Mathématiques Appliquées À L'économie - CNAM, IUT, BTS, - Fourastié, Jacqueline (1937-.... ) - 1994 - Paris - Dunod - 9782100024575 - Anna's Archive

Digitized by the Internet Archive
in 2022 with funding from

Kahle/Austin Foundation
https /larchive.org/details/mathematiquesapp0000four
Mathématiques
appliquées
à l’économie
“Economie Module”
Manuels FE. Poulon

®@ Économie générale
B. Bernier, Y. Simon
@ Initiation à la macroëconomie B. et D. Saby
© Les grandes théories économiques
B. Bernier, H.L. Védie
@ Initiation à la microéconomie J.-L. Sol
®@ Mathématiques.
P. Bonneau, M. Wiszniak Accès à l'université
@ Mathématiques financières
A. Varoudakis
R. Bourbonnais @ La politique macroéconomique
@ Économétrie
B. Brunhes Exercices corrigés

@ Présentation de la comptabilité
nationale française B. Bernier, KR. Ferrandier
@ Microéconomie.
J. Fourastié Exercices corrigés. Application
@ Mathématiques appliquées et révision de cours
à l'économie
E. Berrebi
B.Goldfarb, C. Pardoux © Mathématique.
@ Introduction à la méthode Exercices corrigés avec rappels
statistique de cours. (2 tomes)
(Gestion. Economie)
J.-P. Briand, P. Dubois, J.-M. Dupuis
B. Grais © Comptabilité nationale.
© Statistique descriptive
Exercices corrigés avec rappels
© Méthodes statistiques
de cours
B. Guillochon
® Économie internationale
P. Delfaud, P. Kauffmann,
N. Poulon-Lafaye
P. Kauffmann @ Microéconomie. Exercices corrigés :
© Statistiques. Information, problèmes et questions de cours
estimation, tests
J. Fourastié
G. Kebabdjian @ Mathématiques appliquées à
© Les modèles théoriques l'économie. Exercices corrigés
de la macroéconomie avec rappels de cours
J. de Lagarde B. Grais
© Initiation à l'analyse des @ Exercices de statistique
données descriptive avec rappels de cours
J.-L. Monino, J.-L. Sol F. Poulon, N. Poulon-Lafaye

@ Statistique et probabilités. ® Macroéconomie. Exercices corrigés :
Accès à l'université problèmes et dissertations
À. Planche R. Sandretto
@® Mathématiques pour économistes. @ Probabilités. Exercices corrigés
Algèbre avec rappels de cours
JACQUELINE FOURASTIÉ
Sous-directeur de laboratoire
au Conservatoire national
des Arts et Métiers
Mathématiques
appliquées
à l’économie
CNAM - IUT - BTS - DPECF - DECF
DUNOD
ee
——
Jacqueline Fourastié
Née en 1937, agrégée de Mathématiques, Docteur 3° cycle et Docteur ès

Sciences, Jacqueline Fourastié est Sous-directeur de Laboratoire au
Conservatoire National des Arts et Métiers, chargée des travaux pratiques
de Statistique pour les économistes.
En outre, depuis 1970, elle est chargée du cours de Mathématiques pour
l'Economie et la Gestion et, de 1979 à 1990, elle a participé à la rédaction
des cours de l'INTEC pour la préparation du DESCF et du DPECF.
C: pictogramme mérite une d'enseignement supérieur,

explication. Son objet est provoquant une baisse bruto-
d'alerter le lecteur sur la me- le des achats de livres et de
nace que représente pour revues, au point que la possi-
l'avenir de l'écrit, particulière- bilité même pour les auteurs
ment dans le domaine de créer des œuvres
de l'édition technique nouvelles et de les
et universitaire, le faire éditer correcte-
développement massif ment est aujourd'hui
du photocopillage. menacée.
Le Code de la pro- Nous rappelons
priété intellectuelle du LE PHOTOCOPLLAGE donc que toute
ler juillet 1992 in- TUE LE LIVRE reproduction, partiel:
terdit en effet expres- le ou totale, de la
sément la photocopie à présente publication est inter-
usage collectif sans autorisa- dite sans autorisation du
tion des ayants droit. Or, Centre français d'exploitation
cette pratique s'est générali- du droit de copie (CFC, 3 rue
sée dans les établissements Hautefeuille, 75006 Paris).
L'ouvrage est conforme aux normes typographiques Afnor.
4° édition, 1991
Nouvelle présentation 1994
© BORDAS, Nouveau tirage corrigé 1996 Paris, 1991

ISBN 2-10-002457-4
ISSN 0338-6074
J Toute représentation ou reproduction, intégrale ou partielle, faite sans le consentement
de l’auteur, ou de ses ayants-droit, ou ayants-cause, est illicite (loi du 11 mars 1957
alinéa 1°"
de l'article 40). Cette représentation ou reproduction, par quelque procédé
que ce soit, constituerait une contrefaçon sanctionnée par les articles 425 et suivants
du Code pénal. La loi du 11 mars 1957 n'autorise, aux termes des alinéas 2 et 3 de
l'article 41, que les copies ou reproductions strictement réservées à l'usage privé du
copiste et non destinées à une utilisation collective d'une part, et, d'autre part, que
les analyses et les courtes citations dans un but d'exemple et d'illustration “ l
Table des matières
PAR RTO ROSE en nr te nv ei dan à VII

Programmes... 2 NRA mA PAPAS ce IX
Chapitre 1 : Ensembles. ,.,,.....,...120#!.notouts 1
161Ce.quest.un ensemble sus drmemcod tt € l

2. Parties d’un ensemble. Lien avec la logique ......... 5
3. Quantificateurs. Implication logique ............... 11
4. Opérations sur les ensembles ..................... 14
Chapitre 2 : Les fonctions et les applications ............ 22
1. Définition d’un produit cartésien d’ensembles ....... 22

DANOHOnCENTé AIG PR ER ae ro 21
3. Relations binaires dans un ensemble ............... 31
4FOnctions et aPDIICAHONSE PARMI ne ne Dee. 37
Chapitre 3 : Les graphes ............................. 41
HE ECETÉTANTES SUTIIES STADRES a eme 41

22 :Methode duCHEMINICHLIQUE. ut. 46
Chapitre 4 : Calcul des probabilités .................... 54
LiCGénéralités-sienr.s seen at cn RERO VIE 54

Z'ADénombrements: flans os ANNRS LDC 56
3. Les formules du calcul des probabilités ............ 67
Æ'ILe Cheofeme dé BAVES À MA: : 73
N NOLIOITOE VATIADIE AICAIOC nn TT 76
6. Principalestlois dé'probabilités. 22005 200202 79
Chapitre 5 : Algèbre linéaire et programmation linéaire.. 85
lrEléments'd'algèbre linéaire mp heenos. ehe ene jee L 85

DR ST SI CIC NCA LES anne 91
BIC Programmes lINCalrés.. .. .......coHemarmetdté 200 100
4, Matrices de Léontieff ou tableaux d’échanges inter-
industriels eee. QUIL PRESS CRU IER AT ES ADD A 114
UnMInversion d'UHE MALTICE 22...
ss ee... 117
VI Table des matières
Chapitre 6 : Les fonctions numériques . ................. 121
GÉRÉE moe ee 1
2Nouons de limite et de‘continui té 122
D DÉNN CES ANR te RS Nr ARR een r Rte 124
4. Etude d’une fonction numérique .................. 128
SLattonction.linéairemmastens-0e OR A 129
GC oncon ane ere nee 130
7 Laonction homographique 7. ONE TENMIEEE 133
8. Les fonctions'polynômest® 9975 NORME ED AU 137
9. La fonction exponentielle de base a................ 142
10. La-fonction logarithme. . -PmRRRRS RE TR NONESQ 146
11. Dérivée logarithmique, élasticité ................... 150
12:NOUOD dE DAMES NE 151
13" "Notion d'intésrale définie Ep 152
14 Calculs dOPDANAUVES EP RER RC 15
IS: Fonctions aiplusieuresivarapies APRES 158
16. Maxima et minima des fonctions. Extréma locaux ... 159
Chapitre 7 : Mathématiques financières ................ 162
1: -NôtiOn d'intére eee CR RER ER 162
2. Valeur acquise Valeur aCuCIle RS 165
3. ESCOmDIe COMMEICIAL RP 167
4. Equivalence et remplacement'd'éHets emo 169
S: :Annuités:. 4. mers telle hnle.e de 170
6. Actualisation des investissements .................. 174
D AUtres:Droblèmes. eme ue doc CR SRE 175
S: Capitalisation continue... 2... 177
Chapitre 8 : Agrégats et indices. Mesure des quantités écono-
MIQUES: 2: 542 4 Fe RGP NE 20 AMNION. 179
1. Généralités sur la mesure des quantités économiques .. 179
2. Comparaison de deux grandeurs. Indices simples .... 181
3. Agrépatsell. Mimemmtionne, 1 sell MSA : € a 184
4 ÉeStindices:Synthétiques 187
Tables statistiques et financières ....................... 193
Indications bibliographiques . . ......................... 201

Avant-propos
Le présent ouvrage a été conçu essentiellement pour les élèves du cours

de Mathématiques pour l'Economie et la Gestion du Conservatoire
National des Arts et Métiers, mais il a été complété de manière à être utile
également aux candidats au Diplôme Préparatoire aux Etudes Comptables
et Financières (DPECF) ou au Diplôme d’Etudes Supérieures Comptables
et Financières (DESCF). Il est également destiné à ceux qui préparent le
Diplôme Universitaire de Technologie « Gestion des entreprises et des
Administrations » ou le Brevet de Technicien Supérieur « Comptabilité et
Gestion ». Enfin, il pourra aussi être utilisé avec profit par les étudiants des
Universités et des Ecoles de Commerce.
Le but de cet ouvrage est beaucoup plus de donner une compréhension des
mathématiques « de base » qui sont nécessaires en économie que de commu-
niquer des techniques de calcul. Il s’agit, selon le mot très juste des rédacteurs
du programme du DUT, d’une « acquisition de méthodes de pensée visant
à l’abstraction ». L’économiste, dans la pratique, est en relation avec l’in-
formaticien ; ce qui importe, c’est qu’il sache poser convenablement le pro-
blème (et pour cela recueillir les informations, chiffrées ou non); ensuite, la
solution peut être le résultat du passage d’un programme informatique pré-
établi. L’économiste doit alors être capable d’interpréter la solution donnée
par l’informatique et de la confronter au réel. Une véritable formation en ce
sens est nécessaire. Le présent ouvrage ne prétend pas suffire à donner cette
formation, mais espère lui apporter une contribution. Il voudrait en outre
convaincre le lecteur que l’approche mathématique d’une réalité économique
est limitée, qu’elle doit être complétée par la réflexion et la connaissance ;
bien plus, même, aucune approche scientifique ne peut suffire à appréhender
un phénomène humain, fût-il purement économique.
Le langage rigoureux des mathématiques modernes est apparu indispensable.

Il ne s’agit pas de renier totalement les mathématiques traditionnelles — qui
trouvent une large place dans ce cours — mais plutôt de les compléter par un
autre mode de pensée, une autre logique. La « mathématique moderne »
représente une mutation de la pensée mathématique ; elle unifie les différentes
branches des mathématiques traditionnelles en faisant apparaître les concepts
qui leur sont communs. En outre, le développement de l'électronique rend
indispensables la logique et le langage des mathématiques modernes.
Le cours est formé de huit parties distinctes dont les applications écono-
miques sont parfois immédiates, parfois plus lointaines : ensembles — fonc-
VII Avant-propos
tions et applications — graphes — calcul des probabilités — algèbre linéaire

et programmation linéaire — fonctions numériques — mathématiques finan-
cières — agrégats et indices.
Dans ce cours de Mathématiques Appliquées à l'Economie, une option a été

prise : donner les principaux résultats utiles aux applications, sans obligatoire-
ment les démontrer tous. Cependant, autant qu’il a été possible, des pistes de
recherches, des moyens de retrouver les résultats et même une bibliographie,
ont été présentés.
Tel qu’il est, cet ouvrage comporte des lacunes. Nous espérons pourtant
qu’il donnera à ceux qui l’étudieront une idée de la variété des problèmes que
les mathématiques-peuvent traiter — et de ceux qu’elles ne peuvent pas trai-
ter — et qu’il leur communiquera le goût de cette science et le désir de
l’approfondir.
Nous voudrions remercier ici les éditions Riber qui ont présenté les deux
premières éditions du Cours et des Exercices et les éditions Dunod qui ont
repris ces deux ouvrages après transformation et refonte.
Jacqueline FOURASTIÉ.
Programmes
1. PROGRAMME DU COURS DU CONSERVATOIRE NATIONAL DES ARTS ET

MÉTIERS « MATHÉMATIQUES POUR L'ÉCONOMIE ET LA GESTION » A0
(1 valeur).
2. PROGRAMME DES ÉPREUVES « MÉTHODES QUANTITATIVES I ET II »

DU D.P.E.C.F. (DIPLÔME PRÉPARATOIRE AUX ÉTUDES COMPTABLES ET
FINANCIÈRES) ET DU D.E.S.C.F. (DIPLÔME D’ÉTUDES SUPÉRIEURES
COMPTABLES ET FINANCIÈRES).
1. Cours du C.N.A.M.
1. ALGÈBRE DES ENSEMBLES : Parties d’un ensemble. Ensemble des parties.

Opérateurs logiques. Applications. Injection. Surjection. Bijection. Produits
cartésiens d’ensembles. Relations binaires : ordre, préordre, équivalence.
2. CALCUL DES PROBABILITÉ : Probabilités et fréquences. Dénombrements :

permutations, combinaisons, arrangements. Formules du calcul de probabi-
lités. Théorème de Bayes. Variables aléatoires. Lois de probabilité et carac-
téristiques principales. Propriétés de l’espérance mathématique et de la
variance. Quelques lois fondamentales : loi de Bernoulli, loi binomiale, loi
de Poisson, loi normale.
3. ALGÈBRE LINÉAIRE : Notions de vecteurs et de matrices. Exemples

économiques. Représentation matricielle d’une application et d’un système
d'équations linéaires. Calcul matriciel. Matrices de Léontieff. Résolution
d’un système d’équations linéaires et inversion d’une matrice par la méthode
du pivot. Programmation linéaire. Problèmes du maximum : méthode du
simplexe. Problèmes du minimum : dual d’un programme linéaire.
4. ANALYSE : Limite et continuité d’une fonction numérique. Dérivabilité.
Fonctions linéaire, affine, exponentielle et logarithme. Généralités sur l’étude
d’une fonction numérique. Calcul différentiel : dérivés et dérivées logarith-
miques. Elasticité. Fonctions à plusieurs variables : dérivées partielles, diffé-
rentielle totale, optimisation sous contrainte. Calcul intégral : primitives,
règles de calcul des intégrales simples. Suites arithmétiques et géométriques.
5. MATHÉMATIQUES FINANCIÈRES : Intérêts simples. Intérêts composés.
Valeur acquise, valeur actuelle d’un capital. Escompte. Application des suites
géométriques au calcul d’annuités. Amortissement. Taux de rentabilité d’un
investissement. Emprunts indivis et obligataires. Capitalisation continue.
6. MESURE DES QUANTITÉS ÉCONOMIQUES : Considérations sur les limites
de l’outil mathématique et des modèles. Agrégats : problème de la synthèse,
choix d’un étalon. Différentes formules d’indices, problèmes posés par leur
divergence.
X Programmes
2. Epreuve n° 3 du D.P.E.C.F. :
« méthodes quantitatives I »
1. ANALYSE ET ALGÈBRE (trente heures)
1.1. Dérivées et intégrales.

Pratique du calcul des dérivées. Application à la recherche d’extremuns, à
l'étude de la variation des fonctions, à la construction de la représentation
graphique d’une fonction.
Intégrale : calcul à l’aide d’une primitive ; interprétation graphique dans
le cas d’une fonction de signe constant. Primitives usuelles.
1.2. Fonctions usuelles.
Fonction exponentielle 1 — expt ou e. Fonction logarithme népérien
t Int. Fonction puissance r — {”" (n réel).
Exemples d’étude de fonctions qui se déduisent de façon simple des
précédentes.
1.3. Equations et inéquations linéaires.
Résolution d’un système d’équations linéaires à coefficients numériques :
pratique de la méthode du pivot de Gauss.
Exemples de problèmes de programmation linéaire à deux variables:
étude numérique et graphique.
2. STATISTIQUE DESCRIPTIVE (trente heures)
2.1. Notation indicielle, pratique du symbole de sommation, tableaux à

double entrée.
x
2.2. Séries statistiques à une variable.
Description d’une population, exemples de méthodes de représentation.
Groupement de données. Effectifs, fréquences.
Caractéristiques de position : moyenne, médiane, mode. Caractéristiques
de dispersion: variance, écart type ; écarts interquantiles.
2.3. Séries statistiques à deux variables.
Tableaux d’effectifs. Nuage de points ; point moyen.
Ajustement affine : méthode des moindres carrés, droites de régression,
coefficient de corrélation linéaire.
Exemples d’ajustements se ramenant à des ajustements affines.
Exemples d’étude de séries chronologiques.
2.4. Indices.
Indices simples. Indices usuels de la vie économique.
3. PROBABILITÉS (trente heures)
3.1. Combinatoire, dénombrements.
Arrangements, permutations, combinaisons. Formule du binôme.
Programmes XI
3.2. Langage élémentaire des probabilités.

Evénements, événements élémentaires, probabilités (on se limite au cas
où l’ensemble des événements élémentaires est fini). Cas où les événements
élémentaires sont équiprobables. Opérations élémentaires sur les probabili-
tés. Probabilités conditionnelles, événements indépendants.
3.3. Variable aléatoire (réelle) prenant un nombre fini de valeurs.
Fonction de répartition. Espérance mathématique.
Loi binomiale, espérance.
4. TRAITEMENTS DES DONNÉES (soixante heures).
3. Epreuve n° 5 du D.E.C.E. :
« mathématiques appliquées et informatique »
1. MATHÉMATIQUES APPLIQUÉES A LA GESTION (quatre-vingts heures)
1.1. Intérêts et amortissements.

Suites arithmétiques, suites géométriques. Intérêts simples, intérêts
composés. Calculs d’équivalence ; évaluation d’une suite d’annuités ; annui-
tés temporaires, annuités perpétuelles.
Application aux emprunts : emprunts indivis, emprunts-obligations (on
étudiera les deux cas: annuités constantes, amortissements constants).
Taux de rendement d’une obligation.
Application aux investissements : analyse de la rentabilité, méthode de la
valeur actuelle nette, méthode du taux de rentabilité interne.
Application des deux méthodes aux choix de projets d’investissements
mutuellement exclusifs.
1.2. Probabilités et statistique.
Aucune difficulté ne peut être soulevée sur les notions étudiées dans ce
paragraphe.
Langage des variables aléatoires réelles (discrètes et à densité, loi de
probabilité, fonction de répartition, espérance mathématique, variance,
écart type).
Loi binominale B(#,p}), loi de Poisson P(m), loi exponentielle, loi
normale, variance et écart type de ces lois. Usage des tables.
Ajustement d’une loi de probabilité à une distribution observée : test du
Khi-deux.
Echantillonnage : loi de distribution des moyennes d’échantillons ; inter-
valle de confiance. Test d’hypothèses : comparaison d’une estimation à une
norme, comparaison de deux estimations.
Applications (contrôle par sondage de l'inventaire, contrôle de la
qualité, .…).
1.3. Matrices et programmation linéaire.
Uniquement en vue des équations linéaires et de la programmation
linéaire : langage des matrices, multiplication des matrices, matrice inverse.
XII Programmes
Application à la description de la méthode du pivot de Gauss.

Exemples simples de programmation linéaire: analyse du problème,
traitement numérique, appréciation des résultats.
1.4. Notions de théorie des graphes.
Langage élémentaire des graphes. Application à des problèmes d’ordon-
nancement, de transport et de gestion.
Sur des cas simples : méthode du chemin critique.
2. TRAITEMENT DES DONNÉES (cent vingt heures).
4. D.U.T. gestion des entreprises et des administrations

Mathématiques et statistiques appliquées
Objectif
Apprentissage de techniques. Acquisition de méthodes de pensée visant à
l’abstraction. Cet enseignement doit former des étudiants capables de
recueillir, analyser et traiter les informations chiffrées ; de saisir et de
traduire en langage mathématique les problèmes d’organisation, de gestion
et de décision; d’apprécier l'efficacité de modèles théoriques face aux
réalités.
Durée de l’enseignement : 180 heures (dont première année : 120 heures;
deuxième année : 60 heures).
1. MATHÉMATIQUES GÉNÉRALES
Algèbre de Boole: algèbre des ensembles, calcul des propositions,
applications. Notions d’algèbre linéaire : calcul matriciel, systèmes linéaires.
Recherche opérationnelle : problèmes d’ordonnancement, P.E.R.T., pro-
blèmes d’affectation, transports, programmation linéaire, etc. Notions
d’analyse : généralités sur les fonctions numériques, calcul différentiel et
intégral, fonctions usuelles, fonctions logarithmes et exponentielles. Calcul
numérique : usage des tables et des machines, pratique de la résolution
d’une équation.
2. MATHÉMATIQUES FINANCIÈRES
Suites arithmétiques et géométriques. Intérêts simples et composés.
Equivalence de capitaux. Annuités. Rentabilité des investissements.
Emprunts indivis. Emprunts obligataires.
3. STATISTIQUE
Présentation des séries statistiques. Séries statistiques à un caractère:
caractéristiques centrales, de dispersion, de concentration. Séries statisti-
ques à deux caractères : ajustements, corrélation, régression. Séries chrono-
logiques : tendance et prévision. Les indices.
4. PROBABILITÉS
Analyse combinatoire. Variable aléatoire. Lois de probabilités usuelles:
binomiale, hypergéométrique, de Poisson, normale. Tests d’échantillon-
nage. Estimation. Utilisation du K2.
Chapitre 1
Ensembles
1. Ce qu’est un ensemble
1.1. Notion d’ensemble
Il est difficile de donner une véritable définition d’un ensemble, et nous

ne le ferons pas. La plupart des auteurs admettent que c’est une « notion
première » des mathématiques, supposée connue et sur laquelle s’échafaude
le reste de cette science.
Des exemples permettront de cerner suffisamment cette notion. En fait,
il s’agit de regroupements d’éléments auxquels on est déjà habitué ; mais ces
regroupements doivent être bien définis et précisés :
— Jes Français nés le 1er juillet 1965,
— les entiers de 1 à moins de 10,
— les objets qui se trouvent sur ma table le 5 novembre 1991,
— Pierre, Jacques, Rémy et André,
— Jes élèves inscrits au cours de « Mathématiques appliquées à l’Econo-
mie » à Paris, le 1°" novembre 1991.
— les entiers positifs,
— les entiers relatifs,
— Jes différents services d’une entreprise précise, à une date donnée,
— les classes statistiques,
forment des ensembles. Notons les précisions : il faut que l’on sache si 10
appartient ou non à l’ensemble cité le deuxième ; il y aura peut-être des inscrits
au cours de Mathématiques après le 1° novembre 1991 : la date est donc
nécessaire. Une entreprise peut changer de nom, ou changer l’organisation
de ses services. On ne peut pas définir certains ensembles parce que leurs
« frontières » sont floues:
— l’ensemble de nos amis,
— J’ensemble des gens intelligents,
2 Mathématiques appliquées à l’économie
n'existent pas, car il y a des personnes dont il est difficile de dire si elles sont
de nos amis ou pas. Pour le second ensemble, chacun de nous pense en faire
partie, mais qu’en pensent les autres ?
Une collection est un ensemble, mais un ensemble peut avoir un nombre
infini d'éléments, alors qu’une collection n’en a qu’un nombre fini.
Dans un ensemble, les éléments doivent être distincts. Par exemple, l’ensem-
ble des lettres du mot « mathématiques » est :
Ma LABEL MOST US
sans répétition.
On désigne par le mot vague d’élément tout « objet » qui appartient à un
ensemble.
Retenons que tout ensemble doit être bien défini. On doit toujours pouvoir
dire si un élément appartient ou non à l’ensemble.
Certaines entités peuvent être considérées comme des ensembles de plusieurs
façons différentes. Dans l’usine X au 1° janvier d’une année bien définie :
— l’ensemble des services de l’usine : les éléments sont des services,
— l’ensemble des ouvriers et employés de l’usine : les éléments sont des
personnes,
— l’ensemble des machines : les éléments sont des machines.
Selon le point de vue auquel on se place, on a affaire à des éléments différents

et donc à des ensembles différents, bien que l’on puisse tous les désigner par
le même mot « usine » ; la théorie des ensembles apporte, ici encore, une exi-
gence fondamentale.
1.2. Définition d’un ensemble en extension
Définir un ensemble en extension, c’est indiquer entre deux accolades

chacun des éléments de l’ensemble ; par exemple :
A =" 12, 3:45, 6, 158,94

B = { Pierre, Jacques, Rémy, André }
C { une règle, un crayon rouge, un réveil, un papier }
NOM Re
NS AE AE
PONT 2 O2 in
Les virgules qui séparent deux éléments de l’ensemble n’ont rien à voir avec
les virgules des chiffres décimaux ; elles sont faites pour indiquer la succession
des éléments. Les points … représentent des éléments dont on ne donne pas
l’énumération détaillée (dans le cas présent, cette énumération ne peut être
faite, puisque les ensembles sont infinis).
L'ensemble C défini ci-dessus a des éléments qui ne sont pas homogènes :
ils sont de natures différentes. Il faut faire attention à ce genre d’ensembles :
Ensembles 3
ils ne sont pas sans intérêt à cause de leur degré de généralité, mais leurs
éléments ne peuvent s’additionner au sens strict; on ne peut que les
énumérer.
Les trois derniers ensembles cités (entiers positifs ou nuls, entiers positifs,
entiers relatifs) portent usuellement les lettres indiquées ici : N, N*, Z. Ces
trois ensembles ont un nombre infini d'éléments, ce qui apparaît comme tout à
fait naturel au mathématicien : dans la réalité, il n’existe que des ensembles
finis, mais il est commode conceptuellement de supposer qu’ils se prolongent
indéfiniment. Il suffit au mathématicien que des ensembles soient bien
définis, c’est-à-dire qu’on puisse toujours dire si un élément appartient à
l’ensemble ou non.
1.3. Définition d’un ensemble en compréhension
La présentation d’un ensemble en compréhension est facile à voir à partir
d'exemples :
N = {x |x est un entier positif ou nul }
| peut se lire : « sachant que ». Ici : N est l’ensemble des éléments x sachant
que (ou « tels que ») x est un entier positif ou nul.
A = {x|xest un entier de 1 à moins de 10 }
D = {x|xest une personne inscrite en « Mathématiques Appli-
quées à l'Economie » au 1% novembre d’une certaine année}
Il
Q = { x |x est un nombre rationnel }
R = { x | x est un nombre réel } .
Grâce à la définition en compréhension, il est possible de définir un ensem-

ble, c’est-à-dire de déterminer si un élément lui appartient ou non, même si
l’on ne peut en faire l’inventaire. L'ensemble est défini même s’il est infini
ou partiellement inconnu.
Les deux derniers ensembles cités méritent quelques explications. L'ensem-
ble Q des nombres rationnels est celui des nombres que l’on peut écrire sous
forme de fractions positives ou négatives. Les nombres réels, dont l’ensemble
s'appelle R, sont formés de tous les nombres rationnels, et de tous ceux, dits
irrationnels comme + 2 ou NE ou transcendants comme x et e, qui ne peu-
vent être réduits à des fractions (*).
1.4. Appartenance à un ensemble
Nous avons déjà employé le vocabulaire, assez clair en lui-même : un

élément appartient à un ensemble. Pour indiquer cette appartenance, on
emploie un symbole d'appartenance :
2eN se lit «2 appartient à N », ou « 2 est un élément de N ».
(1) e = 2,718 28. = 2,72.

n = 3,141 59. = 3,14.
Autre exemple :
Pierre e B.
On emploie également le symbole contraire : #
Antoine & B se lit « Antoine n’appartient pas à B».
1.5. Egalité de deux ensembles
Le signe = a déjà été employé depuis le début de l’exposé ; il est temps de

voir ce qu’il signifie en algèbre des ensembles.
On dit que deux ensembles sont égaux s'ils sont absolument identiques,
c’est-à-dire s’ils ont les mêmes éléments :
E=F si {aeE—=aerF etsi beF—beE}
= se lit « implique » ou « entraîne » (voir plus loin,$3.3, p. 12, une explication

détaillée).
La condition, inscrite dans la formule ci-dessus entre accolades, signifie
que tout élément a de E est un élément de F, et que tout élément b de F est
un élément de E.
Attention |! Un ensemble ne peut jamais être égal à un élément. L'ensemble

singulier ou singleton (ne comportant qu’un élément) { 1 } n’est pas l’élé-
ment | :
le{l} mais 1£{1}
il suffit, pour réaliser ce dont il s’agit, d’assimiler les ensembles (notés par des
accclades) à des « boîtes ». Une boîte contenant un 1 n’est pas assimilable à
«l» seul. Le signe « =» peut être employé uniquement entre deux
«objets » de même nature (deux nombres, deux ensembles, etc.).
1.6. Ensembles d’ensembles
On peut introduire des ensembles dont les éléments sont eux-mêmes des
ensembles ;cela ne pose aucun nouveau problème. Tout dépend du point de
vue auquel on se place.
Il serait facile de schématiser ce type d’ensemble par un ensemble de
« boîtes ».
Exemple :
G = {EE est un service d’une entreprise }.
L'ensemble G est un ensemble dont les éléments sont des services et non
des employés. Les services peuvent être considérés comme des ensembles
d'employés. G est alors un ensemble d’ensembles d'employés.
Ensembles 5
1.7. Ensemble vide
Si l’on considère les ensembles :
E = {x|xest un mois de 32jours }

F = {y|y est l’ensemble des hommes dont la barbe pousse bleue }
h = { z |z est une semaine de « quatre jeudis » (mercredis !) }.
Ces ensembles sont parfaitement définis, mais ils ne contiennent aucun

élément. On dit que ce sont des représentations du même ensemble vide que
l’on note G.
Il ne faut pas confondre l’ensemble vide avec zéro. Zéro est un nombre;
l’ensemble vide est un ensemble qui ne contient aucun élément (cf. une boîte
vide).
Attention | il n’existe qu’un seul ensemble vide. Ceci est une abstraction utile
pour les mathématiciens, quoique étrange logiquement. Nous verrons plus
loin à propos des opérations sur les ensembles qu’il est commode, en effet,
de n’avoir qu’un seul ensemble vide.
1.8. Cardinal d’un ensemble
On appelle « cardinal » d’un ensemble fini le nombre d'éléments de cet

ensemble. Si l’on reprend les premiers ensembles définis paragraphe 1.2 :
Card. 9 Card. À s’écrit parfois |À |

Card. B = 4
Card. C = 4.
Attention ! en aucun cas, un ensemble ne doit être identifié au nombre des

éléments de cet ensemble !
En économie, la plupart des ensembles sont finis, parce qu'ils sont obser-
vables. Mais il existe, en mathématiques, beaucoup d’ensembles infinis ;
N, N*, 7, Q, R sont les plus courants. On peut définir leur cardinal (appelé
parfois « puissance »), en employant ce que l’on appelle des nombres « trans-
finis ».
2. Parties d’un ensemble. Lien avec la logique
2.1. Préliminaire : diagramme de Venn
Ilest souvent commode d'utiliser des images pour représenter les ensembles ;
le diagramme de Venn ou d’Euler-Venn est la première de ces images que
nous rencontrons.
Dans les diagrammes de Venn, les ensembles sont représentés soit par des
cercles, soit par des « patates » ou « patatoïdes » ; leurs éléments sont figurés
par des points à l’intérieur de ces figures. L’ensemble B est représenté
figure 1.
Il convient dès maintenant de mettre en garde contre de telles représentations ;
elles sont parlantes, et peuvent aider à « voir » comment se pose le problème,
mais ce n’est pas parce qu’on voit ce que l’on veut démontrer que c’est vrai. Il
peut y avoir d’autres cas de figure, ce qui fait que la représentation est trom-
peuse ; il faut suivre une méthode, dite des diagrammes de Venn généralisés,
qui permet de n’oublier aucun cas. Alors une démonstration par diagramme est
possible.
e .
Pierre
e
Rémy ‘Jacques
e
André
Fig. 1. Ensemble B. Fig. 2.
2.2. Inclusion. Parties d’un ensemble ou sous-ensembles
On dit que l’ensemble E est inclus dans l’ensemble F (Fig. 2), si chaque
élément de E appartient à F :
Si de Et ae alors Fer
(on lit : E «est inclus dans » F).

Si «a appartient à E » implique « a appartient à F » (ceci doit être vrai
pour tout élément de F), alors E est inclus dans F.
L'ensemble E est dit alors partie de F, ou sous-ensemble de EF.
Exemples :
— Sous-ensembles de l’ensemble F des prix de détail pratiqués à Paris

à une date précise :
E = {x]|x est le prix du pain à Paris à cette date }

G={}yl|yest un prix alimentaire à Paris à cette date }.
— Les classes statistiques sont des sous-ensembles de l’ensemble des
observations.
— Si l’on regarde l’ensemble des organes d’une usine, des parties de cet
ensemble peuvent être formées soit d'organes dépendant d’un même cadre,
Ensembles 7
soit d'organes produisant les mêmes choses, soit d'organes alimentés par une
même centrale.
Si l’on a à la fois : Ehhtteshios#}
tout élément de E est un élément de F, et tout élément de F est un élément

de E ; les ensembles E et F sont égaux, d’après la définition de l’égalité de
deux ensembles, donnée paragraphe 1.5, p. 4.
(Attention ! Certains auteurs distinguent l'inclusion au sens strict € qui
exclut légalité, et l'inclusion plus générale € qui la comprend. Ici nous utilise-
rons le symbole = comme permettant légalité.)
2.3. Ensemble des parties d’un ensemble donné
Il est souvent utile (particulièrement en informatique) de connaître tous

les sous-ensembles (toutes les parties) d’un ensemble donné E. Les sous-
ensembles sont, par définition, les éléments de l’ensemble des parties de E.
(Exemple typique d’ensemble d’ensembles.)
Un moyen d’énumérer les parties d’un ensemble sans en oublier aucune
est la présentation dénommée arbre des possibilités. La convention est
«oui », l'élément figure dans les sous-ensembles ; « non», il n’y figure pas.
(Fig. 3 et 4). On désigne par Z(E) l’ensemble des parties.
a b
PE)={{a},g} P(E)={{ab};{a};:{b};:
©}
Fig. 3. Ensemble à un élément, a. Fig. 4. Ensemble à deux éléments,a et b.
On pourrait de même tracer un arbre qui prouverait que l’ensemble des

parties d’un ensemble à trois éléments a, b et c contient 8 parties (voir leur
énumération sur la figure 5, p. 8).
D'une façon générale, un ensemble à n éléments comprend 2” parties. Il
serait facile de le démontrer à partir de l’arbre des possibilités : chaque fois
que l’on ajoute un élément, on double le nombre de branches de l'arbre.
On voit combien la réalisation de cet arbre est une création logique:
l'élément vérifie ou non la proposition: «appartenir au sous-ensemble
considéré ». Ceci est plus visible si l’on utilise, à la place de l’arbre, des
«tables de vérité » ; ces tables portent 1 quand un élément appartient au
sous-ensemble (réponse «oui» à la proposition) et 0 quand il ne lui

appartient pas (réponse « non » à la proposition). Les parties de l’ensemble
{a, b} sont alors représentées selon la table suivante :
De même, la table de vérité suivante :
représente le sous-ensemble : A= TD, C'}
de l’ensemble : Fr= fanbrer} |
Une partition d’un ensemble E est une décomposition de E en sous-ensembles

telle que tout élément de E appartient à un, et à un seul, sous-ensemble de la
partition. C’est donc un « découpage » de E, tel qu’il n’y ait ni oubli, ni double
emploi.
2.4. Propriété de l'inclusion

Nous verrons plus loin (chapitre 2) que l'inclusion est une « relation
d'ordre ». Contentons-nous actuellement de constater qu'il est possible de
classer (de mettre en ordre, exactement) les parties d’un ensemble par inclusion.
Prenons l’exemple d’un ensemble à trois éléments : F={ a, b, c }. Ses parties
sont représentées figure 5 :
V4 Dc)
j'ai
{a} 2
Fig. 5. [©]
Ensembles 9
Chacune des parties est incluse dans celles qui se trouvent au-dessus (le
trait indique l'inclusion). Les sous-ensembles sont ainsi mis en ordre mais
l’ordre ne va pas jusqu’à permettre de placer par exemple { a, b } avant ou
après {a,c} : {a,b}, {a,c} et { b,c} sont au même niveau (comme les
assiettes de même forme qu’une ménagère empile à une certaine place, mais
sans savoir quelle assiette précise elle place au-dessus).
2.5. Complémentaire d’un sous-ensemble
Si l’on considère l’ensemble F des prix de détail pratiqués à Paris à une date
précise, l’ensemble G des prix alimentaires pratiqués à Paris à cette date en est un
sous-ensemble. On peut définir aussi l’ensemble des prix «non alimentaires »
au même lieu et à la même date; c’est un deuxième sous-ensemble }H tel que
G et H réalisent une partition de F. On note :
H={(:G=6G.
On lit : «complémentaire de G dans F », Fest le « référentiel » ou « ensemble
de référence ». La notation G ne doit être employée que s’il n’y a pas d’ambi-
guité quant au référentiel (!).
Si xeG, xéG.
L'ensemble complémentaire de G dans F est l’ensemble des éléments de F
qui ne sont pas dans G. Autrement dit :
si YeF soit xeG

os . _
soit xéG c'est-à-dire : xeG.
Exemple : Soit À, ensemble des entiers de 1 à moins de 10, le référentiel

et soit D un sous-ensemble de À, celui des nombres impairs :
DR tale STAR PE
On
a:
04 DE {12; 456,81}
ensemble des nombres pairs, de 1 à moins de 10.
() Il convient de prendre garde qu’en mathématiques et statistiques la notation

«barre » est employée dans trois occasions bien distinctes, et faciles à distinguer:
— X :la moyenne statistique (arithmétique) d'éléments notés x;
— AB : ie segment AB d’une droite orientée, en géométrie,
— G : l'ensemble complémentaire de l’ensemble G, par rapport à un référentiel
connu.
En probabilité, par analogie, on note À l'événement contraire à À, voir chapitre 4,
paragraphe 3.1, p. 68.
Cet exemple permet de faire le lien de la notion de complémentaire avec

la logique. L'ensemble D est l'ensemble des éléments de 4 qui vérifient la
proposition p : « être un nombre impair ».
L'ensemble {, D comprend uniquement les éléments de À qui ne vérifient pas
la proposition p. On dit souvent qu’ils vérifient la proposition « non-p »
(notée —1p) (!). Ici la proposition -1p est « être un nombre pair ».
(Attention ! si p était la proposition «être rouge » -1p ne serait pas « être
bleu » mais être « non rouge ».)
Nous voyons ainsi apparaître la négation d’une proposition. De deux
choses l’une, ou la proposition est vérifiée, ou elle ne l’est pas. Pour un ensemble
et son complémentaire, il faut regarder chaque élément : s’il vérifie la pro-
position p, il appartient à D, s’il ne la vérifie pas, 1l appartient à D.
e: ©
DR
le
mm
©
©
©=
= IS)
C’est ce qu’indique la table de vérité ci-dessus. Il y a ainsi analogie entre

la théorie des ensembles et la logique : un élément appartient à un ensemble ou
ne lui appartient pas ; une proposition est vraie ou fausse. Dans les deux cas,
il est impossible d’avoir les deux réalités simultanément. (Un élément ne
peut à la fois appartenir à un sous-ensemble et ne pas lui appartenir : une
proposition ne peut être à la fois vraie et fausse.) Notons qu’apparaît en même
temps une limite de la logique : tous les événements de la vie ne se réfèrent pas
à une alternative aussi tranchée. Par exemple, si l’on demande à quelqu'un
son opinion sur un sujet, elle peut être : « favorable », « défavorable » ou
«indifférente », ou prendre des nuances intermédiaires : « plutôt favora-
ble », « défavorable s’il ne reçoit pas telle modification ».….
() Nous préférons la notation -1p, recommandée par l'Association des professeurs

de mathématiques, à d’autres, et surtout à p qui ajouterait une autre signification à la
notation « barre » !
Ensembles 11
Signalons quelques résultats remarquables relatifs au complémentaire

de certains sous-ensembles :
LS Cr H = Cr(Cr G) = G
(on peut vérifier ce résultat en considérant un élément de F n’appartenant pas
à H : il appartient à G ; ceci est vrai pour tout élément de F n’appartenant pas
à H).
FE ©.
Œe Cr D =F.
— Tout sous-ensemble a un complémentaire par rapport à un référentiel
donné (même si ce complémentaire est l’ensemble vide).
3. Quantificateurs. Implication logique
Il est temps d’introduire ici quelques éléments de logique qui viendront

en complément de ceux qui ont déjà été introduits. Il s’agit non pas d’abré-
viations mais d'instruments logiques.
3.1. Quañtificateur universel
Pour connaître l’ensemble À des prix qui ont monté entre le 3 novembre
1984 et le 3 novembre 1985, il faut connaître tous les prix, et n’en oublier aucun
(ce qui est d’ailleurs fort difficile pratiquement !). Le signe utilisé en mathé-
matiques pour désigner tous les éléments est le « quantificateur universel » :
Vx e À, p. (1)
(1) signifie : « quel que soit x », ou « pour tout x », appartenant à À, la proposi-

tion p est vérifiée (ici par exemple : les prix montent, en supposant qu'ils
aient ous monté). C’est une manière rapide d’écrire quelque chose de très
précis : dans 4, aucun prix n’a stagné ou baissé. |
Pour que l’ensemble À des prix ne vérifie pas (1), il suffit qu’il y ait un prix
qui ne monte pas; ceci peut s'exprimer à l’aide du :
3.2. Quantificateur existentiel
3x € À, 1p
On lit : « Ilexiste » x appartenant à À tel que la proposition p ne soit pas vérifiée.

Ici encore on écrit rapidement «il y a un prix au moins qui n’a pas monté ».
Remarquons que :
VxeA,p entraîne: 1xe4,p
mais la réciproque n’est pas vraie : il ne suffit pas de connaître un élément

d’un ensemble pour connaître l’ensemble (on raconte toujours l’histoire de
l'Anglais qui débarque en France, il voit une femme rousse, et généralise :

« toutes les Françaises sont rousses ». Il est passé de « il existe » (quantificateur
existentiel) une Française rousse, à «toutes » (quantificateur universel) les
Françaises sont rousses).
3.3. Implication logique
Le signe = de l'implication logique a déjà été employé. Précisons sa signi-

fication.
EAN
se lit « si p est vérifiée, alors g », ou « la proposition p entraîne la proposition
g » ou plus simplement « p implique (entraîne) g ».
Exemples :
— J'ai été reçu au certificat d'Etudes = je me suis présenté au certificat
d'Etudes.
— p : un homme est français
g : un homme est économe
pq (1)
signifie : « Si un homme est français, alors il est économe » (la valeur de vérité
de cette affirmation n’est peut-être pas 1 !).
L'inclusion et l'implication sont liées. Si F est l’ensemble des Français et
E l’ensemble des hommes économes, l’implication (1) signifie (Fig. 6) :
FRSNEX
Une telle proposition devrait être démontrée.
Fig. 6.
Il résulte de la proposition (1) que si un homme n’est pas économe, il ne

peut être Français :
1g = 01p..
Les implications :
P,9
èb: 19
= Ip
Ensembles 13
s'impliquent logiquement l’une l’autre, de même que :
FcE=EcF
(la signification est la même : si tous les Français sont économes, alors quel-
qu'un qui n’est pas économe ne peut être français).
3.4. Implication réciproque
L’implication réciproque de :
hand
ÉSLe q = p.
La première signifie que F & E, la seconde que E & F. En général ces deux
implications ne sont pas vraies en même temps. Pour qu’elles le soient, il faut :
Er
L'implication : «un nombre terminé par 0 est divisible par 10 » soit : «un
nombre est terminé par 0 = ce nombre est divisible par 10 » a une réciproque
exacte :
un nombre est divisible par 10 = ce nombre est terminé par 0,
car l’ensemble des nombres terminés par O0 et l’ensemble des nombres
divisibles par 10 sont égaux.
3.5. Equivalence logique

Si l’on a à la fois :
pq € qg—p
on écrit :
JEU
On dit que p et qg sont logiquement équivalents.
Exemples :
— Un nombre est divisible par 10 <> un nombre est terminé par 0.
— Un objet est violetun objet est de la première couleur visible de
l’arc-en-ciel.
— Les «conditions nécessaires et suffisantes» sont des équivalences
logiques :
P14
se disait autrefois « pour que p soit vérifié, il faut et il suffit que g le soit ».
Pour démontrer de telles équivalences, il faut établir deux implications :
1) p = q ou son équivalent : 19 = _1p.
2) g = p ou son équivalent : Ip 1g.
3.6. Propositions particulières : axiomes et théorèmes
Une proposition non démontrable, mais admise comme point de départ

est un axiome. Une proposition démontrée (à partir d’axiomes et d’autres
propositions démontrées) est un théorème.
4. Opérations sur les ensembles
4.1. Préliminaire : Diagramme de Carroll
Pour mettre en évidence les deux opérations nouvelles que nous voulons
introduire, l'intersection et la réunion, il est utile de connaître une nouvelle
forme de diagramme : le diagramme de Carroll (*). Rappelons que le tracé
d’un diagramme ne constitue pas une démonstration, mais seulement une aide
à la démonstration.
Le diagramme de Carroll représente l’ensemble par un grand rectangle,
et ses sous-ensembles complémentaires par des rectangles plus petits. On
peut présenter ainsi (Fig. 7) l'ensemble E du personnel d’une usine, en mettant
en évidence d’une part les ouvriers et les cadres, d’autre part le personnel de
l'atelier À et celui du reste de l’usine. Ce sont deux partitions différentes du
même ensemble E qui sont ainsi figurées.
Les deux partitions permettent de mettre en évidence plusieurs sous-
ensembles ; certains de ces sous-ensembles sont des intersections ou des
réunions d’autres sous-ensembles, d’où l'intérêt du diagramme de Carroll
pour introduire ces opérations.
o c L'intersection
ouvriers cadres
” ss
à_ | RQ
atelier SR
rsde ce
Fig. 7. Fig. 8.
(*) Carroll s'appelait en réalité Charles Dodgson (1832-1898). Tout en enseignant

à Oxford et en publiant des ouvrages de mathématiques et de logique, il a écrit plusieurs
livres pour enfants, dont Alice au Pays des Merveilles.
Ensembles 15
4.2. L’intersection
L'intersection est une opération sur des parties d’un ensemble (le référen-
üel). Elle consiste à prendre les éléments communs à deux sous-ensembles.
Il y a des ouvriers qui sont dans l’atelier À : donc les ouvriers de l’atelier À
sont les éléments de l’intersection de l’ensemble © des ouvriers et de l’en-
semble À des personnes de l’atelier 4. Sur le diagramme de Carroll (Fig. 8,
page précédente), cette intersection se trouve doublement hachurée.
|
Elle se note :
On lit : «O inter À ». Cela signifie :

aeONA aeO et aeA.
Un élément de l'intersection appartient à la fois aux deux sous-ensembles.

Un homme de O MN À est à la fois ouvrier et travaillant dans l’atelier À.
L'équivalent logique de l’intersection est la conjonction. La conjonction
se note par un signe qui ressemble à celui de l'intersection :
pPAg
signifie que p et g sont vérifiées en même temps. (Ici, a vérifie à la fois « être un
ouvrier » et « travailler dans l’atelier À ».)
L'opération intersection est commutative, c’est-à-dire que son résultat

est le même quel que soit le sous-ensemble qui est noté le premier :
DaAro Or
Cela résulte de la définition même : il s’agit des éléments communs à O et

à À (ou à À et à O ce qui est la même chose).
Cette opération est également associative, c’est-à-dire qu’on peut envisager
une suite d’intersections dans n’importe quel ordre. Par exemple, soit D
l’ensemble des hommes bruns dans le personnel de l’usine (Fig. 9 et 10)
(OnD)nA=On(DnA)=(O0n4)nD.
Fe mi ZA
rom 24
Fig. 2. Fig. 10.
Le résultat de l’une quelconque des suites d’opérations indiquées ici est

le sous-ensemble des ouvriers bruns qui travaillent dans l’atelier À. C’est
parce que l’ordre des opérations est indifférent que l’on peut écrire cette double
intersection sous la forme sans parenthèse :
OnDNA.
Par ailleurs :
ANA = A
pour tout ensemble. L’intersection d’un ensemble avec lui-même est l'ensemble
lui-même.
Quand l'intersection de deux ensembles est vide, ces deux ensembles sont
dits disjoints. Exemple, si C désigne l’ensemble des cadres de C (Fig. 11) :
COMRCR
Fig. 11.
Il n’y a en effet pas d’ouvrier qui soit cadre. On voit ici qu’il est commode de
ne considérer qu’un seul ensemble vide : c’est l'intersection de n’importe quel
ensemble avec un autre ensemble qui n’a avec lui aucun élément commun.
En particulier, l'intersection d’un ensemble et de son complémentaire est
vide :
ANnrA=@
et aussi, l'intersection d’un ensemble quelconque avec l’ensemble vide est

toujours vide :
ADIDRRIE
4.3. La réunion
Cette deuxième opération sur deux parties d’un ensemble consiste à prendre
les éléments qui appartiennent soit à l’une soit à l’autre des deux parties
(ou aux deux à la fois). Par exemple, l’ensemble du personnel de l’atelier À
et des ouvriers de toute l’usine est la réunion des ensembles À et O, et se note :
AESIO
On lit : À «union » O. L'ensemble réunion est hachuré sur le diagramme de

Ensembles 17
Carroll ci-dessous, fig. 12. Les ouvriers de l’atelier À ne doivent être comptés
qu’une seule fois. L'opération est différente de l’addition :
— car il s’agit de réunir des éléments, et non de les additionner,
— car on doit compter une seule fois l'intersection des deux sous-ensembles.
Fig. 12.
La réunion peut se traduire logiquement par :
D'AAMGICOM=ODIEANOTMDIEIC
le «ou » n’est pas disjonctif (c’est-à-dire qu’on n’exclut pas le cas où b appar-
tient à À et à C). En logique, on le note souvent par «et/ou », avec le
signe V (!).
L'opération réunion est commutative :
ODA TANGO?
L'ordre des sous-ensembles est indifférent pour déterminer les éléments

qui appartiennent à l’un ou à l’autre.
De même, cette opération est associative. Avec les mêmes notations que
pour l'intersection (Fig. 13) :
(OVEA). LED = OA I0AD})=-AOWD

):0 À.
Fig. 13.
({) Il faut distinguer le « ou » disjonctif du «et/ou ». Prenons deux exemples :

«Je mourrai aujourd’hui ou un autre jour. »
Le « ou » est disjonctif : je ne peux mourir qu’une fois.
«J'occuperai ma journée à lire ou à écrire. »
Le « ou » n’est pas disjonctif,jepeux lire, ou écrire, ou faire les deux. C’est le « et/ou ».
Cette réunion peut être notée :
OLAUD.
Il s’agit des hommes qui sont soit ouvriers, soit membres de l'atelier À, soit
bruns, et qui font partie de E. Ils peuvent avoir seulement l’une de ces qualités,
soit deux ou même trois à la fois.
Par ailleurs, on a des propriétés analogues à celles qu’on avait trouvées

pour l'intersection :
AROPAI=EA
AU
Q = À
AND'DEAISYE
On peut alors définir deux ensembles complémentaires, par rapport à

un référentiel E, par les deux propriétés :
AnA=g@ AVA=E.
4.4. Propriété de ces deux opérations
— Les éléments communs à 4 et à O (intersection) appartiennent à leur

réunion :
ANS OI ANCION
— L'intersection de deux ensembles est une partie de l’un ou l’autre de ces

ensembles :
ANOEC A Let ArMOEE

IQ
— Un sous-ensemble est une partie de sa réunion avec un autre :
ANS AMOIOr
— La réunion est distributive par rapport à l'intersection, c’est-à-dire

qu'on peut commencer par opérer soit les réunions, soit les intersections :
OnN(BLA)=(OnB)LU(O NA) (1)
et également :
(O0NnNB)LA=(O0 A)n(B0 À). (2)
Toutes ces propriétés devraient être démontrées; pour gagner du temps,

nous les admettrons. Donnons cependant la représentation par diagramme
de Venn et la démonstration de l'égalité (1).
Ensembles 19
Les diagrammes de Venn sont (Fig. 14 et 15) :
(0 n B)U (0 A 4) On(B0À)
représenté par toute représenté par la partie
la partie hachurée doublement hachurée
Fig. 14. Fig. 15.
On obtient un résultat parlant avec ces diagrammes : sur les figures, les
deux membres de l'égalité représentent bien les mêmes sous-ensembles.
Mais nous n’avons pas ici une démonstration, car il n’est pas certain que
d’autres cas de figure ne pourraient pas se présenter.
La démonstration doit se faire en deux étapes :
1) On démontre que O N (B L À) est inclus dans (O n B)L (ON À)
Pour cela, on prend un élément quelconque a de O N (B L A)et on démontre
qu'il est élément de (0 n B)U (ON 4) :
soit aeB, donc aeOnB
aeON(BLUA) alors aeO et l
PE soit aeA, donc aeOnA.
L'élément a appartient soit à O AN B, soit à O N À, il appartient donc à leur

réunion d’où :
ONnN(B0UA)c(ONA)L(ONB).
2) Réciproquement, on démontre que (O n B) 0 (O N À) est inclus dans

ONn(B0 À)
Il s'agit de démontrer qu’un élément quelconque de (0 n 4) LU (O n B)
appartient obligatoirement à O N (B L 4).
soit beOnB
Si be(OnNB)LU(ONA) alors {
soit beONA
dans le 1 casbe B
—= dans les deux cassbeO et {
dans le 22 cas b € À
soi beB
donc _bE=OMet { |c'est-à-dire be BL À
soit beA
autotal beON(B
0 A).
Cette démonstration permet d’affirmer que :
(0nB)L(OnNA)cON(BL
4).
Les deux inclusions entraînent l'égalité cherchée :
On(BLA) = (OnNnB)LU(OnNA) |.
4.5. Relation entre les cardinaux
Etant donnés deux sous-ensembles À et B d’un même référentiel R, entre

les cardinaux de ces sous-ensembles est réalisée la relation :
Card (4 L B) = Card À + Card B — Card (4n B)
généralisable à plus de deux sous-ensembles. Il est facile de la retenir en consta-

tant que lorsque l’on additionne Card 4 et Card B, on compte deux fois
Card (4 NB).
Pour comprendre cette propriété importante qui sera également utile en
calcul des probabilités, prenons un exemple. La figure 16 représente deux
ensembles de lettres, M et N
M N
Fig. 16.
Nous avons :
M = {4,B,C, DE} Card

M = 5
Nr= VD /ETESGY Card
N = 4
MON ="#D'E'} Card(M
n N)=2
MUN={A,B,C,D,E,F,G} Card{MUN}=7.
On vérifie la relation: en additionnant CardM + Card N (=9), on
compte deux fois les éléments D et E. Il est plus facile de constater sur la
figure 16 qu’il n’y a que 7 éléments en tout : à ce 9, il faut enlever le nombre
d'éléments comptés deux fois (2).
Ensembles Di
4.6. Lois de de Morgan
(A. de Morgan, mathématicien anglais, 1806-1878.)

Ces lois concernent les complémentaires de la réunion et de l'intersection.
La première loi s'écrit :
CITE)
et la seconde est analogue à la première, en permutant les opérations
intersection et réunion :
CE)
4.7. Définition de l’algèbre de Boole
Par ces dernières propriétés, nous avons amorcé une « algèbre » (calcul
formalisé) sur les éléments de l’ensemble Z(E) des parties de E, avec trois
opérations : la complémentation, l'intersection et la réunion. Cette algèbre
a reçu le nom d’A/gèbre de Boole et s’est développée fort utilement.
2
FOURASTIÉ. — Mathématiques appliquées à l’économie.
Chapitre 2
Les fonctions et les applications
1. Définition d’un produit cartésien d’ensembles
Etant donnés l’ensemble P des articles en vente sur le marché à une date
précise et l’ensemble Q des quantités possibles de ces articles, on appelle Produit
cartésien de P et Q, noté P x Q (!) l’ensemble des couples (p, g) qui repré-
sentent toutes les associations possibles entre un article et une quantité.
Pour simplifier, supposons que P ne comprenne que deux articles : tomates
et pommes de terre, et que Q ne contienne que trois quantités : 1 kg, 2 kg,
3 kg. Le produit cartésien P x Q est alors formé de 6 couples :
— (tomates, 1 kg) (tomates, 2 kg) (tomates, 3 kg)
— (pommes de terre, 1 kg) (pommes de terre, 2 kg) (pommes de terre,
3 kg)
qui représentent les différents achats possibles pour une ménagère. Les éléments
du produit sont les six couples.
1.1. Représentations graphiques
Il y a plusieurs représentations graphiques possibles d’un produit cartésien

de deux ensembles :
— Un Diagramme Sagittal (Fig. 1). Chaque flèche symbolise un couple.
— Une Grille (Fig. 2). Chaque point d’intersection symbolise un couple.
— Une Représentation cartésienne (Tableau 1). Il s’agit d’une représentation
analogue à celle utilisée dans les mots croisés.
On peut placer dans les cases soit des croix, soit des chiffres. Dans le second
cas, le tableau est une matrice.
(1) On lit «Produit P, Q » ou « P croix Q ».

Les fonctions et les applications 23
P Q
a kg
tomates e PC
1 kg 2 kg 3 kg
e2kg Tomates
ÿ $ : F sr Rae D °3kg P:d.t. l'in mna |
Fig. 1. Fig. 2.
Tableau 1
Tomates
— Une représentation par points et flèches peut être adoptée s’il s’agit
du produit d’un ensemble par lui-même. Par exemple, les couples de deux
personnes réalisables parmi quatre : Antoine, Béatrice, Claude et Daniel
peuvent être représentés par les flèches du graphique de la figure 3.
Fig. 3.
Chaque flèche symbolise un couple. Ici sont représentés les couples (4, 4)
(B, B) qui sont formés de deux fois la même personne : ces couples figurent
dans le produit cartésien de l’ensemble par lui-même.
Note : Il faut bien distinguer un couple d’une paire. Un couple est ordonné
(dans l’exemple précédent, l’article suivi de la quantité : l’inversion serait
dépourvue de sens). Une paire est un ensemble dans lequel l’ordre est indiffé-
rent :
— pour les couples : (a, b) # (b, a),
— mais pour les ensembles (paires) : {a,b} = {b,a}.
Les accolades représentent les ensembles, et les parenthèses les couples.

(Cette distinction pourrait se retrouver dans le langage courant : on peut
dire une paire de chaussettes, car les deux chaussettes sont identiques ; on
parle d’un «couple » de personnes, car l’homme et la femme ne sont pas
identiques, mais on devrait dire un couple de gants ou de chaussures.)
De façon générale, pour réaliser un ensemble produit, on considère succes-
sivement les éléments du premier ensemble, appelé ensemble de départ, et
on fait correspondre à chacun d’entre eux, successivement, les éléments du
second ensemble, appelé ensemble d'arrivée. Les éléments du produit cartésien
sont les couples ainsi obtenus.
1.2. Autres exemples de produits cartésiens d’ensembles
— Si l’ensemble de départ est un ensemble de lettres arabes { 4, B, C, D, E}

et l’ensemble d’arrivée un ensemble de lettres grecques { x, B, y }, le produit
cartésien est formé des couples suivants :
Tableau 2
À B (sa D E
a (Ac) (Bic) si(G;x). sen (Dom (ES 0)

Bal} CAD) (Be (Gin (DD) REP)
von CL) auptB; y) ui (C5) sol 16,1) mm (ET)
— Si l’ensemble de départ est celui des entiers a positifs ou nuls, N, et

l'ensemble d'arrivée celui des entiers b strictement positifs, N*, toute fraction ©
peut être considérée comme un élément de l’ensemble produit N x N*.
— Si l’ensemble de départ est un ensemble de formes de boulons, et l’en-
semble d’arrivée un ensemble de métaux, l’ensemble produit est l’ensemble
de tous les couples forme/métal qui représentent tous les boulons différents
possibles.
— Si l’ensemble de départ et l’ensemble d’arrivée sont tous deux l’ensemble
des nombres réels R, le produit R x R est un ensemble de couples de nombres
réels, qui peuvent par exemple être représentés par des points d’un plan dont
les deux nombres réels sont les coordonnées. Cette représentation, dénommée
représentation cartésienne (*), n’est qu’une image, mais elle peut être parlante
(Fig. 4).
SiaeR considéré comme ensemble de départ (ensemble des abscisses)
et bER considéré comme ensemble d’arrivée (ensemble des ordonnées),
le couple (a, b) peut être représenté graphiquement par le point A.
() Le terme produit cartésien vient précisément de cette représentation qui est due
à Descartes.
Il est facile de se rendre compte que le couple (b, a) est distinct de (a, b),
car il est représenté par un autre point.
Fig. 4.
Au chapitre 6 du présent ouvrage, l’on se placera uniquement dans l'en-

semble produit R x R pour l'étude des « fonctions numériques ».
1.3. Cardinal d’un ensemble produit
Etant donnés deux ensembles P et Q ayant un nombre fini d'éléments :
CaAd'(PENO) =" Card PT Card ON
Ce résultat se déduit facilement des représentations graphiques. Par exemple,

sur la figure 2 p. 23, on voit facilement que le cardinal de P x Q est 2 x 3,
c'est-à-dire 6.
Il est possible de faire la démonstration, en considérant qu’on fait corres-
pondre au 1er élément de l’ensemble de départ successivement tous les éléments
de l’ensemble d’arrivée (on dit que l’on « décrit » l’ensemble d’arrivée) :
donc à ce premier élément de P correspondent « card Q » couples : il en est
de même pour tous les autres éléments de P, en nombre « card P ».
Lorsque les ensembles sont infinis, comme c’est le cas pour les produits
cités en exemple : N x Net R x R, le produit est infini.
1.4. Généralisation à plus de deux ensembles
Par exemple, on peut considérer un ensemble E de personnes, un ensemble F

de chapeaux et un ensemble G de vêtements. Le produit des trois ensembles
est un ensemble de «triplets » comprenant une personne, un chapeau, un
vêtement (dans l’ordre). Il est important de savoir dresser l’inventaire de ces
triplets (et éventuellement des n-uplets d’un produit de # ensembles). L’arbre
ci-après est une méthode pour dresser cet inventaire sans en oublier aucun.
Cet arbre est représenté figure 5. On choisit d’abord une personne, élément
de E : Pierre, Jacques ou Paul. Ensuite, à l’intérieur de ce choix, on opte
pour un chapeau, élément de F : melon ou turban (la branche melon-turban
est donc répétée trois fois). A l’intérieur de ce nouveau choix, reste à prendre
un vêtement, c’est-à-dire un élément de l’ensemble G : veston, pourpoint,
smoking, burnous. Cette nouvelle branche est répétée 6 fois. On obtient
24 triplets dont seulement 6 sont énumérés sur la figure : il est facile, en suivant
les branches, d'énumérer tous les autres.
Choix d'un Choix d'un Choix d'un Eléments de l’ensemble

élément de élément de élément de produit E£ x F x G
l'ensemble ÆE l'ensemble F l’ensemble G
veston (Pierre, melon, veston)

pourpoint (Pierre, melon, pourpoint)
melon
smoking (Pierre, melon, smoking)
burnous (Pierre, melon, burnous)
Pierre
veston (Pierre, turban, veston)
pourpoint etc:
turban
smoking
burnous
veston
pourpoint
melon :
smoking
burnous
Jacques
veston
pourpoint
turban :
smoking
burnous
veston
pourpoint
melon
smoking (Paul, melon, smoking)
burnous
Paul
veston
pourpoint
turban P
smoking
burnous
Fig. 5.
Cet arbre peut aussi, pour plus de commodité d’écriture, être présenté dans
l’autre sens (Fig. 6).
NNNAAAA
Turban Melon Turban Melon Turban
V PISYBPNP PIS 'BIEVPPS œ ee T un œ VPSB VPS
|
(Pierre,
|
(Pierre, (Paul,
—+
melon, turban, turban,

veston) burnous) burnous)
Fig. 6.
Le produit des ensembles est l’ensemble des éventualités possibles. La

représentation selon un arbre comme ci-dessus permet de les énumérer facile-
ment. De la même manière, si l’on a affaire à des ensembles d’éventualités,
on peut énumérer toutes les décisions possibles (d’où l'utilité des arbres,
particulièrement en informatique).
On peut également envisager les produits d’un ensemble par lui-même.
Par exemple, si l’on veut constituer des groupes pour assurer les rondes de
nuit dans une entreprise, on fait le produit de l’ensemble des employés sus-
ceptibles d’assurer ce travail par lui-même, autant de fois qu’on veut de
personnes dans le groupe. On constitue ainsi des couples, triplets, ..…., n-
uplets ordonnés ; l’ordre signifie le rôle de chacun dans le groupe : chef
d'équipe, adjoint, responsable de l’électricité… Il faut ajouter que l’on évite
de donner deux fonctions à un même individu : on ne prend donc pas tous
les éléments de l’ensemble produit, mais seulement ceux qui satisfont à
certaines conditions. C’est le même genre de restriction qui est fait quand on
considère les éléments d’un produit satisfaisant à une relation.
2. Notion de relation
2.1. Généralités
On ne peut faire de mathématiques sans parler de relation. Cette notion

a déjà été utilisée dans le premier chapitre, par exemple :
xeËE : relation entre l’élément x et l’ensemble E,

E © F : relation entre deux ensembles E et F.
Mais il y a bien d’autres relations auxquelles nous sommes habitués dans

la vie courante : relation entre l’ensemble des personnes présentes dans une
pièce et l’ensemble des sièges dans la pièce (la relation est « Untel est assis
sur tel siège »). Relation entre des personnes, leurs chapeaux et leurs vêtements :
l’ensemble H des triplets qui vérifient la relation (être effectivement vêtement
ou chapeau de Untel) est un sous-ensemble du produit E x F x G (cf. $ 1.4)
appelé graphe de la relation; il est formé de tous les triplets représentant
une personne, le chapeau et l’habit qu’elle porte effectivement.
On s'intéresse le plus souvent aux relations binaires qui font correspondre
des éléments de deux ensembles seulement. S’il s’agit d’ensembles de boulons
et de métaux, il y a relation entre un boulon de l’un et un métal de l’autre s’il
existe effectivement un boulon fait dans le métal en question.
Dans ce cas de la figure 7, il y a trois formes de boulons en acier, une forme
de boulons en cuivre, et aucun boulon en fer.
AS @— Acier
oc © Fer
El: 7: (=) ®——# Cuivre
Les autres modes de représentations graphiques du produit de deux

ensembles peuvent être utilisés (cf. $ 1.1). On marque de façon visible les
éléments du graphe de la relation, à l’exclusion des autres éléments de l’en-
semble produit :
Fig. 9.
La représentation en figure 8 a le nom de matrice booléenne : les 1 corres-

pondent aux éléments du graphe; les 0 aux couples qui ne vérifient pas la
relation.
Sur la grille de la figure 9, seuls les points représentant les couples du graphe
sont marqués de façon visible.
2.2. Définitions
On désigne par le mot variable l’un des éléments de l’ensemble de départ.

Il ne s’agit pas de quelque chose qui varie; mais une « variable » (souvent
nommée x) peut prendre la place de tout élément de l’ensemble de départ;
si elle apparaît plusieurs fois au cours du discours, elle représente toujours le
même élément.
On appelle domaine de la relation les éléments de l’ensemble de départ
qui sont en relation avec au moins un élément de l’ensemble d’arrivée (dans
l'exemple du $ 2.1, toutes les formes de boulon sont utilisées, le domaine est
identique à l’ensemble de départ).
Le champ est le sous-ensemble de l’ensemble d’arrivée dont les éléments
sont les images d’éléments du domaine (donc le point d’aboutissement d’une
relation). Dans l’exemple, le champ est : { acier, cuivre } ; « acier » est l’image
de trois éléments du domaine, et « cuivre » d’un seul élément. « Fer » n’appar-
tient pas au champ.
Le graphe de la relation, comme il a déjà été dit, est l’ensemble des couples
qui vérifient cette relation. Le mot vient de « graphique »; mais il faut bien
distinguer le graphe qui est un ensemble, de sa représentation graphique.
2.3. Autres exemples de relations
On peut citer les relations suivantes : « Avoir même père que », «avoir
pour frère », «avoir même employeur que », « avoir le même âge que» …
entre des personnes.
Entre les côtés d’un rectangle a, b, c, d : «avoir même longueur que »,
«être perpendiculaire à », «être égal à », «être parallèle à » (Fig. 10, 11 et
12ÿ
Co)
” G
«a même longueur que » «est perpendiculaire à »

«est égal à »
«est parallèle à »
Fig. 10. Fig. 11. Fig. 12.

Ces relations sont des relations d’un ensemble sur le même ensemble.
C’est pourquoi la représentation graphique de leur graphe peut être faite
par points et flèches. Les seules flèches représentées sont celles qui symbolisent
les couples vérifiant la relation.
Autres relations : entre l’ensemble des feuilles et l’ensemble des arbres
d’un même jardin : « être une feuille de l’arbre ». Entre l’ensemble des crayons
feutres d’une trousse et l’ensemble de leurs bouchons : « être le bouchon du
stylo ». Entre l’ensemble du personnel d’une entreprise et l’ensemble des
fonctions à y effectuer : «avoir telle fonction » …
2.4. Relation complémentaire d’une relation donnée

Une relation R' est complémentaire d’une relation R si son graphe est un
sous-ensemble complémentaire du graphe de la relation R, par rapport à
l’ensemble produit cartésien R x R'.
Les deux relations représentées figures 11 et 12 : «a même longueur que »
et «est perpendiculaire à », pour les côtés d’un rectangle, sont complémen-
taires.
2.5. Relation réciproque d’une relation donnée

Ici, l’on se trouve devant une notion très différente de la précédente. La
relation réciproque est en quelque sorte la relation directe prise « dans l’autre
sens » : l’ensemble de départ de la relation réciproque est l’ensemble d’arrivée
de la relation directe, et inversement.
Par exemple, la relation R «avoir pour père » a pour réciproque R°!
«avoir pour enfant». Certaines relations sont à elles-mêmes leurs propres
réciproques (dans le cas de relation d’un ensemble avec lui-même) ; c’est le cas
de « avoir même père que » : si Pierre a le même père que Jacques, Jacques a le
même père que Pierre, c’est également le cas de « avoir le même âge que »,
«être égal à » .. (On pourra chercher dans les exemples de relations donnés
ci-dessus quelles sont celles qui sont leur propre réciproque. Attention! ce
n'est pas le cas de « avoir pour frère » car si Adèle a pour frère Jean, Jean n’a
pas pour frère Adèle. La relation qui est à elle-même sa propre réciproque est
«avoir pour frère ou sœur ».)
2.6. Composition de relations

Si l’on applique successivement deux relations, par exemple « être le fils
de » et « être le frère de », on obtient une nouvelle relation, ici « être le neveu
de » (Fig. 13) :
fils de frère de
soc E radet CeDi oh:
Ee eFe e G
Fig. 13. FR RARE Re at Dash er7
Neveu de
Cette relation est dite composée des deux relations précédentes.

3. Relations binaires dans un ensemble
On appelle relations binaires des relations faisant intervenir deux éléments

de deux ensembles (distincts ou non), par opposition à celles qui en feraient
intervenir plus de deux (comme la relation entre les personnes, les vêtements
et les chapeaux indiquée ci-dessus). Nous nous limitons ici aux relations
binaires dans un ensemble, c’est-à-dire telles que l’ensemble de départ et l’en-
semble d’arrivée soient identiques.
3.1. Propriétés
Des relations binaires dans un ensemble peuvent avoir un certain nombre

de propriétés, utiles à connaître :
Réflexivité
Une relation est réfiexive si tout élément est en relation avec lui-même :
VaeE, aRkRa
Il est facile de donner des exemples de relations réflexives : «avoir même

père que », « avoir même âge que », « avoir même employeur que », « avoir
même longueur que », « diviser », «être égal à », «être inclus dans ». Par
contre, « avoir pour fils », « être perpendiculaire à », « être plus grand (stricte-
ment) que », « être différent de » ne sont pas réflexives.
Sur la représentation graphique par points et flèches, le fait d’être réflexive
pour une relation se traduit par une boucle pour chaque élément (Fig. 14).
) Fig. 14.
Sur le diagramme cartésien, tous les éléments de la diagonale appartien-

nent à la représentation du graphe. Sur le diagramme sagittal, les horizon-
tales appartiennent toutes à la représentation du graphe.
Symétrie
Une relation est symétrique si chaque fois qu’un élément a est en relation
avec un élément b, l’élément b est aussi en relation avec a.
VURIDIErES aRb=bRa ,
Une relation symétrique est identique à sa réciproque. On retrouve donc

les exemples donnés à propos de la relation réciproque : « avoir même père
que », « avoir même âge que » … Il y a des relations qui ne sont pas symé-
triques, comme « être le fils de », « diviser », «être plus petit que », « être
plus grand que ».
En particulier, l'inclusion n’est pas symétrique, car si :
PIN
on ne peut avoir :
PISTE
que dans un cas particulier, celui où E = F, et non dans tous les cas. Par
contre la relation d’égalité (entre ensembles, entre nombres, etc...) est symé-
trique.
Il n’est pas nécessaire pour qu’il y ait symétrie que chaque élément de E
soit en relation avec un autre, mais que si la relation a lieu dans un sens, elle
ait aussi lieu dans l’autre sens.
En représentation par points et flèches, cette relation se traduit par une
double flèche pour tous les couples d’éléments en relation l’un avec l’autre
(Fig. 15). Il y a symétrie (au sens géométrique) de toutes les autres formes
de représentation graphique d’une relation symétrique (en particulier, ce
qui est important, pour la matrice booléenne).
ae eb
Fig. 15. NL EL”
Antisymétrie
Parmi les relations qui ne sont pas symétriques, certaines (attention, pas
toutes !) sont antisymétriques. Cela signifie que d’une façon générale, si a
est en relation avec b, b n’est pas en relation avec a.
VAR DIE ER 1 SENS aRb<bRa ;
Par exemple, si Pierre «a pour fils » Paul, jamais Paul ne peut « avoir
pour fils » Pierre. De même si :
Fe F
on n’a jamais :
PNENE,
sauf, si E = F.
La relation « avoir pour fils » et la relation d’inclusion sont des relations
antisymétriques.
Cette relation se traduit par points et flèches par la figure 16, avec a distinct
de b. :
a @ ep
Dr ms Fig. 16.
Autre exemple : La relation « être plus petit que » ou « être plus grand que »
est une relation antisymétrique.
Attention | Il existe des relations symétriques, des relations antisymétriques,

et d’autres relations qui ne sont ni l’un ni l’autre. La relation R « avoir pour
frère » en est un exemple : pour certains éléments (Pierre et Paul), il y a réci-
procité :
Pierre R Paul et Paul R Pierre
pour d’autres non :
Anne R Paul et non Paul R Anne.
La relation R n’est donc ni symétrique ni antisymétrique, car chacune de ces

qualités exige que la propriété soit vraie pour tous les éléments distincts
pris deux à deux.
Transitivité
Si un élément est en relation avec un deuxième, et si ce deuxième élément

est en relation avec un troisième, le premier élément est en relation avec le
troisième, et ceci quels que soient les éléments choisis :
VANDERCEIE aRb,
Cette propriété se traduit par points et flèches sous la forme de la figure 17 :
RE LS ai 7
C
& ET PPS, Dr Fig. 17.
La relation d’égalité est transitive, ainsi que la relation d’inclusion ou les

relations : « avoir même père que », « avoir les cheveux de même couleur que ».
Par contre, la relation « avoir pour fils » n’est pas transitive : Si Pierre a
pour fils Paul, et si Paul a pour fils Rémy, Pierre n’a pas pour fils Rémy (il
l’a comme petit-fils, mais ceci est une autre relation, distincte de la première).
3.2. Relations particulières
Des relations ayant certaines de ces propriétés sont à considérer parti-

culièrement :
Relations d'équivalence
Une relation est dite relation d'équivalence si elle est à la fois réflexive,
symétrique et transitive (cf. Fig. 18) :
réflexive a )
symétrique a o “eb
—
Fig. 18 transitive a@ è ec
ST
La relation d'égalité, les relations «avoir même longueur que », « être

parallèle à », « avoir même âge que » sont des relations d’équivalence. Mais
ce n’est pas le cas de la relation d’inclusion, ni de la relation « avoir pour
fils ».
Représentons la relation « avoir même père que » dans un groupe d'enfants
de plusieurs familles (Fig. 19).
Pierre Antoine
Ge
Monique «)
(.) Jacques
: ë æ :
Fig. 19. Rémy CAE) Eliane
Nous constatons que des sous-ensembles distincts apparaissent : ce sont

les différentes familles.
D'une façon générale, une relation d'équivalence définit des sous-ensembles
appelés classes d'équivalence formées d’éléments en relation entre eux.
Par exemple, la relation d'égalité définit, dans l’ensemble des rationnels Q,

les classes d’équivalences formées des fractions égales, par exemple, la classe :
Ro D
MON D age
Chaque classe d'équivalence est en général représentée par la fraction « sim-
plifiée », c’est-à-dire par celui des éléments de la classe d’équivalence qui a l’ex-
pression la plus simple (ici :)
De même les classes d’une série statistique sont des classes d’équivalence
(la relation entre les éléments est alors : «être dans la même classe que » qui se
précise dans le cas de variables discrètes : «avoir même nombre que », et dans
le cas de variables continues par « être compris dans le même intervalle que »,
par exemple « être né dans la même année que »).
Relations de préordre
Ces relations sont réflexives et transitives (cf. Fig. 20) :
réflexives a )
je Q — gd —#
transitives @ (} e
Fig. 20.
Il est évident que toutes les relations d'équivalence sont des relations de
préordre. De même, l'inclusion, les relations « être inférieur ou égal à »,
«être plus grand que (au sens large) » sont des relations de préordre. Par
contre, « être inférieur à » (strictement), « être perpendiculaire à » ne sont
pas des relations d’ordre. Il y a doute en ce qui concerne « ressembler à » :
« je ressemble à mon père », « mon père ressemble à un de ses amis » n’entraîne
peut-être pas que « je ressemble à l’ami de mon père » (il n’y a peut-être pas
transitivité).
On peut ranger les éléments des ensembles où une relation de préordre
existe : par exemple la vaisselle (relation « être semblable à » : une assiette
est semblable à une autre assiette ;on empile les assiettes toutes dans le même
endroit, mais sans les numéroter!). Chaque élément a sa place, que ce soit
par une relation d'égalité ou par une décision arbitraire (pourquoi les assiettes
en dessous des verres ?)
Relations d'ordre
Ce sont des relations réflexives, transitives et antisymétriques (cf. Fig. 21) :
réflexives €)
transitives @ e @
a
antisymétriques @ æ
Fig. 21.
L'inclusion, les relations « être plus âgé que (au sens large) », « être supérieur
ou égal à » sont des relations d’ordre.
Dans ce cas, tous les éléments du domaine sont ordonnés par la relation,
mais, dans certains cas, ils peuvent se trouver au même niveau : il ne s’agit
pas de ce qu’on appelle un ordre total :
On dit qu’il y a ordre total si la relation permet de comparer entre eux fous
les éléments de l’ensemble (qui est alors identique au domaine) : la relation
«être supérieur ou égal à » définit un ordre total sur les entiers, car chacun
d'eux peut être comparé à tous les autres. On peut finalement les classer de
façon unique : 1, 2, 3 …
On dit qu'il y a ordre partiel si la relation ne permet pas de comparer entre

eux tous les éléments de l’ensemble. C’est le cas de la relation d’inclusion sur
l’ensemble des parties d’un ensemble donné (cf. chapitre 1, $ 2.4, p. 8) : les sous-
ensembles de même cardinal se trouvent au même niveau, mais par exemple
{ a } n’est pas en relation d’inclusion avec { b, c }.
De même, sur un ensemble de tâches à effectuer, la relation « précéder » :
certaines tâches peuvent se faire en même temps; si l’on peint une pièce, il
faut pcindre le plafond avant les murs, mais l’intérieur des placards peut être
fait avant, pendant ou après. (Cette relation « précéder » pour une série de
tâches fera l’objet de toute une partie du chapitre 3 : méthode du chemin
critique.)
Attention ! Il existe beaucoup de relations qui ne sont « rien » (ni d’équi-
valence, ni de préordre, ni d’ordre). C’est le cas de la relation « avoir pour
père » et de toutes les relations non transitives, ou de la relation « être plus
petit que (strictement) » et de toutes les relations non réflexives.
4, Fonctions et applications
4.1. Notion de fonction
Nous abordons ici l’étude d’un type très particulier de relations, celles qui
étaient pratiquement les seules étudiées dans les mathématiques « tradition-
nelles ».
Le mot fonction s'emploie dans le langage courant : un prix est fonction
de la quantité achetée : la distance parcourue par la lumière varie en fonction
du temps : le salaire d’un ouvrier est fonction du travail fourni par lui. Mais la
notion de fonction en mathématiques est plus générale :
Une relation R de E dans Fest dite fonctionnelle si chaque élément de
l’ensemble de départ n’est en relation qu'avec au plus un élément de l’ensemble
d'arrivée. Autrement dit (Fig. 22) sur le diagramme sagittal, il ne part qu’une
flèche au plus de chaque élément de E (!).
A@
ea
Be
e b
Ce
ec L
De Fig. 22.
Par exemple, dans une entreprise à chaque ouvrier correspond un salaire,

jamais deux ! Donc de chaque élément de l’ensemble de départ qui est l’en-
semble des ouvriers part une seule flèche qui va vers un salaire de l’ensemble
d'arrivée (ensemble des salaires versés). Autre exemple : dans l’ensemble des
hommes, la relation « avoir pour mère » est fonctionnelle, car chaque humain
n’a qu’une mère.
Ceci peut se schématiser :
VxeE, ver, xRy yest unique.
Il peut se faire que la relation R n'ait de sens que pour certains éléments
de E (sur la figure 22, la relation n’a pas de sens pour B). Dans ce cas l’en-
semble de départ et le domaine (que l’on appelle ici en général domaine de
définition) ne sont pas identiques. S’il s’agit de l’ensemble N des entiers positifs,
(*) Lorsque le domaine de la fonction est l’ensemble de départ tout entier, on dit que
cette fonction est une application. (Avec l'Association des Professeurs de Mathéma-
tiques, nous distinguons ainsi « fonction » et « application », ce que ne font pas tous
les auteurs.)
la relation sur R x R :
x Ry telle que y = x
n’a pas de sens pour tout x de N, elle n’en a que pour x carré parfait : son
domaine de définition est le sous-ensemble de N formé des carrés parfaits.
4.2. Notations concernant les fonctions
Pour décrire la fonction x R y, une série de notations peuvent être utilisées :

RACE)
ou: xeE£etyerF
ESF
xp
ou encore:
x f(x).
Les fonctions peuvent être « tabulées » c’est-à-dire écrites sous forme de

tables. Par exemple, la fonction représentée à la page 37 sous forme de dia-
gramme sagittal peut donner lieu à la table suivante :
Dans ce deuxième cas, les ensembles sont infinis ; la table ne peut être dressée
de façon complète que pour des ensembles finis. Les tables financières pages 195
à 199, sont des tables de fonctions de n, avec n entier (limité de 1 à 30).
(On peut prendre d’autres exemples : dans R x R les fonctions y = e
et plus généralement, y — ax + b sont définies sur des ensembles infinis et
ont une représentation cartésienne qui est une droite. Voir le chapitre 6 sur
les fonctions numériques.)
4.3. Fonction réciproque

La relation réciproque d’une fonction n’est une fonction que si une seule
flèche aboutit en chaque point de l’ensemble d’arrivée.
Dans R x R, la fonction qui à x fait correspondre : y = x? n’a pas de

fonction réciproque puisque à une valeur de y correspondent deux valeurs de x ;
mais Dr R* x R*, elle en a une : la fonction qui à y fait correspondre
Nas
4.4. Applications particulières

Application surjective
Une application est surjective si tout élément de l’ensemble d’arrivée est
image d’un élément au moins de l’ensemble de départ. On dit aussi que cette
application est une surjection (Fig. 23).
Be
eb
Ce
e c
De
e d
E, 2e TETE Fig. 23.
Comparons les éléments de l’ensemble de départ à des archers qui tirent sur
leurs ennemis (ensemble d’arrivée); dans le cas de la surjection, les archers
tirent tous (application), et les ennemis reçoivent au moins une flèche, ce qui
implique une entente préalable des archers pour qu'aucun ennemi ne soit
oublié.
Exemples : — Soient des biens produits par une entreprise, et les deux
moyens de transport possibles (le rail et la route). Tous les biens doivent être
évacués par l’un ou l’autre des moyens de transport. L'application est une sur-
jection si les deux moyens de transport sont utilisés.
— Etant données une salle de cours comprenant des sièges et des personnes
désirant l’occuper, l’application qui met en relation les sièges et les personnes
est une surjection si la salle est «trop petite », c’est-à-dire s’il y a au moins
une personne par siège.
Application injective
Une application est injective si tout élément de l’ensemble d’arrivée est
l’image d’un élément au plus de l’ensemble de départ. Cette application est
alors appelée une injection (Fig. 24, p. 40).
Les archers tirent tous, et se sont entendus pour ne jamais viser à deux
le même ennemi, mais ils ne sont pas assez nombreux pour atteindre tous les
ennemis.
ea
Ae eb
a
Ce ed
De ee
Fig. 24. .f
Exemples : — Des numéros sont attribués aux départements. Dans l’appli-

cation de l’ensemble des départements dans l’ensemble des numéros de 01
à 99, il reste les numéros 96, 97, 98, 99 inoccupés. L’application est injective.
— Une salle de cours « trop grande » ; chaque élève occupe un siège, mais
il peut rester des sièges inoccupés.
Application bijective
Une application est bijective si elle est à la fois injective et surjective. On
dit alors qu’elle est une bijection (Fig. 25).
Il y a autant d’archers que d’ennemis. Les archers, ici encore, se sont entendus
pour ne pas viser à deux le même ennemi : tous les ennemis sont atteints.
A®@ °a
Be .b
Ce ec
Fig. 25. De —… 4
Exemples : — L'application : y = ax + b, pour x et y éléments de R.

— Une salle de cours exactement remplie : chaque siège est occupé. Il ne
reste n1 siège libre, ni personne debout.
— Les tables statistiques ou financières font apparaître des relations
entre nombres : à chaque nombre donné, la table fait correspondre un nombre
et un seul ; si la relation est une fonction strictement croissante ou décroissante,
à chaque résultat correspond un nombre de l’ensemble de départ et un seul.
Par exemple, à n, la table financière I fait correspondre le nombre unique
(1 + à)" et à une valeur de (1 + i)" correspond une valeur de n et une seule.
On dit que net (1 + i)" sont en correspondance biunivoque.
Chapitre 3
Les graphes °
1. Généralités sur les graphes
1.1. Rappel
Etant donnés deux ensembles P et Q et une relation R de P vers Q, le graphe

de la relation R est le sous-ensemble des couples de P x Q qui vérifient R.
Dans les pages qui suivent, on se limite au produit E x E d’un ensemble
par lui-même (relation binaire dans un ensemble E).
Exemple : Le graphe suivant est celui des liaisons automobiles possibles
entre 5 carrefours À, B, C, D, E. (Relation : il existe une voie qui peut être
parcourue en automobile de À vers B.) Les diverses représentations graphiques
possibles du graphe de cette relation constituent les figures 1 à 4.
A'IUB* UCPUDUTrE
EN
CG
RE
ie
Fig. 1. Points. Fig. 2. Points et flèches.
(*) Ce chapitre n’est pas au programme actuel du cours du C.N.A.M. : « Mathé-

matiques pour l'Economie et la Gestion ». Il est, par contre, au programme du
D.U.T. et de l’unité de valeur : « Techniques Quantitatives II » du D.E.CsS.
A® e À
Be °.B
Ce ec
De eD
Ee eE
Fig. 3. Diagramme sagittal. Fig. 4. Matrice booléenne.
Un tel graphe peut également représenter diverses tâches : les flèches

représentent des tâches et les points en représentent le début ou la fin. Nous
retrouverons ceci avec le diagramme de la méthode du chemin critique qui
fait l’objet de la seconde partie de ce chapitre, p. 46.
1.2. Définitions
Les définitions s’inspirent de la représentation graphique « par points et

flèches » :
— Un sommet est un élément de £. Exemple : A.
— On appelle arc ou flèche tout élément du graphe, c’est-à-dire tout couple,
représenté graphiquement par une flèche. Exemples : (44), (AB), (AD).
— Un chemin est une suite d’arcs tels que l’extrémité de l’un soit l’origine
du suivant (4B), (BC), (CD), (DE) est un chemin de 4 à E. La longueur
du chemin est le nombre d’arcs qu’il comprend (ici 4). Un circuit est un chemin
fini dont le sommet initial coïncide avec le sommet final. Exemple : (BC),
(CD), (DE), (EB). Une boucle est un arc dont le sommet initial est aussi
le sommet final (44).
— Un graphe est fortement connexe s’il existe un chemin entre toute paire
de sommets. Le graphe que nous avons pris comme exemple n’est pas forte-
ment connexe, mais un plan de ville, avec les sens uniques, doit normalement
être fortement connexe.
— Un graphe G est symétrique si :
(4,BJeG — (B,A4)eG
ce qui signifie que la relation dont G est le graphe est symétrique.

Il est antisymétrique s’il suffit que (4, B) soit un arc pour que (B, À) ne
le soit pas. C’est le cas où la relation dont G est le graphe est antisymétrique.
1.3. Graphes sans circuit. Ordonnancement

Il est souvent utile de se limiter aux graphes sans circuit. On rencontre
toujours de tels graphes quand il s’agit de tâches qui se succèdent (cas de
la méthode du chemin critique).
Les graphes 43
Il existe alors une relation permettant d’ordonnancer le graphe, la relation

« A précède obligatoirement B », ce qui signifie que À est en relation avec B
ou qu'il existe un chemin de À vers B. Si le graphe est fortement connexe,
il existe toujours un chemin entre 2 sommets quelconques, et l’un précède
l’autre. On note :
A <B. Onlit: 4 précède
B.
La relation est une relation « d’ordre strict » : antisymétrique (B ne précède
pas À), transitive mais non réflexive.
On réalise un ordonnancement du graphe quand on trouve un ordre des
sommets commandé par cette relation d’ordre. Choisissons un graphe sans
circuit, et par conséquent sans boucle :
VC Fig. 5.
On peut réaliser l’ordonnancement à partir du diagramme par points

et flèches, surtout dans un cas aussi simple que celui-là.
On détermine les sommets où n'arrive aucune flèche; ici on trouve À seul.
On supprime ensuite les flèches partant de À, il reste le diagramme de la
figure 7.
On recommence : en B et en D n'arrive aucune flèche. On supprime les
flèches issues de B et de D, il ne reste alors que l’arc CE. En C n'arrive alors
aucune flèche. On continue : on supprime l’arc CE. Il reste E.
L’ordonnancement est donc celui de la figure 8 :
chet. c D D
Fig. 7. Fig. 8.
On peut alors représenter le graphe ainsi (Fig. 9) :
Fig. 9.
Quand les sommets sont plus nombreux, cette méthode risque de devenir
impossible à pratiquer. On a alors recours à un procédé de calcul, à partir de la
matrice booléenne, qui part du même principe :
On recherche sur la matrice booléenne les sommets où n'arrive aucune
flèche : ce sont ceux qui ont une colonne de zéros. Pour-cela, on détermine
un « vecteur » V, (!) dont les éléments sont les sommes de colonnes de la
matrice. Dans V, apparaît un zéro au moins (ici pour À) correspondant aux
sommets où n’arrive aucune flèche (2). On désigne par V ,, V,,... les vecteurs qui
forment les lignes de la matrice booléenne (voir Fig. 10).
Pour retirer les « flèches » venant de 4, on calcule V, — V,.Dans le nouveau
vecteur, soit V,, apparaissent un ou des zéros (ici deux, pour B et D). On
calcule alors :
V, = V FT Vp = V; .
Il apparaît un nouveau zéro pour C. On calcule alors :
V; = Ve = V; .
Ce vecteur ne doit plus avoir d’élément non nul, puisque tous les sommets
ont été pris successivement.
(A partir du moment où un zéro est apparu dans une colonne, dans les
lignes suivantes on inscrit une croix dans cette colonne ; ainsi le zéro est réservé
à la première apparition d’un sommet, et met en évidence les vecteurs que
l’on devra retrancher dans l’opération suivante.)
() Le mot « vecteur » est pris ici au sens d’une collection de nombres disposés
en ligne (dans le second ordonnancement, ces nombres sont disposés en colonnes).
Voir chapitre 5. Conformément aux normes typographiques récentes, les vecteurs
sont notés en caractère gras, sans flèche.
(?) S'il n’y a pas de zéro dans V,, c’est que le graphe comporte au moins un circuit.
Les graphes 45
On retrouve le même ordonnancement que précédemment.

Une autre méthode analogue est possible : on peut rechercher le ou les
sommets où il n’y a que des arrivées de flèches (/ignes formées de O0 sur la
matrice booléenne). Le procédé est le même, mais on utilise alors les lignes
de la matrice au lieu des colonnes (Fig. 11) :
>
GOOM
0CEE
On retrouve ici le même ordre (bien sûr pris dans l’autre sens !). Il arrive
parfois que ce ne soit pas exactement le même ;en effet un sommet peut n’avoir
pas de suivant à un certain stade et se trouve plus près de la fin dans le deuxième
ordonnancement que dans le premier.
Note : On désigne souvent par « mise en ordre » ce que nous avons appelé
un « ordonnancement ».
2. Méthode du chemin critique
La méthode du chemin critique applique la théorie des graphes à un cas

particulier, celui d’une suite de tâches à réaliser pour atteindre un objectif,
La relation entre ces tâches est le plus souvent la séquence (telle tâche suit
telle autre) ou la simultanéité. La représentation graphique que nous allons
indiquer (souvent appelée « diagramme P.E.R.T.») a été d’abord utilisée
en ce qui concerne la construction, mais elle devient de plus en plus courante
pour toutes les questions d’organisation.
Prenons un exemple très simplifié de construction d’une maison qui nécessite-
rait les tâches suivantes (entre parenthèses durées en jours) :
a — Etablissement des plans (8).
b — Obtention du permis de construire (30).
c — Signature du contrat (1).
d — Transport du matériel au chantier (1).
e — Branchement de l'électricité et de l’eau au chantier (2).
f — Fondations (8).
g — Transport de terre pour le jardin (3).
h — Murs (8).
i — Toit (6).
j — Plantations (8).
2.1. Représentation graphique

Sur la représentation graphique, les sommets sont des événements : par
exemple, fin d’une activité, début d’une autre : les flèches sont les activités
elles-mêmes. On numérote les sommets de façon arbitraire : les tâches sont
désignées par des lettres comme il est fait ci-dessus et l’on indique à côté des
a
CDS TE
Fig. 12.
®
Première représentation sans « fictive ».
Les graphes 47
flèches la nature de l’activité (résumée par la lettre désignant cette activité)

et le temps (par exemple en jours) nécessaire pour la terminer. On peut employer
des flèches pointillées, représentant des activités fictives, pour distinguer la fin
de chaque activité; la nécessité en est mise en évidence par le tracé de la fi-
gure 12 où il est impossible de distinguer les moments où doivent débuter les
tâches d et e.
Fig. 13. Deuxième représentation avec « fictives ».
Sur la deuxième représentation (Fig. 13), il est possible de distinguer l’acti-

vité d qui doit attendre que les activités a, b et c soient réalisées de l’activité e
qui peut intervenir dès que c est terminée. La première représentation semblait
« obliger » d'et e à attendre que les 3 activités a, b et c soient terminées. L’utilité
des « fictives » est également de permettre de faire apparaître les marges
éventuelles de tâches comme a. Ceci apparaîtra plus loin.
Des conventions sont adoptées en général
— Le temps s’écoule de gauche à droite.
— Les sommets (que l’on appelle souvent étapes), sont numérotés de telle
façon qu’une activité se déroule entre deux étapes dont les numéros croissent.
Très souvent, on laisse des numéros inutilisés, de façon à pouvoir éventuelle-
ment compléter la représentation graphique.
— La longueur des arcs n’a rien à voir avec la durée des activités corres-
pondantes.
Un tel graphe ne doit pas comporter de circuit. La figure représente
graphiquement le problème ci-contre :
41/41 49/49 57/57
8 8
0/0 8/8 38/38 39/39 À

l
42/55 Fig. 14.

Il faut pour commencer les fondations que le matériel ait été apporté au
chantier (d) et que le branchement d'électricité et d’eau (e) soit réalisé, d’où
l’activité fictive 6-7. Ainsi, les plantations (j) apparaissent bien comme venant
à la suite uniquement des opérations e et get non de l'opération d.
Il est prudent, avant de réaliser le graphique, de traduire la manière dont
les tâches se suivent par un tableau de la forme suivante :
Durée Tâches à effectuer

en jours
a — Etablissement des plans

b — Permis de construire [es]
ce — Contrat
d — Transport du matériel
e — Branchements
f — Fondations
g — Transport de terre
h — Murs
i — Toit abic. des foh
j — Plantations ND
OO
&)
CO
ON
Oo
mu
O0
©= apba ce;
Note : La Méthode des potentiels est une variante de celle-ci, mais la repré-
sentation graphique est différente; les activités sont représentées par les
sommets. Nous ne la présentons pas ici.
2.2. Dates au plus tôt et au plus tard des événements
En supposant que le point de départ du travail se fasse à la date zéro, on

indique sur le graphique es dates au plus tôt et au plus tard de chacune des
étapes (voir Fig. 14, p. 47, au-dessus de chaque sommet : date au plus tôt/date
au plus tard).
Définissons ces dates :
Pour obtenir la date au plus tôt de chaque événement, on part du point de
départ (date 0) et l’on inscrit les dates aux sommets en tenant compte de la
durée de chaque activité ; quand il y a plusieurs chemins pour arriver à un
sommet, on doit les essayer tous et choisir la date la plus tardive, pour qu’elle
soit compatible avec tous ces chemins.
— Etape 2 : date au plus tôt 8 (activité a terminée).
— Etape 3 : date au plus tôt 8 + 30 = 38 (activités a et b réalisées).

— Etape 7 : on part de l'étape 4, dont la date au plus tôt est 39; il existe
deux chemins pour arriver en 7 : 39 + 2 et 39 + 1. L’activité f ne peut com-
mencer avant 39 + 2 = 41. On marque donc 41 comme date au plus tôt de
l'étape 7.
Les graphes 49
— Etape 13 : l’activité i se termine à la date 57 + 6 = 63. L'activitéj se

termine à la date 42 + 6 = 48. L'étape 13, fin des activités, intervient donc
au plus tôt à la date 63.
On indique à côté les dates au plus tard, en partant cette fois-ci de la fin des
opérations et en déduisant le temps de chaque activité:
— Hiape ss date 03 0 =.
Liape [1 date03 = 06, = 57.
— Etape 4 : l’activité g pourrait commencer au plus tard à la date

55 — 3 = 52, mais l’activité d doit commencer au plus tard à la date 40 et
l’activité e au plus tard à 39. C’est donc 39 qui est la date au plus tard de
l'étape 4.
2.3. Chemin critique

La comparaison des dates au plus tôt et au plus tard fait apparaître que
quelques tâches ont une certaine souplesse, une certaine marge de temps,
et que d’autres n’en ont pas. On définit alors un chemin critique sur lequel
les dates au plus tôt sont identiques aux dates au plus tard. Le chemin critique
du graphe représenté ci-dessus est souligné sur la représentation graphique :
il passe par les tâches : a, b, c,e, f, h, i, dites tâches critiques, car aucun retard
ne peut être souffert sur elles, sous peine de retarder la fin de la construction.
Il arrive que sur une partie du parcours, ou sur la totalité, un graphe ait
plusieurs chemins critiques.
Quand le graphe est très compliqué (on utilise couramment des graphes
faisant intervenir plusieurs centaines d’activités), on utilise pour la déter-
mination des dates au plus tôt l'algorithme (!) de Ford. On place d’abord
le chiffre 0 à tous les sommets, puis on regarde successivement tous les arcs.
A chaque fois on compare le chiffre qui est au sommet à la somme de celui
qui est au sommet précédent, plus celui de l’arc considéré ; on inscrit au sommet
le chiffre le plus fort des deux (on barre celui qui y était auparavant). Il faut
faire plusieurs fois le tour de tous les arcs, jusqu’à ce que n’apparaisse plus
aucune modification. Cet algorithme se réalise facilement avec un ordinateur.
Exemple sur une partie du graphe précédent (Fig. 15).
CSI11H
MM 4
039 38 D ZI 39
(S)d2334 Fig. 15.
({) Un algorithme est une méthode d'’itération (répétition) qui doit se terminer
quand on a obtenu le résultat.
Utilité du chemin critique

Une étape importante dans l’organisation du travail est déjà réalisée quand
on a fait la représentation graphique et déterminé le chemin critique. En
particulier, on connaît le temps minimum nécessaire pour la réalisation du
plan : ici 63 jours. On voit également que les activités sur le chemin critique
(activités critiques) ne peuvent souffrir aucun retard : tout retard de l’une de
ces activités entraîne un retard pour la fin des opérations. Si la durée de 63 jours
est trop grande, c’est sur les activités critiques qu’il faut agir pour la réduire
(éventuellement apparaîtront alors d’autres chemins critiques que l’on prendra
en considération).
2.4. Marges. Diagramme de Gantt

Les activités non critiques ont une certaine latitude quand à leur commence-
ment :
L'activité d peut commencer à la date 39 ou à la date 40 sans que cela modifie
en rien les dates au plus tôt de toutes les autres activités : on dit qu’elle a une
marge libre de 1 jour.
L'activité g peut commencer à une date comprise entre 39 et 52 sans que soit
modifiée la date de réalisation finale du projet; par contre si elle commence
plus tard que la date 39, cela modifie la date au plus tôt du début de l’acti-
vité j, on dit alors que g a une marge totale de 13 jours ;mais sa marge libre
est nulle.
Par définition :
La marge libre ne modifie en rien le début de toute autre activité.
La marge totale ne modifie en rien la date finale du projet.
On fait apparaître ces marges à l’aide d’un diagramme sur lequel les temps
sont représentés en valeur réelle. Cette représentation graphique porte le
Les graphes SA
nom de diagramme de Gantt. Chaque tâche est représentée par une bande :
cette bande est parfois matérialisée par une bande métallique sur un tableau
magnétique, ce qui permet de suivre l’évolution des travaux (Fig. 16) :
Sur le diagramme de Gantt de la figure 16, les activités critiques sont grisées.
Les activités non critiques sont placées à leurs dates au plus tôt. Les marges
libres apparaissent en pointillé. Une telle représentation permet de calculer
les marges, et de voir éventuellement comment modifier les durées pour
améliorer la rapidité de réalisation du projet. Elle permet également de faire
des contrôles en cours d’opération : on compare la situation avec ce qui était
prévu pour la même date, et l’on peut faire des rectifications, surtout si les
tâches sont matérialisées par des bandes de métal sur un tableau magnétique.
Ici l’activité d a une marge libre (et totale) de 1 jour; l’activitég a une marge
totale de 13 jours; l’activité j a une marge libre (et totale) de 13 jours.
2.5. Réduction du temps de réalisation du projet. Coûts
Le plus souvent, les durées de chaque activité peuvent être modifiées.

Dans bien des cas, elles sont même aléatoires. La méthode P.E.R.T. (Programm
Evaluation and Review Technique) envisage trois estimations de cette durée :
optimiste, pessimiste et la plus probable, et suppose que ces estimations
obéissent à une loi de probabilité, la loi B dont l'étude dépasse le cadre de ce
cours. Faisons simplement intervenir des durées variables dues à des coûts
variables.
Il arrive que le travail soit demandé dans un certain délai, 1l y a même
parfois des primes si l’on est en avance sur ce délai, et des pénalisations si
l’on est en retard. On peut réduire la durée de certaines activités en ajoutant
des postes de travail. Il faut alors s’attacher au chemin critique dont on peut
réduire la durée ; ceci est simple s’il n’y a qu’un seul chemin critique, plus
compliqué s’il y en a plusieurs. Eventuellement apparaissent alors d’autres
chemins critiques, dont on peut encore parfois réduire la durée.
On calcule le coût selon une méthode dont nous donnons un exemple
très simplifié. Soit une tâche demandant un travail de 80 heures. Chaque jour
il est possible d'employer :
2 hommes à 28 F de l’heure
+ 1] homme à 30 F de l'heure
+ lhomme à 32 F de l’heure
+ l'homme à 34F de l’heure.
Les frais généraux se montent à 100 F par jour.

Il y a une prime si l’activité dure moins de 4 jours : 100 F par jour en moins
et une pénalisation de 100 F par jour si l’on dépasse 4 jours.
On peut réaliser la tâche de diverses façons :
Nombre
d’hommes|Durée
employés
28 x 80 +6 x 100 +100 x 10=3 840F

28x 80 +5 x 100+ 100=2 840F
28x64+30x16+4x100=2672F
28 x 48 +30 x 24 +32 x 8 +3 x 100 —100=2 520 F
28 x 32 +30 x 16 +32 x 16+34x 16 +2 x 100 —2 x 100—
=243F
On a calculé le coût en supposant que l’on utilise au maximum les hommes

dont le coût horaire est le moindre. C’est ainsi que s’il y a 3 hommes pour
faire le travail en 4 jours, on suppose que les deux premiers travaillent les
4 jours (2 x 32 heures) et que le troisième, à 30 F de l’heure, ne travaille
que deux jours (16 heures). On ajoute les frais généraux et les primes; on
retranche les pénalisations.
La durée optimum qui apparaît d’après ce calcul est de deux jours; le coût
est alors 2432F.
Il arrive que le coût minimum ne corresponde pas au temps minimum.
Dans ce cas, si l’activité est critique, cela peut valoir la peine de réduire la
durée, à condition que le coût ne soit pas beaucoup plus élevé : on peut alors
gagner du temps sur l’ensemble du programme.
Le procédé à employer pour réduire la durée du travail est de chercher
la plus petite marge en dehors du chemin critique. On regarde ensuite si l’on
peut resserer la durée du chemin critique de la valeur de cette marge ; on choisit
l'activité critique pour laquelle le coût de la réduction du temps est moindre.
On obtient ainsi un nouveau graphe, pour lequel apparaît en général un
nouveau chemin critique, et on recommence.
Ce schéma est très simplifié. En fait, ce genre d'opération est assez compliqué,
surtout si le graphe a de nombreux arcs. Parfois, pour minimiser les coûts,
il faut allonger certaines durées. Il y a souvent plusieurs chemins critiques.
On a recours à des méthodes mathématiques assez complexes (algorithme
de Fulkerson), et l’on peut rarement se passer d’un ordinateur.
2.6. Autres applications de la méthode du chemin critique
La méthode du chemin critique peut être appliquée à la recherche de n’im-

porte quel chemin optimal.
— On peut faire un graphe « coût » analogue au graphe « durée » ou un
graphe « charges » (moyens à mettre en œuvre).
Cela permet de rechercher un projet au moindre coût, chaque fois qu’on
a plusieurs options possibles dont on peut chiffrer le coût. Par exemple,
on peut rechercher le tracé d’une autoroute. Si celle-ci doit passer par des
Les graphes 33
points précis (villes), on peut appliquer le « principe d’optimalité de Bellman-

Pontryagin » : un chemin optimal est formé de portions optimales. Entre
chaque couple de villes consécutives, on recherche la portion optimale d’auto-
route. L’autoroute complète est formée de toutes les portions optimales
ainsi trouvées.
— On peut appliquer aussi cette méthode à la recherche des chemins de
durée minimale dans une ville, aux problèmes de transport. Dans ces cas, il y a
parfois des circuits dans le graphe; la méthode reste applicable, mais le
graphe ne peut être ordonnancé ; on choisit arbitrairement un point de départ.
— La méthode des potentiels est un peu différente de celle du chemin
critique. Les tâches n’y jouent pas le même rôle; elles sont représentées gra-
phiquement par les sommets du graphe et non par les arcs. Mais le but de la
méthode des potentiels est à peu près celui de la méthode du chemin critique,
et les résultats sont les mêmes.
FOURASTIÉ. — Mathématiques appliquées à l’économie. 3

Chapitre 4
Calcul des probabilités
1. Généralités
L'étude qui vient d’être faite du « chemin critique » supposait le temps de

chaque tâche fixe et bien déterminé. Or, nous savons que, dans bien des cas,
il n’en est rien : le temps de réalisation de chaque tâche est en fait du domaine
de l’incertain ;par exemple s’il s’agit de travaux du bâtiment, il peut y avoir
de la pluie ou du gel, des accidents de terrain imprévus, un ouvrier malade...
Le plus souvent il est impossible de prévoir exactement la durée du travail,
parfois — et c’est déjà une étape dans la connaissance — on peut dire qu’on a
tant de chances sur 100 que le travail soit terminé à telle date.
On se trouve de façon générale devant plusieurs possibilités;

Un événement peut être certain : «les mêmes causes produisent les mêmes
effets ». Si, par exemple, on lance une pierre dans le vide, 1l est possible de
connaître avec certitude sa vitesse, son point d’arrivée, etc. On dit à ce moment
que la probabilité de réalisation de cet événement est égale à un.
Un événement peut être aléatoire. C’est le cas où l’on peut donner une
charpente mathématique à des expressions comme «il est vraisemblable
que », « 1l est probable que ». Si, par exemple, un fil est coupé entre deux
points, alors que toute sa longueur était dans le même état, il y a une chance
sur dix que la rupture ait eu lieu dans le premier dixième du fil. On dit que
cet événement a une probabilité de 1/10. Tout événement aléatoire
(« soumis au sort ») a une probabilité comprise entre 0 et 1. Par exemple, si
on lance un dé, on a une chance sur six de faire un cinq (probabilité 1/6).
Un événement peut ne jamais se produire : probabilité égale à 0. Si je lance
un objet, il n’a aucune chance de rester en l’air ! On est dans le domaine du
certain, comme dans le cas de la probabilité égale à un.
Un événement peut être incertain : sa probabilité ne peut être calculée.
C’est le cas de la chute d’un papier dans l’air par vent variable. C’est aussi
le cas de tout ce qui relève, pour l’homme, de sa volonté et de sa conscience.
L’incertain échappe tout à fait au calcul. Dans certains cas exceptionnels
Calcul des probabilités 55
dont il sera question ci-dessous, on le rattache à l’aléatoire par l'intermédiaire

d’une moyenne statistique. On se trouve ici devant une limite des mathéma-
tiques; la plus grande partie des événements réels leur échappe. La méthode
mathématique ne s'applique vraiment qu’à des faits certains ou aléatoires,
c'est-à-dire à une portion infime du réel qui nous entoure.
1.1. Définition d’une probabilité (cas d’un nombre fini de possibilités)

Supposons qu’une urne contienne des boules noires et des boules blanches
en quantités connues. On tire au hasard l’une des boules de cette urne; elle
peut être blanche ou noire, et l’on ne peut en savoir à l’avance la couleur;
cependant, il y a des éléments parfaitement connus qui peuvent permettre
de chiffrer la probabilité. La probabilité, de façon précise, se définit par l’éga-
lité :
PARENT EEE Nombre de cas favorables

Nombre de cas possibles
Cette définition suppose que chaque cas a la même chance de se produire

que les autres cas.
Comme il a été dit précédemment, la probabilité est un nombre compris
entre 0 et 1. Plus ce nombre est voisin de 0, moins l’événement a de chances
de se produire. Par contre, plus la probabilité est proche de 1, plus
l’événement a de chances de se produire. Un événement de probabilité 0 ne
peut se produire ; un événement de probabilité 1 se produit certainement.
Dans le cas de l’urne :
Nombre de boules noires
Probabilité { tirer une boule noire } — NRC UE
S’il y a 100 boules en tout dans l’urne, et 50 noires, la probabilité cherchée

est 1/2 : il y aune chance sur deux pour que la boule soit noire. S’il y a 99 noires,
la probabilité est 0,99 : on est presque sûr de tirer une boule noire. S’il n’y a
qu'une noire, la probabilité est 0,01 : on est presque sûr de tirer une boule
non noire (blanche).
1.2. Extension de la notion de probabilité

Les circonstances où le nombre de cas favorables et le nombre de cas
possibles sont bien déterminés, sont relativement rares. Il est frappant de
voir que la plupart des exemples qui figurent dans les livres de calcul des
probabilités sont relatifs à des jeux de hasard (pile ou face, cartes, dès,
loterie, ..…); les événements de la vie courante n’ont pas, en général, des
probabilités si facile à connaître !
Cependant, il est parfois possible de relier des événements mal déterminés
(et qui sont, en fait, du domaine de l’incertain) au calcul des probabilités.
Par exemple, il est impossible de savoir si telle personne sera malade la semaine
prochaine, mais on peut savoir qu'en moyenne, sur un très grand nombre
de personnes se trouvant dans les mêmes conditions, il y a, supposons, un

jour d'absence au travail pour maladie sur 30; cela implique que certains
ne sont jamais malades, et d’autres ont des congés de plus ou moins longue
durée. On ne peut faire aucune prévision personnelle, mais une prévision
globale. On remplace alors la notion de probabilité par celle de fréquence :
Nombre de cas favorables

Fréquence = =.
4 Nombre total de cas observés
La probabilité ne peut être remplacée par une fréquence que si celle-ci est
toujours au moins approximativement la même, quand le nombre d’observa-
tions est très grand. On raisonne alors, par exemple, devant le nombre de
malades comme devant une population comportant un malade sur 30 ; on en
déduit la probabilité pour que si l’on emploie 1, .… 10, . 100 ouvriers, on ait
1,2, 10 malades. Ce résultat n’est bien entendu valable que dans les périodes
où la fréquence reste stable, c’est-à-dire, par exemple, en dehors des épidémies,
même de grippe.
Par ailleurs, on étend la notion de probabilité à un «univers des
possibles » ayant un nombre infini d'éléments. Cette notion n’est pas utile
pour la suite du cours et n’est donc pas traitée ici.
Dans l'étude qui va suivre, on commencera par observer le certain en
apprenant à dénombrer tous les cas possibles, puisque ce dénombrement
est nécessaire pour calculer la probabilité. Ensuite, on verra quelques théo-
rèmes fondamentaux du calcul des probabilités. Un rapide aperçu sur la notion
de variable aléatoire et sur certaines lois de probabilité, terminera ce chapitre.
2. Dénombrements
On dit qu’un ensemble est dénombrable si on peut l'appliquer sur N par

une bijection ; cela revient à dire que l’on peut numéroter ses éléments pour
les compter. Les questions de dénombrement constituent une branche des
mathématiques : l’analyse combinatoire.
Pour avoir une idée de ce qu'est l’analyse combinatoire, cherchons les
dispositions que l’on peut réaliser à partir d’un ensemble { a, b } comprenant
deux éléments (tableau page 57).
Le nombre de manières de combiner les éléments devient vite grand :
il est alors difficile (ou long) de compléter le tableau pour les éléments pris
cinq à cinq... dix à dix; ceci est encore plus long si l’on part d’un ensemble
à plus de deux éléments : seules les formules de l’analyse combinatoire per-
mettent de connaître les groupements possibles sans avoir à les écrire tous
ou à les réaliser d’une manière ou d’une autre.
La première étape de l’analyse combinatoire consiste à donner des noms
différents aux manières de regrouper les éléments d’un ensemble selon qu’il y
a ou non des répétitions, et selon que l’on tient compte ou non de l’ordre
des éléments.
Sans répétition
EL Cas où | ordre Cas où | on tient compte

est indifférent de l’ordre
un à un (a) (a)
(6) (b)
deux manières deux manières
deux à deux (a, b) (a, b)

une manière (b, a)
deux manières
Avec répétition
(a) (a)
(b) (b)
deux manières deux manières
deux à deux (a, a) (a, a)

(a, b) (a, b)
(b, b) (b, a)
(b, b)
trois manières quatre manières
trois à trois (a, a, a) (a, a, a) (a, b, b)

(a, a, b) (a, a,b) (b, a, b)
(a, b, b) (a, b, a) (b, b, a)
(b, b, b) (b, a, a) (b, b, b)
quatre manières huit manières
2.1. Sans répétition

On distingue :
Les permutations
On appelle permutation toute suite ordonnée de n éléments. Ce peut être une
manière de disposer cinq éléments dans un certain ordre : par exemple, une
manière de placer cinq personnes côte à côte sur un banc. Le nombre de
manières de placer ces cinq personnes est le nombre de permutations; il
s’appelle, par définition, factorielle 5 qui s'écrit : 5 !
S’il y a 25 livres à ranger dans une bibliothèque, il y a 25 ! manières de les

disposer; si l’on a 50 dossiers à classer, il y a 50 ! manières de les classer.
Les factorielles seront calculées un peu plus bas, quand les principales
définitions et les rapports des différents résultats des dénombrements entre
eux seront connus.
Chaque permutation réalisée — par exemple un banc où les 5 personnes sont
placées — peut être considérée comme une bijection de l’ensemble des 5 pre-
miers entiers sur l’ensemble des 5 personnes (Fig. 1 : les numéros peuvent
représenter le numéro de la place).
Pierre xd
Paul x?
Marie x 3
Claude x 4
Antoine XINS
Fig. 1.
Le nombre de permutations de cinq éléments est donc égal au nombre de

bijections possibles entre l’ensemble de ces cinq éléments et l’ensemble des
cinq premiers entiers.
Les combinaisons
Etant donnés m éléments distincts, on appelle combinaison de ces m
éléments p à p, toute suite non ordonnée de p de ces m éléments
(p<n). Une combinaison de m éléments p à p est un sous ensemble (de
cardinal p) de l’ensemble formé par les m éléments.
Par exemple, une entreprise a 50 employés ; on veut en choisir 10 pour
une tâche déterminée. Chaque choix possible est une «combinaison » des
50 employés 10 à 10. Le nombre de choix possibles est le nombre de sous-
ensembles de cardinal 10 que l’on peut former à partir de l’ensemble des
50 employés. On l’écrit :
C3$ : nombre de combinaisons de 50 éléments 10 à 10.
(Ont CG 5S0 10)
7 50 l
Les Anglo-Saxons utilisent souvent la notation 10 que nous ne retien-
drons pas ici.
Si vous êtes cinq et que vous vouliez mettre deux personnes à l’avant de
votre voiture, vous avez C2? manières de choisir ces deux personnes. De
façon générale, le nombre de combinaisons de m éléments p à p s’écrit
CF (on lit: C, m, p).
Les arrangements
On appelle arrangement de m éléments p à p, toute suite ordonnée de p

éléments pris parmi m éléments distincts. Reprenons l’exemple des
10 employés, choisis parmi 50. La tâche pour laquelle ils sont choisis peut
nécessiter que l’on différencie chacun d’entre eux, c’est-à-dire que l’on
détermine un ordre parmi eux ; par exemple l’un sera chef d'équipe, le
deuxième sous-chef, le troisième secrétaire, etc. (On distingue a, b de b, a.)
Il s’agit d’une notion analogue à celle de combinaison, mais pour laquelle
l’ordre des éléments choisis intervient. On parle alors d’arrangements. Le
nombre d’arrangements se désigne par:
Ai$ : nombre d’arrangements de 50 éléments 10 à 10.
(On lit : 4, 50, 10.)
De même, si, parmi les deux personnes qui sont devant dans la voiture,
vous distinguez celle qui conduit de celle qui est à droite, vous avez :
A? : manières de choisir les personnes .
Le nombre d’arrangements de p éléments pris parmi n éléments s’écrit

A} < n).
Relations entre les nombres trouvés
Cherchons les relations qui existent entre les nombres qui viennent d’être
définis.
Si l’on regarde l’exemple des 10 employés, il y a Ci$ manières de les choisir
tous les 10. On peut ensuite permuter ces 10 employés de 10 ! façons. On
obtient ainsi le nombre d’arrangements des 50 employés 10 à 10 :
10e CIO
Plus généralement :
Il suffit de connaître 42 et p ! pour en déduire Cf. Une autre remarque sim-

plifie encore : le nombre d’arrangements de p objets p à p n’est autre que p ! :
AP =p!
Il suffit alors de savoir calculer 4} pour que les autres résultats soient connus.
Calcul du nombre d’arrangements
Reprenons l'exemple des cinq personnes dans la voiture. Il y a cinq manières

de choisir celle qui conduit. Ensuite, il ne reste plus que 4 personnes parmi
lesquelles on a 4 manières de choisir celle qui est devant, à droite. Au total,

il y à :
A? = 5 x 4 = 20
manières d’arranger les 5 personnes deux à deux.
On peut généraliser. Soit un ensemble E à m éléments dans lesquels on veut
choisir p éléments en tenant compte de l’ordre (p < m). Il y a m manières
de choisir le premier élément de 1. Ensuite, il reste (m — 1) éléments :il ya
donc(m — 1) manières de choisir le deuxième élément. Au moment du dernier
choix, il reste (m — p + 1) éléments et il y a (m — p + 1) manières de choisir
le p-ième élément. D'où
AP = mÜm — Din ="2)".. (mn — p'PA) (p facteurs).
Il n’est pas toujours aisé de voir que le dernier terme est m — p + 1. Le choix
du premier élément se fait de m manières différentes, soit m — O0, celui du
deuxième de m — 1 manières différentes. celui du p-ième de m — (p — 1) =
m — p + 1 manières différentes.
Nombre de permutations
On a très simplement :
Bail = pe lp) pe
Factorielle p est donc le produit des p premiers nombres entiers.

Donnons quelques exemples :
l'=1 2! =2 3! =6 4! = 24
5 ! = 120 6! = 720 7! = 5040 8 ! = 40 320
9! = 362880 10! = 3628800. 15! = 1 307 674 368 000 …
…. 50! = 3.10% 100! æ 10158 (1)
On voit que ces nombres deviennent rapidement considérables ! Il est
heureux que les maîtresses de maison qui réfléchissent à la manière de placer
leurs invités n’aient pas à l’esprit à la fois les 120 manières de placer 5 personnes
ou les 720 manières de placer 6 personnes (?). Nous avons parlé plus haut de
25 ! et de 50 ! ; ce sont des nombres énormes (1,55.102* et 3.104).
(1) Si 100 ! devait être tapé à la machine sur format standard, il serait représenté
par un 9 suivi de deux lignes de chiffres sans espace !
(?) Pour qu’une famille de 6 personnes épuise toutes les manières de se placer pendant
le repas autour d’une table, à deux repas par jour, (2) douze mois par an (3 x 4) et
trente jours par mois (5 x 6), il faut un an !
On pose par convention :
Il est plus facile d'employer la notation factorielle que d’écrire des

produits de p facteurs à l’aide de points. C’est pourquoi l’on écrit souvent :
Cette deuxième manière d’écrire A£ est plus facile à retenir, mais il est
évident que, pour les calculs, c’est la première qui est utile (à moins de posséder
une calculatrice électronique où sont préprogrammées les factorielles, et de
ne pas dépasser la capacité, sans trop de perte de précision).
Nombre de combinaisons
On avait la relation :
A = pa CE
d’où :
Au dénominateur on a p ! (p termes). Au numérateur, il y a également p

termes, décroissants, dont le premier est m.
Sur l’exemple des personnes dans la voiture, cette formule donne :
Il y a 10 manières de choisir les deux personnes qui seront devant.

Une telle formule doit doit être simplifiée. Le résultat est toujours entier.
Sur l’exemple des employés, on obtient :
TMS OU E EL
Cs Cron 40 TOI ra
__ 50.49.48.47.46.45.44.43.42.4]
— 10 272 278 170.
MAD OS AE ES 1232720]
On voit que, bien que plus faible que le nombre de permutations, le nombre
de combinaisons devient vite important.
Méthodes de calcul
Selon cette formule, le calcul du nombre de combinaisons peut être assez

long. Pratiquement, on se sert de la relation :
Ch = CA + Cat (1)
qui se démontre aisément : on met un élément à part, et on calcule séparément

le nombre de combinaisons contenant cet élément : C2} (l’élément étant
enlevé), et le nombre de combinaisons ne le contenant pas : C£_, (lyap
éléments pris parmi les m — 1 qui ne sont pas celui qu’on a choisi).
Ex)
On remarque également, à l’aide de la formule donnant C}, que :
La relation (1) est à la base de la construction du triangle arithmétique de

Pascal qui permet de connaître les nombres de combinaisons de 0, 1, 2, …
éléments 1 à 1, 2 à 2, etc.
(4bé:OC RS OS 242 5a3 t4 à 4 SAS

0 élément l
1 élément 1 l
2 éléments 1 2 1
3 éléments 1 Li |
4 éléments 1 4 Et
5 éléments 1 s) 10 10 1
Chaque nombre du triangle C}? est obtenu en faisant la somme de celui qui
est juste au-dessus (C?_,) et de celui qui est au-dessus et à gauche (C?_;).
Ainsi :
CE +IS 6
Cd ris
(chiffres encadrés).
On peut ainsi retrouver le nombre de sous-ensembles (ou nombre de parties)

d’un ensemble de cardinal n. Nous avons vu ($ 2.3 du chapitre 1) que ce
nombre est 2”. Mais on peut le calculer aussi en cherchant le nombre de sous-
ensembles de cet ensemble ayant 0, 1, 2, …, n éléments; d’où l'égalité :
CAGE CEE PRE

La n-ième ligne du triangle arithmétique de Pascal a ainsi comme somme 2" :
2° =1
2=1+1
22 04 2 8P 1]
= li 3 +3 +4.
Formule du binôme
On peut aussi retrouver /a formule du binôme, c’est-à-dire la formule du

développement du binôme a + b à une puissance n quelconque.
(a+ bb} =1 1re ligne du triangle arithmétique

(a+b)} =a+b 2e ligne du triangle arithmétique
(a + b)? = a? + 2 ab + b? 3° ligne du triangle arithmétique
ou:
Cia + Chap C2 b?7:
Il s’agit du produit (a + b) (a + b). Il y a une seule combinaison donnant a?,

mais par contre pour ab on peut prendre a dans le 1° binôme et b dans le
second, ou a dans le 2° binôme et b dans le 1er : 2 ou C} manières de choisir un
élément a parmi les deux a qui sont dans les 2 binômes.
De même :
(a+b} = a+3 a2b+3 ab?+b$ 4 ligne du triangle arithmétique

ou:
C?à + C1 ab + Cf ab? + Cib°
par exemple, pour 3 a? b : il y a 3 manières de choisir b (un élément) par les

trois b qui sont dans les 3 binômes dont on fait le produit : C1...
Plus généralement :
(GR BP Car PCT PME CP Pb PES EF

CR Dh CU
La somme des exposants de a et b est toujours n. Les puissances de a décrois-
sent pendant que celles de b croissent.
2.2. Applications au calcul des probabilités
Quelques exercices
1. — Dans une salle de 40 personnes (4 rangs de 10) quelle chance ai-je d’être
au premier rang ? d’être au premier rang à la première place à droite ?
Etre au premier rang
Il y a 2 manières de raisonner :
— il ya 4 rangs. J'ai une chance sur 4 d’être au premier rang. Probabilité : 1/4,
— il ya C19 manières de choisir les personnes du premier rang :
40 !
101301
Ce sont les cas possibles. Pour chercher le nombre de cas favorables parmi
ceux-ci on constate que moi placée au premier rang, il reste C3, manières
de choisir les autres personnes du premier rang :
39 !
Cis = 5301
……, Nombre de cas favorables
PA Mar Nombre de cas possibles
39 !
Pr { être au premier rang } = 77019 #0 x
40 ! 40 4
10 130!
Etre à la première place

— 1% raisonnement : il y a 40 places, j'ai une chance sur 40 d’être à cette
place. Probabilité 1/40;
— 2° raisonnement : il y a 40 ! manières de placer les 40 personnes (cas
possibles). Si je suis à la première place, il reste 39 ! manières de placer les
39 autres personnes (cas favorables) ;
d’où la probabilité :
39.4 l
Pr { être à la première place } = =— = —.
401 40
II. — Les nombres 1 à n sont disposés au hasard, linéairement. Quelles sont

les probabilités pour que 1 sorte le premier ? Pour que 1 et 2 sortent les deux pre-
miers (dans l’ordre) ?
Probabilité pour que 1 sorte le premier

L'un des deux raisonnements fait ci-dessus pour la première place donne
une probabilité de 1/n.
Probabilité pour que 1 et 2 sortent les deux premiers, dans l’ordre

Il y a 4? manières de choisir les deux premiers éléments, en tenant compte
de l’ordre, c’est le nombre de cas possibles. Sur ce nombre, un seul arrangement
contient les éléments 1 et 2 dans cet ordre (un cas favorable).
D'où la probabilité :
dr perentiet in, (tes 2)sténiiioun, 1

A? n! n ! H77TEET.
(n —2)!
2.3. Avec répétitions
Les permutations avec répétitions

Nous avons envisagé ($ 2.1) le nombre de permutations sans répétition de
25 livres. Supposons que ces livres appartiennent à 4 collections différentes,
une de 10, une de 6, une de 4 et une de 5 livres. La seule chose dont on tient
compte, c’est l’aspect que prend la bibliothèque vue de loin ; on ne distingue
pas deux livres de la même collection. Il y a 10 ! manières de ranger les livres
de la première collection, mais ces 10 ! manières nous apparaissent toutes
comme équivalentes. De même pour les autres collections. Sur les 25 ! permu-
tations sans répétition, il n’y en a plus alors que :
254 :
10161415: (soit environ 2 41012)
qui nous apparaissent différentes. C’est le nombre de permutations avec

répétition de 25 objets dans lesquels on ne distingue pas les différents livres
d’un groupe de 10, d’un autre de 6, d’un de 4 et d’un deS livres.
La formule générale pour n éléments serait :
si on considère des groupes de p, q, et r éléments (p + qg + r = n).
Les arrangements avec répétitions
Ecrire un mot, c’est former un arrangement de l’ensemble des lettres de

l'alphabet, avec répétition. Ce que nous appelons « mot » n'appartient pas
forcément à la langue française ni à aucune langue, mais est une suite de
lettres.
Nombre de mots d’une lettre : 26.
Nombre de mots de deux lettres : il y a 26 manières de choisir la première
lettre et, puisqu'on admet les répétitions, encore 26 manières de choisir la
seconde : (26)? ou 676.
Nombre de mots de trois lettres : (26)° c’est-à-dire 17 576.
Nombre de mots de n lettres : (26)".
Plus généralement le nombre d’arrangements avec répétitions de n objets k

à k est :
Nous ne traiterons pas le nombre de combinaisons avec répétition, qui est

moins fréquemment utile, parce que la recherche de ce nombre demande
une démonstration longue et délicate.
2.4. Applications au calcul des probabilités
Exemples :
I. — Probabilité, en tapant cinq caractères au hasard sur une machine à
écrire, d'obtenir le mot « blanc »
Il y a un seul cas favorable, sur les (26)° cas possibles. (26)° est de l’ordre
de 12 000 000. Il y a donc une chance sur 12 millions que cet événement se
réalise. On peut alors dire que la probabilité est si faible qu’elle est tout à fait
négligeable. (Attention ! la probabilité de former un mot de la langue française
en tapant au hasard cinq lettres est plus forte, car il y a un nombre important
de mots français de cinq lettres.)
On se trouve donc dans un cas où la probabilité est si faible que l’on se
trouve pratiquement dans le domaine d’une certitude. M. Borel va jusqu’à
rechercher la probabilité pour qu’en tapant au hasard on reconstitue l’œuvre
de Goethe en entier (en allemand !). La probabilité est si faible qu’elle est
négligeable et que l’on peut dire qu’il est certain que cet événement ne se
produira pas (!).
II. — Nombre de numéros de téléphone possibles à Paris.

En principe, c’est un numéro à 8 chiffres, dont le premier est un 4, les 7
derniers chiffres pouvant prendre 10 valeurs possibles, de 0 à 9; il y a
107 ou 10 millions d’arrangements possibles (nombre d’arrangements avec
répétition).
Dans les débuts, les numéros de téléphone à Paris et en région parisienne
formaient des permutations avec répétition de 7 chiffres, dont les 3 premiers
correspondaient aux trois premières lettres d’un mot. L'introduction de 3
premiers chiffres quelconques, puis d’un 8° chiffre a permis de passer, en
région parisienne, de moins de 10 millions de possibilités à 30 millions
(premier chiffre 3, 4 ou 6).
IT. — Sur une famille de 4 enfants, quelle est la probabilité d’avoir deux filles
et deux garçons ? On supposera qu’on a autant de chances d’avoir un garçon
que d’avoir une fille (ce qui n’est vrai qu'approximativement) et que le sexe
d’un enfant est indépendant de celui du ou des enfants qui l’ont précédé.
Cas possibles : 2% = 16 (nombre d’arrangements avec répétition)
() Voir Les probabilités et la vie, par Emile Borel, collection « Que sais-je ? » P.UÆF.,
Paris.
4 !
Cas favorables : —10
DS
(nombre de permutations, avec répétition, de 4 enfants parmi lesquels on fait
un groupe de deux garçons, et un groupe de deux filles).
D'où la probabilité ee = 0,37.
Cette probabilité est relativement assez forte. Par contre, si l’on cherchait
la probabilité d’avoir 4 filles, le nombre de cas favorables ne serait plus qu’un,
d’où une probabilité de 1/16 = 0,0625.
Remarque importante
Si dans l'exemple précédent, nous cherchons la probabilité pour que naisse

une 5° fille dans une famille où il y a déjà 4 filles, nous devons dire que cette
probabilité est 1/2. Quand il s’agit d'événements indépendants, le hasard
n'a pas de mémoire. Même s’il n’y a qu’une chance sur 32 d’avoir a priori
une famille de 5 filles, il y a une chance sur 2, a posteriori, d’avoir 5 filles quand
on en a déjà 4.
De même M. Borel (!) cite l'exemple de la roulette : si, sur une longue
période, on n’a jamais observé de série de plus de 24 rouges, on aura tendance,
en se trouvant devant une série de 24 rouges, à penser qu'il est sûr que la noire
sortira au coup suivant. Mais « la roulette n’a ni conscience, ni mémoire »
(Joseph Bertrand) et il y a une chance sur deux que la rouge sorte au coup
suivant.
3. Les formules du calcul des probabilités
Il est possible de réaliser une présentation axiomatique du calcul des pro-

babilités. Dans ce cas, certaines des formules qui suivent doivent être présentées
comme des axiomes (propositions non démontrées) et les autres doivent en être
déduites à l’aide de démonstrations. Nous renvoyons le lecteur, sur ces points,
à des ouvrages plus spécialisés. Les paragraphes qui suivent se contentent de
présenter les formules du calcul des probabilités selon l’usage qui en est fait.
3.1. Formule des probabilités totales
Soient À et B deux événements. Les événements peuvent être incompatibles

s’il est impossible qu'ils se produisent en même temps ou compatibles dans le
cas contraire. Ils peuvent, en outre, être dépendants ou indépendants; si B
dépend de 4, cela signifie que si À s’est produit, la probabilité que B se produise
n'est pas la même que si À ne s'était pas produit.
(*) Les probabilités et la vie, op. cit.

On note, pour la réalisation de À ou de B :

A ou B, ou encore :
A + B si les événements À et B sont incompatibles,
A + B si les événements À et B sont compatibles,
et pour la réalisation de À et de B :
AB que À et B soient dépendants ou indépendants.
Pour des événements incompatibles
Pr4 Cu BE Pr ASE Pr D.)
(Pr signifie Probabilité).

La probabilité pour que deux événements À et B incompatibles se produisent
l’un ou l’autre est égale à la somme de la probabilité pour que À se produise et
de la probabilité pour que B se produise.
On peut retenir que le « ou » se traduit en probabilités par l'addition
ou correspond à une addition |.
Par exemple, probabilité de tirer aux dés 1 ou 2 : il y a une chance sur 6

de tirer 1 et une chance sur 6 de tirer 2, d’où une probabilité de 2/6.
On désigne () par À (non 4) l'événement : « 4 ne se produit pas » (évé-
nement contraire). Rappelons que l’on définit :
Probabilité d’un événement certain AR
Probabilité d’un événement impossible : 0.
On a alors une propriété simple, puisque À et À sont deux événements
incompatibles qui, réunis, forment l’ensemble des possibilités :
Pr{AouA}=1
Pri4} = Prifrdo
Remarque : La probabilité 1/6 de tirer une face donnée d’un dé a été calculée
à l’aide du rapport du nombre de cas favorables au nombre de cas possibles,
mais elle peut aussi être déduite de cette formule. La somme des probabilités de
chacune des 6 faces est 1. II s’agit d'événements incompatibles et équiprobables,
donc, pour chacun, la probabilité est 1/6.
Exemple : Si un tireur fait mouche dans le centre 1 en moyenne deux fois

sur six, et dans le 2, trois fois sur six, il a cinq chances sur six de tirer dans le 1
ou le 2.
() Voir la note du paragraphe 2.5 du chapitre 1 p. 9 sur les notations « barre ».

Pour des événements compatibles
Une reprise de résultats relatifs aux ensembles peut aider à comprendre la

formule des probabilités totales. Dans À Ü B on compte une seule fois les
éléments de 4 N B qui appartiennent à la fois à À et à B ; on peut noter (Fig. 2) :
Card (4 LU B) = Card À + Card B — Card (4 n B).
Fig. 2.
En probabilité, on a, de façon analogue :
Pr{AouB}=Pr{A4}+Pr{B} -Pr{AetB} |.
Il s’agit simplement de ne compter qu’une seule fois la probabilité de AB,

alors que celle-ci serait comptée deux fois si l’on calculait :
Prféds}et:
Pr{ B;}
En effet, « À et B » est l'événement : « À et B se produisent en même

temps » ; sa probabilité est comptée dans Pr {A} et dans Pr {B}.
Exemple : On jette deux dés, quelle est la probabilité de faire au moins un

six ou un double quelconque ?
On peut faire un six avec le premier dé, ou avec le second, ou avec les deux :
on applique la formule qui vient d’être donnée (événements compatibles);
Pr { faire au moins un six} =

Lesalies Léguls
NE
à Er
1
6° 6
Explicitons ce résultat : lorsqu'on calcule la probabilité de faire un six avec
le premier dé, on suppose que le second dé présente n’importe quelle figure,
y compris un six. On en use de même avec le second dé, si bien que la probabilité
de faire un « double six » est comptée deux fois : il faut donc la retirer une fois.
Calculons la probabilité de faire un double quelconque. On suppose que le
premier dé présente n’importe quelle figure; le second doit alors présenter la
même figure, ce qui a une chance sur six de se produire :
Pr { faire un double quelconque } = :

Pour calculer la probabilité demandée, on applique une nouvelle fois la

formule des probabilités totales (événements compatibles) :
Pr { faire au moins un six ou un double quelconque } =
On a additionné les probabilités des deux événements, mais la probabilité de

faire un double six a été comptée deux fois : il convient de la soustraire de la
somme obtenue.
3.2. Formule des probabilités composées
Evénements indépendants
Dans le cas d'événements indépendants, on a :
PI SAEUB = PET ATX PR Be; 0".
On peut retenir que le « et » se traduit en probabilités par la multiplication :
et correspond à une multiplication | .
N.B. Des événements indépendants sont nécessairement compatibles.
I. — Une ouvrière surveille deux métiers à tisser À et B. L'un demande son

intervention avec la probabilité 1/7 pendant une heure et l’autre avec la proba-
bilité 1/5 dans le même temps. Quelle est la probabilité pour qu’elle ne soit
pas dérangée en une heure ?
Supposons que les deux métiers soient indépendants. Alors, la probabilité
pour que le métier À tombe en panne est indépendante de la probabilité pour
que le métier B tombe en panne.
On utilise la formule des probabilités totales, pour chercher la probabilité
que chaque métier ne tombe pas en panne :
Pr { À ne tombe pas en panne } = 1 — Pr { 4 tombe en panne } =

TRE 1Ten16
AD LE
De même :
Pr { B ne tombe pas en panne } = 1 —

La formule des probabilités composées permet de dire que la probabilité

que deux événements indépendants se produisent en même temps est le produit
des probabilités de chacun de ces événements. D’où :
24
Pr { Aet B ne tombent pas en panne } = g TL
18
4 ——
II. La fréquence observée du nombre de garçons à la naissance est de

516 garçons sur 1 000 enfants. On assimile cette fréquence — qui semble constante
dans tous les pays et dans tous les temps — à une probabilité. Quelle est alors
la probabilité qu’une famille de 4 enfants ait deux garçons et deux filles ?
(Cf. exemple III du $ 2.4 où la probabilité était approchée par la valeur 0,5.)
On suppose que le sexe d’un enfant est indépendant de celui du ou des enfants
qui l’ont précédé. Symbolisons par F et G les garçons et les filles. Les ordres
possibles de naissances pour une famille de 4 enfants ayant deux garçons et
deux filles sont :
GGFF GFGF GFFG FGFG FGGF FFGG .
On peut rechercher, à l’aide de la formule des probabilités composées, la
probabilité de chacun de ces six événements. On trouve chaque fois :
(0,516)? x (0,484).
Le nombre d’ordres possibles (six) est le nombre de permutations avec répé-

titions de 4 éléments pris en deux groupes de deux :
4!
IA SE
La formule des probabilités totales permet d’affirmer que la probabilité que
l’un ou l’autre de ces six événements se produise est :
6(0,516)° (0,484)? = 0,374.
(On trouve un résultat voisin de celui de l’exemple III du $ 2.4.)
III. Combien de fois faut-il lancer une pièce pour que la probabilité de ne
faire aucune face soit inférieure à 1/100 ?
Il suffit de calculer les probabilités de faire pile uniquement en :
une partie : 1/2 = 0,5,
en deux parties (probabilités composées) : (1/2)? = 0,25,
en trois parties : (1/2)* = 0,125,
en sept parties : (1/2) = 0,007 8.

Il suffit donc de sept parties pour être « presque sûr » de ne pas toujours
faire pile, donc d’avoir au moins une face. Mais si l’on a fait 7 fois pile, on a
une chance sur deux de faire encore pile au 8° coup !
Il est rare d’avoir de longues suites. La probabilité d’obtenir 50 piles à la

suite est :
1 Le
259 Æ 10 0 :
(On fait l’approximation : 21° = 1 024 = 10°.)

C’est très faible !
Evénements dépendants
Pour comprendre ce dont il s’agit, prenons un exemple.
Deux usines fabriquent les mêmes pièces, la première produit 10% de pièces
bonnes (les autres sont défectueuses) et la deuxième 90 %, de pièces bonnes. Ces
deux usines fabriquent la même quantité de pièces; en moyenne, il y a donc
80% de pièces bonnes.
Définissons d’abord une probabilité conditionnelle. On achète une pièce
sans savoir sa provenance :
Pr { pièce bonne } = 0,80.
Mais si l’on sait qu’elle vient de la seconde usine, on a :
Pr { pièce bonne | elle vient de la seconde usine } = 0,90
(on lit | : sachant que). Cette deuxième probabilité est dite « probabilité condi-
üonnelle » :
Pr{A4]|B}:Probabilité de l'événement 4, sachant que B

s’est produit. (Probabilité conditionnelle.)
On peut examiner plusieurs probabilités
90
Pr { la pièce vient de la 2° usine et elle est bonne } = 300
(cas favorables : 90 ; cas possibles :: 200)
Pr { la pièce vient de la 2€ usine } — :À

On constate que :
Pr { la pièce est bonne et elle vient de la 2° usine } —

= Pr { pièce bonne |elle vient de la 2e usine} x Pr { elle vient
de la 2e usine }
90 1
(a = 0,90 X |:
Ceci ne constitue en rien une démonstration, mais seulement une vérification,

d’une formule générale qui est la formule des probabilités composées :
PriAelB}.= Pi 4}x:Pr 6.B,1-49, L.
Cette formule est souvent utilisée pour calculer une probabilité conditionnelle
sous la forme :
Pr{AetB}
Pribda4nre= PET ART.
Exemple : la probabilité pour que la pièce soit bonne sachant qu’elle vient de la
première usine est le rapport de la probabilité pour qu’elle soit bonne et qu’elle
vienne de la première usine : 70/200 à la probabilité pour qu’elle vienne de la
première usine : 1/2. On retrouve 70/100 qui est bien la probabilité pour qu’une
pièce de la 1€ usine soit bonne.
Certaines probabilités conditionnelles ont des valeurs évidentes :
Pr{4]4} md
Pr{41g} Il ©
Ajoutons que :
Pr{44 = Pr{ A}.
4. Le théorème de Bayes
4.1. Démonstration du théorème
Ce théorème représente un effort pour restreindre le champ des possibles et

donc arriver à une plus grande certitude. Au lieu de se placer dans l’ensemble E
(Fig. 3), on essaye de se placer dans un ensemble plus restreint, B par exemple :
la certitude augmente, nos connaissances se sont améliorées.
tm»
Fig. 3.
Supposons que l’on ait des urnes À et B contenant des boules blanches et des
boules noires en proportions différentes connues. On connaît la probabilité
de tirer dans l’urne À et la probabilité de tirer dans l’urne B. On tire une boule
noire. Quelle est la probabilité pour qu’elle provienne de l’ürne À ?
On connaît, avec des notations évidentes (B : provient de l’urne B, N :
noire...) :
Pr{B} Pr{N|4A} Pr {NB F4
On cherche Pr { AIN}.
D’après la formule des probabilités composées, appliquée deux fois :
Pr{AN} Pr{A}Pr{N|A}
NS NA PriN}
A et B sont complémentaires : À = B. L'événement N est donc identique à
l'événement NA ou NB.
D'où, d’après la formule des probabilités totales :
Pr{N}=Pr{NA}+Pr{NB}
= Pr{A}Pr{N|A}+Pr{B}Pr{N|B).
En résumant les résultats :
pri AIN} = Pr{A}Pr{NlA}

PEN?
Ce résultat peut se généraliser à plus de deux éventualités.
4.2. Exemples. Utilisation d’un arbre
I. — Problème de Poincaré
Ce problème est classique : à l’écarté (qui se joue avec 32 cartes) un partenaire

distribue les cartes et retourne un roi (*). Quelle est la probabilité pour que ce
soit un tricheur ?
— À priori probabilité pour que soit un tricheur &
pour qu’il soit honnête 1 — &.
Poincaré avait dit : «de deux choses l’une » d’où & = 1/2 !
Si c’est un tricheur, la probabilité de retourner le roi est :
(Poincaré avait dit p, = 1).
, ; s RE
() Le fait de retourner le roi donne un point, ce qui laisse au donneur un sensible
avantage sur son partenaire.
S’iln’est pas tricheur, il retourne le roi avec la probabilité 1/8 = p, puisqu'il y

a 8 cartes de chaque couleur (jeu de 32 cartes).
D’après le théorème de Bayes :
€
k
_
Pr { tricheur | Roi retourné } = = = TT ;
dohlt:
Poincaré avait trouvé 8/9 ! En fait, on n’a pas assez d’information pour avoir
les valeurs numériques de € et de k. Mais elles doivent être plus faibles que
celles qu’a retenues Poincaré.
De toutes façons, le fait de savoir que le joueur a retourné le roi accroît
sensiblement la probabilité pour que ce soit un tricheur.
IT. — Dans certains cas, on peut se passer de la formule de Bayes et utiliser
seulement un schéma (arbre) bien fait
On a trois urnes. Toutes contiennent une boule blanche. L’urne I contient
une boule noire, l’urne II, 2 boules noires, et l’urne III, 3 boules noires. On
tire une boule dans une urne prise au hasard. Elle est blanche. Quelles sont
les probabilités pour qu’elle provienne de l’urne I ? de l’urne II ? de l’urne III ?
Il y a ici trois éventualités. On pourrait utiliser la Formule de Bayes géné-
ralisée, mais aussi on peut construire « l’arbre des probabilités » (Fig. 4),
en désignant par I, II et III les trois urnes et par B et N les boules blanches et
noires.
12 #(?)
|
Fig. 4.
On doit ensuite le reconstruire à l’envers en partant d’une boule blanche

(Fig. S).
La probabilité d’avoir une boule blanche est (en additionnant les probabilités
trouvées sur l'arbre) :
1 1 6+4+313
9 F5 à ssénvdiet
1 36
Les probabilités que la boule provienne des urnes I, II, III sont respective-
6 4 3
mentE
— D ESELL + 4 + 3 = 13) : on le lit sur l’arbre suivant :
Expliquons ce résultat : la boule est blanche et provient de l’urne I avec la

probabilité 1/6, d’où la probabilité qu’elle provienne de l’urne I sachant qu’elle
est blanche :
De même, sachant qu’elle est blanche, elle provient de II avec la proba-

bilité :
et de III avec la probabilité :
LA 7
13/36 13°
Le fait de savoir que la boule tirée est blanche permet d’affirmer qu’il y a
presque une chance sur deux que le tirage ait eu lieu dans l’urne I.
5. Notion de variable aléatoire
5.1. Variable aléatoire
Toute grandeur mesurable à laquelle on peut faire correspondre une proba-

bilité est dite variable aléatoire (en abrégé « v.a. »).
Ce peut être, par exemple, le nombre X de garçons d’une famille de deux
enfants. Si l’on symbolise un garçon par G et une fille par F, il y a quatre cas
possibles, auxquels correspondent des valeurs de X :
En prenant 1/2, probabilité qu’un enfant soit un garçon, chacun des quatre
cas possibles a une probabilité 1/4. On peut alors écrire la loi de probabilité
déta via x"
De façon générale, la loi de probabilité d’une variable aléatoire X est la

fonction qui, à chaque valeur x de X, fait correspondre la probabilité que
X=x, quand le domaine de définition est bien délimité. Il convient de dis-
tinguer X, nom de la variable aléatoire, de x, l’une de ses valeurs possibles.
Une variable aléatoire peut être discrète, c’est-à-dire qu’elle ne prend que
des valeurs isolées les unes des autres; c’est le cas du nombre de garçons. Elle
peut être continue, c’est-à-dire qu’elle peut prendre n’importe quelle valeur
située entre deux valeurs possibles dans R ; par exemple, la distance d’un pro-
jectile à l'objectif dans un tir répété, ou la vitesse d’une molécule de gaz.
Pour une variable discrète et finie, il est possible d'écrire la loi de probabilité.
Par contre, sila v.a. X est continue, la probabilité pour qu’elle prenne la valeur x
est nulle, car il y a une infinité de valeurs x possibles. On ne peut définir que la
fonction de répartition :
EC) APE)
probabilité que X soit inférieur à une valeur donnée x.

Exemple : Supposons que, dans un tir répété, sur un espace de 50 m, la
probabilité que la balle tombe soit uniforme : la probabilité que la balle
tombe dans le premier mètre est 1/50; la probabilité qu’elle tombe à une
distance précisée en centimètre (entre 120 cm et 121 cm, par exemple) est
1/5 000; si la distance est précisée en millimètres (entre 1 200 et 1 201 mm),
la probabilité est 1/50 000 ; on conçoit que la probabilité pour que la balle
tombe exactement en un point mathématique (d'épaisseur nulle) est nulle.
Par contre, on peut définir la fonction de répartition. Pour X en mètres :
xe]0,50]) AÆx)=Pr{X<x} =.
On définit aussi la densité de probabilité d’une v.a. X continue :
JO) = FQ).
f(x) est la limite lorsque Ax tend vers zéro, de la probabilité moyenne à

l'intérieur d’un segment [x + Ax, x] :
F(x + Ax) — F(x)

Ax
f(x) est positive ou nulle et :
| f(x) dx = 1
(cf. $ 3 du chapitre 6, p. 124, définition de la dérivée et $ 13 du chapitre 6, p. 152,

définition de l'intégrale).
Pour l’exemple du tir répété, on a, avec X en mètres :
x € J0,50] 100 3:
5.2. Espérance mathématique
L'espérance mathématique E(X) est une moyenne des valeurs possibles

de X pondérées par les probabilités de ces valeurs.
Sur l'exemple du nombre X de garçons dans une famille de deux enfants :
1 1 1
E(X) = 4 X 0 + S] x | Fr 1* 2F=7F par CON.
Ce résultat signifie qu’en moyenne, les familles de deux enfants ont un garçon.
Si la v.a. est continue, l'espérance mathématique est:
+ 0
EX) = | x J(0 dx
OÙ
(cf. $ 13 et 14 du chapitre 6 : intégrales).

Sur l'exemple du tir répété :
50 x 22, 50
E(X) -| 350 * = eL 2125 17:
En moyenne, la longueur des tirs est 25 m.

L'’espérance de vie en démographie est une notion analogue à celle d’espé-
rance mathématique : c’est une moyenne probable du nombre d’années
restant à vivre pour un grand nombre de personnes d’un âge donné. On utilise
les fréquences observées une certaine année comme probabilités. En fait,
les fréquences varient un peu dans le sens d’une durée de vie plus longue, si
bien qu’en général, l'espérance de vie «vraie» est un peu plus élevée que
l'espérance de vie calculée.
5.3. Variance d’une v.a.
Elle se définit de façon analogue à la variance d’une variable statistique :
V(X) = E(X — E(X)}).

Sur l'exemple du nombre de garçons, on a :
VA) = 0 — 1)2 +3 — 1} +20 1)2 =>.
On définit l’écart-type d’une v.a. comme la racine carrée de sa variance.
6. Principales lois de probabilités
On a la loi de probabilité d’une v.a. dès que l’on connaît les valeurs qu’elle
peut prendre et les probabilités correspondantes. Certaines lois usuelles sont
connues par leur formule ou par des tables. Nous donnons en exemple trois
de ces lois.
6.1. Loi binomiale
Lorsque les éventualités se réduisent à une alternative («succès » ou

« échec »), la variable aléatoire « nombre de succès » suit une loi binomiale
SLE
— chaque épreuve donne lieu à deux éventualités exclusives de proba-
bilités constantes : p (succès) et g = 1 — p (échec)
— les épreuves sont indépendantes.
La variable binomiale Ÿ est une somme de variables de Bernoulli ndépen-
dantes. Une variable de Bernoulli X est telle que :
Let ablal] « échec » « SUCCÈS »
x
Probabilité
Donc :
E(X) = p
et :
V(X) = q(0 — p}? + p(1 — p}? = qgp° + pq” = pq(q + p) = pa.

Par exemple, chaque naissance d’un enfant peut être considérée comme une
variable de Bernoulli. L'enfant est un garçon (probabilité p + 1/2) ou une
fille (probabilité g = 1/2); le sexe d’un enfant est indépendant de celui de
l’autre.
Le nombre de garçons dans une famille de deux enfants est une v.a. bino-
miale (voir l’exemple $ 5.1).
Prenons un autre exemple. Un couple de lapins donne naissance à un
lapereau blanc avec la probabilité p = 3/4 et à un lapereau gris avec la proba-
bilité g = 1/4. Les naissances sont indépendantes. Désignons par X la va.
qui vaut 1 lorsque le lapereau est blanc et 0 lorsqu'il est gris. X est une v.a.
de Bernoulli. Désignons par Y la v.a. nombre de lapereaux blancs dans une
portée de quatre. Y est la somme de quatre variables X de Bernoulli, c’est une
variable binomiale. Cherchons combien de ces portées sont composées d’un
lapereau blanc et de 3 gris ;avec des notations évidentes, les portées possibles
sont les suivantes :
BGGG GBGG GGBG GGGB.
Il y a quatre portées différentes, c’est-à-dire :

qui 14e
C
ADR TL
nombre de permutations avec répétition de quatre lapereaux, parmi
lesquels on distingue 3 gris et un blanc. Chaque portée a une probabilité
pq* de se réaliser. On peut, de cette manière, rechercher la loi de probabilité
de Y. On obtient :
Probabilité
EE
(On vérifie que la somme des cinq probabilités est égale à 1).
De façon générale, si l’on a, pour chaque épreuve :
x = 1 avec la propabilité p,
X 0 avec la probabilité g
la probabilité que YŸ = y est, pour n tirages,
Pr{Y=Y7}=Cpqg"”
probabilité souvent notée B(n, p).

On peut calculer l'espérance mathématique d'une variable binomiale.

Sur l'exemple des lapereaux :
1 3 27 27 81
ET)
(Y) ==—
sel =
OAI —Six 2 — X —
EX 4 = 57
Sur un grand nombre de familles de 4 lapereaux, en moyenne, il y a 3 lape-

reaux blancs.
De façon générale :
PUERTO D ee
vE0
La v.a. Y est une somme de # variables de Bernoulli, d'espérance mathé-

matique p ; on démontre que l’espérance mathématique d’une somme de v.a.
indépendantes est égale à la somme de leurs espérances mathématiques et
Cm]
donc que :
De même, Ÿ est la somme de n variables de Bernoulli indépendantes de
us]
variances pq; on démontre que : |
On peut vérifier l’exemple du paragraphe 5 : nombre de garçons d’une

famille de deux enfants :
Il existe des tables de la loi binomiale, mais ces tables sont volumineuses,
car il y a deux paramètres n et p. On utilise parfois aussi dés abaques.
6.2. Loi de Poisson
On parle de processus de Poisson lors de la réalisation d'événements aléatoires

rares et indépendants, c’est-à-dire que:
— La probabilité de réalisation d’un événement au cours d’une petite
période At est proportionnelle à A, soit p At.
— Cette probabilité est indépendante de ce qui s’est produit antérieure-
ment.
— La probabilité de deux apparitions sur le même A est négligeable.
(On peut faire une définition analogue pour un processus de Poisson dans
l’espace). En pratique, on utilise cette loi pour des événements rares gt
indépendants. Ainsi, des événements qui se réalisent de façon aléatoire et
indépendante dans le temps, appels téléphoniques, pannes de machines,
arrivées à un péage d’autoroute ou à un guichet de vente. suivent un
processus de Poisson. Le nombre X d’événements aléatoires sur un
intervalle T est alors une v.a. de Poisson. X prend la valeur x avec la
probabilité :
—m X
1%) = < (avec m = pT, paramètre de la loi).
(e est la base des logarithmes népériens, voir chapitre 6, p. 148.)

En principe, x peut prendre toutes les valeurs entières jusqu’à l'infini. En
pratique, la probabilité diminue lorsque x augmente et devient rapidement
négligeable.
La loi de Poisson peut aussi être définie comme limite d’une loi binomiale
lorsque p est petit (événement rare) et n grand (observations nombreuses).
Le paramètre de la loi de Poisson est alors m = np. (np doit être, au plus, de
l’ordre de quelques unités.)
Exemple : Une maladie atteint un humain sur 1 000. On observe deux mille per-
sonnes. Quelle est la probabilité pour que, parmi elles, il y ait :
— deux malades,
— un malade,
— aucun malade ?
On peut appliquer la loi de Poisson de paramètre 2 000/1 000 = 2. On
calcule ou l’on utilise des tables (voir table p. 193).
=?
FOX= Le =1027 probabilité qu’il y ait 2 malades.
ra
e 2?
f(D = = 0,27 probabilité qu’il y ait 1 malade.
ra
=?)
f(0):= = 0,14. probabilité qu'il n’y ait pas de malade.
On peut constater que la probabilité pour qu'il y ait plus de deux malades
est assez faible (3 malades: 0,18 ;4 malades : 0,09;5 malades: 0,04...
On peut calculer l'espérance mathématique et la variance de la v.a. pois-
sonienne X :
(Dans le cas de l’exemple, il y a en moyenne deux malades sur un lot de 2 000,

avec une variance de 2.) Le fait que la moyenne d’une distribution observée soit
voisine de sa variance peut indiquer qu’on a affaire à un processus de Poisson.
6.3. Loi normale (ou loi de Laplace-Gauss)

Une variable continue suit une loi normale si elle dépend d’un grand nombre
de causes indépendantes dont les effets s’additionnent et dont aucune n’est
prépondérante et s’il y a un grand nombre d’observations. Cette condition est
rarement vérifiable. Dans la pratique, on admet souvent que des variables
continues dont la distribution est symétrique et la médiane voisine de
l'espérance mathématique, suivent une loi normale, car cette loi est bien
connue et tabulée... ; il convient de se souvenir que ce n’est parfois qu’une
approximation.
La formule de la densité de probabilité :
Modes 27 ext teR
est valable pour ce que l’on appelle une variable centrée réduite : variable de
moyenne 0 et d’écart-type 1. Il existe des tables de la loi normale pour une
variable centrée réduite : loi notée N(0, 1) (voir Fig. 6). Lorsque l’on a affaire à
une variable de moyenne m et d’écart-type o (loi N(m, o)), on utilise le change-
ment de variable :
(Voir tables p. 194.)

uo
o)
Fig. 6.
Exemple : Soit une population de 1 000 hommes dont la taille suit une loi
normale de moyenne 170 cm et d’écart-type 10 cm. Combien d'hommes ont
moins de 170 cm ? Plus de 190 cm ?
170 cm est la moyenne qui est aussi la médiane : 50 %, soit 500 hommes,
ont une taille inférieure à 170 cm.
Il faut rechercher la variable centrée réduite correspondant à 190 cm :
RAT TON 190170 0

7 Po 10 2
On cherche dans la table de la loi de Laplace-Gauss (table 11(+) des fréquences

cumulées, voir p. 194), la valeur de la probabilité :
Pr{t<2}=09772.
Il y a donc 97,7 des hommes qui ont une taille inférieure à 190 cm, soit
977 hommes. 23 hommes ont donc une taille supérieure à 190 cm.
On peut aussi, établir les résultats suivants :
Pr { — 1,96 < 1 < + 1,96} = 0,95

Pr { — 2,58 < 1 < + 2,58 } = 0,99
ce qui, dans le cas de l’exemple, établit que 950 hommes ont une taille com-
prise entre :
m — 1,9%6 170 — 19,6 = 150,4 cm

et
m + 1,96© 170 + 19,6 = 189,6 cm
et que 990 d’entre eux ont une taille comprise entre :
m — 2,58 © 170 — 25,8 — 144,2 cm
m + 2,58 o = 170 + 25,8 = 195,8 cm.
(L'examen des résultats extrêmes peut permettre de penser qu’usuellement,

les tailles des hommes ne suivent pas cette loi normale !)
Pour vérifier si une distribution de probabilité est normale, on peut se

référer à trois critères :
— la symétrie des probabilités (l'allure de la distribution est celle de la
« courbe en cloche »),
— l'égalité de l'espérance mathématique, de la médiane et du mode,
— la représentation de la distribution des probabilités sur papier gausso-
arithmétique (selon une droite dite « droite de Henri »).
On peut faire une vérification plus rigoureuse à l’aide du test du

x ° qui est traité dans les livres usuels de calcul des probabilités et statistique.
Chapitre 5
Algèbre linéaire
et programmation linéaire
Ce chapitre comprend des notions d’algèbre linéaire : vecteurs et matrices,

puis quelques indications sur la résolution des systèmes linéaires (!), avant
de passer à une présentation rapide de la programmation linéaire et à quel-
ques notions sur les matrices « input-output ». La perspective du cours est
donc uniquement économique ; ilne sera pas question des notions géométriques
de vecteur ou de matrice.
1. Eléments d’algèbre linéaire
1.1. Vecteurs
Définitions
Parmi les définitions possibles, nous retiendrons les suivantes, qui suffisent
aux besoins du cours :
Un vecteur colonne est une collection de nombres (réels) rangés les uns
en dessous des autres. Exemples :
0
a; 5
— | CE 4
( à) a —. 8
da — 10
— 1
({) Pour résoudre un système linéaire, le programme du cours de « Mathématiques

Appliquées à l'Economie À » du C.N.A.M. conseille la méthode du pivot; celui de
« Méthodes quantitatives I » également ; le programme du D.U.T. ne comporte pas
de précision quant à la méthode. La méthode du pivot et celle des déterminants sont
donc utilisées dans le présent ouvrage.
Chacun des nombres s'appelle une composante du vecteur. On dit qu’un

vecteur est dans l’espace à 2, 4, 6, … dimensions selon le nombre de ses compo-
santes (l’espace à deux dimensions est un plan, l’espace à trois dimensions
celui dans lequel nous nous mouvons, les espaces à plus de trois dimensions,
ou hyper-espaces, sont des constructions abstraites — parfois commodes —
des mathématiciens).
Un vecteur ligne a ses composantes disposées sur la même ligne. Exemples :
(1 Pb b3 b4 bs)
CEA
Deux vecteurs sont dits égaux s'ils sont dans un espace de même dimen-
sion et s'ils ont respectivement mêmes composantes, et s’ils sont tous deux soit
« ligne », soit « colonne ».
Exemple de vecteur : On peut considérer le vecteur prix unitaires de certains
articles (en F) :
lait pain beurre sucre

(1 0,5 4 1)
Produit d’un vecteur par un nombre ou « scalaire » (})

Remarquons que, si l’on considère le vecteur ci-dessus, des quantités
doubles de tous les produits se traduisent par des prix doubles.
D'une façon générale, multiplier un vecteur par un nombre revient à multi-
plier chaque composante du vecteur par ce nombre. Sur l’exemple :
3% (1, 05 4 D =GNI5 2123):
Ce dernier vecteur (vecteur produit) représente les prix de 3 unités de chaque

article. La même opération est possible pour les vecteurs lignes. Il est possible
de multiplier un vecteur par un scalaire ou un scalaire par un vecteur : l’opé-
ration est commutative.
Somme de deux vecteurs

Autre exemple de vecteur, pour un individu :
Age Taille Poids

(34 1,60 49).
: 4e ne
() On emploie le mot « scalaire » pour désigner les nombres par opposition aux
vecteurs ;on indique ainsi que le nombre (scalaire) est sans dimension alors que le vec-
teur est dans un espace à plusieurs dimensions.
Algèbre linéaire et programmation linéaire 87
Si, pour un autre individu, l’on a :
(33 1,50 45)
il est possible d’additionner ces deux vecteurs (on obtient ainsi les nombres
nécessaires au calcul de l’âge, de la taille ou du poids moyen). Pour cela, on
additionne entre elles les composantes de même rang :
(67 3,10 94).

Pour qu'une telle addition soit possible, il est nécessaire que les vecteurs
soient de même rang, c’est-à-dire qu’ils appartiennent à des espaces de même
dimension, et qu’ils soient tous deux soit «ligne» soit « colonne ». Ceci
est toujours réalisé, si, comme dans l’exemple donné, les vecteurs ont des
significations concrètes analogues et sont disposés de la même manière.
Produit de deux vecteurs
Reprenons l'exemple du vecteur prix unitaires. On peut lui associer le

vecteur donnant les quantités consommées (vecteur colonne) :
lait (1) 1
pain (kg) »
beurre (kg) 0,5
sucre (kg) 1
On peut faire le produit de ce vecteur prix par le vecteur quantité :
(1 0,5 4 1) 1x lLEOSX 24x05

Ed = SF.
On multiplie entre elles les composantes du même rang et on ajoute tous

ces produits : on obtient ici la dépense totale.
Un tel produit n’est possible que si le premier vecteur est un vecteur ligne,
et le second un vecteur colonne — les deux vecteurs doivent avoir même rang —.
Le résultat est un nombre (un scalaire, par opposition à un vecteur). Un tel
produit n’est pas commutatif.
1.2. Matrices
Nous retiendrons, parmi les définitions possibles, celle qui est cohérente
avec celle qui a été choisie pour les vecteurs : une matrice est un ensemble de
nombres disposés en un tableau ayant m lignes et n colonnes.
Exemple :
Sim = n, la matrice est carrée.

Remarquons que les vecteurs lignes sont des matrices à une seule ligne
et les vecteurs colonnes des matrices à une colonne. On peut donc les considérer
comme des cas particuliers des matrices.
Des matrices sont égales si elles ont mêmes dimensions et mêmes compo-
santes.
Autre exemple : Une entreprise fabrique des machines à laver le linge (L),
des appareils de chauffage (4), des machines à laver la vaisselle (}) et des
chauffe-eau (C).
Supposons que soient nécessaires comme matière première et travail pour
chaque appareil les quantités suivantes (très simplifiées) :
L A 4 C
Acier (kg) 100 50 100 40
Peinture (1) 1 0,5 1 0,3
Travail (h) 10 5 12 3
Ce tableau peut être considéré comme une matrice À.
Somme de deux matrices
Pour que l’addition soit possible, il faut que les matrices aient même nombre
de lignes et de colonnes (signification : supposons que l’on ait estimé séparé-
ment les dépenses en acier, peinture et travail à deux phases de la production ;
la somme représente la dépense totale).
Pour effectuer une addition de matrices, on ajoute respectivement les
termes de même rang, exemple :
7 6 4 1+6 —:2 +4 7 2
4 O0 hi-2 1]=| 4-2 0 +1|= ? 11
9 0,5 01 me cal 0,5—1 300
Produit d'une matrice par une constante (scalaire)
(Sur l'exemple, si l’on doit doubler la production, il faut doubler chaque

matériau.) Pour multiplier une matrice par une constante, on multiplie chacun
des termes de cette matrice par la constante, exemple :
s 2 —I DE SX (= L) [0 RSS
X = = À
0 3 s1»%,0 SL 0 15
Le produit peut s'effectuer « à droite » ou « à gauche ».
Produit d’un vecteur par une matrice
On peut effectuer le produit d’un vecteur ligne une matrice, à condition

que le vecteur ait autant de colonnes que la matrice a de lignes.
Reprenons l’exemple précédent. Soit le vecteur ligne des prix de chaque
fourniture :
Acier Peinture Travail
V = ( 40 10 6%.)x
Effectuons le produit V.A qui permettra de connaître les prix de revient
de chaque fourniture. On opère comme dans le cas de la multiplication d’un
vecteur par un vecteur, mais en considérant successivement les colonnes de
la matrice comme des vecteurs : le produit de V par la première colonne
donne le premier élément du vecteur produit ; le deuxième élément est le
produit de V par la seconde colonne de la matrice, et ainsi de suite. Au
total, on obtient un vecteur ligne dont la dimension est le nombre de
colonnes de la matrice (produit d’un vecteur par une matrice à gauche).
V.A =
100 50 100 40
(40 10 6) x l 0,5 1 0,3
10 5 12 3
L A [4 C
= (40x100+10x1+6xX10 2000+5+30 4000+10+72 1 600+3+18)
= 4 070 2 035 4 082 16210)
On peut interpréter ce résultat : le prix de revient des fournitures de la

machine à laver est de 4070F, il est de 2035 F pour les appareils de
chauffage, de 4082 F pour les machines à laver la vaisselle et de 1621F
pour les chauffe-eau.
Produit d’une matrice par un vecteur
De même, on peut effectuer le produit d’une matrice par un vecteur colonne

à droite, à condition que le vecteur ait autant de lignes que la matrice a de colonnes.
Reprenons l'exemple précédent. Si l’entreprise doit fournir :
__ 10 machines à laver le linge (L)
— 6 appareils de chauffage (4)
__ 3 machines à laver la vaisselle (W)
— 4 chauffe-eau (C)
ce qui peut être représenté par le vecteur :

10
6
Pa ll<
4
on peut déterminer la fourniture totale nécessaire en effectuant le produit :
10
100 50 100 40
A | 0,5 1 0,3) x s
10 5 12 3 L
on multiplie successivement chaque lignede la matrice par le vecteur colonne :

on obtient les éléments du vecteur colonne produit, vecteur qui a autant de
lignes que la matrice.
100 x 10 + 50 x 6 + 100 x 3 + 40 x 4
IV 1xX10+ 05x6+ 1*x3+ 0,3
x4
10 xX10+ 5 x6+ 12x3+ 3 x4
1 760 Acier
= F2 Peinture
178 Travail
L'entreprise a besoin de 1760 kilogrammes d’acier, de 17,2 litres de
peinture et de 178 heures de travail pour réaliser sa production.
Dans les deux cas, la dimension du vecteur est changée par la matrice :
on peut donc considérer la matrice comme un opérateur linéaire (*). Le produit
n'est pas commutatif.
Produit de deux matrices
Le principe est le même que pour la multiplication d’une matrice par un

vecteur qui en est un cas particulier : on multiplie successivement chaque
ligne de la première matrice (m,n) par toutes les colonnes de la seconde
matrice (n, p). Le nombre de colonnes de la première matrice doit être égal
au nombre de lignes de la seconde.
1re ligne x 1'€ colonne 1re ligne x 2° colonne
2° ligne x 1'° colonne 2° ligne x 2° colonne
3° ligne x 1'° colonne 3° ligne x 2° colonne
() Un opérateur linéaire fait passer un vecteur (ou une matrice) d’un espace à un
:| ra . # . . . \
certain nombre de dimensions à un espace à un autre nombre de dimensions. Il y a

passage d’un espace à un autre espace.
Exemples:
7 0
é 1 ) ere
02/1 4 -9
M ns 2xX0+(—1)(—3)+3(—9)
CPE) 21)4 RER LAN DS
28 —24
On 1570
Ainsi, en reprenant l'exemple ci-dessus, si l’on connaît le prix des maté-
riaux à l'achat et au transport :
Acier Peinture Travail

Achat (40 10 6 )
Transport 10 10 0
On peut faire le produit de cette dernière matrice par la matrice À :
AsbyaoEsi 7 eaif
” V C
100 50 100 40 A
A 40. 410: Né
L one: lb prepa pit /05 | EP
L T0 S DAS T
F A V C
ne 2035 4082 be Ac
7 (1010 505 1 010 403
Interprétation : les matériaux nécessaires à la machine à laver coûtent

4 070 F à l'achat et 1 010 F de transport, etc...
N.B. La simplicité des exemples choisis pourrait amener à conclure

à l’inutilité des matrices pour les applications. En fait, le calcul matriciel a un
caractère très général ; de plus, la plupart des matrices que l’on rencontre
concrètement ont des dizaines, voire des centaines de lignes et de colonnes.
Un traitement informatique s’impose alors.
2. Systèmes linéaires
Nous supposons connues les équations linéaires à une inconnue.

Une équation linéaire à plusieurs inconnues peut s’écrire par exemple :
AX= e.
Avec À un vecteur donné et c une constante donnée, X est un vecteur dont

les composantes sont les inconnues. Par exemple :
NE x=(") LS
x
soit : — 2x, + 3x2 = 5.

Rechercher les solutions d’une telle équation, c’est déterminer un ensemble
de vecteurs X, « ensemble de vérité » des vecteurs qui satisfont la proposition
s-() 2-() »-(

que constitue cette équation. Soient les vecteurs :
X, n'appartient pas à l’ensemble de vérité, mais X, et X, lui appartiennent.

Pour déterminer des solutions de cette équation, on peut donner une valeur
quelconque à l’une des composantes (x, par exemple) et chercher la valeur
de l’autre (x,) qui vérifie l’équation.
Un système linéaire est constitué de plusieurs équations à plusieurs
inconnues. Le résoudre consiste à chercher s’il y a des éléments communs aux
ensembles de vérité de chaque équation. Prenons l’exemple d'équations à deux
inconnues :
— S'il y a une seule équation, l’ensemble de vérité est infini, et peut être
représenté graphiquement par une droite (Fig. 1).
Ji
D
Fig. 1.
— S'il y a deux équations, chacune a un ensemble de vérité qui est repré-

senté par une droite. L’intersection des deux droites est le plus souvent un
point (Fig. 2). Mais si les droites sont parallèles (Fig. 3), l'intersection est
vide. Si elles sont confondues (Fig. 4), l’intersection est toute la droite. On a
ainsi trois cas possibles.
— S'il y a trois équations, en général l’intersection des droites est vide
(Fig. 5 et 6) et le système n’a pas de solution, sauf si les trois droites conver-
gent (Fig. 7), ou si d’eux d’entre elles ou plus sont confondues (Fig. 8 et 9).
Les cas possibles sont représentés par les figures 5 à 9.
Ce qui vient d’être fait pour 2 inconnues est transposable pour 3 incon-
nues. Chaque équation est représentée par un plan. Deux plans se coupent
en général selon une droite, et trois plans ont en général un point commun.
Deux équations à deux inconnues

y 12
D'
DD'
x x
Fig. 2. Det D’ Fig. 3. Det D’ Fig.4. Det D’

se coupent en un point. parallèles : confondues :
Solution unique. Pas de solution. une infinité de solutions.
Trois équations à deux inconnues
D "”
Fig. 5. D, D'et D” Fig. 6. Det D' Fig. 7. D, D'et D”

ne convergent pas. parallèles. ont un point d’intersection
Pas de solution. Pas de solution. unique. Solution unique.
4 D"
x
DD’
Fig. 8 D et D' sont confondues. Fig. 9. D, D'et D” sont confondues.

Solution unique. Une infinité de solutions.
2.1. Exemple de résolution : méthode du pivot de Gauss
Soit le système : AX = V avec:
2 —3 l X: l
AE" 1] 3 X = | x2 Vel
3 1 —]1 X3 0
On peut l'écrire:
DR Et ane ie el Q —3 1 1
Xp x 3x = 1] 1 —lI 3 — |
BE x Qt = 00 3 l'rul 0
Pour résoudre un tel système, beaucoup de méthodes sont possibles. Nous

utiliserons des combinaisons linéaires des équations, destinées à diminuer
progressivement le nombre d’inconnues figurant dans chacune d'elles. La
présentation en tableau, placée à droite du système, évite de réécrire les
inconnues. Pour faciliter la compréhension, cette présentation en tableau
est indiquée ici en parallèle avec les équations. Cette méthode dite « du
pivot » est privilégiée dans cet ouvrage, car elle est analogue à la méthode
du simplexe qui sera étudiée dans la suite de ce chapitre. Mais beaucoup de
méthodes classiques sont aussi efficaces (voir $ 2.3 : méthode des détermi-
nants).
Pour résoudre le système donné, éliminons x, des deux dernières
équations : on écrit la première équation en la divisant par 2 (pour faire
apparaître x, avec le coefficient 1). On dit que 2 est le « pivot », car on va
opérer de telle manière qu’à sa place se trouve un 1, et que sur toute la
colonne correspondante il n’y ait, à part cet «un», que des zéros
(x, sera éliminé de toutes les autres équations).
3 “3 1 (1-2 1R |
Os D 1 35 515):
On retranche la nouvelle première équation de la seconde, ce qui donne :

X1—-X+3x3 = — 1
dE
1 2 ADT
LU PEER,
DR 2
De même, on multiplie la nouvelle première équation par 3 (pour éliminer
3 x,) et on la retranche de la troisième, ce qui donne :
3x, +x; — x3 = 0 (3 1 = À
9 3 3 9
TDR oo (3 F5
11 5 3 11
DE me pl Ent #7 ets )
d’où, au total, le nouveau système (voir à droite la présentation en tableau) :
3 l 1 3 l l
2; D
Len CSS Dé 5 3
L'URSS (3) à d
1 SR Éd Llye 45 3
Pa LD rer dira
De la même manière, éliminons x, : nous le tirons de la 2° équation (pivot 1/2)
en la multipliant par 2. Cette nouvelle équation est multipliée par — 11/2
et ajoutée à la troisième ; multipliée par 3/2, elle est également ajoutée à la
première (le même travail se fait plus simplement sur les lignes du tableau) :
X2 + SX3— — 3 0 1 S — 3
O0 = 10 0 0 is
On élimine x; en utilisant la dernière équation, divisée par — 30; on

retranche 8 fois cette équation de la première, et S fois cette équation de la
seconde :
Xi Éf-0 l 0 0 0
se = — 2 0 l 0 — 1/2
XSt=r 01/2 0 0 1 — 1/2
On a ainsi la solution unique du système

: x, = 0; x, = — 1/2;x; = — 1/2.
On peut vérifier que les valeurs trouvées satisfont aux trois équations de
départ.
2.2. Autre exemple
Supposons que, pour la production de médicaments, on cherche à réunir

11 unités de vitamine À, 9 de vitamine B et 20 de vitamine C dans un premier
médicament, et respectivement 11, 9 et 14 dans le second. On dispose pour
cela de 3 aliments contenant respectivement dans une unité :
Aliment I 1 vitamine À 3 vitamines B 4 vitamines C
Aliment II 2 vitamines A 3 vitamines B 5 vitamines C
Aliment III 3 vitamines À 0 vitamine B 3 vitamines C.
Comment faut-il mélanger ces trois aliments pour obtenir les médicaments
souhaités ? (On suppose que les unités d’aliment ne peuvent être coupées.)
Devant un problème de ce genre, la difficulté est de traduire les données

sous forme d'équations. Les inconnues sont les quantités x;, x,, x, des ali-
ments I, II et III Chaque équation correspond à l’une des vitamines :
on écrit que la quantité de vitamines contenue dans le mélange est celle sou-
haitée. Il s’agit de résoudre deux systèmes linéaires, un pour chaque médi-
cament :
XN+ 2x 3x1 1] x, +2X, + 3x; = 11 (vitamine A)

31%, + 3 x, 9 3Xx, + 3x; 9 (vitamine B)
4x, + 5x2
+ 3x; 20 4x, + 5x, + 3x; = 14 (vitamine C).
En utilisant les tableaux, on peut résoudre ces deux systèmes en une seule
série d'opérations, la matrice À étant la même :
lignes
| 2 3 11 11 (a)
G)P083 0 9 9 (b)
4 5 3 20 14 (c)
Eliminons x, en le tirant de la 2e ligne (pivot « 3 ») : on divise la 2° ligne par 3 :

on obtient la ligne pivot P. Pour éliminer x,, il faut des zéros dans la colonne du
pivot : on retranche la ligne P de la 1e ligne du tableau précédent, d’où la
1re ligne du nouveau tableau. On multiplie la ligne P par 4 et on retranche le
résultat de la 3° ligne de l’ancien tableau, d’où la 3° ligne du nouveau tableau:
O'EE jobs RS ((a)- [P])

ans à AL ([P]= (b):3)
D RARES, ((c)—-[P]x4)
Il est visible que la première ligne et la troisième sont identiques pour le

premier système : elles ont même ensemble de vérité (ici leurs ensembles de
vérité peuvent être représentés par des plans confondus). Dans le second sys-
tème, les équations 1 et 3 sont incompatibles, les plans représentatifs sont
parallèles : il n’y a donc pas de solution : le second système est impossible.
Reprenons le premier système qui se ramène à deux équations:
Du point de vue mathématique, on peut donner à x, une valeur quelconque,

et en déduire la valeur correspondante de x, et x,. Mais nous nous trouvons
devant un problème concret : x,, x, et x, sont des quantités d’unités d’aliments
qui ne peuvent être coupées : elles doivent donc être entières et positives.
Pour que x; soit un entier, il faut que 8 — x, soit un multiple de 3,
(x3 = 1/3(8 — x;)) :
BE Xe =13X (k entier) Xp 83 Ke
Les seules valeurs possibles de £ qui maintiennent x, positif sont 1 et 2;

DOUTER
Mer il ie?
DOUÉ
EU IE
Ne DEN = FAI, (négatif, donc inadmissible) .
La seule solution possible à ce problème — mathématiquement indéter-

miné — est
Les quantités x,, x, et x, correspondent au premier médicament, qui peut

être réalisé à partir d’une unité d’aliment I, de deux unités d’aliment II et de
deux unités d’aliment III. Il est impossible de fabriquer le second médicament
à partir des trois aliments.
2.3. Résolution des problèmes
Depuis quelques années, les ordinateurs se multiplient. Il devient impen-

sable que dans une entreprise ou même chez une personne privée, lorsque l’on
a affaire usuellement à des problèmes d’algèbre linéaire, on ne dispose pas
d’un ordinateur avec un logiciel d’algèbre linéaire.
Ainsi, il devient tout à fait inutile de résoudre un système d’équation linéaire
« à la main ». La méthode du pivot (ou d’autres méthodes) sont intégrées à des
logiciels d’ordinateurs. Par contre, il reste des étapes dans les problèmes
linéaires que des ordinateurs ne peuvent jamais effectuer :
— Ja « modélisation » : choix des inconnues et mise en équations,
— l'interprétation des résultats.
L'étape intermédiaire, la résolution du système, peut être traitée sur ordina-

teur.
Nous allons présenter quelques problèmes sur lesquels seules les deux
étapes extrêmes seront traitées.
Enoncés
1. Un cultivateur désire ensemencer un champ de 10 ha avec du blé et des

pommes de terre. La surface en blé doit être trois fois celle en pommes de terre.
Comment doit-il répartir ses semences ?
2. Antoine et Bernard possèdent ensemble 120 F. Antoine dépense 85 F et
Bernard 50 F. Bernard a alors deux fois plus d’argent qu’ Antoine. Combien
Antoine et Bernard possèdent-ils chacun au départ ?
3. Dans un théâtre, il y a deux tarifs. A la première séance sont vendus

320 billets à plein tarif et 200 au tarif réduit, ce qui donne une recette de
13 400 F. A la deuxième séance sont vendus 240 billets à plein tarif et 250 à
tarif réduit, avec une recette de 8 750 F. Quels sont les tarifs ?
4. Un club sportif propose deux formules à ses adhérents :

— à la séance : 60 F chaque fois
— à l’abonnement : le coût de l’abonnement est 350 F ; celui de la séance
est alors 35 F.
a) Dans quelles circonstances les coûts annuels sont-ils les mêmes avec les
deux formules ?
b) Dans quelles conditions la formule avec abonnement sera-t-elle moins

chère de 810 F que la formule à la séance ?
Mises en équations
Il faut choisir les inconnues et traduire ensuite le problème en langage

mathématique. Les inconnues sont des nombres et doivent être définies. Appli-
quons aux exemples :
1. « Comment doit-il répartir ses semences ? » signifie « combien d’hec-

tares ensemencera-t-il en blé et combien en pommes de terre ? », donc :
Soient x : le nombre d’hectares cultivés en blé,
y : le nombre d’hectares en pommes de terre.
Le champ a 10 ha : x+y=10
La surface en blé doit être 3 fois celle en pommes de terre :
x=3y.
Attention : instinctivement, certains écrivent : y = 3 x!
2. Si vous ne voyez pas tout de suite quelque chose qui est anormal dans
l’énoncé, posez :
x : avoir d'Antoine au départ (en F)

y : avoir de Bernard au départ (en F).
Ils possèdent ensemble 120 EF : x + y = 120.
Après dépenses, Bernard a deux fois plus d’argent qu’ Antoine. Il a

(y — 50)F et Antoine (x — 85)F donc :
y— 50 = 2 (x 85)
3. On peut poser : x, le prix du billet plein tarif et y, celui du billet tarif

réduit :
Première séance 320 x + 200 y = 13 400

Deuxième séance 2AD AE 250-8750;
4. « Dans quelles conditions » signifie : « pour combien de séances ? ». Il

convient de poser : x, le nombre de séances effectuées.
a) 60 x = 350 + 35 x
b) 350 + 35 x + 810 = 60 x.
La difficulté est de bien placer 810 avec le bon signe !
interprétations
Une fois le problème résolu, il faut traduire les résultats en langage courant ; le
lecteur n’est pas censé avoir suivi les calculs, et 1l a cependant droit à com-
prendre la solution.
Les exemples que nous avons repris pour l’interprétation vont montrer qu’il
est nécessaire de s’interroger sur la signification des résultats.
1. On trouve : x = 7,5 et y = 2,5. Il faut traduire en langage courant : le

cultivateur devra ensemencer 7,5 ha en blé et 2,5 ha en pommes de terre.
2. On trouve : x = 80 et y = 40. Mais attention ! Cela ne signifie pas

qu’ Antoine avait 80 F : il en aurait dépensé 85 ! On pouvait voir dès le départ
qu’ Antoine et Bernard possédaient 120 F et en dépensaient 135. Le problème
posé est faux ou impossible.
3. On trouve x = 50 et y = — 13. Un prix ne peut être négatif ! Le problème

posé est faux ou impossible.
4. a)x= 14. Traduisons : les deux tarifs sont équivalents pour 14 séances.
b) On trouve : x = 46,4. Or, x doit être entier puisque c’est un nombre de

séances. 1l n’existe pas de nombre de séances tel que la différence des
dépenses selon la formule soit de 810 F.
3. Programmes linéaires
Le problème ($ 2.2) de la fabrication du second médicament, trop rigide,

était impossible. Par contre, si l’on cherchait à fabriquer un médicament
contenant au moins 1 1 unités de vitamine À, 9 de vitamine B, et 14 de vitamine C,
on trouverait quantité de solutions. On pourrait même choisir parmi ces
solutions celle qui serait la plus économique. Ce nouveau problème est un
programme linéaire.
Traitons un autre exemple, plus simple :
Un maraïcher, vendant des citrons et des oranges, veut les grouper par lots
de vente :
— S citrons et 1 orange à 4F,

— 1 citron et 10 oranges à 6F.
Il dispose au total de 60 citrons et 110 oranges. Quelle est la répartition la

plus avantageuse pour lui, entre les deux types de lots ?
Pour trouver le résultat, l'opération la plus importante et la plus délicate
consiste à choisir les inconnues. Ici, il s’agit de connaître la répartition entre
les deux types de lots ; l’on désigne donc par x; le nombre de lots de la pre-
mière espèce, et par x, le nombre de lots de la deuxième espèce.
On traduit ensuite les données du problème. Le prix de vente en francs :
Sid x, + 6 x;
doit être le plus grand possible. Les nombres x, et x, sont limités par le stock
de citrons et d’oranges. En effet, si le maraïcher vend x; lots du premier
type et x, lots du deuxième, cela signifie qu’il vend 5 x; citrons dans les pre-
miers lots et x, citrons dans les seconds ; or au total, il n’y a que 60 citrons :
515 2 + x: < 60.

De même, le maraîcher vend une orange par lot du premier type, donc
X, oranges, et 10 oranges par lot du second type, au total 10 x, oranges.
Il n’y a que 110 oranges :
X1 + 10 x: < 110.
Il est de plus évident que x, et x, ne peuvent être que positifs ou nuls : un

nombre négatif de lots n’aurait pas de sens. Le prix à optimiser se présente
comme une forme linéaire; les inéquations sont du premier degré par rapport
aux inconnues; c’est pourquoi l’on parle de programme linéaire (c’est-à-dire
du premier degré).
D'une façon générale, résoudre un programme linéaire c’est optimiser une
Jonction linéaire S sous un certain nombre de contraintes traduites par des
inéquations linéaires.
Un problème du maximum peut s’écrire :
Maximiser CX
sous les contraintes :
AX<B et X2>0
C, X, BB étant des vecteurs, et À une matrice. Dans le cas de l'exemple choisi :
af Xi is | __f{ 60 L
x=(") a=f . TRE SAS
Maximiser
Sous les contraintes : |
La formulation du problème est une étape fondamentale. Une fois celle-ci

réalisée, il suffit bien souvent de poser les conditions trouvées à un ordinateur
muni d’un logiciel adéquat ; on obtient les solutions sous forme de tableaux
de chiffres; il est alors indispensable de les interpréter. Nous apprendrons
cependant quelques méthodes de résolution, utilisables à la main dans les
cas simples ; la principale de ces méthodes est celle du simplexe.
3.1. Solution graphique (cas de deux inconnues)
Le premier exemple a été choisi à dessein à deux inconnues, car il admet

une solution graphique dont la présentation peut aider à comprendre la méthode
plus générale (méthode du simplexe) qui sera exposée plus loin.
Fig. 10. y < x. Fig. 11. x > 0.
Toute inéquation linéaire à deux inconnues divise le plan en deux demi-plans,

séparés par la droite qui est l’ensemble de vérité de l’égalité correspondante;
de ces deux demi-plans, l’un est l’ensemble de vérité de l’inéquation, et sur
l’autre l’inéquation n’est pas vérifiée. Il s’agit là d’une propriété connue des
inéquations linéaires. Par exemple, y < x a pour ensemble de vérité tous les
points limités par la première bissectrice, situés « au-dessous » de cette bissec-
trice (Fig. 10); x > 0 a pour ensemble de vérité tous les points situés « à droite »
de l’axe des y (Fig. 11; sur les figures, on a hachuré les demi-plans dont les
points ont des coordonnées qui ne satisfont pas à l’inéquation).
X1
Fig. 12.
Revenons au problème et traçons (Fig. 12) les droites (!) :
+10 RE N,
(@&) 5x, + x, = 60 (Point C (12.0) et point B (10,10)

(B) x, + 10x, = 110 (Point
À (0,11) et point
B (10,10).
Si l’on hachure toutes les parties du plan formées de points dont les coor-
données ne vérifient pas l’une des inégalités, il reste un polygone OABC à
l'intérieur et sur les côtés duquel les contraintes sont respectées. Il s’agit
ensuite de déterminer, dans ce polygone, quels sont les points où la quantité S
est maximum.
Traçons la droite S = 0, soit:
Ghimdneet6 10%
(Elle passe par l’origine et a pour coefficient directeur — 4/6 = — 2/3.)

Si l’on considère la droite (Ô) :
4%, +T6%X = 04
elle est parallèle à la droite y; plus a est grand et plus cette droite est éloignée
de l’origine dans le sens positif (2). Or, nous cherchons à maximiser a. On
peut calculer les coordonnées des différents sommets pour connaître les
valeurs de a à chaque sommet. Il est facile de voir alors que a est maximum
au point B qui est l’intersection des droites (æ) et (B).
La solution est trouvée. On lit approximativement sur le graphique les
coordonnées du point B (10, 10). Pour plus de précision, utilisons la méthode
du pivot. Il s’agit de résoudre le système :
SX: + X2 —= 60
X1 + 10:23 0:
On a la suite d'opérations :
Lignes :
GER
@ 10 110 e e,
(b)
( C4) né) GP = (6)
T0 110 (b)
=P
0 10 (c): (—-49) = P'
l 0 10) P — 10P'
Le maximum a lieu pour x, = x, = 10. (a = 100, alors que a = 66 au
sommet À et 48 au sommet C.)
(*) Les lettres grecques employées ici sont :

a :alpha; B:bêta; y:gamma; 6: delta.
(2) Nous admettons cette affirmation, qu’il serait possible de démontrer.
Attention ! Cette dernière méthode n’est employée que pour trouver avec
précision les coordonnées du point B. On peut lire directement ces coordon-
nées sur le graphique, ou employer une autre méthode de calcul pour les
déterminer. L'optimum n’est pas forcément atteint à l’intersection des deux
droites : il aurait pu l’être au sommet À ou au sommet C si la fonction objectif S
avait été différente.
Conclusion : solution du programme linéaire
Il y a donc 10 lots de type 1, comprenant au total 50 citrons et 10 oranges
et 10 lots de type 2, comprenant au total 10 citrons et 100 oranges. Tous les
fruits sont utilisés. Alors :
S=4x, + 6x, = 40 + 60 = 100F.
Le chiffre d’affaires est 100 F.
Vérification
Nous pouvons vérifier que le résultat trouvé correspond bien à un maximum
en donnant des valeurs différentes à x, et x,. (Cette vérification n’est pas
nécessaire au calcul. Elle est donnée ici pour convaincre le lecteur du bien
fondé de la méthode.)
Si x, = 11, on a besoin de 55 citrons et 11 oranges
d’où x, = 5, on a besoin de 5 citrons et 50 oranges.
Il reste des oranges, et :
S = 44 + 30 = 74,
S est inférieur au maximum trouvé. De même :
Six, = 11, on a besoin de 11 citrons et 110 oranges, il est alors impossible
de faire des lots du type 1, et il reste des citrons, et :
S = 66F (inférieur à 100)
(on pourrait continuer ces vérifications).
La solution donnée ici est simple et générale, mais ne peut être obtenue
que s’il y a seulement deux inconnues. Or la plupart des programmes
linéaires usuels font intervenir des dizaines, voir des centaines ou des
milliers d’inconnues. On peut les résoudre par une méthode qui n’exige pas
de représentation graphique, celle du simplexe ; cette méthode est exposée
d’abord sur le premier exemple simple, déjà traité, où elle n’est pas
nécessaire, de façon à bien la faire comprendre.
3.2 Algorithme du simplexe (problème du maximum)

(Algorithme : méthode de calcul qui permet, par l’application successive
d'opérations identiques, d’aboutir à la solution.)
Les contraintes du problème déterminent ce que l’on appelle un « poly-
gone » à l’intérieur duquel elles sont satisfaites. Dans le cas de notre exemple,
c'est le polygone OABC ; s’il y a plus de 2 inconnues, ce polygone se trouve
dans un espace à trois dimensions ou dans un « hyper-espace » à plus de

trois dimensions, impossible à représenter. On est ainsi obligé de recourir à
une méthode qui ne fait pas appel au graphique, la méthode du simplexe.
Cette méthode consiste à explorer algébriquement les différents sommets
du polygone.
Nous avons constaté dans le cas précédent que le maximum correspondait
au sommet B. Nous admettons (!) que l’optimum se trouve à l’un des sommets
du polygone. La méthode consiste à explorer successivement des sommets
de polygone (pas tous, car ils sont nombreux dans les problèmes concrets) en
s’arrangeant pour se rapprocher à chaque fois de l’optimum, donc pour que la
somme à maximiser soit chaque fois plus grande.
Reprenons le problème du maraîcher, dont nous avons déjà la solution
graphique, et résolvons-le par la méthode du simplexe.
La première opération consiste à transformer les inéquations — trop diffi-
ciles à traiter — en équations (?). Pour cela, l’on introduit deux nouvelles
variables (variables d’écart) :
1, nombre de citrons inutilisés
t, nombre d’oranges inutilisées.
Les deux inéquations :
D.5002 DE /A 60
peuvent alors s’écrire sous forme d’équations linéaires
5 X1 + X2 + l — 60
X: + 10 x, + l = 110.
Pourvu que ft,1 et f,2 soient positifs ou nuls, les inéquations sont vérifiées.
Le problème se transforme ainsi en la résolution de deux équations à
quatre inconnues, celles que nous venons de trouver, sous les contraintes :
knc>50 Xsn 210 t1210 230%
Sous cette forme (deux équations, quatre inconnues), il y a une infinité de

solutions ; il s’agit de trouver, parmi ces solutions, celle qui maximise :
S= 4x; +6Xx
tout en respectant les autres contraintes : inconnues positives ou nulles.
(*) Ce résultat fait l’objet d’une démonstration qui sort du cadre de ce cours.
(2) Il peut se faire que les données du problème aboutissent, dès le départ, à des
équations en plus des inéquations. Il va sans dire que les équations n’ont pas à être
modifiées.
Pour résoudre le problème ainsi posé, on explore successivement les sommets

du polygone OABC (Fig. 12, p. 102);les coordonnées de ces sommets vérifient
les deux premières et deux des quatre dernières équations suivantes :
Sont ax pit = 60
x, +10 x + 11 = 110
+ =" 0
X) = a
l smo0
1} = DO)
Chaque sommet correspond à deux variables nulles : f, est nul sur (x),
t, sur (B }, x, sur l’axe des x, et x, sur l’axe de x. Le sommet B, par exemple,
correspond donc à f, = 0 et t, = 0.
On explore les sommets jusqu’à ce que l’on trouve celui où S est
maximum. On peut partir d’un premier sommet, celui où x, = x) = 0
(origine). C’est une solution peu satisfaisante du point de vue de l'utilisateur
(t, = 60, t, = 110 ; S = 0: c’est le cas où le maraîcher ne fait rien et ne
gagne rien). On cherchera à l’améliorer.
Les équations de départ et cette solution peuvent se traduire par le
tableau suivant :
(Les différents ouvrages sur la méthode du simplexe ne donnent pas la même

présentation du tableau. Celle-ci a été choisie parmi les autres pour sa
simplicité.) Z est la matrice unité, formée de 1 sur la diagonale et de zéros ail-
leurs.
Sur le tableau, on pose x, = x, = 0. On découvre, dans un tableau du
simplexe, l’ensemble des variables non nulles, qui sont exprimées en fonction
des variables nulles ou base, en cherchant dans le tableau des colonnes qui ne
comportent qu’un « un » et des zéros. Les variables de base (ici x, et x,) étant
considérées comme nulles, on lit :
lre ligne
: SxXO0+ 1x 0+7r, = 60 {y = 60
2 OUEN A LE DEUST + 1; = 110 510.
On prend vite l'habitude de ne pas tenir compte des colonnes correspon-
dant aux variables nulles et de lire directement sur le tableau : r, = 60 et
12 = 110 (60 citrons et 110 oranges inutilisés). On lit de même :
S— 0 (dernière case).
Le résultat trouvé correspond à un sommet du polygone (ici le © de la
figure 12). Ce sommet n’étant pas intéressant, il convient d’en chercher un autre
en essayant d'augmenter S. Pour cela, il faut augmenter les variables dont les
coefficients sont positifs dans l’expression de S (donc négatifs sur la dernière

ligne du tableau). On peut commencer par celle dont le coefficient a la
valeur absolue la plus grande, x, ; ainsi, si on donne à x, une valeur positive,
S = 4x, +6 x; n’est plus nulle, mais égale à 6 x.
Pour que S soit le plus grand possible, l’on cherche à donner à
x, une valeur qui soit la plus grande possible, mais qui respecte les
contraintes. Dans la première équation, pour x; = ft, = 0, nous trouvons la
valeur 60, la plus grande possible pour x,. Dans la deuxième équation, pour
X = {, = 0, nous trouvons x, = 11. (Les valeurs 60 et 11 sont écrites à droite
du tableau, sur les lignes correspondant aux équations dont elles sont
tirées.)
De ces deux valeurs possibles pour x;, il faut choisir la plus petite. En
effet, avec x, = 11, la deuxième contrainte est respectée, et la première l’est
aussi (/, = 49); tandis que si l’on prenait x, = 60, la seconde contrainte ne
serait plus respectée (r, serait négatif). La plus grande valeur de x, compa-
tible avec les contraintes, est donc 11 et l’équation (b) est la plus
contraignante.
On choisit alors comme pivot le coefficient de x, dans l’équation la plus
contraignante : 10 est le pivot, c’est pourquoi il a été encerclé sur le tableau.
Nous indiquons à gauche la méthode classique et à droite l’écriture en
tableau usuelle ; il s’agit de réécrire le système en fonction de la nouvelle
« base » de variables nulles x, et #, au lieu de x, et x,:
On exprime le système en fonction Comme dans le cas d’un système

des nouvelles variables x, et f, qui linéaire, on écrit la ligne pivot avec
ont une valeur nulle pour l'instant le coefficient 1 pour x, (ce qui revient
La deuxième équation donne : à la diviser par 10). On la retranche
ensuite de la première ligne, et on la
l X1 multiplie par 6 pour l’ajouter à la
= || —-— —- —
de 10 10 dernière de façon à faire apparaître
des zéros sur la colonne des x, :
d’où, en substituant, dans la première
équation : X)
el J
49 lo
E10 *: + ft eg[0 2e9 (=)
c’est-à-dire :
49 L)
li = 49 [= SX 1 3e Er
10
©
L E
On substitue à x, son expression en
fonction de x, et #, dans S :
La solution trouvée correspond au
171 sommet À de la figure 12 (x, = 0 :
S " 3 PRE
: + 66 1
(1) axe des x: .5.=— 0 : droite «).
L'écriture sous forme de tableau permet d’obtenir les mêmes équations

que l'écriture directe, mais elle est plus rapide, car on n’a pas à répéter les
inconnues. On y lit: x, —=11 (2° ligne) et r, = 49 (1® ligne) quand
x, et , sont nuls. Les encadrements en pointillés sont placés pour mettre en
évidence les variables non nulles : leur colonne ne comporte que des 0 et un
seul 1. La somme S se lit en bas à gauche. La nouvelle solution qui remplace
X1 = tamuS = 0, t1 = 60,.1,:=110, est! donc:
ni = 0 xn=,11 t, = 49
et S — 66, ce qui représente une amélioration par rapport à S = 0.

Il est encore possible d’améliorer S, puisqu'il reste un coefficient positif
(celui de x;) dans l’expression (1) de S (ou un coefficient négatif à la troi-
sième ligne du tableau). On cherche donc à augmenter x,. Les valeurs
possibles pour x, sont 10 dans la première équation (#, = t, = 0) et 110 dans
la deuxième (x; = rt, = 0). 10 est la plus grande valeur compatible avec les
liaisons, et le pivot est 49/10.
La deuxième opération consiste à exprimer x; et x,, devenues variables
non nulles, en fonction de f, et t,, base. S sera également exprimée en
fonction de f, et f,: on verra alors s’il y a intérêt à augmenter
{, où #, pour augmenter S. Cela donne un nouveau tableau du simplexe : en
divisant la première ligne par 49/10, on obtient la ligne pivot (P).
L'ancienne deuxième ligne diminuée de 1/10(P) donne la nouvelle
deuxième ligne. On ajoute 17/5(P) à l’ancienne troisième ligne pour obtenir
la nouvelle.
en RTE #4 #2
au 401 1019
l 5
X2 = 10 0e M9 2
d’où:
Re re ;
* 4 [41 @
La solution trouvée correspond au sommet B de la figure 12, p. 102
(1 = t, = 0). Il est impossible d'augmenter S, puisque les coefficients des
variables sont tous négatifs (les coefficients de la dernière ligne du tableau
sont positifs et on voit dans l'expression (2) qu’augmenter f, ou ft,
diminuerait S). On sait qu’on a atteint l’optimum et on peut arrêter
l'itération.
On lit sur le tableau final la solution :
Pour f, et f, nuls, les valeurs de x; et x, sont dans la dernière colonne (10 et
10). S est en bas de cette même colonne (100). Il est nécessaire alors
d’expliciter la solution, comme il a été fait lors de la solution graphique en
indiquant quelles quantités de chaque lot on prend, quel est le gain, et quels
sont les restes d’oranges et de citrons. On retrouve, bien entendu, la même

solution (1) :
Le maraîcher fait 10 lots de chaque catégorie. Il ne lui reste aucun fruit et son
chiffre d’affaires est 100 F.
Règle à suivre pour l’utilisation de la méthode du simplexe

Soit à maximiser une expression, fonction de ñ variables. Entre ces n variables
existent m contraintes. Il y a maximum en un sommet du « polyèdre » des
solutions admissibles ; or, chacun de ces sommets correspond à l’annulation
de n variables (prises parmi les n variables de départ, et les m variables auxi-
laires qui saturent les contraintes).
La méthode du simplexe consiste à partir de l’un des sommets de ce poly-
gone. Dans le cas d’un problème du maximum — seul traité jusqu’ici — on part
du sommet © pour lequel les nr premières variables (les variables de départ)
sont nulles et les variables d’écart sont les seules non nulles. Ces dernières
sont exprimées en fonction de la base, formée des variables nulles.
On passe ensuite à un autre sommet du polygone, qui donne à S une
valeur plus grande. Pour cela, on peut choisir la variable dont le coefficient
négatif dans S est le plus grand en valeur absolue ; on donne à cette variable
la plus grande valeur possible, compatible avec les contraintes ; la valeur
trouvée correspond à l’annulation d’une autre variable qui prend la place de
la première dans la base (les autres variables de la base ne changent pas).
On recommence l’opération en explicitant le système et S en fonction des n
nouvelles variables nulles ; cela donne un nouveau tableau.
Sur ce nouveau tableau, on effectue le même choix de variable, et on
recommence le processus aboutissant à un troisième tableau... On continue
ainsi tant qu’il y a des coefficients négatifs dans la dernière ligne du tableau
(possibilité d'augmenter S). On arrête l’opération quand il n’y en a plus ; on
a alors atteint l’optimum.
Remarque : Il ne faut pas s'étonner si la solution trouvée impose qu'un
certain nombre de variables (même parmi les variables de départ), soient
(!) L'exemple a été choisi de telle manière que les solutions trouvées soient entières;
ce n’est pas le cas en général, alors que, le plus souvent, les variables n’ont de sens que
si elles sont entières. On doit, dans ce cas, autour de la solution optimale (non entière)
trouvée, essayer les valeurs entières des variables qui donnent un S$ maximum. Ce
nouveau maximum est un peu inférieur à celui trouvé sur le tableau du simplexe, car
la nouvelle solution ne correspond plus à un sommet du polygone, mais se trouve à
l'intérieur. Ajoutons qu'il existe des méthodes de programmation linéaire en nombres
entiers, mais nous ne les traitons pas dans ce livre.
nulles. En effet, on a ramené le problème à la résolution d’un système de

m équations linéaires (m contraintes) : cela permet de déterminer m variables
en fonction de toutes les autres : ces autres sont nulles. Il y a nr variables de
départ et m variables d'écart ; au total, on trouve n variables nulles prises,
soit parmi les variables d'écart, soit parmi les variables de départ.
3.3. Dual d’un programme linéaire
En résolvant un problème du maximum, on se trouve résoudre en même

temps un problème du minimum, appelé dual du premier. Ce résultat sera
admis ici.
Reprenons l'exemple du camelot. On peut se poser un autre problème : Sup-
posons qu’un grossiste veuille vendre des oranges et des citrons. Il a le choix
entre :
— les vendre au camelot,
— faire des lots qu’il vendra lui-même.
À quel prix doit-il vendre les oranges et les citrons au camelot pour avoir avan-
tage à les lui vendre plutôt qu’à faire lui-même le camelot ?
Ce problème doit d’abord être mis en équation. Soit y, le prix du citron,
et y, celui de l’orange (en F). Il s’agit de vendre le stock au camelot à un prix
acceptable pour lui, c’est-à-dire le moins élevé possible :
minimiser S = 60 y, + 110 y;
sous les contraintes exprimant que le prix de vente est supérieur au prix par
lots :
lots du 1°" type Sy; + y: > 4
lots du 2° type y, + 10 y, > 6.
Ce problème contient exactement les mêmes coefficients que le problème

«primal » traité ci-dessus. Simplement, les coefficients sont placés différem-
ment (il y a pratiquement une permutation des lignes et des colonnes).
En langage matriciel, le problème du maximum s’écrit
AX <B
CX maximum (voir p.101).
En désignant par W le vecteur ligne dont les composantes sont les inconnues
du problème du minimum (dont le nombre est celui des équations du premier
problème), le dual du programme précédent s'écrit:
WA >C
WB minimum Milo Y2)
Le tableau du simplexe du problème primal peut être écrit sous la forme
Le problème dual comporte autant de contraintes qu’il y a de variables dans

le problème de départ, ou primal.
Le résultat du problème du camelot s’écrivait :
425 J2
Nous admettons qu’on peut y lire les résultats du problème dual, à la dernière
ligne :
34
71739 RENE Le grossiste vend l’orange à 0,69 F
26 et le citron à 0,53 F.
Doi 20 F = 0,53 F.
Le minimum S étant 100 F, qui correspond au maximum du problème primal.

Dans la pratique, le grossiste propose des prix un peu inférieurs ; de cette façon,
le camelot peut réaliser un bénéfice.
Le maximum du problème « primal » est égal au minimum du problème
dual. La relation de dualité est réciproque; le premier programme peut être
aussi considéré comme le dual du second.
Exemple (classique) :
Une ménagère a le choix entre 5 aliments différents contenant des calories
et des vitamines; les prix et les proportions de calories et de vitamines sont
indiqués dans le tableau suivant (coût en centimes) :
Calories
Vitamines
Il faut, pour que sa famille ait un régime alimentaire équilibré, que, chaque
mois, elle reçoive 2 100 calories et 1 200 vitamines par personne. La ménagère
cherche à réaliser ce régime au moindre coût.
On peut désigner par W,, W;, …, W; les quantités de chaque aliment.
Il s’agit alors de :
minimiser S = 20 W, + 20 W, + 31 W; + 11 W4 + 12 Ws
REIN 2) W. > 0
W, PAR E Us CON 2 100 (calories)

HR 0 PS EPS POP V 1 200 (vitamines) .
VW
Ce problème peut être résolu comme problème du minimum (°), mais

nous le résoudrons comme « sous-produit » du programme dual qui peut
s'énoncer ainsi :
Un laboratoire de produits pharmaceutiques cherche à satisfaire les mêmes
besoins diététiques en fabriquant 2 pilules, l’une contenant une calorie et l’autre
contenant une vitamine. Il veut que les prix soient concurrentiels avec ceux des
cinq aliments précédents, et que son revenu soit maximum (?).
En désignant par x;,, x, les prix de la 1'° et de la 2° pilule, le programme
s'écrit:
maximiser S = 2 100 x, + 1 200 x,

re Kat Ù
x, « 20
XaU< 20
XIE 2ARS OI
Xuas%snenl l
2e PME 127
On voit de quelle façon simple on est passé du programme primal au pro-

gramme dual. Les contraintes du problème dual correspondent aux variables
du problème primal. Le dual a autant d’inconnues que le primal avait de
contraintes, et autant de contraintes que le primal avait d’inconnues.
(?) La méthode du simplexe peut être appliquée directement à des problèmes du

minimum, mais sa réalisation pose des problèmes plus délicats que celle des problèmes
du maximum. C'est pourquoi elle n’est appliquée ici qu'aux problèmes du maximum.
l'utilisation de la dualité permettant de résoudre certains problèmes du minimum.
(?) Il est assez fréquent que l’un des problèmes posés soit concret et que son dual
apparaisse artificiel.
Nous allons résoudre le programme dual selon la méthode du simplexe (1).

Le premier tableau prend la forme ci-dessous avec la solution :
Xi = X = 0, S=0, A 0 Fe ÉR=MI NT
ENDURO NIIUNETS
©) l 12112
— 2100 —1200|0 0 O0 oO os.
X, a le plus grand coefficient négatif à la dernière ligne ; nous allons chercher

à l’augmenter. La plus grande valeur possible compatible avec les contraintes
est 6 (?), obtenue en annulant x, et f.. 2 est donc le pivot. On procède comme
p. 107.
0 = 150010 0 0 0 1050] 12 600
Eaesolutiontencévidencesesttxs = Gi: = dd, EM = 250$,

X2 = t4 = 0. Il reste un coefficient négatif à la dernière ligne, celui de x,;
on peut donc chercher à augmenter x;. La plus grande valeur possible de x;
() La méthode du simplexe ne s’impose pas dans le cas de ce problème dual : il

suffirait d’une résolution graphique. Mais la solution par la méthode du simplexe
donne aussi celle du problème primal.
(2) Les valeurs possibles de x; sont indiquées à droite du tableau, chacune sur la
ligne où elle est obtenue. La plus petite est 6.
compatible avec les contraintes est 10, à la quatrième ligne (1). 1/2 est le pivot.
Le tableau suivant est :
W WW, Wa W, W,
900 | 14 100
On est arrivé à l’optimum puisqu'il n’y a plus de coefficient négatif à la

dernière ligne. Les solutions du problème dual sont :
entLe, = 10: 2h 90 = 0 SM = N0 = 110
Optimum : 14 100.
Ce qui se traduit :
Les prix doivent être de 1 C pour la première pilule et 10 C pour la seconde.
Le coût est alors 14100C par personne, soit 141 F.
Le problème de la ménagère est également résolu; elle doit acheter :
W,
= 300: et W:
= 900 W, = W,=W;=0
(lus sur la dernière ligne du tableau)
donc 300 unités du 4° aliment et 900 du S°. Elle ne doit acheter aucun des
trois premiers aliments. Le coût sera pour elle de 14100 C, soit 141 F, par
personne.
Remarquons alors que dans la pratique, la ménagère paie exactement
aussi cher les aliments que les pilules. Il suffira au pharmacien de baisser
très légèrement le prix de ses pilules pour être sûr de s’assurer le marché
(si, du moins, les seules contraintes sont celles exprimées ici ! Le goût des
consommateurs ne se chiffre pas).
4. Matrices de Léontieff ou tableaux d’échanges

interindustriels
4.1. Définitions
(Une branche esi un groupement d'entreprises ou de parties d’entreprises
produisant le même produit.
(*) Onnetient pas compte de la valeur négative, — 28, incompatible avec la contrainte
x) > (0.
Un secteur est un groupement d'entreprises classées d’après leur activité

principale, quelles que soient leurs autres activités, qui se trouvent ainsi
comptées dans le secteur de l’activité principale.)
Un tableau d'échanges interindustriels (ou input-output) représente l’analyse
de la production des branches d’une nation selon sa répartition dans les autres
branches.
On considère d’abord une économie en système fermé. Soient X,, …., X,
les productions totales (moins l’autoconsommation : X; est l’output) des n
branches 1, 2, ..,n. La production (output) X,; est répartie entre les autres
branches selon les quantités x;,, …., x in°
1. Agriculture Total :
Produit produits
1. Agriculture
Total :
Consommation X; X; Y; X
des branches
x;; est la quantité des facteurs de production de la branche ; (placée en ligne)

utilisés par la branche j (placée en colonne). La vente a lieu de la branche i
à la branche j.
Il est impossible d’établir ce tableau en quantités physiques car, même à l’inté-
rieur d’une branche, les produits ne sont pas homogènes et ne peuvent être
additionnés. On se sert donc en général des valeurs des produits. Ce choix n’est
pas sans poser des problèmes quand on cherche à comparer des tableaux cor-
respondant à des dates différentes, et donc à des systèmes de prix différents
(voir chapitre 8).
En France, on compte l’autoconsommation (x; # 0). On ajoute le com-
merce comme branche de consommation (donc le commerce apparaît en
colonne). De même, on ajoute la consommation des ménages (système ouvert
de Léontieff). Le tableau est présenté en 17, 29 et 77 branches.
Exemple de matrice input-output
On a, par exemple :
X21 + X22 + X23 = produit de la branche 2

Xy1 + X21 + X31 = consommation de la branche ] .
Si l’on tient compte du commerce, de la consommation des ménages, des

importations, des exportations, des marges et des taxes, le produit d’une
branche doit être égal à sa consommation.
4.2. Coefficients techniques

On pose :
a;; est la proportion du produit i consommée par la branche j (exemple : la

quantité de caoutchouc consommée par l’industrie automobile exprimée en
pourcentage de la consommation totale de l’industrie automobile).
On peut admettre, en première approximation et à court terme, que les
coefficients techniques sont constants. Cela permet de calculer les x;; quand
on connaît seulement les consommations globales X, pour des dates proches
de la base pour laquelle les a;; ont été calculés. On peut aussi mesurer les supplé-
ments de produit (achat) qu'il faut réaliser pour produire une unité de plus
dans une branche (vente). Si l’on veut produire une unité de plus dans la
branche 1, il faut utiliser une quantité a,, du produit de la branche 2, une
quantité a, du produit de la branche 3, etc.
Pour un système fermé (le produit d’une branche est égal à sa consom-
mation) sans autoconsommation, On à :
X12 + X13 + “e Æ Xin —= x,
Ou:
di2 X; + d;3 X3 CET dns = x;
et les autres équations analogues, pour les branches 2, 3, .…., n. Ce sont les
conditions d'équilibre. Les n équations de ce système linéaire et homogène
permettent de calculer tous les X; en fonction de l’un d’eux.
Si, par contre, on a un « système ouvert et Léontieff », avec y,, ..., y, repré-
sentant les demandes finales de consommation des différents produits :
le système s’écrit, en utilisant les coefficients techniques :

CET AM Gi» A2 0 — Ain Àn = Yi
mort (oo) -0;;,X, =).
Ce système permet de déterminer des demandes finales en fonction des pro-

ductions. Lorsqu'on désire faire des prévisions, il est souvent plus intéressant
de connaître les productions nécessaires en fonction des demandes prévues.
Cela revient à résoudre le système en fonction des X’,, ..…, X,, et donc à « inver-
ser » la matrice des coefficients, d’où la nécessité d’apprendre à inverser une
matrice.
Notons que les coefficients techniques sont le plus souvent calculés par des
rapports de valeurs, et non de quantités physiques.
5. Inversion d’une matrice
Supposons que l’on ait une matrice de Léontieff dans une économie compor-
tant 3 branches.
Emplois
Branche Commerce finals Total
5 5 30
5 5 40
Produit 10 Ce 40
Valeur ajoutée
Importations STE D
Marges
TVA S: /100 0
Ressources 30 40 40
FOURASTIÉ. — Mathématiques appliquées à l’économie.

La matrice des coefficients techniques est :

S 15 ] 3
EUR T6 meer | A D
5 ?S l 5
TT; NS LR
10 10 1 ]
0 A0 OU 3) Fr
Le système des demandes finales en fonction des productions est :
] 3
Pa TC me à
2 8
l 5
Te Feu V2:
5 3% a Fe + 3 = 3
Ce système est valable pour des demandes futures },, y:, y3 prévues, à
condition que la date ne soit pas trop éloignée. Il est intéressant d’en déduire
les productions qui seront nécessaires, donc de connaître X,, X,, X, en fonction
de Yi, V2, }3.
Résoudre ce système par rapport à X;, X,, X, est exactement inverser
la matrice :
1 3
Le deSR
A=|-2 1 Lot 5
1 1
au 2 rune
D'une façon générale, pour inverser une matrice (qui doit être carrée) on
passe du système des inconnues X,, X,, X, à celui des inconnues y,, }>, a,
ce qui se traduit par un tableau :
(rép
qui doit, par la méthode du pivot, être transformé en tableau :
CHA ES
Ice
l 3
D — 0. 1 0 0
= lors &5 0 l 0
On choisit le premier 1 comme pivot; la ligne pivot est multipliée par 1/6 et
ajoutée à la seconde ligne du premier tableau, puis multipliée par 1/3 et ajoutée
à la 3° ligne du 1* tableau :
| 3
| nc: de l 0 0
47 11 il
AUTRE RUN TES
7 7 1
0 54 & 3 0 l
Le second pivot est 5 sur les diagonales :

48°
3x 29 48 6 0
HD EP A MT CET
2x] 8 48
De l'énunbiear dass Lieu da
fa 47
ei
47
pres 71 x9 MC ; dé.
et le dernier pivot 5 x 47 (effectuer les opérations est peu utile pour la suite):
9 1 29
pr hr meme
4 4 22
NES DENT D 1)
4 4 94
0 0 l SR
La matrice inverse A7! est donc :
ne]
IR
1] OI
WIR
Qi
On peut vérifier, en effectuant le produit des matrices (cf. p. 90), que :
AA ep]
1 étant la matrice unité :
l 0 0
I1=!|0 il 0
0 0 |
La matrice À! donne les productions en fonction des demandes finales :
1 29
Xi = 7 1 x 372 + 473
G 22
2ÉN 3} © 32 Ÿ 5 Ys
4 4 94
X3 = a UNSPit
Remarque : Toutes les matrices carrées n’ont pas forcément un inverse.
Exemple :
l 2 3
B = |— 1 | 0
0 3 3
On s'aperçoit tout de suite que B n’a pas d’inverse en utilisant le tableau :
CPAS EAP TC "0

1 lt 0 0e. 0
puis :
l 2 3 l 0 0
0 S, 5 l Il 0
0 3 3 0 0 l
Les deux dernières lignes sont incompatibles. Si l’on continue, on a une

ligne de zéros dans la première matrice. Il n’y a pas d’inverse. C’est le cas
chaque fois que l’une des lignes de la matrice de départ est une combinaison
linéaire des deux autres.
Chapitre 6
Les fonctions numériques
1. Généralités
Rappelons qu’une relation d’un ensemble E dans un ensemble F est fonc-

tionnelle si chaque élément de E n’est en relation qu'avec au plus un élément
de l’ensemble d’arrivée. Les fonctions que nous allons étudier ici sont en général
des fonctions de l’ensemble des réels R dans R (ou dans N, Z ou ©) : fonctions
numériques qui font correspondre à un ensemble de nombres un autre ensemble
de nombres. |
Pour faciliter l’étude, on définit la droite réelle achevée, ensemble composé
de l’ensemble R, et de deux éléments notés — o et + oo (!), tels que tout
nombre réel connu est supérieur à — o et inférieur à + oo. La plupart des
fonctions numériques sont étudiées à partir d’un domaine de définition qui est
la droite réelle achevée ou une partie de cet ensemble.
On appelle intervalle ouvert de cette droite l’ensemble des nombres x compris
entre deux éléments de cette droite, a et b :
a, <hxa<ub) touts Ed b]
a et b pouvant éventuellement être infinis.

Pour désigner une fonction numérique, on utilise les notations suivantes :
x y OU PU (x) EF
y est l’image dans F de l’élément x de E.

Sur son domaine de définition, toute fonction numérique est une application
qui peut être injective, surjective ou bijective (cf. chapitre 2, $ 4.4, p. 39).
S’il existe une application inverse (dans les cas de l’ingection et de la bijec-
tion), on l’appelle fonction inverse, et on la note parfois : f - !. Chaque fois que
l’on a affaire à une fonction numérique, il convient de rechercher son domaine
de définition. (Prendre garde, en particulier, aux dénominateurs susceptibles de
devenir nuls, aux racines d’expressions susceptibles d’être négatives..).
(*) On lit « moins l'infini » et « plus l’infini ».

2. Notions de limite et de continuité
2.1. Définition
Une étude précise sort du cadre du présent ouvrage. Seules quelques défini-
tions sont présentées 1CI :
1) Une fonction f, définie que un intervalle ouvert de R contenant xs,
est continue au point x, si, étant donné un nombre quelconque positif &, il
existe un nombre positif « (!) tel que :
|[x —xo|<a entraîne |f(x)

— f(x) | < € |
2) Une fonction f définie sur un intervalle ouvert Z de R contenant x,

(sauf peut-être en x,), admet une limite finie lorsque x tend vers x,, s’il existe
un nombre /, indépendant de x, vérifiant la propriété suivante :
A tout nombre positif &, on peut faire correspondre un nombre positif «
tel que, quel que soit x de Z vérifiant : 0 < | x — x, | < à, on ait
MAC ee
Lorsqu'un tel nombre / existe, on dit que f(x) a pour limite / lorsque x tend
vers Xo.
Notation :
Exemples
1) Soit la fonction qui à x fait correspondre :
PER) ES
elle est définie dans R (?). Choisissons Xo = 1. Dans ce cas, f(x.) = 7 est la
limite de f(x) quand x tend vers 1. En effet, si l’on choisit :
() € : epsilon; « : alpha, lettres grecques.

(°) Le « domaine » de définition est toujours important à signaler. Il s’agit du sous-
ensemble de R contenant tous les éléments x pour lesquels f(x) existe (cf. chapitre II,
p. 37).
Les fonctions numériques 123
il faut : l
é)—7| < —
soit :
122x+5—-71=12x-2|<—,
x [= 2x | 10$
Or, en faisant :
1
NS
ÉRIC (TC
le résultat est obtenu : on peut choisir pour x n’importe quel nombre inférieur
ou égal à :
…
210
Avec un € quelconque, on peut faire le même calcul et déterminer « en fonction
de € : f(x) tend vers 7, lorsque x tend vers 1.
Il aurait été possible de prendre n'importe quelle valeur de x,, et de faire
la même démonstration. C’est de cette manière que l’on démontre que toute
fonction polynôme f(x) a pour limite f(x.) lorsque x tend vers x,. Toute
fonction polynôme est donc une fonction continue sur tout intervalle sur
lequel elle est définie, c’est-à-dire sur R.
2) Soit la fonction qui à x fait correspondre :
SEEREA |
PT x — Ï
définie pour x > -et x £ 1. Cherchons sa limite quand x tend vers 1. Pour
x = 1 elle n’est pas définie ; elle se présente sous la forme « indéterminée » 0/0 ;
cependant, elle a une limite quand x tend vers 1 (sans être jamais être égal à 1).
Pour la déterminer, transformons f(x) en introduisant ce que l’on appelle la
« quantité conjuguée » du numérateur ; celui-ci est considéré comme étant de
la forme a — b; la quantité conjuguée est a + b de façon à avoir au numé-
rateur la formule :
(a + b)(a — b) = a? — b?
dans laquelle n’intervient pas de radical. Il va de soi qu’il faut aussi multiplier
le dénominateur par la quantité conjuguée de façon à garder la valeur de la
fraction :
/2x—-1-I1 _(V2x- LE) (real Sal)

x — I = D(/2x
= 1+ 1)
2x—-1—-I 2(x
— 1)
Gi 22e dimioas-al) (22e Hi) à
Pour x # 1, mais aussi proche que l’on veut de 1, la simplification est

possible :
5
y =
OS EE
Cette simplification n’est pas possible pour x = 1, car on ne peut simplifier
par 0.
Quand x est voisin de 1, y est voisin de 1. On peut se donner, comme précé-
demment, une valeur de & et en déduire une valeur de «x : la limite de f(x),
lorsque x tend vers 1, est 1.
2.2. Théorèmes relatifs aux limites
Nous admettons les théorèmes relatifs aux limites, pour f et g fonctions

der
— La limite d’une somme est égale à la somme des limites, si elles existent,
de ses termes.
— La limite d’un produit est égale au produit des limites, si elles existent,
de ses termes.
; fil É 4e é
— La limite d’un quotient à est égale à — J , à condition que lim f et
g lim g
lim g existent, et que lim g ne soit pas nulle.
3. Dérivées
3.1. Définitions
Par définition, le nombre dérivé, pour une valeur x, de E, est la limite, si

elle existe. de”:
(x) — f(Cxo)
———— lorsque x tend vers x, .
X — Xo
On écrit souvent ceci sous forme du rapport des accroissements de y et

de x, Ay étant l’accroissement correspondant à Ax = x — x,
Rr Ay
limite de = lorsque x tend vers x, .
Nous admettrons que, si l’on a une représentation graphique du graphe

de la fonction, la quantité Ay/Ax représente la pente de la droite AB, 4 et B
ayant les coordonnées indiquées sur la figure. Lorsque x tend vers xo, la
droite AB tend vers la tangente à la courbe. Le nombre dérivé en un point 2
est donc le coefficient directeur de la tangente à la courbe représentative du

graphe de la fonction.
Fig. 1.
La fonction dérivée d’une fonction donnée est la fonction qui à x fait cor-
respondre le nombre dérivé pour x. On la note :
D Tix) (y prime égale f prime de x).
3.2. Application à l’étude des variations de fonctions
On dit qu’une fonction f est croissante sur un intervalle si, pour deux
valeurs quelconques x, et x, de cet intervalle :
X2> X1 = f(x) > f(x).
Dans le cas contraire, la fonction est dite décroissante. S’il y a égalité entre
f(x) et f(x) à l’intérieur d’un intervalle, la fonction est constante dans
cet intervalle.
Dire que la fonction dérivée d’une fonction f est positive dans un inter-
valle, c’est dire que f(x) — f(x) et x — x, sont de même signe dans cet
intervalle, et par conséquent, que la fonction est croissante (pente de la tan-
gente à la courbe : positive). Lorsque la dérivée est négative, la fonction est
décroissante.
De façon générale, sur un intervalle :
dérivée positive : fonction croissante
dérivée négative : fonction décroissante
dérivée nulle : fonction stationnaire ou constante.
Quand la dérivée est nulle en un seul point, ce point représente souvent

un maximum ou un minimum local pour la fonction (la pente de la tangente
est zéro, c’est-à-dire que la tangente est parallèle à l’axe des x).
Exemple : Dérivée de la fonction qui à x fait correspondre :
fo) = x? +3x +5.

Pour une valeur x, quelconque de R :

HO) = X os 5
et pour x, + Ax :
f(Xo + AX) = (xo + Ax)? + 3(x9 + AX) + 5.
On a donc :
fo +40 — fo) = Ay =2.x6 Ax + (Ax)? + 3 Ax
Ayi= AX(AX 2 X5 + 5)
et si Ax n’est pas nul, mais aussi voisin de zéro que l’on veut :
Ay
Re = 2 Xo + 3+ Ax.
Quand Ax tend vers 0 :
Ay
Re 2% +3
ceci pour n'importe quelle valeur de x, dans R.

2 xo + 3estle nombre dérivé de la fonction f pour la valeur x, de la variable.
Il existe une fonction qui à x fait correspondre le nombre dérivé pour x, c’est :
DAC)
= PE
La dérivée y' = 2 x + 3 est nulle pour x = — 3/2, négative pour x plus
faible, positive pour x plus grand. La fonction f décroît d’abord, passe par un
minimum pour x = — 3/2, puis croît. On peut résumer ceci dans un tableau
de variation :
L’infini (0) exprime la tendance de la variable et de la fonction quand l’une

ou l’autre ont une valeur absolue aussi grande que l’on veut : pour x très grand,
dans y, le terme x° a une grande prépondérance sur les autres (essayer x = 10°):
la fonction se comporte donc comme x°. Que x soit positif ou négatif, s’il
est très grand en valeur absolue, f(x) est « très grand » et positif et on peut
choisir x pour que f (x) soit aussi grand que l’on veut. C’est ce que l’on exprime
en disant que y tend vers « plus l'infini » (+ oo).
La «courbe représentative » de cette fonction (comme de toutes celles

qui se présentent comme un polynôme du second degré) est une parabole.
Pour la tracer, il faut déterminer quelques points, par exemple (Fig. 2) :
La droite x = — 3/2 est un axe de symétrie : le second axe de la parabole peut

être dessiné comme symétrique du premier.
»0|
;
15|
noë 40}
+ + re + a — + + + >
A OS EE MS SX | DDR LR AR MS
Fig. 2.
3.3. Dérivées de fonctions usuelles

On ne revient pas à la définition pour calculer toutes les fonctions dérivées,
mais on utilise les résultats ci-dessous (qui pourraient être démontrés) :
fQ) = a J'Q)=0
JG) = x J'@ =1
fa)
= ax+b f'x)=a
pers? FES 2%
Tor POS
La formule de la dérivée de x" : nx"-", est valable pour toutes les valeurs
de ne Z (positives, négatives ou nulles). Par exemple :
fo=x=10 fO=0
LG) = x° fO)= 32
LUE HO er.
X
(*) A propos de cette convention (x° = 1) et des puissances négatives, voir p. 143.
On démontre que cette formule est valable pour toute valeur de n prise dans
Q et même dans R.
— La dérivée d’une somme de plusieurs termes est égale à la somme des
dérivées de ces termes.
—— La dérivée d’un produit uv (*) est uv’ + u’ v. Siu = v, la dérivée du u? est
2 uu’. |
— La dérivée d’un quotient :(!) est = ;
Nous verrons plus loin les dérivées de a” et de Ig x.
4. Etude d’une fonction numérique
Un certain nombre d’opérations sont nécessaires pour étudier toute fonction

numérique. Enumérons-les ici :
1) Recherche du domaine de définition. La fonction doit, dans son sens mathé-

matique, être définie et continue. En outre, des conditions économiques (variables
positives.) sont souvent à prendre en considération.
2) Calcul de la dérivée. Recherche de son signe.
3) Limites de la fonction lorsque la variable tend vers certaines valeurs.
4) En tenant compte du domaine de définition et du signe de la dérivée :

élaboration du tableau de variation. Calcul des valeurs de la fonction pour les
valeurs caractéristiques de la variable qui apparaissent sur le tableau.
S) (éventuellement). Recherche des asymptotes : certaines apparaissent sur le
tableau de variation (asymptotes parallèles aux axes). Nous ne traitons pas ici
les asymptotes obliques.
6) Tracé de la courbe représentant graphiquement la fonction.
7) S’il s’agit d’un problème concret, à partir de la représentation graphique,
révision éventuelle du domaine de définition (valeurs qui ne peuvent être néga-
tives, fonction qui ne peut être décroissante.…).
Le schéma général qui a été indiqué ici est suffisant pour l'étude de
n'importe quelle fonction numérique. On peut l’améliorer encore en
introduisant au 1” la recherche de la parité de la fonction et, avant le 6° les
éventuelles symétries et points d’inflexion de la courbe. Les paragraphes qui
suivent présentent quelques exemples.
(!) u(x) et c(x) étant des expressions quelconques dont les dérivées w’(x) et v'(x)
sont connues ; dans le cas d’un quotient, v(x) ne doit pas être nul.
5. La fonction linéaire
Exemple : La plupart des prix ne dépendent, pour un produit donné, que

de la quantité : le prix des pommes de terre est « fonction » du nombre de
kilogrammes achetés. La « fonction » qui fait correspondre prix et quantité
est une fonction linéaire.
Forme
a étant constante (dans l’exemple a serait le prix du kilogramme de pommes

de terre).
Définition
La fonction linéaire est définie et continue pour tout x réel.
Propriété
Cette fonction conserve les additions :
JG FX) = fo) + SC) |.
Ordre
Dans R, elle a une deuxième propriété qui, avec la première, caractérise

la fonction linéaire :
quand a > 0, elle conserve l’ordre (elle est croissante),
quand a < 0, elle inverse l’ordre (elle est décroissante).
Dérivée
Pour x, quelconque dans R :
Ay = d{xo + Ax) — axo = a Ax

d’où :
= a pour Ax #0.
Pour n’importe quelle valeur de x,, la dérivée est la même, c’est une cons-
tante :
(on retrouve que si a est positif, la fonction est croissante, si a est négatif,
elle est décroissante).
La représentation graphique doit être connue du lècteur de ces lignes :
il s’agit d’une droite passant par l’origine. Son coefficient directeur est a.
6. La fonction affine
On peut prendre comme exemple un prix proportionnel à la quantité achetée,

auquel s’ajoute une taxe fixe b.
6.1. Fonction affine dans R
Duras]
La fonction affine a la forme :
Propriété caractéristique
Cette fonction conserve les différences
JG) affine x, -x;=x,-x3

= f(x2) — f(x) = f(x) — f(x3)
Ordre
Comme la fonction linéaire :

quand a > 0 elle conserve l’ordre (elle est croissante),
quand a < 0 elle inverse l’ordre (elle est décroissante).
Dérivée
Pour x, quelconque dans R :

ÀAy = d(xo + Ax) — axo + b — b = a Ax
Ay
Ax = 4 pour AX #0:
Pour n'importe quelle valeur x, la dérivée est la même, c’est une constante :
Représentation graphique
Elle est connue. Il s’agit d’une droite qu’on peut déterminer par deux points,
ou par un point et le « coefficient directeur » a.
6.2. Fonction affine dans N ou Z : progressions arithmétiques ou suites arith-

métiques
Si l’on se limite aux ensembles d’entiers N ou Z, les valeurs de la fonction

affine sont les termes de ce que l’on nomme une progression arithmétique
ou une suite arithmétique :
TO)=0 SD
= RDS PO
TAa DT
fh+D={(n+la+b=
f(n) + a.
On passe d’un terme au suivant en ajoutant la quantité fixe a, appelée raison

de la suite arithmétique.
Exemple : Les nombres 5, 8, 11, 14, 17 forment une suite arithmétique

de raison 3.
Propriétés
On est souvent amené à calculer la somme S$ de termes d’une suite
arithmétique. Nous désignons ces termes par ao, «&,, .… La somme des n
premiers termes est :
Se doit idi te Act jones à
On peut remarquer que :
Lo +4-1=b+in-l)a+b=(n
- l)a+2b
ve SR CEE a+b+(n-2)a+b={(n-1l)a+2b
etc.
La somme de deux termes équidistants des extrêmes est constante. Il est

donc facile de calculer 2S :
S = % ape à Eux LE + d,h

DS. =jted + 4,2 Hors + d: + do
208 = (or
DCE (AE MEL) pack (See oi) AGE)
n[(n— l)a +2b]
d'où :
S = n(xo ï 4-1)
2
Exemple : Supposons qu’un employeur embauche un ouvrier à 5000F

par mois, et qu’il soit convenu que tous les ans, ce salaire augmentera de 200 F
par mois. La première année, l’ouvrier touche :
%9 = 60000 F.
la deuxième :
4, = 60000F +240F,
la troisième :
x) = 60 000F + (2 x 2 400 F).
La raison de cette progression arithmétique est 2 400 F. La quantité fixe b
est 60 000 F.
Ainsi, si l’ouvrier travaille 10 ans, il gagne au total :
10x 9
S = 10 x 60 000 + 5 2 400 = 600 000 + 108 000 = 708 000F
son dernier salaire étant
xo = 60 000 + 9 x 2 400 = 81 600
(attention ! le salaire de la première année est appelé «,. Si on le nommait «1,

il faudrait modifier la formule de S en conséquence).
Applications classiques
— Somme des n premiers nombres entiers : b=1,a=1
n(n — 1)
S=n+
— Somme des n premiers nombres impairs : b = 1, a = 2

S=n+
nn — 1)
S = n°?
N.B. On a l'habitude de compter comme premier terme «,, ce qui fait

que le n-ième terme est à, _,. Il serait possible de nommer le premier terme «,,
le dernier terme serait «,. La plupart des erreurs dans les calculs relatifs aux
suites sont des erreurs de numérotation ; il convient d’être attentifs sur ce
point.
7. La fonction homographique
7.1. Définition
On appelle fonction homographique de la variable x toute fonction qui à x fait

correspondre :
ax
+ b
de
a, b, cet d étant des constantes quelconques (c Æ 0).
L'étude d’une telle fonction se fait dans le cadre décrit au paragraphe 4.

Nous traiterons ici deux exemples :
7.2. Fonction x — f(x) = :
1. Domaine de définition
La fonction définie pour tout x réel sauf pour x = 0 (zéro n’a pas d’inverse).
Le domaine de définition est donc R — { 0 }, souvent appelé R*.
La fonction f est continue pour tout x de R*.
2. Dérivée
La fonction f est dérivable sur R*. On a :
f'@=-7
+
x? est un carré, donc toujours positif. f'(x) est donc de signe négatif partout
où elle est définie.
3. 11 convient de déterminer les limites de f(x) lorsque x tend vers 0 ou
vers l'infini.
Lorsque x tend vers O par valeurs positives, 1/x reste positif et augmente.
Par exemple, lorsque x prend les valeurs 0,1 ; 0,01 ; 0,001, les valeurs corres-
pondantes de f(x) sont 10, 100, 1 000. On peut montrer qu'il est possible de
choisir un nombre À aussi grand que l’on veut et de déterminer un nombre à,
tel que pour tout x positif, inférieur à «à :
l
— > À.
x
C’est la définition même d’une limite infinie. On dit que lorsque x tend vers 0
par valeurs positives, 1/x tend vers plus l'infini.
De même, lorsque x tend vers 0 par valeurs négatives, 1/x tend vers moins
linfini.
Lorsque x augmente indéfiniment en étant positif, 1/x diminue. Par exemple,

lorsque x prend les valeurs 10, 100, 1 000, les valeurs correspondantes de
f(x) sont 0,1 ; 0,01 ; 0,001. On peut montrer qu’étant donné un nombre €
positif aussi petit que l’on veut, on peut déterminer un nombre À tel que pour
tout x supérieur à À :
ACOEAE
On dit alors que, lorsque x tend vers plus l'infini, f(x) tend vers 0 par
valeurs positives.
On peut montrer de même que, lorsque x tend vers moins l'infini, f(x) tend
vers 0 par valeurs négatives.
4. Tableau de variation
Il convient de mettre en évidence, sur le tableau de variation, la valeur

x = 0 pour laquelle f et f’ ne sont pas définies.
Le sens de variation de la fonction f se déduit du signe de la dérivée : la

fonction f est décroissante partout où elle est définie.
5. Asymptotes
Le tableau de variation fait apparaître deux asymptotes : les droites x = 0

et y = 0, c’est-à-dire les deux axes de coordonnées.
Rappel : un asymptote à une courbe est une droite telle que la distance de
la droite à la courbe tende vers 0 lorsque la variable tend vers une certaine
limite.
Sbis. Axes et centres de symétrie
On peut démontrer que le point © (origine) est centre de symétrie de la

courbe représentant f!
Ster. Pas de point d'inflexion
6. Représentation graphique
Il s’agit d'une hyperbole équilatère qui peut être tracée à l'aide de quelques
points et de la symétrie :
Le) Bi
(voir Fig. 3).
2x— 3
7.3. Fonction x — f(x) —
x + 4
Le mode d'étude est le même que celui de la fonction précédente.
1. Domaine de définition
On ne peut diviser par zéro. Or, x + 4 est nul pour x = — 4. Le domaine
de définition de fest R — { — 4 }. Dans ce domaine, la fonction
f est continue.
2. Dérivée
Sur R = {— 4}:
SEM Ro
QE (x + 4)
Fe mers
La fonction dérivée est positive partout où elle est définie.
3. Limites
Lorsque x tend vers — 4 en étant supérieur à — 4, on peut montrer que
f(x) tend vers — oo (pour contrôler, choisir x = — 4 + 0,1, — 4 + 0,01 ..).
Lorsque x tend vers — 4 en étant inférieur à — 4, f(x) tend vers + oo.
Lorsque x tend vers l’infini, les termes importants au numérateur et au
dénominateur sont alors 2 x et x (— 3 et — 4 sont négligeables à côté de x
grand). La limite de f(x) est alors :
2x0
ne Le
Lorsque x tend vers — , f(x) tend vers 2 par valeurs supérieures à 2;

lorsque x tend vers + oo, f(x) tend vers 2 par valeurs inférieures à 2.
4. Tableau de variation
Mettons en évidence la valeur x = — 4 :
5. Asymptotes
Le tableau de variation met en évidence les deux asymptotes : x = — 4

EU"
Sbis. Centre de symétrie

On démontre que le point / de rencontre des deux asymptotes est un centre
de symétrie pour la courbe représentant f.
Fig. 4.
6. Courbe représentative (Fig. 4)
C’est une hyperbole équilatère passant par les points :
8. Les fonctions polynômes
8.1. Définition
Il s’agit de toutes les fonctions qui, à x, font correspondre un polynôme

de degré quelconque. Ces fonctions sont définies pour tout x réel et dérivables :
leur étude est donc simple. Un exemple a déjà été traité (fonction trinôme,
du second degré, $ 3.2). D’autres exemples vont être indiqués ici. Un rappel
sur les racines de l’équation du second degré a paru nécessaire, car il permet
d'améliorer l'étude du trinôme correspondant et celle de la fonction poly-
nôme du troisième degré.
8.2. Fonction x — f(x) = x?
Cette fonction est définie et continue pour tout x réel. Sa dérivée est :
FO) =.27%
qui est positive pour x positif, négative pour x négatif et nulle pour x nul.
Lorsque x tend vers l'infini, f(x) tend vers l’infini avec le signe +. (Prendre
l’exemple x = 1 000 ou x =. — 1 000.)
La courbe représentant f est une parabole dont l’axe des } est un axe de
symétrie. On la construit par points (Fig. 5).
Fig. 5.
8.3. Fonction x — f(x) = x°

Elle est définie et continue pour tout x réel. Sa dérivée est :
PO E 85
qui est positive pour tout \ :
(On vérifiera les limites infinies.)

On démontre que la courbe représentant f a un point d’inflexion, corres-
pondant à la valeur de x pour laquelle la dérivée seconde est nulle :
SHOT RES 9
C'est l’origine. En ce point la pente de la tangente est f'(0) = 0. L'origine
est centre de symétrie de la courbe (Fig. 6).
Fig. 6.
8.4. Fonction x — f(x) = 3x° — 2x? — 8x — 1. Racines de l’équation

ax? + bx +c=0
La fonction f est définie pour tout x réel. Sa dérivée est :
fC'= 9x —-4x—8.
Pour connaître le signe de f”, il faut revoir le signe d’un trinôme du second
degré.
1. Zéros d’un trinôme
Etant donné un trinôme :

ax? + bx + ce.
On peut chercher quelles valeurs de x l’annulent ; ce sont les racines de l’équa-
tion :
GX brie Il ©
soit :
af +is+£)-0
a a
que l’on peut écrire, en considérant les deux premiers termes comme le début
du développement d’un carré :
a FR re
2a da Ta s
Soit encore :
Si l’on considère que les deux termes entre crochets sont de la forme:
A? — B?=(4 — B)(4 + B);
à condition que À = b? — 4 ac soit positif ou nul (A est le discriminant de

l'équation) :
neee ten
On a mis en évidence les deux valeurs de x pour lesquelles le trinôme est
nul:
PABTREE AG b b? — 4 ac
MT24 Dot ion © STE
X1 =
Vo 2a
En résumé, équation
ax? + bx + c=0
a des racines lorsque À = b? — 4 ac est positif ou nul. Ces racines sont :
be /b 4e LH = ps sac
X1 —
24a 24a
2. Signe du trinôme
Aucune démonstration ne sera faite ici. Seuls les résultats sont présentés.
La courbe représentant la fonction qui à x fait correspondre :
fQ@) = ax? +bx + ec
est une parabole dont la concavité est tournée vers le haut lorsque a est positif
et vers le bas lorsque a est négatif. Il est alors aisé de retenir le signe de f(x) :
Il y a quatre cas de figures possibles (Fig. 7) :
1) a > 0, deux racines : le trinôme est positif à l’extérieur des racines et
négatif entre les racines.
2) a > 0, pas de racine : le trinôme est positif pour toute valeur de x.
3) a < 0, deux racines : le trinôme est positif entre les racines et négatif à
l'extérieur des racines.
4) a < 0, pas de racine : le trinôme est négatif pour toute valeur de x.
N.B. Les cas où il y a une racine double (b? — 4 ac = 0) se déduisent
aisément des précédents.
Fig. 7.
3. Retour à l’étude de la fonction

On calcule le discrimrinant du trinôme f(x) :
A' = b"? = ac = 4 + 72 = 76 (s-

©
NI
SR
Le discriminant est positif : le trinôme a des racines qui sont :
X: = TT X2 = D T
Le trinôme (cas de figure n° 1, Fig. 7) est positif pour x < x, et x > x, et
négatif pour x, < x < x,. D'où le tableau de variation :
(Vérifier les limites infinies. A l'infini, le polynôme se comporte comme son

terme de plus haut degré, 3 x”, et tend vers l'infini avec les signes de x.) On peut
alors représenter graphiquement f(x), figure 8, à condition de calculer les
coordonnées de quelques points :
Fig. 8.
On peut déterminer le point d’inflexion :

f(x) =18/x — 4=209 x — 2)
le point d’inflexion a donc pour abscisse 2/9. Son ordonnée est f(2/9) — — 2,8.
Il est centre de symétrie pour la courbe.
9. La fonction exponentielle de base a
C’est la fonctionf telle que f(x) = a*, a étant une constante réelle positive.
9.1. Fonction exponentielle dans N * : progression ou suite géométrique
C’est une fonction g qui fait correspondre à N * des éléments de Q (ensemble

des rationnels). D'une façon générale :
NNI= Nb.
La suite des g(n) est dite « suite géométrique » ; a est sa raison. On passe
d’un terme de la suite au suivant en le multipliant par a.
Par exemple, si la production nationale Q d’un pays croît de 10 % par an,
au bout d’un an on a : Q@ x (1,1), au bout de deux ans : Q x (1,1)? .… au bout
de n années : Q x (1,1)".
On peut calculer la somme des n premiers termes d’une suite géométrique :
S=b(A+a+a +: +a" 1).

En utilisant l’identité remarquable :
1e GR=a(l —.0) (a + a He ea)
Dans le cas de la production nationale, en 10 ans la production totale est :
Se
DERNIER
LEA
RER nn TE
En dix ans, la somme de la production nationale est 15,9 Q. Le dernier terme
(10° année) est Q x (1,1)° = 2,36 Q : la production fait plus que doubler en
10 ans.
Propriétés de la fonction exponentielle dans N

Remarquons que :
JG). JA) = (a x: X ao) amatmbaem "tn ny

n fois n' fois
HCOO Et GUrers
Cette fonction a donc la propriété remarquable de transformer les sommes

en produits. On va définir ses valeurs dans Z et dans Q de façon à rester en
accord avec cette propriété.
On montre de même que : 3
9.2. Fonction exponentielle dans Z
On emploie deux conventions :
— | a°=1 |parce qu’ainsi f(n + 0) = f(n).f(0) pour a Z 0.

— Pour les nombres négatifs, il faut que :
FC) (— n) = fr — n) = FO) = 16 ga = — q0
d’où :
9.3. Fonction exponentielle dans Q
@D-6-3-0 LOT
Il faut par exemple :
d’où une nouvelle convention : a? = |/a
de la même manière : :
(On rappelle que la racine g-ième d’un nombre a est le nombre qui multiplié
g fois par lui-même donne a.)
En réunissant cette dernière convention avec les précédentes :
|aa = (gr)a = 4/a? |
Exemples :
0,4 2/5 l
_n (=) _ (=) = » sun = … = ($/243 = 3),
243 243 5 /(243 UE
1 1 l
= (0,25)5 = (0,25)
——— = 2
0,25
:
—=2.
0,5
9.4. Fonction exponentielle dans R

Il est possible également de définir la fonction exponentielle a* pour un x
réel quelconque. Cette définition respecte les propriétés fondamentales
et |Somme — Produit |
|(@Y = a |
La démonstration sort du cadre trop limité de ce cours.
9.5. Quelques ordres de grandeur utiles
Puissances de 2
On a : 21° = 1 024. Il est bon de retenir que ce nombre est voisin de 1 000 :
2er 1:000mia
Conséquence : Une grandeur qui double en une période est multipliée

par 1 000 en 10 périodes.
Taux annuel
— À quel taux de croissance annuel correspond un doublement en 10 ans ?
ES
Le calcul est aisé : dy) peut se calculer comme 2%! à l’aide d’une
calculatrice. On trouve : 1,072 soit un taux de 7,2% par an, taux bien
inférieur au taux de croissance de la production nationale, en France,
jusqu’en 1973.
Conséquence : Si la production nationale avait continué à croître à ce rythme,
elle aurait, en 100 ans, été multipliée par un nombre supérieur à 1 000.
— À quelle croissance sur dix ans correspond une augmentation de 10 %
par an ? On calcule :
(1210) 2 594
Il s’agit d’une multiplication par un nombre supérieur à 2,5 soit une crois-
sance de 159,4 % sur 10 ans.
Conséquence : Un pays qui voit sa population, ou sa production … croître
de 10 % par an, verra celle-ci multipliée par 2,5 en 10 ans.
— On peut faire le même calcul pour un taux de croissance annuel quel-
conque.
— Inversement, à quelle croissance annuelle correspond une augmentation
de 10% en 10 ans?
191,10 = 1,009 6
soit moins de 1 *, par an.
9.6. Etude de la fonction exponentielle dans R
Domaine de définition
Avec les conventions adoptées, la fonction est définie VxeR.
Ordre
a > 1 la fonction conserve l’ordre, elle est croissante.
Les limites quand x tend vers l'infini sont indiquées sur les tableaux de
variation.
On ne peut définir cette fonction dans R pour a négatif, car son signe n’est
pas défini. (Pour a = 1, c’est la fonction constante f(x) = 1; pour a = 0,
c’est la fonction constante f(x) = 0, définie dans R — {0 }.)
Représentation graphique (Fig. 9 et 10) :
Fig. 9. Fig. 10.
On ne traitera la dérivée qu'au paragraphe suivant.

10. La fonction logarithme

10.1. Définition
La fonction logarithme est la fonction inverse de la fonction exponentielle.
Sa propriété fondamentale est de transformer les produits en sommes :
|Produit — Somme |
Au nombre x = a on fait correspondre son exposant y qu’on appelle le

logarithme de base a de x:
|JG) = y = log, x |
y est la puissance à laquelle il faut élever a pour obtenir x.
10.2. Etude de la fonction logarithme

Domaine de définition
Pour a > 0, a” étant positif, log, x n’est défini que pour x > 0, c’est-à-dire
sur R**.
Sens de variation
C’est le même que celui de la fonction a" :
pour a > 1 f(x) = log, x est croissante:
x 0 + 00
pour 0 < a < 1 f(x) = log, x est décroissante (cela diminue son intérêt,
c'est pourquoi on garde en général a > 1).
Les représentations graphiques se déduisent de celles de la fonction expo-
nentielle. Pour a > 1, on obtient la représentation de la Fig. 12 qui est symé-
trique de la Fig. 11 par rapport à la droite y = x.
. =] log,x
y=
5
4
Se
| CINE)
2)
|
l
"1
HERO ETD le
Fig. 11. Axes : Fig. 12. Axes :
Fonction exponentielle. Fonction logarithme.
10.3. Exemples
Les logarithmes de base 10 (notés lg, avec un / minuscule) sont connus

et utilisés pour les calculs :
0,001 0,01 0,1 210 CA00

Nombre x
0250S1ne 11 (6-2 ei. 4.28

Nombre x
JE 2 1e 1 29 2! 22 23
Nous n'avons calculé ici que les logarithmes des puissances entières de 10
ou de 2. Le calcul est faisable pour toute puissance réelle de la base. Des
calculatrices donnent les logarithmes de base 10 (décimaux) et les loga-
rithmes népériens dont il sera question plus loin (p. 149).
10.4. Propriétés
Seuls les nombres positifs admettent un logarithme
Il existe un certain nombre de valeurs remarquables :
Avec :
u, = a” log, u.=.x
ENT à log,r =}
Let Hi log, w = x + y. (1)
En remplaçant x, y et w par leurs valeurs respectives : log, u, log, v et uv

dans (1) :
log,(ur) = log, u + log, v |.

De même, les guotients sont transformés en différences :
log, == Jog,u — log, ct
On peut démontrer encore que :
|log,
u" = vlog,u È
d’où : log,a* = x (on retrouve la définition).
Exemples de calcul
log, 9 3/3 = log; 9 Se log; +/3 = log; 9 + log; 31/3 =
RE
DS NE Ne el La
log, 3= log, 1 — logs 9 = 0 — log; 9 = logs 2
loge à= log, 87! = log, 47°? = — 5108 4 = — >
10.5. Dérivée de la fonction logarithme
Jusqu'ici, les fonctions exponentielle et logarithme ont été étudiées sans

recherche de leur dérivée. Cela tient à ce que le calcul est délicat. Pour la
fonction logarithme, il faut chercher la limite, si elle existe, quand Ax tend
vers 0, de :
log, (Xo + Ax) — log, Xo | ee SR | AXN AE

Ad Ce = À: OLa Cp = O8 Li Te .
: x Xo/Ax
On démontre que [1 + = a une limite quand Ax tend vers 0. Cette
0
limite est le nombre transcendant :
e — 2,718 282 … d'où :
fOO= log, e
vrert.
10.6. Logarithme népérien
Le résultat précédent fait apparaître une fonction logarithme particulière-

ment intéressante, celle des logarithmes de base e, ou logarithmes népériens
(Neper a fait les premières tables de logarithmes). On note ces logarithmes log,
ou plus habituellement In. La dérivée de g(x) = In x est :
(On peut définir la fonction logarithme comme une fonction « primitive »

de la fonction qui, à x, fait correspondre 1/x, c’est-à-dire (cf. $ 12) comme
une fonction dont la fonction dérivée est 1/x.) On démontre que :
Inx
] a
VBa * In a
La dérivée de la fonction définie par f(x) = log, x peut donc s’écrire :
l
RC xiha
10.7. Dérivée de la fonction exponentielle. Fonction exponentielle de base e
Nous pouvons en déduire maintenant la dérivée de la fonction inverse,

la fonction exponentielle telle que f(x) = y = a*. En effet, nous admettons
qu'une fonction et son inverse ont des dérivées dont le produit est égal à 1
; ; l = — l = —I
LAN", 67 x =
yina ina y,
d’où:
VC JAM
(Pour cette démonstration, il est important de bien savoir par rapport à quelle
variable l’on dérive, comme dans le cas des dérivées partielles. x est considéré
comme fonction de y, et la dérivation se fait par rapport à y. On en déduit
ensuite la dérivée de y par rapport à x qui est l’inverse de la précédente.)
L'exponentielle de base e : x — e* a la propriété particulière d’être égale
à sa dérivée pour tout x (en effet, In e = 1). D’où l’importance de cette fonction
exponentielle :
Pour f(x) = FX) =

Indiquons les dérivées usuelles des fonctions qui viennent d’être définies,
avec u fonction dérivable de x :
fQ@) = In x
fQ@) = In u() f'E)=

fG)=e" RO= IE
FQ) = e“() f'O) = eu
11. Dérivée logarithmique, élasticité
11.1. Dérivée logarithmique d’une fonction
La dérivée logarithmique d’une fonction f est la dérivée du logarithme

népérien de cette fonction. Nous admettons sa forme :
[in f07 = LG)

OU :
dérivée logarithmique de f(x) =
Exemple : Ainsi la dérivée logarithmique 2 x° + 3 x + 5 est :
(ReAE
DROITS.
Signification : C’est la limite, si elle existe, de quand Ax tend vers 0.

Pour un petit accroissement de x, on a l’accroissement on de y.
La dérivée logarithmique calculée dans l’exemple vaut# pour x = 1.
Donc :
(!) u est une fonction de x. Pour In u, u(x) doit être strictement positif.
f 1
pour un accroissement de x, Ax = —— , par exemple,
ay _0
10
>. AU{00
l'accroissement relatif de y est de 9 %.
11.2. Elasticité
L’élasticité d’une fonction y = f(x) est la limite, si elle existe, du rapport

des accroissements relatifs de y et de x quand Ax tend vers 0.
L'exemple classique est celui de l’élasticité de la demande par rapport au

prix.
Exemple : Elasticité de la production Q = 4 p?- p + 1 par rapport au

prix D:
EQ
Re VTC
8p— IPE 5
Ep 4p” —p +1
Pour p = 2, EQ/Ep = 30/15 = 2 : à un accroissement du prix de 1%

era d’un prix de 2F, correspond un accroissement de la production Q
de 24.
12. Notion de primitive
Les paragraphes qui suivent, loin d’être un traité complet, ne sont que des
aperçus sur des concepts qui demanderaient un long développement. Ils
sont introduits dans le but de permettre aux lecteurs qui auraient besoin
ensuite des primitives et des intégrales, de travailler plus à fond dans cette
direction.
On appelle fonction primitive F d’une fonction f donnée, une fonction F qui,
pour toutes les valeurs x, prises dans son ensemble de départ, admet pour dérivée
f(Xo).
F a donc le même domaine de définition D que f.
Exemple :
HO
= 2% 4300) = x + 3% F0
(K est une constante quelconque). On vérifie facilement que :
F'(Xxo) = f(Xo) Vxo € D.
Primitives usuelles (K est toujours une constante quelconque)
Fonction Primitive
+ K n £ — Î
n + I
e + K
HI ECK Le
Lhlax+bl+K
Une primitive d’une somme est égale à la somme des primitives des termes
de la somme. Il n’y a pas de formule particulière simple pour les primitives
des produits ou des quotients.
13. Notion d’intégrale définie
Nous admettons les définitions et les méthodes de calcul, alors qu’elles

demandent des démonstrations très délicates. Pour ces démonstrations,
l'étudiant qui le désire pourra se reporter aux manuels usuels de Mathéma-
tiques Générales.
L'intégrale définie d’une fonction continue entre les limites x = x, et
x = x (|) est l’aire orientée (2), mesure de la surface comprise entre la
(*) La fonction doit être définie dans l'intervalle :

NRC ESENE
(?) L'orientation se fait dans le sens trigonométrique (sens inverse du sens des
aiguilles d’une montre). Ainsi :
|ose [ 70 dx
Xi X2
|re [D.
courbe représentative de cette fonction, l’axe des x et les droites d’équations

AIN etre 0% (Fig13)1Cette/mesure.se note :
| fx) dx
(on lit : somme de x, à x, de f(x) dx).
32
| |
0 Fig. 13.
Xi X2 x
dx est une petite quantité dont on peut augmenter x. Une démonstration

est nécessaire pour prouver que si F est une fonction primitive de j, l’inté-
grale définie peut se calculer ainsi :
| SG) dx = F(x2) — F(x:)

X1
que l’on note souvent :
[FO
Une telle formule n’est valable que si la fonction f est définie et continue
entre les valeurs x, et x, (finies).
Exemples :
— f(x) = a: surface comprise entre la courbe représentant f, l’axe des x
et les droites x = 2 et x = 3 (Fig. 14). Son aire est:
3 3
| ro ax =| a dx = [ax + KB = 3a-2a=a.
2 2
On trouve le résultat attendu (aire du rectangle de côtés a et 1). Il se mesure
en unités d'aire. Cette unité est l’aire du rectangle qui a pour côtés les unités
des deux axes.
X
Fig. 14.
— Calcul de :
t
[sa
0
Xe tail I
[+ =s-0s.
On vérifie que l’aire est la moitié de celle du carré de côté 1.
Fig. 15.
— Calcul de :
3
| (x? — 2x + 1)dx. (Fig. 16)

0
La primitive de 1 — 2 x + x? se calcule comme primitive d’une somme :

1 a pour primitive x
2 x a pour primitive x?
> re
x° a pour primitive Ft
Il s’agit donc de calculer :
3 3
3 0 :
Fig. 16.
L’aire de la surface hachurée est donc 3. Ici, il n’est pas possible de la déter-
miner géométriquement. Le calcul intégral donne une information qu’il
n’est pas possible d'obtenir avec exactitude par ailleurs.
14. Calculs de primitives
Un exemple de calcul de primitive appliqué à l’économie est présenté ici.

Il sera suivi de quelques indications sur certaines méthodes d'intégration,
applicables à des cas particuliers.
14.1. Exemple
Dans une entreprise, la fonction coût marginal d’un bien donné est la fonction
dérivée de la fonction de coût total. Le coût marginal d’une bouteille d’eau de
javel est 0,20 F. Les frais fixes s'élèvent à 10 000 F.
Quel est le coût total?
Quel est le coût unitaire?
La fonction du coût marginal est, pour Q nombre de bouteilles (Q > 0) :
C10)=0,20;
Les fonctions primitives de C” sont :
C(Q) = 0,20Q + K.
Les frais fixes sont dépensés même si l’entreprise ne produit pas :
C(0) = 10 000
d’où :
K = 10 000.
La fonction de coût total est une fonction primitive de C”, celle pour laquelle
K = 10 000 :
C(Q) = 0,20 Q + 10 000.
Le coût unitaire est le coût total divisé par le nombre de bouteilles produites :
10 000
C = 0,20 + RES
Il diminue lorsque Q augmente.

14.2. Primitives de certaines fractions rationnelles
Exemple : Rechercher les fonctions primitives de la fonction f telle que :
DKNu t
Es
ES TE
La fonction f est définie et continue pour x réel, différent de 1. Elle admet
donc des fonctions primitives. Pour lui donner une forme permettant l’inté-
gration, on peut effectuer la division (analogue aux divisions de nombres) :
2x = 3x +3 2
dx 2x
— x +3
ré dl
2
La fonctionf s'écrit alors, d’après les définitions du quotient et du reste :
DICIENESHIN PER
Cette forme est facile à intégrer :
FOR ES +2 TI LK.
De façon générale, une fraction rationnelle, rapport de deux polynômes,

est une fonction définie et continue pour toute valeur réelle de la variable à
l'exception de celles qui annulent le dénominateur. Cette fonction admet
donc des primitives.
Toute fraction rationnelle qui peut s’écrire sous la forme de la somme d’un
polynôme et de fractions de numérateur constant et de dénominateur simple,
souvent de la forme (x — a)”, est ainsi facile à intégrer.
Autre exemple : Calculer une fonction primitive de la fonction f telle que :
NRC EE
De (1)
Dans
R — { — 1; + 1 } on peut écrire :
TO) ="ax + + (2)

M RCI
Pour calculer a, b, c, il suffit d'identifier. Sous la forme (2) :

2 ,
Deer ="1)
X°
— |
ax + x(—a+b+o+b—ce
x? 1 |
Pour retrouver la forme (1), il faut que les coefficients de x°, x?, x et les
termes constants soient identiques :
Gi Gr =
— a+b+c—=0 d’où LES
Donc, la fonction s’écrit :
5 4
OT Fee
Sur R — { — 1; + 1}, on calcule ses primitives :
x?
FO ES FSmIx ME sm)x EL] E EX:
L'intégration de toutes les fractions rationnelles de quelque forme que ce

soit nécessite la connaissance des nombres « complexes ». Les explications
précédentes ne suffisent donc pas dans tous les cas, mais permettent déjà de
nombreuses intégrations.
14.3. Intégration par parties
Au paragraphe 3.3, nous avons vu que la dérivée d’un produit de deux

fonctions U et V de la variable x, est :
ATEN CA
La recherche de la primitive d’une fonction se présentant sous la forme UV”

est alors facilitée. On peut en effet écrire :
UE =, (OS mue K':
D'où, à un facteur constant près (en notant Prim (f)la primitive de f):
Prim (UP) =UF Prin (UP):
Si la primitive de U” V est facile à calculer, l'intégration devient aisée.

Exemple : Recherche de la primitive de la fonction f telle que :
f@)= Mix]
sur:
R— {0}.
On prend:
UE" RS : U'=- VF
d'ou:
FC) = xin|x|- Prim = xin|x|-— Primi

FO)
= xmIx| = x + K.
15. Fonctions à plusieurs variables
Nous avons considéré jusqu'ici des fonctions «à une seule variable ».

Autrement dit, à un élément de l’unique ensemble de départ correspondait
un élément de l’ensemble d’arrivée. Il est possible d'envisager des fonctions
qui, à deux ou plusieurs éléments de deux ou plusieurs ensembles de départ,
font correspondre un élément de l’ensemble d’arrivée. On note par exemple :
fi
X,Jz avec x,y,z2ERXRXR
ou : SC).
15.1. Dérivées partielles d’une fonction à plusieurs variables
Les fonctions à plusieurs variables admettent des fonctions dérivées par-

tielles par rapport à chacune des variables, considérée comme si elle était
seule à varier. La fonction dérivée partielle de f par rapport à x notée f,, est
telletque*:
. = fx»)
on note ces fonctions avec des « d ronds » : &, pour éviter de les confondre
avec les dérivées simples et la « différentielle totale » dont il sera question au
paragraphe suivant.
Exemple : On donne la fonction qui a x et y fait correspondre :

z= fu y) = x +2x?y + 5 + xy.
Il est possible de déterminer la dérivée partielle de cette fonction par rapport

à la variable x en traitant la variable y comme une constante :
Ôz
xMUR X° + 4 XY
xy + y j
On détermine de même :
0z
2x
cy ex.
15.2. Différentielle totale d’une fonction à plusieurs variables
Les « dérivées partielles » ne sont pas suffisantes pour tenir compte du

fait que la fonction dépend de toutes les variables à la fois. Nous admettons
la définition d’une différentielle totale, dx, dy, dz, d' étant des petites variations
correspondantes des variables et de la fonction (l’une d’elles au moins peut
être choisie aussi petite que l’on veut) :
dz = f(x, y) dx + f(x, y) dy
soit, dans le cas de l’exemple :
dz = (3x? + 4 xy + y) dx + (2 x? + x) dy.
16. Maxima et minima des fonctions. Extrema locaux
16.1. Fonctions d’une seule variable
Une fonction ne peut être maximale ou minimale en un point que si sa

dérivée est nulle (cf. p. 125). Mais la réciproque n’est pas vraie : il peut ne pas y
avoir d’extremum lorsque la dérivée est nulle (c’est ainsi que l’origine n’est pas
un extremum pour la fonction f(x) = x°, p. 138, bien que la dérivée soit nulle.
Pour vérifier l’existence d’un extremum en x, il faut alors :
— soit vérifier que dans un voisinage de x,, la fonction est croissante pour
x < x, et décroissante pour x > x, (maximum) ou bien qu'elle est décrois-
sante pour x < x, et croissante pour x > x, (minimum).
— soit calculer la dérivée seconde :
si f”(xo) > 0, il y a minimum
Si f’(xo) < 0, il y a maximum
si f’(x0) = 0, 1l faut prolonger l'étude.
Dans tous les cas, l’extremum trouvé peut n'être que local, ainsi la fonction
f(x) = 3x? — 2x2 — 8 x — 1 (p.139 à 141) à un maximum au voisinage de x;,
un minimum au voisinage de x,, mais prend dans R des valeurs inférieures au
minimum local ou supérieures au maximum local.
160 Mathématiques appliquées à l'économie
16.2. Fonctions de plusieurs variables

Les fonctions de plusieurs variables présentent aussi dès extrema, locaux ou
absolus ; dans le cas de deux variables, ils peuvent se présenter comme le maxi-
mum de la figure 17.
Fig. 17.
Pour qu'il y ait extremum, il est nécessaire que les dérivées partielles de la
fonction soient toutes nulles. Mais, comme dans le cas d’une seule variable,
cette condition n’est pas suffisante.
Dans le cas de deux variables, on démontre que, si en x, (1):
= f2f — (f,) > 0, la fonction admet un extremum en x,,
maximum Si fx2 est négatif, minimum sif,2 est positif,
— H < 0, la fonction n’admet pas d’extremum en x,,
— H = 0, il faut continuer l'étude pour se prononcer.
Exemple : la fonction z = f(x, y) p. 158 admet-elle des extrema ?

Si elle en admet, les dérivées partielles sont nulles :
ÉC,») = 3x? +4xy +y=0

POP EEE E-07
es
Il y a deux points possibles : l’origine (0, 0) et le point
1 274
En (0,0), H = — (4 x + 1)° = — 1. La fonction n’admet pas d’extremum en
0. La surface représentative a une forme analogue à celle d’une selle de cavalier.
143 ;
En le55 , H = — 4:il n’y a pas d’extremum.
La fonctionf n’a donc pas d’extremum.
16.3. Maximisation ou minimisation sous contrainte

Il est fréquent, en économie, de vouloir maximiser ou minimiser une fonction
sous des contraintes (maximiser un profit ou une utilité compte tenu de
(NPD EE EL.) X,
Nous admettons que, dans les cas les plus courants :
en = fie» = TG,
contraintes budgétaires, minimiser une dépense compte tenu d’un besoin à

satisfaire...). Mathématiquement, le problème se pose sous la forme d’une
fonction de plusieurs variables (par exemple, f(x, y)) dont on cherche l’extre-
mum sous la contrainte qu’une ou plusieurs autres fonctions soient nulles :
exemple: q(x y) =0:
Pratiquement, la méthode fait appel à ce qu’on nomme les multiplicateurs
de Lagrange. On considère la fonction :
h(x, y, 2) = f(x, y) + gx, y)

comme une fonction de trois variables x, y et À. Le paramètre À est dit
«multiplicateur de Lagrange ». Elle admet un extremum seulement si les
dérivées partielles par rapport aux trois variables sont nulles:
h,C, y, D = 0 ») + Ag, y) = 0
hC », 2) = fee») + 49,Cc ») = 0
RC, y. 2) = gx y) = 0:
Exemple : Recherchons un extremum de la fonction : f(x, y) = xy sous

la contrainte : g(x, y) = x + 2 y — 1 = 0.
Il s’agit de trouver l’extremum de la fonction :
h(x, y, À) = xy + À(x
+ 2 y — 1) = 0.
On écrit que les dérivées partielles sont nulles :
h(x y. D'=7y+1=0
h(x, y, À) = x+21=0
h (xp, A) =xet2
y l=10;
En résolvant ce système de trois équations à 3 inconnues, x, y, À, on trouve

(voir p. 91 sq) :
On peut montrer qu’il s’agit bien d’un extremum et que cet extremum est un
, . me las)
maximum. (Rechercher des points tels que g(x, y) = 0 au voisinage de G; =
par exemple (0,6 ; 0,2)(1,0)... ; il existe une formule qui permet de s’assurer de la
nature de l’extremum, mais elle sort du cadre de ce cours.)
Remarque : Dans les cas simples, comme celui de l’exemple où il n’y a
que deux variables, on peut opérer par substitution : tirer x de l’équation
g(x, y) = 0 et reporter dans f(x, y). On obtient :
x = 1 2Y
h(y)= f(x;y)=(1-2y)y=-2y"+y
dont on peut rechercher le maximum (étude du trinôme).
Chapitre 7
Mathématiques financières
1. Notion d’intérêt
Un capital C placé ou emprunté produit un intérêt / (ou loyer)

proportionnel
— à son montant,
— à la durée du prêt,
— au taux auquel s’est établie la négociation.
Si i est le taux annuel pour 1 F ou sit % le taux pour 100 F, l'intérêt Z pro-
duit dans l’année est :
Ct
[= Ci ou [1=—.
100
1.1. Intérêt simple

On emprunte généralement à intérêt simple sur des périodes inférieures à
un an. On compte alors le plus souvent les durées en jours. Le taux reste,
par définition, annuel.
La convention usuelle en France fixe l’année financière à 360 jours, et
chaque mois à son nombre de jours exact. Si j est le nombre de jours durant
lequel est emprunté un capital € au taux 1 %, l'intérêt produit est :
Ci Ci} Ci
D 100 1400048 ee 60
Exemple 1 : Un capital de 721,40 F est placé du 17 janvier au 13 mars au
taux de 10%. Quel intérêt rapporte-t-il ? (année non bissextile).
(On ne compte pas le jour du prêt, mais celui du remboursement.)
du 17 au 31 janvier 14 jours
du 1° au 28 février 28 jours
du 1°" mars au 13 13 jours
55 jours
Mathématiques financières 163
L'intérêt produit est :
_ 721,40 x 10 x 55
LEE 000 = 11,02F.
N.B. Le centime a toujours cours officiellement en France : on arrondit

les résultats financiers au centime près.
1.2. Intérêts composés
Si le temps de prêt est supérieur à un an, on laisse en général l'intérêt s’ac-

cumuler avec le capital, c’est-à-dire que de lui-même, dès la seconde année,
il porte intérêt.
Soit un capital C, placé à à pour 1 F; au bout d’un an, il vaut :
CRC
CO CEE
au bout de 2 ans :
Cr= Oil LD FO +Di= Ci + D( +4) = C1 + i)
au bout de n années :
CROIS EC TES
Il existe une table financière qui donne la valeur de (1 + i)" pour un grand
nombre de taux, et des durées allant de 1 à 30 ans (!).
Exemple 2 : Soit un capital de 3 000 F placé à intérêts composés à 12 %. On

demande sa valeur acquise au bout de 7 ans :
ce 81000112)
On utilise une calculatrice. Si elle a une touche ou pa on lit
directement (1,12). Sinon, il faut utiliser le multiplicateur constant.
C3=3 000 x 2,210 681 = 6 632,04F.
On peut aussi utiliser la table (cf. p. 195).

Mais la durée peut ne pas être un nombre entier d'années. Deux méthodes
simples peuvent alors s'appliquer ; nous les montrerons brièvement sur un
exemple :
Exemple : Soit un capital de 5 000 F placé à 12%, pendant 6 ans et 3 mois;
quelle est sa valeur acquise à la fin de la période ?
(*) Voir extraits de la table financière n° I, p. 195.

Méthode A : taux équivalent
On utilise le taux mensuel 1 + i — 1 qui, à intérêts composés, donne

1 + ; au bout d’un an.
Trois mois représentent 0,25 années et six ans trois mois, 6,25 années :
C (6 anset 3 mois) = 5 000(1,12)°7 = 5 000 x 2,030 545 = 10 152,72
On obtient le même résultat avec la tableI et la tableI bis (cf. p. 195 et

196).
Méthode B : taux proportionnel
On calcule la valeur acquise du capital, avec une calculatrice ou avec la

table financière pour le nombre d’années entier :
Cs = 9869,12F.
Puis on considère que l’intérêt rapporté pendant une fraction d’année est
un intérêt simple, proportionnel à la durée :
WB69DEMX 12"X°3
= 9869,11 + = 10 165,19.
G (6 ans et 3 mois)
12 x 100
Les deux méthodes donnent des résultats légèrement différents, l’une, 4,

étant l’application d’une suite géométrique, l’autre d’une suite arithmétique.
Contrairement à ce qu’on pourrait attendre à première vue, c’est la méthode B
qui donne le résultat le plus élevé dans les premiers mois. Cela tient à ce que
l'intérêt mensuel calculé selon la méthode À est la racine douzième de
l'intérêt annuel, est celui calculé selon la méthode B, le douzième de cet
intérêt annuel ; le second est plus élevé que le premier. Mathématiquement,
la méthode À est plus logique, car elle suppose que les intérêts se
capitalisent à tout moment ; mais la méthode B est assez souvent employée,
car elle est à l’avantage du prêteur.
Généralisations
e La période de capitalisation n’est pas forcément l’année; elle peut être

le semestre, le trimestre, etc., mais l'intérêt reste, par définition, toujours
annuel.
e La formule de C, peut être employée pour rechercher quel capital il
faut placer pour constituer un autre capital (intérêts compris) à telle date.
On peut aussi chercher combien de temps il faut laisser un capital
C à l’intérêt i pour que le capital, augmenté des intérêts, soit tant.
2. Valeur acquise, valeur actuelle
2.1. Valeur acquise

Par définition, on appelle valeur acquise d’un capital placé, le total du
capital er de l’intérêt produit, en fin de placement. Le prêteur a avancé une
somme € qui a acquis une nouvelle valeur pendant la durée du placement.
Avec l’exemple 1 : intérêt simple

— La valeur acquise V du capital de 721,40 F placé à 10 % durant 55 jours
est égale, par définition, au capital augmenté de l'intérêt produit (11,02 F)
V = 721,40 + 11,02 = 732,42F.
Avec l’exemple 2 : intérêts composés
— Par définition même de l’intérêt composé, la valeur acquise du capital

de 3 000 F placé à 12 % pendant 7 ans est de 6 632,04 F (les intérêts sont de
3 632,04 F).
2.2. Valeur actuelle

Il est d’usage que le prêteur prélève l'intérêt au moment de la transaction.
Pour lui, se pose alors la question : « Combien vaut aujourd’hui la somme
que me remboursera mon client à la fin de la période ? ». C’est cette valeur
que l’on appelle la valeur actuelle.
Il y a deux manières de faire le calcul à intérêts simples.
1. Valeur actuelle commerciale

Le prêteur avance le capital, diminué des intérêts que celui-ci doit produire
entre la date de la négociation et celle de remboursement. C’est la valeur
actuelle commerciale qui est en général employée à court terme (escompte).
Exemple : Quelle est la valeur actuelle commerciale d’un capital de 1 000 F

à verser dans 90 jours (taux 12 %) ?
Soit À cette valeur :
1 000.90.12
A
1000 36 600
A = 1 000 — 30 = 970F.
Plus généralement, si C est le capital, r le taux en pourcentage, et p la durée

du prêt en Jours :
2. Valeur actuelle rationnelle
Le prêteur avance une somme telle que sa valeur acquise à la date de rem-
boursement soit égale au capital. La valeur actuelle rationnelle est
employée en général à long terme, avec des intérêts composés.
Exemple : Quelle est la valeur actuelle rationnelle d’un capital de 1 000 F

à verser dans 90 jours (taux 12 %) ?
Soit À’ cette valeur :
A'.12.90
Alt RÉ 000 1 000
ce qui donne :
, 12:90).
A ( + Ke. 000
000
A po DE
De façon générale, avec les mêmes notations que précédemment :
La différence entre les valeurs actuelles commerciale et rationnelle est

faible à court terme, mais elle prend une importance à long terme.
A intérêts composés, le calcul est celui de la valeur actuelle rationnelle.
Un capital qui vaudra C dans nr années, placé à intérêts composés au taux
100 i, a pour valeur actuelle :
PR
leds
2.3. Actualisation
Etant donné que la monnaie se déprécie, étant donné aussi que tout capital
placé rapporte des intérêts, on est amené à considérer qu’une somme C dont
on dispose à une date n est différente d’une somme de même montant dont on
dispose à la date n + 1 ou à la date n — 1. On choisit un taux d’actualisation i.
Ainsi :
la somme C disponible à la date n — 1 vaut à la date n : C(1 + à),
la somme C disponible à la date n + 1 vaut à la date n : C(1 + i)-!.
Exemple : A 10%, 1 000 F d’aujourd’hui vaudront dans un an :
1 000 x ——
10
1 000 À [00 = 1100F.
Inversement, 1 000 F de l’année prochaine, actualisés aujourd’hui, valent :
ne =1909:09°F
>
3. Escompte commercial
3.1. Escompte à court terme
Supposons qu’une entreprise livre une marchandise à un particulier le

29 mars; ce particulier s’engage à payer le 1° août. Si l’entreprise a besoin
de l’argent plus tôt, elle fait « escompter » cette promesse de paiement (billet
à ordre ou lettre de change) par un banquier. Celui-ci réclame un intérêt,
l’escompte commercial, au taux r. Si V est la valeur de l'effet, et n le nombre
de jours que l’effet a encore à courir, cet escompte est :
Le banquier versera à l’entreprise :
; Vin
Lt 600
soit la valeur actuelle commerciale de l’effet escompté. Le 1° août, il se fera
rembourser V.
Exemple : Le capital est 100 000 F, le taux d’escompte 10% et les dates
de versements celles indiquées au début du paragraphe 3.1.
Le nombre de jours est :
du 29 au 31 mars 2 jours
en avril 30 jours
en mai 31 jours
en juin 30 jours
en juillet 31 jours
le 1° août ljour_
125 jours
L’escompte est :
__ 100000 x 10 x 125 125 000
- 3472,22F.
F 36 000 ET
Le banquier verse donc à l’entreprise :
100 000 — 3 472,22 = 96 527,78 F.
On calcule parfois un escompte rationnel, où une valeur actuelle rationnelle,

pour tenir compte du fait que ce ne sont pas 100 000 F qui ont été prêtés,
mais 96 527,78 F; on calcule le taux sur le capital effectivement prêté (c’est
facile, mais un peu compliqué).
Les formules qui viennent d’être établies sont simplifiées ; dans la pratique,
la situation est toujours plus complexe. On ajoute souvent un ou plusieurs
jours de banque au nombre de jours effectifs. Il y a des commissions : d’endos,
de bordereau, de manipulation ; des taxes sont prélevées. On appelle agio le total
escompte plus commissions (agio avant taxes ou agio taxes comprises).
On appelle taux de rendement ou de revient le taux calculé à partir de l’agio
supporté par le client. On part de l’agio, et on cherche le taux T auquel l'effet
aurait été escompté si l’ensemble de l’agio était un escompte.
Supposons qu'avec les commissions et les taxes, l’agio de l’exemple pré-
cédent se monte à 3 600 F. Le taux de revient en pourcentage est 7 tel que :
100 000 x T x 125

36 000 > Ci
D'où
36 x 36 4
JP = ps = 10,37 7 .
3.2. Escompte à long terme
Dans le cas d’une mise à l’escompte de billets à plus d’un an, le prêteur
donne à son client une somme a; cette somme a, augmentée des intérêts
composés qu’elle doit rapporter à la date d'échéance du billet, est égale au
nominal V du billet. Ainsi, a est la valeur actuelle rationnelle du billet à la date
de la transaction, l’escompte étant la différence e = V — a.
Calculons a, si le nombre d’années que l’effet a encore à courir est n :
V = a + intérêts composés de a.
Mais, a augmentée de ses intérêts composés est égale à la valeur acquise

de a, soit a(l + à)" d’où :
V = al +i)"
Elus
MARNE à ni)
La table II (') donne les valeurs actuelles d’un capital de 1 F placé à intérêts
composés.
L'escompte e se calcule par différence :
e=V-v{i+i"
soit
e = Vi OR IE
4. Equivalence et remplacement d’effets
Etant donnés deux effets de valeurs nominales et d’échéance différentes,

s’il existe une date où ces deux effets ont même valeur actuelle, cette date est
dite date d'équivalence. Le problème pratique qui se pose est le remplace-
ment d’un effet par un autre d'échéance différente.
Pour ce faire, on écrit qu’à la date du remplacement, les deux effets ont
même valeur actuelle. Le problème peut se poser à court terme (intérêts simples)
ou à long terme (intérêts composés).
4.1. Remplacement à court terme (intérêts simples)
Exemple : Un commerçant désire remplacer le 11 mai un effet de 4500 F

au 31 mai, par un autre au 30 juin. Quelle est la valeur nominale V du second
effet (taux 11 %) ?
Les deux valeurs actuelles étant égales le 11 mai par définition, il vient :
V.11.50 4 500.11.20
de 36 000 ÉS 36 000
0,984 72 V = 4 472,5
V = 454190F.
De façon générale, à intérêts simples, si deux effets différents par leur valeur
nominale et par leur échéance sont équivalents un jour déterminé, il ne sont
équivalents à aucune autre date.
4.2. Remplacement à long terme (intérêts composés)
Si deux effets de valeurs nominales P,, et V’,, négociés au même taux ont
même valeur actuelle à une date donnée, on dit qu’ils sont équivalents. On a
alors :
PACE) = 1) te
() Voir extrait p. 197.

p étant « l’âge » de l'effet 1 et g celui de l’effet 2, en années ; les valeurs

actuelles se calculent d’après la formule du paragraphe 2.2 : A'= ci HA
Si ces deux effets V, et V, avaient été négociés à une date antérieure de n
années à celle du calcul ci-dessus, on aurait eu :
Premier effet Second effet

a Fil +) TP Del) Mn,
d; ee d;
On voit que quelle que soit la date de négociation, les deux effets restent
équivalents, puisque par hypothèse, on avait :
VC +5) = PV;(N 0)
(La nouvelle égalité revient à multiplier les deux termes de la précédente
par (1 + à) ”.) Les deux effets sont également équivalents aux dates posté-
rieures à la date d’équivalence pour la même raison.
Exemple : Soit un effet de 1 000 F à échéance de 3 ans à remplacer par un
autre d'échéance 5 ans (taux d’escompte 15 %). Quelle est la valeur nominale
du second effet ?
Les valeurs actuelles étant égales aujourd’hui, il vient :
V(1 + 0,15) ° — 1 000(1 + 0,15) *.
En multipliant les deux membres de l'égalité par (1,15)°, il vient (équivalence
dans 5 ans) :
FH = 4000015)
et d’après la table I :
F,=1922:50 F.
5, Annuités
On désigne par annuités une suite de règlements effectués à intervalles

égaux. Ces règlements peuvent être égaux ou inégaux en valeurs, et servir
soit à la constitution, soit au remboursement d’un capital.
Nous distinguerons les réglements égaux, c’est-à-dire à annuités constantes
et les réglements à amortissements constants.
5.1. Annuités constantes
1. Constitution d’un capital
Si l’on verse tous les ans un montant a à un banquier, pendant une durée
allant d’une date 1 à une date n, le premier versement portera intérêt pendant
n — 1 années, le second pendant r — 2 années et ainsi de suite. (C’est ainsi
que sont, par exemple, assez souvent constitués les contrats d’épargne-loge-
ment.) On peut dresser le tableau suivant :
Date de Durée de Valeur acquise

Montant Aa Ÿ Le
versement capitalisation en fin de période
a(i + i)"-!
al + i)" 7?
a(il + Fort,
La somme de ces versements donne un montant PV, valeur du capital ainsi

formé, soit :
= al + ii)"5 Haiti) bi + ACL +.)
OÙ :
F,, AL PA + + Eat
que l’on peut écrire :
Folle (DE) AG) 1]
Le second facteur du produit est la somme des termes d’une suite géomé-
trique de n termes, dont le premier terme est 1, et la raison (1 + à). Sa valeur
est donc :
_(A+ÿ-1 _(+ÿ-1
LS TPE i
d'où : prseghet Hu
l
La table III donne la valeur acquise par une suite de n annuités de 1 F

pour différents taux (voir extrait p. 198) (‘).
Exemple : Si je verse 1 000 F tous les ans à un compte d'épargne à 8%,
quel capital aurai-je accumulé au bout de 5 ans ?
En supposant qu’il s’agisse de versements à la fin de chaque année, le dernier
versement ne portera pas intérêt. La valeur acquise des cinq versements sera,
au moment du dernier versement:
(1,08) — 1
Vs = 1 000[(1,08)* + (1,08) + -:: + 1] = 1 000 0.08
On lit dans la table III, p. 198 :

Vs = 1 000 x 5,866 601 = 5 866,60 F.
(*) Les tables financières sont numérotées de la même manière par tous les auteurs.
La table IV « Actualisation cumulée » n’est pas reproduite en fin du présent volume.
Il est recommandé de réécrire à chaque calcul la suite géométrique, en

étant particulièrement attentif au premier et au dernier terme; les résultats
sont en effet différents selon le nombre de versements et selon la date (début
ou fin de période) de ces versements.
2. Remboursement d’un capital

Plutôt que de rembourser intérêt et capital en fin de prêt, l’emprunteur
préfère souvent payer une somme fixe chaque année (ou chaque période,
mois, trimestre...) comprenant les intérêts et une partie du capital. On dit
qu’il amortit l'emprunt. Ce genre de remboursement est usuel pour tous les
achats avec règlements échelonnés.
A chaque période (année, mois ou trimestre), l’emprunteur verse une annuité
(constante dans notre hypothèse).
Soit C le capital emprunté au taux À pour 1 F. Au bout d’un an, la dette est :
Cire COEE:
Au bout de deux ans, après le versement de deux annuités :
Cr Cl +0— a
= Ci+iÿ —-a[(+n+1].
A la n-ième année, date de remboursement, on a :
C,= CG + à)" — alQ ++ + D + + 1].

a est facteur de la somme des termes d’une suite géométrique de n termes,
de raison (1 + i), dont le premier terme est 1. Si n est l’année de fin de rembour-
sement, C, est nul, d’où :
CL. +." + + bo +]
PRÉ NA ANTLE
e
AT E
d'ouil'ontiré 4 "tar=
CA + ii ou, en divisant les deux termes del
(A +i) — 1 $
fraction par (1 + i)":
ul
Les valeurs de sont tabulées (table V) pour les différentes
ACL)
valeurs de i (voir table p. 199).
5.2. Annuités à amortissement constant
Pour n versements, le capital est C. Chaque année, on amortit le même

montant, C/n.
Ainsi, la première année, au taux ? pour 1 F, l’annuité est :
C
di = — + C
n
la deuxième année :
a=F+(c-Eh- fra
n n n n
.… la n-ième année :
n n n n.
Les intérêts annuels et les annuités forment une suite arithmétique décrois-
sante de raison — Ci/n.
Exemple : Un capital de 20 000F à 10% est amorti par amortissements
constants sur 10 ans. Quels sont les versements annuels ?
On rembourse chaque année :
Ê 272 = 21000 F.
n 10
Le premier intérêt est :
20 000 x 0,10 = 2 000 F.
Les versements forment une suite arithmétique de raison :
2 000
reie
On peut dresser le tableau des versements :
Intérêt Versement total

5.3. Annuités perpétuelles
On définit des rentes perpétuelles et des annuités perpétuelles. IL s’agit

évidemment d’une méthode de calcul tout à fait théorique, car aucun verse-
ment ne peut être perpétuel. Cependant, on a pris l’habitude d'utiliser le
montant théorique d’une annuité perpétuelle pour certains calculs.
Il s’agit simplement de la limite d’une annuité temporaire de durée n lorsque
n tend vers l'infini.
Pour une rente de durée n à termes constants de montant a, la première
payable dans 1 an, la valeur actuelle est :
V,=ai+ùÿ !+a(i+ù 2. +a(1 + "= a
que l’on peut écrire :
Vo =
a
- alto
L
ne mg ee , a
Lorsque n tend vers l'infini, (1 + i) " tend vers zéro et V, tend vers -.
i
On en déduit la valeur d’une rente perpétuelle à termes constants :
6. Actualisation des investissements
6.1. Actualisation
On actualise l’année n un revenu R, perçu l’année 0, au taux i, sous la forme :

RES
Exemple : Dans une entreprise, on investit en achetant une machine dont le
coût est 20 millions (année 0); on attend, à la suite de cet investissement, des
rentrées nettes de trésorerie pendant six ans. Ces rentrées sont estimées à :
année 1 : 3.10 F
année2 : 5.109F
année 3 : 6.10F
année4 : 6.10°F
année 5 : 4.10F
année 6 :2.10$F
Déterminer le revenu actualisé global au taux 15 %.

A la date O0, le revenu actualisé est le suivant, en millions de F :
R= — 20 + 3(1 +i) * + 5(1 + à)? + 6(1 + à) * + 6(1 + à) *

+4(1+iù
5 +201 +i) $.
On utilise la table II ou une calculatrice. On trouve :
R=—20+3x0,869 6+5
x 0,756 1+6
x 0,657 5+6 x0,571 7
+4
x 0,497 2+2
x 0,432 3= —3,38.
Le revenu actualisé est négatif, l’investissement n’est pas rentable. Un

investissement est rentable si les recettes actualisées dépassent les dépenses
actualisées.
6.2. Taux de rentabilité d’un investissement
Le taux de rentabilité d’un investissement est la valeur du taux de l’intérêt

qui annule le revenu actualisé de cet investissement. Il est d’usage d’utiliser
_ les taux multiples de 5 : 10, 15, 20, 25, … % et de faire une interpolation linéaire
entre deux de ces taux.
Exemple : Calculer le taux de rentabilité de l’investissement précédent.

Le taux de rentabilité est inférieur à 15% d’après le paragraphe 6.1. On
essaye différents autres taux :
%, on trouve —-0,92.
A10%,ont ru à 0,30: 0,30 x 5 = 1,50.
A 5%, 2,14. 2,14
+ 0,92
Le taux de rentabilité est donc environ 9 %, (10% — 1,5% = 8.5 %).
7. Autres problèmes
7.1. Emprunts indivis

Il s’agit d'emprunts faits à un prêteur unique auquel on verse, soit le rem-
boursement total, soit des annuités. Les emprunts qui ont été considérés
dans ce qui précède sont des emprunts indivis.
7.2. Emprunts obïigataires
Lorsqu'un emprunt porte sur une forte somme, comme les emprunts de
l'Etat, on peut le réaliser par obligations. Le nominal de l’emprunt est alors
divisé en N titres, appelés obligations, qui peuvent être souscrits par différents
prêteurs. L'intérêt, représenté par un «coupon » est servi chaque année
aux titulaires des obligations encore vivantes (non encore amorties). Chaque
année, un certain nombre d'obligations tirées au sort sont remboursées
(amorties) ; le nombre d’obligations à amortir chaque année n’est pas constant,
de façon que l’annuité soit constante.
Exemple : Soit un capital de 100 000 F à rembourser en 4 ans (à la fin de chaque
année) à un taux de 12 % par obligations de 100 F.
D’après le paragraphe 5, l’annuité constante est de:
ul
C1) 073 AE.
ja hebe D
Somme | Intérêt s Nombre Nombre

Années| restant à Sn d'obligations d'obligations
disponible
due remboursées | encore vivantes
() A cause des arrondis, il y a un reliquat de deux obligations qui dans la pratique,

seront remboursées aussi l’année 4.
7.3. Actions
Les actions sont des parts de capital (ou parties de propriétés). L'intérêt
qu’elles rapportent, dans la mesure où le bénéfice net est suffisant, comprend
deux parties :
1) Intérêt fixe du capital (intérêt statuaire).
2) Répartition du solde bénéficiaire entre les actionnaires (superdividende
aux actions) et les autres ayants droits (administrateurs, porteurs de parts,
salariés).
7.4. Usufruit et nue propriété

L’usufruit représente les intérêts et la nue propriété l'amortissement. Les
calculs relatifs à l’usufruit et à la nue propriété sont assez compliqués, car
on tient compte, par exemple, de l’escompte des annuités non encore échues.
8. Capitalisation continue
Au lieu de capitaliser les intérêts tous les ans, on peut le faire à des périodes
plus rapprochées (cf. $ 1.2, p. 163). Supposons que la capitalisation se fasse
m fois par an. Il y a deux manières de procéder :
8.1. Taux équivalent
On calcule le taux de manière à ce qu’au bout d’un an, le capital ait acquis
la valeur 1 + i (cf. méthode À du $ 1.2).
Le taux est, si m est le nombre de périodes dans l’année :
ma] + i — 1 d’où Cr —= Col + 1) . (1)
T étant un temps qui n’est pas forcément un nombre entier d’années.

On peut utiliser cette formule pour calculer à fout instant la valeur acquise
par un capital à intérêts composés. Ainsi, la valeur acquise par 10 000 F au
bout de 1,025 2 ans à 10 % est :
10 000(1,10)/°25? = 11 026,45 F .
Ce n’est qu’un cas limite — qui n’a de valeur qu’au point de vue théorique
(1 an, 0 mois, 9 jours, 1 heure, 43 minutes, 40,8 secondes !!).
Pour donner à la continuité une apparence plus visible, on écrit parfois la
formule (1) sous forme exponentielle :
avec à = In (1 + à) (vérifier le résultat). La valeur acquise apparaît comme

une fonction continue du temps 7.
8.2. Taux proportionnel
Lorsqu'il s’agit de capitalisation continue, on emploie en général le taux

proportionnel i/m. Il en résulte que la valeur acquise au bout d’un an n'est
pas Co(il + i) maïs :
i m
Or, (cf. chapitre 6 $ 10.5, p. 148) lorsqu'on tend vers l'infini = tend vers
zéro, et:
: i m d
lim (:+ à =
mo m
Donc, au bout d’un temps T :
ur]
Ainsi, la valeur acquise, à capitalisation continue de 10 000 F au bout d’un
an, à 10% est :
10 000 e%? =aHOSL AE
(différent de 11 000, obtenu à intérêts composés).

Au bout de 1,025 2 ans, c’est :
10.000 MALUS H1079,59,F
chiffre sensiblement supérieur à celui obtenu au $ 8.1 (taux équivalent).

Chapitre 8
Agrégats et indices
Mesure des quantités économiques
1. Généralités sur la mesure des quantités économiques
Il est essentiel de constater qu’il existe une grande différence entre le réel
et la formulation mathématique qui cherche à l’appréhender. Il ne suffit pas
de connaître des techniques mathématiques et de’les appliquer systématique-
ment. En effet, ces techniques ne tiennent compte le plus souvent que d’une
faible part de la réalité, et leur complication même risque de masquer leur
insuffisance : les difficultés mathématiques accaparent la pensée de ceux qui
y travaillent; il ne leur reste plus alors suffisamment de recul pour avoir
conscience de tout ce qui échappe à leur technique.
En outre, l’usage des mathématiques représente une tentation par rapport
à l’analyse du réel : on risque de privilégier ce qui est mesurable. Ainsi, dans
une étude sur l’emploi, on donnera une grande importance au salaire qui est
mesurable, et beaucoup moins à la qualification dont la mesure est difficile.
Il y a des cas bien clairs où les mathématiques suffisent. Par exemple, s’il
s’agit de mathématiques financières : tout est chiffré et réglé, en principe
sans ambiguïté. Dans les autres domaines qui ont été abordés dans le cours,
la partie la plus difficile consiste à exprimer les données et les conditions sous
forme d’expressions mathématiques et à connaître les valeurs de ces expressions
mathématiques :
— Préciser les ensembles auxquels on a affaire (penser aux ensembles mal
définis comme celui des gens intelligents, ou celui de nos amis... et même,
comme fait remarquer M. Dumas, celui des automobiles produites par une
entreprise selon qu’on les compte à l’entrée ou à la sortie de la chaîne, ou à
la sortie de l’usine...).
— Connaître les variables qui sont en cause. Il est souvent difficile de bien
connaître ce dont on parle. Il arrive qu’on ne puisse pas suivre la même variable
sur une assez longue durée. Il peut arriver aussi que les « variables » soient
déjà des agrégats pour lesquels on ne peut connaître une valeur unique et
indiscutable (cf. $ 3).
— Bien distinguer les tâches et leur succession (théorie des graphes). Il est
souvent impossible de donner les temps de certaines tâches, même sous forme
de probabilité (par exemple, dans le bâtiment, il y a des intempéries, et des
accidents du terrain imprévisibles).
— Trouver les certitudes qui existent. Les relations certaines sont assez
rares en économie. Il peut en exister entre le temps d’utilisation d’une machine
et sa production (mais il peut y avoir des pannes !), entre le prix et la quantité
d’une marchandise...
— Dans la recherche des relations certaines entre deux variables dont
les n valeurs observées sont représentées par des points, il convient de mettre
en garde contre certaines tentations : par deux points, on peut toujours faire
passer une droite... et par n points une courbe de degré n — 1. On peut
donc toujours trouver une formule mathématique faisant intervenir n données ;
cela ne veut pas dire qu’on a établi une relation entre ces n données, la courbe
de degré n — 1 n’a aucune raison de passer par le (n + 1)-ième point ! Il faut
qu’un raisonnement, appuyé sur l'expérience, permette d’affirmer que telle
ou telle relation existe entre des données. Autrement dit, si l’on a n résultats,
il ne s’agit pas automatiquement de déterminer une fonction polynôme de
degré n — 1 qui soit valable pour ces n résultats, car cette fonction n’a peut-être
aucun sens pour tous les résultats encore inconnus.
— S'il n’y a aucune relation certaine entre les variables, il peut y avoir une
« relation statistique », c’est-à-dire une relation vraie en moyenne. Le type de
ces relations est celui que donne un calcul de régression. Ici encore, il
convient d’être prudent, car s’il existe un bon coefficient de corrélation
entre deux variables, cela signifie qu’elles évoluent grossièrement dans le
même sens, mais cela ne suffit pas à démontrer qu’elles dépendent l’une de
l’autre. Un exemple limite est celui de certaines fonctions de production,
calculées à l’aide d’une régression multilinéaire et qui, au total, n’expliquent
qu’une partie de la croissance de la production (environ la moitié) : on peut
penser que la formule trouvée par cette méthode n’est pas suffisamment
explicative (1).
De même, pour n'importe quelle valeur d’une moyenne x et d’un écart-
type o, il existe une loi de Laplace-Gauss N(%, a) : il ne suffit pas que l’on
connaisse la moyenne et l’écart-type d’une série, et même son allure générale,
pour qu'elle suive une loi de Laplace-Gauss.
Cela ne veut pas dire qu’il n’existe pas de relation entre les variables consi-
dérées, mais qu’il ne faut pas se précipiter trop vite — à l’aide d’une technique
mathématique — pour en établir une.
— S'il n’y a aucune certitude, ni relation statistique, on peut chercher des
probabilités. La plupart des éléments qui se présentent dans la vie sont du
() Il est relativement facile d'établir une fonction de production pour un seul

produit d’une seule entreprise (relation entre les quantités produites et les facteurs
de production). Mais des complications supplémentaires interviennent s’il s’agit de
plusieurs produits ou de plusieurs entreprises, voire de la Ho s Nationale et
de l’ensemble des entreprises de la Nation.
Agrégats et indices 181
domaine de l’incertain. Parmi ceux-ci, certains — rares — se présentent de

façon exactement analogue aux jeux du hasard : les fréquences observées
peuvent être assimilées à des probabilités ; un exemple typique est celui du
sexe des enfants à la naissance : on a observé qu’il naissait toujours 506 gar-
çons pour 1 000 enfants, et ceci depuis très longtemps et dans tous les pays;
on peut alors dire qu’un enfant a 506 chances sur 1 000 d’être un garçon (et
494 chances d’être une fille).
Mais, le plus souvent, les fréquences elles-mêmes ne sont pas stables : elles
peuvent varier progressivement (comme les taux de mortalité qui doivent
intervenir dans le calcul d’une espérance de vie), ou avoir de brusques varia-
tons car certains événements peuvent tout modifier (proportion de pièces
défectueuses produites par une machine).
— Il est nécessaire de donner priorité à l’observation sur la théorie. Toute
tentative de formalisation mathématique doit tenir compte des grandes
tendances. Par exemple, une étude à long terme sur les prix ne doit pas se
limiter aux petites variations dues à l’évolution de la concurrence, mais tenir
compte des grandes variations dues au progrès technique.
— Tout ce qui reste une fois que ces essais ont été faits échappe totalement
à la formulation mathématique. Ce qui est humain ou spirituel est dans ce cas.
La liberté humaine, le comportement de l’homme, ceux même des animaux.
ou de la pluie et du beau temps... sont imprévisibles, et échappent pratique-
ment à tous les calculs.
2. Comparaison de deux grandeurs. Indices simples
2.1. Comparaison de deux grandeurs
Pour qu’une comparaison soit possible, il faut que les grandeurs soient
mesurables. Il est facile de dire que le litre de lait « longue durée » est plus cher
que le litre de lait ordinaire, puisqu'il s’agit de prix, donc de nombres. On
dit souvent : « Pierre est plus intelligent que Jacques » ; en fait, la compa-
raison est délicate : on sait à peine ce que l’on dit quand on parle d’intelli-
gence (les « quotients intellectuels » ne sont guère mesurables de façon suf-
fisamment précise pour permettre la comparaison, le niveau des études n’est
pas non plus significatif..….). On se trouve devant des « grandeurs » non mesu-
rables, et donc impossibles à comparer.
Parfois il ne suffit pas que les grandeurs soient mesurables, il faut encore
qu'il existe une commune mesure entre ces grandeurs. On sait comparer deux
: : her dan 2 ‘
fractions de dénominateurs différents, = et 3 par exemple, en les ramenant à
8
£ ; 1 16
«une commune mesure » qui est leur dénominateur commun : 40 et 40:

Mais il est plus difficile de comparer les prix de deux pays, car quelle commune
mesure choisir :
— le taux de change ?
— Je rapport des salaires de personnes travaillant dans les mêmes condi-
tions ?
— Je rapport des prix de tel ou tel produit choisi comme étalon ?
Aucune de ces mesures n’est vraiment bonne, aucune ne donne un résultat
absolu. On est souvent amené à en utiliser plusieurs, de façon à obtenir une
« fourchette » à l’intérieur de laquelle pourrait se trouver la mesure « vraie »
(en supposant qu'elle existe).
2.2. Indices simples
Quand on veut comparer un assez grand nombre de données à une donnée

de référence (par exemple la production de quelques années à celle d’une année
de « base ») et que ces données sont exprimées avec la même unité, il est
souvent commode d'établir des indices simples (dits aussi analytiques ou élé-
mentaires).
Ceux-ci représentent simplement un pourcentage de la donnée courante
par rapport à la donnée de référence.
Exemple : L'Z.N.S.E.E. (Annuaires statistiques) donne les prix suivants, en F,

pour une douzaine d'œufs (deux premières colonnes du tableau) :
Indice Indice
base 1961 | base 1965
L'indice simple base 1961 se calcule en multipliant chaque prix par 100/2,99
(règle de trois, de façon à ce que l’indice à la période de base soit 100). Par
exemple, celui de 1965 (année courante) est :
3,49
3.99 X' 1001:=2 1167
(troisième colonne du tableau).

Dans ce qui suit, on désignera par Z un indice base 100 et par i le même
indice divisé par 100. Ainsi Z,, désigne l'indice de l’année n sur base l’année D.
Les indices simples ont des propriétés intéressantes que IS indices synthé-
tiques (cf. $ 4) n’ont pas :
Réversibilité
Dire qu’un indice simple est réversible signifie que si l’on échange l’année
de base et l’année courante, le nouvel indice s’obtient à l’aide de l’inverse
de l’ancien. Ainsi, à partir de l’indice du prix de la douzaine d'œufs base 1961,
on peut établir, pour 1961, un indice base 1965 :
10 000
116,7 = 85ÿ12
On peut vérifier en calculant directement à partir des prix :

2,99
3,49 * OU one
La réversibilité se traduit par :
Changement de base
Reprenons l’exemple, et supposons que l’on ne connaisse que les indices

base 100 en 1961 ; on peut en déduire les indices base 100 en 1965. Par exemple,
sur cette base, l'indice de l’année 1977 est :
100
229,1 X 116,7 = 196,3.
On obtient de la même manière les autres indices qui figurent colonne 4 du

tableau. De façon générale, pour changer de base, il suffit de diviser par
l’indice de la nouvelle base, 1, par rapport à l’ancienne, 0 :
Transférabilité
La formule encadrée ci-dessus peut s’écrire aussi :
ee PE in
Cette formule est celle qui permet d’enchaîner l’un à l’autre deux indices de
bases différentes. Elle ne se limite pas forcément à deux indices. On a par
exemple :
0 = É32 X bay X yo |:
Sur de prix de la douzaine d’œufs :
lque1 = lies X l65/61:
On vérifie
2,291 = 1,963"X 1,167.
On dit que les indices simples sont transférables.

Notons, pour reprendre ce qui a été exposé au paragraphe 1, que ce qui est
le plus délicat, en ce qui concerne les indices simples, ce n’est pas le calcul
proprement dit, mais l’établissement d’une série continue. Dans la pratique,
il est rare de pouvoir réaliser une série chronologique sur une longue durée,
à cause des variations et du manque de continuité des données. Ainsi, si l’on
veut connaître le prix d’un fer à repasser sur une durée de 40 ou 50 ans (1940
à nos jours), on est amené à passer du prix d’un fer en fonte que l’on faisait
chauffer sur un fourneau à celui d’un fer à vapeur et à thermostat en passant
par un fer électrique non réglable.
3. Agrégats
En économie, on a souvent à additionner des grandeurs hétérogènes : par
exemple, on veut évaluer une production comportant des automobiles et du
charbon, et bien d’autres choses encore. On appelle agrégats de telles sommes
de grandeurs économiques, comme la production industrielle, ou le produit
national... Il est très nécessaire de pouvoir réaliser de tels agrégats, mais il
n'existe pas de solution mathématique au problème de cette réalisation. La
seule solution valable se heurte aux limites de l’esprit humain : ce serait l’énu-
mération de toutes les quantités de produits successivement pour les périodes
(ou lieux) à comparer. Or, la pensée humaine ne peut embrasser tout cela à
la fois et en faire une synthèse : on est donc amené à utiliser des artifices.
Les plus usuels consistent à recourir à des prix, dans l'espoir d’estimer la
« valeur » des agrégats (comme si cette « valeur » était définie de façon unique
et mathématique). Les comparaisons d’agrégats dans le temps et dans l’es-
pace, sont rendues quasi impossibles par cette difficulté mathématique.
Pour estimer la valeur d’un agrégat, on peut employer divers procédés
dont les principaux sont les suivants :
3.1. Prix courants

On multiplie les quantités par les prix à la même date. Le procédé, en soi
très valable, ne permet pas les comparaisons, car l’échelle des prix change
sans cesse. On admet quelquefois que la variation des prix est représentée
en moyenne par celle d’un indice de prix, et alors on corrige l’agrégat aux prix
courants par cet indice. En fait, cette hypothèse n’est qu’approximativement
vérifiée et, de plus, l’indice des prix a une efficacité limitée comme tous les
indices synthétiques (voir $ 4).
3.2. Prix constants
Pour remédier aux défauts des prix courants, on peut raisonner à prix
constants. On calcule les prix des quantités des deux années à comparer aux
prix de l’une de ces années; on verra plus loin dans un exemple les limites
de cette méthode.
3.3. Prix relatifs
Une autre piste consiste à observer le prix des produits par rapport à celui
d’un produit déterminé qui sert en quelque sorte d’étalon. Tel produit vaut
à une période une certaine quantité de blé par exemple, et à une autre époque
une autre quantité de blé; on ramène tout l’agrégat à des quantités de blé.
Deux étalons ont été privilégiés particulièrement : l’or et les salaires (prix
réel ou salarial) mais ni l’un ni l’autre ne sont totalement satisfaisants (la
stabilité de l’or n’est pas absolue, et pour les salaires, quelle catégorie de
salariés doit-on choisir ?). Le prix salarial, l’étalon étant le salaire horaire
du manœuvre, a un intérêt particulier. Il est spécialement utile pour comparer
les prix sur longue durée et mettre en évidence l’influence du progrès technique
sur les prix.
3.4. Exemple
Considérons un pays dont la production, très simplifiée, se réduirait en

1905, 1965 et 1983 aux quantités suivantes (choisies de façon à représenter
grossièrement le rapport observé en France entre les secteurs primaire, secon-
daire et tertiaire) :
1905 100 t de blé + 1 automobile + 50 000 coupes de cheveux,

1965 200 t de blé + 25 automobiles + 100 000 coupes de cheveux,
1983 460 t de blé + 68 automobiles + 121 000 coupes de cheveux.
Les prix sont :
1 000 coupes
ss 1 t de blé | 1 automobile
de cheveux
1905 200 20 000

1965 400
1983 1 300
Le produit national aurait été, en francs courants :
Blé 80 000 598 000

Automobile 212 500 | 4 080 000
Coupe de cheveux 360 000 | 3 617 900
55 000 652 500 | 8 295 900
Ces trois totaux ne sont pas comparables, car entre-temps, la monnaie a

varié. Utilisons les prix constants et calculons le produit national aux prix
de 1905 :
1905 1965 1983
Blé 92 000
Automobile 1 360 000
Coupe de cheveux 36 300
55 000 570 000 | 1 488 300
Les nombres 55 000, 570 000 et 1 488 300 semblent bien comparables, puis-
qu'ils évaluent les productions de 1905, 1965 et 1983 avec les mêmes prix
de 1905.
On en déduit que la valeur de la production nationale a été multipliée entre
1905 et 1965 par :
570 000 1 036
RO O0 US
et entre 1905 et 1983 par :
1 448,3
= 27,06.
55
Calculons maintenant la même production aux prix de 1965. Le résultat
devrait a priori être le même :
1905 1965
Blé 40 000 80 000 184 000

Automobile 8 500 212 500 578 000
Coupe de cheveux | 180 000 360 000 435 600
228 500 652 500 | 1 197 600

Le rapport de ces produits de 1905 à 1965 aux prix constants de 1965 est,
652 500 286
228 500 — 100 — 286
et de 1905 à 1983 :
1 197,6
Dos
Avec l’un des calculs, la production nationale aurait été de 1905 à 1965
multipliée par plus de 10, et dans le deuxième, à peine par 3. De 1905 à 1980,
les chiffres sont 27 et 5. Si l’on choisit les prix constants de 1983, on trouve un
troisième résultat, différent des deux précédents. Cet exemple montre que la
méthode des « prix constants », la plus usuelle dans les calculs, est loin d’être
satisfaisante.
On pourrait montrer, avec le même exemple, que l'emploi d’étalons divers,
ou d’autres types de prix, n’est pas plus satisfaisant (). Signalons, entre autres,
la méthode des Francs constants qui consiste à corriger l’agrégat exprimé en
francs courants par un indice de prix.
4. Les indices synthétiques

Il est impossible à l’esprit humain d’embrasser en même temps l’ensemble
des indices simples représentant, par exemple, les variations de tous les prix
de détail, ou celles de toutes les quantités produites dans l’industrie. On
cherche donc à résumer tous ces indices sous la forme d’un indice synthétique.
Ici encore, on va trouver plusieurs manières d’effectuer ce résumé, et des
résultats différents. Signalons un exemple (relevé par M. Fontaine) : deux
indices de la production industrielle en France ont été calculés par l’I.N.S.E.E.
entre 1956 et 1961, l’un de base 1952, l’autre de base 1959. Le premier indique
une croissance moyenne annuelle de 5,71 %, et le second de 7,0 % ; il y a donc
plus de 1 % de différence! Ici encore, on ne trouve pas de mesure absolue.
Passons rapidement en revue les formules d’indices synthétiques les plus
usuelles.
A titre d'exemple, nous calculerons les indices synthétiques de prix sur les
données suivantes, aux périodes 0 et 1 :
Viande de bœuf te 12 ne 133

Pain 30 20 150
(*) Cf. Jacqueline Fourastié, Essai sur la mesure des quantités économiques, Mouton,
Paris, La Haye, 1972.
4.1. Les moyennes simples
La moyenne arithmétique : somme des indices simples divisée par leur

nombre :
> à 133 + 150

A = De dans l'exemple :4,9 = ———
La moyenne géométrique : racine n-ième du produit des n indices :
= La dans l'exemple : Gij0 = 4/133 x 150
La moyenne harmonique : inverse de la moyenne arithmétique des inverses

des indices :
n ; ne DE.
H = — ie dans l'exemple: 7 = 3 (135 + 156).
PL
Ces trois moyennes donnent des résultats différents ; on a toujours :
H<GK A.
Signalons que si l’on a affaire à un indice de prix, la moyenne arithmétique

représente le rapport des prix, l’année courante et l’année de base, de quantités
fixes de produits : celles qui coûtaient 100 F l’année de base.
De même, pour la moyenne harmonique, on compare les quantités fixes
qui coûtaient 100 F l’année courante. Par contre, la moyenne géométrique
n’a aucune signification économique.
Les résultats des calculs effectués sur l’exemple chiffré sont les suivants :
100 Lt
141,42 141,17
4.2. Indices de Laspeyres et de Paasche
La moyenne arithmétique et la moyenne harmonique comparent dans le

temps des quantités physiques (ou des valeurs pour un indice des quantités)
qui n’ont rien à voir avec les quantités produites ou consommées (ou avec les
valeurs observées). Il est donc normal de choisir des « pondérations » qui
soient plus en accord avec le réel.
Un indice de Laspeyres des prix compare dans le temps les valeurs d’un
« panier de consommation » fixe, celui qui correspondait aux quantités réelle-
ment observées l’année de base (pour l’indice des prix de détail, ce sont les
consommations moyennes de certains types de ménages bien définis).
Si l’on désigne par :
Po; ……,pi les prix des années 0 (base), 1, …., #,

et
Go; -…., qi les quantités des années 0, 1, ..., À
l’indice de Laspeyres s’écrit :
L;,o —= 2 gopi X 100 .
D 4o Po
La somme s’étendant aux n produits considérés.

Un indice de Paasche des prix compare les prix des quantités de l’année
courante :
OT neige eg
Gi Po
Reprise de l’exemple
On peut calculer l’indice de Laspeyres de l’année 1 par rapport à l’année 0 :
10 x 40 + 30 x 9
RE NET
et l’indice de Paasche :
12 x 40 + 20 x Pos 137.5.
12 x 30 + 20. x, 6
Les deux indices différent d’environ 2 points. Or, comparer les prix des quantités
de l’année de base est aussi logique que comparer les prix des quantités de
l’année courante : les indices de Laspeyres et de Paasche ont la même valeur
logique (!).
Dans la pratique, on utilise plus souvent les indices de Laspeyres, ce qui
permet de ne pas calculer les coefficients de pondération à chaque moment
de l’étude.
Ces indices ont une signification économique, puisqu'ils comparent dans le
temps des quantités connues. Par contre, ils ne sont pas réversibles et on ne
({) Notons que ces deux indices diffèrent notablement des moyennes 4, G, et H
trouvées au paragraphe 4.1.
peut pas les enchaîner. Citons un exemple classique montrant, de façon un

peu caricaturale que l'indice de Laspeyres n’est pas réversible. En supposant
que les pondérations sont égales :
Indices de prix A Indices de prix

Indices de
1
EN Laspeyres se Laspeyres
base 1
200 50
100 100 100
L'indice de base 0 indique une croissance de 25 % entre l’année 0 et l’année 1,

et l’indice de base 1, une décroissance de 20 % !
Une conséquence de ce fait est qu’il est impossible de changer de base
SANS REFAIRE TOUS LES CALCULS. Il arrive cependant assez souvent
qu’on le fasse, car il est nécessaire de changer souvent les pondérations — dès
qu’elles cessent d’être actuelles. On opère comme il a été indiqué pour les
indices simples : le résultat est très différent de celui que l’on obtiendrait en
refaisant tous les calculs, mais on s’en contente chaque fois qu’il apparaît
difficile, voire impossible de les refaire (non sans détriment pour la précision
des résultats).
4.3. Indices chaîne
Nous venons d'indiquer la nécessité des changements de pondérations :

si celles-ci représentent la consommation d’un type de ménage, elles ne restent
valables que tant que cette consommation reste la même. Dans une période
de mutations rapides comme la nôtre, la structure de la consommation change
très vite. D'où l’idée de changer les pondérations et de refaire un nouvel indice
à chaque période de calcul (exemple, l’année). On constitue ainsi des
«chaînons » qui permettent une comparaison intéressante entre les deux
périodes successives. Mais si l’on désire comparer deux périodes éloignées,
on est amené à enchaîner les indices successifs, et c’est ainsi que l’on risque
d’arriver à des aberrations. La formule de calcul est :
Cyo = Cy2 X Cy1 X Ciyo à des multiples de 100 près.
Donnons un exemple particulièrement frappant et un peu schématique

(on suppose que les chaînons sont des moyennes arithmétiques simples) :
Indices base 0 Indices base 1
AOC
Années Indice chaîne
0 100 | 100 | 100

l 50 | 100 | 75 | 100 | 100 | 100
2 100 | 100 200 | 100 | 150
Entre deux situations identiques, l’année 0 et l’année 2, l’indice chaîne

indique une croissance de 12,5 % !
Il est impossible de donner à l’indice chaîne une signification économique
sur une longue période. Chaque anneau constitue en lui-même un indice très
séduisant ; il faudrait pouvoir éviter d’enchaîner les anneaux. Ceci n’est
guère possible, car on a toujours besoin de comparaisons portant sur plusieurs
années. On se trouve devant l’une des limites graves du calcul des indices
synthétiques. C’est d’ailleurs la même limite qui empêche les changements de
base pour d’autres formules d’indices synthétiques.
(C’est par un processus du type indice chaîne qu'est calculé l’actuel indice
du coût de la vie de l’I.N.S.E.E., mais les pondérations changent tous les ans,
ce qui atténue beaucoup les erreurs « dues au calcul » analogues à celles
énoncées ici.)
Tels qu’ils existent, les indices synthétiques sont les seuls «instruments »
connus pour appréhender une réalité complexe (prix de gros, prix de détail,
production industrielle, cours boursiers...). Le soin qu’apportent les statis-
ticiens à la confection des indices compense, pour une part, les difficultés
inhérentes à tout emploi de formule synthétique.
3
_—_ ph = àa ab kinm 30 f —
—
Pad 7 ES “onsog,sb À
æ:
au'elhes cree à Eure sc pi Are

pe germe Ù
DORT 2 0 ie RON IE ES
be. mdiguinrLs vefondes lerhus ons vd
Des car!
“émanmans due es tros emplédinus eaibni"

7 dunes al
sb 2e zo1 ob xirq) xs où si
Hush ou big 0
1 atte ste imiengee rs: 2e
“pee + su vo sénsqmée emnbat sb socdnon al de
LS 4 ou asser HPURURE. Mr NS PAR
s) miss nest de ce
in d'un type de elles06 1e
rés quo à ne tir Conésanmaun penie D MiÊRRE, mp 7 dde
Je cmt rrpnôe Coupuve ls ame Le sirmacturr de 4 consrmaation chasige:
es ven Léo Chile de dhatges tespranlémrions etderelire
onnétmel
diese fatude de af fcacnaie lammoiæ) On CPAETUES al
sue à O6 péri ant vw conmtmaraion ictfremnté ere fi
ré ber caca, Mie si l'un dédie comptes eur
en eat aonené à entéstioc ln indices raccordé} ei c'es sinel que Te RS
fact À dev aberration La Urmuük de cal &f ?
Con © Cus à Cyr Cye dés enuliipl
dl es
pete
FhaueQi 8 etediqé fantniiiienent fppist et né
m métmer qi ke dalronf ont ds nées
L FN ne te .
: mn
Tables
1. Extraits de tables statistiques
TABLE 1. Loi de Poisson.
CR] X
Probabilités P, =
KA
0
l
2
3
4
5
6
7l
8
9
10
11
12
13
14
15
16
194 Tables
TABLE 2. Fonction de répartition

de la loi de Laplace-Gauss. |
Probabilité d'une valeur inférieure à t :
II(t) = [ e “2dy.
MORE
0,500 0 0,504 0 0,508 O0

0,538 OS SE 0,547 8
0,579 3 0,583 2 0,587 1
0,6179 0,621 7
0,655 4 0,659 |!
0,691 5 0,695 0
0,725 7 0,729 1
0,758 0,761 1
0,788 0,791 0
OSIS OSIS 6
O,S41 0,843 7 0,846 1
0,S64 0,866 5 0,868 6
0 SS4 0,886 9 0,888 &
0,903 0
Do
oi
0
Loi
— 0,904 9 0,9% 6
0,919 2 0,920 7 0,922 2
0,933 2 0,94 5 0,935 7
0,945 2 0,946 3 0,947 4
0,955 4 0,956 4 0,957 3
0,964 ! 0,964 8 0,965 6
0971 3 09719 0,972 6
0,977 2 09778 0,978 3
0,982 0,982 6 0,983 0
0,986 | 0,986 4 0,986 8
0,989 3 0,989 6 0,989 8
OI S 0,992 0 0,992 2
09938 0,994 0 0,994 1
0,995 3 0,995 5 0,995 6
=S
1
UN
R
Un
Oo
Vos
JOUR
0,996 5 0,996 6 0,996 7
0,997 4 0,997 5 0,997 6
15 ©
juut
junt
jet
joué
né
jus
jant
junt
peut
195
MD
Po
9
15
19
br
b9 0,98 ! 0,998 2 0,998 2
aud
0,998 650,999 03 e 999 6610,999 7610,999 84110,999 928/0,999 96810,999 997
Nota. — La table donne les valeurs de 11(1) pour t positif. Lorsque f est négatif
il faut prendre le complément à l'unité de la valeur lue dans la table.
Exemple : pour { = 1,37 II(N = 0,9147
pour f' — 1,37 Ir) = 0,085 3 (= 1 —0,914 7.
Tables 195
2. Extraits des tables financières
TABLE I. Valeur acquise par 1 F placé à intérêts composés,

ou valeur de (1 + i)"
Périodes
1,080 000 1,090 000 1,100 000 1,110 000 1,120 000
1,166 400 1,188 100 1,210 000 1,232 100 1,254 400
1259712 1,295 029 1,331 000 1,367 631 1,404 928
1,360 489 1,411 582 1,464 100 1,518 070 LYS ST
1,469 328 1,538 624 1,610 510 1,685 058 1,762 342
1,586 874 1,677 100 778561 1,870 415 1,973 823
1,713 824 1,828 039 1,948 717 2,076 160 2,210 681
1,850 930 15991568 2,143 589 2,304 538 2,475 963
O0
Un
&
©
A
D
&— 1,999 005 2,171 893 2,357 948 2,558 037 2,143.079
2,158 925 2,367 364 12599874? 2,839 421 3,105 848
2,510 2,580 426 2,853 117 3191757 3,478 550
2,518 170 2,812 665 3,138 428 3,498 451 3,895 976
2,719 624 3,065 805 3,452 271 3,883 280 4,363 493
2,937 194 3,341 727 3,797 498 4,310 441 4,887 112
3,172469 3,642 482 4,177 248 4,784 589 5,473 566
3,425 943 3,970 306 4,594 973 5,310 894 6,130 394
3,700 018 4,327 633 5,054 470 5,895 093 6,866 041
3,996 020 4,717 120 59990107 6,543 553 7,689 966
4,315 701 5,141 661 6,115 909 7,263 344 8,612 762
4,660 957 5,604 411 6,727 500 8,062 311 9,646 293
5,033 834 6,108 808 7,400 250 8,949 166 10,803 848
5,436 540 6,658 600 8,140 275 9,933 574 12,100 310
5,871 464 7,257 874 8,954 302 11,026 267 13,552 347
6,341 181 7,911 083 9,849 732 12,239 156 15,178 629
6,848 475 8,623 081 10,834 706 13,585 464 17,000 064
7,396 353 9,399 158 11,918 176 15,079 865 19,040 072
7,988 061 10,245 082 13,109 994 16,738 650 21,324 880
8,627 106 MAG 72182 14,420 993 18,579 901 23,883 866
9,317 275 12172487 15,863 093 20,623 691 26,749 930
10,062 657 13,267 678 17,449 402 22092291 24959922
196 Tables
TABLE Ibis. Valeur acquise par 1 F placé à intérêts composés

pendant un nombre entier de mois
l 1,006 434 | 1,007 207 | 1,007 974 | 1,008 735 | 1,009 489
2 1,012 909 | 1,014 467 | 1,016 012 | 1,017 545 | 1,019 068
3 1,019 427 | 1,021 778 | 1,024 114 | 1,026 433 | 1,028 737
4 1,025 986 | 1,029 142 | 1,032 280 | 1,035 399 | 1,038 499
5 1,032 587 | 1,036 560 | 1,040 512 | 1,044 443 | 1,048 353
6 1,039 230 | 1,044 031 | 1,048 809 | 1,053 565 | 1,058 301
fe 1,045 917 | 1,051 555 | 1,057 172 | 1,062 768 | 1,068 343 .
8 1,052 646 | 1,059 134 | 1,065 602 | 1,072 051 | 1,078 480
9 1,059 419 | 1,066 768 | 1,074 099 | 1,081 415 | 1,088 713
1,066 235 1,074 456 1,082 665 1,090 860 1,099 044
1,073 096 1,082 200 1,091 298 1,100 389 1,109 472
1,080 000 1,090 000 1,100 000 1,110 000 1,120 000
Tables 197
TABLE IT. Valeur actuelle de 1 F payable dans # périodes,

ou valeurs de (1 + ï) ”
l 0,925 926 | 0,917 431 | 0,909 091 | 0,900 901 | 0,892 857
2 0,857 339 | 0,841 680 | 0,826 446 | 0,811 622 | 0,797 194
3 0,795 6352120772 183"10 751 315 "073149111071 780
5 0,735 030 | 0,708 425 | 0,683 013 | 0,658 731 | 0,635 518
5 0,680 583 | 0,649 931 | 0,620 921 | 0,593 451 | 0,567 427
6 0,630 170 | 0,596 267 | 0,564 474 | 0,534 641 | 0,506 631
7 0,583 490 | 0,547 034 | 0,513 158 | 0,481 658 | 0,452 349
8 0,540 269 | 0,501 866 | 0,466 507 | 0,433 926 | 0,403 883
9 0,500 249 | 0,460 428 | 0,424 098 | 0,390 925 | 0,360 610
10 0,463 193 | 0,422 411 | 0,385 543 | 0,352 184 | 0,321 973
11 0,428 883 | 0,387 533 | 0,350 494 | 0,317 283 | 0,287 476
12 0,397 114 | 0,355 535 | 0,318 631 | 0,285 841 | 0,256 675
13 0,367 698 | 0,326 179 | 0,289 664 | 0,257 514 | 0,229 174
14 0,340 461 | 0,299 246 | 0,263 331 | 0,231 995 | 0,204 620
15 0,315 242 | 0,274 538 | 0,239 392 | 0,209 004 | 0,182 696
16 0,291 890 | 0,251 870 | 0,217 629 | 0,188 292 | 0,163 122
17 0,270 269 | 0,231 073 | 0,197 845 | 0,169 633 | 0,145 644
18 0,250 249 | 0,211 994 | 0,179 859 | 0,152 822 | 0,130 040
19 0,231 712 | 0,194 490 | 0,163 508 | 0,137 678 | 0,116 107
20 0,214 548 | 0,178 431 | 0,148 644 | 0,124 034 | 0,103 667
21 0,198 656 | 0,163 698 | 0,135 131 | 0,111 742 | 0,092 560
22 0,183 941 | 0,150 182 | 0,122 846 | 0,100 669 | 0,082 642
23 0,170 315 | 0,137 781 | 0,111 678 | 0,090 693 | 0,073 788
24 0,157 699 | 0,126 405 | 0,101 526 | 0,081 705 | 0,065 882
25 0,146 018 | 0,115 968 | 0,092 296 | 0,073 608 | 0,058 823
26 0,135 202 | 0,106 393 | 0,083 905 | 0,066 314 | 0,052 521
2 0,125 187 | 0,097 608 | 0,076 278 | 0,059 742 | 0,046 894
28 0,115 914 | 0,089 548 | 0,069 343 | 0,053 822 | 0,041 869
29 0,107 328 | 0,082 154 | 0,063 039 | 0,048 488 | 0,037 383
30 0,099 377 | 0,075 371 | 0,057 309 | 0,043 683 | 0,033 378
198 Tables
TABLE III Valeur acquise par une suite de #7 annuités de 1 F,

1 "m — 1
ou valeur de F, SRE
11 “028 474 11,435 888 11,859 434

©O
BR
1
ON
©
D— 12,487 558 13,021 036 13,579 477 14,163 972
14,486 562 15,192 930 15,937 425 16,722 009 17,548 735
16,645 4387 17,560 293 18,531 167 19,561 430 20,654 583
18,977 126 20,140 720 21,384 284 22,713 187 24,133 133
21:495 297 22:953:385 24,522 712 26,211 638 28,029 109
24,214 920 26,019 189 27,974 983 30,094 918 32,392 602
27,152 114 29,360 916 31,772 482 34,405 359 STONES
30,324 283 33,003 399 35,949 730 39,189 948 42,753 280
33,750 226 36,973 705 40,544 703 44,500 843
37,450 244 41,301 338 45,599 173 50,893,985
41,446 263 46,018 458 51,159 090 56,939 488 63,‘439 681
45,761 964 51,160 120 57,274 999 64,202 832 72,052 442
50,422 921 56,764 530 64,002 499 72,265 144 81,698 736
55,456 755 62,873 338 71,402 749
60,893 296 69,531 939 79,543 024
66,764 759 76,789 813
73,105 940 84,700 896
79,954 415
Tables 199
TABLE V. Valeur des annuités constantes qui amortissent

i
en x périodes un capital de 1 F, ou valeur de
de
Périodes
1,080 000 1,090 000 1,100 000 1,110 000 1,120 000
0,560 769 0,568 469 0,576 190 0,583 934 0,591 698
0,388 034 0,395 055 0,402 115 : 0,409 213 0,416 349
0,301 921 0,308 669 0,315 471 0,322 326 0,329 234
0,250 456 0,257 092 0,263 798 0,270 570 0,277 410
0,216 315 0,222 920 0,229 607 0,236 377 0,243 226
0,192 072 0,198 691 0,205 406 02F2215 0,219 118
0,174 015 0,180 674 0,187 444 0,194 321 0,201 303
00
BB
LA
©
AD&= 0,160 080 0,166 799 0,173 641 0,180 602 0,187 679
0,149 029 0,155 820 0,162 745 0,169 801 0,176 984
0,140 076 0,146 947 0,153 963 0161121 0,168 415
01327695 0,139 651 0,146 763 0,154 027 0,161 437
0,126 522 0,133 567 0,140 779 0,148 151 0,155 677
0:121297 0,128 433 0,135 746 0,143 228 0,150 871
0,116 830 0,124 059 0,131 474 0,139 065 0,146 824
0,112 977 0,120 300 0,127 817 0135517 0,143 390
0,109 629 0,117 046 0,124 664 0,132 471 0,140 457
0,106 702 0,114 212 0,121 930 0,129 843 0497957
0,104 128 0,111 730 0,119 547 0,127 563 0,135 763
0,101 852 0,109 546 0,117 460 0,125 576 0,133 879
0,099 832 0,107 617 0,115 624 0,123 838 0,132 240
0,098 032 0,105 905 0,114 005 0:122313 0,130 811
0,096 422 0,104 382 012572 0,120 971 0,129 560
0,094 978 0,103 023 0,111 300 0,119 787 0,128 463
0,093 679 0,101 806 0,110 168 0,118 740 0,127 500
0,092 507 0,100 715 0,109 159 0,117 813 0,126 652
0,091 448 0,099 735 0,108 258 0,116 989 0,125 904
0,090 489 0,098 852 0,107 451 0,116 257 0,125 244
0,089 619 0,098 056 0,106 728 0,115 605 0,124 660
0,088 827 0,097 336 0,106 079 0,115 025 0,124 144
‘ ARR
MaeMe
ÉCIE
as FIGE
REA ETA
Ke 0 à ñ
>HOÇLA ps
Indications bibliographiques
Ces indications n’ont nullement la prétention d’être exhaustives. Nous donnons

d’abord ici les titres de quelques ouvrages traitant une partie importante du programme
du cours de « Mathématiques appliquées à l’Economie », ceux qui nous ont paru
particulièrement accessibles, puis des ouvrages portant plus particulièrement sur chaque
chapitre.
— Ouvrages traitant de la plus grande partie du cours de Mathématiques appliquées

à l’Economie :
J. C. KEMENY, À. SCHLEIFER, J. L. SNELL, G. L. THOMPSON, Les mathématiques modernes

dans la pratique des Affaires, Paris, Dunod, 1964. (Coll. Finance et économie
appliquée, n° 17.)
D. FREDON, Mathématique, Economie et Gestion, Paris, CEDIC, 1976. (Coll. Formation
des Maîtres en mathématiques, n° 25.).
R. PASSET. /ntroduction aux Mathématiques de l'analyse économique, Paris, Cujas, 1977,
4 tomes.
G. COURTADE-COULOMB, Bases mathématiques pour l’économie et la gestion, Paris,
Editions d’Organisation université, 1991, 2 tomes.
— Exercices corrigés :
E. BERREBI, Mathématiques, exercices corrigés, Paris, Dunod, 1990-1991, 2 vol. (Coll.

Mathématique et statistique de l’économie.)
R. CLUZEL, J. FOURASTIÉ, La mathématique par la pratique des exercices résolus, Paris,
Delagrave, 1977.
J. FOURASTIÉ, G. LAFFOND, Exercices de mathématiques appliquées à l’économie, Paris,
Dunod, 1991, 4° édition.
— Ouvrages de révision :
J. FOURASTIÉ, B. LANGER, Mathématiques et statistique : Première G, Terminales

G;, G;, Paris, Delagrave, 1989 et 1991, 2 vol.
J. FOURASTIÉ, Fort en math, deux volumes : «Mise à niveau 3€ » et « Mise à niveau
Terminales économiques », Delagrave, 1993 et 1994.
— Ouvrages sur la théorie des ensembles et les mathématiques modernes (chapitres 1

et2)e
Les livres d’initiation à la théorie des ensembles sont légion et beaucoup sont fort
bons. Il n’est pas question de donner une bibliographie exhaustive. Signalons seule-
ment deux livres qui apparaissent particulièrement utiles.
202 Indications bibliographiques
A. BOUVIER, La théorie des ensembles, Paris, P.U.F., 1982. (Coll. Que sais-je ?, n° 1363.)
G. CAsANOVA, L'’algèbre de Boole, Paris, P.U.F., 1979. (Coll. Que sais-je ?, n° 1246.)
— Ouvrages sur la théorie des graphes (chapitre 3) :

R. FAURE, Précis de recherche opérationnelle, Paris, Dunod, 4° éd. 1980, nouveau tirage
1989. (Coll. Décision.)
K. G. LOCKYER, Introduction à l'analyse du chemin critique (avec problèmes et solutions),
Paris, Dunod, 1969. (Coll. Initiation aux nouveautés de la science.)
— Ouvrages sur le calcul des probabilités (chapitre 4) :

M. BARBUT, Mathématiques des sciences humaines. T. 1 : Combinatoire et algèbre,
Paris, P.U.F., 1976, 4e éd. 1976. (Coll. Sup le psychologue, n° 30.)
G. CALOT, Cours de calcul des probabilités, Paris, Dunod, 1967. (Coll. Statistique et
programmes économiques.)
J. FOURASTIÉ, J.-F. LASLIER, Probabilités et Statistiques, Paris, Dunod, 1986. (Coll.
Quinet, T. VI)
M. HAGEGE, Eléments de calcul des probabilités, classes de Terminales B et D, Paris,
O.C.D.L.
S. LIPSCHUTZ, Probabilités, cours et problèmes, 500 exercices résolus, Paris, Ediscience,
1973. (Coll. Schaum.)
— Exercices et corrigés :
S. LEVY, A. KRIEF, Calcul des probabilités. Exercices, Paris, Hermann, 1972.
Voir aussi, ci-dessus : J. FOURASTIÉ, B. SAHLER et S. LIPSCHUTZ.
— Ouvrages sur l’algèbre linéaire et la programmation linéaire (chapitre 5) :

B. H. SOLNIK, Programmation linéaire dans la gestion de l’entreprise, Paris, Dunod,
nouvelle édition, 1975 nouveau tirage, 1985. (Coll. Dunod Entreprise.)
R. FAURE, Précis de recherche opérationnelle, Dunod, 4 éd. 1980, nouveau tirage 1989.
(Coll. Décision.)
— Ouvrages sur les fonctions numériques (chapitre 6) :

Sur ce chapitre, des révisions des programmes de Premières et Terminales s'imposent :
J. FOURASTIÉ, B. LANGER, R. CLUZEL, P. Vissio, Mathématiques et statistiques, premières
et terminales G; et G;, Paris, Delagrave, 1982 et 1983, 2 vol.
— Au niveau du cours :
J. H. C. LisMAN, Mathématiques préparatoires à l'Economie, Paris, Dunod, 1972.
G. PUPION, G. POULALION, Mathématiques générales appliquées à l'Economie et à la
Gestion, Paris, Armand Colin, 1984. (Coll. U.)
— Ouvrages de Mathématiques financières (chapitre 7) :

Pour une révision :
R. CLUZEL, J. FOURASTIÉ, H. COURT, Applications commerciales et financières, Premières
et Terminales G, et G;, Paris, Delagrave, 1977, 2 vol.
Indications bibliographiques 203
Au niveau du cours :
J. BREUIL, H. COURT, Mathématiques appliquées à l’économie, Paris, Delagrave, 1969,
2 vol.
P. BONNIAU, M. WISZNIAK, Mathématiques financières approfondies, Paris, Dunod,
1993, 5° édition. (Coll. Economie Module.)
— Ouvrages sur la mesure des quantités économiques (chapitre 8) :

J. FOURASTIÉ, Essai sur la mesure des quantités économiques, Paris, Mouton, 1972.
(Coll. Etudes et mémoires de l’'EPHE.)
J. FOURASTIÉ et B. GRAIS, Les indices statistiques, Paris, Masson, 1984.
J. FOURASTIÉ, Les formules d'indices de prix, calculs numériques et commentaires théo-
riques, Paris, A. Colin, 1966. (Coll. Etudes et mémoires de l’'EPHE.)
7
| | à
porn on LE
NI) lat He,

Dons TURN
£. he.
arur IE, ® DIV (CE dep à per QUE, $

Cotsà éd à ponts lois Cutel, CURE Le"
Se : 2 éunsittaneie. |
LA Lars Pishatihie er Este tri, Lasront, use
ee LE. Ni] :
| 7 TT ce j'ai rh ee nsebmtié A4 } lar
ne]
LU _ LL
Dan, Pacha 2:0. : num née
st :
: eut
LA /Mant, l'usy des pote, Fscsren Pus L'emans, Le
. Vu med. secs 1: Mann EL Soi LIN x
»: .
à L "
= et nn ae Céi | de pi à; male Madnire ichoyine Ÿ
&. Ve nie ppm » niet Gén LL nt l'esis ue,
{ écsali à à. (VIS mare rue, (US CA Dan
: CR 10 © éonmcets she eme TETE é* al LRO", note
(COLE Dés un
— D à ten amañtips trèapire di

Mu cc COLLE ET" d4 Pb pris ré V Mons à Ta
4 prune! 16 Lowes. À Louer. P Visage Mutifims gps rtairtio

——.…. sé Où 06 (NV, Pare, Clssgsuns, 10 © 10 en
ere d ‘ne J Le
.
1 N 4° Loi, Mattlentègs nraran +, à d'érerede, Put, vol 10
nn" 15. Foto th Métier ni tas crbpares à d'Acmemit 08 d
rovrbu. l'a Mthéseft Ciin. la (Cote!
: Ld
D ah fostrique adress lof, ques Us

u ' : e
D 44 ) tasse. |! te Amir cememsrrsds sf
ls sc Pa haben AP nb
Index
Les numéros en chiffres arabes désignent les pages de l’ouvrage
A B
Acquise (valeur), 165. Base
Action, 176. — dans un tableau du simplexe, 106.
Actualisation, 166. — d’un indice, 182.
— des investissements, 174. Bayes (théorème de), 73.
Actuelle (valeur), 165. Bellman-Pontryagin (principe de), 53.
Affine (fonction), 130. Bernoulli (variable de), 79.
Agio, 168. Bijection, 40.
Agrégat, 184. Binaire (relation), 28, 31.
Aire, 152. Binome (formule du), 63.
Aléatoire, 54. Binomiale (loi), 79.
Aléatoire (variable), 76. Boole (algèbre de), 21.
Algèbre de Boole, 21. Booléenne (matrice), 28.
Algèbre linéaire, 85. Boucle d’un graphe, 42.
Algorithme, 49, 104. Branche, 114.
— du simplexe, 104.
Amortissement, 172. C
— constant, 173. Capitalisation continue, 177.
Analyse combinatoire, 56. Cardinal
Année de base, Année courante (indices), — d’un ensemble, 5.
182. — d’un ensemble produit, 25.
Annuités, 170. — de la réunion, 20.
— à amortissement constant, 173. Carrol (diagramme de), 14.
— perpétuelles, 174. Cartésien (produit), 22.
Antisymétrie, 32. Cartésienne (représentation), 22, 24.
Antisymétrique (graphe), 42. Certain, 54.
Appartenance, 3. Chaîne (indice), 190.
Application, 37. Champ, 29.
Arbre des possibilités, 7. Changement de base (indices), 183.
Arc, 42. Chemin
Arithmétique (progression), 131. — d’un graphe, 42.
Arrangements — critique (méthode du), 46.
— sans répétition, 59. Circuit d’un graphe, 42.
— avec répétition, 65. Classes d’équivalence, 34.
Associativité, 15. Coefficient directeur, 130.
Asymptote, 128, 134. Coefficients techniques, 116.
Axiome, 14. Collection, 2.
206 Index
Combinaison, 58. Diagramme

Combinatoire (analyse), 56. — de Carroll, 14.
Commutativité, 15. — de Gantt, 50.
Comparaison de deux grandeurs, 181. — sagittal, 22.
Compatibles (événements), 67. — de Venn ou d’Euler-Venn, 5.
Complémentaire Différentielle totale, 159.
— d’un sous-ensemble, 9. Dimensions (espace à plusieurs), 86.
— relation, 30. Discrète (variable), 77.
Composantes, 86. Discriminant, 139.
Composées (probabilités), 70. Disjoints (ensembles), 16.
Composés (intérêts), 161. Distributivité, 18.
Compositions de relations, 30. Domaine, 29, 122.
Compréhension (définition en), 3. Droite réelle achevée, 121.
Conditionnelles (probabilités), 72. Dual d’un programme linéaire, 110.
Conjonction, 15. E
Connexe (graphe fortement), 42.
Ecart-type d’une v.a., 79.
Constant
Echanges interindustriels, 114.
=iTancs 107:
Economiques (quantités), 179.
— prix, 185.
Egalité
Continue (variable), 77.
— de deux ensembles, 4.
Continuité, 122.
— de deux vecteurs, 86.
Contraintes, 101.
Elasticité, 151.
Coordonnées, 24.
Eléments, 2.
Couple, 23.
Elémentaire (indice), 182.
Coupon, 175.
Emprunts
Courbe représentative (d’une fonction),
— indivis, 175.
27
— obligataires, 175.
Courant (prix), 184.
Enchaînement d’indices, 183.
Cramer (système de), 99. Ensemble, 1.
Critique (chemin), 46, 49. —-d’arrivée, 24.
— de départ, 24.
D
— disjoints, 16.
Date — d’ensembles, 4.
— au plus tôt (chemin critique), 48. — des parties, 7.
— au plus tard, 48. — vide, S.
— d’équivalence d'effets, 169. Entiers, 3.
Définition (domaine de 122. Equation linéaire à plusieurs inconnues,
Dénombrement, 56. 91.
Densité de probabilité, 77. Equilatère (hyperbole), 134.
Dépendants (événements), 67. Equivalence
Dérivé (nombre), 124. — (classe d’), 34.
Dérivée (fonction), 125. — (relation d’), 34.
Dérivées — logique, 13.
— des fonctions usuelles, 127. — d'effets, 169.
— partielles, 158. Escompte, 167.
— logarithmiques, 150. Espérance
Déterminant, 97. — de vie, 78.
Déterminé (événement), 54. — mathématique, 78.
Index 207
Euler-Venn (diagramme d°), 5. — fortement connexe, 42.

Existentiel (quantificateur), 11. — symétrique, 42.
Exponentielle de base a, 142. Grille, 22.
— de base e, 149.
Extension (définition en), 2. H
Evénements Harmonique (moyenne), 188.
— certains, aléatoires, 54. Homographique (fonction), 133.
— compatibles, 67. Hyperbole équilatère, 134.
— dépendants, 67. Hyperespaces, 86.
— incompatibles, 67.
— indépendants, 67.
Image, 29.
F Implication logique, 12.
Factorielle, 57, 60. Incertain (domaine de |’), 54, 181.
Fictive (activité), 47. Inclusion, 6.
Flèche d’un graphe, 42. Incompatibles (événements), 67.
Flèches (points et), 23. Indépendants (événements), 67.
Fonctions, 37. Indice
— affine, 130. — chaîne, 190.
— à plusieurs variables, 158. — de Laspeyres, 188.
— croissante, 125. — de Paasche, 188.
— décroissante, 125. — simple, 182.
— de répartition, 77. — synthétique, 187.
— exponentielle, 142. Indivis (emprunt), 175.
— homographique, 133. Infini, 121.
— inverse, 121. Inflexion (point d’), 128.
— linéaire, 129. Injection, 39.
— logarithme, 146. Input-output, 115.
— numérique, 121. Intégrale définie, 152.
— polynôme, 137. Intégration par parties, 157.
— primitive, 151. Intérêt simple, 162.
— réciproque, 38. Intérêts composés, 163.
— stationnaire, 125. Interindustriels (tableau d'échanges), 114.
Ford (algorithme de), 49. Intersection de deux ensembles, 15.
Fortement connexe (graphe), 42. Intervalle ouvert, 121.
Fraction rationnelle (primitive de), 156. Inversion d’une matrice, 117.
Francs coûstants, 187. Investissement (rentabilité d’un), 175.
Fréquence, 56. Irrationnels (nombres), 3.
Fulkerson (algorithme de), 52. Itération, 49, 104.
J
G
Jours de banque, 168.
Gantt (diagramme de), 50.
Gauss (loi de), 83. L
Géométrique Lagrange (multiplicateur de), 161.
— moyenne, 188. Laplace-Gauss (loi), 83.
— progression, 142. Laspeyres (indice de), 188.
Grandeurs hétérogènes, 184. Léontieff (matrice de), 114.
Graphe, 28, 41. Libre (marge), 50.
20$ Index
Limite, 122. N
— infinie, 14. Nombre dérivé, 124.
Linéaire Normale (loi), S3.
— algèbre, SS. Nue-proprièté, 176.
— $quation, 91. N-uplet, 25.
— fonction, 129.
— programme, 100. O0
— système, 91. Obligations, 175.
Logarithme Opérateur linéaire, 90.
— fonction, 146. Opérations sur les ensembles, 14.
— népérien, 149. Optimisation, 101.
Logarithmique (dérivée), 150. Ordonnancement d'un graphe, 43.
Logique, S. Ordre
Loi — relation d’, 36.
— binomiale, 79. — partiel, 36.
— normale, Si. — total, 36.
— de Poisson, SI. P
— de probabilité, 77. Paasche (indice de), 18$.
Paire, 23.
M Panier de consommation, 19.
Marge (libre, totale), S0. Parabole, 137.
Matrice, 22, 8K. Partie d'un ensemble, 6.
— booléenne, 28. Parties (intégration par), 157.
— carrée, SS. Partition d'un ensemble, $.
— égale, SS. Pascal (triangle arithmétique de), 62.
— de Léontieff, 114. Pente d'une droite, 130.
— inverse, 117. Permutation, 57.
— unité, 106, 120. — avec répétition, 65.
Maximum (problème du), 101. PERT., Si.
— d'une fonction, 125, 159. Pivot
Méthode — méthode, %4.
— du chemin critique, 46. — méthode du simplexe, 104.
— du pivot, 94. Poincaré (problème de), 74.
— du simplexe, 104. Points et flèches, 23.
Mesure des quantitès économiques, 177. Poisson (loi de), SI.
Minimum (problème du), 110. Polynôme (fonction), 137.
— d'une fonction, 125, 159. Potentiels (méthode des), 53.
Mise en ordre, 46. Préordre (relation de), 35.
Morgan (loi de de), 20. Primal (problème), 111.
Moyenne Primitive, 151.
— arithmétique, 18$. — (calculs de), 155.
— géométrique, ÎS£ Prix
— harmonique, IS — courants, IS4.
— simple, 1SS. — ConStants, ISS.
Multiplicateur de Lagrange, 161. — rlatifs, ISS.
Multiplication Probabilité, 54.
— d'un vecteur par un scalaire, S6. — composée, 70.
— d'une matrice par un scalaire, S9. — conditionnelle, 72.
Index 209
— totale, 67. Remboursement d’un capital, 172.

— (lois de), 77. Remplacement d’effets, 169.
Processus de Poisson, 81. Rentabilité d’un investissement, 175.
Produit Répartition (fonction de), 77.
— çcartésien d’ensembles, 22. Répétition, 65.
— de deux vecteurs, 87. Représentation
— d’un vecteur par une matrice, 89. — cartésienne, 22, 24,
— d’un vecteur par un scalaire, 86. — par points et flèches, 23.
— de deux matrices, 90. Réunion de deux ensembles, 16.
Programme linéaire, 100. Réversibilité (d’un indice), 183.
Progression arithmétique, 131.
— géométrique, 142.
Proposition, 10. S
Sagittal (diagramme), 22.
Q Scalaire, 86.
Quantificateur Secteur de l’économie, 114.
— existentiel, 11. Signe (du trinome), 140.
— universel, 11.
Simple
Quantités économiques, 179. — (intérêt), 162.
— moyenne, 188.
Simplexe (algorithme du), 104.
R Solution graphique
Racines de l’équation du second degré, — d’un système linéaire, 92.
139. — d’un programme linéaire, 101.
Raison Somme
— d’une suite arithmétique, 131. — de deux matrices, 88.
d’une suite géométrique, 142. — d’une progression arithmétique,
Rang (vecteurs), 87. 131.
Rationnels (nombres), 3. — d’une progression géométrique,
Réciproque 142.
— implication, 13. — de deux vecteurs, 87.
— fonction, 38. Sommet
— relation, 30. - d’un graphe, 42.
Réels (nombres), 3. — programme linéaire, 105.
Référentiel, 9. Sous-ensemble, 6.
Réfiexivité, 31. Suite arithmétique, 131.
Relatifs — géométrique, 142.
— nombres, 2, 3. Surjection, 39.
— prix, 185. Symétrie d’une relation, 31.
Relation, 27. Symétrique (graphe), 42.
— binaire, 28, 31. Synthétique (indice), 187.
— complémentaire, 30. Systèmes linéaires, 91.
— d'équivalence, 34.
— fonctionnelle, 37. sx
— réciproque, 30.
— de préordre, 35. Tableau d'échanges interindustriels, 114.
— d'ordre, 36. Tables de vérité, 10.
— statistique, 180. Taux d'intérêt, 162.
210 Index
— de rendement, 168. Universel (quantificateur), 11.

— de rentabilité, 175. Usufruit, 176.
Techniques (coefficients), 116.
Théorème, 14. V
Totale (marge), 50.
Valeur acquise d’un capital, 165.
Totales (probabilités), 67.
Valeur actuelle, 165.
Transcendants (nombres), 3.
Variable, 29.
Transférabilité, 183.
— aléatoire, 76.
Transitivité, 33.
Transport (problèmes de}, 53. — de Bernoulli, 79.
Variance d’une v.a., 79.
Triangle arithmétique de Pascal, 62.
Vecteur, 85.
Trinôme, 139.
— ligne, colonne, 85, 86.
— signe, 140.
Venn (diagramme de), 5.
Triplet, 25.
Vérité (table de), 10.
Vide (ensemble), 5.
U
Z
Unité (matrice), 106, 120. Zéros d’un trinôme, 139.
JOUVE, 18, rue Saint-Denis, 75001 PARIS
N° 237419A. Dépôt légal : juillet 1996
Dépôt légal 1" édition : 3° trimestre 1982
Imprimé en France
MU RUE RE
Mathématiques
appliquées à l’économie
Cet ouvrage, illustré de nombreux exemples concrets, présente

les méthodes mathématiques utilisées en économie (calcul des
probabilités, algèbre, analyse, théorie des graphes).
Son auteur, Jacqueline Fourastié, sous-directeur de laboratoire au

Conservatoire national des Arts et Métiers, l’a conçu pour les étu-
diants en économie : candidats au diplôme universitaire de tech-
nologie (DUT gestion des entreprises et des administrations), au
brevet de technicien supérieur (BTS comptabilité et gestion), au
diplôme préparatoire aux études comptables et financières
(DPECF) ou au diplôme d'études comptables et financières
(DECF).
Il est également destiné aux élèves du Conservatoire national des
Arts et Métiers, ainsi qu'aux étudiants des universités et des
écoles de commerce.
Un volume d'exercices intitulé Exercices de mathématiques appli:

quées à l'économie complète ce cours et permet à l'étudiant de
tester ses connaissances.
-Z
Code 042457
ISBN 2 10 002457 4
61

Mathématiques Appliquées À L'économie - CNAM, IUT, BTS, - Fourastié, Jacqueline (1937-.... ) - 1994 - Paris - Dunod - 9782100024575 - Anna's Archive

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Mathématiques Appliquées À L'économie - CNAM, IUT, BTS, - Fourastié, Jacqueline (1937-.... ) - 1994 - Paris - Dunod - 9782100024575 - Anna's Archive

Transféré par

Droits d'auteur :

Formats disponibles

Digitized by the Internet Archive

in 2022 with funding from

Manuels FE. Poulon

B. Brunhes Exercices corrigés

J.-L. Monino, J.-L. Sol F. Poulon, N. Poulon-Lafaye

Née en 1937, agrégée de Mathématiques, Docteur 3° cycle et Docteur ès

C: pictogramme mérite une d'enseignement supérieur,

L'ouvrage est conforme aux normes typographiques Afnor.

© BORDAS, Nouveau tirage corrigé 1996 Paris, 1991

PAR RTO ROSE en nr te nv ei dan à VII

161Ce.quest.un ensemble sus drmemcod tt € l

1. Définition d’un produit cartésien d’ensembles ....... 22

HE ECETÉTANTES SUTIIES STADRES a eme 41

LiCGénéralités-sienr.s seen at cn RERO VIE 54

lrEléments'd'algèbre linéaire mp heenos. ehe ene jee L 85

Chapitre 6 : Les fonctions numériques . ................. 121

Indications bibliographiques . . ......................... 201

Le présent ouvrage a été conçu essentiellement pour les élèves du cours

Le langage rigoureux des mathématiques modernes est apparu indispensable.

tions et applications — graphes — calcul des probabilités — algèbre linéaire

Dans ce cours de Mathématiques Appliquées à l'Economie, une option a été

1. PROGRAMME DU COURS DU CONSERVATOIRE NATIONAL DES ARTS ET

2. PROGRAMME DES ÉPREUVES « MÉTHODES QUANTITATIVES I ET II »

1. ALGÈBRE DES ENSEMBLES : Parties d’un ensemble. Ensemble des parties.

2. CALCUL DES PROBABILITÉ : Probabilités et fréquences. Dénombrements :

3. ALGÈBRE LINÉAIRE : Notions de vecteurs et de matrices. Exemples

1. ANALYSE ET ALGÈBRE (trente heures)

1.1. Dérivées et intégrales.

2. STATISTIQUE DESCRIPTIVE (trente heures)

2.1. Notation indicielle, pratique du symbole de sommation, tableaux à

3.2. Langage élémentaire des probabilités.

1. MATHÉMATIQUES APPLIQUÉES A LA GESTION (quatre-vingts heures)

1.1. Intérêts et amortissements.

Application à la description de la méthode du pivot de Gauss.

4. D.U.T. gestion des entreprises et des administrations

1.1. Notion d’ensemble

Il est difficile de donner une véritable définition d’un ensemble, et nous

Selon le point de vue auquel on se place, on a affaire à des éléments différents

1.2. Définition d’un ensemble en extension

Définir un ensemble en extension, c’est indiquer entre deux accolades

A =" 12, 3:45, 6, 158,94

Grâce à la définition en compréhension, il est possible de définir un ensem-

1.4. Appartenance à un ensemble

Nous avons déjà employé le vocabulaire, assez clair en lui-même : un

2eN se lit «2 appartient à N », ou « 2 est un élément de N ».

(1) e = 2,718 28. = 2,72.

Antoine & B se lit « Antoine n’appartient pas à B».

1.5. Egalité de deux ensembles

Le signe = a déjà été employé depuis le début de l’exposé ; il est temps de

E=F si {aeE—=aerF etsi beF—beE}

= se lit « implique » ou « entraîne » (voir plus loin,$3.3, p. 12, une explication

Attention |! Un ensemble ne peut jamais être égal à un élément. L'ensemble

1.6. Ensembles d’ensembles

1.7. Ensemble vide

Si l’on considère les ensembles :

E = {x|xest un mois de 32jours }

Ces ensembles sont parfaitement définis, mais ils ne contiennent aucun

1.8. Cardinal d’un ensemble

On appelle « cardinal » d’un ensemble fini le nombre d'éléments de cet

Card. 9 Card. À s’écrit parfois |À |

Attention ! en aucun cas, un ensemble ne doit être identifié au nombre des

2. Parties d’un ensemble. Lien avec la logique

2.1. Préliminaire : diagramme de Venn