Cours de TAE 2_2022-2023_new format_221005_124237

Les manuels de l’IUA-Licence 2 Sciences Economiques / Semestre 3
Institut Universitaire d'Abidjan
Cours de
Technique
d’Analyse
Economique 2
2022-2023
Dr GBAME Hervé Daniel
P a g e 0 | 54
Cours de Technique d’Analyse Economique 2 2022-2023
Cours de Technique
d’Analyse Economique 2
2022-2023
P a g e 1 | 54
Sommaire
Introduction ________________________________________________________________ 3
Partie I : OPTIMISATION STATIQUE _________________________________________ 4
Chapitre 1 : Quelques rappels __________________________________________________ 5
1.1 Définitions préliminaires __________________________________________________ 5
1.2 Matrices définies et semi – définies __________________________________________ 7
1.3 Ensembles convexes _______________________________________________________ 8
1.4 Fonctions concaves, fonctions convexes _______________________________________ 9
Chapitre 2 : Optimisation libre : Existence d’Extrema, caractérisation pour une fonction à
plusieurs variables, conditions de premier et second ordres __________________________ 14
2.1. Extrema globaux ou locaux _______________________________________________ 14
2.2. Cas des fonctions de deux variables _________________________________________ 15
2.3. Cas des fonctions de n variables ____________________________________________ 16
Chapitre 3 : Optimisation sous contrainte (s) d’égalité : Méthode de substitution directe,
méthode de Lagrange ________________________________________________________ 20
3.1. Extrémums liés _________________________________________________________ 20
3.2. Extrémums liés dans le cas de plusieurs contraintes ___________________________ 24
Chapitre 4 : Optimisation sous contrainte(s) d’inégalité : Méthode de Kuhn-Tucker _________ 28
4.1. Extrema sous contraintes en forme d’inégalités _______________________________ 28
4.2. Conditions de Kuhn et Tucker _____________________________________________ 29
Partie II : OPTIMISATION DYNAMIQUE _____________________________________ 33
Chapitre 5 : Equations différentielles ____________________________________________ 34
5.1. Equation différentielle du 1er ordre ________________________________________ 34
5.2. Equations différentielles d’ordre 2 _________________________________________ 39
Chapitre 6 : Equations aux différences finies ou équations de récurrence : équations linéaires de
premier et second ordres _____________________________________________________ 46
6.1. Equation linéaire d’ordre 1 (aux différences finies) ____________________________ 46
6.2. Equation de récurrence d’ordre 2__________________________________________ 49
Bibliographie générale ______________________________________________________ 51
Table des matières _________________________________________________________ 52
P a g e 2 | 54
Introduction
Au cours des 30 dernières années, les mathématiques sont devenues le « langage de

l’économie ». Aujourd’hui, les économistes considèrent les mathématiques comme un outil
appréciable à tous les niveaux de l’étude, allant de l’expression statistique des tendances du
monde réel jusqu’au développement de systèmes économiques totalement abstraits.
Au niveau le plus élémentaire, les mathématiques fournissent les fondements de formulations

empiriques avec des variables économiques. Des formulations comme “une hausse de 10%
du prix de l’essence provoque une baisse de 5% de la demande d’essence’’. L’expression
mathématique de cette relation économique est la fonction de demande.
Le rôle des mathématiques en économie s’étend bien au-delà du domaine de la statistique. Par
exemple, les économistes construisent des représentations mathématiques des marchés et des
sociétés afin de mieux comprendre comment ces derniers fonctionnent. Le processus même
de construction d’un modèle les force à retenir les aspects les plus importants d’une situation,
et ils essayent alors de les exprimer mathématiquement.
Pour l’économiste, les mathématiques ne peuvent être qu’un outil destiné à exprimer de façon
précise des relations économiques en vue de mieux expliciter le fonctionnement de
l’économie.
L’objectif principal de ce cours est donc de permettre aux étudiants de maîtriser les outils
mathématiques fréquemment utilisés dans l’analyse économique. Ainsi, le cours de TAE 2
vise à familiariser l’étudiant avec les méthodes mathématiques d’optimisation statique sous
contraintes et d’analyse dynamique utilisées pour obtenir des solutions aux problèmes
économiques.
P a g e 3 | 54
Partie I : OPTIMISATION STATIQUE
P a g e 4 | 54
Chapitre 1 : Quelques rappels
1.1 Définitions préliminaires
Soit f une fonction de n variables ( x1 , x2 ,....., xn ) à valeurs réelles dont l’ensemble de
définition U constitue un sous-ensemble de IR n . On supposera toujours que f est continue et

deux fois différentiable.
 f  x1 , x2, . . nx 
On note f i  la dérivée partielle de f par rapport à xi  fi    ; on note f ij la
  x 
 i 
  2 f  x1, x2 ,..xn  
dérivée croisée de f par rapport à xi et xj  fij  
  x  x 
 i j 
Déterminant d’une matrice : le déterminant d’une matrice est défini par induction :
 Une matrice (1,1) est juste un scalaire a. Le déterminant de cette matrice est égal à a.
a b a b
 Une matrice (2,2) : soit M    . Le déterminant de M s’écrit  ad  bc .
c d  c d
 a11 a12 ... a1n 
 
 a21 a22 ... a2 n 
 Une matrice (n,n) : soit M  pour calculer le déterminant de M, il suffit
 ... ... ... ... 
 
 an1 an 2 ... ann 
d’utiliser la méthode dite du « développement selon la première ligne » :
1. On associe à chaque coefficient a1i de la première ligne de la matrice M un signe “+” si i est
impair et un signe “-” si i est pair.
2. Le déterminant de M peut s’écrire comme la somme des n déterminants d’ordre (n-1) obtenus
en éliminant de la matrice M la ligne et la colonne contenant le coefficient a1i . Chacun de ces
déterminant est multiplié par  1
1 i
a1i .
a b c
Exemple : Soit M   d e

f  . Le déterminant de la matrice M s’écrit :
g i 
 h
a b c
e f d f d e
det  M   d e f  a b c
h i g i g h
g h i
 a  ei  fh   b  di  fg   c  dh  eg 
P a g e 5 | 54
 Les mineurs d’une matrice
 Mineurs principaux d’une matrice :

Soit M une matrice carrée symétrique de dimension (n, n). Un mineur principal d’ordre k est
le déterminant de la sous-matrice de M d’ordre k obtenue en supprimant n-k lignes et les n-k
colonnes correspondantes dans M.
 a11 a12 a13 
Exemple : soit M   a21 a22

a23  . Les trois mineurs principaux d’ordre 1 de M sont a11 ,
a a33 
 31 a32
a22 et a33 .
a22 a23 a11 a13 a a12

Les trois mineurs principaux d’ordre 2 de M sont : , et 11
a32 a33 a31 a33 a21 a22
a11 a12 a13

Le mineur principal d’ordre 3 de M est : a21 a22 a23
a31 a32 a33
 Mineurs principaux diagonaux d’une matrice :
Soit M une matrice carré symétrique de dimension (n, n). Le mineur principal diagonal
d’ordre k (noté Dk) de la matrice M est le déterminant de la matrice de taille (k, k) obtenue en
éliminant les n – k dernières lignes et n – k dernières colonnes de la matrice M. Une matrice
carré d’ordre n admet n mineurs principaux diagonaux.
N.B. : Le mineur principal diagonal d’ordre k d’une matrice est l’un de ses mineurs
principaux d’ordre k.
 a11 a12 a13 

Exemple : soit M   a21 a22 a23  .
a 
 31 a32 a33 
Le mineur principal diagonal d’ordre 1 de M est a11.
a11 a12
Le mineur principal diagonal d’ordre 2 de M est :
a21 a22
a11 a12 a13

Le mineur principal diagonal d’ordre 3 de M est : a21 a22 a23
a31 a32 a33
P a g e 6 | 54
 Matrice hessienne
On appelle matrice hessienne H  x1 , x2 ,..., xn  de f la matrice des dérivées secondes de f
évaluées au point  x1 , x2 ,..., xn  :
 f11 f12 ... f1n 

  
 f 21 f 22 ... f 2n 
H  x1 , x2 ,..., xn  
 ... ... ... ... 
 
 f n1 f n2 ... f nn 
Comme fij  f ji   i, j  , la matrice hessienne de f est une matrice symétrique d’ordre n.
 La matrice jacobienne
Soit G   g1 , g 2 ,..., g m  une fonction définie de IR n dans IRm . A tout vecteur x   x1 , x2 ,..., xn  ,
la fonction G associe le vecteur de fonctions  g1  x  , g 2  x  ,..., g m  x   . On appelle matrice
jacobienne de G, la matrice de dimension (m, n), J G  x1 , x2 ,..., xn  des dérivées partielles des
m fonctions qui composent G :
 g1 g1 g1

 x  x  x  x  ...  x  
xn
 1 2 
 g 2 g 2 g 2 
 x  x  x  x  ...  x 
J G  x1 , x2 ,..., xn    1 2 xn 
 ... ... ... ... 
 
 g m  x  g m  x  ...
g m
 x  
 x x2 xn
 1 
1.2 Matrices définies et semi – définies
a) Matrice définie positive
Soit M, une matrice carrée symétrique. Soit A un vecteur colonne quelconque. On note A sa
transposée. M est dite définie positive si et seulement si :
AMA 0 A  0
N.B : Les éléments diagonaux aii d’une matrice définie positive sont tous 0 .
b) Matrice semi-définie positive
Soit M une matrice carrée symétrique. Soit A, un vecteur colonne quelconque. On note A sa
P a g e 7 | 54
transposée. Une matrice M est dite semi-définie positive si et seulement si : AMA  0 A
N.B : les éléments diagonaux aii d’une matrice semi-définie positive sont tous  0 .
c) Matrice définie négative
Soit M une matrice carrée symétrique. Soit A un vecteur colonne quelconque. On note A sa
transposée. Une matrice M est dite définie négative si et seulement si : AMA 0 A  0
N.B : Les éléments diagonaux aii d’une matrice définie négative sont tous 0 .
d) Matrice semi-définie négative
Soit M une matrice carrée symétrique. Soit A un vecteur colonne quelconque. On note A sa
transposée. Une matrice M est dite semi-définie négative si et seulement si : AMA  0 A
N.B : Les éléments diagonaux aii d’une matrice semi-définie négative sont tous  0 .
Caractérisation : soit M une matrice carrée symétrique d’ordre n.

 M définie positive  ses n mineurs principaux diagonaux Dk sont > 0.
 M semi-définie positive  tous ses mineurs diagonaux (et pas seulement diagonaux)
Dk sont  0
 M définie négative  ses n mineurs principaux diagonaux Dk sont alternativement < 0
(k impair) et > 0 (k pair).
 M semi-définie négative  tous ses mineurs principaux Dk (et pas seulement
diagonaux) sont alternativement  0 (k impair) et  0 (k pair).
1.3 Ensembles convexes
Un ensemble de points A de IR n est convexe si x  Aet y  A implique tx  1  t  y  A pour
tout t tel que 0  t  1. Un ensemble de points appartenant à A est strictement convexe si

tx  1  t  y est à l’intérieur de A pour tout t tel que 0 t 1.
Montrons que la somme d’ensembles convexes est convexe :
Soit A1 et A2 deux ensembles convexes, et soit A  A1  A2 .
P a g e 8 | 54
Soit x et y, deux points de A. par définition, x  x1  x2 où x1  A1 et x2  A2 , et de même pour y.

il s’ensuit que :
tx  1  t  y  t  x1  x2   1  t  y1  y2 
 tx1  1  t  y1   tx2  1  t  y2 
Les expressions entre crochets appartiennent respectivement à A1 et A2 puisque chacune est un
ensemble convexe. En conséquence, tx  1  t  y  A , ce qui signifie que A est un ensemble
convexe.
Intuitivement, un ensemble convexe est tel que tout segment reliant deux points de cet
ensemble se trouve à l’intérieur de l’ensemble. La figure 1 donne un exemple d’ensemble
convexe et un exemple d’ensemble non convexe.
N.B : La notion d’ « ensemble concave » n’existe pas.
1.4 Fonctions concaves, fonctions convexes

a) Définition de fonctions concaves sur un sous ensemble convexe de S
Soit f une fonction de plusieurs variables définie sur un ensemble convexe de S. On dit que
f est concave sur S si et seulement si,   x, y   S et t   0,1 , on a :

2
f  1  t  x  ty   1  t  f  x   tf  y 
f est strictement concave sur S si et seulement si :
P a g e 9 | 54
f  1  t  x  ty  1  t  f  x   tf  y 
Autrement dit, une fonction f est concave si et seulement si le segment reliant tout couple de
points situés sur la surface définie par f est situé au-dessous de cette surface.
Les figures 2 et 3 donnent respectivement un exemple de fonction strictement concave dans le
cas d’une seule variable et de deux variables.
b) Définition de fonctions convexes sur un sous ensemble convexe de S
Soit f une fonction de plusieurs variables définie sur un ensemble convexe S. On dit que f
est convexe sur S si et seulement si,   x, y   S 2 et t   0,1 , on a :
f  1  t  x  ty   1  t  f  x   tf  y 
f est strictement concave sur S si et seulement si :

f  1  t  x  ty  1  t  f  x   tf  y 
Autrement dit, une fonction f est convexe si et seulement si le segment reliant tout couple de
points situés sur la surface définie par f est situé au-dessus de cette surface.
Les figures 4 et 5 donnent respectivement un exemple de fonction strictement convexe dans le
cas d’une seule variable et de deux variables.
P a g e 10 | 54
Propriétés importantes :
 f concave  - f convexe
 Si f et g sont des fonctions concaves (resp. convexes), alors   a, b   IR2 ,  a. f  b.g 
est une fonction concave (resp. convexe).

 Si f est une fonction concave et g est une fonction croissante et concave, alors la
fonction g(f(x)) est concave.
 Si f est une fonction convexe et g est une fonction croissante et convexe, alors la
fonction g(f(x)) est convexe.
 Une fonction affine est à la fois concave et convexe.
Caractéristisation pour les fonctions à plusieurs variables :
 f concave  la matrice hessienne de f est semi-définie négative x  IR n .
P a g e 11 | 54
 La matrice hessienne de f est définie négative x  IR n  f strictement concave

(attention : la réciproque n’est pas nécessairement vraie).
 f convexe  la matrice hessienne de f est semi-définie positive x  IR n .
 La matrice hessienne de f est définie positive x  IR n => f strictement convexe
(attention : la réciproque n’est pas nécessairement vraie).
Exemple : Montrer que la fonction f  x, y, z   x 2  2 y 2  3z 2  2 xy  2 xz est strictement
convexe.
Solution : Soit H la matrice hessienne de f. Elle s’écrit :
 f xx f xy f xz   2 2 2 
   
H  x, y , z    f yx f yy f yz    2 4 0 
 f 
 zx f zy f zz   2 0 6 
Notons qu’ici, la matrice hessienne est indépendante de ses arguments x, y et z (ce n’est pas
toujours le cas). Les mineurs principaux diagonaux de H sont D1 = 2 > 0, D2 = 4 > 0 et D3 = 8
> 0, donc H est définie positive, donc f est strictement convexe.
En effet :
2 2 2
2 2
D1  2 ; D2   4 et D3  2 4 0  8
2 4
2 0 6
P a g e 12 | 54
POINTS IMPORTANTS A RETENIR
- Définir les termes suivants : mineurs d’une matrice, mineurs

principaux diagonaux d’une matrice
- Définir les termes : matrice hessienne, matrice hessienne bordée
- Définir une matrice Jacobienne
- Définir les notions suivantes : matrice définie positive et négative puis
une matrice sémi-définies positive et négative
- Définir les termes suivants ; Ensembles convexes, fonctions concaves,
fonctions convexes.
P a g e 13 | 54
Chapitre 2 : Optimisation libre : Existence d’Extrema, caractérisation pour une

fonction à plusieurs variables, conditions de premier et second ordres
La recherche des extrema d’une fonction est au centre de la théorie économique : le but de
celle-ci n’est –il pas de gérer « au mieux » les ressources disponibles ? Ainsi, le « principe de
maximisation » sert à fonder l’approche néoclassique.
Dans ce chapitre, nous nous intéresserons au cas le plus simple : celui d’une fonction dont les
variables sont « libres », pouvant prendre n’importe quelle valeur, dans son domaine de
définition.
2.1. Extrema globaux ou locaux
a) Définition
Soit f une fonction de IR n vers IR qui à  x1 , x2 ,..., xn   M associe f  x1 , x2 ,..., xn   f  M  .
On dit que f admet un maximum (resp. un minimum) global au point Mo lorsque :

M  D f f M   f M0   resp. f  M   f  M   .
0
On dit que f admet un maximum (resp. un minimum) local au point Mo lorsque : il existe un
voisinage V de Mo tel que :
M V f M   f M0   resp. f  M   f  M  .
0
Un maximum ou un minimum est appelé extrémum.
Propriété : Un extrémum global est un extrémum local mais la réciproque est fausse.
b) Extrémum libre
Nous étudions les extrémums locaux pour des fonctions admettant des dérivées partielles
d’ordre deux continues.
f admet un extremum local au point Mo lorsque : il existe un voisinage V de Mo tel que :
M V f  f  M   f  M 0  garde un signe constant. On étudie donc le signe de f .
 Conditions nécessaires d’extrémum local (condition du 1er ordre)
P a g e 14 | 54
Pour que f admette un extrémum local au point M 0   x1 , x2 ,..., xn  il faut que :
grad f  M 0   0 . C'est-à-dire f xi  M 0   0 i  1, 2,..., n
- Définition (points critiques ou candidats à l’extrémum)
Les points Mo pour lesquels grad f  M 0   0 sont dits points critiques de f ou candidats à
l’extrémum ou encore stationnaire.
N.B : La condition nécessaire n’est pas suffisante, comme le montre le cas du « point selle » ou « col » qui ne
correspond ni à un maximum, ni à un minimum.
2.2. Cas des fonctions de deux variables
 Conditions suffisantes si n = 2
Soit  x0 , y0  un point stationnaire ou candidat pour f. Pour h et k voisins de zéro. Alors
f  f  x0  h, y0  k   f  x0 , y0 
1 2
h f x2  x0 , y0   2hkf xy  x0 , y0   k 2 f y2  x0 , y0  
2  
1 2  h  
2
h
k   f x2  x0 , y0   2   f xy  x0 , y0   f y2  x0 , y0  
2  k  k 
h
 f est du signe du trinôme du second degré en qui se trouve entre crochet. Ce signe est
k
déterminé par celui du discriminant (réduit) :
D  f x2  x0 , y0  . f y2  x0 , y0    f xy  x0 , y0  

2
 Si D 0 et f x2  x0 , y0  0, f admet un maximum local au point  x0 , y0  .
 Si D 0 et f x2  x0 , y0  0, f admet un minimum local au point  x0 , y0  .
 Si D 0, f n’admet pas d’extrémum au point  x0 , y0  , un tel point est appelé col, ou
point-selle.
 Si D  0, on ne peut pas conclure, on étudie directement le signe de f .
Exemple : Soit à optimiser la fonction suivante

f ( x; y )  x 2  4 x  3 y 2  6 y
P a g e 15 | 54
La condition nécessaire (CIO) :

f x  0
 Nous permet de trouver le point A (2 ; 1) comme point stationnaire ou critique.
f y  0
Déterminons la nature de ce point : Conditions de second ordre (CIIO)

Calculons d’abord les dérivées partielles
f x2 ( A)  2
f y2 ( A)  6 et on a D 0
f xy  f yx  0
f x2 ( A)  2 0 et D 0 Alors le point A (2 ; 1) trouvé est un minimum à la fonction f.
Remarque 1:
La fonction f x2 * f y2 ( f xy )2 peut s’exprimer à partir du déterminant de la matrice Hessienne
formée des dérivées partielles secondes de f .
f x2 f xy
f x2 * f y2 ( f xy )2 si et seulement si 0
f yx f y2
Si le déterminant de la matrice Hessienne est inférieure à 0 ; c’est-à-dire f x2 * f y2 ( f xy )2 , le
point stationnaire ( x0 ; y0 ) n’est ni un maximum, ni un minimum. Un tel point s’appelle

« saddle point » encore appelé point col ou point selle.
Si le déterminant de la matrice Hessienne est nul, c’est-à-dire f x2 * f y2  ( f xy )2 , on ne peut
conclure. Il faut appliquer la méthode d’étude locale à la fonction f  x; y  pour déterminer le
type d’extremum.
2.3. Cas des fonctions de n variables
Soit une fonction de n variables f  x1 , x2 ,....xn  définie au voisinage d’un point
M 0  x1 , x2 ,....xn  qui est un point critique ou stationnaire de f. pour savoir si Mo est un
extrémum (minimum ou maximum), on étudie le signe de f  f  M   f  M 0  , M étant
dans le voisinage de Mo.
P a g e 16 | 54
Dans le voisinage de Mo, on pose :( x1  x10  h1 , x2  x20  h2 ,.............. ).

La formule de Taylor–Young pour les fonctions à n variables nous donne :
n n
1
f  f  M   f  M 0    hi h j f xij  M 0   R  h1 , h2 ,..., hn 
i 1 j 1 2
Avec lim R  h1 , h2 ,..., hn   0 i . Au voisinage de Mo, on a donc

hi 0
1 n n
f  hi h j f xij  M 0   q
2 i 1 j 1
est une forme quadratique dont la matrice associée
 
H  f xi x j  M 0  est une matrice hessienne.
Le signe de f est le même que celui de q.

o Si q est définie positive, alors f admet un minimum local au point Mo.
o Si q est définie négative, alors f admet un maximum local au point Mo
o Si q est non définie alors f n’admet pas d’extremum au point Mo, il s’agit d’un « col ».
o Si q est semi-définie on ne peut pas conclure, on étudie directement le signe de f .
Pour déterminer le signe (ou la nature) de q, on peut utiliser les mineurs principaux de la
matrice hessienne H. pour la définition des mineurs d’ordre i (Di), voir chapitre I. En effet,
i  1, 2,..., n Di 0  q definie positive  Minimum

i  1, 2,..., n  1 0  q definie negative  Maximum
i
Di
On remarque bien que pour que q soit définie négative, il faut qu’il ait une alternance de signe des mineurs
c'est-à-dire (D1< 0, D2 > 0, D3 < 0…).
Remarque 2:
On peut généraliser la remarque 1 dans le cas de fonction à plusieurs variables à partir de
l’analyse du déterminant de la matrice Hessienne ci-après :
f x2 f x1x2 f x1xn
1
f x2 x1 f x2 f x2 xn

H  2
f xn x1 f xn x1 f x2

n
P a g e 17 | 54
D’une manière générale, la fonction f  x1 , x2 ,....xn  atteint un minimum lorsque les
déterminants de tous les mineurs principaux sont supérieurs à zéro. Elle atteint son maximum
lorsqu’il y a alternance des signes en commençant par le signe négatif.
P a g e 18 | 54
I. Questions de contrôle de connaissances

1. Qu’est-ce qu’un extremum global et extremum local ?
2. Qu’est-ce qu’un point stationnaire ou critique d’une fonction ?
II. Exercice d’assimilation

Trouver et discuter les points critiques de la fonction
f  x, y   x3  y 3  3xy
g  x, y   xy 2  2 x 2  y 2
h  x, y   3x 4  3x 2 y  y3
III. Exercice d’approfondissement
Etudier les extrema locaux de la fonction IR3 vers IR définie par :
f  x, y, z   8x3  y 3  12 xyz  10 z 3  6 z
P a g e 19 | 54
Chapitre 3 : Optimisation sous contrainte(s) d’égalité : Méthode de substitution

directe, méthode de Lagrange
Ce chapitre, contrairement au précédent traite le cas où les variables intervenant dans la

fonction dont on cherche les extrema ne sont plus libres, mais soumises à des contraintes.
Bien entendu, les contraintes peuvent s’écrire sous forme d’égalité, soit sous la forme
d’inégalités.
Dans ce chapitre, nous traitons volontairement le cas où les contraintes sont sous forme
d’égalités.
3.1. Extrémums liés
On recherche les extrémums locaux d’une fonction f de IR n vers IR sous la contrainte g = 0.
a) Méthode de substitution
Si la relation g  x1 ,...., xn   0 permet d’exprimer une variable en fonction des autres, en la
remplaçant dans f on est ramené à l’étude d’une fonction de (n-1) variables sans contraintes.
Exemple 1:
Trouver et discuter les extrema de la fonction f  x, y   x 2  y sous la contrainte
g  x, y   x3  y  0 .
 
g  x, y   0  y   x3 , x étant arbitraire de sorte que S   x,  x3  ; x  IR et que l’étude de la
fonction f  x, y  sur S revient à l’étude de la fonction F  x   f  x,  x3   x 2  x3 c'est-à-dire à
l’étude d’une seule variable.
Comme F   x   x  2  3x  , on a deux candidats pour F   x   0 à savoir x  0 et x  2 .

3
Comme F   x   2  6 x, on a F   0   2  3   2
0 et F  2 0 . Donc x  0 est un minimum
local de F  x  , la valeur minimale étant 0, et x  2 est un maximum local de F  x  , la

3
 
valeur maximale étant F 2 3  4 27 .
P a g e 20 | 54
La réponse au problème posé pour la fonction f  x, y  est donc le suivant : f  x, y  a, sous la
contrainte g  x, y   0 , un minimum en (0,0) et un maximum en 2 3 ,  8 27 .  

Exemple 2:
Soit la fonction-objectif ; f  x, y   x 2  xy dont on veut connaitre les extremums compte
tenue de la contrainte x  2 y  4 .
b) Le multiplicateur de Lagrange
Soit f  x1 , x2 ,..., xn  une fonction à n variables définie au voisinage d’un point
M 0  x10 , x20 ,..., xn0  . Et soit g  x1 , x2 ,..., xn   0 une contrainte. Soit la fonction définie par :
L  x1 , x2 ,..., xn ,    f  x1 , x2 ,..., xn    g  x1 , x2 ,..., xn 
L est appelée fonction de Lagrange ou plus simplement le lagrangien associé à f et g.  est

appelé le multiplicateur de Lagrange.
L’étude des extremums de f avec la contrainte g, se ramène à l’étude des extremums de L sans
contraintes.
b-1) Conditions nécessaires d’extremum local (CIO)
 Lx1  x1 , x2 ,..., xn ,    0

 Lx2  0
On pose 
 L  0
 xn
 L  0

La résolution de ce système de n+1 équations à n+1 inconnues nous donne les coordonnées
des points susceptibles d’être extremum et appelés points stationnaires.
b-2) Conditions suffisantes (CIIO)
 Cas où n = 2 variables
P a g e 21 | 54
Soit un point  x0 , y0  solution des conditions nécessaires du système précédent et on calcule la
matrice Hessienne bordée suivante :

On calcule d’abord la matrice Hessienne bordée H de L.
L  x, y,    f  x, y    g  x, y 
 L2 Lxy Lx 

 x 
H  x0 , y0    Lyx Ly 2 Ly 
  Rappel :
 Lx Ly L2 
 Théorème de Schwartz : Si f admet
des dérivées partielles secondes
Lx  f x   g x ; Lx  0  g x  g x continues
Ly  f y   g y ; Ly  0  g y  g y f xi x j et f xj xi alors f xi x j  f xj xi
L  0  g  x, y  ; L 2  0
 L2 Lxy g x 
 x 
On obtient alors H  x0 , y0    Lyx Ly 2 g y 
 
 g g y 0 
 x
Si det H 0 alors f admet un maximum local au point  x0 , y0  .
Si det H 0 alors f admet un minimum local au point  x0 , y0  .
Si det H  0 on ne peut pas conclure ; on étudie directement le signe de
f  f  x0  h, y0  k   f  x0 , y0  en tenant compte de la contrainte g  x0  h, y0  k   0 .
N.B : On peut dans tous les cas étudier directement le signe de  f (en tenant compte de la contrainte) sans
utiliser la matrice Hessienne bordée.
Exemple 3:
Soit la fonction-objectif ; f  x, y   x 2  xy dont on veut connaitre les extremums compte
tenue de la contrainte x  2 y  4 . Appliquer le Lagrangien et également la méthode d’étude

locale de f ( f ).
c) Interprétation du multiplicateur de Lagrange
La contrainte se met sous la forme g  x, y   0 (ici, x  2 y  4  0 ). Supposons qu’on relâche
cette contrainte, c’est-à-dire qu’on considère g  x, y   c  0 . Par exemple pour c  1 , on
P a g e 22 | 54
trouve g  x, y   1  0  ( x  2 y  4)  1  0 .
La solution optimale est évidemment modifiée par ce changement dans la contrainte. Ainsi le
multiplicateur de Lagrange mesure l’effet d’une variation de la contrainte sur la solution
optimale.  est donc l’effet d’une variation marginale de la contrainte sur la solution
optimale.
 Cas où n > 2 variables
L  x1 , x2 ,..., xn ,    f  x1 , x2 ,..., xn    g  x1 , x2 ,..., xn 
On considère un point  x , x ,..., x  solution

0
1
0
2
0
n
des conditions nécessaires et on calcule la
matrice Hessienne bordée suivante :
 Lx12 Lx1x2 Lx1xn g x1 

 
 Lx2 x1 Lx2 Lx2 xn g x2 
 
2
H  x1 , x2 ,..., xn   
0 0 0

 L Lxn x2 Lx2 g xn 
 xn x1 n 
 g x g x2 g xn 0 
 1
On calcule directement les déterminants Di d’ordre i  i  3, 4,..., n  1 obtenus en prenant les
termes communs aux (i-1) premières lignes et aux (i-1) premières colonnes de H et en
rajoutant les termes correspondants de la dernière ligne et dernière colonne.
0,....,  1
n 1
 Si D3 0, D4 Dn 0 alors f admet un maximum au point
correspondant.
P a g e 23 | 54
 Si D3 0, D4 0,...., Dn 1 0 alors f admet un minimum au point correspondant.

Dans les autres cas, on étudie directement le signe de f en tenant compte de la contrainte g =
0.
Exemple :
f  x, y, z   x ln x  y ln y  z ln z
Etudier les extremums de f sous la contrainte x  y  z  3
3.2. Extrémums liés dans le cas de plusieurs contraintes
Soient f  x1 , x2 ,..., xn  et g j  x1 , x2 ,..., xn  , j  1, 2,..., p des fonctions de n variables  n p
dérivables au voisinage d’un point M, les dérivées de f et des g j étant continues sur ce
voisinage, telles que g j  M   0 , j  1, 2,..., p et telles que la matrice jacobienne des g j soit
de rang p au point M.
Alors f  x1 , x2 ,..., xn  admet un extremum local au point M sous les contraintes
g j  x1 , x2 ,..., xn   0 , j  1, 2,..., p il existe p nombres réels 1 , 2 ,...,  p tels que :
1 f xi  M   1 g1  M  x  .....   p g p  M  x  0

i i
i  1, 2,..., n
Le lagrangien dans ce cas s’écrit comme suit :

 p
 p
L  x1 , x2 ,..., xn ,   j   f  x1 , x2 ,..., xn     j g j  x1 , x2 ,..., xn 
 j 1  j 1
Avec cette notation, la condition (1) s’écrit : Lxi  M   0 i  1, 2,....., n ou grad L  M   0
(Pour les conditions suffisantes, la démarche est la même que celle vue précédemment).
3.3. Quelques exercices d’application et corrigés
a) Rechercher les extrema des fonctions :

1) f  x, y, z   x 2  y 2  z 2 sous les contraintes
g1  x, y, z   x  y  z  3  0 et g 2  x, y, z   z  1  0
2) f  x, y, z   xyz sous les contraintes g1  x, y, z   x  y  z  1  0 et g 2  x, y, z   y  z  0
P a g e 24 | 54
b) Recherche d’extrema d’une fonction : méthode de substitution directe et la

méthode du signe de Δf
Etudier l’existence d’extremum de la fonction f définie sur IR 2 par f ( x, y )  xy avec la
contrainte d’égalité g ( x, y )  x  y  6  0 .
De la relation x  y  6  0 on tire y  6  x et on remplace dans la fonction f ( x, y )  xy . La
variable y par son expression en fonction de x ; ce qui donne la fonction d’une variable 
définie par  ( x)  x(6  x) , pour laquelle on doit étudier l’existence d’un extremum local.
 est une fonction polynôme donc est deux fois dérivable sur IR et on a  ( x)  6  2 x et
 ( x)  2 p 0 . La fonction  est donc concave sur IR et par conséquent la condition de 1er
ordre relative à l’existence d’un extrémum local est une condition nécessaire et suffisante.
Comme  ( x)  0 pour x  3 , la fonction  possède un maximum local pour x  3 . En
conclusion, f possède un maximum local au point X *  ( x*  3; y*  6  x*  6  3  3) qui

vaut
f (3,3)  9.
Autre méthode
f ( x, y )  xy avec la contrainte g ( x, y )  x  y  6  0
L( x, y,  )  xy   ( x  y  6)
Les CIO :
L( x, y,  )
 y 0
x x  3
L( x, y,  ) 
 x 0 soit  y  3
y   3
L( x, y,  ) 
 x y6  0

On obtient donc un point critique X *  (3;3) donc le multiplicateur associé est   3 .

Etudions à présent le signe de f (3  h,3  k )  f (3;3)
f  f (3  h,3  k )  9  3(h  k )  hk , h et k étant liés par
la relation g (3  h,3  k )  h  k  0 soit encore h  k . On a par conséquent
P a g e 25 | 54
f (3  h,3  k )  f (3;3)  k 2 p 0 pour tout réel k. Il en résulte que la fonction f définie par
f ( x, y )  xy avec la contrainte d’égalité x  y  6  0 sur les variables x et y possède un
maximum local en X *  (3;3) égal à f (3,3)  9.
P a g e 26 | 54

1. Qu’est-ce qu’un extremum lié ?
2. Maîtriser la méthode de substitution et du Lagrange
3. Maitriser les critères de décision d’existence d’extremum dans le cas d’une fonction à 2
variables et une fonction à plus de deux variables.
1. Soit f l’application de IR2 dans IR définie par : f  x, y   x 2 y 3 . Etudier les extrémums
locaux de f lorsque x et y sont liés par la relation : x  4 y  10
On considère que le revenu disponible d’un individu est R . Ce revenu est entièrement consacré à
l’achat de deux biens x et y . Les prix unitaires de ces deux biens sont respectivement px et p y et
sont indépendants des quantités x et y achetées. On suppose que la satisfaction de cet individu est
de la forme S  x y .
2 3
a) Sachant que px  1, py  4 et R  10 , calculer les quantités de biens demandées par
l’individu rationnel. Quel sera le niveau de satisfaction correspondant à cette demande

optimale ?
b) On admet maintenant que px  2  py  2, quel est le revenu minimum nécessaire pour
obtenir le niveau de satisfaction S  108 ?
P a g e 27 | 54
Chapitre 4 : Optimisation sous contrainte(s) d’inégalité : Méthode de Kuhn-Tucker
L’étude du cas où les contraintes auxquelles sont soumises des variables intervenant dans une
fonction-objectif se présentent en général sous la forme d’inégalités (ainsi, une égalité est
équivalente à deux inégalités, identiques mais de sens contraire). En outre la plupart des
problèmes d’optimisation en économie font intervenir des contraintes sous forme d’inégalités.
D’où l’importance du théorème de Kuhn et Tucker, de la notion de variable duale associée à
une contrainte et des relations d’exclusions.
4.1. Extrema sous contraintes en forme d’inégalités
Soit f et g j , j  1,.., m des fonctions définies sur un sous-ensemble D de IR n et soit S le sous-
 
ensemble de D défini par S  X  D; g j  X   0, j  1,..., m (m n’est pas limité et il se peut
que m  n ).
On suppose S   et on s’intéresse aux valeurs que prend f  X  lorsque X  S , c'est-à-dire à
la restriction de f et S et, en particulier, aux valeurs extrémales. (Ici on note que l’ensemble S
est définie par les inégalités g j  X   0, j  1,..., m , m étant quelconque alors que
précédemment il l’était par les égalités g j  X   0, j  1,..., p, avec p  n où n est le nombre
des variables ( X   x1 ,..., xn  ) ; (On rappelle que p étant le nombre de contraintes).
La définition des extrema de f sous les contraintes g j  X   0, j  1,..., m est donnée par
l’intermédiaire des extrema de f sur S.
a) Définition
On dit que f a un minimum (resp. maximum) au sens large global ou absolue en M  M  S 
sur S (sous les contraintes g j  X   0, j  1,..., m ) si X  S  f  X   f  M  ( resp. f  X   f  M  ).
On dit que f a un minimum (resp. maximum) strict global ou absolu en M  M  S  sur S (sous
les contraintes g j  X   0, j  1,..., m ) si ( X  S et X  M )  f  X  f  M   resp. f  X  f  M .
f admet un minimum (resp. maximum) au sens large local en M  M  S  sur S (sous les
P a g e 28 | 54
contraintes g j  X   0 ) s’il existe un voisinage VM de M tel que X  S VM  f  X   f  M 
 resp. f  X   f  M   .
f admet un minimum (resp. maximum) strict local en M  M  S  sur S (sous les contraintes
g j  X   0 ) s’il existe un voisinage VM de M tel que  X  S  VM et X  M   f  X  f M 
 resp. f  X  f  M  .
Exemple :
Résoudre graphiquement : max f  x, y   2 x  y sous les contraintes x  y  1; x  0; y  0
4.2. Conditions de Kuhn et Tucker
a) Définition (contraintes saturées)
Soit M  S (donc g j  M   0, j  1,..., m ) ; on dit que la contrainte g k est saturée en M si gk  M   0 .
b) Définition (contraintes régulières)
Soient g j , j  1,..., m des fonctions dérivables en un point M tel que g j  M   0 .
On dit que les contraintes g j  X   0 sont régulières en M si aucune d’entre elles n’est saturée
en M (c'est-à-dire si g j  M  0, j  1,..., m ) ou si le rang de la matrice jacobienne des contraintes
saturées en M est égal au nombre de ces contraintes.

En d’autres termes, si g j  M   0 pour j  J   j1 , j2 ,..., j p  et si g j  M  f 0 pour j  J , les contraintes
sont dites régulières en M si la matrice jacobienne des g j1 ,..., g j p est de rang p en M.
c) Théorème de Kuhn et Tucker
Soit et f  X  et g j  X  ; j  1, 2,..., m des fonctions dérivables, à dérivées partielles continues,
au voisinage d’un point M, tel que g j  M   0 et tel que les contraintes g j  X   0 soient
régulières en M.
P a g e 29 | 54
Alors si M est un extremum local de f sous ces m contraintes, il existe m nombres  j , j  1,2,.., m
tels que :
1 f xi  M     j  g j  M   0 i  1, 2,..., n

xi
j
 2 j g j M   0 j  1, 2,...m
 3 j  0 j  1, 2,..., m si M est un max imum
 3  j  0 j  1, 2,..., m si M est un min imum
Ces conditions sont dites Conditions de Kuhn et Tucker. Remarquons que si l’on pose
L  X   f  X     j g j  X  (appelé aussi « lagrangien ») les conditions (1) se mettent sous
j 1
la forme Lxi  M   0  i  1,2,...., n  ou encore : grad L  M   0. les relations (2) sont appelées
relations d’exclusion.
Définition
On dit que les conditions de Kuhn et Tucker sont nécessaires lorsque l’ensemble des solutions
du problème non linéaire est inclus dans l’ensemble des solutions du problème linéarisé.
Autrement dit, l’ensemble des solutions du problème non linéarisé vérifie les conditions de
Kuhn et Tucker. On dit aussi que les contraintes du problème non linéaire sont qualifiées.
N.B. : Contraintes qualifiées  Condition nécessaires.
Condition de qualification des contraintes

 Cas particulier
C’est le cas où les contraintes sont régulières (voir le point b) ci-dessus).
 Autres cas particuliers

Si les contraintes sont linéaires, elles sont qualifiées
Si toutes les contraintes sont concaves elles sont qualifiées.
Condition suffisante
Théorème
Les conditions de Kuhn et Tucker sont suffisantes dans le cas des programmes concaves et
convexes. On dit qu’un programme est concave (ou convexe) si la fonction-objectif et les
P a g e 30 | 54
contraintes sont toutes concaves (ou convexes).

Dans le cas de programme concave ou convexe, alors les conditions sont à la fois nécessaires
et suffisantes.
d) Interprétation économique des variables duales  j
Les m nombres  j qui apparaissent dans l’énoncé du théorème de Kuhn et Tucker présentent
une analogie certaine avec les multiplicateurs de Lagrange (qui correspondaient au cas où les
contraintes s’écrivaient sous la forme d’égalités) : c’est pourquoi on leur donne parfois ce
nom. Mais l’appellation la plus usuelle est celle de variables duales, appellation qui a son
origine dans la programmation linéaire, comme nous le verrons en recherche opérationnelle
(licence 3).
L’interprétation économique de ces variables duales est similaire à celle qui a été donnée aux
multiplicateurs de Lagrange. En effet, les multiplicateurs mesure la « variation marginale »
de la fonction-objectif ou encore l’ « intensité de la contrainte » à l’extrema considéré.
P a g e 31 | 54

1. Définir les conditions de Kuhn et Tucker
2. Enoncer les conditions de qualification des contraintes
3. Donner une interprétation économique des variables duales ?

Résoudre par la méthode de Kuhn et Tucker
max f  x, y   2 x  y Sous les contraintes x  y  1; x  0; y  0
Après avoir vérifié les conditions de qualification des contraintes et conditions suffisantes
de Kuhn et Tucker, déterminer les extrema des fonctions suivantes :
f ( x; y )  xy
S / c 2u  x  y  0
x  0; y  0;
Où u est une constante strictement positive.
Déterminer les extrema de la fonction suivante :

f  x, y   x 2  x  4 y 2
S /c 2x  2 y  1
x  0; y  0
P a g e 32 | 54
Partie II : OPTIMISATION DYNAMIQUE
P a g e 33 | 54
Chapitre 5 : Equations différentielles
On appelle équations différentielles, une relation donnée entre une variable réelle x,
une fonction inconnue de x notée y et les dérivées y, y,..., y n de y de la forme
 
f x, y, y,..., y n  0 1
L’ordre de l’équation différentielle est l’ordre le plus élevé des dérivées de y continues dans
(1).
Exemple :  x  1 y  2 y  x 2 y 3  0 est une équation différentielle d’ordre 2.
5.1.Equation différentielle du 1er ordre
Définition
On appelle équation différentielle du premier ordre les équations du type F ( x, y, y)  0
résolues par rapport à y  c’est-à-dire de la forme y   ( x, y ) .
Problème : c’est de trouver y
a) Equations différentielles linéaires du 1er ordre
C’est une équation de la forme a  x  y  b  x  y  C  x  , a  x  et b  x  sont des polynômes en x. (1)

L’équation homogène associée à (1) est : a  x  y  b  x  y  0  2 .
Résolution de l’équation homogène (2)
a  x  y  b  x  y  0
dy dy b  x dy b  x
a  x  b  x  y    dx      dx
dx y a  x y a  x
y
ln y  H  x   c en posant c  ln k  ln y  ln k  H  x    e H  x
k
D’où y  ke   ou y  kH 0  x  avec H 0  x   e    3
H x H x
Remarque (3) montre que l’ensemble des solutions d’une équation différentielle linéaire de 1er
ordre est un espace vectoriel de dimension 1 de base H 0  x  .
Théorème 1
La solution générale de (1) = solution générale de (2) + solution particulière de (1).
P a g e 34 | 54
Solution générale de l’équation avec second membre = solution générale de l’équation

homogène + solution particulière de l’équation avec second membre.
Théorème 2
On peut trouver une solution particulière de (1) par la méthode de la variation de la constante
d’intégration k de (3).
a  x  y  b  x  y  C  x  1
a  x  y  b  x  y  0  2  y  kH 0  x   3
on pose y  k  x  H 0  x 
y  kH 0  x   y   kH 0  x    k   x  H 0  x   k  x  H 0  x 
1 donne a  x   k   x  H 0  x   k  x  H 0  x    b  x  k  x  H 0  x   C  x 
a  x  k   x  H 0  x   a  x  k  x  H 0  x   b  x  k  x  H 0  x   C  x 
a  x  k   x  H 0  x    a  x  H 0  x   b  x  H 0  x   k  x   C  x 
 a  x  H   x   b  x  H  x   0
0 0 Car H 0  x  est solution de l’équation homogène (2).
C  x
a  x k x H0  x  C  x  k x  
a  x H0  x
D’où
C  x
 k0  x    dx
a  x H0  x
D’où y0  k0 H 0 est une solution particulière de (1).
Exemple : Résoudre l’équation linéaire :
1  x  y  3x y  2 x
3 2
ici a  x   1  x3 ; b  x   3x 2 et c  x   2 x
Résolution de l’équation homogène
3x 2
1  x  y  3x2 y  0  1  x3 
3 dy
 3x y 
2 dy

dx y 1  x3 
dy 3x 2
et    dx
y 1  x3
ln y   ln 1  x3  c ou c  ln k
k k
ln y  ln y solution generale de  2 
1  x3 1  x3
P a g e 35 | 54
Recherche d’une solution particulière de (1)
c  x
k  x   dx
a  x H0  x
2x
k  x   dx   2 xdx  x 2  k1
1  x  * 1 1x
3
3
On choisit k1  0 car on veut une solution particulière. Donc la solution particulière vaut
k x2
y 
1  x3 1  x3
k x2 k  x2
La solution generale est y   
1  x3 1  x3 1  x3
b) Equation différentielle à variables séparées
L’équation différentielle f  x, y, y   0 est à variables séparées si on peut l’écrire

g  x dy
yf  y   g  x  ou y  sachant que y  , on a :
f  y dx
f  y  dy  g  x  dx   f  y  dy   g  x  dx
On note que f est une fonction en y et g est une fonction en x .
Exemple : Résoudre les équations différentielles y  e 2 x  y et y  2 x 1  y 2
y dy
 2x    2 xdx  arcsin y  x 2  c
1 y 2
1 y 2
Et y  sin( x 2  c)
c) Equation de Bernoulli
C’est une équation de la forme a( x) y  b( x) y  c( x) y m  0 (1) avec m  1
Intégration :
y y
a ( x) m
 b( x ) m  c ( x )  0
y y
P a g e 36 | 54
y 1
a( x) m
 b( x) m 1  c( x)  0 (2)
y y
On pose :
1
u ( x)   y  m 1
y m 1
u ( x)  (m  1) y  m y 
En effet y n’est pas une variable mais une fonction de x
y u ( x) y
u( x)  (m  1) Soit  m
y m
( m  1) y
L’équation (2) devient une équation différentielle linéaire du premier ordre :
a( x)
u( x)  b( x)u ( x)  c( x)  0 (3)
(m  1)
(3) est une équation différentielle linéaire qu’on doit donc résoudre.
Il faut donc trouver les solutions homogène et particulière respectivement uH puis u P et on a
la solution générale uG  uH  uP .
1 1
Enfin, on revient à la variable y : uG  , soit y 
 uG 
m 1 1/( m 1)
y
Exemple : résoudre l’équation différentielle suivante

1) (1  x3 ) y  3x 2 y  2 xy 2  0
2) y  y  ( xy ) 2
d) Equation de Riccati
C’est une équation de la forme : a( x) y  b( x) y  c( x) y 2  d ( x) (1)
Il faut d’abord trouver une solution particulière notée Z 0 ( x) de (1) donnée ou facilement
calculable. Et on pose ensuite y  Z 0 ( x)  Z ( x) où Z ( x ) est à déterminer.
Z ( x ) vérifie l’équation a( x) Z ( x)  b( x)  2c( x) Z 0 ( x)  Z ( x)  c( x) Z 2 ( x)  0 (2)
En effet,
y  Z 0 ( x)  Z ( x) ; y  Z 0 ( x)  Z ( x) et (1) devient :
a( x)  Z0 ( x)  Z ( x)  b( x)  Z 0 ( x)  Z ( x)  c( x)  Z 0 ( x)  Z ( x)   d ( x)

2
P a g e 37 | 54
a( x)Z0 ( x)  a( x)Z ( x)  b( x)Z0 ( x)  b( x)Z ( x)  c( x) Z 20 ( x)  2Z0 Z  Z 2 ( x)   d ( x)
a( x)Z0 ( x)  a( x)Z ( x)  b( x)Z0 ( x)  b( x)Z ( x)  c( x)Z 20 ( x)  2c( x)Z0Z  c( x)Z 2 ( x)  d ( x)
a( x) Z ( x)  b( x)  2c( x) Z 0 ( x)  Z ( x)  c( x) Z 2 ( x)  a ( x) Z 0 ( x)  b( x)Z 0 ( x)  c( x)Z 20 ( x )  d ( x )

1 4 4 4 4 4 4 44 2 4 4 4 4 4 4 4 43
0
a( x)Z ( x)  b( x)  2c( x) Z 0 ( x)  Z ( x)  c( x) Z 2 ( x)  0 (2)
Et (2) est une équation de Bernoulli en Z qu’on doit résoudre. On obtient Z ( x ) puis on
remplace sa valeur dans l’expression y  Z 0 ( x)  Z ( x) pour obtenir la solution générale de (1).
Exercice
1) (1  x3 ) y  x 2 y  2 xy 2  1  0 (1)
2) ( x 2  1) y  y 2  1 (2) Z 0  1 est une solution de (2) car y  0 ; 0  12  1  0 toujours

vrai
On pose y  Z  Z 0 (la suite de l’exercice à faire à la maison)
Résolution de (1) : on a a( x)  (1  x3 ); b( x)  x 2 ; c( x)  2 x; d ( x)  1
Calculons la solution particulière Z 0 ( x) de (1) de la forme Z 0 ( x)   x   puis la solution

générale de (1).
(1  x3 ) y  x2 y  2xy 2  1  0 ; Z0 ( x)   x   solution particulière de (1) donc doit vérifier (1)
Z0 ( x)   ; Z 20 ( x)  ( x   )2   2 x2  2 x   2 en remplaçant dans l’équation (1) on a
(1  x3 )  x 2 ( x   )  2 x( 2 x 2  2 x   2 )  1  0
Par identification
2 (1   )  0   0 ou   1
   4  0   (1  4 )  0    0 ou   1/ 4
 
 2  
2   0   0
  1  0   1
On en déduit que   1 et   0 et donc Z 0 ( x)   x
On pose maintenant
y  Z 0 ( x)  Z ( x) où y   x  Z ( x); y  1  Z ;
y 2  ( x  Z )2  x 2  2 xZ  Z 2
L’équation (1) devient alors
P a g e 38 | 54
(1  x3 )(1  Z )  x 2 ( x  Z )  2 x( x 2  2 xZ  Z 2 )  1  0
Ce qui donne (1  x3 ) Z   3x 2 Z  2 xZ 2  0 (2) correspond à une équation de Bernoulli et

cette équation a été déjà résolue précédemment.
1  x3
On obtient donc Z ( x)  et la solution générale de (1) est y  Z 0 ( x)  Z ( x)   x  Z ( x)
k  x2
1  x3
y  x 
k  x2
5.2. Equations différentielles d’ordre 2
On étudiera seulement le cas des équations différentielles linéaires d’ordre 2 à coefficients

constants.
a) Equations différentielles linéaire homogène d’ordre deux à coefficients constants.
C’est une équation de la forme ay  by  cy  0  0 où a, b, c sont constants par rapport à x.
Vérifier que si y1  x  et y2  x  sont solutions de 1 , pour tous reels  et  .
 y1  x    y2  x  est solution de 1 .

y1 solution de 1  ay1  by1  cy1  0
y2 solution de 1  ay2  by2  cy2  0
 
a  y1   y2   b  y1   y2   c  y1   y2   a  y1   y2  b  y1   y2   c  y1   y2 
   
  ay1  by  cy1   ay2  by2  cy2   *0   *0  0
Toute combinaison linéaire de deux solutions de (1) est une solution de (1). D’où l’ensemble
des solutions de (1) est un espace vectoriel de dimension deux. Le problème revient à trouver
une base de solution ; c'est-à-dire trouver deux solutions linéairement indépendantes.
Recherche d’une base de deux solutions indépendantes y1  x  et y2  x  .On cherche les solutions
de la forme y  e rx .
ay  by  cy  0 1
y  rerx et y  r 2e rx ; 1  a  r 2e rx   b  re rx   ce rx  0
erx  ar 2  br  c   0 ; e rx  0, d ou ar 2  br  c  0  2 
P a g e 39 | 54
ar 2  br  c  0 est l’équation caractéristique ; pour trouver r, on va résoudre (2) :   b 2  4ac
 Si  0, on a deux racines distinctes r1 et r2 de  2  . d’où deux solutions
y1  er1x et y2  er2 x 1

Montrons que ces deux solutions sont indépendantes. Supposons les deux solutions
linéairement dépendantes. Il existe alors   0 tel que : y1   y2  er1x  er2 x  e 1

r  r2  x

impossible car r1  r2 et e 1
r  r2  x
n’est pas constant. Par conséquent y1 et y2 sont linéairement
indépendants.
D’où  y1 , y2  est une base de l’espace vectoriel des solutions. Toute solution y de (1) s’écrit :
Y  c1Y1  c2Y2  c1er1x  c2er2 x

b
 Si   0, l’équation (2) admet une racine double r1  r2  r   ...... y1  e rx et on
2a
vérifie que y2  xerx est aussi solution de (1).
Ces deux solutions sont indépendantes. Elles forment une base. Donc les solutions de (1) sont
de la forme :
Y  c1Y1  c2Y2  c1Y1  c2  xY1    c1  xc2  Y1

b
Y   c1  xc2  erx avec r  
2a
 Si  0, on écrit
  i 2    , avec   0
b  i 2    b  i    b   
r1   , r1    i avec    et  
2a 2a 2a 2a
b  i   
2
b  i    b   
r2   , r1    i avec    et   
2a 2a 2a 2a
On vérifie que y1  er1x et y2  er2 x sont linéairement indépendantes. Les solutions de (1) sont de
la forme :
P a g e 40 | 54
Y  c1e r1x  c2e r2 x  c1e i  x  c2e i  x

 e x c1ei x  c2e i x 
ei  x  e  i  x 
cos  x   2 cos  x  ei x  e i x
2

ei x  e i x  2i sin  x  ei x  e i x
sin  x 
2i 
 ei x  cos  x  sin  x et e i x  cos  x  i sin  x
Y  e x c1  cos  x  i sin  x   c2  cos  x  i sin  x  
D’où  e x  c1  c2  cos  x  i  c1  c2  sin  x 

 Y  e x  K1 cos  x  K 2 sin  x 
Exemple 1:
Résoudre y  2 y  2 y  0 , l’équation caractéristique ( ar 2  br  c  0 ) est
r 2  2r  2  0 et r1  1  i et r2  1  i sont les solutions

On a Y  c1e1i  x  c2e1i  x  Y  e x  K1 cos x  K 2 sin x 
Exemple 2:
Résoudre y  4 y  4 y  0 , l’équation caractéristique est
r 2  4r  4  0 et r1  r2  2  r sont les solutions

On a Y   c1  xc2  e2 x
b) Equation différentielle linéaire de 2nd ordre avec second membre et à coefficients

constants.
C’est une équation de la forme ay  by  cy  d  x  1 , On cherche d’abord la solution
générale de l’équation homogène c'est-à-dire ay  by  cy  0  2  . Ce qui donne :
Y  c1er1x  c2er2 x ou Y   c1  xc2  e2 x ou encore Y  e x  K1 cos  x  K 2 sin  x 
On cherche une solution particulière de (1) par la méthode des variations des constantes
 c1 et c2  ou  K1 et K2  . on obtient un système de deux équations à deux inconnues
 c1 et c2  ou  K1 et K2  .
- Cas particulier des équations ay  by  cy  d  x 
P a g e 41 | 54
n
Où d  x   d1  x   d2  x   ....  d n  x    di  x 
i 1
Et di  x  est la forme Pi  x  e i où Pi  x  est un polynôme.

x
Recherche d’une solution particulière de :

ay  by  cy  d1  x   d2  x   ......  d n  x 
On cherche une solution particulière relative à chaque di  x  , i  1, 2,....n et on fait ensuite
la somme des solutions particulières. Solution relation relative à di  x  . (Ou de l’équation
ay  by  cy  di  x  ).
Théorème :
Supposons que di  x  est de la forme Pi  x  e i où Pi  x  est un polynôme.
x
i) Si  n’est pas solution de l’équation caractéristique ar 2  br  c  0 , une solution

particulière relative à di  x  est de la forme Qi  x  e i où Qi  x  est un polynôme tel
x
que degré Qi  Pi .
ii) Si  est solution simple de ar 2  br  c  0 , alors une solution particulière relative à

di  x  est de la forme Qi  x  ei x où Qi  x  est un polynôme tel que degré Qi  Pi  1 .
iii) Si  est solution double de ar 2  br  c  0 , alors une solution particulière relative à

di  x  est de la forme Qi  x  ei x où Qi  x  est un polynôme tel que degré Qi  Pi  2 .
Exemple :
Résoudre y  4 y  4 y  xe2 x  cos 2 x (1)
e2ix  e2ix 1 2ix 1 2ix

(On note que cos 2 x   e  e ) alors l’équation devient :
2 2 2
 P  x   x de d 1
0
1 1
y  4 y  4 y  xe2 x  e 2ix  e 2ix et d1  x   xe 2 x avec  1
2 2 1  2
 1  1
 P2  x   de d  0  P3  x   de d  0
0 0
1 1 2ix
d 2  x   e2ix avec  2 , d3  x   e avec  2
2  2  2i 2
 3  2i
- Solution générale de l’équation homogène : y  4 y  4 y  0
P a g e 42 | 54
L’équation caractéristique donne r 2  4r  4  0 et r1  r2  2  r sont les solutions
On a donc Y   c1  xc2  e2 x
- Recherche des solutions particulières
Solution particulière relative à d1  x   xe2 x ; on a xe2 x  P1  x  e1x ou P1  x   x , 1  2, d 0 de P1  x   1,
 1 est solution double de l’équation caractéristique. Une solution particulière sera de la forme
Y1  Q1  x  e2 x ou d 0 de Q1  d 0 de P1  2  1  2  3, donc Y1   ax 3  bx 2  cx  d  e 2 x . On
prendra Y1   ax3  e2 x pour faciliter les calculs. On calcule alors Y1 , Y1 qu’on remplace dans
l’équation y  4 y  4 y  xe2 x .
on obtient y1   3ax 2  2ax3  e 2 x , y1   6ax  12ax 2  4ax3  e 2 x

On remplace y1 , y1, y1 par leurs exp ressions dans y  4 y  4 y  xe 2 x .
1 1
On trouve a  et y1  x3e 2 x .
6 6
1
Solution particulière relative à d 2  x   e 2ix
2
1 1
d 2  x   e 2ix  P2  x  e2 x ou P2  x   ,  2  2i, d 0 de P2  x   0 ,  2 n’est pas solution de l’équation
2 2
caractéristique. Une solution particulière sera de la forme
Y2  Q2  x  e2ix ou d 0 de Q2  d 0 de P2  0 donc Q2  a, Y2  ae 2ix . On va calculer
1
y2 , y2 et remplacer dans y  4 y  4 y  e 2ix .
2
1 i i
On trouve a    a et y2  e 2ix .
16i 16 16
1
Solution particulière relative à d3  x   e 2ix
2
1 1
d3  x   e2ix  P3  x  e3 x ou P3  x   ,  3  2i, d 0 de P3  x   0 ,  3 n’étant pas solution de
2 2
l’équation caractéristique, une solution particulière sera de la forme
Y3  Q3  x  e2ix ou d 0 de Q3  d 0 de P3  0 donc Q3  a, Y3  ae 2ix . On va calculer
P a g e 43 | 54
1
y3 , y3 et remplacer dans y  4 y  4 y  e 2ix .
2
1 i i
On trouve a   a   et y3   e2ix .
16i 16 16
On obtient alors la solution générale de l’équation différentielle (1):

1 i i
Y   c1  xc2  e 2 x  x 3e 2 x  e 2ix  e 2ix Ou encore
6 16 16
1 1 e2ix  e2ix
Y  (c1  xc2 )e2 x  x3e2 x  ( )
6 8 2i
1 1
Y  (c1  xc2 )e2 x  x3e2 x  sin 2 x
6 8
P a g e 44 | 54
1. Définir une équation différentielle

2. Caractériser une équation différentielle à variables séparées
3. Identifier une équation différentielle linéaire de premier et second ordre

 y  3 y  2e3 x
y  e x  y
y  y  2 y  0; avec y (0)  3; y(0)  0
y  t   ay (t )

Résoudre les équations différentielles ci-dessous
1  x  y  3x y  2x
3 2
y  2 y  3cos 2 x
x 2 y  y 2  0 et y 1  2
y  x   5 y  x   6 y  x   3x 2  7 x  1  xe2 x
P a g e 45 | 54
Chapitre 6 : Equations aux différences finies ou équations de récurrence :

équations linéaires de premier et second ordres
Certaines grandeurs économiques Q dépendent du temps t (Q=Q(t)). Ce temps est divisé en

valeurs successives de durée constante prise comme unité.
On pose :
Q  t   Q  t  1  Q  t  , Q  t  est une difference finie.
 2Q  t   Q  t  1  Q  t 
........................................
 n Q  t    n 1Q  t  1   n 1Q  t 
Définition
On appelle équations aux différences finies ou équations de récurrence, une relation de la
forme :
  t , Q  t  , Q  t  , 2Q  t  ,..., nQ  t   0  1 est une equation de recurrence d /ordre n.
Remarque
Q  t   Q  t  1  Q  t 
 2Q  t   Q  t  1  Q  t 
 Q  t  2   Q  t  1   Q  t  1  Q  t  
 Q  t  2   2Q  t  1  Q  t 
 2Q est fonction de t, t+1 et de t+2.
 nQ est fonction de t, t+1, t+2,…., t+n.
La relation (1) devient   t , t  1, t  2,..., t  n, Q  t   0   2

On pose Yt  Q  t  et à t on associe Yt . Yt est une fonction définie sur IN, Yt  est une suite
définie sur IN. Résoudre l’équation aux différences finies (2), c’est trouver une suite Yt  de
fonction qui vérifient (2).
6.1. Equation linéaire d’ordre 1 (aux différences finies)

a) Equation linéaire homogène
C’est une équation : ayt 1  byt  0 dont l’équation caractéristique ar  b  0.
P a g e 46 | 54
b b
ayt 1  byt  0  yt 1   yt soit y0 donné y1   y0
a a
2
b  b  b   b 
y2   y1      y0      y0
a  a  a   a 
t
 b b
Donc yt     y0 , Yt  r tY0 ou r   est solution de l’équation caractéristique ar  b  0.
 a a
L’ensemble des solutions d’une équation homogène linéaire aux différences finies d’ordre 1
est un espace vectoriel de dimension 1 et de base Yt  kr t ou k  y0 .
b) Equation linéaire d’ordre 1 avec second membre
C’est une équation de la forme suivante :

ayt 1  byt  d  t  1
ar  b  0  Equation caracteristique  , solution générale de l’équation homogène
ayt 1  byt  0  2  .
Recherche des solutions particulières lorsque

d  t   d1  t   d2  t   ...  dn  t  avec di  t   P  t  it
Théorème : (Recherche d’une solution particulière relative à di  t   Pi  t  it où Pi  t  est un
polynôme).
i. Si  n’est pas solution de l’équation caractéristique ar  b  0 , on a une solution
particulière de la forme Yt  Qi  t   t avec d 0Qi  t   d 0 Pi  t  .
ii. Si  est solution simple de ar  b  0 , alors une solution particulière relative à

di  x  est de la forme Yt  Qi  t   t avec d 0Qi  t   d 0 Pi  t   1 .
Exemple :
yt 1  3 yt  2t 2  2  3t 1
Equation homogène associée : yt 1  3 yt  0  2 ; l’équation caractéristique ar  b  0
 r  3  0; r  3
Solution générale de l’équation homogène yt  k.3t . Solution particulière relative à 2t 2  2 .
P a g e 47 | 54
d1  t   2t 2  2  P1  t  1t Où P1  t   2t 2  2; avec d 0 P1  t   2 et 1  1 et comme 1  1 n’est
pas racine de l’équation caractéristique r  3  0 .

La solution particulière est de la forme
Y1t  Q1  t  1t ou d 0Q1  t   d 0 P1  t   2
Y1t   at 2  bt  c   t  at 2  bt  c
Y1t 1  a  t  1  b  t  1  c  at 2  2at  a  bt  b  c

2
 at 2   2a  b  t  a  b  c
Or
yt 1  3 yt  2t 2  2  at 2   2a  b  t  a  b  c  3  at 2  bt  c   2t 2  2
  2at 2   2a  b  3b  t  a  b  2c  2t 2  2
2a  2 a  1
 
2a  2b  0  a  b  1
a  b  2c  2 c  2
 
donc Y1t  t 2  t  2
Recherche de la solution particulière relative à 3t

d2  t   P2  t   2t  3t  P2  t   1 et  2  3 ; (  2  3 est solution de l’équation caractéristique
r 3  0 )
Avec d 0 P2  t   0 et  2  3; unesolution particuliere est Y2t  Q2  t   2t ou
d 0Q2  t   d 0 P2  t   1  1 alors Q2  t   at  b
Y2t   at  b  .3t
Y2t 1   a  t  1  b  .3t 1   at  a  b  .3t 1   3at  3a  3b  .3t
Y2t 1  3Y2t   3at  3a  3b  .3t  3  at  b  .3t  3t
 3at  3a  3b  3at  3b  1
1 1 
D’où a  et b quelconque  Y2t   t  b  .3t
3 3 
La solution générale de l’équation (1) est :
1 
Yt  k .3t   t 2  t  2    t  b  .3t
3 
 1 
Yt   k  t  b  .3t  t 2  t  2
 3 
P a g e 48 | 54
6.2. Equation de récurrence d’ordre 2
C’est une équation de la forme ayt  2  byt 1  cyt  d  t  1

On trouve d’abord la solution générale de l’équation homogène associée à savoir :
ayt  2  byt 1  cyt  0 . On en déduit l’équation caractéristique suivante :
ar 2  br  c  0
Si   b2  4ac 0  Deux racines r1 et r2 donc yt  k1r1t  k2r2t
Si   b2  4ac  0 Une racine double r donc yt   k1  k2t  .r t
Si   b 2  4ac 0  Deux racines complexes conjuguées:

r1    i  et r2    i  où    2   2 (module) et  l'argument
on a yt   t  k1 cos t  k2 sin t  où k1 et k2 des constantes.
Recherche de la solution particulière relative à di  t   Pi  t  it
Soit Yt  Qi  t   i t cette solution particulière.
Théorème
i. Si  i n’est pas solution de l’équation caractéristique ar 2  br  c  0 , alors on a une
solution particulière de la forme Yt  Qi  t   t avec d 0Qi  t   d 0 Pi  t  .
ii. Si  i est solution simple de ar 2  br  c  0 , alors on a une solution particulière de la
forme Yt  Qi  t   it avec d 0Qi  t   d 0 Pi  t   1 .
iii. Si  i est solution double de ar 2  br  c  0 , alors une solution particulière de la
forme Yt  Qi  t  it avec d 0Qi  t   d 0 Pi  t   2 .
P a g e 49 | 54

1. Définir une équation aux différences fines ou de récurrence
2. En quoi consiste une équation aux différences finies ou de récurrence?

Résoudre les équations de récurrence ci-dessous
yt 1  3 yt  2t 2  2  3t
2un  5un 1  3un  2  0
un  3un 1  9un 2  0
n  , U n1  U n  3n  1
5
n  , 3U n  2  7U n 1  2U n 
3n
 t  IN , yt 1  3 yt  2t 2  5  3t
Pour un bien donné, sur un marché, désignons par pn le prix unitaire à l’époque n, Qo (n) la
quantité offerte à l’époque n, Qd ( n) la quantité demandée à l’époque n. pour de nombreux

produits non stockables, en particulier les produits agricoles, la quantité offerte à l’époque n
dépend non pas du prix à l’époque n, mais du prix à l’époque n-1. Les formes les plus
simples que l’on peut donner aux fonctions d’offre et de demande sont alors :
Qo (n)  apn 1  b
Qd (n)  cpn  d
Où a, b, c et d sont des constantes strictement positives.
Etudier l’équilibre du marché.
P a g e 50 | 54
Bibliographie générale
K. Sydsaeter et P. Hammond (1995), Mathematics for Economic Analysis, Prentice Hall.
D. Leonard et N. V. Long (1992), Optimal Control Theory and Static Optimization in

Economics, Cambridge university Press, (nouvelle édition).
M. Chiang (2005), Fundamental Methods of Mathematical Economics, 4th ed., Mc Graw-

Hill.
C. P. Simon et L. Blume (2003), Mathématiques pour économistes, De Boeck université.
Boissonnade Marie et Fredon Daniel (1992), Analyse Mathématique Collection U Flash,

tome 2, ed Armand Colin.
Hal R. Varian (1995), Analyse microéconomique, 3e édition, De Boeck université.
Archinard Gabriel et Guerrien Bernard (1992), Analyse mathématique pour économistes, 4th
ed., Economica.
W. Bossert (2002), Lecture Notes on Introduction to Mathematical Economics, Université de

Montréal, http://www.sceco.umontreal.ca/liste_personnel/bossert.htm.
P a g e 51 | 54
Table des matières
Introduction ....................................................................................................................... 3
Partie I : OPTIMISATION STATIQUE ............................................................................ 4
Chapitre 1 : Quelques rappels.............................................................................................. 5
1.1 Définitions préliminaires .............................................................................................. 5
1.2 Matrices définies et semi – définies ............................................................................... 7
a) Matrice définie positive ....................................................................................................................... 7
b) Matrice semi-définie positive .............................................................................................................. 7
c) Matrice définie négative ...................................................................................................................... 8
d) Matrice semi-définie négative ............................................................................................................. 8
1.3 Ensembles convexes ...................................................................................................... 8
1.4 Fonctions concaves, fonctions convexes ........................................................................ 9
a) Définition de fonctions concaves sur un sous ensemble convexe de S ............................................. 9
b) Définition de fonctions convexes sur un sous ensemble convexe de S ........................................... 10
Chapitre 2 : Optimisation libre : Existence d’Extrema, caractérisation pour une fonction à

plusieurs variables, conditions de premier et second ordres ................................................ 14
2.1. Extrema globaux ou locaux ........................................................................................ 14
a) Définition ............................................................................................................................................ 14
b) Extrémum libre .................................................................................................................................. 14
2.2. Cas des fonctions de deux variables ............................................................................ 15
2.3. Cas des fonctions de n variables ................................................................................. 16
Chapitre 3 : Optimisation sous contrainte (s) d’égalité : Méthode de substitution directe,
méthode de Lagrange ....................................................................................................... 20
3.1. Extrémums liés ........................................................................................................... 20
a) Méthode de substitution .................................................................................................................... 20
b) Le multiplicateur de Lagrange ......................................................................................................... 21
3.2. Extrémums liés dans le cas de plusieurs contraintes ................................................... 24

Chapitre 4 : Optimisation sous contrainte(s) d’inégalité : Méthode de Kuhn-Tucker ................ 28
4.1. Extrema sous contraintes en forme d’inégalités .......................................................... 28
a) Définition ............................................................................................................................................ 28
4.2. Conditions de Kuhn et Tucker.................................................................................... 29

a) Définition (contraintes saturées) ...................................................................................................... 29
b) Définition (contraintes régulières) .................................................................................................... 29
c) Théorème de Kuhn et Tucker ........................................................................................................... 29
d) Interprétation économique des variables duales  j ..................................................................... 31
Partie II : OPTIMISATION DYNAMIQUE .................................................................... 33
P a g e 52 | 54
Chapitre 5 : Equations différentielles .................................................................................. 34

5.1. Equation différentielle du 1er ordre ........................................................................... 34
a) Equations différentielles linéaires du 1er ordre .............................................................................. 34
b) Equation différentielle à variables séparées .................................................................................... 36
c) Equation de Bernoulli ....................................................................................................................... 36
d) Equation de Riccati ........................................................................................................................... 37
5.2. Equations différentielles d’ordre 2 ............................................................................. 39

a) Equations différentielles linéaire homogène d’ordre deux à coefficients constants. .................... 39
b) Equation différentielle linéaire de 2nd ordre avec second membre et à coefficients constants. . 41
Chapitre 6 : Equations aux différences finies ou équations de récurrence : équations linéaires de

premier et second ordres .................................................................................................. 46
6.1. Equation linéaire d’ordre 1 (aux différences finies) .................................................... 46
a) Equation linéaire homogène ............................................................................................................. 46
b) Equation linéaire d’ordre 1 avec second membre .......................................................................... 47
6.2. Equation de récurrence d’ordre 2.............................................................................. 49

Bibliographie générale.................................................................................................... 51
Table des matières .......................................................................................................... 52
Cours de Technique
d’Analyse Economique
2 2022-2023
P a g e 53 | 54

Cours de TAE 2_2022-2023_new format_221005_124237

Transféré par

Informations du document

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

Cours de TAE 2_2022-2023_new format_221005_124237

Transféré par

Droits d'auteur :

Formats disponibles

Les manuels de l’IUA-Licence 2 Sciences Economiques / Semestre 3

Institut Universitaire d'Abidjan

Dr GBAME Hervé Daniel

Au cours des 30 dernières années, les mathématiques sont devenues le « langage de

Au niveau le plus élémentaire, les mathématiques fournissent les fondements de formulations

Partie I : OPTIMISATION STATIQUE

Chapitre 1 : Quelques rappels

1.1 Définitions préliminaires

Soit f une fonction de n variables ( x1 , x2 ,....., xn ) à valeurs réelles dont l’ensemble de

définition U constitue un sous-ensemble de IR n . On supposera toujours que f est continue et

 Les mineurs d’une matrice

 Mineurs principaux d’une matrice :

a22 a23 a11 a13 a a12

a11 a12 a13

 Mineurs principaux diagonaux d’une matrice :

 a11 a12 a13 

a11 a12 a13

évaluées au point  x1 , x2 ,..., xn  :

 f11 f12 ... f1n 

 g1 g1 g1

1.2 Matrices définies et semi – définies

a) Matrice définie positive

b) Matrice semi-définie positive

transposée. Une matrice M est dite semi-définie positive si et seulement si : AMA  0 A

c) Matrice définie négative

d) Matrice semi-définie négative

Caractérisation : soit M une matrice carrée symétrique d’ordre n.

1.3 Ensembles convexes

Un ensemble de points A de IR n est convexe si x  Aet y  A implique tx  1  t  y  A pour

tout t tel que 0  t  1. Un ensemble de points appartenant à A est strictement convexe si

Montrons que la somme d’ensembles convexes est convexe :

Soit A1 et A2 deux ensembles convexes, et soit A  A1  A2 .

Soit x et y, deux points de A. par définition, x  x1  x2 où x1  A1 et x2  A2 , et de même pour y.

Les expressions entre crochets appartiennent respectivement à A1 et A2 puisque chacune est un

ensemble convexe. En conséquence, tx  1  t  y  A , ce qui signifie que A est un ensemble

N.B : La notion d’ « ensemble concave » n’existe pas.

1.4 Fonctions concaves, fonctions convexes

f est concave sur S si et seulement si,   x, y   S et t   0,1 , on a :

f est strictement concave sur S si et seulement si :

b) Définition de fonctions convexes sur un sous ensemble convexe de S

est convexe sur S si et seulement si,   x, y   S 2 et t   0,1 , on a :

f est strictement concave sur S si et seulement si :

est une fonction concave (resp. convexe).

Caractéristisation pour les fonctions à plusieurs variables :

 f concave  la matrice hessienne de f est semi-définie négative x  IR n .

 La matrice hessienne de f est définie négative x  IR n  f strictement concave

Exemple : Montrer que la fonction f  x, y, z   x 2  2 y 2  3z 2  2 xy  2 xz est strictement

POINTS IMPORTANTS A RETENIR

- Définir les termes suivants : mineurs d’une matrice, mineurs

Chapitre 2 : Optimisation libre : Existence d’Extrema, caractérisation pour une

2.1. Extrema globaux ou locaux

Soit f une fonction de IR n vers IR qui à  x1 , x2 ,..., xn   M associe f  x1 , x2 ,..., xn   f  M  .

On dit que f admet un maximum (resp. un minimum) global au point Mo lorsque :

Un maximum ou un minimum est appelé extrémum.

M V f  f  M   f  M 0  garde un signe constant. On étudie donc le signe de f .

 Conditions nécessaires d’extrémum local (condition du 1er ordre)

Pour que f admette un extrémum local au point M 0   x1 , x2 ,..., xn  il faut que :

grad f  M 0   0 . C'est-à-dire f xi  M 0   0 i  1, 2,..., n

- Définition (points critiques ou candidats à l’extrémum)

l’extrémum ou encore stationnaire.

2.2. Cas des fonctions de deux variables

Soit  x0 , y0  un point stationnaire ou candidat pour f. Pour h et k voisins de zéro. Alors

D  f x2  x0 , y0  . f y2  x0 , y0    f xy  x0 , y0  

 Si D 0 et f x2  x0 , y0  0, f admet un maximum local au point  x0 , y0  .