Economie Mathématique pour FAMA AE L3 2020

❖ Définition
C’est une approche de la théorie/analyse économique et non une branche isolée de
l’économie. Contrairement à l’économie littéraire qui utilise des mots et phrases pour
l’atteinte de ses objectifs, l’économie mathématique utilise des équations et symboles
mathématiques pour décrire ses hypothèses et tirer ses conclusions.
❖ Importance4
- Utiliser la mathématique pour expliquer les raisonnements économiques ;
- Transformer la théorie dans plusieurs domaines de l’économie en des équations, la
macroéconomie, la microéconomie, le développement économique, le commerce
international, les finances publiques etc.
- Lecture des informations économico-financières
- Aider à la prise des décisions bien guidées en matière de la gestion ;
- Construire des modèles pour comprendre la réalité et les caractéristiques du
comportement (des agents et facteurs) économiques
❖ Limitations
- Plus descriptive et moins explicative ;
- Pouvoir de prédiction moins certaine ;
- Manque de validation universelle ;
❖ Les subdivisions de l’économie
- Economie mathématique ;
- Economie non mathématique (littéraire) ;
- Economie appliquée ; et
- Economie politique.
❖ Les équations
L’équation est toute expression mathématique ayant une (des) inconnue (s) dont la (les)
valeur (s) trouvées vérifient l’égalité que l’équation propose. Elle est composée de deux
membres (de gauche et de droite).
- L’équation du premier degré (une seule inconnue) : ax+b=0 d’où
x : inconnue ; a : le coefficient de l’inconnue ; et b : le terme indépendant.
Interchangeabilité entre les membres de gauche et ceux de droite (: ax+b=0 ou 0= ax+b)
Résolution algébrique : : ax+b=0 ; ax = -b et x = -b/a
: ax+b= dx+e ; ax-dx = e-b ; x(a-d) = e-b; x = (e-b)/(a-d).
NB : ax+b n’est pas une équation (dû au manque de l’égalité) ;
Les coefficients peuvent être en fraction,
L’inconnue peut être au dénominateur ou être à la fois au nimerateur et
dénominateur ;
NB : Règles de priorité des opérations à retenir toujours sont : fonctions, parenthèses,
exposants, additions, soustraction, division et multiplication.
 - L’équation du second degré (ayant un ou plus des termes en x2) : : ax2+b=0 ; ax2+b=
dx2+e ; ax2+b+c=0 (factorisation) : ∆<0, pas de solution dans R (le trinôme ax2+b+c
ne se factorise pas) ; ∆=0 : une solution double dans R qui est x0= b/2a (factorisation :
a(x-x0) ; ∆>0 : deux solutions différentes dans R qui sont x1=-b-racine de ∆/2a et x1=-
b+racine de ∆/2a (factorisation : a (x-x1)(x-x2)
- les équations impossibles (forme absurde où les inconnues disparaissent) : 15 (x-2) +
x ) = 16 (x-3) ; 16x-30 = 16x 48 ; 0 = -78 ;
- les équations indéterminées (forme évidente où les inconnues peuvent toute valeur) : 6
(x-6) +24 = 4 (x-3) + 2x ; 6x -36+24 =4x-12+2x ; 6x-12 = 6x-12 ; 0 = 0 ;
❖ les inéquations (deux cas : > et <)
- de premier degré
soit g définie sur R par g(x) = ax+b avec a≠0
g est une fonction affine, graphiquement représentée par une droite.
a : le coefficient directeur et b : l’ordonnée à l’origine
Signe du ∆ Supériorité > : ax+b> 0 Infériorité < : ax+b < 0
∆>0 Ensemble de solution de ]- Ensemble de solution de ]-∞,
b/a ;+∞[ -b/a ; [
∆<0 Ensemble de solution de ]- Ensemble de solution de ]-
b/a ;-∞[ b/a ;+∞[
- de second degré
Soit g définie sur R par g(x) = ax2+bx+c avec a≠0
g est une fonction trinôme de second degré, graphiquement représentée par une parabole.
a : le coefficient directeur et b : l’ordonnée à l’origine

Signe du ∆ Supériorité > : ax2+bx+c > 0 Infériorité < : ax2+bx+c < 0

∆<0 Avec a>0 le trinôme a pour Avec a>0 le trinôme n’a pas
ensemble de solution de solutions de R
l’ensemble de R
Avec a<0 le trinôme n’a pas de Avec a<0 le trinôme a pour
solutions de R ensemble de solution
l’ensemble de R
∆=0 Avec a>0 le trinôme ensemble Avec a>0 le trinôme n’a pas
de solution l’ensemble de R de solution de R
privé de x0
Avec a<0 le trinôme n’a pas de Avec a<0 le trinôme a pour
solutions de R ensemble de solution
l’ensemble de R privé de x0
∆>0 Avec a>0 le trinôme ensemble Avec a>0 le trinôme
de solution] -∞ ; x1[U]x2 ; +∞ [ ensemble de solution] x1 ; x2 [
Avec a>0 le trinôme ensemble Avec a>0 le trinôme
de solutions] x2 ; x1 [ ensemble de solutions] -∞ ;
x2 [U] x1 ; +∞ [
❖ Système d’inéquations
Remarque
Il est à noter qu’une équation de la forme ax + by + c = 0 avec (a ; b) ≠ (0 ; 0) correspond
toujours à une équation de droite.
· Si b≠0, on pourra alors écrire y = - (a/b)x – c/b. Il s'agira d'une droite oblique ou horizontale
c’est-à-dire qui est parallèle à Ox.
· Si b = 0, alors on a a≠0 et on pourra écrire x = - c/a. Il s'agira d'une droite verticale qui est
parallèle à Oy.
- Deux équations à deux inconnues
Propriété :
𝑎1𝑥 + 𝑏1𝑦 + 𝑐 = 0
Considérons le système suivant : {
𝑎2𝑥 + 𝑏2𝑦 + 𝑐 = 0
Soit D1 la droite d'équation ax1 + b1y + c1 = 0 et D2 la droite d'équation a2x + b2y + c2 = 0.
On appelle déterminant du système le nombre : D = a1b2 – b1a2.
- Lorsque ∆≠0, le système a un couple de solution unique (x0 ; y0) et les droites D1 et
D2 sont sécante (se coupe en un seul point) ;
- Lorsque ∆=0, deux cas de figures : soit le système n’a pas de solution et les droites
D1 et D2 sont strictement parallèle ; soit le système a une infinité de solutions : tous
les couples (x ; y) de coordonnées des points D1 et D2 sont solutions.
- Types de système d’équations
On appelle Système linéaire ou système d’équations linéaires est un agrégat d’une ou plusieurs
équation (s) linéaire (s) aux inconnues semblables Xin……Xin.

2 x1 + 3x 2 − 5 x3 = 25 Et 2 x1 + 3 x2 − 5 x3 = 25 : est linéaire et peut être mis sous un système

d’équations linéaire

2 x1 x2 = x1 + 3x3 − 5x3 Et 2 x1 + 3 x 2 − 5 x3 = 25 : N’est pas linéaire á cause de 2 x1 x2 et

x2

3x1 + x 2 + 2 x3 = 14

Exemple : − x1 + 2 x 2 = 6

On appelle solution du système d’équation une série de nombre pouvant par substitution
transformer toute équation en égalité vraie, s1, s2,….. sn respectivement pour x1, x2, ….Xin.

Deux systèmes d’équation sont dits équivalents lors qu’ils ont la même série de solutions ou
ensemble de solutions (s1 = s2 =s3 =…= sn). Un système est soit sans solution, unique solution
ou infinité de solutions. Un système d’équation est dit incompatible s’il n’a pas solution (sans
solution), il est dit consistant ou compatible lorsqu’il a une solution unique ou une infinité de
solution.

- Résolution du système d’équation

La résolution d’un système consiste á remplacer le système par un autre système équivalent
plus simple et facile á résoudre. C’est une procédure systématique (algorithme) qui nécessite
des opérations sur les lignes : remplacement, échange et multiplication par un scalaire.

1. Li ← λ Li avec ¸ λ≠ 0
2. Li ← Li + Lj avec λ €R (et j≠i)
3. Li ↔Lj

2 − 4 2 0  1 0 0 a   x1 0 0 a
2 x1 − 4 x2 + 2 x3 = 0 0    0
  4 − 16 16   0 1 0 b x2 0 b 
4 x 2 − 16 x3 = 16   
8 x − 10 x + 9 x = −18  8 − 10 9 − 18  0 0 1 c  0 0 x3 c
 1 2 3      
     
 x1 − 2 x 2 + x3 = 0

A. Résoudre le système suivant : 2 x 2 − 8 x3 = 8
− 4 x + 5 x + 9 x = −9
 1 2 3

1
𝑥 − 2𝑥3 = 4
2 2
3 1
B. Etudier la compatibilité du système suivant : 𝑥1 − 2 𝑥2 + 𝑥3 = 2
5 7 1
{2 𝑥1 − 2𝑥2 + 2 𝑥3 = − 2
- Résolution du système d’équation
a. Méthode par substitution
2𝑥1 − 4𝑥2 = 0
{4𝑥1 − 4𝑥2 = 16 4x1 = 4x2 ; x1= x2 ; en (1), x1 = 0 ; en (2) x2 = 4.

b. Méthode de combinaison linéaire

2𝑥1 − 4𝑥2 = 0
{4𝑥1 − 4𝑥2 = 16 ; -2*(éq 1) ; ou encore (1) + (2) ;

c. Méthode de Cramer
Soit AX=B une forme matricielle. Le système est dit de Cramer si : A est une matrice carrée
dont le déterminant est différent de zéro. Cette méthode repose sur l’unicité de solution qui
vérifie le système AX = B. la solution est donnée par les formules suivantes :

i
Si = De façon spécifique, cela peut s’écrire :
A

1
S1 =
A
 2
S2 =
A

Example
2𝑥1 − 4𝑥2 = 0
{4𝑥1 − 4𝑥2 = 16

2 x1 − 3x 2 + x3 = 3

− x1 − 2 x 2 + 2 x3 = 1
4 x + x + 2 x = 6
 1 2 3

NB : La résolution par la méthode de Cramer est possible si seulement si le nombre d‘équations

est égal au nombre des inconnues.

d. Méthode de pivot de Gauss ou Méthode d’élimination de Gauss Jordan

Exemple :

• − 4 2 0 
0 • − 16 16 
Matrice échelonnée avec pivots :  
0 0 • − 18
 
0 0 0 0 

1 − 4 2 0 
0 1 − 16 16   x1 = ??
Une matrice échelonnée de ce genre a pour solution :     x = ??
0 0 1 − 18
2
 x = ??
   3
 

2𝑥 − 4𝑦 = −2
Résoudre le système linéaire : {−2𝑥 + 6𝑦 = 6 de trois façons différentes : substitution,

combinaison linéaire et méthode de Cramer.

Matrice
❖ Définition
La matrice est une représentation des chiffres sous forme de tableau. On peut aussi l’appeler le
1 4 5 8
  3 6 9
 2 4  7 9 2 6  
« tableau des chiffres ».   ; ; 7 4 1
1 9   5 1 23 1   
   
8 10 12 
2 5 8
7
 ❖ Importance
L’importance d’usage de matrice est surtout son utilisation dans l’algèbre linéaire, système
linéaire d’équation. Elle permet aussi de connaitre la variance et la covariance de chaque
élément contenu dans la matrice, inter/intra-variance. En économie, In peut désigner les inputs
ou encore appelés les matières premières comme travail, brut, énergie… ; aij désigne la
combinaison des inputs (nombre d’unité de In) et Oj les produits finis ou encore les outputs.
Ces notions sont également importantes dans le calcul d’optimum.
Exemple :
Considérons les cas d’une entreprise fabriquant trois produits O1, O2 et OP3 à partir de trois matières
premières notée A1, A2, et A3. Pour fabriquer une unité de O1, l’entreprise a besoin de trois unités
de la matière première A1, deux unités de A2 et quatre unités de A3. D’autre part, la fabrication
d‘une unité de O2 exige deux unités de la matière première A1, trois unités de A2 et une seule unité
de A3. Enfin, la fabrication de O3 ne nécessite aucune unité de A1, mais plutôt une unité de A2 et
cinq unités de A3. La matrice technologique relative à la production de cette entreprise est la
suivante :
 P1 P2 P3 
A 3 2 0 
 1
 A2 2 3 1
 
 A3 4 1 5

❖ Quelques termes usuels dans le calcul matriciel

- Une matrice est dite de taille n x m si elle dispose (tableau des chiffres) n nombre de
lignes et m nombre de colonnes.
- Coefficients : ce terme désigne les éléments constitutifs de la matrice (i=1, 2,..n etj= 1,
2, …, m);
- Aij désigne un coefficient présent á la i-ème ligne et j-ème colonne ;
- Matrices égales : ce sont 2 matrices ayant la même taille (n x m) et des mêmes
3 6 9 3 6 9
coefficients correspondants (égaux). A = 7 4 1 et B = 7 4 1 , alors A et B
 
2 5 8 2 5 8

sont des matrices égales

 - Matrice carrée : c’est une matrice où n = m (nombre de lignes = nombre de colonnes ;
3 3 9
1 2 
n x n matrice). Exemple :   ; 5 4 5
3 4  

 2 3 6

- Une matrice est dite diagonale lorsque tous ses coefficients sont zéros á l’exception de
3 0 0
ceux situés sur la diagonale. Exemple : 0 4 0
 
0 0 6

- Une matrice d’identité est une matrice de taille n x n dont les coefficients sont zéros
1 0 0
á l’exception de ceux situés sur la diagonale qui sont des uns. Exemple : 0 1 0
 
0 0 1

Propriété : si A est une matrice de taille n x m, alors In*A = A et Im*A = A

- Matrice ligne (ou vecteur ligne) est une matrice disposant d’une seule ligne. Exemple :
1 2 3
- Matrice colonne (ou vecteur colonne) est une matrice disposant d’une seule colonne.
1 
Exemple : 2
3

- Matrice symétrique : est une matrice de taille n x n qui est égale á sa transposée
− 2 0 10 
0 4 
T
matrice (A = A ; aij = aji). Exemple :   et 0
 2 − 2
4 8  
 10 − 2 0 
Remarques : A*AT et AT *A sont des matrices symétriques

- Matrice antisymétrique : c’est une matrice de taille n x n dont la transposée est égale
0 − 2
á l’oppsée de la matrice originale (AT =-A ; aij = -aji). Exemple :   et
2 0 
0 8 4 
− 8 0 − 10

− 4 − 10 0 
 - Rmq : une matrice antisymétrique a toujours sa diagonale constituée uniquement de
zéros.
- Une matrice est dite nulle si tous ses coefficients sont des zéros. Elle est notée 0nm ;
- Matrices équivalentes par lignes ;
- Matrice échelonnée ;
- Echelonnée réduites ;
❖ Matrice élémentaire

Est une matrice résultant de la multiplication de la i-ème ligne d’une matrice par  , ( E LLi )

ou sa transformation quelconque E L Li + Li

1 0 0 1 0 0
0 1 0  0 3 0
E L2 3L    
0 0 1 0 0 1

❖ Matrice équivalente par ligne

Sont deux matrices dont l’une est obtenue par la transformation des lignes d’une autre

(opérations élémentaires sur des lignes).

❖ Matrice échelonnée

Est une matrice caractérisée par une croissance stricte de nombre de zéros partant d’une ligne
* * * * * *
0 * * * * *

0 0 * * * *
 
0 0 0 * * *
jusqu’á dominer la colonne entière. Exemple : 0 0 0 0 * *
0 0 0 0 0 0

❖ Echelonnée réduite
En plus d’etre échelonnée, le 1er coefficient (non nul) suvant le zéro vaut 1 et vonstitue le seul
1 * 0 0 * *
0 0 1 * * *

0 0 0 1 * *
 
0 0 0 0 1 *
élément non nul de sa colonne. Exemple : 0 0 0 0 0 1
0 0 0 0 0 0

Obtention : Similaire aux opérations élémentaires dans le cas de méthode de Gauss.

❖ Matrice triangulaire Inférieure est caractérisée par des éléments dans la partie

supérieure de diagonale ayant tous zéro comme valeur. Exemple :

* 0 0 0 0 0
* * 0 0 0 0

* * * 0 0 0
 
* * * * 0 0
* * * * * 0
* * * * * * 

❖ Matrice triangulaire Inférieure est caractérisée par des éléments dans la partie

supérieure de diagonale ayant tous zéro comme valeur.

* * * * * *
0 * * * * *

0 0 * * * *
 
0 0 0 * * *
Exemple : 0 0 0 0 * *
0 0 0 0 0 *

❖ Trace :

C’est la somme de la diagonale d’une matrice

❖ Calcul matriciel
o Addition de matrices ou sommes de matrices
Soient A et B deux matrices de taille n x m. la sommes de ces deux matrices est S = A + B =
0 8 4  1 2 6 0 8 4 
aij + bij . Exemple : A = − 8 0 − 10 et B = − 1 0 − 1 . S = A+B =  − 8 0 − 10 +
    
   
− 4 10 0  − 2 1 12  − 4 10 0 

1 2 6
 − 1 0 − 1 = ???
 
− 2 1 12 

Condition : les matrices á être additionnées doivent avoir le même nombre de lignes et même
nombre de colonnes.
Propriété : l’addition est commutative (A + B = B + A), associative [A + ( B+C) = (A+ B) +
-C], la matrice nulle est un élément neutre dans la sommation (A + 0 = A), ( +  )A = A + A
et  ( A + B) = A + B

o Soustraction de matrice

La soustraction de deux matrices est corollaire de l’addition de deux matrices, S =A – B = aij-

0 8 4  1 2 6
bij. Exemple : S =  − 8 0 − 10 -  − 1 0 − 1 = ???
− 4 10 0  − 2 1 12 

o Multiplication de matrice

La multiplication de matrices A de taille n x m et B de taille m x q est la multiplication des

coefficients occupant la même position entre eux. Ce qui résulte en une matrice M de taille n
`x q et des coefficients Mij.
Condition : le nombre de colonne de A est égal au nombre de colonne de B. M = A * B.
0 8 4  1 2 6
exemple : A =  − 8 0 − 10 et B =  − 1 0 − 1 alors M = A * B =
 
− 4 10 0  − 2 1 12 

0 8 4  1 2 6
A =  − 8 0 − 10 * B =  − 1 0 − 1 = ???
 
− 4 10 0  − 2 1 12 

Propriété : multiplication est associative [A(BC) = (AB) C], distributive par rapport á la
somme [A (B+C) = AB +AC et (B+C) A = BA + CA], la neutralité de zéro [A*0 = 0 et 0*A=0].
Rmq :
 0 − 2   4 − 6
➢ AB = 0 ne signifie pas que A = 0 ou B = 0 ; [ A =   et B =   , alors que
0 10  0 0 
0 0 
A*B = A * B =  
0 0 
0 − 2   8 − 2
A=  B= 
➢ AB = AC ne signifie pas que B = C. exemple : 0 6  , 10 8  et

 4 − 10 ? ?
C=  AB  AC =  
10 8  alors que ? ?
➢ Les identités binomiales usuelles ne sont pas applicables (A+B) 2 # A2 + 2AB + B2
o Puissance d’une matrice

Il s’agit d’une matrice de taille n x n. Ici la multiplication est interne c’est-á-dire la matrice est
multipliée par elle-même. A = A1 ; A2 = A * A ; A3 = A*A*A ;
 2 0 2
Par définition : A0 = In ; An+1 = An * A. exemple : 0 − 2 0 calculons A1 ; A2 ; A3 ; A5.
0 0 4

2 0 2 p − 2
 
Rmq : les 1ères puissances laissent croire que la formule Ap = 0 (−2 p ) 0  ce résultat
0 0 4 p 

peut être démontré par récurrence.

o Multiplication d’une matrice par un coefficient, k

Il s’agit de multiplier tous les coefficients de la matrice par le scalaire k. exemple : Si

 2 0 2  2 0 2
A = 0 − 2 0 alors, k*A= k * A = k * 0 − 2 0 = ????
0 0 4 0 0 4

o Inverse de matrice

Soient A et B sont tous des matrices de taille n x n chacune. Si A*B =I et B*A =I, alors la
matrice A est dite inversible et B est appelée l’inverse de A, notée A-1 ou 1/A. Exemple :
1 2 x y
A=  et B =  
0 3   z h
  6 0 x y
A=  et B =   , chercher AB=In ou BA = In
10 0  z h
1 1
Rmq : Si A est inversible, alors An = (A-1) n = 
A A1 . ; si A est inversible, alors son inverse
A...

nfacteurs

est unique ; Si A est inversible, alors A-1 est également inversible. L’inverse de « l’inverse de
A » est égale á A [(A-1)-1 A] ; [(AB)-1 = B-1 * A-1, si A et B sont inversible et de même taille.
Il existe plusieurs méthodes pour le calcul de l’inverse d’une matrice :

x y
➢ Formule directe : cas de matrice de 2 x 2. Exemple : A= 
 z h
1  h − y
A1 =
det( A) − z x 
➢ Matrice adjointe/comatrice : calcul de determinant-matrice mineur-transposée de
1
matrice mineur – inverse par la formule A1 = com
det( A)
➢ Méthode de Gauss pour inverser la matrice : une matrice d’identité est juxtaposée á côté
de la matrice á inverser (( A I ) - des opérations élémentaires sont faites á la fois sur des

lignes de matrice á transformer et la matrice d’identité – les opérations sont arrêtées

lors que la matrice á transformer devient une matrice d’identité. Alors on la forme ( I B ).

Exemple : Utiliser la méthode de Gauss Jordan pour inverser ces matrices.

1 2 1
A =  4 0 − 1
− 1 2 2 

Solution :

1 2 4  1 0 0
 
A = 6 9 4 et I = 0 1 0 Alors
 
2 3 1  0 0 1

1 2 4 1 0 0 L1 * * * 1 0 0 1 0 0 * * *
A I = 6 9 4 0 1 0 L2  0 * * * * *  0 1 0 * * *
   
2 3 1  0 0 1 L3 0 0 * * * * 0 0 1 * * *
 A l’issu de ces opérations élémentaires, la matrice initiale devient une matrice d’identité,
et la matrice d’identité initiale devient une autre matrice qui est cette fois-ci l’inverse de la
matrice initiale A (A -1). Pour être sûre de résultat de l’inverse, il faut vérifier A * A -1 = I

➢ Raccourcis – 3x3 matrice (régle de Sarrus)…..

o Matrice et système linéaire

a11 x1 + a12 x2 + ... + a1n xn = s1

a x + a x + ... + a x = s
 21 1 22 2 2n n 2

.

.
.

am1 x1 + am 2 x2 + ... + amn xm = sm

 a11 a12 ... a1n   x1   s1 

a a22 ... a2 n   x2   s2 
 21
La forme matricielle de ces equations est: 
. . . .  .   . 
=
. . . .  .   . 
    
 . . . .  .   . 
am1 am 2 ... amn   xn   s n 

A X B
Le vecteur X est une solution si seulement si AX = B
Théorème : Un système d’équation linéaire n’a soit qu’une seule solution, soit une infinité
de solution ou aucune solution.
Rmq : Si une matrice A est inversible, cela signifie que AX = B est l’unique solution du
système qui est X = A-1B.
Exemple : Mettre les systèmes linéaires suivant sous forme matricielle puis résolvez-les par
2 x + 2 z = 2
4 x + 2 y = 6 
la méthode d’inversion matricielle.  et 2 x + 2 z = 2
3x + y = 9 − 4 y + 3 z = 2

Optimisation
Elle est la recherche extrema (maximum et minimum) d’une fonction á une ou plusieurs
variables qui permet de trouver le minimum coût pour une production (cas de producteur) ou
maximum satisfaction (cas de consommateur).
 Importance économique
- Coût minimal de production (producteur)
- Maximiser la satisfaction ou l’utilité (consommateur)

Types d’optimisation

Il existe optimisation libre et optimisation sous contrainte.

A. Optimisation libre
La fonction est de type y = f(x), et la détermination des extrema se fait en 2 étapes :

1. Calcul de la dérivée de 1er ordre, dite nécessaire mais pas suffisante ;

▪ Résoudre l’équation f’(x*) = 0, le point d’abscisse x0  Df est un extremum éventuel

(point stationnaire) ;
2. Calcul de la dérivée de second degrés (nécessaire et suffisante) et sa valeur f’’(x*)
▪ Si f’’(x*) >0, le point stationnaire x0 est un minimum local ;
▪ Si f’’(x*) <0, le point stationnaire x0 est un maximum local ;
▪ Si f’’(x*) = 0, le point stationnaire x0 est un point d’inflexion, change de signe à gauche
et à droite de x*.
Exemple

a. Soit C(Q) = Q3-Q+16. Déterminer le niveau de production qui donne un coût minimum
1 4 1 3 2
b. Rechercher les extrema éventuels de f : R → R : x → f ( x) = x − x − 3x 2 +
4 3 3

Recherche des extrema libres d’une fonction á plusieurs variables

1. Cas d’une matrice carrée symétrique : caractère défini positif, défini négatif
Soit A une matrice carrée symétrique. La sous-matrice principale de A est la matrice obtenue
par suppression des coefficients dans les lignes et les colonnes correspondantes. Une sous-
matrice particulière est la matrice obtenue en gardant les j éléments premières lignes
et les j éléments de premières colonnes de la matrice A. La sous-matrice particulière ainsi
obtenue est symétriques et se notent A(j).
Exemple
 a1,1 a1, 2 a1,3 
 
Soit la matrice symétrique A = a2,1 a2 , 2 a2, 3 
 a3,1 a3, 2 a3,3 

Les sous matrices particulières sont :

A1 = (a1,1 )
Matrice composée d’un seul élément
 a1,1 a1, 2 a1,3 
A = a 2,1
2
a 2, 2 a 2,3 
 

 a1,1 a1, 2 a1,3 

 
A = A = a2,1
3
a2 , 2 a2,3 
 a3,1 a3, 2 a3,3 

Soit A une matrice carrée symétrique d’ordre n.


• A est définie positive, si seulement si j  1,2,..., n) : det A( j )  0
Exemple
Pour la matrice carrée symétrique A d’ordre 3 :



det(a )  0
 1,1

  a1,1 a1, 2 a1,3 

A est définie positive ssi det  0
 a2,1 a2, 2 a2,3 
 a a1,3 
  1,1 a1, 2 
det a2,1 a2, 2 a2 , 3   0
 
  a3,1 a3, 2 a3,3 

▪ 
A est définie négative ssi j  1,2,..., n) : (−1) j * det A( j )  0
Autrement dit, la matrice A est définie négative ssi les détA (j) sont successivement négatifs
puis positifs, en commençant par être négatif
Par exemple, pour la matrice carrée symétrique A d’ordre 3 :



det(a )  0
 1,1

  a1,1 a1, 2 a1,3 


A est définie négative ssi det a2,1 a2, 2 a2,3  0
  
 
  a1,1 a1, 2 a1,3 
  
det a2,1 a2, 2 a2,3   0
 a a3,3 
  3,1 a3, 2
Exemple
Les matrices symétriques suivantes sont-elles définies positives, définies négatives ?

2 − 4 2 0 
0 4 − 16 16   4 − 4 4 0 0 0
  − 4 8 0 0 1 0 4 7 
8 − 10 9 − 18    5 − 6
   4 0 8 0 0 1
2 5 9 3  ;

F : R  → R : ( x1 , x2 ,...xn ) → F ( x1 , x2 ,...xn )
Soit une fonction de n variables * .

Les étapes de recherche des extrema d’une fonction á n variable sont :

F F
- Calcul de toutes les dérivées partielle de 1er ordre : x ( x1 , x2 ,...xn ) , x ( x1 , x2 ,...xn ) ,…
1 2

F
( x1 , x2 ,...xn ) ;
xn

 F
 x ( x1 , x2 ,...xn ) = 0
 1
 F
 x ( x1 , x2 ,...xn ) = 0
 2
- Résoudre le système d’équation .
.

.
 F
 ( x , x ,...xn ) = 0
 xn 1 2

- L’ensemble de solutions du système {x1, x2,… xn} sont les points stationnaires.
- Calcul de toutes les dérivées partielles de second ordre :

 
 2 
  F ( x , x ,...x ) 2F
( x1 , x2 ,...xn )....
2F
( x1 , x2 ,...xn ) 
 (x1 ) 2 1 2 n
x1 x2 x1 xn 
 2F  F2
 F2 
HF (x1, x2, … xn) =  ( x1 , x2 ,...xn ) ( x , x ,... x )..... ( x , x ,... x ) 
 x1 x2 (x2 ) 2 x2 xn 
1 2 n 1 2 n

 .... .... .... 

 2 
  F ( x , x ,...x ) 2F
( x1 , x2 ,...xn )
2F
( x1 , x2 ,...xn )
 x x 1 2 n
xn x2 (xn ) 2
 n 1 

Avec tous les points stationnaires ( x1* , x2* ,...xn* ) , former la matrice hessienne HF ( x1 , x2 ,...xn )

HF ( x1* , x2* ,...xn* )

 ▪ Si HF ( x1* , x2* ,...xn* ) > 0, le point stationnaire ( x1* , x2* ,...xn* ) *) est un minimum local.

▪ Si HF ( x1* , x2* ,...xn* ) < 0, le point stationnaire ( x1* , x2* ,...xn* ) *) est un maximum local.

▪ Sinon, si dét Si HF ( x1* , x2* ,...xn* ) = 0, 0, le point HF ( x1* , x2* ,...xn* ) est un point de selle.
Exemple
5 2 1
Optimiser la fonction f définie par F ( x1 , x2 ) = x1 + 2 x22 − x1 x2 f(x1, x2)
3 3
B. Optimisation sous contrainte – Méthode de Lagrange

L’optimisation de la fonction F á deux variables x1 et x2 définie par y = F (x1, x2) et soumise

sous la contrainte unique qui est exprimée par l’égalité g (x1, x2) = C.

Méthode de recherche des extrema :

1. Ecrire fonction Lagrangienne, noté L

L(, x1 , x2 ) = F ( x1 , x2 ) − g ( x1 , x2 ) − C 

2. Calculer toutes les dérivées partielles de 1er ordre de la fonction L.

 L
 ( x1 , x2 ) = 0
 
 L
3. Résoudre le système d’équation ainsi obtenu  ( x1 , x2 ) = 0
 x1
 F
 ( x1 , x2 ) = 0
 x2
L’ensemble de solution (* , x1* , x2* ) du système sont les points stationnaires
4. Calculer toutes les dérivées partielles du second degré et former la matrice

 2L 2L 2L 

 ( , x1 , x2 ) ( , x1 , x2 ) ( , x1 , x2 ) 
 2(  ) 2
x1 x2  
  L 2L 2L 
HL( , x1 , x2 ) =  ( , x1 , x2 ) ( , x1 , x2 ) ( , x1 , x2 )
x1 (x1 ) 2 x2 x1
 2 
  L ( , x , x ) 2L
( , x1 , x2 )
2L
( , x1 , x2 )
 x2 1 2
(x2 ) 2 x1x2 

5. Former la matrice Hessienne HL( , x1 , x2 ) avec tous points stationnaires

* * *

▪ Si HL(* , x1* , x2* )  0 , le point stationnaire (* , x1* , x2* ) est un maximum local sous
contrainte ;
 ▪ Si HL(* , x1* , x2* )  0 , le point stationnaire (* , x1* , x2* ) est un minimum local sous
contrainte ;
Exemple

5 2 1
Soit F une fonction définie par F ( x x , x2 ) = x + 2 x22 − x1 x2 soumise à l’unique contrainte
3 3
1 2 2
exprimée par l’égalité g ( x x , x2 ) → x + x2 = 8
3 3

❖ Bibliographie
- Gaoussou Sylla.