Vous êtes sur la page 1sur 72

Licence Economie Gestion 3me

anne Parcours Magistre


Dveloppement conomique









Chapitre 2. Optimisation sous contrainte en quation

















Pascale Combes Motel
Ceri C!"# Clermont $niversit

Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
i


Table des matires ........................................................................................................................................................ i
Table des illustrations ................................................................................................................................................ ii
Bibliographie ................................................................................................................................................................ iii
C*+P,-"E (' .P-,M,#+-,.! #.$# C.!-"+,!-E E! E/$+-,.! ''''''''''''''''''''''''''''''''''''''''' %
%' "+PPEL# ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 0
1.1. La mthode de Lagrange ................................................................................................................................ 4
1.1.1. Un cas particulier : n variables de choix, une contrainte.............................................................................. 4
%'%'%'%' Le problme pos '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 0
%'%'%'(' E1emples ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' &
%'%'%'('%' ma1 f2x%3 x(4 5 x%
(
x( sous 2x%3 x(4 5 6 7ini par (x%
(
8 x(
(
5 3 '''''''''''''''''''''''''''''''''''''''''''''' &
%'%'%'('(' ma1 f2x%3 x(3 x34 5 (x%x( x3 sous 2x%3 x(3 x34 5 6 7ini par 3 9 x%
(
9 x(
(
9 x3
(
5 6 '''''''''''''''' &
1.1.2. !e cas nral : n variables de choix, m contraintes ...................................................................................... "
%'%'('%' Le problme pos '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' :
%'%'('(' La conition e quali7ication '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' :
%'%'('3' E1emple''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' %6
1.2. Conditions du deuxime ordre ................................................................................................................ 11
1.2.1. Un cas particulier : 2 variables de choix et une contrainte....................................................................... 11
%'('%'%' Dmarc;e ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' %%
%'('%'(' ,nterprtation gomtrique < la courbure relative es courbes e niveau e la 7onction
=ob>ecti7 et e la contrainte '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' %3
%'('%'3' ,nterprtation ans le cas =un problme e ma1imisation sous une contrainte
linaire < la quasi9concavit e la 7onction =ob>ecti7s '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' %?
%'('%'3'%' D7inition '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' %?
%'('%'3'(' E1emple ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' %&
%'('%'0' ,nterprtation ans le cas =un problme e minimisation avec un ob>ecti7 linaire et
une contrainte quasi9concave ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' %:
1.2.2. Un cas particulier : n variables de choix, 1 contrainte ............................................................................... 1#
1.2.$. !e cas nral : n variables de choix, m contraintes ................................................................................... 2%
%'('3'%' Dmarc;e ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' (6
%'('3'(' E1emples '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' ((
1.3. Thorme de lenveloppe et statiue !omparative .......................................................................... 23
1.$.1. !e thor&me de l'enveloppe ................................................................................................................................... 2$
%'3'%'%' ,nterprtation u multiplicateur ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' (3
%'3'%'%'%' $n cas particulier < ( variables e c;oi13 % contrainte3 % paramtre '''''''''''''''''''''''''''''' (3
%'3'%'%'(' E1emple ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' (@
%'3'%'%'3' Le cas gnral < n variables e c;oi1 et m contraintes '''''''''''''''''''''''''''''''''''''''''''''''''''''''''' (@
%'3'%'(' -;orme e l=enveloppe ans le cas e ( variables e c;oi1 et un paramtre ''''''''''''''' (&
%'3'%'3' Porte u t;orme e l=enveloppe'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' (:
%'3'%'3'%' Minimisation u coAt ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' (:
%'3'%'3'(' +llocation e77icace es ressources ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' (B
1.$.2. !a statique comparative ......................................................................................................................................... $%
(' +PPL,C+-,.! < LE C.MP."-EME!- D$ P".D$C-E$" ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 33
Table des matires
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
ii
2.1. Conditions du premier et deuxime ordre .......................................................................................... 33
2.2. Les demandes !onditionnelles de "a!teurs .......................................................................................... 3#
2.3. Les "on!tions de !o$t .................................................................................................................................... 3%
2.$.1. !es proprits des fonctions de demande conditionnelle .......................................................................... $"
2.$.2. (onctions de co)ts de lon et de court terme ................................................................................................. $#
3' ECEMPLE# ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 03
3.1. Le thorme de Lagrange ........................................................................................................................... 43
$.1.1. *xemples non conomiques ................................................................................................................................... 4$
3'%'%'%' E1emple % ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 03
3'%'%'(' E1emple ( ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 03
3'%'%'3' E1emple 3 ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 0?
3'%'%'0' E1emple 0 ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 0&
$.1.2. !a courbe de +u,nets environnementale ......................................................................................................... 4-
3'%'('%' Le problme '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 0&
3'%'('(' + rsoure'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 0:
$.1.$. !e s.st&me de dpense linaire ............................................................................................................................ 4#
$.1.4. !es dterminants de l'allocation de l'aide ....................................................................................................... /%
$.1./. *conomie du bien01tre............................................................................................................................................. /%
3'%'@'%' D7initions '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' @%
3'%'@'(' +llocation e77icace es biens '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' @(
3'%'@'0' La 7onction e bien9Dtre social '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' @3
3'%'@'@' +llocation optimale es biens ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' @0
3'%'@'?' +llocation optimale es biens en prsence =un bien public '''''''''''''''''''''''''''''''''''''''''''''''''''' @0
3.2. &inimisation du !o$t ................................................................................................................................... '#
$.2.1. Cas particuliers........................................................................................................................................................... /2
$.2.2. 3.poth&se d'une technoloie de production Cobb04oulas ..................................................................... /2
3'('('%' Conitions u premier orre ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' @&
3'('('(' Conition u secon orre ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' @&
3'('('3' Eonctions e emane et e coAt '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' @:
$.2.$. 3.poth&se d'une technoloie de production C*5 .......................................................................................... /"
3.3. &inimisation du !out ( !ourt et ( long terme ..................................................................................... #)
3.4. *on!tion de !o$t gnralis de Leontie" ............................................................................................... #3
3.'. +nterprtation du multipli!ateur ............................................................................................................ #'
$./.1. 6llocation efficace des ressources productives .............................................................................................. 2/
$./.2. !e prix de la pollution .............................................................................................................................................. 2/


D7inition %' "ang =une matrice ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' B
D7inition (' Point rgulier ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' B
D7inition 3' Eonction quasi9concave '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' %&
D7inition 0' La 7onction e coAt ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 3:

Eigure %' .ptimisation sous contrainte en quation < optimum et tangente '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 0
Table des illustrations
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
iii
Eigure (' La minimisation u coAt3 ( 7acteurs e prouction '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 30
Eigure 3' E77et =une moi7ication e 7% sur les emanes =intrants ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 3?
Eigure 0' La 7onction e coAt e long terme comme courbe enveloppe e 7onctions e coAt e court terme3
volution en 7onction e . '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 0%
Eigure @' La 7onction e coAt e long terme comme courbe enveloppe e 7onctions e coAt e court terme3
volution en 7onction e 7( ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 0%
Eigure ?' La 7onction e coAt e long terme comme courbe enveloppe e 7onctions e coAt e court terme3
volution en 7onction e 7% ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 0%
Eigure &' "eprsentation grap;ique u problme e ma1imisation < max f2x%3 x(4 5 x%
(
x( sous (x%
(
8 x(
(
3
5 6 ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 0@
Eigure :' Courbe =ini77rence u consommateur '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' @%
Eigure B' ,soquante ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' @(
Eigure %6' Erontire es possibilits e prouction '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' @(
Eigure %%' .77re et emane =un bien public ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' @?
Eigure %( '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' ?6
Eigure %3' Eonctions e coAt e court et e long terme en 7onction e 7 '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' ?3
Eigure %0' Eonctions e coAt e court et e long terme en 7onction e 8''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' ?3
Eigure %@' Gomtrie es coAts marginau1 e pollution et niveau1 optimau1 =missions ''''''''''''''''''''''''''' ?&

-ableau %' Les variables et paramtres ans un mole e mnage agricole ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' (
-ableau (' Les 7onctions e emane =intrant ans les problmes e ma1imisation u pro7it et e
minimisation u coAt e prouction ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 3&
-ableau 3' +llocation e77icace es ressources prouctives ans une conomie '''''''''''''''''''''''''''''''''''''''''''''''''''''''' ?@

-;orme %' Le t;orme e Lagrange < n variables et une contrainte ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' @
-;orme (' Le t;orme e Lagrange3 n variables et m contraintes ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' :
-;orme 3' Matrice non singlulire ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' B
-;orme 0' Conition su77isante u eu1ime orre pour un ma1imum 2minimum43 ( variables et %
contrainte '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' %(
-;orme @' Conitions u eu1ime orre3 n variables3 une contrainte ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' %B
-;orme ?' Conitions u eu1ime orre3 n variables3 m contraintes3 m F n'''''''''''''''''''''''''''''''''''''''''''''''''''''''' (%
-;orme &' ''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' ((
-;orme :' ,nterprtation u multiplicateur e Lagrange3 ( variables e c;oi13 une contrainte '''''''''''''''''' (@
-;orme B' ,nterprtation u multiplicateur e Lagrange3 n variables e c;oi13 m contraintes '''''''''''''''''''' (?
-;orme %6' ,nterprtation u multiplicateur e Lagrange3 n variables e c;oi13 m contraintes ''''''''''''''''' (?
-;orme %%' Les proprits e la 7onction e coAt '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 3:
-;orme %(' Le t;orme e #;ep;ar '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' 3:


+nreoni3 G' H Levinson3 +'3 (66%' -;e simple analItics o7 t;e environmental JuKnets curve' 9ournal of
:ublic *conomics3 :62(43 p'(?B9(:?'
+rroL3 J'G' H Ent;oven3 +'C'3 %B?%' /uasi9Concave Programming' *conometrica3 (B2043 p'&&B9:66'
Mar;an3 P'J' H $rI3 C'3 %BBB' 4evelopment microeconomics3 .17or $niversitI Press3 $#+'
Men>amin3 D'3 %BB(' *ouse;ol Composition3 Labor MarNets3 an Labor Deman< -esting 7or #eparation in
+gricultural *ouse;ol Moels' *conometrica3 ?62(43 p'(:&93(('
DieLert3 O'E'3 %B&%' +n +pplication o7 t;e #;ep;ar DualitI -;eorem< + GeneraliKe Leontie7 Prouction
Eunction' 9ournal of :olitical *conom.3 &B2343 p'0:%9@6&'
Di1it3 +'J'3 %BB(' Optimi,ation in *conomic ;heor. (
e
'3 .17or $niversitI Press'
DuleI3 L' H Montmarquette3 C'3 %B&?' + Moel o7 t;e #upplI o7 Milateral Eoreign +i' ;he 6merican
*conomic <evie73 ??2%43 p'%3(9%0('
Ge;le3 G'+'3 %BB%' 6dvanced =icroeconomic ;heor.3 EngleLoo Cli77s3 !G< Prentice9*all ,nternational'
+vailable at< ;ttp<PPbooNs'google'7rPbooNsQi5/la&P/++C++G'
Bibliographie
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
iv
Jlein3 L'"' H "ubin3 *'3 %B0&' + Constant9$tilitI ,ne1 o7 t;e Cost o7 Living' ;he <evie7 of *conomic 5tudies3
%@2(43 p':09:&'
Lonar3 D' H Long3 !' van3 %BB(' Optimal control theor. and static optimi,ation in economics3 Cambrige<
Cambrige $niversitI Press'
Mis;ra3 #'J'3 (66&' + Mrie7 *istorI o7 Prouction Eunctions' 55<> e!ibrar.' +vailable at<
;ttp<PPpapers'ssrn'comPsol3Ppapers'c7mQabstractRi5%6(6@&& SConsult septembre %&3 (6%(T'
Perman3 "' et al'3 (663' >atural resource and environmental economics 3r '3 *arloL< Pearson Eucation'
#ilberberg3 E'3 %BB6' ;he structure of economics: a mathematical anal.sis (
e
'3 McGraL9*ill Pub' Co'
#imon3 C'P' H Mlume3 L'3 %BB:' =athmatiques pour conomistes3 De MoecN #uprieur'


Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
1
Chapitre 2. Optimisation sous contrainte en quation
Lionel "obbins 2%B3( 6n *ssa. on the >ature and 5inificance of *conomic 5cience4 <
l=conomie est une science qui tuie le comportement ;umain comme une relation
entre une ;irarc;ie onne e 7ins et es moIens rares qui ont es usages alternati7s
Cette 7inition e l=conomie signi7ie que tout problme =allocation es ressources
entre es usages alternati7s est un problme e nature conomique' Dans l=approc;e
noclassique3 ce problme est trauit ans les termes =un problme =optimisation oU
les variables =intrDt ne peuvent prenre certaines valeurs ou plus gnralement sont
contraintes'
( )
n , ,
x , , x , x
x x , x f max
n
L
L
2 1
1 1

sous
Eonction =ob>ecti7s
g2x%3 x(3V3xn4 5 ) Contrainte2s4 en quation
h2x%3 x(3V3xn4 ) Contrainte2s4 en inquation
La 7onction =ob>ecti7 f pen e n variables et est W valeurs sur < f <
n

Les contraintes en quation sont crites e manire gnrale avec un membre roit
gal 6' L=ensemble es contraintes en quation 7orme une application e
n
ans
m

oU m est le nombre e contraintes 7ormant les lignes e la matrice g < g <
n

m

Les contraintes en inquation sont gnralement crites comme une 7onction 6
ans les problmes e minimisation ou 6 ans les problmes e ma1imisation'
L=ensemble e ces contraintes 7orme une application e
n
ans
p
oU p est le
nombre e contraintes en inquation 7ormant les lignes e la matrice h < h <
n

p

.ptimiser f sur un ensemble U inclus ans
n
sous les contraintes g et h revient W
optimiser f sur l=ensemble es ralisables encore appel ensemble es solutions
amissibles Xx U ? g 5 264 Y h 264ZoU 264 signe le vecteur nul
.n it que les 7onctions " et g 7inissent le omaine es ralisables'
E1emples < problme u consommateur3 arbitrage consommation loisirs 2o77re e
travail43 ma1imisation u pro7it en CPP3 moles e mnages agricoles oU le problme
pos est le suivant 22Mar;an H $rI %BBB4 voir galement Men>amin 2%BB(44 <
{ } { } { }
( )
2 1 2 1
, , , , ,
, , , max
2 , 1 2 , 1 2 , 1
l l c c U
m h h
i
f
i i
m
i i i
A A L L L c
= = =
2%4
i reprsente les membres u mnage
sous la contrainte bugtaire <
( ) ( ) ( )
m m m h h
rA L L w A L F rA wL c c p + + + + + +
2 1 2 1
, 2(4
sous les contraintes e l=e1ploitation <
h f f
L L L L + + =
2 1
234
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
2
h f
A A A + = 204
sous les contraintes u mnage <
m f A
A A E + = 2@4
i
m
i
f
i
L
i
l L L E + + = 3 i 5 %3 ( 2?4
Tableau 1. Les variables et paramtres dans un modle de mnage agri!ole
ci Consommation es inivius
li Loisir es inivius i 5 %3 (
r 3 73 p Pri1 es intrants 2terre et travail43 pri1 es biens e consommation
234
h f f
L L L L + + =
2 1

La quantit e travail utilise sur l=e1ploitation ! est la somme u travail
7ourni par les inivius sur l=e1ploitation 2!i
f
4 et u travail lou en9e;ors
e l=e1ploitation !
h

204
h f
A A A + =
La quantit e terre utilise sur l=e1ploitation est la somme e la terre u
mnage consacre W l=e1ploitation 6
f
et e la terre loue 6
h


2@4
m f A
A A E + = Y
2?4
i
m
i
f
i
L
i
l L L E + + =
Dotation en ressources 2terre et temps4 u mnage'
-erre < somme e la terre utilise sur l=e1ploitation et e la terre loue W
=autres e1ploitations Y
-emps < somme u temps consacr au travail sur l=e1ploitation3 venu sur
le marc; et au loisir par c;aque iniviu
(2!3 64 Eonction e prouction agricole qui pen e la terre et u travail
utiliss sur l=e1ploitation
U Eonction =utilit qui pen es quantits consommes e biens et e
loisir par les inivius appartenant au mnage
Le problme prcent peut Dtre simpli7i en substituant 2343 2043 2@4 et 2?4 ans 2(4 <
( ) ( ) ( ) ( ) ( ) ( )
f A f L f L f f f
A E r l L E l L E w A L F A A r L L L w c c p + + + + + +
2 2 2 2 1 1 2 1 2 1
,
aprs simpli7ication <
( ) ( ) ( )
A L L
rE l E l E w A L F rA wL c c p + + + + + +
2 2 2 1 2 1
, aprs arrangement es termes <
( ) ( ) ( ) ( )
A L L
rE E E w rA wL A L F l l w c c p + + + + + +
2 1 2 1 2 1
, soit
( ) ( ) ( ) ( )
A L L
rE E E w r w A L l l w c c p + + + + + +
2 1 2 1 2 1
, ; , avec ( ) ( ) rA wL A L F r w A L , , ; ,
Le membre gauc;e e l=inquation est la somme es penses u mnage3 I compris
les penses en loisirs ont le pri1 est 7 < le membre roit est le revenu complet u
mnage agricole3 somme u pro7it agricole et es revenus es acti7s u mnage
2terre3 temps4' Le problme evient <
{ } { }
( )
2 1 2 1
, , ,
, , , max
2 , 1 2 , 1
l l c c U
A L l c
i i i i = =
sous la contrainte bugtaire complte u mnage <
( ) ( ) ( ) ( )
A L L
rE E E w r w A L l l w c c p + + + + + +
2 1 2 1 2 1
, ; ,
Ce c;apitre ,, est consacr au1 problmes =optimisation sous contraintes en
quation Y le c;apitre ,,, est consacr au1 problmes =optimisation sous contraintes en
inquation' Les contraintes ne peuvent pas Dtre 7ormules comme es ingalits 2par e1
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
3
0 x 4 ou comme es ingalits strictes < les contraintes en inquations sont tou>ours
7ormules comme es ingalits larges'
Plan <
.n prsente les rsultats 7onamentau1 e l=optimisation sous contrainte en quation
avec notamment le t;orme e Lagrange < paragrap;e %Y
Puis une application conomique 2la minimisation u coAt4 < paragrap;e ( p' 33
En7in es e1ercices < paragrap;e 3 p' 03
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
4
1. Rappels
Prliminaire < reprsentation grap;ique =un problme =optimisation sous
contrainte en quation <
*igure 1. ,ptimisation sous !ontrainte en uation - optimum et tangente






























2x4 termine l=ensemble es ralisables ans un problme e ma1imisation Y 2x4 termine
l=ensemble es ralisables ans un problme e minimisation' Le point x. est le seul point oU les pentes
es courbes e niveau e la contrainte et e l=ob>ecti7 sont gales et la contrainte respecte'
1.1. L/ &0T1,20 20 L/34/530
.n opte pour une prsentation progressive < % contrainte puis un nombre quelconque
e contraintes' Le principe u t;orme e Lagrange pour rsoure les problmes
=optimisation avec contraintes en quation est la trans7ormation e celui9ci en un
problme =optimisation non contraint comportant une 2es4 variable2s4
supplmentaire2s43 le 2les4 multiplicateurs e Lagrange ont le nombre est gal au
nombre e contraintes en quation
1.1.1. Un cas particulier : n variables de choix, une contrainte
1.1.1.1.Le problme pos
Le problme pos est le suivant <
Ma1x 2Min4 f2x%3V3xn4 sous 2x%3V3xn4 5 6 2P%4
g(x) 0
1[
f
6
f
%
f
(
g(x) 0
f
(
f
%
f
6
1[
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
5
Thorme 1. Le thorme de Lagrange - n variables et une !ontrainte
#oit f et g eu1 7onctions e n variables e classe C
(
W valeurs sur Y
#oit x[ 5 2x%[3 x([3V3 xn4 une solution au problme e ma1imisation 2minimisation4 2P%4 <
ma1 2min4 f2x%3 V3 xn4 sous la contrainte 2x%3 V3 xn4 5 6 W l=e1ception e toute autre
contrainte comme es contraintes e non ngativit es variables e c;oi1
Dans l=;Ipot;se oU la contrainte e quali7ication est respecte <
42x[4 2)4 2&4
+lors il e1iste un rel [ tel que 2x%[3 x([3V3 xn3 4 soit un point stationnaire e la 7onction
e Lagrange 7inie e
n8%
vers e la manire suivante <
( ) ( ) ( )
n n n
x , , x g x , , x f , x , , x L L L l
1 1 1
+ 2:4
En =autres termes 2x%[3 x([3V3 xn3 [4 est une solution u sIstme suivant <
( ) ( )
( )

=
=
0 ,
,
* *
* *
x
0 x
l
l
i
x
i 5 %3 V3n soit
( ) ( )
( )

=
= +
0 ,
0 , ,
* *
* * * * *
x
x x
g
x g x f
i i
i 5 %3 V3n 2B4
encore not <
( ) ( ) 0 x =
* *
, l
#ources < 2Di1it %BB(3 p'(?Y #imon H Mlume %BB:3 p'??64
La contrainte 7init un ensemble es ralisables' + l=optimum3 la 7onction e
Lagrange est la 7onction f compte tenu e la contrainte ' L=intrDt u t;orme e
Lagrange est =avoir montr que la 7onction e Lagrange est une combinaison linaire
e la 7onction =ob>ecti7 et e la contrainte' Le t;orme e Lagrange complique
apparemment le problme =optimisation que l=on pourrait rsoure par substitution
es variables e c;oi1 par les contraintes e la 7onction =ob>ecti7s' ,l est cepenant un
outil plus puissant <
Permet e rsoure es problmes non linaires oU la substitution e la contrainte
ans la 7onction =ob>ecti7s3 est malaise voire impossible Y
Permet e 7inir e nouvelles variables3 le2s4 multiplicateur2s4 qui a 2ont4 une
interprtation conomique intressante < mesure2nt4 l=e77et marginal u
esserrement 2ou u resserrement4 e la contrainte sur la 7onction =ob>ecti7s
value W l=optimum 2paragrap;e %'3'%'% W partir e la page (34 Y
Le sIstme 2B4 onn par le t;orme e Lagrange <
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
6
!=est valable que si la conition e quali7ication 2&4 est respecte < celle9ci porte sur la
matrice >acobienne e la contrainte qui oit Dtre i77rente u vecteur nul' En =autres
termes3 pour pouvoir utiliser le t;orme e Lagrange3 il 7aut liminer les points
stationnaires e la contrainte'
%
Cela ne signi7ie pas pour autant que les points
stationnaires e la contrainte oivent Dtre limins3 ils oivent Dtre consirs en
supplment es points stationnaires ienti7is par la mt;oe e Lagrange'
(

Donne une conition ncessaire e %
er
orre 2C!P.4 qui permet e circonscrire la
rec;erc;e es optima < est utilisable ans un problme e minimisation ou e
ma1imisation qui se istinguent par les C(. Y
La conition e quali7ication3 qui stipule qu=au moins une es rives partielles e la
contrainte n=est pas nulle3 est importante car est une conition pralable 2ncessaire4 W
l=utilisation u t;orme e Lagrange' #i elle n=tait pas respecte3 rien n=assurerait que
le multiplicateur [ est unique pour un point stationnaire 2x%[3 x([3V3 xn4' En outre3 tout
se passerait comme si W l=optimum3 la contrainte n=avait aucun e77et sur l=ob>ecti7 <
( ) ( ) ( ) 0 , 0 , ,
* * * * * * *
= = + x x x
i i i
x f x g x f quel que soit i si 2&4 n=est pas
respecte Y
En bre73 une rec;erc;e complte =un optimum peut Dtre 7aite en rec;erc;ant e (
manires les points caniats <
Les points caniats qui satis7ont l=quation 2B4 cW qui annulent les rives
partielles e la 7onction e Lagrange en x et satis7ont la contrainte 2x4 5 6 2qui
7init le omaine es ralisables4 Y
Les points caniats qui annulent la matrice >acobienne e la contrainte et la
contrainte 2x4 5 6
Le sIstme 2B4 est gnralement non linaire par rapport W ses arguments ce qui
implique que ni l=e1istence3 ni l=unicit ni encore le caractre conomiquement plausible
=une solution ne sont garanties 2mais pour un point stationnaire3 un multiplicateur et

%
Lorsque les points stationnaires appartiennent au omaine es ralisables i.e. satis7ont la contrainte
alors il 7aut les traiter e la mDme manire que les points caniats termins par la mt;oe e
Lagrange' ,l I a onc ( tIpes e points caniats' Pour isposer =une mt;oe unique e termination
es solutions =un problme e ma1imisation 2ou e minimisation4 sous contrainte3 notamment quan on
ne prcise pas les 7ormes 7onctionnelles es contraintes3 on ispose =une mt;oe unique3 la mt;oe e
Lagrange gnralise' Celle9ci repose sur l=introuction =un multiplicateur supplmentaire3 associ W la
7onction =ob>ecti7s' Pour plus e veloppement sur ce critre3 cf. 2#imon H Mlume %BB:3 p'&%B4' Par
e1emple3 il est impossible e terminer par le t;orme e Lagrange la solution au problme e
ma1imisation suivant < ma1 en c;oisissant x% et x( la 7onction f2x% 3 x(4 5 x% sous la contrainte h2x% 3 x(4 x%
3

8 x(
(
5 6 alors que grap;iquement le point 263 64 est un point caniat' En utilisant le t;orme e
Lagrange gnralis3 on peut rsoure analItiquement le problme'
(
Le non respect e la conition e quali7ication e la contrainte peut Dtre galement le rsultat =une
contrainte mal spci7ie 2Di1it %BB(4
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
7
un seul est associ4' .n peut cepenant s=assurer u caractre plausible e la solution3
comme par e1emple es quantits ou es pri1 positi7s3 en a>outant es contraintes en
inquation3 ce qui est notamment trait par le t;orme e Ju;n et -ucNer 2cf. infra
c;apitre ,,,4 Dans le cas oU il e1isterait plusieurs solutions3 il 7aut recourir W une C(.'
1.1.1.2.0xemples
%'%'%'('%' ma1 f2x%3 x(4 5 x%
(
x( sous 2x%3 x(4 5 6 7ini par (x%
(
8 x(
(
5 3
Donn en e1ercice3 paragrap;e 3'%'%'( p' 03' La conition e quali7ication e la
contrainte permet e montrer que les points stationnaires e la contrainte
n=appartiennent pas au omaine es ralisables <

0
0
2
1
x
g
x
g

=
=
0
0
2
1
x
x
' Ce point ne satis7ait pas la contrainte < n=est pas un point caniat
.n peut poser le Lagrangien e la manire suivante <
( ) ( ) 3 2
2
2
2
1 2
2
1 2 1
+ x x x x , x , x l
Distinguer ( cas < x% 5 6 puis 6' Les ? points stationnaires sont < 26 Y 3 Y 643 2% Y % Y 9
\43 29% Y % Y 9\43 2% Y 9% Y \43 29% Y 9% Y \4' .n rutilisera cet e1emple pour illustrer
l=interprtation u multiplicateur < paragrap;e %'3'%'%'% p' (3' "emarque < poser la
7onction e Lagrange e la manire suivante ( ) ( ) 3 2
2
2
2
1 2
2
1 2 1
+ + x x x x , x , x l ne
c;ange pas les couples x%[ et x([ et onc la valeur e f[' Cela a77ecte seulement le signe
es multiplicateurs'
%'%'%'('(' ma1 f2x%3 x(3 x34 5 (x%x( x3 sous 2x%3 x(3 x34 5 6 7ini par 3 9 x%
(
9 x(
(
9 x3
(
5 6
]oir 2Lonar H Long %BB(3 p'(B4' La conition e quali7ication e la contrainte
onne le triplet 263 63 64 qui n=appartient pas au omaine es ralisables' La 7onction e
Lagrange corresponante est <
( ) ( )
2
3
2
2
2
1 3 2 1 3 2 1
3 2 , , , x x x x x x x x x + l
]oir la rsolution paragrap;e 3'%'%'3 p' 0?'
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
8
1.1.2. !e cas nral : n variables de choix, m contraintes
1.1.2.1.Le problme pos
Le problme est maintenant
Ma1x 2Min4 f2x%3V3xn4 sous

%
2x%3V3xn4 5 6
V

m
2x%3V3xn4 5 6
2P(4
Thorme 2. Le thorme de Lagrange6 n variables et m !ontraintes
#oit f et
@
@ 5 %3Vm es 7onctions e n variables e classe C
%
W valeurs sur Y
#oit x[ 5 2x%[3 x([3V3 xn4 une solution au problme e ma1imisation 2minimisation4 2P(4
suivant <
ma1 2min4 f2x%3 V3 xn4 sous les contraintes g2x%3 V3 xn4 5 6 2sans =autres contraintes
comme es contraintes e non ngativit es variables e c;oi14
Dans l=;Ipot;se oU la contrainte e quali7ication en x[ est respecte <
42x[4 est e rang m 2F n4 2%64
+lors il e1iste m rels
@
[ tels que 2x[3 [4 soit un point stationnaire e la 7onction e
Lagrange 7inie e la manire compacte suivante <
( ) ( ) ( )
( ) ( ) 1 1 1 1
+
m . m
f , x g x x l
2%%4
En =autres termes 2x[3 [4 est une solution u sIstme suivant <
( ) ( )
( ) ( )

= =
= =
m j
n i x
j
i
L l
L l
1 , *,
1 , *,
*
*
0 x
0 x
2%(4
ou encore
( ) ( ) 0 x
*
= ,
*
l
#ources < 2Lonar H Long %BB(3 p'(%Y #imon H Mlume %BB:Y Ge;le %BB%3 p'0B%4
Le sIstme =quations 2%(4 comporte n 8 m quations et autant =inconnues' La
conition e quali7ication evient une conition e rang <
Elle garantit l=unicit es
@
c=est9W9ire l=unicit es cooronnes =un point
stationnaire ans un espace vectoriel ont la imension est termine par le
nombre m e contraintes Y
Elle ne garantit pas cepenant pas l=unicit u point stationnaire3 ni son caractre
plausible =un point e vue conomique'
1.1.2.2.La !ondition de uali"i!ation
La conition e quali7ication concerne la matrice >acobienne e la 7onction g 3 note
4g2x43 reprsente sous la 7orme =une matrice ont les lignes sont constitues es m
graients es contraintes ' La gnralisation e la conition e quali7ication encore
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
9
appele conition e rang nonce que le rang e 4g2x4 est ma1imal et gal W m' .n
limine onc les points stationnaires es contraintes reprsentes par la matrice g'
3
La
matrice >acobienne e la contrainte est e imension 2m 1 n4 et est un vecteur es
graients e la 7onction g <
( ) ( ) ( ) ( )


|
|
|
|
|
|

\
|

x x x
m
n
m m
n
g g
x
g
x
g
x
g
x
g
Dg L
L
M O M
L
1
1
1
1
1
avec ( )
( )
( )
|
|
|

\
|


=
n
j
j
x g
x g
g
x
x
x M
1

#i la conition e quali7ication est vri7ie3 les contraintes sont linairement
inpenantes i.e. il n=I a pas e contrainte reonante' #i le rang e la matrice
>acobienne tait in7rieur W m cela signi7ierait qu=une ou plusieurs contraintes
pourraient Dtre limines sans a77ecter le omaine es ralisables' L=importance e cette
conition est mise en vience notamment avec l=interprtation gomtrique u
t;orme e Lagrange' En e77et3 imposer que les m graients sont linairement
inpenants permet e les consirer comme une base =un sous9espace vectoriel e
imension m qui permet e calculer les cooronnes u point caniat'
2"inition 1. 4ang dune matri!e
#oit une matrice 6 e imension 2m 1 n4 ont on consire les 2vecteurs4 lignes 6%3 V3 6m
sparment' C;aque ligne est note 6i 5 2ai% V ain4 i 5 %3V3m' #i ces m vecteurs lignes
appartiennent W un espace e imension m alors il est impossible =crire un e ces
vecteurs lignes comme une combinaison linaire es autres' +utrement it si
A%'6%8V8Am'6m 5 6 oU les Ai sont es scalaires alors Ai 5 63 i 5 %3V3m' .n it que les 6i sont
linairement inpenants'
Dans une matrice 63 le nombre e lignes linairement inpenantes est appel rang e
la matrice' #i 6 est e imension 2m 1 n4 et n ^ m alors le rang ma1imum e 6 est m'
#ource < 2#ilberberg %BB63 p'%@%4
Thorme 3. &atri!e non singlulire
#oit 6 est une matrice carre e 7ormat n' Le rang e 6 est gal W n ssi 6 6' .n it
alors qu=elle est non singulire'
2"inition 2. 7oint rgulier
#oit g <
n

p
' .n it que x
)
est un point rgulier e g ssi le rang e la matrice
>acobienne en ce point 4g2x
)
4 est gal W p

3
La notion e lagrangien gnralis permet e istinguer les points stationnaires e la 7onction =ob>ecti7s
es points stationnaires es contraintes 2#imon H Mlume %BB:3 p'&%B4
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
10
1.1.2.3.0xemple
D=aprs 2#imon H Mlume %BB:3 p'??@4' Le problme est le suivant <
Ma1 f2x%3 x(3 3x34 x%x(x3 sous les ( contraintes <

%
2x%3 x(3 3x34 x%
(
8 x(
(
% 5 6

(
2x%3 x(3 3 x34 x% 8 x3 % 5 6
La premire contrainte 7init un cIlinre ans l=espace 2x%3 x(3 x34 alors que la
secone 7init un plan' Le omaine es ralisables se situe onc W l=intersection es ('
La matrice >acobienne es contraintes est la suivante <
( )
|
|

\
|

|
|
|
|
|
|

\
|

1 0 1
0 2 2
2 1
3
2
2
2
1
2
3
1
2
1
1
1
x x
x
g
x
g
x
g
x
g
x
g
x
g
Dg x
,l 7aut rec;erc;er les valeurs e x%3 x(3 x3 pour lesquels le rang e la matrice est
strictement in7rieur W ( < on rec;erc;e les valeurs e x%3 x(3 3x3 pour lesquelles la
eu1ime ligne est une combinaison linaire e la premire' .n constate que pour les
valeurs x% 5 6 et x( 5 63 la conition e rang n=est pas satis7aite' De plus pour n=importe
quel triplet comportant x% 5 6 et x( 5 6 la premire contrainte n=est pas satis7aite3 i'e'
n=appartient pas au omaine es ralisables < un triplet tel que x% 5 6 et x( 5 6 ne peut
onc pas Dtre consir comme un point caniat' Cf. la rsolution u pb ans 2#imon H
Mlume %BB:3 p'???4
#i on moi7ie une es contraintes e la manire suivante <

%
2x%3 x(3 3x34 x%
(
8 x(
(
8 (x3 5 6
La matrice >acobienne u pb prcent evient <
( )
|
|

\
|
=
1 0 1
2 2 2
2 1
x x
Dg x
Pour les triplets 2%3 63 x34 le vecteur ligne e la premire ligne evient une
combinaison linaire u secon' De plus3 pour ces triplets3 la premire contrainte est
respecte3 ainsi que la secone' Ce triplet peut onc Dtre consir comme un point
caniat'
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
11
1.2. C,52+T+,58 29 209:+0&0 ,4240
Comme ans un problme =optimisation libre3 le t;orme e Lagrange ne onne
que es conitions ncessaires i.e. ienti7ie seulement les points stationnaires < si x[ est
un optimum alors il vri7ie les conitions 2%(4' .n peut avoir plusieurs problmes <
absence e solution3 multiplicit es solutions 2on a alors es optima locau143 pas e
istinction es minima es ma1ima'' Pour rsoure ces problmes3 on recourt au1 C(.'
Ces conitions concernent comme ans un problme =optimisation libre3 les rives
secones e la 7onction e Lagrange c=est9W9ire sa courbure et onc la matrice
;essienne qui lui est associe'
1.2.1. Un cas particulier : 2 variables de choix et une contrainte
1.2.1.1.2mar!he
.n consire le problme e ma1imisation 2P%4 ans le cas e ( variables e c;oi1' La
conition u (
me
orre repose sur la concavit e la matrice ;essienne
*
D
xx
l
2
matrice
es rive secone e la 7onction e Lagrange uniquement par rapport W x'
Ma1 f2x%3 x(4 sous 2x%3 x(4 5 6
.n 7init la 7onction e Lagrange associe au problme <
( ) ( ) ( )
2 1 2 1 2 1
, , , , x x g x x f x x + l
D=aprs le t;orme e Lagrange si x. ma1imise f sous alors il e1iste [ tel que les
rives partielles e la 7onction e Lagrange s=annulent en 2x.3 .4 <
( ) 0
1
=
* *
, x l Y ( ) 0
2
=
* *
, x l Y ( ) 0 ,
* *
=

x l


Pour tablir les C(. ans un problme e ma1imisation contrainte e manire
analogue W celle utilise ans un problme e ma1imisation libre3 il 7aut tablir les
conitions e la concavit e la 7onction e Lagrange en x' Dans l=;Ipot;se oU la
7onction e Lagrange est e classe C
(
3 on peut tablir la matrice ;essienne
*
D l
2
qui est la
matrice ;essienne e la 7onction e Lagrange value en 2x.3 [4' Celle9ci est une matrice
carre =orre 3 sImtrique et bore3 c=est9W9ire <
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
12
|
|
|

\
|
+ +
+ +
=
0
*
2
*
1
*
2
*
22
* *
22
*
12
* *
12
*
1
*
12
* *
12
*
11
* *
11
* 2
g g
g g f g f
g g f g f
D l
|
|
|
|

\
|
0
2 1
2 22 12
1 12 11
* *
* * *
* * *
g g
g
g
l l
l l

|
|
|

\
|

0
2
*
* *
Dg
Dg D
xx
l

Constitue e
*
D
xx
l
2
la matrice es rives secones e la 7onction e Lagrange par
rapport W x3 value en 2x[3[4 Y
More par la matrice >acobienne e la 7onction reprsentant la contrainte3 4[
Le 7ait que la matrice ;essienne e la 7onction e Lagrange soit bore simpli7ie
l=analIse 2ans le cas oU n 5 (4' En e77et3 au lieu =tuier le signe es terminants es
mineurs principau1 e
*
D l
2
3 ici au nombre e 33 il su77it =tuier le signe =un seul e
ces terminants3 W savoir
*
D l
2
ont l=e1pression est la suivante <
*
11
2
*
2
*
22
2
*
1
*
2
*
1
*
12
* 2
2 l l l l g g g g D =
Plus prcisment3 une conition su77isante u (
me
orre pour que x[ soit un
ma1imum 2minimum4 est que ce terminant soit strictement positi7 2ngati74' Ce
rsultat est prcis ans le t;orme suivant <
Thorme 4. Condition su""isante du deuxime ordre pour un maximum ;minimum<6 2 variables et
1 !ontrainte
#oient f et eu1 7onctions e classe C
(
W valeurs sur ' #oit le problme e
ma1imisation 2minimisation4 Ma1 2Min4 f2x%3 x(4 sous 2x%3 x(4 5 6' .n 7orme le
Lagrangien corresponant W ce problme <
( ) ( ) ( )
2 1 2 1 2 1
, , , , x x g x x f x x + l
#i 2x.6 [4 est un point stationnaire e la 7onction e Lagrange3 la conition e
quali7ication e la contrainte remplie3 et le terminant valu en ce point
2 *
l est
positi7 2ngati74 alors x. est un ma1imum 2minimum4 local e f ans l=ensemble es
ralisables Xx tels que 2x4 5 6Z
"emarques <
Le signe e la borure importe peu' #i on multiplie la ernire ligne et la ernire
colonne par 29%4 on ne c;ange pas le signe e
*
D l
2
car le nombre e multiplications
est pair' Ceci permet par e1emple e spci7ier la contrainte bugtaire sous la 7orme
p'x < 5 6 ou bien < 9 p'x 5 6' .n peut vri7ier <
0 0
1 1
1 22 12
1 12 11
1 1
1 22 12
1 12 11
2
* *
* * *
* * *
* *
* * *
* * *
*
g g
g
g
g g
g
g
D

= l l
l l
l l
l l
l
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
13
Le terminant e
*
D l
2
est gal W l=oppose e la 7orme quaratique suivante ou la
matrice sImtrique est la matrice es rives secones
*
D
xx
l
2
' .n constate que la
conition u (
me
orre pen e la concavit e la 7onction e Lagrange en x[ <
( )
|
|

\
|

*
1
*
2 * 2 *
1
*
2
* 2
g
g
D g g D
xx
l l
Comme ans un problme non contraint3 la C(. su77isante 2avec ingalits strictes4
est valable au moins pour es optima locau1 Y
#i le terminant nul3 le point stationnaire n=est ni un ma1imum ni un minimum'
Dans ce cas3 il 7aut noncer la C(. ncessaire 2avec ingalits larges4 et tuier 2en
principe4 les rives =orre 3 et 0
1.2.1.2.+nterprtation gomtriue - la !ourbure relative des !ourbes
de niveau de la "on!tion dob=e!ti" et de la !ontrainte
Cf. 2Di1it %BB(3 p'%6BY #ilberberg %BB63 p'%&34' .n repren le problme prcent <
Ma1 f2x%3 x(4 sous 2x%3 x(4 5 6
Et on 7ait eu1 ;Ipot;ses supplmentaires qui sont couramment 7aites ans les
applications conomiques< f%3 f( et %3 ( les rives partielles premires e la 7onction
=ob>ecti7 et e la contrainte sont positives 2continues et rivables4' E1aminer la
courbure e la 7onction e Lagrange3 revient W e1aminer la courbure relative e la
7onction =ob>ecti7s et e la contrainte au voisinage e x[' En consirant la Eigure % on
peut avoir l=intuition es courbures relatives e l=ob>ecti7 et e la contrainte <
%4 Dans un problme e ma1imisation3 les courbes e niveau e la 7onction
=ob>ecti7s ont une conve1it plus prononce que la contrainte' Par e1emple3 ans
le problme u consommateur3 les courbes =ini77rence sont conve1es et la
contrainte linaire ans un plan 7ini par les variables e c;oi1' .n peut 7ormuler
cette proposition =une manire i77rente < la 7onction =ob>ecti7 vri7iant la
contrainte W l=optimum est concave Y
(4 Dans un problme minimisation3 la courbe e niveau 7inie par la contrainte a
une conve1it plus 7orte que celles corresponant W la 7onction =ob>ecti7s' Dans le
problme e la minimisation u coAt e prouction3 la contrainte est linaire alors
que les isoquants sont conve1es par rapport W l=origine'
.n compare les e1pressions e <
*
0
2
1
2
2
f
dx
x d
et
*
2
1
2
2
g
dx
x d

En =autres termes on compare le egr e conve1it es courbes e niveau
reprsentant l=ob>ecti7 et la contrainte' .n sait que <
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
14
*
*
f
f
f
dx
dx
*
2
1
1
2
0
= et que
*
*
g
g
g
dx
dx
*
2
1
1
2
= '
En rivant ces ( e1pressions par rapport W x% en tenant compte que x( en pen3 il
vient <
3
*
2
2
*
1
*
22
*
12
*
2
*
1
2
*
2
*
11
2
1
2
2
2
*
0
f
f f f f f f f
dx
x d
f
+
=
+vec un raisonnement similaire3 on tablit <
3
*
2
2
*
1
*
22
*
12
*
2
*
1
2
*
2
*
11
2
1
2
2
2
* g
g g g g g g g
dx
x d
g
+
=
Les CP. sont < ( ) 0
1
=
* *
, x l Y ( ) 0
2
=
* *
, x l soit
*
1
*
1
g f = Y
*
2
*
2
g f = ' Dans les
;Ipot;ses 7aites sur les rives partielles premires il vient < 0
*
1
*
1
> = g f et
0
*
2
*
2
> = g f =oU ( ) ( ) ( ) 0
3
*
1
3
*
1
3
3
*
1
> = = g signe g signe f signe
+prs simpli7ications3 on tablit l=e1pression e la conve1it e la 7onction =ob>ecti7 W
l=optimum3 ont le numrateur est positi7' En =autres termes3 le signe e l=e1pression
suivante3 pen e son numrateur <
3
*
2
2
*
1
*
22
*
12
*
2
*
1
2
*
2
*
11
2
1
2
2
2
*
0
g
g f f g g g f
dx
x d
f

+
=
.n ruit l=e1pression e la conve1it e la 7onction au mDme nominateur
2multiplication par 94 <
3
*
2
2
*
1
*
22
*
12
*
2
*
1
2
*
2
*
11
2
1
2
2
2
* g
g g g g g g g
dx
x d
g

+
=
.n calcule l=e1pression suivante qui permet e mesurer la conve1it relative es
courbes e niveau e l=ob>ecti7 et e la contrainte au ma1imum x[ <
*
*
g
f
dx
x d
dx
x d
2
1
2
2
2
1
2
2
0
5
( ) ( ) ( )
3
*
2
2
*
1
*
22
*
22
*
12
*
12
*
2
*
1
2
*
2
*
11
*
11
2
g
g g f g f g g g g f

+ + + +

Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
15
=oU
3
*
2
2
*
1
*
22
*
12
*
2
*
1
2
*
2
*
11
2
g
g g g g

+

l l l
et <
3
*
2
* 2
2
1
2
2
2
1
2
2
*
*
0
g
D
dx
x d
dx
x d
g
f

=
l

* 2
2
1
2
2
2
1
2
2
*
*
0
l D signe
dx
x d
dx
x d
signe
g
f
=
|
|
|
|

\
|
puisque 0
3
*
2
> g
Le numrateur e cette e1pression pen u terminant e la matrice ;essienne
e la 7onction e Lagrange value au ma1imum' #i x. est un ma1imum l=e1pression
prcente est positive3 soit
0
*
*
0
2
1
2
2
2
1
2
2
>
g
f
dx
x d
dx
x d

D=un point e vue gomtrique3 la conve1it e la courbe e niveau e l=ob>ecti7 au
ma1imum est onc plus prononce que celle e la contrainte comme cela est reprsent
Eigure % page 0' $n raisonnement analogue ans le cas =un problme e minimisation3
conuit au mDme rsultat ont il coule une relation =orre contraire <
* 2
2
1
2
2
2
1
2
2
*
*
0
l D signe
dx
x d
dx
x d
signe
g
f
=
|
|
|
|

\
|
Y 0
3
2
>
*
g =oU 0
*
*
0
2
1
2
2
2
1
2
2
<
g
f
dx
x d
dx
x d

En rsum3 la comparaison es courbures relatives e la 7onction =ob>ecti7 et e la
contrainte3 pen irectement e la conition u (
me
orre <
minimum un est quand 0
maximum un est quand 0
* 2
2
1
2
2
2
1
2
2
*
*
0
*
*
g
f
x
x
D signe
dx
x d
dx
x d
signe
<
>
=
|
|
|

\
|
l
+utrement it3 la conve1it e la 7onction =ob>ecti7s est plus 2moins4 prononce
lorsque l=optimum est un ma1imum 2minimum4' .n peut relever ( cas particuliers <
/uan la contrainte est linaire en x ans un problme e ma1imisation3
l=ingalit prcente evient <
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
16
0
* 2
2
1
2
2
*
0
> = l D signe
dx
x d
signe
f
< les courbes e niveau e l=ob>ecti7 sont conve1es par
rapport W l=origine Y
/uan l=ob>ecti7 est linaire en x ans un problme e minimisation3 l=ingalit
prcente evient <
0
* 2
*
2
1
2
2
< = l D signe
dx
x d
signe
g
c=est9W9ire 0
*
2
1
2
2
>
g
dx
x d
signe < les courbes e niveau e la
contrainte sont conve1es par rapport W l=origine'
1.2.1.3.+nterprtation dans le !as dun problme de maximisation
sous une !ontrainte linaire - la uasi>!on!avit de la "on!tion
dob=e!ti"s
Dans ce paragrap;e3 il est montr que la conve1it es courbes e niveau ans les
problmes =optimisation sous contrainte e contraintes 2pb e ma1imisation4 ou
=ob>ecti7s 2pb e minimisation4 linaires3 est lie W la quasi9concavit es 7onctions'
%'('%'3'%' D7inition
$ne 7onction f est ite concave ssi ( ) ( ) ( ) ( ) ( )
b a b a
x f x f x x f + + 1 1 pour tout x
a

et x
b
et pour tout appartenant W S6 Y%T' ,nterprtation < les rives premires sont
croissantes
$ne 7onction f est ite quasi9concave ssi ( ) ( ) ( ) ( ) ( )
b a b a
x f x f x x f , min 1 + pour
tout x
a
et x
b
et pour tout appartenant W S6 Y%T' ,nterprtation < le rapport es
rives premires 2le -M# le long =une courbe =ini77rence par e1emple4 est
croissant'
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
17
2"inition 3. *on!tion uasi>!on!ave
Conition ncessaire'
#i une 7onction f est quasi9concave ont le terminant e la matrice ;essienne bore
est
0
2 1
2 1
2 2 22 21
1 1 12 11
2
r
r rr r r
r
r
r
f f f
f f f f
f f f f
f f f f
f D
L
L
L
L
L
3 r 5 %3V3 n avec n le nombre =arguments e la 7onction
+lors ses mineurs principau1 2matrice bore4 =orre r c;angent e signe < ( ) 0 1
r
r
D '
Par e1emple3 quan n 5 ( <
0
0
1
1 11

f
f f
et 0
0
2 1
2 22 21
1 12 11

f f
f f f
f f f

La rciproque n=est pas 7orcment vraie < la quasi9concavit n=implique pas que les fii
soient non positi7s'
"elation entre la concavit et la quasi9concavit<
9 -outes les 7onctions concaves sont quasi9concaves3 mais la rciproque n=est pas vraie Y
9 $ne trans7ormation monotone =une 7onction concave est quasi9concave'
Conition su77isante' $ne conition su77isante pour que f soit quasi9concave pour x6 est
que le terminant 4r a le mDme signe que 29%4
r
pour tout x et tout r 5 %3 V3 n'
#ource < 2+rroL H Ent;oven %B?%3 p'&:%4
La comparaison u egr e conve1it es courbes e niveau reprsentant l=ob>ecti7
et la contrainte quan cette ernire est linaire est simpli7ie' .n sait que <
*
*
f
f
f
dx
dx
*
2
1
1
2
0
= et que
2
1
*
2
*
1
1
2
*
a
a
g
g
dx
dx
g
= = oU les ai sont les paramtres qui linarisent
la contrainte bugtaire'
La comparaison es courbures es pentes penra uniquement e la concavit e
l=ob>ecti73 puisque <
*
0
*
*
0
2
1
2
2
2
1
2
2
2
1
2
2
f
g
f
dx
x d
dx
x d
dx
x d
=
"emarque <
|
|

\
|
=
|
|

\
|
=
2
1
1 1
2
1
2
1
2
2
f
f
dx
d
dx
dx
dx
d
dx
x d
f f

%'('%'3'(' E1emple
#oit le problme e ma1imisation contraint par une quation linaire <
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
18
( )
2 1
,
, max
2 1
x x f
x x
sous la contrainte 0
2 2 1 1
= x b x b ont la 7onction e Lagrange est <
( ) ( ) ( )
2 2 1 1 2 1 2 1
, , , x b x b x x f x x + l
En 7aisant la i77rentielle totale e l=ob>ecti7 W l=orre % puis ( <
( )
2 2 1 1 2 1
, dx f dx f x x df + = qui est gale W 6 W l=optimum Y
( )
2
2 22 2 1 12
2
1 11 2 1
2
2 , dx f dx dx f dx f x x f d + + = soit ( )
2
1
2
1
2
22
1
2
12 11 2 1
2
2 , dx
dx
dx
f
dx
dx
f f x x f d
|
|

\
|
|
|

\
|
+ + =
puis ( )
2
2
2
1
2
1
2
2
2 22
1
2
2
2 12
2
2 11 2 1
2
2 ,
f
dx
dx
dx
f f
dx
dx
f f f f x x f d
|
|

\
|
|
|

\
|
+ + =
+ l=optimum < ( )
1
2
2 1 2 1
0 ,
dx
dx
f f x x df = = et
2
1
2
2
2
2
1
|
|

\
|
=
dx
dx
f f 3 il vient
( ) ( )
2
2
2
1
2
1 22 1 2 12
2
2 11 2 1
2
2 ,
f
dx
f f f f f f f x x f d + =
Pour que l=optimum soit un ma1imum il 7aut que f soit concave i'e' que le terme entre
parent;ses soit ngati7' .r cette e1pression pen u terminant e la matrice
;essienne bore e f <
|
|
|

\
|
=
0
2 1
2 22 21
1 12 11
2
f f
f f f
f f f
f D ont le terminant ( )
2
1 22 1 2 12
2
2 11
2
2 f f f f f f f f D + =
.n constate immiatement que la concavit e f implique que le terminant e
f D
2
soit positi73 ce qui correspon W la conition su77isante e quasi9concavit'
,ntuitivement3 la quasi9concavit signe la conition minimale pour une solution
intrieure W un problme _optimisation sous contrainte linaire' Contrairement W la
conition ncessaire ans le cas e l_optimisation sans contrainte3 une conition
su77isante pour un optimum onn est que la contrainte est plus conve1e que la 7onction
=ob>ecti7s 2voir paragrap;e %'('%'( ci9essus4
1.2.1.4.+nterprtation dans le !as dun problme de minimisation
ave! un ob=e!ti" linaire et une !ontrainte uasi>!on!ave
]oir paragrap;e ('% W partir e la p' 33'
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
19
1.2.2. Un cas particulier : n variables de choix, 1 contrainte
.n repren le problme e ma1imisation 2P%4 <
Ma1 f2x%3 V3 xn4 sous 2x%3 V3 xn4 5 6
La matrice ;essienne bore corresponante =orre n8% est la suivante <
|
|
|
|
|
|
|

\
|
=
0
1
1
1 1 11
2
*
n
*
*
n
*
nn
*
n
* *
n
*
*
g g
g
g
D
L
l L l
M M O M
l L l
l
|
|
|

\
|

0
2
*
* *
Dg
Dg D
xx
l
avec
xx
D l
2
=orre n
Thorme '. Conditions du deuxime ordre6 n variables6 une !ontrainte
#i le t;orme e Lagrange est vri7i et
#i les mineurs principau1 bors =orre A e la matrice ;essienne bore
*
D l
2
ont le
mDme signe que 29%4
A
3 A 5 (3V3 n alors on a un ma1imum Y
.u bien3
#i les mineurs principau1 bors =orre A e la matrice ;essienne bore
*
D l
2
sont
ngati7s3 A 5 (3V3 n alors on a un minimum
#ource < 2#ilberberg %BB63 p'%&?4
+utrement it3 si les 2n %4 terminants es mineurs principau1 =orre A 3 A 5 (3V3 n
e
*
D
xx
l
2
bore par 42x.4 valus en x. alternent en signe avec le mineur =orre (
positi7 alors x. est un ma1imum local e f ans l=ensemble es ralisables' "emarque <
un mineur principal bor =orre A comporte A8% lignes et colonnes'
Par e1emple3 si n 5 (3 m 5 % alors il I a % mineur principal =orre ( qui comporte 3
lignes et 3 colonnes' #i le terminant e ce mineur principal bor W la mDme signe
que 29%4
(
alors on a un ma1imum' #i le terminant u mineur principal bor est
ngati7 alors on a un minimum'
Par e1emple3 si n 5 3 et m 5 % alors il 7aut tuier le signe es terminants e (
mineurs principau1 bors3 =orre ( et 3 qui sont respectivement positi7 et ngati7
pour avoir un ma1imum <
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
20
0
3 2 1
3 33 32 31
2 23 22 21
1 13 12 11
2
* * *
* * * *
* * * *
* * * *
*
g g g
g
g
g
D
l l l
l l l
l l l
l = mineur principal bor =orre 3 2qui comporte 0 lignes et
colonnes4 et mineur principal bor =orre ( 2qui comporte 3
lignes et colonnes4' Ce mineur est obtenu en enlevant la ime ligne et colonne 2ici la %
re
43
W l=e1ception e la borure'
1.2.$. !e cas nral : n variables de choix, m contraintes
1.2.3.1.2mar!he
Comme ans le cas prcent3 les C(. ans le cas gnral concernent les rives
secones croises e la 7onction e Lagrange' La matrice ;essienne bore est
sImtrique Y si ans le cas prcent elle est 23 1 343 ans le cas gnral elle est e
imension 22n8m4 1 2n8m44 Le problme ans le cas gnral est le problme 2P(4 <
Ma1 2Min4 f2x%3V3xn4 sous

%
2x%3V3xn4 5 6
V

m
2x%3V3xn4 5 6
La 7onction e Lagrange corresponante est <
( ) ( ) ( ) x g x x + f , l
#oit la matrice ;essienne corresponante ont les colonnes sont les rives
secones partielles e la 7onction e Lagrange3 value W l=optimum3 par rapport au1 xi
puis au1
@
<
0
3 2
3 33 32
2 23 22
2
* *
* * *
* * *
*
g g
g
g
D l l
l l
l =
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
21
( ) ( )
( )
|
|
|

\
|

=
|
|
|
|
|
|
|
|
|
|
|

\
|
=
|
|
|
|
|
|
|
|
|
|
|

\
|




0 x g
x g xx
*
* *
*
1
*
1
*
1
1
*
*
1
* *
1
*
1
*
1
1
* *
1
*
11
* * * *
* * * *
1
* * * *
1
*
1
*
1
*
1
*
11
0 0
0 0
1 1
1 1 1 1 1
1
1
D
D
g g
g g
g g
g g
m
n
m
n
m
n n nn n
m
n
n n
n
n n nn n
n
m m m m
m
m
m
l
L L
M O M M O M
L L
L l L l
M O M M O M
L l L l
l L l l L l
M O M M O M
l L l l L l
l L l l L l
M O M M O M
l L l l L l
2%34
La matrice ;essienne 2%34 e la 7onction e Lagrange est sImtrique e imension
n8m' Elle est compose e sous9matrices <
La matrice ;essienne e la 7onction e Lagrange par rapport au1 variables 2 xx
*
l 4 e
imension 2n 1 n4 Y
La matrice >acobienne es contraintes 4g2x.4 e 7ormat 2m 1 n4 Y
#a transpose e imension 2n 1 m4 Y
La matrice nulle e imension 2n 1 m4
La matrice 2%34 est bore par la matrice >acobienne es contraintes3 la borure
ne comporte plus une seule colonne et une seule ligne mais compren autant e
colonnes et e lignes qu=il I a e contraintes 2m4' .n rappelle que ans le cas =une
contrainte3 la borure ne comporte qu=une seule ligne et qu=une seule colonne W
l=intersection esquelles on place un 6' $ne premire 7a`on e caractriser les C(. est
=utiliser la matrice 2%34 e la mDme 7a`on que ans un problme =optimisation libre'
Mais3 on utilise le 7ait que la matrice est bore'
Thorme #. Conditions du deuxime ordre6 n variables6 m !ontraintes6 m ? n
.n consire 2x.6 [4 satis7aisant les conitions e premier orre 2%(4 et on consire la
conition e rang remplie'
#i les n0m mineurs principau1 bors e la matrice ;essienne
*
D l
2
c;angent
alternativement e signe3 le premier tant u mDme signe que 29%4
m8%
3 alors x. est un
ma1imum local pour le problme e ma1imisation 2P(4 Y
#i les n0m mineurs principau1 bors e la matrice ;essienne
*
D l
2
ont le mDme signe
que 29%4
m
alors x. est un minimum local pour le problme e ma1imisation 2P(4
#ource < 2Lonar H Long %BB(3 p'(:4'
0


0
Les mineurs principau1 ont on enlve une ligne et une colonne3 on util
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
22
Thorme @.
.n consire 2x.6 [4 satis7aisant les conitions e premier orre 2%(4 et on consire la
conition e rang remplie'
La 7onction e Lagrange est concave 2conve1e43 ce qui est vrai si la 7onction =ob>ecti7 est
concave 2conve1e4 et si ag est conve1e 2concave4 alors x. est un ma1imum 2minimum4
global pour le problme e ma1imisation 2P(4
1.2.3.2.0xemples
#i n 5 (3 m 5 % il 7aut regarer le signe u mineur principal bor qui est =orre (
2cW comporte 3 lignes et 3 colonnes4' Pour avoir un ma1imum3 le mineur a le mDme
signe que 29%4
(
3 il oit Dtre positi7 Y pour avoir un minimum3 le mineur a le mDme signe
que 29%4
%
3 il oit Dtre ngati7 Y
#i n 5 33 m 5 ( il 7aut regarer le signe u mineur principal bor qui est =orre 3
2cW comporte 0 lignes et 0 colonnes4' Pour avoir un ma1imum3 le mineur a le mDme
signe que 29%4
3
3 il oit Dtre ngati7 Y pour avoir un minimum3 le mineur a le mDme
signe que 29%4
(
3 il oit Dtre positi7 Y
+ titre =e1ercice les e1emples velopps paragrap;e 3'%'% W partir e la p' 03'
Paragrap;e 3'%'%'% < n 5 ( Y m 5 %
|
|
|

\
|

=
0 1 1
1 2 0
1 0 2
2
b
a
D l et b a D 2 2
2
+ = l
Paragrap;e 3'%'%'( < n 5 ( Y m 5 %
|
|
|

\
|



=
0 2 4
2 2 2
4 2 4 2
2 1
2 1
1 1 2
2
x x
x x
x x x
D l
Paragrap;e 3'%'%'3 < n 5 3 Y m 5 %
0 2 2 2
2 2 2 2
2 2 2 2
2 2 2 2
3 2 1
3 1 2
2 1 3
1 2 3
3
2
x x x
x x x
x x x
x x x
A D




= =

l et
0 2 2
2 2 2
2 2 2
3 2
3 2
2 1
2
x x
x x
x x
A



=


obtenu en enlevant la premire ligne et la premire colonne e la matrice ;essienne'
Paragrap;e 3'%'%'0 < n 5 3 Y m 5 (3 la matrice ;essienne est 2@1@4 mais on ne regare
que le mineur =orre 3 qui comporte 0 lignes et 0 colonnes <
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
23
|
|
|
|
|
|

\
|
=
0 0 1 0 1
0 0 0 2 2
1 0 0
0 2 2
1 2 2
2 1
1 2
2 1
1
3
1 2 3
1
2
x x
x x
x x x
x x x
D l et le mineur principal est <
0 0 1 0
0 0 0 2
1 0 0
0 2 2
2
1
2 1
1
3
x
x
x x
A =
1.3. T10,40&0 20 L05A0L,770 0T 8T/T+B90 C,&7/4/T+A0
.n retrouve essentiellement le mDme outil que ans le cas e l=optimisation libre' La
i77rence vient e l=interprtation es multiplicateurs3 qui coule =un cas particulier
u t;orme e l=enveloppe'
1.$.1. !e thor&me de l'enveloppe
L=interprtation u multiplicateur est un cas particulier u t;orme e l=enveloppe <
paragrap;e %'3'%'%Y ensuite on 7ait la monstration ans le cas gnral < paragrap;e
%'3'%'( page (& Y en7in on illustre la porte u t;orme e l=enveloppe < paragrap;e
%'3'%'3 page (:'
1.3.1.1.+nterprtation du multipli!ateur
%'3'%'%'%' $n cas particulier < ( variables e c;oi13 % contrainte3 %
paramtre
.n consire le problme 2P%4 W ( variables oU l=on introuit un paramtre par
rapport auquel la contrainte est linaire <
( )
2 1
2 1
x , x f max
x , x
sous la contrainte 2x%3 x(4 9 5 6
Le lagrangien est <
( ) ( ) ( ) ( )
2 1 2 1 2 1
x , x g x , x f ; , x , x l ' .n montre <
*
d
* df

= 2%04
oU f[ est la 7onction =ob>ecti7 value W l=optimum Y
et [ le multiplicateur associ W la contrainte'
En e77et <
Les C!P. sont les suivantes <
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
24
0
*
=

i
x
l
soit
i i
x
g
x
f

*
*
*
3 i 5 %3 ( et 0
*
=

l

.n regare l=e77et u paramtre sur l=ob>ecti7 et la contrainte3 valus W l=optimum <

*
2
2
*
*
1
1
* *
x
x
f
x
x
f
d
df

.n substitue les rives partielles e la 7onction =ob>ecti7s par leur e1pression W
l=optimum 2C!P.4 <
|
|

\
|

*
2
2
*
*
1
1
*
*
*
x
x
g
x
x
g
d
df
or
La contrainte est respecte W l=optimum en raison e l=annulation e la rive
partielle e la 7onction e Lagrange en '
0 1 1
*
2
2
*
*
1
1
* *
=

x
x
g
x
x
g
d
dg

,l vient
*
*
=
d
df

Dans l=;Ipot;se oU les rives partielles e l=ob>ecti7 et e la contrainte sont e
mDme signe alors le multiplicateur est positi7 et l=impact =une moi7ication u
paramtre sur l=ob>ecti7 valu W l=optimum est positi7' "emarque3 si on 7init le
lagrangien e la 7a`on suivante <
( ) ( ) ( ) ( )
2 1 2 1 2 1
+ x , x g x , x f ; , x , x l alors on montre < *
d
* df

=
Cela ne c;ange pas le sens e l=e77et u paramtre u paramtre sur l=ob>ecti7' En e77et3
ans les mDmes ;Ipot;ses 2rives partielles e l=ob>ecti7 et e la contrainte e mDme
signe43 l=e77et e sur f[ est positi7'
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
25
Thorme %. +nterprtation du multipli!ateur de Lagrange6 2 variables de !hoix6 une !ontrainte
#oit f et eu1 7onctions e classe C
%
e eu1 variables' Pour n=importe quelle valeur u
paramtre 3 soient x[%24 et x[(24 la solution u problme e ma1imisation e f sous
5 3 soit la 7onction e Lagrange associe W ce problme
( ) ( ) ( ) ( )
2 1 2 1 2 1
x , x g x , x f ; , x , x + l et soit [24 la valeur u multiplicateur W
l=optimum' .n 7ait l=;Ipot;se que x[%243 x[(24 et [24 sont e classe C
%
par rapport W
et que la conition e quali7ication e la contrainte est remplie' +lors <
( )
( ) ( ) ( )



2 1
d
* x , * x df
* =
#ource < 2#imon H Mlume %BB:3 p'?B04
L=e77et total =une moi7ication e sur la 7onction =ob>ecti7 value W l=optimum est
mesur par le multiplicateur lui9mDme valu W l=optimum'
%'3'%'%'(' E1emple
.n repren le problme e ma1imisation %'%'%'( page &' Le problme est max f2x%3 x(4
5 x%
(
x( sous (x%
(
8 x(
(
5 3 ont la 7onction e Lagrange est <
( ) ( ) 3 2
2
2
2
1 2
2
1 2 1
+ x x x x , x , x l ' $ne solution e ce problme est < 2% Y % Y \4 ce qui
onne f[ 5 %' .n peut re7ormuler le problme e la 7a`on suivante < max f2x%3 x(4 5 x%
(
x(
sous (x%
(
8 x(
(
5 333 et valuer l=impact sur l=ob>ecti7' +u lieu e rsoure W nouveau le
problme cW ienti7ier les nouveau1 points stationnaires3 on utilise le t;orme e
l=enveloppe <
*
d
* df

= l=application numrique corresponant au problme pos est <


5 0
3 0
,
,
* df
= il vient df[ 5 63%@ =oU f[ 5 %3%@'
%'3'%'%'3' Le cas gnral < n variables e c;oi1 et m contraintes
.n consire le problme 2P(4 oU c;acune es m 2m F n4 contraintes est linaire par
rapport W un paramtre
@
Y x[ est une solution <
max f2x%3V3xn4 sous
@
2x%3V3xn4 5
@
3 @ 5 %Vm
.n consire une moi7ication d qui a77ecte le membre roit e l=ensemble es
contraintes' Cette moi7ication entrabne une moi7ication dx[ e l=optimum' La 7onction
=ob>ecti7s et les contraintes W l=optimum se moi7ient respectivement e la manire
suivante <
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
26
df2x[4 5 f2x[8dx4 f2x[4 4f2x[4'dx oU 4f2x[4 est la matrice >acobienne 2imension 2n 1
%4 4 e f value W l=optimum Y
d2x[4 5 2x[8dx4 2x[4 42x[4dx oU 42x[4 est la matrice >acobienne 2imension 2n
1 %4 4 e value W l=optimum' En outre3 d2x[4 42x[4dx 5 d < 42x[4'dx est
l=appro1imation linaire e dg2x[4 gale W d '
En utilisant le t;orme e Lagrange 2-;orme (4 on a <
4f2x[4'dx 5 ['42x[4'dx =oU df2x[4 C 'd 5 @
@
'd
@
2%@4
La moi7ication e la 7onction =ob>ecti7 value W l=optimum est gale au prouit u
multiplicateur et e la moi7ication e la contrainte' Ce prouit correspon galement
au prouit vectoriel e et e la variation u membre roit e g' #i un seul es
paramtres
@
varie3 tous les autres tant constants3 d
A
5 63 @ A3 on retrouve le rsultat <
df2x[4 C
@
'd
@

2%@a4
.n peut crire ce rsultat sous la 7orme =un t;orme <
Thorme D. +nterprtation du multipli!ateur de Lagrange6 n variables de !hoix6 m !ontraintes
#oit f3
%
3 V3
m
es 7onctions e classe C
%
7inies sur
n
' #oit un vecteur e m
paramtres3
%
3V3
m
' .n consire le problme e ma1imisation e f sous les contraintes

@
5
@
3 @ 5 %3V3 m' #oit la 7onction e Lagrange associe W ce problme <
( ) ( ) ( ) ( )

+
j
n
j j j
n
m m
n
x , , x g x , , x f , , ; , , , x , , x L L L L L l
1 1
1 1
1

soient les
@
[2 43 @ 5 %3V3 m les multiplicateurs W l=optimum et x[i2 4 la solution W ce
problme' .n suppose que les
@
[ et les x[i sont e classe C
%
par rapport W et que la
conition e quali7ication est remplie' +lors3 quel que soit @ 5 %3V3 m <
( )
( ) ( ) ( )
j
m
n
m
m j
, , * x , , , , * x f
, , *



1 1
1 1

=
L L L
L
#ource < 2#imon H Mlume %BB:3 p'?B@4
Thorme 1). +nterprtation du multipli!ateur de Lagrange6 n variables de !hoix6 m !ontraintes
#oit 2x[3 [4 une solution au problme =optimisation sous contraintes en quation 2P(4 <
max f2x%3V3xn4 sous
@
2x%3V3xn4 5
@
3 @ 5 %Vm
,l vient <
df2x[4Pd
@
5
@
Y d
A
5 6 3 quel que soit A @3 plus gnralement <
df2x[4 5 'd 5 @
@
'd
@
#i f reprsente l=utilit ou le pro7it3 mesure le pri1 implicite =un bien e
consommation quan le revenu varie ou =un 7acteur e prouction ont la quantit
isponible varie e manire in7initsimale e d' /uan ce pri1 implicite est gal au pri1
e marc;3 la situation =quilibre obtenue correspon bien W un optimum i.e. la
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
27
meilleure allocation possible es ressources compte tenu e la tec;nologie3 es
pr7rences et es contraintes qui s=imposent au1 agents conomiques'
1.3.1.2.Thorme de lenveloppe dans le !as de 2 variables de !hoix
et un paramtre
Les rsultats obtenus sont es cas particuliers =un ensemble e propositions qui
caractrisent les e77ets es paramtres sur les solutions =un problme =optimisation'
Ces propositions sont connues comme le t;orme e l=enveloppe' Le problme 2P%4 est
le suivant <
( )
2 1
2 1
; x , x f max
x , x
sous 2x%3 x( Y 4 5 6 ont le lagrangien est <
( ) ( ) ( ) ; , ; , ; , ,
2 1 2 1 2 1
x x g x x f x x l
/uel est l=e77et =une moi7ication u paramtre W l=optimum Q L=e77et sur [ et f[
sont respectivement les suivants <
0


2
2
1
1
= +

*
*
*
*
*
*
g
x
g
x
g
d
dg
et
*
*
*
*
*
*
f
x
f
x
f
d
df

2
2
1
1

+


Cette galit evient <
*
*
*
*
* *
*
f
x
g
x
g
d
df

2
2
1
1

+
|
|

\
|

< t;orme e Lagrange 2-;orme % page @4 Y


( )
* * *
*
f g
d
df

+ < la contrainte est sature W l=optimum3 =oU <


=
*
d
* df l
2%?4
L=e77et total e la moi7ication u paramtre sur l=ob>ecti7 valu W l=optimum est gal
W l=e77et marginal e ce paramtre sur la 7onction e Lagrange value W l=optimum' <
"emarque <
Le rsultat 2%?4 gnralise celui e l=interprtation u multiplicateur 2%04 < il 7aut
consirer le cas oU la rive partielle e la contrainte par rapport au paramtre est
gale W 9% et la rive partielle e la 7onction =ob>ecti7s par rapport au paramtre est
nulle Y
Le t;orme e l=enveloppe tablit comme ans le cas e l=optimisation libre une
quivalence entre une i77rentielle totale et une rive partielle < pour estimer l=e77et
total u paramtre sur la 7onction =ob>ecti7s il su77it e regarer l=e77et partiel u
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
28
paramtre sur la 7onction e Lagrange corresponant au problme contraint' ,l permet
=tablir es rsultats analogues au lemme e *otelling ans le cas es problmes
=optimisation libre'
1.3.1.3.7orte du thorme de lenveloppe
Le t;orme e l=enveloppe permet e raisonner irectement en termes e 7onctions
e valeur 7inies comme les 7onctions coulant u c;oi1 optimal x[ < 7onctions e
valeur ma1imale ans les problmes e ma1imisation et 7onctions e valeur minimale
ans les problmes e minimisation' L=tue es ces 7onctions e valeur constitue un
omaine particulier e l=conomie mat;matique < la t;orie e la ualit' Celle9ci a es
applications en microconomie mais aussi en conomie internationale ou en
conomtrie'
%'3'%'3'%' Minimisation u coAt
Dans l=;Ipot;se oU on consire ( intrants x% et x( le problme 2P34 e minimisation
u coAt e prouction evient 2Lonar H Long %BB(3 p'3:4 <
2 2 1 1
,
2 1
min x w x w
x x
+ sous la contrainte . 5 f2x% 3 x(4 2P04
L=entreprise est contrainte =atteinre un niveau e prouction . avec une
tec;nologie e prouction f' La 7onction e Lagrange est la suivante <
( ) ( ) ( )
2 1 2 2 1 1 2 1 2 1
, , , ; , , x x f y x w x w y w w x x + + l
Le t;orme es 7onctions implicites permet e 7inir une 7onction e coAt minimal
C[ C[27% 3 7( 3 .4 7%x%[8 7(x([' Le t;orme e l=enveloppe permet =tablir les
e1pressions u coAt marginal et es emanes =intrants <
( ) y w w
dy
dC
, ,
2 1
*
*
= Y ( ) y w w x
dw
dC
i
i
, ,
2 1
*
*
= 3 i 5 %3 (
.n peut remarquer que les 7onctions e emane =intrant ne penent pas es
mDmes variables que ans la ma1imisation u pro7it'
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
29
%'3'%'3'(' +llocation e77icace es ressources
Dans une conomie3 il s=agit =allouer les ressources prouctives x ans les secteurs
proucti7s e l=conomie sous la contrainte e isponibilit e ces ressources' Le critre
W ma1imiser est le revenu tir e ces activits prouctives 2Lonar H Long %BB(4'
Dans le cas =une ressource prouctive W allouer entre ( branc;es3 le problme 2P%4
evient <
( )
2 1
,
, max
2 1
x x R
x x
sous X x x = +
2 1

( ) ( )

i
i
i
i
x f p p p x x R
2 1 2 1
, ; , est le revenu total tir es ( branc;es Y
pi est le pri1 u bien prouit ans la branc;e i Y
La tec;nologie e prouction e la branc;e i qui utilise la ressource en quantit xi 3 est
( )
i
i
x f
La 7onction e Lagrange corresponante est <
( ) ( ) ( )
2 1 2 1 2 1 2 1 2 1
, ; , , , ; , , x x X p p x x R p p X x x + l
Le t;orme e l=enveloppe permet =tablir <
*
*
=
dX
dR
oU
<[ est la 7onction e revenu ma1imum < le revenu issu e l=allocation e77icace es
ressources Y elle pen e B et es pri1 pi
Dans le cas e @ 5 %3V3 m ressources prouctives W allouer ans les i 5 %3V3 n branc;es
e l=conomie3 le problme 2P(4 evient <
( )
i
j
i
x x
p x R ; max
2 1
,
sous
j
i
j
i
X x =

3 @ 5 %3V3 m
( ) ( )

i
m
i i
i
i i
j
i
x x f p p x R , , ;
1
L est le revenu total tir es n branc;es Y
Dans le cas oU il I a i 5 %3V3 n branc;es et @ 5 %3V3 m intrants alors il I a n1m variables e
c;oi1 < leur nombre est bien suprieur W celui e contraintes 2m4
pi est le pri1 u bien prouit ans la branc;e i Y
La tec;nologie e prouction e la branc;e i est ( )
j
i i
x f qui utilise les m intrants'
La 7onction e Lagrange corresponante est <
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
30
( ) ( )

|
|

\
|
+
j i
j
i
j j
i
j
i i
j j j
i
x X p x R p X x ; , ; , l
Le t;orme e l=enveloppe permet =tablir <
*
*
j j
dX
dR
= 3 @ 5 %3V3 m
<[ est la 7onction e revenu ma1imum qui pen es B
@
et es pi
Ces rsultats signi7ient que la moi7ication marginale e la quantit e la ressource @
entrabne une moi7ication u prouit =un montant
@
[3 la valeur u multiplicateur W
l=optimum e la ressource corresponante' En =autres termes3 une unit
supplmentaire e la ressource entrabne une augmentation u prouit e
@
[ c' Le
multiplicateur est onc la valeur marginale e la ressource ont on ne connabt pas le pri1
e marc; < on parle e pri1 implicite et e valeur impute3 notion utilise ans l=analIse
e pro>et' Dans une conomie centralise concurrentielle3 oU les entreprises e
c;aque branc;e ma1imisent leur pro7it3 on peut montrer que ce pri1 implicite est gal au
pri1 e marc; e la ressource 2c7' e1ercice paragrap;e 3'@'% p' ?@4
1.$.2. !a statique comparative
Le t;orme e l=enveloppe permet e mesurer l=e77et es paramtres sur la 7onction
=ob>ecti7s et ne ncessite pas les C(.' Par consquent3 le t;orme e l=enveloppe vaut3
pour les problmes =optimisation libre et sous contrainte en quation3 W la 7ois pour la
minimisation et pour la ma1imisation' Pour connabtre l=e77et es paramtres sur les
variables u problme3 il 7aut recourir au1 C(.' Mais comme pour le t;orme e
l=enveloppe3 la statique comparative est 7aite ans l=;Ipot;se que les conitions pour
que les variables soient es 7onctions implicites es paramtres3 sont remplies' #oit le
problme 2?4 oU 7igure le paramtre ont on c;erc;e W valuer l=in7luence sur les
solutions x[ et [ <
( ) ( ) ; , min max
2 1
,
2 1
x x f
x x
sous 2x%3 x( Y 4 5 6 ont le lagrangien est <
( ) ( ) ( )
2 1 2 1 2 1
; x , x g ; x , x f ; , x , x + l
La marc;e consiste W partir es CP. et e les i77rencier totalement pour aboutir
au sIstme suivant <
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
31
|
|
|
|
|

\
|

=
|
|
|
|
|

\
|

|
|
|
|

\
|
* *
*
*
g
*
*
d d
d dx
d dx
* g * g
* g * *
* g * *

2
1
2
1
2 1
2 22 21
1 12 11

0
l
l
l l
l l
soit en notation matricielle <
|
|
|
|
|

\
|

=
|
|
|
|
|

\
|

*
2
1
*
*
2
*
1
* 2
*
*
g d d
d dx
d dx
D l
l
l oU
* 2
l D est une matrice 23 1 34
+vec la rgle e Cramer3 on peut tablir l=e1pression es lments u vecteur
( )


2 1
d d d dx d dx
* * *
et ans l=;Ipot;se oU la conition su77isante u (
me
orre
est remplie i.e. 0
* 2
l D <
* 2
1
*
1
l D
A
d
dx
=

avec
|
|
|
|
|

\
|

0 *
* * *
* * *
2
*
2 22 2
1 12 1
1
g g
g
g
A l l
l l
Y
* 2
2
*
2
l D
A
d
dx
=

avec
|
|
|
|
|

\
|

0 *
* * *
* * *
*
1
2 2 21
1 1 11
2
g g
g
g
A l l
l l
et
* 2
l D
A
d
d

=

avec
|
|
|
|
|

\
|

* *
* * *
* * *
2
*
1
2 22 21
1 12 11
g g g
A l l l
l l l

+ ce niveau e gnralit on ne peut pr>uger les e77ets u paramtre sur 2x[3 [4' .n
connabt uniquement le signe u nominateur3 qui pen e la nature u problme <
minimisation ou ma1imisation' Dans un problme e ma1imisation3 on a <
#igne e dx%[Pd 5 signe 6%| Y dx([Pd 5 signe 6(| Y d[Pd 5 signe 6

|
Dans un problme e minimisation3 on a <
#igne e dx%[Pd 5 9 signe 6%| Y dx([Pd 5 9 signe 6(| Y d[Pd 5 9 signe 6

|
Les rsultats e statique comparative sur les solutions 2x[3 [4 u problme
=optimisation reposent sur l=utilisation u t;orme es 7onctions implicites < la
conition su77isante 2avec ingalit stricte4 valie l=utilisation u t;orme'
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
32
Dans beaucoup e problmes3 les rives secones croises par rapport au
paramtre sont nulles < f%
5 f(
5 %
5 (
5 6 < les 7onctions =ob>ecti7s sont ou bien
inpenantes ou linaires par rapport W ' Dans ce cas3 les e1pressions e l=e77et u
paramtre sur les variables 2x[3 [4 sont simpli7ies' L=e77et u paramtre pen e


et es rives secones e la 7onction e Lagrange par rapport au1 variables e c;oi1 <
|
|
|
|
|

\
|

0 *
* * 0
* * 0
2
*
2 22
1 12
1
g g
g
g
A l
l
=oU ( ) ( )
2 12 1 22
*
1 22 2 12
*
1
* * * * * * * * g g g g g g A l l l l = =


|
|
|
|
|

\
|

0 *
* 0 *
* 0 *
*
1
2 21
1 11
2
g g
g
g
A l
l
=oU ( )
1 21 2 11 2
* * * * * g g g A l l =


|
|
|
|
|

\
|

* *
0 * *
0 * *
2
*
1
22 21
12 11
g g g
A l l
l l
=oU ( ) ( )
2
12 22 11
* * * * l l l =

g A
Dans un problme e ma1imisation3 si la 7onction e Lagrange value en 2x[3 [4 est
concave 2conition e (
me
orre4 et l=e77et marginal u paramtre sur la contrainte
ngati7 2ans ce cas le multiplicateur [ est positi7 avec les rives partielles en x e
mDme signe43 alors l=e77et u paramtre sur le multiplicateur est positi7'
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
33
2. Application : le comportement du producteur
.n traite le problme e la minimisation u coAt e prouction' Le coAt e
prouction est 7ini comme la pense qu=une entreprise oit 7aire pour acqurir les
7acteurs e prouction' $ne implication importante e la ma1imisation u pro7it 2cf.
c;apitre ,4 par une entreprise est qu=il n=e1iste pas e possibilit e prouire la mDme
quantit avec un coAt plus 7aible' Ceci motive onc une tue spci7ique u problme e
minimisation u coAt' La minimisation u coAt est une tue intressante <
Etablissement =un certain nombre e rsultats concernant notamment les proprits
es 7onctions e coAt Y
Dans certaines situations oU l=entreprise n=est pas en CPP il est pr7rable e 7aire une
analIse e la 7onction e coAt car la 7onction e pro7it n=est plus utilisable < tant que la
7irme est preneuse e pri1 sur le marc; es 7acteurs e prouction3 les rsultats
relati7s W la 7onction e coAt sont tou>ours valies3 quelle que soit la nature e la
concurrence pour le marc; u prouit Y
/uan la tec;nologie e prouction est W renements =c;elle non croissants3 les
7onctions e valeur et les solutions u problme se comportent mieu1 que la
7onction e pro7it et la 7onction =o77re coulant e la ma1imisation u pro7it' En
e77et3 quan les renements =c;elle sont croissants3 la 7onction e pro7it est gale
soit W 6 soit W l=in7ini'
Le problme est le suivant <
min
x
1
,x
2
w
1
x
1
+w
2
x
2
sous (x
1
, x
2
) = y 2P@4
La 7onction e Lagrange corresponante <
@

( ) ( ) ( )
2 1 2 2 1 1 2 1 2 1
, , , ; , , x x f y x w x w y w w x x + + l
2.1. C,52+T+,58 29 740&+04 0T 209:+0&0 ,4240
Le t;orme e Lagrange permet =tablir les 3 conitions suivantes <
0
*
1
*
1
= f w Y 0
*
2
*
2
= f w Y ( ) 0 ,
*
2
*
1
= x x f y
La solution est reprsente e la manire suivante <

@
.n s=arrange pour que soit positi73 mDme si le contraire ne c;ange pas le problme et les rsultats'
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
34
*igure 2. La minimisation du !o$t6 2 "a!teurs de produ!tion

Ce grap;e est un cas particulier u grap;e e gauc;e e la Eigure % p' 0
Les solutions au problme x%3 x( et sont es 7onctions es paramtres 7%3 7( et .
2t;orme es 7onctions implicites4' Dans l=;Ipot;se oU les prouctivits marginales
sont positives
?
3 alors le multiplicateur est galement positi7' .n peut montrer que ans
l=;Ipot;se oU la 7onction e prouction est concave et les 7acteurs e prouction
substituables3 la matrice ;essienne e la 7onction e Lagrange a un terminant ngati73
ce qui permet =tablir la C#(. pour un minimum'
( ) ( )
( )
|
|
|

\
|

=
|
|
|
|
|

\
|



=
0
0
*
* * 2
*
2
*
1
*
2
*
22
* *
21
*
*
1
*
12
* *
11
*
* 2
Dg
Dg D
f f
f f f
f f f
D
xx
l
l avec 0
2
<
*
D l
( )
* * * * * * * * *
f f f f f f f D
11
2
2 12 2 1 22
2
1
2
2 + = l
"emarques <

2
l

= _
-

11

12

-
1

21

22

-
2

-
1

-
2

u
_ = (-1) _

11

12

21

22

u
_
#i on rsout le problme avec une 7onction e Lagrange oU la signe evant la
contrainte est invers < ( ) ( ) ( ) y x x f x w x w y w w x x + +
2 1 2 2 1 1 2 1 2 1
, , , ; , , l
' La matrice
;essienne evient <

?
Dans l=;Ipot;se oU les conitions =,naa sont remplies3 le couple 2x% x(4 5 283 84 n=appartient pas au
omaine es ralisables 2contraiction ans la contrainte4 < les quantits optimales =intrant sont 7inies'
De la mDme 7a`on le couple 2x% x(4 5 263 64 n=appartient pas au omaine es ralisables 2contraiction ans
les rives partielles e la 7onction e Lagrange par rapport au1 xi4' En outre3 les quantits =intrant W
l=optimum sont simultanment i77rentes e 6' Le problme a onc un sens ans l=;Ipot;se oU les
prouctivits marginales sont simultanment strictement positives'
C 7%'x% 8 7('x( e pente 7%P7(
f2x%3 x(4 5 .%
f2x%3 x(4 5 .6
*
6
x%
x(
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
35

2
l

= _

11

12

21

22

u
_ avec ( )
*
11
2 *
2
*
12
*
2
*
1
*
22
2 *
1
* * 2
2 f f f f f f f D + = l
,l ne 7aut pas conclure ;dtivement que le terminant est positi73 car le signe u
multiplicateur n=est pas positi7 mais ngati7'
$ne conition su77isante pour que le terminant e la matrice ;essienne soit
strictement ngati7 est que f%( 6' En outre3 Ce terminant peut Dtre crit sous une
7orme quaratique qui permet e montrer que la C#(. est remplie si la 7onction e
prouction est strictement concave < |
2
l

| =

(
2

-
1

) _

11


12

21


22

] _

2

-
1

] voir page
%( pour l=e1pression e la 7orme quaratique' |
2
l

| < u si pour tout (


2

-
1

) ou bien
(-
2

) i77rent u vecteur nul 2conition e quali7ication e la contrainte43 f est


globalement concave 2matrice ;essienne 7inie ngative4' Mais il ne s=agit que =une
conition su77isante3 elle n=est pas ncessaire'
D=aprs les C!P.3 la matrice ;essienne peut aussi s=crire

2
l

= (-1) _

11

12

21

22

u
_' #on terminant est

(
1
2

22

-2
1

12

+
2
2

11

)
qui est le terminant e la matrice ;essienne bore e f valu W l=optimum' Donc si la
conition su77isante pour que la 7onction e prouction soit strictement quasi9concave
est remplie 2D7inition 3 p' %&43 alors la C#(. est galement remplie' La C#(. implique
que les isoquantes sont strictement conve1es par rapport W l=origine 2Eigure ( p' 304'
En bre73 la !on!avit stri!te e la 7onction e prouction est requise pour la
ma1imisation u pro7it3 la uasi>!on!avit e la 7onction e prouction est requise
pour la minimisation u coAt e prouction' ,l 7aut es renements W l=c;elle
croissants ans la ma1imisation u pro7it3 ceci n=est plus le cas pour la minimisation
u coAt' Le problme e minimisation u coAt e prouction 2comment prouire4 est
moins e1igeant en termes e restrictions sur la 7onction e prouction que celui e
ma1imisation u pro7it 2combien prouire4'
,llustration avec la minimisation u coAt ans le cas =une tec;nologie Cobb Douglas <
= Ax
1
u
1
x
2
u
2
paragrap;e 3'('( p' @?'
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
36
2.2. L08 20&/5208 C,52+T+,550LL08 20 */CT0948
L=e1ercice e statique comparative permet =tablir les 7onctions e emane
conitionnelle x%[ et x([ en 7onction es paramtres < le pri1 es intrants et le prouit' ,l
s=agit e 7onctions e emane traitionnelle qui penent es pri13 mais
conitionnellement W la ralisation =un certain niveau e prouction .'
,l se pose cepenant 3 problmes <
#i la 7onction e prouction n=est pas i77rentiable on ne peut tablir les 7onctions e
emane <
Les CP. sont uniquement valies s=il s=agit e solutions intrieures Y si l=on a a77aire W
une solution e coin il 7aut utiliser le t;orme e Ju;n et -ucNer 2cf. c;apitre ,,,4 Y
La solution obtenue est un minimum local celui9ci ne evient global que ans
certaines conitions e conve1it'
#i on tuie l=impact =une moi7ication es pri1 es intrants sur les solutions3 on
tuie le sIstme suivant <
|
|
|
|

\
|
=
|
|
|
|
|

\
|


0
0
1
1
*
1
*
2
1
*
1
2
w
w x
w x
D l =oU
( )
0
0 0
0
1
* 2
2
*
2
* 2
*
2
*
2
*
22
*
*
1
*
12
*
1
*
1
< =

l l D
f
D
f
f f
f f
w
x
Y 0
0 0
0
1
* 2
*
2
*
1
* 2
*
1
*
2
*
21
*
*
1
*
11
*
1
*
2
> =

l l D
f f
D
f
f f
f f
w
x

*igure 3. 0""et dune modi"i!ation de w1 sur les demandes dintrants

$ne ;ausse e 7% a un e77et non ambigu sur la emane x%[ qui baisse et sur la emane x([ qui augmente3
. tant inc;ang'
x%
x(
x
x
.
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
37
.n peut 7acilement moi7ier ce sIstme pour tuier l=e77et =une moi7ication
in7initsimale e 7( sur les solutions' Pour tuier l=impact =une moi7ication u niveau
e prouction sur les variables on tuie <
|
|
|
|

\
|
=
|
|
|
|
|

\
|


0
1
0
2
*
2
*
2
2
*
1
2
w
w x
w x
D l Y
|
|
|

\
|

=
|
|
|

\
|



1
0
0
*
*
2
*
1
2
y
y x
y x
D l
.n montre que <
0 <

i
*
i
w
x
Y 0 >

i
*
j
j
*
i
w
x
w
x
Y 0

>

i
*
w

.n retrouve bien l=e77et pri1 ngati7 sur la emane corresponante =intrant' L=e77et
pri1 crois mesure bien un e77et e substitution puisque le niveau e prouction est
inc;ang 2ce qui n=tait pas le cas ans les 7onctions e emane conitionnelles issues
e la ma1imisation u pro7it4' ,l ne pen pas e la rive secone croise e la
7onction e prouction et onc u caractre substituable es intrants'
&

Tableau 2. Les "on!tions de demande dintrant dans les problmes de maximisation du pro"it et de
minimisation du !o$t de produ!tion
( )
0
2
12 22 11
22
1
1
<
|

\
|

=

* * *
* *
f f f p
f
w
x

( )
( )
0
2
11
2
2 12 2 1 22
2
1
2
2
1
1
<
+
=

* * * * * * * *
* *
f f f f f f f
f
w
x

( ) 2
*
1
2
*
12
*
22
*
11
*
21
1
*
2
w
x
f f f p
f
w
x

=
|

\
|

ngati7
si f[%( ^ 6
( )
0
2
*
11
2 *
2
*
12
*
2
*
1
*
22
2 *
1
*
*
2
*
1
1
*
2
>
+
=

f f f f f f f
f f
w
x

( )
0
2
12 22 11
11
2
2
<
|

\
|

=

* * *
* *
f f f p
f
w
x

( )
( )
0
2
*
11
2 *
2
*
12
*
2
*
1
*
22
2 *
1
*
2
*
1
2
*
2
<
+
=

f f f f f f f
f
w
x

Les conitions su77isantes u (
me
orre ans c;aque problme sont remplies
En7in <
0 >

y
x
*
i
Y
y
*

e signe intermin

&
#=il I a plus e ( 7acteurs e prouction alors les e77ets pri1 croiss sont e signe intermin'
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
38
2.3. L08 *,5CT+,58 20 C,9T
2"inition 4. La "on!tion de !o$t
La 7onction e coAt 2inirecte4 mesure le coAt minimum e prouction pour un niveau onn e
prouction < C[27%37(3.4 7%'x%[27%37(3.4 8 7('x([27%37(3.4' Elle pen es pri1 es intrants et u niveau
e prouction .'
.n a vu ans le c;apitre , comment tablir une 7onction e coAt e court et e long
terme' .n peut 7aire ici e la mDme 7a`on puisque W long terme tous les 7acteurs e
prouctions sont variables' .n s=intresse au1 proprits e la 7onction e coAt qui
penent notamment e celles es 7onctions e emane conitionnelles'
Thorme 11. Les proprits de la "on!tion de !o$t
#oit C[ la 7onction e coAt issue u problme e minimisation u coAt sous contrainte
tec;nologique' C[ est continue et <
est croissante en . Y
est non croissante en E Y
est ;omogne e egr % en E
est concave en E
Thorme 12. Le thorme de 8hephard
#i C[ est e classe C
(
alors xi[ 5 C[P 7i3 i 5 %3V3 n
2.$.1. !es proprits des fonctions de demande conditionnelle
Grdce au1 CP. on peut montrer que les 7onctions e emane sont ;omognes e
egr 6 par rapport au1 pri1' En e77et3 puisque par le t;orme es 7onctions implicites
2la C#(. tant remplie43 les variables sont es 7onctions es paramtres3 il vient que les
prouctivits marginales le sont galement 2#ilberberg %BB63 p'(@B4 <
( ) y , w , w f w
*
i
*
i 2 1
= Y i 5 %3 (
.n limine le multiplicateur e Lagrange es ( conitions e premier orre <
( )
( ) y , w , w f
y , w , w f
w
w
*
*
2 1 2
2 1 1
2
1
=
#i on multiplie les pri1 par un mDme nombre strictement positi7 a3 on obtient <
( )
( ) y , w , w f
y , w , w f
w
w
aw
aw
*
*
2 1 2
2 1 1
2
1
2
1
= = 3 a ^ 6
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
39
#i on multiplie les pri1 par un mDme nombre strictement positi7 a3 l=optimum est
inc;ang < la pente e la tangente est inc;ange3 quel que soit a ^ 6' .n en uit <
( ) ( ) y w w f y aw aw f , , , ,
2 1
*
1 2 1
*
1
=
#i tous les pri1 augmentent ans la mDme proportion3 alors la prouctivit marginale
est inc;ange < elle est ;omogne e egr 6 par rapport au1 pri1' Comme celle9ci
termine les emanes conitionnelles =intrants3 on en uit que celles9ci sont
galement ;omognes e egr 6 par rapport au1 pri1' Ce rsultat peut Dtre tabli ans
le cas gnral i 5 %3V3 n'
"emarque' Cette question peut Dtre tuie en rsolvant une variante u pb 2P?4 <
2 2 1 1
,
2 1
min x aw x aw
x x
+ sous ( ) y x , x f =
2 1
2P&4
+vec a ^ 6
En revanc;e si les pri1 sont multiplis par une mDme constante a3 la 7onction e coAt
W l=optimum est multiplie par a < elle est ;omogne e egr %'
2.$.2. (onctions de co)ts de lon et de court terme
.n peut consirer ( problmes3 l=un e court terme oU la quantit =intrant ( est 7i1e3
et l=autre e long terme oU tous les intrants sont variables' Comme ans le problme e
la ma1imisation u pro7it3 on peut mettre en vience le principe Le C;atelier
#amuelson' Le problme e court terme est le suivant <
2 2 1 1
1
min x w x w C
x
+ sous ( ) 0 ,
2 1
= x x f y 2P:4
Le problme e long terme est le problme 2P@4 2cf. page 334
Dans le problme e court terme la 7onction e coAt est ( ) y x w C , ,
2 1
0
3 ans le
problme e long terme le coAt est ( ) y w w C , ,
2 1
*
' .n peut montrer 3 c;oses <
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
40
%4 ,l e1iste un niveau
2
x 7onction e . i.e. ( )
*
2 0 2
x y x = pour lequel ( ) y x w C , ,
2 1
0
gale
( ) y w w C , ,
2 1
*
Y
:

(4 Pour .3 7% et 7( onns3 le coAt C
6
est suprieur ou gal au coAt libre C[ <
( ) y x w C , ,
2 1
0
( ) y w w C , ,
2 1
*
Y
34 Elles sont tangentes en ( )
*
2 0 2
x y x = < dC[Pd. 5 C
6
P. en .6
En e77et3 on peut c;oisir
2
x tel que l=on minimise la 7onction e coAt contrainte C
6

quan le niveau e prouction est .6 < ( )
*
2 0 2
x y x = ' La 7onction e coAt e court terme
vri7ie onc <
( ) ( )
0
, ,
2
0 0 2 1
0
=

x
y y x w C
' C=est ire qu=il e1iste un niveau e prouction pour
lequel on peut trouver
*
2 2
x x = ' En outre <
( ) ( ) ( )
dy
y y x w dC
dy
y w w dC
0 0 2 1
0
0 2 1
*
, , , ,
= =oU
( ) ( ) ( ) ( ) ( )
y
y y x w C
y
x
x
y y x w C
dy
y w w dC

=
0 0 2 1
0
2
2
0 0 2 1
0
0 2 1
*
, , , , , ,
3 le premier terme tant
nul <
( ) ( ) ( )
y
y y x w C
dy
y w w dC

=
0 0 2 1
0
0 2 1
*
, , , ,

Le point (4 est immiat' Par construction u problme3 la 7onction e coAt e long
terme est le coAt minimal en x(3 ans les conitions onnes e pri1 et e prouit' Elle
ne onc Dtre suprieure3 ans les mDmes conitions3 W la 7onction e coAt contrainte oU
l=intrant est 7i1 W
2
x ' Ceci illustre encore une 7ois la notion e courbe enveloppe'
Pour un niveau particulier e la prouction .63 les courbes e coAt e court et e long
terme sont tangentes' .n peut reprsenter cela grap;iquement <

:
.n pourrait 7aire un raisonnement analogue et montrer qu=il e1iste un seul niveau e x
2
7onction e 7i
pour lequel la 7onction e coAt contrainte est con7onue avec la 7onction e coAt libre'
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
41
*igure 4. La "on!tion de !o$t de long terme !omme !ourbe enveloppe de "on!tions de !o$t de !ourt
terme6 volution en "on!tion de y














.n peut 7aire un raisonnement analogue en ce qui concerne la reprsentation es
7onctions e coAt quan le pri1 es intrants varie'
*igure '. La "on!tion de !o$t de long terme !omme !ourbe enveloppe de "on!tions de !o$t de !ourt
terme6 volution en "on!tion de w2













2
2
0
x
w
C
=

et
*
2
2
*
x
w
C
=

et 0
2
2
0 2
=

w
C
et 0
2
2
* 2
<

w
C

*igure #. La "on!tion de !o$t de long terme !omme !ourbe enveloppe de "on!tions de !o$t de !ourt
terme6 volution en "on!tion de w1












0
1
1
0
x
w
C
=

et
*
1
1
*
x
w
C
=

et 0
1
0
1
2
1
0 2
<

w
x
w
C
et 0
1
*
1
2
1
* 2
<

w
x
w
C
avec
1
0
1
1
*
1
w
x
w
x

>



7(
CoAts
L(
6
7(
%

.
6
.
%

.

CoAts

7%
CoAts
7%
6
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
42

Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
43
3. Exemples
3.1. L0 T10,40&0 20 L/34/530
$.1.1. *xemples non conomiques
3.1.1.1.0xemple 1
D=aprs 2Ge;le %BB%3 p'0::4
max x%3 x( f2x%3 x(4 9 a'x%
(
b'x%
(
sous x% 8 x( % 5 63 avec a ^ 6 et b ^ 6
Etablir l=e1pression u triplet 2x%[ x([ [4 solution u problme Y
Gusti7ier que celui9ci est un ma1imum'
Le Lagrangien corresponant est <
( ) ( ) 1
2 1
2
2
2
1 2 1
+ + x x bx ax , x , x l
$n point stationnaire 2x%[ x([ [4 e cette 7onction est < 2bP2aCb4 aP2aCb4
('a'bP2aCb44
Le terminant e la matrice bore est (2a8b4 positi7' La C#(. pour un ma1imum
est remplie'
3.1.1.2.0xemple 2
-rait comme e1emple en cours < paragrap;e %'%'%'( pour l=ienti7ication es points
stationnaires et paragrap;e %'('% page %% pour les conitions u (
me
orre' Ce
problme souligne l=importance e la conition e quali7ication et la non istinction es
minima es ma1ima par le t;orme e Lagrange'
Le problme est max f2x%3 x(4 5 x%
(
x( sous (x%
(
8 x(
(
5 3
Le vecteur nul ne satis7ait pas la conition e quali7ication' Mais il ne 7ait pas partie e
l=ensemble es ralisables < ce n=est onc pas un point caniat' La 7onction e Lagrange
est < ( ) ( ) 3 2
2
2
2
1 2
2
1 2 1
+ x x x x , x , x l ' Les points critiques 2x%[ x([ [4 sont les
suivants < 29% % 63@4 Y 29% 9% 963@4 Y 2% 9% 963@43 2% % 63@4 Y 26 3
63@
64 Y 26 93
63@
64' #euls
les ( premiers triplets corresponent W un ma1imum' Pour s=en assurer3 il 7aut calculer le
terminant e la matrice ;essienne pour c;aque triplet <
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
44
|
|
|
|

\
|



=
0 2 4
2 2 2
4 2 4 2
2 1
2 1
1 1 2
2
x x
x x
x x x
D l
La matrice ;essienne value pour le triplet 2x%[ x([ [4 5 6 3
63@
64 est <
|
|
|
|
|

\
|

=
0 3 2 0
3 2 0 0
0 0 3 2
* 2
m
m l D ont le terminant est gal W 3 24 quan 3
2
= x et
est ngati7 ans le cas contraire'
La matrice ;essienne value pour le triplet 2x%[ x([ [4 5 2% % 63@4 est <
|
|
|
|

\
|

=
0 2 4
2 1 2
4 2 0
* 2
m
m
l D ont le terminant est gal W 0:'
La matrice ;essienne value pour le triplet 2x%[ x([ [4 5 2% 9% 963@4 est <
|
|
|
|

\
|

=
0 2 4
2 1 2
4 2 0
* 2
m
m
l D ont le terminant est gal W 90:'
Pour tous les triplets3 les terminants sont non nuls3 les C(. su77isantes sont remplies
pour es ma1ima 2terminant positi74 ou es minima 2terminant ngati74 locau1'
Chapitre 2. Optimisation sous contrainte en quation
%& sept' %(
) P' Combes Motel
45
*igure @. 4eprsentation graphiue du problme de maximisation - max f;x16 x2< C x1
2
x2 sous 2x1
2
F x2
2
G 3 C )




































-10
-8
-6
-4
-2
0
2
4
6
8
10
-2 -1,5 -1 -0,5 0 0,5 1 1,5 2
x
2
x1
f*=2
f*=1
f*=-2
f*=-1
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
46
3.1.1.3.0xemple 3
D=aprs 2Lonar H Long %BB(3 p'(B4' -rouver les points ma1imisant P minimisant la
7onction f2'4 sous 2'4 5 6 <
( )
3 2 1
2 max x x x f = x
x
sous ( ) 0 3
2
3
2
2
2
1
= = x x x g x
Le vecteur nul qui annule le graient e la contrainte n=appartient pas au omaine es
ralisables' Ce n=est onc pas un point caniat' La 7onction e Lagrange est <
( ) ( )
2
3
2
2
2
1 3 2 1 3 2 1
3 2 , , , x x x x x x x x x + l
Les C!P. sont <
0
1
*
=

x
l
0 2 2
*
1
* *
3
*
2
= x x x
0
2
*
=

x
l
0 2 2
*
2
* *
3
*
1
= x x x
0
3
*
=

x
l
0 2 2
*
3
* *
2
*
1
= x x x
0
*
=

l
0 3
2 *
3
2 *
2
2 *
1
= x x x
%
er
cas < Dans l=;Ipot;se oU le multiplicateur est non nul' .n peut 7aire le rapport ( W
( es 3 premires C!P.' .n trouve en combinant les ( premires CP. puis la secone et
la troisime <
x
1
2
= x
2
2
et x
3
2
= x
2
2
=oU x
3
2
= x
2
2
= x
1
2
3 =aprs la quatrime CP. x

2
= 13 i = 1, 2, S
Le nombre e triplets 7orms e eu1 ob>ets 2% Y 9%4 est un arrangement avec
rptition ont le nombre est S
2
= 8' ,l 7aut regarer si cela est co;rent avec les CP.
pour ienti7ier la valeur corresponante u multiplicateur' .n trouve que les :
quaruplets caniats sont 2%3 %3 %3 %4 Y 29%3 9%3 9%3 9%4 Y 2%3 %3 9%3 9%4 Y 29%3 9%3 %3 %4 Y 2%3 9%3 %3
9%4 Y 2%3 9%3 9%3 %4 Y 29%3 %3 %3 9%4 Y 29%3 %3 9%3 %4
(
me
cas < consirer [ 5 6' .n peut montrer que les points caniats sont 263 63 33
64 et 263 33 63 64 et 233 63 63 64
La matrice ;essienne est carre =orre 0' ,l 7aut en e1aminer le terminant et celui
u mineur 6% =orre 3 valus W l=optimum <
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
47
|
|
|
|
|

\
|




=
0 2 2 2
2 2 2 2
2 2 2 2
2 2 2 2
3 2 1
3 1 2
2 1 3
1 2 3
2
x x x
x x x
x x x
x x x
D l et
|
|
|

\
|



=
0 2 2
2 2 2
2 2 2
3 2
3 2
2 1
1
x x
x x
x x
A
Calcul u terminant < utiliser E1cel
3.1.1.4. 0xemple 4
E1emple onn paragrap;e %'%'('3 p' %6' La 7onction e Lagrange corresponante
est <
l(x
1
, x
2
, x
3
,
1
,
2
) x
1
x
2
x
3
+
1
(x
1
2
+x
2
2
-1) +
2
(x
1
+x
3
-1)
Les C!P. <
I

x
1
= u =x
2
x
3
+2
1
x
1
+
2
= u Y
I

x
2
= u =x
1
x
3
+2
1
x
1
= u Y
I

x
3
= u =x
2
x
3
+
2
= u Y
I

1
= u =x
1
2
+x
2
2
= 1 Y
I

2
= u =x
1
+x
3
= 1
Les points caniats sont < (u, _1,1,u,u)3 (u, _1,u,u,u)3 (1,u,u,u,u)3 (-1,1,2,u,u)
$.1.2. !a courbe de +u,nets environnementale
D=aprs 2+nreoni H Levinson (66%3 p'(&(4'
3.1.2.1.Le problme
.n consire un agent conomique ont la 7onction =utilit U pen positivement
e la consommation C et ngativement e la pollution : < zP C U ' La pollution est un
sous9prouit e la consommation et le consommateur peut iminuer la pollution en
consacrant une partie e ses ressources pour polluer' La pollution est onc elle9mDme
une 7onction croissante e la consommation et croissante =un e77ort * <

E C C P
Le problme e ma1imisation e l=utilit u consommateur sous contrainte bugtaire
est 7ormul e la manire suivante <
( )

E C C z C U
E C,
max sous E C M + =
La pollution est reprsente par l=e1pression entre parent;ses' Le premier terme
mesure la pollution brute qui est proportionnelle W la valeur e la consommation Y le
secon terme mesure l=abattement ou encore la pollution3 et sont eu1
paramtres positi7s et in7rieurs W %' $ne unit consomme provoque une unit e
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
48
pollution mais es ressources peuvent Dtre consacres W un e77ort environnemental'
L=e77et marginal e C sur : est positi7 Y l=e77et marginal e * sur : est ngati7' Pour
simpli7ier le problme3 le pri1 relati7 e l=e77ort * et e la consommation est suppos gal
W %' Le paramtre , positi7 mesure la sutilit marginale constante e la pollution'
La 7onction U est quasi9concave en C et :' Cette proprit garantit que l=optimum est
un ma1imum quan la contrainte est linaire' La 7onction =utilit n=est pas concave3
mais la conition ncessaire pour que la 7onction U soit quasi9concave en C et : est
respecte' La 7inition e la concavit est plus restrictive que celle e la quasi9
concavit' .n a <
1
0 1
1 0
= et 0
0 1
0 0
1 0 0
=
z
z
Par consquent3 il suppos ici que le rapport U=C P U=: 2U=C P U=9:4 qui est la pente e la
courbe =ini77rence est croissant et ngati7 2croissant et positi74' En revanc;e3
cette 7onction n=est pas concave car on suppose la sutilit marginale e la pollution
constante'
La 7onction f2x%3 x(4 5 x%x( n=est pas concave <
1
0 1
1 0
= < le terminant e la matrice ;essienne n=est pas positi7 Y
#i f est quasi9concave alors <
Pour r 5 %3 0
0
0
2
1
1
1
= x
x
x
quel que soit x et pour r 5 (3
2 1
1 2
1
2
2
0
0 1
1 0
x x
x x
x
x
= est positi7 si
x% et x( sont e mDme signe'
3.1.2.2./ rsoudre
Poser le problme sous la 7orme =un problme e ma1imisation en prenant , 5 %3
tablir les conitions e premier orre et vri7ier les conitions su77isantes e secon
orre
La 7onction =ob>ecti7 est

E C qui est concave' La 7onction e Lagrange est la
suivante <
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
49
( ) ( ) C E M E C M z E C +

, ; , , l
Les conitions ncessaires e premier orre < 0
*

C
l
Y 0
*

E
l
Y 0
*
=

l

0
*
1
*
=


E C
0
*
1
* *
=

E C
0
* *
= E C M
]oir les solutions et les proprits e la relation entre le revenu et la pollution ans
2+nreoni H Levinson (66%3 p'(&34' Compte tenu es proprits e la 7onction =utilit
et e la tec;nologie =abattement3 le niveau optimal e consommation et =e77ort sont
strictement positi7s' La contrainte bugtaire est galement sature' La matrice
;essienne est la suivante <
( )
( )
|
|
|
|
|
|
|

\
|



0 1 1
1 1
1 1
2
*
*
* *
*
* *
*
2
*
*
E
U
E C
U
E C
U
C
U

,l s=agit e l=oppose =une 7orme quaratique impliquant la matrice ;essienne e la
7onction =utilit' .r celle9ci est strictement concave' ,l vient que le terminant e la
matrice ;essienne e la 7onction e Lagrange est strictement positi7' La conition
su77isante e secon orre pour un ma1imum 2global4 est remplie'
$.1.$. !e s.st&me de dpense linaire
]oir 2Jlein H "ubin %B0&4
Dans le problme u consommateur on consire la 7onction =ob>ecti7s reprsente
par la 7onction =utilit suivante < u2x%3 x(4 5 %ln2x% 9 x%
6
4 8 (ln2x( 9 x(
6
4 oU x%
6
et x(
6
sont
( constantes arbitraires 2seuils minima e consommation par e1emple43 % 8 ( 5 %' La
contrainte est la contrainte bugtaire sature < p%'x% 8 p('x( 5 <' "soure le problme
et vri7ier les conitions u (
me
orre'
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
50
.n peut montrer que les 7onctions e pense qui coulent e ce problme
=optimisation sont linaires par rapport W leurs arguments'
B
La solution peut Dtre
e1prime sous la 7orme =un sIstme e pense 2utile quan on s=intresse au1
penses es mnages agricoles ans les enquDtes3 oU les mnages enquDts ne sont pas
interrogs sur les quantits qu=ils consomment mais plutet sur la pense par poste e
consommation4 <
( )
0
1 1
0
2 2
0
1 1 1 1 1
* x p x p x p R x p + = Y ( )
0
2 2
0
2 2
0
1 1 2 2 2
* x p x p x p R x p + = Y
0
2 2
0
1 1 *
1
x p x p R =


La matrice ;essienne u Lagrangien est <
( )
( )
|
|
|
|
|
|
|
|

\
|

0
0
0
2 1
2 2
0
2
*
2
2
1 2
0
1
*
1
1
p p
p
x x
p
x x
ont le
terminant est
( ) ( )
0
2
0
1
*
1
1
2
2
2
0
2
*
2
2
2
1
>

x x
p
x x
p

$.1.4. !es dterminants de l'allocation de l'aide
]oir 2DuleI H Montmarquette %B&?4
$.1./. *conomie du bien01tre
En conomie u ME3 on s=intresse au1 allocations e77icaces et optimales es biens
2consommation3 prouction4 ans l=conomie' $ne allocation e77icace est obtenue
lorsqu=on ne peut amliorer la situation =un iniviu sans triorer la situation e
l=autre 2Critre e Pareto4 Y une allocation optimale correspon W une situation oU la
cision est prise e manire centralise' Dans ce cas3 on utilise une 7onction e ME
social' Ensuite on 7ait es comparaisons entre i77rents cas e 7igure' .n prsente 3 cas
e 7igure sont prsents' Le premier concerne l=allocation e77icace3 le secon l=allocation
optimale3 le troisime introuit un bien public' Dans cet e1ercice il 7aut Dtre 7amilier es
notions e tau1 marginal e substitution 2-M#43 tau1 marginal e substitution tec;nique
2-M#-4 et e tau1 marginal e trans7ormation 2-M-4'

B
Cf. 2Lonar H Long %BB(3 p'334 pour une gnralisation W n variables
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
51
3.1.'.1.2"initions
-au1 marginal e substitution' Graneur reprsentant la quantit u bien 8 qu=il 7aut
substituer W une unit u bien B pour garer un niveau =utilit constant' Cette
graneur est par 7inition positive' Le niveau =utilit est crit par la 7onction
( ) Y X u , avec 0 > u et 0 < u '
Y
X
u
u
dX
dY
TMS = ' ]oir Eigure :
-au1 marginal e substitution tec;nique' Graneur reprsentant la quantit
=intrant + qu=il 7aut substituer W une unit =intrant ! pour garer un niveau e
prouction constant' Cette graneur est par 7inition positive' La 7onction e
prouction est ( ) L K f , avec 0 > f et 0 < f '
K
L
f
f
dL
dK
TMST = ' ]oir Eigure B
-au1 marginal e trans7ormation' Graneur reprsentant la quantit u bien 8 qui
peut Dtre trans7orme en une unit e bien B par une rallocation =un es 7acteurs
e prouction' .n peut tablir autant e -M- qu=il e1iste e 7acteurs e prouction'
Les tec;nologies e prouction tant ( )
Y Y
L K Y , et ( )
X X
L K X , 3 le tau1 marginal e
trans7ormation pour le 7acteur +3 peut Dtre tabli comme suit <
X
L
X
K
Y
L
Y
K K
dL X dK X
dL Y dK Y
TMT
+
+
= 3 comme un 7acteur e prouction 7ait l=ob>et e la
rallocation d!
B
5 6 et d!
8
5 6' ,l vient <
X
K
Y
K K
dK X
dK Y
TMT = ' De plus3 d+
B
5 9 d+
8
3 =oU <
K
K K
X
Y
TMT = est le rapport es prouctivits marginales pour le 7acteur e
prouction consir' De la mDme 7a`on3
L
L L
X
Y
TMT = ' ]oir Eigure %6
*igure %. Courbe dindi""ren!e du !onsommateur


B
8
%
;=5
u
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
52
*igure D. +souante


*igure 1). *rontire des possibilits de produ!tion


3.1.'.2./llo!ation e""i!a!e des biens
Dans une conomie =c;ange oU ( agents 6 et D consomment eu1 biens e
consommation qui sont prouits W partir e ( 7acteurs e prouction par eu1
entreprises notes % et (3 le problme e l=agent 6 2et par sImtrie3 celui e l=agent D4
peut Dtre reprsent e la manire suivante <
( )
A A A
Y X u , max sous les contraintes
( ) Z Y X u
B B B
= , < l=agent 6 consire un niveau constant e l=utilit e l=agent D Y
.n a>oute W cette contrainte3 les contraintes lies W la isponibilit es biens e
consommation et e prouction <
( ) ( )
B A X X X X
X X L K X L K X + = +
2 2 2 1 1 1
, , Y
( ) ( )
B A Y Y Y Y
Y Y L K Y L K Y + = +
2 2 2 1 1 1
, , Y
K K K K K
Y Y X X
= + + +
2 1 2 1
Y
%
!
+
;=5;
f

%
B
8
;=;



Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
53
L L L L L
Y Y X X
= + + +
2 1 2 1
oU E3 + et ! sont es paramtres'
,l s=agit bien =un problme =e77icacit allocative e biens e consommation et e
prouction3 consir e manire centralise'
%4 /uelles sont les variables e c;oi1 Q /uel est le nombre e contraintes Q
!e probl&me comporte 12 variables de choix et / contraintes. !es variables de choix sont les suivantes : B
6
, 8
6
,
B
D
, 8
D
, +%
B
, !%
B
, +%
8
, !%
8
, +(
B
, !(
B
, +(
8
, !(
8

(4 Etablir la 7onction e Lagrange en rappelant la signi7ication es multiplicateurs3
puis tablir les conitions u premier' /uel est le nb e lignes et e colonnes e la
matrice ;essienne3 combien e mineurs principau1 oit9on consirer pour
vri7ier les C(. Q
!a matrice hessienne de la fonction de !arane comporte 12 lines et colonnes. Fl faut considrer 120/G-
mineurs principaux pour les C2O
34 Montrer <
B A K L
TMS TMS TMT TMT = = = ainsi que
2 2 1 1
Y X Y X
TMST TMST TMST TMST = = = qui sont les conitions =e77icacit allocative
pour la consommation et la prouction
3.1.'.4.La "on!tion de bien>Htre so!ial
$ne 7onction e ME social reprsente l=utilit retire au niveau e la collectivit' Dans
une conomie compose e ( agents 6 et D3 la 7onction e ME social H est la suivante <
( ) ( ) ( ) . , .
B A
u u W qui vri7ie 0 >

i
u
W
et 0
2
2
=

i
u
W
' Les 7onctions =utilit es agents vri7ient
les conitions usuelles =utilit marginale positive et croissante et les conitions
=,naa' Dans l=;Ipot;se oU les agents ne consomment qu=un seul bien isponible en
quantit X 3 le problme u plani7icateur social est e rpartir le bien B entre les agents
6 et D'
%4 Eaire le grap;e e la 7onction e ME social ans ( cas e 7igure en prcisant la
pente e la courbe =ini77rence sociale <
Le plan es utilits iniviuelles Y
Le plan es quantits consommes'
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
54
(4 Etablir le problme u plani7icateur sous la 7orme =un problme e
ma1imisation sous contrainte Y
34 Etablir la 7onction e Lagrange corresponante3 les conitions u premier en
vri7iant la non nullit es variables e c;oi13 et e secon orre et onner
l=interprtation u multiplicateur Y
04 Consirer la 7orme 7onctionnelle e H ans les ( cas suivants <

B A
u u W + = avec ( ) B A i X u
i i
,
2 1
= =

B A
u u W + = avec ( ) ( )
2 1 2 1
2
B B A A
X u X u = = ' C=est ire que pour un mDme niveau e
consommation u bien B 3 l=agent 6 est plus e77icace que D ans sa capacit W
retirer e l=utilit'
Calculer les quantits B
6
et B
D
consommes W l=optimum ans les ( cas' Commenter'
3.1.'.'./llo!ation optimale des biens
.n consire maintenant le problme e1pos au paragrap;e 3'%'@'( ci9essus u
point e vue u plani7icateur social' La 7onction e ME social ans le cas e ( biens e
consommation est la suivante < ( ) ( ) ( )
B B B A A A
Y X u Y X u W , , , qui vri7ie les proprits
onnes paragrap;e 3'%'@'0 ci9essus'
Comment est moi7i le problme e ma1imisation Q .n peut montrer que les
rsultats sont les mDmes < la cision 2centralise4 es agents privs est correspon W
celle u plani7icateur social'
3.1.'.#./llo!ation optimale des biens en prsen!e dun bien publi!
Consirer le problme pos ans le paragrap;e 3'%'@'( ci9essus en 7aisant les
;Ipot;ses suivantes < eu1 agents 6 et D consommant eu1 biens B et 83 le bien B est le
bien public qui est par 7inition consomm en quantits gales par les ( agents3 le bien
8 est un bien priv Y les 7onctions e prouctions es ( biens utilisent les 7acteurs e
prouction + et !3 un seul secteur proucti7'
%4 Poser le problme corresponant en ienti7iant les variables e c;oi1 Y
Elments e rponse' Le problme est <
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
55
( )
A A
Y X u , max sous les contraintes <
( ) Z Y X u
B B
= , Y ( ) X L K X
X X
= , Y ( )
B A Y Y
Y Y L K Y + = , Y K K K
Y X
= + Y L L L
Y X
= + oU E3 +
et ! sont es paramtres'
(4 Etablir la 7onction e Lagrange3 les conitions u premier orre et la matrice
;essienne permettant e vri7ier les conitions u secon orre Y
( ) ( ) ( ) ( ) ( ) ( ) X L K X Z Y X u Y X u Y Y X X
X X B B A A B A B A
+ + , , , , , , , , ,
2 1 3 2 1
l
( ) ( ) ( ) ( )
Y X Y X B A Y Y
L L L K K K Y Y L K Y + + +
5 4 3
,
Les C!P. sont les suivantes & variables e c;oi13 @ contraintes <
0
*
=

X
l
0
2 1
=

X
u
X
u
B A
Y 0
*
=

A
Y
l
0
3
=

A
A
Y
u
Y 0
*
=

B
Y
l
0
3 1
=

B
B
Y
u
Y
0
*
=

X
K
l
Y 0
*
=

X
L
l
Y 0
*
=

Y
K
l
Y 0
*
=

Y
L
l
Y 0
1
*
=

l
Y 0
2
*
=

l
Y 0
3
*
=

l
Y 0
4
*
=

l
Y 0
5
*
=

l

La matrice ;essienne u Lagrangien comporte %( lignes et %( colonnes Y la borure
comporte @ colonnes 2lignes4
34 "etrouver l=galit es -M- <
K L
TMT TMT = et montrer que
K L B A
TMT TMT TMS TMS = = + i'e' contrairement au cas crit prcemment3 la
somme es -M# qui mesurent les consentements marginau1 W paIer3 est gale au1
-M- qui est interprt ici comme le coAt marginal e prouction u bien public'
Grap;iquement3 cela signi7ie que la emane u bien public est obtenue en 7aisant
la somme verticale es emanes iniviuelles alors que pour un bien priv3 la
emane est obtenue par la somme ;oriKontale es emanes iniviuelles <
Eigure %%'
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
56
*igure 11. ,""re et demande dun bien publi!


3.2. &+5+&+8/T+,5 29 C,9T
$.2.1. Cas particuliers
.n c;erc;e W minimiser le coAt e prouction C 7'! 8 r'+ sous la contrainte que la
prouction soit I i.e. f2+3 !4 5 I' "soure le problme en prenant alternativement les (
7onctions e prouction suivantes <
f2+3 !4 5 +

'!
%9

< Cobb Douglas W renements =c;elle constants Y


+
63@
8 !
63@

.n est ans un cas particulier oU la 7onction =ob>ecti7s est linaire par rapport au1
paramtres ce qui permet =anticiper les proprits e la courbe enveloppe 2conve1it
et ;omognit4' Les c;oi1 optimau1 +[ et ![ sont es 7onctions e emane
conitionnelle'
%
er
cas < la 7onction e prouction est Cobb9Douglas < f2+3 !4 5 +

'!
%9

Y

|

\
|
|

\
|


=
w
r
Q L
1
*
Y

|

\
|
|

\
|

=
1 1
*
1 r
w
Q K Y
( )



=
1
1
*
r w
Y
( )



=
1
1
*
r w
Q C
(
me
cas < la 7onction e prouction est +
63@
8 !
63@
2
*
|

\
|
+
=
w r
rQ
L Y
2
*
|

\
|
+
=
w r
wQ
K Y
w r
wr
Q
+
= 2
*
Y
w r
wr
Q C
+
=
2 *

$.2.2. 3.poth&se d'une technoloie de production Cobb04oulas
.n rsout le problme e minimisation u coAt 2P@4 ans l=;Ipot;se que la
tec;nologie e prouction est Cobb9Douglas <
;=5
6
;=5
D
;=5
6
8 ;=5
D
c

;=;

B

B[

Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
57
2 2 1 1
,
2 1
min x w x w
x x
+ sous ( ) y x Ax x x f =

2 1
2 1 2 1
, 2PB4
6 est une 7acteur =c;elle qui peut Dtre interprt comme la prouctivit globale es
7acteurs' La 7onction e Lagrange est <
( ) ( )
2 1
2 1 2 2 1 1 2 1 2 1
, , ; , ,

+ + x Ax y x w x w y w w x x l
3.2.2.1. Conditions du premier ordre
Les C!P. sont les suivantes <
0 0
*
1
*
1
*
1
1
*
= =

x
f
w
x
l
Y 0 0
*
2
*
2
*
2
2
*
= =

x
f
w
x
l
Y 0 0
*
*
= =

f y
l

Des eu1 premires C!P. il vient <
* *
1
1 *
1
f
w
x

= Y
* *
2
2 *
2
f
w
x

= Y
*
f y =

.n peut obtenir l=e1pression u multiplicateur en combinant ces 3 galits <
2 1
2
2 1
1
2 1 2 1
2 1
2
2
1
1
1 1
*
+

+

|
|

\
|
|
|

\
|
=
w w
A y 3 quan les renements W l=c;elle sont
constants <
2 1
2
2
1
1 1 *

|
|

\
|

|
|

\
|

=
w w
A

3.2.2.2. Condition du se!ond ordre
La matrice ;essienne e la 7onction e Lagrange est la suivante <

2
l

=
`

u
1
(u
1
-1)
y

x
1
2
-

u
1
u
2
y

x
1

x
2

-u
1
y

x
1

u
1
u
2
y

x
1

x
2

u
2
(u
2
-1)
y

x
2
2
-u
2
y

x
2

-u
1
y

x
1

-u
2
y

x
2

u
/


Le terminant e la matrice ;essienne est < |
2
l

| = -

u
1
u
2

3
x
1
2
x
2
2
(u
1
+u
2
)' .n
constate que la nature es renements W l=c;elle n=a77ecte pas la conition e secon
orre'
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
58
3.2.2.3.*on!tions de demande et de !o$t
Les 7onctions e emane sont les suivantes <
2 1
2
2 1 2 1
2 1
2
2 1
2
2 1 2 1
2 2
1 1
1 1
2
2
1
1
1 1
*
1
+

+
+

+
|
|

\
|

=
|
|

\
|
|
|

\
|
=
w
w
A y
w w
A y x soit
( ) ( ) ( ) ( )
2 1
2 1
2
2 1
2 1
2
2 1 2 1
*
1
ln ln ln ln ln ln ln w w A y x
+

+ + + =
* *
2
2 *
2
f
w
x

=
2 1
1
2 1 2 1
2 1
1
2 1
1
2 1 2 1
1 1
2 2
1 1
2
2
1
1
1 1
*
2
+

+
+

+
|
|

\
|

=
|
|

\
|
|
|

\
|
=
w
w
A y
w w
A y x soit
( ) ( ) ( ) ( )
2 1
2 1
1
1 2
2 1
1
2 1 2 1
*
2
ln ln ln ln ln ln ln w w A y x
+

+ + + =
/uan les renements W l=c;elle sont constants <
2
2 2
1 1 1 *
1

|
|

\
|

=
w
w
yA x Y
1
1 1
2 2 1 *
2

|
|

\
|

=
w
w
yA x
.n peut remarquer que es restrictions sont testables < les lasticits pri1 irectes et
croises sont gales en valeur absolue' /uan les renements sont constants3 elles sont
in7rieures W % en valeur absolue'
La 7onction e coAt <
|
|
|

\
|
|
|

\
|

+
|
|

\
|

\
|
=
+

+

+ 2 1
1
2 1
2
2 1
2 2
1 1
2 2
1 1
1
*
w
w
w
w
A
y
C

$.2.$. 3.poth&se d'une technoloie de production C*5
.n rsout le problme e minimisation u coAt 2P@4 ans l=;Ipot;se que la
tec;nologie e prouction est CE# <
2 2 1 1
,
2 1
min x w x w
x x
+ sous ( ) y x x = +


1
2 2 1 1
2P%64
6 est l=lasticit constante e substitution es 7acteurs3 % 6 et ( 6 sont eu1
paramtres'
%4 Etablir les 7onctions e emane =intrants et e coAt minimum'
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
59

1
1

2
1
1
2
1

1
1
1
1
1

1
1
1

|
|

\
|
+
|
|

\
|
= w w
w
y x
*
Y

1
1

2
1
1
2
1

1
1
1
1
1

2
2
2

|
|

\
|
+
|
|

\
|
= w w
w
y x
*
Y

1
1

2
1
1
2
1

1
1
1
1


|
|

\
|
+ = w w y C
*
=oU
|
|

\
|
+

+ =
1

2
1
1
2
1

1
1
1
1

1
w w ln y ln C ln
*

(4 Montrer que lorsque ten vers 63 et ans l=;Ipot;se oU % 8 ( 5 %3 la 7onction
e coAt est e tIpe Cob Douglas
$tiliser la rgle e l=*epital' Cette rgle stipule que lorsque lim
x-0
g(x)
h(x)
onne une intermination 6 P 6
alors cette limite peut Dtre appro1ime par lim
x-0
g
|
(x)
h
|
(x)
' "appel <
u
u(x)
x
=
u
x
ln (o)o
u(x)
' .n constate que
lim
p-0
lnC

= lny +
-1
0
ln(o
1
+ o
2
) onne une intermination' .n peut tablir <
( ) ( )
2 2 2 1 1 1
*
0
ln ln ln ln ln ln lim w w y C =

=oU
2 1

2

1
w Ayw C
*
=
avec % 8 ( 5 %3
2 1

2

1


A
34 Montrer que ans le plan 2x% 3 x(4 les combinaisons optimales =intrants sont
aligns' Eaire une reprsentation grap;ique'
1
1
2
1
1
1
1
2
1 2


|
|

\
|
|
|

\
|
=
w
w
x x
* *

04 Dans l=;Ipot;se oU la 7onction e coAt est e tIpe Cobb Douglas montrer que les
coAts relati7s es intrants sont constants'
Le coAt relati7 e l=intrant i ans le coAt total est 5h2xi[4 7i xi[ P C[' $tiliser le
t;orme e l=enveloppe
@4 Dans l=;Ipot;se oU 7% 5 %3 comment mesure9t9on3 ans le plan 2x% 3 x(43 le coAt
2optimal4 relati7 W un niveau e prouction particulier Q
Dans l=;Ipot;se oU 7% 5 %3 le coAt minimum peut Dtre mesur W l=intersection u coAt et
e l=a1e es abscisses'
?4 #ur le grap;e suivant3 les points D3 C3 4 sont les quantits =intrants qui
minimisent le coAt quan3 respectivement3 . 5 .
6
Y . 5 .
%
Y . 5 .
(
' ,mposer ensuite
1
2 2 2
x x x = = oU x(
%
est le c;oi1 optimal e l=intrant ( quan . 5 .
%
moi7ie le coAt W
court terme' Duire grap;iquement la relation =orre entre le coAt e court
terme 2i.e. quan le c;oi1 e x( est contraint =Dtre gal W
2
x 4 et le coAt e long
terme 2le c;oi1 e x( est libre4
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
60
*igure 12






















3.3. &+5+&+8/T+,5 29 C,9T / C,94T 0T / L,53 T04&0
.n c;erc;e W minimiser le coAt e prouction C 7! 8 r+ sous la contrainte que la
prouction soit ( ) ( ) = =
1
, KL L K f Y

%4 /uelle est la nature es renements =c;elle Q
#i 5 (3 renements =c;elle constants' #i ^ 2F4 ( renements =c;elle croissants
2croissants4
2
1 1
1
1 1


|

\
|


= K L f
KK
< les renements marginau1 sont croissants si ^ %
(4 Etablir la 7onction e Lagrange3 les conitions e premier et u secon orre pour
les pb e court et e long terme' Les solutions u pb e long terme seront notes
avec l=e1posant [ Y celles u pb e court terme seront notes avec l=e1posant 6'
Les 7onctions e Lagrange es problmes e long et e court terme sont <
( ) ( )
|

\
|
+ +
1
, , KL Y rK wL L K l et ( ) ( ) |

\
|
+ +

1
; , L K Y K r wL K L l
Les C!P. pour le pb e long terme sont <
x%
x(
6
D
C
4
*
C[
6
C[
%
C[
(

.
6

.
%

.
(

Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
61
( )
( ) 0 0
, ,
1
* *
* * *
= =

L K Y
L K l

La matrice ;essienne e la 7onction e Lagrange est la matrice bore suivante ont
le terminant oit Dtre ngati7 2le multiplicateur tant positi74 <
|
|
|

\
|



=
0
* *
* * * * *
* * * * *
* 2
L K
L LL LK
K KL KK
f f
f f f
f f f
D l ont le terminant est
( )
* 2 * * * * * 2 * * * 2
2
KK L KL L K LL K
f f f f f f f D + = l soit
0
* *
* * *
* * *
* * 2
L K
L LL LK
K KL KK
f f
f f f
f f f
D = l soit encore
( )
|
|

\
|
|
|

\
|
=
*
*
*
* *
* *
* * * * 2
K
L
LL LK
KL KK
K L
f
f
f f
f f
f f D l
Le terminant e la matrice ;essienne e la 7onction e prouction est positi7
27onction e prouction strictement concave si ^%4 l=oppose =une 7orme quaratique
compose =une 7onction concave est ngati7'
Les C!P. pour le pb e court terme sont <
( )
0
1
0
, 1
1
0
1
0
0 0
=

L K w
L
L l

( )
( ) 0 0
,
1
0
0 0
= =

L K Y
L l

34 Etablir l=e1pression e la 7onction e coAt W long terme'
Long terme' Les conitions % et ( permettent =tablir que le rapport capital travail
est constant W l=optimum <
r
w
L
K
=
*
*

En utilisant la conition 33 on peut tablir les 7onctions e emane e capital et e
travail3 puis la 7onction e coAt <
2
1
2
*
|

\
|
=

r
w
Y K Y
2
1
2
*

|

\
|
=
r
w
Y L Y
2
1
2
1
2

2 w r Y C
*
=
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
62
Court terme' La conition ( permet =tablir la 7onction e emane e travail <
1 0
= K Y L Y K r K wY C + =
1 0

La conition % permet =tablir l=e1pression u multiplicateur'
Etablir la 7onction e emane e travail W long terme ![' Etablir la 7onction e
emane e travail W court terme note !
6
quan 1 = K puis 2 = K ' Comparer ans ces
eu1 cas la sensibilit e !
6
et ![ W une moi7ication e 7' Commenter'
Les 7onctions e emane e travail e court terme sont immiates' Eaire la rive
partielle par rapport W 7 et montrer que la sensibilit e ! W 7 est nulle W court terme
et non nulle W long terme
1 = K 3
0
Y L =
2 = K 3
0
2
1
Y L =
Etablir les 7onctions e coAt e court terme3 notes C
6
3 quan 1 = K 3 puis 2 = K '
Ensuite en prenant r 5 % et 8 5 %3 raliser ans les eu1 cas3 les grap;es es 7onctions e
coAt en 7onction e 7' En uire ensuite les tau1 e salaire pour lesquels C
6
5 C[' En7in3
en prenant r 5 7 5 % et 5 (3 raliser ans les eu1 cas3 les grap;es es 7onctions e coAt
en 7onction e 8' En uire ensuite les niveau1 e 8 pour lesquels C
6
5 C['

1 = K 2 = K
Eonction e coAt e court
terme
r wY C + =
0

r Y
w
C 2
2
0
+ =
r 5 % et 8 5 % C
6
5 C[ quan 7 5 ( C
6
5 C[ quan 7 5 0
r 5 7 5 % et 5 ( C
6
5 C[ quan 8 5 % C
6
5 C[ quan 8 5 (
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
63
*igure 13. *on!tions de !o$t de !ourt et de long terme en "on!tion de w

*igure 14. *on!tions de !o$t de !ourt et de long terme en "on!tion de Y

3.4. *,5CT+,5 20 C,9T 30504/L+80 20 L0,5T+0*
DieLert propose une 7onction =une 7orme gnrale 2elle peut Dtre aussi utilise
comme une reprsentation =une 7onction e prouction voir 2Mis;ra (66&44 qui
permet e tenir compte e plusieurs intrants 2DieLert %B&%4' Comme la somme es
0
1
2
3
4
5
6
7
8
9
0 1 2 3 4 5 6 7 8
w
C
o

t
s
C* C0(K=1) C0(K=2)
0
5
10
15
20
25
30
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5
Y
C
o

t
s
C* C0(K=1) C0(K=2)
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
64
coe77icients gale %3 elle satis7ait au1 proprits intressantes =une 7onction e coAt' Elle
est la suivante <
( ) ( )


i j
j i ij
w w y h y C
2
1
2
1
, w 3 i3 @ 5 %3V3 n Y 7i 6 Y h2.4 6 soit
( ) ( )
|
|

\
|
+ +
i ii j i ij
w w w y h y C
2
1
2
1
2 , L w
+vec<
h2.4 une 7onction continue3 monotone croissante e . qui ten vers l=in7ini quan . ten
vers l=in7ini et h264 5 6 Y
D est une matrice sImtrique carre =orre n ont les lignes et les colonnes sont
constitues es i@ avec i@ non ngati7 i.e. i@ 6 et i@ 5 @i
Par e1emple3 quan n 5 ( <
( ) ( )
|
|

\
|
+ +
2
1
2
2
1
2 22
2
1
2
2
1
1 12
2
1
1
2
1
1 11
2 , w w w w w w y h y C w soit
( ) ( )
|
|

\
|
+ +
2 22
2
1
2
2
1
1 12 1 11
2 , w w w w y h y C w
%' ]ri7ier que la 7onction ci9essus a bien les proprits =une 7onction e coAt Y
]oir -;orme %% 2paragrap;e ('3 p' 3:4
(' +ppliquer le lemme e #;ep;ar puis tablir les emanes =intrants et l=impact es
pri1 es intrants sur les emanes Y
i
i
w
C
x

=
*
*
cW ( )


=
j
j i ij i
w w y h x
2
1
2
1
*
Y ( )
2
1
2
1 *
2
1

=

j i ij
j
i
w w y h
w
x
i et @
3' /ue peut9on ire es proprits e la 7onction e prouction ans le cas oU i@ 5 63 i
@ Q
La matrice D evient <
|
|
|

\
|

=
nn
B
L
M O M
L
0
0
11
' Les emanes =intrants < ( )
2
1
2
1
*
2
1
+
=
i ii i
w y h x
soit ( )
ii i
y h x =
*
' Le ratio es emanes =intrants
jj
ii
j
i
x
x

=
*
*
est inpenant u prouit
et es pri1 es 7acteurs e prouction' ,l vient onc une proportion 7i1e entre le prouit
et la emane e l=intrant et par consquent l=absence e substitution entre les 7acteurs'
,l s=agit onc =une 7onction e prouction W coe77icients 7i1es W la Leontie7'
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
65
3.'. +5T04740T/T+,5 29 &9LT+7L+C/T094
$./.1. 6llocation efficace des ressources productives
D=aprs 2Lonar H Long %BB(4' !ature u problme < on consire un problme
=allocation e77icace es ressources ont on compare la solution avec celle
corresponant au problme centralis' .n montre que ans l=;Ipot;se e CPP3
quilibre et optimum cofncient < le multiplicateur est le pri1 implicite e la ressource3
gal W son pri1 e marc;'
Tableau 3. /llo!ation e""i!a!e des ressour!es produ!tives dans une !onomie
Mranc;e i 5 % Mranc;e i 5 (
pi < pri1 u bien prouit ans la branc;e i p% 5 % p( 5 3
( )
i i
x f
< tec;nologie e prouction e la branc;e
i qui utilise la ressource en quantit xi
( ) ( )3
1
1 1
1
12 x x f = ( ) ( )3
1
2 2
2
x x f =
B 5 &( < quantit isponible e la ressource3 W
rpartit entre les ( branc;es

%' Etablir les conitions e premier et e secon orre ans les ( cas 2optimum puis
quilibre4
(' Comment un plani7icateur central alloue9t9il les ressources prouctives x entre les
branc;es a7in e ma1imiser le revenu < e l=conomie Q /uelle est la moi7ication u
revenu ma1imal <[ quan la quantit isponible e la ressource augmente =une
unit Q
x%[ 5 ?0 Y x([ 5 : Y [ 5 63(@
3
5
1
3
5
2
2
3
8
3
2

+ = x x D l Y
5 5
3
5
3
5
* 2
4
3
8
2
3
2
64
3
8
8
3
2


+ = + = l D
3' Maintenant3 on suppose que les entreprises e c;aque branc;e3 en situation e
concurrence pure et par7aite3 ma1imisent leur pro7it' .n note 7 le pri1 unitaire e la
ressource prouctive' /uelles sont les emanes pour la ressource ans c;aque
branc;e3 pour l=ensemble e l=conomie 2celle9ci tant note x[4 Q /uel est le pri1 7[
e la ressource qui galise l=o77re W la emane Q
( ) 2
3
1
8

= w x
*
Y ( ) 2
3
1

= w x
*
Y ( ) 2
3
9

= w x
*
Y 7[ 5 63(@
Le pri1 e marc; est gal au pri1 implicite e la ressource' Le marc; en CPP permet
e raliser une allocation e77icace e la ressource'
$./.2. !e prix de la pollution
D=aprs Perman et al' 2(6633 p'&:4' .n suppose que ( entreprises polluantes % et (
ont les missions polluantes sont =% et =( ' En absence e rgulation e leurs activits3
les missions qui ma1imisent leurs pro7its respecti7s sont =%
6
5 %666 et =(
6
5 &@66
tonnes' Les entreprises peuvent ruire leurs missions3 mais cela ruit ans le mDme
Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
66
temps leurs pro7its et onc augmente leurs coAts' Les coAts lis au1 ructions
2abatement4 sont les suivantes <
( ) ( )
2
1
0
1 1
0
1
2
1 1 1
01 , 0 10 01 , 0 10 M M M M A A C + + = soit
( ) ( )
2
1 1 1
1000 01 , 0 1000 10 M M C + =
( ) ( )
2
2
0
2 2
0
2
2
2 2 2
001 , 0 5 001 , 0 5 M M M M A A C + + = soit
( ) ( )
2
2 2 2
7500 001 , 0 7500 5 M M C + =
.U 6% et 6( sont les niveau1 =abattement es missions' Le problme e l=agence e
l=environnement est e terminer comment une ruction es missions e =%
6
8 =(
6

5 :@66 tonnes W &@6 oit Dtre rpartie entre les eu1 entreprises'
%' Comment peut9on 7ormuler le problme sous la 7orme =un problme =optimisation
sous contrainte Q
(' Ecrire la 7onction e Lagrange corresponante3 tablir les conitions u premier et
u secon orre'
3' En uire les valeurs prises par les variables e c;oi1 W l=optimum' .n portera un
intrDt particulier W l=interprtation u multiplicateur'
0' Dans l=;Ipot;se oU le coAt social compren les coAts en termes e sant3 nots
( )
2 1
M M H + avec E = A(H
1
+H
2
)
2
et 6563%3 comment sont moi7ies les missions
W l=optimum3 le coAt social es missions polluantes Q
Elments e rponse'
La 7onction e Lagrange est la suivante <
l(H
1
, H
2
, ) C
1
(H
1
0
- H
1
) +C
2
(H
2
0
-H
2
) +(H

- H
1
- H
2
)
Les C!P. sont les suivantes <
I(M
1
,M
2
,)

M
1
-
C
1
(M
1
0
-M
1
)

M
1
-

= u Y
I(M
1
,M
2
,)

M
2
-
C
2
(M
2
0
-M
2
)

M
1
-

= u Y
I(M
1
,M
2
,)

- H
1

- H
2

=
u
Le coAt marginal est gal W l=oppose u multiplicateur Y il est bien positi7'
Le sIstme =quations est le suivant <_
-1u - u,u2H
1
0
+ u,u2H
1

= u
-S - u,uu2H
2
0
+ u,uu2H
2

= u
H

- H
1

- H
2

= u
soit
_
u,u2H
1

= 1u + u,u2H
1
0
u,uu2H
2

= S +u,uu2H
2
0
-H
1

- H
2

= -H

qui peut Dtre rsolu par la rgle e Cramer


Le triplet optimal est 2@((3&3 Y ((&3(& Y 9%B3@@4 ou bien 2@((3&3 Y ((&3(& Y %B3@@4 si l=on c;ange le signe e
la contrainte ans la 7onction e Lagrange' ]oir reprsentation grap;ique Eigure %@' ,l 7aut s=assurer que
ce triplet constitue un minimum <
La matrice ;essienne bore
2
l

corresponant au pb est <


`

2
C
1
M
1
2
u -1
u

2
C
2
M
2
2
-1
-1 -1 u
/

soit _
u,u2 u -1
u u,uu2 -1
-1 -1 u
_'
$ne conition su77isante u secon orre est que le terminant |
2
l

| < u' Celui9ci est gal W 9636(('


Optimisation sous contrainte en quation
@ >anvier (6%(
)P' Combes Motel
67
C

< u comme le multiplicateur est ngati7 cela signi7ie qu=une iminution e la cible accrobt le coAt
e prouction'
%6


/uan on pren en compte le coAt en termes e sant3 la 7onction e Lagrange evient <
l(H
1
, H
2
, ) C
1
(H
1
0
- H
1
) + C
2
(H
2
0
- H
2
) + B(H
1
+ H
2
) + (H

-H
1
- H
2
)
Le sIstme =quations W rsoure pour les C!P. evient <
`
1
1
1
1 -1u - u,u2H
1
0
+ u,u2H
1

+
H

M
1
-

= u
-S - u,uu2H
2
0
+ u,uu2H
2

+
H

M
2
-

= u
H

-H
1

- H
2

= u
soit _
u,u2H
1

+ 2AH
1

+2AH
2

= 1u +u,u2H
1
0
2AH
1

+ u,uu2H
2

+2AH
2

= S +u,uu2H
2
0
H

- H
1

- H
2

= u

La matrice ;essienne evient <
`

2
C
1
M
1
2
+

2
H

M
1
2

2
H

M
1
M
2
-1

2
H

M
1
M
2

2
C
2
M
2
2
+

2
H

M
2
2
-1
-1 -1 u
/

soit
`

2
C
1
M
1
2
+ 2A 2A -1
2A

2
C
2
M
2
2
+2A -1
-1 -1 u
/

ont le terminant est le mDme


que prcemment compte tenu e la 7orme 7onctionnelle e la 7onction e coAt sant'
L=interprtation u multiplicateur est la suivante <
oC

oH
+
oE

oH
=


.n peut montrer que lorsque le coAt social intgre le coAt sant3 le multiplicateur evient positi73 c=est ire
que la prise en compte u coAt sant3 permet montrer qu=une ruction es missions totales ruit le
coAt social3 pourvu que la ponration u coAt sant ans le coAt social soit su77isamment importante' Les
missions polluantes es entreprises ne c;angent pas 2cela est A au c;oi1 e la 7orme 7onctionnelle4
*igure 1'. 3omtrie des !o$ts marginaux de dpollution et niveaux optimaux dmissions


%6
#i l=on met un signe ngati7 evant la contrainte ans la 7onction e Lagrange3 l=e77et marginal u total
es missions sur la 7onction e coAt est onn par
C

= -

< u' C=est ire que l=e77et =une


augmentation u niveau total es missions sur le coAt est ngati7'
-35
-30
-25
-20
-15
-10
-5
0
0 100 200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600
Emissions

cot marginal 1 cot marginal 2 lambda*

Vous aimerez peut-être aussi