Académique Documents
Professionnel Documents
Culture Documents
net/publication/305085064
CITATIONS READS
2 1,318
1 author:
Sophie Jallais
Université de Paris 1 Panthéon-Sorbonne
18 PUBLICATIONS 79 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Post-enquête REPONSE (Convention Dares Ministère du Travail et CES, 2012-2014) View project
All content following this page was uploaded by Sophie Jallais on 30 December 2021.
3
trajectoires qui convergent vers celui-ci. Il s’agit donc moins de
déterminer ce qui se passe exactement, que de dégager des
tendances, des sens de variation, des propriétés des ensembles de
stabilité ainsi que l’influence exercée sur ces derniers par les
paramètres des modèles.
L’approche adoptée diffère donc radicalement de celle que l’on
rencontre dans les sciences de la nature, notamment en physique,
où la recherche des solutions — exactes ou approchées — d’équations
différentielles ou de récurrence de divers types occupe une place
centrale, avec tout ce que cela suppose comme techniques plus ou
moins sophistiquées d’intégration et de calculs de polynômes.
1
Nous entendons essentiellement par là (du moins ici) une personne maîtrisant les
techniques de dérivation des fonctions d’une et de plusieurs variables et connaissant
un certain nombre de concepts de base d’algèbre linéaire (espace vectoriel, sous-
espace vectoriel, système générateur, rang, base, dimension).
5
CHAPITRE I
ÉVOLUTIONS SÉQUENTIELLES LINÉAIRES
À COEFFICIENTS CONSTANTS
6
I Équations de récurrence linéaires d’ordre n à
coefficients constants
* Les mots et expressions suivis d’une astérisque sont définis dans le glossaire en fin
d’ouvrage.
7
En économie, on se sert d’équations de ce type pour décrire
l’évolution du prix d’un bien ou d’un titre, celle du revenu, de
l’investissement, etc. (voir les applications pages 31-36). Suppo-
sons, par exemple, que xt désigne le prix du blé à la période t et
que l’évolution de ce prix soit décrite par l’équation d’ordre 2 :
[3] 4xt + 2 + 4xt + 1 – 3xt = 5.
Ici, si l’on connaît le prix du blé sur les deux premières périodes,
alors, grâce à l’équation [3], il est possible de déterminer sans
ambiguïté le prix du blé à n’importe quelle période, et ce, indéfi-
niment. Le prix du blé à la période t se déduit donc de ce même
prix aux périodes précédentes. La question importante pour les
économistes est alors de savoir si cette suite de prix converge, et,
si oui, vers quelle valeur. Comme celle-ci représente un équilibre,
on va commencer par présenter cette notion.
1. La notion d’équilibre
A – Exemple
8
B – Détermination des équilibres d’un processus
9
Ainsi, dans l’exemple de l’équation [3] décrivant l’évolution du
prix du blé, si, aux deux premières périodes, ce prix égale 1, alors
il reste toujours égal à 1. Ce cas de figure n’est évidemment pas le
plus intéressant en dynamique : d’une part, il est hautement
improbable (puisqu’il faut que x0 et x1 soient égaux à 1, alors
qu’ils peuvent prendre n’importe quelle valeur réelle positive) ;
d’autre part, la question importante est plutôt : que se passe-t-il si
le prix du blé n’est pas égal à 1 à l’une au moins des deux
premières périodes ? (Et, plus généralement, que se passe-t-il
lorsque la condition initiale n’est pas telle que la solution de
l’équation [1] est un équilibre ?)
Pour répondre à cette question, le plus simple, lorsque cela est
possible, est souvent de commencer par exprimer xt en fonction de
t et de la condition initiale : c’est ce que l’on appelle donner la
solution générale de l’équation décrivant ce processus.
10
b) Équations homogènes d’ordre 2
□ Résolution de l’équation
2ème cas : Δ < 0. P(ּ) a deux racines non réelles conjuguées (voir
encadré Les nombres complexes) :
– a1 + i – Δ –a –i –Δ
μ= et μ̄ = 1 .
2 2
Les suites (αμt) et (βμ̄t) sont donc solutions de l’équation [8], de
même que la suite (αμt + βμ̄t).
Posons (xt) = (αμt + βμ̄t) et essayons de voir, comme dans le cas
précédent, si l’on peut exprimer α et β de façon unique en fonction
des conditions initiales du processus (xt).
Si xt = αμt + βμ̄t, alors x0 = α + β et x1 = αμ + βμ̄, ce qui donne :
x1 – μ̄x0 μx0 – x1
(α , β) = ( , . )
μ – μ̄ μ – μ̄
Ainsi, pour (x0 , x1) donné, la solution de l’équation [8] est :
x1 – μ̄x0 t μx0 – x1 t
xt = μ+ μ̄
μ – μ̄ μ – μ̄
12
On dit que a est la partie réelle du nombre complexe z = a + ib (on note a = (z)), et
que b est sa partie imaginaire (on note b = (z)).
L’ensemble des nombres complexes, noté C, muni de l’addition [(a + ib) + (a’ + ib’) =
(a + a’) + i(b + b’)] et de la multiplication [(a + ib)(a’ + ib’) = (aa’ – bb’) + i(a’b + ab’)]
est un corps* commutatif.
Exponentielle complexe
Comme (cos θ + i sin θ)(cos θ’ + i sin θ’) = cos (θ + θ’) + i sin (θ + θ’) (formule
trigonométrique), on adopte l’écriture conventionnelle : cos θ + i sin θ = eiθ, et on a :
eiθ eiθ’ = ei(θ + θ’). En particulier (eiθ)t = eitθ, ce qui résume l’égalité trigonométrique :
( cos θ + i sin θ)t = cos tθ + i sin tθ.
¯¯
zz’ = (aa’ – bb’) + i(a’b + ab’) z z−’.
= (aa’ – bb’) – i(a’b + ab’) = a’(a – ib) – ib’(a – ib) = −
13
– x1 + ρ(cos θ + i sin θ)x0 x ρ cos θx0 – x1
β= = 0– i , et donc que β = ᾱ.
2ρi sin θ 2 2ρ sin θ
Ainsi, la solution de l’équation [8] est bien réelle puisque :
−−−
xt = αμ t + βμ̄ t = αμ t + ᾱμ̄ t = αμ t + αμt = 2(αμ t).
x0 x ρ cos θ – x1
En remplaçant, dans cette expression, α et μ par +i 0
2 2ρ sin θ
et ρ(cos θ + i sin θ) respectivement, on obtient ainsi la solution
réelle de l’équation [8], à savoir :
x1 – x0ρ cos θ
xt = ρ t (x0 cos tθ + )
sin tθ .
ρ sin θ
14
Récapitulatif sur la résolution de l’équation
[8] xt+2 + a1xt+1 + a0xt = 0, avec a0 ≠ 0 pour (x0 , x1) donné
xt = α1μ1t + α2μ2t ,
où α1 et α2 sont solutions du système : 3ème cas : P(ּ) a une racine réelle
x0 1 1 double μ. La solution est alors :
() ( ) ( )
x1
= α1
μ1
+ α2
μ2
xt = (α + βt) μt,
□ Exemples
15
– 2
(puisque, si – 1 + i = 2(cos θ +i sin θ), alors cos θ = et
2
2
sin θ = ). La solution, pour des conditions initiales réelles, de
2
l’équation [13] est donc de la forme :
t 3πt t 3πt
xt = α2 /2 cos + β2 /2 sin , avec α IR et β IR.
4 4
16
Si l’on connaît la condition initiale (x0, x1, x2), on peut alors
déterminer α1, α2 et α3 ; ce sont les solutions du système :
α1(1,μ1,μ1,2) + α2(1,μ2,μ2,2) + α3(1,μ3,μ3,2) = (x0,x1,x2)
obtenu en remplaçant t par 0, par 1, puis par 2 dans l’équation [16].
2ème cas : P(ּ) a une racine réelle, μ1, et une racine réelle double,
μ2. La solution de l’équation [15] est alors :
[17] xt = α1μ1t + (α2 + α3t)μ2t,
où α1, α2 et α3 sont solutions du système :
α1(1,μ1,μ1,2) + α2(1,μ2,μ2,2) + α3(0,μ2,2μ2,2) = (x0,x1,x2)
obtenu en remplaçant t par 0, par 1, puis par 2 dans l’équation [17].
3ème cas : P(ּ) a une racine réelle triple, μ1. La solution de
l’équation [15] est alors :
[18] xt = (α1 + α2t + α3t2)μ1t ,
où α1, α2 et α3 sont les solutions du système :
α1(1,μ1,μ1,2) + α2(0,μ1,2μ1,2) + α3(0,μ1,4μ1,2) = (x0,x1,x2)
obtenu en remplaçant t par 0, par 1, puis par 2 dans l’équation [18].
4ème cas : P(ּ) a une racine réelle, μ1, et deux racines non réelles, μ2
et μ,−. La solution réelle de l’équation [15] est alors :
[19] xt = α1μ1t + α2ρt cos tθ + α3ρt sin tθ, avec ρ = |μ2|, θ = arg μ2,
où α1, α2 et α3 sont les solutions du système :
α1(1,μ1,μ1,2) + α2(1, ρ cos θ,ρ2 cos 2θ) + α3(0, ρ sin θ,ρ2 sin 2θ)
= (x0,x1,x2)
obtenu en remplaçant t par 0, par 1, puis par 2 dans l’équation [19].
a) Forme de la solution
On peut ici montrer que toute solution (xt) de l’équation [1′] est
de la forme (ht + pt), où (ht) est solution de l’équation homogène
associée à [1′] et où (pt) est une solution particulière de [1′]. En
effet, si (pt) est une solution particulière de [1′], on a :
[1″] pt + 3 + a2pt + 2 + a1pt + 1 + a0pt = f(t).
Or, par soustraction de [1″] à [1′], on obtient :
(xt + 3 – pt + 3) + a2(xt + 2 – pt + 2) + a1(xt + 1 – pt + 1) + a0(xt – pt) = 0.
La suite (xt – pt) est donc solution de l’équation homogène
associée à l’équation [1′]. Si l’on note (ht) cette solution, on a
(ht) = (xt – pt) et donc (xt) = (ht + pt).
On a vu, dans le paragraphe précédent, comment trouver la
solution de l’équation homogène associée à l’équation [1′]. Pour
déterminer (xt), il ne reste donc plus qu’à déterminer (pt).
18
b) Détermination d’une solution particulière
□ Exemples
□ Problème de la résonance
Remarques :
— Si, dans le cas que nous venons de traiter, 1/2 avait été racine
t
double de P(λ), alors, on n’aurait pas posé pt = at(1/2) , mais
t
pt = at 2(1/2) . De façon plus générale, si l’équation [23] avait été
une équation d’ordre n, et si 1/2 avait été racine d’ordre p (p < n)
t
de P(λ), alors, on aurait posé pt = at p(1/2) .
— On a des cas de résonance :
• lorsque le second membre de l’équation est de la forme αλt, où λ
est racine du polynôme caractéristique de l’équation homogène
associée ;
• lorsque le second membre est de la forme α cos bt ou α sin bt, où
b est l’argument d’au moins une racine du polynôme caractéristi-
que de l’équation homogène associée ;
• lorsque le second membre de l’équation est un polynôme et 1,
racine du polynôme caractéristique de l’équation homogène asso-
ciée ; dans ce cas un peu particulier, on prend, comme solution
21
particulière, certes un polynôme, mais de degré égal à celui du
polynôme du second membre plus 1.
A – Définitions
22
c) Ensemble de stabilité d’un équilibre
23
de termes de la forme : λt, t kλt (k > 0), t kρ t cos tθ et t kρ t sin tθ
(k 0). Le comportement de xt dépend donc de celui de ces termes.
24
1er cas : λ 1 si et seulement si t kλt ⎯⎯→ + ∞.
t→∞
2ème cas : – 1 < λ < 1 si et seulement si t kλt ⎯⎯→ 0.
t→∞
3ème cas : λ – 1 si et seulement si t kλt n’a pas de limite lorsque
t → ∞.
Au total, t kλt converge vers 0 si et seulement si – 1 < λ < 1 (à
savoir si et seulement si λ < 1), et ne converge pas, du moins pas
vers une limite finie, dans tous les autres cas.
25
et une condi-tion nécessaire et suffisante de stabilité globale du
processus (xt).
26
λ 1
Le polynôme caractéristique est ici : P(λ) = λ² – – . Il a pour
2 2
discriminant : Δ = 9/4 ; et donc pour racines : λ1 = – 1/2 et λ2 = 1.
Ainsi, la solution générale de l’équation [25] est :
t t
xt = α ( – 1/2) + β 1t = α ( – 1/2) + β , avec α IR et β IR.
Quelle que soit la condition initiale, elle converge (vers β qui
dépend, pour sa part, de la condition initiale).
S0 = α – 1 , α IR.
1
/2
La dimension de cet ensemble étant égale à 1 ; on en conclut que
l’équilibre 0 est un point-selle.
Plus généralement, on peut montrer que la dimension de l’ensemble
de stabilité de 0 est égale au nombre de racines de P(ּ) dont le module
est strictement inférieur à 1.
27
xe = c/P(1). Dans ce cas, « stabilité globale du processus » et
« stabilité globale de xe » sont des expressions synonymes.
Nous avons également vu (en 2 B b) que lorsque le second
membre de l’équation [1] est une constante, la solution de
l’équation est de la forme (xt) = (ht + xe). Dans ce cas (dont nous
verrons des exemples en 3 D) la stabilité de (xt) dépend donc de
celle de (ht) que nous avons étudiée au paragraphe précédent :
le processus et xe sont globalement stables si ht tend vers 0, quelle
que soit la condition initiale (autrement dit si toutes les racines de
P(ּ) sont en module strictement inférieures à 1).
28
□ Conditions nécessaires de stabilité de 0
29
μ = μ̄ < 1. Il en est de même si P(λ) a une racine réelle double,
μ. Dans ce cas, en effet, a0 = μ2. On a donc bien |a0| < 1 μ < 1.
Cette condition ne suffit cependant pas lorsque P(λ) a deux
racines réelles distinctes μ1 et μ2. Supposons que μ2 > μ1.
Si P(1) > 0, alors 1 est à l’extérieur des racines (comme cela a
été signalé à propos de la condition nécessaire). Or 1 ne peut être
inférieur à μ1 (car alors |μ1μ2| > 1, ce qui est incompatible avec
l’hypothèse |a0| < 1) ; il est donc supérieur à μ2.
De même, si P( – 1) > 0, alors – 1 est à l’extérieur des racines.
Or il ne peut être supérieur à μ2 (car, par hypothèse, |μ1μ2| < 1) ; il
est donc inférieur à μ1.
Conclusion : P(1) > 0, P( – 1) > 0 et |a0| < 1 1 > μ2 > μ1> – 1.
D – Applications
a) Le tâtonnement séquentiel
30
On suppose également que le processus de tâtonnement est de la
forme :
[26] pt + 1 – pt = k[d(pt) – s(pt)] (k > 0).
Ce processus est donc décrit par l’équation de récurrence :
[27] pt + 1 + [k(b + c) – 1]pt = k(a + d),
obtenue en remplaçant, dans l’équation [26], d(pt) et s(pt) par
a – bּpt et cּpt – d respectivement.
□ Résolution de l’équation
31
ment positifs). Pour que le tâtonnement soit globalement stable, il
ne suffit pas (comme dans le cas du tâtonnement continu étudié
pages 74-75) que les pentes des courbes d’offre et de demande
soient positive pour la première et négative pour la seconde ; il
faut en outre que la constante k soit choisie de façon à ce que la
somme des valeurs absolues de ces pentes soit strictement
inférieure à 2/k.
b) Le cobweb
□ Équilibre et stabilité
32
[29] est donc de la forme : pt = ht + pe, où (ht) est la suite solution
de son équation homogène associée, c’est-à-dire l’équation :
bpt + cpt – 1 = 0,
dont le polynôme caractéristique est :
c
P(λ) = λ + .
b
L’unique racine de ce polynôme étant –
c
/b, on en conclut que le
a+d c
prix pt converge vers si et seulement si /b < 1, autrement dit
b+c
si et seulement si c < b (la pente de la courbe de demande est
supérieure en valeur absolue à celle de la courbe d’offre1).
Soit une action dont le prix en t est pt, soit d le dividende qu’elle
rapporte à chaque période, et soit i le taux d’actualisation (avec
0 < i < 1). Par arbitrage, on a :
[30] pt = Erreur ! + Erreur ! ,
où pt a+ 1 est le prix, anticipé en t, de l’action en t + 1.
Le prix d’équilibre, pe, vérifie ici l’équation : Erreur ! +
d
Erreur ! = pe. On a donc : pe = /i.
∞
Comme
1
i
= ,
t=1
, ΣErreur ! (somme des termes d’une
progression géométrique de raison Erreur !), on a : Erreur !
∞
= ,
t=1
, ΣErreur !. Le prix d’équilibre de l’action est donc égal à
la somme actualisée des dividendes qu’elle rapportera à son
détenteur (lorsque l’horizon est infini), autrement dit à la valeur
fondamentale de cette action.
La trajectoire de pt dépend évidemment de la forme des antici-
pations retenue. La question de la stabilité du prix d’équilibre pe
appelle notamment (comme nous allons ici le voir) des réponses
□ Anticipations adaptatives
34
d
Comme 1 + i > 1, pt converge (vers /i) à la seule condition que
α = 0 : la seule trajectoire qui converge est celle dont la condition
d
initiale est p0 = /i (dans ce cas, le prix de l’action est constamment
d
égal à sa valeur fondamentale, /i). Dans tous les autres cas (pour
toutes les autres valeurs de α), le prix du titre augmente de façon
exponentielle — on est en présence d’une bulle rationnelle.
d) L’oscillateur de Samuelson
Yt = Ct + It + G = cYt – 1 + h(Ct – Ct – 1) + G.
D’où Yt = cYt – 1 + hc(Yt – 1 – Yt – 2) + G.
L’équation de récurrence vérifiée par le revenu est donc :
[34] Yt – c(1 + h)Yt – 1 + hcYt – 2 = G.
C’est une équation d’ordre 2 dont le second membre est une
constante.
□ Équilibre et stabilité
35
Ye – c(1 + h)Ye + hcYe = G.
G G
D’où Ye = /[1 – c(1 + h) + hc] = /(1 – c). La solution de l’équation
[34] est donc de la forme :
G
Yt = ht + /(1 – c),
où ht est la solution générale de son équation homogène associée,
à savoir l’équation :
Yt – c(1 + h)Yt – 1 + hcYt – 2 = 0,
dont le polynôme caractéristique est :
P(λ) = λ2 – c(1 + h)λ + hc.
Les modules des racines de ce polynôme sont strictement inférieurs
à 1 si et seulement si : P(1) > 0, P( – 1) > 0 et |hc| < 1.
Les deux premières conditions sont toujours vérifiées. En effet :
P(1) = 1 – c(1 + h) + hc = 1 – c > 0, car c est inférieur à 1 ; et
P( – 1) = 1 + c(1 + h) + hc = 1 + c + 2ch > 0, car c et h sont strictement
positifs.
G
Conclusion : l’équilibre Ye = /(1 – c) est globalement stable si et
seulement si |hc| < 1 ou encore si et seulement si h < 1/c.
36
II Systèmes de n équations de récurrence linéaires
d’ordre 1 à coefficients constants
37
équations d’ordre 1. Ainsi, dans le cas où n = 2, autrement dit dans
le cas d’une équation du type : xt + 2 = – a1xt + 1 – a0xt, si l’on pose
Xt = xt + 2
xt + 1
xt , et donc Xt + 1 = xt + 1, l’équation est équivalente au
– a1 – a0
système Xt + 1 = AXt, avec A =
1 0 . De façon plus géné-
rale, l’équation d’ordre n : xt + n + an – 1xt + n – 1 + … + a0xt = 0, peut
s’écrire sous la forme Xt + 1 = AXt,
– an – 1 – an – 2 … – a1 – a0
1 0 … 0 0 xt +n – 1
avec A = 0 1 … 0 0 et Xt = xt + 1 .
0
0 …
1 0
xt
38
Déterminant d’une matrice carrée
Le déterminant d’une matrice carrée A
a
a11 a12 a13
a
est une fonction qui associe à cette Le déterminant de M = 21 a22 a23
dernière un nombre réel (appelé aussi 31 a32 a33
déterminant de A et noté dét(A) ou |A|) est :
et qui a les propriétés suivantes : a11dét(M11) – a21dét(M21) + a31dét(M31),
P1 — le déterminant est une forme où Mij est la matrice obtenue en suppri-
multilinéaire : si l’on remplace une mant la ième ligne et la jème colonne de M.
colonne quelconque Ci de A par une Cette dernière expression est le déve-
combinaison linéaire de la forme loppement du déterminant de M suivant
αCi’ + βCi’’, où Ci’ et Ci’’ ont le même les termes de sa première colonne. Mais
format* que Ci, alors le déterminant de on peut développer ce déterminant
la nouvelle matrice est égal à la combi- suivant n’importe quelle colonne ou ligne
naison linéaire, de coefficients α et β, de M. Par exemple, le développement
des déterminants des matrices obtenues suivant sa deuxième ligne est :
en remplaçant Ci par Ci’ et Ci’’, respec- – a21dét(M21) + a22dét(M22) – a23dét(M23).
tivement ; On remarque ici que les signes de ce
P2 — le déterminant est une forme développement sont alternés par rapport
alternée : si l’on permute deux colonnes à ceux du développement précédent ; ceci
(ou lignes) de A, son déterminant est une conséquence de la propriété P2.
change de signe ;
P3 — le déterminant de la matrice Plus généralement, le développement du
identité* est égal à 1. déterminant de la matrice M = (aij)
d’ordre n suivant sa jème colonne est :
De ces propriétés, on déduit que : i=n
1. dét(AB) = dét(A) dét(B) = dét(BA). ( – 1)i + jaijdét(Mij).
i=1
2. Le déterminant d’une matrice ne
varie pas si l’on ajoute, à l’une de ses A1 A2
colonnes (lignes), une combinaison
linéaire de ses autres colonnes (lignes).
5. dét
( )
0 A3
= dét A1 dét A3
Xt + 1 = AXt, avec A =
1 1
[3]
2 0 .
39
Comme dét(A – I) = dét = 0( – 1) – 2(1) = – 2 ( ≠ 0), le
0 1
2 – 1
→
seul vecteur d’équilibre de ce processus est Xe = 0 .
→
2nd cas : Xe = 0 n’est pas l’unique vecteur d’équilibre du processus
décrit par l’équation [2].
C’est le cas si et seulement si dét(A – I) = 0, donc si et seulement
si 1 est valeur propre de A (voir encadré Valeurs propres, vecteurs
propres, sous-espaces propres). Dans ce cas, l’ensemble des vecteurs
d’équilibre est le sous-espace propre de A associé à 1 (encore noté
ker(A – I)).
x1 0 1 0
colonne X = .
xn
M=
0 1 0
2 1 –2
Alors on a :
1
n
par le vecteur X = 0 est :
MX = x1C1 + … + xnCn = xiCi . 1
= 0.
1 0 1 0 0
0
MX = 1 0 + 0 1 + 1 0
2 1 –2
2. Résolution
41
Toute la difficulté, pour trouver cette solution, réside donc dans
le calcul de At. Nous distinguerons ici deux cas : le cas où A est
diagonalisable (voir encadré Matrice diagonalisable) et celui où
elle ne l’est pas.
Matrice diagonalisable
Une matrice carrée, M, d’ordre n est D, d’où l’expression « matrice diagona-
diagonalisable si et seulement si elle a n lisable ».
vecteurs propres linéairement indépen-
dants*. Remarques :
Si tel est le cas, il découle de 1. Une condition nécessaire et suffisante
l’équation MPi = λiPi, i = 1,…, n, que pour qu’une matrice soit diagonalisable
l’on a MP = PD, où D est une matrice est que la dimension de chacun de ses
diagonale* des n valeurs propres λ1 ..., λn sous-espaces propres soit égale à la
de A, et où P = (P1 … Pn), P1,…, Pi,…, Pn multiplicité algébrique de la valeur
étant n vecteurs propres de A linéaire- propre à laquelle il est associé.
ment indépendants associés respective- 2. Si les valeurs propres de la matrice
ment à λ1,…, λn. P est régulière donc sont distinctes deux à deux alors la
inversible*. De MP = PD, on déduit condition 1 est remplie.
donc M = PDP – 1 : M est semblable à
a) Forme de la solution
Xt = (P1 … Pn)
α1
; avec = P – 1X0,
0 λtn αn αn
ou, ce qui revient au même,
42
α1λ1
t
n
−−
(puisque X0 IRn), X0 = α−− −−
1 P1 + α2 P1+ Σ α−−−
i=3
P i 1 [6].
43
D’où, par soustraction de l’équation [6] à l’équation [5] :
n
−−
→
Σ
0 = (α1 – α−−2) P1 + (α2 – α−−1)P1 + (αiPi – α−−−
i=3
iP1),
c) Exemples
2 1 – 2
cette matrice, notées respectivement C1, C2 et C3, étant telles que
1
de A associé à 1.
Les vecteurs propres de A associés à 2 sont les vecteurs P tels
–1 1 0
que (A – 2I)P = 0 . Or A – 2I = 0 0 0. Les trois colonnes
→
2 1 – 3
44
de A – 2I, notées respectivement C1, C2 et C3, étant telles que
1
de A associé à 2.
Les vecteurs propres de A associés à – 1 sont les vecteurs P tels
2 1 0
A + I, notées respectivement C1, C2 et C3, étant telles que
1
A associé à – 1.
La solution de l’équation [7] est donc de la forme :
Xt + 1 = AXt, avec A = – 1 0 0 .
2 2 0
[8]
2 1 –1
Les valeurs propres de A sont les racines de l’équation :
dét(A – λI) = 0.
Or 2––1λ 2
–λ
0
0 = ( – 1 – λ)(λ2 – 2λ + 2). Le discriminant
2 1 –1–λ
réduit de λ2 – 2λ + 2 est Δ’ = – 1 = i2. La matrice A a donc une valeur
propre réelle, – 1, et deux valeurs propres non réelles, 1 + i et 1 – i,
45
dont le module est 12 + 12 = 2. En outre, l’argument de 1 + i
π 2
est θ = /4 (si 1 + i = 2 (cos θ + i sin θ), alors cos θ = sin θ = ).
2
Les vecteurs propres de A associés à – 1 sont les vecteurs P tels
2 1 0
cette matrice, notées respectivement C1, C2 et C3, étant telles que
1
de A associé à – 1.
Les vecteurs propres de A associés à 1 + i sont les vecteurs P
1–i
tels que [A – (1 + i)I]P = 0 . Or A – (1 + i)I = – 1 – 1 – i 0 .
2 0
→
2 1 – 2 – i
→ x
De [A – (1 + i)I]P = 0 , en posant P = y , il vient :
z
(1 – i)x + 2y = 0 x = – (1 + i)y
x + (1 + i)y = 0 , et donc z = – 4 + 3iy
2x + y – (2 + i)z = 0 5
– 11– i
On en déduit que 4 + 3i est un vecteur propre de A associé à
– 5
– 11+ i
1 + i, et, en conséquence, que – 4 + 3i est un vecteur propre de
5
A associé à 1 – i.
La solution réelle de l’équation [8] est donc de la forme :
1
–1
πt 1 πt 0
1
πt πt
(α2 cos 4 – α3 sin 4 ) – 4 + (α2 sin 4 + α3 cos 4 )3
5 5
46
B – Cas où la matrice A n’est pas diagonalisable
a) Forme de la solution
zit + 1 = λizit + cizi + 1t
[9]
z n – 1t + 1 = λn – 1zn – 1t + cn – 1znt
znt + 1 = λnznt
Le système [9] est donc un système de n équations de récur-
rence linéaires d’ordre 1 avec ou sans second membre, que l’on
peut résoudre en commençant par la dernière équation. Celle-ci est
une équation de récurrence linéaire homogène d’ordre 1, dont la
solution est znt = zn0λtn.
On peut alors résoudre la n – 1ème équation du système [9] :
zn – 1t + 1 – λn – 1zn – 1t = cn – 1zn0λnt,
qui est une équation de récurrence linéaire d’ordre 1. Deux cas
sont ici possibles :
47
Forme réduite de Jordan
Lorsque la matrice A n’est pas diago- λi 1 0
0 λ 1 ; si
0 0 λ
nalisable (à savoir lorsque la multipli- est égale à 1, alors Ji = i
cité algébrique de l’une au moins de ses i
λ 0 0
elle est égale à 2, alors J = 0 λ 1 ;
valeurs propres est strictement supé- i
0 0 λ
rieure à la dimension du sous-espace i i
propre qui lui est associé), il n’existe i
λ 0 0
si elle est égale à 3, alors J = 0 λ 0 .
pas de matrice diagonale semblable à A. i
0 0 λ
En revanche il existe une forme réduite i i
de Jordan semblable à A, à savoir une i
matrice de la forme :
J1 0 … 0
Comme J est semblable à A, il existe
0 J2 … 0
une matrice inversible* Q telle que
J= A = QJQ – 1.
0 … … Jm La matrice Q est une matrice carrée
où les 0 désignent des « blocs de zéros » d’ordre m obtenue en résolvant l’équa-
et les Ji, des matrices de la forme : tion : AQ = QJ. Ses colonnes, appelées
λi ci1 0 … vecteurs de Jordan, forment ce que l’on
0
0 λi ci2 …
0
appelle une base de Jordan.
0 … 0 λi cip – 1
Le point essentiel ici est que les matri-
0 … … 0 λi ces Ji peuvent se mettre sous la forme :
où λi est une valeur propre de A de λiI + N,
multiplicité algébrique p, et où les cij où I est une matrice identité et où N est
sont égaux à 0 ou à 1. Plus précisément la matrice :
0 ci1 0 …
les matrices Ji se construisent comme 0
suit : si la dimension du sous-espace
propre associé à λi est égale à k (autre- 0 0
ci2 …
0
ment dit s’il existe k vecteurs propres 0 … 0
0 cip – 1
linéairement indépendants associés à λi), 0 … … 0 0
alors ci1 = … = cik – 1 = 0 et cik = … = qui est telle que Np = 0 (on dit qu’elle
cip – 1 = 1. est nilpotente d’ordre p).
Supposons, par exemple, que λi est une
valeur propre triple de A : si la dimen-
sion du sous-espace propre associé à λi
48
Cette résolution du système [9] nous permet donc d’établir Zt,
puis Xt en prémultipliant Zt par Q (puisque Zt = Q – 1Xt).
b) Exemple
Xt + 1 = AXt, avec A = 0 5 0
2 1 1
[10]
0 1 5
Recherche des valeurs propres de A
que (A – 2I)P1 = 0 . Or A – 2I = 0 3 0 .
0 1 1
→
0 1 3
Comme les trois colonnes de A – 2I, notées respectivement C1, C2
0
est un vecteur propre de A associé à 2.
Les vecteurs propres de A associés à 5 sont les vecteurs P2 tels
–3 1 1
que (A – 5I)P2 = 0 . Or A – 5I = 0 0 0. Comme le rang de
→
0 1 0
A – 5I est égal à 2 (les première et troisième lignes de A – 5I sont
linéairement indépendantes; et sa deuxième ligne est composée
uniquement de 0), la dimension du sous-espace propre associé à 5
est égale à 3 – 2 = 1 (voir encadré Valeurs propres, vecteurs
propres, sous-espaces propres). La matrice A n’est donc pas
diagonalisable. La base de Jordan est alors formée par deux
vecteurs propres P1 et P2, et par un vecteur de Jordan Q1.
49
Comme les trois colonnes de A – 5I, notées respectivement C1,
→
C2 et C3, sont telles que C1 + 0C2 + 3C3 = 0 , on en déduit que
3
Recherche des vecteurs de Jordan
Les vecteurs de Jordan sont les vecteurs Q1 tels que :
0 0 5
Ils vérifient donc le système :
[a] AP1 = 2P1
[11] [b] AP2 = 5P2
[c] AQ1 = P2 + 5 Q1
L’équation [c] de ce système est équivalente au système d’équations
(en notant qi, i = 1, 2, 3, les éléments de Q1) :
2q1 + q2 + q3 = 1 + 5q1
5q2 = 5q2
q2 + 5q3 = 3 + 5q3
qui a pour solution q1 quelconque, q2 = 3, q3 = 3q1 – 2. En posant
q1 = 0, on retient le vecteur de Jordan Q1 :
Q1 = 3.
0
– 2
La solution de l’équation [10] est donc Xt = QZt, où Q est la
matrice (P1 P2 Q1), et Zt la solution du système [12] :
[12] Zt + 1 = JZt,
(que l’on obtient en remplaçant Xt par QZt dans l’équation [10]),
autrement dit (en posant zit, i = 1, 2, 3, les éléments de Zt) du
système :
z1t + 1 = 2z1t
[12] z2t + 1 = 5z2t + z3t
z3t + 1 = 5z3t
De la dernière équation, on déduit z3t = z305t.
En remplaçant z3t par z305t dans la deuxième équation, on obtient
l’équation [13] z2t + 1 – 5z2t = z305t. C’est une équation de récurrence
linéaire d’ordre un avec second membre et résonance. Sa solution
est donc la somme de la solution de l’équation homogène associée
50
(ht = z205t) et d’une solution particulière de [13] du type pt = αt5t.
De pt = αt5t, on déduit pt + 1 = α(t + 1)5t + 1, et, en remplaçant dans
z30
[13], α = . La solution de la deuxième équation du système [12]
5
est donc z2t = z205t + z30t5t – 1.
Enfin, de la première équation, on déduit z1t = z102t.
z102t
On a donc Zt = z205t + z30t5t – 1.
z305 t
1 1 0
t
z102
Comme Xt = QZt, on a Xt = 0 0 3 z205t + z30t5t – 1.
0 3 – 2 z305t
La solution de [10] est donc :
1
1
Xt = z102t 0 + (z205t + z30t5t – 1) 0 + z305t 3 .
0
0 3 – 2
51
A – Conditions de stabilité lorsque l’on connaît les valeurs
propres de la matrice
= AX , avec A = ,
1 1
[14] Xt + 1 t 0
4 2
–1
2
–1
4
–1
2
est globalement stable. En effet :
|A – λI| = (
1
2
)[(14 – λ)(–21 – λ) + 18 ] + 4λ.
–λ
1 λ λ λ 3
D’où |A – λI| = ( – λ)(λ² + ) + = λ(– λ² + + ).
2 4 4 4 8
λ 3 25
Le discriminant de (– λ² + + ) étant égal à /16, ces deux racines
4 8
sont 3/4 et – 1/2. Chacune des trois valeurs propres de A — 0, 3/4 et
–1
/2 — a donc bien un module strictement inférieur à 1.
52
□ Condition nécessaire et suffisante de stabilité globale du
processus
53
vecteurs propres associés aux valeurs propres dont le module est
strictement inférieur à 1.
Reprenons, en effet, le système [2 ] :
Xt + 1 = AXt.
Supposons que A ait m valeurs propres, λ1,…, λm, dont le module
est strictement inférieur à 1, avec 0 ≤ m ≤ n, et n – m valeurs
propres, λm + 1,…, λn, dont le module est supérieur ou égal à 1. Il
s’ensuit que pour que Xt,
Xt = αλ1tP1 + … + αmλmt Pm+ αm + 1λmt+ 1Pm + 1 + … + αnλntPn,
→
converge vers 0 , il faut et il suffit que αi = 0, i, i = m + 1,…, n.
→
Les trajectoires qui convergent vers 0 sont donc de la forme :
Σ αiλitPi.
m
(Xt) =
i = 1
m m
Or, si Xt = Σ α λ P , alors X = Σ α P .
i=1
t
i i i 0
i=1
i i
→
L’ensemble de stabilité de 0 est donc bien :
m
i = 1
Σ
S→0 = αiPi, αi IR, i = 1,…, m.
54
les termes de la forme pi(t)1t si et seulement si la dimension du
sous-espace propre de A associé à 1 est égale à la multiplicité
algébrique de 1.
3ème cas : – 1 < λi < 1 si et seulement si pi(t)λti ⎯⎯→ 0.
t→∞
4ème cas : λi – 1 si et seulement si pi(t)λti n’a pas de limite.
Au total, pi(t)λti converge vers 0 si et seulement si λi < 1, pi(t)λti
converge vers une constante ℓ si et seulement si λi = 1 et pi(t) = ℓ,
et ne converge pas, du moins vers une limite finie, dans tous les
autres cas.
Il s’ensuit que :
→
le vecteur d’équilibre 0 est globalement stable (autrement dit X0,
→
Xt ⎯⎯→ 0 ) si et seulement si toutes les valeurs propres de A ont
t→∞
un module strictement inférieures à 1 ;
et que :
le processus décrit par le système [2] est globalement stable si et
seulement si :
→
— 0 est globalement stable ou
— toutes les valeurs propres de A ont un module strictement
inférieures à 1 sauf une qui est égale à 1, la dimension du sous-
espace propre qui lui est associée devant être égale à la multipli-
cité algébrique de 1.
→
B – Conditions de stabilité de 0 lorsque l’on ne connaît pas
les valeurs propres de la matrice
55
a) Deux conditions nécessaires de stabilité séquentielle de A
et
n n
λi < 1, i = 1,…, n Πλ < 1 Πλ
i=1
i
i=1
i < 1 dét(A) < 1.
S’il existe n réels ki strictement positifs tels que l’on ait : i,
n
i = 1,…, n, Σ a k < k , alors A = (a ) est séquentiellement stable.
j=1
ij j i ij
56
a 11
x1
k1
x x
k1 + a12 2 k2 1 k1
k2 k1
(hypothèse 1) [16]
a
x1 x x
21 k1 + a22 2 k2 2 k2
k1 k2 k2
x1 x x x
Deux cas sont alors possibles : 2 et 2 1 .
k1 k2 k2 k1
x1 x
Supposons que 2 .
k1 k2
a xk
11
1
k1 + a12
x1
k1
x
k2 1 k1 [17]
k1
[16]
1
a k
x x1 x
21
1
k1 + a22 k2 2 k2 [18]
1 k1 k2
Or [17] a11k1 + a12k2 λk1.
Et comme (hypothèse 2) a11k1 + a12k2 < k1 , il s’ensuit que k1 > λk1
ou, ce qui revient au même 1 > λ.
x2 x
On arrive à la même conclusion, dans le cas où 1 (mais
k2 k1
en utilisant, cette fois, l’équation [18]).
57
CHAPITRE II
ÉVOLUTIONS CONTINUES LINÉAIRES
À COEFFICIENTS CONSTANTS
58
d’évolution en t, donnée par x, .(t), et son accélération en t, donnée
par x, ..(t). L’idée est ici que, si l’on connaît le niveau du prix et sa
vitesse d’évolution à l’instant initial t0, autrement dit si l’on
connaît x(t0) et x, .(t0), alors, grâce à cette équation, on en connaît
également l’accélération en t0, et l’on peut par là même déterminer
le niveau du prix à n’importe quel instant t. Pour cette raison, on
appelle le vecteur (x(t0) , x, .(t0)), encore noté X0, la condition
initiale du processus décrit par l’équation [2]. Et l’on verra que, à
chaque condition initiale correspond une trajectoire — ou
fonction — unique solution de l’équation [2]. Notons que, si l’on
pose, comme cela est généralement le cas (et comme on le
supposera dans toute cette section), t0 = 0, alors la condition
initiale est donnée par le vecteur (x(0) , x, .(0)).
Si l’on transpose ce que nous venons de dire aux équations
d’ordre n, alors la condition initiale est évidemment donnée par le
vecteur (x(0) , x, .(0) , … , x(n – 1)(0)).
La question importante pour les économistes est, ici encore, de
savoir si certaines des trajectoires vérifiant l’équation [1] conver-
gent, et, si oui, lesquelles et vers quel(s) équilibre(s).
1. La notion d’équilibre
59
2. Résolution des équations différentielles linéaires
d’ordre n à coefficients constants
60
b) Équations homogènes d’ordre 2
□ Résolution de l’équation
61
μ1 t μ2 t μ1 t μ2 t
Si x(t) = α1e + α2e , et donc x, .(t) = α1μ1e + α2μ2e , alors
x(0) = α1 + α2 et x, .(0) = αμ1 + αμ2. Nous sommes ici en présence
d’un système de deux équations à deux inconnues, α et α, ayant
pour unique solution :
(α , α) = Erreur !.
Pour (x(0) , x, .(0)) donné, l’unique solution de [7] est donc :
Erreur !
1 Le couple (α , β) est en effet le même que dans le chapitre I (page 12), avec (x(0) ,
.
x, (0)) à la place de (x0 , x1).
62
3ème cas : Δ = 0. P(ּ) a une racine réelle double : μ = – 1/2.
a
1er cas : P(ּ) a deux racines réelles α1(1,μ1) + α2(1,μ2) = (x(0),x, .(0))
distinctes μ1 et μ2. La solution est alors :
μ1t μ2t
x(t) = α1e + α2e , 2ème cas : P(ּ) a deux racines non réelles
où α1 et α2 sont solutions du système : a + ib et a – ib. La solution réelle est
alors :
63
x(t) = αeat cos bt + βeat sin bt, où α et β sont solutions du système :
α (1,a) + β (0,b) = (x(0),x, .(0))
□ Exemples
64
sont donc solutions du système
{ x(0) = αe2(0) + ß(0)e2(0), x, .(0) = 2αe2(0) + ße2(0) + 2ß(0)e2(0)
Pour x(0) = 1 et x, .(0) = 0, on a donc : α = 1 et β = – 2.
Ainsi la solution de l’équation [10] lorsque x(0) = 1 et x, .(0) = 0
est :
x(t) = (1 – 2t)e2t.
3ème cas : P(ּ) a une racine réelle triple, μ1. La solution de l’équation
[11] est alors :
x(t) = (α1 + α2t + α3t2)eμ1t,
où α1, α2 et α3 sont solutions du système :
65
α1(1,μ1,μ1,2) + α2(0,1,2μ1) + α3(0,0,2) = (x(0),x, .(0),x, ..(0)).
4ème cas : P(ּ) a une racine réelle, μ, et deux racines non réelles, a +
ib et a – ib. La solution réelle de l’équation [11] est alors :
x(t) = α1eμt + α2eat cos bt + α3eat sin bt,
où α1, α2 et α3 sont solutions du système :
α1(1,μ, μ2) + α2(1,a,a2 – b2) + α3(0,b,2ab) = (x(0),x, .(0),x, ..(0)).
On peut ici montrer que toute solution x(t) de l’équation [1] est
de la forme h(t) + p(t), où h(t) est solution de l’équation homogène
associée à [1] et où p(t) est une solution particulière de [1]. En
effet, si p(t) est une solution particulière de [1], on a :
[1′] p(n)(t) + an – 1p(n – 1)(t) + … + a1p, .(t) + a0p(t) = f(t).
Or, par soustraction de [1′] à [1], on obtient :
[x(n)(t) – p(n)(t)] + an – 1[x(n – 1)(t) – p(n – 1)(t)] + ... + a0[x(t) – p(t)] = 0.
La fonction [x(t) – p(t)] est donc solution de l’équation homogène
associée à l’équation [1]. Si l’on note h(t) cette solution, on a
h(t) = [x(t) – p(t)] et donc x(t) = [h(t) + p(t)].
On a vu, dans le paragraphe précédent, comment trouver la
solution de l’équation homogène associée à l’équation [1]. Pour
déterminer x(t), il ne reste donc plus qu’à déterminer p(t).
□ Exemples
67
Exemple 2 — Soit l’équation d’ordre 3 :
[13] x, ...(t) + x, ..(t) – 4x, .(t) – 4x(t) = 4t + 8.
Les racines du polynôme caractéristique de cette équation,
P(λ) = λ3 + λ2 – 4λ – 4, sont – 1, 2 et – 2 (voir page 19). La solu-
tion générale de l’équation homogène associée à [13] est donc :
h(t) = αe – t + αe2t + αe – 2t, avec αi IR, i = 1, 2, 3.
Le second membre de [13] étant un polynôme de degré 1, on
pose p(t) = at + b. On a donc p, .(t) = a, et p, ...(t) = p, ..(t) = 0. En
remplaçant dans [13], on obtient : 0 + 0 – 4a – 4(at + b) = 4t + 8,
et donc : – 4at – 4a – 4b = 4t + 8. Ce qui est vérifié, quel que soit t,
si a = – 1 et b = – 1. D’où la solution particulière : p(t) = – t – 1.
La solution générale de l’équation [13] est donc :
x(t) = αe – t + αe2t + αe – 2t – t – 1, avec αi IR, i = 1, 2, 3.
□ Problème de la résonance
68
[15] x, ..(t) + 3x, .(t) + 2x(t) = 3e – 2t.
Dans ce cas, dit de résonance, pour déterminer une solution
particulière de l’équation [15], on procède de la même façon que
pour les équations de récurrence : au lieu de poser p(t) = ae – 2t, on
pose p(t) = ate – 2t. On a donc :
p, .(t) = ae – 2t – 2ate – 2t et p, ..(t) = – 4ae – 2t + 4ate – 2t.
En remplaçant dans l’équation [15], on obtient :
– 4ae – 2t + 4ate – 2t + 3ae – 2t – 6ate – 2t + 2ate – 2t = 3e – 2t,
ou, ce qui revient au même :
at(4 – 6 + 2)e – 2t + a( – 4 + 3)e – 2t = 3e – 2t
et donc : – a = 3. Il s’ensuit que a = – 3.
La solution particulière est donc p(t) = – 3te – 2t, et la solution
générale :
x(t) = α1e – 2t + α2e – t – 3te – 2t, avec αi IR, i = 1, 2.
Remarques :
— Si, dans le cas que nous venons de traiter, – 2 avait été racine
double de P(λ), alors, on n’aurait pas posé p(t) = ate – 2t, mais
p(t) = at2e – 2t. De façon plus générale, si l’équation [15] avait été
une équation d’ordre n, et si – 2 avait été racine d’ordre p (p < n)
de P(λ), alors, on aurait posé p(t) = at pe – 2t.
— On a des cas de résonance :
• lorsque le second membre de l’équation est de la forme αeλt,
avec λ racine du polynôme caractéristique de l’équation homogène
associée :
• lorsque le second membre est de la forme α cos bt ou α sin bt,
avec b la partie imaginaire d’une racine du polynôme caractéristi-
que de l’équation homogène associée.
69
A – Conditions de stabilité lorsque l’on connaît les racines
du polynôme caractéristique de l’équation
70
1er cas : si eλt ⎯⎯→, 0, alors λ < 0. En effet, si λ est positif ou
t→∞
nul (voir les 2ème et 3ème cas ci-dessus), alors eλt ne converge pas
vers 0.
2ème cas : si eλt ⎯⎯→, + ∞, alors λ > 0. En effet, si λ est
t→∞
négatif ou nul (voir les 1er et 3ème cas ci-dessus), alors eλt ne tend
pas vers + ∞.
3ème cas : si eλt ⎯⎯→, 1, alors λ = 0, puisque pour toutes les
t→∞
autres valeurs de λ (voir les 1er et 2ème cas ci-dessus), eλt ne
converge pas vers 1.
71
pour que eλt, t keλt, eat cos bt, eat sin bt, t keat cos bt, et t keat sin bt
convergent vers 0 lorsque t tend vers l’infini, il faut et il suffit que
la partie réelle de λ soit strictement négative.
La solution x(t) étant toujours une combinaison linéaire de
termes de la forme t keλt, t keat cos bt et t keat sin bt (k 0), où a est
la partie réelle de λ, on peut déduire de cette proposition une
condition nécessaire et suffisante de stabilité globale de la valeur
d’équilibre 0 (ou, ce qui revient au même, puisque cet équilibre est
unique, une condition nécessaire et suffisante de stabilité globale
du processus) :
le processus décrit par l’équation [4] — ou la valeur d’équilibre
0 — est globalement stable si et seulement si la partie réelle de
chacune des racines du polynôme caractéristique de cette équation
est strictement négative.
72
x, ..(t) = αe – t + 4βe – 2t et (x(0),x, .(0),x, ..(0)) = α ( 1,– 1, 1) + β
( 1,– 2, 4).
L’ensemble de stabilité de 0 est donc ici :
S0 = {α( 1,– 1, 1) + β( 1,– 2, 4), α IR, β IR}.
73
En remplaçant, dans l’équation [18], d(t) et s(t) par a – bּp(t) et
cּp(t) – d respectivement, on obtient : p, .(t) = k[a – bּp(t) – cּp(t) + d]
ou, ce qui revient au même :
[19] p, .(t) + k(b + c)p(t) = k(a + d).
Le prix d’équilibre, pe, vérifie k(b + c)pe = k(a + d). D’où :
a+d
pe = .
b+c
L’équation homogène associée à [19] est p, .(t) + k(b + c)p(t) =
0. Son polynôme caractéristique, P(λ) = λ + k(b + c), a pour
unique racine : λ = – k(b + c). En conséquence, sa solution
générale est : h(t) = αe – k(b + c)t, avec α IR.
La solution générale de [19] est donc :
a+d
p(t) = αe – k(b + c)t + , avec α IR.
b+c
Conclusion : le tâtonnement — et le prix d’équilibre — sont
globalement stables, puisque, comme b, c et k sont strictement
positifs, – k(b + c) est strictement négatif. Les hypothèses usuelles
sur les pentes des courbes d’offre et de demande (positive pour la
première, négative pour la seconde) suffisent donc ici à assurer la
convergence du tâtonnement continu, et ce, contrairement à ce qui
se passe dans le cas du tâtonnement séquentiel (voir pages 31-32).
74
[ 20] x, ..(t) + a1x, .(t) + a0x(t) = c
avec a0 ≠ 0, et où c est une constante.
Pour que le processus décrit par cette équation — ou, ce qui
c
revient au même, la valeur l’équilibre /a0 — soit globalement
stable, il faut et il suffit que les deux coefficients a1 et a0 soient
strictement positifs.
En effet, les parties réelles des racines de P(ּ) sont strictement
négatives si et seulement si a1 et a0 sont strictement positifs.
Pour démontrer cette proposition, rappelons que – a1 est la
somme des racines de P(ּ), et a0, leur produit (voir page 29). Deux
cas sont alors envisageables :
1er cas : les deux racines de P(ּ) sont réelles.
Si elles sont strictement négatives, alors leur somme, – a1, est
strictement négative et leur produit, a0, strictement positif.
Réciproquement, si leur somme est strictement négative, alors
l’une au moins de ces racines l’est aussi, et, si leur produit est
strictement positif, alors ces deux racines sont de même signe. Les
deux propositions a1 > 0 et a0 > 0 assurent donc bien que ces deux
racines sont strictement négatives.
2nd cas : les deux racines de P(ּ) sont non réelles.
Dans ce cas, la condition a1 > 0 est, à elle seule, nécessaire et
suffisante (puisque le produit de deux non réels conjugués est
toujours strictement positif). Notons a + ib et a – ib les deux
racines de P(ּ) ; leur somme est égale à 2a. Il vient alors immé-
diatement que la partie réelle, a, de ces racines est strictement
négative si et seulement si leur somme, 2a, l’est aussi, autrement
dit si et seulement si a1 est strictement positif.
75
□ Une condition nécessaire de stabilité
76
soient strictement positifs.
77
II Systèmes de n équations différentielles linéaires
d’ordre 1 à coefficients constants
78
.
est, par exemple, équivalente au système X, (t) = AX(t), avec
A=
– an – 1, – an – 2,… – a1, – a0,1,0,…,0,0,0,1,…,0,0
0 0 … et
1 0
X(t) = (x(n – 1)(t),,x, .(t),x(t))
79
L’ensemble des vecteurs d’équilibre est alors le sous-espace
propre de A associé à 0 (noté aussi kerA), et sa dimension est
égale à la différence entre l’ordre et le rang de A.
2. Résolution
a) Forme de la solution
80
Ce qui donne, en prémultipliant les deux membres de l’équation
.
[5] par P – 1 : P – 1X, (t) = DP – 1X(t). D’où, en posant Y(t) = P –
1X(t), et donc Y, (t) = P – 1X, .(t) (puisque P – 1 est à éléments
.
constants) :
.
[6] Y, (t) = DY(t).
En notant yi(t), i = 1, …, n, les éléments de y(t), et en développant
l’équation [6], on obtient le système de n équations différentielles
homogènes d’ordre 1 :
{y, .1(t) = λ1y1(t),, y, .i(t) = λiyi(t), , y, .n(t) = λnyn(t)
Comme la solution de l’équation y, .i(t) = λiyi(t) est de la forme
yi(t) = αieλit (voir I), celle du système [6] est de la forme :
λ t λt λ t
Y(t) = (α1e 1 ,, αie i ,, αne n )
– 1
De Y(t) = P X(t), on déduit (en prémultipliant les deux membres
de cette équation par P) que X(t) = PY(t). On a donc :
λ t λt λ t
X(t) = P(α1e 1 ,, αie i ,, αne n ), avec P = (P1 … Pn),
soit, de façon plus détaillée :
X(t) = α1eλ1tP1 + … + αieλitPi + … + αneλntPn.
La solution de l’équation [2] est donc
n
[7] X(t) = ,
i=1
, Σα e
i
λitP ,
i
n
les αi étant solution du système X(0) = ,
i=1
, Σα P
i i (que l’on
obtient en remplaçant t par 0 dans [7]).
81
−−
correspondent les vecteurs propres P1 et P1, respectivement. La
solution de [2] peut alors s’écrire :
−− −− n
X(t) = α1eλ1tP1 + α2eλ1t, P1, + , , αieλitPi,
i=3
Σ
α1 et α2 étant eux-mêmes conjugués. Pour le montrer, remplaçons t
n
−−
par 0 dans cette égalité : soit X(0) = α1P1 + α2P1, + , , αiPi
i=3
Σ
n
−−−−− −−
[8] et donc X(0), = α1,−−P1, + α2,−−P1 + ,
i=3
, Σ α P ,−−−−−, ou,
i i
−−
ce qui revient au même (puisque X(0) IRn), X(0) = α1,−−P1,
n
−−−−−
+ α2,−−P1 + , , αiPi,
i=3
Σ [9].
D’où, par soustraction de l’équation [9] à l’équation [8] :
n
−− −−−−−
→
i=3
Σ
0, = (α1 – α2,−−) P1 + (α2 – α1,−−) P1, + , , ( αiPi – αiPi,
),
ce qui implique (les Pi étant linéairement indépendants) que
α1 = α2,−−et α2 = α1,−−. On peut donc écrire X(t) comme suit :
−− −− n
Σ
X(t) = α1eλ1tP1 + α1,−−eλ1t, P1, + , , αieλitPi,
i=3
ce qui donne, en posant α1 = α + iβ, P1 = P1′ + iP1″, λ1 = a + ib, et
donc eλ1t = eateibt = eat( cos bt + i sin bt) :
n
X(t) = 2eat[(α cos bt – β sin bt)P1′ – (β cos bt + α sin bt)P1″] + ,
i=3
, Σ
αieλitPi
ou encore :
n
X(t) = 2eat[cos bt(α P1′ – βP1″) – sin bt(βP1′ + α P1″)] + ,
i=3
, Σ
αieλitPi.
c) Exemples
82
.
[10] X, (t) = AX(t), avec A = ( 1,1, 0,0,2, 0,2,1,– 1 )
Les valeurs propres de A sont 1, 2 et – 1 (voir page 44). Comme
elles sont distinctes, A est diagonalisable. En outre (1,0,1), (1,1,1),
et (0,0,1) sont des vecteurs propres de A associés respectivement à
1, à 2 et à – 1. La solution de l’équation [10] est donc de la forme :
X(t) = α1e t (1,0,1) + α2e2t (1,1,1) + α3e – t (0,0,1)
a) Forme de la solution
83
.
[12] X, (t) = QJQ – 1X(t),
. .
ce qui donne, en posant Z(t) = Q – 1X(t), et donc Z, (t) = Q – 1X, (t)
(Q – 1 étant à éléments constants), et en remplaçant dans [12] :
.
[13] Z, (t) = JZ(t),
ou encore, en notant zi(t), i = 1, …, n, les éléments de Z(t) :
[13]
b) Exemple
z, .1(t) = 2z1(t),
.
z, 2(t) = 5z2(t) + z3(t), z.3(t) = 5z3(t)
De la dernière équation de ce système, on déduit z3(t) = z3(0)e5t.
En remplaçant z3(t) par z3(0)e5t dans la deuxième équation, on
obtient l’équation [16] z, .2(t) – 5z2(t) = z3(0)e5t. C’est une équation
différentielle linéaire d’ordre 1 avec second membre et résonance.
Sa solution est donc la somme de la solution de l’équation homo-
gène associée (h(t) = z2(0)e5t) et d’une solution particulière de [16] de
la forme p(t) = αte5t. De p(t) = αte5t, on déduit p, .(t)= αe5t + 5αte5t,
et, en remplaçant dans [16], α = z3(0). La solution de [16] est
donc z2(t) = [z2(0) + z3(0)t]e5t.
Enfin, de la première équation, on déduit z1(t) = z1(0)e2t.
On a donc Z(t) = (z1(0)e2t,[z2(0) + z3(0)t]e5t,z3(0)e5t)
Comme X(t) = QZ(t), on a X(t) = (P1 P2
Q1)(z1(0)e2t,[z2(0) + z3(0)t]e5t,z3(0)e5t).
La solution de [14] est donc :
X(t) = z1(0)e2t (1,0,0) + [z2(0) + z3(0)t]e5t (1,0,3) + z3(0)e5t ( 0, 3,– 2)
86
□ Condition nécessaire et suffisante de stabilité globale du
processus
87
1er cas : (λi) < 0 si et seulement si pi(t)eλit ⎯⎯→, 0.
t→∞
2ème cas : λi = 0. On a donc pi(t)eλit = pi(t). Dans ce cas pi(t)eλit tend
vers une limite finie — la constante ℓ — lorsque t tend vers l’infini
si et seulement si pi(t) est un polynôme de degré 0 (autrement dit
si et seulement si pi(ּ) = ℓ). Or ceci est le cas pour tous les termes
de la forme pi(t)e0t si et seulement si la dimension du sous-espace
propre de A associé à 0 est égale à la multiplicité algébrique de 0.
3ème cas : pour toutes les autres valeurs de λi, pi(t)eλit ne converge
pas vers une limite finie.
Il s’ensuit que :
→
le vecteur d’équilibre 0, est globalement stable si et seulement si
les parties réelles des valeurs propres de A sont strictement
négatives,
et que
le processus décrit par le système [2] est globalement stable si et
seulement si :
→
— 0, est globalement stable ou
— toutes les valeurs propres de A ont une partie réelle strictement
négative sauf une qui est égale à 0, la dimension du sous-espace
propre qui lui est associée devant être égale à la multiplicité algé-
brique de 0.
→
B – Conditions de stabilité de 0, lorsque l’on ne connaît
pas les valeurs propres de la matrice
88
Il existe un certain nombre de critères permettant d’établir si A
est ou non d-stable, et ce, sans déterminer ses valeurs propres. Ce
sont quelques-uns de ces critères que nous allons ici donner.
Pour qu’une matrice A d’ordre n soit d-stable, il faut que l’on ait :
( – 1)ndét(A) > 0.
En effet, si les n valeurs propres d’une matrice ont une partie
réelle strictement négative, alors leur produit — autrement dit le
déterminant de A — est positif si n est pair et négatif si n est
impair2. Il s’ensuit que le déterminant de A est du signe de ( – 1)n
et, en conséquence, que l’on a : ( – 1)ndét(A) > 0.
Pour qu’une matrice A d’ordre n soit d-stable, il faut que tous les
coefficients du polynôme ( – 1)ndét(A – λI) soient strictement
positifs.
Si l’on note λ1,… , λn les n valeurs propres de A — autrement
dit les n racines de dét(A – λI) —, on a en effet :
dét(A – λI) = Erreur !,
et donc : dét(A – λI) = ( – 1)n Erreur !,
n
ou encore ( – 1) dét(A – λI) = Erreur !.
Deux cas sont alors possibles : soit λi est un réel strictement négatif,
soit λi est une racine non réelle, mais dont la partie réelle est
strictement négative. Dans le premier cas (λ – λi) est un polynôme
−−
à coefficients strictement positifs. Dans le second, λi, est aussi
−−
racine de dét(A – λI) et (λ – λi)(λ – λi, ) est un polynôme à
coefficients strictement positifs.
1 Rappelons que la somme de deux complexes conjugués, z et z,−, est égale à 2(z).
2 Rappelons que le produit de deux complexes conjugués, a + ib et a – ib, est le réel
positif a2 + b2.
89
Dans tous les cas, ( – 1)n dét(A – λI) est le produit de polynômes
à coefficients strictement positifs. C’est donc lui-même un poly-
nôme à coefficients strictement positifs.
□ À l’ordre 2
Pour que les parties réelles des valeurs propres de A, autrement dit
n
des racines de dét(A – λI) = ( – 1) (λn + an – 1λ n – 1 + … + a1λ + a0),
soient strictement négatives, il faut et il suffit que les mineurs
principaux de la matrice R,
1 Rappelons, en effet, qu’elles sont ici nécessairement conjuguées. Elles ont donc la
même partie réelle.
90
an − 1 1 0 0 0 0 0
an − 3 an − 2 an − 1 1 0 0 0
a an − 4 an − 3 an − 2 an − 1 0 0
R = n −5
0 0 0 0 0 a1 a2
0 a0
0 0 0 0 0
soient strictement positifs.
j≠i
, Σ a k xk = (λ – a )k xk , i, i = 1,..., n,
ij j
j
j
ii i
i
i
91
D’où (le module d’une somme étant inférieur ou égal à la somme
des modules, et le module d’un produit étant égal au produit des
modules) :
[21]
j≠i
, ΣErreur ! ≥ Erreur ! k Erreur !, i, i = 1,...,
i
n.
Notons Erreur !le plus grand des rapports Erreur !. De [21], on
déduit :
[22]
j≠i
, ΣErreur ! ≥ Erreur ! k Erreur !, i, i = 1,...,
i
n,
et donc, lorsque i = m (à savoir pour la mème ligne du système) :
j≠m
, ΣErreur ! ≥ Erreur ! k m Erreur !,
ou encore, en divisant les deux membres de l’inéquation par
Erreur ! :
[23]
j≠m
, Σa mj kj ≥ λ – amm km.
De [23] et de [19] (puisque la matrice A est à diagonale négative
dominante) appliquée à i = m, il découle :
amm km > λ – amm km,
ou, puisque amm < 0 : – amm > λ – amm , ce qui donne, en posant
Exemple — La matrice
A = ( – 3, 1, 1, 0,– 1, 0, 0, 1,– 2 ) est à diagonale
négative dominante. En effet, d’une part, les termes de sa diago-
nale principale sont tous strictement négatifs et, d’autre part, on a :
| – 3| > |1| + |1|, | – 1| > |0| + |0| et | – 2| > |0| + |1|.
92
C – Le diagramme de phases
a) Présentation
FIGURE II.1
93
La fonction x2(ּ) est, quant à elle, constante lorsque x, .2(ּ) = 0
donc lorsque x2(ּ) = x1(ּ), ou encore, pour simplifier, lorsque x2 = x1.
Cette droite que l’on peut représenter dans le plan (x1,0,x2) (cf.
figure II.1) divise ce dernier en deux demi-plans :
• un premier demi-plan situé au-dessus de la droite, dans lequel
x2 > x1 et donc dans lequel la fonction x2(ּ) est croissante, ce que
l’on représente par une flèche verticale (puisque x2 est sur l’axe
des ordonnées) vers le haut (puisque, dans cette zone, x2 est crois-
sante) ;
• un second demi-plan situé en dessous de la droite, dans lequel
x2 < x1 et donc dans lequel la fonction x2(ּ) est décroissante, ce que
l’on représente par une flèche verticale vers le bas.
Le point situé à l’intersection de ces deux droites est l’équilibre
du processus. En ce point, en effet, on a x, .1(ּ) = 0 et x, .2(ּ) = 0. (Le
→
seul vecteur d’équilibre du processus est donc 0, .)
Autour de ce point, se trouvent quatre zones : la zone I dans laquelle
x1 et x2 sont décroissantes, la zone II dans laquelle x1 est croissante
et x2, décroissante, la zone III dans laquelle x1 et x2 sont croissantes,
et la zone IV dans laquelle x1 est décroissante et x2, croissante.
L’équilibre semble ici être de type point-selle. En effet, si la
condition initiale est dans la zone II ou IV, la trajectoire s’éloigne
de l’équilibre. En revanche, les trajectoires issues de conditions
94
initiales des zones I et III peuvent éventuellement converger vers
→
0, . Ceci est confirmé par le calcul des valeurs propres de A, qui
→
sont – 1 et 2. L’ensemble de stabilité de 0, est donc le sous-
espace propre de A associé à – 1, à savoir :
S→0 = {α(2,1), α IR}
Il s’ensuit que, si la condition initiale est sur la droite d’équation
x
y = /2 (droite en pointillés fléchée sur la figure II.1), alors la
→
trajectoire converge vers 0, . En revanche, si la condition initiale
n’est pas sur cette droite, alors la trajectoire diverge (ceci est, par
exemple, le cas des trajectoires issues de X(0) et X’(0) indiquées
→
sur la figure II.1). La convergence vers 0, est donc ici plutôt
l’exception que la règle.
FIGURE II.2.A
95
Le diagramme de phase de la figure II.2.B est, quant à lui, celui
du processus décrit par :
.
[26] X, (t) = AX(t),
→
où A = ( 2,2,– 1,– 2 ). Ici, l’équilibre 0, est un point-selle. En
effet, comme dét(A) = – 2, la matrice A a une racine réelle stric-
tement positive et une racine réelle strictement négative.
Dans certains diagrammes de phases, la situation est encore plus
obscure. Soit, par exemple, le processus décrit par :
.
[27] X, (t) = AX(t), où A = ( 1 + ε, 1,– 3,– 1 ).
FIGURE II.2.B
96
propres de A sont non réelles et les trajectoires solutions de [27]
→
forment des spirales qui se rapprochent de plus en plus de 0, (du
type de celle de la II.3.B.) ;
— si ε = 10 – 6, alors dét(A) > 0 et tr(A) > 0 : les parties réelles des
deux valeurs propres de A sont strictement positives. L’équilibre
→
0, n’est donc pas globalement stable et la seule trajectoire qui
→ →
converge vers 0, est celle dont la condition initiale est 0, . Ici,
les deux valeurs propres de A sont non réelles et les trajectoires
solutions de [27] forment des spirales qui s’éloignent de plus en
→
plus de 0, (du type de celle de la figure II.3.C).
Un diagramme de phases du type de celui de la figure II.3.A ne
permet donc de tirer aucune conclusion concernant la stabilité de
l’équilibre.
FIGURE II.3.A
97
98
CHAPITRE III
ÉVOLUTIONS NON LINÉAIRES ET LINÉARISATION
I Le cas séquentiel
100
1. Étude graphique dans le cas d’une seule variable
Soit une variable, à valeur dans IR, dont l’évolution est décrite
par la relation de récurrence d’ordre 1 :
[5] xt = f(xt – 1).
A – Étude graphique
101
situation est plus délicate, comme on le voit sur la figure III.1.B (la
suite semble alors tendre vers l’infini).
FIGURE III.1.A
FIGURE III.1.B
102
B – Exemple
FIGURE III.2.A
1 Dans ce cas, en effet, la pente du graphe de f(ּ) est positive au point où celui-ci
coupe la première bissectrice.
103
Dans le cas III.2.B, où α est compris entre 2 et 3, les suites
oscillent, mais convergent également vers xe21.
FIGURE III.2.B
FIGURE III.2.C
104
Dans le cas III.2.C (α = 3), la trajectoire ne converge pas ; elle tend
vers une trajectoire cyclique (qui oscille entre deux valeurs1). La
figure III.2.D (α > 3), suggère, quant à elle, une évolution de type
« chaotique » — où il n’y a aucune forme de cycle et où les
évolutions peuvent radicalement changer suite à une modification
« infinitésimale » de la valeur initiale x0 (pour plus de détails,
voir, par exemple, Baumol et Benhabib [1989]). Grandmont
[1985] fait également apparaître des évolutions de ce type.
FIGURE III.2.D
105
[9] {x1t = f1(x1t – 1 , x2t – 1),x2t = f2(x1t – 1 , x2t – 1)
Ici encore, on peut faire des conjectures (certes moins précises)
sur le processus, et ce, au moyen d’un diagramme de phases.
Comme on s’intéresse à l’évolution des variables, on va ici
considérer les variations x1t – x1t – 1 et x2t – x2t – 1. Pour ce faire, on
réécrit le système [9], qui devient :
x1t – x1t – 1 = f1(x1t – 1 , x2t – 1) – x1t – 1
[10]
x2t – x2t – 1 = f2(x1t – 1 , x2t – 1) – x2t – 1
ou, en posant gi(x1t – 1 , x2t – 1) = f i(x1t – 1 , x2t – 1) – xit – 1, i = 1, 2 :
[11]
107
3. Un résultat global : le théorème de Lyapounov
108
II Le cas continu
A – Étude graphique
FIGURE III.4
110
supérieur à xE3 (ou inférieur à xE1), alors la trajectoire croît (décroît)
lorsque t augmente — autrement dit elle s’éloigne des équilibres.
FIGURE III.5
Lorsque
.
le capital par tête initial, k(0), est strictement inférieur à
k*, k, (t) est strictement positif (puisque le graphe de cette
fonction est au dessus de l’axe des abscisses) : k(t) est donc
croissante, ce que l’on représente par une flèche vers la droite. En
revanche, lorsque.
k(0) est strictement supérieur à k*, k(t) décroît
(puisqu’alors k, (t) est strictement négatif), d’où la flèche vers la
gauche sur la figure III.5. On voit ici que le capital par tête, k(t),
converge vers la valeur d’équilibre (stationnaire) k*, et ce, quel que
soit son niveau initial k(0).
111
2. Étude graphique dans le cas de deux variables
A – Étude graphique
112
Le taux d’emploi étant strictement positif, la courbe d’équation
f1)ּ) = 0 (points où x. = 0) est la droite « horizontale » d’équation
z = b. Celle-ci partage l’orthant positif en deux régions :
• une première région où l’on a f1)ּ) > 0, autrement dit où x. > 0 et
où, en conséquence, x est croissante, ce que l’on représente par
une flèche vers la droite. Dans l’exemple du système [7], ceci est
le cas lorsque z est strictement inférieur à b ;
• une seconde région où f1)ּ) > 0 et donc où x décroît, ce que l’on
représente par une flèche vers la gauche. Dans l’exemple du
système [7], ceci est le cas lorsque z est strictement supérieur à b.
On procède évidemment de la même façon pour f2(ּ). La part des
salaires dans le revenu national, z, étant strictement positive, la
courbe d’équation f2)ּ) = 0 (points où z. = 0) est la droite
« verticale » d’équation x = a. Elle partage en outre le quadrant
nord-est du plan en deux région : l’une où f2)ּ) > 0 (ce qui est ici le
cas lorsque x > a) et où, en conséquence, z est croissante (ce que
l’on représente par une flèche vers le haut) ; l’autre où z est
décroissante (ce qui est ici le cas lorsque x < a).
Ces deux courbes se coupent en un seul point, E = (a , b). C’est
donc l’unique équilibre du processus décrit par [7]. Dans la figure
III.6, les flèches donnent une idée de la forme des trajectoires
solutions de [7].
La figure III.6 suggère une évolution « en spirale », ou « en
cercle », centrée sur l’équilibre, mais on ne peut savoir si elle
s’approche de plus en plus de lui, si, au contraire, elle s’en éloigne
progressivement, ou si elle se fait « en boucle ». Elle ne permet donc
pas de conclure sur l’éventuelle stabilité du processus1.
FIGURE III.6
1 Pour une étude plus détaillée et approfondie du modèle de Goodwin, voir Michel
[1989], p. 724-727.
113
3. Le théorème de Lyapounov
114
fonction est continue, toujours positive (minorée par 0), et cons-
tante (nulle) au seul vecteur d’équilibre. En outre, la dérivée de
V(P(t)) est :
.
V, (P) = Erreur !,
ou encore, en raison de [8] :
.
V, (P) = Erreur !.
Comme, en raison de la loi de Walras, on a Σp e (p ,..., p ) = 0, ceci
i
i i 1 n
donne :
Σ p e (p ,..., p ).
.
V, (P) = – 2 ie i 1 n
i
Cette expression étant toujours négative en raison de l’hypo-
thèse de substituabilité brute (pour plus de détails, voir Archinard
et Guerrien [1989], p. 582-585), la fonction V(P(t)) est décroissante.
Comme elle est en outre minorée, elle converge pour toute solu-
tion vérifiant le tâtonnement [8].
Cet exemple est l’un des rares où le théorème de Lyapounov
s’applique en économie, ce qui explique l’importance prise, dans
cette discipline, par le cas linéaire, notamment à travers l’étude
locale, au voisinage des équilibres.
115
est un équilibre, il permet d’en étudier la stabilité locale : il ne
permet pas de conclure à la stabilité globale d’un équilibre Xe, ni
même d’en déterminer l’ensemble de stabilité, mais simplement
de répondre à la question : existe-t-il un voisinage de Xe tel que, si
la condition initiale appartient à ce voisinage, alors le processus
converge vers Xe ? La qualité de la réponse à cette question
dépend bien évidemment de celle de l’approximation, autrement
dit de la forme des fonctions du système originel.
1. Le principe de la linéarisation
118
Glossaire
Base d’un espace vectoriel* E Dépendant
S = {X1, ... , Xn}est une base de l’espace voir Linéairement indépendant
vectoriel E si et seulement si :
— tous les vecteurs de E peuvent Diagonale principale d’une matrice
s’écrire sous la forme d’une combinai- carrée*
son linéaire des vecteurs de S (on dit Ensemble des éléments aii de la matrice
alors que S engendre E ou que S est un carrée (aij). C’est donc la diagonale
système générateur de E) ; nord-ouest sud-est de cette matrice.
— les éléments de S sont linéairement
indépendants* (on dit alors que S est un Dimension d’un espace vectoriel* E
système libre). Nombre, noté dimE, de vecteurs que
comporte n’importe quelle base* de E.
Combinaison linéaire En particulier la dimension de E est
Soient deux éléments X et Y d’un espace égale à 1, si et seulement si tous les
vectoriel* E sur K. On appelle combi- vecteurs de E peuvent s’écrire sous la
naison linéaire de X et de Y affectée des forme αX, où X est un vecteur de E
scalaires a et b, le vecteur aX + bY. différent du vecteur nul.
119
— une loi de composition externe Les vecteurs (1,2,1), ( – 1,1,1) et (2,1,0)
(application de K E dans E), appelée sont linéairement dépendants* puisque
homothétie ou produit d’un vecteur par (2,1,0) = (1,2,1) – (– 1,1,1).
un scalaire, qui vérifie les propriétés
suivantes : Matrice carrée
P1 - α K, X E, Y E, Matrice comportant autant de lignes que
α(X + Y) = αX + αY, de colonnes.
P2 - α K, β K, X E,
(α + β)X = αX + βX, Matrice diagonale
P3 - α K, β K, X E, Matrice carrée* dont tous les éléments
α(βX) = (αβ)X, sont nuls à l’exception, éventuellement,
P4 - l’homothétie possède un élément de ceux situés sur sa diagonale princi-
neutre, le scalaire 1 ( X E, 1X = X). pale*. C’est le cas, par exemple, de la
matrice suivante :
Un sous-espace vectoriel est une partie ( 1,0,0,0,2,0,0,0,-1 ).
non vide d’un espace vectoriel qui est
lui-même un espace vectoriel. En Matrice identité
particulier, si S = {X1,..., Xp} est un Matrice carrée* ayant des 1 sur sa
ensemble de vecteurs de E, alors L(S) diagonale principale* et des 0 ailleurs.
l’ensemble des combinaisons linéaires* Par exemple,
des éléments de S (L(S) est donc
l’ensemble des vecteurs de la forme (
I = 1,0,0,0,1,0,0,0,1 ) est la
αX1 + ... + αpXp, où αi est un scalaire de matrice identité* d’ordre 3.
K) est un sous-espace vectoriel de E — On l’appelle matrice identité parce que,
celui qui est engendré par S. quelle que soit la matrice carrée M
d’ordre n, on a : MI = IM = M.
Format d’une matrice M
Couple (m,n), où m est le nombre de Matrice inversible, matrice inverse
lignes de M et n, le nombre de ses Une matrice M, carrée d’ordre n, est
colonnes. inversible si et seulement si il existe une
matrice, notée M – 1, telle que MM – 1 =
Inversible M – 1M = In (où In est la matrice identité
voir Matrice inversible d’ordre n).
120
Ordre d’une matrice
( 1,– 1, 3,0, 2, 5,0, 0,– 1 ) et
Nombre de lignes (ou de colonnes) d’une
( 3,0,0,– 1,0,0,– 2,4,1 ). matrice carrée*.
Bibliographie
ARCHINARD G. et GUERRIEN B. [1992], G UERRIEN B. [1996], Dictionnaire
Analyse mathématique pour écono- d’analyse économique, Paris, La
mistes, 4ème édition, Paris, Economica. Découverte.
BAUMOL W. J. et J. BENHABIB [1989], HAHN F. [1982] « Stability », in K.
« Chaos : Significance, Mechanism, ARROW and M. INTRILIGATOR ed.,
and Economic Applications », Jour- Handbook of Mathematical Eco-
nal of Economic Perspective, 3:1, nomics, North-Holland.
77-105. MICHEL P. [1989] Cours de mathé-
G RANDMONT J.-M. [1985], « On matiques pour économistes, Paris
Endogeneous Competitive Business Economica.
Cycles », Econometrica, 5, 995-1045.
121
Table des matières
Introduction ...................................................................... 3
Une approche spécifique à la modélisation économique .... 3
L’importance du cas linéaire ............................................... 4
122
b) Cas des équations homogènes d’ordre 3 ............... 30
D – Applications ...................................................... 30
a) Le tâtonnement séquentiel .................................. 30
b) Le cobweb ........................................................ 32
c) Prix d’un titre et anticipations ............................ 33
d) L’oscillateur de Samuelson ................................ 35
II Systèmes de n équations de récurrence linéaires d’ordre
1 à coefficients constants .............................................. 37
1. Détermination des équilibres .................................... 38
2. Résolution ................................................................. 41
A – Cas où la matrice A est diagonalisable .............. 42
a) Forme de la solution ......................................... 42
b) Forme de la solution réelle lorsque A a des valeurs
propres non réelles ........................................... 43
c) Exemples ......................................................... 44
B – Cas où la matrice A n’est pas diagonalisable ..... 47
a) Forme de la solution ......................................... 47
b) Exemple ........................................................... 49
3. Étude de la stabilité des solutions d’un système de n
équations de récurrence linéaires homogènes .......... 51
A – Conditions de stabilité lorsque l’on connaît les
valeurs propres de la matrice ............................. 52
a) Cas où la matrice A est diagonalisable ................ 52
b) Cas où la matrice A n’est pas diagonalisable ....... 54
→
B – Conditions de stabilité de 0, lorsque l’on ne
connaît pas les valeurs propres de la matrice .... 55
a) Deux conditions nécessaires de stabilité séquentielle
de A ................................................................ 56
b) Une condition suffisante de stabilité séquentielle
de A ................................................................ 56
125