x < y, on ait f (x) > f (y) f (.) est monotone sur E ssi elle est croissante ou dcroissante f (.) est strictement monotone sur E ssi elle est strictement croissante ou dcroissante

Exemple x 7 x2 est strictement dcroissante sur R , strictement croissante sur R+ mais elle nest pas monotone sur R Attention ! Une fonction peut trs bien tre croissante sans tre strictement croissante ainsi que lillustre la gure 1.1. De mme une fonction peut trs bien tre dcroissante sans tre strictement dcroissante (exercice, proposer un exemple). Ainsi, une fonction peut trs bien tre monotone sans tre strictement monotone. De mme, une fonction peut trs bien ne pas tre monotone, cest dire ntre ni croissante ni dcroissante, ainsi que lillustre la gure 1.2. Toutefois, la pluspart du temps (mais pas toujours !), une fonction est quand mme strictement montone sur des intervalles. Ainsi, dans lexemple donn par la gure 1.1, la fonction est bien strictement croissante sur les intervalles ], a] et [b, +[. Dans lexemple donn par la gure 1.2, la fonction est strictement croissante dune part sur ], a] et dautre part sur [b, +[. Par ailleurs elle est strictement dcroissante sur [a, b]. 7

Fig. 1.1: Exemple de fonction croissante non strictement croissante

a b

Fig. 1.2: Exemple de fonction non monotone Dnition 5 f (.) est bijective ssi il existe une fonction numrique g telle que gf = f g = Id. g (.) est alors unique et bijective. Cest lapplication rciproque de f .

I.2

Limite et continuit

La notion de limite dune fonction est assez intuitive. Mais elle est beaucoup plus dicile formaliser mathmatiquement. On veut donner un sens la phrase : f (x) tend vers l quand x tend vers a. On entend par l que f (x) se rapproche de l autant quon le souhaite, pourvu que x soit susamment proche de a. Cela nous conduit la dnition suivante : Dnition 6 On dit que f (x) admet l pour limite quand x tend vers a et on note lim f (x) = l xa ssi > 0, d > 0 tel que pour tout x vriant |x a| d, on ait |f (x) l| ou encore > 0, d > 0 tel que pour tout x [a d, a + d] , on ait |f (x) l| 8

Exercice 1 Vrier les proprits suivantes quand les limites considres existent
xa

lim f (x) + lim g (x) =


xa xa

xa

lim [f (x) + g (x)]


xa

Pour tous R
xa

lim [ f (x)] = lim f (x)


xa

lim f (x) lim g (x) =


xa

lim f (x) lim g (x)

Si lim g (x) 6= 0,
xa

xa xa

lim [f (x) g (x)] xa f (x) = lim xa g (x)


yl

Si lim f (x) = l et si g (.) admet une limite en l, alors,


xa

lim g f (x) = limg (y)

On sent ici que la notion de limite repose sur la notion de proximit. Formellement, on a eu recours la notion de distance ( savoir la valeur absolue de la dirence entre dune part x et a et dautre part f (x) et l) pour formaliser la notion de limite 1 . On peut galement dnir de manire assez directe la notion de limite pour x 6= a
xa, x6=a

Dnition 7 On dit que f (x) admet l pour limite quand x tend vers a avec x 6= a et on note lim f (x) = l ssi > 0, d > 0 tel que pour tout x 6= a vriant a d x < a + d, On ait |f (x) l| On peut maintenant dnir la notion de continuit.

Dnition 8 Soit f (.) une fonction numrique dnie en a. On dit que f (.) est continue en a ssi lim f (x) = f (a) .
xa

Si f est dnie sur [a, b], on dit que f est continue sur [a, b] ssi x [a, b] f est continue en x Intuitivement, une fonction est continue si et seulement si on peut la reprsenter graphiquement en un seul trait, sans avoir lever le crayon de sa feuille. On voit ainsi sur la gure 1.3 que la fonction f (.) nest pas continue en c. Proposition 9 Si f (.) et g (.) sont continues en a alors, f + g, f g, f g, sont continues en a. Il en est de mme de 1/f (x) si f (a) non nul et f (.) /g (.) si g (a) non nul Pour les conomistes, la notion de continuit sert garantir lexistence de solutions des quations non linaires. En eet, les thories conomiques se formalisent souvent par des systmes de plusieurs quations plusieurs inconnues (a priori il y a autant dquations que dinconnues). Il est rare que ces systmes soient linaires, ce qui rend leur rsolution explicite dicile voir impossible. Or il existe nanmoins des outils mathmatiques pour caractriser ces solutions. La premire chose caractriser est de savoir si une solution existe.
1 On peut vouloir galement utiliser des notions comme f (x) tend vers linni. Utiliser la dnition prcdente telle quel nest pas possible puisque cela necessiterait de parler de proximit avec linni. On peut toutefois adapter la dntion. Dnition On dit que f (x) admet + pour limite quand x tend vers a et on note lim f (x) = + ssi xa

M , d > 0 tel que pour tout x vriant |x a| d, on ait f (x) M On peut galement dnir la limite en + ou en Dnition On dit que f (x) tend vers l quand x tend vers + et on note lim f (x) = l ssi
x

> 0, M > 0 tel que pour tout x vriant x M , On ait |f (x) l|

Fig. 1.3: Exemple de fonction non continue (en c) Dnition 10 Les solutions dune quation de la forme f (x) = 0 sont appells les racines de f (.). Les solutions dune quation de la forme f (x) = x sont appells des points xes de f (.) Exemple Soit C (Y ) la fonction de consommation, I linvestissement priv et G le niveau des dpenses publiques. Le modle keynsien lmentaire prdit que le niveau du PIB Y doit quilibrer le march des biens, cest dire quil doit vrier lquation comptable C (Y ) + I + G = Y . Il sagit donc dun point xe de la fonction Y C (Y ) + I + G (cette fonction sappelle parfois fonction de demande agrge) et dune racine de la fonction Y C (Y ) + I + G Y (cette fonction sappelle parfois fonction de demande nette agrge). Proposition 11 Les points xes de g (.) sont les racines de la fonction f (.) dnie par f (x) g (x) x. Les racines de f (.) sont les points xes de la fonction g (.) dnie par g (x) f (x) + x f (a) f (b) 0 Le thorme des valeurs intermdiaires est trs important car il donne une condition susante extrmement simple vrier pour assurer quune quation non linaire (donc a priori dicile voir impossible rsoudre explicitement) de la forme f (x) = 0 admette au moins une solution. Lide du thorme est illustre par la gure 1.4. Si f (a) f (b) < 0, cela veut dire que f (a) et f (b) sont de signes opposs. Donc ou bien f (a) > 0 et f (b) < 0 ou bien f (a) > 0 et f (b) < 0. Cela signie que le point A de coordonnes (x = a, y = f (a)) et le point B de coordonnes (x = b, y = f (b)) sont de part et dautres de laxe dabscisses (dquation y = 0) la rivire. Comme f (.) est continue, son graphe (cest--dire lensemble des points de coordonnes (x, y = f (x)) peut tre trac dun seul trait, sans avoir lever le crayon de la feuille. Donc pour passer de A B, il faut forcment traverser la rivire au moins une fois en loccurence au point C de coordonnes (x = c, y = 0). La gure 1.3 montre quel point la continuit est indispensable. Sur cette gure f (a) et f (b) sont bien de part et dautre de 0. Mais comme f (.) nest pas continue en c, le graphe peut franchir dun coup la rivire simplement en levant le crayon de la feuille. Que se passe-t-il lorsque f (a) et f (b) sont de mme signes ? Sur la gure 1.5, f (a) et f (b) sont tous deux positifs. On voit qualors quil est possible que f (.) nadmette pas de racine sur 10 alors la fonction f (.) admet au moins une racine c [a, b] tel que f (c) = 0

Thorme 12 (Thorme des valeures intermdiaires) Si f continue sur [a, b] et si

c C

Fig. 1.4: Le thorme des valeurs intermdiaires [a, b]. Toutefois quand f (a) et f (b) sont tous deux positifs, il est galement possible que f (.) admette une racine sur [a, b], ainsi que lillustre la gure 1.6. Ainsi que f (a) et f (b) soient de signes dirents pour une fonction f (.) continue sur [a, b] est une condition susante mais non ncessaire ce que f (.) admettre une racine sur [a, b]. A contrario, si f (.) nadmet pas de racines [a, b], cela veut dire quou bien f (.) nest pas continue sur [a, b], ou bien que f (a) et f (b) sont de mme signes.Comme le montre le graphique 1.4, le thorme des valeurs intermdiaires ne
y

Fig. 1.5: Exemple o le thorme des valeurs intermdiaires ne sapplique pas garantit nullement lunicit de la solution de lquation f (x) = 0 mais seulement son existence. Une condition susante pour assurer cette unicit est que f (.) soit de plus strictement monotone. Une dmonstration du thorme des valeurs intermdiaires est donne de faon indicative comme exercice permettant de manipuler la dnition des limites. Cette dmonstration nest intressante qu ce titre. Dmonstration. Remarquons tout dabord que si f (a) = 0, a est une racine de f (.) sur [a, b]. De mme si f (b) = 0, b est une racine de f (.) sur [a, b]. On va donc se restreindre aux cas o f (a) f (b) < 0. Pour xer les ides, supposons (comme sur la gure 1.4) que f (a) > 0 et f (b) < 0. (dans le cas contraire, la fonction g (x) f (x) est continue a les mmes racines que f (.) et vrie 11

Fig. 1.6: Exemple o une racine existe, bien que lune des hypothses du thorme des valeurs intermdiaires ne soit pas vrie. g (a) > 0 et g (b) < 0). Comme f (.) est continue, on a lim f (x) = f (a) > 0 et lim f (x) = f (b) < 0. Par dnition
xa xb

de lim f (x), pour = f (a), il existe d > 0 tel que :


xa

x vriant |x a| d Donc, en particulier x [a, a + d] do x [a, a + d] on ait :

on ait :

|f (x) f (a)|

= f (a) f (x) f (a) = f (a)

on ait :

0 f (x)

(1.1)

Ainsi, il existe des intervalles contenant a tels que f (.) reste positive ou nul sur ces intervalles. Or tous ces intervalles sont strictement inclus dans [a, b] puisque f (b) < 0. Il existe par consquent un plus grand intervalle I, qui est inclus dans [a, b], qui inclus a comme borne infrieure et qui est tel que x I on ait 0 f (x) 2 A priori ce plus grand intervalle est ou bien de la forme [a, c[ ou bien de la forme [a, c], avec c b. Nous allons dabord montrer que le cas I = [a, c[ nest pas possible. Supposons par contradiction que I = [a, c[. Alors f (c) < 0. En eet, sinon, f (c) 0, et comme f (x) 0 pour tout x [a, c[, cela signierait que f (x) 0 pour tout x [a, c], contredisant le fait que I soit le plus grand intervalle avec a comme bord surlequel f (.) reste positive. Or f (.) est continue en c. Daprs la dnition de lim f (x) avec = f (c) > 0, il existe 2 xc alors d > 0 tel que x [c d, c + d] , x [c d, c + d] ,
2

f (c) f (x) f (c) + f (c) f (c) = <0 f (x) f (c) 2 2

(1.2)

L rside une dicult sur laquelle nous ne nous tendrons pas...

12

En particulier, on a f (c d) < 0. Or c d a (sinon il sut de rduire d > 0) donc c d [a, c[ = I et donc f (c d) 0 ce qui est contradictoire avec lingalit (1.2). Donc I nest pas de la forme [a, c[, donc I est de la forme [a, c]. Si I = [a, c], alors f (c) 0. Cela signie que ou bien f (c) = 0 et alors c est une racine de f , ou bien f (c) > 0. Mais alors, f est continue en c. Daprs la dnition de lim f (x) avec
xc

f (c) 2

> 0, il existe d > 0 tel que : x [c d, c + d] , x [c d, c + d] , f (c) f (x) f (c) + f (c) 0 < f (c) = f (c) f (x) 2

Aussi, f (.) resterait alors positive sur lintervalle [c, c + d] et donc sur lintervalle [a, c + d] . Ceci contedit le fait que I soit le plus grand intervalle inclus dans [a, b] contenant a surlequel f (.) reste constamment postive. Donc f (c) > 0 aboutit une contradiction, donc f (c) = 0, donc c est une racine de f (.). A partir du thorme des valeurs intermdiaires, on peut dduire un autre thorme dexistence de solutions. Thorme 13 (Thorme de Brouwer dans R) Si f est continue sur [a, b] et si x [a, b], f (x) [a, b], alors lquation f (x) = x admet au moins une solution dans R Dmonstration. Considrons la fonction numrique g (x) f (x) x. Les poins xes de f (.) sont alors les racines de g (x) = 0. Comme a f (a), on a g (a) 0. Comme f (b) b, on a g (b) 0. Aussi g est continue et vrie g (a) g (b) 0. Le thorme des valeurs intermdiaires garantit alors lexistence dun c tel que g (c) = 0, cest dire tel que f (c) = c. Le thorme de Brower pour les fonctions numriques nest quun corollaire du thorme des valeurs intermdiaires. Mais contrairement ce dernier, il peut se gnraliser pour les fonctions de plusieurs variables. La continuit est galement utile dans le thorme suivant : Thorme 14 Si f (.) continue sur un intervalle ferm et born [a, b] alors il existe deux rels c et d tels que pour tout x [a, b] f (c) f (x) f (d). On dit alors que f (.) est borne. c [a, b] est un minimum de f (.) sur [a, b] et d [a, b] est un maximum de f (.) sur [a, b]. Linutition de ce thorme est claire. Si on ne peut pas lever son crayon, alors, sur un intervalle ferm et born, on ne pas partir inniment loin. Il faut toutefois prendre garde nappliquer ce thorme que sur des parties ferms et bornes de R et quavec des fonctions continues. En eet, sur lintervalle ferm mais non borne [0, +[, la fonction x x2 est bien continue. Mais elle ny est pas borne puisquelle admet une limite en + (cf. gure 1.7). De mme, sur lintervalle ouvert ]0, 1[ la fonction x 7 1/x est bien continue mais elle nest pas borne puisq Enn, si la fonction f (.) nest pas continue, alors elle peut trs bien ne pas atteindre ni son minimum ni son maximum. Cest la cas de la fonction reprsente sur la gure 1.9. Le maximum global sur de f sur [a, b] serait atteint en c si f (.) y tait continue. Mais ce nest pas le cas. De mme le minimum global sur [a, b] serait atteint en d si f (.) y tait continue.

II

Drive dune fonction numrique

La notion mathmatique de drive est fondamentale en conomie o elle correspond aux grandeurs dites marginale. Lide mathmatique est la suivante : on comprend trs bien 13

Fig. 1.7: Exemple de fonction continue non borne sur un intervalle ouvert
y

0 1

Fig. 1.8: Exemple de fonction continue mais non borne sur un intervalle non born. comment se comporte une fonction linaire ou une fonction ane. Mais il nen est pas de mme avec les fonctions non linaires. Pourtant localement, une fonction non linaire, pourvu quelle soit susamment rgulire, va se comporter approximativement comme une fonction linaire. La notion de drive va nous permettre de formaliser ce raisonnement.

II.1

Fonction anes

Dnition 1 La fonction numrique f : x f (x) est ane ssi il existe deux rels m et p tels que pour tous x, f (x) = m x + p. m sappelle la pente. p sappelle lordonne lorigine si p = 0 la fonction f (.) est une fonction linaire La pente m dune fonction ane permet de mesurer le taux de varation de la fonction f. En eet quelque soient a, b R. f (b) f (a) = m b + p [m a + p] = m (b a) Cela signie que si x augmente de x, on a : f (x + x) = f (x) + m x 14

a c

b x

Fig. 1.9: Exemple dune fonction natteignant ni son minimum ni son maximum sur un intervalle ferm et born.
y f(x)=m x + p

Fig. 1.10: Graphes dune fonction ane et quations de droite. Proposition 2 Si m > 0, f (x) et strictement croissante, lim f (x) = +, lim f (x) =
x x

Si m < 0, f (x) et strictement dcroissante, lim f (x) = , lim f (x) = +


x x

Si m = 0, f (x) et constante, lim f (x) = f (x) = p


x

Les fonctions anes ont ceci de remarquable que leur taux de variation est constant, independamment de a et b. Mais les fonctions que lon rencontre sont rarement aussi simples. Comment ramener leur tude quelque chose daussi simple que ltude des fonctions anes ?

II.2

La drive en un point

Dnition 3 Soit a R et f (.) une fonction numrique dnie en a et autour de a. On dit que f (.) est drivable en a si son taux de variation : f (x) f (a) xa 15

admet une limite nie quand x tend vers a. On appelle alors cette limite la drive de f (.) en a et on note : f 0 (a) = f (x) f (a) xa,x6=a xa lim

y=f(x)

f(a) f(x)

T x

Fig. 1.11: Interprtation gomtrique de la drive La gure 1.11 permet dillustrer cette dnition. Prenons une fonction numrique f (.) reprsente par son graphe y = f (x). Prenons un point A sur ce graphe de coordonnes (x = a, y = f (a)). Prenons prsent un autre point X sur ce graphe de coordonnes (x, y = f (x)). Le taux de variation de f entre a et x, qui est gal : f (x) f (a) xa reprsente alors la pente de la droite AX. Que se passe-t-il lorsque le point X se dplace le long du graphe de f (.) en se rapprochant du point A ? Comme f (.) nest pas une fonction ane, le taux de variation de f (.) entre A et X se modie. Toutefois, au fur et mesure que X se rapproche de A, la droite AX tend se confondre avec la tangente de f (.) en A (note T ). La drive de f (.) en a correspond alors la pente de la tangente au point A. Connatre la drive de f (.) en a permet alors de connatre approximativement le taux de variation de f avec nimporte quel rel x situ proximit de a.

II.3

Exemple conomique : cot de production, cot marginal et cot moyen.

La notion de drive est trs courante en conomie, mme si son recours est souvent implicite. Considrons lexemple de la fonction de cot dans la thorie microconomique du producteur. Celle-ci donne pour chaque quantit de production y le cot total C (y) que doit supporter une entreprise pour pouvoir produire une quantit y de biens. A partir de la fonction de cot, on dnit gnralement le cot moyen par : CM (Y ) = C (Y ) Y

Or on parle galement de cot marginal Cm de production. Celui ci est dnit comme : 16

Le supplment de cot de production engendre par la production de une unit supplmentaire 3 . Ainsi, lorsque la production augmente de y, le cot doit augmenter de C= y Cm , cest dire Cm ' C (y + y) C (y) y

Or, les conomistes entendent implicitement lorsquils parlent dune unit supplmentaire y un y innitsimal, cest dire inniment petit. On a par consquent. Cm = lim
y0

C (y + y) c (y) = C 0 (y) y

La notion de cot marginal correspond alors la drive de la fonction de cot.

II.4

Approximation linaire et direntielle

Ainsi que lillustre la gure 1.11, au voisinage de a, le graphe de la fonction f (.) sapparente la tangente de f (.). Cela signie que les proprits de la fonction f (.), en particulier du point de vue de sa monotonie ou de son taux de variation, sont au voisinage de a analogues la fonction ane correspondante la tangente T . On est donc tent de remplacer localement ltude de la fonction f (.) par ltude de sa tangente. Celle-ci a pour quation : y = f (a) + f 0 (a) (x a) Dnition 4 La fonction x 7 f (a) + f 0 (a) (x a) sappelle lapproximation linaire de f (.) en a, la linarisation de f (.) en a ou encore le developpement limit dordre 1 de f en a. La fonction x 7 f 0 (a) x sappelle la direntielle de f (.) en a.

Lappromixation linaire de f (.) en a est une fonction ane prenant pour x = a la mme valeur que f (.). La dnomination dapproximation linaire est justie par le thorme suivant

Proposition 5 f est drivable en a de drive m = f 0 (a) si et seulement si il existe une fonction (x) continue en a telle que i ii : x f (x) = f (a) + m (x a) + (x) (x a) (1.3)

xa

lim (x) = 0

Dmonstration. Il faut dmontrer la proposition dans les deux sens 1. Supposons que f (.) soit drivable en a. Dnissons alors la fonction (.) par (x) f (x) f (a) f 0 (a) xa si x 6= a
xa,x6=a

et

(a) = 0

Cette fonction (.) vrie i). Il reste calculer lim

lim (x). Or

xa,x6=a

f (x) f (a) = f 0 (a) xa


xa

puisque f (.) est drivable en a, donc lim (x) = (a) = 0. On a donc montr bien lexistence dune fonction (.) continue en a vriant i) et ii).
3

cf. Picard Elment de microconomie : Thorie et Application, Montchrestien

17

2. Supposons lexistence dune fonction (x) et dun rel m vriant i) et ii). Alors x 6= a par i) donc par ii) lim f (x) f (a) =m xa f (x) f (a) = m + (x) xa

xa,x6=a

et donc m = f 0 (a) est bien la drive de f (.) en a Ainsi, remplacer la fonction f (.) par son approximation linaire f (a) + f 0 (a) (x a) revient commettre une erreur gale (x) (x a). Cette erreur tend vers 0 quand x tend vers a plus rapidement que nimporte quelle fonction ane. Cette erreur peut donc tre nglige en premire approximation au voisinage de a. Proposition 6 Si f (.) est drivable en a, alors f (.) est continue en a. Dmonstration. Daprs le thorme prcdent, si f (.) est drivable en a, il existe une fonction (x) admttant une limite nulle en a telle que f (x) = f (a) + (x a) f 0 (a) + (x)

donc lim f (x) = f (a)


xa

La drivabilit est une caractristique de rgularit plus exigeante que la continuit. Par exemple, la fonction reprsente dans la gure 1.1 est bien continue en b mais elle nest pas drivable en b. En eet, le graphe de cette fonction est horizontal jusquen b puis strictement croissant aprs. Dnition 7 On appelle fonction drive de f (.) et lon note f 0 (.) la fonction numrique qui x associe la drive de f (.) en a lorsque f (.) est drivable en a. Si f 0 (.) est continue, on dit que f (.) est continuement drivable ou que f (.) est C 1 . Une fonction continment drivable se caractrise graphiquement par une pente qui volue de faon continue. La gure 1.15 donne un contre-exemple dune fonction continue mais non continment drivable (en loccurence en c). Enn si f (.) est continment drivable, alors a fortiori elle est continue. Proposition 8 Soit f (.) une fonction numrique drivable en a 1. Si f est croissante autour de a, alors f 0 (a) 0

2. Si f est dcroissante autour de a, alors f 0 (a) 0

Dmonstration. Nous ne prsentons que la dmonstation de i). Quite ce que x soit susamment proche de a, on a ou bien f (x) f (a) 0 si x > a ou bien f (x) f (a) 0 si x < a. Dans les deux cas, on a : f (x) f (a) 0 xa f 0 (a) = f (x) f (a) 0 xa,x6=a xa lim

18

II.5

Les principales rgles de calcul des drives

Proposition 9 Si deux fonctions f (.) et g (.) sont drivables en a, 1. Quelque soient les rels et , la fonction x 7 f (x) + g (x) est drivable en a de drive f 0 (a) + g0 (a) 2. La fonction x 7 f (x) g (x) est drivable en a de drive f 0 (a) g (a) + g 0 (a) f (a)
f (x) g(x)

3. Si g (a) 6= 0, la fonction x 7

est drivable en a de drive

f 0 (a) g (a) f (a) g 0 (a) [g (a)]2 Dmonstration. 1. f (x) f (a) g (x) g (a) [ f (x) + g (x)] f (a) + g (a) = + xa xa xa donc [ f (x) + g (x)] f (a) + g (a) xa xa lim 2. f (x) g (x) f (a) g (a) xa f (x) g (x) f (a) g (x) + f (a) g (x) f (a) g (a) xa f (x) f (a) g (x) g (a) = g (x) + f (a) xa xa = f (x) f (a) g (x) g (a) + lim f (a) xa xa xa f (x) f (a) g (x) g (a) = lim g (x) lim + f (a) lim xa xa xa xa xa = g (a) f 0 (a) + f (a) g 0 (a)
xa

f (x) f (a) g (x) g (a) + lim xa xa xa xa = f 0 (a) + g0 (a) = lim

donc
xa

lim

f (x) g (x) f (a) g (a) xa

lim g (x)

3.
f (x) g(x)

xa

f (a) g(a)

= = =

f (x) g (a) f (a) g (x) (x a) g (x) g (a) f (x) g (a) f (a) g (a) + f (a) g (a) f (a) g (x) (x a) g (x) g (a) 1 f (x) f (a) f (a) g (x) g (a) g (x) xa g (x) g (a) xa

donc lim
f (x) g(x)

xa

xa

f (a) g(a)

f 0 (a) g (a) f (a) g 0 (a) f 0 (a) f (a) g0 (a) = g (a) [g (a)]2 [g (a)]2 19

Proposition 10 Si f (.) est drivable en a 1. Si de plus g (.) est drivable en b = f (a), alors g f est drivable en a de drive g0 [f (a)] f 0 (a) 2. Si de plus f (.) est inversible alors, en notant b = f (a) 1 0 1 1 = 0 1 (b) = 0 f f (a) f (f (b)) Dmonstration. 1. g (f (x)) g (f (a)) g (f (x)) g (f (a)) f (x) f (a) = xa f (x) f (a) xa g (f (x)) g (f (a)) xa g (f (x)) g (f (a)) f (x) f (a) lim xa f (x) f (a) xa g (f (x)) g (f (a)) 0 = lim f (a) = g0 (f (a)) f 0 (a) f (x) f (a) f (x)f (a) =
xa

donc
xa

lim

lim

2. On applique le rsultat prcdent f f 1 = Id 0 0 f f 1 (x) = x0 = 1 = f 0 [f (x)] f 1 (x) Exercice 2 1. Vrier que toute fonction ane de la forme x 7 mx+p admet une fonction drive constante et gale m. 2. Dmontrer par rcurrence que la fonction x 7 xn , n N admet pour fonction drive x 7 n xn1 3. En dduire la drive de la fonction x 7 xn , n N 1 4. Dmontrer par rcurrence que la fonction x 7 x 2n , n N admet pour fonction drive 1 x 7 21 x 2n 1 n 5. En dduire que pour tout nombre de la forme r = p/2n avec p Z et n N, la fonction x 7 xr admet pour fonction drive x 7 r xr1 Nous allons donc donner un tableau rcapitulatif des principales drives (cf. Tableau 1.1

III
III.1

Les fonctions log (.) et exp (.)


La fonction log (.)

La fonction log est une fonction numrique qui nest dnie que sur R+ . Elle admet pour drive 1/x. Elle est donc strictement croissante. log 1 = 0. Aussi log x < 0
x0+

x ]0, 1[
x0+

log x > 0

x ]1, +[
x+

lim log x =

lim x log x = 0

x+

lim log x = +

lim

log x =0 x

La fonction log (.) transforme la multiplication en addition, la puissance en multiplication log (x y) = log x + log y On note e lunique rel tel que log e = 1 20 log an = n log a

f x
1 x

u (x) v (x) ln (x) x = exp x e x = exp [x ln a] a sin x cos x sin tan x = cos x x
Log HxL 2

u0 (x) v (x) + u (x) v 0 (x)


1 x ex

f 0 (.) x1 1 x2

f (.) [u (x)]
1 u(x) u(x) v(x)

f 0 (.) [u (x)]1 u0 (x)


u0 (x) [u(x)]2 u0 (x)v(x)v 0 (x)u(x) [v(x)]2 u0 (x) u(x) u0 (x) exp [u (x)]

ln [u (x)] exp [u (x)] sin [u (x)] cos [u (x)] x cot x = cos x sin

ln a ax cos x sin x
1 (cos x)2

Tab. 1.1: Rcapitulatif des drives

u0 (x) cos [u (x)] u0 (x) sin [u (x)] 1 2 sin x

x 2 4 6 8 10

-1

-2

Fig. 1.12: Le graphe de la fonction log (.)

III.2

La fonction exp (.)

La fonction exp (.) est la fonction rciproque de log (.).

exp [log (x)] = log [exp (x)] = x Elle est dnie sur R valeurs dans R+ . Elle est sa propre drive. Elle est donc strictement croissante. exp 0 = 1 Aussi exp x < 1
x

exp 1 = e

lim exp x = 0

x<0

exp x > 1

lim x exp x = 0

x+

lim exp x = +

x>0
x+

lim

exp x = + x

La fonction exp transforme laddition en multiplication, la multiplication en puissance exp (x + y) = exp x exp y 21 exp (x a) = (exp a)x

On a exp x = ex ax = exp [ln a x]


Exp HxL 7 6 5 4 3 2 1 x -2 -1 1 2

Fig. 1.13: Le graphe de la fonction exp (.)

III.3

Drives logarithmiques et lasticits

A partir de la fonction log (.), on peut sintresser la drive logarithmique. Dnition 1 Soit f (.) une fonction numrique drivable en a telle que f (a) 6= 0. On appelle drive logarithmique de f (.) en a la drive en a de la fonction x 7 ln |f (x)|, cest dire le nombre f 0 (a) d ln |f (x)| = dx f (a) x=a Nous avons vu que si f (.) est drivable en a alors il existe une fonction de limite nulle en a telle que f (x) = f (a) + (x a) f 0 (a) + (x) f (x) f (a) f (a) f 0 (a) (x) + (x a) f (a) f (a) d ln |f (x)| + l (x) (x a) = (x a) dx x=a = (x a)
xa

do

avec l (x) (x) /f (a) et donc lim l (x) = 0. Ainsi la drive logarythmique fournit une approximation du taux de variation relatif de f (.) autour de a. Cest pourquoi il sagit dune notion utile en conomie. Elle fournit une approximation de la variation relative de f (.) exprime en pourcentage lorsque x augmente de 0.01. 22

La notion de drive logarithmique est particulirement utilise pour les fonctions dpendant du temps. Prenons la fonction qui chaque date t R associe le niveau du PIB Yt , et supposons que cette fonction soit drivable par rapport au temps. On a alors Yt+h Yt 1 Y0 d ln Yt = t = lim = lim h0 dt Yt Yt h0 h
Y Y Yt+h Yt Yt

Or que reprsente lexpression t+ht t ? Si h reprsente un intervalle dun an, il sagit du taux Y de croissance annuel du PIB sur an. Si h reprsente un intervalle de 1 trimestre, il sagit du taux de croissance trimestriel du PIB etc. Aussi la drive logarithmique reprsente dans ce cas l le taux de croissance instantane du PIB. On remarque alors que la valeur de la drive logarithmique sinterprte beaucoup mieux que la valeur de la drive Yt0 . On a les proprits suivantes Proposition 2 d ln |f (x) g (x)| dx x=a d ln f (x) g(x) dx x=a d ln |f (x)| dx x=a d ln |f (x) + g (x)| dx
x=a

= =

On a galement trs souvent recours en conomie la notion dlasticit

f 0 (a) f (a) d ln |f (x)| d ln |g (x)| f (a) g (a) + f (a) + g (a) dx f (a) + g (a) dx x=a x=a

d ln |f (x)| d ln |g (x)| f 0 (a) g 0 (a) + = + dx dx f (a) g (a) x=a x=a d ln |f (x)| d ln |g (x)| dx dx x=a x=a

Dnition 3 Soit f (.) une fonction numrique drivable en a 6= 0 telle que f (a) 6= 0. On appelle lasticit de f (.) par rapport x value en a que lon note f le nombre x=a f = x=a a f 0 (a) f (a)

Nous avons vu que si f (.) est drivable en a alors il existe une fonction de limite nulle en a telle que f (x) = f (a) + (x a) f 0 (a) + (x) f (x) f (a) f (a) = (x a) = f 0 (a) (x) + (x a) f (a) f (a) a (x) (x a) f x=a + (x a) a f (a)

do

Autrement dit, llasticit de f (.) par rapport x value en a fournit une excellente approximation de la variation relative exprime en pourcentage de f (.) quand x connait une variation relative de 1%. Cest pourquoi elle est particulirement utile en conomie o on se rend mieux compte des ordres de grandeures lorsque lon parle de % de variation que de variation absolues. 23

Proposition 4 On a les proprits suivantes : f (.)+g(.) = x=a f (a) g (a) f + g x=a f (a) + g (a) f (a) + g (a) x=a
f(.) g(.) f (.)g(.) = f + g x=a = f g x=a x=a x=a x=a x=a f (x) f (.) f (x) f (.) x=a = x=a x=a = x=a

IV

Thorme de accroissement nis

Nous avons vu que la notion de drive est relie lappoximation linaire dune fonction. Nous allons admettre un nouveau thorme qui permet de prolonger cette ide : Thorme 1 (Thorme des accroissements nis) Si f (.) continue sur [a, b] et drivable sur ]a, b[ alors il existe c ]a, b[ tel que f 0 (c) = f (b) f (a) ba f (b) = f (a) + f 0 (c) (b a)

Le thorme des accroissements nis nous dit que sous certaines conditions, le taux de variation de f (.) entre a et b correspond la drive de la fonction f (.) en au moins un point de lintervalle ]a, b[. Autrement dit, quitte valuer la drive non pas en a ou en b, mais en un point c judicieusement choisi dans ]a, b[, la drive de f (.) nous indique exactement de combien f (.) varie quand x varie de a b. La gure 1.14 illustre ce rsultat. Entre a et b il y existe au moins un nombre c tel quen ce point de coordonnes (x = c, y = f (c)), la tangente de la fonction f (.) est parallle la corde reliant les points de coordonnes (x = a, y = f (a)) et (x = b, y = f (c)). Il convient toutefois de noter que si lexistence dun tel c est assure par ce thorme, son unicit ne lest nullement. Ainsi, dans lexemple de la gure 1.14, on a f 0 (c) = f 0 (c0 ) = [f (b) f (a)] / [b a].
y

c a

b x

Fig. 1.14: Le thorme des accroissements nis Mme si concrtement, en conomie, les hypothses requises par le thorme sont vries la plupart du temps, il nen reste pas moins quelles sont importantes. Tout dabord il est indispensable que la fonction soit drivable sur ]a, b[. La gure 1.15 donne un contre-exemple. La fonction f (.) y est bien continue sur [a, b]. Mais la fonction drive prsente un point de discontinuit intrieur. Au point c, la fonction f (.) nadmet pas de drive car lim f (x)f (c) 6= xc
x7c,x<c

24

parallle la corde [a, b]. Ensuite, mme si la drive f 0 (.) est continue sur ]a, b[, (assurant par l la continuit de f (.) sur ]a, b[) il est indispensable que la continuit aux bornes de f (.) soit galement assure. La gure 1.16 donne un contre-exemple de ce cas de gure avec f discontinue en a.
y

x7c,x>c

lim

f (x)f (c) . xc

On voit alors que pour nul point de ]a, b[ la tangente du graphe de f (.) nest

c a

Fig. 1.15: Thorme des accroissements nis : le cas o f 0 (.) nest pas continue.

b x

Fig. 1.16: Thorme des accroissements nis : le cas o f (.) nest pas continue aux bornes. Il existe une formulation quiavlente du thorme des accroissements nis. Cette formulation se revellera plus utile dans le chapitre suivant. Thorme 2 (Thorme des accroissements nis) Si f (.) continue sur [a, b] et drivable sur ]a, b[ alors il existe ]0, 1[ tel que f 0 ( a + (1 ) b) = f (b) f (a) ba f (b) = f (a) + f 0 ( a + (1 ) b) (b a)

25

Dmonstration. Daprs la premire version du thorme des accroissements nis, il existe c ]0, 1[ tel que f 0 (c) = Soit alors = on a a + (1 ) b = bc ba f (b) f (a) ba

b a (b c)) (b c) a + (c a) b ba bc a+ b= =c ba ba ba ba f (b) f (a) ba f (b) = f (a) + f 0 ( a + (1 ) b) (b a)

donc pour cette valeur de , on a bien f 0 ( a + (1 ) b) =

La reciproque est dailleurs vraie. Admettons la deuxime version du thorme des accroissements nis. On retrouve la premire version en prenant c = a + (1 ) b. Le thorme des accroissements nis nous permet de dmontrer formellement la proposition suivante : Proposition 3 Si f (.) est drivable sur ]a, b[ et 2. Si f 0 (x) 0 pour tout x ]a, b[ alors f (.) est dcroissante sur [a, b] 1. Si f 0 (x) 0 pour tout x ]a, b[ alors f (.) est croissante sur [a, b]

Dmonstration. Soient deux rels d et e de lintervalle[a, b] avec d < e. Le thorme des fonctions implicites implique quil existe c ]d, e[ tel que f (e) f (d) = f 0 (c) (e d) Aussi f (e) f (d) est du mme signe que f 0 (c). On conclue alors selon les dirents cas. 1. On a f (e) f (d) donc f (.) est croissante 2. On a f (e) f (d) donc f (.) est dcroissante

4. Si f 0 (x) < 0 pour tout x ]a, b[ alors f (.) est strictement dcroissante sur [a, b]

3. Si f 0 (x) > 0 pour tout x ]a, b[ alors f (.) est strictement croissante sur [a, b]

3. On a f (e) > f (d) donc f (.) est strictement croissante 4. On a f (e) < f (d) donc f (.) est strictement dcroissante Ainsi, en rapprochant cette proposition de la proposition 8 de la section II.4,

Corollaire 4 La fonction f (.) est croissante sur un intervalle [a, b] si et seulement si sa drive est positive ou nulle en tous points de lintervalle [a, b]. La fonction f (.) est dcroissante sur un intervalle [a, b] si et seulement si sa drive est ngative ou nulle en tous points de lintervalle [a, b]. Il est toutefois faux de croire quune fonction est strictement croissante sur [a, b] si et seulement si sa drive est strictement positive en tous points de [a, b]. La gure 1.17 reprsente en eet le graphe dune fonction strictement croissante sur [a, b] mais admettant une drive nulle en c [a, b]. 26

c a

Fig. 1.17: Exemple de fonction strictement croissante mais dont la drive sannule en un point Exercice 3 La fonction dnie sur R : x 7 x3 est elle strictement monotone ? Dnition 5 Soit f (.) une fonction drivable. 1. Si f 0 (.) est galement drivable en a, en appelle drive seconde de f en a que lon note f 00 (a) la drive de f 0 (a) en a. f 00 (a) = lim f 0 (x) f (a) xa xa

Thorme 6 Si f est C 2 sur [a, b], alors il existe c ]a, b[ tel que f (b) = f (a) + f 0 (a) (b a) + f 00 (c) Dmonstration. On considre la fonction
0

2. Par rcurrence, on appelle drive nieme de f en a que lon note f (n) (a) la drive de la fonction f (n1) (a) avec f (1) (.) = f 0 (.) et f (2) (.) = f 00 (.). 3. Si f est n fois continment drivable, on dit que f est C n (b a)2 2

g (.) est continuement drivable sur [a, b]. On peut donc lui appliquer le thorme des accroissements nis. De plus, g (b) = g (a) = 0. Il existe donc c ]a, b[ tel que g0 (c) = 0. Or bx 0 g 0 (x) = f 0 (x) + f 0 (x) (b x) f (x) + 2 2 f (b) f (a) (b a) f (a) (b a) bx 0 = (b x) f (x) + 2 2 f (b) f (a) (b a) f (a) (b a) donc comme g 0 (c) = 0 (b c) f (c) + 2 bc 0 = 0 2 f (b) f (a) (b a) f (a) (b a) [f (b) f (a) (b a) f 0 (a)] 2 = f (c) (b a)2 f (b) f (a) (b a) f 0 (a) = f 00 (c) 27

(b x)2 f (b) f (a) (b a) f 0 (a) g (x) f (b) f (x) (b x) f (x) (b a)2

(b a)2 2

Ainsi la drive seconde permet de prciser davantage lapproximation de f (.). En particulier, comme f 00 (.) est continue sur [a, b], f 00 (.) est borne, si bien que lon peut dterminer une borne suprieure de lerreure que lon commet en approchant f (.) par son approximation linaire x 7 f (a) + f 0 (a) (x a) . On a galement la gnralisation. Thorme 7 (Thorme de Taylor Lagrange) Si f (.) est C n sur [a, b], alors il existe c ]a, b[ tel que f (b) = f (a) +
n1 X k=1

(k)

(b a)k (b a)n (n) + f (c) (a) k! n!

Comme pour le thorme des accroissements nis, le thorme de Taylor Lagrange scrit galement de faon quivalente Thorme 8 Si f est C 2 sur [a, b], alors il existe ]0, 1[ tel que (b a)2 f (b) = f (a) + f (a) (b a) + f ( a + (1 ) b) 2
0 00

Si f (.) est C n sur [a, b], alors il existe ]0, 1[ tel que f (b) = f (a) +
n1 X k=1

f (k) (a)

(b a)k (b a)n + f (n) ( a + (1 ) b) k! n!

V
V.1

Optimisation des fonctions numriques


Dnitions

Dnition 1 Soit f (.) une fonction numrique dnie sur une partie E R. 1. On dit a E est un minimum global de f (.) sur E ssi x E on a f (x) f (a)

2. On dit a E est un maximum global de f (.) sur E ssi x E on a f (x) f (a)

3. On dit que a E est un extremum global de f (.) sur E ssi a est un minimum global ou un maximum global de f (.) sur E. 4. On dit a E est un minimum local de f (.) sur E ssi il existe d > 0 tel que x [a d, a + d] E on a f (x) f (a)

5. On dit a E est un maximum local de f (.) sur E ssi il existe d > 0 tel que x [a d, a + d] E on a f (x) f (a)

6. On dit que a E est un extremum local de f (.) sur E ssi a est un minium local ou un maximum local de f (.) sur E. 28

Les maxima et minima globaux sont des notions plus utiles que les extrema locaux. Toutefois, il est trs souvent plus facile de caractriser les optima locaux que les optima globaux. Bien videmment, un minimum (respectivement maximum) global est a fortiori un minimum (respectivement maximum) local. Aussi, toutes les conditions ncessaires que doivent vrier les extrema locaux doivent a fortiori tre respectes par les extrema globaux. Sur la gure 1.26, b est un maximum local de f (.) mais pas un maximum global. Un problme doptimisation consiste rechercher les minima/ maxima dune fonction. Il sagit de problmes quotidiens dans les thories conomiques. Par exemple, on considre quune entreprise va dterminer sa production de manire avoir le prot le plus lev. Si le prix de vente p est donn et si la fonction de cot scrit c (y), la thorie du producteur (en concurrence pure et parfaite) nous dit que le producteur va choisir son niveau de production de manire maximiser son prot (y) = p y c (y). La thorie prdit alors que le choix du producteur correspond un maximum global de la fonction numrique (.) : y 7 p y c (y) Il faut nous faut alors des thormes pour garantir lexistence voire lunicit des optima globaux, et de rgles de calcul pour les dterminer. Cest lobjet de cette section que de dvelopper les principaux outils mathmatiques cet eet. Tout dabord, rappellons que le thorme 14 de la section I.2 nous permet de garantir lexistence.des optima. La continuit permet alors dassurer lexistence des optima. Nous allons prsent dnir des proprits que possdent certaines fonctions numriques et qui permet de garantir lunicit des optima lorsquils existent.

V.2

Fonctions numriques convexe / concave

Dnition 2 Une fonction dune variable relle dnie sur un intervalle J est concave sur J si elle vrie : (x0 , x1 ) J 2 , s ]0, 1[ Elle est strictement concave si (x0 , x1 ) J 2 , s ]0, 1[ , f (sx1 + (1 s)x0 ) > sf (x1 ) + (1 s) f (x0 ) , f (sx1 + (1 s)x0 ) sf (x1 ) + (1 s) f (x0 )

Une fonction est donc concave, si et seulement si pour tous couples de rels x0 et x1 , la scante de f (.) entre x0 et x1 (cest--dire la droite reliant les points de coordonnes (x = x0 , y = f (x0 )) et (x = x1 , y = f (x1 ))) est en dessous du graphe de la fonction f (.) (cf. gure 1.19). Quand toutes les scantes f (.) sont strictement en dessous du graphe, on dit que la fonction est strictement concave (cf gure 1.18). La gure 1.19 montre le cas dune fonction concave qui nest pas strictement concave. Exemple 1 Vrier que les fonctions suivantes sont concaves : f (x) = ax + b g (x) = ln x Dnition 3 Une fonction dune variable relle dnie sur un intervalle J est convexe sur J si elle vrie : (x0 , x1 ) J 2 , s ]0, 1[ , f(sx1 + (1 s)x0 ) sf (x1 ) + (1 s) f (x0 ) .

Elle est strictement convexe si elle vrie (x0 , x1 ) J 2 , s ]0, 1[ , f (sx1 + (1 s)x0 ) < sf (x1 ) + (1 s) f (x0 ) 29

f(s x1+(1-s)x0) f(x1) s f(x1)+(1-s)f(x0) f(x0)

x0

s x1+(1-s)x0

x1

Fig. 1.18: Exemple de fonction strictement concave

x0

s x1+(1-s)x0

x1

Fig. 1.19: Exemple de fonction concave mais non strictement concave. Une fonction est donc convexe, si et seulement si pour tous couples de rels x0 et x1 , la scante de f (.) entre x0 et x1 est au dessus du graphe de la fonction f (.) (cf. gure 1.21). Quand toutes les scantes f (.) sont strictement au dessus du graphe, on dit que la fonction est strictement convexe (cf gure 1.20). La gure 1.19 montre le cas dune fonction convexe qui nest pas strictement convexe. Vrier que les fonctions suivantes sont convexes f (x) = ax + b h (x) = |x| Proposition 4 Si f (.) et g (.) sont deux fonctions concaves (resp. convexes) sur un intervalle J, et si et sont des nombres positifs ou nuls, alors la fonction x 7 f (x) + g (x) est concave (resp. convexe) sur J. Dmonstration. Soient x0 , x1 J. et s [0, 1]. Si f (.) et g (.) concaves f (s x0 + (1 s) x1 ) + g (s x0 + (1 s) x1 ) {s f (x0 ) + (1 s) f (x1 )} + {s g (x0 ) + (1 s) g (x1 )} s { f (x0 ) + g (x0 )} + (1 s) { f (x1 ) + g (x1 )} 30

f(x1) s f(x1)+(1-s)f(x0) f(x0) f(s x1+(1-s)x0)

x0

s x1+(1-s)x0

x1

Fig. 1.20: Fonction strictement convexe

x0

s x1+(1-s)x0

x1

Fig. 1.21: Exemple de fonction convexe qui nest pas strictement convexe Si f (.) et g (.) convexes, on reprend la dmonstration en inversant en . Proposition 5 Si f (.) est une fonction dnie sur un intervalle J 1. f (.) est concave sur J ssi pour tout x0 J, la fonction x 7 de variation de f (.) entre x et x0 est dcroissante en x.
f (x)f (x0 ) xx0

qui donne le taux


f (x)f (x0 ) xx0

2. f (.) est strictement concave sur J ssi pour tout x0 J, la fonction x 7 strictement dcroissante en x. 3. f (.) est convexe sur J ssi pour tout x0 J, la fonction x 7 x.
f (x)f (x0 ) xx0

est

est croissante en
f (x)f (x0 ) xx0

4. f (.) est strictement convexe sur J ssi pour tout x0 J, la fonction x 7 strictement croissante en x.

est

Dmonstration. Nous nallons dmontrer que le point 1. Il faut dmontrer le rsultat dans les deux sens
(x Supposons que f soit concave. Prenons x0 . Considrons la fonction x0 : x 7 f (x)f 0 0 ) . xx Nous devons montrer que x0 est croissante en x. Soient alors deux rels x et y tels que

31

x < y. A-t-on x0 (x) > x0 (y) ? On doit distinguer les cas x0 < x < y, x < y < x0 et x < x0 < y 1. Si x0 < x < y. On pose s= Donc yx ]0, 1[ y x0 1s= x x0 ]0, 1[ y x0

s x0 + (1 s) y = Comme f (.) est concave, on a

(y x) x0 + (x x0 ) y xy xx0 = =x y x0 y x0

f (x) s f (x0 ) + (1 s) f (y) f (x) f (x0 ) (1 s) [f (y) f (x0 )] = f (x) f (x0 ) f (y) f (x0 ) x x0 y x0 x0 (x) x0 (y) 2. Si x < y < x0 , on pose s= Donc yx ]0, 1[ x0 x

x x0 [f (y) f (x0 )] y x0

1s=

x0 y ]0, 1[ x0 x

s x0 + (1 s) x = Comme f (.) est concave, on a

(y x) x0 + (x0 y) x yx0 yx = =y x0 x x0 x

f (y) s f (x0 ) + (1 s) f (x) f (y) f (x0 ) (1 s) [f (y) f (x0 )] = f (y) f (x0 ) f (x) f (x0 ) x0 y x0 x x0 (y) x0 (y) 3. Si x < x0 < y. on pose s= Donc y x0 ]0, 1[ yx

x0 y [f (y) f (x0 )] x0 x

1s=

x0 x ]0, 1[ yx

s x + (1 s) y =

(y x0 ) x + (x0 x) y xy x0 x + x0 y xy = = x0 yx yx f (x0 ) s f (x) + (1 s) f (y) s f (x) + (1 s) f (y) (1 s) [f (y) f (x0 )] 1 f (y) f (x0 ) yx y x0 x0 (y)

Comme f (.) est concave, on a s f (x0 ) + (1 s) f (x0 ) s [f (x) f (x0 )] 1 f (x) f (x0 ) yx x x0 x0 (x) 32

Si f (.) strictement concave, on remplace les ingalits larges par des strictes et on montrer que x0 est strictement dcroissante. Si f (.) convexe, on peut inverser systmatiquement les sens de toutes les ingalits et on montre que x0 est croissante, et de mme si f (.) est strictement convexe pour montrer que x0 est alors strictement croissante. Dmontrons la reciproque. Supposons que quelque soit x0 J la fonction x0 : x 7 f (x)f (x0 ) est dcroissante. A-t-on f (.) concave ? Pour cela prenons x0 , x1 J et s ]0, 1[. xx0 on pose y = s x0 + (1 s) x1 . On a x0 < y < x1 . Comme x0 est dcroissante, on a f (y) f (x0 ) y x0 f (x1 ) f (x0 ) x1 x0 y x0 s x0 + (1 s) x1 x0 f (y) f (x0 ) [f (x1 ) f (x0 )] = [f (x1 ) f (x0 )] x1 x0 x1 x0 (1 s) [f (x1 ) f (x0 )] f (y) s f (x0 ) + (1 s) f (x1 )

Donc f (.) est bien concave. Si les fonction x0 avaient t toutes strictement dcroissantes, on aurait montr de mme que f (.) aurait t strictement concave en replaant les ingalits larges par des strictes. Si les fonction x0 avent t toutes croissantes, on aurait montr de mme que f (.) aurait t convexe en inversant les ingalits. Idem si les fonction x0 avent t toutes strictement croissantes pour ontrer la stricte convexit de f (.) . Cette proposition signie que la (stricte) concavit (respectivement convexit) dune fonction est quivalente la (stricte) dcroissance (resp. croissance) de son taux de variation. Ces rsultats sont illustrs par la gure 1.22 pour les fonctions strictement concaves et par la gure 1.23 pour les fonctions strictement convexes.

x0

Fig. 1.22: Les fonctions concaves se caractrisent par des scantes de moins en moins croissantes Proposition 6 Une fonction f (.) drivable sur J est concave sur J si et seulement si elle vrie pour tout couple (x0 , x) de points de J avec x 6= x0 : f (x) f (x0 ) f 0 (x0 ) (x x0 ) Elle est strictement concave si lingalit est stricte. 33

x0

Fig. 1.23: Les fonctions convexes se caractrisent par des scantes de plus en plus croissantes Une fonction f drivable sur J est convexe sur J si et seulement si elle vrie pour tout couple (x0 , x) de points de J avec x 6= x0 : f (x) f (x0 ) f 0 (x0 ) (x x0 ) Elle est strictement convexe si lingalit est stricte. Dmonstration. Nous ne dmontrons que le rsultat pour les fonctions concaves. (x Daprs la proposition prcdente, si f (.) est concave, pour tout x0 , x0 : x 7 f (x)f 0 0 ) est xx dcroissante, donc x x0 f (x) f (x0 ) f (x) f (x0 ) lim = f 0 (x0 ) xx0 ,x6=x0 x x0 x x0 Symtriquement x x0 f (x) f (x0 ) f (x) f (x0 ) lim = f 0 (x0 ) xx0 ,x6=x0 x x0 x x0 Reciproquement. Supposons que x La drive de x0 vaut 0 0 (x) = x f 0 (x) (x x0 ) [f (x) f (x0 )] (x x0 )2 f (x) f (x0 ) f (x0 ) (x x0 )
0

f (x) f (x0 ) f (x0 ) (x x0 )

f (x) f (x0 ) f (x0 ) (x x0 )

le numrateur est donc ngatif, impliquant la dcroissance des fonctions x0 Lingalit pour une fonction concave scrit : f (x) f (x0 ) + (x x0 ) f (x0 ) Elle signie donc que la courbe y = f (x) est situe au-dessous de sa tangente, ainsi que lillustre la gure 1.24. Dans le cas dune fonction convexe elle signie que la courbe y = f (x) est situe 34
0

x0

Fig. 1.24: Les fonctions concaves ont un graphe en dessous de leurs tangentes

x0

Fig. 1.25: Les fonctions convexes ont un graphe au dessus de leurs tangentes au-dessus de sa tangente, ainsi que lillustre la gure 1.25. Par ailleurs, cette proposition nous renseigne sur le signe de lerreur que lon commet quand on remplace une fonction drivable par son approximation linaire x 7 f (x0 ) + f 0 (x0 ) (x x0 ). On surestime alors toujours par ce biais une fonction concave et on sous estime alors toujours par ce biais une fonction convexe. Proposition 7 Soit f une fonction drivable sur J. 0 f est concave sur J si et seulement si sa drive f est dcroissante sur J. 0 f est strictement concave si et seulement si sa drive f est strictement dcroissante sur J. 0 f est convexe sur J si et seulement si sa drive f est croissante sur J. 0 f est strictement convexe si et seulement si sa drive f est strictement croissante sur J. Dmonstration. Nous nous contentons de dmontrer que f est concave si et seulement si f 0 est croissante. Soient x0 et x1 tels que x0 < x1 . Si f est concave sur J, alors par le thorme prcdent f (x1 ) f (x0 ) f (x0 ) (x1 x0 ) et f (x0 ) f (x1 ) f (x1 ) (x0 x1 )
0 0

35

f (x1 ) (x1 x0 ) f (x1 ) f (x0 )

do f (x1 ) (x1 x0 ) f (x1 ) f (x0 ) f (x0 ) (x1 x0 ) do f 0 (x1 ) f 0 (x0 ). Rciproquement si f 0 (.) est dcroissante. Soient x et x0 dans J. Si x x0 , daprs le thorme des accroissements nis il existe y ]x0 , x[, tel que f (x) f (x0 ) = f 0 (y) (x x0 ) or comme f 0 (.) est dcroissante et y > x0 on a f 0 (y) f 0 (x0 ) f (x) f (x0 ) = f 0 (y) (x x0 ) f 0 (x0 ) (x x0 ) Si au contraire x < x0 , daprs le thorme des accroissements nis il existe y ]x, x0 [, tel que f (x) f (x0 ) = f 0 (y) (x x0 ) or comme f 0 (.) est dcroissante et y < x0 on a f 0 (y) f 0 (x0 ) ais x x0 < 0 do nouveau f (x) f (x0 ) = f 0 (y) (x x0 ) f 0 (x0 ) (x x0 ) Remarque 8 Daprs cette proposition, la concavit dune fonction de production quivaut une productivit marginale dcroissante (ou constante) ; la convexit dune fonction de production quivaut une productivit marginale croissante (ou constante). Cette proposition est trs utile car elle permet de caractriser la concavit/convexit dune fonction numrique par la monotonie de sa fonction drive. On a en particulier le corollaire suivant Thorme 9 Soit f (.) une fonction numrique C 2 sur [a, b]. On a les implications suivantes x ]a, b[ x ]a, b[ x ]a, b[ x ]a, b[ f 00 (x) 0 f 00 (x) < 0 f 00 (x) 0 f 00 (x) > 0 f (.) f (.) f (.) f (.) est est est est concave sur [a, b] strictement concave sur [a, b] convexe sur [a, b] strictement convexe sur [a, b]
0 0

Exemple 2 La fonction x 7 x4 admet pour drive seconde x 7 12 x2 . Cette drive seconde est strictement positive, sauf pour x = 0. Pourtant, la fonction x 7 x4 est bien strictement convexe. Exercice 4 Etudier la concavit (convexit) des fonctions suivantes : f(x) = ax2 + bx + c, en fonction du signe de a. g(x) = x h(x) = ln x k(x) = exp(x) l(x) = exp(x2 ) Dnition 10 Soit f (.) une fonction dnie sur un intervalle J, f est quasi-concave si et seulement si (x0 , x1 ) J 2 avec x0 6= x1 s ]0, 1[ f (sx1 + (1 s) x0 ) min{f (x0 ) , f (x1 )}

Si lingalit est stricte, on dit que f (.) est strictement quasi-concave. 36

Proposition 11 Une fonction concave sur J est quasi-concave sur J. Une fonction strictement concave sur J est strictement quasi-concave sur J. Dmonstration. Si f (.) est concave sur J, (x0 , x1 ) J 2 x0 6= x1 s ]0, 1[

f (sx1 + (1 s)x0 ) s f (x0 ) + (1 s) f (x1 ) min{f(x0 ), f (x1 )} Si f (.) est strictement concave sur J, (x0 , x1 ) J 2 x0 6= x1 s ]0, 1[

f (sx1 + (1 s)x0 ) > s f (x0 ) + (1 s) f (x1 ) > min{f(x0 ), f (x1 )} Une fonction strictement concave sur J est strictement quasi-concave sur J, mais la rciproque nest pas vraie. La notion de quasi-concavit est nettement moins restrictive. Par exemple, ex est une fonction convexe strictement quasi-concave sur R mais elle est nest pas concave sur R (elle est mme convexe). La gure 1.26 donne un autre exemple de fonctions quasi concaves mais non concave.

f(x0)

x0

x1

Fig. 1.26: f (.) est strictement quasi-concave sur [a, c] mais pas sur [a, d]. f nest pas concave sur [a, c]. Exercice 5 Vrier que la fonction f(x) = exp(x2 ) est quasi-concave. Proposition 12 Soit f (.) une fonction dnie sur un intervalle J, f est quasi-concave ssi elle vrie la proprit suivante : x0 J, x J; {f (x) f (x0 )} est un intervalle de R. (1.4)

Dmonstration. Supposons que f (.) soit quasi-concave sur J. Prenons x0 J et considrons lensemble J0 = {x J tel que f (x) f (x0 )} . La question laquelle nous devons rpondre est est ce que J0 est un intervalle ? Prenons x1 et x2 dans J0 nous devons nous assurer que s ]0, 1[ s x1 + (1 s) x2 J0 . Or, puisque f (.) est quasi-concave, nous avons f (s x1 + (1 s) x2 ) min{f (x1 ) , f (x2 )} f (x0 ) 37

donc, on a bien s x1 + (1 s) x2 J0 . Reciproquement. Supposons que la fonction f (.) vrie la proprit 1.4. Prenons x0 , x1 J et supposons (quitte intervertir x0 et x1 ) que f (x0 ) f (x1 ). Alors J1 = {x J tel que f (x) f (x1 )} est un intervalle de J. De plus x0 J1 et x1 J1 . Donc s [0, 1], s x1 + (1 s) x0 J1 , cest dire f (s x1 + (1 s) x0 ) f (x1 ) = min f (x0 ) , f (x1 ). Donc f (.) est bien quasi-concave. La notion de quasi-concavit permet de limiter drastiquement lensemble des optima. Comme les fonctions concaves sont galement quasi-concave, les rsultats suivants sont extremement utiles pour dlimiter lensemble des maxima. Proposition 13 Lensemble des points de J o une fonction f (.) quasi-concave atteint son maximum est un intervalle (qui peut tre vide). Dmonstration. Considrons lensemble JM des maxima globaux de f (.). Supposons que cet ensemble soit non vide. Soit x0 JM . Alors x J f (x) f (x0 )

Soit prsent x1 J tel que, f (x1 ) f (x0 ). Alors ncessairement f (x1 ) = f (x0 ) puisque x0 est un maximum global. Aussi JM se confond avec lensemble {x J tels que f (x) f (x0 )}. Or comme f est quasi-concave, ce dernier est un intervalle. Proposition 14 Si f est strictement quasi-concave sur J le maximum de f (x) sur J, sil est atteint en au moins un point, est atteint en un point unique. Dmonstration. Si f (.) est strictement quasi-concave et x0 est un maximum global de f (.). Daprs la proposition prcdente lensemble des maxima de f est un intervalle. Supposons par contradiction que x0 ne soit pas lunique maximum et prenons x1 un autre maximum global de f (.) tel que x1 6= x0 Mais alors s ]0, 1[ f (sx0 + (1 s) x1 ) > min {f (x0 ) , f (x1 )} contredisant le fait que x0 et x1 soient des maxima globaux. On obtient alors ces thormes fondamentaux garantissant lunicit des maxima. Corollaire 15 Si f (.) est strictement concave sur un intervalle J lensemble de ces maxima est ou bien vide, ou bien rduit un point Si f (.) est continue et strictement (quasi-)concave sur un intervalle J ferm et born, alors f admet un et un seul maximum global sur J.

V.3

Conditions doptimalit

Nous allons prsent donner une condition ncessaire que doit vrier un extremum local. Thorme 16 (Condition ncessaire du 1er ordre dun extremum local) Soit f (.) une fonction drivable sur un intervalle [a, b]. Si x0 est un maximum local de f (.) sur [a, b] 1. Si x0 ]a, b[, alors ncessairement f 0 (x0 ) = 0. On dit alors que x0 est intrieur 2. Si x0 = a, alors ncessairement f 0 (x0 ) 0 Si x0 est un minimum local de f (.) sur [a, b] 1. Si x0 ]a, b[, alors ncessairement f 0 (x0 ) = 0. On dit alors que x0 est intrieur 2. Si x0 = a, alors ncessairement f 0 (x0 ) 0 3. Si x0 = b , alors ncessairement f 0 (x0 ) 0

38

3. Si x0 = b , alors ncessairement f 0 (x0 ) 0 Dmonstration. Supposons que x0 soit un maximum local. La dmonstration pour le cas x0 minimum local est symtrique. Il existe alors d > 0 tel que x [x0 d, x0 + d] [a, b] f (x) f (x0 )

Si x0 [a, b[ (ce qui correspond aux cas 1 et 3). [x0 , x0 + d] [a, b] est non vide. Or pour tout x ]x0 , x0 + d] [a, b] f (x) f (x0 ) 0 donc f 0 (x0 ) = lim
xx0 +

f (x) f (x0 ) 0 x x0

car

x x0 > 0

f (x) f (x0 ) 0 x x0

Si x0 ]a, b] ce qui correspond aux cas 1 et 2. [x0 d, x0 ] [a, b] est non vide. Or pour tout x ]x0 d, x0 [ [a, b] f (x) f (x0 ) 0 donc f 0 (x0 ) = lim Aussi, si x0 ]a, b[ on doit avoir 0 f 0 (x0 ) 0 f 0 (x0 ) = 0
xx0 +

f (x) f (x0 ) 0 x x0

car

x x0 < 0

f (x) f (x0 ) 0 x x0

Si x0 est un minimum local de f (.) sur [a, b] alors x0 est un maximum local de x 7 f (x) sur [a, b]. Aussi, si x0 ]a, b[, f 0 (x0 ) = 0, si x0 = a alors f 0 (x0 ) 0 et si x0 = b alors f 0 (x0 ) 0

Fig. 1.27: La condition ncessaire du 1er ordre Ce thorme est fondamental car il permet de restreindre considrabelement la liste des extrema possibles. Outre les bords quil ne faut jamais oublier, seules les racines de 39

la fonction drive f 0 (.) peuvent tre des extrema de f (.). Dun point de vue graphique cela signie quun extrema local se caractrise par une tangente horizontale. Un maximum local est un sommet partir duquel on ne peut que redescendre, un minimum local un creux partir duquel on ne peut que remonter. La pente se doit donc dtre nul en ces points lorsquils sont intrieurs. Que la drive soit nulle pour un extremum local nest quune condition ncessaire qui nest valable que pour les optima intrieurs. Ainsi, dans lexemple de la gure 1.27, la fonction f (.) admet deux maxima locaux sur [a, b] en x = a et en x = b. Ces deux maxima ne sont pas intrieurs mais sont au contraire des maxima aux bords. On retrouve alors que la drive de f (.) doit tre ncessairement ngative en a et positive en b pour que a et b soient des maxima locaux. Il faut galement ne pas oublier quil ne sagit que dune condition ncessaire mais non susante. Sur la gure 1.17, la fonction f (.) admet une tangente horizontale en x = c. Mais ce point nest ni un maximum local ni un minimum local. Exercice 6 Utiliser ce thorme pour dmontrer le thorme des accroissements nis. (Indication, on travaille sur la fonction dnie par g (x) = f (x) xa (f (b) f (a)). On utilise ba sa continuit (que lon vrie) pour montrer que cette fonction admet sur [a, b] des extremas locaux). Exercice 7 Rechercher les extrema de la fonction x 7 x3 . Le thorme suivant apporte une condition supplmentaire lexistence dextrema globaux intrieurs, ainsi que des conditions assurant leur unicit Thorme 17 Soit f une fonction drivable sur J, et x J tel que la drive de f est nulle en x J, 1. 2. 3. 4. Si Si Si Si f (.)est concave, x est un maximum de f sur J f (.) est strictement concave, x est lunique maximum de f sur J. f (.) est convexe, x est un minimum de f sur J. f (.) est strictement convexe ce minimum est unique.

Ce thorme signie que pour une fonction concave, la condition ncessaire dextremum 0 x local : f () = 0 est une condition susante de maximum sur J. Pour une fonction convexe cette condition est une condition susante de minimum sur J. Thorme 18 (Conditions susantes du second ordre) Soit f une fonction C 2 sur [a, b] et soit x0 ]a, b[ 1. Si f 0 (x0 ) = 0 et f 00 (x0 ) < 0, alors x0 est un maximum local 2. Si f 0 (x0 ) = 0 et f 00 (x0 ) > 0, alors x0 est un minimum local

Dmonstration. Comme f est C 2 f 00 (.) est continue. Soit x0 tel que f 0 (x0 ) = 0 et f 00 (x0 ) < 0. Il existe alors c > 0 tel que x [x0 c, x0 + c] [a, b], f 00 (x) < 0. Soit x [x0 c, x0 + c] [a, b], daprs la formule de Taylor Lagrange, il existe d compris entre x0 et x tel que (x x0 )2 f (x) = f (x0 ) + f (x0 ) (x x0 ) + f (d) 2 0 (x ) = 0 et d [x c, x + c] [a, b] si bien que f 00 (d) < 0. Il en rsulte que f (x) < f (x ). or f 0 0 0 0 Le cas f 00 (x0 ) > 0 est symtrique. Les conditions doptimalit que nous venons de donner sont trs utiles lconomiste lorsquil cherche les solutions dun problme doptimisation. Mais au-del de laspect mathmatique, les conditions doptimalit ont la plupart du temps une interprtation conomique directe. Pour illustrer ce point, nous allons examiner la thorie no-classique de la demande de travail de court terme. Il sagit dun modle conomique reposant sur un certain nombre dhypothses :
0 00

40

H1 : La production Y ne dpend que de la quantit demploi L selon la fonction de production Y = F (L). (Hypothses de court terme ou de moyen terme) que lon suppose C 1

H2 : La productivit marginale du travail F 0 (L) est une fonction dcroissante de lemploi L (formellement F 00 (.) < 0) (vrie par les faits empiriques). H3 : Les entreprises peuvent librement ajuster lemploi. Elles le font de faon rendre leurs prots le plus levs possible (secteur priv but lucratif. Mais peut stendre toutes les entreprises. Pas dobstacle lajusteent de lemploi, hypothse que lon accepte en 1ere approximation mais qui revient ngliger toute la lgisaltion sur les licenciements) =pY wN H4 : Elles considrent quelles ne peuvent pas agir sur les prix, ni sur le niveau des salaires. (hypothses de concurrence pure et parfaite par opposition au monopole ou au monospone.). H5 : Elles nont pas de problmes de dbouchs. H6 Hypothses techniques dINADA, lim F 0 (L) = + et lim F 0 (L) = 0
L0 L+

Consquence : les rmes ajustent lemploi (H3) librement (H5) de faon maximiser le prot (H3). Formellement, elles considrent la fonction numrique L 7 (L) = p F (L) w L La thorie de la demande de travail prdit que le niveau demploi que dsire les entreprises (la demande de travail) est la solution de max (L) = p F (L) w L
L

La condition du premier ordre scrit 0 = 0 (L ) = p F 0 (L ) w F 0 (L ) = w p

A partir de lhypothse dINADA H6, et H1 (pour la continuit de F 0 (.)) on peut appliquer le thorme des valeurs intermdiaires L 7 F 0 (L) w avec a = 0 et b = +. On en dduit p lexistence dau moins un niveau demploi L tel que F 0 (L ) = w . De plus par H2, F 0 (.) p est strictement dcroissante, donc daprs la condition du second ordre L ralise localement un prot maximal. Comme F 00 < 0, la fonction (.) est strictement concave. Aussi puisque 0 (L ) = 0, L correspond lunique niveau demploi qui rend le prot de la rme maximal. Passons prsent linterprtation conomique de lgalit F 0 (L ) = w caractrisant le p niveau demploi optimal. Augmenter lemploi de L implique : une hausse des recettes (cf. H4) de p Y = p P m (L) L. Cest ce que lon appelle la recette marginale accrotre lemploi. En eet, daprs lhypothse H5, laccroissement de la production Y = P m (L) L d laugmententation de lemploi L sera troujours vendue et entranera par consquent toujours une augmentation des ventes de p P m (L) L. Sur la gure 1.28, ce gain est une fonction dcroissante du niveau demploi. En eet, lhypothse de rendements dcroissants du facteur travail implique quune mme augmentation L du niveau de lemploi augmente dautant moins la production que lon part dun niveau demploi lev. Formellement, cela signie que P m (L) est une fonction dcroissante de L. Il en est alors de mme pour la recette marginale p P m (L) L (hypothses H2 (et H4)). 41

Une hausse des cots salariaux de w L. Sur la gure 1.28, cette perte est indpendante de lemploi (hypothse H4). Cest ce que lon appelle le cot marginal accrotre lemploi. Aussi : = (p P m (L) w) L Pour L < L , le gain quil y a accrotre lemploi est plus lev que la perte : = (p P m (L) w)L
+

Dnissons alors le niveau demploi L tel que p P m (L) (L ) = w

En augmentant lemploi de L partir de L < L , lentreprise augmente davantage son chire daaire p Y que ses cots salariaux w L. Lentreprise a donc intrt accrotre lemploi pour augmenter ses prots Pour L > L , le gain quil y a accrotre lemploi est plus faible que la perte : = (p P m (L) w)L

En rduisant lemploi de L, lentreprise diminue davantage ses cots salariaux que son chire daaires. Lentreprise a donc intrt rduire lemploi pour augmenter ses prots

w*L p*PmL L * 0 L* L

Fig. 1.28: Illustration du comportement de demande de travail des entreprises Le niveau demploi optimal est donc L .

42

Chapitre 2

Les fonctions de plusieurs variables


I Gnralits

Dnition 1 Un point de Rn est un vecteur caractris par ses coordonnes (x1 , ..., xn ). Dnition 2 On appelle fonction numrique de n variables une application dune partie D de Rn valeurs dans R. On note f (., ..., .) : D 7 R (x1 , ..., xn ) 7 f (x1 , ..., xn ) Exemples : Reprenons au chapitre prcdent lexemple de la fonction de consommation macroconomique. Celle-ci associait au revenu disponible des mnages Y d le niveau de consommation agrge dans lconomie C. On peut vouloir toutefois adopter une modlisation moins frustre en supposant que la consommation dpende galement du patrimoine nancier des mnages (not B), de lindice de s prix p, ou encore du moral des mnages (not m). La nouvelle fonction de consommation sera alors une fonction de 4 variables C : Y d , B, p, m 7 C Y d , B, p, m Exemple 3 Dans la thorie microconomique du consommateur, on se place dans un cadre o le nombre de varits de biens est ni n. On repre alors les direntes possibilits de consommation par un vecteur (x1 , ..., xn ) o la ieme coordonne xi correspond la quantit de bien i consomme. Ce (x1 , ..., xn ) vecteur sappelle un panier de biens. Une fonction dutilit associe alors chaque panier (x1 , ..., xn ) le niveau de satisfaction quil procure au consommateur (du moins si lon accepte une reprsentation cardinale des prfrences). Il sagit donc dune fonction de n variables dnie sur Rn valeur dans R. + Dans la thorie microconomique du producteur, on considre galement que le nombre de facteurs de production est x p. On repre alors les choix dune entreprise par un vecteur (z1 , ..., zp ) dont la j eme coordonne zj reprsente la quantit du j eme facteur de production (ou input) utiliss par lentreprise. La fonction de production associe alors au vecteur des inputs (z1 , ..., zp ) la quantit de production (output) que lentreprise est capable de produire avec. Formellement, la fonction de production est donc une fonction de p variables dnies de Rp valeur + dans R. Les fonctions de plusieurs variables sont dlicates visualiser. Pour pouvoir nous aider dans notre visualisation de leur comportement, nous allons dnir la notion de chemin. 43

Dnition 3 Un chemin de Rn est une application dune partie E de R valeurs dans Rn de la forme u : E 7 Rn t 7 (u1 (t) , ..., un (t)) Pour comprendre cette notion, prenons un exemple de mcanique dans lespace. Plaons nous dans lespace (n = 3). Supposons alors que t reprsente le temps. Un chemin qui vient naturellement lesprit est alors celui qui chaque date associe la position dun objet en mouvement par son abscisse x (t), son ordonne y (t) et sa hauteur z (t) R 7 R3 t 7 (x (t) , y (t) , z (t)) Si F (., ., .) reprsente la fonction qui a un point de lespace associe (par exemple) la temprature F : R3 7 R (x, y, z) 7 F (x, y, z) on pourra alors dnir la fonction qui chaque date associe la temprature de notre objet en composant le chemin et la fonction F selon. R 7 R3 7 R F t 7 (x (t) , y (t) , z (t)) 7 F (x (t) , y (t) , z (t)) Si maintenant notre objet adopte une autre trajectoire, on utilisera un autre chemin t 7 ( (t) , y (t) , z (t)) pour reprsenter son dplacement. La fonction F (., ., .) permet alors dtux dier en toutes gnralits la temprature dun objet quelque soit sa trajectoire, cest--dire pour tous les chemins possibles. Reprenons lexemple de la fonction de consommation macroconomique. On pourra galement considrer le chemin qui chaque date t associe la richesse des mnages Ytd , leur patrimoine Bt , le niveau des prix pt et le moral des consommateurs mt selon le chemin : R 7 R4 + t 7 Ytd , Bt , pt , mt

Composer avec la fonction de consommation macroconomique dnit alors la fonction numrique qui chaque instant associe le niveau de consommation agrge. R 7 R4 7 R+ + C t 7 Ytd , Bt , pt , mt 7 C Ytd , Bt , pt , mt

Si maintenant la situation macroconomique volue dune faon dirente, on aura recours un autre chemin t 7 Ytd , Bt , pt , mt pour dcrire son volution. La fonction de consommation macroconomique permettra nanmoins dtudier lvolution de la consommation agrge quel que soit le chemin suivi par lenvironnement macroconomique. Nous allons carcatriser des chemins particuliers qui nous seront utiles pour la suite Dnition 4 Un chemin (u1 (t) , ..., un (t)) est linaire si et seulement toutes ses composantes sont des fonctions numriques anes de la forme ui (t) = wi + t vi 44

Le vecteur (v1 , ..., vn ) sappelle la direction du chemin linaire. Un chemin (u1 (t) , ..., un (t)) linaire est parallle laxe i si et seulement si toutes les coordonnes de sa direction sont nulles, sauf la ieme . Un chemin (u1 (t) , ..., un (t)) linaire et parallle laxe i est unitaire si et seulement si la ieme coordonne de sa direction vaut 1.
x2 Chemin (continu) passant par M

M x2 Chemin linaire passant par M parallle laxe 1 Chemin linaire passant par M

x1 x1

La gure 2.1 illustre ces dnitions. On y a reprsent pour le cas n = 2 un chemin non linaire passant par M0 , un chemin linaire passant par M0 mais non parallle aux axes, un chemin parallle aux axes passant par M0 , mais non unitaire. Si un chemin de R2 est linaire, on peut le reprsenter par une droite. La notion de chemin va nous tre trs utile pour tendre aux fonctions de plusieurs variables les proprits des fonctions numriques (dune seule variable). Pour cela, nous avons besoin de formaliser ce que reprsente une fonction de plusieurs variables le long dun chemin. Dnition 5 Soit f (...) une fonction de n variables et u : t 7 (u1 (t) , ..., un (t)) un chemin de Rn . On appelle restriction de f (.) le long du chemin u la fonction numrique t 7 f (u1 (t) , ..., un (t)). Nous avons vu dans le chapitre prcdent que pour dnir la notion de limite, nous avions besoin de formaliser la notion de proximit. Dnition 6 Une norme de Rn est une application note k.kde Rn dans R+ vriant k(x1 , ..., xn )k = 0 si et seulement si (x1 , ..., xn ) = (0, ..., 0) R k( x1 , ..., xn )k = || k(x1 , ..., xn )k k(x1 + y1 , ..., xn + yn )k k(x1 , ..., xn )k + k(y1 , ..., yn )k Exemples q k(x1 , ..., xn )k2 = (x1 )2 + (x2 )2 + ... (xn )2 k(x1 , ..., xn )k1 = |x1 | + |x2 | + ... |xn |

Fig. 2.1: Exemples de chemins passant par M0 de coordonnes x0 , x0 1 2

k(x1 , ..., xn )k = max {|x1 | , |x2 | , ..., |xn |} 45

La norme permet de formaliser la notion de proximit entre deux points de Rn . Ainsi, on mesurera la distance entre deux points de coordonnes (x1 , ..., xn ) et (y1 , ..., yn ) par kx1 y1 , ...., xn yn k. Dnition 7 Soit f (., ., .) une fonction de deux variables. Le graphe de f (., .) est lensemble des lments de R3 de la forme (x, y, f (x, y)). Les courbes de niveau de f sont les parties de R2 qui vrient : f (x, y) = k o k est une constante relle. Exemples Si on considre une conomie ne possedant que deux biens de consommation, soit U (., .) une fonction dutilit dun consommateur, les courbes de niveau de U (., .) dans R2 sapplent les courbes dindirence. Si on considre une entreprise nayant recours qu deux facteurs de production et ayant F (., .) comme fonction de production, les courbes de niveau de F (., .) sappelent les isoquantes de la rme. Dnition 8 Soit f une fonction de n variables dnie sur D Rn . On dit que f (., ..., .) tend vers l quand M Rn de coordonnes (x1 , ..., xn ) tend vers M0 Rn de coordonnes x0 , ..., x0 n 1 si : > 0, > 0 tel que pour tout M D de coordonnes (x1 , ..., xn ) vriant 0 0 x1 x1 , ..., xn xn < on ait |f(M) l| < quelle que soit la norme k.k choisie. f (., ..., .) est continue en M0 de coordonnes x0 , ..., x0 si et seulement si n 1 f (x1 , ..., xn ) = f x0 , ..., x0 lim 1 n (x1 ,...,xn )(x0 ,...,x0 ) n 1

Les proprits des limites et de la continuit sont standards. 1 Proposition 9 Si f (., .., .) et g (., .., .) sont deux fonctions dnies sur D et continues en M0 D, alors : , R,f (., .., .) + g (., .., .) est continue en M0 . f.g est continue en M0 . Si g x0 , ..., x0 6= 0 , f (., .., .) /g (., .., .) est continue en M0 n 1 La compose de deux fonctions continues dune ou deux variables est une fonction continue. Nous signalons toutefois une proprit bien commode pour montrer quune fonction est discontinue en un point. Proposition 10 Soit f (., .., .) une fonction de n variables, dnie sur D Rn . Sil existe n fonctions numriques u1 (t), u2 (t), ...,un (t) telles que Pour tout i limui (t) = x0 i t0 limt 7 f (u1 (t) , u2 (t) , ..., un (t)) 6= f x0 , ..., x0 n 1 t0 Alors f (, ..., .) nest pas continue en M0 = x0 , ..., x0 . n 1 Linterprtation de cette proposition est la suivante. Si un chemin converge vers M0 et que le long de ce chemin, la fonction f (., ..., ) ne converge pas vers f (M0 ), alors f (.) nest pas continue en M0 . La contrapose de cette proposition est que si f (., ..., .) est continue en M0 , alors pour tous les chemins convergeant (y compris les chemins non linaires) vers M0 , la fonction f (., ..., ) converge vers f (M0 ) le long de ce chemin.
Rn a ceci de particulier que la notion de continuit est indpendant de la norme choisie. Ce nest plus le cas dans des espaces plus complexes tels les espaces fonctionnels.
1

46

II
II.1

Drives partielles et direntielles


Dnitions

Pour tendre la notion de drive aux fonctions de plusieurs variables, on passera par la notion de drive le long dun chemin. Dnition 1 Soit u : t 7 (u1 (t) , ..., un (t)) un chemin de Rn dni autour de t0 et f (., ..., .) une fonction de n variables dnie en M0 = (u1 (t0 ) , ..., un (t0 )). On appelle drive de f (., ..., .) en M0 le long du chemin u la drive en t0 de la fonction numrique t 7 f (u1 (t) , ..., un (t)) lorsque celle ci existe. Prenons un chemin linaire parallle laxe i, et unitaire. La drive le long dun tel chemin correspond la notion de drive partielle. Dnition 2 Soit f (., ..., .) une fonction de n variables notes (x1 , ..., xn ) dnie autour de M0 de coordonnes x0 , ..., x0 . f (., ..., .) admet une drive partielle par rapport xi en M0 n 1 si f x0 , ..., xi , ..., x0 f x0 , ..., x0 , ..., x0 n n 1 1 i lim xi x0 xi x0 i i 0 f f existe. On note cette limite xi x1 , ..., x0 , ..., x0 ou xi (M0 ). On trouve galement les notations 0 0 i 0 n 0 0 fi0 x1 , ..., x0 , ..., x0 ou encore fxi x1 , ..., xi , ..., xn . n i Dnition 3 Si f (...) admet une drive partielle par rapport xi en M0 et si f x0 , ..., x0 , ..., x0 6= n 1 i 0, alors on note f i x0 , ..., x0 , ..., x0 x 1 i n f 0 xi 0 x1 , ..., x0 , ..., x0 i n 0 , ..., x0 xi f x1 , ..., xi n

llasticit de f (...) par rapport xi en M0 .

La drive partielle de f (., ..., .) par rapport xi en M0 correspond tout simplement la drive le long dun chemin linaire parallle laxe i et unitaire passant par M0 , cest dire la drive en x0 de la fonction numrique i xi 7 f x0 , ..., xi , ..., x0 1 n

o toutes les coordonnes sont celles de M0 , sauf la ieme . Les rgles de calculs prvalant pour les drives des fonctions numriques sappliquent donc directement aux calculs des drives partielles des fonctions de plusieurs variables. Il en est de mme pour llasticit de f (...) par rapport xi . Exemple

Reprenons lexemple de la fonction de production. On considre souvent quelle dpend de deux facteurs de production le travail L et le capital K. Formellement, nous avons donc aaire une fonction de deux variables F (K, L). On dnit alors souvent la productivit marginale du travail comme Le supplment de production F (K, L + L) F (K, L) qui rsulte de lutilisation dune unit de travail L supplmentaire 2 Aussi P mL '
2

F (K, L + L) F (K, L) L

Cf Picard op cit

47

pour peu que lan ait L susament petit. Aussi, comme cette dnition doit tre implictement compris comme tant valable pour L 0, on a alors P mL = F (K, L) L

De faon symtrique, la productivit marginale du capital vrie P mK = F (K, L) K

Llasticite de la production par rapport lemploi vaut alors Y = L L F (K, L) Y L

et indique que la production augmente de Y L/L % quand lemploi augmente de L/L % L le stock de capital tant inchang, (pourvu que L/L soit innitsimal, cest dire que L/L % tend vers 0). De mme peut dnit lelasticit de la production par rapport au capital par Y = K K F (K, L) Y K

Remarque 4 Les drives partielles, quand elles existent, sont des fonctions de n variables 0 f 0 x1 , ..., xn 7 x1 , ..., x0 , ..., x0 0 i n xi

f Dnition 5 Si f (., ..., .) admet une drive partielle en M0 xi x0 , ..., x0 , ..., x0 pour toutes n 1 i ces coordonnes i, on dit que f (., ..., .) est drivable en M0 . Le vecteur 0 f 0 f 0 0 0 0 0 0 0 df x1 , ..., xi , ..., xn = x , ..., xi , ..., xn , ..., x , ..., xi , ..., xn x1 1 xn 1 sappelle le gradient de f (...) en M0 . Il est parfois galement not f (M0 ) ou Df (M0 ) Ainsi une fonction est dite drivable en M0 si et seulement si elle est drivable le long de tous les chemins linaires parallles aux axes passant par M0 . Cela ne veut pas systmatiquement dire que la fonction est drivable le long de tous les chemins linaires passant par M0 , car il existe des chemins linaires non parallles aux axes. Ceci conduit la dnition suivante : Dnition 6 Soit f (., ...,.) une fonction de n variables notes (x1 , ..., xn ) dnie autour de M0 de coordonnes x0 , ..., x0 . f (., ..., .) est dierentiable si il existe n rels (v1 , ..., vn )et une n 1 fonction (., ..., .) de Rn 7 R de limite nulle en (0, ..., 0) telle que x1 x0 , ..., xn x0 Rn . n 1
i=1

n X 0 0 vi xi x0 + x1 x0 , ..., xn x0 x1 x0 , ..., xn x0 f (x1 , ..., xn ) = f x1 , ..., xn + i 1 n 1 n

o k.k est une norme de Rn . Lapplication linaire : Rn 7 R n X vi xi (x1 , ..., xn ) 7


i=1

48

sappelle la direntielle de f (., ..., .) en M0 . Cette dnition prend tout son sens si on pose xi = xi x0 . i Pn 0 Le polynme (x1 , ..., xn ) 7 f x0 , ..., x0 n + 1 i=1 vi xi xi est la meilleure approxima tion linaire de f au voisinage de 0 , ..., x0 On lappelle galement dveloppement limit x1 n . dordre 1 de f (.) au voisinage de x0 , ..., x0 . n 1 Ainsi f (., ..., .) est direntiable en M0 si et seulement si f (., ..., .) est drivable en M0 le long de tous chemins linaires passant par M0 , quelque soit leur direction (x1 , ..., xn ). La direntielle de f (., ..., .) fournit alors une approximation linaire de laccroissement de f (...) en fonction des variations des coordonnes (x1 , ..., xn ) On a la proprit suivante Proposition 7 Si f (., ..., .) est direntiable en M0 alors i) f (...) est continue en M0 ii) f (., ..., .) est drivable en M0 et sa direntielle est dnie par : (x1 , ..., xn ) 7
n X f x0 , ..., x0 , ..., x0 xi 1 i n xi i=1

Dmonstration. Si f est direntiable en M0 alors il existe n rels (v1 , ..., vn ) et une fonction (., ..., .) de Rn 7 R de limite nulle en (0, ..., 0) telle que (x1 , ..., xn )
n X vi xi x0 f (x1 , ..., xn ) = f x0 , ..., x0 + 1 n i i=1

o k.k est une norme de Rn .(en replaant dans la dnition prcdente xi par xi x0 . i i) On a alors f (x1 , ..., xn ) = f x0 , ..., x0 lim 1 n (x1 ,...,xn )(x0 ,...,x0 ) n 1 donc f est continue en M0 . ii) On a alors f x0 , ..., xi , ..., x0 f x0 , ..., x0 , ..., x0 n n 1 1 i xi x0 i 0, ..., xi x0 , ..., 0 i = vi + 0, ..., xi x0 , ..., 0 i xi x0 i 0 = vi + 0, ..., xi xi , ..., 0 k0, ..., 1, ..., 0k

+ x1 x0 , ..., xn x0 x1 x0 , ..., xn x0 1 n 1 n

car k.k est une norme. Aussi,

f x0 , ..., xi , ..., x0 f x0 , ..., x0 , ..., x0 n n 1 1 i = vi lim xi x0 xi x0 i i f 0 x1 , ..., x0 , ..., x0 = vi i n xi 49

et donc

Autrement dit, les coordonnes de la direntielle de f (...) en M0 . correspondent aux drives partielles de f (...) en M0 . Il est faux de croire que toutes les fonctions drivables sont direntiables. Ainsi, la fonction f : R2 7 R dnie par 1 si x1 6= 0 et si x2 6= 0 f (x1 , x2 ) = 0 si x1 = 0 ou si x2 = 0 admet des drives partielles en (0, 0) par rapport ces deux coordonnes, mais nest pas diffrentable en (0, 0) car elle nest mme pas continue (prenons pour sen convaincre le chemin t 7 (t, t), le long de ce chemin, f converge vers 1 6= f (0, 0) lorsque t tend vers 0). On admettra toutefois le thorme suivant 3 . Proposition 8 Soit f (...) une fonction de n variables drivable autour de M0 . Si toutes ses n drives partielles sont continues en M0 , alors f (...) est direntiable en M0 Cette proposition fournit un critre bien commode pour garantir la direntiabilit dune fonction Thorme 9 (Thorme de composition des drives) Si u est un chemin de Rn telles que toutes ses coordonnes soient continment drivables en t0 , et si f (...) est direntiable en M0 de coordonnes (u1 (t0 ) , ..., un (t0 )) alors la drive de f (...) en M0 le long de u vaut
n X f x0 , ..., x0 , ..., x0 u0 (t0 ) g (t0 ) = 1 i n i xi 0 i=1

Dmonstration. Comme f (...) est direntiable, il existe (...) admettant une limite nulle en (0, ..., 0) telle que :
n X f 0 f (x1 , ..., xn ) = f x0 , ..., x0 + x1 , ..., x0 , ..., x0 xi x0 1 n i n i xi i=1 + x1 x0 , ..., xn x0 x1 x0 , ..., xn x0 1 n 1 n

o lon a dni g (t) f [u1 (t) , ..., u (t)]

Aussi, g (t) g (t0 ) t t0

= =

ku1 (t) u1 (t0 ) , ..., un (t) un (t0 )k t t0 n X f (ui (t) ui (t0 )) x0 , ..., x0 , ..., x0 = i n xi 1 t t0 i=1 u1 (t) u1 (t0 ) un (t) un (t0 ) + (u1 (t) u1 (t0 ) , ..., un (t) un (t0 )) , ..., t t0 t t0 Comme les fonctions numriques ui (.) sont drivables, u1 (t)u01 (t0 ) , ..., un (t)u0n (t0 ) est borne tt tt au voisinage de M0 donc u1 (t) u1 (t0 ) un (t) un (t0 ) =0 , ..., lim (u1 (t) u1 (t0 ) , ..., un (t) un (t0 )) tt0 t t0 t t0 + (u1 (t) u1 (t0 ) , ..., un (t) un (t0 ))
On pourra consulter le livre de Philippe Michel Mathmatiques pour conomistes chez Economica, section 21.6 et 22.4 pour une dmonstration formelle.
3

f [u1 (t) , ..., u (t)] f x0 , ..., x0 , ..., x0 f [u1 (t) , ..., u (t)] f [u1 (t0 ) , ..., u (t0 )] n 1 i = t t0 t t0 Pn f 0 0 , ..., x0 (u (t) u (t )) i i 0 n i=1 xi x1 , ..., xi t t0

50

Par ailleurs
tt0 ,t6=t0

lim

ui (t) ui (t0 ) = u0 (t0 ) i t t0

do
n X f x0 , ..., x0 , ..., x0 u0 (t0 ) g (t0 ) = 1 i n i xi 0 i=1

En particulier, le long dun chemin linaire de direction (v1 , ..., vn ) la drive de f (.) vaut g0 (t0 ) =
n X f x0 , ..., x0 , ..., x0 vi 1 i n xi i=1

P f Ainsi, la direntielle de f (...) en M0 dnie par : (x1 , ..., xn ) 7 n xi x0 , ..., x0 , ..., x0 n 1 i i=1 xi indique directement la drive de f (.) en M0 le long de nimporte quel chemin linaire de direction (x1 , ..., xn ) passant par M0 . n Exercice 8 Soient x1 (u, v) ..., xn (u, v) fonctions dnies sur R2 valeur dans R, diren 0 0 0 x u0 , v 0 . Soit F (x , ...., x ) une fonction de n variables tiables autour de u , v . Soient xi i 1 n qui est direntiable autour de x0 , ..., x0 . On dnit alors autour de u0 , v0 la fonction G (., .) n 1 de R2 dans R par G (u, v) F (x1 (u, v) , ..., un (u, v)) Montrer que G est dierentiable en u0 , v 0 et admet pour drive partielle
n X F xi 0 0 G 0 0 u ,v u ,v = x0 , ..., x0 1 n v xi v i=1 n X F xi 0 0 G 0 0 u ,v u ,v = x0 , ..., x0 1 n u xi u i=1

Dnition 10 Soit f (...) est une fonction de n variables admettant une drive partielle par rapport xi autour de M0 de coordonne x0 , ..., x0 , ..., x0 . Si la fonction n 1 i (x1 , ..., xn ) 7 f (x1 , ..., xn ) xi

admet elle mme une drive partielle par rapport xj en M0 on note cette drive partielle seconde 2f 0 x1 , ..., x0 n xi xj

Thorme 11 (Thorme de Schwartz) Soit f (...) une fonction de n variables admettant des drives secondes continues autour de M0 alors lordre de drivation ne compte pas, cest dire : 2f 0 2f 0 x1 , ..., x0 = x1 , ..., x0 n n xi xj xj xi 51

Dans la pratique, le thorme de Schwartz sutilise lorsquil est facilement identiable que les drives secondes sont continues en M0 (Cest le cas pour les fonctions polynomes, les fractions rationnelles lorsque le point M0 ne correspond pas un zro du dnominateur, ...). Dans lexemple suivant, les drives secondes de f (., .) existent en (0, 0) mais on ne peut pas intervertir lordre de drivation : Soit ( xy (x2 y2 ) si (x, y) R2 x2 +y2 f (x, y) = 0 si (x, y) = (0, 0) Un calcul distrayant donne : y x4 + 4x2 y 2 y 4 f (x, y) = x (x2 + y 2 )2 4 x x 4x2 y2 y 4 f (x, y) = y (x2 + y 2 )2

f (0, y) = y x f (x, 0) = x, y

do do

2f (0, 0) = 1 xy 2f (0, 0) = 1 yx

En tout point dirent de lorigine, le dnominateur de f (., .) et de toute drive restera non nul assurant continuit et drivabilit. On peut alors vrier le thorme de Swartz : (x2 y2 )(x4 + 10x2 y 2 + y 4 ) 2f 2f (x, y) = (x, y) = xy (x2 + y 2 )3 yx ds que (x, y) 6= (0, 0)

II.2

Thorme des accroissements nis

Thorme 12 Soient M de coordonnes (x1 , ..., xn ) N de coordonnes (y1 , ..., yn ) et f (...) une fonction de n variables dnie sur le segment [M, N] Thorme des accroissements nis Si f est continment direntiable sur [M, N] alors, il existe ]0, 1[ tel que f (y1 , ..., yn ) = f (x1 , ..., xn ) +
n X i=1

(yi xi )

f ( x1 + (1 ) y1 , ..., xn + (1 ) yn ) xi

Thorme de Taylor Lagrange dordre 2 : Si f est deux fois continment direntiable sur [M, N] alors, il existe ]0, 1[ tel que f (y1 , ..., yn ) = f (x1 , ..., xn ) +
n X i=1

(yi xi )

f (x1 , ..., xn ) xi

X (yi xj ) (yi xj ) 2f + ( x1 + (1 ) y1 , ..., xn + (1 ) yn ) 2 xi xj


1in 1jn

Dmonstration. Considrons la fonction f (...) le long du chemin linaire u : t 7 (u1 (t) , ..., un (t)) reliant M N selon ui (t) = t yi + (1 t) xi En t = 0, le chemin est en M. En t = 1 le chemin est bien en N. Enn, pour tout t ]0, 1[, (u1 (t) , ..., un (t)) est bien sur le segment [M, N]. On dnit alors la fonction numrique g comme 52

tant la restriction de la fonction f (...) le long du chemin u, soit g (t) f (u1 (t) , ..., un (t)). On a: f (y1 , ..., yn ) f (x1 , ..., xn ) = g (1) g (0) Thorme des accroissements nis : La fonction g (.) est alors continment drivable sur [0, 1] et sa drive vrie : g0 (t) = =
n X i=1 n X i=1

u0 (t) i

f ((1 t) x1 + t y1 , ..., (1 t) xn + t yn ) xi f ((1 t) x1 + t y1 , ..., (1 t) xn + t yn ) xi

(yi xi )

On peut appliquer le thorme des accroissements nis des fonctions numriques. Aussi, il existe c ]0, 1[ tel que g (1) = g (0) + g0 (c) (1 0) = g (0) + g0 (c). On pose = 1 c et lon obtient le rsultat voulu. Thorme de Taylor Lagrange La fonction g (.) est alors deux fois continment drivable sur [0, 1]. Sa drive seconde vrie : g00 (t) = X (yi xi ) (yj xj ) 2f ((1 t) x1 + t y1 , ..., (1 t) xn + t yn ) xi xj

1i,jn

On peut appliquer le thorme de Taylor Lagrange des fonctions numriques. Aussi, il existe 00 (c) c ]0, 1[ tel que g (1) = g (0) + g0 (0) + g 2 . On pose = 1 c et lon obtient le rsultat voulu.

III

Le thorme des fonctions implicites

Nous allons prsent donner un thorme qui est trs utile pour caractriser les solutions dquations non linaires. Imaginons quun modle conomique implique une relation entre une inconnue x (ou variable endogne) et des paramtres donns y1 , ..., yn (ou variables exognes) de la forme f (x, y1, ..., yn) = 0. Pour illustrer notre propos, reprenons le cas de la demande de travail no-classique. Nous savons que la demande de travail se caractrise par lquation F 0 (L) = w/p. La variable endogne dans ce cas est lemploi L. Le salaire w et les prix p jouent le rle des variables exognes y1 et y2 . Enn, la fonction f (., ., .) considrer scrit. f (L, w, p) F 0 (L) w p

o F (.) dsigne la fonction de production. Nous connaissons dj un certain nombre de rsultat concernant lexistence et luncit dune racine de f (....). Nous savons que si la fonction numrique x 7 f (x, y1 , ..., yn ) est susamment rgulire, une solution existe. Cest par exemple le cas si f (.) est continue sur un intervalle [a, b] avec f (a) f (b) < 0. Le thorme des valeurs intermdiaires nous garantit lexistence dune solution. Nous savons galement quune telle solution est unique si cette fonction est strictement monotone. Dune faon plus globale Proposition 1 Si la fonction numrique x 7 f (x, y1 , ..., yn ) est continment drivable sur un intervalle ferm [a, b] avec f (a) f (b) < 0 et si x 7 f (x, y1 , ..., yn ) ne change pas de signe sur x [a, b], alors lquation dinconnue x, f (x, y1 , ..., yn ) = 0 admet une et une solution dans [a, b]. 53

Toutefois, savoir quune solution existe et quelle unique est frustrant. En particulier, on aimerait bien savoir comment cette solution volue lorsque les variables exognes varient. Dans notre exemple, on souhaiterait savoir de combien varie le niveau demploi dsir par les entreprises L lorsque le salaire w ou le prix augmente p. Le thorme des fonctions implicites permet de rpondre cette question. Thorme 2 (Thorme des fonctions implicites) Soit f (x, y1 , ..., yn ) une fonction de n+ 1 variables (avec n 1). Si les trois conditions suivantes sont remplies 0 0 f x0 , y1 , ..., yn = 0 0 0 f (...) est continment direntiable autour de M0 de coordonnes x0 , y1 , ..., yn 0 0 f x0 , y1 , ..., yn 6= 0 x Alors, il existe d > 0, > et une fonction de Rn dans [x0 d, x0 + d], tel que (y1 , ..., yn ) 0 0 0 vriant y1 y1 , ..., yn yn < d, x = (y1 , ..., yn )

soit lunique solution dans [x0 d, x0 + d] de lquation f (x, y1 , ..., yn ) = 0 dinconnue x. De plus (...) est direntiable en M0 et f 0 0 0 0 yi x , y1 , ..., yn 0 (2.1) y , ..., yn = f 0 0 yi 1 x0 , y1 , ..., yn
x

La premire partie de ce thorme nous apprend juste que lorsque lon tient une solution, alors celle-ci est localement unique et que sa valeur dpend des paramtres selon une fonction (...) dont on sait quelle est continment direntiable autour de M0 . La deuxime partie du thorme nous permet de calculer les drives partielles de (...) en M0 sans avoir eu calculer (...) explicitement. Ceci est extrmement utile car bien souvent, la non-linarit de f (...) rend impossible la rsolution analytique de lquation f (x, y1 , ..., yn ) = 0 non seulement en M0 , mais aussi autour de M0 . Aussi, pour peu que lon dispose dune solution, alors on sait comment cette solution volue localement lorsque les variables exognes varient puisque lon connat les drives partielles de la fonction (...). Dans le cas de la demande de travail noclassique, supposons que lon connaisse le niveau de demande de travail L0 pour un niveau de salaire w0 et un niveau de prix p0 si bien que F 0 (L0 ) = w0 p0

la fonction f : (L, w, p) 7 F 0 (L) w est bien continuement direntiable autour de (L0 , w0 , p0 ), p nulle en (L0 , w0 , p0 ) et admet une drive partielle non nulle par rapport L en (L0 , w0 , p0 ). On peut donc appliquer le thorme des fonctions implicites. On sait donc que la demande de travail est une fonction direntiable L (w, p) du salaire w et des prix p et surtout lon sait p L (w0 , p0 ) = 00 0 w F (L0 ) L (p )2 (w0 , p0 ) = 00 0 p F (L0 )
w0 1

L (w0 , p0 ) w

w0 L F 0 (L0 ) p0 = (w0 , p0 ) = = L0 w L0 F 00 (L0 ) L0 F 00 (L0 )


0 w0 p0 L F 0 (L0 ) p (w0 , p0 ) = = L0 p L0 F 00 (L0 ) L0 F 00 (L0 )

w0

L (w0 , p0 ) = p

o Li reprsente llasticit de L (...) par rapport la variable xi . La seule connaissance de L0 , x F 0 (L0 ) et F 00 (L0 ) nous sut pour dterminer llasticit de la demande de travail par rapport au salaire ou au prix. En particulier, comme F (.) est croissante concave, on sait que la demande de travail diminue avec le salaire et augmente avec les prix car F 0 (L0 ) > 0 et F 00 (L0 ) < 0. 54

Le thorme des fonctions implicites exige trois choses. Tout dabord il ne fait pas de miracle. Il faut que lon connaisse dj une solution. Mais nous savons comment procder pour assurer ce point (cf par exemple la proposition 1). Ensuite, le thorme des fonctions implicites ne sapplique qu des fonctions qui sont susamment rgulires. Que f (...) soit continment direntiable est toutefois susant. Enn et surtout, il faut que la drive partielle en M0 par rapport linconnue du problme (par rapport la variable endogne) soit dirente de 0. Ce qui est ncessaire, cest alors que localement, la fonction x 7 f (x, y1 , ..., yn ) soit strictement monotone. On peut alors retrouver la formule permettant de calculer les drives partielles de (y1 , ..., yn ). 0 0 En eet, pour (y1 , ..., yn ) tel que y1 y1 , ..., yn yn < d, la fonction : (y1 , ..., yn ) 7 f ( (y1 , ..., yn ) , (y1 , ..., yn )) est constamment nulle. (y1 , ..., yn ) (y1 , ..., yn ) f ( (y1 , ..., yn ) , y1 , ..., yn ) 0

par dnition de la fonction . En eet, cet galit signie simplement que pour chaque valeur de (y1 , ..., yn ), x = (y1 , ..., yn ) est la solution en x de lquation f (x, y1 , ..., yn ) = 0 dinconnue x. La fonction (...) admet par consquent des drives partielles qui sont constamment gales 0. Or comme (...) est direntiable (par le theorme), on peut calculer directement les drives partielles de cette fonction en M0 . On a alors pour la ieme drive : 0= f f (y1 , ..., yn ) (y1 , ..., yn ) = (y1 , ..., yn ) + (y1 , ..., yn ) yi x yi yi
f y (y1 , ..., yn ) (y1 , ..., yn ) = fi yi (y1 , ..., yn ) x

do lon retrouve :

(y1 , ..., yn ) = 0, un tel calcul nest tout simplement pas possible On remarque dailleurs que si car on ne peut pas diviser par 0. Exemple Soit un consommateur devant choisir entre deux biens et soit U (x1 , x2 ) sa fonction dutilit. U Supposons la continment direntiable. Sous lhypothse de non-satit, on a xi > 0. On sintresse alors la reprsentation gomtrique des courbes diso-utilit. Celles-ci ont pour quation U (x1 , x2 ) = k. On peut alors appliquer le thorme des fonctions implicites. Puisque U x2 6=0, il existe une fonction telle que le long dune courbe dindirence, on ait x2 = (x1 ). La pente de la courbe dindirence du consommateur passant par (x1 , x2 ) est alors donne par (x1 ) =
0 U x1 U x2

f x

(x1 , x2 ) (x1 , x2 )

ce qui correspond au taux marginal de substitution du bien 1 par le bien 2. Exercice 9 On considre la fonction de consommation macroconomique C (Y T, m) o Y reprsente le PIB, T les taxes et m le moral des consommateurs. On suppose que la fonction de consommation est continment direntiable et on admet la loi psychologique fondamentale keynsienne : 0< C <1 (Y T ) 55

ainsi que m, C (0, m) > 0


Y

lim Y C (Y T, m) = +

On suppose valide le modle keynsien lmentaire stipulant que lquilibre est dtermin par lquation Y = C (Y T, m) + I + G o I reprsente linvestissement et G le niveau des dpenses publiques. 1. Montrer que le modle keynsien lementaire prdit sans ambigit le niveau du PIB (i.e. quil existe un et un seul niveau de PIB Y rsolvant le modle). 2. Dterminer la valeur des multiplicateurs des dpenses publiques Y /G, des taxes Y /T et du moral des consommateur Y /m 3. On reprend le mme modle en remplaant la vraie fonction de consommation macroconomique par son approximation linaire autour de lquilibre Y . Montrer quon obtient localement les mmes multiplicateurs.

IV

Les fonctions homognes

Dnition 1 Soit f (....) une fonction de n variables dnies sur Rn . On dit que f (...) est + homogne de degr si et seulement si R+ , (x1 , ..., xn ) Rn + on a f ( x1 , ..., xn ) = f (x1 , ..., xn )

Les fonctions homognes sont trs courantes en conomie. La fonction de production Cobb Douglas (K, L) 7 c K L est homogne de degr + . Si une fonction de production est rendements constants, alors elle est homogne de degr 1. Cela signie que deux entreprises caractrise par la mme fonction de production rendements constants, si la deuxime utilise exactement deux fois plus de facteurs de production que la premire, la deuxime produira exactement deux fois plus que la premire. Exercice 10 Montrer que la demande de travail no-classique L (w, p) solution implicite de lquation F 0 (L) = w/p est une fonction homogne de degr 0. Thorme 2 Soit f (....) une fonction de n variables dnies sur Rn drivable et homogne de + degr . Les drives partielles de f sont alors des fonctions homognes de degr 1. Dmonstration. Soit > 0 et (x1 , ..., xn ) Rn . Fixons toutes les coordonnes (x1 , ..., xn ) + sauf la ieme pour considrer la fonction numrique i : xi 7 i (xi ) = f ( x1 , ..., xi , ..., xn ) Comme f est homogne de degr , on a i (xi ) = f ( x1 , ..., xi , ..., xn ) = f (x1 , ..., xi , ..., xn ) do 0 (xi ) = i f ( x1 , ..., xi , ..., xn ) xi f ( x1 , ..., xi , ..., xn ) xi f (x1 , ..., xi , ..., xn ) xi f (x1 , ..., xi , ..., xn ) = 1 xi =

56

Exercice 11 Si F (K, L) est une fonction de production rendements constants, dterminer le degr dhomogneit des productivits marginales du travail F/L et du capital F/K. En dduire que ces dernires ne dpendent que de lintensit capitalistique (ou capital par tte) k = K/L. Thorme 3 (Thorme dEuler) Soit f (....) une fonction de n variables dnies sur Rn + direntiable. f est une fonction homogne de degr si et seulement si (x1 , ..., xn ) f (x1 , ..., xn ) =
n X i=1

xi

f (x1 , ..., xn ) xi

Pour bien comprendre limportance de ce thorme, reprenons la thorie du producteur en concurrence pure et parfaite. Considrons une fonction de production F (x1 , ..., xn ) n facteurs. Dans un environnement de concurrence pure et parfaite, la demande de facteurs sera dtermine F par lgalit des productivits marginales xi aux cots marginaux des facteurs exprims en ci termes rels p . Autrement dit, ce qui est vrai pour la demande de travail reste vrai pour tout autres facteurs. La quantit
n X i=1

xi

X f (x1 , ..., xn ) = ci xi xi
i=1

reprsente alors les dpenses totales de lentreprise pour acheter ses facteurs de production. Aussi, daprs le thorme dEuler en concurrence pure et parfaite lentreprise fera toujours des prots nuls si et seulement si la fonction de production prsente des rendements constants. Le thorme dEuler admet une rciproque. Nous nallons dmontrer que le sens direct sans dmontrer sa rciproque. Dmonstration. Soit (x1 , ..., xn ) Rn . Considrons la fonction numrique v : 7 f ( x1 , ..., xn ) Comme f (...) est homogne de degr , on a v () = f ( x1 , ..., xn ) = f (x1 , ..., xn ) Drivons la fonction v (.) v0 () =
n X =1

xi

f ( x1 , ..., xn ) = 1 f (x1 , ..., xn ) xi

On obtient alors lgalit voulue en reprenant la dernire galit pour = 1. Nous allons conclure ce chapitre par les polynomes homognes de degr 2. Dnition 4 Une forme quadratique symtrique sur Rn est une fonction de Rn vers R qui est un polynme dordre 2 homogne. X aij xi xj q (x1 , ..., xn ) =
1in 1jn

avec i, j ai,j = aj,i (condition de symtrie) La forme quadratique q est dite : semi-dnie ngative si (x1 , ..., xn ) Rn , dnie ngative si (x1 , ..., xn ) Rn {0} , q (x1 , ..., xn ) 0 q (x1 , ..., xn ) 0 q (x1 , ..., xn ) < 0

semi-dnie positive si (x1 , ..., xn ) Rn ,

57

dnie positive si (x1 , ..., xn ) Rn {0} , Exemple

q (x1 , ..., xn ) > 0

Dans le cadre du thorme de Taylor Lagrange dordre 2, on a f (y1 , ..., yn ) f (x1 , ..., xn ) =
n X i=1

(yi xi )

f (x1 , ..., xn ) xi

1in 1jn

X (yi xj ) (yi xj ) 2f ( x1 + (1 ) y1 , ..., xn + (1 ) yn ) 2 xi xj


2

f Donc si les drives secondes xi xj sont constantes, lerreure que lon fait en remplaant f (...) par son approximation linaire est une forme quadratique.

Dnition 5 Pour une fonction deux fois continment drivable, la forme quadratique (x1 , ..., xn ) 7 X xi xj 2f (x1 , ..., xn ) 2 xi xj

1in 1jn

sera appele direntielle seconde de f (...) en (x1 , ..., xn ). Par le thorme de Schwartz, la direntielle seconde est symtrique si f est deux fois continment drivable. Proposition 6 (Caractrisation des formes quadratiques de R2 ) La forme quadratique q (x, y) = ax2 + bxy + cy2 est dnie ngative si et seulement si i) a < 0 ii) b2 4ac < 0 elle est dnie positive si et seulement si i) a > 0 ii) b2 4ac < 0 Dmonstration. Si y 6= 0 ! x 2 bx c q (x, y) = a y + + y ay a ! b 2 4ac b2 x 2 + = ay y 2a 4a2
2 4acb2 4a2

est strictement positif ds lors que b2 4ac < 0. Selon que + Aussi le terme x a 0, on a donc bien q (x, y) 0. Il reste vrier le cas y = 0, x 6= 0. On a alors q (x, 0) = a x2 qui est du mme signe que a. 58

b 2 2a

Convexit / Concavit

La gure 2.2 illustre cette dnition. La partie en haut gauche nest pas convexe car le segment reliant le point M au point M 0 sort de lensemble. En revanche, la partie en bas droite est bien convexe. La notion densemble convexe de Rn est une gnralisation en dimension n de la notion dintervalle de R. Les sous-ensembles convexes de R sont les intervalles de R.
x2 M

Dnition 1 Un sous-ensemble C de Rn est convexe sil contient tout segment joignant deux de ses points : M, M 0 C 2 , s [0, 1] , sM + (1 s) M 0 C

Exemple de partie non convexe

Exemple de partie convexe x1

Fig. 2.2: Ensemble convexes Dnition 2 Soit C un sous-ensemble convexe de Rn . Une fonction f (...) de n variables dnie sur C est concave sur C si elle vrie : M, M 0 C 2 , s [0, 1] , f(sM + 1 s)M 0 sf (M ) + (1 s) f M 0 Si lingalit est stricte, f (...) est dite strictement concave. Une fonction f (...) de n variables dnie sur C est convexe sur C si elle vrie : M, M 0 C 2 , s [0, 1] , f(sM + 1 s)M 0 sf (M ) + (1 s) f M 0 Si lingalit est stricte, f (...) est dite strictement convexe. Ainsi, Proposition 3 Soit C un sous-ensemble convexe de Rn . Une fonction f (...) de n variables dnie sur C. f (.) est (strictement) concave (respectivement convexe) sur C si et seulement si elle est (strictement) concave (respectivement convexe) le long de tous les chemins linaires de C. On en dduit alors les rsultats suivants. Proposition 4 Si f (...) et g (...) sont des fonctions (strictement) concaves (resp. convexes) sur C et , sont des nombres positifs ou nuls, alors la fonction f + g est (strictement) concave (resp. convexe) sur C. Proposition 5 Une fonction f (...) deux fois continment direntiable sur C est 59

1. concave sur C si et seulement si, la direntielle seconde est semi dnie ngative, cest (x1 , .., xn ) Rn dire si et seulement si elle vrie : (x1 , .., xn ) C X xi xj 2f (x1 , ..., xn ) 0 xi xj

1in 1jn

2. convexe sur C si et seulement si la direntielle seconde est semi dnie positive, cest (x1 , .., xn ) Rn dire si et seulement si elle vrie : (x1 , .., xn ) C X xi xj 2f (x1 , ..., xn ) 0 xi xj

1in 1jn

3. strictement concave sur C si la direntielle seconde est dnie ngative, cest dire si (x1 , .., xn ) Rn , (x1 , .., xn ) 6= 0 et seulement si elle vrie : (x1 , .., xn ) C X xi xj 2f (x1 , ..., xn ) < 0 xi xj

1in 1jn

4. strictement convexe sur C si la direntielle seconde est dnie positive, cest dire si (x1 , .., xn ) Rn , (x1 , .., xn ) 6= 0 et seulement si elle vrie : (x1 , .., xn ) C X xi xj 2f (x1 , ..., xn ) > 0 xi xj

1in 1jn

Dmonstration. Nous ne prsentons la dmonstration de lquivalence que pour le cas concave. i) Supposons que f (...) soit concave sur C. Soient (x1 , .., xn ) C et (x1 , .., xn ) Rn . Considrons la fonction f (...) le long du chemin linaire de direction (x1 , .., xn ) passant par (x1 , .., xn ) en t = 0, soit la fonction numrique : t 7 f (x1 + tx1 , ..., xn + txn ). On a 0 (t) = 00 (t) =
1in

xi

f (x1 + tx1 , ..., xn + txn ) xi 2f (x1 + tx1 , ..., xn + txn ) xi xj

1in 1jn

xi xj

Or (.) est par construction concave. Donc 00 (0) 0, ce qui donne lingalit souhaite. Lextension aux cas convexe est immdiat. Il ny a pas dextensions aux cas strictement concave et strictement convexes. ii) Reciproquement, vrions que f (.) est bien concave le long de tout chemin linaire passant par (x1 , ..., xn ). Considrons nouveau la fonction f (...) le long du chemin linaire de direction (x1 , .., xn ) passant par (x1 , .., xn ) en t = 0, soit la fonction numrique : t 7 f (x1 + tx1 , ..., xn + txn ). On a 00 (t) = X xi xj 2f (x1 + tx1 , ..., xn + txn ) xi xj

1in 1jn

60

Par hypothse, on a 00 (t) 0, et ce quelle que soit la direction (x1 , ..., xn ) ce qui implique que f (...) est bien concave le long de tous chemins linaires passant par tout point (x1 , ..., xn ) de C. Donc f (...) est bien concave. Lextension au cas o la direntielle seconde est semi dnie positive, dnie ngative, semi dnie ngative est immdiat. La proposition prcdente stipule que (par exemple) pour que f (.) soit concave, la condition Pour tout i = 1, ..., n 2f 0 x2 i

ne sut pas. Une telle conditions ne garantirait en eet que la concavit de f (.) le long des chemins linaires parallles aux axes, et non la concavit le long de tous les chemins linaires. Cest pourquoi il est indispensable de sassurer que la direntielle seconde de f (...) soit bien semi-ngative. Nous allons terminer ce chapitre par dnir la quasi-concavit et la quasi-convexit Dnition 6 Soit f (...) une fonction de n variables dnie sur une partie convexe C de Rn . f (.) est dite quasi-concave ssi (x1 , ..., xn ) , (y1 , ..., yn ) C et s ]0, 1[ f (sx1 + (1 s) y1 , ..., sxn + (1 s) yn ) min {f (x1 , ..., xn ) , f (y1 , ..., yn )} Strictement quasi-concave ssi (x1 , ..., xn ) , (y1 , ..., yn ) C et s ]0, 1[ f (sx1 + (1 s) y1 , ..., sxn + (1 s) yn ) > min {f (x1 , ..., xn ) , f (y1 , ..., yn )} Quasi convexe ssi (x1 , ..., xn ) , (y1 , ..., yn ) C et s ]0, 1[ f (sx1 + (1 s) y1 , ..., sxn + (1 s) yn ) max {f (x1 , ..., xn ) , f (y1 , ..., yn )} Strictement quasi convexe ssi (x1 , ..., xn ) , (y1 , ..., yn ) C et s ]0, 1[ f (sx1 + (1 s) y1 , ..., sxn + (1 s) yn ) < max {f (x1 , ..., xn ) , f (y1 , ..., yn )} Une fonction est quasi-concave sur C si et seulement si elle est quasi-concave le long de tous chemins linaires de C.

61

Chapitre 3

Optimisation des fonctions de plusieurs variables


On tend les dnitions prcdentes Rn Dnition 1 Soit f (.) une fonction de n variables dnie sur une partie E Rn . k.k correspond une norme 1. On dit a E est un minimum global de f (.) sur E ssi x E on a f (x) f (a)

2. On dit a E est un maximum global de f (.) sur E ssi x E on a f (x) f (a)

3. On dit que a E est un extremum global de f (.) sur E ssi a est un minimum global ou un maximum global de f (.) sur E. 4. On dit a E est un minimum local de f (.) sur E ssi il existe d > 0 tel que x E tel que kx ak d on a f (x) f (a)

5. On dit a E est un maximum local de f (.) sur E ssi il existe d > 0 tel que x E tel que kx ak d on a f (x) f (a)

6. On dit que a E est un extremum local de f (.) sur E ssi a est un minium local ou un maximum local de f (.) sur E. 7. On dit quun extremum (global ou local) a est intrieur E si il existe d > 0 tel que x Rn tel que kx ak d on a xE

Plus gnralement, un point M sera dit intrieur E, si tous les chemins linaires partant de M dans toutes les directions restent inclus dans E au moins sur un intervalle. Graphiquement ; cela veut dire que M nest pas sur le bord de E. Dans la gure 3.1, le point N nest pas intrieur. En particulier, les chemins linaires unitaires parallles aux deux axes passant par N sortent immdiatement de lensemble. 62

x2

+
N

+
x1

Fig. 3.1: Exemple de points intrieurs et non intrieurs

Optimisation sans contrainte

Un problme doptmisation sans contrainte correspond la recherche dextrema globaux sur Rn dune fonction de plusieurs variables. Le thorme suivant caractrise une condition ncessaire que doit vrier tout extrema local intrieur Thorme 2 Soit f (...) une fonction de n variables dnie sur E Rn , drivable en tous 0 , ..., x0 est un extremum local intrieur E, points de E. Si le point M0 de coordonnes x1 n alors f 0 pour i = 1, ..., n x1 , ..., x0 = 0 n xi 0 Dmonstration. Soit le chemin linaire parallle laxe i et unitaire, M : t 7 x1 , ..., x0 + t, ..., x0 . Comme M0 est intrieur, il existe d > 0 tel que t ]d, d[, le point n i Mt de coordonnes x0 , ..., x0 + t, ..., x0 E. n 1 i Supposons que M0 soit un maximum local (la dmonstration pour un minimum global est symtrique). Aussi, t ]d, d[ f x0 , ..., x0 + t, ..., x0 f x0 , ..., x0 , ..., x0 1 i n 1 i n f x0 , ..., x0 + t, ..., x0 f x0 , ..., x0 , ..., x0 n n 1 1 i i t ]0, d[ 0 t 0 0 f x1 , ..., x0 + t, ..., x0 f x1 , ..., x0 , ..., x0 f 0 n n i i x1 , ..., x0 = lim 0 n t0 xi t Symtriquement f x0 , ..., x0 + t, ..., x0 f x0 , ..., x0 , ..., x0 n n 1 1 i i t ]d, 0[ 0 car t < 0 t 0 0 f x1 , ..., x0 + t, ..., x0 f x1 , ..., x0 , ..., x0 f 0 n n i i x1 , ..., x0 = lim 0 n t0 xi t 63 Donc

Aussi a-t-on 0 f 0 x1 , ..., x0 0 n xi donc f 0 x1 , ..., x0 = 0 n xi

On voit dans cette dmonstration quil est essentiel que partant de M0 on puisse aller le long de chaque axe dans les deux sens. De ce point de vue, ce thorme nest quune gnralisation aux fonctions de plusieurs variables du thorme 16, section V.3 du chapitre consacr aux fonctions numriques. Les mmes piges existent. 1. Ce thorme ne donne que des conditions ncessaires et non susantes. Ainsi, il se peut trs f bien quau point de coordonnes x0 , ..., x0 , la fonction f (...) vrie i xi x0 , ..., x0 = 0 n n 1 1 et que x0 , ..., x0 ne soit pas un extremum local. Souvenons de lexemple de la fonction n 1 numrique x 7 x3 . Elle admet une drive nulle en 0, mais 0 nest pas un extremum intrieur (cf. gure 1.17). Un autre exemple est la fonction (x1 , x2 ) 7 x1 x2 .

2. Il nest valable que pour les extrema intrieurs. Souvenons nous du problme illustr par la gure 1.27 pour les fonctions numriques. Les deux sections suivantes vont dailleurs nous permettre de caractriser les optima aux bords. Nous pouvons toutefois conclure plus directement dans certains cas. Thorme 3 Si f (.) est deux fois continment direntiable sur E partie convexe de Rn si le point M0 de coordonnes x0 , ..., x0 E vrie n 1 pour i = 1, ..., n f 0 x1 , ..., x0 = 0 n xi

et si

1. f (.) est strictement concave, alors M0 est lunique maximum de f (.) sur E 2. f (.) est strictement convexe, alors M0 est lunique minimum de f (.) sur E M Dmonstration. Soit M E de coordonnes (x1 , ..., xn ) distinct de 0 . Comme E est convexe, les points de coordonnes x0 + (1 ) x1 , ..., x0 + (1 ) xn pour [0, 1] du n 1 segment [M0 , M] appartiennent bien E. On peut donc appliquer la formule de Taylor Lagrange. On sait quil existe ]0, 1[ tel que f (x1 , ..., xn ) f x0 , ..., x0 1 n n X f 0 xi x0 x1 , ..., x0 + = i n xi i=1 X xi x0 xj x0 i j 2f x0 + (1 ) x1 , ..., x0 + (1 ) xn 1 n 2 xi xj
1in 1in

1in 1in

xi x0 xj x0 i j 2f x0 + (1 ) x1 , ..., x0 + (1 ) xn 1 n 2 xi xj

1. Sif (.) est strictement concave, sa direntielleseconde est dnie ngative, donc f (x1 , ..., xn ) < f x0 , ..., x0 ds que (x1 , ..., xn ) 6= x0 , ..., x0 . Comme on a montr cette ingalit pour n n 1 1 tout M 6= M0 de E, alors M0 ralise bien un maximum global de f (...) sur E. 64

2. Sif (.) est strictement convexe, sa direntielleseconde est dnie positive, donc f (x1 , ..., xn ) > f x0 , ..., x0 ds que (x1 , ..., xn ) 6= x0 , ..., x0 . Comme on a montr cette ingalit pour n n 1 1 tout M 6= M0 de E, alors M0 ralise bien un minimum global de f (...) sur E. Ce thorme ne donne que des conditions susantes pour des extrema globaux. Thorme 4 Si f (.) est deux fois continment direntiable sur E partie convexe de R2 si le point M0 de coordonnes x0 , x0 E, si 1 2 pour i = 1, .2 et si 1. (x1 , x2 ) E 2f (x1 , x2 ) < 0 x2 1 2. (x1 , x2 ) E 2f (x1 , x2 ) > 0 x2 1 3. 2f 0 0 x ,x < 0 x2 1 2 1 et 2 2f 0 0 2f 0 0 2f x1 , x2 x ,x < 0 2 x0 , x0 x1 x2 x1 1 2 x2 1 2 2 et et f 0 0 x ,x = 0 xi 1 2

2f (x1 , x2 ) x1 x2

2f 2f (x1 , x2 ) 2 (x1 , x2 ) < 0 x2 x2 1

, alors M0 est lunique maximum de f (.) sur E 2

2f (x1 , x2 ) x1 x2

2f 2f (x1 , x2 ) 2 (x1 , x2 ) < 0 x2 x2 1

, alors M0 est lunique minimum de f (.) sur E

, alors M0 est un maximum local de f (.) sur E 4. 2f 0 0 x ,x > 0 x2 1 2 1 et

, alors M0 est un minimum local de f (.) sur E

2 2f 0 0 2f 0 0 2f x1 , x2 x ,x < 0 2 x0 , x0 x1 x2 x1 1 2 x2 1 2 2

Dmonstration. Ce thorme repose sur la caractrisation de la direntielle seconde comme forme quadratique de R2 . On eet la direntielle seconde pour les fonctions de deux variables scrit pour une variation (x1 , x2 ) X xi xj 2 f (x1 , x2 ) 2 xi xj 2f 2f 2f 2f (x1 )2 + x1 x2 + x2 x1 + 2 (x2 )2 x1 x2 x2 x1 x2 x2 1

1i2 1i2

1 = 2

= a (x1 )2 + b x1 x2 + c (x2 )2 avec a= 1 2f (x1 , x2 ) 2 x2 1 b= 2f (x1 , x2 ) x1 x2 65 c= 1 2f (x1 , x2 ) 2 x2 1

fois Si lon ne peut caractriser la direntielle seconde quen x1 , x2 , et que f (...) est deux 0 0 continment direntiable, alors il existe > 0, tel que (x, y) E tel que x1 x0 , x2 x0 < 1 2 2 2 2 2f , f (x1 , x2 ) et x1 x2 (x1 , x2 ) f (x1 , x2 ) f (x1 , x2 ) ne changent pas de signe sur un voi2 2 2 x1 x1 x2 sinage de x1 , x2 On peut alors appliquer le rsultat 1 (pour 3) et 2 (pour 4) lensemble des 0 0 points de E tel que x1 x0 , x2 x0 < . 1 2 Proposition 5 Si f (...) est strictement quasi-concave sur Rn , elle admet au plus un seul maximum global. Si f (...) est strictement quasi-convexe sur Rn , elle admet au plus un seul minimum global Dmonstration. Supposons que (x1 , ...xn ) soit un maximum global dune fonction f (.) strictement quasi-concave sur Rn . Supposons par contradiction que (x1 , ...xn ) ne soit pas un unique et soit (y1 , ..., yn ). Comme ce sont deux maxima globaux, on a f (x1 , ...xn ) = f (y1 , ..., yn ). Mais alors, pour xn + yn x1 + y1 , ...., > min {f (x1 , ...xn ) ; f (y1 , ..., yn )} = f (x1 , ...xn ) f 2 2 ce qui contredit que (x1 , ...xn ) soit un maximum global. Thorme 6 (Thorme de lenveloppe) Soit f (x1 , ..., xn , a) une fonction de n + 1 variables continment drivable sur Rn+1 . Si x (a) , ..., x (a) dsigne la solution dans Rn n 1 de
x1 ,...,xn

max f (x1 , ..., xn , a)

a x

si x (a) , ..., x (a) sont des fonctions continment drivables, alors la fonction numrique n 1 g (.) dnie par g (a) f (x (a) , ..., x (a) , a) 1 n admet pour drive : g 0 (a) = f (x (a) , ..., x (a) , a) n a 1

a:

Dmonstration. Par la rgle de drivation le long du chemin a 7 (x (a) , ..., x (a) , a), on n 1 g0 (a) =
n X f f (x (a) , ..., x (a) , a) (x (a) , ..., x (a) , a) (x )0 (a) + n i n xi 1 a 1 i=1

Or x (a) , ..., x (a) est un maximum (forcment intrieur) de f sur Rn donc ncessairement n 1 f xi (x1 (a) , ..., xn (a) , a) = 0, ce qui garantit le rsultat. Exemple Considrons la thorie microconomique du producteur en concurrence pure et parfaite. Soit une entreprise caractrise par une fonction de production n facteurs de production F (x1 , ..., xn ), croissante, continument direntiable et strictement concave. Le cot du ieme facteur est not ci et p dsigne le prix de vente. Le producteur rsoud : (c1 , ..., cn , p) max p F (x1 , ..., xn )
x1 ,...,xn n X i=1

ci xi

66

Alors = xi ci Ce rsultat est connu sous le nom de Lemme de Hotelling. Il implique la valeur suivante pour llasticit du prot au prix du facteur = ci ci xi

Cette lasticit est donc gale au rapport entre le cot total du facteur i et le prot ralis par lentreprise.

II

Optimisation sous contrainte dgalit

Thorme 1 Si (x , ..., x ) est la solution du problme n 1


(x1 ,...,xn )

max f (x1 , ..., xn )

sous

1 x1 + ... + n xn =

avec pour au moins un i {1, ..., n} i 6= 0, alors : i f f (x , ..., x ) = j (x , ..., x ) 1 n n xj xi 1

Dmonstration. Supposons (quitte intervertir lordre des variables) que 1 6= 0, on a 1 x1 + ... + n xn = si et seulement si x1 = 2 x2 ... n xn 1

On peut alors liminer x1 et considrer la fonction 2 x2 ... n xn (x2 , ..., xn ) 7 f , x2 , ..., xn 1 On a alors faire un problme doptimisation sans contrainte. Un extremum local doit par consquent ncessairement vrier pour i = 2, ..., n f 2 x2 ...n xn , x2 , ..., xn 1 j f f 0= = (x , ..., x ) + (x , ..., x ) n n xi 1 x1 1 xi 1 ce qui donne le rsultat voulu. Exemple : La thorie microconomique du consommateur. Soit la fonction dutilit U(x1 , ..., xn ) et la contrainte budgtaire p1 x1 + ... + pn xn = R. Si (x , ..., x ) est une solution optimale du problme pos, on a p1 x + ... + pn x = R et si pi 6= 0 : n n 1 1
U xi

(x , ..., x ) n 1 pi

U xj

(x , ..., x ) n 1 pj

Les utilits marginales sont proportionnelles aux prix des biens. Cest la loi des utilits marginales pondres (de Walras). 67

Dnition 2 Soit f (...) et g (...) deux fonctions de n variables et soit le problme


x1 ,...,xn

max f (x1 , ..., xn )

sous

g (x1 , ..., xn ) = a

Le Lagrangien est la fonction dnie par L (x1 , ..., xn , , a) = f (x1 , ..., xn ) g (x1 , ..., xn ) + a est appel le multiplicateur de Lagrange associ la contrainte g (x1 , ..., xn ) = 0. Thorme 3 (Conditions ncessaires) Si f (...) et g (...) sont continment drivables et si (x , ..., x ) est une solution de n 1
x1 ,...,xn

max f (x1 , ..., xn )

sous

g (x1 , ..., xn ) = a

o les drives partielles de g (....) ne sont pas toutes simultanment nulles, alors il existe un rel tel que : pour tout i = 1, ..., n 0= et : 0 = L f g (x1 , ..., x , , a) = (x1 , ..., x ) (x , ..., x ) n n n xi xi xi 1 L g (x , ..., x , ) = a (x , ..., x , , a) n 1 n 1

Dmonstration. Lide de la dmonstration est de se servir du thorme des fonctions implicites pour liminer une coordonne. Quitte intervertir lordre des coordonnes, on a g x1 (x1 , ..., xn ) 6= 0. On peut donc appliquer le thorme des fonctions implicites. On sait quil existe une fonction drivable X1 (x2 , ..., xn ) tel que lensemble des points vriant g (x1 , ..., xn ) = a ont des coordonnes qui vrient localement x1 = X1 (x2 , ..., xn ). De plus
g (x1 , ..., xn ) X1 = xi g xi x1 (x1 , ..., xn )

(x , ..., x ) est par consquent un maximum (sans contrainte) de la fonction n 2 (x2 , ..., xn ) 7 f (X1 (x2 , ..., xn ) , x2 , ..., xn ) On a alors faire un problme doptimisation sans contrainte. Un extremum local doit alors ncessairement vrier pour i = 2, ..., n 0 = f (X1 (x2 , ..., xn ) , x2 , ..., xn ) X1 f f = (x , ..., x ) (x , ..., x ) + (x , ..., x ) n n n xi xi 2 x1 1 xi 1 g f f xi (x1 , ..., xn ) (x , ..., x ) + (x , ..., x ) 0 = g 1 n n ) x1 xi 1 x1 (x1 , ..., xn f (x , ..., x ) n xi 1
f x1 g x1

0 =

(x , ..., x ) n 1 (x , ..., x ) n 1

g (x , ..., x ) n xi 1

On obtient alors le rsultat voulu en posant : =


f x1 g x1

(x , ..., x ) n 1 (x , ..., x ) n 1

68

Thorme 4 (Thorme de lenveloppe) Si f (...) et g (...) sont continment drivables et y est un paramtre (variable exogne). Si (x (y) , ..., x (y)) est la solution de n 1
x1 ,...,xn

max f (x1 , ..., xn , y)

sous

g (x1 , ..., xn , y) = 0

y x

o les drives partielles de g (....) ne sont pas toutes simultanment nulles, si (y) est le multiplicateur de Lagrange associ, si les fonctions numriques x (y) sont drivables, alors la i fonction numrique dnie par h (y) f (x (y) , ..., x (y) , y) 1 n admet pour drive h0 (y) = L (x (y) , ..., x (y) , y, (y)) f (x (y) , ..., x (y) , y) f (x (y) , ..., x (y) , y) n n n 1 1 1 = (y) y y y

Dmonstration. On a dune part les conditions du premier ordre par rapport x qui i scrivent f g (x (y) , ..., x (y)) = (y) (x (y) , ..., x (y)) n n xi 1 xi 1 et dautre part
n X f f (x (y) , ..., x (y) , y) n 1 (x (y) , ..., x (y)) (x )0 (y) + h (y) = 1 n i xi y 0 i=1

n X g f (x (y) , ..., x (y) , y) n 1 (x (y) , ..., x (y)) (x )0 (y) + = (y) 1 n i xi y i=1

Or pour tout y, g (x (y) , ..., x (y)) = 0, donc en drivant la fonction numrique y 7 g (x (y) , ..., x (y) , y), n n 1 1 on obtient : 0= do
n X g g (x (y) , ..., x (y) , y) n 1 (x (y) , ..., x (y)) (x )0 (y) = n i xi 1 y i=1 n X g g (x (y) , ..., x (y) , y) n 1 (x (y) , ..., x (y)) (x )0 (y) + n i xi 1 y i=1

et donc h0 (y) = f (x (y) , ..., x (y) , y) g (x (y) , ..., x (y) , y) n n 1 1 (y) y y

Corollaire 5 (Interprtation du multiplicateur de Lagrange) Si f (...) et g (...) sont continment drivables, si (x (a) , ..., x (a)) est la solution de n 1
x1 ,...,xn

max f (x1 , ..., xn )

sous

g (x1 , ..., xn ) = a

69

o les drives partielles de g (....) ne sont pas toutes simultanment nulles, si (a) est le multiplicateur de Lagrange tel que pour tout i = 1, ..., n 0= L (x (a) , ..., x (a) , (a)) n xi 1

et si les fonctions numriques x (a) sont drivables, alors la fonction numrique dnie par i h (a) f (x (a) , ..., x (a)) 1 n admet pour drive h0 (a) = (a) Dmonstration. La contrainte g (x1 , ..., xn ) = a peut encore scrire g (x1 , ..., xn ) a = 0. On peut alors appliquer le thorme de lenveloppe. Comme f (...) et g (...) ne dpendent pas de a, on a L (x (a) , ..., x (a) , a, (a)) n 1 = (a) a Exemple : Thorie Microconomique du producteur Soit une entreprise caractrise par une fonction de production n facteurs de production F (x1 , ..., xn ), croissante strictement quasi-concave. Le cot du ieme facteur est not ci . La fonction de cot est alors la solution du problme et p dsigne le prix de vente C (Y, c1 , ..., cn ) min On a par consquent C = xi ci puisque ci nintervient pas dans la contrainte. Ce rsultat est plus connu sous le nom de Lemme de Shepard. Dautre, part, daprs le corollaire, C = (y) Y Le multiplicateur de Lagrange associ la contrainte F (x1 , ..., xn ) = Y correspond au cot marginal de production. Exemple : Thorie microconomique du consommateur Reprenons lexemple dun consommateur ayant une fonction dutilit U (x1 , ..., xn ) et qui est P soumis la contrainte budgtaire n pi xi = R. On considre par consquent lez problme i=1
(x1 ,...,xn ) n X i=1

x1 ,...,xn

ci xi

sous

F (x1 , ..., xn ) = Y

max U (x1 , ..., xn )

sous :

n X i=1

pi xi = R

la condition doptimalit scrit i U (x , ..., x ) = pi n xi 1 70

Cette condition stipule lgalit de lutilit marginale de la consommation du bien i au produit du prix du bien i par lutilit marginale du revenu. En eet, en vertu du corollaire, le multiplicateur indique de combien augmenterait le niveau dutilit du consommateur si son revenu augmentait de une unit. On peut donc interprter conomiquement ce multiplicateur comme lutilit marginale du revenu. Aussi, loptimum du consommateur, le gain procur par U la consommation de xi units supplmentaire de bien i (gale xi (x , ..., x ) xi ) doit tre n 1 exactement compens par la baisse du revenu engendre par cette consommation supplmentaire (cest--dire le prix pi fois laugmentation xi ) que multiplie lutilit marginale du revenu . Nous allons prsent nous interesser aux conditions du second ordre. On souhaite donner des conditions assurant que la fonction f (...) soit strictement concaves le long de chemins respectant g (x1 , ...., xn ) = 0. Thorme 6 (conditions susantes) Si f (...) et g (...) sont deux fonctions continment drivables 1. Si (x , ..., x ) vrie pour une valeur donne du multiplicateur : n 1 pour tout i = 1, ..., n 0 = 0= f g L (x , ..., x , ) = (x , ..., x ) (x , ..., x ) n n n xi 1 xi 1 xi 1

L (x , ..., x , ) g (x , ..., x ) = 0 n 1 n 1 X 2L (x1 , ..., xn ) 6= (0, .., 0) xi xj (x , ..., x , ) < 0 n xi xj 1


1in 1jn

alors (x , ..., x ) est une solution locale de n 1


x1 ,...,xn

max f (x1 , ..., xn )

sous

{(x1 , ..., xn ) Rn ;

g (x1 , ..., xn ) = 0}

2. Si (x , ..., x ) vrie pour une valeur donne du multiplicateur : n 1 pour tout i = 1, ..., n 0 = 0= f g L (x1 , ..., x , ) = (x1 , ..., x ) (x , ..., x ) n n n xi xi xi 1 g (x , ..., x ) = 0 1 n X xi xj 2L (x1 , ..., xn , ) < 0 xi xj

L (x , ..., x , ) n 1

(x1 , ..., xn ) Rn et (x1 , ..., xn ) 6= (0, .., 0) alors (x , ..., x ) est la solution globale unique de n 1
x1 ,...,xn

1in 1jn

max f (x1 , ..., xn )

sous

{(x1 , ..., xn ) Rn ;

g (x1 , ..., xn ) = 0}

Dmonstration. Soient (x1 , ..., xn ) 6= (x , ..., x ) vriant g (x1 , ..., xn ) = 0. On a alors n 1 f (x1 , ..., xn ) = L (x1 , ..., xn , ) Donc f (x1 , ..., xn ) f (x , ..., x ) = L (x1 , ..., xn , ) L (x , ..., x , ) 1 n 1 n 71 et f (x , ..., x ) = L (x , ..., x , ) 1 n 1 n

Le thorme de Taylor Lagrange sapplique la fonction (x1 , ..., xn ) 7 L (x1 , ..., xn , ) en (x , ..., x ). Aussi, il existe ]0, 1[ tel que n 1 f (x1 , ..., xn ) f (x , ..., x ) = 1 n X
n X i=1

(xi x ) i

L (x , ..., x , ) + n xi 1

1in 1jn

2L (xi x ) xj x ( x + (1 ) x1 , ..., x + (1 ) xn , ) i j 1 n xi xj

do f (x1 , ..., xn ) f (x , ..., x ) 1 n X 2L = (xi x ) xj x ( x + (1 ) x1 , ..., x + (1 ) xn , ) i j 1 n xi xj


1in 1jn

Pour (2) le membre de droite est strictement ngatif, assurant que lon a bien f (x1 , ..., xn ) < f (x , ..., x ). Pour (1), par continuit des drives partielles secondes de f et de g (et donc n 1 de L), le mme raisonnement sapplique pourvu que (x1 , ..., xn ) soit susamment proche de (x , ..., x ). n 1 Tous ces rsultats sont aisment gnralisables aux cas o plusieurs contraintes de la forme g1 (x1 , ..., xn ) = 0, g2 (x1 , ..., xn ) = 0, ... sont prises en compte. On dnit de mme un lagrangien avec un multiplicateur par contrainte, et on obtient les mmes rsultats (conditions ncessaires du 1er ordre, thorme de lenveloppe, interprtation des multiplicateurs, conditions susantes du second ordre)

III

Optimisation sous contraintes dingalits

Thorme 1 (Conditions ncessaires) Si f (...) et g (...) sont continment drivables et si (x , ..., x ) est une solution de n 1
x1 ,...,xn

max f (x1 , ..., xn )

sous

g (x1 , ..., xn ) a

o les drives partielles de g (....) ne sont pas toutes simultanment nulles, alors il existe tel que i) ii) iii) iv) L f g (x1 , ..., x , ) = (x1 , ..., x ) (x , ..., x ) n n n xi xi xi 1 0 g (x1 , ..., xn ) a 0 0 = 0 = [g (x , ..., x ) a] 1 n i = 1, ..., n

Dmonstration. Deux cas sont possibles selon que g (x , ..., x ) = a ou g (x , ..., x ) > a n n 1 1 1. Si g (x , ..., x ) = a, alors (x , ..., x ) est a fortiori la solution de n n 1 1
x1 ,...,xn

max f (x1 , ..., xn )

sous

g (x1 , ..., xn ) = a

On a donc i) et g (x , ..., x ) a = 0 qui implique ii) et iv). Reste iii) Toutefois, on sait n 1 que daprs le thorme de lenveloppe, la drive de lobjectif par rapport a est gale . Or, quand a augmente, lensemble {(x1 , ..., xn ) Rn ; g (x1 , ..., xn ) a} se rtracte, diminuant ltendue des choix possibles. Aussi, lobjectif ne peut que diminuer et 0 do iii) 72

2. g (x , ..., x ) > a, on a ii). De plus, par continuit de g (....) on a g (x1 , ..., xn ) > a, localen 1 ment autour de (x , ..., x ). Par consquent sur ce voisinage, les problmes n 1
x1 ,...,xn

max f (x1 , ..., xn )

sous

g (x1 , ..., xn ) a

et
x1 ,...,xn

max f (x1 , ..., xn )

ont les mmes solutions locales. Donc (x , ..., x ) maximise f (x1 , ..., xn ) au moins localen 1 ment et f (x , ..., x ) = 0 n xi 1 avec = 0, on a alors i), iii) et iv) La condition iv) sappelle la relation dexclusion. Elle stipule que ou bien la contrainte g (x1 , ..., xn ) a est srre (binding) loptimum ce qui ramne le problme doptimisation sous contrainte dingalit un problme doptimisation sous dgalit g (x1 , ..., xn ) a, ou bien la contrainte g (x1 , ..., xn ) a ne compte pas loptimum, et on rsoud alors le problme comme si cette contrainte nexistait pas. Il faut galement noter la prsence dune condition ncessaire supplmentaire iii) nous donnant le signe du multiplicateur de Lagrange. Toutefois, si au lieu de rechercher un maximum on avait voulu rechercher un minimum, la condition iii) devrait tre remplace par 0. La condition iii) correspond en ralit aux conditions aux bords dans les problmes doptimisation des fonctions numriques. Utilisons ce thorme pour rsoudre le problme maxf (x)
x

i = 1, ..., n

sous

xa

Le Lagragien de ce problme scrit L (x, ) = f (x) x + a En appliquant le thorme prcdent les conditions i) et iii)scrivent f 0 (x) = 0. Or, daprs la relation dexclusion iv ou bien x > a et alors = 0 do f 0 (x) = 0, ou bien x = a et f 0 (x) 0. Or le thorme 16 du chapitre 1 nous indiquait que la condition du premier ordre scrit f 0 (x) = 0 pour x > a et f 0 (x) 0 pour x = a. On a donc bien les mmes conditions du premier ordre. Symtriquement, rsolvons le problme maxf (x)
x

sous

xa

Le Lagragien de ce problme scrit L (x, ) = f (x) + x a En appliquant le thorme prcdent les conditions i) et iii)scrivent f 0 (x) = 0. Or, daprs la relation dexclusion iv ou bien x > a et alors = 0 do f 0 (x) = 0, ou bien x = a et f 0 (x) 0. Or le thorme 16 du chapitre 1 nous indiquait que la condition du premier ordre scrit f 0 (x) = 0 pour x > a et f 0 (x) 0 pour x = a. On a donc bien les mmes conditions du premier ordre. 73

Bibliographie
[1] Philippe Michel, Cours de Mathmatiques pour conomistes, Economica [2] Carl, P. Simon et Lawrence Blume, Mathmatiques pour conomistes, traduit chez DeBoeck [3] Bernard Guerrien Isabelle This, Les mathmatiques de la microconomie, Economica, dition de poche

74

Vous aimerez peut-être aussi