Vous êtes sur la page 1sur 243

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
http://fribok.blogspot.com/
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

http://fribok.blogspot.com/
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 autori-
sation 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.

http://fribok.blogspot.com/
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.

http://fribok.blogspot.com/
Sommaire

Les auteurs VII


Introduction IX

Chapitre 1 Rappels et dfinitions 1

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 V
http://fribok.blogspot.com/
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 pr-
paratoires 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


http://fribok.blogspot.com/
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 mathma-
tique 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
http://fribok.blogspot.com/
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 pro-
digus 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

X Introduction
http://fribok.blogspot.com/
Rappels
et dfinitions
1
Chapitre

Rappels et dfinitions Ce chapitre prsente les notions de base et les


1. Ensembles de nombres . . .. . . . .. . . . .. . 2 notations utilises dans la suite du livre (1) , en
2. Relation 6 dans R . . . . .. . . .. . . . .. . . . 3
commenant par les ensembles de nombres. Il volue
3. Sous-ensembles convexes de R . . . . .. 4
4. Fonctions de R dans R . .. . . . .. . . . .. . 4 ensuite vers la structure ordonne de lensemble R des
5. Rsolution dquations dans C . . .. . . . 6
nombres rels.
5.1 Nombres complexes . . . . . . . . . . . . . . 6
5.2 Plan complexe et forme De l, les intervalles et autres ensembles convexes de
trigonomtrique . . . . . . . . . . . . . . . . . . 7
5.3 Polynmes coefficients R sont introduits. Les fonctions relles dont ltude
complexes . . . . . . . . . . . . . . . . . . . . . . . . 9
6. Topologie et dpendance linaire dtaille apparat dans les chapitres 3 et 4 sont
dans Rn .. . . . .. . . . .. . . .. . . . .. . . . .. . . 9 brivement prsentes. La gnralisation de
Problmes et exercices . . . . .. 12
lensemble R est aborde selon deux directions. Dune
Relation 6 dans R
et les sous-ensembles convexes de R 12 part, au plan algbrique, les nombres complexes
Fonctions de R R . . . .. . . .. . . . .. . . . 14
permettent la rsolution dquations polynomiales sans
Nombres complexes . . .. . . . .. . . . .. . . . .. 24
Topologie et dpendance linaire solution relle. Dautre part, les ensembles de n-uples
dans Rn .. . . . .. . . . .. . . . .. . . .. . . . .. . 27 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 1
http://fribok.blogspot.com/
1 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
Q est lensemble des nombres rationnels : p Z, q Z, q 6= 0 .
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 :
1 Z et 1 / N.
1 1
Q et / Z.
3 3
R et / Q.
3 + 2i C et 3 + 2i
/ R.
Lensemble R occupe sans conteste une place prpondrante dans les applications pra-
tiques. 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

2 Rappels et dfinitions
http://fribok.blogspot.com/
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 +
requiert la thorie des fonctions (chapitre 3). En fait, ces deux visions du temps sont
0,
1
Chapitre

complmentaires : lobservation statistique seffectue des dates discrtes, tandis que


lanalyse thorique repose plus volontiers sur la thorie des fonctions, plus performante
cet gard.

2 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 3
http://fribok.blogspot.com/
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.

3 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}.

4 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.

4 Rappels et dfinitions
http://fribok.blogspot.com/
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.
1
Chapitre

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 y

y = f(x)
1

x
2 1 0 1 2 3 4

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 5
http://fribok.blogspot.com/
schma suivant :
f g
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 rci-
proque (ou inverse) selon le schma suivant :
f
1
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 rci-
proques 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.

5 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 :

6 Rappels et dfinitions
http://fribok.blogspot.com/
Dfinitions
Le nombre rel a est la partie relle de a + bi.
1
Chapitre

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.
a +b 2 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

b z = a + bi

axe rel
0 a

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

Rsolution dquations dans C 7


http://fribok.blogspot.com/
Figure 1.3 y 2 2
= a +b
a= cos
o
b a
z = a + bi b= sin sin = ,cos =
b

Langle est appel argument de z.

x
a

Exemple
 
5 5
z =1 3i = 2 cos + i sin puisque :
3 3
(
1 = cos = 1 + 3 = 2

5
3 = sin sin = 3 , cos = 1 = + 2k , o k Z.
2 2 3
On peut aussi opter pour la reprsentation plus gnrale :
    
5 5
z = 2 cos + 2k + i sin + 2k , o k Z.
3 3

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

Exemple
   
5 5 7 7
z1 = 1 3i = 2 cos + i sin et z2 = 4 3 4i = 8 cos + i sin
3 3 6 6
    
z1 2 5 7 5 7 1  1 1
On a : = cos + i sin = cos + i sin = (0 + i.1) = i.
z2 8 3 6 3 6 4 2 2 4 4

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


gard, le rsultat suivant est fondamental.

Proprit (formule de De Moivre) Si n N0 et z = (cos + i sin ),


alors zn = n (cos n + i sin n).
Lexponentielle des nombres complexes est dfinie de manire gnraliser lexponentielle
dans R.

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

8 Rappels et dfinitions
http://fribok.blogspot.com/
Proprits
ei = 1
eib + eib eib eib
1
Chapitre

cos b = , sin b = (formules dEuler).


2 2i

5.3 POLYNMES COEFFICIENTS COMPLEXES

Le thorme de DAlembert est fondamental pour la rsolution des quations polyno-


miales.

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
zk = n cos + i sin , k = 0,1, . . . , n 1.
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
Si C\R, les solutions sont donnes par x = , o R reprsente lune
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.

6 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 9


http://fribok.blogspot.com/
Dfinitions

Rn = (x1 , x2 , . . . , xn ) : x1 , x2 , . . . , xn R = R
| R
{z 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
http://fribok.blogspot.com/
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
X k
R:q= j pj .
j=1
k
X
Les vecteurs p1 , . . . , pk Rn sont linairement indpendants si j pj = 0
j=1
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


http://fribok.blogspot.com/
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}. f F = Z.
 
1 g G = R+ .
b B= : n N0 . 0
n h H = x R : x2 6 4 .
c C = [5, 4]. 
d D = [2, 7) N. i I = x R : x3 > 27 .
e E = [, e] Q. 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 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.

12 Rappels et dfinitions
http://fribok.blogspot.com/
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.
1
Chapitre

A est non convexe. Par exemple, 2 et 3 A mais 2, 5


/ A.
b 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
r 1 r 1
0 < < b. Comme r > 1, on aura alors 0 < 6 < b et llment ( B) sera
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 C = (, 5] ; C = [4, +) ; inf C = min C = 5 ; sup C = max C = 4 ; C est born
et convexe.
d D = R ; D = [6, +) ; inf D = min D = 0 ; sup D = max D = 6 ; D est born et non
convexe.
e 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
convexe parce que, par exemple, 1 et 2 E mais 1 < 2 < 2 et 2 /Q 2 / E.
f 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 G = R ; G = ; inf G = 0 ; @ sup G ; @ min G ; @ max G ; G est non born et convexe.
h 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 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 13


http://fribok.blogspot.com/
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 3
x3 0 +
2
x + 3x + 9 + + +
x3 27 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 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 :

a f (x) = ln(x + 4). ln( x3 2x2 + x)
p e j(x) =
b g(x) = x2 9. ln(3 4x)
2x + 5 r
c h(x) = 2x 1
f k(x) =
x 8
3
x+1
x+37
d i(x) = 3 g l(x) = x e2x7 .
x 3x + 2

Solution 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 3 3
2
x 9 + 0 0 +

http://fribok.blogspot.com/

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 2
x2 0 +
2
x + 2x + 4 + + +
3
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 :

a b c d
0
m ma mb mc0
a 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).

1 0 3 2
1 1 1 2
1 1 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.

http://fribok.blogspot.com/

  
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 0 1
x 0 + + +
2
(x 1) + + + 0 +
3 2
x 2x + x 0 + 0 +


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 :    
3 1
D1 D2 D3 D4 = 0, \
4 2
 
1
f 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.

1
x 1
2
2x 1 0 +
x+1 0 + + +
2x 1
+ @ 0 +
x+1

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

16 Rappels et dfinitions
http://fribok.blogspot.com/
EXERCICE 3
nonc
1
Chapitre

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


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

1 si x < 0

e k : R R : x sign x = 0 si x = 0 .


1 si x > 0
(
x si x > 0
f l : R R : x |x| = .
x si x < 0
   
1 1 1
Solution a Le graphe de f est une parabole (figure 1.4) avec : f = f = = 0,25,
    2 2 4  
3 3 9 5
f (1) = f (1) = 1, f = f = = 2,25, f (2) = f (2) = 4, f =
  2 2 4 2
5 25
f = = 6,25, f (3) = f (3) = 9, etc.
2 4

Figure 1.4 y

3 y = f(x)

x
0
2 1 1 2 3 4

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 17
http://fribok.blogspot.com/

g(x)


g(x) g(t)
x y= z= g(y) x t= u= y


g(u)
x x + 2 g(z) (x) x + 2

g(y)
0 2 0 0 2 0
7 17 9 15 7
0,38 0,38
8 8 8 8 8 8 8
3 9 5 7 3
0,70 0,70
4 4 4 4 4 4 4
3 5 19 3 11 13 5
0,92 0,92
8 8 8 8 8 8 8
5 3 3
1 1
2 2 2 2 2 2 2

Figure 1.5 y

y = g(x)
1

x
2 3 0 3 2

2 2 2 2
1

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.

Figure 1.6 y

2 y = h(x)

x
4 3 2 1 0 1 2 3 4 5 6
1

http://fribok.blogspot.com/
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

y = j(x)
3

x
0
3 2 1 1 2 3 4 5
1

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

Figure 1.8 y

y = k(x)
1

x
2 1 0 1 2 3 4

f l(x) est la valeur absolue de x.


y
Figure 1.9
4
y = l(x)

x
3 2 1 0 1 2 3

Fonctions de R R 19
http://fribok.blogspot.com/
EXERCICE 4

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

c h 1, e3 et h1 ([1, 0]).
d j(R) et j1 ([1,0]).
 
e k 2, 1, 5 , k (R) et k1 ({1}).

  
Solution 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 5 5
x2 5 + 0 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 1 1
2
x 1 + 0 0 +

x 2 2
2
x 4 + 0 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
http://fribok.blogspot.com/
( )! ( ) n
3 3 o  2 
1
b g = x R : sin x = = + 2k : k Z + 2k : k Z .
2 2 3 3
" #! ( )
1 1 2 1 2
g , = xR: 6 sin x 6
2 2 2 2
[ 
 
3 7

= + 2k, + 2k + 2k, + 2k .
6 4 4 6
kZ
  
c h 1, e = h(x) : x 1, e3 = (0, 3).
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 rci-
proque 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} = R0 car tous les nombres ngatifs, et seulement
ceux-l, ont pour image (1).

EXERCICE 5

nonc
Soit les fonctions f , g, h, i, j, k, l.

a f : R R : x x2 . e j : R R : x |x|.
b g : R+ R : x x 2 . f k : R R : x [x].
c h : R + R+ : x x 2 .
1 g l : R R : x ax + b, o
d i : R0 R : x a, b R.
x

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


application rciproque.

Fonctions de R R 21
http://fribok.blogspot.com/
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
d i est injective. En effet, x1 , x2 R0 : = 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.
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

yb
et : y R, x = R : y = ax + b.
a
yb
Donc, si a 6= 0, l est injective, surjective et bijective, et l 1 : R R : y
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.

EXERCICE 6

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

Solution 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
http://fribok.blogspot.com/
EXERCICE 7
nonc
1
Chapitre

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

Solution 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

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
/ {4, 5} = B, ce qui est impossible.
f (3)

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 23
http://fribok.blogspot.com/
1
a f : R R : x 49 x2 et g : R\ {1} R : x .
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.

a (2 + 5i) + (1 4i). f i4n+3 , o n N.


b (4 + 3i) (3 + 2i).  
c (2 3i) (4 + 6i). g 3i 2 5i .
d |4 i|.
1 1 + 3i
e h
8 + 7i 1i

24 Rappels et dfinitions
http://fribok.blogspot.com/
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.
1 8 7i 8 7i 8 7i 8 7
e = = = = i.
8 + 7i (8 + 7i) (8 7i) 64 + 49 113 113 113
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 + 3i (1 + i) (1 3) + ( 3 + 1)i (1 3) ( 3 + 1)
h = = = + i.
1i (1 i) (1 + i) 2 2 2

EXERCICE 10

nonc
crivez les nombres complexes suivants sous forme trigonomtrique.
a 1 i.
b 4i.
c 64.


Solution
1 2
p cos = =
a = 12 + (1)2 = 2 et 2
2 do : 1 i = 2 cis


sin = 2 4
2

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

EXERCICE 11

nonc
a Calculez les racines carres de 1 i.
b Calculez les racines siximes de 64.


Solution a 1i= 2 cis (exercice 10) les racines carres de 1 i sont donnes par :
4
q
+ 2k 7
2 cis 4
4 4
zk = , 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 :
6 + 2k 6
zk = 64 cis , k = 0, 1, 2, 3, 4, 5, ou encore : z0 = 64 cis = 3 + i,
6 6

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

Nombres complexes 25
http://fribok.blogspot.com/
EXERCICE 12

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

a x2 + 13 = 4, e x2 5x + 6 = 0,
b 2x2 + a = 1 (a R), f x5 x3 + x2 1 = 0,
c x3 + 2x2 + x + 2 = 0, g 2x4 + 3x2 + 1 = 0,
d x2 + 4x + 8 = 0, h (1 + i)2 x2 (1 i)x + i = 0.

Solution a x2 + 13 = 4 x2 = 9 = 9i2 x = 3i.


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

2 4 16 32 4 16 4 16i2
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

2 2 1 3 1 3
(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 3 98 1
2t + 3t + 1 = 0 t = x2 = 1 ou x2 =
4 2

2
x = i ou x = i
2

h (1 + i)x2 (1 i)x 2 = 0.
= (1 i)2 + 8(1 + i) = 1 + i2 2i + 8 + 8i = 8 + 6i

26 Rappels et dfinitions
http://fribok.blogspot.com/
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 2 2 u2 v2 = a
(u + vi) = a + bi u + 2uvi v = a + bi .
2uv = b

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

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

p
Solution En prenant n = 1 dans la dfinition gnrale, on obtient : d(a, b) = (a b)2 = |a b|.

EXERCICE 14

nonc
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 .

Solution 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.
   n p o
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 27


http://fribok.blogspot.com/
EXERCICE 15

nonc
Dans chaque cas, dterminez lintrieur, ladhrence, la frontire et les points daccumu-
lation 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 C = [8, +).

Solution 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
d Int R0 = R0 R0 est un ouvert. Adh R0 = R (0 Adh R0 car r > 0 : (r, r)R0 )
2
R0 nest pas ferm. Fr R0 = R\R0 = {0}. Lensemble des points daccumulation de
R0 est R.

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 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, +).

28 Rappels et dfinitions
http://fribok.blogspot.com/
EXERCICE 16

nonc
1
Chapitre

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 :



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

2
Lexistence de et est assure et la rponse est positive.

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


(
2 = 3
(3, 5) = (1, 2) + (2, 4) 0 = 1
2 4 = 5

ce qui est impossible et la rponse est ngative.

EXERCICE 17

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

Solution a Les vecteurs (1, 2) et (1, 3) sont L.I. si : (1, 2) + (1, 3) = (0, 0) = = 0.
| {z }
(1)
(
=0
Comme (1) ( , 2 + 3) = (0, 0) = = 0, les vecteurs
2 + 3 = 0
sont effectivement L.I.

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 29


http://fribok.blogspot.com/
EXERCICE 18

nonc
Dans chaque cas, dterminez si, dans R3 , les vecteurs donns sont linairement indpen-
dants (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 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)

+ 2 = 0
6 = 0

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



= =

30 Rappels et dfinitions
http://fribok.blogspot.com/
Suites relles 2
Chapitre

Suites relles La modlisation de phnomnes dynamiques ou


1. Dfinitions . .. . . . .. . . . .. . . . .. . . . .. . . . 32 volutifs renvoie demble au choix dune
2. Proprits des limites de suites . . . .. . 33
reprsentation de la variable temps . En effet,
3. Suites remarquables . .. . . .. . . . .. . . . . 35
4. Sous-suites . .. . . . .. . . . .. . . .. . . . .. . . . 36
si les philosophes continuent de sinterroger
5. Suites monotones .. . . . .. . . . .. . . .. . . . 37 sur la nature discrte (succession dinstants prcis)
6. Sries .. . . . .. . . . .. . . . .. . . .. . . . .. . . . . 38
ou continue (le long dun axe) de cette variable,
Problmes et exercices . . . . .. 40
les mathmaticiens, pour leur part, offrent les deux
Dfinition de suites, suites convergentes 40
Application des proprits . .. . . . .. . . . .. 41 reprsentations possibles.
Applications la gestion . . . .. . . .. . . . .. . 47
Dans le premier cas, lcoulement du temps est suppos corres-
pondre 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 abor-
de 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 lintgra-
tion europenne et lvolution de la volatilit des marchs finan-
ciers rsultant de la globalisation de lconomie constituent deux
domaines dans lesquels les outils danalyse proposs ici savrent
utiles.

Suites relles 31
http://fribok.blogspot.com/
1 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.
t

Exemple
 
1 1 1
La suite converge vers 0. En effet, > 0, T N0 : t > T 0 = < ,
t nN0 t t
 
1 1 1
puisque, en prenant T = min t N0 : t > , on obtient : t > T 6 < .
t T

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 (resp. < K).

32 Suites relles
http://fribok.blogspot.com/
2 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 conver-
gente, 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
contre, la proprit ne sapplique pas la suite , 2, , 3, , 4, , 5, . . . pour laquelle
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 t
lim vt = a.
t

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

Rgles de calcul pour les limites relles Si : lim ut = a R et lim vt =


t t
b R, alors :
lim (ut + vt ) = a + b.
t
lim (ut .vt ) = a.b.
t
R : lim (ut ) = a.
t
1 1
si t N0 : ut 6= 0 et a 6= 0 : alors lim =
t ut a

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

Proprits des limites de suites 33


http://fribok.blogspot.com/
Cette proprit concerne exclusivement les suites convergentes. Lorsque (ut ) est conver-
gente 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 {+, }

ut
lim ut lim vt lim (ut + vt ) lim (ut .vt ) lim
t t t t t vt
a R0 + + (selon signe 0
de a)
a R0 (selon signe 0
de a)
a R0 0 a 0 ou @ dans R
(voir ci-dessous)
0 + + F.I. 0
0 F.I. 0
0 0 0 0 F.I.
+ + + + F.I.
+ F.I. F.I.
+ 0 + F.I. ou @ dans R
(voir ci-dessous)
+ F. I. F.I.
+ F.I.
0 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
Si lim vt = 0 et T N0 : t > T : vt > 0, alors lim = +.
t t vt
1
Si lim vt = 0 et T N0 : t > T : vt < 0, alors lim = .
t t vt
1
Si lim vt = 0 et si T N0 , t, t 0 > T : vt > 0 et vt 0 < 0, alors lim @
t t vt
dans R.

34 Suites relles
http://fribok.blogspot.com/
Exemple
(1)t 1
On a : lim = 0, mais lim = lim (1)t t nexiste pas dans R puisque :
t t t (1)t t
t
(
(1)t < 0 pour t impair
.
t > 0 pour t pair

3 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.
t

Suites de
puissances

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

+ si a > 0

Suites exponentielles


0 si |a| < 1

1 si a=1
lim at = .
t

+ si a>1

@ dans R si 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 b<0 b>0
t
|a| < 1 0 0
a = 1 0 nexiste pas dans R
a>1 + +
a < 1 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
http://fribok.blogspot.com/
Exemples
 t
1 1
1. lim = 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
t t
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

4 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.

Dfinition Soit une fonction p : N0 N0 : t p(t) telle que


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

La suite up(t) 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),
t
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 sous-
suites qui nont pas la mme limite dans R.
La dernire utilisation est la plus frquente. Elle permet notamment de montrer la non-
convergence 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
http://fribok.blogspot.com/
Exemples
     
1 1 1 1 1
1. = , , ,... converge vers 0 en tant que sous-suite de .
2 + 4t 0 tN 6 10 14 t tN0

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.

5 Suites monotones
La connaissance pralable de la croissance ou dcroissance dune suite facilite consid-
rablement 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 X t  k
1 1 1 1
1. Dfinissons : t N0 : ut = 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.

Suites monotones 37
http://fribok.blogspot.com/
 2  t Xt  k
3 3 3 3
2. Dfinissons t N0 : ut = 1 + + + + = . La suite (ut )tN0 est
2 2 2 2
k=0
 t+1
3
croissante. En effet, ut+1 = ut + > ut .
2
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
|{z} | {z } 2
| {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.

6 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.


X
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 =
X t
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.


X
Dfinition La srie at = 1 + a + a2 + , o a R, est dite gomtrique
t=0
de raison a.

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
http://fribok.blogspot.com/
Proprits

Les sommes partielles de la srie gomtrique



X
at sont donnes par :
2
Chapitre

t=0
t+1
1 a
si a 6= 1
st = 1a .

t+1 si a = 1


X
La srie gomtrique at est convergente si et seulement si |a| < 1. Dans ce
t=0

X 1
cas, la somme vaut at =
t=0
1a

Sries 39
http://fribok.blogspot.com/
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 a 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
http://fribok.blogspot.com/
EXERCICE 2

nonc
2
Chapitre

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 tN0 t 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


EXERCICE 3

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

Application des proprits 41


http://fribok.blogspot.com/
ut a ut 1
Solution lim = . En effet, t N0 : = ut . et par les rgles de calcul relatives
t 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

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

ar t r + ar1 t r1 + + a1 t + a0
Solution lim
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 :


0 si r s < 0
lim t rs = 1 si r s = 0 . (2.1)
t

+ si r s > 0
 
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 + ar1 t 1 + + a1 t (r1) + a0 t r ar
1 (s1) s
(2.2)
bs + bs1 t + + b1 t + b0 t bs

Combinant (2.1) et (2.2) avec les rgles de calcul adquates, on obtient finalement :


0 si s > r

ar

si s = r

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

b s

a

si r > s et r < 0
bs

42 Suites relles
http://fribok.blogspot.com/
EXERCICE 5
nonc
Calculez, si possible, les limites dans R des suites dont le terme gnral est donn ci-
2
Chapitre

dessous, laide des proprits et des rsultats relatifs aux suites remarquables.

a (2)t e2t
h 3. 1.
5t 5 + t t
b 2 9t 4 + t 2 1
t + t 3t 5 i
t2 t3 + 1
c t  t  
3 1 e t
d 3.6t . j
 t 2 2
1 1 t3 + 3
e 3
+ k
t 3 5t 6 t
1 et t 2 + 3t 2 et + 3
f sin t. l
t   t2 1
1 t
1
2
g  t + t.
1
5
4

Solution a (2)t nadmet pas de limite dans R, cest une suite exponentielle de base < 1.
5t 5 + t 5
b lim 2 = car cest un quotient de polynmes de mme degr, voir lexercice 4.
t t + t 3t 5 3
 
t2
c 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 3 t 3 t
 
t2
puissances et lim (1) = 1 car cest une suite constante. Donc lim t =
 t
 t 3
1
+ 1 (+) = .
3
d lim (3.6t ) = . Cette suite est un multiple dune suite exponentielle (base > 1).
t
  t    t 
1 1 1 1
e lim 3
+ = lim t + 3 = 0 + 0 = 0. En effet, cest une somme
t t 3 t 3
dune suite de puissances et dune suite exponentielle (base (1, 1)).
f 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
avec lim = lim = 0.
t t t t

Application des proprits 43


http://fribok.blogspot.com/

 t
1
1 2

g lim  t + t = +.
t 1
5
4
 2t 
e e2t t
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 .
9t 4 + t 2 1
i lim = . 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.
j Pour lever lindtermination (0.(+)), on crit :
 t     e t
1 e t e
lim = lim = 0 (suite exponentielle en base (1, 1)).
t 2 2 t 4 4

t3 + 3
k lim = 0. En effet, cette suite est un quotient de polynmes, le degr du numra-
t 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) t 3(t 2 + 1)
l lim = lim = lim e + .
t t2 1 t t2 1 t t2 1
 2 
t

1 t 1 3(t + 1)
e = e 0 (exponentielle en base (1, 1)) et 3 (quotient
e
  t2 1
3(t 2 + 1)
de polynmes de mme degr). Donc lim et + 2 = 0 + 3 = 3.
t t 1

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

Solution a On peut affirmer que : lim vt = +.


t
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
http://fribok.blogspot.com/
EXERCICE 7
nonc
Dans chaque cas, montrez que les suites donnes sont divergentes. Admettent-elles une
2
Chapitre

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

Solution 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
Donnez un exemple de suite croissante non convergente.

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

EXERCICE 9

nonc
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?

Solution 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 ) nest pas dcroissante
u2 + v2 = 1 > u3 + v3 = 1 (ut + vt ) nest pas croissante.

Application des proprits 45


http://fribok.blogspot.com/
EXERCICE 10

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

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


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

Solution La proposition est fausse. Un contre-exemple est fourni par :


(
0 si t = 3k + 1
t N0 : ut = 0 et vt = (o k N0 ) .
1 si t 6= 3k + 1

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

46 Suites relles
http://fribok.blogspot.com/
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 t
conclure, par le principe du pincement, que lim ut = +.
2
Chapitre

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 :
X10
C C C 1
P= + + + = C
+ r} (1 + r)
|1 {z
2 (1 + r) 10 (1 + r)t
| {z } | {z } t=1
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

EXERCICE 14

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 47
http://fribok.blogspot.com/
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
i=1
(1 + a)i
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 X
1 1 i1
Pt = D t+i = 1 + g Dt+1
i=1
(1 + a) i
i=1
(1 + a) i

   
Dt+1 X 1 + g i1 Dt+1 X 1 + g i
= =
(1 + a) i=1 1 + a (1 + a) i=0 1 + a

48 Suites relles
http://fribok.blogspot.com/
 
X 1+g i
b Comme a > 0 et g > 0 (ce sont des taux de croissance), la srie gomtrique
i=0
1+a
1+g
converge si et seulement si < 1 1 + g < 1 + a g < a.
1+a
Dt+1 1 Dt+1 1 + a Dt+1
Dans ce cas, Pt = . = . = .
1+a 1+g 1+a ag ag
1
1+a

EXERCICE 16

nonc
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.

Solution 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.

Applications la gestion 49
http://fribok.blogspot.com/
Les fonctions
dune seule
3
Chapitre

variable
Les fonctions dune seule variable Les fonctions de R dans R, dfinies dans le chapitre 1,
1. Limites de fonctions .. . . . .. . . . .. . . .. . 52 constituent la manire naturelle dexprimer la
2. Continuit . . .. . . . .. . . . .. . . . .. . . .. . . . 58
dpendance dune grandeur par rapport une autre.
3. Asymptotes . . . . .. . . . .. . . .. . . . .. . . . .. 61
4. Drivabilit .. . . . .. . . . .. . . . .. . . . .. . . . 64 Les modles de la gestion quantitative sont videmment
5. Thorme de Taylor . . . .. . . . .. . . . .. . 69 bass sur des fonctions, puisque les variables aussi
6. Caractristiques des fonctions
diverses que le chiffre daffaire, le bnfice, le cot des
dune variable . .. . . . .. . . . .. . . . .. . . . . 70
Problmes et exercices . . . . .. 75 infrastructures, etc., dpendent, entre autres, de
Limites de fonctions . .. . . . .. . . . .. . . . .. . . 75 facteurs tels que les prix des inputs, le niveau des
Continuit . . . . .. . . .. . . . .. . . . .. . . . .. . . . . 80
ventes, le taux dintrt du march, etc.
Asymptotes .. . . . .. . . . .. . . . .. . . . .. . . . .. . 83
Drivabilit . . .. . . . .. . . . .. . . . .. . . .. . . . .. 85 En gestion, comme ailleurs, toute formalisation repose sur une
Thorme de Taylor . . .. . . . .. . . . .. . . . .. . 91 rduction de la complexit inhrente au phnomne tudi. Afin
de mettre en exergue lessentiel, la reprsentation sous forme de
Fonctions croissantes, dcroissantes,
concaves et convexes .. . . . .. . . . .. . . . 93
modle mathmatique nglige immanquablement certains aspects
priphriques. La difficult rside donc dans le choix des facteurs
Applications la gestion . . . .. . . .. . . . .. . 95
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, luti-
lit du consommateur varie selon les quantits des divers biens
accessibles. Naturellement, pour traiter ces questions, les math-
matiques 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


http://fribok.blogspot.com/
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.

1 Limites de fonctions
0
1.1 DOMAINES DEXAMEN DES LIMITES : 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 fonctionne 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, elles-
mmes, 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


http://fribok.blogspot.com/
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.
3
Chapitre

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 .
Si a = 1, on ne peut tendre vers a que par la gauche 1 D0G mais 1 / D0 .
Si a / [0, 1], on ne peut pas approcher a daussi prs que lon veut, ni par la droite, ni
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
http://fribok.blogspot.com/
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
<
)
x (a, a + )
> 0, > 0 tel que : f (x) b < .
xD

Troisime cas : a D0G .


f a pour limite gauche b, lorsque x tend vers a, ce quon note lim f (x) = b, si :
xa
>
)
x (a , a)
> 0, > 0 tel que : f (x) b < .
xD

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
(
0 si x < 0
f :RR:x 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 x0
< <
lim f (x) = lim 1 = 1.
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 xa xa
< >
b R.
Toute valeur connue dune limite bilatrale est immdiatement interprtable comme la
valeur commune des deux limites unilatrales.

54 Les fonctions dune seule variable


http://fribok.blogspot.com/
Figure 3.1

3
y 3
Chapitre

2 y = f(x)

x
3 2 1 0 1 2 3
1

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
(
x si x 6 0
Pour la fonction dfinie par : f : R R : x |x| = , on a :
x si x > 0

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

x0 x0 x0
< < <
lim f (x) = lim f (x) = 0 lim f (x) = 0.
lim f (x) = lim x = 0
x0
<
x0
>
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 f (x) = b > 0, K > 0 tel que :


x
(resp. x+)
)
x < K(resp. x > K)
f (x) b < .
xD

Exemple
1
f : R+
0 R:x . D = R+0 contient la demi-droite (0, +) et on a x+
lim f (x) = 0.
x2
)
x>K 1
En effet, selon la dfinition : lim f (x) = 0 > 0, K > 0 : < .
x+ +
x R0 x2

Limites de fonctions 55
http://fribok.blogspot.com/

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) = + si L > 0, > 0 tel que :


xa (resp. )
)
x (a , a + )\{a}
f (x) > L .
xD (resp. f (x)<L)

Deuxime cas : a D0G .

lim f (x) =
xa
+ si L > 0, > 0 tel que :
< (resp. )
)
x (a , a)
f (x) > L .
xD (resp. f (x)<L)

(et de faon analogue pour la limite droite).



Troisime cas : D , p .

lim f (x) = + si L > 0, K > 0 tel que :


x (resp. )
)
x < K
f (x) > L .
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 non-
existence de limites de fonctions.

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


xa
(
t N0 : xt D\{a}
on a : lim f (xt ) = b.
lim xt = a t
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


http://fribok.blogspot.com/
En pratique, pour montrer laide de ce thorme que la lim f (x) nexiste pas, on
construira deux suites, xt
 
(1)
 
(2)
xa
et xt , convergeant vers a et telles que t N0 :
 
3
Chapitre

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) = et xt(2) = convergent toutes deux vers 0. En outre, les
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+ t

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
Aprs avoir montr que lim = 0 (voir exercice 8 b ), la proprit permettra daffirmer
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
lim ex = + et lim = 0 impliquent que lim ex = + 0 = +.
x+ x+ x x+ 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
http://fribok.blogspot.com/
Exemple
2 = et lim cos x = cos = 1 impliquent que lim 2
lim
x x cos x = 1.
x 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

2 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 (D0D D) si lim f (x) = f (a).


xa
>

58 Les fonctions dune seule variable


http://fribok.blogspot.com/
La proprit suivante dcoule directement de celles des limites.

Proprit Soit a D0 D .
3
Chapitre

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

Exemples


x si x < 0
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).


x0
>
(
1 x si x 6 1
2. f : R R : x |1 x| = .
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 x1 x1
< < > >
en 1.

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

Dfinition La fonction f est continue dans D si elle vrifie toutes les conditions
suivantes :
(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
xa
= R+
0.

Continuit 59
http://fribok.blogspot.com/
1
2. f : (0, 1] R : x
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).
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 = , lim loga x = +.


x x+ x0 x+
>

Si 0 < a < 1 :

lim ax = + , lim ax = 0 , lim loga x = + , lim loga x = .


x x+ x0 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


http://fribok.blogspot.com/
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 .


|2x 2| si x 6
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
x x
< <
en .
x sin x sin
Et lim f (x) = lim = = 0 = f () f est continue droite en .
x x cos x + 2 cos + 2
> >
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 Soit f : D R : x f (x). Le point a D est appel point fixe de f


si f (a) = a.
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.

3 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
http://fribok.blogspot.com/
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)  
si lim = a R0 et lim f (x) ax = b R.
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
1. f : R+
0 R:x
x
Recherche dasymptotes verticales :
 1
D0D = R+ , D0G = R+ 0 0
0 = DC DD DG \DC = {0} et xlim = + AV x = 0
0 x
>
gauche.

62 Les fonctions dune seule variable


http://fribok.blogspot.com/
Recherche dasymptotes horizontales et/ou obliques :
D = R+
0 @AH gauche et @AO gauche.
1
3
Chapitre

Dautre part, lim = 0 AH y = 0 droite @AO droite.


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

Figure 3.2 y
AV : x = 0

y=f(x)
1
AH : y = 0

x
0
2 1 1 2 3 4 5

x3 + 2
2. f : R\{1, 1} R : x
x2 1

Recherche dasymptotes verticales :



D0D = D0G = R, DC = R\{1, 1} D0D D0G \DC = {1, 1},
x3 + 2
lim = AV x = 1 (bilatrale)
x1
>
x2 1
<

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

Recherche dasymptotes horizontales et/ou obliques :


R\{1, +1} (, 2) et (2, +)
x3 + 2
lim / R @AH
=
x x2 1
f (x) x3 + 2
lim = lim 3 = 1 R0 et
x x x x x
 3 
 x +2 x3 + 2 x3 + x x+2
lim f (x) 1.x = lim x = lim = lim 2 =0
x x x 1
2 x x2 1 x x 1

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

Asymptotes 63
http://fribok.blogspot.com/
Figure 3.3 y

5 y=f(x)
4
A0 y = x
3
2
1

0 x
5 4 3 2 1 1 2 3 4 5
1
2
3
4
AV x = 1 5 AV x = 1

4 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 suffi-
samment 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)
f est drivable en a D0 D si lim dans R. Dans ce cas, cette
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


http://fribok.blogspot.com/
f est drivable dans D si toutes les conditions suivantes sont remplies :
(i) a (D0 D) : f est drivable en a ;

3
Chapitre

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

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

et
f (x) f (0) x
lim lim = 1 fd0 (0) = 1.
x0
>
x 0 x >
0 x

La fonction f est donc drivable gauche et droite en 0 mais nest pas drivable en 0.
(
0 1 si x < 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
http://fribok.blogspot.com/
f (x) D f 0 (x) f (x) D f 0 (x)
b R 0 x R ou R0 x1
( Q)
1
ex R ex ln x R+
0
x
sin x R cos x cos x R sin x
n o 1 1
tg x R\ + k, k Z cotg x R\{k, k Z}
2 cos2 x 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
 
 
g(a) 0 g(a) 0 1 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


http://fribok.blogspot.com/
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.
3
Chapitre

Exemples
1. f : R R : x |x|. DC = R, DD = R0 .

1 si x < 0

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

1 si x > 0

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

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 :
f (x) f () |2x 2| 0 x
lim
x = lim =2 = 2 R
<
x x
<
x x
f est drivable gauche en et fg0 () = 2.
f (x) f () x. sin x 0 x. sin( x)
lim
x = lim = lim
>
x x (cos x + 2)(x )
>
x (cos x + 2)( x)
>

= = R
1 + 2 21

f est drivable droite en et fd0 () = 6= fg0 ().
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.
 
 cos x 0 cos x 1 1
x D0 : tg x = tg x (sin x) ln(tg x) + cos x
tg x cos2 x
 
cos x 1
= tg x (sin x) ln(tg x) .
sin x

4.5 LA 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
http://fribok.blogspot.com/
(ii) > 0 : f et g sont drivables dans (a , a + ) \{a} ;
f 0 (x)
(iii) lim 0 existe dans R ;
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 appli-


cable 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 !
32
r ! 1 1 2
 p  2 x
3 3 3
lim x x 2x = lim x 1 1 2 = lim
x+ x+ x x+ 1
x
0
Il sagit dune forme indtermine du type qui se ramne 0 , puis . Les
0
hypothses de la rgle de lHospital sont vrifies. On obtient :
 
4 2 2/3 1
 p  1 2 x
3 3 x 4 x
lim x x3 2x = lim = lim   = +.
x+ x+ 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


http://fribok.blogspot.com/
5 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 dcom-
pose 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 :
p
X f i/ (a) f p+1/ ()
x (a 1 , a + 2 ) : f (x) = (x a)i + (x a)p+1
i! (p + 1)!
|
i=0
{z } | {z }
approximation de Taylor dordre p reste dordre p
| {z }
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 :
x3 x5 x7 (1)k+1 x2k1 (1)k (cos ) 2k+1
sin x = x + + + + x , o 0 < < x,
3! 5! 7! (2k 1)! (2k + 1)!
| {z }
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
http://fribok.blogspot.com/
6 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 rgu-
lire 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


http://fribok.blogspot.com/
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
3
Chapitre

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 y y

Fonction de production
concave ( gauche).
Fonction de production
convexe ( droite)
y=f(x) y=f(x)
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 :

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


http://fribok.blogspot.com/
Figure 3.5 y
y=f(x)

x
a b

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
y = f(x)

Ta

x
a

Figure 3.7 y

y = f(x)
g
Ta

d
Ta

x
a

http://fribok.blogspot.com/
Dans toutes les proprits qui suivent, le domaine D est un sous-ensemble convexe de R.
Proprits
3
Chapitre

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 f (x) f (a)
f est concave (resp. convexe) dans D a D, = est une
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


http://fribok.blogspot.com/
 
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
15
Les fonctions f1 : [1, 6] R : x x2 + 5x 4 et f2 : [1, 6] R : x x2 + x 11, sont
2
toutes deux concaves dans [1, 6]. Il sensuit que :
 
2 15 14

x + x 11 si x 1,
 2
min f1 , f2 : [1, 6] R : x  5  est galement concave dans

2 14
x + 5x 4 si x ,6
5
[1, 6] (voir figure 3.8).

Figure 3.8 y

4
3 y=f2 (x)
y =f1 (x)
2
1
0 x
2 1 1 1 2 3 4 5 6 7
2
3
4
5 y=min{f1 (x),f2 (x)}
6
7
8
9
10

http://fribok.blogspot.com/
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

nonc
Pour les fonctions suivantes, dterminez les domaines D, D0 , D0D , D0G .
a f : D R : x ln x.
1
b f :DR:x
x
1
c f :DR:x
ln(3 x)

x
d f :DR:x 2
x 9

Solution 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 75
http://fribok.blogspot.com/
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
>
1
c lim
x0
<
x
d lim ex .
x+

Solution a 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.
x0 x | {z }
< |x {z }
0>x>
()

76 Les fonctions dune seule variable


http://fribok.blogspot.com/
1
1
L
1
Comme () > x x > (car x < 0), il suffit de prendre un nombre tel que
L
1
> et > 0, cest--dire tel que : 0 < < .
3
Chapitre

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

 
Solution lim an xn + an1 xn1 + + a1 x + a0 = an n + an1 n1 + + a1 + a0
x
Dmontrons ce rsultat par rcurrence.
Il est vrifi pour n = 0 : lim a0 = a0 (limite dune fonction constante).
x
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 .

EXERCICE 5

nonc
laide des proprits, calculez les limites suivantes dans R.
a lim (ln x 1).
x1
ex x
b lim
x2 (x 2)2

c lim ln( x + 1).
x1
>

x3 + x2 6x + 3
d lim
x 2x3 + 3x 1

Limites de fonctions 77
http://fribok.blogspot.com/
Solution a lim (ln x 1) = lim (ln x + (1)) = lim (ln x) + lim (1) = 0 + (1) = 1
x1 x1 x1 x1
x 2
e x e .2
b lim = + (rgle de calcul dans R : (+) ).
x2 (x 2)2 0
c lim x + 1 = 0(+)
x1 lim ln( x + 1) =
>
x1
>
lim ln x =
(limite dune compose de fonctions).
x0
>
 
3 1 6 3
x . 1+ 2 + 3
x3 + x2 6x + 3 x x x 1
d lim = lim   =
x 2x3 + 3x 1 x 3 1 2
x3 . 2 + 2 3
x x

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
an
z}|{ z }| {
n
an x + an1 x n1
+ + a0 x .( an + an1 x1 + + a0 xn )
n
Solution lim = lim m =
x bm x + bm1 x
m m1 + + b0 x x .( bm + bm1 x1 + + b0 xn )
|{z} | {z }
bm 0


() si n > m
an an
lim xnm . = si n = m o le signe de (*) est dtermin par celui de
x bm
bm

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

EXERCICE 7

nonc
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
(x 1) 2

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
c lim h(x), o h : R R : x 2
n o.
x 3
2

2 si x + k : k Z
2

78 Les fonctions dune seule variable


http://fribok.blogspot.com/
1

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


2
Solution a lim f (x) = lim = +

x1 x1 (x 1)2
< < lim f (x) = +.
lim f (x) = lim ( ln(x 1)) = () = +


x1
x1 x1
> >
2x + 3
b lim g(x) = lim = +

x1 x1 x2 1
< <
2x + 3 lim g(x)@ dans R.
lim g(x) = lim 2 =
x1
x1 x1 x 1

> >

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


x 3
2 x 3
2 x 3
2 x 3
2

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

x4
>
x4
>
x 2

EXERCICE 8

nonc
Dans chaque cas, calculez la limite.
a lim sin x.
x+
 sin x 
b lim
 sin xx
x+

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
1 sin x 1
x R+
0 : 6 6
x
|{z} x x
|{z}

0 0

Limites de fonctions 79
http://fribok.blogspot.com/
 sin x 
c Par pincement : lim = 1 . En effet :
x0 x
 
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

1 >
|{z} = >
x x |cos x|
1 | {z }
1
(
1 si x Q
d lim f (x) si f : R R : x
x2 0 si x R\Q
1
Les suites dfinies par xt = + 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.
x2

Continuit
EXERCICE 9

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

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

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

EXERCICE 10

nonc
Donnez un exemple de fonction dfinie dans D = [2, 2) et dont le domaine de continuit
est DC = [2, 2)\{1}.

80 Les fonctions dune seule variable


http://fribok.blogspot.com/
(
x si x 6= 1
Solution On peut prendre, par exemple, f : [2, 2) R : x .
0 si x = 1

EXERCICE 11

nonc
Pour chacune des fonctions suivantes, dterminez les domaines de dfinition et de
continuit.
ln(x2 + 1)
a f (x) =
x3
b f (x) = ex (x + 1) cos x, o x [1, 7].
x
ex si x 6= 2
c f (x) = (x 2)2 .

3 si x = 2
(
cos x + 1 si x / {k : k Z}
d f (x) = .
2 si x {k : k Z}
2

x +1

si x 6 3 et x
/ {2, 2}
x2 4  
e f (x) = (x 3) sin 1 .
+ 2 si x > 3

x 3

x
e si x {2, 2}
( 1
3 ex si x > e
f f (x) = .
ln x2 2 si x 6 e

Solution a D = (3, +) = DC. En effet, dans (3, +), f est continue comme quotient 2
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
x2k
points, mais lim (cos x + 1) = 0 6= 2 = f ( + 2k) et la fonction est discontinue en
x+2k
ces points.
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 81
http://fribok.blogspot.com/
 
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
lim f (x) = lim = 2 = f (3)
x3 x3 x2 4
< <

donc la fonction est continue en 3.


1
f 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 x x0 x x0 x
< < < < = 2 est la seule
lim f (x) = f (0) = sin 0 + =

x0 valeur admissible.
>

EXERCICE 13

nonc
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
8
si x [10, 0]
b g : [10, 100] [10, 100] : x x + 7x 8 si x (0, 6) .
2


x8 si x [6, 100]

Solution 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

82 Les fonctions dune seule variable


http://fribok.blogspot.com/
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)
lim g(x) = lim x2 + 7x 8 = 8
x0
x0
>
x0
>
et g est continue en 0.


lim g(x) = lim x2 + 7x 8 = 2


x 6
x 6
< <
lim g(x) = 2 = g(6)
lim g(x) = lim (x 8) = 2
x6
x6
>
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 sous-
domaines.
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
EXERCICE 14

nonc
Dans chaque cas, dterminez les asymptotes ventuelles de la fonction donne.
r
x1
a f (x) =
x+1
1 p
b f (x) = x2 .
x2

2x2 + ln x si x <
c f (x) =   .
cos x si x >
2 2
x 2
e 3x

si x 6= 0
d f (x) = x2 .

6 si x = 0
e f (x) = ex cos x.

x1
Solution a Conditions dexistence : > 0 et x + 1 6= 0 D = (, 1) [1, +).
x+1
Il sensuit que : D0 = (, 1)(1, +), D0G (, 1](1, +), D0D = (, 1)
[1, +).

Asymptotes 83
http://fribok.blogspot.com/
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
lim x =
2 6=
x x 2 2

pas dasymptote verticale en x = .
 p 
1
lim x2 = AV x = 2, bilatrale.
x2 x 2
<
>

Recherche dasymptotes horizontales et/ou obliques :


 p 
1
lim x = pas dasymptote horizontale.
2
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
f (x) 1 x2 x
lim = lim + lim = lim = 1
x x x (x 2)x
{z x x
x x
| {z } | }
=0 F.I.

 p 
  1
et lim f (x) x = lim x x
2
x x x 2
   p 
1
= lim + lim x2 x
x x 2 x
| {z } | {z }
=0 F.I.
  
x x2 x + x2
= lim  
x
x x2
(x2 x2 + )
= lim  = = 0.
x
x x2

c AV x = 0, droite.
d AV x = 0, bilatrale, et AH y = 3, bilatrale.
e Aucune asymptote. On utilise le thorme de transfert pour montrer labsence dasymp-
tote oblique.

84 Les fonctions dune seule variable


http://fribok.blogspot.com/
Drivabilit
3
Chapitre

EXERCICE 15

nonc
Dans chaque cas, calculez la drive des fonctions donnes.
p 1
a f (x) = x + x2 + x3 . h f (x) = 1 + cos2 x .
b f (x) = (a + bx) + (a + bx)2
+ (a + bx)3 (a, b R). i f (x) = sin2 x + cos2 x.
1
c f (x) = j f (x) = ln(ln x).
(3x2 + 7x)3
 13
1 k f (x) = 1 tg2 x .
d f (x) = (a R).
a + x2
2  
5x2 + x3 1
e f (x) = x2 sin x. l f (x) = 2 .
ex 
f f (x) = m f (x) = cotg 2x2 .
x
1 x(log10 x2 )
g f (x) = n f (x) = 4
x .
sin x
0 0 0
Solution 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
(a + x2 )3
2

e f 0 (x) = 2x sin x + x2 cos x.


ex x ex ex (x 1)
f f 0 (x) = 2
=
x x2
cos x
g f 0 (x) =
sin2 x
3
h f 0 (x) = sin x cos x(1 + cos2 x) 2 .
i f (x) = cos2 x + sin2 x = 1 f 0 (x) = 0.
1
j f 0 (x) =
x ln x
2 tg x
k f 0 (x) = q 4
3 3 1 tg2 x cos2 x
   
5x2 + x3 1 3
l f 0 (x) = 2 . 10x + x . ln 2.
2

Drivabilit 85
http://fribok.blogspot.com/
4x
m f 0 (x) =
sin2 (2x2 )
1 x2 log10 x 2 log x1 
n f 0 (x) = 4
x x 4 log10 x ln x + 1 .
4

EXERCICE 16
nonc
Dterminez le domaine de drivabilit des fonctions donnes dans lexercice 11 a , b
et e .

Solution 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
(x 3) sin +22
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
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).

Solution 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 .

2  
5x 2 si x > 2
b f (x) = |5x 2| = 5 D = R DD = R\

2 5x si x < 2 5
5

86 Les fonctions dune seule variable


http://fribok.blogspot.com/

En effet, f est drivable dans ,
on a :
2
5
 
et
2
5

, + en tant que polynme et, en ,
2
5
3
Chapitre

   
2 2
f (x) f 5 x

5 5x 2 0 5

lim = lim = lim =5

2 2 2 2 2 2

x 5
x x 5
x x 5
x

>
5
>
5
>
5
   
2 2

f (x) f 5 x

5 5x + 2 0 5

lim = lim = lim = 5

x 52 2 x 52 2 2
x 5 2

< x < x < x
5 5 5
2
f est non drivable en
5
[h i [ 
c D= k, + k , DD = k, + k
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 x k 2 (x k)
>

2 sin 2 (x k) 2
= lim = + = +
x k sin (2 (x k)) 2 (x k) 0
> | {z }
1
et

sin (2x) 0
lim   = +.
x 2 +k x + k
<
2

EXERCICE 18

nonc 1
crivez lquation de la tangente au graphe de la fonction y = au point dabs-
1 + ex
cisse x = 1.

e ex
Solution 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 87
http://fribok.blogspot.com/
EXERCICE 19

nonc
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.

Solution Ces exemples ne sont videmment pas les seuls possibles.


a f : [1, 7] R : x |x 2| (voir figure 3.9).

Figure 3.9 y

6
y = f(x)
5

x
1 0 1 2 3 4 5 6 7
1



0 si x = 1



1

si x (1, 0)
b f : [1, +)\{0} R : x x

3x 2 si x (0, 1]




1

si x (1, +)
x1
y
Figure 3.10
10
AV2 x=1
8

4
y=f(x)
2
AH y=0
1
x
1 1 2 3 4
1 2

8
AV1 x=0
10

http://fribok.blogspot.com/
Asymptotes (figure 3.10, page ci-contre) : AV1 x = 0 droite, AV2 x = 1 gauche,
AH y = 0 droite.
3
Chapitre

EXERCICE 20

nonc (
x2 + 3x 2 si x 6 1
Soit f : R R : x .
x1 si x > 1
Dterminez la fonction drive de f .

2x + 3 si x < 1
Solution f 0 : R\{1} R : x 1 .
si x > 1
2 x1

x10 1
En effet, en 1, f nest pas drivable puisque : lim = lim = .
x1
>
x1 x1
>
x1

EXERCICE 21

nonc  
4x + x (sin x) sin 1 + x2 si x 6= 0
Soit la fonction f (x) = x .

0 si x = 0
Dterminez f 0 (0).
 
1
4x + x(sin x) sin + x2 0
f (x) f (0) x
Solution f 0 (0) = lim = lim
x0 x0 x0
  x0
1 1
x(sin x) sin
4x x x2 sin x sin x
= lim + lim + lim = 4 + lim . + 0 = 4
x0 x x0 x x0 x x0 x 1
x
1
sin x sin
puisque : lim = 1 et lim x = 0.
x0 x x0 1
x

EXERCICE 22

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 89
http://fribok.blogspot.com/
0
Solution a Il sagit dune forme indtermine de type et les hypothses de la rgle de lHospital
0  
sont vrifies (les deux fonctions sont drivables dans , \{0}). On a donc
2 2
 
x (x)0 1
lim = lim 0 = lim 1 = 1.
x0 tg x x0 tg x x0
cos2 x

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

c Il sagit dune forme indtermine du type 0 qui se ramne comme suit :

ln x
lim (x ln x) = lim
x0
>
x0
>
1
x
Les hypothses de la rgle de lHospital sont vrifies. Il sensuit que :
1
lim (x ln x) = lim x = lim (x) = 0.
x0
>
x0
>
1 x0
>
x 2

d Comme :

ln x sin2 x sin x 1
lim sin x. ln x = lim = lim = lim

| sin x} .
{z . = 0,

x0 x0 1 x 0 x cos x x0 x cos x
> > > >
0 | {z } | {z }
sin x 1 1

sin x 0
on a : lim xsin x = lim eln x = lim esin x. ln x = e = 1.
x0 x0 x0
> > >

EXERCICE 23

nonc x + sin x
On cherche dterminer lim . Montrez que la rgle de lHospital nest pas
x+ x sin x
applicable et dterminez cette limite autrement.

(x + sin x)0 1 + cos x


Solution En vertu du thorme de transfert, on a : lim 0 = lim @ dans R,
x+ (x sin x) x+ 1 cos x
de sorte quune hypothse de la rgle de lHospital nest pas vrifie.
 sin x 
sin x x + sin x x 1 +
= 0, on a lim = lim  x
Par contre, comme lim
x+ x x+ x sin x x+ sin x  = 1.
x 1
x

90 Les fonctions dune seule variable


http://fribok.blogspot.com/
EXERCICE 24
3
Chapitre

nonc 1
Dterminez les asymptotes de la fonction f (x) = x e x en faisant appel, si ncessaire, la
rgle de lHospital.

Solution 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
1 ex 2
1 ex x
lim xe x = lim = lim   = + AV x = 0 gauche
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 1
lim x e x = + et lim x e x = .
x+ 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
  1   1  1
ex 1
lim f (x) x = lim x e x x = lim x e x 1 = lim
x x x x 1
  x
1 1
ex 2
x
= lim   = 1 R.
x 1
2
x

Thorme de Taylor
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 91
http://fribok.blogspot.com/
Solution 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 :
f (x) ' f (2) + f 0 (2) (x 2) = e2 + e2 (x 2) = e2 (x 1) .
Lapproximation dordre 2 est donne par :
(x 2)2 (x 2)2
f (x) ' f (2) + f 0 (2) (x 2) + f 00 (2) = e2 + e2 (x 2) + e2
2! 2

EXERCICE 26

nonc
Dans chaque cas, tablissez les dveloppements de Mac Laurin dordre n N0 des
fonctions donnes.
a f (x) = ex .
1
b f (x) =
1+x
c f (x) = ln (1 + x).
d f (x) = cos x.
e f (x) = (1 + x)m , o m N0 et m > n.

Solution 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
x2 xn xn+1
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
X n
1 xn+1
= (1)i xi + (1)n+1 , o 0 < < x.
1+x | {z } (1 + )n+2
i=0 Reste dordre n
n
X i+1 i
(1) x (1)n+2 xn+1
c ln (1 + x) = + o 0 < < x.
i (n + 1) (1 + )n+1
i=0 | {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 :
k
X (1)i+1 x2i (1)k (cos ) 2k+2
cos x = + x , o 0 < < x.
(2i)! (2k + 2)!
i=0 | {z }
Reste dordre 2k ou 2k + 1

m
! !
X m m m!
e (1 + x)m = xi , o = est appel coefficient binmial .
i=0
i i (m i)! i!
Lexpression du reste est nulle car il sagit dun polynme de degr m < n.

92 Les fonctions dune seule variable


http://fribok.blogspot.com/
EXERCICE 27
3
Chapitre

nonc
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.

Solution a Le dveloppement a t obtenu dans lexercice prcdent :


n
X (1)i+1 xi (1)n+2 xn+1
ln (1 + x) = + , o 0 < < x.
i (n + 1) (1 + )n+1
i=0 | {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 = p+1 xp+1 < 0,001.
(1 + ) (p + 1)!
1
Or > 0 < 1. Comme on prend ici x = 0,1, il apparat que si p = 2,
(1 + )p+1
alors :

(1)p p! (0,1)p+1
Rp < p+1
(p + 1)! (0,1) = 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
EXERCICE 28

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 93


http://fribok.blogspot.com/
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 nou-
3   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, 5] \{3}.


1 si x [5, 3)

f 0 (x) = 1 si x (3, 1] , et f est deux fois drivable dans [5, 5] \{3, 1}.

1
si x (1, 5]
x
0 si x [5, 1)\{3}
f 00 (x) = 1 .
si x (1, 5]
x 2
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


http://fribok.blogspot.com/
Applications la gestion
EXERCICE 30
3
Chapitre

nonc k
La fonction logistique, dfinie de faon gnrale par f (x) = (avec a, b, k R),
1 + beax
est souvent utilise pour modliser des phnomnes de croissance avec saturation pro-
gressive. 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.
1 1
g(x) = h(x) =
1 ex 1 + ex
Dterminez les domaines de dfinition, de continuit et de drivabilit ainsi que les asymp-
totes ventuelles de ces deux fonctions. Esquissez-en le graphe. Dduisez-en laquelle des
deux semble la mieux adapte reprsenter la diffusion dune innovation technologique.

Solution 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.  
ax ax ax 1 1 1
si b < 0 et a 6= 0 : 1 + be 6= 0 be 6= 1 e 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 AV x = 0 bilatrale.
lim g(x) = lim =

x0 x 0 1 ex

< <

Recherche des asymptotes horizontales/obliques :


1
lim g(x) = lim = 1 AH1 y = 1 droite.
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 95
http://fribok.blogspot.com/
Figure 3.11 y

2
y=g(x)
AH1 y=1
AH2 y=0
x
6 4 2 0 2 4 6

6
AV x=0

Figure 3.12 y

1 AH1 y=1

y=h(x)
AH2 y=0

x
6 4 2 2 4 6

EXERCICE 31

nonc
Montrez que la fonction de production dfinie par y = q est croissante et dterminez si
les rendements sont croissants ou dcroissants.

Solution Cette fonction, dfinie et continue dans R+ , y est bien croissante puisque :

1
q R+ 0
0 : y = > 0.
2 q

Les rendements sont dcroissants (fonction concave) puisque :

1
q R+ 00
0 : y = p 3 < 0.
4 q

96 Les fonctions dune seule variable


http://fribok.blogspot.com/
EXERCICE 32
nonc
3
Chapitre

La fonction doffre Q exprime la quantit produite q dun bien en fonction de son prix p :
q = Q(p), o :

4

 12
si 0 < p < 2
Q(p) = 8 6 p si 2 6 p < 5 .


(p 3) 3
si p > 5

a Montrez que Q est continue dans R+


0 et quelle est convexe dans chacun des sous-domaines
(0, 2) ; (2, 5) et (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
< >


0 si 0 < p < 2
0 si 0 < p < 2



4 6
Q0 (p) = q 3 si 2 < p < 5 et Q00 (p) = q 5 si 2 < p < 5 .

6p
6p

3 p 32

si p > 5 6 p 3 

si p > 5

Cette fonction est convexe dans chacun des trois sous-domaines car :
p R+ 00
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

10

6
q=Q(p)
4

0 p
0 1 2 3 4 5 6 7 8

http://fribok.blogspot.com/
EXERCICE 33

nonc
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.
(
+ 0 si x < K
Solution La fonction est dfinie par : x R : f (x) = max{x K, 0} = .
xK si x > K
Le graphe est donn par la figure 3.14.

Figure 3.14 y
Valeur de l'option
lchance

y = f(x)
x Prix de laction
0 lchance
K

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
< >
f (x) f (K) 00
La fonction est non-drivable en K : en effet, lim = lim = 0, et
xK
<
xK xK x K
<
f (x) f (K) xK0
lim = lim = 1 6= 0.
xK
>
xK xK
>
xK

EXERCICE 34

nonc
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)

98 Les fonctions dune seule variable


http://fribok.blogspot.com/
respectivement en 0 et en t. V0 et Vt sont les volumes de production accumuls respecti-
vement 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.
 0,5
V
Solution 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

Recherche dasymptotes verticales :


D = D0 = D0G = DC = R+ 0 + 0 0
0 et DD = R DG \DC = et DD \DC = {0}
 0,5  0,5
V 1
0,5
lim C = lim 10 000 = lim 10 000 (1 000)
V 0 V 0 1 000 V 0 V
> > > | {z }
+
= + AV V = 0 gauche.

Recherche dasymptotes horizontales ou obliques :


 0,5  0,5
V 0,5 1
lim C = lim 10 000 = lim 10 000 (1 000)
V+ V+ 1 000 V+ V
| {z }
0
= 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 99
http://fribok.blogspot.com/
Figure 3.15 C

500 000 AV V = 0

400 000

300 000

200 000

C = C(V)
100 000 AH C = 0

0 V
0 10 20 30 40 50

http://fribok.blogspot.com/
Optimisation
des fonctions
4
Chapitre

dune seule
variable
Optimisation des fonctions dune seule Loptimisation est au cur de la modlisation dun
variable grand nombre de problmes auxquels font face les
1. Les types dextrema . .. . . . .. . . . .. . . 102
gestionnaires : allocation optimale des ressources,
2. Proprits . . . . .. . . . .. . . . .. . . . .. . . . . 102
2.1 Condition suffisante dexistence maximisation du bnfice, minimisation des cots,
dextrema globaux . . . . . . . . . . . . . 102
2.2 Condition ncessaire du premier maximisation de la satisfaction des clients, etc.
ordre . . . . . . . . . . . . . . . . . . . . . . . . . . 102
2.3 Condition suffisante du second Toutefois, alors quen gestion, les variables de dcisions sont gn-
ordre . . . . . . . . . . . . . . . . . . . . . . . . . . 104 ralement multidimensionnelles, ce chapitre ne concerne que les
2.4 Condition ncessaire et suffisante fonctions dune seule variable relle.
dordre n (n > 2) . . . . . . . . . . . 104
2.5 Conditions suffisantes . . . . . . . . . . 106 Cette limitation importante sera leve dans les chapitres 6 et 7. En
fait, la complexit de ltude des fonctions de plusieurs variables
3. Extrema globaux . . .. . . . .. . . . .. . . . . 107
requiert au pralable la connaissance, dune part, des proprits
4. Concavit, convexit et extrema .. . 108 des fonctions dune variable, et dautre part, des notions dalgbre
Problmes et exercices . .. . 111 linaire qui seront prsentes dans le chapitre 5.
Recherche des extrema . . . . .. . . . .. . . . . 111 Mathmatiquement, loptimisation se traduit par la recherche des
Applications la gestion .. . . . .. . . . .. . 116 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


http://fribok.blogspot.com/
1 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.

2 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


http://fribok.blogspot.com/
Proprit Si f est drivable en a D D0 et si f admet un extremum local en a,
alors f 0 (a) = 0.
4
Chapitre

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.


x 2
si 2 6 x 6 1
La fonction f (x) = x   si 1 6 x 6 1 , dont le graphe est donn par la figure 4.1,
3


sin x si 1 6 x 6 4
2
prsente les caractristiques suivantes :

Figure 4.1 y

1,5

1 y=f(x)

0,5

x
2 1 0 1 2 3 4

0,5

1,5

http://fribok.blogspot.com/
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 suffi-
samment 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


http://fribok.blogspot.com/
Figure 4.2

4
y 4
Chapitre

3 y=f(x)

x
2 1 0 1 2 3 4
1

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).

Figure 4.3 y

y=f(x)
3

x
2 1 0 1 2 3 4

http://fribok.blogspot.com/
2.5 CONDITIONS SUFFISANTES

Les proprits suivantes sont fondes sur les caractristiques de croissance et de dcrois-
sance 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.
( a DC. Si > 0 tel que f est drivable dans [(a , a + ) \{a}] D
Soit
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
f (x) = x .

0 si x = 0
On a 0 DC = R. De plus, f est drivable dans R0 et
    
1 1
x R0 : f 0 (x) = cos + 2x 2 + sin
x x
1
Cette drive est ngative en tous les points du type : x = , o k N0 \{1} (figure 4.4),
2k
et donc :
> 0, x (0, ) : f 0 (x) < 0,
pourtant f admet un minimum local (strict) en 0.

Figure 4.4 y

0,015

0,010

y=f(x)

0,005

x
0,10 0,05 0 0,05 0,10

http://fribok.blogspot.com/
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.
4
Chapitre

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) @ si x = a f admet un maximum local en 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.

3 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).

http://fribok.blogspot.com/
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
La fonction f : R R : x 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
x+
valeur maximale globale 1 en une infinit de points (figure 4.5).

Figure 4.5 y

1
y = f(x)

4 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


http://fribok.blogspot.com/
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.
4
Chapitre

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).

Figure 4.6 y

M
4 y = f(x)

2
y = c(x)

x
0 1 2 3 x*
1

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


http://fribok.blogspot.com/
Figure 4.7 y
y = cx

4
y = f(x)
3

x*=0
x
0 1 2 3 4
1

http://fribok.blogspot.com/
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
Dans chaque cas, utilisez la drive premire pour dterminer les extrema ventuels des
fonctions donnes.
a f : R R : x x2 + 6x 11.
x2 x + 1
b f :RR:x 2
x +x+1
0 si 1 < x 6 0
c f (x) = 4 .
x4 + x5 si 0 < x < 1
5 3
c f : [1, 1] R : x x2 .

Solution 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 3 +
0
f (x) = 2x + 6 + 0
2
f (x) = x2 +6x11

En consquence, f admet un maximum global strict en 3, la valeur maximale associe est


f (3) = 2.

Recherche des extrema 111


http://fribok.blogspot.com/
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 < 0 si 1 < x < 1
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).

Figure 4.8 y

1 y=f(x)

x
2 1 0 1 2

c La fonction nadmet pas dextremum dans lintervalle (0, 1) puisque


x (0, 1) : f 0 (x) = 4x3 + 4x4 > 0.

Figure 4.9 y

1,4

1,2

1,0
y=f(x)

0,8

0,6

0,4

0,2

x
1,0 0,8 0,6 0,4 0,2 0 0,2 0,4 0,6 0,8 1,0

http://fribok.blogspot.com/
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
4
Chapitre

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).

Figure 4.10 y

y=f(x)
1

x
1 0 1

EXERCICE 2

nonc
Dans chaque cas, dterminez les extrema locaux et globaux des fonctions donnes.
a f : R R : x ex . cos x.
ln x
b f : R0 R : x
x
|x|
c f :RR:x
1 + x2
d f : [1, 1] R : x 3x5 10x3 45x + 7.
2
e f : R+
0 R:x x +
2
x
1
f f : (1, 1) R : x
1 x2

Solution 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 113


http://fribok.blogspot.com/
f est deux fois drivable dans R et f 00 (x) = 2ex sin x. Dautre part :
 
 
f 00 + 2k = 2e 4 +2k sin + 2k = 2e 4 +2k < 0 f admet un
4 4

maximum local (strict) en + 2k, k Z.
4
   
00
f + (2k + 1) = 2e(2k+1) sin + (2k + 1) = 2e(2k+1) > 0 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 :

1 ln x
f 0 (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

si x < 0
(1 + x2 )2
f 0 (x) = .

1 x2
si x > 0
(1 + x2 )2

La fonction est cependant drivable gauche et droite en 0 avec :

1 x2 1 + x2
fd0 (0) = lim = 1 6 = f g
0
(0) = lim = 1.
x 0 1 + x2 x 0 1 + x2
> <

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|
La fonction est paire : f (x) = = = f (x). Il aurait pu suffire de
1 + (x)2 1 + x2
dterminer ses extrema dans [0, +) et conclure par symtrie pour (, 0].
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


http://fribok.blogspot.com/
En effet,
1 2 1 2 1
x R : |x| = 1.|x| 6 1 + |x| = 1 + x2

4
Chapitre

2 2 2
|x| 1
f (x) = 6 = f (1) = f (1).
1+x 2 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


f 0 (x) = 2x 2
= 2
= 2
et f 00 (x) = 2 + 3
x x x x
f 0 (x) = 0 x = 1
f 00 (1) = 6 > 0 f admet un minimum local (et global) en 1.

lim f (x) = + f nadmet pas de maximum global.


x+

f 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
1
x (1, 1) : f (x) = > 1 = f (0).
1 x2

EXERCICE 3

nonc
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?

Solution 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
f0 = 2 sin 2 k sin =0k=  3 = 2.
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 115


http://fribok.blogspot.com/
Applications la gestion
EXERCICE 4

nonc
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 maxi-
mal?

Solution 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
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 dimen-
sions du carton le moins cher possible?

Solution 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

116 Optimisation des fonctions dune seule variable


http://fribok.blogspot.com/
Figure 4.11
1 cm
y
4
Chapitre

1,5 cm 1,5 cm
Texte x

1 cm

54x
Le problme se ramne alors minimiser la fonction S(x) = + 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, +).
108
S0 (x) = + 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
Le signe de la drive seconde est donn par : S00 (x) = > 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

EXERCICE 6

nonc
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 ?

Solution 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 :
 
2 2 100 2 100p2
C(r) = 2p1 (r ) + 2p2 rh = 2p1 r + 2p2 r 2 = 2 p1 r +
r r

Applications la gestion 117


http://fribok.blogspot.com/
Le rayon optimal r doit vrifier la condition du premier ordre :
   
100p2 0 100p2 0
C0 (r) = 2 p1 r2 + = 2 2p1 r 2 = 0, qui implique que r =
s r r
50 p1
3
cm.
p2
Dautre part r > 0 : C 00 (r) > 0 C admet en r un minimum global.
s
100 p21
La hauteur optimale correspondante est h = = 100 3
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 consom-
mation 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?

10b
Solution La fonction minimiser est C(x) = Ci (x) + 10Cch (x) = ax + , x > 0.
x
r
0 10b 10b 20b
C (x) = a 2 = 0 x = et C 00 (x) = 3 > 0.
x a x
r
10b
Donc lpaisseur optimale recherche est x =
a

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 :
1
R(q) = 179q 3q2 et C(q) = q3 3q2 + 10q + 4
3

118 Optimisation des fonctions dune seule variable


http://fribok.blogspot.com/
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
Solution a Le revenu du premier march au prix p1 est R1 (q1 ) = p1 q1 = 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 :

C0 (q1 ) = R01 (q1 ) 4 = 20 q1 q1 = 16


et
C0 (q2 ) = R02 (q2 ) 4 = 40 4q2 q2 = 9.

1
Les prix correspondants sont p1 = (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
0 0 4
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

Applications la gestion 119


http://fribok.blogspot.com/
Les matrices 5
Chapitre

Les matrices Les matrices coefficients rels sont des tableaux de


1. Oprations sur les matrices . . . . .. . . 122 nombres double entre (lignes et colonnes). ce
2. Matrices particulires et
sous-matrices . . . .. . . . .. . . . .. . . .. . . . 123 titre, elles offrent une manire simple et pratique de
3. Trace, dterminant et rang . . . . .. . . 124 condenser diverses informations. Le calcul matriciel
4. Inversion de matrices carres . . . .. . 128
savre important dans des domaines varis de la
5. Systmes linaires . . .. . . .. . . . .. . . . . 129
6. Diagonalisation des matrices gestion : matrices input-output dans lanalyse de la
carres .. . . . .. . . . .. . . . .. . . . .. . . . .. 134 production, matrices variances-covariances pour la
7. Formes quadratiques . . . .. . . . .. . . . . 138
mesure des risques, etc.
Problmes et exercices . .. . 142
Oprations sur les matrices .. . . . .. . . . . 142
Dune faon plus thorique, les matrices sont indispensables pour
Matrices particulires . .. . . . .. . . . .. . . . . 143 aborder loptimisation des fonctions de plusieurs variables, ce qui
Trace et dterminant . .. . . . .. . . . .. . . . .. 144 explique que ce chapitre prcde celui qui est consacr ce type de
Inversion de matrices .. . . . .. . . .. . . . .. . 147 fonctions.
Rang et systmes linaires . .. . . . .. . . . . 149 Les matrices constituent un outil privilgi de lalgbre linaire.
Diagonalisation .. . . .. . . . .. . . . .. . . . .. . 153 Pour des raisons de place, le prsent ouvrage naborde pas la
thorie des espaces vectoriels et des applications linaires dont
Formes quadratiques .. . . . .. . . . .. . . .. . 155 les ramifications sont multiples. Toutefois, ce domaine est, dune
Applications la gestion .. . . . .. . . . .. . 157 certaine manire, implicitement trait au travers de notions matri-
cielles correspondantes, comme celle de rang, qui guide notam-
ment 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


http://fribok.blogspot.com/
1 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 :

Dfinition 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 .

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.
 
Dfinition Soit A = aij 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 opra-
tions 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


http://fribok.blogspot.com/
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 appli-
cations 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).

2 Matrices particulires et sous-matrices


Diverses matrices seront appeles jouer un rle particulier dans la rsolution de pro-
blmes. 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


http://fribok.blogspot.com/
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
(
1 si i = j
i = 1, . . . ,n, j = 1, . . . n : aij = .
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 .

3 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


http://fribok.blogspot.com/
3.1 TRACE D UNE MATRICE CARRE

La trace dune matrice carre est la somme de ses lments diagonaux.


5
Chapitre

 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
Pour n = 2, A = et det A = a11 a22 a12 a21 (formule de Cramer).
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


http://fribok.blogspot.com/
!
1 2
3. det = 4 6 = 2.
3 4

1 2 3

4. det 5 1 6 = 0 + 84 + 120 (21) 48 0 = 177.
7 8 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

1


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 nn
.
X
det A = (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 0
..
3. det
. = a1 . . . an .

0 an

http://fribok.blogspot.com/
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.
5
Chapitre

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


http://fribok.blogspot.com/
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.

4 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 b
2. La matrice nest pas inversible. En effet, pour toute matrice , on a :
0 0 c d
! ! ! !
1 0 a b a b 1 0
. = 6 = I2 = .
0 0 c d 0 0 0 1

Les matrices inverses jouissent des proprits suivantes.

Proprits
Si A Rnn est inversible, alors :
1
A1 est inversible et A1 = A,
0

0 1
0
A est inversible et A = A1 ,
1 1
R0 : (A) est inversible et (A)1 = A .

nn
Si A, B R sont inversibles, alors le produit A.B est inversible et
(A.B)1 = B1 A1 .

128 Les matrices


http://fribok.blogspot.com/
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
5
Chapitre

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.

5 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 appa-
raissent 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


http://fribok.blogspot.com/
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
(
2x1 + 5x2 = 1
Soit le systme de Cramer . Il a pour unique solution :
3x1 2x2 = 0

! !1 !
x1 2 5 1
=
x2 3 2 0

qui se calcule plus aisment en utilisant la proprit ci-dessus :


!

1 1 5 2
x1 =

det
x1 =
19 0 2 19
! .


1 2 1 x2 = 3

x2 = 19 det
19
3 0

http://fribok.blogspot.com/
Les autres systmes peuvent admettre une, aucune ou plusieurs solutions. Toutefois, grce
la linarit, on dispose de quelques rsultats.
5
Chapitre

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
 A R
travers de conditions liant le rang de la matrice des coefficients du systme
..
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
Le systme 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 ).

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


http://fribok.blogspot.com/
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 :

a12 a1m b2
x1 + x2 + + xm = (10 )
a11 a11 a11

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 :

a023 a02m b02


x2 + x 3 + + x m = (200 )
a022 a022 a022

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


http://fribok.blogspot.com/
Exemples


0
x + 2y z = 0 (100 )
x + 2y z = 0
(1) x + 2y z = 0 (1 )


1
1. 2x + y + z = 1 (2) 3y + 3z = 1 (20 ) y z = (200 )

4x + y + 3z = 1 (3)
0

3
7y + 7z = 1 (3 )

7y + 7z = 1 (300 )

2

x+z =

3
1
yz = systme impossible.

3

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

x + 2y + z = 0
x + 2y + z = 0
5y z = 1
3


5y z = 1

5

xz =1
xz =1
x=



2  
1 1 1 5 1 3
y z=0 y z=0 y= Solution unique : , ,

3
3
2 2 2 2

2
3

z=1 z = 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
! n m, en
mthode de Gauss permet de transformer une matrice quelconque, de taille
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 2 1 0
1 0 2 1

Le rang de la matrice A = peut tre obtenu de la faon suivante :
3 2 1 1
4 4 2 0

1 0 2 1 L2 L2 2L1 1 0 2 1 1 0 2 1
L L 3L L L +L
0 2 2
3 3 1 3 3 2
L1 L2 2 2 1 L4 L 4 +4L1 0 2 5 L4 L4 +2L2 0 2 5
A .
3 2 1 1 0 2 5 2 0 0 10 4
4 4 2 0 0 4 10 4 0 0 0 0

Cette dernire matrice, qui a le mme rang que A, est de rang 3 puisque, ici,

1 0 2

Trr = T33 = 0 2 5 .
0 0 10

Systmes linaires 133


http://fribok.blogspot.com/
6 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 diago-
nalisation. 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 = In ). Cependant,


! les
!
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 .
nn


0

.
Le vecteur colonne X Rn1 \ .. est un vecteur propre de A si R :



0
AX = X.
Dans ce cas, on dit que X est associ la valeur propre R.

134 Les matrices


http://fribok.blogspot.com/
Exemple

2 1 2 3

1 est un vecteur propre de la matrice 1 0 1 , associ la valeur propre = 2,
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

6

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

1 0 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.
1
Si A est inversible et est une valeur propre relle de A alors est une valeur

propre de A1 .
Les matrices semblables ont toutes le mme spectre.

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


http://fribok.blogspot.com/
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

d1 0 0
.. ..
0 d2 . .
nn
Si D R est diagonale : D = .. .. .. ,

. . . 0
0 0 dn
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 Si A Rnn est diagonalisable, alors toutes ses valeurs
propres sont relles.
Ds lors, si le spectre de A comporte des nombres non rels, la matrice est non diagonali-
sable. 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


http://fribok.blogspot.com/
Proprit Si A est diagonalisable avec D = H 1 A.H,


1
..
0


5
Chapitre

o D =
. , alors

0 n
p

1 0
.. 1
p N0 : Ap = H.D p .H 1 = H
. H .

p
0 n

6.4 LA 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


http://fribok.blogspot.com/
Le calcul du dterminant seffectue de la manire suivante :

1 0 1 1 1 1 1 1

L2

L1 = L2 L=2 L1
1 1 1 1 0 0 1 + 2

0 0 1 0 0 1 0 0 1
= (1 + 2 )(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.

7 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 parti-
culire permet dtudier leur signe laide de la diagonalisation de matrices symtriques.

Dfinition Q : Rn R : x = (x1 , . . . ,xn ) Q(x) est une forme quadratique


Xn X
n
si x Rn : Q(x) = ij xi xj o i, j : ij R,
i=1 j=1

ou, sous forme matricielle : Q(x) = X 0 X, o X = (xi )n1 , = ij nn
et X 0 est
la matrice ligne transpose de X.

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).

http://fribok.blogspot.com/
Comme i, j : ij xi xj + ji xj xi =
ij + ji
2
xi xj +
ij + ji
2
xj xi , on peut, sans perte de
gnralit, supposer que la matrice est symtrique. Les notions suivantes concernent le
signe dune forme quadratique.
5
Chapitre

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
nn 1 1
 R
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 n1
:
n X
X n n
X

Q(y) = Y 0 Y = ij yi yj = i yi2 .
i=1 j=1 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 sym-


trique.
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


http://fribok.blogspot.com/
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 11 12
(1) = (11 ) R , (2) = R22 , . . .
21 22

11 1i
. .. .
. . . , (i) =
.
. . ..
ii
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 suf-
fisantes. 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 .
!
a b
Proprits Soit = R22 une matrice symtrique.
b c
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.

140 Les matrices


http://fribok.blogspot.com/
Exemples
! !
a b 1 4
1. = = est dfinie positive (a = 4 > 0 et ac b2 = 7 > 0).
b c 2 1
! !
a b 2 8
2. = = est dfinie ngative (a = 2 < 0 et ac b2 = 2 > 0).
b c 1 3
! !
a b 5 2
3. = = est indfinie (ac b2 = 3 < 0).
b c 1 1
!
0 0
4. 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
x y = 0 est la fois semi-dfinie positive et semi-dfinie ngative. On aurait
y
aussi pu dduire ce rsultat de S = {0}.

1 0 0

5. 0 2 0 est semi-dfinie ngative car elle possde trois valeurs propres 6 0.
0 0 0

1 0 1

6. 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.

Formes quadratiques 141


http://fribok.blogspot.com/
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 ! ! !
2 2 3 1 1 1 0
Soit A = ,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 .

! ! ! !
6 6 1 1 0 5 1 1 3
Solution a 3A = , C = ,A+B= ,BA= ,
0 3 0 1 4 6 3 6 1
! !
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 0
b A0 = , B0 = , (A.B)0 = , B0 .A0 = =
2 1 1 2 2 2 1 2 2 1
!
6 6
= (A.B)0 .
2 2

142 Les matrices


http://fribok.blogspot.com/
EXERCICE 2
5
Chapitre

nonc !
1 2
Soit A = .
3 4
Trouvez lensemble des matrices B R22 telles que A.B = B.A.

!
x y
Solution 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

3
x + 2z = x + 3y 2z = 3y
z= y



2
y + 2t = 2x + 4y 2t = 2x + 3y
3
t =x+ y


3x + 4z = z + 3t

3x + 3z = 3t

2

9 9
3y + 4t = 2z + 4t 3y = 2z 3x + y = 3x + y
2 2

3

z= y

2
t = x + 3y

2


x, y R

x y
Donc : B = 3 3 , o x, y R.
y x+ y
2 2

Matrices particulires
EXERCICE 3

nonc
Montrez que pour toute matrice A Rnm , les matrices A.A0 et A0 .A existent et sont
carres.

Solution 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 143


http://fribok.blogspot.com/
EXERCICE 4

nonc
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.

Solution 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
Reprenez les donnes de lexercice 1.
Calculez tr (3A + 2B) de deux manires diffrentes.

!
12 4
Solution Premire manire : tr (3A + 2B) = tr = 12 + 7 = 19.
12 7
Seconde manire : tr (3A + 2B) = 3 tr A + 2 tr B = 3.3 + 2.5 = 19.

EXERCICE 6

nonc
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

Solution |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


http://fribok.blogspot.com/
EXERCICE 7
5
Chapitre

nonc
a Toute matrice triangulaire T Rnn a pour dterminant le produit des lments diago-
naux. 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
Solution
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 2 2 2 1 1 1 1 L2 L2 +4L1 1 1 1 1
L L L
4 2 1 1 4 2 1 1 L4 L4 +3L1 0
3 3 1
6 5 3
=
= 2 2
1
3 1 1 1
3 1 1 0
2 2 0
3 1 5 4 3 1 5 4 0 2 8 7

1 1 1 1 1 1 1 1

L2 L2 3L3

L4 L4 L3 0 0 11 3 L3 L2 0
2 2 0
= 2 = 2
0
2 2 0 0
0 11 3
0 0 10 7 0 0 10 7

1 1 1 1

0 2 2 0
10
L4 L4 11 L3 47
= 2 0 0 11

3 = 2 1 2 11 11

47
0 0 0
11
= 188.

Trace et dterminant 145


http://fribok.blogspot.com/
EXERCICE 8

nonc
Montrez que le dterminant des matrices suivantes est nul :

2 4 2 4
1 2 3 x 2x + 4 4 2
2 2 5

D = 4 5 6 , E = y 2y + 9 9 et F =
1 8 0 1
7 8 9 z 2z 0
1 20 2 1

Solution 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 2z 0 z 0 0

2 4 2 4 1 2 1 2 1 1 1 2

2 2 2 5 2 2 2 5 2 1 2 5

|F| = = 2 = 4
1 8 0 1 1 8 0 1 1 4 0 1

1 20 2 1 1 20 2 1 1 10 2 1


L2 L2 2L1
1 1 1 2 1 1 1 2
L3 L3 +L1
L3 L3 L2

0 3 0 1 L4 L4 +3L2 0 3 0 1
L4 L4 L1
= =
4 4
0 3 1 3 0 0 1 2

0 9 1 1 0 0 1 2

= 0 (deux lignes identiques).

EXERCICE 9

nonc
x 1 4 6


Rsolvez lquation 4 x4 4 = 0.

5 8 x 2

146 Les matrices


http://fribok.blogspot.com/

x 1 4 6 x + 8 x + 8 x + 8

L1 L1 +L2 +L3

Solution 4 x4 4 = 0 4 x4 4 =0

5 8 x 2 5 8 x 2


C2 C2 C1 x + 8 0 0
C3 C3 C1
4 x8 0 = 0 (x + 8) (x 8) (x 7) = 0 x {7, 8, 8}.

5 3 x 7

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 ?


Solution 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.



1 0
0 0 0
0
. . ..
0 0 . . . ... 0 ..
. .
.

A=. (6= 0nn ) et B = . AB = 0nn .
. ... ... . ...
. 0 . 0 0
0 0 0 nn 0 0 1 nn

Inversion de matrices 147


http://fribok.blogspot.com/
EXERCICE 12

nonc
a Inversez, si possible, les matrices suivantes :

! ! ! 1 6 2
2 1 2 0 6 9
A= , B= , C= et D = 0 1 0 .
4 3 4 5 4 6
3 0 5

b Montrez que (A.B)1 = B1 .A1 .


c La matrice A.C est-elle inversible?
1
d Trouvez, si possible, F R22 telle que : F 1 = AC 8I2 .
2
! ! ! !
a b 2 1 a b 1 0
Solution a det A = 10 6= 0. Cherchons A1 = telle que = .
c d 4 3 c d 0 1

3



2a c = 1
3 2 1
4a + 3c = 0 a = , c=
10 5
et finalement : A1 = 10 10 .

2b d = 0
b = 1 1 2 1

, d=
4b + 3d = 1 10 5 5 5


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 6 2 a b c 1 0 0

0 1 0d e f = 0 1 0
3 0 5 g h i 0 0 1


a + 6d + 2g = 1
a=5




d=0
b = 30




3a 5g = 0
c=2






b + 6e + 2h = 0
d = 0
5 30 2

e=1 e=1 et finalement : E1 = 0 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


http://fribok.blogspot.com/
! ! !
2 1 2 0 0 5
b (A.B) = =
4 3 4 5 20 15
15 5 3 1 3 1
1
0
10 10 20
(A.B)1 = 100 100 = B1 .A1 = 2
1 2 = 20 .
1 2 1 1
0 0
5 5 5 5 5 5

c Non. En effet, det (A.C) = det A. det C = 0 , puisque det C = 0.


! ! ! ! !
1 1 2 1 6 9 8 0 1 16 24 8 0
d F 1 = AC8I2 = =
2 2 4 3 4 6 0 8 2 12 18 0 8

! !1 17 1
0 12  0 12
1 6
F 1 = F = F 1 = = 72 1 .
6 17 6 17 0
12

Rang et systmes linaires


EXERCICE 13

nonc (
x+y =1
a Rsolvez le systme de Cramer par la mthode des dterminants.
x + 2y = 0
b Dans chaque cas, caractrisez le systme et rsolvez-le.

x + 2y 5z + t = 0
x + 2y 5z = 0
x + 2y = 2

(i) 2z + y x + 2t = 0 (ii) x+yz =0 (iii) x 2y = 1




2x + 7z + 2t = 0 x + y + z = 0 3x + y = 0


Solution 1 1 1 1


0 2 2 1 0 1
a x= = ,y = =
1 1 3 1 1 3


1 2 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 149


http://fribok.blogspot.com/
(i) Systme homogne de 3 quations 4 inconnues.

1 2 5 1 L2 L2 +L1 1 2 5 1 1 1 2 5 1
L3 L3 +2L1 L2 3 L2
1 1 2 2 0 3 3 3 0 1 1 1
2 0 7 2 0 4 3 4 0 4 3 4

x=t
L1 L1 2L2 1 0 3 1 L1 L1 +3L3 1 0 0 1

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
1 1 1 0 1 4
1 1 1 0 3 4

1 2 5 1 2 5
L2 L2 L3 L3 3L2
0 1 4 0 1 4 .
0 3 4 0 0 8

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.

1 2 2 L2 L2 L1 1 2 2
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

9
La dernire ligne signifie : 0 = . Le systme est donc impossible.
4

EXERCICE 14

nonc (
ax + 2by = ab + 1
Dterminez les valeurs de a et b R telles que le systme soit
x 2y = b
compatible.

150 Les matrices


http://fribok.blogspot.com/
! ! !
a 2b ab + 1 L1 L2 1 2 b L2 L2 aL1 1 2 b
Solution
1 2 b a 2b ab + 1 0 2b + 2a 1
!
L2
L2 2 1 2 b
. Le systme est compatible a + b 6= 0 a 6= b.
0 a+b 0,5

EXERCICE 15

nonc
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
Solution 1 1 2k 0 k 2 1 0
1 1 0 k 1 1 0 k

L2 L2 kL1 1 1 2k 0
L3 L3 L1
0 2 k 1 + 2k2 0 ()
0 0 2k k

Si k 6= 2 :

1 1 2k 0 1 4k
1 0 0
1 L L L L 2k
L2 2k 2 1 + 2k2 1 1 2 1 + 2k2

() 0 1 0 0 1
()
0
2k 2k
0 0 2k k 0 0 2k k

Si k 6= 2 et k 6= 0 :

1 4k 4k 1
1 0 2k
0 L1 L1 14k
2k L 3
1 0 0 4 2k
L3 2k L3
1 L2 L2 1+2k2 L3
1 + 2k2 2k 1 2k2
() 0 1 0 0 1 0
2k 4 2k
1 1
0 0 1 0 0 1
2 2
 
4k 1 1 2k2 1
la solution , , est unique.
4 2k 4 2k 2
Si k = 2 :

1 1 4 0 1 1 1 4 0 1 1 4 0
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 151


http://fribok.blogspot.com/
Si k = 0 :

1 1
1 0 0
x= z
2
2

() 1 1
0 1 0 y= z
2
2


0 0 0 0 zR
  
1
solutions : , , : R .
2 2

EXERCICE 16

nonc
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.

Solution 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 !
2 1 1 4 1 2 5 4
A= , B= , C = 1 0 0 et D = .
4 3 3 12 0 3 2 1
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
! !
2 1 L2 L2 2L1 2 1
Solution a A= rg A = 2,
4 3 0 5

152 Les matrices


http://fribok.blogspot.com/
B=


1
3
4
12
!



1 4
L2 L2 3L1

0 0

!
rg B = 1,

5
Chapitre

1 0 0 1 0 0
L2 L2 L1
C = 1 0 0 0 0 0 rg C = 1,
0 0 0 0 0 0
! !
1 2 5 4 L2 L2 +2L1 1 2 5 4 C2 C3
D= rg D = 2.
2 4 2 1 0 0 8 7
!
! ! (
a 1 1 1 L2 L2 aL1 1 1
L1 L2 rg E = 2 si a 6= 1
b E= ,
1 1 a 1 0 a1 rg E = 1 si a = 1

1 a 0 2 0 0 1 1 0 0
L1 L3 L1 2 L1
F = 2 1 b 2 1 b 2 1 b
2 0 0 1 a 0 1 a 0

L2 L2 2L1 1 0 0 1 0 0
L3 L3 L1 L3 L3 +aL2
0 1 b 0 1 b .
0 a 0 0 0 ab
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
EXERCICE 18

nonc
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 A= .
1 0
!
2 4
b B= .
5 2

4 1 1

c C = 2 5 2 .
1 1 2

3 1 1

d E = 7 5 1 .
6 6 2

Diagonalisation 153
http://fribok.blogspot.com/

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 = {4i, 4i} . SB 6 R B nest
pas diagonalisable.

4 1 1


c det (C I) = 2 5 2 = 0

1 1 2

4 1 0

(3 ) 2
C3 C3 +C2
5 1 = 0. (1)

1 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
de multiplicits
algbriques respectives 2 et 1.
x x

Il faut donc rsoudre le systme C y = y , pour = 3.
z z

x x x 1 1 1 x

C y = 3 y (C 3I3 ) y = 0 2 2 2 y = 0 (2)
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


http://fribok.blogspot.com/

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 de multiplicits
algbriques
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

7 7 1 0 0 1.
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.
e Q(x, y, z) = y2 + z2 + 2xy 2xz.
!
1 1
Solution 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 155


http://fribok.blogspot.com/

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
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 1 0 1 0 20 4 4 4
E= ,F = ,G=2 , H = ,J = ,
1 0 1 2 0 2 4 20 4 4

2 2 2 ! ! !
2 0 3 0 3 0
K = 2 6 0 , L = ,M = ,N = ,
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

156 Les matrices


http://fribok.blogspot.com/

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

Justification pour B : (1) = 6 > 0, (2) = = 36 9 > 0.
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

T est dfinie ngative. En effet : (1) = 4 < 0, (2) = = 4 > 0.
2 2

Applications la gestion
EXERCICE 21

nonc
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.

Solution 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 157


http://fribok.blogspot.com/
Ces conditions se prsentent sous la forme dun systme de Cramer :
( ( (
3a + b = 20 2a = 20 a = 10
.
ab=0 a=b 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?

!
0,2 0,1
Solution a La matrice des coefficients techniques est A = .
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


http://fribok.blogspot.com/
On procde donc linversion de la matrice : (I A) =
!

0,8 0,1
0,6 0,7
!
.
5
Chapitre

1,4 0,2
On obtient (I A)1 = .
0,2 1,6
! ! !
1 1,4 0,2 500 900
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 :
b
a b
2
p1,t p1,t+1 1,t
b
p2,t = b d p2,t+1 + 2,t , o a, b, c, d > 0 (1)
3
p3,t b b a + d p3,t+1 3,t

| 2 3 {z 2 }
A
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.

Solution 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 :

HA pt+1 + Ht pt = Dpt+1 + t
Hpt = |{z} (2)
DH
 
o pt = Hpt pt+1 = H pt+1 et t = Ht .

Applications la gestion 159


http://fribok.blogspot.com/
Chaque composante du nouveau vecteur de prix pt = Hpt sexprime en fonction de sa
propre anticipation et de perturbations puisque (2) scrit :

p1,t d1 0 0 p1,t+1 1,t

p2,t = 0 d2 0 p2,t+1 + 2,t
p3,t 0 0 d3 p3,t+1 3,t
| {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 :

c1,t a 0 0 c1,t1 1,t

c2,t = b a c c2,t1 + 2,t , o a > 0 et b, c > 0. (1)
c3,t b 0 a c3,t1 3,t
| {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.

a 0 0


Solution 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 :

a 0 0 x x

b a c y = ay
b 0 a z z
| {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


http://fribok.blogspot.com/
Les fonctions
de plusieurs
6
Chapitre

variables relles
Les fonctions de plusieurs variables relles Les fonctions de plusieurs variables constituent la
1. Domaine, image et limites . . .. . . . .. 162 matire mathmatique de prdilection pour la
2. Continuit . . . . .. . . . .. . . . .. . . . .. . . . 169
formalisation des problmes de la gestion. Quil
3. Drives partielles et lasticits . . . . 170
4. Diffrentiabilit et (hyper)plan
sagisse de traiter des questions relatives la
tangent . . .. . . . .. . . . .. . . . .. . . . .. . . . 173 production, la consommation ou encore
4.1 Diffrentiabilit des fonctions dune
seule variable . . . . . . . . . . . . . . . . . 173 lenvironnement et la gestion publique, une
4.2 Diffrentiabilit des fonctions de n
variables . . . . . . . . . . . . . . . . . . . . . . 174 modlisation adquate sexprime le plus souvent
4.3 La rgle de drivation en chane
(chain rule) . . . . . . . . . . . . . . . . . . . . 176
laide de fonctions de plusieurs variables. Les
5. Fonctions homognes . . . . .. . . .. . . . 178 restrictions exiges par ce cadre conceptuel imposent
6. Drives partielles dordres suprieurs toutefois, dune part, la quantification des facteurs pris
et matrice hessienne . .. . . . .. . . .. . . . 178
7. Fonctions concaves et convexes .. . 180 en compte (les valeurs des variables sont des nombres
Problmes et exercices . .. . 182 rels) et, dautre part, la reprsentation des relations
Domaine, graphe et courbes de niveau 182 sous forme dterministe. Au-del de ces restrictions,
Limites et continuit . . . . .. . . . .. . . . .. . . . 186
Drives partielles, lasticits et dautres thories mathmatiques, qui dpassent le
diffrentielle . . .. . . . .. . . .. . . . .. . . . . 190 cadre du prsent ouvrage, prennent le relais. Ainsi, la
Fonctions homognes . . . .. . . . .. . . . .. . . 197
thorie des probabilits offre diverses possibilits
Matrice hessienne, fonctions concaves
et convexes . .. . . . .. . . . .. . . . .. . . . .. 198 dintgration de la notion de risque, cruciale par
exemple pour les financiers.

Les fonctions de plusieurs variables relles 161


http://fribok.blogspot.com/
Ce chapitre introduit les fonctions de plusieurs variables relles en largissant les dfini-
tions 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 propri-
ts qui apparaissent comme des gnralisations videntes sont voques ou prsentes
brivement.

1 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 synth-
tiques : 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


http://fribok.blogspot.com/
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.
6
Chapitre

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+ .

Figure 6.1 y

2 D

x
6 4 2 2 4 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.

Figure 6.2 z

4
Gf
2
2
1
2
1
1 1
2
y
2 2

http://fribok.blogspot.com/
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

y x

La
 mme fonction f (x, y) = x2 + y2 , mais dfinie dans le domaine restreint D =
x, y R : x2 + y2 6 1 , correspond la portion du parabolode de la figure 6.3 vrifiant
2

0 6 z 6 1 (figure 6.4)

Figure 6.4 z

1,8

1,6

1,4 Gf

1,2

0,8

0,6

1,4 0,4
1,4
1
0,2 1
0,6
0,6

0,2
0,4
0,6
0,8
1 1
y D
1,4 1,4 x

http://fribok.blogspot.com/
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
6
Chapitre

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.

Dfinition 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.

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 z

2.5

y 2
4 1.5
3
1 x
2 4
05 3
1 2
1
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.

http://fribok.blogspot.com/
Figure 6.6 y

4
k=3

k=2
2
k=1

x
0 2 4 6 8 10

Figure 6.7
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

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


http://fribok.blogspot.com/
Figure 6.8
0,5
6
Chapitre

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 Soit f : D R, o D Rn . Le domaine dexamen des limites est


donn par :

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.

Dfinition 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

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
/ D0 . Pourtant, loppos de c, le point b est laboutissement de certains chemins
b, c
dans D. Pour prendre en compte ce type de situation, on dfinit la limite le long dune
courbe.

Domaine, image et limites 167


http://fribok.blogspot.com/
Figure 6.9 y
c
D

Dfinition Soit f : D R, o D Rn , b R, et C une courbe dans D menant


a D0B .
)
x C\{a}
lim f (x) = b si > 0, > 0 tel que : f (x) b < .
xa
xC x B(a, )

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

a2
a

a1 x

Dans cette criture, reprsente la distance entre a et x de sorte que

lim f (x, y) = lim f (a1 + cos , a2 + sin ).


(x,y)(a1 ,a2 ) o

168 Les fonctions de plusieurs variables relles


http://fribok.blogspot.com/
Exemple
x2 y 2
Montrons de deux manires que lim nexiste pas. La premire rsulte directement
(x,y)(0,0) x2 + y2
de la dfinition. En effet, le long de laxe horizontal X y = 0, on a :

x2
lim f (x, y) = lim f (x, 0) = lim 2 = 1
(x,y)(0,0) x0 x0 x
(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
(x,y)(0,0) y0 y0 y
(x,y)Y

de sorte que les deux limites ne concident pas.


(
x = cos
La seconde manire est base sur les coordonnes polaires. En posant : , on a :
y = sin

2 cos2 2 sin2
lim f (x, y) = lim f ( cos , sin ) = lim 2 2
(x,y)(0,0) 0 0 cos + 2 sin2

2 cos2 sin2
= lim 2  = cos(2).
0 cos2 + sin2

Le rsultat varie selon la direction , donc lim f (x, y) nexiste pas.


(x,y)(0,0)

2 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 poly-
nmes, 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
http://fribok.blogspot.com/
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.

3 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 .

Figure 6.11 y

a
a2 S2 y=a2

x
a1

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 x x0 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


http://fribok.blogspot.com/
Figure 6.12

f(a)
z
6
Chapitre

Gf

( a 1 ,a 2 ,f( a) )
z = g(x )

a1
x

a2
a S2

y D

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)


lim existe dans R.
xi 0 xi

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
En pratique, pour calculer la drive partielle , 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.
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


http://fribok.blogspot.com/
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)
2. f x, y = x4 + y4  . Dans louvert R2 \ {(0, 0)}, f est drivable en tant que

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 f 0, y f (0, 0) 00
lim = lim = 0 et lim = lim =0
x0 x x0 x y0 y y0 y

f f
La fonction f est donc drivable en (0, 0) et (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)
f x, y = x + y 4 4
 est drivable mais pas continue en (0,0). En

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.
(x,y)(0,0) (x,y)(0,0) x + x
4 4
(x,y)(0,0) 2 2
x=y x=y x=y

Les directions correspondant aux drives partielles sont celles des axes. Dautres dri-
ves 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

f (a + u) f (a)
lim existe dans R.
0

172 Les fonctions de plusieurs variables relles


http://fribok.blogspot.com/
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
6
Chapitre

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 0 xi
ai
Au plan mathmatique cependant, les proprits des lasticits dcoulent directement de
celles des drives partielles, en vertu du rsultat suivant :

ai f
Proprit Efi (a) = . (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 :
xi 0 xi
Efi (x) = .f (x) = 1 2 i x1 1 .x2 2 . . . . xii 1 . . . xnn = i .
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.

4 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


http://fribok.blogspot.com/
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 lexis-
tence 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, cer-
taines 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 :

Xn Xn
f f
cdfa : Rn R : x = (x1 , . . . , xn ) (a)xi = (a)dxi .
i=1
xi i=1
xi

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


http://fribok.blogspot.com/
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
6
Chapitre

f (x) f (a) dfa (x a) uX


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 diff-
X n
f
rentielle : dfa = (a)dxi , ou sous forme matricielle par : dfa = f (a).dx, o la
i=1
xi

  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 f
f (x, y) = x2 + y2 est drivable dans R2 et on a : a = (a1 , a2 ) R2 : (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 :
f (x, y) f (a) dfa (x a1 , y a2 ) x2 + y2 a21 a22 2a1 (x a1 ) 2a2 (y a2 )
lim q 2 = lim q 2
(x,y)a (x a1 )2 + y a2
(x,y)a
(x a1 )2 + y a2
q
(x a1 )2 + (y a2 )2 2
= lim q  = lim (x a1 )2 + y a2 = 0.
(x,y)a (x a )2 + y a 2 (x,y)a
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


http://fribok.blogspot.com/
Figure 6.13 z

(a1,a2,f(a))

y
a x

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 
si x, y 6= (0, 0) 1
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


http://fribok.blogspot.com/
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.


6
Chapitre


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
f1 (a) (a) (a)

. x1. xn
..

Jf (a) = . = .
. . . .

f f
fm (a) m
(a)
m
(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
(g f )i  fk
(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
g  f1 g  f2 g  fm
= 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


http://fribok.blogspot.com/
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
V 0 (x) = = + 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.

5 Fonctions homognes
Les fonctions homognes apparaissent dans plusieurs problmes conomiques : les fonc-
tions 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 :
Xn
n f
x R : xi (x) = k f (x).
i=1
x i

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.

6 Drives partielles dordres suprieurs


et matrice hessienne
2f
Chacune des drives partielles secondes sobtient en calculant la drive partielle
xi xj
f
par rapport xi de la fonction , 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.

178 Les fonctions de plusieurs variables relles


http://fribok.blogspot.com/
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.
6
Chapitre

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 :

2f 2f 2f
x2 (a) x1 x2
(a) . . .
x1 xn
(a)
1

2f 2f 2
f
 2  (a) (a) ... (a)
f
Hf (a) = (a) = x2 x1 x22 x2 xn .
xi xj
nn .. .. .. ..
. . . .


2f 2f 2
f
(a) (a) . . . (a)
xn x1 xn x2 xn2

Exemple
La matrice hessienne de la fonction f (x, y) = x2 y + xy3 de lexemple prcdent est donne par :

2f 2f
x2 (x, y) (x, y) !
xy 2y 2x + 3y2
Hf (x, y) = 2 = .
f 2
f 2x + 3y2 6xy
(x, y) (x, y)
yx y2

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.

http://fribok.blogspot.com/
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).

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

La figure 6.14 donne le graphe de la fonction f : R2 R : x, y x2 + y2 , convexe dans R2 .

Figure 6.14

(1-t)f(a)+tf(b)

f(a)

f(b)

f((1-t)a+tb)

a
b
(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


http://fribok.blogspot.com/
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).
6
Chapitre

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
x2
1. Soit f (x, y) = + y2 .0n a : f C 2 (R2 )
et (x, y) R2 : 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 .
!
12x 2 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 .

Fonctions concaves et convexes 181


http://fribok.blogspot.com/
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
Dans chaque cas, dterminez et reprsentez le domaine de dfinition des fonctions
donnes. p
y + x2
a f (x, y) =
y
ln y
b f (x, y) =
xy

c f (x, y) = ln x + y .
ln(x2 + 1)
d f (x, y, z) =
yz

 
Solution 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.

182 Les fonctions de plusieurs variables relles


http://fribok.blogspot.com/
Figure 6.15
4
y
6
Chapitre

1
D

x
-2 -1 1 2

Figure 6.16 y

1,5

D
0,5

x
0,5 1 1,5 2


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
2
b f (x, y) = e(yx )
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 183


http://fribok.blogspot.com/
Figure 6.17 y

4
k=1

k = 1
2
k = 3

x
4 2 2 4

Figure 6.18 z

10

8 Gf
y
6

2 6
4
2 2
2
2 4
6 x
4

n 2
o
b D = R2 et f (R2 ) = z R : z = e(yx ) , o x, y R = R+ 0 . La courbe de niveau
2
k R+ 0 est donne par lquation Ck e
(yx ) = k, ou encore : Ck y = x2 + ln k.
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.

184 Les fonctions de plusieurs variables relles


http://fribok.blogspot.com/
Figure 6.19 y
6
Chapitre

1 k=2

k=1

x
2 1 1 2

k = 0,5
1

Figure 6.20 z

20
18
16
14
12
10
8
3 6 3
Gf 4
2 2
2
1 1
y x
1 1
2 2
y 3 3 x

http://fribok.blogspot.com/
y
Figure 6.21

k=1
x
3 2 1 1 2 3

k=0
1

k = -1
2

Figure 6.22 z
Gf
4

3 3
2
2 2
1 1

1 1
2
2 2
3 3 x
4

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 (1,1) x y
y3
b lim
(x,y)(0,0) x2 + y2
xy
c lim
(x,y)(0,0) x + y2
2

186 Les fonctions de plusieurs variables relles


http://fribok.blogspot.com/

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 = + = +
(x,y)(1,1) x y y1 1 y 0
x=1,y<1 y<1

et    
1 1 1
lim = lim = = .
(x,y)(1,1) xy y1 1 y 0
x=1,y>1 y>1


b D = (x, y) R2 : x2 + y2 6= 0 = R2 \ {(0, 0)}, D0B = R2 . La limite demande
( conduit
x = cos
a priori une forme indtermine. En passant aux coordonnes polaires : ,
y = sin
on obtient :
y3 3 sin3
lim = lim = lim sin3 .
(x,y)(0,0) x2 + y2 0 2 0

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
y 6= 0 : x + y > y 0 6 2
2 2 2 6
= y .
x +y 2 y 2

 xy
c D = (x, y) R2 : x2 + y2 6= 0 = R2 \ {(0, 0)}, D0B = R2 . Comme f (x, y) = ,
x2 + y2
x2 x2 1 x.0
on a : f (x, x) = = = , si x 6= 0, et f (x, 0) = 2 = 0, si x 6= 0. Do
x +x
2 2 2x 2 2 x
1
lim f (x, y) = et lim f (x, y) = 0 lim f (x, y) nexiste pas.
(x,y)(0,0) 2 (x,y)(0,0) (x,y)(0,0)
x=y y=0

EXERCICE 4

nonc  6x2 y 
Soit f : R2 \ {(0,0)} R : x, y 2 . Montrez que lim f x, y = 0 de trois
x +y 2 (x,y)(0,0)
faons.
a Daprs la dfinition.
b Daprs le thorme de pincement.
c En utilisant les coordonnes polaires.

Limites et continuit 187


http://fribok.blogspot.com/

p 6x2 y
Solution a Soit > 0. Il faut trouver > 0 tel que : 0 < + < 2
x2 y2 0 < .
x +y 2

 6x y 2 6x y
2 p
Comme x, y 6= (0, 0) : x2 +y2 > x2 2 0 6
= 6 y 6 6 x2 + y2 .
x + y2 x2

p 6x2 y p
Si on choisit = : 0 < x2 + y2 < 2 0 6 6 x2 + y2 < 6 = .
6 x +y 2
2

 6x y
b x, y 6= (0,0) : 0 6 2 6 6 y et lim 6 y = 0 entranent le rsultat.

x +y 2
(x,y)(0,0)
(
x = cos
c Posons . On obtient :
y = sin

6x2 y 63 cos2 sin 2



lim = lim = lim 6 cos sin .
(x,y)(0,0) x2 + y2 0 2 0


Or, 0 6 6 cos2 sin 6 6 et lim 6 = 0, do le rsultat par pincement.
0

EXERCICE 5

nonc
Dans chaque cas, tudiez la continuit des fonctions donnes.
4 4
x + y 
si x, y 6= (0,0)
a f (x, y) = x + y
2 2
 .

0 si x, y = (0,0)
2 2
x y 
si x, y 6= (0,0)
b f (x, y) = x + y
2 2
 .

0 si x, y = (0,0)
2 2
x (y 1) si x, y 6= (0, 1)

2
c g(x, y) = x2 + y 1 .

0 
si x, y = (0, 1)
2 2

sin x + y 
si x, y 6= (0,0)
d f (x, y) = x +y
2 2 .

1 si x, y = (0,0)
x
e x 1
si x 6= 0
e f (x, y) = x2 .
y si x = 0
(
x y2 si x > y2
f f (x, y) = .
0 si x < y2

Solution 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

188 Les fonctions de plusieurs variables relles


http://fribok.blogspot.com/
on obtient :

lim
x4 + y 4
= lim
4 cos4 + sin4

6
Chapitre

(x,y)(0,0) x2 + y2 0 2

= 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 :

x2 y2
lim f (x, y) = lim = 1 et lim f (x, y) = lim 2 = 1 6= 1.
(x,y)(0,0) x0 x2 (x,y)(0,0) y0 y
y=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
(x,y)(0,0) (x,y)(0,0) x2 + y 2 0 2

Lindtermination rsultante peut tre leve par la rgle de lHospital :

sin 2 2 cos 2
lim = lim = lim cos 2 = 1 = f (0, 0)
0 2 0 2 0

et f est continue en (0,0).


Finalement : DC = R2 .

Remarque

sin 2 sin x
le rsultat : lim = 1 peut aussi tre dduit de la formule lim = 1, tablie dans le
0 2 x0 x
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 f (x, y) = lim y = b.


(x,y)(0,b) yb
x=0

Limites et continuit 189


http://fribok.blogspot.com/
ex x 1
tandis que lim f (x, y) = lim conduit une forme indtermine. Grce
(x,y)(0,b) x0 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 :
   
2
   1 1
DC = R \ x, y : x = 0 0, = (R0 R) 0,
2 2
   
f 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
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) .

f  f 
Solution a x, y = 2x + 3y2 , x, y = 6xy 30y4 .
x y
f  f 
b x, y = cos(exy ) xyexy sin(exy ), x, y = x2 exy sin(exy ).
x y
f  f  2 sin(y + z) cos(y + z)
c x, y, z = cos(xz) xz sin(xz), x, y, z =
x y 2 sin2 (y + z)
f  2 sin(y + z) cos(y + z)
x, y, z = x2 sin(xz)
z 2 sin2 (y + z)

EXERCICE 7

nonc
Dans chaque cas, tudiez lexistence des drivabilits partielles et dduisez-en le domaine
de drivabilit
xy DD des fonctions donnes.

si x, y 6= (0, 0)
a f (x, y) = x2 + y2  .
0 si x, y = (0, 0)

b f (x, y) = x + y .

190 Les fonctions de plusieurs variables relles


http://fribok.blogspot.com/
2
x y 
si x, y 6= (0,0)
c f (x, y) = x + y
2 2
 .

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 .

Solution 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 x x0
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 y y0
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) +
= a + x a 2 = 3a + 5
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 191


http://fribok.blogspot.com/
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).

 
ai (fg) ai f g
Solution Efgi (a) = (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.

p p p p p
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) .
p
Si la demande est trs lastique ( Eq ( p) > 1), une augmentation de prix rduit suffi-
samment
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.

EXERCICE 10

nonc 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.

192 Les fonctions de plusieurs variables relles


http://fribok.blogspot.com/
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.

p 2
Solution EQ2 = et Q (10, 20, 40, 2 000) = 1,5 ln 10 + 2 ln 20 0,2 ln 40 + 20 = 20,18.
Q
p 2
EQ2 (10, 20, 40, 2 000) = = 0,0991.
20,18
p 0,2 p 0,2
De mme, comme EQ3 = , on obtient : EQ3 (10, 20, 40, 2 000) = = 0,0099.
Q 20,18

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

nonc f f
Pour chacune des fonctions suivantes, calculez, si elles existent, (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)
a f (x, y) = x +y
2 2
 .

0 si x, y = (0,0)
b f (x, y) = |x| + y.

Drives partielles, lasticits et diffrentielle 193


http://fribok.blogspot.com/

x3 
si x, y 6= (0, 0)
c f (x, y) = x2 + y2  .

0 si x, y = (0, 0)
3 4
y x si x 6= y
d f (x, y) = x2 + y2 .

0 si x = y

f (x, 0) f (0, 0) x0 f
Solution a lim = lim = 1 (0, 0) = 1,
x0 x0 x0 x 0 x
f (0, y) f (0, 0) y2 0 f
et lim = lim = lim y = 0 (0, 0) = 0.
y0 y0 x0 y 0 x0 y
Comme f est drivable en (0,0), la candidate diffrentielle cdf(0,0) existe et vaut :
f f
cdf(0,0) = (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
lim p
(h,k)(0,0) h +k
2 2

h3 + hk2 + k4
0h
h 2 + k2 k4
= lim p = lim
(h,k)(0,0) h2 + k 2 (h,k)(0,0) (h2 + k2 )3/2

0
indtermination du type qui peut tre leve comme suit :
0
(h, k) R2 : (h2 + k2 )3/2 > (k2 )3/2 = |k|3
k4 k4
h R, k R0 : 0 < 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

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 :
f (x, 0) f (0, 0) |x| 0 |x|
lim = lim = lim @.
x0 x0 x0 x0 x0 x

f f
c (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

194 Les fonctions de plusieurs variables relles


http://fribok.blogspot.com/
polaires, on montre que :
h3
h2 + 2
0h
hk2
6
Chapitre

lim pk = lim @.
(h,k)(0,0) h2 + k 2 (h,k)(0,0) (h2 + k2 )3/2

f f
d (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

EXERCICE 14

nonc
On considre la fonction de production de Cobb-Douglas deux facteurs et rendements
constants dfinie par f x, y = xa y1a (a > 0).
1
a 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.
b Dterminez la diffrentielle de cette fonction.
1
c 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).
d 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 
Solution a Pour a = : 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.

Drives partielles, lasticits et diffrentielle 195


http://fribok.blogspot.com/
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 1 10 dx + dy
df(10,10) = dx + dy =
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
et df(10,10) (0,4 ; 0,6) = = 0,1 ;
2
f (11,9 ; 9) f (10, 10) = 10,3489 10 = 0,3489
1,9 1
et df(10,10) (1,9 ; 1) = = 0,45 ;
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
et df(10,10) (3 ; 2) = = 0,5.
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 1 1
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.

196 Les fonctions de plusieurs variables relles


http://fribok.blogspot.com/
1 1 2
Solution La fonction f (K, L) = K 2 .L 4 est diffrentiable dans R+
0 . On a, par approximation
linaire :
1 3 25
f (10,18) f (9,16) + f (9,16).(1,2) = 6 + 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
dans R2 , alors et sont homognes de degr k 1 dans R2 .
x y

Solution Soit > 0 :


f f (x + h, y) f (x, y)
(x, y) = lim
x h0 h
  
h
f x + ,y f (x, y)

= lim
h0 h
.


Comme f est homogne de degr k : f x, y = k f (x, y), on obtient, en posant
h
h0 = :


f 1 k f (x + h0 , y) f (x, y) f
(x, y) = lim 0
= k1 (x, y)
x h 0
0 h x

f
La dmonstration est similaire pour
y

EXERCICE 17

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 197


http://fribok.blogspot.com/
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
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 .

Solution 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


http://fribok.blogspot.com/
!
0 1
b (x, y) R2 : Hf (x, y) = est indfinie f nest ni convexe, ni concave
1 6y
dans R2 . !
4 2
c (x, y) R2 : Hf (x, y) = est dfinie ngative f est strictement concave
2 2
dans R2 .

EXERCICE 20

nonc
tudiez la convexit de la fonction de Cobb-Douglas Q(L, K) = AK L (avec A >
0, , (0, 1)).
!
2 ( 1)K 2 Q KLQ
Solution 2
La fonction est de classe C dans R+
0 et : HQ (K, L) = .
KLQ ( 1)L2 Q
Pour appliquer la mthode des mineurs principaux (voir chapitre 5, section 7.3), on
dtermine :
det H(1) = ( 1)K 2 Q < 0 (car < 1),
et

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.
Si + = 1, alors det H(2) = 0, ce qui ne permet
! pas de conclure. Un calcul direct
x 2
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

nonc
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) :

Xn n n
f 1 X X 2f
f (x) = f (a) + (a)(xi ai ) + (a + (x a)) (xi ai )(xj aj )
i=1
xi 2 i=1 j=1 xi xj

o (0, 1).
c Exprimez ce rsultat sous forme matricielle.

Matrice hessienne, fonctions concaves et convexes 199


http://fribok.blogspot.com/
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 :
Xn n
0 f (ai + t(bi ai )) X f
g (t) = (a + t(b a)) = (a + t(b a)) (bi ai ).
i=1
xi t i=1
xi

Une seconde application de la chain rule conduit :


Xn X n
2f
g 00 (t) = (a + t(b a)) (bi ai )(bj aj ).
i=1 j=1
xi xj

Remarque
2f 2f
comme f C 2 (Rn ), lordre de drivation est indiffrent : =
xi xj xj xi

b La formule de Mac Laurin (formule de Taylor au voisinage de 0) lordre 1 indique que :


g 00 (t) 2
g(t) = g(0) + g 0 (0)t + t , o (0, 1). (1)
2
Dans le cas prsent :
Xn
f
g(0) = f (a), g 0 (0) = (a)(bi ai )
i=1
xi
et
Xn X n
2f
g(t) = (a + t(b a)) (bi ai )(bj aj ).
i=1 j=1
xi xj

En remplaant dans (1), on obtient :


Xn
f
g(t) = f (a + t(b a)) = f (a) + (a)(bi ai )t
i=1
x i

Xn X n
2f
+ (a + t(b a)) (bi ai )(bj aj )t 2 .
i=1 j=1
x x
i j

Finalement, pour t = 1 et b = x, il vient :


Xn Xn X n
f 2f
f (x) = f (a) + (a)(xi ai ) + (a + (x a)) (xi ai )(xj aj )
i=1
xi i=1 j=1
xi xj

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

200 Les fonctions de plusieurs variables relles


http://fribok.blogspot.com/
Optimisation
des fonctions
7
Chapitre

de plusieurs
variables
Optimisation des fonctions de plusieurs Parmi toutes les matires abordes dans cet ouvrage,
variables loptimisation plusieurs variables est sans conteste
1. Extrema libres . . . .. . . . .. . . .. . . . .. . . 202
1.1 Dfinitions . . . . . . . . . . . . . . . . . . . . . 202 celle qui apparat le plus frquemment dans la
1.2 Condition suffisante dexistence modlisation des dcisions des gestionnaires. Quil
dextrema globaux . . . . . . . . . . . . . 202
1.3 Dtermination des extrema libres sagisse de maximiser le bnfice, la satisfaction des
dans un domaine ouvert . . . . . . . 203
2. Extrema lis : contraintes dgalits 207 clients, la productivit ou de minimiser les cots, le
2.1 Thorme de Lagrange . . . . . . . . 208 risque, lcart par rapport une valeur cible, le retard
2.2 Interprtation des multiplicateurs
de Lagrange . . . . . . . . . . . . . . . . . . . 211 dun projet, etc., tous ces problmes exigent une mise
2.3 Classification des candidats . . . . 212
en quations qui passe par loptimisation de fonctions,
3. Extrema lis : contraintes
dingalit . . . . .. . . . .. . . . .. . . . .. . . . 213 gnralement de plusieurs variables.
3.1 Contraintes satures, contraintes
rgulires . . . . . . . . . . . . . . . . . . . . . . 214
La dtermination des extrema dans le cas dune seule variable a
3.2 Le thorme de Kuhn et Tucker . 216
t dtaille au chapitre 4. Logiquement, le prsent chapitre en
Problmes et exercices . .. . 218 est un prolongement qui fait intervenir les diverses notions sp-
Extrema libres . . . . .. . . . .. . . . .. . . . .. . . . 218 cifiques aux fonctions multivaries tudies dans le chapitre 6.
Extrema lis : contraintes dgalits . . . 223 Nanmoins, le thme de loptimisation plusieurs variables exige
un saut conceptuel important. En effet, plusieurs notions relatives
Extremas lis : contraintes dingalits 228 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


http://fribok.blogspot.com/
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 .

1 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


http://fribok.blogspot.com/
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
7
Chapitre

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


http://fribok.blogspot.com/
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 sous-


ensemble 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 semi-
definie 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 identi-
fiables, 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.

http://fribok.blogspot.com/
Figure 7.1 Max
7
Chapitre

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
Xn X n
2f
o qa (x a) = (a)(xi a)(xj a) est la forme quadratique associe H(a).
i=1 j=1
xi xj
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
 
f (
1 1
x (x, y) = 2x 2y = 0

x=y (x, y) = 3 , 3

.

f 3y2 2y 1 = 0
ou
(x, y) = 3y2 2x 1 = 0
(x, y) = (1, 1)
y
 
1 1
Les deux candidats sont donc , et (1, 1).
3 3

Extrema libres 205


http://fribok.blogspot.com/
Classification
La matrice hessienne de f en un point (x, y) R2 est :

2f 2f !
(x, y) (x, y)
x2 xy 2 2
Hf (x, y) =
2f
=
.
2f 2 6y
(x, y) (x, y)
xy y2
  !
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
Dautre part, Hf (1, 1) = est semi-dfinie positive (voir chapitre 5, exercice 20)
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

0, 8

0, 6

0, 4
1 1
0, 8 0, 2 0, 8
0, 6 0, 6
0, 4 0, 4
0, 2 0, 2
0, 2
0, 4 0, 4
0, 6 0, 6
0, 8 0, 8
y 1 1 x

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


http://fribok.blogspot.com/
la sorte les ventuelles solutions de coin o lune ou lautre des quantits de facteurs
sannule.
La condition du premier ordre scrit :
7
Chapitre


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

.

f f

(x, y) = p (x, y) = 0 p (x, y) =
y 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 = paxa yb = x
.
pbxa yb1 = pbxa yb = y

Si lon dsigne par z = xa yb le niveau de production optimal de la firme, alors la dernire


paz
(
paz = x x =

expression scrit : paz .
pbz = y
y =

Le niveau de production optimal satisfait donc lquation :

 paz a  paz b  pa  a 
pa
 b
1ab
1ab
z= z=

qui exprime la fonction doffre de la firme.

2 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 lopti-
misation 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


http://fribok.blogspot.com/
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 ges-
tionnaire.
 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


http://fribok.blogspot.com/
Figure 7.3 z
7
Chapitre

3
B

1
2
2 1
1

A 1
1 2
3
2 4 x
3
y 4

R p1
permet dexpliciter la quantit dun bien en fonction de lautre : y = 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 :

dU x, y(x) dy p1 U 0 (x, y) Uy0 (x, y)
= Ux0 (x, y) + Uy0 (x, y) (x) = Ux0 (x, y) Uy0 (x, y) = 0 x =
dx dx p2 p1 p2
Ce rsultat indique qu loptimum, les utilits marginales pondres par les inverses des
U 0 (x, y) Uy0 (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
m
X
= (1 , . . . , m ) Rm : f (a) i gi (a) = 0.
i=1

Extrema lis : contraintes dgalits 209


http://fribok.blogspot.com/
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

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


(