Vous êtes sur la page 1sur 251

Sciences de gestion

Synthse
de cours
exercices
corrigs

&
Mathmatiques
appliques
la gestion
Cours et exercices adapts aux besoins
des gestionnaires et des conomistes
Approche progressive illustre de
nombreux exemples
Corrigs dtaills de tous les problmes
et exercices

Collection

synthex

Jeremy DUSSART, Natacha JOUKOFF,


Ahmed LOULIT, Ariane SZAFARZ

Sciences de gestion

Synthse
de cours

&

Exercices
corrigs

Mathmatiques
appliques
la gestion
Jeremy DUSSART
Natacha JOUKOFF
Ahmed LOULIT
Ariane SZAFARZ

Direction de collection : Roland Gillet


professeur luniversit Paris 1 Panthon-Sorbonne

Collection

synthex

ISBN : 978-2-7440-7374-8
ISSN : 1768-7616

2009 Pearson Education France


Tous droits rservs
Composition sous LATEX : ScripTEX
Toute reproduction, mme partielle, par quelque procd que ce soit, est interdite sans autorisation pralable. Une copie par xrographie, photographie, film, support magntique ou autre,
constitue une contrefaon passible des peines prvues par la loi, du 11 mars 1957 et du 3 juillet
1995, sur la protection des droits dauteur.

Ccile, Cline, Sylvain, Cdric, Yasmina et Clara, en esprant quun jour ils approfondiront
cette matire fascinante qui leur a pris un peu du temps de leurs parents.
Emerson, pour lencourager dcouvrir ce domaine que son grand frre a pris plaisir
investiguer.

Sommaire
Les auteurs

VII

Introduction

IX

Chapitre 1 Rappels et dfinitions

Chapitre 2 Suites relles

31

Chapitre 3 Les fonctions dune seule variable

51

Chapitre 4 Optimisation des fonctions dune seule variable

101

Chapitre 5 Les matrices

121

Chapitre 6 Les fonctions de plusieurs variables relles

161

Chapitre 7 Optimisation des fonctions de plusieurs variables

201

Rfrences bibliographiques

235

Index

237

Sommaire

Les auteurs

Jeremy Dussart est ingnieur de gestion de la Solvay Business School (SBS) de lUniversit
Libre de Bruxelles (ULB). Il est chercheur en stratgie au Centre Emile Bernheim (CEB)
et enseigne les mathmatiques en privilgiant les applications pratiques ce domaine.
Natacha Joukoff est mathmaticienne diplme de lULB. Passionne par la pdagogie,
elle enseigne les mathmatiques la SBS, elle participe aussi activement aux cours prparatoires destination des futurs tudiants et aux cours de soutien organiss pour ceux
qui, en premire anne de sciences de gestion, ont des difficults sadapter au rythme de
lenseignement des mathmatiques.
Ahmed Loulit est titulaire dun DEA de sciences de gestion (SBS) et dun doctorat de
mathmatiques (ULB), obtenu sous la direction du professeur Jean-Pierre Gossez. Il est
enseignant en mathmatiques (SBS) et chercheur au CEB. Il prpare actuellement une
thse en modlisation financire sous la direction du professeur Andr Farber.
Ariane Szafarz est professeur de mathmatiques et de finance lULB. Elle y dirige le
Centre Emile Bernheim (CEB) et est membre du Dpartement dconomie applique
(DULBEA). Diplme en philosophie des sciences, elle a rdig une thse de doctorat de
mathmatiques sous la supervision du professeur Christian Gouriroux (CREST, Paris),
avec qui elle a rgulirement collabor. Prsidente de lcole doctorale en gestion de lULB
(SBS), elle participe divers projets scientifiques, nationaux et internationaux, et encadre
plusieurs doctorants du dpartement de finance dont elle assume la responsabilit avec les
professeurs Ariane Chapelle et Andr Farber. Enfin, elle est lauteur de nombreux livres
et darticles scientifiques en conomtrie financire.

Les auteurs

VII

Introduction

Lobjectif principal de cet ouvrage est dapporter aux tudiants en sciences de gestion les
bases mathmatiques ncessaires pour aborder les diverses branches de leur discipline.
cette fin, il propose un compromis entre une vision mathmatique abstraite qui ignorerait
les aspects pratiques et une dmarche strictement utilitariste qui masquerait la fcondit
et lesthtique du raisonnement mathmatique.
Selon le principe de la collection, chaque chapitre commence par une synthse de cours
illustre de nombreux exemples, remarques pratiques et commentaires. Ceci exclut les
dmonstrations (qui peuvent tre trouves dans les ouvrages de rfrence) au profit
dexplications mettant en vidence la logique de la succession des matires. Ce sacrifice,
difficile consentir pour un mathmaticien, est compens par des dfinitions prcises,
des hypothses explicites et des rsultats rigoureux.
Les exercices et problmes, qui occupent la seconde et majeure partie de chaque chapitre,
se rpartissent entre applications directes des rsultats thoriques et formalisation des
questions poses par les sciences de gestion. Tous sont accompagns des solutions dtailles
qui mentionnent, le cas chant, lexistence dautres approches possibles.
Les sciences de gestion sont jeunes et dynamiques et leurs contours thoriques fluctuent.
Dresser linventaire dtaill des outils mathmatiques quelles emploient constitue une
mission prilleuse. Nous avons choisi la voie, plus commode, de la cohrence mathmatique thmatique, quitte dlaisser certaines matires, qui, comme les intgrales ou les
applications linaires, apparaissent moins souvent dans les applications, mais sont tout
aussi passionnantes. Il reste donc matire un second volume.
Ce livre est organis de la manire suivante. Le premier chapitre introduit les notions de
base et les notations qui seront utilises tout au long des pages qui suivent. Il va cependant
au-del des simples rappels en prsentant notamment la rsolution dquations dans
lensemble des nombres complexes. Le chapitre 2 tudie les suites relles qui permettent
de caractriser lvolution et la convergence de processus dterministes en temps discret.
Le chapitre 3 dveloppe la thorie des fonctions dune variable tandis que le chapitre 4
est ddi la dtermination des extrema de ces fonctions. Le chapitre 5 est consacr aux
notions fondamentales relatives aux matrices et la rsolution de plusieurs problmes
dalgbre linaire. Le chapitre 6 prsente les fonctions de plusieurs variables dont les
applications pratiques la gestion sont multiples. Logiquement, le chapitre 7 approfondit
la recherche des extrema de telles fonctions.
**
*

Introduction

IX

Il y a prs dun an, le professeur Roland Gillet nous a propos de rdiger cet ouvrage.
Nous avons saisi avec enthousiasme cette opportunit de transmettre notre exprience
de lenseignement des mathmatiques aux gestionnaires. En effet, notre quipe dispense
depuis plusieurs annes ce type de cours la Solvay Business School de lUniversit Libre
de Bruxelles. Arrivs au terme de la rdaction, nous lui sommes trs reconnaissants de la
confiance quil nous a tmoigne et des bons moments passs en sa compagnie qui nous
ont permis dapprcier sa rigueur intellectuelle, son sens de lorganisation et son humour
communicatif.
Il convient de souligner le soutien efficace et les encouragements rpts que nous a prodigus Pearson Education France, et tout spcialement Pascale Pernet et Antoine Chret,
avec qui nous avons pris un grand plaisir travailler. Ils conserveront probablement le
souvenir que les matheux sont des gens certes pointilleux, mais respectant les dlais.
Nous remercions galement Martine Anciaux-Mundeleer pour sa patiente relecture et
ses commentaires judicieux, sans oublier les gnrations dtudiants et dlves-assistants
qui nous ont aids ajuster le contenu de notre enseignement et affiner lapproche
pdagogique dune discipline qui suscite parfois une certaine apprhension.
Enfin, nous formulons lespoir que les lecteurs dcouvriront au fil de cet ouvrage que les
mathmatiques constituent non seulement un outil prcieux pour les sciences de gestion,
mais aussi un savoir fascinant dont lapprentissage procure des joies insouponnes...
Jeremy Dussart
Natacha Joukoff
Ahmed Loulit
Ariane Szafarz
Bruxelles, juin 2004

Introduction

Chapitre

Rappels
et dfinitions

Ce chapitre prsente les notions de base et les

Rappels et dfinitions
1.
2.
3.
4.
5.

Ensembles de nombres . . .. . . . .. . . . .. . 2
Relation 6 dans R . . . . .. . . .. . . . .. . . . 3
Sous-ensembles convexes de R . . . . .. 4
Fonctions de R dans R . .. . . . .. . . . .. . 4
Rsolution dquations dans C . . .. . . . 6

5.1 Nombres complexes . . . . . . . . . . . . . . 6


5.2 Plan complexe et forme
trigonomtrique . . . . . . . . . . . . . . . . . . 7
5.3 Polynmes coefficients
complexes . . . . . . . . . . . . . . . . . . . . . . . . 9

6. Topologie et dpendance linaire


dans Rn .. . . . .. . . . .. . . .. . . . .. . . . .. . . 9
Problmes et exercices . . . . ..
Relation 6 dans R
et les sous-ensembles convexes de R
Fonctions de R R . . . .. . . .. . . . .. . . .
Nombres complexes . . .. . . . .. . . . .. . . . ..

notations utilises dans la suite du livre (1) , en


commenant par les ensembles de nombres. Il volue
ensuite vers la structure ordonne de lensemble R des
nombres rels.
De l, les intervalles et autres ensembles convexes de
R sont introduits. Les fonctions relles dont ltude
dtaille apparat dans les chapitres 3 et 4 sont
brivement prsentes. La gnralisation de

12

lensemble R est aborde selon deux directions. Dune

12
14
24

part, au plan algbrique, les nombres complexes

Topologie et dpendance linaire


dans Rn .. . . . .. . . . .. . . . .. . . .. . . . .. . 27

permettent la rsolution dquations polynomiales sans


solution relle. Dautre part, les ensembles de n-uples
rels constituent la base indispensable lexamen des
fonctions de plusieurs variables qui font lobjet des
chapitres 6 et 7.

1. Nous supposerons nanmoins acquises les notions de base et les notations de la thorie des ensembles et de
lalgbre lmentaire.

Rappels et dfinitions

Ensembles de nombres
Les ensembles de nombres sont prsents du plus petit au plus grand, partant de celui des
nombres naturels, utiliss communment pour dnombrer des objets. Les nombres entiers
sont obtenus en ajoutant aux nombres naturels leurs opposs, qui sont munis dun signe
ngatif. Les nombres rationnels permettent dintroduire toutes les fractions (division de
deux nombres entiers) dnominateur non nul. Enfin, lensemble des nombres rels qui
nest pas dnombrable, est dtermin par analogie avec les points dune droite, appele la
droite relle.
Notations

N est lensemble des nombres naturels {0, 1, 2, . . . }.


Z est lensemble des nombres entiers {. . . , 2, 1, 0, 1, 2, . . . }.


p
: p Z, q Z, q 6= 0 .
Q est lensemble des nombres rationnels
q
R est lensemble des nombres rels, reprsent par lensemble des points dune
droite oriente munie dune origine et dune unit.
Pour chacun des ensembles cits, on indique lexclusion du nombre 0 par un
indice infrieur nul ou un astrisque. La restriction aux nombres positifs ou
nuls, ou ngatifs ou nuls, seffectue laide du signe qui convient plac en indice
suprieur.

Exemples
N0 = N = N\{0} = {1,2, . . . }, R+ = {x R : x > 0}, R
0 = {x R : x < 0}.

Lquation x2 = 1 nadmet pas de solution relle. Afin de rsoudre cette difficult, on


dfinit un ensemble plus vaste que R, lensemble des nombres complexes.
Dfinition



C = a + bi : a, b R , i2 = 1 .

Les dfinitions et proprits relatives lensemble C seront prsentes dans la section 5


du prsent chapitre. Remarquons que les inclusions successives N Z Q R C
sont strictes puisque :
/ N.
1 Z et 1
1
1
/ Z.
Q et
3
3
/ Q.
R et
/ R.
3 + 2i C et 3 + 2i
Lensemble R occupe sans conteste une place prpondrante dans les applications pratiques. En effet, les multiples lments quantitatifs qui maillent les problmes de la
gestion sexpriment le plus souvent laide des nombres rels.
Dans le domaine des processus volutifs, deux approches du temps coexistent. Dune part,
le temps vu comme une succession dinstants dissocis (approche dite discrte) conduit
une reprsentation mathmatique de dates appartenant N ou N0 et lvolution des

Rappels et dfinitions

Chapitre
variables dintrt sera exprime laide de suites (chapitre 2). Dautre part, le temps
considr comme un continuum (approche dite continue), en rfrence R ou R +
0,
requiert la thorie des fonctions (chapitre 3). En fait, ces deux visions du temps sont
complmentaires : lobservation statistique seffectue des dates discrtes, tandis que
lanalyse thorique repose plus volontiers sur la thorie des fonctions, plus performante
cet gard.

Relation 6 dans R
Lensemble des nombres rels est naturellement ordonn selon la position des points sur la
droite relle de gauche droite. Cette relation dordre, note 6, jouit de diverses proprits
qui enrichissent la droite relle et permettent de dfinir des notions qui savreront fort
utiles dans ltude des fonctions.
Proprits

La relation 6 est un ordre total sur R car :


x R : x 6 x (rflexivit),

x, y R : x 6 y et y 6 x x = y (antisymtrie),

x, y, z R : x 6 y et y 6 z x 6 z (transitivit),
x, y R : x 6 y ou y 6 x (lordre est total).

Lordre 6 est compatible avec laddition et avec la multiplication par un nombre


positif ou nul car :
x, y, z R : x 6 y x + z 6 y + z.

x, y R , z R+ : x 6 y x.z 6 y.z.

Attention
x, y R , z R : x 6 y x.z > y.z.

Proprit R est un ensemble dense car :

x, y R : x < y z R : x < z < y.

Remarque
N et Z ne sont pas des ensembles denses, tandis que Q et R\Q le sont. En outre, ces deux
derniers ensembles sont denses dans R. En effet :
x, y R : x < y z R\Q : x < z < y.
x, y R : x < y z Q : x < z < y.

Considrons un ensemble A R. Les dfinitions suivantes utilisent la relation dordre 6


afin de situer un point quelconque b R par rapport cet ensemble.

Relation 6 dans R

Dfinitions
b est un majorant de A si x A : x 6 b. Lensemble des majorants de A est

not A.

b est un minorant de A si x A : b 6 x. Lensemble des minorants de A est


not A.
A est born si A admet au moins un minorant (A est minor) et un majorant (A
est major).
Le plus petit majorant de A est appel supremum ou borne suprieure de A. Il
est not sup A. Si sup A A, alors sup A est appel maximum de A. Il est not
max A.
Le plus grand minorant de A est appel infimum ou borne infrieure de A. Il
est not inf A. Si inf A A, alors inf A est appel minimum de A. Il est not
min A.

Proprit Dans R, tout ensemble non vide major admet un supremum et tout
ensemble non vide minor admet un infimum.

Nanmoins, certains ensembles majors (resp. minors) nadmettent pas de maximum


(resp. minimum). Voir les exercices.

Sous-ensembles convexes de R
Un sous-ensemble A de R est dit convexe si tout segment qui joint deux de ses points
est contenu dans lensemble. La formalisation mathmatique de cette dfinition snonce
comme suit.
Dfinition A est un sous-ensemble convexe de R si :
x, y A , z R : x 6 z 6 y z A.

Les sous-ensembles convexes de R sont les intervalles, les demi-droites et les sous-ensembles
triviaux : (ensemble vide) et R. Voici tous les intervalles et demi-droites possibles :
Intervalle ferm : [a, b] = {x R : a 6 x 6 b}.
Intervalle ouvert : (a, b) = {x R : a < x < b}.
Intervalles ni ouverts, ni ferms : [a,b) = {x R : a 6 x < b}
et (a, b] = {x R : a < x 6 b}.
Demi-droites fermes : [a, +) = {x R : a 6 x} et (, b] = {x R : x 6 b}.
Demi-droites ouvertes : (a, +) = {x R : a < x} et (, b) = {x R : x < b}.

Fonctions de R dans R
Considrons deux sous-ensembles A et B de R. Par dfinition, une fonction de A dans B
envoie chaque lment de A sur un lment de B, son image par la fonction, note f (x).
Dfinitions
f est une fonction de A dans B si tout lment x A correspond un et un seul
lment f (x) B. On crit : f : A B : x f (x).
Lensemble
A est appel le domaine de dfinition de f , et not dom f .

Le graphe de f est la courbe plane dquation y = f (x) , x A.

Rappels et dfinitions

Chapitre
Les rles des ensembles A et B sont fort diffrents. En effet, tout lment de A est
obligatoirement envoy par f sur un lment de B, tandis que chaque lment de B peut
tre limage dun, de plusieurs ou daucun lment de A.

Exemple
Prenons la fonction f : R R+ : x max{x, 1}. Tous les nombres du sous-ensemble (,1]
de R ont pour image 1, tandis que les autres points de R sont envoys sur eux-mmes. Il sensuit,
entre autres, que : 1/2 nest limage daucun point de R, 1 est limage dune infinit de points
de R, 3 est limage dun seul point de R. Notons aussi que les nombres ngatifs ne font pas
partie de lensemble darrive R+ . Le graphe de f est donn par la figure 1.1.

Figure 1.1
4

y = f(x)

x
1

Afin de caractriser les diverses situations possibles, on adopte les dfinitions suivantes.
Dfinitions



Limage par f de A est lensemble : Imf (A) ou f (A) = { f (x) : x A}.
Limage inverse de B0 B par f est lensemble :f 1 (B0 ) = {x A : f (x) B0 }.

Exemple
Si lon considre la fonction f : R R+ : x max{x, 1}, on a : Imf (A) = [1, +) et, pour
B0 = [1, 2] R+ , on a : f 1 (B0 ) = (, 2].

Dans les problmes pratiques, on est souvent amen appliquer plusieurs fonctions
successivement. Par exemple, une usine peut, dans un premier temps, transformer une
quantit de facteur de production de base en un produit semi-fini, lui-mme appel
servir de matriau pour le produit final. Les quantits successives en jeu dans ce processus
peuvent tre reprsentes par lapplication en chane de fonctions de production selon le

Fonctions de R dans R

schma suivant :
f

Facteur brut (x) produit semi-fini (y) produit final (z)

Le passage direct de linput initial x loutput final z est donn par la fonction compose
dfinie comme suit :
Dfinition Si f : A B : x f (x) et g : B C : x g(x), la compose
 de f
et g est la fonction de A C, note g f , dfinie par : (g f )(x) = g f (x) .

Parmi les fonctions f : A B : x f (x), on distingue trois grandes classes : les fonctions
injectives, surjectives et bijectives.

Dfinitions Soit f : A B : x f (x).


f est injective si x1 , x2 A : f (x1 ) = f (x2 ) x1 = x2 ;
f est surjective si y B , x A : y = f (x) ;
f est bijective si f est injective et surjective, cest--dire si y B , un et un seul
x A : y = f (x).

Remarque
Les ensembles A et B jouent un rle crucial dans la dtermination du caractre injectif et/ou
surjectif dune fonction.

Enfin, seules les fonctions bijectives permettent de donner un sens une fonction rciproque (ou inverse) selon le schma suivant :
f

x=f

(y)

f 1

y = f (x)

Dfinition Si la fonction f : A B : x f (x) est bijective, alors sa fonction


rciproque, note f 1 , de B A, est dfinie par :
y B : f 1 (y) = x y = f (x).

Ainsi, parmi les fonctions usuelles, on dnombre plusieurs couples de fonctions rciproques telles que lexponentielle et le logarithme (dans la mme base), les fonctions
sinus et arcsinus (moyennant une restriction de domaine qui garantisse la bijectivit),
etc. Plus simplement encore, la fonction identit f : R R : x x est sa propre
rciproque tandis que la fonction carr f : R+ R+ : x x2 (domaine restreint

pour bijectivit) a pour rciproque la fonction racine carre f : R+ R+ : x x.

Rsolution dquations dans C


Aprs avoir brivement rappel les dfinitions de base des nombres complexes, nous
donnons ici les proprits relatives aux solutions dquations polynomiales.

5.1 NOMBRES

COMPLEXES

Dans la section 1, lensemble C des nombres complexes a t dfini par :


C = {a + bi : a, b R , i2 = 1}.
On introduit galement les notions suivantes :

Rappels et dfinitions

Chapitre
Dfinitions

Le nombre rel a est la partie relle de a + bi.


Le nombre rel b est la partie imaginaire de a + bi.

Le nombre complexe z = a bi est appel conjugu de z = a + bi.

|z| = z.z est appel le module de z.

Les nombres complexes a + bi et c + di sont gaux a = c et b = d.

Laddition et la multiplication dans C sont dfinies par la gnralisation des oprations


correspondantes dans R. Ainsi, si z1 = a + bi et z2 = c + di, on a :
z1 + z2 = (a + c) + (b + d)i et z1 .z2 = (ac bd) + (ad + bc)i.
Remarque
Linverse du nombre complexe a + bi 6= 0 est obtenu comme suit :
1
a bi
=
a + bi
(a + bi)(a bi)
a bi
= 2
a + b2
a
b
= 2
2
i.
2
a +b
a + b2

5.2 PLAN

COMPLEXE ET FORME TRIGONOMTRIQUE


On reprsente volontiers les nombres complexes dans un plan, dit plan complexe ou plan de
Gauss, muni en abscisse de laxe rel et en ordonne de laxe imaginaire (figure 1.2).

Figure 1.2

axe imaginaire

z = a + bi

axe rel

Les nombres complexes non nuls peuvent aussi tre reprsents sous forme trigonomtrique (figure 1.3, page suivante) : z = a + bi = (cos + i sin ),

Rsolution dquations dans C

Figure 1.3

y
o

z = a + bi

a=

cos

b=

sin

Langle

= a +b
sin

,cos

est appel argument de z.

Exemple



5
5
+ i sin
puisque :
3i = 2 cos
3
3

(
= 1 + 3
1 = cos

sin = 3 , cos = 1
3 = sin
2
2

z =1

= 2

5
=
+ 2k ,
3

On peut aussi opter pour la reprsentation plus gnrale :


 



5
5
z = 2 cos
+ 2k + i sin
+ 2k
,
3
3

o k Z.

o k Z.

La forme trigonomtrique est commode pour effectuer les produits et les quotients de
nombres complexes.
Proprits Si z1 = 1 (cos 1 + i sin 1 ) et z2 = 2 (cos 2 + i sin 2 ), alors :

z1 .z2 = 1 .2 cos (1 + 2 ) + i sin (1 + 2 ) ;

z1
1
=
cos (1 2 ) + i sin (1 2 ) .
si z2 6= 0 :

z2
2
Exemple






5
5
7
7
3i = 2 cos
+ i sin
et z2 = 4 3 4i = 8 cos
+ i sin

3
3
6
6
 



z1
2

 1
1
5 7
5 7
1
On a :
=
cos

+ i sin

=
cos + i sin
= (0 + i.1) = i.
z2
8
3
6
3
6
4
2
2
4
4

z1 = 1

La forme trigonomtrique est particulirement approprie au calcul des puissances. cet


gard, le rsultat suivant est fondamental.
Proprit (formule de De Moivre)
alors zn = n (cos n + i sin n).

Si n N0 et z = (cos + i sin ),

Lexponentielle des nombres complexes est dfinie de manire gnraliser lexponentielle


dans R.
Dfinition

Rappels et dfinitions

Soit z = a + bi : ez = ea (cos b + i sin b).

Chapitre
Proprits
ei = 1
eib eib
eib + eib
, sin b =
(formules dEuler).
cos b =
2
2i

5.3 POLYNMES

COEFFICIENTS COMPLEXES

Le thorme de DAlembert est fondamental pour la rsolution des quations polynomiales.


Thorme de DAlembert Tout polynme de degr n N0 coefficients
complexes admet exactement n racines complexes, distinctes ou non.

En particulier, lquation xn = z, o z est un nombre complexe donn, a pour solutions les


n racines n-imes de z. Dans la pratique, pour dterminer ces racines n-imes, il convient
dexprimer dabord le nombre z sous sa forme trigonomtrique gnrale.
Proprit Si z = (cos ( + 2k) + i sin ( + 2k)), o k Z, alors les n
solutions de lquation xn = z, notes z0 , z1 , . . . , zn1 , sont donnes par :



 
+ 2k
+ 2k

+ i sin
, k = 0,1, . . . , n 1.
zk = n cos
n
n

Il nexiste malheureusement pas de formule qui fournisse de manire similaire les solutions
dune quation polynomiale de degr quelconque. Cependant, une mthode simple existe
pour rsoudre les quations du second degr. Elle gnralise la mthode classique utilise
dans R.

Proprit Les solutions dans C de lquation ax 2 + bx + c = 0, o a, b, c C


et a 6= 0, sont obtenues en fonction du nombre complexe = b2 4ac.

b
+
,
Si R , les solutions sont donnes par x =
2a
b i
,
Si R
0 , les solutions sont donnes par x =
2a
b R
, o R reprsente lune
Si C\R, les solutions sont donnes par x =
2a
des deux racines carres du complexe .

Comme R C, le thorme de DAlembert entrane que tout polynme de degr n


coefficients rels admet n racines complexes. En outre, on peut tablir que les racines
complexes non relles dun polynme coefficients rels sont conjugues 2 2. Ainsi,
les quations x2 + 1 = 0 et 2x2 + 3x + 10 = 0 qui nadmettent pas de solution relle
possdent deux solutions complexes conjugues.

Topologie et dpendance linaire dans Rn


La structure topologique des ensembles Rn est importante pour caractriser avec prcision
les domaines dans lesquels seront dfinies les fonctions dune variable (n = 1), puis de
plusieurs variables (n > 1). Lensemble Rn est compos de tous les n-uples de nombres
rels.

Topologie et dpendance linaire dans Rn

Dfinitions


Rn = (x1 , x2 , . . . , xn ) : x1 , x2 , . . . , xn R = R
{z R}.
| R
n fois

La distance euclidienne entre les points p = (p1 , p2 , . . . , pn ) et q = (q1 ,


q2 , . . . , qn ) de Rn est dfinie par :
p
d(p,q) = (p1 q1 )2 + (p2 q2 )2 + + (pn qn )2 .
Si p = (p1 , p2 , . . . , pn ) Rn et r R+
0 , la boule ouverte de rayon r centre en p
est compose de tous les points de Rn situs une distance de p infrieure r :
B(p, r) = {x Rn : d(x, p) < r}.

La notion de boule ouverte dans Rn gnralise celle dintervalle ouvert dans R. Elle permet
de dfinir diverses caractristiques topologiques des sous-ensembles de Rn . Considrons
cet effet un ensemble A Rn et un point p = (p1 , p2 , . . . , pn ) Rn .
Dfinitions
Le point p est un point intrieur de A (ou A est un voisinage de p) si
r > 0 : B(p, r) A.
Lintrieur de A, not Int A, est lensemble des points intrieurs de A.
Lensemble A est ouvert si Int A = A.
Le point p est un point adhrent de A si r > 0 : B(p, r) A 6= .
Ladhrence de A, note Adh A, est lensemble des points adhrents de A.
Lensemble A est ferm si Adh A = A.
La frontire de lensemble A, note Fr A, est gale Adh A\ Int A.


Le point p est un point daccumulation de A si r > 0 : B(p, r) A \{p} 6= .
Exemples
1. Dans Rn , Rn et sont les seuls ensembles tre ouverts et ferms.
2. Dans R, les intervalles ouverts sont des ensembles ouverts. Les intervalles ferms sont des
ensembles ferms. Lintervalle (a, b] nest ni ouvert, ni ferm. En effet, il nest pas ouvert car
Int (a, b] = (a, b) 6= (a, b] et nest pas ferm car Adh (a, b] = [a,b] 6= (a, b] . Par ailleurs,
comme Int Q = et Adh Q = R (en vertu de la densit de Q dans R), lensemble Q nest ni
ouvert, ni ferm. Tous les lments de R sont des points daccumulation de Q.

3. Dans R2 , la boule ouverte centre en lorigine et de rayon 2 est donne par B (0,0),2 =




(x, y) R2 : x2 + y2 < 4 . Lensemble D = (x, y) R2 : 1 < x2 + y2 < 4 est ouvert, E =




(x, y) R2 : x2 + y2 < 4 et x 6 1 nest ni ouvert, ni ferm et C = (x, y) R2 : x2 + y2 6 4
est un ensemble ferm.
4. Un singleton (ensemble constitu dun seul lment) est gal son adhrence et constitue
donc un ensemble ferm. Son intrieur est vide et il nadmet pas de point daccumulation.

La notion densemble convexe peut tre tendue Rn de la manire suivante :


Dfinition Lensemble A Rn est convexe si tous les segments liant deux points
de A sont constitus exclusivement dlments de A : p, q A , [0, 1] :
p + (1 )q A.

10

Rappels et dfinitions

Chapitre
Exemples dans R2







B (0,0),2 = (x, y) R2 : x2 + y2 < 4 , C = (x, y) R2 : x2 + y2 6 4 et E = (x, y) R2 :



x2 + y2 < 4 et x 6 1 sont convexes tandis que D = (x,y) R2 : 1 < x2 + y2 < 4 ne lest pas
1
1
puisque (2,0) et (2, 0) D mais (0,0) = (2, 0) + (2, 0)
/ D.
2
2

Les ensembles Rn peuvent aussi tre vus comme des ensembles de vecteurs (ou espaces
vectoriels), munis de laddition vectorielle et de la multiplication scalaire, dfinies comme
suit.
Dfinitions Si p = (p1 , p2 , . . . , pn ), q = (q1 , q2 , . . . , qn ) Rn et R, alors :

p + q = (p1 + q1 , p2 + q2 , . . . , pn + qn ) Rn ;
p = (p1 , p2 , . . . ,pn ) Rn .

Lapproche vectorielle est souvent utilise dans R3 , qui offre une reprsentation naturelle
de lespace physique trois dimensions. Au plan mathmatique, les oprations daddition
vectorielle et de multiplication scalaire conduisent aux notions de combinaison linaire
et de dpendance ou dindpendance linaire entre vecteurs, qui jouent un rle crucial en
algbre linaire.
Dfinitions

Le vecteur q = (q1 , q2 , . . . , qn ) Rn est une combinaison linaire des k( N0 )


vecteurs p1 = (p11 , p12 , . . . ,p1n ), . . . , pk = (pk1 , pk2 , . . . , pkn ) Rn si 1 , . . . , k
k
X
R:q=
j pj .
j=1

Les vecteurs p1 , . . . , pk Rn sont linairement indpendants si

k
X
j=1

j pj = 0

j {1, . . . , k} : j = 0, o 0 = (0, . . . , 0) Rn .
Dans le cas contraire, les vecteurs sont dits linairement dpendants.

Ces concepts ouvrent la voie vers des dveloppements extrmement fconds en algbre
linaire, un domaine que cet ouvrage ne fera cependant queffleurer dans le chapitre 5
consacr aux matrices.

Topologie et dpendance linaire dans Rn

11

Problmes
et exercices
Les exercices suivent globalement le schma de la prsentation thorique.
Au passage, sont expliques des mthodes pratiques relatives,
notamment, la division de polynmes et ltude des signes. Des
fonctions lmentaires, telles que le logarithme nprien (ln) et le sinus
(sin), sont prsentes loccasion dexercices sur la thorie de la
section 4. Les quations rsolues dans C restent relativement simples. Les
exercices portant sur la structure vectorielle ou topologique de R n
permettent dintroduire des lments qui serviront soit dans le chapitre 5
(matrices), soit dans les chapitres 6 et 7 (fonctions de plusieurs variables).

Relation 6 dans R et les sous-ensembles


convexes de R
EXERCICE 1
nonc

Considrons dans R, les ensembles A, B, C, D, E, F, G, H, I, J.


a A ={ - 4,3,8,2,- 9,20}.


1
b B=
: n N0 .
n
c C = [5, 4].
d D = [2, 7) N.
e E = [, e] Q.

F = Z.

g G = R+
.
0

h H = x R : x2 6 4 .


i I = x R : x3 > 27 .
j

J = (, 10] {3}.

Dterminez pour chacun, les ensembles de minorants et majorants, linfimum et le


supremum, le minimum et le maximum (sils existent). Ces ensembles sont-ils borns,
convexes?

Solution

12

a A = (, 9]. En effet, on a, dune part, A (, 9] puisque : 9 A


x A : x 6 9 et, dautre part, (, 9] A car b (, 9], x A =
{9, 4, 2, 3, 8, 20} : x > 9 > b.

Rappels et dfinitions

c
d
e

g
h

Par un raisonnement similaire, on tablit que A = [20, +).


De faon vidente, inf A = min A = 9 et sup A = max A = 20.
A est born car minor et major.
A est non convexe. Par exemple, 2 et 3 A mais 2, 5
/ A.

B = R . On a en effet B R car b R , x B : b 6 0 6 x. Pour montrer que


B R , procdons par labsurde. Sil existe un minorant de B strictement positif, disons
r
b > 0, comme Q est dense dans R, il existe un nombre Q (o r, s N0 ) tel que :
s
1
r
1
r
6 < b et llment ( B) sera
0 < < b. Comme r > 1, on aura alors 0 <
s
s
s
s
infrieur au prtendu minorant b, ce qui est impossible par dfinition ;
B = [1, +) ;
inf B = 0
/ B @ min B ;
sup B = max B = 1 ;
B est born car minor et major.
1
1
1
3
1
4
B est non convexe. Prenons par exemple,
et B. En outre :
<
< =
.
16 4
16
16
4
16
3
Or,

/ B.
16
C = (, 5] ; C = [4, +) ; inf C = min C = 5 ; sup C = max C = 4 ; C est born
et convexe.
D = R ; D = [6, +) ; inf D = min D = 0 ; sup D = max D = 6 ; D est born et non
convexe.
E = (, ] et E = [e, +) par densit de Q dans R ; inf E = ; sup E = e ;
@ min E car
/ Q
/ E ; @ max E car e
/ Q e
/ E
; E est born; E est non
/Q 2
/ E.
convexe parce que, par exemple, 1 et 2 E mais 1 < 2 < 2 et 2
F = . En effet, si Z possdait un minorant b, on aurait x Z : b 6 x, or z Z : z < b
(il suffit de prendre z = le plus grand entier < b), ce qui est en contradiction avec la
dfinition dun minorant de Z.
F = stablit de faon similaire.
@ inf F puisque Z ne possde pas de minorant ; @ sup F puisque Z ne possde pas de
majorant ; @ min F car @ inf F ; @ max F car @ sup F ; F est non born (ni major, ni
minor) ; F est non convexe.
G = R ; G = ; inf G = 0 ; @ sup G ; @ min G ; @ max G ; G est non born et convexe.
H = {x R : x2 6 4} = [2, 2]. En effet, un polynme du second degr qui admet deux
racines distinctes change de signe de part et dautre de ses racines. Le signe du polynme
dans chaque rgion de R est le suivant : signe du coefficient de x 2 lextrieur des racines,
signe oppos entre les deux racines. Ici, nous avons :
x2 6 4 x2 4 6 0 (x 2)(x + 2) 6 0 x 6 2 et x > 2

Il sensuit que :
H = (, 2] ; H = [2, +) ; inf H = min H = 2 ; sup H = max H = 2 ; H est
born et convexe.
I = {x R : x3 > 27} = (3, +). En effet, x3 > 27 x3 27 > 0
(x 3)(x2 + 3x + 9) > 0.

Relation 6 dans R et les sous-ensembles convexes de R

Exercices

Chapitre

13

Pour trouver les valeurs de x vrifiant cette condition, on dresse un tableau des signes bas
sur les racines de x3 27. Comme le polynme du second degr x2 + 3x + 9 ne possde
pas de racine relle (32 4.9 = 27 < 0) et reste toujours positif, la seule racine de
x3 27 est 3 et le tableau des signes ci-dessous montre que x 3 > 27 x > 3.
x

x3
2

x + 3x + 9
x3 27

0
+
0

Remarque
Ce rsultat dcoule aussi, et plus rapidement, de la croissance de la fonction cubique, mais
cette notion ne sera vue quau chapitre 3.

I = (, 3] ; I = ; inf I = 3 ; @ sup I ; @ min I ; @ max I. I est non born et convexe.


J = de faon vidente.
J = [3, +). En effet, dune part, on a [3, +) J puisque 3 J et b J : x
J b > x. Dautre part, [3, +) J. En effet, x J : 3 > x. Si b > 3, on a
x J : b > 3 > x, ce qui implique que b J.
@ inf J car J ne possde pas de minorant ; sup J = 3 car 3 est le plus petit des majorants ;
@ min J car J ne possde pas dinfimum ; max J = 3 car sup J = 3 J ; J est non born
car J nest pas minor ; J nest pas convexe car, par exemple, 10 et 3 J mais 7
/ J.

Fonctions de R R

EXERCICE 2
nonc

Dterminez le domaine de dfinition des fonctions suivantes :

ln( x3 2x2 + x)

e j(x) =
ln(3 4x)
r
2x 1
f k(x) =

x+1

a f (x) = ln(x + 4).


p
b g(x) = x2 9.
2x + 5
c h(x) =

3
x 8
x+37
d i(x) = 3

x 3x + 2

Solution

g l(x) = x e2x7 .

a Dom f = (4, +). En effet, la fonction ln x tant dfinie uniquement dans R+


0 , la
condition dexistence de f (x) est x + 4 > 0.

b Dom g = (, 3] [3, +). En effet, la fonction x tant dfinie uniquement


dans R+ , la condition dexistence de g(x) est x2 9 > 0. Le tableau de signes ci-dessous
indique la zone admissible :
x
2

x 9

14

Rappels et dfinitions

3
0

Chapitre

c Dom h = (2, +). En effet, la fonction x est dfinie dans R+ , mais comme la racine
carre apparat au dnominateur, la condition dexistence de h(x) est x 3 8 > 0. Pour
trouver les x vrifiant cette condition, on dresse le tableau des signes suivant :
x

x2

x + 2x + 4

x 8

0
+

d Dom i = [3, +) \{2,1}. En effet, les conditions dexistence sont, dune part,
x + 3 > 0 pour la racine carre et, dautre part, x 3 3x + 2 6= 0 pour le dnominateur.
Astuce pratique
dfaut dutiliser une mthode gnrale de rsolution des quations de degr 3, on peut
tenter didentifier une racine entire parmi les diviseurs du terme indpendant. Si cet essai est
fructueux, les autres racines sont obtenues grce la rgle de Horner qui permet de diviser
un polynme de degr quelconque par un binme (x m). Ainsi, pour factoriser le polynme
ax3 + bx2 + cx + d qui sannule en x = m, on dresse un tableau (voir ci-dessous) qui comporte :

en premire ligne, tous les coefficients (y compris les nuls) du polynme factoriser par
ordre de puissances dcroissantes ( partir de la deuxime colonne),
en deuxime ligne et premire colonne, la racine connue, m,
en troisime ligne et deuxime colonne, llment de la premire ligne, deuxime colonne, a.

ailleurs, les oprations indiques dans le tableau :

m
a

d
0

mc0

ma

mb

b0 = b + ma

c0 = c + mb0

d0 = d + mc0 = 0


Finalement, on en dduit que ax3 + bx2 + cx + d = (x m) ax2 + b0 x + c0 .

Dans le cas prsent, les diviseurs du terme indpendant de x 3 3x + 2 sont 1, 1, 2 et 2. Par


substitution, il apparat que le nombre 1 est racine du polynme. La rgle de Horner (tableau
ci-dessous) tablit que : x3 3x + 2 = (x 1)(x2 + x 2).

0
1

3
1

2
2
0

Les autres racines du polynme x3 3x + 2, sont obtenues en rsolvant


lquation du second
(

1 1 + 8
1
degr x2 + x 2 = 0 dont les solutions sont x =
=
.
2
2
Finalement : x3 3x + 2 = 0 x {1, 2}. Ces valeurs doivent tre exclues du domaine
recherch.

Fonctions de R R

Exercices

15

  
3
1
e Dom j = A = 0,
\
. En effet, les conditions dexistence sont :
4
2
x3 2x2 + x > 0 (pour la racine carre)

x3 2x2 + x > 0 (pour le logarithme)


3 4x > 0 (pour le logarithme)

ln(3 4x) 6= 0 (pour le dnominateur)

Considrons successivement ces diffrentes conditions.


x3 2x2 + x > 0 x(x2 2x + 1) > 0 x(x 1)2 > 0.

Le tableau des signes ci-dessous indique que : x3 2x2 + x > 0 x D1 = [0, +).
x

x
(x 1)
3

x 2x + x

0
+
0

1
+

x3 2x2 + x > 0 x3 2x2 + x > 0 x D2 = (0, +) \{1} (voir tableau


prcdent).


3
3

3 4x > 0 x < x D3 = ,
4
4
 
1
1

ln(3 4x) 6= 0 3 4x 6= 1 4x 6= 2 x 6= x D4 = R\
2
2

Comme les 4 conditions doivent tre vrifies simultanment, le domaine est donn par
lintersection :
  

1
3
\

D1 D2 D3 D4 = 0,
4
2
f


1
Dom k = A = (, 1) , + . Les conditions dexistence sont x + 1 6= 0, pour
2
2x 1
le dnominateur, et
> 0, pour la racine carre. Un tableau de signes conduit au
x+1
rsultat.

2x 1
x+1

2x 1
x+1

1
2

+
+
+

g Dom l = R. Les fonctions exponentielles et polynmes sont dfinies dans R.

16

Rappels et dfinitions

Chapitre

EXERCICE 3
nonc
a
b
c
d
e

 
 
1
1
1
a Le graphe de f est une parabole (figure 1.4) avec : f
= f
=
= 0,25,
2
2
4
 
 
 
3
9
5
3
= f
=
= 2,25, f (2) = f (2) = 4, f
=
f (1) = f (1) = 1, f
2
2
4
2
 
5
25
f
=
= 6,25, f (3) = f (3) = 9, etc.
2
4
y

Figure 1.4

y = f(x)

x
1

b Le graphe de g est une sinusode (figure 1.5, page suivante) avec :

g(x) = sin x = sin(x) = g(x)


x R : g( x) = sin( x) = sin x = g(x)

g(x + 2) = sin(x + 2) = sin x = g(x)

La troisime ligne indique que la fonction est priodique, de priode 2.


N.B : 3,1416

Fonctions de R R

Exercices

Solution

laide de quelques points, bauchez le graphe des fonctions suivantes :


f : R R : x x2 .
g : R R : x sin x.
h : R+
0 R : x ln x.
j : R R : x [x] (j(x) est la partie entire de x).

1 si x < 0
k : R R : x sign x = 0
si x = 0 .

1
si x > 0
(
x
si x > 0
l : R R : x |x| =
.
x si x < 0

17

g(x)
g(y)

g(z)

t=
u=
(x) x + 2

g(x)

g(t)

g(u)

g(y)
0

y=
x

z=
x + 2

7
8

17
8

0,38

9
8

15
8

7
8

3
4

9
4

0,70

5
4

7
4

3
4

0,70

3
8

5
8

19
8

0,92

3
8

11
8

13
8

5
8

0,92

5
2

3
2

3
2

0,38

Figure 1.5

y = g(x)

3
2

3
2

0
2

c Quelques points du graphe de h sont obtenus comme suit : ln 0,125 = 2,079, ln 0,25 =
1
1,386, ln = 1, ln 0,5 = 0,693, ln e = 1, ln e2 = 2...
e
1
N.B. : e 2,718, e2 7,389, 0,368.
e
Le graphe de la fonction logarithme nprien est donn dans la figure 1.6.
y

Figure 1.6
3
2

y = h(x)

1
1
2
3
4

18

Rappels et dfinitions

x
6

Chapitre
d j(x) est la partie entire de x, ou encore le plus grand nombre entier 6 x. Son graphe
se prsente sous la forme dun escalier (figure 1.7) puisque : x [0, 1) : [x] = 0,
x [1, 2) : [x] = 1, x [2, 3) : [x] = 2, x [1, 0) : [x] = 1, x [2, 1) :
[x] = 2, etc.
Figure 1.7

y = j(x)
3
2
1

x
1

1
2

e k(x) est le signe de x(1, 0 ou 1).


Figure 1.8

y
2

y = k(x)

x
1

l(x) est la valeur absolue de x.


y

Figure 1.9
4

y = l(x)
3

x
1

Fonctions de R R

Exercices

19

EXERCICE 4
nonc
a
b
c
d
e

Solution

On reprend les fonctions dfinies lexercice 3. Dans chaque cas, dterminez les ensembles
prciss :
f ({1, 2, 3}), f ((2, 1]), f 1 ({25}), f 1 ({2}), f 1 ([0, 5)) et f 1 ([1, 4]).
( )!
"
#!
3
2
1
1
1
,
g
et g
.
2
2
2

h 1, e3 et h1 ([1, 0]).
j(R) et j1 ([1,0]).


k 2, 1, 5 , k (R) et k1 ({1}).





a f ({1, 2, 3}) = f (x) : x {1, 2, 3} = f (1), f (2), f (3) = (1)2 , 22 , 32

= {1, 4, 9}.


f ((2, 1]) = f (x) : x (2, 1] = [0, 4).


Notez que : f ((2, 1]) 6= f (1), f (2) = [1, 4).


f 1 ({25}) = x R : f (x) = 25 = {5, 5} puisque f (x) = 25 x2 = 25 x = 5.

f 1 ({2}) = , car f (x) = 2 x2 = 2 ce qui est impossible dans R.




f 1 ([0, 5)) = 5, 5 . En effet, on a : f (x) = x2 [0, 5) 0 6 x2 < 5 5 <

x < 5, grce au tableau des signes ci-dessous :


x
x2 5

5
0

f 1 ([1, 4]) = [2, 1][1, 2]. En effet : f (x) = x2 [1, 4] 1 6 x2 6 4 x2 1 > 0


et x2 4 6 0.
Pour rsoudre les inquations, on dresse les deux tableaux de signes suivants :
x
2

x 1

x
2

x 4

1
0

2
0

Lensemble des solutions de x2 1 > 0 est S1 = (, 1] [1, +) et lensemble


des solutions de x2 4 6 0 est S2 = [2, 2]. Les solutions du systme dinquations
appartiennent donc lintersection S1 S2 = [2, 1] [1, 2].

20

Rappels et dfinitions

Chapitre
( )! (
) n

o  2
3
3

1
+ 2k : k Z
+ 2k : k Z .
b g
= x R : sin x =
=
2
2
3
3
g

"

#! (
)
1
2
1
2
,
6 sin x 6
= xR:
2
2
2
2
 

[ 

3
7
+ 2k, + 2k
+ 2k,
+ 2k .
=
6
4
4
6
kZ


3



c h 1, e = h(x) : x 1, e3 = (0, 3).

 1 
h1 ([1, 0]) = x R+
0 : h(x) = ln x [1, 0] = e , 1 . En effet :
(
(
ln x > 1
x > e1
ln x [1, 0] 1 6 ln x 6 0

ln x 6 0
x 6 e0 = 1

La dernire transformation fait intervenir la fonction exponentielle e x qui, comme rciproque de la fonction logarithme, est telle que : eln x = x. La conservation des ingalits
rsulte de ce que la fonction exponentielle est croissante (voir le chapitre 3).
d j(R) = Z puisque, dune part, j(R) Z (les images des nombres rels sont toutes des
nombres entiers) et dautre part, Z j(R), car z Z [z] = z j (R).


j1 ([1, 0]) = x R : j(x) = [x] [1, 0] = [1, 1). En effet :
[x] [1, 0] [x] = 1 ou [x] = 0 x [1, 0) ou x [0, 1)
x [1, 0) [0, 1) x [1, 1) .

 


e k 2, 1, 5 = k(x) : x 2, 1, 5

= k( 2), k(1), k(5) = {1, 1}.


| {z } | {z } |{z}
=1

=1

=1

k (R) = {k(x) : x R} = {1, 0, 1}.


k1 ({1}) = {x R : k(x) = 1} = R
0 car tous les nombres ngatifs, et seulement
ceux-l, ont pour image (1).

EXERCICE 5
Soit les fonctions f , g, h, i, j, k, l.
a f : R R : x x2 .
b g : R+ R : x x 2 .
c h : R + R+ : x x 2 .
1
d i : R0 R : x
x

e j : R R : x |x|.
f

k : R R : x [x].

g l : R R : x ax + b, o
a, b R.

Ces fonctions sont-elles injectives, surjectives, bijectives ? Dterminez, si possible, leur


application rciproque.

Fonctions de R R

Exercices

nonc

21

Solution

a f nest pas injective. En effet, f (1) = f (1) alors que 1 6= 1. Elle nest donc pas bijective.
Elle nest pas surjective car (1) nest limage daucun rel : x R : f (x) = x 2 6= 1.
La fonction rciproque de f nexiste pas puisque f nest pas bijective.
b g est injective. En effet, g(x1 ) = g(x2 ) x1 = x2 , puisque :
x1 , x2 R+ : x12 = x22 x12 x22 = 0
(x1 x2 )(x1 + x2 ) = 0 x1 = x2 ou x1 = x2 x1 = x2 .
(x1 = x2 est impossible dans R+ ). La fonction g nest pas surjective (mme justification
que pour la fonction f ). Elle nest donc pas bijective. La rciproque de g nexiste pas
puisque g nest pas bijective.
c h est injective (mme justification que pour la fonction g). Elle est aussi surjective. En

effet, y R+ x R+ : y = h(x), puisque y = x2 et x, y R+ x = y. Elle est


donc bijective et possde une rciproque. Pour dterminer sa fonction rciproque h 1 , on
inverse la relation y = h(x) en exprimant x en fonction de y. Dans le cas prsent, h(x) = x 2

et y = x2 x = y puisque x, y R+ . Finalement, h1 : R+ R+ : y y.
1
1
=
x1 = x2 . Elle nest pas surjective car
x1
x2
1
0 nest limage daucun rel : x R0 : i(x) = 6= 0. Elle nest donc pas bijective. La
x
rciproque de i nexiste pas puisque i nest pas bijective.

d i est injective. En effet, x1 , x2 R0 :

e j nest ni injective, ni surjective, ni bijective. Elle nadmet pas de rciproque.


f

k nest ni injective (1, 5 6= 1 mais [1, 5] = [1]), ni surjective (x R : k(x) = [x] 6= 0,5),
ni bijective. Elle nadmet donc pas de rciproque.

g En ce qui concerne la fonction l, on a, si a 6= 0 :


l(x1 ) = l(x2 ) ax1 + b = ax2 + b ax1 = ax2 x1 = x2
et : y R, x =

yb
R : y = ax + b.
a

yb

a
Si a = 0, la fonction l : R R : x b est constante, donc ni injective (l(1) = l(0) = b),
ni surjective (x R : l(x) 6= b + 1), ni bijective et sa rciproque nexiste pas.
Donc, si a 6= 0, l est injective, surjective et bijective, et l 1 : R R : y

EXERCICE 6
nonc

Solution

Soit une fonction surjective f : A B : x f (x). Caractrisez limage f (A).


f (A) = B. En effet, f est surjective si y B, x A : y = f (x), condition qui quivaut
B f (A).
Or, par dfinition, f (A) B. Do le rsultat.

22

Rappels et dfinitions

Chapitre

EXERCICE 7
nonc

Dans chaque cas, donnez, si possible, un exemple de fonction f : A B : x f (x) qui


vrifie les conditions imposes.
a A = R, B = R0 et f est surjective et non injective.

b A = R, B = R0 et f est injective et non surjective.


c A = R, B = R0 et f est bijective.

d A = [2, 3], B = [1, 4] et f est injective.


e A = R, B = [1, 1] et f est surjective.
f

Solution

A = {1, 2, 3}, B = {4, 5} et f est injective.

Les exemples proposs ne sont que des suggestions. Dautres peuvent aussi convenir.
(
x si x 6= 0
a f : R R0 : x
.
1 si x = 0

En effet, par construction, tous les rels ont une image et les images sont toutes non nulles,
donc A = R et B = R0 . En outre, f est surjective car y R0 , x(= y) R : y = f (x) et
f est non injective car f (0) = f (1) = 1.
(
x
si x < 0
b f : R R0 : x
.
x + 1 si x > 0
(
x
si x R\N
c f : R R0 : x
.
x + 1 si x N
d f : [2, 3] [1, 4] : x 5x 11, dont le graphe est le segment de droite qui joint les
points (2, 1) et (3, 4).
Remarque
De faon gnrale, lquation de la droite D passant par les points de coordonnes (x 1 , y1 )
y2 y 1
et (x2 , y2 ) o x1 6= x2 , est donne par D y y1 =
(x x1 ).
x2 x1

EXERCICE 8
nonc

Soit deux fonctions f et g. Dterminez dans chaque cas, si cest possible, les fonctions
composes g f et f g.

Fonctions de R R

Exercices

e f : R [1, 1] : x sin x.
f Une telle fonctionf nexiste pas. En effet, les nombres 1 et 2 doivent avoir des images
distinctes, donc : f (1), f (2) = {4, 5}. Or, pour que f soit injective, il faut aussi que
f (3)
/ {4, 5} = B, ce qui est impossible.

23

a f : R R : x 49 x2 et g : R\ {1} R : x

1
.
x1

b f : R R : x 3x2 4 et g : R R : x 2x.


c f : R0 R : x ln x2 et g : R+ R : x x.



3
d f : R R : x |x| et g :
, + R : x 2x + 3.
2

Solution

a g f nexiste pas. En effet, f ( 48) = 1


/ Dom g = R\{1}.



1
1
f g : R\ {1} R : x f g(x) = f

= 49
x1
(x 1)2

b g f : R R : x g f (x) = 2(3x2 4) = 6x2 8.

f g : R R : x f g(x) = 3(2x)2 4 = 12x2 4.
 
1
c g f nexiste pas. En effet, f
< 0.
2
f g nexiste pas. En effet, g (0) = 0.

d g f : R R : x 2|x| + 3.




f g : 3 , + R : x 2x + 3 = 2x + 3 = g(x).
2

Nombres complexes
Notation
Dans les exercices de cette section, on adopte la notation abrge cis pour dsigner cos +
i sin .

EXERCICE 9
nonc

Dans chaque cas, calculez les nombres complexes donns.


(2 + 5i) + (1 4i).
(4 + 3i) (3 + 2i).
(2 3i) (4 + 6i).
|4 i|.
1
e

8 + 7i

a
b
c
d

24

Rappels et dfinitions

i4n+3 , o n N.


g 3i
2 5i .
f

1 + 3i

1i

Chapitre
Solution

a (2 + 5i) + (1 4i) = 1 + i.
b (4 + 3i) (3 + 2i) = (12 6) + (8 9) i = 18 i.

c (2 3i) (4 + 6i) = (2 3i) 2 (2 + 3i) = 2 4 9i2 = 2 (4 + 9) = 26.

d |4 i| = 16 + 1 = 17.
8 7i
8 7i
8
7
1
8 7i
=
=
=

i.
e
=
8 + 7i
64 + 49
113
113 113
(8 + 7i) (8 7i)
2n
f i4n+3 = i2 i2 i = (1)2n (1)i = i.





g 3i
2 5i = 3i
2 + 5i = 15 + 3 2i.


1 + 3i (1 + i)
1 + 3i
(1 3) + ( 3 + 1)i
(1 3) ( 3 + 1)
h
=
=
=
+
i.
1i
2
2
2
(1 i) (1 + i)

EXERCICE 10
nonc

Solution

crivez les nombres complexes suivants sous forme trigonomtrique.


a 1 i.
b 4i.
c 64.

1
2

cos = =
p

2
2

a = 12 + (1)2 = 2 et

sin =
2

b 4i = 4 cis
2
c 64 = 64 cis .

do : 1 i =

2 cis

EXERCICE 11

Solution

a Calculez les racines carres de 1 i.


b Calculez les racines siximes de 64.

(exercice 10) les racines carres de 1 i sont donnes par :


4

q
+ 2k

7
4
4
zk =
2 cis 4
, k = 0,1, ou encore : z0 = 2 cis
et z1 = 2 cis

2
8
8
b 64 = 64 cis (exercice 10) les racines siximes de 64 sont donnes par :

+ 2k

6
6
, k = 0, 1, 2, 3, 4, 5, ou encore : z0 = 64 cis
= 3 + i,
zk = 64 cis
6
6

+ 2
6
z1 = 64 cis
= 2i, z2 = 3 + i, z3 = 3 i, z4 = 2i et z5 = 3 i.
6
a 1i=

2 cis

Nombres complexes

Exercices

nonc

25

EXERCICE 12
nonc

Dans chaque cas, rsolvez, dans C, lquation donne.


a
b
c
d

Solution

x2 + 13 = 4,
2x2 + a = 1 (a R),
x3 + 2x2 + x + 2 = 0,
x2 + 4x + 8 = 0,

e
f
g
h

x2 5x + 6 = 0,
x5 x3 + x2 1 = 0,
2x4 + 3x2 + 1 = 0,
(1 + i)2 x2 (1 i)x + i = 0.

a x2 + 13 = 4 x2 = 9 = 9i2 x = 3i.
1a
. Trois cas sont possibles :
b 2x2 + a = 1 x2 =
2
r
1a
;
Si a < 1 : x =
2
si a = 1 : x = 0 ;
r
a1
i.
si a > 1 : x =
2
c x3 +2x2 +x+2 = 0 x2 (x+2)+x+2 = 0 (x+2)(x2 +1) = 0 x = 2 ou x = i.

4 16 32
4 16
4 16i2
2
d x + 4x + 8 = 0 x =
=
=
= 2 2i.
2
2
2

5 25 24
e x2 5x + 6 = 0 x =
x = 2 ou x = 3.
2


f x5 x3 + x2 1 = 0 x3 (x2 1) + x2 1 = 0 x2 1 x3 + 1 = 0

1
3
1 3
2
2
(x 1) (x + 1) (x x + 1) = 0 x = 1 ou x =
=
i.
2
2
2
g 2x4 + 3x2 + 1 = 0.
Astuce
Pour rsoudre une quation du 4e degr du type ax4 + bx2 + c = 0, dite quation bicarre,
on pose t = x2 pour se ramener une quation du second degr : at 2 + bt + c = 0.

Dans le cas prsent, en posant t = x2 , on obtient :


2

1
x2 = 1 ou x2 =
4
2

2
i
x = i ou x =
2

2t + 3t + 1 = 0 t =

h (1 + i)x2 (1 i)x 2 = 0.

98

= (1 i)2 + 8(1 + i) = 1 + i2 2i + 8 + 8i = 8 + 6i

26

Rappels et dfinitions

Chapitre
Astuce
Pour trouver les racines carres dun nombre complexe a + bi sans passer par la forme
trigonomtrique, on peut utiliser le raisonnement suivant : u + vi est racine carre de a + bi si
2

(u + vi) = a + bi u + 2uvi v = a + bi

u2 v2 = a
2uv = b

On tablit ainsi que les racines carres complexes de 8 + 6i sont (3 + i). Il sensuit que :
x=

1 i (3 + i)
4
2(1 i)
x =
=
=1i
2(1 + i)
2(1 + i)
2
2 2i
2(1 + i)
ou x =
=
= 1.
2(1 + i)
2(1 + i)

Topologie et dpendance linaire dans Rn


EXERCICE 13
nonc

Soit deux nombres rels a et b. Exprimez la distance euclidienne entre a et b.

Solution

En prenant n = 1 dans la dfinition gnrale, on obtient : d(a, b) =

p
(a b)2 = |a b|.

EXERCICE 14

Solution

a Dans R, dterminez les boules ouvertes B (0, 3) et B (1, 2).




b Dans R2 , dterminez les boules ouvertes B (0,0), 1 et B (1, 3) , 4 .
a B (0, 3) = {x R : d(x, 0) < 3} = {x R : |x| < 3} = (3, 3).
B (1, 2) = {x R : d(x, 1) < 2} = {x R : |x + 1| < 2}
= {x R : 2 < x + 1 < 2} = (3, 1) .

Ce sont des intervalles ouverts.


o
p
 

n
b B (0, 0) , 1 = (x, y) R2 : d (x, y), (0, 0) < 1 = (x, y) R2 : x2 + y2 < 1 .
 


B (1, 3) , 4 = (x, y) R2 : d (x, y), (1, 3) < 4


q
2
2
2
= (x, y) R : (x 1) + y + 3 < 4 .
Ce sont des disques ouverts.

Topologie et dpendance linaire dans Rn

Exercices

nonc

27

EXERCICE 15
nonc

Dans chaque cas, dterminez lintrieur, ladhrence, la frontire et les points daccumulation du sous-ensemble de R donn. Lensemble est-il ouvert, ferm?
a ,

b Z,

c R\Q,
d R0 ,
e A = [2, 3) {5},
f

Solution

C = [8, +).

a Int = . Donc est ouvert. Adh = . Donc est ferm.

Fr = Adh \ Int = . Lensemble vide ne possde pas de point daccumulation.

b Int Z = (sinon p Int Z r > 0 : B(p, r) = (p r, p + r) Z, ce qui est


impossible par densit de R\Q dans R). Adh Z = Z. En effet, dune part A : A Adh A
par dfinition de ladhrence, et dautre part, x R\Z x
/ Adh Z car r R +
0 :
1
B(x, r) = (x r, x + r) Z = (il suffit de prendre r = min {x [x], [x] + 1 x}).
2
Fr Z = Z\ = Z. Z ne possde pas de point daccumulation . Z nest pas ouvert mais il
est ferm.
c Int R\Q = (par densit de Q dans R), donc R\Q nest pas ouvert. R\Q Adh (R\Q)
par dfinition, et Q Adh (R\Q) puisque : x Q, r > 0 : (R\Q) (x r, x + r) 6=
(par densit de R\Q dans R). Donc :
(R\Q) Q(= R) Adh(R\Q) R Adh(R\Q) = R 6= R\Q R\Q nest pas
ferm. Fr (R\Q) = R. Tous les nombres rels sont des points daccumulation de R\Q car
x R, r > 0, y (R\Q) (x r, x + r) avec y 6= x.

r
(r, r)R0 )
2
R0 nest pas ferm. Fr R0 = R\R0 = {0}. Lensemble des points daccumulation de
R0 est R.

d Int R0 = R0 R0 est un ouvert. Adh R0 = R (0 Adh R0 car r > 0 :

e Int A = (2, 3). Adh A = [2, 3] {5}. A nest ni ouvert, ni ferm. Fr A = {2, 3, 5}.
Lensemble des points daccumulation de A est donn par [2, 3]. En effet, dune part,
on a : x [2, 3] , r > 0, y [(x r, x + r) A] \ {x}. Dautre part, par dfinition,
les points daccumulation de A sont chercher parmi les points adhrents de A, mais 5
1
nest pas un point daccumulation de A car r = > 0 : [(5 r, 5 + r)] A\ {5} = .
2
f

28

Int C = (8, +) et C nest pas ouvert. Adh C = [8, +) et C est ferm. Fr C = {8}.
Lensemble des points daccumulation de C est gal [8, +).

Rappels et dfinitions

Chapitre

EXERCICE 16
nonc

Dans chaque cas, dterminez si le vecteur (3, 5) est une combinaison linaire (C.L.) des
vecteurs donns.
a (1, 2) et (3, 4),
b (1, 2) et (2, 4).

Solution

a Par dfinition, (3, 5) est une C.L. de (1, 2) et (3, 4) si , R :


(3, 5) = (1, 2) + (3, 4)

+ 3 = 3
2 + 4 = 5

2 = 1
2 = 3

Lexistence de et est assure et la rponse est positive.

=
2

= 3
2

b (3, 5) est une C.L. de (1, 2) et (2, 4) si , R :


(

(3, 5) = (1, 2) + (2, 4)

2 = 3
2 4 = 5

0 = 1

ce qui est impossible et la rponse est ngative.

EXERCICE 17
nonc

Dans chaque cas, dterminez si, dans R2 , les vecteurs donns sont linairement indpendants (L.I.).
a (1, 2) et (1, 3),
b (2, 4) et (1, 2).

a Les vecteurs (1, 2) et (1, 3) sont L.I. si : (1, 2) + (1, 3) = (0, 0) = = 0.


|
{z
}
Comme (1) ( , 2 + 3) = (0, 0)

sont effectivement L.I.

(1)

=0
2 + 3 = 0

= = 0, les vecteurs

b Il existe une combinaison linaire nulle coefficients non tous nuls des deux vecteurs :
1 (2, 4) 2 (1, 2) = (0,0). Les vecteurs ne sont donc pas L.I.

Topologie et dpendance linaire dans Rn

Exercices

Solution

29

EXERCICE 18
nonc

Dans chaque cas, dterminez si, dans R3 , les vecteurs donns sont linairement indpendants (L.I.).
a (3, 1, 4), (1, 2, 3) et (9, 4, 1),

b (1, 2, 1), (1, 0, 1) et (2, 1, 0).

Solution

30

3 + 9 = 0 (1)
a (3, 1, 4) + (1, 2, 3) + (9, 4, 1) = (0, 0, 0) + 2 4 = 0
(2) .

4 + 3 = 0
(3)

7 21 = 0
= 3
Comme (2) = 2 + 4, le systme devient = 2 + 4

= 2

5 + 15 = 0
avec R.
Il admet dautres solutions que la solution triviale. Donc, les vecteurs ne sont pas L.I.

+ 2 = 0 (1)
b (1, 2, 1) + (1, 0, 1) + (2, 1, 0) = (0, 0, 0) 2 + = 0
(2)

+ = 0
(3)

6 = 0
+ 2 = 0
= 2 = = = 0 et les vecteurs sont L.I.
= 2

=
=

Rappels et dfinitions

Chapitre

Suites relles

Suites relles
1. Dfinitions . .. . . . .. . . . .. . . . .. . . . .. . . . 32
2. Proprits des limites de suites . . . .. . 33
3. Suites remarquables . .. . . .. . . . .. . . . . 35
4. Sous-suites . .. . . . .. . . . .. . . .. . . . .. . . . 36
5. Suites monotones .. . . . .. . . . .. . . .. . . . 37
6. Sries .. . . . .. . . . .. . . . .. . . .. . . . .. . . . . 38
Problmes et exercices . . . . .. 40
Dfinition de suites, suites convergentes 40
Application des proprits . .. . . . .. . . . .. 41
Applications la gestion . . . .. . . .. . . . .. . 47

La modlisation de phnomnes dynamiques ou


volutifs renvoie demble au choix dune
reprsentation de la variable temps . En effet,
si les philosophes continuent de sinterroger
sur la nature discrte (succession dinstants prcis)
ou continue (le long dun axe) de cette variable,
les mathmaticiens, pour leur part, offrent les deux
reprsentations possibles.
Dans le premier cas, lcoulement du temps est suppos correspondre une suite de dates repres par un indice prenant des
valeurs entires positives (1, 2, 3,...) et la dynamique discrte est
prise en compte par lintermdiaire des suites dont ltude est aborde dans le prsent chapitre. Dans le second, toute valeur relle (ou
uniquement positive, pour traduire la prsence dune date initiale)
est admissible en tant que date de ralisation du phnomne tudi
et cest la thorie des fonctions qui est mise contribution. Cette
approche sera dveloppe dans les chapitres 3 et 4.
La modlisation des suites relles dpasse cependant le cadre des
phnomnes dynamiques. En effet, toute numration infinie de
nombres rels ressortit cette thorie. Il nen demeure pas moins
que les applications pertinentes en conomie et en gestion restent
essentiellement cantonnes ce domaine privilgi dapplication.
Par exemple, la convergence des taux dintrt suite lintgration europenne et lvolution de la volatilit des marchs financiers rsultant de la globalisation de lconomie constituent deux
domaines dans lesquels les outils danalyse proposs ici savrent
utiles.

Suites relles

31

Dfinitions
Une suite de nombres rels est gnralement reprsente sous la forme dune succession
infinie de nombres (ut )tN0 . On peut, au choix et sans perte de gnralit, faire varier t
dans N ou N0 . Dans la prsentation thorique, nous optons pour la seconde possibilit
de sorte que le premier terme soit affect de lindice 1, le deuxime de lindice 2, etc. Les
exercices feront cependant apparatre les deux cas.
Dans le cadre de ltude de la dynamique dun systme, les lments de N0 reprsentent
des dates, tandis que ut reprsente la valeur relle prise la date t par la variable (un
diffrentiel de taux dintrt, une volatilit, etc.) dont on souhaite tudier lvolution.
Formellement, une suite relle se dfinit comme une application.
Dfinitions
La suite relle (ut )tN0 est dfinie par lapplication : u : N0 R : t ut .
Le nombre rel uk (k N0 ) est appel terme de rang k de la suite.

Exemples
1. Lapplication u : N0 R : t t dfinit la suite note (1, 2, 3, ...t, ...), ou de manire
condense (t)tN0 .


1
1 1
1
2. Lapplication u : N0 R : t sera note 1, , , ..., ... , ou de manire condense
t
2 3
t
 
1
.
t tN0

La principale caractristique recherche pour les suites concerne la convergence.


Dfinitions
La suite (ut )tN0 converge vers le nombre rel a si :

> 0, T N0 : t > T |ut a| < .


Dans ce cas, la suite est dite convergente et le rel a est appel limite de la suite
(ut )tN0 . On note lim ut = lim ut = a.

Exemple



 
1

1
1
converge vers 0. En effet, > 0, T N0 : t > T 0 =
< ,
t nN0
t
t


1
1
1
, on obtient : t > T 6 < .
puisque, en prenant T = min t N0 : t >

t
T
La suite

Dfinitions
Toute suite qui nadmet pas de limite relle est dite divergente.
En outre, la suite divergente (ut )tN0 a pour limite + (resp. ) si

K > 0, T N0 : t > T ut > K

32

Suites relles

(resp. < K).

Chapitre

Proprits des limites de suites


Nous prsentons uniquement les proprits qui ont un usage direct dans ltude des
limites qui seront abordes dans les exercices.
Proprits

Lensemble des termes dune suite convergente est born : si (ut )tN0 est convergente, alors lensemble {ut : t N0 } est born.
Un nombre fini de termes naffecte pas la convergence dune suite.

La seconde proprit concerne tant le caractre de convergence que la valeur de la limite.


En pratique dans ltude de la convergence dune suite, on peut oublier un nombre
fini de termes.

Exemple


1 1 1 1
(ut ) = 5, 4, 3, 2, 1, , , , , . . . converge vers 0 puisque, en oubliant les quatre premiers
2 3 4 5 
  
1
1 1 1 1
termes, on obtient la suite (u0t ) = 1, , , , , . . . =
qui converge vers 0.
2 3 4 5
t


Dans cet exemple, les suites (ut ) et u0t ont lamme limite mais ne sontpas gales. Par
1
1
1
1
, 2, , 3, , 4, , 5, . . . pour laquelle
contre, la proprit ne sapplique pas la suite
2
3
4
5
on ne peut pas oublier les termes de rangs pairs qui sont en nombre infini.
Le principe du pincement Si (ut )tN0 , (vt )tN0 et (wt )tN0 sont telles
que : lim ut = lim wt = a R et T N0 : t > T : ut 6 vt 6 wt , alors
t

lim vt = a.

Exemple
lim 0 = lim

1
1
1
1
= 0 et t > 1 : 0 6 2 6 lim 2 = 0.
t t
t
t
t

Rgles de calcul pour les limites relles

b R, alors :
lim (ut + vt ) = a + b.

Si : lim ut = a R et lim vt =
t

lim (ut .vt ) = a.b.


t

R : lim (ut ) = a.
t

1
1
=
t ut
a

si t N0 : ut 6= 0 et a 6= 0 : alors lim

Il sensuit que toute combinaison linaire de suites convergentes est convergente.

Proprits des limites de suites

33

Cette proprit concerne exclusivement les suites convergentes. Lorsque (ut ) est convergente et (vt ) divergente (ou linverse), les suites (ut + vt ) et (ut vt ) peuvent tre aussi
bien convergentes que divergentes. Il en est de mme lorsque les deux suites divergent.
La proprit suivante gnralise les rgles de calcul aux limites infinies. tant donn
le grand nombre de situations envisager, elle est synthtise sous forme de tableau.
Toutefois, dans R = R{+, }, toutes les oprations ne sont pas possibles. Certaines
conduisent une forme indtermine (F.I.). Dans ce cas, il nexiste pas de rgle applicable
directement. Si elle existe, la limite doit alors tre calcule au cas par cas, et toutes les
possibilits en matire de limite peuvent se prsenter.
Rgles de calcul pour limites dans R = R {+, }
lim ut

lim vt

lim (ut + vt )

lim (ut .vt )

lim

a R0

a R0

a R0

0
0
0
+
+
+

0
+

0
+
F.I.
+

F.I.
F.I.
0
+

F.I.

F. I.

+
F.I.

(selon signe
de a)
(selon signe
de a)
0

ut
vt

0
0
ou @ dans R
(voir ci-dessous)
0
0
F.I.
F.I.
F.I.
ou @ dans R
(voir ci-dessous)
F.I.
F.I.
ou @ dans R
(voir ci-dessous)

Dans R, diviser un nombre non nul par zro est possible et donne une valeur infinie
pour autant que le dnominateur converge vers zro en conservant un signe constant, du
moins au-del dun certain rang. Cest dailleurs ce signe qui intervient dans la rgle des
signes pour le quotient. Nanmoins, si au-del de tout rang, des termes positifs et ngatifs
apparaissent au dnominateur, alors la suite quotient nadmet pas de limite dans R.
Traduisons cela en formules mathmatiques.
Proprits

1
= +.
t
t vt
1
= .
Si lim vt = 0 et T N0 : t > T : vt < 0, alors lim
t
t vt

Si lim vt = 0 et T N0 : t > T : vt > 0, alors lim

Si lim vt = 0 et si T N0 , t, t 0 > T : vt > 0 et vt 0 < 0, alors lim


t

dans R.

34

Suites relles

1
@
vt

Chapitre
Exemple
On a : lim

1
(1)t
= 0, mais lim
= lim (1)t t nexiste pas dans R puisque :
t (1)t
t
t
t
(
(1)t < 0 pour t impair
.
t
> 0 pour t pair

Suites remarquables
Les rsultats relatifs aux limites de suites dites remarquables ou lmentaires seront supposs
connus lors de la rsolution des exercices. Joints aux proprits figurant ci-dessus, ils
permettent dtudier la convergence de suites plus compliques.
Suites constantes
lim a = a.

Suites de
puissances

si a < 0
0
lim t a = 1
si a = 0 .
t

+ si a > 0
Suites exponentielles

1
lim at =
t

@ dans R

si
si
si
si

|a| < 1
a=1
.
a>1
a 6 1

Suites produits dune exponentielle et dune puissance


ut = at t b , o a, b R, a 6= 1, b 6= 0.
lim at t b

|a| < 1

a = 1
a>1

a < 1

b<0

b>0

nexiste pas dans R

nexiste pas dans R nexiste pas dans R

Le tableau prcdent indique que cest lexponentielle qui lemporte , sauf dans le cas
des suites alternes pour lesquelles a = 1.

Suites remarquables

35

Exemples
 t

1
1
= 0, lim 2t = +, lim 3 t = lim t 1/3 = +, lim = lim t 1/2 = 0.
t 4
t
t
t
t
t
t
2
2
2. lim (t + t ) = + + (+) = +, lim (3 t ) = 3 (+) = , daprs les rgles de

1. lim

calcul prcdentes.
3. Pour lim (t t 2 ), on obtient a priori une F.I. La limite doit tre obtenue autrement, en
t


1
loccurrence en remarquant que : lim (t t 2 ) = lim t 2
1 = +(0 1) = .
t
t
t

Sous-suites

Parmi les suites nadmettant pas de limite dans R, certaines, comme (1)t tN0 , sont

bornes tandis que dautres, comme (1)t t 3 nN0 , ne le sont pas. La notion de sous-suite
ou de suite extraite constitue un outil prcieux pour dgager ces diffrences.
Soit une fonction p : N0 N0 : t p(t) telle que

Dfinition

La suite up(t)

t N0 : p(t) < p(t + 1).

tN0

est dite sous-suite de la suite (ut )tN0 .

En pratique, une sous-suite est obtenue en retranchant des termes (en nombre fini ou
infini) la suite initiale, pour autant que, dune part, lordre des termes restants ne soit
pas modifi et que, dautre part, ces termes continuent de former une suite.
Exemple
La sous-suite des termes de rangs pairs de la suite (ut )tN0 est (u2 , u4 , u6 , u8 , . . . ). Si on la dsigne
par (vt )tN0 , elle se dfinit par vt = u2t . Dans ce cas, lapplication p de la dfinition est telle
que : p(t) = 2t.

La proprit suivante justifie lintrt des sous-suites dans ltude des limites.
Proprit Si la suite (vt )tN0 est une sous-suite de (ut )tN0 et si lim ut = a( R),

alors lim vt = a.
t

Le rsultat de cette proprit peut tre appliqu de diverses manires :


pour tablir la valeur dans R de la limite dune suite dont on sait quelle est sous-suite
dune suite de limite connue ;
pour dmontrer la non-existence dune limite dans R, en exhibant une de ses sous-suites
qui na pas de limite dans R ;
pour dmontrer la non-existence dune limite dans R, en exhibant deux de ses soussuites qui nont pas la mme limite dans R.
La dernire utilisation est la plus frquente. Elle permet notamment de montrer la nonconvergence des suites alternes (changement de signe chaque terme) dont les sous-suites
formes des termes de rangs pairs et impairs ont des limites distinctes.

36

Suites relles

Chapitre
Exemples
1.

1
2 + 4t

tN

1 1 1
, , ,...
6 10 14

converge vers 0 en tant que sous-suite de

 
1
.
t tN0

0

2. Par contre, la suite dfinie par (1)t tN = (1, +1, 1, +1, . . . ) est une suite divergente,
0
puisque sa sous-suite des termes de rangs pairs est la suite constante (1)tN0 qui converge
vers 1 et sa sous-suite des termes de rangs impairs est la suite constante (1)tN0 qui converge
vers 1.

Suites monotones
La connaissance pralable de la croissance ou dcroissance dune suite facilite considrablement la recherche de sa limite. En effet, ce type de rgularit exclut demble des
situations telles que lalternance de termes positifs et ngatifs.
Dfinitions
La suite (ut )tN0 est croissante (resp. dcroissante) si :

t N0 : ut+1 > ut

(resp. ut+1 6 ut ).

La suite (ut )tN0 est strictement croissante (resp. dcroissante) si :


t N0 : ut+1 > ut

(resp. ut+1 < ut ).

La suite (ut )tN0 est monotone si elle est croissante ou dcroissante.

Exemples
1. La suite dfinie par (1, 1, 2, 2, 3, 3, . . . ) est croissante (mais pas strictement croissante).
 
1
2. La suite
est strictement dcroissante.
t tN0

Les suites monotones jouissent des proprits suivantes.


Proprits
Toute suite croissante majore (resp. dcroissante minore) est convergente et a
pour limite le supremum (resp. linfinum) de lensemble de ses termes.
Toute suite croissante non majore (resp. dcroissante non minore) tend
vers + (resp. ).

Exemples
 2
 t
t  k
X
1
1
1
1
+
+ +
=
. La suite (ut )tN0 est
2
2
2
2
k=0
 t+1
1
croissante. En effet, ut+1 = ut +
> ut .
2
Elle est galement majore car t N0 : ut 6 2, puisque, partant de 1, chaque terme ajoute
au prcdent la moiti de la distance qui le sparait de 2. Elle est donc convergente.

1. Dfinissons : t N0 : ut = 1 +

Suites monotones

37

 2
 t
t  k
X
3
3
3
3
+
+ +
=
. La suite (ut )tN0 est
2
2
2
2
k=0
 t+1
3
> ut .
= ut +
2

2. Dfinissons t N0 : ut = 1 +
croissante. En effet, ut+1

Elle nest pas majore car K R0 , T N0 : uT > K. En effet, il suffit de choisir : T = le


plus petit lment de N0 strictement suprieur K pour obtenir :
 2
 T
3
3
3
uT = 1 +
+
+ +
> T + 1 > T > K.
2
2
2
|{z} | {z }
| {z }
>1

>1

>1

La suite a donc pour limite +.

Le calcul de la limite dans lexemple 1 sera effectu lors de ltude des sries gomtriques.

Sries
Toute somme dun nombre fini de nombres rels est galement un nombre rel. Toutefois,
lorsquon considre une somme dont le nombre de termes tend vers linfini, lexistence
dune valeur relle nest plus garantie. Les sries ou sommes infinies peuvent donc
converger (leur somme est relle) ou diverger. La dfinition de la convergence des sries
se dduit de celle des suites convergentes.
Dfinition

La srie

ut est dite convergente (de somme relle s) si la suite

t=0

(st )tN0 des sommes partielles de cette srie, dfinie par : st = u0 +u1 +u2 + +ut =
t
X
uk , converge vers s.

k=0

Dans le cas des sries, on parle indiffremment de somme , de limite ou de valeur .


Parmi toutes les sries mathmatiques, une catgorie joue un rle essentiel en gestion :
la srie gomtrique qui est abondamment utilise dans les calculs dactualisation de flux
financiers. Seule cette srie sera aborde ici.
Dfinition

de raison a.

La srie

X
t=0

at = 1 + a + a2 + , o a R, est dite gomtrique

Les proprits suivantes fournissent, dune part, lexpression gnrale de la suite des
sommes partielles de la srie gomtrique et, dautre part, la condition de convergence de
cette srie. Ces formulations sont utilises en mathmatique financire dans le calcul de
valeurs actuelles dannuits et de mensualits constantes.

38

Suites relles

Chapitre
Proprits

Les sommes partielles de la srie gomtrique

at sont donnes par :

t=0

La srie gomtrique

X
t=0

cas, la somme vaut

X
t=0

t+1
1 a
st =
1a

t+1

si a 6= 1

si a = 1

at est convergente si et seulement si |a| < 1. Dans ce

at =

1a

Sries

39

Problmes
et exercices
Les premiers exercices conduisent appliquer directement les dfinitions,
puis les proprits, prsentes dans la synthse thorique. Au passage
certains rsultats relatifs aux suites remarquables seront dmontrs.
Progressivement, les noncs voluent vers des problmes relatifs des
situations pratiques rencontres en gestion.

Dfinition de suites, suites convergentes


EXERCICE 1
nonc

crivez les suites donnes sous forme condense.


a (1, 1, 1, 1, 1, 1, . . . ).

b (1, 3, 5, 7, . . . ).


1 2 3 4 5
c
, , , , ,... .
2 3 4 5 6
d (1, 0, 1, 0, . . . ).

Solution

cos (t)

tN

ou (1)t

tN

Notez que la premire valeur de lindice est ici 0 et pas 1 pour des raisons videntes. La
numration des termes dune suite peut en fait commencer en nimporte quel nombre
naturel.
b (1 + 2t)tN .


t+1
c
.
t + 2 tN


1 + (1)t
.
d
2
tN

40

Suites relles

Chapitre

EXERCICE 2
nonc

Dterminez les limites dans R des suites donnes en utilisant exclusivement les dfinitions.
a (c)tN0 o c R.


1 2t
b
.
t
tN0

c 2 + t tN0 .
d (t)tN0 .

Solution

a La suite (c)tN0 converge vers c. Pour le montrer, il suffit de trouver une valeur de T qui
permette dtablir que : > 0, T N0 : t > T |c c| < . Or, |c c| = 0 < est
vrai quel que soit T. On peut prendre T = 1, par exemple.




1 2t
1
b La suite
=
2
converge vers (2). Pour le montrer, il convient
t
t
tN0
tN0
de trouver une valeur de T qui permette dtablir que :



1

> 0 , T N0 : t > T 2 (2) < .
t



1

1
1
1
Or : 2 (2) < < < t > . Une valeur de T N0 telle que
t
t
t


1
1
.
t > T t > , est fournie, par exemple, par T = min t N0 : t >

c 2 + t tN0 a pour limite +. En effet, K > 0, T N0 : t > T 2 + t > K,

puisque lingalit 2 + t > K t > K 2 est toujours vrifie si K < 2 (prendre


T = 1) et pour T = min t N0 : t > (K 2)2 si K > 2, puisque alors :

t > T > (K 2)2 t > K 2.


d (t)tN0 a pour limite . En effet, en choisissant T = min {t N0 : t > K}, on a :
K > 0 : T N0 : t > T t > K t < K.

Application des proprits


nonc

suppose de plus que t N0 : vt 6= 0.


ut
Que vaut lim ? Dmontrez votre affirmation laide des proprits relatives aux limites
t vt
des produits de suites.

Exercices

EXERCICE 3

Application des proprits

41

On se donne deux suites (ut ) et (vt ) telles que lim ut = a R et lim vt = b R0 . On


t

Solution

a
1
ut
ut
= . En effet, t N0 :
= ut . et par les rgles de calcul relatives
vt
b
vt
vt
1
1
linverse et au produit de suites convergentes on obtient successivement lim
= et
t vt
b


1
1
a
lim ut
=a =
t
vt
b
b
lim

EXERCICE 4
nonc

On se donne r et s N, ar 6= 0 et bs 6= 0. Calculez dans R :


ar t r + ar1 t r1 + + a1 t + a0

t bs t s + bs1 t s1 + + b1 t + b0
lim

Solution

ar t r + ar1 t r1 + + a1 t + a0
t bs t s + bs1 t s1 + + b1 t + b0
t r (ar + ar1 t 1 + + a1 t (r1) + a0 t r )
= lim s
t t (bs + bs1 t 1 + + b1 t (s1) + b0 t s )


ar + ar1 t 1 + + a1 t (r1) + a0 t r
= lim t rs .

t
bs + bs1 t 1 + + b1 t (s1) + b0 t s

t rs est une suite de puissances, donc :
lim

lim t rs

si r s < 0
0
= 1
si r s = 0 .

+ si r s > 0

(2.1)


ar + ar1 t 1 + + a1 t (r1) + a0 t r
est le quotient de deux suites qui ont la mme
bs + bs1 t 1 + + b1 t (s1) + b0 t s
structure. Ainsi, le numrateur converge vers ar , puisquil est la somme dune suite
constante (ar ) ar et de suites de puissances (affectes de coefficients rels) qui tendent
vers 0. Par le mme raisonnement, le dnominateur converge vers bs . Il sensuit, grce au
rsultat de lexercice 3, que :
ar
ar + ar1 t 1 + + a1 t (r1) + a0 t r

1
(s1)
s
bs + bs1 t + + b1 t
+ b0 t
bs
Combinant (2.1) et (2.2) avec les rgles de calcul adquates, on obtient finalement :

ar

bs

si s > r

si s = r
ar t r + ar1 t r1 + + a1 t + a0
ar
lim
=
.
t bs t s + bs1 t s1 + + b1 t + b0
+ si r > s et
>0

b
s

si r > s et r < 0
bs
42

Suites relles

(2.2)

Chapitre

EXERCICE 5
nonc

Calculez, si possible, les limites dans R des suites dont le terme gnral est donn cidessous, laide des proprits et des rsultats relatifs aux suites remarquables.

Solution

a
b
c

d
e
f

e2t
1.
t
9t 4 + t 2 1
i

t3 + 1
 t  
1
e t
j

2
2
t3 + 3

k
5t 6 t
et t 2 + 3t 2 et + 3

l
t2 1

h 3.


(2)t nadmet pas de limite dans R, cest une suite exponentielle de base < 1.
5t 5 + t
5
lim 2
= car cest un quotient de polynmes de mme degr, voir lexercice 4.
t t + t 3t 5
3



t2
lim
t
= . En effet, pour lever lindtermination ( ), on crit :
t
3

!


3
 3

t2
t2
lim
t
= lim t 1
. Or, lim t 2 = + car cest une suite de
t
t
t
3
3



t2
puissances et lim (1) = 1 car cest une suite constante. Donc lim
t
=
t
t
3


1
+ 1 (+) = .
3
lim (3.6t ) = . Cette suite est un multiple dune suite exponentielle (base > 1).
t

 t 

 t 
1
1
1
1
3
lim
+
= lim t +
= 0 + 0 = 0. En effet, cest une somme
3
t
t
3
3
t
dune suite de puissances et dune suite exponentielle (base (1, 1)).
Remarquons dabord quon ne peut pas appliquer la proprit relative un produit de
suites, tant donn que la suite (sin t) nadmet pas de limite dans R ( montrer en utilisant
des sous-suites).


1
Pour montrer que lim
sin t = 0, on applique le principe du pincement :
t t
1
1
1
t N0 : 1 6 sin t 6 1 t N0 : 6 sin t 6 ,
t
t
t

1
1
= lim = 0.
t t
t t

avec lim

Application des proprits

Exercices

a (2)t
5t 5 + t

b 2
t + t 3t 5

t2
c
t
3
d 3.6t .
 t
1
1
e
+

3
3
t
1
f
sin t.
t  
1 t
1

2
g  t
+ t.
1
5
4

43

 t
1
1 2

g lim  t
+ t = +.
t 1

5
4
 2t

t
e
e2t
h lim 3 1 = +, puisque
= e2 .t 1 est le produit dune exponentielle en
t
t
t
base e2 > 1 et dune puissance ngative, et que, dans ce cas, lexponentielle lemporte .
i

9t 4 + t 2 1
= . En effet, cette suite est le quotient de polynmes et le degr
t
t3 + 1
du numrateur est suprieur celui du dnominateur, voir lexercice 4.

Pour lever lindtermination (0.(+)), on crit :

lim

 t   
 e t
e
e t
1
= lim
= 0 (suite exponentielle en base (1, 1)).
lim
t 4
t
2
2
4
k

t3 + 3
= 0. En effet, cette suite est un quotient de polynmes, le degr du numrat 5t 6 t
teur est infrieur au degr du dnominateur.


et t 2 + 3t 2 et + 3
et (t 2 1) + 3(t 2 + 1)
3(t 2 + 1)
t
lim
=
lim
=
lim
e
+
.
t
t
t
t2 1
t2 1
t2 1
 2


3(t + 1)
1
t
1 t
3 (quotient
e = e
0 (exponentielle en base (1, 1)) et
e
t2 1


3(t 2 + 1)
de polynmes de mme degr). Donc lim et + 2
= 0 + 3 = 3.
t
t 1
lim

EXERCICE 6
nonc

a On se donne deux suites (ut )tN0 et (vt )tN0 telles que lim ut = + et T N0 , t >
t

T : ut 6 vt . Que peut-on affirmer concernant la lim vt ?


t

b On se donne deux suites (ut )tN0 et (vt )tN0 telles que lim ut = a R, lim vt = b R et
t

T N0 : t > T : ut < vt . Peut-on en conclure que a < b?

Solution

a On peut affirmer que : lim vt = +.

En effet, lim ut = + K > 0, T 0 N0 : t > T 0 ut > K et, par hypothse,


t


T N0 , t > T : ut 6 vt . En fixant S = max T, T 0 , on obtient alors : K > 0, S
N0 : t > S vt > K, ce qui signifie que (vt ) tend vers +.
1
2
1
2
b Non. Contre-exemple : ut = , vt = et T = 1 N0 : t > T : < alors que :
t
t
t
t
1
2
lim = lim = 0.
t t
t t

44

Suites relles

Chapitre

EXERCICE 7
nonc

Solution

Dans chaque cas, montrez que les suites donnes sont divergentes. Admettent-elles une
limite(dans R?
1 si t est pair
a ut =
.
2 si t est impair

t 2 si t est impair
.
b ut = 1

si t est pair
t

a La suite (ut ) diverge puisquelle admet deux sous-suites constantes distinctes : u2t = 1 1
et u2t+1 = 2 2. Il sensuit aussi que lim ut nexiste pas dans R (proprit relative aux
t

sous-suites).
b La suite (ut ) diverge puisquelle admet une sous-suite qui tend vers + : u2t+1 =
(2t + 1)2 +. Elle nadmet cependant pas de limite infinie parce que la sous-suite
1
1
u2t =
= t 1 0 6= +.
2t
2

EXERCICE 8
nonc
Solution

Donnez un exemple de suite croissante non convergente.


Remarquons dabord que la suite recherche doit ncessairement tendre vers + (proprit des suites monotones).
La suite (t)tN0 rpond la question. En effet, on a lim t = + (non convergente) et
t N0 : ut+1 = t + 1 > ut = t (suite croissante).

EXERCICE 9

Solution

On considre la proposition suivante : Si (ut )tN0 et (vt )tN0 sont deux suites relles
monotones, alors la suite (ut + vt )tN0 est une suite monotone.
Cette proposition est-elle vraie ou fausse?
La proposition est fausse. En effet, soit ut = 2t + (1)t et vt = 2t . Dune part, la suite
(ut ) est monotone croissante : t N0 : ut+1 = 2t+1 + (1)t+1 > ut = 2t + (1)t parce
que : 2t+1 2t = 2t (2 1) = 2t > 2(1)t = (1)t (1)t+1 .
Dautre part, (vt ) est monotone dcroissante : t N0 : vt+1 = 2t+1 = 2.2t 6 vt =
2t .
Mais la suite de terme gnral ut + vt = (1)t nest pas monotone. En effet :
u1 + v1 = 1 < u2 + v2 = 1 (ut + vt )
u2 + v2 = 1 > u3 + v3 = 1 (ut + vt )

nest pas dcroissante


nest pas croissante.

Application des proprits

Exercices

nonc

45

EXERCICE 10
nonc

Dterminez la lim (2t) de quatre faons diffrentes.


t

Solution

lim (2t) = +. On peut la dterminer :

1) Par les rgles de calcul de limites : lim (2t) = 2 lim t = 2(+) = +.


t

2) Par la dfinition : K > 0, T N0 : t > T 2t > K. Il suffit de prendre




K
T = min t N0 : t >

2
3) Par les rsultats sur les suites monotones : (2t) est une suite monotone croissante non
majore, elle diverge donc vers +.
4) Par la proprit des sous-suites : (2t) est une sous-suite de (t) qui diverge vers +,
elle diverge donc aussi vers +.

EXERCICE 11
nonc

Solution

On considre la proposition suivante : Si les suites relles (ut )tN0 et (vt )tN0 sont telles
que (ut )tN0 est convergente et t N0 : ut = v3t+1 , alors (vt )tN0 est convergente .
Cette proposition est-elle vraie ou fausse? Justifiez votre rponse par une dmonstration
ou un contre-exemple.
La proposition est fausse. Un contre-exemple est fourni par :
(
0 si t = 3k + 1
t N0 : ut = 0 et vt =
1 si t 6= 3k + 1

(o k N0 ) .

En effet, la suite (ut )tN0 = (v3t+1 )tN0 = (0)tN0 converge vers 0 (suite constante). Par
contre (vt )tN0 diverge puisquelle possde une autre sous-suite, par exemple (v3t+2 )tN0 =
(1)tN0 , qui converge vers le nombre 1 (suite constante), diffrent de 0.

EXERCICE 12
nonc

3 t+1
La suite (ut )tN0 est dfinie par : ut = sin t + 4t . 2 . 2

t t +4
Dterminez, si possible, sa limite dans R.

Solution

Considrons dabord le second terme de ut , que nous notons vt :


1
1+
3
t
+
1
t et lim 4t t 3 = +, on tablit que :
Comme : vt = 4t . 2 . 2
= 3.4t t 3 .
4
t
t t +4
1+ 2
t
lim vt = +.
t

46

Suites relles

Chapitre
Ensuite, les ingalits : t N0 : 1 + vt 6 ut 6 1 + vt (car 1 6 sin t 6 1) et les
galits : lim (1 + vt ) = lim (1 + vt ) = + (rgles de calcul dans R) permettent de
t

conclure, par le principe du pincement, que lim ut = +.


t

Applications la gestion
EXERCICE 13
nonc

a En supposant le taux dactualisation r constant, quelle est la valeur actuelle ( la date 0)


dune rente constante C qui sera verse annuellement pendant 10 ans (dates 1 10)?
b Appliquez la formule trouve au cas particulier o r = 5 % et C = 10 000 .

Solution

a Notons P la valeur cherche qui reprsente la somme des valeurs actuelles des montants
qui constituent la rente :
10
X
1
C
C
C

P=
+
+

+
=
C
2
10
+ r} (1 + r)
(1 + r)
(1 + r)t
t=1
|1 {z
| {z }
| {z }
anne 1

anne 2

anne 10

Pour calculer P, on utilise la proprit des sommes partielles de la srie gomtrique de


1
raison
, en observant que la somme dans P commence en t = 1 (et pas 0).
1+r



11
10
1
1
1 1 + r

1 + r 1 + r

P = C
1 = C
1
1

r
1
1+r

10
1
1
1+r
=C

r

10
1
1
1, 05
b Si r = 5 % et C = 10 000 , on obtient : P =
10 000 = 77 217,35 .
0, 05

nonc

La firme JEJOUE achte et vend des jetons. Le nombre st reprsente la quantit de pices
en stock le dernier jour du mois t. La firme JEJOUE alimente son stock en commandant
chaque mois 30 pices (livres le premier du mois), et la vente de pices seffectue
exactement raison de 1 par jour (par exemple, 31 pices vendues en janvier 2004).
a Sachant que le 31/12/2003 (t = 0) la firme JEJOUE possdait N pices (N > 5),
dterminez lvolution du stock mensuel ( la fin de mois).
b La firme JEJOUE verra-t-elle un jour son stock de pices spuiser ? Si oui, comment
peut-on caractriser le jour o cela arrivera?

Applications la gestion

Exercices

EXERCICE 14

47

Solution

a Le nombre s1 reprsente la quantit de pices en stock le 31/01/2004. Il est donn par :


s1 = N + 30 31 = N 1. Ensuite, le stock volue selon :
s2 = s1 + 30 29 = s1 + 1 (car 2004 est une anne bissextile),
s3 = s2 + 30 31 = s2 1,
s4 = s3 + 30 30 = s3 , etc.
De faon gnrale :

st1 1 si t est un mois de 31 jours,

st1 + 1 si t est le mois de fvrier dune anne bissextile,


st =

st1 + 2 si t est le mois de fvrier dune anne non bissextile,

st1
dans les autres cas,

pour autant que ces nombres restent positifs ou nuls.


Au bout dun an, le stock aura diminu de 6 pices puisque partant de N, on aura ajout
7 termes (1) correspondant aux mois de 31 jours, 4 termes nuls correspondant aux
mois de 30 jours et 1 terme (+1) puisque 2004 est une anne bissextile. Les annes non
bissextiles, le stock dcrot de 5 pices.
b Mme sil crot en fvrier, le stock subit une tendance globale la baisse et finira par
sannuler. Le jour o cela se produira sera obligatoirement le dernier jour dun mois
de 31 jours, qui ne sera ni mars (puisque le mois de fvrier aura fourni une pice en
rserve ), ni le mois de mai dune anne non bissextile (le mois de fvrier aura fourni
deux pices en rserve pour mars et mai).
Par exemple, pour N = 20, on a :
s1 = N 1 = 19, s12 = 14 (dc. 04), s24 = 9 (dc. 05), s36 = 4 (dc. 06),
s37 = 3, s38 = 5, s39 = 4, s40 = 4, s41 = 3,
s42 = 3, s43 = 2, s44 = 1, s45 = 1, s46 = 0 (oct. 07).

EXERCICE 15
nonc

Selon la formule de Gordon-Shapiro, la valeur la date t, note Pt , dune action


dont les dividendes (Dt , la date t) croissent au taux constant g, est donne par

X
1
Pt =
Dt+i , o Dt = (1 + g)Dt1 et a reprsente le taux dactualisation
(1 + a)i
i=1
prenant en compte la prime de risque associe au titre considr.


Dt+1 X 1 + g i
a Montrez que Pt =
.
1 + a i=0 1 + a

b Dans quel cas la srie (Pt )tN0 est-elle convergente? Donnez alors la valeur de Pt .

Solution

a Dt = (1 + g)Dt1 Dt+i = (1 + g)i1 Dt+1 . Il sensuit que :

X
i1
1
1
D
=
1
+
g
Dt+1
t+i
i
i
(1
+
a)
(1
+
a)
i=1
i=1




Dt+1 X 1 + g i1
Dt+1 X 1 + g i
=
=

(1 + a) i=1 1 + a
(1 + a) i=0 1 + a

Pt =

48

Suites relles

Chapitre
b Comme a > 0 et g > 0 (ce sont des taux de croissance), la srie gomtrique
1+g
< 1 1 + g < 1 + a g < a.
converge si et seulement si
1+a
Dt+1
1
Dt+1 1 + a
Dt+1
Dans ce cas, Pt =
.
=
.
=
.
1+g
1+a
1+a ag
ag
1
1+a



X
1+g i
i=0

1+a

EXERCICE 16

Solution

a Montrez que si la suite (Xt )tN0 converge, alors la suite retarde (Yt )t>2 , o t : Yt = Xt1 ,
converge galement.
b Montrez que si la suite (Xt )tN0 converge, alors la suite lisse (Zt )t>2 , o t : Zt =
Xt1 + Xt
, converge galement.
2
c Montrez que la rciproque du b est fausse.
a Cest vident puisque les deux suites ne diffrent que par un seul terme, en loccurrence
le premier de la suite (Xt )tN0 , et que la convergence nest pas affecte par un nombre fini
de termes.
b Comme (Xt )tN0 converge par hypothse, (Xt1 )t>2 converge grce au rsultat du a ,
Xt1 + Xt
on en dduit que Zt =
converge comme combinaison linaire de suites
2
convergentes.
Remarquons que ce rsultat sapplique plus gnralement tous les lissages par filtres
n
1X
moyennes mobiles du type Zt =
Xtk+1 (n N0 ).
n
k=1

c Contre-exemple : (Xt )tN0 = (1)t tN0 .

(1)t1 + (1)t
En effet, dans ce cas, t : Zt =
= 0 et la suite (Zt )tN0 converge vers 0
2
alors que la suite (Xt )tN0 diverge.

Exercices

nonc

Applications la gestion

49

Chapitre

Les fonctions
dune seule
variable
Les fonctions dune seule variable
1. Limites de fonctions .. . . . .. . . . .. . . .. . 52
2. Continuit . . .. . . . .. . . . .. . . . .. . . .. . . . 58
3. Asymptotes . . . . .. . . . .. . . .. . . . .. . . . .. 61
4. Drivabilit .. . . . .. . . . .. . . . .. . . . .. . . . 64
5. Thorme de Taylor . . . .. . . . .. . . . .. . 69
6. Caractristiques des fonctions
dune variable . .. . . . .. . . . .. . . . .. . . . . 70
Problmes et exercices . . . . ..
Limites de fonctions . .. . . . .. . . . .. . . . .. . .
Continuit . . . . .. . . .. . . . .. . . . .. . . . .. . . . .
Asymptotes .. . . . .. . . . .. . . . .. . . . .. . . . .. .

75
75
80
83

Drivabilit . . .. . . . .. . . . .. . . . .. . . .. . . . .. 85
Thorme de Taylor . . .. . . . .. . . . .. . . . .. . 91
Fonctions croissantes, dcroissantes,
concaves et convexes .. . . . .. . . . .. . . . 93
Applications la gestion . . . .. . . .. . . . .. . 95

Les fonctions de R dans R, dfinies dans le chapitre 1,


constituent la manire naturelle dexprimer la
dpendance dune grandeur par rapport une autre.
Les modles de la gestion quantitative sont videmment
bass sur des fonctions, puisque les variables aussi
diverses que le chiffre daffaire, le bnfice, le cot des
infrastructures, etc., dpendent, entre autres, de
facteurs tels que les prix des inputs, le niveau des
ventes, le taux dintrt du march, etc.
En gestion, comme ailleurs, toute formalisation repose sur une
rduction de la complexit inhrente au phnomne tudi. Afin
de mettre en exergue lessentiel, la reprsentation sous forme de
modle mathmatique nglige immanquablement certains aspects
priphriques. La difficult rside donc dans le choix des facteurs
pertinents, cest--dire ceux qui doivent absolument figurer dans la
spcification. Ce choix varie dun modle lautre, comme varient
les hypothses relatives aux fonctions qui en constituent le cadre
formel.
Dans la ralit, les lments chiffrs qui interviennent dans la prise
de dcision des gestionnaires sont trs souvent simultanment
lis de nombreux facteurs. Par exemple, le cot de production
dpend du prix de tous les inputs ncessaires lentreprise, lutilit du consommateur varie selon les quantits des divers biens
accessibles. Naturellement, pour traiter ces questions, les mathmatiques offrent le cadre de la thorie des fonctions de plusieurs
variables, aborde dans les deux derniers chapitres de cet ouvrage.
Nanmoins, cette thorie a pour pralable indispensable celle, plus
simple, des fonctions dune variable, prsente ici, qui offre une
premire approche de la notion de dpendance.

Les fonctions dune seule variable

51

Dans le domaine de la dynamique en temps continu, la reprsentation en fonction


dune seule variable dveloppe dans ce chapitre simpose. En effet, lorsque lunique
variable relle prise en compte reprsente la date, toute fonction correspondante dcrit
une volution. Ainsi, les trajectoires de taux de change ou dindices boursiers sexpriment
volontiers sans rfrence une autre variable dpendante. Toutefois, il nous faut bien
reconnatre que la modlisation financire dont relvent ces deux exemples, fait le plus
souvent appel au cadre, lui aussi plus complexe, des processus stochastiques traitant de
lvolution de variables alatoires.
En rsum, la thorie des fonctions dune variable offre une premire entre dans le monde
de la dpendance entre variables quantitatives. De par sa grande simplicit, lutilisation en
gestion de cette thorie reste limite quelques exemples lmentaires, mais lassimilation
des notions de ce chapitre conditionne la comprhension de la plupart des concepts
plus sophistiqus des chapitres 7 et 8 qui font la richesse des modles rencontrs dans
la pratique. Quon ne sy trompe pas, la matire prsente dans ce qui suit constitue un
vritable ssame dans la voie du calcul diffrentiel et de son corollaire, loptimisation.

Limites de fonctions

1.1 DOMAINES DEXAMEN

DES LIMITES

0
: D 0 , DG

ET

DD0

Dans le chapitre 1, la notion de fonction de A dans B (o A, B R) a t dfinie et


lcriture suivante a t adopte : f : A B : x f (x).
Par dfinition, chaque lment de A possde une image dans B. En pratique, lensemble B
ne doit pas forcment tre minimal, cest--dire concider avec limage de A par f . Dans
plusieurs applications, seul le fait que la fonction est valeurs relles constitue une
information pertinente (Une exception notable concerne la dtermination du caractre
injectif et/ou surjectif dune fonction, qui a t aborde dans le chapitre 1). Ds lors, par
souci de simplicit, nous indiquerons gnralement lensemble R en lieu et place de B.
linverse, le contenu prcis de lensemble A est crucial pour la suite de lanalyse. En
effet, A ne peut pas contenir de points o la fonction
ne serait pas dfinie. Par exemple, la
fonction qui associe la variable x sa racine carre x nest pas dfinie pour les nombres
strictement ngatifs. Dans ce cas, lensemble A doit donc tre un sous-ensemble de R + .
Dautre part, il se peut que pour des raisons dinterprtation des variables, certaines valeurs
doivent galement tre cartes. Ainsi, lorsque la variable x reprsente un coefficient de
pondration, elle doit se situer obligatoirement dans lintervalle [0, 1]. La prise en compte
de ces deux types de contraintes amne dlimiter le domaine, dornavant not D, de la
fonction considre. Sauf mention contraire, nous adopterons donc la notation suivante :
f : D R : x f (x)

o D R .

La notion de limite de fonction permet de dfinir la continuit et la drivabilit qui, ellesmmes, ouvrent la voie vers des thormes relatifs aux extrema. Les extrema (minima
et maxima) de fonctions se situent au coeur de nombreux problmes conomiques et
de gestion : le consommateur maximise sa fonction dutilit, lentreprise maximise son
bnfice ou minimise ses cots, etc.
La limite bilatrale dune fonction en un point indique le comportement de cette fonction
aussi prs que lon veut du point dsign, sauf au point lui-mme. Pour dfinir

52

Les fonctions dune seule variable

Chapitre
ce concept, il est donc indispensable que le domaine de la fonction offre la possibilit
dencercler le point, mais sans que ce point fasse obligatoirement partie du domaine.
Ainsi, une fonction dfinie dans lintervalle [0, 1] nadmettra pas de limite en 0, ni en 1.
Par contre, il est concevable quune limite existe en 1 lorsque le domaine est [0, 2]\1.
Dfinition

Le domaine dexamen des limites bilatrales, not D0 , est donn par :




D0 = x R : > 0 tel que (x , x + )\{x} D .

Lorsquil ny a pas de risque dambigut, on parle volontiers de limite pour dsigner


une limite bilatrale . En pratique, D0 est dtermin partir de D en enlevant les
bords et en ajoutant les trous . Par extension, on dfinit les domaines dexamen des
limites unilatrales.
Dfinitions

Le domaine dexamen des limites gauche, not D0G , est donn par :


D0G = x R : > 0 tel que (x , x) D .
Le domaine dexamen des limites droite, not D0D , est donn par :


D0D = x R : > 0 tel que (x, x + ) D .

Exemple
Soit la fonction f : [0, 1] R : x 2x.
Si a (0, 1), on peut tendre vers a (approcher a daussi prs que lon veut), aussi bien par la
droite que par la gauche, tout en restant dans le domaine D = [0, 1] a (0, 1) : a D0 .
Si a = 0, on ne peut tendre vers a que par la droite puisque les points situs gauche de a
nappartiennent pas au domaine D 0 D0D mais 0
/ D0 .
/ D0 .
Si a = 1, on ne peut tendre vers a que par la gauche 1 D0G mais 1

/ [0, 1], on ne peut pas approcher a daussi prs que lon veut, ni par la droite, ni
Si a
par la gauche tout en restant dans le domaine. On en conclut que D0 = (0, 1), D0D = [0, 1),
D0G = (0, 1].

Lexemple prcdent fait apparatre que seul le domaine D est utilis pour dterminer D 0 ,
D0D et D0G . Lexpression analytique de la fonction a cependant jou un rle en amont pour
fixer D.
De plus, notons que D0G D0D = D0 .

1.2 LES

NOTIONS DE LIMITES

Dfinitions de base
Suivant la logique mise en uvre dans lintroduction des trois domaines dexamen des
limites, les trois dfinitions suivantes prsentent respectivement la limite bilatrale et les
deux limites unilatrales.

Limites de fonctions

53

Dfinitions Considrons la fonction f : D R : x f (x) et le nombre rel


b R.
Premier cas : a D0 .
f a pour limite (bilatrale) b lorsque x tend vers a, ce quon note lim f (x) = b,
xa
si :
)


x (a , a + )\{a}
> 0, > 0 tel que :
f (x) b < .
xD

Deuxime cas : a D0D .


f a pour limite droite b, lorsque x tend vers a, ce quon note lim f (x) = b, si :
xa
<

> 0, > 0 tel que :

x (a, a + )
xD



f (x) b < .

Troisime cas : a D0G .


f a pour limite gauche b, lorsque x tend vers a, ce quon note lim f (x) = b, si :
xa
>

> 0, > 0 tel que :

x (a , a)
xD



f (x) b < .



Comme f (x) b < f (x) (b , b + ), la premire dfinition (par exemple)
sinterprte de la manire suivante : on peut toujours trouver un intervalle centr autour
de a tel que toutes les images des points de cet intervalle soient situes aussi prs que lon
veut de b.

Exemple
f :RR:x

0 si x < 0
et a = 0.
1 si x > 0

D = R D0 = R et la lim f (x) peut tre considre.


x0

Toutefois, le comportement de f (voir figure 3.1, page ci-contre) est diffrent gauche et
droite de 0. Les limites gauche et droite sont donnes par : lim f (x) = lim 0 = 0 et
x0
<

lim f (x) = lim 1 = 1.

x0
>

x0
<

x0
>

Le lien entre les limites bilatrales et unilatrales est donn par la proprit suivante qui
permet notamment dtablir formellement la non-existence de la limite bilatrale lim f (x)
x0

dans lexemple ci-dessus.

Proprit a D0 = D0G D0D : lim f (x) = b R lim f (x) = lim f (x) =


xa

b R.

xa
<

xa
>

Toute valeur connue dune limite bilatrale est immdiatement interprtable comme la
valeur commune des deux limites unilatrales.

54

Les fonctions dune seule variable

Chapitre
y

Figure 3.1
3
2

y = f(x)

1
2
3

Si une des limites unilatrales nexiste pas ou si les deux limites unilatrales sont distinctes,
alors la limite bilatrale nexiste pas. Cela permet dtudier la limite bilatrale en des
points charnires comme dans lexemple ci-dessus o lim f (x) = 0 6= lim f (x) = 1
x0

x0

<

lim f (x)@.

>

x0

Exemple
Pour la fonction dfinie par : f : R R : x |x| =

lim f (x) = lim (x) = lim x = 0

x0
x0

x0
<

<

<

lim f (x) = lim x = 0

x0

x0

>

>

x
x

si x 6 0
, on a :
si x > 0

lim f (x) = lim f (x) = 0 lim f (x) = 0.


x0
<

x0

x0

>

Extensions des dfinitions


La premire extension concerne les limites pour x et x +.
Dfinition Soit f : D R : x f (x), o D contient une demi-droite , p
(resp. une demi-droite ( p, +)) et b R.

lim

x
(resp. x+)

f (x) = b > 0, K > 0 tel que :


x < K(resp. x > K)
xD



f (x) b < .

Exemple
1
. D = R+
lim f (x) = 0.
0 contient la demi-droite (0, +) et on a x+
x2
)

1
x>K
< .
En effet, selon la dfinition : lim f (x) = 0 > 0, K > 0 :

+
x2
x+
x R0
f : R+
0 R:x

Limites de fonctions

55


1
1
1
1
1
Or 2 < 2 < x2 > |x| > x > (car x R+
0 ).
x
x

1
1
1
Il suffit alors de prendre K = + 1 > pour obtenir K > 0 et x > K x >

La seconde extension concerne les limites infinies. Leur dfinition sapparente celle des
limites infinies de suites, mais, du fait de la varit des possibilits au niveau des fonctions,
plusieurs cas doivent tre scinds.
Dfinitions
Premier cas : a D0 .

lim f (x) =

xa

(resp. )

si L > 0, > 0 tel que :


x (a , a + )\{a}
xD

f (x) > L .

f (x) > L .

f (x) > L .

(resp. f (x)<L)

Deuxime cas : a D0G .


lim f (x) =

xa
<

(resp. )

si L > 0, > 0 tel que :


x (a , a)
xD

(resp. f (x)<L)

(et de faon analogue pour la limite droite).



Troisime cas : D , p .
lim f (x) =

(resp. )

si L > 0, K > 0 tel que :


x < K
xD

(resp. f (x)<L)

(et de faon analogue pour la limite pour x +).

1.3 LIEN

ENTRE LIMITES DE FONCTIONS ET LIMITES DE SUITES


Deux proprits font le lien entre les limites de fonctions et de suites. En premier, le
thorme de transfert, nonc ci-dessous, est utilis en pratique pour montrer la nonexistence de limites de fonctions.
Thorme de transfert

lim f (x) = b suite (xt )tN0 telle que :

xa

t N0 : xt D\{a}
lim xt = a
t

on a : lim f (xt ) = b.
t

Moyennant des changements vidents de formulation, on peut tendre ce thorme aux


limites unilatrales, aux limites pour x et aux limites infinies.

56

Les fonctions dune seule variable

Chapitre
En pratique, pour montrer laide de ce thorme que la lim f (x) nexiste pas, on
xa
 
 
(1)
(2)
construira deux suites, xt
et xt , convergeant vers a et telles que t N0 :
 
xt(1) , xt(2) D\{a}, mais dont les limites des images sont telles que : lim f xt(1) = u et
t
 
(2)
lim f xt
= v 6= u.
t

Exemple



1
@.
Montrons par le thorme de transfert que lim sin
x0
x
1
1
Les suites dfinies par xt(1) =
convergent toutes deux vers 0. En outre, les
et xt(2) =
2t
+ 2t
2


suites images sont telles que : lim sin(2t) = 0 et lim sin
+ 2t = 1 6= 0. Ce qui tablit le
t
t
2
rsultat de non-existence.

Proprit Si la suite relle (ut )tN0 et la fonction f : [1, +) R : x f (x)


sont telles que t N0 : f (t) = ut et lim f (x) = a R, alors lim ut = a.

x+

Cette proprit sert dterminer la valeur dune limite de suite partir de la limite pour
x + dune fonction dont le graphe passe par les points de la suite. Cette proprit
permet notamment de lever des indterminations dans les limites de suites, en faisant
appel la rgle de lHospital (voir section 4.5.) qui sapplique uniquement aux limites de
fonctions.
Exemple
sin x
= 0 (voir exercice 8 b ), la proprit permettra daffirmer
Aprs avoir montr que lim
x+ x
 sin t 
que la suite
converge vers 0.
t tN0

1.4 AUTRES

PROPRITS DES LIMITES DE FONCTIONS


Les rgles de calcul dans R et dans R des limites de fonctions, quelles soient bilatrales,
unilatrales ou pour x , sont identiques celles prsentes au chapitre 2 (section 2)
pour les limites de suites.
Exemple



1
1
= 0 impliquent que lim ex
= + 0 = +.
x+
x+ x
x

lim ex = + et lim

x+

Limites des fonctions composes


Si lim f (x) = b R et lim g(x) = c R,
xa

xb

alors lim (g f )(x) = c.


xa

Limites de fonctions

57

Exemple
lim
x
x

2
= et lim cos x = cos = 1 impliquent que lim
cos x = 1.
x

Principe du pincement Si f , g et h sont des fonctions telles que :


lim f (x) = lim h(x) = b R, et si > 0, x (a , a + ) \{a} : f (x) 6

xa

xa

g(x) 6 h(x), alors lim g(x) = b.

xa

Moyennant des changements vidents de formulation, on peut tendre les proprits


cites aux limites unilatrales et aux limites pour x .
Comme dans le chapitre 2, cette rgle affirme lexistence dune limite (et en donne la
valeur). Pour lutiliser, il faut, dans un voisinage du point a, encadrer la fonction dont on
cherche la limite par deux fonctions qui tendent vers la mme valeur.

Exemple



1
Appliquons la rgle du pincement pour montrer que lim x sin = 0. Notons quun exemple
x0
x


1
prcdent (section 1.3) a tabli que lim sin
nexiste pas. La rgle de calcul relative au
x0
x
produit des limites dans R nest donc pas applicable ici. Par contre, le principe
du pincement


1
1
permet de prouver le rsultat. En effet : x R0 : 1 6 sin 6 1 |x| 6 x. sin 6 |x| et
x
x



1

lim (|x|) = lim |x| = 0 lim x sin = 0.
x0
x0
x0
x

Continuit

2.1 DFINITIONS

ET PROPRITS FONDAMENTALES

La continuit reprsente le premier niveau de rgularit des fonctions. On dfinit dune


part la continuit en un point, dautre part la continuit dans un domaine. Intuitivement,
une fonction est continue dans un ensemble D si on peut tracer son graphe, pour les
valeurs dabscisses dans D, sans lever le crayon, sous rserve que D soit convexe et quen
consquence il ny ait pas de sous-domaines dconnects.
La dfinition gnrale est plus large et sapplique tous les domaines possibles. Elle
sappuie sur les concepts de limites prsents dans la section prcdente.
Dfinitions Soit f : D R : x f (x).

f est continue en a (D0 D) si lim f (x) = f (a) ;


xa

f est continue gauche en a (D0G D) si lim f (x) = f (a) ;


xa
<

f est continue droite en a

58

Les fonctions dune seule variable

(D0D

D) si lim f (x) = f (a).


xa
>

Chapitre
La proprit suivante dcoule directement de celles des limites.

Proprit Soit a D0 D .

f est continue en a f est continue gauche et droite en a.

Exemples

si x < 0
x
1. f : R R : x 3
si x = 0 .

x + 3 si x > 0

lim f (x) = 0 6= f (0) = 3 f nest pas continue gauche en 0 f nest pas continue en 0.

x0
<

La fonction est cependant continue droite en 0 : lim f (x) = 3 = f (0).


2. f : R R : x |1 x| =

x0
>

1 x si x 6 1
.
x 1 si x > 1

lim f (x) = lim (1 x) = 0 = f (1) = lim f (x) = lim (x 1). La fonction est donc continue

x1
<

x1
<

en 1.

x1
>

x1
>

La continuit dans un domaine exige que la fonction prsente toutes les continuits
possibles (unilatrales, et donc aussi bilatrales) dans ce domaine.
Dfinition
suivantes :

La fonction f est continue dans D si elle vrifie toutes les conditions

(i) a (D0 D) : f est continue en a ;



(ii) a (D0G \D0 ) D : f est continue gauche en a ;

(iii) a (D0D \D0 ) D : f est continue droite en a.

En consquence, pour des domaines qui sont des intervalles ouverts ou ferms, on a la
proprit suivante.
Proprit

f est continue dans (c, d) si a (c, d) : f est continue en a.


f est continue dans [c, d] si f est continue dans (c, d), f est continue droite en
c et f est continue gauche en d.

Dfinition Le domaine de continuit de f est le plus grand sous-ensemble de D


dans lequel f est continue, il est not DC. On a videmment : DC D.

Exemples
1. f : R+
0 R : x ln x.
+
+
a R+
0 : lim ln x = ln a a R0 : f est continue en a f est continue dans R0 DC
= R+
0.

xa

Continuit

59

x
1
1
a (0, 1) : lim = = f (a) a (0, 1) : f est continue en a.
xa x
a
1
De plus, lim = 1 = f (1) f est continue gauche en 1. Donc, f est continue dans (0, 1]
x1 x
<
et DC = (0, 1].
Notons que, comme 0
/ D, on ne se proccupe pas de la lim f (x).

2. f : (0, 1] R : x

x0
>

2.2 FONCTIONS

DE RFRENCE

: LIMITES

ET CONTINUIT

Lors la rsolution des exercices, les limites videntes relatives aux fonctions lmentaires
seront supposes connues (sauf dans les exercices 1 et 2 qui en tablissent certaines). Ces
rsultats concernent les fonctions puissances, sinus, cosinus, logarithme et exponentielle.
Dans les deux derniers cas, rappelons que :
Si a > 1 :
lim ax = 0 ,

lim ax = + , lim loga x = ,

x+

x0
>

lim loga x = +.

x+

Si 0 < a < 1 :
lim ax = + ,

lim ax = 0 , lim loga x = + ,

x+

x0
>

lim loga x = .

x+

En outre, on supposera dornavant acquise la continuit des fonctions lmentaires


suivantes dans leurs domaines de dfinition :
f : R R : x b, f : R R : x x,
f : D R : x x ( R) o D est dtermin selon ,


+
+
f : R R : x a x a R+
0 \ {1} , f : R0 R : x loga x a R0 \ {1} ,
f : R R : x sin x, f : R R : x cos x.
partir de l, les rgles de calcul des limites dans R permettent de dduire la continuit
des fonctions sommes, produits et composes de fonctions continues.

2.3 MTHODE

PRATIQUE DE LTUDE DE LA CONTINUIT D UNE FONCTION

Les diverses proprits vues permettent de dresser une procdure pratique pour ltude
de la continuit dune fonction donne, dans un domaine D prdfini.
(i) Si la fonction est donne par une seule expression analytique, dcomposer f en
somme, produit et/ou compose de fonctions dont le domaine de continuit est
connu.
(ii) Si la fonction est dfinie par plusieurs expressions analytiques (explicitement ou
implicitement), appliquer dabord (i) sur les plus grands sous-ensembles ouverts
de D, puis tudier la continuit en le(s) point(s) charnire(s) laide du calcul de
limites.
Attention, il ne faut pas oublier de considrer les ventuels bords du domaine.

60

Les fonctions dune seule variable

Chapitre
Exemples

1 si x < 0
1. f : R R : x signe(x) = 0
si x = 0 .

1
si x > 0

Dans (, 0) et dans (0, +), f est constante donc continue. Il reste tudier le point
charnire 0 o lim f (x) = 1 6= f (0) = 0. Donc, f nest pas continue gauche en 0 f
x0
<

nest pas continue en 0.


En conclusion, DC = R0 .

si x 6
|2x 2|
2. f : [8, 5) R : x
.
x sin x

si x >

cos x + 2
Dans [8, ), f est continue comme compose et somme de fonctions continues dans R et
donc dans ses sous-ensembles. Notons au passage que la continuit droite en 8 dcoule
immdiatement du fait que la fonction |2x 2| est continue dans R.

Comme x R : cos x + 2 6= 0, dans(, 5), f est continue comme produit de x, sin x et


1
, qui sont toutes continues dans R et donc dans ses sous-ensembles.
cos x + 2
Enfin, f est continue en le point charnire , puisque f est continue gauche et droite
en . En effet, lim f (x) = lim |2x 2| = 2 2 = 0 = f () f est continue gauche
en .

x
<

Et lim f (x) = lim


x
>

x
>

x
<

sin
x sin x
=
= 0 = f () f est continue droite en .
2
cos + 2

cos x +

En conclusion, DC = D = [8, 5).

2.4 THORME

DU POINT FIXE DE

BROUWER

Plusieurs problmes conomiques, notamment en thorie de lquilibre gnral, amnent


rechercher les points fixes dune fonction, cest--dire les points laisss invariants par la
fonction.
Dfinition
si f (a) = a.

Soit f : D R : x f (x). Le point a D est appel point fixe de f

Thorme de Brouwer Si f : [a, b] [a, b] : x f (x) est continue dans


[a, b], alors : c [a, b] : f (c) = c.

Le thorme du point fixe de Brouwer affirme lexistence (mais pas lunicit) dun point
fixe lorsque la fonction est continue dans un intervalle ferm et que les images se situent
dans ce mme intervalle.

Asymptotes
La fonction f admet une asymptote lorsque son graphe tend vers une droite, dnomme
alors asymptote de la fonction. Deux types de limites peuvent conduire une asymptote.
Dune part, une limite unilatrale infinie en un point de D0D D0G se traduit par lexistence
dune asymptote verticale. Dautre part, lorsque le graphe de la fonction tend vers une
droite pour x , on parlera, selon le cas, dune asymptote horizontale ou oblique.

Asymptotes

61

Dfinition La fonction f : D R : x f (x) admet une asymptote verticale


gauche (resp. droite) en a D0D (resp. en a D0G ), note AV x = a , si
lim f (x) = (resp. lim f (x) = ).

xa

xa

>

<

Notez que lasymptote droite est obtenue laide dune limite gauche, et vice-versa,
pour indiquer la position de lasymptote par rapport au graphe de la fonction.
Remarques
Une asymptote droite et gauche est dite bilatrale. Toutefois, lexistence de la limite
bilatrale dans R nest pas ncessaire pour obtenir une asymptote bilatrale. En effet, on
peut avoir, par exemple, lim f (x) = + et lim f (x) = .
xa
<

xa
>

Si a DC, la lim f (x) existe automatiquement dans R, et il ny aura jamais dasymptote


xa

verticale en a. Pour trouver les ventuelles asymptotes


verticales dune fonction, il suffit donc

dexaminer les limites aux points de D0D D0G \DC.

Les asymptotes horizontales et/ou obliques concernent le comportement de la fonction


lorsque x , sous rserve que le domaine permette de considrer de telles limites.
Dfinitions
Soit f : D R : x f (x), o D contient une demi-droite

, p (resp. p, + ).

f admet une asymptote horizontale gauche (resp. droite), note AH y = b,


si
lim
f (x) = b R.
x
(resp. x+)

f admet une asymptote oblique gauche (resp. droite), note AO y = ax + b,




f (x)
= a R0 et
lim
f (x) ax = b R.
si
lim

x
x
x
(resp. x+)

(resp. x+)

Remarque
Si f admet une AH gauche (resp. droite), elle nadmettra pas dAO gauche (resp.
droite), et rciproquement.

Les exemples suivants montrent la marche suivre pour la dtermination des asymptotes.

Exemples
1. f : R+
0 R:x

Recherche dasymptotes verticales :



1
0
0
D0D = R+ , D0G = R+
= + AV x = 0
0 = DC DD DG \DC = {0} et xlim
0 x
>
gauche.

62

Les fonctions dune seule variable

Chapitre
Recherche dasymptotes horizontales et/ou obliques :
D = R+
0 @AH gauche et @AO gauche.
Dautre part, lim

x+

En outre, lim

x+

1
= 0 AH y = 0 droite @AO droite.
x

1
= 0+ . Le graphe est donc situ au-dessus de lAH (voir figure 3.2).
x
y

Figure 3.2

AV : x = 0

5
4
3
2
y=f(x)

AH : y = 0

1
2

2. f : R\{1, 1} R : x

x3 + 2

x2 1

Recherche dasymptotes verticales :


D0D = D0G = R, DC = R\{1, 1} D0D D0G \DC = {1, 1},
lim

x1
>
<

x3 + 2
= AV x = 1 (bilatrale)
x2 1

lim

x 1
>
<

x3 + 2
= AV x = 1 (bilatrale).
x2 1

Recherche dasymptotes horizontales et/ou obliques :


R\{1, +1} (, 2) et (2, +)
lim

x3 + 2
=
/ R @AH
x2 1

f (x)
x3 + 2
= lim 3
= 1 R0 et
x x
x x x

 3

x +2
x3 + 2 x3 + x
x+2
x = lim
= lim 2
=0
lim f (x) 1.x = lim
2
x
x x 1
x
x x 1
x2 1
lim

AO y = x bilatrale (voir figure 3.3, page suivante).

Asymptotes

63

Figure 3.3

y=f(x)

A0 y = x

3
2
1
5

0
1

2
3
4
AV x = 1

AV x = 1

Drivabilit
Les drives jouent un rle fondamental dans ltude de la variation des fonctions. Au
plan thorique, elles permettent daborder la caractrisation des fonctions monotones et
la dtermination des extrema. Au plan appliqu, elles conduisent la formalisation de
notions aussi importantes que la vitesse et lacclration en physique, le cot marginal ou
lutilit marginale en gestion.

4.1 DFINITIONS
Avant de calculer la drive dune fonction, il convient dexaminer si la fonction est suffisamment rgulire. Ainsi, on dfinira les notions de drivabilits unilatrale et bilatrale
en un point et dans un ensemble, ce qui conduira au domaine de drivabilit. La notion
de drive repose sur la limite du taux de variation. Des proprits et des rgles pratiques
sont galement fournies pour en faciliter le calcul.
Dfinitions Soit f : D R : x f (x).

f (x) f (a)
dans R. Dans ce cas, cette
f est drivable en a D0 D si lim
xa
xa
limite est appele drive de f en a et est note f 0 (a).


f est drivable gauche (resp. droite), en a D0G D , (resp. a D0D D ),
f (x) f (a)
si xa
lim
dans R. Dans ce cas, cette limite est appele drive gauche
xa
<
(>)

(resp. droite) de f en a et est note fg0 (a) (resp. fd0 (a)).

64

Les fonctions dune seule variable

Chapitre
f est drivable dans D si toutes les conditions suivantes sont remplies :
(i) a (D0 D) : f est drivable en a ;

(ii) a (D0G \D0 ) D : f est drivable gauche en a ;

(iii) a (D0D \D0 ) D : f est drivable droite en a.

Le domaine de drivabilit de f , not DD, est le plus grand sous-ensemble de D


dans lequel f est drivable.
La fonction drive de f est la fonction f 0 : DD D0 R : x f 0 (x).

4.2 INTERPRTATION

GOMTRIQUE DE LA DRIVE

Lorsquelle existe, la drive f 0 (a) est le coefficient angulaire de la tangente Ta au graphe


de la fonction au point dabscisse a, dont lquation est : Ta y f (a) = f 0 (a)(x a).

Exemples
1. f : R R : x x.

f (x) f (a)
xa
= lim
= lim 1 = 1 R. f est donc
xa x a
xa
xa
drivable dans R : DD = R et f 0 : R R : x 1.
On a : D = D0 = R et a R : lim

xa

En tout point a R, la tangente, Ta y = x, concide avec le graphe de la fonction.


(
x si x 6 0
2. f : R R : x |x| =
.
x
si x > 0
Cette fonction est dfinie et continue dans R, mais :
lim

x0
<

f (x) f (0)
x
= lim
= 1 fg0 (0) = 1
x0 x
x0
<

et
lim

x0
>

f (x) f (0)
x
lim = 1 fd0 (0) = 1.
0 x
x 0 x
>

La fonction f est donc drivable gauche et droite en 0 mais nest pas drivable en 0.
(
1 si x < 0
0
DD = R0 et f : R0 R : x
.
1
si x > 0
+
a R
0 : Ta y = x et a R0 : Ta y = x.

4.3 FONCTIONS

DE RFRENCE

On supposera dornavant acquise la drivabilit des fonctions de rfrence suivantes dans


leurs domaines respectifs, ainsi que les expressions de leurs drives :

Drivabilit

65

f (x)

f 0 (x)

f (x)

f 0 (x)

x
( Q)

R ou R0

x1

ex

ex

ln x

R+
0

1
x

cos x

cos x

1
cos2 x

sin x

cotg x

R\{k, k Z}

sin x
tg x

R\

n
2

+ k, k Z

1
sin2 x

4.4 PROPRITS
Les notions de continuit et de drivabilit sont lies de manire trs simple.
Proprits

f est drivable en a f est continue en a.


f est drivable droite (resp. gauche) en a f est continue droite (resp.
gauche) en a.

On a donc DD DC D. Notons que les rciproques de ces proprits sont fausses. Par
exemple, la fonction valeur absolue est continue mais non drivable en 0.
Proprit f est drivable en a DD0 fg0 (a) et fd0 (a) existent et sont gales.

La drivabilit de chaque ct ne suffit pas garantir la drivabilit en un point. Ainsi,


les points en lesquels la fonction est drivable gauche et droite, sans tre drivable
(drives gauche et droite distinctes), sont appels des points anguleux , parce que
les deux demi-tangentes unilatrales forment un angle.
Rgles de calcul des drives

Si f et g sont drivables en a, alors :

0
(i) R : f est drivable en a et f (a) = f 0 (a) ;
(ii) ( f + g) est drivable en a et (f + g)0 (a) = f 0 (a) + g 0 (a) ;
(iii) ( f .g) est drivable en a et (f .g)0 (a) = f 0 (a).g(a) + f (a).g 0 (a) ;
 0
f
f
f 0 (a)g(a) f (a)g 0 (a)
(iv) Si g(a) 6= 0, est drivable en a et
(a) =

2
g
g
g(a)
(v) Si f (a) > 0, f g est drivable en a et




1 0
g(a) 0
g(a)
0
f (a)
= f (a)
g (a) ln f (a) + g(a)
f (a) .
f (a)

Si f est drivable en a et g est drivable enf (a), alors la fonction compose g f


est drivable en a et (g f )0 (a) = g 0 f (a) f 0 (a).

Ces proprits stendent la drivabilit gauche (resp. droite).

66

Les fonctions dune seule variable

Chapitre
En pratique, ltude de la drivabilit dune fonction seffectue selon la mme dmarche
que celle de la continuit. En outre, la drivabilit est demble exclue en les points o la
fonction est discontinue. Sajoute ici le calcul de la fonction drive.

Exemples
1. f : R R : x |x|.

DC = R, DD = R0 .

1 si x < 0
2. f : R R : x signe(x) = 0
DC = DD = R0 .
si x = 0 .

1
si x > 0

si x 6
|2x 2|
3. f : [8, 5) R : x
.
DC = [8, 5) et DD = [8, 5) \{}.
x sin x

si x >

cos x + 2
En effet, dans [8, ), f est drivable comme compose dun polynme, drivable dans R,
et de |x| drivable dans R0 . Dans (, 5), f est drivable comme quotient de x sin x, drivable

dans R en tant que produit de fonctions de rfrence drivables dans R, et de cos x + 2,


drivable dans R en tant que somme non nulle de fonctions de rfrence drivables dans R.
Au point charnire :
|2x 2| 0
x
f (x) f ()
= lim
=2
= 2 R
lim
x
x
x

x
<
<
f est drivable gauche en et fg0 () = 2.

f (x) f ()
x. sin x 0
x. sin( x)
= lim
= lim

x (cos x + 2)(x )
x (cos x + 2)( x)
x

>
>
>

=
R
=
1 + 2
21

6= fg0 ().
f est drivable droite en et fd0 () =
21
Donc, f admet un point anguleux en .
cos x
4. Considrons la fonction tg x
dans un domaine D tel que x D : tg x > 0.
lim
x

x D0 :

4.5 LA

tg x

cos x 0

cos x

1
1
(sin x) ln(tg x) + cos x
tg x cos2 x


cos x
1
= tg x
(sin x) ln(tg x) .
sin x
= tg x

RGLE DE LHOSPITAL
La rgle de lHospital est utile pour lever des indterminations qui se prsentent dans les
0
calculs de limites de fonctions. Elle est, au dpart, formule pour le cas , mais elle
0
sadapte simplement toutes les formes indtermines.
Rgle de lHospital
Soit f : D1 R : x f (x), g : D2 R : x g(x) et

a D01 D02 .
Si :
(i) lim f (x) = lim g(x) = 0 ;
xa

xa

Drivabilit

67

(ii) > 0 : f et g sont drivables dans (a , a + ) \{a} ;


f 0 (x)
existe dans R ;
(iii) lim 0
xa g (x)
f (x)
f 0 (x)
alors : lim
= lim 0
xa g(x)
xa g (x)

Moyennant des modifications videntes de formulation, ce rsultat est galement applicable aux limites unilatrales et pour x .
0
Lhypothse (i) fait rfrence la forme indtermine . En fait, la rgle sadapte
0
galement aux autres formes indtermines de la manire suivante :

Directement pour

f (x)
0
Pour 0 , la transformation f (x)g(x) = 1 permet de se ramener au cas
0
g(x)
1
1

g(x) f (x)
Pour , la transformation f (x) g(x) =
1
f (x).g(x)
0
permet de se ramener au cas
0
Toutefois, cette transformation complique souvent les calculs. Il est donc prfrable de
lutiliser en dernier recours, aprs avoir tent de factoriser et de simplifier lexpression
initiale ou, tout simplement, de mettre au mme dnominateur.
Pour les formes indtermines de type exponentiel (00 , 1 , 0 ), lcriture f (x)g(x) =
eg(x). ln f (x) place lindtermination au niveau du logarithme de la limite recherche, sous
la forme 0 traite prcdemment.
Exemple

!
r


p
2
3 3
3
lim x x 2x = lim x 1 1 2 = lim
x+
x+
x+
x

2
1 1 2
x
1
x
3

Il sagit dune forme indtermine du type qui se ramne 0 , puis


hypothses de la rgle de lHospital sont vrifies. On obtient :

lim

x+


x3 2x = lim

p
3

x+

0
. Les
0



2 2/3 1
4
1 2
x
4
x
3
x
=
lim 
= +.

1
3 x+
2 2/3
2
1 2
x
x

Enfin, la rgle de lHospital sapplique uniquement aux formes indtermines. On ne peut


donc pas en faire usage pour calculer toute limite de quotient.

68

Les fonctions dune seule variable

Chapitre

Thorme de Taylor
Le thorme de Taylor permet dapprocher des fonctions par un polynme tout en
tablissant une majoration de lerreur commise. Il utilise les drives successives, dont la
drive seconde.
Dfinitions Soit f : D R : x f (x) et a DD D0 .
f est deux fois drivable en a si sa drive premire f 0 est drivable en a.
Dans ce cas, f 00 (a) = ( f 0 )0 (a) est appele drive seconde de f en a.

De manire gnrale, on peut ainsi dfinir la notion de fonction p fois drivable, le cas
chant droite et/ou gauche, en un point, puis dans un ensemble. De mme, on dfinit
les drives dordre p, unilatrales ou bilatrales.

Exemple
La fonction f (x) = sin x est drivable dans R et sa drive, f 0 (x) = cos x, est aussi drivable
dans R. Elle est donc deux fois drivable dans R et f 00 (x) = (cos x)0 = sin x.

Le thorme de Taylor offre une approximation polynomiale locale (au voisinage dun
point) dune fonction pour autant quelle soit suffisamment rgulire. La formule dcompose la valeur de la fonction en deux termes : lapproximation dite de Taylor et le terme
derreur, ou reste , dont lexpression permet den tablir une majoration spcifique
(fonction de la drive dordre p+1 de la fonction considre). Sachant que la factorielle
dun nombre n N0 , note n!, est dfinie par : n! = n (n 1) (n 2) . . . 1, avec, par
convention, 0! = 1, on formule le thorme de Taylor comme suit.
Thorme de Taylor Si f est (p + 1) fois drivable dans lintervalle
(a 1 , a + 2 ), o 1 , 2 > 0, alors :

x (a 1 , a + 2 ) : f (x) =

p
X
f i/ (a)
i=0

i!

(x a)i

{z

approximation de Taylor dordre p

{z

f p+1/ ()
(x a)p+1
(p + 1)!
|
{z
}
reste dordre p

dveloppement de Taylor dordre p

o = a + (x a) , (0, 1).

Dans le cas particulier o a = 0, le dveloppement de Taylor est appel dveloppement de


Mac Laurin.

Exemple
Le dveloppement de Mac Laurin dordre pair 2k (k N0 ) de la fonction f (x) = sin x est donn
par :
sin x = x

x5
x7
(1)k+1 x2k1
(1)k (cos ) 2k+1
x3
+

+ +
+
x
,
3!
5!
7!
(2k 1)!
(2k + 1)!
|
{z
}

o 0 < < x,

Reste dordre 2k

puisque f est indfiniment drivable et

f 0 (x)

= cos x,

f 00 (x)

= sin x, f 000 (x) = cos x, etc.

Thorme de Taylor

69

Caractristiques des fonctions


dune variable

6.1 FONCTIONS

MONOTONES

Les fonctions partout croissantes, ou partout dcroissantes, dans un domaine donn sont
dites monotones dans ce domaine. Cette classe de fonctions, aisment caractrisable
laide de la drive premire (sous rserve de rgularit suffisante), joue un rle pratique
important, puisque la formalisation de plusieurs problmes de gestion exige demble
des fonctions de ce type. Par exemple, la quantit globale demande dun bien de
consommation est dcroissante en fonction du prix, la quantit offerte gnralement
croissante, lutilit attendue des investisseurs dpend positivement du rendement attendu
(fonction croissante) et ngativement du risque (fonction dcroissante), etc.
Les fonctions qui sont tantt croissantes, tantt dcroissantes dans leur domaine dtude
ne sont pas globalement monotones. Cependant, en dcoupant de faon cohrente le
domaine, il est le plus souvent possible de dgager des sous-domaines dans lesquels une
fonction donne est monotone. Donc, mme dans ce cas, les notions dfinies ci-dessous
prennent tout leur intrt.
Dfinitions Soit f : D R : x f (x)
f est (strictement) croissante (1) dans D si x1 , x2 D : x1 < x2 f (x1 ) 6 f (x2 ).
(<)

f est (strictement) dcroissante dans D si x1 , x2 D : x1 < x2 f (x1 ) > f (x2 ).


(>)

f est monotone dans D si f est croissante dans D ou dcroissante dans D.

La proprit suivante permet dtablir la monotonie dune fonction suffisamment rgulire grce au signe de sa drive premire. En pratique, elle constitue un outil fondamental.
En particulier, lorsque la fonction exprime lvolution dune variable au cours du temps
(modlisation en temps continu), elle permet didentifier, en fonction de la spcification
retenue, les priodes de hausse et de baisse de cette variable.
Proprit Si D est un sous-ensemble convexe de R et f : D R : x f (x)
est continue dans D et drivable dans D0 , alors :
f est croissante dans D x D0 : f 0 (x) > 0 ;
f est dcroissante dans D x D0 : f 0 (x) 6 0 ;
f est strictement croissante dans D x D0 : f 0 (x) > 0 ;
f est strictement dcroissante dans D x D0 : f 0 (x) < 0.

Exemple
La fonction f : R R : x 3x 1 est continue et drivable dans R et f 0 : R R : x 3. On
a f 0 (x) > 0, x R f est strictement croissante dans R.

1. Alternativement, on peut utiliser les qualificatifs non dcroissante et croissante en lieu et place de
croissante et strictement croissante , respectivement.

70

Les fonctions dune seule variable

Chapitre
Lorsque le domaine D nest pas convexe, la proprit nest pas applicable directement.
On peut cependant lutiliser dans les sous-domaines convexes de D. Par ailleurs, dans
le cas des fonctions strictement monotones, la condition de signe (strict) de la drive
est suffisante, mais pas ncessaire. Par exemple, la fonction f : R R : x x 3 , qui
est continue et drivable dans R (avec f 0 (x) = 3x2 ), est strictement croissante dans R
(x, y R : x < y x3 < y3 ) et pourtant sa drive sannule en 0 (f 0 (0) = 0).

6.2 FONCTIONS

CONCAVES ET CONVEXES

Une fonction de production, ici un facteur, est naturellement croissante puisque, avec
une quantit suprieure du facteur de production, on ne peut quaccrotre le niveau
produit. Elle peut tre concave (fonction de production rendements dcroissants) ou
convexe (fonction de production rendements croissants). Les figures 3.4 illustrent ces
possibilits dans le cas particulier o la fonction f est croissante et f (0) = 0, ce qui est
typique pour une fonction de production puisque, sans facteur, la production est nulle.
Figure 3.4

Fonction de production
concave ( gauche).
Fonction de production
convexe ( droite)

y=f(x)

y=f(x)
x

De faon gnrale, cest la courbure du graphe qui est vise. Oriente vers le bas, lallure
de la courbe est dite concave, et, vers le haut, convexe. En outre, ces notions sont
dterminantes dans ltude des extrema ou optimisation. Les dfinitions de fonctions
concaves et convexes snoncent dans les domaines D qui sont des sous-ensembles convexes
de R, ce qui implique que D0 D.
Dfinitions Soit f : D R : x f (x), o D est un sous-ensemble convexe
de R.
f est concave dans D si :

x, y D, [0, 1] : f x + (1 )y > f (x) + (1 )f (y).
f est convexe dans D si :

x, y D, [0, 1] : f x + (1 )y 6 f (x) + (1 )f (y).
f est strictement concave (resp. convexe) dans D si :

> f (x)+(1)f (y).
x, y D(x 6= y), (0, 1) : f x + (1 )y
(resp. <)

Ces ingalits offrent une interprtation gomtrique directe : les fonctions concaves (voir
la figure 3.5, page suivante) (resp. convexes), sont telles que toute scante joignant deux
points du graphe se situe sous le graphe, (resp. au-dessus du graphe). En outre, la concavit
et la convexit strictes excluent la prsence de morceaux linaires dans le graphe.
De faon gnrale, le graphe dune fonction continue dans un domaine convexe est tantt
concave, tantt convexe. Les points o se situe la transition de lune lautre de ces
situations sont appels points dinflexion .

Caractristiques des fonctions dune variable

71

Figure 3.5

y
y=f(x)

Dfinition

f admet un point dinflexion en a si f est continue en a et si


(
f est convexe (resp. concave) dans (a , a)
> 0 :
.
f est concave (resp. convexe) dans (a, a + )

En un point dinflexion en lequel la fonction est drivable (figure 3.6), le graphe de


la fonction traverse la tangente. Si le point dinflexion est situ en un point anguleux
(figure 3.7), le graphe traverse la droite brise constitue de deux demi-tangentes
droite et gauche.
Figure 3.6

y = f(x)

Ta

Figure 3.7

y = f(x)
g
Ta
d
Ta
a

72

Les fonctions dune seule variable

Chapitre
Dans toutes les proprits qui suivent, le domaine D est un sous-ensemble convexe de R.
Proprits
f1 et f2 sont concaves (resp. convexes) dans D f1 +f2 est concave (resp. convexe)
dans D.
Si f est concave (resp. convexe) dans D, alors :
f est concave (resp. convexe) dans D si > 0,
f est convexe (resp. concave) dans D si 6 0.
f (x) f (a)
f
=
est une
f est concave (resp. convexe) dans D a D,
x
xa
fonction dcroissante (resp. croissante) dans D\{a}.

La dernire proprit concerne la monotonie du taux de variation des fonctions concaves


et convexes. Elle sapplique notamment aux fonctions de production. En effet, comme
f (x)
f (0) = 0, en choisissant a = 0, on obtient que la productivit moyenne,
, est
x
dcroissante pour une fonction de production concave et croissante pour une fonction
de production convexe.
Le lien entre la concavit et la convexit dune part, la continuit et la drivabilit de lautre
est donn par la proprit suivante.
Proprit f est concave dans D ou convexe dans D f est continue, drivable
gauche et droite dans D0 .

Nanmoins, f nest pas ncessairement drivable dans D0 . Par exemple, la fonction f (x) =
|x| nest pas drivable dans R (non drivable en 0) et pourtant convexe dans R puisque :
x1 , x2 R, [0, 1] :
|(x1 + (1 )x2 )| 6 |x1 | + |(1 )x2 | = |x1 | + (1 ) |x2 | .
La proprit suivante est probablement la plus importante en pratique. Elle permet de
caractriser les fonctions concaves et convexes rgulires laide du signe de leur drive
seconde.
Proprit Si f est 2 fois drivable dans D, alors :
f est concave dans D x D0 : f 00 (x) 6 0 ;
f est convexe dans D x D0 : f 00 (x) > 0.

Exemple
f (x) = x2 5x + 1 est deux fois drivable dans R et f 0 (x) = 2x 5, f 00 (x) = 2. On a f 00 (x) >
0, x R f est strictement convexe dans R.

Les fonctions minimum et maximum sont utiles, par exemple, dans la modlisation
des marchs en dsquilibre. Elles apparaissent ici parce quelles bnficient de proprits
intressantes au niveau de la concavit/convexit.
Dfinitions Soit deux fonctions f1 et f2 : D R.




min f1 , f2 : D R : x min f1 (x), f2 (x) .




max f1 , f2 : D R : x max f1 (x), f2 (x) .

Caractristiques des fonctions dune variable

73





En chaque point de D, la fonction min f1 , f2 (resp. max {f1 , f2 ) prend la plus petite
(resp. la plus grande), des valeurs prises en ce point par les deux fonctions de dpart.
Proprits



f1 et f2 sont concaves dans D min f1 , f2 est concave dans D.


f1 et f2 sont convexes dans D max f1 , f2 est convexe dans D.

Exemple
Les fonctions f1 : [1, 6] R : x x2 + 5x 4 et f2 : [1, 6] R : x x2 +

15
x 11, sont
2

toutes deux concaves dans [1, 6]. Il sensuit que :





14
15

11
si
x

1,
x
+



2
 5  est galement concave dans
min f1 , f2 : [1, 6] R : x
14

x + 5x 4
si x
,6
5
[1, 6] (voir figure 3.8).
y

Figure 3.8
4
3
2
1
2

74

1
2
3
4
5
6
7
8
9
10

Les fonctions dune seule variable

y=f2 (x)

y =f1 (x)

y=min{f1 (x),f2 (x)}

Chapitre

Problmes
et exercices
Techniquement, ce sont coup sr les limites de fonctions qui occupent la
majeure partie des exercices. Dabord tudies pour elles-mmes, elles
apparaissent ensuite dans ltude de la continuit, de la drivabilit et
des asymptotes. Les techniques de drivation sont aussi lhonneur, tant
pour tablir les quations de tangentes et les dveloppements de Taylor
que pour discuter la croissance/dcroissance et la concavit/convexit
des fonctions. Des applications la gestion clturent ces exercices.

Limites de fonctions
EXERCICE 1

a
b
c
d

Solution

Pour les fonctions suivantes, dterminez les domaines D, D0 , D0D , D0G .


f : D R : x ln x.
1
f :DR:x
x
1
f :DR:x

ln(3 x)

x
f :DR:x 2

x 9

a D = D0 = R+
0 . En effet :
x
x (0, +), = > 0 : (x , x + ) D > 0 : (x , x + )\{x} D .
2


1
1 3
Par exemple pour x = 1, on peut choisir = pour obtenir
,
\{1} (0, +).
2
2 2
Aucun autre point ne vrifie la dfinition de D0 .
D0G = (0, +) car
(i) D0 D0G D0G (0, +)
(ii) 0
/ D0G puisque > 0 : (, 0) 6 D
(iii) aucun autre point ne vrifie la dfinition de D0G .

Limites de fonctions

Exercices

nonc

75

D0D = [0, +) car


(i) D0 D0D D0D (0, +)
(ii) 0 D0D puisque = 1 > 0 : (0, ) = (0, 1) D
(iii) aucun autre point ne vrifie la dfinition de D0D .
b D = R0 car la fonction nest pas dfinie en x = 0. D0G = D0D = D0 = R.
c D = (, 3)\{2}, D0 = (, 3), D0G = (, 3] et D0D = (, 3).

d D = [0, +)\{3, 3}, D0 = (0, +), D0G = (0, +), D0D = [0, +).

EXERCICE 2
nonc

laide de la dfinition de la notion de limite bilatrale, dmontrez les rsultats suivants.


a a R : lim x = a.
xa

b a, b R : lim b = b.
xa

Solution

a Pour montrer que : a R : > 0, > 0 : 0 < |x a| < |x a| < , on prend


par exemple = .

b On doit montrer que a, b R : > 0, > 0 : 0 < |x a| < |b b| < .


Comme : |b b| = 0 < est toujours vrai, on peut prendre un > 0 quelconque.

EXERCICE 3
nonc

laide des dfinitions, dterminez les limites suivantes dans R.


a lim (3x 5).
x2

b lim x + 1.
x1
>

c
d

Solution

1
lim
x

x0
<

lim ex .

x+

lim (3x 5) = 1 > 0, > 0 : 0 < |x 2| < |(3x 5) 1| <

x2

Comme |3x 6| < 3 |x 2| < |x 2| < , il suffit de prendre 0 < 6


3
3

b lim x + 1 = 0 > 0, > 0 : 0 < x + 1 < ( x + 1) 0 < .


x1
>

Comme x + 1 < x + 1 < x + 1 < 2 (car x + 1 > 0), il suffit de


prendre 0 < 6 2 .
1
1
c lim = L > 0, > 0 : 0 < 0 x < < L.
|
{z
}
x0 x
|x {z }
<
0>x>

76

Les fonctions dune seule variable

()

Chapitre
1
1
Comme () > x x > (car x < 0), il suffit de prendre un nombre tel que
L
L
1
1
> et > 0, cest--dire tel que : 0 < < .
L
L
(
x>K
d lim ex = + L > 0, K > 0 :
e|x {z
> L}.
x+
xR
()

Comme () x > ln L, il suffit de prendre K > min{0, ln L}.

EXERCICE 4
nonc

Soit n N et ai R, i = 0, 1, . . . , n.

Calculez lim an xn + an1 xn1 + + a1 x + a0 .
x



lim an xn + an1 xn1 + + a1 x + a0 = an n + an1 n1 + + a1 + a0

Solution

Dmontrons ce rsultat par rcurrence.


Il est vrifi pour n = 0 : lim a0 = a0 (limite dune fonction constante).
x

EXERCICE 5

laide des proprits, calculez les limites suivantes dans R.


a lim (ln x 1).
x1

ex x

x2 (x 2)2

c lim ln( x + 1).

b lim

Exercices

nonc

En supposant quil est vrifi pour un polynme de degr n = k 1, montrons-le pour


un polynme de degr n = k :

lim ak xk + ak1 xk1 + + a1 x + a0
x


= lim ak xk + lim ak1 xk1 + + a1 x + a0
x
x


= lim ak xk + ak1 k1 + + a1 + a0
x


= lim ak xk1 .x1 + ak1 k1 + + a1 + a0
x


= lim ak xk1 . lim x + ak1 k1 + + a1 + a0
x
x


k1
= ak
. + ak1 k1 + + a1 + a0

= ak k + ak1 k1 + + a1 + a0 .

x1
>

x3 + x2 6x + 3

x
2x3 + 3x 1
lim

Limites de fonctions

77

Solution

lim (ln x 1) = lim (ln x + (1)) = lim (ln x) + lim (1) = 0 + (1) = 1

x1

x1

x1

x1

e x
e .2
= + (rgle de calcul dans R : (+) ).
0
(x 2)2

c lim x + 1 = 0(+)

lim ln( x + 1) =
x1
>
x1
>

lim ln x =

(limite dune compose de fonctions).


x0
>


1
6
3
3
x . 1+ 2 + 3
x3 + x2 6x + 3
1
x x
x

 =
d lim
=
lim
x
x
3
1
2x3 + 3x 1
2
x3 . 2 + 2 3
x
x
b lim

x2

EXERCICE 6
nonc


Soit n, m N et ai (i = 0, 1, . . . , n) , bj j = 0, 1, . . . , m R, an 6= 0, bm 6= 0.
an x n + + a 1 x + a 0
Dterminez dans R lim

x bm xm + + b1 x + b0
0

n1

an x + an1 x
+ + a0
m
m1
x bm x + bm1 x
+ + b0

Solution

lim

lim xnm .

an
bm

an
}|
{
z}|{ z
x .( an + an1 x1 + + a0 xn )
= lim m
=
x x .( bm + bm1 x1 + + b0 xn )
|{z} |
{z
}
n

0
bm

()
si
n
>
m

an
si n = m o le signe de (*) est dtermin par celui de
=
bm

0
si n < m

an
et, pour x , par la parit de (n m).
bm

EXERCICE 7
nonc

78

Dans chaque cas, les limites suivantes existent-elles dans R? Si oui, donnez leur valeur.

ln(x 1) si x > 1
a lim f (x), o f : R R : x
.
2
x1

si x 6 1
2
(x 1)

2x + 3 si x R\{1, 1}
b lim g(x), o g : R R : x x2 1
.
x1

4
si x {1, 1}

n
o

cos x + 1 si x
/
+ k : k Z
2
n
o.
c lim h(x), o h : R R : x

x 3

2
si x
+ k : k Z
2
2

Les fonctions dune seule variable

Chapitre
1

x2
d lim i(x), o i : R\{4} R : x
1
x4

Solution

c
d

.
si x > 4

2
= +
x1 (x 1)2
<

lim f (x) = lim

x1
<

lim f (x) = lim ( ln(x 1)) = () = +

x1
x1
>

si x < 4

>

2x + 3
= +
x1
x1 x2 1
<
<
2x + 3
lim g(x) = lim 2
=
x1
x1 x 1
>
>
lim g(x) = lim

lim f (x) = +.
x1

lim g(x)@ dans R.


x1

lim h(x) = lim (cos x + 1) = lim (cos x) + lim 1 = 0 + 1 = 1.

x 3
2

x 3
2

x 3
2

1
1
lim i(x) = lim
=

x4
x4 x 2
2
1
<
<
lim i(x) =
1 x4
1
2

lim i(x) = lim =

x4
x4
2
x
>
>

x 3
2

EXERCICE 8
nonc

Dans chaque cas, calculez la limite.


lim sin x.
x+
 sin x 
b lim

x+
 sin xx

c lim
x0
x
(
1 si x Q
d lim f (x) o f : R R : x
.
x2
0 si x R\Q

Solution

a Par le thorme de transfert, lim sin x nexiste pas dans R. En effet, la suite (xt )tN0
x+



dfinie par xt =
+ t est telle que xt + mais f (xt ) = sin
+ t = (1)t
2
2
nadmet pas de limite dans R.
 sin x 
b Par pincement : lim
= 0 . En effet :
x+
x
x R+
0 :

1
sin x
1
6
6

x
x
x
|{z}
|{z}

Limites de fonctions

Exercices

79

c Par pincement : lim

x0

 sin x 
x

= 1 . En effet :

 
x ,
\{0} : | sin x| 6 |x| 6 | tg x|
2 2

1
1
1
>
>
| sin x|
|x|
| tg x|
| sin x|
| sin x|
| sin x|

>
>
| sin x|
|x|
| tg x|
sin x sin x
1


>

|{z}
1 >
=
|cos x|
x
x
| {z }
1

d lim f (x) si f : R R : x
x2

1 si x Q
0 si x R\Q

+ 2 ( R) et yt = + 2 ( R\Q) sont telles que


t
t


1
lim xt = 2 et lim yt = 2 mais lim f (xt ) = lim f
+ 2 = lim 1 = 1 et
t
t
t
t
t
t



lim f yt = lim f
+ 2 = lim 0 = 0.
t
t
t
t
Par le thorme de transfert, on en dduit que lim f (x)@ dans R.

Les suites dfinies par xt =

x2

Continuit
EXERCICE 9
nonc

Solution

Soit f : R\{2} R : x 2x + 4.
Montrez, en revenant la dfinition, que f est continue en 3.
)


x (3 , 3 + )
f est continue en x = 3 > 0, > 0 :
f (x) f (3) <
x R\{2}
)
|x 3| <
> 0, > 0 :
|(2x + 4) 10| < .
|
{z
}
x 6= 2
()

Comme () |2x 6| < |x 3| < , il suffit de prendre 0 < 6


2
2

EXERCICE 10
nonc

80

Donnez un exemple de fonction dfinie dans D = [2, 2) et dont le domaine de continuit


est DC = [2, 2)\{1}.

Les fonctions dune seule variable

Chapitre
(

x si x 6= 1
On peut prendre, par exemple, f : [2, 2) R : x
.
0 si x = 1

Solution

EXERCICE 11
nonc
a
b
c

2
a D = (3, +) = DC. En effet, dans (3, +), f est continue comme quotient
de ln(x +1)
(continue dans R en tant que compose de fonctions continues) et de x 3 (continue
comme compose de fonctions continues).

b D = [1, 7] = DC , puisque f est obtenue par somme et produit de fonctions continues


dans R et donc dans [1, 7].
ex x
c D = R et DC = R\{2}. En effet, f est continue dans R\{2} mais lim
= +.
x2 (x 2)2
d D = R et DC = R\{ + 2k : k Z}.

Dans R\{k : k Z}, f est continue par les proprits usuelles.

En outre, k Z : lim (cos x + 1) = 2 = f (2k) et la fonction est continue en ces

points, mais
ces points.

x2k

lim (cos x + 1) = 0 6= 2 = f ( + 2k) et la fonction est discontinue en

x+2k

e D = R et DC = R\{2, 2}. En effet, dans R\{2, 2, 3}, f est continue par les proprits
usuelles.
x2 + 1
En x = 2 : lim 2
@ dans R, donc la fonction nest pas continue en x = 2.
x2 x 4

Continuit

Exercices

Solution

Pour chacune des fonctions suivantes, dterminez les domaines de dfinition et de


continuit.
ln(x2 + 1)

f (x) =
x3
f (x) = ex (x + 1) cos x, o x [1, 7].

x
ex
si x 6= 2
f (x) = (x 2)2
.

3
si x = 2
(
cos x + 1 si x
/ {k : k Z}
.
f (x) =
2
si x {k : k Z}
2
x +1

si x 6 3 et x
/ {2, 2}

x2 4


1
f (x) = (x 3) sin
.
+ 2 si x > 3

x
e
si x {2, 2}
( 1
si x > e
3 ex
.
f (x) =
ln x2 2 si x 6 e

81



1
En x = 3 : sachant que lim x. sin
= 0, on a
x0
x




1
lim f (x) = lim (x 3) sin
+ 2 = 0 + 2 = 2 = f (3)
x3
x3
x3
>
>
et

x2 + 1
= 2 = f (3)
x3 x2 4
<

lim f (x) = lim

x3
<

donc la fonction est continue en 3.


1
D = DC = R0 . La continuit en e rsulte du fait que lim 3 ex = 0 = f (e).
xe
>

EXERCICE 12
nonc

x |x|
si x < 0
Soit f (x) =
.
x
sin x + si x > 0
Pour quelles valeurs du paramtre rel , la fonction f est-elle continue dans R?

Solution

Daprs les proprits usuelles, f est continue dans R0 . Donc, pour quelle soit continue
dans R, il faut et il suffit que lim f (x) = f (0).
x0

x |x|
x+x
2x

lim f (x) = lim


= lim
= lim
=2

x0
x0
x0
x0 x
x
x
<
<
<
<
= 2 est la seule

lim f (x) = f (0) = sin 0 + =

valeur admissible.

x0
>

EXERCICE 13
nonc

Solution

82

Dans chaque cas, vrifiez que les fonctions donnes satisfont aux hypothses du thorme
de Brouwer. Dduisez-en lexistence de point(s) fixe(s) que vous dterminerez.
1
a f : [0, 20] R : x x + 7.
2

si x [10, 0]
8
2
b g : [10, 100] [10, 100] : x x + 7x 8 si x (0, 6) .

x8
si x [6, 100]
a f est une fonction polynme, continue dans tout sous-ensemble de R et telle que :
Imf ([0, 20]) = [7, 17] [0, 20] . Elle satisfait donc aux hypothses du thorme de
1
Brouwer et admet au moins un point fixe x0 tel que : x0 + 7 = x0 x0 = 14.
2

Les fonctions dune seule variable

Chapitre
b g est dfinie de [10, 100] [10, 100] et est continue dans [10, 100]. La continuit
dans [10, 100] \ {0, 6} dcoule des proprits usuelles. En outre :
lim g(x) = lim (8) = 8

x0

x0

<

lim g(x) = 8 = g(0)
x0
lim g(x) = lim x2 + 7x 8 = 8

x0
x0
et g est continue en 0.
>
>
<


lim g(x) = lim x2 + 7x 8 = 2

x 6
x 6
<

<

lim g(x) = lim (x 8) = 2

x6
>

x6
>

lim g(x) = 2 = g(6)


x6

et g est continue en 6.

La fonction satisfait donc aux hypothses du thorme de Brouwer et admet au moins


un point fixe x0 tel que g(x0 ) = x0 . Pour les dterminer, on considre chacun des sousdomaines.
Dans [10, 0] : 8 = x0 x0 = 8 ; dans [0, 6] : x02 +7x0 8 = x0 x02 +6x0 8 =
0 x0 = 2 ou x0 = 4 ; dans [6, 100] : x0 8 = x0 nadmet pas de solution. En conclusion,
la fonction admet trois points fixes situs en 8, 2 et 4.

Asymptotes

nonc
a
b
c

Dans chaque cas, dterminez les asymptotes ventuelles de la fonction donne.


r
x1
f (x) =

x+1
p
1
f (x) =
x2 .
x2

2x2 + ln x si x <
 
f (x) =
.
cos x
si x >
2 2
x
2

e 3x
si x 6= 0
f (x) =
.
x2

6
si x = 0

e f (x) = ex cos x.

Solution

x1
> 0 et x + 1 6= 0 D = (, 1) [1, +).
x+1
Il sensuit que : D0 = (, 1)(1, +), D0G (, 1](1, +), D0D = (, 1)
[1, +).

a Conditions dexistence :

Asymptotes

Exercices

EXERCICE 14

83

Recherche dasymptotes verticales :


Comme DC = D, D0D \DC = et D0G \DC = {1}, la seule possibilit se situe gauche
du point x = 1. Le calcul de la limite correspondante donne :
r
x1
lim f (x) = lim
= +.
x 1
x 1
x+1
<
<
On en dduit quil existe une AV x = 1 droite.

Recherche dasymptotes horizontales et/ou obliques :


Le domaine permet cette recherche puisque D (1, +) et D (, 1). En outre,
on a : lim f (x) = 1, de sorte que la fonction admet une AH y = 1 droite et
x

gauche, et donc pas dasymptote oblique.




 
b D = , , + \{2}.

Recherche dasymptotes verticales :




p
1
1
2
lim
x =
6=
x

2
2
x

pas dasymptote verticale en x = .




p
1
x2 = AV x = 2, bilatrale.
lim
x2 x 2
<
>

Recherche dasymptotes horizontales et/ou obliques :




p
1
2
lim
x = pas dasymptote horizontale.
x x 2
Cependant, il existe une asymptote oblique AO1 y = x droite et une asymptote
oblique AO2 y = x gauche. En effet :
r

|x| 1 2
1
x2
f (x)
x
= lim
+ lim
= lim
= 1
lim
x (x 2)x
x
x
x x
x
{z x
}
|
{z
} |
et

lim

c AV x = 0, droite.

=0

F.I.


p
1
2
f (x) x = lim
x x
x x 2


 p

1
= lim
+ lim x2 x
x x 2
x
{z
}
{z
} |
|
F.I.
=0




x x2 x + x2


= lim

x
x x2


(x2 x2 + )

=
= lim 
= 0.

x x2

d AV x = 0, bilatrale, et AH y = 3, bilatrale.

e Aucune asymptote. On utilise le thorme de transfert pour montrer labsence dasymptote oblique.

84

Les fonctions dune seule variable

Chapitre

Drivabilit
EXERCICE 15
nonc

Dans chaque cas, calculez la drive des fonctions donnes.


a f (x) = x + x2 + x3 .

b f (x) = (a + bx) + (a + bx)2


+ (a + bx)3 (a, b R).
1
c f (x) =

(3x2 + 7x)3
1
d f (x) =
(a R).
2
a + x2
e f (x) = x2 sin x.
ex
f f (x) =
x
1
g f (x) =

sin x

p
1
1 + cos2 x .

f (x) = sin2 x + cos2 x.

f (x) = ln(ln x).

k f (x) = 1 tg2 x
l

f (x) = 2

 13




5x2 + x3 1


m f (x) = cotg 2x2 .
n f (x) =

x(log10 x2 )

4
x
.

0
0
0
a f 0 (x) = x + x2 + x3 = (x)0 + x2 + x3 = 1 + 2x + 3x2 .
0
0
0
b f 0 (x) = (a + bx) + (a + bx)2 + (a + bx)3 = (a + bx)0 + (a + bx)2 + (a + bx)3
= b + 2(a + bx)b + 3(a + bx)2 b = b(1 + 2a + 3a2 + 3b2 x2 + 8abx).
4
3(6x + 7)

c f 0 (x) = 3 3x2 + 7x
(6x + 7) =
(3x2 + 7x)4
x
d f 0 (x) = p

2
(a + x2 )3
e f 0 (x) = 2x sin x + x2 cos x.

ex x ex
ex (x 1)
=

2
x
x2
cos x
g f 0 (x) =

sin2 x
f

f 0 (x) =

h f 0 (x) = sin x cos x(1 + cos2 x) 2 .


i

f (x) = cos2 x + sin2 x = 1 f 0 (x) = 0.

f 0 (x) =

x ln x

Exercices

Solution

h f (x) =

2 tg x
k f 0 (x) = q

4
3 3 1 tg2 x cos2 x


 

3
5x2 + x3 1
l f 0 (x) = 2
. 10x +
x . ln 2.
2

Drivabilit

85

4x

sin2 (2x2 )
x2 log10 x 2 log x1

1
4
n f 0 (x) =
x
4 log10 x ln x + 1 .
x
4

m f 0 (x) =

EXERCICE 16
nonc

Solution

Dterminez le domaine de drivabilit des fonctions donnes dans lexercice 11 a , b


et e .
a DD = D = (3, +).
En effet, f est le quotient de ln(x2 + 1), qui est drivable dansR en tant que compose
de fonctions drivables (fonctions polynme et ln x), et
de x 3 qui est galement
compose de fonctions drivables (fonctions polynme et x).
b DD = D = [1, 7], car f est obtenue par somme et produit de fonctions drivables
dans R.
e D = R et DC = R\{2, 2} (voir exercice 11 e ). Donc, DD R\{2, 2}.
En 3, on a :


1
+22
(x 3) sin
f (x) f (3)
x3
lim
= lim
x3
x3
x3
x3
>
>


1
= lim sin
@dans R.
x3
x3
>
En conclusion, f est non drivable en 3 et DD = R\{2, 2, 3}.

EXERCICE 17
nonc

Solution

86

Dterminez le domaine de drivabilit des fonctions donnes.


1
a f (x) = ln(2x + 4) +
x
b f (x) = |5x + 2|.
p
c f (x) = sin (2x).
a DD = D = (2, +)\{0}. En effet, f est la somme de la fonction ln(2x + 4), qui est
1
drivable dans (2, +) en tant que compose de fonctions drivables, et de qui est
x
drivable dans R0 .

 
5x 2 si x >
2
5
b f (x) = |5x 2| =
D = R DD = R\

5
2 5x si x <
5

Les fonctions dune seule variable

Chapitre

 
2
2
2
, + en tant que polynme et, en ,
En effet, f est drivable dans ,
et
5
5
5
on a :
 



2
2

f (x) f
5 x

5x 2 0
5
5

lim
= lim
= lim
=5

2
2
2
2
2
2

x 5
x 5
x 5

x
x
x
>
>
>

5
5
5

 


2
2

f (x) f
5 x

5x + 2 0
5
5

lim
= lim
= lim
= 5

2
2
2
2
2
2

x 5
x 5
x 5

x
x
x
<
<
<
5
5
5
2
f est non drivable en
5
i

[
[h

k, + k
c D=
k, + k , DD =
2
2
kZ
kZ


[

La fonction est drivable dans


k, + k car elle lest en tout point de chacun de
2
kZ
ces intervalles ouverts en tant que compose de fonctions drivables (fonctions polynme,

trigonomtrique et x). Aux bords des intervalles, cest--dire en k et +k, la fonction


2
nest pas drivable car :

sin(2x) 0
sin(2x)
lim
= lim 2
x k
x k 2 (x k)
x k
>
>

sin 2 (x k)
2
2
= lim
= + = +
x k
2

k)
0
(x
sin (2 (x k))
>
|
{z
}


et

lim

x 2 +k
<

sin (2x) 0

 = +.
x
+ k
2

EXERCICE 18
crivez lquation de la tangente au graphe de la fonction y =

cisse x = 1.

Solution

1
au point dabs1 + ex

e
ex
On a : T1 y f (1) = f 0 (1)(x 1). Or f (1) =
et f 0 (x) =
e+1
(1 + ex )2
e
f 0 (1) =

(e + 1)2
e
e
Donc : T y
=
(x 1).
e+1
(e + 1)2

Drivabilit

Exercices

nonc

87

EXERCICE 19
nonc

Solution

Dans chaque cas, construisez un exemple de fonction rpondant aux conditions donnes.
Donnez-en la forme analytique et tracez-en le graphe.
a f : [1, 7] R, drivable dans [1, 7]\{2} et continue en 2.
b f : [1, +)\{0} R, surjective, drivable dans (1, +)\{0, 1} et admettant deux
asymptotes verticales et une asymptote horizontale.
Ces exemples ne sont videmment pas les seuls possibles.
a f : [1, 7] R : x |x 2| (voir figure 3.9).
y

Figure 3.9
6

y = f(x)

5
4
3
2
1

Figure 3.10

b f : [1, +)\{0} R : x x

3x 2

1
x1

si x = 1
si x (1, 0)
si x (0, 1]
si x (1, +)

10

AV2 x=1

8
6
4

y=f(x)

2
1

AH y=0
1
2

4
6
8

AV1 x=0

88

Les fonctions dune seule variable

10

Chapitre
Asymptotes (figure 3.10, page ci-contre) : AV1 x = 0 droite, AV2 x = 1 gauche,
AH y = 0 droite.

EXERCICE 20
nonc

x2 + 3x 2 si x 6 1

.
x1
si x > 1
Dterminez la fonction drive de f .

Soit f : R R : x

2x + 3
1
f 0 : R\{1} R : x

2 x1

Solution

si x < 1
si x > 1

1
x10
En effet, en 1, f nest pas drivable puisque : lim
= lim
= .
x1
x1
x1
x1
>
>

EXERCICE 21



4x + x (sin x) sin 1 + x2
x
Soit la fonction f (x) =

0
Dterminez f 0 (0).

nonc

si x 6= 0

si x = 0



1
4x + x(sin x) sin
+ x2 0
f
(x)

f
(0)
x
f 0 (0) = lim
= lim
x0
x0
x0
x0


1
1
x(sin x) sin
4x
x2
sin x sin x
x
= lim
+ lim
+ lim
= 4 + lim
.
+ 0 = 4
1
x0 x
x0
x0 x
x0 x
x
x
1
sin
sin x
x = 0.
puisque : lim
= 1 et lim
1
x0
x0 x
x

Solution

nonc

Dans chaque cas, calculez la limite demande, en utilisant, le cas chant, la rgle de
lHospital.


x
c lim (x ln x).
a lim

x0
>
x0 tg x
x
e
d lim xsin x .
b lim

x0
>
x+ ln x

Drivabilit

Exercices

EXERCICE 22

89

Solution

0
et les hypothses de la rgle de lHospital
0
 
sont vrifies (les deux fonctions sont drivables dans ,
\{0}). On a donc
2 2


1
x
(x)0
lim
= lim
0 = lim 1 = 1.
x0 tg x
x0 tg x
x0
cos2 x

a Il sagit dune forme indtermine de type

b Il sagit dune forme indtermine du type


et les hypothses de la rgle de lHospital

x
e
ex
sont vrifies. Il sensuit que : lim
= lim
= lim x ex = +.
x+ ln x
x+ 1
x+
x

comme suit :
c Il sagit dune forme indtermine du type 0 qui se ramne

lim (x ln x) = lim

x0
>

x0
>

ln x

1
x

Les hypothses de la rgle de lHospital sont vrifies. Il sensuit que :


1
lim (x ln x) = lim x = lim (x) = 0.
1
x0
x0
x0
>
>
>
2
x
d Comme :

lim sin x. ln x = lim

x0

x0

>

>

>

x0
>

ln x
sin2 x
1
sin x
= 0,
= lim
= lim

sin x} .
.

|
{z
1
x 0 x cos x
x0
x
cos
x
>
>
| {z } | {z }
0
sin x
1
1

on a : lim xsin x = lim eln x


x0

sin x

= lim esin x. ln x = e = 1.
x0
>

EXERCICE 23
nonc

Solution

90

x + sin x
. Montrez que la rgle de lHospital nest pas
x+ x sin x
applicable et dterminez cette limite autrement.
On cherche dterminer lim

1 + cos x
(x + sin x)0
= lim
@ dans R,
0
x+ (x sin x)
x+ 1 cos x
de sorte quune hypothse de la rgle de lHospital nest pas vrifie.

sin x 
x
1
+
sin x
x + sin x
x
Par contre, comme lim
= 0, on a lim
= lim 
sin x  = 1.
x+ x
x+ x sin x
x+
x 1
x

En vertu du thorme de transfert, on a : lim

Les fonctions dune seule variable

Chapitre

EXERCICE 24
nonc

Solution

Dterminez les asymptotes de la fonction f (x) = x e x en faisant appel, si ncessaire, la


rgle de lHospital.
D = R0 = DC = DD et D0 = D0D = D0G = R.
Recherche dasymptotes verticales :
Comme D0D \DC = {0} = D0G \DC, la seule possibilit se situe au point x = 0. Le calcul
de la limite droite donne, grce la rgle de lHospital :


1
1
ex 2
1
ex
1
x
 = + AV x = 0 gauche
lim xe x = lim
= lim 
x0
x0 1
x0
1
>
>
>
2
x
x
1

tandis que la limite gauche est immdiate : lim x e x = 0 pas dAV droite.
x0
<

Recherche dasymptotes horizontales et obliques :


Le domaine permet cette recherche. Le calcul des limite rvle labsence dasymptotes
horizontales puisque :
1

lim x e x = + et

x+

lim x e x = .

Il existe cependant une asymptote oblique bilatrale, AO y = x + 1. En effet, en


appliquant la rgle de lHospital dans le second calcul de limite, on a :
1

f (x)
x ex
1
lim
= lim
= lim e x = 1 R0 .
x x
x x
x
et
lim

1
 1

 1


ex 1
f (x) x = lim x e x x = lim x e x 1 = lim
1
x
x
x
x


1
1
ex 2
x
 = 1 R.
= lim 
x
1
2
x

EXERCICE 25
nonc

tablissez les approximations de Taylor dordre 1 et dordre 2 de la fonction f (x) = e x au


voisinage de x = 2.

Thorme de Taylor

Exercices

Thorme de Taylor

91

La fonction f est indfiniment drivable dans R et f (x) = f 0 (x) = ex f (2) = f 0 (2) = e2 .


Lapproximation dordre 1 est donc donne par :

Solution

f (x) ' f (2) + f 0 (2) (x 2) = e2 + e2 (x 2) = e2 (x 1) .


Lapproximation dordre 2 est donne par :
f (x) ' f (2) + f 0 (2) (x 2) + f 00 (2)

(x 2)2
(x 2)2
= e2 + e2 (x 2) + e2

2!
2

EXERCICE 26
nonc
a
b
c
d
e

Solution

Dans chaque cas, tablissez les dveloppements de Mac Laurin dordre n N0 des
fonctions donnes.
f (x) = ex .
1

f (x) =
1+x
f (x) = ln (1 + x).
f (x) = cos x.
f (x) = (1 + x)m , o m N0 et m > n.

Notons demble que toutes les fonctions proposes sont indfiniment drivables dans un
voisinage de 0, de sorte que ces dveloppements sont tous possibles.
a f (x) = ex f 0 (x) = f 00 (x) = f 000 (x) = = f n/ (x) = ex
xn
xn+1
x2
+ +
+
ex = 1 + x +
e , o 0 < < x.
2!
n! (n + 1)!
| {z }
reste dordre n

(1)i i!
b i N : f i/ (x) =
f i/ (0) = (1)i i!
(1 + x)i+1
n
X
1
xn+1

=
(1)i xi + (1)n+1
, o 0 < < x.
| {z } (1 + )n+2
1+x
i=0
Reste dordre n

c ln (1 + x) =

n
X
i=0

i+1 i

(1)
i

(1)n+2 xn+1
o 0 < < x.
(n + 1) (1 + )n+1
{z
}
|
Reste dordre n

d Comme seules les puissances impaires de x sont affectes dun coefficient nul, tout
dveloppement dordre impair n = 2k + 1 concide avec celui de lordre pair prcdent
n = 2k :
cos x =

e (1 + x)m =

m
X
i=0

m
i

k
X
(1)i+1 x2i
i=0

(2i)!

xi , o

m
i

(1)k (cos ) 2k+2


x
,
(2k + 2)!
|
{z
}

o 0 < < x.

Reste dordre 2k ou 2k + 1

m!
est appel coefficient binmial .
(m i)! i!

Lexpression du reste est nulle car il sagit dun polynme de degr m < n.

92

Les fonctions dune seule variable

Chapitre

EXERCICE 27
nonc

Solution

Soit la fonction f (x) = ln (1 + x).


a En utilisant le dveloppement de Mac Laurin de f (x), calculez la valeur de ln (1, 1) avec
une erreur infrieure 0,001.
b Majorez lerreur commise dans le calcul de ln (1, 1) si on remplace ln (1 + x) par son
dveloppement de Mac Laurin dordre 38.
a Le dveloppement a t obtenu dans lexercice prcdent :
ln (1 + x) =

n
X
(1)i+1 xi
i=0

(1)n+2 xn+1
, o 0 < < x.
(n + 1) (1 + )n+1
|
{z
}
Reste dordre n

Pour que lerreur soit infrieure 0,001


: la valeur absolue du

reste dordre p, not R p ,
p


(1)
p!
doit tre infrieure 0,001 : Rp =
xp+1 < 0,001.
p+1
(1 + ) (p + 1)!
Or > 0

alors :

1
< 1. Comme on prend ici x = 0,1, il apparat que si p = 2,
(1 + )p+1


(1)p p!
(0,1)p+1
p+1
Rp <
(0,1)
(p + 1)!
= p + 1 < 0,001

(0,1)2
Lapproximation dordre 2 atteint donc la prcision voulue : ln (1,1) ' 0,1 +
=
2
0,095.
b Lerreur commise si on remplace ln (1 + x) par son dveloppement de Mac Laurin dordre
38/


f () 38 (0,1)38 (0,1)38



<
38 peut tre majore comme suit :
(x) =
.
38!
(1 + )38 38
38

Fonctions croissantes, dcroissantes,


concaves et convexes
nonc

Dans chaque cas, dterminez le domaine de dfinition, les rgions de croissance, de


dcroissance, de concavit et de convexit des fonctions donnes.
a f (x) = x2 1.
b f (x) = x3 + 2x2 1.
(
|x + 3| si x [5, 1]
c f : [5, 5] : x
.
ln x + 4 si x (1, 5]

Fonctions croissantes, dcroissantes, concaves et convexes

Exercices

EXERCICE 28

93

Solution

a D = R (fonction polynme) et f est deux fois drivable dans R avec :


x R : f 0 (x) = 2x , f 00 (x) = 2.

La fonction est croissante dans R et dcroissante dans R+ . Elle est concave dans R.
b D = R (fonction polynme) et f est deux fois drivable dans R avec :
x R : f 0 (x) = 3x2 + 4x = x(3x + 4) , f 00 (x) = 6x + 4.




4
4
La fonction est croissante dans , , puis dcroissante dans , 0 et nou3
3


2
veau croissante dans (0, +). Elle est concave dans , , puis convexe dans
3


2
, + .
3
Notons que, comme la fonction est partout continue, on peut indiffremment utiliser des
sous-domaines ouverts ou ferms.

x 3 si x [5, 3)

c D = [5, 5], f : [5, 5] : x x + 3


si x [3, 1] est drivable dans

ln x + 4 si x (1, 5]
5]
\{3}.
[5,

1 si x [5, 3)

si x (3, 1] , et f est deux fois drivable dans [5, 5] \{3, 1}.


f 0 (x) = 1

si x (1, 5]
x
0
si x [5, 1)\{3}
f 00 (x) =
.
1

si x (1, 5]
2
x
La fonction est dcroissante dans [5, 3) et croissante dans (3, 5]. Elle est convexe
dans [5, 1] et concave dans [3, 5] ( montrer en utilisant la dfinition). Notons que la
fonction est concave et convexe sur [3, 1] o elle est linaire.

EXERCICE 29
nonc

Soit f (x) = |2x + 1| et g(x) = x.


a Montrez, en revenant la dfinition, que f est convexe dans R.
b Montrez, en revenant la dfinition, que g nest pas convexe dans R+ .

Solution

a x1 , x2 R, (0, 1) :



2 x2 + (1 )x1 + 1 = |2x2 + 2 (1 ) x1 + 1|
= | (2x2 + 1) + (1 ) (2x1 + 1)|
6 |2x2 + 1| + (1 ) |2x1 + 1|

b On peut prendre par exemple :

1
x1 = 4 ; x2 = 14 ; = :
r2
4 14
1
1
+
= 9=3>
4+
14 = 1 + 1,87 = 2,87.
2
2
2
2

94

Les fonctions dune seule variable

Chapitre

Applications la gestion
EXERCICE 30
nonc

k
(avec a, b, k R),
1 + beax
est souvent utilise pour modliser des phnomnes de croissance avec saturation progressive. En marketing, elle permet de dcrire, par exemple, la diffusion dinnovations
technologiques dans le domaine industriel.
a Pour quelles valeurs de a et b cette fonction est-elle dfinie dans R?
b On donne les deux fonctions logistiques suivantes.
La fonction logistique, dfinie de faon gnrale par f (x) =

g(x) =

1
1 ex

h(x) =

1
1 + ex

Dterminez les domaines de dfinition, de continuit et de drivabilit ainsi que les asymptotes ventuelles de ces deux fonctions. Esquissez-en le graphe. Dduisez-en laquelle des
deux semble la mieux adapte reprsenter la diffusion dune innovation technologique.
a La fonction est dfinie condition que 1 + beax 6= 0
si b > 0 et a R : x R : 1 + beax 6= 0 D = R.
si b < 0 et a 6= 0 : 1 + be

ax

6= 0 be

ax

6= 1 e

ax

 
1
1
1
6= x 6= ln

b
a
b

si b < 0, b 6= 1 et a = 0 : D = R.
si b = 1 et a = 0 , x R, f (x) nest pas dfinie.
En conclusion : soit a R et b R+ , soit a = 0 et b R
0 \{1}.

b Pour la fonction g, on a D = DC = DD = R0 et D0D = D0G = R.


Recherche des asymptotes verticales :
D0G \DC = D0D \DC = {0}
1
= +
lim g(x) = lim
x0
x 0 1 ex
>
>
1
lim g(x) = lim
=
x0
x 0 1 ex
<
<

AV x = 0 bilatrale.

Recherche des asymptotes horizontales/obliques :


1
= 1 AH1 y = 1 droite.
lim g(x) = lim
x+
x+ 1 ex
1
lim g(x) = lim
= 0 AH2 y = 0 gauche.
x
x 1 ex
Pour la fonction h, on a : D = DC = DD = R, pas dAV, AH1 y = 1 droite et
AH2 y = 0 gauche.
Cette seconde fonction (voir figure 3.12, page suivante), dallure sigmodale (en S ), est
clairement la mieux adapte la modlisation du processus de diffusion dune innovation
technologique (interprter x comme le temps et h(x) comme la part de pntration) La
fonction est en effet croissante dabord convexe puis concave (saturation progressive) et
tend asymptotiquement vers 100 %.

Applications la gestion

Exercices

Solution

95

Figure 3.11
6
4
2

y=g(x)

AH1 y=1

AH2 y=0
6

2
4
6

AV x=0

Figure 3.12
2

AH1 y=1

y=h(x)

AH2 y=0

x
6

EXERCICE 31
nonc

Solution

Montrez que la fonction de production dfinie par y =


les rendements sont croissants ou dcroissants.

q est croissante et dterminez si

Cette fonction, dfinie et continue dans R+ , y est bien croissante puisque :


1
0
q R+
0 : y = > 0.
2 q
Les rendements sont dcroissants (fonction concave) puisque :
1
00
q R+
0 : y = p 3 < 0.
4 q

96

Les fonctions dune seule variable

Chapitre

EXERCICE 32
nonc

La fonction doffre Q exprime la quantit produite q dun bien en fonction de son prix p :
q = Q(p), o :

si 0 < p < 2

4
 12
Q(p) = 8 6 p
si 2 6 p < 5 .

3
(p 3)
si p > 5

a Montrez que Q est continue dans R+


0 et quelle est convexe dans chacun des sous-domaines
2)
;
5)
et
+).
(0,
(2,
(5,
b Sur le graphe de la fonction, constatez visuellement quelle est globalement convexe
dans R+
0.

Solution

a Dans R+
0 \{2, 5} , Q(p) est continue daprs les proprits usuelles.
En p = 2 : lim Q(p) = lim Q(p) = 4 = Q(2)
p2
<

p2
>

En p = 5 : lim Q(p) = lim Q(p) = 8 = Q(5)


p5
<

p5
>

Q0 (p) = q
3

6p

3 p 32

6
si 2 < p < 5 et Q00 (p) = q
5

6p

6 p 3 
si p > 5

si 0 < p < 2

si 0 < p < 2
si 2 < p < 5 .
si p > 5

Cette fonction est convexe dans chacun des trois sous-domaines car :
00
p R+
0 \{2, 5} : Q (p) > 0.

b La convexit de Q(p) dans lensemble du domaine R+


0 est plus difficile tablir. On se
contente ici de lobserver sur la figure 3.13. En effet, tout segment liant deux points du
graphe q = Q(p) est entirement situ au-dessus de la courbe.
Figure 3.13

q
20
18
16
14
12

8
6

q=Q(p)

4
2
0

Applications la gestion

Exercices

10

97

EXERCICE 33
nonc

Solution

Une option dachat CALL (europen) sur une action est un contrat qui confre son
dtenteur, le droit (et non lobligation) dacheter cette action lchance donne pour
un prix fix (K). Dterminez analytiquement et graphiquement la valeur de cette option
lchance en fonction du prix de laction sous-jacente. Donnez le domaine de dfinition,
le domaine de continuit et de drivabilit de cette fonction.
+

La fonction est dfinie par : x R : f (x) = max{x K, 0} =


Le graphe est donn par la figure 3.14.

Figure 3.14

0
xK

si x < K
.
si x > K

y
Valeur de l'option
lchance

y = f(x)
0

x Prix de laction
lchance

DC = R+ et DD = R+ \{K}. En effet :
Dans R+ \{K}, la fonction est continue, (resp. drivable) car les fonctions constante et
polynme sont continues, (resp. drivables) dans R ;
La fonction est continue en K : lim f (x) = lim f (x) = 0 = f (K) ;
xK
<

xK
>

La fonction est non-drivable en K : en effet, lim


lim

xK
>

f (x) f (K)
xK0
= lim
= 1 6= 0.
xK
xK
xK
>

xK
<

f (x) f (K)
00
= lim
= 0, et
xK x K
xK
<

EXERCICE 34
nonc

98

La courbe dexprience ( experience curve ) est un outil de planning stratgique utilis


pour la gestion des cots de production dune entreprise. Elle reprsente le cot marginal
de fabrication dun produit en fonction du volume de production accumul.
 a
Vt
Considrons la fonction suivante : Ct = C0
, o a R+ est une constante
V0
qui dpend de lindustrie considre, C0 et Ct reprsentent les cots par unit (dflats)

Les fonctions dune seule variable

Chapitre
respectivement en 0 et en t. V0 et Vt sont les volumes de production accumuls respectivement en 0 et en t.
On prend, par exemple, le secteur de fabrication des circuits intgrs, pour lequel la valeur
a = 0,5 est considre comme raisonnable.
a Dterminez la courbe dexprience C dune socit x en t fix sachant quen 0, cette socit
fabriquait 1 000 units 10 000 la pice ;
b Dterminez ses domaines de dfinition, de continuit et de drivabilit et les ventuelles
asymptotes.
c Esquissez et interprtez le graphe de la fonction.

Recherche dasymptotes verticales :


0
0
0
+
D = D0 = D0G = DC = R+
0 et DD = R DG \DC = et DD \DC = {0}


V
lim C = lim 10 000
V 0
V 0
1 000
>
>

0,5

 0,5
1
= lim 10 000 (1 000)
V 0
V
>
| {z }

= + AV V = 0 gauche.

0,5

Recherche dasymptotes horizontales ou obliques :



0,5
 0,5
V
1
0,5
lim C = lim 10 000
= lim 10 000 (1 000)
V+
V+
V+
1 000
V
| {z }
= 0 AH C = 0 droite.

c Le graphe est donn par la figure 3.15, page suivante.


Le graphe de cette courbe dexprience montre que le cot de fabrication marginal
dun produit diminue mesure que le nombre total dunits produites augmente. Le
cot de production volue donc dans le temps : lexprience, les conomies dchelle,
et lexcution de tches rptitives contribuent la baisse du cot de production dune
unit supplmentaire lorsque le volume total de production saccrot. En outre, si le
volume de production est quasi nul, le cot de fabrication de la premire unit savre
considrable (asymptote verticale gauche en 0). loppos, lorsque le volume de
production devient trs grand, le cot dune unit de production supplmentaire apparat
ngligeable (asymptote horizontale droite).

Applications la gestion

Exercices

Solution

0,5
V
.
a C = 10 000
1 000
b D = R+
0 (les volumes de production accumuls sont toujours positifs) et la fonction est
continue et drivable en tout point de son domaine. Donc : DC = DD = R+
0


99

Figure 3.15

C
AV V = 0

500 000

400 000

300 000

200 000

C = C(V)
100 000

100

Les fonctions dune seule variable

AH C = 0

10

20

30

40

50

Chapitre

Optimisation
des fonctions
dune seule
variable
Optimisation des fonctions dune seule
variable
1. Les types dextrema . .. . . . .. . . . .. . . 102
2. Proprits . . . . .. . . . .. . . . .. . . . .. . . . . 102
2.1 Condition suffisante dexistence
dextrema globaux . . . . . . . . . . . . . 102
2.2 Condition ncessaire du premier
ordre . . . . . . . . . . . . . . . . . . . . . . . . . . 102
2.3 Condition suffisante du second
ordre . . . . . . . . . . . . . . . . . . . . . . . . . . 104
2.4 Condition ncessaire et suffisante
dordre n (n > 2) . . . . . . . . . . . 104
2.5 Conditions suffisantes . . . . . . . . . . 106

3. Extrema globaux . . .. . . . .. . . . .. . . . . 107


4. Concavit, convexit et extrema .. . 108
Problmes et exercices . .. . 111
Recherche des extrema . . . . .. . . . .. . . . . 111
Applications la gestion .. . . . .. . . . .. . 116

Loptimisation est au cur de la modlisation dun


grand nombre de problmes auxquels font face les
gestionnaires : allocation optimale des ressources,
maximisation du bnfice, minimisation des cots,
maximisation de la satisfaction des clients, etc.
Toutefois, alors quen gestion, les variables de dcisions sont gnralement multidimensionnelles, ce chapitre ne concerne que les
fonctions dune seule variable relle.
Cette limitation importante sera leve dans les chapitres 6 et 7. En
fait, la complexit de ltude des fonctions de plusieurs variables
requiert au pralable la connaissance, dune part, des proprits
des fonctions dune variable, et dautre part, des notions dalgbre
linaire qui seront prsentes dans le chapitre 5.
Mathmatiquement, loptimisation se traduit par la recherche des
points du domaine en lesquels la fonction tudie prend une
valeur maximale ou minimale. En ces points, la fonction admet
un extremum, appel aussi optimum. Quil sagisse de minima ou
de maxima, on distingue deux grandes classes : les extrema locaux,
dfinis dans le voisinage dun point, pour lesquels sont formules
diverses conditions mathmatiques, et les extrema globaux, valables
dans tout le domaine de dfinition de la fonction, et qui sont
souvent les plus utiles dans les applications pratiques.
Le chapitre sarticule comme suit. Aprs lnonc des principales
dfinitions, la dtermination des extrema locaux est prsente en
deux tapes : slection de candidats , examins ensuite au cas
par cas. Enfin, le passage dlicat aux extrema globaux est dtaill.

Optimisation des fonctions dune seule variable

101

Les types dextrema


Dfinitions Considrons une fonction f : D R : x f (x) et un point
a D.
f admet un maximum global en a si x D : f (a) > f (x) ;
f admet un minimum global en a si x D : f (a) 6 f (x) ;
f admet un maximum local en a si (1) V(a), x V(a) D : f (a) > f (x) ;
f admet un minimum local en a si V(a), x V(a) D : f (a) 6 f (x) ;
f admet un maximum global strict en a si x D\{a} : f (a) > f (x) ;
f admet un minimum global strict en a si x D\{a} : f (a) < f (x) ;
f admet un maximum local strict en a si V(a), x V(a)D\{a} : f (a) > f (x) ;
f admet un minimum local strict en a si V(a), x V(a) D\{a} :
f (a) < f (x).

Si la fonction f admet un maximum (resp. un minimum) en a, alors f (a) est la valeur


maximale (resp. minimale) correspondante.
En labsence de spcification, on considre que les extrema sont non stricts . Par ailleurs,
si tout maximum global est aussi un maximum local, lexistence dun ou plusieurs maxima
locaux nimplique pas celle dun maximum global. De plus, une fonction peut admettre
un maximum global, en plusieurs points distincts, mais avec la mme valeur maximale.
Enfin, une fonction ne peut admettre un maximum global strict quen un seul point, mais
il peut exister plusieurs maxima locaux stricts. Il en va videmment de mme pour les
minima.

Proprits

2.1 CONDITION

SUFFISANTE D EXISTENCE D EXTREMA GLOBAUX

Le premier rsultat garantit lexistence dextrema globaux pour les fonctions dfinies et
continues dans un intervalle ferm. Pour le reste, lexistence dextrema, mme locaux,
nest pas garantie.
Proprit Si f est continue dans [a, b], alors f admet un maximum global et
un minimum global dans [a, b].

2.2 CONDITION

NCESSAIRE DU PREMIER ORDRE

Les proprits suivantes concernent la dtermination des extrema locaux. Tout dabord,
la condition ncessaire du premier ordre (base sur la drive premire de la fonction)
offre la possibilit doprer une premire slection de candidats extrema.
1. V(a) reprsente un voisinage du point a (voir chapitre 1 section 1.6). On peut galement formuler la
dfinition des extrema locaux en remplaant ce voisinage par un intervalle (a , a + ), o > 0.

102

Optimisation des fonctions dune seule variable

Chapitre
Proprit Si f est drivable en a D D0 et si f admet un extremum local en a,
alors f 0 (a) = 0.

Dfinition Un point a D D0 en lequel f est drivable et f 0 (a) = 0 est appel


point critique.

Les points critiques, caractriss gomtriquement par une tangente au graphe horizontale
(Ta y = f (a)), constituent des extrema possibles. Toutefois, certains points critiques
ne sont pas des extrema. Par ailleurs, certains extrema peuvent tre situs hors de D D 0
(en un bord du domaine) ou en un point o la fonction nest pas drivable (un point
anguleux, par exemple).
En rsum, la premire tape de la recherche des extrema locaux consiste dresser la liste
exhaustive des candidats :
les points critiques,
les bords de D qui sont les points de D\D0 ,
les points de D D0 en lesquels la fonction nest pas drivable.
Un extremum situ en un bord du domaine (dans D\D0 ) est parfois appel solution de
coin du problme doptimisation.

Exemple
Cet exemple permet dillustrer la diversit des cas possibles. En pratique, sauf procder de
faon numrique, et donc approche, on ne connat pas a priori le graphe de la fonction et ce
nest quau terme dune tude complte, incluant la dtermination des extrema, que ce graphe
peut tre dress.

si 2 6 x 6 1

x 2
3
La fonction f (x) = x   si 1 6 x 6 1 , dont le graphe est donn par la figure 4.1,

sin
x
si 1 6 x 6 4
2
prsente les caractristiques suivantes :
y

Figure 4.1
1,5

y=f(x)

0,5

x
1

0,5

1,5

Proprits

103

f est continue dans son domaine [2, 4] ( vrifier titre exercice) qui est un intervalle ferm.
Donc, daprs la proprit en 2.1, f admet un maximum global et un minimum global dans
[2, 4]. La valeur minimale globale, f (x) = 1, est atteinte en x = 1 et en x = 3, tandis que
la valeur minimale globale, f (x) = 1, est atteinte en x = 1.
En 0, f admet un point critique (la tangente la courbe est horizontale) mais pas dextremum.
Par contre, en 3, f admet un point critique et un extremum.

f nest drivable ni en 1, ni en 1 (expliquer pourquoi titre dexercice), alors quen ces


points f admet des extrema (voir ci-dessus).
Les bords du domaine sont 2 et 4, puisque : D\D0 = [2, 4] \ (2, 4) = {2, 4}. En chacun
de ces deux points, f admet un maximum local non global.

La seconde tape, souvent plus ardue en pratique, vise trancher pour chacun des
candidats. Sagit-il dun extremum? Si oui, de quel type (maximum ou minimum, local ou
global)? Malheureusement, aucun critre ne sapplique uniformment tous les candidats
de la premire tape. Au cas par cas, des proprits permettent de conclure dans la plupart
des situations. En dernier ressort, les dfinitions restent videmment dapplication. Elles
constituent le seul recours dans le cas dune fonction trs irrgulire, comme par exemple
en un point de D D0 o la fonction nest pas continue.

2.3 CONDITION

SUFFISANTE DU SECOND ORDRE

La condition suffisante du second ordre, permet de trancher pour les points critiques o
la drive seconde existe et est non nulle.
Proprit Si f est deux fois drivable en a D D0 et si f 0 (a) = 0, f 00 (a) 6= 0,
alors f admet un maximum local (resp. un minimum local) en a si f 00 (a) < 0 (resp.
si f 00 (a) > 0).

Exemple
On veut dterminer les extrema locaux de la fonction f : R R : x x 3 3x2. En drivant, on
obtient : f 0 (x) = 3x2 3 = 3 (x 1) (x + 1) et f 00 (x) = 6x. Il sensuit que : f 0 (x) = 0 x {1, 1}.
Comme f 00 (1) = 6 < 0 et f 00 (1) = 6 > 0, f admet un maximum local en 1 et un minimum
local en 1 (figure 4.2, page ci-contre).

2.4 CONDITION

NCESSAIRE ET SUFFISANTE D ORDRE

n (n > 2)

Au terme de lapplication de la condition suffisante dordre 2, restent encore en suspens


diverses catgories de candidats, dont les points critiques en lesquels la drive seconde
sannule. La condition ncessaire et suffisante dordre n, sapplique aux fonctions suffisamment rgulires pour quon puisse dterminer lordre de la premire drive qui ne
sannule pas. Selon que lordre est pair ou impair, il y a ou il ny a pas un extremum en ce
point.

104

Optimisation des fonctions dune seule variable

Chapitre
y

Figure 4.2
4

y=f(x)

3
2
1
2

1
2
2
4

Proprit Si f est n fois drivable en a D D0 , si f 0 (a) = f 00 (a) = =


f (n1) (a) = 0 et f (n) (a) 6= 0, alors :

n est pair et f (n) (a) < 0 f admet un maximum local en a ;


n est pair et f (n) (a) > 0 f admet un minimum local en a ;
n est impair f nadmet pas dextremum en a.

Exemple
4
On veut dterminer les extrema locaux de la fonction f : R R : x x 4 x3 .
3
En drivant, on obtient : f 0 (x) = 4x3 4x2 = 4x2 (x 1) et f 00 (x) = 12x2 8x = 4x (3x 2).
On a : f 0 (x) = 0 x {0, 1}. Comme f 00 (1) = 4 > 0, f admet un minimum local en 1.
Par contre, comme f 00 (0) = 0, on ne peut pas conclure laide de la condition du second ordre.
On observe alors que : f 000 (x) = 24x 8 f 000 (0) = 8 < 0. En vertu de la proprit ci-dessus
o n = 3, on conclut que f nadmet pas dextremum local en 0 (figure 4.3).
y

Figure 4.3

y=f(x)
3

Proprits

105

2.5 CONDITIONS

SUFFISANTES

Les proprits suivantes sont fondes sur les caractristiques de croissance et de dcroissance de la fonction tudie autour dun extremum. Ce sont des conditions suffisantes.
La premire ne fait appel aucune hypothse de continuit ou de drivabilit. De plus,
le point a peut se situer en tout endroit de D, y compris en un bord. La seconde, plus
exigeante en terme de rgularit, permet dtablir les extrema locaux en dressant un
tableau des signes de la drive de la fonction.
Proprits
Soit a D. Si > 0 tel que, f est croissante (resp. dcroissante) dans
(a , a] D et dcroissante (resp. croissante) dans [a, a + ) D, alors f
admet un maximum local (resp. un minimum local) en a.
Soit
( a DC. Si > 0 tel que f est drivable dans [(a , a + ) \{a}] D
x (a , a) D : f 0 (x) > 0 (resp. f 0 (x) 6 0)
et
,
x (a, a + ) D : f 0 (x) 6 0 (resp. f 0 (x) > 0)

alors f admet un maximum local (resp. un minimum local) en a.

La rciproque de la seconde proprit est fausse. Voici un contre-exemple.


 

x2 2 + sin 1
si x 6= 0
x
f (x) =
.

0
si x = 0

On a 0 DC = R. De plus, f est drivable dans R0 et



 
 
1
1
+ 2x 2 + sin

x R0 : f 0 (x) = cos
x
x
Cette drive est ngative en tous les points du type : x =
et donc :

1
, o k N0 \{1} (figure 4.4),
2k

> 0, x (0, ) : f 0 (x) < 0,

pourtant f admet un minimum local (strict) en 0.


y

Figure 4.4
0,015

0,010
y=f(x)

0,005

0,10

106

0,05

Optimisation des fonctions dune seule variable

0,05

0,10

Chapitre
La proprit qui permet dutiliser le signe de f 0 comme indicateur de la prsence dun
extremum au point a exige, dune part, lappartenance de a au domaine de continuit
de f et, dautre part, la drivabilit de f autour de a, mais pas au point lui-mme.
Elle sapplique, par exemple, en un point anguleux ou mme en un bord du domaine
pour autant que ce bord appartienne au domaine de continuit. Elle peut aussi tre vue
comme une alternative la condition suffisante du second ordre pour les points critiques
en permettant, le cas chant, de ne pas aborder le calcul de la drive seconde qui, pour
certaines fonctions, savre fastidieux.
En pratique, on se sert souvent dun tableau pour tudier les signes de f 0 (et de f 00 pour
tudier la concavit/convexit de f ). Voici quelques cas typiques ( > 0 dans tous les cas) :
Si f admet un point critique en a et

< 0 si x (a , a)
0
f (x) = 0 si x = a
f admet un minimum local en a.

> 0 si x (a, a + )}
Si f est continue en a et drivable dans un voisinage de a, sauf en a, et

> 0 si x (a , a)
0
f (x) @
f admet un maximum local en a.
si x = a

< 0 si x (a, a + )

Si f est continue droite en le bord gauche a, drivable dans un intervalle (a, a + ) et


f 0 (x) < 0 si x (a, a + ) f admet un maximum local en a.

Extrema globaux
Alors que le mathmaticien sintresse principalement aux extrema locaux, le gestionnaire
est le plus souvent proccup par la recherche dextrema globaux. Ainsi, ayant dtermin
tous les extrema locaux de la fonction dans le domaine considr, il voudra identifier
parmi eux les extrema globaux.
La proprit de la section 2.1 affirme lexistence des extrema globaux pour les fonctions
continues dans un intervalle ferm. Dans ce cas, les extrema globaux sont obtenus en
comparant les valeurs optimales locales. Ainsi, pour dterminer un maximum global, on
procde comme suit :


MAXL = x D : f admet un maximum local en x .


M = f (x) : x MAXL est la valeur maximale globale, dont lexistence est assure.


Enfin, f admet un maximum global en tout point de f 1 ({M}) = a D : f (a) = M .
Remarque

La valeur maximale globale M est unique mais peut tre atteinte en plusieurs points (lorsque
f 1 ({M}) comporte plus dun lment).

Extrema globaux

107

Dans le cas moins favorable o le domaine nest pas un intervalle ferm et/ou si la
fonction est discontinue, lexistence dextrema globaux nest pas assure, mme sil existe
des extrema locaux. Toutefois, sil existe des extrema globaux, alors ils sont forcment
parmi les extrema locaux. Ltude doit cependant tre mene au cas par cas, aucune
possibilit ntant a priori exclue. Pour pouvoir conclure, il faut prendre en compte le
comportement de la fonction :
au voisinage des bords exclus du domaine D ;
au voisinage des points de D\DC, cest--dire des points de discontinuit ;
pour x + et/ou pour x (si le domaine est non born).
Exemple

x3
si x < 0
admet un minimum local en une infinit de points
sin x si x > 0
mais ne possde aucun minimum global puisque lim f (x) = . Par contre, elle atteint la
La fonction f : R R : x

x+

valeur maximale globale 1 en une infinit de points (figure 4.5).


y

Figure 4.5
2

y = f(x)

Concavit, convexit et extrema


Les fonctions concaves et convexes ont t dfinies et tudies dans le chapitre 3. Toutefois,
la connaissance pralable de la concavit ou de la convexit dune fonction simplifie
considrablement la recherche de ses extrema, en transformant la condition ncessaire du
premier ordre en une condition ncessaire et suffisante pour un extremum global.
Proprits Soit un sous-ensemble D convexe de R et f : D R : x f (x)
drivable dans D0 .
Si f est convexe dans D, alors a D0 : f 0 (a) = 0 f admet un maximum
global en a.
Si f est concave dans D, alors a D0 : f 0 (a) = 0 f admet un minimum
global en a.

108

Optimisation des fonctions dune seule variable

Chapitre
Ce rsultat naffirme ni lexistence, ni lunicit des extrema. Il ne sapplique pas aux cas
o la condition ncessaire du premier ordre nest pas valide : les bords ventuels de D et
les points de discontinuit.

Exemples
1. La fonction dfinie par f : R R : x x2 est convexe et drivable dans R et f 0 (x) = 2x =
0 x = 0. Elle admet donc un minimum global en 0 et aucun maximum (par absence de
candidat).
2. Monsieur X a pour seule activit productive la culture dhutres, pour laquelle il nutilise que
son propre travail. Si f (x) dsigne la valeur de march de la quantit dhutres x produites
en une semaine, la fonction de production de Monsieur X, dfinie pour x > 0, est donne
par : f : R+ R : x f (x). Nous supposons que cette fonction est concave et drivable
dans son domaine.
Dautre part, la fonction de cot lie au travail hebdomadaire de Monsieur X est linaire
(proportionnelle au temps consacr la production) : C : R+ R : x cx.
Si Monsieur X souhaite fixer sa quantit de travail de faon optimiser son profit, il doit
dterminer le maximum global de la fonction g : R+ R : x f (x) cx, qui est concave et
drivable dans R+ . La solution de son problme (figure 4.6) se situera en x R+
0 tel que :
g 0 (x ) = 0 f 0 (x ) = c (productivit marginale = cot marginal).
y

Figure 4.6

y = f(x)

3
2

y = c(x)

x
1

x*

1
2

Toutefois, lorsque cette condition ne fournit pas de valeur x R+


0 , il demeure la possibilit
dune solution de coin : x = 0. Ce sera le cas lorsque lorsquil nest jamais rentable de
produire : x R+ : f (x) 6 cx (figure 4.7, page suivante).

Concavit, convexit et extrema

109

Figure 4.7

y = cx

y = f(x)
3
2
1
x*=0
0

x
1

1
2

110

Optimisation des fonctions dune seule variable

Chapitre

Problmes
et exercices
Tous les exercices de cette section visent videmment le mme but :
trouver les extrema locaux et globaux dune fonction donne. Toutefois,
dans les applications pratiques la gestion, poser le problme et tablir
la fonction dobjectif constituent souvent des pralables la phase
doptimisation elle-mme.

Recherche des extrema


EXERCICE 1
nonc
a
b
c
c

a La fonction est un polynme, donc drivable dans son domaine R. Le seul candidat
extremum est le point critique tel que f 0 (x) = 2x + 6 = 0 x = 3. Ltude du signe de
la drive premire et ses consquences sur le comportement de la fonction sont rsumes
dans le tableau 4.1.

Tableau 4.1

x
0

f (x) = 2x + 6

f (x) = x2 +6x11

3
0
2

En consquence, f admet un maximum global strict en 3, la valeur maximale associe est


f (3) = 2.

Recherche des extrema

Exercices

Solution

Dans chaque cas, utilisez la drive premire pour dterminer les extrema ventuels des
fonctions donnes.
f : R R : x x2 + 6x 11.
x2 x + 1
f :RR:x 2

x +x+1

0
si 1 < x 6 0
f (x) =
.
4
x4 + x5 si 0 < x < 1
5

3
f : [1, 1] R : x x2 .

111

b La fonction est drivable dans son domaine R, en tant que quotient de fonctions drivables
dnominateur non nul ( vrifier !). Les seuls candidats sont les points critiques :
2(x2 1)
f 0 (x) = 2
= 0 x {1, 1} .
(x + x + 1)2
(
< 0 si 1 < x < 1
0
Ltude de signe montre que : f (x)
. Il sensuit que f admet
> 0 si x < 1 ou x > 1
un maximum local strict en 1 et un minimum local strict en 1 (figure 4.8).
y

Figure 4.8
3

y=f(x)

x
2

c La fonction nadmet pas dextremum dans lintervalle (0, 1) puisque


x (0, 1) : f 0 (x) = 4x3 + 4x4 > 0.
y

Figure 4.9
1,4
1,2
1,0

y=f(x)

0,8
0,6
0,4
0,2

1,0

112

0,8

0,6

0,4

0,2

Optimisation des fonctions dune seule variable

0,2

0,4

0,6

0,8

1,0

Chapitre
Par contre, tous les points de lintervalle (1, 0] sont des points critiques en lesquels f
atteint sa valeur minimale globale. Ces minima sont donc forcment non stricts (figure 4.9,
page ci-contre). Notons aussi quen tout point de (1, 0), la fonction atteint une valeur
maximale locale (non globale, non stricte). Cette situation apparemment paradoxale
rsulte du fait que la fonction est constante dans une partie de son domaine.
d La fonction est continue dans son domaine et drivable dans [1, 1] \{0} mais ne possde
aucun point critique. Cependant, le signe de la drive premire permet de conclure que
f admet un minimum (global) en 0 et deux maxima (globaux) en 1 et 1 (figure 4.10).
y

Figure 4.10
2

y=f(x)
1

x
1

nonc
a
b
c
d
e
f

Solution

Dans chaque cas, dterminez les extrema locaux et globaux des fonctions donnes.
f : R R : x ex . cos x.
ln x
f : R0 R : x

x
|x|
f :RR:x

1 + x2
f : [1, 1] R : x 3x5 10x3 45x + 7.
2
2
f : R+
0 R:x x +
x
1
f : (1, 1) R : x

1 x2

a La fonction est drivable dans son domaine R. Les seuls candidats extrema sont donc les

ventuels points critiques. On a : f 0 (x) = ex (cos x sin x) = 0 x = + k, k Z.


4

Recherche des extrema

Exercices

EXERCICE 2

113

f est deux fois drivable dans R et f 00 (x) = 2ex sin x. Dautre part :





+ 2k = 2e 4 +2k sin
+ 2k = 2e 4 +2k < 0 f admet un
f 00
4
4

maximum local (strict) en + 2k, k Z.


4





00
+ (2k + 1) = 2e(2k+1) sin
+ (2k + 1) = 2e(2k+1) > 0 f
f
4
4

admet un minimum local (strict) en + (2k + 1) , k Z.


4
La fonction ntant borne ni suprieurement, ni infrieurement, aucun extremum nest
global.
b La fonction est deux fois drivable dans son domaine, louvert R+
0 . La liste des candidats
extrema est alors rduite au seul point critique :
f 0 (x) =

1 ln x
= 0 x = e.
x2

Lexamen de la drive premire permet de conclure quen e, la fonction admet un


maximum global.
c La fonction est continue dans R, drivable dans louvert R0 et non drivable en 0, avec :

1 + x2

(1 + x2 )2
f 0 (x) =

1 x2

(1 + x2 )2

si x < 0
.
si x > 0

La fonction est cependant drivable gauche et droite en 0 avec :


1 + x2
1 x2
0
=
1
6
=
f
(0)
=
lim
= 1.
g
x 0 1 + x2
x 0 1 + x2
<
>

fd0 (0) = lim

Les points critiques sont ceux qui vrifient soit 1 x 2 = 0 et x > 0, soit x2 1 = 0 et
x < 0. Il sagit donc des points 1 et 1. Sajoute le candidat extremum 0 o la fonction
est non drivable.
laide de la drive premire, on vrifie quen 1 et en 1, f admet un maximum global
1
(non strict) avec f (1) = f (1) =
2
Dautre part, on a : x R0 : f (x) > 0 = f (0), donc f admet en 0 un minimum global
strict.
Deux remarques peuvent tre faites :
| x|
|x|
=
= f (x). Il aurait pu suffire de
1 + (x)2
1 + x2
dterminer ses extrema dans [0, +) et conclure par symtrie pour (, 0].

La fonction est paire : f (x) =

Les maxima en 1 et 1 peuvent aussi tre obtenus en utilisant lingalit de Young :


1
1
a, b R : ab 6 a2 + b2 .
2
2

114

Optimisation des fonctions dune seule variable

Chapitre
En effet,

1
1
1
1 + x2
x R : |x| = 1.|x| 6 12 + |x|2 =
2
2
2

f (x) =

|x|
1
6 = f (1) = f (1).
2
1+x
2

d La fonction nadmet pas de point critique ( vrifier). Comme f est continue dans un
intervalle ferm, les extrema globaux, dont lexistence est assure, sont automatiquement
situs aux bords de lintervalle : f (1) = 59 et f (1) = 45 f admet un maximum
global en 1 et un minimum global en 1.
e La fonction est deux fois drivable dans son domaine R0 .

2
2(x3 1)
2(x 1)(x2 + x + 1)
4
=
=
et f 00 (x) = 2 + 3
2
2
2
x
x
x
x
f 0 (x) = 0 x = 1
f 00 (1) = 6 > 0 f admet un minimum local (et global) en 1.
f 0 (x) = 2x

lim f (x) = + f nadmet pas de maximum global.

x+

La fonction admet un minimum global (strict) en 0. Il sagit du seul extremum de la


fonction. En effet, f est drivable dans louvert (1, 1) et admet pour seul point critique
le point 0 et
x (1, 1) : f (x) =

1
1 x2

> 1 = f (0).

EXERCICE 3

Solution

a Pour quelle(s) valeur(s) du paramtre rel k, la fonction f (x) = cos(2x) + k cos x admet
elle un extremum en ?
3
b Dterminez n N0 tel que la fonction f (x) = (x 1)n ex admette un extremum en
x = 3. Quelle est la nature de cet extremum?
a La fonction f (x) = cos(2x) + k. cos x est drivable dans R pour toute valeur de k, donc

tout extremum est un point critique. Ds lors, si f admet un extremum en x = , alors :


3
 
2 sin 2
 


 3 = 2.
f0
= 2 sin 2
k sin
=0k=
3
3
3
sin
3

b f 0 (x) = n(x 1)n1 ex + (x 1)n ex = (x 1)n1 ex (x + n 1).


Comme f 0 (3) = 0 n = 4, la fonction doit avoir la forme : f (x) = (x 1)4 ex .

En outre, comme f 00 (x) = ex (x 1)2 x2 + 5x + 2 f 00 (3) = 64e3 < 0, il sagit
dun maximum local (non global).

Recherche des extrema

Exercices

nonc

115

Applications la gestion
EXERCICE 4
nonc

Solution

La firme X fabrique des botes mtalliques (sans couvercle) partir de plaques carres
dont la surface mesure 4 dm2 . Les botes sont obtenues en tant en chaque coin de la
plaque des pices carres identiques, puis en pliant les morceaux restants.
Quelles sont les dimensions des botes ainsi construites qui prsentent un volume maximal?
Dsignons par x la longueur (en dm) du ct de la pice ter. Comme la plaque de dpart
a 2 dm de ct, il faut imposer la contrainte : 0 6 2x 6 2 x [0, 1]. Par ailleurs, la
bote construire se caractrise par une hauteur de x et une base carre de ct (2 2x),
et donc un volume (en dm3 ) de V (x) = x (2 2x)2 . Le problme se ramne donc la
maximisation de la fonction :

V : [0, 1] R : x V(x) = x (2 2x)2 = 4 x3 2x2 + x .
Lexistence dune solution est assure puisque la fonction est continue dans un intervalle
ferm. La fonction V est drivable dans (0, 1) et les points critiques sont dtermins par :

1
V 0 (x) = 4 3x2 4x + 1 = 0 x = 1 ou x =
3
1
Comme 1
/ (0, 1), le seul point critique est . Sajoutent comme candidats les deux bords
3
de lintervalle : 0 et 1.
La comparaison des valeurs de V(x) en les trois candidats rvle que le maximum global
 


1
1
1
2 2 16
est atteint en et que la valeur maximale du volume est : V
=
2
=
3
3
3
3
27
16
1
En conclusion, la bote de volume optimal
dm3 , a pour hauteur dm et une base
27
3
4
carre de ct dm.
3

EXERCICE 5
nonc

Solution

116

Un carton publicitaire doit contenir 54 cm2 de texte imprim. Les marges imposes sont
de 1 cm en haut et bas de page et de 1, 5 cm de chaque ct du texte.
Sachant que le prix du carton est proportionnel sa superficie, quelles seront les dimensions du carton le moins cher possible?
Dsignons par x et y les dimensions du carton (figure 4.11, page ci-contre). Les dimensions
recherches minimisent la surface du carton : S = x.y.
Le texte occupe donc une surface gale (y 3)(x 2) = 54. Il sensuit que :
54
y=
+ 3, x > 2 et y > 3
x2

Optimisation des fonctions dune seule variable

Chapitre
Figure 4.11

y
1 cm

1,5 cm

Texte

1,5 cm

1 cm

54x
+ 3x dans lensemble
x2
ouvert (2, +). Les seuls points candidats seront donc les points critiques de la fonction S
qui est deux fois drivable dans (2, +).
Le problme se ramne alors minimiser la fonction S(x) =

S0 (x) =

108
+ 3 = 0 3(x 2)2 108 = 0
(x 2)2
(x 2)2 = 36 x = 8 ou x = 4.

Comme x = 4
/ (2, +), le seul candidat est x = 8.

216
> 0 dans (2, +).
(x 2)3
La fonction S est donc strictement convexe dans (2, +) et admet ds lors un minimum
global en x = 8. Les dimensions du carton optimal sont donnes par x = 8 et y =
54
+ 3 = 12.
6
Le signe de la drive seconde est donn par : S00 (x) =

EXERCICE 6

Solution

Considrons une bote cylindrique base circulaire dont les deux couvercles sont fabriqus
partir dune plaque mtallique qui cote p1 cents le cm2 et dont la surface latrale est
fabrique partir dune autre plaque mtallique qui cote p2 cents le cm2 .
Quelles seront, en fonction des paramtres p1 et p2 , les dimensions de la bote la moins
chre ayant un volume de 100 cm3 ?
Si r dsigne le rayon de la base et h dsigne la hauteur de la bote, le volume est donn par :
V = r2 h. En imposant la contrainte V = 100, on peut exprimer la hauteur en fonction
100
du rayon : 100 = r 2 h h = 2 et dterminer le cot de fabrication dune bote en
r
fonction de son rayon :


100
100p2
2
2
2
C(r) = 2p1 (r ) + 2p2 rh = 2p1 r + 2p2 r 2 = 2 p1 r +
r
r

Applications la gestion

Exercices

nonc

117

Le rayon optimal r doit vrifier la condition du premier ordre :






100p2 0
100p2 0
= 2 2p1 r 2
= 0, qui implique que r =
C0 (r) = 2 p1 r2 +
r
r
s
50 p1
3
cm.

p2
Dautre part r > 0 : C 00 (r) > 0 C admet en r un minimum global.
s
100
p21
3
La hauteur optimale correspondante est h =
=
100
cm.
(r )2
2 500p22
On observe que seul le rapport des prix intervient dans la dtermination des dimensions
de la bote la moins chre.

EXERCICE 7
nonc

Soit Ci (x) le prix (en euro) dune isolation dpaisseur x visant rduire la consommation en chauffage. On suppose que Ci (x) = ax, a > 0 (le prix de lisolation crot
proportionnellement son paisseur). Dsignons ensuite par Cch (x) le cot annuel du
chauffage lorsquune isolation dpaisseur x est installe. Ce cot dcrot videmment
b
avec x. Supposons, par exemple, que Cch (x) = , b > 0.
x
Quelle sera, en fonction du paramtre b, lpaisseur x de lisolation qui minimise le cot
total (non actualis) sur une priode de 10 ans?

Solution

La fonction minimiser est C(x) = Ci (x) + 10Cch (x) = ax +


10b
C (x) = a 2 = 0 x =
x

10b
, x > 0.
x

10b
20b
et C 00 (x) = 3 > 0.
a
x
r
10b

Donc lpaisseur optimale recherche est x =

a
0

EXERCICE 8
nonc

Le profit quune firme cherche maximiser est gal son revenu moins son cot de
production : (q) = R(q) C(q), o q dsigne la quantit produite.
a Montrez quau niveau optimal de production q , le cot marginal (drive de la fonction
de cot) est gal au revenu marginal (drive de la fonction de revenu).
b Dterminez le niveau optimal de production q pour les fonctions de revenu et cot
suivantes :
R(q) = 179q 3q2

118

Optimisation des fonctions dune seule variable

1
et C(q) = q3 3q2 + 10q + 4
3

Chapitre
Solution

a Par dfinition : (q) = R(q) C(q).


Donc si q maximise le profit , la condition du premier ordre impose que :
0 (q ) = R0 (q ) C 0 (q ) = 0 ,

et donc R0 (q ) = C 0 (q ).

1
b Dans ce cas, le profit vaut : (q) = q3 + 169q 4. En vertu de la condition du premier
3
ordre, on a : 0 (q) = q2 + 169 = 0 et q > 0 q = 13. Comme 00 (q) = 2q < 0, la
production optimale est donc q = 13 et le profit maximal est (13) = 1 460,67.

EXERCICE 9
nonc

Une firme en position de monopole fait face deux fonctions de demande pour le mme
1
produit, manant de deux marchs distincts : q1 = 40 2p1 et q2 = 20 p2 . Sachant
2
que le cot de production est de C = 25 + 4q o q = q1 + q2 , dterminez, dans chacun
des cas suivants, le prix qui maximise le profit de la firme.
a La firme pratique une discrimination de prix entre les deux marchs.
b La firme pratique un prix unique sur les deux marchs.

1
1
40 q1 q1 = 20q1 q21
2 
2
et le revenu du second au prix p2 est R2 (q2 ) = p2 q2 = 2 20 q2 q2 = 40q2 2q22 .
Daprs lexercice 8 a , on gale le cot marginal de la firme chacun des deux revenus
marginaux (maximisation spare sur chaque march) pour obtenir :

a Le revenu du premier march au prix p1 est R1 (q1 ) = p1 q1 =

et

C0 (q1 ) = R01 (q1 ) 4 = 20 q1 q1 = 16


C0 (q2 ) = R02 (q2 ) 4 = 40 4q2 q2 = 9.

1
(40 16) = 12 et p2 = (40 18) = 22.
2
b Sil ny a pas de discrimination entre les deux marchs, alors p1 = p2 = p et la fonction
1
5
de la demande globale est q = q1 + q2 = 40 2p + 20 p = 60 p.
2
2
2
2 2
Il sensuit que R(q) = pq = (60 q)q = 24q q le prix qui maximise le profit
5
5
4
0
0
de la firme est tel que C (q) = R (q) 4 = 24 q q = 25. Le prix est alors
5
2
p = (60 25) = 14.
5
Les prix correspondants sont p1 =

Applications la gestion

Exercices

Solution

119

Chapitre

Les matrices

Les matrices
1. Oprations sur les matrices . . . . .. . . 122

Les matrices coefficients rels sont des tableaux de

2. Matrices particulires et
sous-matrices . . . .. . . . .. . . . .. . . .. . . . 123
3. Trace, dterminant et rang . . . . .. . . 124

titre, elles offrent une manire simple et pratique de

4. Inversion de matrices carres . . . .. . 128


5. Systmes linaires . . .. . . .. . . . .. . . . . 129

savre important dans des domaines varis de la

6. Diagonalisation des matrices


carres .. . . . .. . . . .. . . . .. . . . .. . . . .. 134
7. Formes quadratiques . . . .. . . . .. . . . . 138

production, matrices variances-covariances pour la

Problmes et exercices . .. . 142


Oprations sur les matrices .. . . . .. . . . . 142
Matrices particulires . .. . . . .. . . . .. . . . . 143
Trace et dterminant . .. . . . .. . . . .. . . . .. 144
Inversion de matrices .. . . . .. . . .. . . . .. . 147
Rang et systmes linaires . .. . . . .. . . . . 149
Diagonalisation .. . . .. . . . .. . . . .. . . . .. . 153
Formes quadratiques .. . . . .. . . . .. . . .. . 155
Applications la gestion .. . . . .. . . . .. . 157

nombres double entre (lignes et colonnes). ce


condenser diverses informations. Le calcul matriciel
gestion : matrices input-output dans lanalyse de la
mesure des risques, etc.
Dune faon plus thorique, les matrices sont indispensables pour
aborder loptimisation des fonctions de plusieurs variables, ce qui
explique que ce chapitre prcde celui qui est consacr ce type de
fonctions.
Les matrices constituent un outil privilgi de lalgbre linaire.
Pour des raisons de place, le prsent ouvrage naborde pas la
thorie des espaces vectoriels et des applications linaires dont
les ramifications sont multiples. Toutefois, ce domaine est, dune
certaine manire, implicitement trait au travers de notions matricielles correspondantes, comme celle de rang, qui guide notamment la rsolution des systmes numriques linaires. De mme,
nous sommes contraints deffleurer seulement certaines matires,
comme par exemple la thorie des dterminants. Le lecteur dsireux
de les approfondir trouvera dans la bibliographie divers ouvrages
offrant de plus amples dveloppements.

Les matrices

121

Oprations sur les matrices


Les matrices sont des tableaux double entre, dont les lments peuvent appartenir a
priori nimporte quel ensemble de nombres. Dans les applications, cest videmment
lensemble des nombres rels qui est le plus frquemment rencontr. Ds lors nous
focaliserons la prsentation sur les matrices relles dfinies comme suit :
Une matrice relle A detaille n m (ou n lignes et m colonnes)
a11 a1m
. .
..
..
..
est un tableau de nombres rels A =
.

, reprsent sous la forme


an1 anm

condense A = aij nm .

Dfinition

Lensemble des matrices relles, de taille donne n m, est not Rnm .



Dans lcriture A = aij nm , les indices i et j sont muets , donc interchangeables. Ainsi,

on peut crire indiffremment A = (akl )nm ou mme A = aji nm . Cependant pour des
valeurs fixes de i et j, le nombre aij dsigne prcisment llment situ en i-me ligne et
j-me colonne de la matrice A. Afin dviter toute confusion, on rservera la notation
indices muets lintroduction des notations tandis que toute transformation des lments
dune matrice seffectuera sur la base dun lment typique indices fixs.
Deux matrices sont gales si elles ont la mme taille et si leurs lments de mmes indices
sont identiques.
Soit A = aij

Dfinition

nm

et B = bij

pq

A = B n = p , m = q et i = 1, . . . ,n, j = 1, . . . m : aij = bij .

Les matrices peuvent tre additionnes et multiplies entre elles moyennant certaines
restrictions de compatibilit concernant leurs tailles respectives. Les dfinitions des oprations mentionnent demble ces restrictions. Une matrice de taille quelconque peut aussi
tre multiplie par un nombre rel. Cette multiplication scalaire seffectue simplement
lment par lment. Enfin, transposer une matrice consiste inverser le rle des lignes
et des colonnes.
Dfinitions



Si A = aij nm et B = bij nm , alors la matrice C = cij nm o C = A + B est
telle que : i = 1, . . . ,n, j = 1, . . . m : cij = aij + bij .



Si A = aij nm et B = bij mp , alors la matrice C = cij np o C = A.B est
m
X
telle que : i = 1, . . . ,n, j = 1, . . . p : cij=
aik .bkj .

k=1


Si A = aij nm et R, alors la matrice B = bij nm o B = A, est telle que :
i = 1, . . . ,n, j = 1, . . . m : bij = aij .


Si A = aij nm alors sa matrice transpose A0 = bij mn est telle que :
i = 1, . . . ,m, j = 1, . . . n : bij = aji .

122

Les matrices

Chapitre
Remarque
Laddition matricielle correspond une addition lment par lment, tandis que le produit
matriciel nest pas une opration de ce type. Le choix dune dfinition ligne par colonne
telle que celle adopte rpond des motivations prcises, notamment au niveau des applications linaires. Son adquation la rsolution de divers problmes pratiques apparatra
dans la suite du chapitre.

Diverses proprits des oprations matricielles dcoulent de ces dfinitions.


Proprits Moyennant les restrictions adquates sur les tailles des matrices en
prsence, on a :

A+B=B+A
(A + B) + C = A + (B + C)
(A + B) = A + B
A. (B.C) = (A.B) .C
A00 = A
(A.B)0 = B0 .A0 .

A. (B + C) = A.B + A.C et (A + B) .C = A.C + B.C

Toutefois, mme en cas de tailles compatibles, le produit matriciel nest pas commutatif,
autrement dit les matrices A.B et B.A ne sont pas forcment gales.

!
!
!
1 0
0 5
1 0
0 5
0 5
Ainsi, pour A =
et B =
, on a : A.B =
.
=
0 0
0 0
0 0
0 0
0 0

!
!
!
0 5
1 0
0 0
et B.A =
.
=
, soit A.B 6= B.A.
0 0
0 0
0 0

!
!
1 0
0 5
Remarquons de plus que cet exemple fait apparatre que les matrices
et
0 0
0 0
sont des diviseurs de zro (matrices non nulles dont un produit est la matrice nulle).

Matrices particulires et sous-matrices


Diverses matrices seront appeles jouer un rle particulier dans la rsolution de problmes. Nous introduisons ici la nomenclature qui sera suivie, ainsi que les proprits de
base des matrices concernes.
Dfinition La matrice nulle de taille nm est une matrice dont tous les lments
sont nuls :

0nm = aij nm , o i = 1, . . . ,n, j = 1, . . . m : aij = 0.

La matrice nulle est neutre pour laddition matricielle (tailles compatibles).

Matrices particulires et sous-matrices

123

Parmi les matrices carres pour lesquelles n = m, on distingue les cas suivants :

Dfinitions La matrice A = aij nn est :
triangulaire suprieure (resp. infrieure) si :
i = 1, . . . ,n, j = 1, . . . n : i > j (resp. j > i) aij = 0.

symtrique (resp. antisymtrique) si :


i = 1, . . . ,n, j = 1, . . . n : aij = aji (resp. aij = aji ).
diagonale si :
i = 1, . . . ,n, j = 1, . . . n : i 6= j aij = 0.
la matrice identit si
i = 1, . . . ,n, j = 1, . . . n : aij =

1 si i = j
.
0 si i 6= j


La matrice identit de taille n n, note In = ij nn , est neutre pour le produit matriciel
(tailles compatibles).
Parmi les matrices de taille quelconque, dites aussi rectangulaires, on distingue les matrices
colonnes de taille n 1 et les matrices lignes de taille 1 n.
Dfinition Toute matrice construite partir de A par limination de lignes et/ou
de colonnes est dite sous-matrice de A.



Proprit Si B = bij pq est une sous-matrice de A = aij nm , alors p 6 n et
q 6 m.

En particulier, toute colonne ou toute ligne de A est une sous-matrice de A. Or, toute
ligne ou toute colonne, on peut associer de faon vidente un vecteur, ce qui permet
de parler sans ambigut de dpendance ou dindpendance linaire (voir chapitre 1,
section 5) entre lignes ou entre colonnes dune matrice donne.
Exemple

1 2 3
4

La matrice A = 2 0 1 1 possde 3 lignes reprsentes par les vecteurs suivants


3 2 4
3

L1 = (1, 2, 3, 4)
de R4 : L2 = (2, 0, 1, 1) . Ces vecteurs sont linairement dpendants puisque quil existe la

L = (3, 2, 4, 3)
3
combinaison linaire nulle suivante : L1 + L2 L3 = 0 R4 .

Trace, dterminant et rang


On associe aux matrices des caractristiques numriques usages divers. Ainsi, la trace
et le dterminant sont des nombres rels associs aux seules matrices carres. Par contre,
le rang est un nombre naturel qui peut tre dtermin pour toute matrice. Par souci de
clart, nous prsentons chacune de ces notions assorties des proprits affrentes.

124

Les matrices

Chapitre

3.1 TRACE D UNE

MATRICE CARRE

La trace dune matrice carre est la somme de ses lments diagonaux.



P
Dfinition Soit A = aij nn . Sa trace est donne par : tr A = ni=1 aii .

Exemples
1. tr 0nn = 0.
2. tr In = n.

!
1 2
3. tr
= 1 + 4 = 5.
3 4

1
2 3

4. tr 5 1 6 = 1 + (1) + 0 = 0.
7
8 0

Moyennant la compatibilit des tailles, la trace jouit des proprits suivantes :


Proprits
tr(A + B) = tr A + tr B.
tr(A) = tr A.
tr A0 = tr A.
tr(A.B) = tr(B.A).

3.2 DTERMINANT DUNE

MATRICE CARRE


Toute matrice relle carre A = aij nn admet un dterminant rel not det A ou |A|. La
dfinition gnrale du dterminant tant lourde prsenter, nous abordons dabord les
cas particuliers les plus frquemment rencontrs en pratique, o n vaut 1, 2 ou 3.
Dfinitions
Pour n = 1, la matrice se rduit au seul lment A = (a11 ) et det A = a11 .

!
a11 a12
et det A = a11 a22 a12 a21 (formule de Cramer).
Pour n = 2, A =
a21 a22

a11 a12 a13

Pour n = 3, A = a21 a22 a23 et det A = a11 a22 a33 +a12 a23 a31 +a13 a32 a21

a31 a32 a33


a13 a22 a31 a12 a33 a21 a23 a11 a32 (formule de Sarrus).

Exemples
1. det 022 = det 033 = 0.
2. det I2 = det I3 = 1.

Trace, dterminant et rang

125

3. det

1
3

2
4

4. det 5
7

2
1
8

= 4 6 = 2.

6 = 0 + 84 + 120 (21) 48 0 = 177.


0


Pour dfinir le dterminant dune matrice carre dans le cas gnral o A = aij nn , il
faut dabord considrer la notion de permutation de n lments et de signature dune telle
permutation.

Dfinition Les permutations de lensemble {1, 2, . . . , n} sont les bijections de


cet ensemble dans lui-mme.

Chaque permutation a une signature, note sign , qui vaut soit 1 soit (1), selon
que la permutation est la compose dun nombre pair ou impair de permutations de
2 lments.
Dfinition

si = compose dun nombre pair de permutations


de 2 lments
sign =
.

1
si
= compose dun nombre impair de permutations

de 2 lments

Comme il apparat au travers des cas particuliers o n vaut 2 ou 3, le dterminant est une
somme algbrique de n! produits de n lments de la matrice dont les indices de ligne
et de colonne parcourent chacun lensemble {1, 2, . . . , n}. Lutilisation des permutations
de {1, 2, . . . , n} permet de construire une dfinition gnrale. Dans ce cadre, la signature
indiquera si le produit dlments de la matrice est affect dun signe positif ou ngatif.
Dfinition

Soit A = aij

det A =

nn

.
(sign ).a1(1) .a2(2) . . . an(n) .

est une permutation de {1,2,...,n}

Comme il existe n! permutations distinctes de n lments, le dterminant dune matrice


de taille n n est bien une somme de n! termes. La dfinition montre aussi la symtrie
des rles jous par les lignes et les colonnes dans le calcul des dterminants.

Exemples
1. det 0nn = 0.

2. det In = 1.

a1

..
3. det
.

126

Les matrices

0
an

= a1 . . . an .

Chapitre
Il existe plusieurs mthodes de calcul permettant dviter le recours systmatique la
dfinition, en particulier pour les matrices dordres suprieurs 3. Pour une question de
place, nous naborderons pas ici ces techniques.
Moyennant la compatibilit des tailles, le dterminant jouit de proprits importantes.
On notera cependant que le dterminant dune somme de matrices ne concide pas avec
la somme des dterminants.

Proprits Soit A = aij nn .
det (A) = n det A.
det (A.B) = det A. det B = det (B.A).
det A0 = det A.

Comme le montrera la section relative linversion des matrices carres, la nullit du


dterminant constitue une caractristique majeure. Il est donc intressant de dgager
certaines classes de matrices qui possdent cette caractristique.
Proprits
Ont un dterminant nul, les matrices ayant lune des caractristiques suivantes :
une ligne (ou une colonne) de zros ;
deux lignes (ou deux colonnes) proportionnelles ;
une ligne (resp. une colonne) qui est combinaison linaire des autres lignes
(resp. des autres colonnes).
Le dterminant ne se modifie pas si on ajoute une ligne (resp. une colonne),
une combinaison linaire dautres lignes (resp. dautres colonnes).
Le dterminant change de signe si on permute deux lignes (ou deux colonnes).
Le dterminant est multipli par si on multiplie une ligne (ou une colonne)
par ( R).

3.3 RANG DUNE

MATRICE RECTANGULAIRE

La dfinition du rang dune matrice quelconque fait rfrence la notion dindpendance


linaire entre colonnes (voir section 2).

Dfinition Le rang dune matrice A = aij nm , not rg A, est gal au nombre
de colonnes de A linairement indpendantes.

En fait, lasymtrie de cette dfinition, qui semble privilgier le rle des colonnes, nest
quapparente puisquon peut montrer que le rang est une caractristique symtrique en
terme de lignes et colonnes.

Proprits Soit A = aij nm .
rg A = rg A0 .
rg A 6 m et rg A 6 n.


Dfinition Si la matrice A = aij nm est telle que rg A = min{m, n}, elle est
dite de plein rang.

Trace, dterminant et rang

127

La dtermination du rang des matrices sera importante dans la rsolution des systmes
linaires. cet gard, il est utile de prsenter les transformations matricielles auxquelles
le rang est insensible.
Proprits Le rang dune matrice ne se modifie pas lorsque :
des colonnes (ou des lignes) sont permutes ;
une colonne (ou une ligne), est multiplie par un rel non nul ;
une combinaison linaire dautres colonnes (resp. dautres lignes) est ajoute
une colonne (resp. une ligne) donne.

Inversion de matrices carres


Dans Rnn , le produit matriciel est dfini pour tout couple dlments et la matrice I n est
neutre pour ce produit : A Rnn : In .A = A = A.In . On dfinit alors la notion de
matrice inversible.
Dfinitions
La matrice A Rnn est inversible (ou rgulire) si

A1 Rnn : A1 A = In = A.A1 .

Lorsquelle existe, A1 est appele la matrice inverse de A.

Cependant toutes les matrices carres non nulles, cest--dire distinctes de 0 nn , ne sont
pas forcment inversibles. Les matrices non inversibles sont aussi qualifies de singulires.

Exemples
1. La matrice identit In est videmment inversible et : In1 = In .

1 0
a
2. La matrice
nest pas inversible. En effet, pour toute matrice
0 0
c

!
!
!

!
1 0
a b
a b
1 0
.
=
6 = I2 =
.
0 0
c d
0 0
0 1

!
b
, on a :
d

Les matrices inverses jouissent des proprits suivantes.


Proprits
Si A Rnn est inversible, alors :
1
= A,
A1 est inversible et A1

0
0
0 1
= A1 ,
A est inversible et A

1 1
A .

nn
sont inversibles, alors le produit A.B est inversible et
Si A, B R
R0 : (A) est inversible et (A)1 =

(A.B)1 = B1 A1 .

128

Les matrices

Chapitre
Ltude de linversibilit dune matrice est cruciale dans de nombreux problmes appliqus
la gestion, notamment ceux qui se formalisent en termes de systmes linaires, quils
soient numriques ou diffrentiels. Les notions de dterminant et de rang permettent
chacune de caractriser simplement les matrices inversibles.
Proprit La matrice A Rnn est inversible det A 6= 0 rg A = n.

En pratique, il existe plusieurs mthodes pour dterminer la matrice inverse dune


matrice rgulire donne. Dans cet ouvrage, nous privilgions celle qui se fonde sur la
dtermination dune matrice inverse inconnue. Une autre technique consiste exploiter
les proprits des dterminants.

Systmes linaires

5.1 DFINITIONS

ET PROPRITS

Les systmes numriques linaires sont constitus dempilements dquations, chacune


galant une combinaison linaire dinconnues une constante. De tels systmes apparaissent dans la rsolution de nombreux problmes.
En fait, grce la simplicit des systmes linaires, il nest pas toujours ncessaire de faire
appel une mthode gnrale pour en dterminer lensemble de solutions. Toutefois, une
approche structure comme celle prsente dans cette section a le mrite de permettre
ltude de lexistence et de lventuelle multiplicit de solutions, pour les systmes de toute
taille, mme en prsence de paramtres.
Un systme linaire de n quations m inconnues soumet un vecteur X, m composantes,
simultanment n quations linaires.
Dfinitions

Tout systme linaire scrit :

a11 x1 + a12 x2 + + a1m xm = b1

a21 x1 + a22 x2 + + a2m xm = b2


..

an1 x1 + an2 x2 + + anm xm = bn

o i = 1, . . . ,n, j = 1, . . . m : aij , bj R

ou, sous forme matricielle : AX = B, o A = aij nm , B = (bi )n1 et X =

xj m1 .

Une solution de ce sytme est un vecteur X = xj m1 dont les composantes
vrifient simultanment toutes les quations du systme.
On distingue divers types de systmes :
systme carr si m = n ;
systme de Cramer si le systme est carr et A est une matrice inversible ;

Systmes linaires

129

systme homogne si B = 0 ;
systme impossible sil nadmet aucune solution (quations incompatibles) ;
systme compatible sil admet au moins une solution ;
systme indtermin sil admet plusieurs solutions.

Exemples
(

!
2x1 + 5x2 = 1
2
5
1.
est un systme carr non homogne. Comme, en outre, det
=
3x1 2x2 = 0
3 2
19 6= 0, il sagit dun systme de Cramer.
(
2x1 + 5x2 = 1
2.
est un systme carr non homogne impossible (les deux quations sont
2x1 + 5x2 = 2
!

2 5
contradictoires). Ce nest pas un systme de Cramer puisque det
= 0.
2 5
(
2x1 + 5x2 + x3 = 0
3.
est un systme non carr (2 quations 3 inconnues) homogne.
2x1 + 2x2 x3 = 0

Les systmes de Cramer jouissent de la proprit suivante qui en facilite la rsolution.


Proprit Le systme de Cramer AX = B admet la solution unique X = A1 B,
qui sexprime aussi sous la forme :

1
xj =
det A1 . . . Aj1 B Aj+1 . . . An , j = 1, . . . ,n,
det A

a1k
.
.
o Ak =

. est la k-me colonne de A.


ank
Exemple
Soit le systme de Cramer

2x1 + 5x2 = 1
. Il a pour unique solution :
3x1 2x2 = 0

x1
x2

2
3

5
2

!1 !
1
0

qui se calcule plus aisment en utilisant la proprit ci-dessus :

1
1

det
x1 =

19
0

x2 = 19 det
3

130

Les matrices

5
2
!
1
0

x1 =
19

x2 = 3
19

Chapitre
Les autres systmes peuvent admettre une, aucune ou plusieurs solutions. Toutefois, grce
la linarit, on dispose de quelques rsultats.
Proprits

Si le systme linaire AX = B admet deux solutions distinctes, alors il en admet


une infinit.
Les systmes homognes admettent toujours (au moins) la solution nulle :
xj = 0, j = 1, . . . ,m.

Les solutions dun systme non homogne compatible (ce qui nest pas toujours le cas !)
AX = B peuvent tre obtenues grce celles du systme homogne associ AX = 0.
Proprit Si X Rm1 : AX = B, alors lensemble des solutions
du systme

AX = B est donn par : X Rm1 : X = X + Y, o AY = 0 .

Enfin, lexistence et lunicit des solutions des systmes linaires peuvent tre abordes au
nm
travers de conditions liant le rang de la matrice
des coefficients du systme
 A R
..
celui de la matrice augmente , note A.B Rn(m+1) , obtenue en accolant A la
colonne B des termes indpendants.
Proprits


..
Le systme AX = B admet au moins une solution rg A = rg A.B .
 
.
Le systme AX = B admet une et une seule solution rg A = rg A..B = m.


Exemple
(

2x1 + 5x2 + x3 = 0
est homogne et admet donc au moins la solution nulle.
2x1 + 2x2 x3 = 0
Toutefois cette solution nest pas unique puisque m = 3 et rg A 6 2 (car A R23 ).
Le systme

5.2 RSOLUTION

PAR LA MTHODE DE

GAUSS

Les proprits prsentes dans la section prcdente concernent surtout lexistence et


lunicit dune solution. Elles sont prsent utilement compltes par la technique de
rsolution algorithmique de Gauss, qui sert galement rsoudre dautres problmes
dalgbre linaire, comme le calcul du rang dune matrice.
Pour un systme quelconque, la matrice A nest pas ncessairement carre, de sorte que,
la rsolution du systme AX = B par inversion de matrice, comme pour les systmes de
Cramer, nest plus praticable.

Systmes linaires

131

La mthode de Gauss est une rsolution gnrale par substitution de variables. Elle procde
par transformations
 sur les quations du systme, quon peut aussi voir comme les lignes
.
de la matrice A..B . Avant de dcrire les tapes de la rsolution, il convient de reprer

chaque quation pour ensuite indiquer explicitement les oprations effectuer. On crit
donc le systme :

a11 x1 + a12 x2 + + a1m xm = b1 (1)

a21 x1 + a22 x2 + + a2m xm = b2 (2)


..
..

.
.

an1 x1 + an2 x2 + + anm xm = bn (n)


Premire tape : si a11 6= 0, on remplace la premire quation du systme par :
x1 +

a1m
b2
a12
x2 + +
xm =

a11
a11
a11

(10 )

chacune des autres quations (i = 2, . . . , n) du systme, on soustrait membre


membre ai1 .(10 ) pour liminer les termes en x1 . On note (20 ), . . . , (n0 ) les quations
obtenues et a0ij les nouveaux coefficients. Le systme initial est quivalent celui constitu
des quations (10 ), (20 ), . . . , (n0 ).
Si a11 = 0, on procde de mme aprs avoir pralablement permut la premire quation
et une autre dans laquelle le coefficient de x1 est non nul. Si x1 napparat pas dans le
systme, il est indtermin et on passe au point suivant.
Deuxime tape : si a022 6= 0, on remplace la deuxime quation du systme par :
x2 +

a02m
b02
a023
x
+

+
x
=

3
m
a022
a022
a022

(200 )

chacune des autres quations (i = 1, 3, . . . , n), on soustrait membre membre a0i2 .(200 )
pour liminer les termes en x2 . On note (100 ), (300 ), . . . , (n00 ) les quations obtenues. Le
systme initial est quivalent celui constitu des quations (100 ), (200 ), . . . , (n00 )
Si a022 = 0, on permute dabord la deuxime quation avec une autre (mais pas la premire)
dans laquelle le coefficient devant x2 est non nul. Si x2 napparat pas, ou uniquement
dans (10 ), il est indtermin et on passe au point suivant.
Et ainsi de suite...
La procdure sachve lorsquon a puis toutes les variables ou toutes les quations.
ce stade, le systme obtenu (quivalent au systme initial) peut comporter trois types
dquations, selon le nombre dinconnues qui y figurent encore. Voici comment poser les
conclusions.
En ce qui concerne une quation qui ne comporte pas dinconnues : si cest une quation
du type 0 = 0, on llimine. Sinon, elle est du type 0 = 1 et le systme est impossible...
Il est inutile dexaminer les autres quations.
En ce qui concerne une quation qui comporte plus dune inconnue : le systme est
indtermin. Sil sagit de la i-me quation, on exprime xi en fonction des autres
variables (qui apparaissent comme des paramtres arbitraires).
En ce qui concerne une quation qui comporte la seule inconnue xi : la valeur prise par
xi est immdiatement donne.

132

Les matrices

Chapitre
Exemples

x + 2y z = 0 (100 )

(1)
x + 2y z = 0
x + 2y z = 0 (1 )

1
1. 2x + y + z = 1
(2) 3y + 3z = 1
(20 ) y z =
(200 )

3
4x + y + 3z = 1 (3)

7y + 7z = 1 (3 )

7y + 7z = 1 (300 )

x+z =

1
yz =
systme impossible.

10

0 =
3

x + 3y 2z = 1

2x + 6y 4z = 2
x + 3y 2z = 1
x + 3y 2z = 1

2. x z = 1
xz =1
3y + z = 0
y 1z = 0

3
x + 2y + z = 0
x + 2y + z = 0
5y z = 1

5y z = 1

xz =1
xz =1

x=




1
1
5 1 3
1
Solution unique :
, ,

y z=0 y z=0 y=
3
3

2 2 2
2

2
3

z =

z=1
z = 3
3
2
2

La mthode de Gauss est aussi utile pour dterminer le rang dune matrice. En effet,
moyennant une ventuelle permutation des colonnes (qui ne modifie pas le rang), la
mthode de Gauss permet de transformer une matrice quelconque, de taille
! n m, en
Trr Br(mr)
une matrice de mme rang compose de blocs du type
, o T est
0
0
nm
une matrice diagonale (ou, plus simplement, triangulaire suprieure) ayant des lments
non nuls sur la diagonale. Il sensuit que rg A = r.
Exemple

2
1

Le rang de la matrice A =
3
4

L1 L2 2
A
3
4

0
2
2
4

2
1
1
2

2
0
2
4

1
2
1
2

1 L2 L2 2L1 1
L
L
3L
3
3
1

0
4 +4L1 0
L4 L

0
1
0
0

0
1

peut tre obtenu de la faon suivante :


1
0
0
2
2
4

2
5
5
10

1
1
L
L
+L
3
3
2

2
4 +2L2 0
L4 L

0
2
4
0

0
2
0
0

2
5
10
0

1
2

.
4
0

Cette dernire matrice, qui a le mme rang que A, est de rang 3 puisque, ici,

Trr = T33

= 0
0

0
2
0

5 .
10

Systmes linaires

133

Diagonalisation des matrices carres

6.1 DFINITIONS
Dans loptimisation de fonctions de plusieurs variables (chapitre 7), la diagonalisation
est cruciale. Lobjectif consiste trouver, si possible, une matrice diagonale associe une
matrice carre donne. Le mode dassociation entre matrices passe par la notion de
matrices semblables . Seront aussi introduites les notions de valeurs propres et vecteurs
propres qui permettent notamment de caractriser les matrices diagonalisables.
La mthode de Gauss (section 5.2) procde par annulations successives dlments de
la matrice A. Si cette matrice tait carre, cette procdure sapparenterait une diagonalisation. Notons, en effet, que tout systme linaire carr A.X = B, pour lequel A est
diagonale, est trivialement rsolu (chaque quation donne la valeur dune variable).
Dfinitions

Les matrices A et B Rnn sont dites semblables si H Rnn , inversible, telle


que :

A = H 1 .B.H B = H.A.H 1 .
Dans ce cas, la matrice H est appele matrice de passage.

La matrice A Rnn est diagonalisable si elle est semblable une matrice


diagonale.

Toute matrice diagonale est videmment diagonalisable (prendre H =


les
In ). Cependant,
!
!
1 0
2 0
matrices diagonales ne sont pas toutes semblables deux deux. Ainsi,
et
0 2
0 1

!
!
0 1
1 0
1 0
sont semblables (prendre H = H 1 =
) tandis que
et
ne le
1 0
0 2
0 3
sont pas.
Les matrices carres ne sont pas toutes diagonalisables. Une premire question porte donc
sur la caractrisation de telles matrices. Une seconde vise la dtermination de la forme
diagonale et, ventuellement, de la matrice de passage H. Dans les deux cas, la rsolution
passe par les notions de vecteurs et valeurs propres.
Dfinitions Soit A = aij

.
.. est un vecteur propre de A si R :
Le vecteur colonne X Rn1 \

AX = X.
nn

Dans ce cas, on dit que X est associ la valeur propre R.

134

Les matrices

Chapitre
Exemple

2
1 2 3

0 1 , associ la valeur propre = 2,


1 est un vecteur propre de la matrice 1
0
0
0 1

1 2 3
2
4
2

puisque 1
0 1 1 = 2 = 2 1 . Cette matrice possde dautres vecteurs
0
0 1
0
0
0

propres comme, par exemple, le vecteur 3 associ la mme valeur propre = 2 ou le


0

1

vecteur 1 associ la valeur propre = 1, puisque
0


1 2 3
1
1
1


0 1 1 = 1 = 1 .
1
0
0 1
0
0
0

6.2 LE

SPECTRE D UNE MATRICE


La dtermination des valeurs propres de la matrice A Rnn seffectue grce la proprit
suivante.
Proprit R est une valeur propre de A det (A In ) = 0.


Dfinitions Soit A = aij nn .
Le polynme det (A In ), de degr n, est appel polynme caractristique de A.
Lquation det (A In ) = 0 est appele quation caractristique de A.
Lensemble des solutions complexes de cette quation constitue le spectre de A,
not SA .
La multiplicit algbrique dune valeur propre est sa multiplicit comme solution
de lquation caractristique (1) .

Le spectre comporte donc n nombres complexes, distincts ou non. Toutefois, seuls ses
lments rels sont des valeurs propres auxquelles sont associs des vecteurs propres. Le
spectre dune matrice A Rnn jouit des proprits suivantes :
Proprits
A et A0 ont le mme spectre.
Si A est inversible, alors 0 nest pas une valeur propre de A.

Si A est inversible et est une valeur propre relle de A alors


propre de A1 .
Les matrices semblables ont toutes le mme spectre.

1
est une valeur

1. Le nombre a est une solution de multiplicit p N0 de lquation polynomiale Q(x) = 0 (ou une racine
de multiplicit p du polynme Q) si on peut crire Q(x) = (x a)p R(x), o R(x) est un polynme tel que :
R(a) 6= 0. On parle de racine simple si p = 1 et de racine multiple si p > 2.

Diagonalisation des matrices carres

135

Le dernier rsultat laisse prsager de limportance que joue le spectre dans la phase de
diagonalisation. La section suivante en dtaille la procdure.

6.3 SPECTRE

ET DIAGONALISATION

Les valeurs propres dune matrice diagonale de Rnn sont les n nombres rels, nuls ou
pas, se trouvant sur sa diagonale. Si un nombre y apparat plus dune fois, cest que la
valeur propre est multiple (racine multiple du polynme caractristique). Le spectre dune
matrice diagonale est donc un sous-ensemble de R.
Proprits

Si D R

nn

est diagonale : D =

d1

0
..
.

d2
..
.

..
.
..
.

0
..
.

0
dn

0 0
alors : SD = {d1 , d2 , . . . ,dn }.
Si A Rnn est symtrique, alors elle est diagonalisable.

En ce qui concerne les matrices carres quelconques, une condition ncessaire et une
condition suffisante sont tablies.
Condition ncessaire
propres sont relles.

Si A Rnn est diagonalisable, alors toutes ses valeurs

Ds lors, si le spectre de A comporte des nombres non rels, la matrice est non diagonalisable. Cette condition nest cependant pas suffisante, puisque certaines matrices spectre
rel ne peuvent pas tre diagonalises.
Condition suffisante Si le spectre de A Rnn comporte n valeurs propres
relles distinctes, alors A est diagonalisable.

Restent alors traiter les matrices dont toutes les valeurs propres sont relles, et dont la
multiplicit algbrique dune valeur propre (au moins) est suprieure 1. Ce cas requiert
un examen plus approfondi reposant sur la rsolution du systme linaire AX = X pour
chacune des valeurs propres multiples . En fait, ce systme admet toujours une infinit
de solutions, les vecteurs propres associs et le vecteur nul. La caractrisation des
matrices diagonalisables repose sur la dimension de cet ensemble de solutions (nombre
de paramtres prsents).
Condition ncessaire et suffisante A Rnn est diagonalisable si et
seulement si toutes les valeurs propres de A sont relles, et, pour toute valeur
propre de multiplicit algbrique m > 2, le systme linaire AX = X admet
une infinit de solutions m paramtres.

On obtient une matrice diagonale semblable la matrice diagonalisable A en plaant les n


valeurs propres de A sur la diagonale (avec rptition en cas de valeurs multiples). Lordre
des valeurs propres importe peu, puisque toutes les matrices diagonales dont les lments
sont identiques une permutation prs, ont le mme spectre et sont toutes semblables
entre elles.
Enfin, signalons que les puissances dune matrice diagonalisable sont aises calculer.

136

Les matrices

Chapitre
Proprit Si A est diagonalisable avec D = H 1 A.H,

1
0

..
, alors
o D =
.

0
n

p N0 : Ap = H.D p .H 1 = H

6.4 LA

1
..
0

.
p
n

1
H .

DIAGONALISATION EN PRATIQUE
Sur la base des proprits nonces, la diagonalisation de la matrice carre A R nn
seffectue selon le plan suivant.
Premire tape : dterminer le spectre de A, cest--dire les n solutions dans C de lquation
caractristique det (A In ) = 0.

Deuxime tape : si ce spectre comporte au moins un lment de C\R, alors A nest pas
diagonalisable ; si toutes les valeurs propres sont relles et distinctes, alors la matrice est
diagonalisable ; si aucune des deux conclusions nest applicable, passer au point suivant.
Troisime tape : pour chaque valeur propre dont la multiplicit algbrique est > 2,
dterminer la dimension de lensemble des solutions du systme AX = X ; si, pour
chacune dentre elles, la multiplicit algbrique est gale la dimension de cet ensemble,
A est diagonalisable, sinon elle ne lest pas.

En outre, si A est diagonalisable, une matrice diagonale qui lui est semblable est obtenue
en plaant les valeurs propres sur la diagonale (en ordre quelconque, avec multiplicit
ventuelle).

Exemples

!
1 2
1. Pour vrifier si la matrice A =
est diagonalisable, on dtermine son spectre SA en
3 1
rsolvant lquation caractristique det (A I2 ) = 0 :


1
2

det (A I2 ) =
= 0 (1 ) (1 ) 6 = 0 2 7 = 0
3
1


SA =
7, 7 .

A admet donc 2 valeurs propres relles et distinctes A est diagonalisable.

!
!
7
0
7
0

.
Les matrices diagonales semblables A sont
et
0
7
0
7

0 1 0

2. B = 1 1 1 , lquation caractristique scrit : det (B I3 ) = 0.


0 0 1

Diagonalisation des matrices carres

137

Le calcul du dterminant seffectue de la manire suivante :








1 1
1
1
0
1



L2

L1 =
L2 L=2 L1
1
1
0
1 1

0





0
0
0
0
1
0
1

1
1 + 2
0

= (1 + 2 )(1 ).


1



1

Le spectre de B possde au moins un lment non rel, solution de : 1 + 2 = 0.


La matrice B nest donc pas diagonalisable.

!
2 1
3. Si C =
,
1 0


2 1


det (C I2 ) =
= (2 ) () + 1 = 2 2 + 1 = ( 1)2 .
1

SC possde une unique valeur propre 1 de multiplicit


!algbrique
! 2. Pour vrifier si C est
x
x
diagonalisable, il faut alors rsoudre le systme C.
=
, pour = 1.
y
y
!
!
!

! !
x
x
x
1 1
x
C.
= 1.
(C I2 ) .
=0
.
= 0 x y = 0.
y
y
y
1 1
y




Lensemble des solutions, donn par y, y : y R , comporte un seul paramtre rel. La
dimension de cet ensemble (gale 1) est donc diffrente de la multiplicit algbrique (gale
2) de la valeur propre. On en conclut que C nest pas diagonalisable.

Formes quadratiques

7.1 DFINITIONS
Une forme quadratique est une fonction polynomiale une ou plusieurs variables, dont
tous les termes sont du second degr. Les formes quadratiques interviennent dans ltude
des extrema des fonctions multivaries (chapitre 7). Plus prcisment, ltude du signe de
telles fonctions prsidera la formulation de conditions du second ordre.
Si les formes quadratiques apparaissent ds ce chapitre, cest parce que leur forme particulire permet dtudier leur signe laide de la diagonalisation de matrices symtriques.
Q : Rn R : x = (x1 , . . . ,xn ) Q(x) est une forme quadratique
n X
n
X
si x Rn : Q(x) =
ij xi xj o i, j : ij R,

Dfinition

i=1 j=1

ou, sous forme matricielle : Q(x) = X 0 X, o X = (xi )n1 , = ij


la matrice ligne transpose de X.

nn

et X 0 est

Exemples
1. Q (x1 , x2 ) = 3x12 + x22 5x1 x2 est une forme quadratique dans R2 .
2. R (x1 , x2 ) = 3x12 + x22 5x1 nen nest pas une (le dernier terme est du premier degr).

138

Les matrices

Chapitre
ij + ji
ij + ji
Comme i, j : ij xi xj + ji xj xi =
xi xj +
xj xi , on peut, sans perte de
2
2
gnralit, supposer que la matrice est symtrique. Les notions suivantes concernent le
signe dune forme quadratique.
Dfinitions

La forme quadratique Q : Rn R : x = (x1 , . . . ,xn ) Q(x) est dfinie


positive (resp. dfinie ngative) si x Rn : x 6= 0 Q(x) > 0 (resp. Q(x) < 0).
La forme quadratique Q : Rn R : x = (x1 , . . . ,xn ) Q(x) est semi-dfinie
positive (resp. semi-dfinie ngative) si x Rn : Q(x) > 0 (resp. Q(x) 6 0).
La forme quadratique Q : Rn R : x = (x1 , . . . ,xn ) Q(x) est indfinie si
x, y Rn : Q(x) > 0 et Q(y) < 0.

Remarque
Par dfinition : Q(0) = 0.

7.2 FORMES

QUADRATIQUES ET DIAGONALISATION

Considrons la forme quadratique Q(x) = X 0 X, o la matrice Rnn est symtrique


nn
et donc diagonalisable (voir section 6.3). Il existe donc une matrice diagonale
 R
nn
1
1
et une matrice inversible H R
telles que : = H H = HH . En outre :

1
0

.
, o les i sont les valeurs propres (relles) de .
..
=

0
n
son tour, la matrice permet de dfinir une forme quadratique en Y = yi

Q(y)
= Y 0 Y =

n X
n
X
i=1 j=1

ij yi yj =

n
X

n1

i yi2 .

i=1

et on peut montrer que :


Q est (semi)-dfinie positive (resp. ngative)
Q est (semi)-dfinie positive (resp. ngative).
Proprits Soit la forme quadratique Q(x) = X 0 X, o Rnn est symtrique.

Q est semi-dfinie positive toutes les valeurs propres de sont > 0 ;


Q est semi-dfinie ngative toutes les valeurs propres de sont 6 0 ;
Q est dfinie positive toutes les valeurs propres de sont > 0 ;
Q est dfinie ngative toutes les valeurs propres de sont < 0.

Formes quadratiques

139

On parle aussi bien de forme quadratique dfinie positive (par exemple) que de matrice
symtrique dfinie positive. La proprit ci-dessus peut donc snoncer en remplaant la
forme Q par la matrice .

7.3 LA

MTHODE DES MINEURS PRINCIPAUX


tudier le signe de la forme quadratique Q(x) = X 0 X, o Rnn est symtrique,
revient dterminer le signe des valeurs propres de . Toutefois, dans la pratique, on
fait volontiers usage de la mthode des mineurs principaux, souvent plus rapide que la
diagonalisation complte.

Dfinition Les mineurs principaux de = ij Rnn sont les dterminants
des n sous-matrices :
!

11 12
11
R22 , . . .
(1) = (11 ) R , (2) =
21 22

11 1i
.
.
..
ii
.
. . . , (i) =
. ..
.
R , . . . , (n) = .
i1 ii

Proprits Soit = ij Rnn une matrice symtrique.

est dfinie positive i = 1, . . . ,n : det (i) > 0 ;


est dfinie ngative i = 1, . . . ,n : (1)i det (i) > 0 ;
est semi-dfinie positive i = 1, . . . ,n : det (i) > 0 ;
est semi-dfinie ngative i = 1, . . . ,n : (1)i det (i) > 0.
i pair : det (i) < 0 est indfinie.

Notons que, pour les matrices semi-dfinies, les conditions sont ncessaires mais pas suffisantes. En outre, la dernire proprit est une consquence directe des deux prcdentes.

!
a b
Dans le cas particulier des matrices symtriques de taille 2 2, =
, associes
b c

! !
 a b
 
x
des formes quadratiques du type : Q x, y = x y
= ax2 + 2bxy + cy2 ,
b c
y
les deux mineurs principaux sont : det (1) = a et det (2) = det = ac b2 .
Proprits Soit =

140

Les matrices

a b
b c

R22 une matrice symtrique.

est dfinie positive a > 0 et ac b2 > 0 ;


est dfinie ngative a < 0 et ac b2 > 0 ;
est semi-dfinie positive a > 0 et ac b2 > 0.
est semi-dfinie ngative a 6 0 et ac b2 > 0 ;
ac b2 < 0 est indfinie.

Chapitre
Exemples
!
1
est dfinie positive (a = 4 > 0 et ac b2 = 7 > 0).
2

!
!
a b
2 8
=
=
est dfinie ngative (a = 2 < 0 et ac b2 = 2 > 0).
b c
1 3

!
!
a b
5
2
=
=
est indfinie (ac b2 = 3 < 0).
b c
1 1

!
0 0
La matrice nulle, =
, nest ni dfinie positive, ni dfinie ngative puisque a = 0.
0 0
On ne peut rien conclure concernant le fait quelle soit semi-dfinie partir des rsultats

ci-dessus. Cependant, la forme quadratique correspondante Q, dfinie par : Q x, y =
!


x
= 0 est la fois semi-dfinie positive et semi-dfinie ngative. On aurait
x y
y
aussi pu dduire ce rsultat de S = {0}.

1
0 0

0 2 0 est semi-dfinie ngative car elle possde trois valeurs propres 6 0.


0
0 0

1
0
1

Pour = 0
1 1 , la mthode des mineurs principaux ne permet pas de conclure.
1 1
0
Toutefois, on a : S = {1, 1, 2} ( vrifier comme exercice). Il sensuit que la matrice
possde des valeurs propres de signes opposs et est indfinie.

1. =
2.
3.
4.

5.

6.

a
b

b
c

4
1

Formes quadratiques

141

Problmes
et exercices
Ce chapitre porte sur plusieurs concepts importants dalgbre linaire.
Les exercices se doivent de tous les illustrer. En particulier, les rsultats
relatifs au signe des formes quadratiques seront utiliss dans les exercices
du chapitre 7, pour tudier les extrema des fonctions de plusieurs
variables. Enfin, apparatront divers problmes appliqus la gestion
dont la rsolution fait intervenir des matrices ou des systmes linaires.

Oprations sur les matrices


EXERCICE 1
nonc
Soit A =

!
2 2
3 1
1 1 0
,B=
et C =
.
0
1
6 2
0
1 4

a Dterminez, si possible, les matrices suivantes : 3A, C, A + B, B A, B + C, A.B, B.A,


B.C. Vrifiez que A.B 6= B.A.
b Dterminez A0 , B0 , (A.B)0 et vrifiez que (A.B)0 = B0 .A0 .

Solution

142

Les matrices

6 6
1
1
0
5 1
1
a 3A =
, C =
,A+B=
,BA=
0
3
0 1 4
6
3
6

!
6 2
6 5
B + C : impossible, A.B =
, B.A =
6= A.B,
6
2
12 10

!
3 2 4
B.C =
.
6 4 8

!
2
0
3
6
6
6
3
6
2
b A0 =
, B0 =
, (A.B)0 =
, B0 .A0 =
2 1
1 2
2 2
1 2
2

!
6 6
= (A.B)0 .
2 2

!
3
,
1

0
1

Chapitre

EXERCICE 2
nonc
Soit A =

!
1 2
.
3 4

Trouvez lensemble des matrices B R22 telles que A.B = B.A.

Solution

!
x y
Posons B =
. La condition A.B = B.A scrit :
z t

!
!
!
!
1 2
x y
x y
1 2
=
3 4
z t
z t
3 4

!
!
x + 2z y + 2t
x + 3y 2x + 4y

=
3x + 4z 3y + 4t
z + 3t 2z + 4t

z= y
x + 2z = x + 3y
2z = 3y

y + 2t = 2x + 4y
2t = 2x + 3y
3

t =x+ y

3x
+
4z
=
z
+
3t
3x
+
3z
=
3t
2

9
9

3x + y = 3x + y
3y + 4t = 2z + 4t
3y = 2z
2
2

z= y

t = x + 3y

x, y R

x
y
Donc : B = 3
3 , o x, y R.
y x+ y
2
2

Matrices particulires

nonc

Solution

Montrez que pour toute matrice A Rnm , les matrices A.A0 et A0 .A existent et sont
carres.
Par dfinition de la transpose, A0 Rmn . Les deux produits matriciels A.A0 et A0 .A
sont donc ralisables et, dune part, A A0 Rnn , dautre part, A0 .A Rmm . Ces deux
matrices sont donc carres.

Matrices particulires

Exercices

EXERCICE 3

143

EXERCICE 4
nonc

Solution

a Montrez que si A Rnn est idempotente (A2 = A) et si B = In A, alors B est


idempotente.
b Montrez que si A Rnn est symtrique et idempotente, alors A.A0 .A = A.
a Par hypothse, B = In A et A2 = A. Donc :
B.B = (In A) (In A) = In2 A A + A2 = In 2A + A = In A = B
B est idempotente.

b A = A0 et A2 = A A.A0 .A = A.A0 .A = (A.A) .A = A2 .A = A A = A2 = A.

Trace et dterminant
EXERCICE 5
nonc

Solution

Reprenez les donnes de lexercice 1.


Calculez tr (3A + 2B) de deux manires diffrentes.
Premire manire : tr (3A + 2B) = tr

12 4
12
7

= 12 + 7 = 19.

Seconde manire : tr (3A + 2B) = 3 tr A + 2 tr B = 3.3 + 2.5 = 19.

EXERCICE 6
nonc

Solution

Calculez le dterminant de chacune des matrices suivantes :

!
1 4 0
0 1 1
2 1

A=
, B = 1 2 2 et C = 1 2 0 .
4
3
6 0 1
1 0 2
|A| = 2 3 (1) 4 = 10.

|B| = 1 2 1 + 4 2 6 + 0 1 0 0 2 6 4 1 1 (1) 2 0 = 42.

|C| = 4.

144

Les matrices

Chapitre

EXERCICE 7
nonc

a Toute matrice triangulaire T Rnn a pour dterminant le produit des lments diagonaux. Montrez-le pour n = 3.


2
2
2
2

4
2
1 1

b Calculez
en passant par une forme triangulaire et en appliquant le
1
3 1
1

3 1
5
4
rsultat prcdent.

a 0 0

a T = d b 0 est la forme gnrale dune matrice triangulaire infrieure de taille


f e c
3 3.
Daprs la rgle de Sarrus : det T = abc + 00f + 0de 0bf 0dc a0e = abc.

Comme det T = det T 0 , le rsultat reste valable pour une matrice triangulaire suprieure.

b Les proprits utilises ici sont :


Si une ligne est multiplie par un nombre rel, le dterminant lest galement.
Le dterminant dune matrice ne se modifie pas si on ajoute une ligne, une combinaison
linaire dautres lignes.
Une permutation de deux lignes change le signe du dterminant.





2

1
L2 L2 +4L1 1
2
2
2
1
1
1



L L L
3
3
1
4
4 2
2
1 1
1 1 L4 L4 +3L1 0


=
2

= 2

1
1
0
3 1
1
3 1 1



3 1



0
5
4
3 1 5
4

1

L2 L2 3L3
L4 L4 L3 0
=
2
0

0



1
1
1 1

0
0 11 3 L3 L2

= 2

0
2 2 0


0
0 10 7


1

0
10

L4 L4 11 L3
=
2 0


0
= 188.

1
1
2 2
0 11
0


1
1 1
6
5 3

2 2 0
2
8 7


1 1 1
2 2 0

0 11 3
0 10 7


1
0
47

3 = 2 1 2 11 11

47

11

Trace et dterminant

Exercices

Solution

145

EXERCICE 8
nonc

Montrez que le dterminant des matrices suivantes est nul :

1 2 3
x 2x + 4 4

D = 4 5 6 , E = y 2y + 9 9
7 8 9
z
2z
0

Solution

2 4 2 4
2
2 2 5

et F =

1
8
0 1
1 20 2 1

On procde par transformations de lignes (pour D et F), ou de colonnes (pour E),


qui ne modifient pas le dterminant, jusqu lobtention dune matrice prsentant une
caractristique suffisante pour annuler son dterminant.




1 2 3 L L L 1 2 3

L2 L2 L1


3 3 1

|D| = 4 5 6 = 3 3 3 = 0 (deux lignes proportionnelles).




7 8 9
6 6 6





x 2x + 4 4



C C 2C x 4 4

2 =2 1

|E| = y 2y + 9 9
y 9 9 = 0 (deux colonnes identiques).




z
z 0 0
2z
0







2 4 2 4
1 2 1 2
1 1 1 2






2
2
2
2 2 5
2 2 5
1 2 5



|F| =
= 2
= 4

1
1
1
8
0 1
8
0 1
4
0 1



1 20 2 1
1 20 2 1
1 10 2 1

L2 L2 2L1
L3 L3 +L1
L4 L4 L1





1 1 1
1 1 1 2
2



L3 L3 L2
0
3
0
1 L4 L4 +3L2 0
3
0 1

=
4
4


0
0
3 1
3
0 1 2




0 9 1 1
0
0 1 2

= 0 (deux lignes identiques).

EXERCICE 9
nonc

146

Les matrices



x 1
4
6



Rsolvez lquation 4
x4
4 = 0.


5
8
x 2

Chapitre




x + 8 x + 8 x + 8
x 1
4
6



L1 L1 +L2 +L3


=
0
x4
4 =0
x4
4
4
4




5
5
8
x 2
8
x 2



0
0
C2 C2 C1 x + 8
C3 C3 C1

4
x8
0 = 0 (x + 8) (x 8) (x 7) = 0 x {7, 8, 8}.


5
3
x 7

Solution

EXERCICE 10
nonc

Montrez que le dterminant dune matrice de taille n n antisymtrique est nul si n est
impair.

Solution

Si M Rnn est antisymtrique, alors :


M 0 = M det M 0 = det (M) = det [(1)M] det M = (1)n det M.
Si, en outre, n est impair, alors : (1)n = 1 et det M = det M det M = 0.

Inversion de matrices
EXERCICE 11
nonc

a Montrez que : A, B Rnn : B inversible et A.B = 0nn A = 0nn .

b Cette proposition reste-t-elle vraie si on remplace lhypothse dinversibilit par B 6= 0 nn ?



a A.B = 0nn (A.B).B1 = 0nn .B1 A. B.B1 = 0nn .B1 A.In = 0nn
A = 0nn .
b Non. Voici un contre-exemple.

0 0 . . . ...

A=.
(6= 0nn )
. ... ...

.
0

0 0 0 nn
1

. . ..
0
. .

et B = .
AB = 0nn .

. ...

.
0
0

0 0 1 nn
0

0
..
.

Inversion de matrices

Exercices

Solution

147

EXERCICE 12
nonc

a Inversez, si possible, les matrices suivantes :

A=

2 1
4
3

, B=

2 0
4 5

, C=

b Montrez que (A.B)1 = B1 .A1 .

6 9
4
6

1 6 2

et D = 0 1 0 .
3 0 5

c La matrice A.C est-elle inversible?

Solution

1
d Trouvez, si possible, F R22 telle que : F 1 = AC 8I2 .
2

!
!
!
a
b
2
1
a
b
1
0
a det A = 10 6= 0. Cherchons A1 =
telle que
=
.
c d
4
3
c d
0 1

3
2a c = 1

2
1
3

a =
4a + 3c = 0
, c=

10
5
et finalement : A1 = 10 10 .

1
1
1
2

2b d = 0
b =

, d=

10
5
5 5
4b + 3d = 1

1
0

B1 = 22 1 .

5 5
det C = 0 C est singulire.

a b c

det D = 1 6= 0. Cherchons D1 = d e f telle que


g h i

1 0 0
a b c
1 6
2


0d e f = 0 1 0
0 1
3 0 5
g h i
0 0 1

a + 6d + 2g = 1
a=5

d=0
b = 30

3a

5g
=
0
c=2

5 30 2
b + 6e + 2h = 0
d = 0

e=1
et finalement : E1 = 0
e=1
1 0 .

3b 5h = 0
f =0
3 18 1

c + 6f + 2i = 0
g=3

f = 0
h = 18

3c 5i = 1
i=1
148

Les matrices

Chapitre
b (A.B) =

(A.B)1

2 1
4
3

15

= 100
1

2 0
4 5

0 5
20 15

5
1

100 = B1 .A1 = 2
2

0
5

3
10
1 2

5
5
0

1 3

10
= 20
1 1

5
5

c Non. En effet, det (A.C) = det A. det C = 0 , puisque det C = 0.

!
!
!

1
1
1
2
1
6
9
8
0
16
d F 1 = AC8I2 =

=
2
2 4
2 12
3
4
6
0 8

17

!1


0
12
0
12
1

F 1 =
F = F 1
=
= 72
1
6 17
6 17

12

1
20
.
0

!
!
24
8 0

18
0 8

1
6
.
0

Rang et systmes linaires


EXERCICE 13

a Rsolvez le systme de Cramer

x+y =1
x + 2y = 0

par la mthode des dterminants.

b Dans chaque cas, caractrisez le systme et rsolvez-le.

x + 2y 5z = 0
x + 2y 5z + t = 0
(ii)
(i)
2z + y x + 2t = 0
x+yz =0

x + y + z = 0
2x + 7z + 2t = 0

Solution



1 1




0 2


1


1
2
= ,y =
a x=
1 1
1
3






1 2
1

x + 2y = 2
(iii)
x 2y = 1

3x + y = 0


1

0
1
=

3
1

2

b On utilise la mthode de Gauss sous forme matricielle, soit partir la matrice A des
 
.
coefficients (pour un systme homogne), soit partir de la matrice augmente A..B
(pour un systme non homogne).

Rang et systmes linaires

Exercices

nonc

149

(i) Systme homogne de 3 quations 4 inconnues.

1 2 5 1 L2 L2 +L1 1 2 5 1
1
2
5
1
1

L3 L3 +2L1

L2 3 L2
2 2 0 3 3 3 0 1 1 1
1 1
2 0
7 2
0 4 3 4
0 4 3 4

x=t

1 0 3 1 L1 L1 +3L3 1 0 0 1
L1 L1 2L2

L3 L3 4L2
y = t
L2 L2 +L3

0 1 1
.
1 0 1 0
1

z=0

0 0
1
0
0 0 1
0

tR
Le systme est donc indtermin. Lensemble de ses solutions est :
S = {(, , 0, ) : R} .
(ii) Systme homogne de 3 quations 3 inconnues, donc carr.

1 2 5 L2 L2 L1 1
2 5

L3 L3 +L1

4
1 1 1 0 1
1 1
1
0
3 4

1 2 5
1 2 5
L2 L2

L3 L3 3L2
0 1 4 0 1 4 .
0 0
8
0 3 4

dont le dterminant est non nul, ce qui implique que le systme homogne est de Cramer.
Il possde donc lunique solution (0, 0, 0).
(iii) Systme non homogne de 3 quations 2 inconnues.

2
2
1
2
1
2
L2 L2 L1
L3 L3 3L1

1 2 1 0 4 3
3
1
0
0 5 6

1
2
2
1
2
2
L2 1
4 L2
L3 L3 +5L2

0
1 3/4 0 1
3/4 .
0 5 6
0 0 9/4
La dernire ligne signifie : 0 =

9
. Le systme est donc impossible.
4

EXERCICE 14
nonc
Dterminez les valeurs de a et b R telles que le systme
compatible.

150

Les matrices

ax + 2by = ab + 1
x 2y = b

soit

Chapitre
Solution

a
1

2b
2

L2
L2 2
1

ab + 1
b

2
a+b

b
0,5

L1 L2

2
2b

1
a

b
ab + 1

L2 L2 aL1

1
0

2
2b + 2a

b
1

. Le systme est compatible a + b 6= 0 a 6= b.

EXERCICE 15

Solution

kx + 2y z = 0
Rsolvez le systme suivant en discutant selon le paramtre rel k : x + y 2kz = 0

x+y =k

k 2 1 0
1 1 2k 0

L2 L1

1 1 2k 0 k 2 1 0
1 1
0
k
1 1
0
k
L2 L2 kL1
L3 L3 L1

Si k 6= 2 :

()

1 L
L2 2k
2

1 1

0 1

0 0

Si k 6= 2 et k 6= 0 :

1 0
1
L3 2k L3

() 0 1

0 0
la solution
Si k = 2 :

2k

1 + 2k2
2k
2k

1 4k
2k
1 + 2k2
2k
1

4k 1 1 2k2 1
,
,
4 2k 4 2k 2

1
1
2k
0

0 2 k 1 + 2k2 0
0
0
2k
k

1 0
L L L
1 1 2

0
0 1

k
0 0

1 4k
2k
1 + 2k2
2k
2k

L
0 L1 L1 14k
3
2k
1 0 0
L2 L2 1+2k2 L3
2k

0 1 0
0

1
0 0 1
2

()

4k 1
4 2k
1 2k2
4 2k
1
2

()

est unique.

1 1 4 0
1 1 4 0
1 1 4 0
1

L2 7 L2
L3 L3 4L2

() 0 0
7 0 0 0
1 0 0 0 1 0
0 0
4 2
0 0
4 2
0 0 0 2

systme impossible.

Rang et systmes linaires

Exercices

nonc

151

Si k = 0 :

1 0

()
0 1

0 0

1
2
1
2
0





solutions :
, , : R .
2 2
1

x= z

y= z
0

0
zR
0

EXERCICE 16
nonc

Solution

Le systme AX = B comporte 30 quations 20 inconnues. Dterminez son nombre de


solutions, sachant que :
.
a rg A = 19 et rg(A..B) = 20,
.
b rg A = 20 et rg(A..B) = 20,
.
c rg A = 18 et rg(A..B) = 18.
a aucune solution,
b une solution,
c une infinit de solutions.

EXERCICE 17
nonc

a Calculez le rang de chacune des matrices suivantes :

!
1 0 0
1 2
5 4
2 1
1 4

A=
, B=
, C = 1 0 0 et D =
.
0 3 2
1
4
3
3 12
0 0 0
b Discutez le rang des matrices suivantes en fonction des paramtres rels a et b :

!
1 a 0
a 1

E=
,
F = 2 1 b .
1 1
2 0 0

Solution

152

Les matrices

a A=

2 1
4
3

L2 L2 2L1

2 1
0
5

rg A = 2,

Chapitre

!
1 4

rg B = 1,
0 0

0 0
1 0 0
L2 L2 L1

0 0 0 0 0 rg C = 1,
0 0
0 0 0
!

!
1 2
5 4 L2 L2 +2L1 1 2 5 4 C2 C3

rg D = 2.
2
4 2
1
0 0 8 7

1
B=
3

C = 1
0

D=

4
12

L2 L2 3L1

!
(
1 1 L2 L2 aL1 1 1
rg E = 2

b E=

a 1
0 a1
rg E = 1

1
0 0
1 a 0
2
0 0
1

L1 L3
L1 2 L1
F = 2 1 b 2 1 b 2 1 b
1
a 0
2 0 0
1
a 0

1 0 0
1
0 0
L2 L2 2L1
L3 L3 L1
L3 L3 +aL2

0 1 b 0 1 b .
0 a 0
0
0 ab
a 1
1 1

L1 L2

si a 6= 1
,
si a = 1

Si ab = 0 a = 0 ou b = 0 : rg F = 2.
Si ab 6= 0 a 6= 0 et b 6= 0 : rg F = 3.

Diagonalisation

nonc

a
b

Dans chaque cas, dterminez le spectre des matrices donnes. Ces matrices sont-elles
diagonalisables? Si oui, donnez-en une matrice diagonale semblable.

!
1 2
A=
.
1 0

!
2 4
B=
.
5 2

4 1 1

C = 2 5 2 .
1 1
2

3 1 1

E = 7 5 1 .
6 6 2

Diagonalisation

Exercices

EXERCICE 18

153

Solution



1 2


a det (A I) =
= 0 (1 ) () 2 = 0 2 2 = 0
1

SA = {2, 1}.

!
2 0
A admet 2 valeurs propres relles distinctes A est diagonalisable. DA =
est
0 1
une matrice diagonale semblable A.


2
4

b det (B I) =
=0
5
2
(2 ) ( (2 + )) + 20 = 0 2 + 16 = 0 SB
pas diagonalisable.


4
1
1



c det (C I) = 2
5 2 = 0


1
1
2

4
1

C3 C3 +C2
(3 ) 2
5

1
1

= {4i, 4i} . SB 6 R B nest


0

1 = 0.

1

(1)

Pour faciliter la factorisation du polynme caractristique, on introduit des zros en


dernire colonne avant dappliquer la rgle de Sarrus :


4

1
0


L2 L2 L3


(1) (3 ) 1
4 0 = 0


1
1
1

(3 ) (4 )2 1 = 0 (3 )2 (5 ) = 0
SC = {3, 5}.

o les valeurs propres relles, 3 et


5, sont
algbriques respectives 2 et 1.
de multiplicits

x
x


Il faut donc rsoudre le systme C y = y , pour = 3.
z
z





1 1 1
x
x
x
x



(2)
C y = 3 y (C 3I3 ) y = 0 2 2 2 y = 0
z
z
z
1 1 1
z

1 1 1 L2 L2 2L1 1 1 1

L3 L3 L1

Par la mthode de Gauss, on a : 2 2 2 0 0


0 .
1 1 1
0 0
0
Donc : (2) x + y z = 0.



Lensemble des solutions, x, y, x + y : x, y R , comporte 2 paramtres. C est donc
diagonalisable.

3 0 0

DC = 0 3 0 est semblable C.
0 0 5

154

Les matrices

Chapitre


3
1
1



d det (E I) = 7
5
1 = 0 (4 ) ( + 2)2 = 0


6
6
2
SE = {2, 4}, o les valeurs propres relles 2 et4 sont
multiplicits
algbriques
de

x
x


respectives 2 et 1. Il faut donc rsoudre le systme E y = y , pour = 2.
z
z

x
x
x
1 1 1
x
x = y



E y = 2 y (E + 2I) y = 0 7 7 1 y = 0 z = 0

z
z
z
6 6
0
z
yR
puisque par la mthode de Gauss, on a :

1 1 1
1 1 0

0 1.
7 7 1 0
6 6 0
0
0 0



Lensemble des solutions y, y, 0 : y R ne comporte quun seul paramtre. Donc E
nest pas diagonalisable.

Formes quadratiques
EXERCICE 19
nonc

tudiez le signe des formes quadratiques donnes par la mthode des valeurs propres.
a Q(x, y) = x2 + 3y2 + 2xy.

b Q(x, y, z) = x2 + y2 + 3z2 + 4xy.

c Q(x, y, z) = 6x2 + 5y2 + 7z2 4xy + 4xz.

d Q(x, y, z) = 4x2 + 4y2 8z2 10xy 4xz 4yz.

Solution

!
1 1
a La matrice symtrique associe Q est =
.
1 3


1
1

det ( I) =
= (1 ) (3 ) 1
1
3
n
o

= 2 4 + 2 S = 2 2, 2 + 2 .
Les valeurs propres de sont positives Q est dfinie positive.

Formes quadratiques

Exercices

e Q(x, y, z) = y2 + z2 + 2xy 2xz.

155

1 2 0

b La matrice symtrique associe Q est = 2 1 0 .


0 0 3


1
2
0



det ( I) = 2
1
0 = (1 )2 (3 ) 4 (3 )


0
0
3

= (3 ) (1 )2 4 = (3 ) (1 2) (1 + 2)
= (3 )2 (1 + ) S = {1, 3} .

Lexistence de valeurs propres de signes opposs implique que Q est indfinie.


c Q est dfinie positive.
d Q est indfinie.

0 1 1

e La matrice symtrique associe Q est = 1 1 0 .


1 0 1



1
1



det ( I) = 1 1
0 = (1 )2 (1 ) (1 )


1
0
1

= (1 ) 2 2 (1 ) ( + 1) ( 2) = 0 S = {1, 1, 2} .
Lexistence de valeurs propres de signes opposs implique que Q est indfinie.

EXERCICE 20
nonc

156

Les matrices

Dterminez par la mthode des mineurs principaux si les matrices symtriques suivantes
sont (semi)-dfinies positives ou ngatives.

!
0 3
6 3
2 2
2 2
A=
,B=
,C =
,D=
,
3 0
3 6
2 0
2 4

!
1
0
20
4
4
4
0 1
0 1
, H =
E=
,F =
,G=2
,J =
,
4 20
4 4
1 0
1 2
0 2

!
2 2 2
2 0
3
0
3 0

K = 2
,M =
,N =
,
6 0 , L =
0 1
0 3
0 3
2
0 4

!
2 2
2 2
2 1
0 1
P =
,Q =
,R =
,S =
o y R,
2 2
2
6
1 2
1 6y

!
4 2
T=
.
2 2

Chapitre
Solution


Les matrices A, C, E, F, M, P et S y R sont indfinies car leurs dterminants sont
ngatifs.
Les matrices B, D, G, H, K, L, N, Q et R sont dfinies positives.


6 3


= 36 9 > 0.
Justification pour B : (1) = 6 > 0, (2) =
3
6
On peut raisonner de la mme faon pour D, H, Q et R.
Justification pour G, L et N : ce sont des matrices diagonales dont les valeurs propres
(qui apparaissent sur la diagonale) sont positives.
Justification pour K :


2 2


(1) = 2 > 0, (2) =
=8
2
6


2 2 2




et (3) = 2
6 0 = 48 24 16 = 8 > 0.


2
0 4

Pour J : aucune conclusion nest apporte par la mthode des mineurs principaux.
Cependant, comme SJ = {8, 0}, les valeurs propres sont toutes ngatives ou nulles.
On en conclut que J est semi-dfinie ngative.


4 2


= 4 > 0.
T est dfinie ngative. En effet : (1) = 4 < 0, (2) =
2 2

Applications la gestion
nonc

Solution

Une entreprise de fournitures de bureau vend des cartouches dencre de qualit moyenne
(mesure par le nombre 15 sur une chelle numrique connue de 1 30) 50 euros la
pice. Elle dispose de deux variables de dcision pour influencer le volume V de ses ventes
de cartouches dencre et sa marge bnficiaire par cartouche M : le prix par cartouche
(not p) et la qualit des cartouches (note q).
Si le prix de la cartouche passe de p p + a ( qualit inchange), les ventes diminuent
globalement de 3a units et la marge unitaire augmente de a. Si la qualit des cartouches
passe de q q + b ( prix inchang), les ventes augmentent de b units et la marge unitaire
baisse de b.
Dterminez la stratgie qui permet de vendre 20 cartouches de plus sans affecter la marge
unitaire.
La solution est donne par le couple (a, b), o a reprsente la variation de prix et b la
variation de qualit, vrifiant les deux conditions suivantes :
Accroissement des ventes de 20 units : V = 3a + b = 20,
Marge inchange : M = a b = 0.

Applications la gestion

Exercices

EXERCICE 21

157

Ces conditions se prsentent sous la forme dun systme de Cramer :


(

3a + b = 20
ab=0

2a = 20

a=b

a = 10
b = 10

Pour vendre 20 cartouches de plus sans changer sa marge, lentreprise doit baisser son
prix de vente de 10 euros par cartouche en diminuant la qualit de 10 units. Elle doit
donc vendre 40 euros des cartouches de qualit 5.

EXERCICE 22
nonc

Une entreprise fabrique deux produits intermdiaires U et V. Pour produire une unit de
produit U (resp. de produit V) lentreprise utilise 20 % (resp. 10 %) de sa production de U
et 60 % (resp. 30 %) de sa production de V.

On appelle matrice des coefficients techniques, la matrice A = aij nn (ici n = 2) telle que
aij reprsente la quantit de linput i ncessaire pour produire une unit de j.
a Donnez la matrice des coefficients techniques de lentreprise considre.
b Si lentreprise produit 200 units de biens U et 350 units de biens V, quelle sera la
production finale qui parviendra aux consommateurs?
c Quelle est le niveau de la production totale qui satisfait une demande finale de 500 units
de U et 1 000 de V?

Solution

a La matrice des coefficients techniques est A =

!
0,2 0,1
.
0,6 0,3

!
200
b Sous forme matricielle, cette production sexprime par : X =
.
350

!
!
!
0,2 0,1
200
75
La consommation intermdiaire est donn par : AX =
=
.
0,6 0,3
350
225

!
!
!
200
75
125
Pour satisfaire la demande finale, il reste donc : X AX =

=
,
350
225
125
soit 125 units de U et 125 units de V.

!
500
c Soit D =
, la matrice colonne qui exprime la demande finale.
1 000
!
x
Il faut trouver X =
R21 tel que : X AX = D.
y
Or : X AX = D (I A) X = D X = (I A)1 D, car (I A) est une matrice
inversible.

158

Les matrices

Chapitre
On procde donc linversion de la matrice : (I A) =

!
0,8 0,1
.
0,6
0,7

!
1,4
0,2
On obtient (I A)1 =
.
0,2 1,6

!
!
!
1,4 0,2
500
900
1
Il sensuit que : X = (I A) D =
=
.
0,2 1,6
1 000
1 700
Ainsi, la production ncessaire est 900 units de U et 1 700 de V.
Remarque
la matrice (I A) est appele matrice de Lontiev.

EXERCICE 23
nonc

Les prix, la date t, de trois actions de firmes lies par leurs structures dactionnariat,
p1,t , p2,t et p3,t , dpendent chacun des anticipations des prix futurs des trois titres,
pi,t+1 (i = 1, 2, 3), de la manire suivante :

p1,t

p2,t = b

b
p3,t

| 2


2
1,t
p1,t+1
b


p2,t+1 + 2,t , o a, b, c, d > 0
d

3
3,t
b a + d p3,t+1
3 {z 2 }
A
b

(1)

o 1,t , 2,t et 3,t reprsentent des perturbations alatoires.


a Montrez que la matrice A est diagonalisable.

b Grce cette diagonalisation, il existe un systme de trois prix, combinaisons linaires de


p1,t , p2,t et p3,t , telle que lvolution de chacun ne dpend que de sa propre anticipation et
de perturbations. Dmontrez-le.
a La matrice A tant symtrique, elle est diagonalisable.
b Condensons lcriture de (1) sous la forme : pt = Apt+1 + t .
Comme A est diagonalisable, on a, par dfinition : H, D R33 telles que H est inversible,
D est diagonale et : A = H 1 DH ( HA = DH).
Le systme (1) scrit de faon quivalente, en multipliant gauche par la matrice H :
Hpt = |{z}
HA pt+1 + Ht pt = Dpt+1 + t

(2)

DH



o pt = Hpt pt+1 = H pt+1 et t = Ht .

Applications la gestion

Exercices

Solution

159

Chaque composante du nouveau vecteur de prix pt = Hpt sexprime en fonction de sa


propre anticipation et de perturbations puisque (2) scrit :

p1,t+1
1,t
d1 0 0
p1,t

p2,t = 0 d2 0 p2,t+1 + 2,t


3,t
p3,t
0 0 d3
p3,t+1
|
{z
}
D

ou encore : pi,t = di pi,t+1 + i,t , i = 1, 2, 3.

EXERCICE 24
nonc

Un conomtre a tabli que la dynamique jointe des taux de change (vis--vis du dollar US)
de leuro c1,t , du franc suisse c2,t et de la livre sterling c3,t stablit comme suit :


a 0 0
c1,t
1,t
c1,t1


(1)
c2,t = b a c c2,t1 + 2,t , o a > 0 et b, c > 0.
b 0 a
c3,t
3,t
c3,t1
|
{z
}
A

a La matrice A est-elle diagonalisable? On discutera en fonction des paramtres a, b et c.

b En omettant les perturbations (imprvisibles), crivez la prvision du cours de leuro pour


la semaine prochaine ( la date t + 5, puisquune semaine correspond 5 jours ouvrables),
en fonction des taux de change prsents.

Solution



a
0
0



a det (A I3 ) = b
a
c = (a )3 .


b
0
a
Lunique valeur propre, a, est relle et de une multiplicit algbrique gale 3. Il faut donc
dterminer la dimension de lensemble des solutions de :


x
a 0 0
x



b a c y = ay
z
z
b 0 a
{z
}
|
A


(
(
0 0 0
x
0
bx + cz = 0
cz = 0


b 0 c y = 0

.
bx = 0
bx = 0
b 0 0
z
0

La dimension de lensemble de solution nest gale 3 que lorsque b = c = 0. On a donc :


A est diagonalisable b = c = 0.

b La premire ligne du systme (1) exprime que leuro ne dpend ni la valeur passe du
franc suisse, ni de celle de la livre sterling : c1,t = ac1,t1 + 1,t . Sachant que la perturbation
est imprvisible (prvision nulle), on obtient simplement la prvision suivante : c1,t+5 =
ac1,t+4 = = a5 c1,t .

160

Les matrices

Chapitre

Les fonctions
de plusieurs
variables relles
Les fonctions de plusieurs variables relles
1. Domaine, image et limites . . .. . . . .. 162
2. Continuit . . . . .. . . . .. . . . .. . . . .. . . . 169
3. Drives partielles et lasticits . . . . 170
4. Diffrentiabilit et (hyper)plan
tangent . . .. . . . .. . . . .. . . . .. . . . .. . . . 173
4.1 Diffrentiabilit des fonctions dune
seule variable . . . . . . . . . . . . . . . . . 173
4.2 Diffrentiabilit des fonctions de n
variables . . . . . . . . . . . . . . . . . . . . . . 174
4.3 La rgle de drivation en chane
(chain rule) . . . . . . . . . . . . . . . . . . . . 176

Les fonctions de plusieurs variables constituent la


matire mathmatique de prdilection pour la
formalisation des problmes de la gestion. Quil
sagisse de traiter des questions relatives la
production, la consommation ou encore
lenvironnement et la gestion publique, une
modlisation adquate sexprime le plus souvent
laide de fonctions de plusieurs variables. Les

5. Fonctions homognes . . . . .. . . .. . . . 178

restrictions exiges par ce cadre conceptuel imposent

6. Drives partielles dordres suprieurs


et matrice hessienne . .. . . . .. . . .. . . . 178
7. Fonctions concaves et convexes .. . 180

toutefois, dune part, la quantification des facteurs pris

Problmes et exercices . .. .
Domaine, graphe et courbes de niveau
Limites et continuit . . . . .. . . . .. . . . .. . . .
Drives partielles, lasticits et
diffrentielle . . .. . . . .. . . .. . . . .. . . . .
Fonctions homognes . . . .. . . . .. . . . .. . .

182
182
186

rels) et, dautre part, la reprsentation des relations

190
197

cadre du prsent ouvrage, prennent le relais. Ainsi, la

Matrice hessienne, fonctions concaves


et convexes . .. . . . .. . . . .. . . . .. . . . .. 198

en compte (les valeurs des variables sont des nombres


sous forme dterministe. Au-del de ces restrictions,
dautres thories mathmatiques, qui dpassent le
thorie des probabilits offre diverses possibilits
dintgration de la notion de risque, cruciale par
exemple pour les financiers.

Les fonctions de plusieurs variables relles

161

Ce chapitre introduit les fonctions de plusieurs variables relles en largissant les dfinitions nonces aux chapitres 1 et 4 pour les fonctions dune variable relle. videmment,
la reprsentation gomtrique devient plus lourde : une fonction de n variables se visualise
a priori dans un espace n + 1 dimensions (n pour les variables, 1 pour la fonction),
alors que les pages dun livre sont, par nature, bidimensionnelles. Pour contourner cette
impossibilit technique, nous nous limiterons aux reprsentations des fonctions de deux
variables, soit sous forme de dessins en perspective, soit sous forme de coupes par des
plans horizontaux ou verticaux qui donnent des informations souvent utiles, quoique
parcellaires. Ce problme de visualisation introduit une rupture nette par rapport aux
fonctions dune variable tudies antrieurement.
Dans ce chapitre, nous prenons le parti de privilgier les thmes qui scartent des notions
vues pour les fonctions dune seule variable. loppos, les dfinitions et les proprits qui apparaissent comme des gnralisations videntes sont voques ou prsentes
brivement.

Domaine, image et limites


Les dfinitions de base vues aux chapitres 1 et 3 pour les fonctions de R dans R sadaptent
sans difficult au cas des fonctions de Rn dans R.
Dfinitions Une fonction f : D R, o D Rn , associe chaque lment
x = (x1 , . . . , xn ) D un et un seul nombre rel f (x).
Le domaine de f est lensemble D.


Limage par f de D est lensemble Imf (D) = y R : y = f (x), o x D .
Le graphe de f est la surface de Rn+1 dquation y = f (x),
o x = (x1 , . . . , xn ) D.

Exemples dapplications la gestion


Lutilit U dun consommateur dpend de ses quantits consommes. En prsence de n biens,
la fonction dutilit sexprime sous la forme U = f (x1 , x2 , . . . , xn ), o xi dsigne la quantit
consomme du i-me bien disponible (i = 1, . . . ,n).
Le cot C dune brochure publicitaire dpend de son format (longueur p, largeur q, nombre de
pages n), du nombre m de couleurs utilises, de la surface s consacre aux photographies :

C = f p, q, n, m, s .
La production P dune entreprise est souvent exprime en fonction de deux facteurs synthtiques : le capital, not K, et le travail, not W : P = f (K, W).
la date t, le cours terme du dollar US (vis--vis
de leuro), pour lchance T, sexprime


comme une fonction : F = f T t, st , rt,T , rt,T


, o st est le cours du dollar au comptant en t

) est le taux dintrt en euros (resp. en dollars US) en vigueur la date t pour
et rt,T (resp. rt,T
lchance T.

Lorsque n = 2, le graphe Gf z = f (x, y), o (x, y) D, est tridimensionnel. Les axes


relatifs aux variables, x et y, sont conventionnellement situs dans un plan horizontal (le
domaine D apparat alors comme un sous-ensemble de ce plan), tandis que la dimension
verticale est rserve aux valeurs de z. Ainsi, tout a = (a1, a2 ) D, dont limage est f (a)
R, correspond le point suivant du graphe : a1 , a2 , f (a) R3 . Une mise en perspective
162

Les fonctions de plusieurs variables relles

Chapitre
permet la visualisation des surfaces trois dimensions (voir notamment la figure 6.12,
page 171). Dans ce cas, laxe z est toujours plac verticalement. Toutefois, pour des raisons
de lisibilit, les axes x et y ne sont pas toujours prsents selon la mme orientation.
Pour n > 2, la reprsentation plane devient malheureusement impraticable.

Exemples mathmatiques

Le domaine de la fonction f (x, y) = x + y est donn par D = (x, y) R2 |x + y > 0 .


Il se reprsente donc naturellement comme une portion du plan R2 (voir figure 6.1). En
outre, les valeurs prises par la fonction parcourent tout lensemble des rels positifs ou nuls :
Imf (D) = R+ .
y

Figure 6.1
6

Le graphe de f : R2 R : (x, y) x2 y2 est une surface de R3 qui a la forme dune selle


de cheval, comme lindique la reprsentation en perspective de la figure 6.2.
z

Figure 6.2

4
Gf

2
1

2
1

1
2

4
x

Domaine, image et limites

163

Le graphe de la fonction f (x, y) = x2 + y2 , dfinie dans D = R2 , est le parabolode reprsent


par la figure 6.3.

Figure 6.3
Gf

La
fonction f (x, y) = x2 + y2 , mais dfinie dans le domaine restreint D =
 mme

2
x, y R : x2 + y2 6 1 , correspond la portion du parabolode de la figure 6.3 vrifiant
0 6 z 6 1 (figure 6.4)
z

Figure 6.4

2
1,8
1,6
Gf

1,4
1,2
1
0,8
0,6
0,4

1,4
1

1,4

0,2

0,6

1
0,6

0,2
0,4

164

0,6

0,8

1,4

Les fonctions de plusieurs variables relles

1
1,4

Chapitre
On observe que lintersection du parabolode (figure 6.3, pageci-contre) et dun plan
horizontal dquation z = k, o k > 0, est un cercle de rayon k. Les traces verticales,
moins faciles visualiser, sont des paraboles. De faon gnrale, les coupes horizontales du
graphe dune fonction de deux variables sont des courbes planes, dites courbes de niveau.
En pratique, on reprsente simultanment diffrentes courbes de niveau pour visualiser
la progression du graphe. Cette reprsentation sapparente aux cartes gographiques o
le niveau correspond laltitude.
Soit f : D R, o D R2 , et k f (D) R.
La courbe de niveau k de f est la courbe plane dquation : f (x, y) = k.

Dfinition

Exemples dapplications la gestion


1. La fonction de production de Cobb-Douglas scrit f (x, y) = x y (, > 0). Les courbes
de niveau dune telle fonction sont nommes isocantes ou courbes disoproduction. Pour un
niveau fix k de production, lquation x y = k dtermine les points du plan (x, y) donnant
toutes les combinaisons des quantits de facteurs qui permettent de produire ce niveau k. La
figure 6.5 donne le graphe de la fonction f (x, y) = x 1/3 y1/2 , tandis que la figure 6.6, page
suivante, reprsente les courbes de niveau correspondantes.

Figure 6.5

3
2.5

2
4

1.5
3

2
1

05
0

Sur la figure 6.6, page suivante, une flche indique le sens de la croissance des valeurs
de k.
2. f (, ) = 2 ( > 0).

Cette fonction est souvent utilise en gestion de portefeuille : dsigne la rentabilit attendue
du portefeuille et sa volatilit (cart-type de la rentabilit). La fonction f reprsente lutilit
attendue dun investisseur qui prsente de laversion vis--vis du risque (2 est affect dun
coefficient ngatif).
Les courbes de niveau pour = 1 (figure 6.7, page suivante) et = 3 (figure 6.8, page 167)
sont ici appeles courbes dindiffrence ou courbes diso-utilit puisquelles caractrisent les
rentabilits attendues et les volatilits des portefeuilles qui atteignent, pour linvestisseur
considr, un niveau fix dutilit attendue.

Domaine, image et limites

165

Figure 6.6

k=3

k=2
2
k=1

10

Figure 6.7
0,5

0,4
k=0,3
0,3
k=0,2
0,2
k=0,1
0,1

0,1

0,2

0,3

0,4

0,5

La notion de limite pour une fonction de plusieurs variables gnralise naturellement


la notion correspondante dans le cas des fonctions dune seule variable. Toutefois, un
nouvel lment entre en jeu : les limites unilatrales perdent leur sens et sont remplaces
par les nombreuses limites directionnelles possibles. En effet, ds que le domaine se situe
dans un espace deux dimensions au moins, les chemins qui mnent un point donn

166

Les fonctions de plusieurs variables relles

Chapitre
Figure 6.8
0,5

0,4
k=0,3
0,3
k=0,2
0,2
k=0,1
0,1

0
0,1

0,2

0,3

0,4

0,5

peuvent suivre divers axes. Ainsi, lensemble D0 des points en lesquels une limite peut tre
considre, doit tre dfini en tenant compte de toutes les possibilits daccs. Une faon
commode de procder sappuie sur la notion de boule ouverte dans Rn (voir le chapitre 1)
qui gnralise celle dintervalle ouvert dans R.
Dfinition
donn par :

Soit f : D R, o D Rn . Le domaine dexamen des limites est




D0 = x Rn : > 0 tel que B (x, ) \{x} D .

La notion de limite , sans autre qualification, se substitue donc celle de limite bilatrale
pour les fonctions dune seule variable relle. Elle est dfinie comme suit.
Soit f : D R, o D Rn , a D0 et b R.
)


x B(a, )\{a}
lim f (x) = b si : > 0, > 0 tel que :
f (x) b < .
xa
xD

Dfinition

Lorsquelle existe, cette limite est unique. Les valeurs de la fonction tendent vers le
nombre b, quel que soit le chemin emprunt par la variable x (de dimension n) pour
approcher le point a.
Par dfinition, les points de D0 peuvent tre atteints par tout chemin dans une boule
ouverte. On peut gnraliser la dfinition prcdente lensemble moins restrictif, not D 0B ,
des points qui peuvent tre atteints par au moins un chemin dans D. Par exemple, pour
le domaine D R2 reprsent par la figure 6.9, page suivante, a D0 tandis que
b, c
/ D0 . Pourtant, loppos de c, le point b est laboutissement de certains chemins
dans D. Pour prendre en compte ce type de situation, on dfinit la limite le long dune
courbe.

Domaine, image et limites

167

Figure 6.9

c
D
a

Dfinition
a D0B .

Soit f : D R, o D Rn , b R, et C une courbe dans D menant


x C\{a}
x B(a, )

lim f (x) = b si > 0, > 0 tel que :


xa
xC



f (x) b < .

De faon vidente, lorsque a D0 et lim f (x) = b, toutes les limites le long de courbes
xa

sont gales b. En pratique, on peut dmontrer la non-existence dune limite en exhibant


des valeurs distinctes obtenues le long de deux chemins particuliers.

Lextension aux limites infinies et les proprits (somme, produit, pincement, etc.) vues au
chapitre 3 se transposent de faon immdiate au cas des fonctions de plusieurs variables.
Pour viter les redondances, nous ne les nonons pas ici.
En pratique, lorsque n = 2, il est souvent utile de passer aux coordonnes polaires pour
ramener le calcul de la limite dune fonction de deux variables celui de la limite dune
fonction dune seule variable. En effet, tout point (x, y) de R2 peut tre reprsent par
ses coordonnes polaires centres autour du point a = (a1 , a2 ) vers lequel il est appel
tendre (voir figure 6.10) :
(
x = a1 + cos
.
y = a2 + sin
Figure 6.10
y
a2

a1

Dans cette criture, reprsente la distance entre a et x de sorte que


lim

(x,y)(a1 ,a2 )

168

f (x, y) = lim f (a1 + cos , a2 + sin ).

Les fonctions de plusieurs variables relles

Chapitre
Exemple
x2 y 2
nexiste pas. La premire rsulte directement
lim
(x,y)(0,0) x2 + y2
de la dfinition. En effet, le long de laxe horizontal X y = 0, on a :
Montrons de deux manires que

x2
lim f (x, y) = lim f (x, 0) = lim 2 = 1
x0
x0 x
(x,y)(0,0)
(x,y)X

tandis que, le long de laxe vertical Y x = 0, on a :


y2
lim f (x, y) = lim f (0, y) = lim 2 = 1 6= 1
y0
y0 y
(x,y)(0,0)
(x,y)Y

de sorte que les deux limites ne concident pas.


La seconde manire est base sur les coordonnes polaires. En posant :

x = cos
y = sin

, on a :

2 cos2 2 sin2
f (x, y) = lim f ( cos , sin ) = lim 2 2
0
0 cos + 2 sin2
(x,y)(0,0)

2 cos2 sin2
 = cos(2).
= lim 2
0 cos2 + sin2
lim

Le rsultat varie selon la direction , donc

lim f (x, y) nexiste pas.


(x,y)(0,0)

Continuit
La dfinition adopte pour la continuit sapplique tous les points de D auxquels mne
au moins un chemin dans D (les points de D0B D), mme les bords du domaine. Elle
quivaut imposer que tous les chemins conduisent la mme limite f (a).
Dfinitions Soit f : D R, o D Rn .

f est continue en a D0B D si :



> 0, > 0, x D : d (a, x) < f (x) f (a) < .

f est continue dans D si a D0B D : f est continue en a.

Cas particulier f est continue en a D0 D si lim f (x) = f (a).


xa

Donc, pour les lments de D0 D , cette dfinition sexprime laide de la limite


usuelle.

Les fonctions continues de plusieurs variables jouissent des mmes proprits que les
fonctions continues dune seule variable. Les fonctions lmentaires telles que les polynmes, les fonctions exponentielles, logarithmiques et trigonomtriques sont continues
dans leurs domaines de dfinition respectifs. La continuit des autres fonctions stablit,
le cas chant, en tant que somme, produit, compose, etc., de fonctions continues.

Continuit

169

Exemples
1. f (x, y) = x2 + y2 xy + y est continue dans R2 (polynme du second degr deux variables).
2. f (x, y, z) = ey + xy2 z est continue dans R3 (somme dune exponentielle et dun polynme).




3. f (x, y) = ln x + y2 3 est continue dans D = x, y R2 : x + y2 > 0 comme somme du
logarithme dun polynme (fonction compose) et dune constante.

Drives partielles et lasticits


Lunique drive dune fonction dune variable, lorsquelle existe, est lie aux variations
de la fonction tandis que la variable parcourt laxe des abscisses. Pour une fonction
f : R2 R, dont le graphe est une surface de R3 , la situation est trs diffrente. En effet,
laxe rel noffre que deux types de mouvements possibles : de gauche droite et de droite
gauche tandis que le plan R2 possde une infinit de directions.
Or, il peut savrer intressant dtudier comment une fonction f : R2 R volue
lorsque la variable suit lune ou lautre direction du plan. cet gard, considrons dabord
la direction horizontale. Prenons le point a = (a1 , a2 ) du domaine de f (figure 6.11). Son
image est f (a) R et le graphe de la fonction, qui est la surface dquation
z = f x, y

3
de R (figure 6.12, page ci-contre), comporte le point a1 , a2 , f (a) . Lintersection du
graphe de f avec le plan vertical y = a2 est la courbe dquation z = f (x, a2 ) de R3 .
y

Figure 6.11

a2

a1

S2 y=a2

Le point a = (a1 , a2 ) tant fix, on peut alors interprter cette courbe comme le graphe
de la fonction g dune seule variable dfinie par g(x) = f (x, a2 ). Si g est drivable
en a1 ,

alors sa drive nous renseigne sur la variation de la fonction f lorsque x, y se dplace
le long de la droite horizontale de R2 passant par le point (a1 , a2 ), reprsente par S2 sur
les figures 6.11 et 6.12, page ci-contre.
Par dfinition de la drive dune fonction dune variable, il vient :
g(a1 + x) g(a1 )
f (a1 + x, a2 ) f (a1 , a2 )
g 0 (a1 ) = lim
= lim

x0
x0
x
x
Si elle existe, cette drive sappelle la drive partielle de f par rapport x au point
f
a = (a1 , a2 ), et se note
(a1 , a2 ). De faon similaire, on dfinit la drive partielle
x
par rapport y obtenue en fixant x = a1 . La dfinition gnrale des drives partielles
sapplique toute fonction de n variables.

170

Les fonctions de plusieurs variables relles

Chapitre
z

Figure 6.12
f (a)

Gf

( a 1 ,a 2 ,f( a) )
z = g(x )

a1

a2

S2

Dfinitions La fonction f : D R, o D Rn , est drivable partiellement par


rapport sa i-me variable en a = (a1 , . . . ,an ) D0 D si

f (a1 , . . . ,ai + xi , . . . ,an ) f (a)


xi 0
xi
lim

existe dans R.

Lorsquelle existe, cette limite est appele drive partielle de f par rapport sa
f
i-me variable en a et est note
(a) ou fi0 (a).
xi
La fonction est drivable en a si elle est drivable partiellement par rapport toutes
ses variables en ce point.

f
, on drive f comme si elle tait une
xi
fonction de la seule variable xi et que toutes les autres variables, xj , o j 6= i, taient des
constantes.

En pratique, pour calculer la drive partielle

Les drives partielles jouissent des mmes proprits que les drives de fonctions dune
seule variable. En particulier, les fonctions lmentaires telles que les polynmes, les
fonctions exponentielles, logarithmiques et trigonomtriques sont drivables dans leur
domaine respectif. La drivabilit (partielle) des autres fonctions stablit, le cas chant, en
tant que somme, produit, compose, etc., de fonctions drivables. Les rgles de drivation
sont galement similaires, lexception de celle relative la drivation des fonctions
composes. En effet, lorsque n > 1, il est impossible de raliser un produit de composition
entre deux fonctions de Rn R. ce sujet, la rgle de drivation en chane sera expose
dans un cadre plus gnral, dans la section 4.3.

Drives partielles et lasticits

171

Exemples
1. Toute fonction polynme est drivable dans son domaine. Considrons, par exemple, la
fonction f (x, y) = x3 + x2 y3 2y2 , dfinie et drivable dans R2 . Ses deux drives partielles
au point
(2,1) sont obtenues en deux tapes. On calcule dabord les drives partielles en

x, y R2 grce aux rgles de drivation des fonctions dune variable (en considrant,
f
f
chaque fois, lautre variable comme une constante) :
(x, y) = 3x2 + 2xy3 et
(x, y) =
x
y
f
3x2 y2 4y. On value ensuite ces deux fonctions au point considr :
(2, 1) = 16 et
x
f
(2, 1) = 8.
y
2 2

x y

si x, y 6= (0,0)
. Dans louvert R2 \ {(0, 0)}, f est drivable en tant que
2. f x, y = x4 + y4


0
si x, y = (0, 0)
quotient de fonctions drivables (polynmes) dnominateur non nul. Il convient cependant
dtudier la drivabilit en (0,0), donc lexistence des deux drives partielles en ce point.
On a :
f (x, 0) f (0, 0)
00
lim
= lim
= 0 et
x0
x0 x
x

La fonction f est donc drivable en (0, 0) et


f 0, y f (0, 0)
00
lim
= lim
=0
y0
y0 y
y

f
f
(0,0) =
(0,0) = 0. En conclusion, f est
x
y

drivable dans R2 .

La proprit selon laquelle la drivabilit dune fonction dune variable en un point


implique la continuit en ce point ne se gnralise pas plus dune variable. Lexemple 2
ci-dessus peut servir de contre-exemple :
2 2

xy

si x, y 6= (0, 0)
4
4
est drivable mais pas continue en (0,0). En
f x, y = x + y


0
si x, y = (0,0)
effet, la limite de f le long de la bissectrice dquation x = y fait apparatre que :
x2 x2
1
1
lim f (x, y) = lim
= lim
= 6= f (0,0) = 0.
4
4
2
(x,y)(0,0)
(x,y)(0,0) x + x
(x,y)(0,0) 2
x=y

x=y

x=y

Les directions correspondant aux drives partielles sont celles des axes. Dautres drives directionnelles sont aussi envisageables, quoique nettement moins utiles dans les
applications en gestion. Nous en citons simplement la dfinition.
Dfinition La fonction f : D R, o D Rn , est drivable en
a = (a1 , . . . ,an ) D0 D dans la direction indique par le vecteur u Rn si

lim

172

Les fonctions de plusieurs variables relles

f (a + u) f (a)

existe dans R.

Chapitre
Alors que les drives partielles sinterprtent en termes de variations de la fonction en
niveau, les lasticits se rfrent aux variations relatives (souvent exprimes en %). En
pratique, les lasticits jouent un rle important en tant que mesure de la sensibilit
vis--vis de divers paramtres (lasticit des courbes doffre et de demande vis--vis des
prix, duration dune obligation, etc.).
Dfinition Soit f : D R, o D Rn , drivable partiellement par rapport
sa i-me variable en a = (a1 , . . . ,an ) D0 D telle que ai 6= 0 et f (a) 6= 0.
Llasticit de f par rapport sa i-me variable en a, est donne par :

f (a1 , . . . ,ai + xi , . . . ,an ) f (a)


f (a)

Efi (a) = lim


xi
xi 0
ai

Au plan mathmatique cependant, les proprits des lasticits dcoulent directement de


celles des drives partielles, en vertu du rsultat suivant :
Proprit Efi (a) =

ai f
. (a).
f (a) xi

Exemple

n
n

f : R+
R : (x1 , x2 , . . . ,xn ) x1 1 .x2 2 . . . . xnn (1 , 2 , . . . ,n > 0) est drivable dans R+
.
0
0
Grce aux rgles de drivation, on obtient :
Efi (x) =

xi 0
xi

i x1 1 .x2 2 . . . . xii 1 . . . xnn = i .


.f (x) = 1 2
f (x) i
x1 .x2 . . . . xnn

En consquence, toutes les fonctions de Cobb-Douglas bnficient dlasticits constantes, ce


qui contribue expliquer lattrait quelles reprsentent pour le modlisateur.

Diffrentiabilit et (hyper)plan tangent

4.1 DIFFRENTIABILIT

DES FONCTIONS D UNE SEULE VARIABLE

Quel que soit le nombre de variables en prsence, la diffrentiabilit dune fonction f en


un point a correspond
lexistence dune approximation linaire de la fonction au voisinage

du point a, f (a) du graphe de la fonction.
Pour les fonctions dune seule variable, cette approximation linaire est fournie par la
droite tangente dquation y = f (a) + f 0 (a)(x a), impliquant directement lquivalence
entre la drivabilit et la diffrentiabilit. Il ntait donc pas ncessaire dajouter une
dfinition. Cependant, la notion de diffrentielle des fonctions dune seule variable est
aborde ici parce quelle permet de mieux apprhender la diffrentielle des fonctions de
plusieurs variables.
Dfinition Soit f : D R : x f (x), o D R, et un point a en lequel f
est drivable. La diffrentielle de f au point a est la fonction linaire df a : R R :
x f 0 (a)x (o x = x a).

Diffrentiabilit et (hyper)plan tangent

173

Le point a tant fix, la diffrentielle est une fonction de laccroissement x de la variable.


Elle constitue une approximation linaire (formule de Taylor lordre 1) de laccroissement
de la fonction f = f (x) f (a) au voisinage du point a, de sorte quon crit, de faon
condense : dfa
= f .

Pour la fonction identit, I : R R : x x, on a : a R : I 0 (a) = 1. En consquence,


sa diffrentielle, note dx , est telle que : a R : dIa = dx = x. On substitue
alors volontiers dx x dans lcriture de la diffrentielle dune fonction quelconque
(mais videmment diffrentiable en a) pour obtenir lexpression dfa = f 0 (a)dx, ou mme
df = f 0 (a)dx.
Le cas simple des fonctions dune seule variable illustre que la matrise des concepts
de diffrentiabilit et de diffrentielle passe invitablement par la comprhension des
notations, varies et souvent abrges, qui les concernent.

4.2 DIFFRENTIABILIT

DES FONCTIONS DE

n VARIABLES

Dans le cas des fonctions de deux variables et plus, lquivalence disparat entre lexistence des drives partielles, dune part, et celle dun plan tangent (1) , dautre part. Cela
provient du fait que la drivabilit repose seulement sur des limites le long de directions
particulires. La drivabilit apparat donc comme un concept trop faible pour garantir
lexistence dun plan tangent. La notion de diffrentiabilit va combler ce dficit.
Pour les fonctions de deux variables, lintuition gomtrique peut encore servir de guide.
Ainsi, si la fonction f est drivable en a = (a1 , a2 ), on peut affirmer lexistence de
deux droites tangentes, chacune par rapport la trace verticale du graphe dans un plan
dquation xi = ai (i = 1, 2). Dans le meilleur des cas, ces deux droites, ncessairement
concourantes en a, f (a) , forment un plan qui est tangent au graphe. Toutefois, certaines irrgularits peuvent surgir (par exemple, la prsence dune discontinuit en a)
qui excluent lexistence dun plan tangent. Dans pareil cas, les deux droites existent et
dfinissent un plan qui nest pas un plan tangent, parce quun tel plan nexiste pas. Ces
deux droites dterminent donc un candidat plan tangent , dont lexistence doit encore
tre vrifie.
Plus gnralement, la diffrentiabilit dune fonction de n variables, drivable au point a,
studie en deux tapes. La premire consiste introduire la candidate diffrentielle .
La seconde teste si cette candidate constitue effectivement une approximation locale de
laccroissement de la fonction. Les dfinitions suivantes prcisent ces notions.
Dfinition Soit f : D R, o D Rn , drivable en a D0 D. La fonction
linaire suivante est appele candidate diffrentielle au point a :

cdfa : Rn R : x = (x1 , . . . , xn )

n
n
X
X
f
f
(a)xi =
(a)dxi .
xi
xi
i=1
i=1

La notion de diffrentiabilit impose que la candidate diffrentielle reprsente une


approximation du premier ordre de f = f (x) f (a) au voisinage du point a et
transforme donc la candidate en diffrentielle avre.
1. Il sagit en fait dun plan tangent pour n = 2, dun hyperplan tangent pour n > 2. Dans un espace de
dimension n, un hyperplan est une varit linaire de dimension n 1.

174

Les fonctions de plusieurs variables relles

Chapitre
Dfinition La fonction f : D R, o D Rn , est diffrentiable en a D0 D
sil existe une fonction linaire dfa : Rn R telle que :
v
u n
uX
f (x) f (a) dfa (x a)
lim
= 0, o kx ak = d (x, a) = t
(xi ai )2 .
xa
kx ak
i=1

Lorsquelle existe, la fonction linaire dfa est unique et donne par la candidate diffn
X
f
(a)dxi , ou sous forme matricielle par : dfa = f (a).dx, o la
rentielle : dfa =
xi
i=1

dx1


.
f
f
.
matrice-ligne f (a) =
(a) . . .
(a) est le gradient de f en a et dx =
. .
x1
xn
dxn
Dans le cas contraire, la fonction nest pas diffrentiable au point a.
Remarque
Le gradient est aussi reprsent sous la forme dun vecteur de Rn :



f
f
Grad f (a) =
(a), . . . ,
(a) .
x1
xn

Exemple
f (x, y) = x2 + y2 est drivable dans R2 et on a : a = (a1 , a2 ) R2 :

f
f
(a) = 2a1 , (a) = 2a2 .
x
y

La candidate diffrentielle en a scrit donc : cdfa = 2a1 dx + 2a2 dy.


Afin de voir si cette candidate est effectivement une diffrentielle, on calcule :
lim
(x,y)a

f (x, y) f (a) dfa (x a1 , y a2 )


x2 + y2 a21 a22 2a1 (x a1 ) 2a2 (y a2 )
q
q
=
lim
2
2
(x,y)a
(x a1 )2 + y a2
(x a1 )2 + y a2
q
2
(x a1 )2 + (y a2 )2
=
lim
= lim q
(x a1 )2 + y a2 = 0.

(x,y)a
(x,y)a (x a )2 + y a 2
1
2

En consquence, la fonction f est diffrentiable dans R2 et (a1 , a2 ) R2 : dfa = 2a1 dx + 2a2 dy.

Notons que les fonctions lmentaires telles que les polynmes (voir lexemple ci-dessus),
les fonctions exponentielles, logarithmiques et trigonomtriques sont automatiquement
diffrentiables dans leur domaine respectif et que les proprits de diffrentiabilit relatives
aux sommes, produits, etc., existent.
lapproche analytique, correspond la vision gomtrique dun hyperplan tangent. En
effet, lorsque f est diffrentiable en a, on peut, dans un voisinage de a, approcher f =
f (a + x) f (a) par dfa (x), donc aussi approcher f (a + x) par f (a) + dfa (x) :
f (a + x)
= f (a) + dfa (x) (approximation locale linaire ou du premier ordre).
Dans le cas dune fonction de deux variables, la figure 6.13, page suivante,
 montre le plan
tangent a z = f (a)+dfa (x, y) au voisinage du point a1 , a2 , f (a) . Cette quation
f
f
scrit aussi : a z = f (a) + (a)(x a1 ) + (a)(y a2 ).
x
y
La diffrentiabilit est une notion plus forte que la continuit et que la drivabilit.

Diffrentiabilit et (hyper)plan tangent

175

Figure 6.13

z
(a1,a2,f(a))

y
a

Proprits Soit f : D R, o D Rn et a D D0 .

f est diffrentiable en a f est drivable en a

f est diffrentiable en a f est continue en a.

Les rciproques sont fausses. Ces proprits sont souvent utiles pour montrer quune
fonction nest pas diffrentiable en un point donn.

Exemples

2

xy
1
si x, y 6= (0, 0)
1. f (x, y) = x2 + y4
est non continue en (0,0) puisque lim f (y2 , y) =

y0

2
0
si x, y = (0, 0)
6= 0. Elle nest donc pas diffrentiable en (0,0).

2. f (x, y) = |x| + y est non drivable en (0,0), donc non diffrentiable en (0,0).

4.3 LA

RGLE DE DRIVATION EN CHANE

(chain rule)

Dans certaines applications, on est amen considrer des fonctions de D R m , o


D Rn , qui peuvent tre vues comme des empilements de fonctions de D R :

f : D Rm : x f (x) = f1 (x), . . . , fm (x) Rm .

De telles fonctions studient comme sil sagissait de m fonctions de D R. En ce qui


concerne la diffrentiabilit, on adopte les dfinitions suivantes :

176

Les fonctions de plusieurs variables relles

Chapitre

Dfinitions Soit f : D Rm : x f (x) = f1 (x), . . . , fm (x) Rm , o
D Rn , et a D D0 .
f est diffrentiable en a si chacune de ses composantes fi est diffrentiable en a.

df1,a
.
.
Dans ce cas, la diffrentielle scrit comme un vecteur colonne dfa =
. .
dfm,a

Lempilement des vecteurs gradients constitue une matrice, de taille m n, appele


matrice jacobienne de f en a ou jacobien de f en a :

f
f1

1
(a)

(a)
f1 (a)

xn
. x1.
..

.
.
.
Jf (a) = . = .

f
f
m
m
fm (a)
(a)
(a)
x1
xn
mn
Exemple


f : R3 R4 : (x, y, z) xyz, x2 + y2 , exy+z , sin(yz) est diffrentiable dans R3 (ses quatre

yz
xz
xy
2x

2y
0

composantes le sont) et Jf (x, y, z) = xy+z


.
ye
xexy+z
exy+z
0
z cos(yz) y cos(yz)

Une des proprits les plus usites dans la pratique, la rgle de drivation en chane ou
chain rule, est relative aux drives partielles des fonctions composes.
Rgle de drivation en chane (chain rule) Soit f : Rn Rm : x
f (x) = f1 (x), . . . , fm (x) et g : Rm Rp : y g(y) = g1 (y), . . . , gp (y) .
Si f est diffrentiable en a et si g est diffrentiable en f (a) alors g f est diffrentiable

en a et la matrice jacobienne de g f en a est donne par : Jgf (a) = Jg f (a) .Jf (a),
ou encore,
m

X gi
 fk
(g f )i
(a) =
f (a)
(a).
xj
yk
xj

k=1

En pratique, le cas particulier o g : Rm R (p = 1) est souvent utilis :


g f1 (x), . . . , fm (x)
(a)
xj
 f1
 f2
 fm
g
g
g
=
f (a)
(a) +
f (a)
(a) + +
f (a)
(a).
y1
xj
y2
xj
ym
xj

Exemple
Le consommateur dont la fonction dutilit
est donne par U(x, y) est soumis la contrainte de

budget px x + py y = R px , py , R > 0 , o px et py sont les prix des deux biens et R le montant

Diffrentiabilit et (hyper)plan tangent

177

dvolu lachat des ces deux biens. La quantit consomme du second bien devient ainsi
R px x
fonction de celle du premier : y = f (x), o f (x) =
, de sorte que, sous la contrainte
py
de budget, la fonction dutilit
peut tre exprime sous la forme dune fonction dune seule


variable : V(x) = U x, f (x) , qui est la compose de la fonction de R R2 : x x, f (x) et


de la fonction U : R2 R : x, y U x, y . Grce la chain rule, on a :
dV
U
U 0
U
U px
=
+
f (x) =

dx
x
y
x
y py


U
U px

La diffrentielle, donne par dV =


dx, reprsente lapproximation linaire de
x
y py
la variation de lutilit due la variation dx de la quantit consomme du premier bien, tenant
compte de leffet sur la quantit du second, via la contrainte de budget.
V 0 (x) =

Fonctions homognes
Les fonctions homognes apparaissent dans plusieurs problmes conomiques : les fonctions de production de Cobb-Douglas, par exemple, sont homognes.
Dfinition

f : Rn R : x f (x) est dite homogne de degr k si :


x Rn , > 0 : f (x) = k f (x).

Les fonctions homognes bnficient de la proprit suivante qui dcoule de la chain rule.
Formule dEuler Si f : Rn R : x f (x) est homogne de degr k et
diffrentiable dans Rn , alors :
n
X
f
n
(x) = k f (x).
x R :
xi

x
i
i=1
Exemple
La fonction de production de Cobb-Douglas rendements constants f (x, y) = x .y1 , o R+
0,
1
est homogne de degr 1 puisque f (x, y) = (x) y
= f (x, y). Dans ce cas, la formule
f
f
dEuler scrit : x (x, y) + y (x, y) = f (x, y). Le rsultat f (x, y) de la production obtenue avec
x
y
les quantits respectives x et y de facteurs permet donc de rmunrer ces facteurs au niveau de
leur productivit marginale.

Drives partielles dordres suprieurs


et matrice hessienne
Chacune des drives partielles secondes

2f
sobtient en calculant la drive partielle
xi xj

f
, sous rserve dexistence. On peut, de la mme faon,
xj
introduire les drives partielles dordres suprieurs. Les dfinitions suivantes snoncent
dans des ensembles ouverts pour viter les problmes lis au calcul de limites au bord du
domaine.

par rapport xi de la fonction

178

Les fonctions de plusieurs variables relles

Chapitre
Dfinition f : D R, o D est un ouvert de Rn , est de classe C k (k N0 ) dans
D (on note : f C k (D)), si f est k fois drivable dans D et si ses drives partielles
dordres 1 k sont continues dans D.

Proprit Si f : D R, o D est un ouvert de Rn , alors : f C 1 (D) f est


diffrentiable dans D.

Sur base de cette proprit, on dit volontiers dune fonction de classe C 1 quelle est
continment diffrentiable. En adoptant la notation C 0 (D) pour lensemble des fonctions
continues dans D, on obtient les inclusions videntes : C 0 (D) C 1 (D) C 2 (D)
Ck (D).

Exemple
f (x, y) = x2 y + xy3 est un polynme dfini dans R2 . Ses drives partielles de tout ordre sont
galement des polynmes et sont donc toutes continues. Donc : k N : f C k (R2 ).

Dfinition Soit f : D R, o D est un ouvert de Rn , deux fois drivable en


a D. La matrice de taille n n forme des drives secondes de f en a, note
Hf (a), est appele matrice hessienne de f en a :

Hf (a) =

f
(a)
xi xj

nn

2f
x2 (a)
1

2f

(a)

x2 x1
=

..

2f
(a)
xn x1

2f
(a) . . .
x1 x2
2f
(a)
x22
..
.

...
..

2f
(a) . . .
xn x2

2f
(a)
x1 xn

f
(a)

x2 xn
.

..

f
(a)
xn2

Exemple
La matrice hessienne de la fonction f (x, y) = x2 y + xy3 de lexemple prcdent est donne par :

2f
x2 (x, y)

Hf (x, y) = 2
f
(x, y)
yx

2f
(x, y)
xy
2y

=
2

2x
+
3y2
f
(x,
y)
y2

2x + 3y2
6xy

Dans cet exemple, on remarque que la matrice Hf (x, y) est symtrique du fait que les drives
2f
2f
secondes mixtes,
et
, sont gales. Le thorme suivant garantit cette galit sous des
xy
yx
conditions lgres.

Drives partielles dordres suprieurs et matrice hessienne

179

Thorme de Schwarz Si f C 2 (D), o D est un ouvert de Rn , alors


x D : Hf (x) = Hf0 (x), o Hf0 (x) dsigne la matrice transpose de Hf (x).

Comme la drive seconde pour les fonctions dune seule variable, la matrice hessienne
permet dtudier la convexit des fonctions de plusieurs variables et joue, ds lors, un rle
important dans leur optimisation (voir le chapitre 7).

Fonctions concaves et convexes


Les dfinitions, vues dans le chapitre 3 pour les fonctions dune variable, se gnralisent
de la faon suivante.
Dfinitions Soit f : D R : x f (x), o D est un sous-ensemble convexe
de Rn .

f est concave (resp. convexe) dans D si :



a, b D, t [0, 1] : f (1 t)a + tb > ( resp. 6)(1 t)f (a) + tf (b).

f est dite strictement concave (resp. strictement convexe) si :



a, b D, t (0, 1) : f (1 t)a + tb > ( resp. <)(1 t)f (a) + tf (b).
Exemple

Figure 6.14


La figure 6.14 donne le graphe de la fonction f : R2 R : x, y x2 + y2 , convexe dans R2 .

(1-t)f(a)+tf(b)

f(a)

f(b)

f((1-t)a+tb)
a
(1-t)a+tb

Comme pour les fonctions dune variable, la concavit et la convexit des fonctions de n
variables suffisamment rgulires peuvent tre caractrises laide des drives dordres 1
ou 2.

180

Les fonctions de plusieurs variables relles

Chapitre
Proprits Si f : D R : x f (x), o D est un ouvert convexe de Rn , est
diffrentiable dans D, alors :

f est concave dans D x, y D : f (y) 6 f (x) + f (x)(y x).


f est convexe dans D x, y D : f (y) > f (x) + f (x)(y x).
Si, en outre, f C 2 (D), alors :
f est concave dans D x D : Hf (x) est semi-dfinie ngative.
f est convexe dans D x D : Hf (x) est semi-dfinie positive.

Les deux premiers noncs expriment que tout plan tangent au graphe dune fonction
concave (resp. convexe) se trouve au-dessus (resp. au-dessous) de ce graphe. Les deux
derniers, relatifs la matrice hessienne, rappellent celui qui fait rfrence au signe de la
drive seconde dune fonction dune seule variable (voir chapitre 3, section 6.2). De la
mme manire, la condition stricte ne sapplique que dans un seul sens : si x D : H f (x)
est dfinie ngative (resp. positive), alors f est strictement concave (resp. convexe) dans D.
Ds lors, une fonction peut tre strictement convexe sans que sa matrice hessienne soit
dfinie positive en tout point.

Exemples
!
2 0
1. Soit f (x, y) = +
0n a : f
et (x, y)
: Hf (x, y) =
est diagonale,
0 2
sa double valeur propre 2 est strictement positive. Il sensuit que Hf (x, y) est dfinie positive.
La fonction est donc strictement convexe dans R2 .

!
2
12x
0
2. Soit f (x, y) = x4 + y4 . 0n a : f C 2 (R2 ) et (x, y) R2 : Hf (x, y) =
est
0
12y2
diagonale, ses valeurs propres, 12x2 et 12y2 , sont > 0 (strictement si x 6= 0 et y 6= 0).
Il sensuit que Hf (x, y) est dfinie positive pour (x, y) R20 et semi-dfinie positive pour
(x, y) R2 \R20 . On peut cependant montrer laide de la dfinition que la fonction est
strictement convexe dans R2 .
x2

y2 .

C 2 (R2 )

R2

Fonctions concaves et convexes

181

Problmes
et exercices
La visualisation gomtrique des fonctions de deux variables (ou plus !)
constitue un dfi pour celui qui peine voir dans lespace. Les premiers
exercices visent accoutumer le lecteur cette correspondance entre
lquation du graphe et sa reprsentation, notamment laide de sections
planes qui constituent des tranches du graphe. Suivent des noncs
plus analytiques relatifs au calcul de limites, ltude de la continuit, la
drivabilit et la diffrentiabilit. Les fonctions homognes sont ensuite
illustres. Enfin, la dtermination de matrices hessiennes et leur
interprtation en terme de concavit et convexit sont abordes. Dans ce
chapitre, compte tenu de la densit de la matire, nous avons opt pour
une inclusion thmatique des exercices appliqus la gestion.

Domaine, graphe et courbes de niveau


EXERCICE 1
nonc
a
b
c
d

Solution

182

Dans chaque cas, dterminez et reprsentez le domaine de dfinition des fonctions


donnes. p
y + x2
f (x, y) =

y
ln y
f (x, y) =

xy

f (x, y) = ln x + y .
ln(x2 + 1)
f (x, y, z) =

yz





a D = (x, y) R2 : y 6 x2 et y > 0 = (x, y) R2 : 0 < y 6 x2 , reprsent par la
figure 6.15, page ci-contre.


b D = (x, y) R2 : x > y et y > 0 , reprsent par la figure 6.16, page ci-contre.

Les fonctions de plusieurs variables relles

Chapitre
y

Figure 6.15
4
3
2
1

x
-2

-1

Figure 6.16
2
1,5
1

0,5

x
0,5

1,5



c D = (x, y) R2 : y > x


d D = (x, y, z) R3 : y 6= 0 et z 6= 0

EXERCICE 2
nonc

Dans chaque cas, dterminez les courbes de niveau des fonctions de deux variables
donnes. Esquissez ensuite leurs graphes, en recourant, si ncessaire, une mthode
numrique (le graphe peut tre vu comme un empilement de courbes de niveau qui
forment une surface dans R3 ).
a f (x, y) = x + y 1
c f (x, y) = y cos x

Solution



a D = R2 et Imf (R2 ) = z R : z = x + y 1, o x, y R = R. La courbe de niveau
k R est donne par lquation Ck x + y 1 = k. Les courbes de niveau sont donc
des droites (figure 6.17, page suivante) et le graphe de f est un plan (figure 6.18, page
suivante).

Domaine, graphe et courbes de niveau

Exercices

2
b f (x, y) = e(yx )

183

Figure 6.17

k=1

k = 1
2

k = 3

Figure 6.18
10
8

Gf

6
4
6

4
2

2
2

o
2
z R : z = e(yx ) , o x, y R = R+
0 . La courbe de niveau
2
(yx ) = k, ou encore : Ck y = x2 + ln k.
k R+
0 est donne par lquation Ck e
Les courbes de niveau sont donc des paraboles (figure 6.19, page ci-contre). Le graphe
de f est donn par la figure 6.20, page ci-contre. On observe notamment la croissance
exponentielle marque lorsque les valeurs prises par y sont grandes et celles prises par |x|
sont petites.


c D = R2 et f (R2 ) = z R : z = y cos x o x, y R = R. La courbe de niveau k R
est donne par Ck y = k + cos x (figure 6.21, page 186). Le graphe de f est esquiss
dans la figure 6.22, page 186.

b D = R2 et f (R2 ) =

184

Les fonctions de plusieurs variables relles

Chapitre
y

Figure 6.19

1 k=2
k=1
2

k = 0,5
1

Figure 6.20

20
18
16
14
12
10
8
6
4
2

Gf

2
1
y
2

x
1
2
3

Exercices

3
2

Domaine, graphe et courbes de niveau

185

Figure 6.21
3

1
k=1
3

k=0
1
k = -1
2

Figure 6.22

Gf

4
3

2
1

1
1
2

2
4

1
2
3

Limites et continuit
EXERCICE 3
nonc

Donnez, dans chaque cas, les ensembles D et D0B des fonctions dont on cherche les limites.
Ces limites existent-elles dans R?
1
a
lim
x

y
x,y
(1,1)
( )
y3
lim
(x,y)(0,0) x2 + y2
xy
c
lim
2
(x,y)(0,0) x + y2

186

Les fonctions de plusieurs variables relles

Chapitre
Solution



a D = (x, y) R2 : x 6= y , D0B = R2 . Cependant, la limite recherche nexiste pas dans
R puisque :




1
1
1
lim
= lim
= + = +
y1
x

y
1

y
0
(x,y)(1,1)
y<1
x=1,y<1

et
lim
(x,y)(1,1)
x=1,y>1

1
xy

1
= lim
y1 1 y
y>1

1
= .
0



b D = (x, y) R2 : x2 + y2 6= 0 = R2 \ {(0, 0)}, D0B = R2 . La limite demande
conduit
(
a priori une forme indtermine. En passant aux coordonnes polaires :
on obtient :

x = cos
y = sin

y3
3 sin3
=
lim
= lim sin3 .
0
0
(x,y)(0,0) x2 + y2
2
lim



Or 0 6 sin3 6 et lim = 0, do par le thorme de pincement :
0

y3
lim
= lim sin3 = 0.
(x,y)(0,0) x2 + y2 0

Remarque
on peut galement utiliser le thorme du pincement sans passer par les coordonnes polaires,
grce aux ingalits suivantes :


y3 y 3

2
2
2

6
y 6= 0 : x + y > y 0 6 2
= y .

2
2
x +y
y



c D = (x, y) R2 : x2 + y2 6= 0 = R2 \ {(0, 0)}, D0B = R2 . Comme f (x, y) =

x2

xy
,
+ y2

x2
x2
1
x.0
=
= , si x 6= 0, et f (x, 0) = 2 = 0, si x 6= 0. Do
2
2
2
x +x
2x
2
x
1
lim f (x, y) = et lim f (x, y) = 0 lim f (x, y) nexiste pas.
2 (x,y)(0,0)
(x,y)(0,0)
(x,y)(0,0)
on a : f (x, x) =
x=y

y=0

nonc



6x2 y
Soit f : R2 \ {(0,0)} R : x, y 2
. Montrez que lim f x, y = 0 de trois
2
(x,y)(0,0)
x +y
faons.
a Daprs la dfinition.
b Daprs le thorme de pincement.
c En utilisant les coordonnes polaires.

Limites et continuit

Exercices

EXERCICE 4

187

Solution



6x2 y


a Soit > 0. Il faut trouver > 0 tel que : 0 <
+ < 2
0 < .
2
x +y



2
2

p
6x y

6x y

6
y 6 6 x2 + y2 .

0
=
6
Comme x, y 6= (0, 0) : x2 +y2 > x2 2

x + y2
x2


p
p

6x2 y

0 6 6 x2 + y2 < 6 = .
Si on choisit = : 0 < x2 + y2 < 2
2
6
x +y


2
6x y



6 6 y et lim 6 y = 0 entranent le rsultat.
b x, y 6= (0,0) : 0 6 2

2
x +y
(x,y)(0,0)
(
x = cos
c Posons
. On obtient :
y = sin
p

x2

y2


6x2 y
63 cos2 sin
2
6
cos

sin

.
=
lim
=
lim
0
0
(x,y)(0,0) x2 + y2
2


Or, 0 6 6 cos2 sin 6 6 et lim 6 = 0, do le rsultat par pincement.
lim

EXERCICE 5
nonc
a

e
f

Solution

188

Dans chaque cas, tudiez la continuit des fonctions donnes.


4
4

x + y
si x, y 6= (0,0)
2
2
f (x, y) = x + y
.


0
si x, y = (0,0)
2
2

x y
si x, y 6= (0,0)
2
2
f (x, y) = x + y
.


0
si x, y = (0,0)
2
2


x (y 1) si x, y 6= (0, 1)
2
g(x, y) = x2 + y 1
.


0
si x, y = (0, 1)


2
2

sin x + y
si x, y 6= (0,0)
2
2
f (x, y) =
.
x +y


1
si x, y = (0,0)
x
e x 1
si x 6= 0
f (x, y) =
.
x2
y
si x = 0
(
x y2 si x > y2
f (x, y) =
.
0
si x < y2

a Dans R2 \ {(0,0)}, f est continue comme quotient de fonctions continues((polynmes)


x = cos
dnominateur non nul. En (0, 0), en passant aux coordonnes polaires
,
y = sin

Les fonctions de plusieurs variables relles

Chapitre
on obtient :

4 cos4 + sin4
x4 + y 4
lim
= lim
2
(x,y)(0,0) x2 + y2 0

= lim 2 cos4 + sin4 = 0 = f (0, 0) .
0

La fonction f est donc continue en (0,0) et DC = R2 .


x2 y 2
b Dans R2 \ {(0,0)}, f (x, y) = 2
est continue comme quotient de fonctions continues
x + y2
dnominateur non nul. Toutefois, f nest pas continue en (0,0) car la limite nexiste pas :
lim

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

x2
= 1 et
x0 x2

f (x, y) = lim

y2
lim f (x, y) = lim 2 = 1 6= 1.
y0 y
(x,y)(0,0)
x=0

En conclusion : DC = R2 \ {(0,0)}.

c On peut crire g(x, y) = f (x, y 1), o f est la fonction tudie dans lexercice prcdent
(g est la compose dun polynme et de la fonction f ). Comme (x, y 1) = (0, 0)
(x, y) = (0, 1), on obtient : DC = R2 \ {(0, 1)}.

d Dans R2 , la fonction sin x2 + y2 est continue en tant que compose de fonctions
continues et, dans R2 \ {(0, 0)}, f est continue comme quotient de fonctions continues
dnominateur non nul. En (0, 0), on a, par passage aux coordonnes polaires :


sin x2 + y2
sin 2
lim f x, y = lim
=
lim

0 2
(x,y)(0,0)
x2 + y 2
(x,y)(0,0)
Lindtermination rsultante peut tre leve par la rgle de lHospital :
sin 2
2 cos 2
=
lim
= lim cos 2 = 1 = f (0, 0)
0 2
0
0
2
lim

et f est continue en (0,0).


Finalement : DC = R2 .
Remarque
sin 2
sin x
= 1 peut aussi tre dduit de la formule lim
= 1, tablie dans le
x0 x
0 2
chapitre 3 (exercice 8), et la proprit relative la limite dune fonction compose.



ex x 1
e Dans R2 \ (x, y) : x = 0 , f (x, y) =
est continue en tant que quotient de
x2
fonctions continues dnominateur non nul. En les points (0, b), o b R, on a :
lim

(x,y)(0,b)
x=0

f (x, y) = lim y = b.
yb

Limites et continuit

Exercices

le rsultat : lim

189

tandis que

lim f (x, y) = lim


x0
(x,y)(0,b)

ex x 1
conduit une forme indtermine. Grce
x2

x6 =0

ex x 1
1
une double application de la rgle de lHospital, on obtient : lim
= . Il
x0
x2
2
1
sensuit que f est continue en (0, b) uniquement pour b = . Le domaine de continuit
2
de f est finalement :







1
1
2
DC = R \ x, y : x = 0
0,
= (R0 R)
0,

2
2







Dans A = x, y : x > y2 , f (x, y) = x y2 est continue. Dans B = x, y : x < y2 ,
f (x, y) = 0 est continue. Aux points de la parabole dquation x = y 2 , la limite est nulle.
Il sensuit que : DC = R2 .

Drives partielles, lasticits et diffrentielle


EXERCICE 6
nonc

Solution

Dans chaque cas, calculez toutes les drives partielles des fonctions donnes.

a f x, y = x2 + 3xy2 6y5 .

b f x, y = x cos(exy ).


c f x, y, z = x cos(xz) + ln 2 sin2 (y + z) .
a
b
c

f
x
f
x
f
x
f
z



f
x, y = 2x + 3y2 ,
x, y = 6xy 30y4 .
y


f
x, y = cos(exy ) xyexy sin(exy ),
x, y = x2 exy sin(exy ).
y


f
2 sin(y + z) cos(y + z)
x, y, z = cos(xz) xz sin(xz),
x, y, z =

y
2 sin2 (y + z)

2 sin(y + z) cos(y + z)
x, y, z = x2 sin(xz)

2 sin2 (y + z)

EXERCICE 7
nonc

190

Dans chaque cas, tudiez lexistence des drivabilits partielles et dduisez-en le domaine
de drivabilit
DD des fonctions donnes.
xy


si
x,
y
6= (0, 0)
a f (x, y) = x2 + y2
.

0
si x, y = (0, 0)


b f (x, y) = x + y .

Les fonctions de plusieurs variables relles

Chapitre

a Dans louvert R2 \ {(0,0)}, f est drivable en tant que quotient de fonctions drivables
dnominateur non nul. En (0, 0), comme x R0 : f (x, 0) = 0, il vient
f (x, 0) f (0, 0)
lim
= lim 0 = 0 R.
x0
x0
x
f
La fonction f est donc drivable par rapport x en (0, 0) et (0,0) = 0.
x
De mme, on a par rapport y :

f 0, y f (0, 0)
lim
= lim 0 = 0 R.
y0
y0
y
f
f est drivable par rapport y en (0, 0) et (0,0) = 0. En conclusion, DD = R2 .
y
b Pour x + y > 0 et pour x + y < 0, f est drivable en tant que polynme. Les autres points
sont du type (a, a), o a R. En ces points, f nest pas drivable par rapport x car :
(
f (a + x, a) f (a, a)
1
si x > 0
=
.
x
1 si x < 0
Comme la fonction est symtrique en x et y, elle nest pas non plus drivable par rapport
y en (a, a), o a R. Le domaine de drivabilit de f est finalement :
DD = R2 \ {(a, a) : a R} .

c DD = R2 .




d Dans A = x, y : x 6= y , f est drivable en tant que quotient de fonctions drivables
dnominateur non nul. En les points de la forme (a, a), o a R, on a, lorsque x 6= 0 :
2(a + x) + a 1
+
f (a + x, a) f (a, a)
2 = 3a + 5
= a + x a
x
x
(x)2 2x
f (a + x, a) f (a, a)
Il sensuit que lim
= (@ dans R).
x0
x
La fonction nest donc pas drivable par rapport x en (a, a) , a R . On montre de la
mme faon quelle nest pas drivable par rapport y en ces points.
En conclusion : DD = R2 \ {(a, a) : a R}.
e DD = R2 \ {(0, b) : b R0 }.



f DD = x, y R : xy 6= 0 {(0, 0)}.

Drives partielles, lasticits et diffrentielle

Exercices

Solution

2

x y
si x, y 6= (0,0)
2
2
c f (x, y) = x + y
.


0
si x, y = (0, 0)

2x + y

si x 6= y
d f (x, y) = x 1 y
.

si x = y
( 2
x2 si x > 0
e f (x, y) =
.
y si x < 0
q
f f (x, y) = xy .

191

EXERCICE 8
nonc

Soit les fonctions f et g de Rn R, diffrentiables dans Rn , et le point a Rn tel


que : f (a) 6= 0 et g(a) 6= 0. Montrez que toute lasticit partielle de la fonction produit
fg : Rn R : x f (x)g(x) est gale la somme des lasticits correspondantes des
deux fonctions : i = 1, . . . ,n : Efgi (a) = Efi (a) + Egi (a).
Efgi (a)

Solution



ai
g
ai (fg)
f
(a) =
=
g(a) (a) + f (a) (a)
(fg)(a) xi
f (a)g(a)
xi
xi
ai f
ai g
=
(a) +
(a).
f (a) xi
g(a) xi

EXERCICE 9
nonc

Le revenu brut R dune firme qui produit un bien unique est gal au prix de vente unitaire
p multipli par la quantit vendue, q, elle-mme fonction du prix : R(p) = pq(p).
a Utilisez le rsultat de lexercice 8 pour calculer llasticit du revenu par rapport au prix.
b Interprtez ce rsultat.

Solution

a ER ( p) = Epq ( p) = Ep ( p) + Eq ( p) = 1 + Eq ( p).

b Comme llasticit de la demande est naturellement ngative (la demande dcrot lorsque
le prix augmente) on peut rcrire lexpression prcdente sous la forme :




p
ER ( p) = 1 Eqp ( p) .

EXERCICE 10
nonc

192

p
Si la demande est trs lastique ( Eq ( p) > 1), une augmentation de prix rduit suffisamment
p la demande pour que le revenu chute. Si la demande est faiblement lastique
( Eq ( p) 1), la croissance
du prix influence peu le revenu. Enfin, si la demande est

p


inlastique ( Eq ( p) < 1), alors une croissance du prix entrane une croissance du revenu.


xy
si
x,
y
6= (0,0)
a Soit f dfinie par f (x, y) = x2 + y2
.

0
si x, y = (0,0)
Calculez llasticit partielle de f par rapport x.
(

xy si x, y 6= (0, 0)

b Soit g dfinie par g(x, y) =
.
1 si x, y = (0,0)
Calculez llasticit partielle de g par rapport y.

Les fonctions de plusieurs variables relles

Chapitre
Solution

a La fonction f est drivable dans R2 . Toutefois, llasticit partielle par rapport x ne peut
tre calcule aux points de la forme (a, 0) ou (0, b), o la fonction sannule. Aux autres
b2 a2

points (a, b), on a : Efx (a, b) = 2


a + b2
b (xy)
ab
b Aux points (a, b) tels que ab 6= 0, on a : Egy (a, b) =
(a, b) =
= 1 (lasticit
ab y
ab
unitaire).

EXERCICE 11
nonc

La fonction de demande dun individu pour un bien dtermin est donne par :
Q p1 , p2 , p3 , R = 1, 5 ln p1 + 2 ln p2 0, 2 ln p3 + 0, 01R, o p1 reprsente le prix
du bien considr, p2 et p3 sont les prix de deux autres biens et R dsigne le revenu de
lindividu.
p
p
Calculez les lasticits EQ2 et EQ3 en p1 = 10, p2 = 20, p3 = 40 et R = 2 000.
2
et Q (10, 20, 40, 2 000) = 1,5 ln 10 + 2 ln 20 0,2 ln 40 + 20 = 20,18.
Q
2
p
EQ2 (10, 20, 40, 2 000) =
= 0,0991.
20,18
0,2
0,2
p
p
De mme, comme EQ3 =
, on obtient : EQ3 (10, 20, 40, 2 000) =
= 0,0099.
Q
20,18
p

Solution

EQ2 =

Remarque
La croissance du prix p2 entrane une augmentation de la demande Q de bien 1. Les biens 1
et 2 sont donc des substituts . linverse, la croissance du prix p3 entrane une dcroissance
de la demande Q de bien 1. Les biens 1 et 3 sont donc complmentaires .

EXERCICE 12
f
f
(0, 0) et
(0, 0).
x
y
Dduisez-en lexpression de lventuelle candidate diffrentielle en (0,0) ? La fonction
est-elle diffrentiable en (0,0)?
3
2
4

x + xy + y
si x, y 6= (0,0)
2
2
x +y
a f (x, y) =
.


0
si x, y = (0,0)
b f (x, y) = |x| + y.
Pour chacune des fonctions suivantes, calculez, si elles existent,

Drives partielles, lasticits et diffrentielle

Exercices

nonc

193

c f (x, y) =

x2

x3
+ y2

0
3
4
y x
d f (x, y) = x2 + y2

Solution


x, y 6= (0, 0)
.

x, y = (0, 0)

si
si

si x 6= y

si x = y

f (x, 0) f (0, 0)
x0
f
= lim
= 1 (0, 0) = 1,
x0 x 0
x0
x
f (0, y) f (0, 0)
y2 0
f
et lim
= lim
= lim y = 0 (0, 0) = 0.
y0
x0 y 0
x0
y0
y
Comme f est drivable en (0,0), la candidate diffrentielle cdf(0,0) existe et vaut :
lim

x0

cdf(0,0) =

f
f
(0, 0)dx + (0, 0)dy = 1.dx + 0.dy = dx.
x
y

La fonction f est diffrentiable en (0,0). En effet :


f
f
f (h, k) f (0, 0) (0, 0)h (0, 0)k
x
y
p
lim
(h,k)(0,0)
2
2
h +k
h3 + hk2 + k4
0h
2 + k2
k4
h
p
= lim
= lim
(h,k)(0,0)
(h,k)(0,0) (h2 + k2 )3/2
h2 + k 2

indtermination du type

0
qui peut tre leve comme suit :
0

(h, k) R2 : (h2 + k2 )3/2 > (k2 )3/2 = |k|3

k4
k4
6
= |k|
(h2 + k2 )3/2
|k|3
k4
h R, k R0 : 0 6 lim
6 lim |k| = 0
(h,k)(0,0) (h2 + k2 )3/2
k0
4
k
lim
= 0.
(h,k)(0,0) (h2 + k2 )3/2
h R, k R0 : 0 <

La candidate diffrentielle obtenue plus haut est donc une vraie diffrentielle :
df(0,0) = dx.

b f (x, y) = |x| + y nest pas drivable, et donc pas diffrentiable, en (0,0). En effet :
lim

x0

194

f (x, 0) f (0, 0)
|x| 0
|x|
= lim
= lim @.
x0
x0
x0
x0
x

f
f
(0, 0) = 1 et
(0, 0) = 0. La candidate diffrentielle est donc : cdf(0,0) = dx. La
x
y
fonction nest cependant pas diffrentiable en (0,0). En effet, en passant en coordonnes

Les fonctions de plusieurs variables relles

Chapitre
polaires, on montre que :
lim

(h,k)(0,0)

h3
0h
2
hk2
h2 +
pk
@.
= lim
(h,k)(0,0) (h2 + k2 )3/2
h2 + k 2

f
f
(0, 0) = 0 et (0, 0) = 1, cdf(0,0) = dy. La fonction f nest pas diffrentiable en (0,0).
x
y

EXERCICE 13
nonc

Dans chaque cas, calculez la diffrentielle des fonctions donnes en un point quelconque.
a f : R3 R : (x, y, z) x2 yz3 + y2 x3 .

b f : R2 R3 : (x, y) (x3 y2 , ex+y , y).

Solution

a f est un polynme f est diffrentiable dans R3 et la diffrentielle en (x, y, z) est donne


f
f
f
par : df(x,y,z) =
dx + dy + dz = (2xyz3 + 3y2 x2 )dx + (x2 z3 + 2yx3 )dy + 3x2 yz2 dz.
x
y
z
b Les trois composantes de f sont diffrentiables dans R2 , donc f est diffrentiable dans R2
et :

!
3x2 y2 2x3 y
3x2 y2 dx + 2x3 ydy

 dx

f x, y = ex+y ex+y df(x,y) = f x, y .


= ex+y dx + ex+y dy .
dy
0
1
dy

nonc
a
b
c
d

Solution

On considre la fonction de production de Cobb-Douglas deux facteurs et rendements


constants dfinie par f x, y = xa y1a (a > 0).
1
Que vaut cette fonction en (x0 , y0 ) = (10, 10) et en (x, y) = (10,1; 9,95) lorsque a = ?
2
Par diffrence, dterminez laccroissement f correspondant.
Dterminez la diffrentielle de cette fonction.
1
Pour a = , dduisez-en lapproximation linaire de f au point (x, y) = (10,1; 9,95) en
2
prenant comme rfrence le point (x0 , y0 ) = (10, 10).
Comparez laccroissement exact de la fonction son approximation linaire partir de
(x0 , y0 ) = (10, 10), en prenant successivement les points suivants :
(10,1; 9,5), (10,4; 9,4), (11, 9), (12; 8,2) et (13, 8).

1
: f x, y = xy
2

f (10, 10) = 10 et f (10,1; 9,95) = (10,1) (9,95) = 10,0247.


f = f (10,1; 9,95) f (10, 10) = 10,025 10 = 0,0247.

a Pour a =

Drives partielles, lasticits et diffrentielle

Exercices

EXERCICE 14

195

b La diffrentielle en (x, y) est donne par : df(x,y) = axa1 y1a dx + (1 a)xa ya dy.
r
r
1
1 y
1 x
c Pour a = : df(x,y) =
dx +
dy. En particulier :
2
2 x
2 y
r
r
1 10
dx + dy
1 10
dx +
dy =
df(10,10) =
2 10
2 10
2


1
f (x, y)
= f (10, 10) + (x 10) + y 10 .
| {z } 2
10

Ainsi, f (10,1; 9,95)


= 10,025 est une bonne approximation de la valeur exacte donne
par : f (10,1; 9,95) = 10,0247.

d Pour les points donns, on a respectivement partir de (x0 , y0 ) = (10, 10) :

f (10, 1 ; 9, 5) f (10, 10) = 9, 7954 10 = 0, 2045


dont lapproximation linaire est :
df(10,10) (10,1 10 ; 9,5 10)
0,1 0,5
= df(10,10) (0,1 ; 0,5) =
= 0,2 ;
2
f (10,4 ; 9,4) f (10, 10) = 9,8873 10 = 0,1126
0,4 0,6
= 0,1 ;
et df(10,10) (0,4 ; 0,6) =
2
f (11,9 ; 9) f (10, 10) = 10,3489 10 = 0,3489
1,9 1
= 0,45 ;
et df(10,10) (1,9 ; 1) =
2
f (12 ; 8,2) f (10, 10) = 9,9196 10 = 0,0803
2 1,8
et df(10,10) (2 ; 1,8) =
= 0,1 ;
2
f (13, 8) f (10, 10) = 10,1980 10 = 0,1980
32
= 0,5.
et df(10,10) (3 ; 2) =
2
Remarque

Lapproximation de f = f x, y f (10, 10) devient moins prcise lorsque (x, y) sloigne du
point (10,10).

EXERCICE 15
nonc

196

La fonction de production dun entrepreneur est donn par K 2 .L 4 , o K reprsente le


capital utilis et L le travail. Actuellement, il utilise 9 units de capital et 16 units de travail.
Dterminez par approximation linaire la production obtenue sil augmente dune unit
le capital et de deux units le facteur travail.

Les fonctions de plusieurs variables relles

Chapitre
2
1
1
La fonction f (K, L) = K 2 .L 4 est diffrentiable dans R+
0 . On a, par approximation
linaire :

Solution

f (10,18) f (9,16) + f (9,16).(1,2) = 6 +

3
25
1
1+
2=6+
= 6,52.
3
32
48

Fonctions homognes
EXERCICE 16
nonc


Montrez que si f : R2 R : x, y f (x, y) est diffrentiable et homogne de degr k
f
f
et
sont homognes de degr k 1 dans R2 .
dans R2 , alors
x y

Solution

Soit > 0 :
f (x + h, y) f (x, y)
f
(x, y) = lim
h0
x
h
 

h
f x + ,y
f (x, y)

= lim

h
h0
.


Comme f est homogne de degr k : f x, y = k f (x, y), on obtient, en posant
h
h0 = :


k f (x + h0 , y) f (x, y)
f
1
f
(x, y) = lim
= k1 (x, y)
0
0
x
h 0
h
x
La dmonstration est similaire pour

nonc

On considre trois fonctions :


f : R2 R, homogne de degr 2 et diffrentiable dans R2 ;
g : R2 R, homogne de degr 1 et diffrentiable dans R2 ;
h : R R, homogne de degr 1 et diffrentiable dans R.


f
f 3
a Sachant que f (3, 4) = 5 et que (3, 4) = 4, calculez f (6, 8) et
,2 .
y
y 2

b La fonction F : R R : t F(t) = f g(h(t), t), t est-elle homogne? Si oui, de quel
degr?

Fonctions homognes

Exercices

EXERCICE 17

197

Solution

a f est homogne de degr 2 f (6, 8) = f (2(3, 4)) = 22 f(3, 4)= 20. 


Dautre part,

f
f 3
f 1
daprs lexercice 16,
est homogne de degr 1, do :
,2 =
(3, 4) =
y
y 2
y 2
1 f
(3, 4) = 2.
2 y
b On a pour > 0 :



F(t) = f g(h(t), t), t = f g(h(t), t), t = f g ((h(t), t)) , t
 
 
 
= f g h(t), t , t = f g h(t), t , t = 2 f g h(t), t , t = 2 F(t).
La fonction F est donc homogne de degr 2.

EXERCICE 18
nonc

Montrez que la fonction de production de Cobb-Douglas Q(L, K) = AK L , (A >


2
0, , (0, 1)) est homogne dans R+
0 .

Solution

Soit > 0. On a : Q(L, K) = A(K) (L) = A+ K L = + Q(L, K).

Matrice hessienne, fonctions concaves


et convexes
EXERCICE 19
nonc

Solution

Dans chaque cas, la fonction donne est-elle (strictement) concave dans R2 ? (strictement)
convexe dans R2 ?
a f (x, y) = x2 + y2 xy.
b f (x, y) = y3 + xy.
c f (x, y) = (x + y)2 x2 .
Remarques prliminaires :
1. Toutes ces fonctions sont des polynmes, donc de classe C 2 dans R2 .
2. Les rsultats relatifs aux matrices (semi)dfinies ont t tablis dans les exercices du
chapitre 5.

!
2
1
a (x, y) R2 : Hf (x, y) =
est dfinie positive f est strictement convexe
1
2
dans R2 .

198

Les fonctions de plusieurs variables relles

Chapitre
b (x, y) R2 : Hf (x, y) =
dans R2 .
c (x, y) R2 : Hf (x, y) =
dans R2 .

0 1
1 6y

est indfinie f nest ni convexe, ni concave

4 2
2 2

est dfinie ngative f est strictement concave

EXERCICE 20
nonc

tudiez la convexit de la fonction de Cobb-Douglas Q(L, K) = AK L (avec A >


0, , (0, 1)).

Solution

La fonction est de classe C dans

2
R+
0

et : HQ (K, L) =

!
( 1)K 2 Q
KLQ
.
KLQ
( 1)L2 Q

Pour appliquer la mthode des mineurs principaux (voir chapitre 5, section 7.3), on
dtermine :
et

det H(1) = ( 1)K 2 Q < 0 (car < 1),



det H(2) = ( 1)( 1) 2 2 K 2 L2 Q2 = (1 ) K 2 L2 Q2

de mme signe que [1 ( + )].


Si + < 1, alors det H(2) > 0 et Q est strictement convexe.
pas de conclure. Un calcul direct
Si + = 1, alors det H(2) = 0, ce qui ne permet
!
2
x
montre que : (x, y) R2 : (x, y)HQ (K, L)
= (1)Q Kx + Ly 6 0 puisque
y
0 < < 1 et Q > 0. Q est donc convexe.
Si + > 1 : det H(2) < 0 Q nest ni convexe, ni concave.

EXERCICE 21
Soit f C 2 (Rn ) et g : R R : t g(t) = f (a + t(b a)), o a, b Rn (a 6= b).
a Dterminez g 0 (t) et g 00 (t).
b En appliquant g la formule de Mac Laurin lordre 1 vue dans le chapitre 3 (section 5)
pour les fonctions dune seule variable, dduisez-en la formule suivante (formule de
Taylor lordre 1 pour les fonctions de n variables) :
f (x) = f (a) +

n
n
n
X
f
1 X X 2f
(a)(xi ai ) +
(a + (x a)) (xi ai )(xj aj )
xi
2 i=1 j=1 xi xj
i=1

o (0, 1).

c Exprimez ce rsultat sous forme matricielle.

Matrice hessienne, fonctions concaves et convexes

Exercices

nonc

199

Solution

a La fonction g est une fonction compose : g = f h o h : R Rn : t a + t(b a).


Daprs la chain rule, on a :
n
n
X
(ai + t(bi ai )) X f
f
=
g (t) =
(a + t(b a))
(a + t(b a)) (bi ai ).
xi
t
xi
i=1
i=1
0

Une seconde application de la chain rule conduit :


g 00 (t) =

n X
n
X
2f
(a + t(b a)) (bi ai )(bj aj ).
xi xj
i=1 j=1

Remarque
comme f C 2 (Rn ), lordre de drivation est indiffrent :

2f
2f
=

xi xj
xj xi

b La formule de Mac Laurin (formule de Taylor au voisinage de 0) lordre 1 indique que :


g(t) = g(0) + g 0 (0)t +

g 00 (t) 2
t ,
2

o (0, 1).

(1)

Dans le cas prsent :


g(0) = f (a), g 0 (0) =
et
g(t) =

n
X
f
(a)(bi ai )
xi
i=1

n X
n
X
2f
(a + t(b a)) (bi ai )(bj aj ).
xi xj
i=1 j=1

En remplaant dans (1), on obtient :


n
X
f
g(t) = f (a + t(b a)) = f (a) +
(a)(bi ai )t
x
i
i=1

n X
n
X
2f
(a + t(b a)) (bi ai )(bj aj )t 2 .
x
x
i j
i=1 j=1

Finalement, pour t = 1 et b = x, il vient :


f (x) = f (a) +

n
n X
n
X
X
f
2f
(a)(xi ai ) +
(a + (x a)) (xi ai )(xj aj )
xi
xi xj
i=1
i=1 j=1

o (0, 1).

1
(x a)0 .Hf (a + (x a)) .(x a), o (0, 1) et
2

x1 a 1

..
.
(x a) reprsente le vecteur colonne
.

xn a n

c f (x) = f (a) + f (a).(x a) +

200

Les fonctions de plusieurs variables relles

Chapitre

Optimisation
des fonctions
de plusieurs
variables
Optimisation des fonctions de plusieurs
variables
1. Extrema libres . . . .. . . . .. . . .. . . . .. . . 202
1.1 Dfinitions . . . . . . . . . . . . . . . . . . . . . 202
1.2 Condition suffisante dexistence
dextrema globaux . . . . . . . . . . . . . 202
1.3 Dtermination des extrema libres
dans un domaine ouvert . . . . . . . 203

2. Extrema lis : contraintes dgalits 207


2.1 Thorme de Lagrange . . . . . . . . 208
2.2 Interprtation des multiplicateurs
de Lagrange . . . . . . . . . . . . . . . . . . . 211
2.3 Classification des candidats . . . . 212

3. Extrema lis : contraintes


dingalit . . . . .. . . . .. . . . .. . . . .. . . . 213
3.1 Contraintes satures, contraintes
rgulires . . . . . . . . . . . . . . . . . . . . . . 214
3.2 Le thorme de Kuhn et Tucker . 216

Problmes et exercices . .. . 218


Extrema libres . . . . .. . . . .. . . . .. . . . .. . . . 218
Extrema lis : contraintes dgalits . . . 223
Extremas lis : contraintes dingalits 228

Parmi toutes les matires abordes dans cet ouvrage,


loptimisation plusieurs variables est sans conteste
celle qui apparat le plus frquemment dans la
modlisation des dcisions des gestionnaires. Quil
sagisse de maximiser le bnfice, la satisfaction des
clients, la productivit ou de minimiser les cots, le
risque, lcart par rapport une valeur cible, le retard
dun projet, etc., tous ces problmes exigent une mise
en quations qui passe par loptimisation de fonctions,
gnralement de plusieurs variables.
La dtermination des extrema dans le cas dune seule variable a
t dtaille au chapitre 4. Logiquement, le prsent chapitre en
est un prolongement qui fait intervenir les diverses notions spcifiques aux fonctions multivaries tudies dans le chapitre 6.
Nanmoins, le thme de loptimisation plusieurs variables exige
un saut conceptuel important. En effet, plusieurs notions relatives
aux fonctions dune variable sont loin de se gnraliser de faon
vidente. Par exemple, les fonctions dune variable (suffisamment
rgulires) admettent une seule drive premire, une seule drive
seconde, etc., tandis que, pour les fonctions de n variables, le
nombre de drives possibles crot avec lordre de drivation : n
drives partielles premires, n2 drives partielles secondes, etc.
Une consquence directe de cet accroissement apparatra sous la
forme de conditions de premier et second ordre plus lourdes
formuler.

Optimisation des fonctions de plusieurs variables

201

Par ailleurs, la prise en compte pratique des contraintes imposes aux variables doit tre
fondamentalement revue. Prenons le cas de la maximisation de la fonction f (x) dont
lunique variable est soumise une contrainte de non-ngativit (x > 0), qui traduit par
exemple le fait que x est une quantit, un prix ou toute autre grandeur dpourvue de sens
pour une valeur ngative. Loptimisation seffectue alors laide de la procdure usuelle
(voir chapitre 4), la contrainte ayant pour effet de restreindre le domaine dtude R +
et dexiger un examen particulier pour le seul point qui en constitue le bord (x = 0).
Plongeons le mme problme dans un cadre bivari : maximiser f (x, y) sous la double
2
contrainte x > 0 et y > 0. prsent,
le domaine admissible est donn par R+ dont

le bord , (x, 0) : x R+ (0, y) : y R+ , comporte videmment une infinit
de points. Une tude individuelle des points de cet ensemble devient techniquement
difficile, de sorte quil apparat indispensable de disposer de mthodes doptimisation
qui intgrent demble la prsence de contraintes qui font apparatre des bords . Cette
approche (recherche dextrema lis), spcifique aux fonctions de plusieurs variables, sera
aborde dans ce chapitre aprs lexpos des principes de loptimisation dite libre, qui vise
la dtermination des extrema dans un domaine ouvert, donc sans bords .

Extrema libres

1.1 DFINITIONS
Les dfinitions des diffrents types dextrema des fonctions dune variable stendent de
faon naturelle aux fonctions de plusieurs variables.
Dfinition Soit f : D R : x f (x), o D Rn , et a D.
f admet un maximum global en a si x D : f (x) 6 f (a).
f admet un minimum global en a si x D : f (a) 6 f (x).
f admet un maximum local en a si (1) V(a) : x V(a) D : f (x) 6 f (a).
f admet un minimum local en a si V(a) : x V(a) D : f (a) 6 f (x).

Lorsque la fonction f admet un maximum (resp. un minimum) en a D, le nombre rel


f (a) est la valeur maximale (resp. la valeur minimale) correspondante.
On peut galement dfinir les extrema stricts (voir le chapitre 4) mais, sauf mention
expresse, on sintresse ici aux extrema non ncessairement stricts.

1.2 CONDITION

SUFFISANTE D EXISTENCE D EXTREMA GLOBAUX

Ltude des fonctions dune variable a montr que lexistence dextrema nest garantie
a priori que sous certaines conditions mlant la nature topologique du domaine et la
rgularit de la fonction. Dans la mme veine, la proprit suivante offre une condition
suffisante dexistence dextrema globaux pour les fonctions de plusieurs variables.
Proprit Si f : D R : x f (x) est continue dans D Rn et si D est ferm
et born (on dit alors que D est compact), alors f admet un minimum global et un
maximum global dans D.

1. V(a) reprsente un voisinage du point a (voir chapitre 1, section 1.6). On peut galement formuler la
dfinition des extrema locaux en remplaant ce voisinage par une boule ouverte B(a, ), o > 0.

202

Optimisation des fonctions de plusieurs variables

Chapitre
Ce rsultat appelle des commentaires dans deux directions opposes. Dune part, il apporte
une information utile puisque, dans la pratique, le gestionnaire cherche gnralement des
solutions optimales globales. Atteindre un optimum local est en effet futile sil se trouve
ailleurs dans le domaine des possibilits des valeurs suprieures de la fonction dobjectif.
Ce serait comme escalader une colline alors quun sommet voisin plus lev est accessible...
La question demeure cependant de savoir sil existe rellement un point culminant .
Cest cette information quapporte la proprit, du moins lorsquelle est applicable.
Dautre part, la restriction relative au domaine compact est malheureusement trop forte
pour la rsolution de nombreux problmes, en particulier, ceux pour lesquels les variables
de dcision ne sont pas bornes. Ds lors, comme dans le cas des fonctions dune variable,
une phase dlicate concernera le passage des extrema locaux aux extrema globaux. Dans
cette optique, la section suivante mettra en lumire limportance que peut jouer la
concavit ou la convexit de la fonction dobjectif.
La question du traitement des ventuels bords du domaine traverse de part en part
ce chapitre. Beaucoup plus pineuse n variables qu une seule variable, elle motive la
scission entre extrema libres et lis. En effet, les restrictions du domaine qui sexpriment
sous la forme dune galit (g(x) = 0) ou dune ingalit non stricte (g(x) 6 0) crent
gnralement une infinit de bords, dont ltude au cas par cas devient impraticable. Les
conditions de Lagrange et de Kuhn et Tucker visent combler cette lacune. Avant daborder
ces nouveaux rsultats, la section suivante prsente la dtermination des extrema dans un
domaine ouvert. La terminologie dextrema libres rsulte de labsence de conditions
introduisant des bords dans le domaine, que lon appelle aussi des contraintes .

1.3 DTERMINATION

DES EXTREMA LIBRES DANS UN DOMAINE OUVERT

La dtermination des extrema libres dune fonction multivarie repose dabord sur la
condition ncessaire du premier ordre.
Condition ncessaire du premier ordre Si f : D R, o D Rn , est
diffrentiable en a D D0 et admet un extremum local en a, alors i = 1, . . . , n :
f
(a) = 0 (ou en abrg : f (a) = 0).

xi
Dfinition Un point a DD0 en lequel f est diffrentiable et tel que f (a) = 0
est appel point critique.

Comme pour les fonctions dune variable, la premire tape de la recherche des extrema
consiste dresser la liste des candidats extrema locaux qui est constitue de trois types
de points de D :
les points critiques ;
les lments de D D0 en lesquels f nest pas diffrentiable ;

les bords du domaine.


La dernire catgorie fera lobjet des sections 7.2 et 7.3. Ds lors, nous faisons ici lhypothse
que le domaine D est ouvert et, par consquent, ne possde pas de bords.
La seconde tape dans la recherche des extrema consiste classer les candidats retenus.
cette fin, plusieurs critres de second ordre existent pour les fonctions suffisamment

Extrema libres

203

rgulires. En dernier ressort, la dfinition reste toujours applicable, quoique souvent peu
commode lusage.
Nanmoins, dans plusieurs cas, il apparat difficile, voire impossible, daboutir une
conclusion laide de la seule approche analytique. Il peut alors tre utile de se tourner
vers des techniques numriques pour explorer le domaine de la fonction la recherche de
ses extrema.
Les deux conditions suffisantes qui suivent concernent exclusivement les points critiques.
Elles reposent sur la notion de fonction concave ou convexe et celle de matrice hessienne
(matrice des drives partielles secondes), qui ont t dfinies au chapitre 6.
Critre de la convexit/concavit Soit f : D R, o D est un sousensemble ouvert et convexe de Rn , et a un point critique.

Si f est convexe dans D, alors f admet un minimum global en a.


Si f est concave dans D, alors f admet un maximum global en a.

Ce critre est crucial puisquil offre une condition suffisante pour obtenir un extremum
global dans un domaine ouvert et convexe, alors que les autres rsultats de cette section
ne concernent que les extrema locaux.
Condition suffisante du second ordre Soit f : D R, de classe C 2
dans D, o D est un sous-ensemble ouvert et convexe de Rn , et a un point critique.

Si H(a) est dfinie positive, alors f admet un minimum local en a.


Si H(a) est dfinie ngative, alors f admet un maximum local en a.

Le critre de la convexit et la condition du second ordre se prsentent sous la forme


de conditions suffisantes pour obtenir un extremum en un point critique. De faon
complmentaire, la proprit suivante peut conduire conclure labsence dextremum
en un point critique.
Critre du point de selle Soit f : D R, de classe C 2 dans D, o D est un
sous-ensemble ouvert et convexe de Rn .

Si a est un point critique et H(a) est indfinie (ni semi-dfinie positive, ni semidefinie ngative), alors f nadmet pas dextremum local en a (un tel point est dit
point de selle).

La figure 7.1, page ci-contre, illustre les situations qui, en un point critique, sont identifiables, soit laide de la condition du second ordre (dans les deux premiers cas), soit
laide du critre du point de selle (dernier cas).
Nanmoins, lorsque a est un point critique et H(a) est une matrice semi-dfinie, il est
moins ais de conclure. En labsence de connaissance pralable au sujet de la concavit ou
la convexit de la fonction, une tude locale (voir exercices) peut savrer indispensable. Il
en est de mme pour les candidats extrema en lesquels la fonction nest pas diffrentiable.
Remarque
Mme pour les fonctions suffisamment rgulires, il est irraliste denvisager des conditions
dordres suprieurs deux, pour des raisons de complexit croissante des drives partielles.

204

Optimisation des fonctions de plusieurs variables

Chapitre
Figure 7.1

Max

Min
Point de selle

Au plan gomtrique (pour 2 variables), si la fonction f est diffrentiable et admet un


point critique en a, alors le plan tangent au graphe de f est horizontal en x = a.

Si la fonction est de classe C 2 dans un voisinage de a, on peut formuler le dveloppement


de Taylor lordre 2 dans ce voisinage :
1
f (x)
= f (a) + qa (x a)
2
o qa (x a) =

n X
n
X
2f
(a)(xi a)(xj a) est la forme quadratique associe H(a).
xi xj
i=1 j=1

Cette criture met en lumire le rle de la matrice hessienne en un point critique et


souligne limportance dtudier le signe de la forme quadratique associe. Pour ce faire,
on recourt aux techniques matricielles exposes au chapitre 5.

Exemples
1. Pour dterminer les extrema libres de la fonction f (x, y) = x 2 + y3 2xy y dans R2 , on
constate dabord que f est un polynme, donc diffrentiable dans louvert R2 . Les seuls
candidats extrema locaux sont les points critiques. Toutefois, nous ne disposons daucune
garantie a priori sur le fait que les ventuels extrema locaux soient globaux.

Recherche des points critiques

x (x, y) = 2x 2y = 0

(x, y) = 3y2 2x 1 = 0
y

x=y
3y2 2y 1 = 0



1
1
Les deux candidats sont donc ,
et (1, 1).
3
3



1
1

(x, y) = 3 , 3

ou

(x, y) = (1, 1)

Extrema libres

205

Classification
La matrice hessienne de f en un point (x, y) R2 est :

2f

(x, y)

xy
2
=

2
2f
(x, y)
y2

2f
(x, y)
x2
Hf (x, y) =
2f
(x, y)
xy

2
6y



1
1
2 2
Dune part, Hf ,
est indfinie (voir chapitre 5, exercice 20)
=
3
3
2 2


1
1
,
est un point de selle.
3
3
!

2 2
est semi-dfinie positive (voir chapitre 5, exercice 20)
Dautre part, Hf (1, 1) =
2
6
f admet en (1, 1) un minimum local de valeur f (1, 1) = 1. Ce minimum nest cependant
pas global puisque, par exemple, f (0, 2) = 6 < f (1, 1) = 1.
2. On veut optimiser la fonction f (x, y) = x2 + y2 dans le disque ouvert centr en (0,0) de
rayon 1, reprsent par D = (x, y) R2 : x2 + y2 < 1 .
Le seul candidat est lunique point critique (0,0). Comme illustr par la figure 7.2, la dfinition
implique de faon immdiate que f admet un minimum global en (0,0). En effet :
(x, y) D : f (x, y) = x2 + y2 > 0 = f (0, 0).
Donc, la fonction nadmet aucun maximum.

Figure 7.2
z
1
0, 8
0, 6
0, 4
1
0, 8

0, 6

0, 2
0, 4

0, 8

0, 2

0, 2

0, 6

0, 4

0, 2

0, 4

0, 4

0, 6

0, 6

0, 8

0, 8

3. Une firme, dont la fonction de production deux facteurs, note f (x, y), est suppose
concave et diffrentiable, maximise son profit donn par : (x, y) = pf (x, y) x y,
o les paramtres positifs p, et , reprsentent les prix unitaires respectivement de loutput
et des deux inputs. cet effet, elle fixe les quantits de facteurs, x et y.
La concavit de f entrane celle de . Un point critique sera donc automatiquement un
2
maximum dans lensemble ouvert et convexe R+
0 . Notons cependant quon exclut de

206

Optimisation des fonctions de plusieurs variables

Chapitre
la sorte les ventuelles solutions de coin o lune ou lautre des quantits de facteurs
sannule.
La condition du premier ordre scrit :

p x (x, y) =

p (x, y) =
y

x (x, y) = p x (x, y) = 0

(x, y) = p (x, y) = 0
y
y

Elle exprime que la productivit marginale de chaque input doit tre gale son prix.
En particularisant ce rsultat la fonction de production de Cobb-Douglas f (x, y) = x a yb (o
a + b 6= 1), on obtient :
(

paxa1 yb =
pbxa yb1 =

paxa yb = x
pbxa yb = y

Si lon dsigne par z = xa yb le niveau de production optimal de la firme, alors la dernire

paz
(

x =
paz = x
expression scrit :

paz .

pbz = y
y =

Le niveau de production optimal satisfait donc lquation :


z=

 paz a  paz b

z=

 pa 

a
1ab

pa

b
1ab

qui exprime la fonction doffre de la firme.

Extrema lis : contraintes dgalits


La scission entre extrema libres et lis (ou sous contraintes ) est ne de limpossibilit
technique de traiter loptimisation dans les domaines non ouverts selon la procdure
expose dans la section 7.1. En effet, la condition du premier ordre ne sapplique pas aux
bords du domaine. Or, si de tels points existent, leur tude au cas par cas est gnralement
peu aise. Ds lors, la thorie mathmatique propose des mthodes doptimisation lie.
Celles-ci incorporent directement dans la rsolution les contraintes qui dfinissent des
domaines non ouverts.
La nomenclature peut savrer trompeuse. En effet, au plan oprationnel, ce nest pas
la prsence intrinsque de contraintes dans loptimisation qui conduit dlaisser loptimisation libre au profit de loptimisation lie. Ce sont plutt les consquences de ces
restrictions au niveau de la nature topologique du domaine de dfinition de la fonction
qui guident lutilisateur vers lune ou lautre des techniques. Ainsi, dans un domaine fort
limit, mais ouvert, comme celui figurant dans lexemple 2 de la section 1.2, la recherche
des extrema libres sapplique. linverse, une contrainte sous forme dingalit non stricte
doit toujours tre prise en compte pour dterminer les extrema lis.
Parmi les types de contraintes auxquelles le modlisateur peut se trouver confront, deux
classes se distinguent. Dune part, celles qui lient les variables du problme au travers
dune ou plusieurs quations. Ces contraintes dites dgalits sont apprhendes grce au

Extrema lis : contraintes dgalits

207

thorme de Lagrange, qui fournit une condition de premier ordre formule partir dune
fonction ad hoc, dnomme lagrangien. Dans cette approche, de nouvelles variables, dites
multiplicateurs, apparaissent et offrent une possibilit supplmentaire dans lanalyse des
rsultats. Dautre part, loptimisation sous des contraintes dingalits non strictes, traite
grce au thorme de Kuhn et Tucker, sera prsente dans la section 3.

2.1 THORME

DE LAGRANGE

On considre le problme suivant : dterminer les extrema dune fonction de n


variables, note f (x1 , . . . , xn ) = f (x), mathmatiquement dfinie dans un domaine ouvert
D Rn , mais dont les variables sont soumises aux m contraintes : g1 (x) = 0, g2 (x) =
0, . . . , gm (x) = 0, o les fonctions gj sont galement dfinies dans D. Ces contraintes
sont directement issues de la mise en quation des limitations rencontres par le gestionnaire.
Elles dlimitent le sous-ensemble

A de D dans lequel seffectue loptimisation :
A = x D : g1 (x) = 0, . . . , gm (x) = 0 .
La dfinition des extrema lis rsulte donc de celle des extrema libres.
Dfinition La fonction f admet un maximum li (resp. un minimum li) sous
les contraintes g1 (x) = 0, . . . , gm (x) = 0, en a A si, en ce point, elle admet un
maximum libre (resp. un minimum libre) dans le domaine A.

Gnralement, une contrainte de type gj (x) = 0 dfinit une courbe. Lensemble A est
donc constitu de lintersection de m courbes dans D Rn . Pour m > 1, il peut donc
contenir fort peu de points. Cest pourquoi, en pratique, il est rare de rencontrer plus
dune contrainte lgalit. Et, dans tous les cas, il est exclu davoir plus de contraintes que
de variables, de sorte que la condition m < n sera systmatiquement impose. loppos,
les contraintes sous forme dingalits, nettement moins restrictives, sont souvent plus
nombreuses. Elles seront abordes dans la section 3.
De manire condense, le problme trait ici se prsente sous la forme suivante :
Problme doptimisation (opt) sous contraintes (s.c.) dgalits
(

opt f (x), x D Rn
s.c. gj (x) = 0, j = 1, . . . , m (m < n)
(
opt f (x), x A


o A = x D : g1 (x) = 0, . . . , gm (x) = 0

Exemples
1. La figure 7.3, page ci-contre, reprsente le graphe de la fonction f (x, y) = x 2 + y2 + 2. Le
graphe de f restreint aux points du cercle dfini par la contrainte A x 2 + y2 1 = 0 est
not B. Il est obtenu par projection verticale de ce cercle sur le graphe de f .
2. Le consommateur maximise une fonction dutilit, note U(x, y), qui dpend des quantits
consommes de deux biens, x et y, sous une contrainte budgtaire : p1 x + p2 y = R, o p1
et p2 p1 , p2 > 0 sont les prix des biens. Cette contrainte exprime que le montant allou aux
dpenses relatives aux deux biens considrs est fix R.
Dans ce cas simple qui comporte deux variables et une contrainte, on peut aisment ramener
loptimisation lie la recherche dun maximum libre. En effet, la contrainte de budget

208

Optimisation des fonctions de plusieurs variables

Chapitre
z

Figure 7.3

6
5
4
3

2
1
2

2
1

1
1

R
p1
x. En vertu de
p2
p2
la condition du premier ordre pour la fonction dune variable obtenue aprs substitution de
y en fonction de x, on a :

Uy0 (x, y)
dU x, y(x)
dy
p1
U 0 (x, y)
= Ux0 (x, y) + Uy0 (x, y) (x) = Ux0 (x, y) Uy0 (x, y) = 0 x
=

dx
dx
p2
p1
p2
permet dexpliciter la quantit dun bien en fonction de lautre : y =

Ce rsultat indique qu loptimum, les utilits marginales pondres par les inverses des
Uy0 (x, y)
U 0 (x, y)
prix sgalisent. Dsignons par cette quantit commune : x
=
= .
p1
p2
Par ailleurs, la contrainte de budget peut tre reformule par g(x, y) = 0, o g(x, y) =
p1 x + p2 y R, de sorte que p1 = gx0 (x, y) et p2 = gy0 (x, y), et finalement :
(
Ux0 (x, y) gx0 (x, y) = 0
U g = 0.
Uy0 (x, y) gy0 (x, y) = 0
Le thorme de Lagrange gnralise la dmarche adopte dans la rsolution de lexemple 2.
Il reprsente la condition du premier ordre pour loptimisation sous des contraintes lgalit.

Thorme de Lagrange (premire version) Soit les fonctions f et


g1 , . . . , gm (m < n) de classe C 1 dans un ouvert D Rn .
Si f admet en a un extremum li sousles contraintes
g1 (x) = 0, . . . , gm (x) = 0, et

gi
si la jacobienne des contraintes en a,
(a)
, est de plein rang m, alors :
xj
mn

= (1 , . . . , m ) Rm : f (a)

m
X
i=1

i gi (a) = 0.

Extrema lis : contraintes dgalits

209

Ce rsultat fondamental doit tre assorti de plusieurs commentaires qui en prcisent les
contours et en facilitent lusage pratique.
La thse de ce thorme signifie quau point a, le gradient f (a) est une combinaison
linaire des gradients des contraintes : g1 (a), . . . , gm (a). En particulier, quand n = 2
et m = 1 (deux variables et une contrainte), la condition scrit f (a) = g(a). Elle
exprime que, dans le plan R2 , la courbe de niveau f (x) = f (a) et la courbe g(x) = 0
ont une tangente commune au point a (figure 7.4).
Figure 7.4

f(x)=f(a)

g(x)=0

a
g(a)

f(a)

Le thorme de Lagrange peut tre vu comme la condition du premier ordre applique


la fonction de n + m variables dfinie comme suit :
Dfinition

La fonction lagrangienne (ou le lagrangien) du problme


(

opt f (x), x D Rn
s.c. gj (x) = 0, j = 1, . . . , m (m < n)

est dfinie par : L : D Rm : (x, ) L(x, ) = f (x)


o = (1 , . . . , m ).

m
X

i gi (x),

i=1

La thse du thorme de Lagrange sexprime alors sous la forme :



Rm : x L (x, ) = 0, o x L (x, ) = L0x1 (x, ) , . . . , L0xn (x, ) .

Les drives partielles par rapport aux j napparaissent pas dans cette criture.
La condition L (x, ) = 0 est cependant toujours vrifie puisque L0j (x, ) =
gj (x) et lannulation de cette quantit reprsente la j-me contrainte. Les solutions
(x, ) du systme L (x, ) = 0 sont logiquement nommes points critiques du
lagrangien.

210

Optimisation des fonctions de plusieurs variables

Chapitre
Parmi les hypothses du thorme de Lagrange, figure une condition relative la matrice
jacobienne des contraintes. Cette condition garantit que le systme des contraintes nest
pas pathologique au point a. Par commodit, on introduit la dfinition suivante.
Dfinition

Un point a A tel que




gi
=m
(a)
rg
xj
mn

est appel point rgulier des contraintes.

Les points de A non rguliers, dits alors singuliers, sont automatiquement slectionns
comme candidats extrema lis, au mme titre que les points de A en lesquels la diffrentiabilit de chacune des fonctions en prsence nest pas assure.
Moyennant ces nouveaux lments, le thorme peut tre reformul sous une forme plus
compacte et oprationnelle.
Thorme de Lagrange (seconde version) Soit les fonctions f et
g1 , . . . , gm (m < n) de classe C 1 dans un ouvert D Rn .
Si f admet un extremum li par les contraintes g1 (x) = 0, . . . , gm (x) = 0, au point
rgulier a, alors : Rm : L(a, ) = 0.

2.2 INTERPRTATION

DES MULTIPLICATEURS DE LAGRANGE

Dune manire qui peut sembler paradoxale, loptimisation lie dune fonction de n
variables sous m contraintes conduit lcriture dune condition de premier ordre relative
une fonction de n + m variables, alors quintuitivement, on aurait plutt attendu une
baisse de la dimension du problme due aux restrictions impliques par la prsence de
contraintes.
Mais le paradoxe nest quapparent. En effet, lintroduction des multiplicateurs de
Lagrange, 1 , . . . , m , enrichit plus quelle nalourdit loptimisation, grce linterprtation dont jouissent ces variables. Prcisment, la valeur prise par un multiplicateur
traduit linfluence marginale du niveau de la contrainte correspondante sur la valeur de
la fonction objective loptimum. On dit aussi que le multiplicateur de Lagrange mesure
lintensit de la contrainte.
Afin de formaliser ce rsultat, nonons le problme trait en paramtrant le niveau
des contraintes : optimiser la fonction f (x), x D Rn , s.c. g1 (x) = R1 , g2 (x) =
R2 , . . . , gm (x) = Rm .
m
X

Le lagrangien de ce problme scrit L (x, ) = f (x)
i gi (x) Ri . Il dpend
i=1

naturellement des niveaux Ri des contraintes, de sorte que tant les points critiques que
la valeur de la fonction dobjectif f en ces points varient selon R = (R1 , . . . , Rm ), ce qui
permet dnoncer la proprit relative linterprtation des multiplicateurs sous la forme :

Proprit Sous les conditions de rgularit usuelles, si x (R), (R) est un

F
alors i =
, o F(R) = f x (R) reprsente la valeur de la
point critique de L,
Ri
fonction dobjectif en x .

Extrema lis : contraintes dgalits

211

Ce rsultat applicable en tout point critique est en particulier vrai lorsquil sagit dun
extremum. Ainsi, chaque multiplicateur exprime la sensibilit de la fonction dobjectif
la variation du niveau dune contrainte. Par exemple, une contrainte qui ninfluence pas
loptimisation (contrainte inoprante ou superflue) est affecte dun multiplicateur nul.
loppos, un multiplicateur lev correspond une contrainte qui pnalise de faon
importante loptimum.
Exemple


Dans le problme du consommateur qui maximise son utilit U x, y en prsence de deux biens,
faisons varier le niveau R du budget (contrainte : p1 x + p2 y = R). Le multiplicateur mesure alors
lutilit marginale du revenu loptimum :
(R) =

2.3 CLASSIFICATION


U
x (R), y (R) .
R

DES CANDIDATS

ce stade, trois types de candidats ont t slectionns :


les points critiques du lagrangien ;
les points de D D0 o f , g1 , . . . , ou gm ne sont pas diffrentiables ;
les points singuliers.
Il sagit prsent de classer ces candidats. Comme dans le cas des extrema libres, on peut
formuler des conditions du deuxime ordre relatives aux points critiques, mais qui ne
sappliquent qu certains cas. Leur nonc est prcd par la dfinition de la matrice
hessienne partielle.
Si le lagrangien L est de classe C 2 , on dfinit la
hessienne
 matrice

2L
x
partielle (par rapport aux xi ), de taille n n, par : HL (x, ) =
(x, )
.
xi xj
nn

Dfinition

Conditions du second ordre Soit f , g1 , . . . gm C 2 (D), o D est un ouvert


convexe de Rn , et (x , ) un point critique du lagrangien L.
HLx (x , ) est dfinie positive f admet un minimum local li en x .
HLx (x , ) est dfinie ngative f admet un maximum local li en x .
x D : HLx (x, ) est semi-dfinie positive f admet un minimum global li
en x .
x D : HLx (x, ) est semi-dfinie ngative f admet un maximum global
li en x .

Remarques
1. Les conditions relatives aux matrices semi-dfinies (dans les deux derniers cas) jouent ici
le rle des conditions de concavit et de convexit, et conduisent dtecter un extremum
global.
2. Contrairement au cas des extrema libres, on ne peut rien conclure lorsque HLx (x , ) est
indfinie.

212

Optimisation des fonctions de plusieurs variables

Chapitre
Exemple
Formulons le problme du consommateur pour une fonction dutilit particulire. Il sagit de

maximiser U(x, y) = xy sous la contrainte budgtaire p1 x + p2 y R = 0, o p1 , p2 > 0, en


supposant, pour simplifier, que les solutions de coin sont exclues et donc que


D = (x, y) R2 : x > 0, y > 0 .
On a : L(x, y, ) =

xy (p1 x + p2 y R).

En vertu du thorme de Lagrange (condition du premier ordre), on a :

p1 = 0

x
x
p2 = 0

2 y

p1 x + p2 y = R

2p
1 x

y
p1

x  p2


x p + p y = R
1
2
x

x = 2p1

R
y=
2p

=
2 p1 p2

Le lagrangien admet donc un seul point critique : (x , y , ) =


La matrice hessienne partielle est donne par :

2L
2 x (x, y, )
x,y
HL (x, y, ) =
2L
(x, y, )
xy


R
R
1
,
,
.
2p1 2p2 2 p1 p2


y
2L
(x, y, )
4x
x
xy
=

1
2L
(x, y, )

4 xy
2y

4 xy
.
x

4y y

Elle est semi-dfinie ngative sur louvert convexe D. Do, daprs


 la condition du deuxime
R
R

ordre, il existe un maximum li global en (x , y ) =
,
, avec pour valeur maximale
2p1 2p2
R

U(x , y ) =
2 p1 p2

Extrema lis : contraintes dingalit


Avant daborder la rsolution mathmatique gnrale, revenons en guise de prambule
sur le problme du consommateur. Grce la mthode de Lagrange, nous avons pu
incorporer la contrainte de budget dans la maximisation de la fonction dutilit. Pourtant,
cette contrainte est apparue sous la forme de lgalit p1 x + p2 y = R, traduisant le fait
que tout le budget R sera consacr la consommation. Le problme pos noffrant pas
de possibilit dpargne, toute fonction dutilit raisonnable conduira effectivement
puiser le budget loptimum.
Dans la ralit pourtant, la contrainte de budget correspond lingalit p 1 x + p2 y 6 R,
personne ne forant le consommateur puiser son budget. Mais comme ce consommateur est suppos rationnel, loptimum, lgalit est spontanment ralise. On dira que la
solution du problme sature la contrainte (en outre, le multiplicateur de Lagrange mesure
la sensibilit de lutilit optimale cette contrainte).
Par ailleurs, il faut aussi expliciter, dans la spcification du problme, les contraintes de
non-ngativit relatives aux quantits (x > 0, y > 0), qui, elles, sont souvent mais pas
toujours ! inoprantes (non satures loptimum).

Extrema lis : contraintes dingalit

213

En conclusion, le problme du consommateur apparat naturellement comme une optimisation sous contraintes dingalits : maximiser lutilit U(x, y) sous les trois contraintes :
p1 x + p2 y R 6 0, x > 0, y > 0. La rsolution de ce type de problmes est aborde ici
dans une perspective pratique.

3.1 CONTRAINTES

SATURES , CONTRAINTES RGULIRES

Le problme concerne la dtermination des extrema dune fonction f de n variables, rsumes par le vecteur x, sous p contraintes dingalits non strictes gj (x) 6 0, j = 1, . . . , p.
n
Les fonctions f et gj , j = 1, . . . , p, sont toutes dfinies
dans un domaine ouvert D

R . Le
domaine admissible est donc donn par A = x D : g1 (x) 6 0, . . . , gp (x) 6 0 . Parmi
les points de cet ensemble, on distingue des autres ceux qui se situent sur un bord au
moins.
Dfinition
si gj (a) = 0.

La contrainte gj (x) 6 0 est dite sature (ou serre) au point a A

Exemple
Considrons le systme suivant de deux contraintes :


x61
y>0

x160
y 6 0

Les points x, y R2 , tels que x < 1 et y > 0, sont admissibles et ne saturent aucune contrainte.
Ceux qui vrifient soit x = 1 et y > 0, soit x < 1 et y = 0, saturent une seule contrainte tandis
que lunique point (1, 0) sature les deux contraintes simultanment.

Un extremum situ en un point de A en lequel aucune contrainte nest sature peut tre
repr comme un extremum libre dans un domaine ouvert. Par contre, en un point qui
sature au moins une contrainte, un ventuel extremum se prsente comme li par la (ou
les) contrainte(s) sature(s) exprime(s) alors sous forme dgalit.
Exemple
Recherchons les extrema de la fonction f (x, y) = x + y 1 s.c. x 2 + y2 6 1.
Les fonctions f et g, o g(x, y) = x2 + y2 1, sont toutes deux dfinies et diffrentiables
dans

D = R2 . Le domaine admissible est donc donn par A = (x, y) R2 : x2 + y2 6 1 .

La fonction nadmet
aucun point critique dans lintrieur du domaine admissible (x 2 + y2 < 1)

puisque x, y R2 : f (x, y) = (1, 1) 6= (0, 0).

Au bord du domaine admissible (x2 +y2 1 = 0), on cherche les points critiques du lagrangien :
L(x, y, ) = x + y 1 (x2 + y2 1). La rsolution du systme :
L

(x, y, ) = 1 2x = 0

x
L
(x, y, ) = 1 2y = 0

g(x, y) = x2 + y2 1 = 0
!
!
2
2
2 2
conduit deux points critiques :
,
et
,
.
2
2
2
2
Ce sont les deux seuls candidats extrema.

214

Optimisation des fonctions de plusieurs variables

Chapitre
Pour conclure, on observe que le domaine A est compact (born et ferm), ce qui garantit
lexistence dun maximum et dun minimum global (voir section 1.2). En comparant les valeurs
prises par lafonction dobjectif
aux deux points candidats,
on dduit que le maximum global

!
!
2
2
2 2
est situ en
,
et le minimum global en
,
.
2
2
2
2
Ce mme exemple sera aussi rsolu plus loin laide du thorme de Kuhn et Tucker.

Pralablement la prsentation du thorme de Kuhn et Tucker qui synthtise les


conditions de premier ordre relatives, dune part, aux extrema libres, et dautre part,
aux extrema sous contraintes dgalits, il convient de dfinir la notion de systme rgulier des contraintes. Logiquement, dans le contexte des contraintes dingalits, la dfinition doit tre adapte pour faire rfrence aux seules contraintes
satures.
Dfinition Le point a A est un point rgulier du systme des contraintes
gj (x) 6 0, j = 1, . . . , p, si la matrice jacobienne (voir chapitre 6, section 4.3) des
contraintes satures en a est de rang maximum. Dans le cas contraire, le point
a A est dit singulier.

 


Considrons un point a A. Lensemble Ca = j 1, . . . , p : gj (a) = 0 permet de
reprer les
 contraintes satures en a. Le point a est donc singulier si le rang de la matrice

gk
nest pas gal au rang maximum qui est la plus petite des deux valeurs
(a)
kCa
xi
i{1,...,n}

suivantes : n et le nombre dlments de Ca .

Ce rang maximum varie selon le point considr. Par exemple, les points situs dans
lintrieur de A ne saturent aucune contrainte, de sorte que le rang maximal est gal
zro et que le systme des contraintes est automatiquement rgulier.
En outre, contrairement lhypothse adopte pour le nombre m des contraintes
lgalit, le nombre p de contraintes lingalit peut dpasser le nombre n de variables
du problme, de sorte que le nombre dlments de Ca peut, pour certains points a, tre
suprieur n.

Exemple
Il sagit doptimiser f (x, y) = x2 + y2 s.c. g(x, y) = x2 y2 6 0. Il y a donc une seule contrainte
( p = 1).

Si x2 6= y2 aucune contrainte sature en x, y .

Si x2 = y2 une contrainte sature en x, y .


g
g
On a
(x, y) = 2x, (x, y) = 2y. Le rang du jacobien Jg (x, y) = g(x, y) = 2x 2y
x
y

est maximal (gal 1) si et seulement si : x, y 6= (0,0).
Si x = y = 0 : le point (0,0), qui vrifie la contrainte x2 = y2 , est singulier.

Notons au passage que la dtermination des points rguliers ne concerne que les contraintes,
pas la fonction dobjectif f . Enfin, dans cet exemple, f admet un minimum li (et libre !) global
vident en (0,0).

Extrema lis : contraintes dingalit

215

3.2 LE

THORME DE

KUHN

ET

TUCKER

Pour simplifier la formulation des rsultats, nous nous limitons, sans grande perte de
gnralit, au cas o toutes les fonctions dintrt sont de classe C 1 dans Rn . Par la suite,
cette hypothse ne sera plus mentionne dans les noncs.
Nous considrerons dabord un premier problme o seules des contraintes dingalits
sont introduites. Ensuite, nous envisagerons le cas mixte (galits et ingalits).
Soit le premier problme suivant :
(
opt f (x), x Rn
.
s.c. gj (x) 6 0, j = 1, . . . , p
La condition du premier ordre pour ce problme repose sur un lagrangien dfini comme
p
X
prcdemment : L(x, ) = f (x)
j gj (x).
j=1

Dans lcriture de ce lagrangien, les notations sont lgrement modifies pour rserver les multiplicateurs k aux contraintes dgalits qui apparatront dans le deuxime
problme.

Thorme de Kuhn et Tucker (pour le premier problme)


Si f admet en a un maximum li (resp. un minimum li) sous les contraintes
g1 (x) 6 0, . . . , gp (x) 6 0, et si le systme des contraintes est rgulier en a, alors :
= (1 , . . . , p ) Rp tel que :

j > 0 (resp. j 6 0), j = 1, . . . , p ;


L
(a, ) = 0, i = 1, . . . , n ;

xi
j gj (a) = 0, j = 1, . . . , p (conditions dexclusion).

La dernire ligne sinterprte comme suit : soit la j-me contrainte est sature en a
(gj (a) = 0) et la condition est automatiquement rencontre, soit la j-me contrainte
nest pas sature en a (gj (a) < 0), et le multiplicateur correspondant j doit sannuler.
Ainsi, en un extremum qui ne sature aucune contrainte, tous les multiplicateurs sont
gaux zro, rduisant le lagrangien la fonction dobjectif f et la thse du thorme
la simple condition du premier ordre pour extrema libres. loppos, si un extremum
saturait toutes les contraintes (tout en y garantissant la rgularit du systme, ce qui
impose notamment que m < n), alors le thorme se rduirait celui de Lagrange relatif
loptimisation sous contraintes dgalits.
Considrons prsent le second problme :

opt f (x), x R
s.c. gj (x) 6 0, j = 1, . . . , p

hk (x) = 0, k = 1, . . . , m (m < n)
La condition du premier ordre pour ce problme repose sur un lagrangien incorporant
p
m
X
X
les deux types de contraintes : L(x, , ) = f (x)
j gj (x)
k hk (x).
j=1

216

Optimisation des fonctions de plusieurs variables

k=1

Chapitre
Thorme de Kuhn et Tucker (pour le second problme) Si f admet
en a un maximum li (resp. un minimum li) sous les contraintes g1 (x) 6
0, . . . , gp (x) 6 0, h1 (x) = 0, . . . , hm (x) = 0, et si le systme des contraintes
est rgulier en a, alors : = (1 , . . . , p ) Rp , = (1 , . . . , m ) Rm tels
que :
j > 0 (resp. j 6 0), j = 1, . . . , p ;
L
(a, , ) = 0, i = 1, . . . , n ;

xi
j gj (a) = 0, j = 1, . . . , p (conditions dexclusion).

Cette formulation est semblable la prcdente, quoique plus gnrale. En effet, les
multiplicateurs k relatifs aux contraintes dgalits ne peuvent dsormais plus tre effacs
laide de conditions dexclusion. Cette observation rsulte simplement du fait que, par
nature, toute contrainte dgalit est sature en un point admissible.
Remarque
Tout problme contraint par des galits peut trivialement se ramener un problme soumis
exclusivement des ingalits. En effet, lgalit h(x) = 0 est videmment quivalente
la runion des deux ingalits : h(x) 6 0 et h(x) 6 0. Pourtant, dans la pratique, il
convient cependant dviter doprer de telles substitutions qui alourdissent la formulation
des conditions ncessaires doptimisation, et ont surtout tendance multiplier les points
singuliers (les gradients de h(x) et [h(x)] sont proportionnels), peu commodes traiter.

Exemple
Dterminons, par la mthode de Kuhn et Tucker, les extrema de la fonction f (x, y) = x + y 1
s.c. x2 + y2 6 1.
La contrainte nadmet pas de point singulier, puisque le point (0,0) ne sature pas la contrainte
(02 + 02 1 6= 0).
On dfinit : L(x, y, ) = f (x, y) g(x, y) = x + y 1 (x 2 + y2 1).
Les conditions de Kuhn et Tucker pour un maximum sont :

>0

(1)
(x, y, ) = 1 2x = 0
x
.

(x,
y,
)
=
1

2y
=
0
(2)

(x2 + y2 1) = 0 (condition dexclusion)

On envisage les deux possibilits datteindre la condition dexclusion :


soit x2 + y2 1 6= 0 = 0, ce qui est impossible en vertu de (1).

>0

=
x = y =

2
2
2

.
2
soit x + y 1 = 0

2
2

1
1

x=
,y =

+
=1
2
2
42
42
Le
admissible est compact, donc f admet un maximum global en lunique
domaine
candidat
!
!
2
2
2 2
,
,
. De manire similaire (seule diffrence : 6 0), on montre que
2
2
2
2
ralise un minimum global.

Extrema lis : contraintes dingalit

217

Problmes
et exercices
Les exercices suivent lordre adopt dans la prsentation de la thorie.
Les premiers portent sur les extrema libres. Afin dviter les rptitions, les
rsultats relatifs aux matrices hessiennes des exercices 1 8 sont repris
de lexercice 20 du chapitre 5. Les exercices concernant les extrema lis
appliquent soit la mthode de Lagrange, soit celle de Kuhn et Tucker.
Dans le second cas, le lecteur constatera quil est souvent fastidieux de
passer en revue lensemble des points traiter, alors que certains peuvent
tre rapidement carts. De plus, dans le cas de deux variables, la
reprsentation gomtrique du domaine admissible peut utilement guider
la rsolution.
Afin de se concentrer sur lapproche applique la grande majorit des
problmes de la gestion, les cas rares de fonctions irrgulires et de
points singuliers sont exclus des exercices.

Extrema libres
Notez que toutes les fonctions considres ci-dessous
rgulires dans
 sont suffisamment

un ensemble ouvert (elles appartiennent C 2 R2 ou C 2 R3 , sauf pour lexercice 5)
pour justifier lapplication des conditions dordres 1 et 2, sans autres candidats que les
points critiques. En fait, elles sont mme toutes de classe C (les drives de tous ordres
existent et sont continues).
Dans les exercices 1 8, dterminez les extrema libres des fonctions donnes.

EXERCICE 1
nonc

218

f (x, y) = x3 + y3 3xy.

Optimisation des fonctions de plusieurs variables

Chapitre

Solution

(x, y) = 3x 3y = 0
x
Points critiques :
f

(x, y) = 3y2 3x = 0
y

deux candidats : (0, 0) et (1, 1).

Classification : la matrice hessienne de la fonction f en un point (x, y) R 2 est donne


par :

2f
x2 (x, y)
Hf (x, y) =
2f
(x, y)
xy
Il sensuit que Hf (0, 0) =

0 3
3
0

2f
!
(x, y)
6x
3
xy
=
.

2f
3 6y
(x, y)
y2

et Hf (1, 1) =

Hf (0, 0) est indfinie (0,0) est un point de selle.

!
6 3
.
3
6

Hf (1, 1) est dfinie positive f admet un minimum local en (1, 1), mais non global
puisque, par exemple, f (2, 0) = 8 < f (1, 1) = 1.

EXERCICE 2

Solution

f (x, y) = y3 2xy + x2 1.
Points critiques :

(x, y) = 2y + 2x = 0
x
f

(x, y) = 3y2 2x = 0
y

Les candidats sont donc (0, 0) et




x=y
3y2 2y = 0


2 2
,
.
3 3

Classification : on a x, y R : Hf (x, y) =

x = y

y = 0 ou y =

2
3

!
2 2
.
2 6y

!
2 2
est indfinie (0, 0) est un point de selle.
Hf (0, 0) =
2
0

!


2 2
2 2
,
=
est dfinie positive f admet un minimum local en
Hf
3 3
2
4


2 2
, non global puisque lim f (0, y) = lim (y3 1) = .
,
y
y
3 3

Extrema libres

Exercices

nonc

219

EXERCICE 3
nonc
Solution

f (x, y) = (x y)4 + (y 1)4 .


Point critique : (1, 1) qui est lunique solution de

f (x, y) = 4(x y)3 , 4(x y)3 + 4(y 1)3 = (0, 0).
Classification : Hf (x, y) =
Hf (1, 1) =

!
12(x y)2
12(x y)2
.
12(x y)2 12(x y)2 + 12(y 1)2

!
0 0
, dont on ne peut tirer aucune conclusion.
0 0

Une tude directe rvle que : (x, y) R2 : f (x, y) = (x y)4 + (y 1)4 > 0 =
f (1, 1) f admet un minimum global en (1, 1).

EXERCICE 4
nonc

Solution

f (x, y) = sin(xy).

x = 0 ou xy = + k, k Z

y cos(xy) = 0
2
Points critiques :

x cos(xy) = 0
y = 0 ou xy = + k, k Z
2

!
2
y sin(xy)
cos(xy) xy sin(xy)
Classification : Hf (x, y) =
.
cos(xy) xy sin(xy)
x2 sin(xy)

!
0 1
(0, 0) est un point de selle.
Hf (0, 0) =
1 0

y2 xy
: aucune conclusion.
Si xy = + k et k est pair alors Hf (x, y) =
2
xy x2

y2 xy
: aucune conclusion.
Si xy = + k et k est impair alors Hf (x, y) =
2
xy x2
(

Pour classer ces candidats, on doit recourir une autre mthode :


(


1 si k impair
+ k =
, la fonction admet un
Comme 1 6 f (x, y) 6 1 et f
2
1
si k pair

3
minimum global en tout (a, b) tel que ab = + (2k + 1) =
+ 2k, k Z, et un
2
2

maximum global en tout (a, b) tel que ab = + 2k, k Z. Le graphe de f , donn par
2
la figure 7.5, page ci-contre, est malheureusement difficile dcrypter.

220

Optimisation des fonctions de plusieurs variables

Chapitre
z

Figure 7.5

Gf

1
0,8
6

0,6
4

0,4
0,2

2
0,4

4
6

0,6
0,8
1

EXERCICE 5
nonc

Solution

f (x, y) = y2 + xy ln x.


Points critiques : f est de classe C 2 dans son domaine, louvert D = (x, y) R2 : x > 0 .


1 1
Les seuls candidats sont les deux points critiques (1, 0) et
,
.
e 2e
Classification :

!
0 1
est indfinie point de selle en (1,0).
Hf (1, 0) =
1 2





1
1 1
1 1
0

,
=
est dfinie positive minimum local en
,
, non
2
Hf
e 2e
e 2e
0 2
global car lim f (x, x) = lim x2 (1 ln x) = .
x+

Exercices

x+

EXERCICE 6
nonc

f (x, y) = x4 + y4 2(x y)2 .

Extrema libres

221

Solution

Points critiques : (0, 0),


Classification :



2, 2 et 2, 2 .

!
20 4
est dfinie positive
4 20


minima globaux en 2, 2 .

!
4
4
: aucune conclusion possible. Toutefois, on a :
Hf (0, 0) =
4 4


Hf 2, 2 =

x 6= 0 : f (x, x) = 2x4 > f (0, 0) = 0


 
et x 2, 2 \{0} : f (x, x) = 2x2 (x2 2) < f (0, 0) = 0.
Il sensuit que toute boule ouverte de R2 centre lorigine contient des points o f est
positive et des points o f est ngative. Il ny a donc pas dextremum en (0, 0).

EXERCICE 7
nonc

Solution

f (x, y, z) = x2 + 3y2 + 2z2 2xy + 2xz.

(x, y, z) = 2x 2y + 2z = 0

f
Point critique :
(x, y, z) = 6y 2x = 0

f (x, y, z) = 4z + 2x = 0
z

un seul point critique : (0, 0, 0).

2 2 2

Classification : (x, y, z) R3 : Hf (x, y, z) = 2


6 0 est dfinie positive
2
0 4
f est convexe dans R3 (voir chapitre 6) f admet un minimum global en (0, 0, 0).

EXERCICE 8
nonc

Solution

222

f (x, y, z) = x2 + y2 z2 .
La fonction f nadmet pas dextrema mais un point de selle en (0, 0, 0).

Optimisation des fonctions de plusieurs variables

Chapitre

EXERCICE 9
nonc

Vous tes le directeur financier de la firme Sanbon & Fils. Cette entreprise a investi
3 000 euros pour mettre au point un nouveau parfum. Le cot de la production est de
3 euros par flacon de 100 ml. Lexpert consult par M. Sanbon pre a tabli que si la firme
consacre x euros en publicit pour son parfum
et que le prix de vente dun flacon est de
y euros, la firme vendra exactement 300 + 6 x 10y pices.
La firme Sanbon & Fils fixe videmment x et y de manire maximiser son profit. En tant
que directeur financier, il vous incombe de dterminer ces valeurs.

Revenu de la vente = y(300 + 6 x 10y).

Cot de production = 3(300 + 6 x 10y).

Solution

Cot de dveloppement et de publicit = 3 000 + x.

Le profit de la firme maximiser est donc : (x, y) = (y3)(300+6 x10y)x3 000.


La condition du premier ordre scrit :

3(y 3)

(x, y) =
1=0

x
x

(x, y) = 330 + 6 x 20y = 0

(x, y) = (164 025,138) .

La hessienne en ce point est dfinie ngative ( vrifier), et on a bien un maximum. La


firme Sanbon & Fils va donc consacrer 164 025 euros la promotion de son nouveau
parfum et vendre le flacon de 100 ml 138 euros. Elle ralisera de la sorte le profit maximal
de (164 025,138) = 15 225 euros.

Extrema lis : contraintes dgalits


EXERCICE 10
Dans les cas suivants, recherchez les extrema de f sous la contrainte g(x, y) = 0.
a f (x, y) = y2 + (x 1)2 et g(x, y) = y2 4x.

b f (x, y) = 2 ln x et g(x, y) = x2 + y2 1.
c f (x, y) = y3 et g(x, y) = x2 y3 + y.

Solution


a Le lagrangien du problme, L(x, y, ) = y 2 + (x 1)2 y2 4x , est de classe C

et la contrainte nadmet pas de point singulier puisque : x, y R2 : g(x, y) =
(4, 2y) 6= (0, 0).

Extrema lis : contraintes dgalits

Exercices

nonc

223

Le seul candidat extremum li est le point critique du lagrangien qui vrifie :


L

(x, y, ) = 2(x 1) + 4 = 0

x=0

x
y=0
L

.
(x,
y,
)
=
2y

2y
=
0

1
y

2
g(x, y) = y2 4x = 0

La matrice hessienne partielle du lagrangien est donne par :


2

L
2L

!
x2 (x, y, ) xy (x, y, )
2
0
x,y
=
HL (x, y, ) =
2L

2L
0 2(1 )
(x, y, )
(x, y, )
2
xy
y

!

2
0
x,y
(x, y) R2 : HL x, y, 12 =
est clairement dfinie positive.
0 1
La fonction admet donc un minimum global li en (0, 0).
La figure 7.6 prsente le graphe de f , Gf , le domaine contraint et la courbe des points
admissibles du graphe. La figure 7.7, page ci-contre, complte la reprsentation par une
projection sur le plan horizontal.
z

Figure 7.6

Gf
12

10

Points admissibles de Gf
6

2
2

Domaine admissible

Remarque
1 2
y permet de se ramener la recherche des extrema libres de la
4
fonction F de la seule variable y dfinie par :



2
1 2
1 2
1
1
F(y) = f
y , y = y2 +
y 1 = y4 + y2 + 1.
4
4
16
2
Cette fonction admet un minimum global en 0, ce qui rejoint la conclusion obtenue par la
mthode de Lagrange.
Ici la contrainte x =

224

Optimisation des fonctions de plusieurs variables

Chapitre
y

Figure 7.7
4

2
f(x,y)=1

f(x,y)=2
2

g(x,y)=0
4



b Les fonctions f et g sont de classe C dans louvert D = (x, y) R2 : x > 0 et la
contrainte nadmet pas de point singulier puisque, pour tous les points admissibles, on
a : g(x, y) = (2x, 2y) 6= (0, 0). Les candidats sont donc les seuls points critiques du
lagrangien :
2

2x = 0

x
x = 1

2y = 0
y=0 .

2
2

x
+
y

1
=
0

=1

x>0
c Les fonctions f et g sont de classe C dans R2 et la contrainte nadmet pas de point
admissible
 singulier.
 Les
 candidatssont donc donns par les points critiques du lagrangien :
3
3
(0,0,0), 0, 1,
et 0, 1, .
2
2

!
0 0
x,y
est semi-dfinie : aucune conclusion.
HL (0, 0, 0) =
0 0
!


3
3
0
x,y
=
est indfinie : aucune conclusion.
HL 0, 1,
2
0 3
!


3
3 0
x,y
=
est dfinie positive minimum local li en (0, 1).
HL 0, 1,
2
0 3
On peut en outre tablir que ce minimum est global. En effet :

g(x, y) = 0 x2 y3 + y = 0 y3 y = x2 > 0 y ([1, 0] [1, +)) .

Extrema lis : contraintes dgalits

Exercices

On a aussi x2 + y2 1 = 0 et x > 0 0 < x 6 1 2 ln x 6 0 = f (1, 0) maximum


global li en (1,0) (voir figure 7.8, page suivante).

225

Il sensuit que : g(x, y) = 0 f (x, y) = y 3 > 1 = f (0, 1) minimum global li en


(0, 1).
Dautre part, par des arguments locaux, relativement lourds prsenter, on peut tablir
la prsence dun maximum local li en (0,0) et dun minimum local li en (0,1).
z

Figure 7.8
Gf

4
2

1
2

1
2
3
4
5

EXERCICE 11
nonc

Solution


La fonction dutilit dun consommateur est donne par U(x, y) = x. 4 y, o x et
y reprsentent respectivement les consommations journalires de frites (en cornets
moyens ) et de bire (en verres de 0,25 l). Le cornet de frites cote 2 euros, le verre de
bire cote 1 euro et le budget bire et frites journalier du consommateur est fix
10 euros.
Dterminez la consommation qui maximise la satisfaction de ce consommateur.

4
Le problme scrit : maximiser U(x,
y)= x y sous la contrainte 2x + y = 10.
4
Le lagrangien associ, L(x, y, ) = x. y (2x + y 10), conduit au systme de
Lagrange :

1
L

(x, y, ) = . 4 y 2 = 0

x
2
x

L
1
(x, y, ) = x. p
=0 .

3
y

4
y

2x + y = 10
10
10
, y = , mais lhistoire ne dit pas
3
3
comment le consommateur parvient ngocier des tiers de verres et de cornets de frites
avec ses fournisseurs !
On trouve ainsi les consommations optimales : x =

Remarque
Plus srieusement, il est possible de formaliser le problme en imposant que les variables
de dcision se cantonnent aux valeurs entires. Les problmes de ce type relvent de la
programmation en nombres entiers , qui offre divers algorithmes numriques de rsolution.

226

Optimisation des fonctions de plusieurs variables

Chapitre

EXERCICE 12
nonc

Maximisez la fonction de Cobb-Douglas


f (x, y) = x y (, (0, 1)) sous la contrainte

px + qy = w p, q, w > 0 . Quel est leffet marginal dune variation de w sur la valeur
maximale de f ?

EXERCICE 13

Solution

dF
w+1
= =
,
dw
p q ( + )+1

Considrons une firme qui minimise le cot, suppos linaire, associ la production
( deux facteurs) dun nombre, fix k, dunits doutput. Elle minimise donc c(x, y) =
x + y sous la contrainte f (x, y) = k. Les nombres positifs et dsignent les prix des
deux facteurs, les variables x et y sont les quantits dterminer dans loptimisation.
a En supposant f suffisamment rgulire, montrez, grce au thorme de Lagrange, qu
f

x
loptimum (cot minimal), on a
= , ce qui signifie que le taux de substitution
f

y
technique est gal au rapport des prix des facteurs.
b Interprtez le multiplicateur de Lagrange.
a Le problme scrit : minimiser c(x, y) s.c. f (x, y) = k. Appliquons le thorme de
Lagrange ce problme en supposant que les conditions de rgularit sont satisfaites.
Le lagrangien est : L(x, y, ) = c(x, y) (f (x, y) k). Ses points critiques vrifient le
systme :
L
c
f

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

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

y
y
y

f (x, y) k = 0

f (x, y) = 0

(x, y) = 0

f (x, y) k = 0

x =
f

b En vertu de la proprit thorique relative linterprtation du multiplicateur, nous avons :


(k) = C 0 (k), o C(k) = c x (k), y (k) . Ceci signifie que le multiplicateur de Lagrange
exprime le cot marginal de production loptimum.

Extrema lis : contraintes dgalits

Exercices

nonc

w
w
, y =
,
p( + )
q( + )

o F(w) = f x (w), y (w) .

x =

Solution

227

Extremas lis : contraintes dingalits


EXERCICE 14
nonc
Solution

Maximisez x + y2 sous la contrainte x2 + y2 1 6 0.


Le lagrangien associ, L(x, y, ) = x + y 2 (x2 + y2 1), conduit aux conditions de
Kuhn et Tucker suivantes :

>0

>0

1 2x = 0

1
> 0, y = y
x=
2

2y

2y
=
0

x + y2 1 = 0
(x2 + y2 1) = 0

soit y = 0 = et x = 1
2

soit y 6= 0 = 1, x = 1 et y = 3
2
2
!
1
3
Cela permet de conclure lexistence dun double maximum global, en
,
et
2 2

!
1
3
,
.
2
2

EXERCICE 15
nonc

Solution

Reprenez le problme du consommateur de lexercice 11, en formulant toutes les


contraintes en termes dingalits.
Montrez comment la rsolution propose par la mthode de Lagrange dans lexercice 11
en dcoule.

Il sagit de maximiser U(x, y) = x. 4 y dans le domaine (figure 7.9, page ci-contre) :


A = (x, y) R2 : x > 0, y > 0, 2x + y 6 10 .

La fonction U ne possde aucun point critique. Ds lors, les candidats sont situs au bord
du domaine. Les points de A situs sur les axes (x = 0 ou y = 0) correspondent de toute
vidence des minima. On les exclut dornavant, de sorte que la maximisation sopre
dans :


A = (x, y) R2 : x > 0, y > 0, 2x + y 6 10 .

Pour maximiser
 la fonction U dans A, on
plonge ce domaine dans lensemble ouvert
suivant : D = (x, y) R2 : x > 0, y > 0 . Comme les candidats sont situs sur le seul

228

Optimisation des fonctions de plusieurs variables

Chapitre
y

Figure 7.9
12

10

10

12


bord restant 2x + y = 10 , le problme se ramne la maximisation de U, dfinie dans D,
sous la contrainte lgalit 2x + y = 10. Ceci justifie lapproche suivie dans la rsolution
de lexercice 11.

EXERCICE 16

Solution

Maximisez la fonction dutilit U(x, y) = xy sous la contrainte du budget p1 x+p2 yR 6 0


( p1 , p2 , R > 0) et les contraintes de non-ngativit de x et y.
Il sagit de maximiser la fonction U dans le domaine reprsent par la figure 7.10, page
suivante :


D = (x, y) R2 : x > 0, y > 0, p1 x + p2 y R 6 0 .

Notons demble que U est une fonction continue dans un domaine compact, de sorte
quun maximum global li existe. Pour le trouver, il suffira de comparer les valeurs de la
fonction atteintes en les divers candidats retenus laide des conditions de Kuhn et Tucker.
Le problme, formul laide des trois ingalits, scrit :

max U(x, y) = xy

g (x, y) = p x + p y R 6 0
1
1
2
.

g
(x,
y)
=
x
6
0
2

g3 (x, y) = y 6 0
Extremas lis : contraintes dingalits

Exercices

nonc

229

Figure 7.10

R
p2

D
R
p1

Cest donc un problme de type 1 avec p = 3. Le lagrangien associ scrit :


L(x, y, 1 , 2 , 3 ) = f (x, y) 1 g1 (x, y) 2 g2 (x, y) 3 g3 (x, y)

= xy 1 p1 x + p2 y R + 2 x + 3 y.

Les conditions de Kuhn et Tucker sont :

1 , 2 , 3 > 0
y = 1 p1 2 , x = 1 p2 3

1 (p1 x + p2 y R) = 0, 2 x = 0, 3 y = 0

Considrons successivement les divers cas possibles et dduisons-en les candidats :


Toutes les contraintes sont satures : impossible.
Contraintes : g1 , g2 satures et g3 non sature

y > 0 3 = 0

x = 0 = 1 p 2 3 1 = 0
y = 1 p1 2

p2 y R = 0 y =
p2



R
x, y = 0,
p2

R
est candidat avec f x, y = 0. = 0.
p2

230

Optimisation des fonctions de plusieurs variables

Chapitre
Contraintes : g1 , g3 sont satures et g2 non sature

R
,0
p1

est candidat (par


R
symtrie) avec f x, y = .0 = 0.
p1
Contraintes : g2 , g3 satures et g1 non sature x = y = 0 avec f (x, y) = 0.
Contraintes : g1 sature et g2 , g3 non satures

x=

=
0

2
3
2p1

x = p
R
1 2
y=

2p
y = 1 p1
2

p1 x + p2 y R = 0
1 =
2p1 p2



R R
R2
est candidat avec f x, y =
.
=

2p1 2p2
4p1 p2

x = 0 f (x, y) = 0

y = 2
R
Contraintes : g2 sature et g1 , g3 non satures
0<y<

p2

= = 0
1
3

x = 1

y = 0 f (x, y) = 0
R
Contraintes : g3 est sature et g2 , g3 non satures

0<x<

p1

= = 0
2
3

x, y =

R R
,
2p1 2p2

Aucune contrainte sature : pas de candidats.

On conclut donc que le maximum li recherch est situ en


R R
,
.
2p1 2p2

EXERCICE 17

Solution

Maximisez f (x, y) = x + y sous les contraintes x2 + y 6 2 et x 6 1.


La figure 7.11, page suivante reprsente le domaine, qui est ferm mais non born,
donc non compact. Lexistence dextrema nest donc a priori pas garantie. Nanmoins,
en ajoutant la reprsentation du domaine, celle des courbes de niveau (figure 7.12,
page suivante), des droites dans le cas prsent, il devient apparent que le problme de
maximisation lie admet une solution. linverse cependant, il nexiste pas de minimum
li.
Le lagrangien associ au problme (de type 1) est donn par :
L(x, y, 1 , 2 ) = x + y 1 (x2 + y 2) 2 (x 1).

Extremas lis : contraintes dingalits

Exercices

nonc

231

Figure 7.11
4

Figure 7.12
k= 9
4

k=1
3
k=0
2
k = 1
1
k = 2
4

1
1

232

Optimisation des fonctions de plusieurs variables

Chapitre
Les conditions de Kuhn et Tucker sont :

1 , 2 > 0

(x, y, 1 , 2 ) = 1 21 x 2 = 0
x

(x, y, 1 , 2 ) = 1 1 = 0

1 (x2 + y 2) = 0, 2 (x 1) = 0 (conditions dexclusion)

(x2 + y 2) 6= 0 et (x 1) 6= 0 1 = 2 = 0, ce qui est impossible.


(x2 + y 2) 6= 0 et (x 1) = 0 1 = 0 : impossible

1 = 1, 2 = 0

1
1
,
(x2 + y 2) = 0 et (x 1) 6= 0 x = 21 = 2

7
1

y = 2 =
4
4

=
1,

=
1 : impossible
2
1
2
.
(x + y 2) = 0 et (x 1) = 0 x = 1

y =21=1


1 7
La fonction f admet un maximum local li en
,
qui est situ sur la courbe (parabole)
2 4
2
dquation x + y 2 = 0, tandis que la contrainte x 6 1 nest pas sature loptimum.
9
En ce point la valeur maximale est de
4

EXERCICE 18
nonc


Considrez loptimisation de f x, y = x2 + 2y2

s.c. 1 x2 y2 > 0, 1 + x 2y > 0 et 1 x 2y > 0.

Solution

a Sur la figure 7.13, page suivante, le domaine admissible (dlimit par les contraintes) est
la surface grise dlimite par la courbe noire. Les courbes de niveaux sont les ellipses
dquations x2 + 2y2 = r2 .
titre illustratif, la figure 7.14, page suivante, prsente le graphe de la fonction.
b Les
deKuhn et Tucker
fournissent les candidats suivants : (1, 0), (1, 0),
 conditions



1 1
1 1
1
0,
, (0, 1), ,
,
,
et (0, 0). En comparant les valeurs prises par la
2
3 3
3 3
fonction dobjectif f , et en vertu de largument de compacit, on conclut que f admet
un maximum li global en (0, 1) et un minimum li (et libre) global en (0,0).

Extremas lis : contraintes dingalits

Exercices

a Reprsentez le domaine dlimit par les contraintes ainsi que quelques courbes de niveaux
de la fonction dobjectif.
b Utilisez la condition de Kuhn et Tucker pour dterminer les candidats extrema et classezles.

233

Figure 7.13
3

Figure 7.14

Gf

0 6

0,4

0,8

2
1,8
1,6
1,4
1,2
1
08
0,6
0,4
0,2

0,2

0,6

0,4

0,2

0,2

0,2
0,4

0,4

0 6

0,8

Accessoirement, on
 peut
 aussi montrer que la fonction admet un maximum li local
1
(non global) en 0,
et pas dextremum en les autres candidats (inspirez-vous du
2
graphe).

234

Optimisation des fonctions de plusieurs variables

Rfrences
bibliographiques

Livres de mathmatiques appliques


lconomie et/ou la gestion
ARCHINARD , G. et B. GUERRIEN, Analyse mathmatique pour conomistes, Economica
(4e dition), 1992.
BAIR, J. Mathmatiques gnrales lusage des Sciences conomiques, de gestion et A.E.S,
De Boeck, 1993.
BISMANS, F., Mathmatiques pour lconomie, De Boeck, 1998.
CHIANG, A.C., Fundamental Methods of Mathematical Economics, Mc Graw Hill (3 rd edition), 1984.
ESCH, L., Mathmatique pour conomistes et gestionnaires, De Boeck, 1992.
MICHEL, Ph., Cours de mathmatique pour conomistes, Economica (2 e dition), 1989.
SOPER, J, Mathematics for Economics and Business, Blackwell (2 nd edition), 2004.

Livres de mathmatiques
ADAMS, R.A., Calculus: A complete course, Pearson Education (5 th edition), 2003.
BEVERIDGE, G.S., and R.S. SCHECHTER, Optimization: Theory and practice, McGraw-Hill,
1970.
GANTMACHER, F.R., Thorie des matrices (2 tomes), Dunod, 1966 (traduction).
LANCASTER P. and M. TISMENETSKY, The Theory of Matrices, Academic Press
(2nd edition), 1985.
MARSDEN, J.E. and A.J. TROMBA, Vector Calculus, W.H. Freeman (4 th edition), 1996.
STEWART, J., Multivariable calculus, Wadsworth (5th edition), 2002.

Livres de mathmatiques

235

Livres de gestion et dconomie


DOR, E., conomtrie applique, Pearson Education France, 2004.
GILLET, R., J.P. JOBARD , P. NAVATTE et Ph. RAIMBOURG, Finance, Dalloz (2 e dition),
2003.
DE PALMA, A., DROESBEKE, J.J. et C. LEFVRE, Modles de diffusion en marketing, Presses
Universitaires de France, 1991.
FARBER, A., LAURENT, M.P., K. OOSTERLINCK et H. PIROTTE, Finance, Pearson Education
France, 2004.
GOURIROUX, C., O. SCAILLET et A. SZAFARZ, conomtrie de la finance, Economica,
1997.
ROGER, P., Probabilits, statistique et processus stochastiques, Pearson Education France,
2004.
KRUGMAN, P.R. et M. OBSTFELD , conomie internationale, De Boeck, 2003 (traduction).
VARIAN, H.R., Introduction la microconomie, De Boeck (5e dition), 2003 (traduction).

236

Rfrences bibliographiques

Index
A
Addition vectorielle : 11
Adhrence : 10
Approximation linaire : 174
Asymptote
horizontale : 62
oblique : 62
verticale : 62

B
Boule ouverte : 10
Brouwer (thorme de) : 61

C
Cobb-Douglas (fonction de production de) :
165
Combinaison linaire de vecteurs : 11
Contrainte
dgalit : 208
dingalit : 214
sature (ou serre) : 214
Coordonnes polaires : 168
Courbe de niveau : 165
Cramer
(formule de) : 125
(systme de) : 129

D
dAlembert (thorme de) : 9
de Moivre (formule de) : 8
Demi-droites : 4
fermes : 4
ouvertes : 4

Drive
en chane ( chain rule ) : 177
(premire) dune fonction dune variable :
64
directionnelle : 172
partielle : 171
seconde : 69
Dterminant dune matrice carre : 125
formule de Cramer : 125
formule de Sarrus : 125
Diffrentiabilit / Diffrentielle : 173, 175, 177
candidate-diffrentielle : 174
Distance euclidienne : 10
Domaine
de continuit : 59
de dfinition : 4, 162
de drivabilit : 65
dexamen des limites : 53, 167

E
lasticit : 173
Ensemble
adhrence (dun) : 10
born : 4
convexe : 4, 10
dense : 3
ferm : 10
frontire (dun) : 10
intrieur (dun) : 10
ouvert : 10
R : 34
Rn : 9
Ensemble de nombres
complexes : 2, 6
entiers : 2
naturels : 2
rationnels : 2
rels : 2

Index

237

quation
caractristique : 135
dans C : 9
Euler (formule d) : 8, 178
Extremum /optimum
dune fonction dune variable : 101
dune fonction de n variables : 202, 208

F
Fonction dune variable : 4
bijective : 6
compose : 6
concave (convexe) : 71
continue : 58, 59
(d)croissante : 70
drivable : 64, 65
drive : 65
diffrentiable : 173
domaine de dfinition (dune) : 4
graphe (dune) : 4
image dun sous-ensemble (par une) : 5
image inverse dun sous-ensemble (par
une) : 5
injective : 6
monotone : 70
rciproque : 6
surjective : 6
Fonction de n variables : 162, 176
concave/convexe : 180
continue : 169
continment diffrentiable : 179
de classe C k : 179
de production de Cobb-Douglas : 165
drivable : 171
drivable dans une direction : 172
diffrentiable : 175, 177
domaine de dfinition (dune) : 162
graphe (dune) : 162
homogne : 178
image (dune) : 162
lagrangienne : 210, 216
partiellement drivable : 171
Forme indtermine : 34
Forme quadratique : 138
(semi) dfinie positive/ngative : 139
Frontire : 10

G
Gauss
mthode de : 131
plan de : 7
Gradient : 175

238

Index

H
Hospital (rgle de l) : 67
Hyperplan tangent : 174

I
Infimum (ou borne infrieure) : 4
Intrieur dun ensemble : 10
Intervalle : 4
ferm/ouvert : 4
ni ouvert, ni ferm : 4

K
Kuhn et Tucker (thorme de) : 216, 217

L
Lagrange (thorme de) : 209, 211
Lagrangien : 210, 216
Limite
dune fonction dune variable : 54, 55, 56
dune fonction de n variables : 167, 168
dune suite : 32

M
Mac Laurin (dveloppement de) : 69
Majorant : 4
Matrice : 122
(anti)symtrique : 124
carre : 124
colonne/ligne : 124
de passage : 134
de plein rang : 127
diagonale : 124
diagonalisable : 134
hessienne (partielle) : 179, 212
identit : 124
inverse : 128
inversible (ou rgulire) : 128
jacobienne : 177
non inversible (ou singulire) : 128
nulle : 123
semblable : 134
spectre de : 135
transpose : 122
triangulaire : 124
Maximum local/global
pour une fonction dune variable : 102
pour une fonction de n variables : 202, 208
li : 208

Mineurs principaux (mthode des) : 140


Minimum local/global
li : 208
pour une fonction dune variable : 102
pour une fonction de n variables : 202, 208
Minorant : 3
Multiplicateurs de Lagrange : 211
Multiplication scalaire : 11
Multiplicit algbrique : 135

O
Ordre total : 3

P
Plan
complexe (ou plan de Gauss) : 7
tangent : 174
Point
adhrent : 10
critique : 103, 203
daccumulation : 10
dinflexion : 72
de selle (critre du) : 204
fixe : 61
intrieur : 10
rgulier : 211, 215
singulier : 211, 215
Polynme caractristique : 135
Principe du pincement : 33, 58

Srie
convergente : 38
gomtrique : 38
Sous-matrice : 124
Spectre : 135
Suite relle : 32
constante : 35
convergente/divergente : 32
de puissances : 35
(d)croissante : 37
exponentielle : 35
limite (dune) : 32
monotone : 37
principe du pincement : 33
sous-suite (dune) : 36
terme de rang k : 32
Supremum (ou borne suprieure) : 4
Systme linaire : 129
carr : 129
compatible : 130
de Cramer : 129
homogne : 130
impossible : 130
indtermin : 130
solution (dun) : 129

T
Tangente (droite) : 65
Taylor (thorme de) : 69, 199
Topologie : 9
Trace dune matrice carre : 125
Transfert (thorme de) : 56

R
Rang dune matrice : 127
Relation 6 dans R : 3

S
Sarrus (formule de) : 125
Schwarz (thorme de) : 180

V
Valeur propre : 134
multiplicit algbrique : 135
Vecteurs : 11
linairement (in)dpendants : 11
propres : 134
Voisinage : 10

Index

239

Sciences de gestion

Mathmatiques
& appliques
la gestion

Synthse
de cours
exercices
corrigs
Les auteurs :

Jeremy Dussart, ingnieur de gestion,


Solvay Business School (SBS), Universit
Libre de Bruxelles (ULB) ; chercheur en
stratgie, Centre Emile Bernheim (CEB).
Natacha Joukoff, mathmaticienne,
enseignante (SBS, ULB) spcialise en
cours de soutien.
Ahmed Loulit, docteur en sciences
mathmatiques, ULB, chercheur en
finance mathmatique, CEB.
Ariane Szafarz, docteur en sciences
mathmatiques, professeur de mathmatiques et de finance, ULB. Elle dirige le
Centre mile Bernheim et est membre du
dpartement dconomie applique
(DULBEA). Prsidente de lcole doctorale en gestion de lULB (SBS), elle est
lauteur de nombreux livres et articles
scientifiques en conomtrie financire.

Direction de collection :
Roland Gillet, professeur
luniversit Paris 1
Panthon-Sorbonne
Dans la mme collection :
conomtrie,
ric Dor (IESEG, Lille)
Finance, Andr Farber et al.
(Solvay Business School, ULB,
Bruxelles)
Probabilits, statistique et
processus stochastiques,
Patrick Roger (ULP, Strasbourg)

Lobjectif principal de cet ouvrage est dapporter aux tudiants en sciences


de gestion et en sciences conomiques les fondements mathmatiques ncessaires la matrise des autres disciplines de leur cursus (statistique, finance,
microconomie, conomtrie). Aprs un rappel des notions de base, il
prsente les nombres complexes ; les suites relles ; les fonctions dune
variable ; la dtermination des extrema de ces fonctions ; les matrices,
systmes linaires et formes quadratiques ; les fonctions de plusieurs variables et la recherche de leurs extrema. Les rsultats sont largement illustrs
par des exemples.
Les exercices, qui occupent la seconde et majeure partie de chaque chapitre,
se rpartissent entre problmes thoriques et questions poses par les
sciences conomiques et de gestion (fonctions de production, fonctions
dutilit, dynamique des taux de change, maximisation de profit). Tous
sont accompagns de solutions dtailles.
Ce livre sadresse aux tudiants des coles de commerce ainsi quaux
tudiants des deux premires annes dconomie et de gestion. Il sera galement utile aux professionnels en formation continue.

La collection Synthex propose aux gestionnaires et aux


conomistes de dcouvrir ou de rviser les fondements
thoriques dune discipline et de se familiariser avec ses
applications au travers dexercices rsolus.
Chaque ouvrage prsente une synthse pdagogique et rigoureuse des fondements thoriques et des techniques dune discipline. Une slection dexercices
aux corrigs dtaills permet dassimiler successivement, et dillustrer plus
concrtement, les diffrents principes et apports fondamentaux.
Le lecteur, tudiant ou professionnel, est conduit au cur de la discipline considre, et, en sentranant la rsolution dexercices et de problmes progressifs,
acquiert une comprhension rapide et un raisonnement solide.

Pearson Education France


47 bis, rue des Vinaigriers
75010 Paris
Tl. : 01 72 74 90 00
Fax : 01 42 05 22 17
www.pearson.fr

ISBN : 978-2-7440-7374-8