Académique Documents
Professionnel Documents
Culture Documents
❖ 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
d’équations linéaire
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.
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.
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
• − 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,
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
- 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
- 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 LLi )
1 0 0 1 0 0
0 1 0 0 3 0
E L2 3L
0 0 1 0 0 1
Sont deux matrices dont l’une est obtenue par la transformation des lignes d’une autre
❖ 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
❖ Matrice triangulaire Inférieure est caractérisée par des éléments dans la partie
❖ Matrice triangulaire Inférieure est caractérisée par des éléments dans la partie
* * * * * *
0 * * * * *
0 0 * * * *
0 0 0 * * *
Exemple : 0 0 0 0 * *
0 0 0 0 0 *
❖ Trace :
❖ 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
o Multiplication de matrice
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 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
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
.
.
.
am1 x1 + am 2 x2 + ... + amn xm = sm
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
A. Optimisation libre
La fonction est de type y = f(x), et la détermination des extrema se fait en 2 étapes :
(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
▪
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
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 * .
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
Avec tous les points stationnaires ( x1* , x2* ,...xn* ) , former la matrice hessienne HF ( x1 , x2 ,...xn )
▪ 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(, x1 , x2 ) = F ( x1 , x2 ) − g ( x1 , x2 ) − C
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
▪ 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.