QUESTIONS D’ECONOMIE ET DE GESTION GUY-PATRICK MAFOUTA-BANTSIMBA MATHEMATIQUES Re METHODES ET EXERCICES CORRIGES de boeck Lj iPour toute information sur notre fends et les nouveautés dans votre domaine de spécialsation, consultez notre site web: www.deboeck.com © De Boeck & Larcier 2, 2095 1° é¢iton Editions De Boeck Université Fue des Mines 39, B-1000 Bruxelles Tous drets réservés pour tous pays. 1 et interct,saut accord préalable et écrit de Iéiteur, de reproduite (notamment par photocopie) patiellement ou totalement Je présent owvrage, dele stocker dans une banque de données ou de le communiquer au pubic, sous quelque forme et do ‘quelque mariére que ce soi. Imprimé en Belgique Dépat legal: Bibiothéquo Naticnale, Paris: novembre 2005 ISSN 1978-4250, Bibliotheque royale de Belgique: 2005/0074/128 ISBN 2.8041-4874-2SOMMAIRE MPO UCHION ie tiieeiniereinaternineniinnninainininsinsiinn 9 Chapitre 1. Nombres complexes B Chapitre2. Applications linéaires . 37 Chapitre 3. Matrices... 49 Chapitre4. Calcul du déterminant 81 Chapitre 5. Resolution des systémes d’équat Chapitre 6. Chapitre7. Fonctions de plusieurs variables Chapitre 8. Formes quadratiques: conditions du second SITE eeeesiesisnasnsinenisnicsitinmccnnissisnnmmss thE Chapitre9. Equations de récurrence linéaires Chapitre 10. Equations différentielles linéaires Chapitre 11. Résolutions des systémes d’équations de Réduction des matrices carrées 0... Chapitre 12. Optimisation statique Chapitre 13. Optimisation dynamique 3 311 Conclusion .. 335 Bibliographic .. 337 Index 341 Table des matiéres... 345INTRODUCTION «Pour le meilleur ou pour le pire l'économie est devenue un sujet mathématique. » P.A, Samuelson Cet ouvrage est d'abord le fruit d'une longue expérience d’ensei- gnement des mathématiques dispensé a un public diversifié : éco- nomistes et non- économistes. A l'appui de cette expérience enri- chie par divers outils pédagogiques, il donne un panorama des principales applications des éléments mathématiques en écono- mie ou en gestion. Il est ensuite, parmi les manuels des mathématiques pour économistes', une réponse adaptée: en effet, en insistant simul- tanément sur lintérét en économie ou en gestion des concepts traités et sur les méthodes de résolution des problémes économi- ques, cet ouvrage synthétise les bases essentielles des concepts mathématiques, il donne une présentation succinete de lutilité en économie de chaque concept et il propose un corrigé complet dexercices d'entrainement et d’exercices appliqués a économie. Il est enfin une réaction a une demande pressante d'une nouvelle génération d’étudiants de premier cycle, face a leur désarroi en matiére d'apprentissage des mathématiques. Ce phé- noméne est encore renforcé par le fait qu'il n’existe pas d’ouvrage ov l'on pourrait trouver réunis sous une forme commode la plu- part des théorémes mathématiques présentant un intérét majeur pour l'économiste. En rassemblant quelques concepts et théore- mes nécessaires et utiles pour aider les étudiants a réduire |'in- suffisance de leurs connaissances en mathématiques, 'ouvrage leur donne des repéres nécessaires tant sur le fond que sur la forme pour une assimilation rapide et efficace. De nos jours, l'économie se mathématise de plus en plus, ce que déplorait déja du reste, en son temps, P.A. Samuelson. r Diaucuns pensent que «La plupart de ces ouvrages sont, quelles que solent leurs qualltés pédagogiques, des ouvrages presque exclusiven ‘mathématiques, sans lien précis ou direct avec l'économie ou la gestion » Pou G,, Pupion G. ~Les mathématiques de V'économiste, Vuibert, 1999, p. 435CHAPITRE Nombres complexes A ea Le awnNna w + Introduction . Ensemble et nombres complexes . Représentation géométrique d'un nombre complexe . Produit et quotient de nombres complexes Résolution d’équations dans C3. Représentation géométrique d'un nombre complexe [17 V Propriété 3: Le conjugué du produit de deux nombres com- plexes est le produit des conjugués des deux nombres complexes (HB = 4.2) V Propriété 4: le produit d'un nombre complexe par son conju- gué est égal & la somme de sa partie réeile au carré et de sa partie +07). imaginaire au carré (2+ = V Propriété 5: l'inverse du nombre complexe z (notée =) est plexe z par son conjugue = _3 | Représentation géométrique d'un nombre complexe 3.4] Représentation d’un nombre complexe La caractérisation d'un nombre complexe peut se faire soit sur un repére cartésien, comme une combinaison linéaire des vecteurs de base du repére, soit sur un repére polaire a l'aide de son argu- ment et son module,4, Produit et quotient de nombres complexes |_21 4 | Produit et quotient de nombres complexes Le produit et le quotient sont deux opérations essentielles & la généralisation des opérations des nombres complexes. En partant de Tidentité entre les différentes écritures d'un nombre com- plexe, ces deux opérations sont commodes pour simplifier et retrouver deux formules connues (la formule de Moivre et @’Buler) tres utiles pour rendre linéaire une expression trigono- métrique. Vobjectif de la présentation de ces écritures est de rendre plus pratique Tutilisation des nombres complexes et de retrouver les formules connues d’Euler et de Moivre. Ces formes jouent un rdle important dans la résolution de certaines équations de récurrences linéaires pour ce qui est de la formule de Moivre et des équations différentielles linéaires pour ce qui est des formules d’Euler. Formules pratiques oat eee LE ase =I a mee (ey) = en 3 _ _; |e" =cosd + isin et = (a+ ib)” Formules d’Euler et de Moivre Lidentité des écritures d'un nombre complexe permet aisément de retrouver les formules d'Buler et de Moivre. Puisque e” =cos@ + isin# et que e~” = cos@ — isin@, en ajoutant et retranchant | ces deux égalités on obtient les formules d’Euler: Oy —~<— et sind = 2 25 De méme, en multipliant a lordre 7 la forme exponentielle on obtient la formule de Moivre par identité: o o cos 6 = 2" = (pe®)" = (a + 1b)" = p” [cos(nd) + isin(né)] = pe. XD opératour de sommation, I opératour de produit. Ce résultat vient de la généralisation de Téeriture at P enn = eee5. Résolution d’équations dans C | 25 Exemple Soit l'équation x? +2 +1=0. Le calcul du discriminant nous donne une valeur négative, en utilisant le théoréme, on obtient deux solutions complexes conjuguées. _=1+i3 a A 323] 2 ~ iB % Somme et V_THEOREME DE VIETE Les solutions dans C, de l'équation du second degré a coefficients réels ax” + bx + ¢ = 0 (avec a = 0) sont deux nombres réels (ou deux complexes) 7 et 7% tels que: En particulier, si $ et P sont deux nombres réels (ou complexes) donnés, les nombres x, sont les solutions dans C de ’équation x? — Sx + P = 0. Exemple Existe-t-il deux nombres réels x, et x» tel que 4) +2=2 et %X2= +2 =2 Compte tenu du systéme donné » les nombres 0 cest-a-dire que —1 L+iV3 = 265) avec k = 0,1, alors nave, YY MOTS CLES i @ Argument 4 Nombres complexes @ Ecriture cartésienne et algébrique # Nombres complexes conjugués @ Ecriture polaire et trigonométrique ® Racines nin @ Equations dans C % Représentation graphique Forme polaire et algébrique # Résolution sous forme algébrique Formule d’Euler et de Moivre # Résolution sous forme polaire @ Module V TESTEZ VOS CONNAISSANCES i @ Pourquoi s‘intéresse-t-on aux nombres complexes en économie ? Donner deux raisons, © Que représente l'ensemble des nombres complexes ? © Retrouver la formule de Moivre et d’Euler. 542i 347" @ Rechercher le module et argument du nombre complexe 2 = (1+ i)S(1 — V3i)~* # Mettre sous I’écriture algébrique le nombre complexe z = @ Metre sous I’écriture trigonométrique ou exponentielle le nombre complexe z = —1+ iV3. @ Trouver les nombres complexes qui vérifient les équations suivantes 2? + (1+ i)z +i=0 et 2 =14+N3. V_EXERCICES D’ENTRAINEMENT | AJ Forme algébrique ‘Mettre les nombres complexes suivants sous I'écriture algébrique: 2-51 all 3 sil’ + ay = (1+ 2s) (2 — 3:)(3 - 2).Corrigés des exercices d’entrainement | 33 Elements sous droits d'auteurCHAPITRE Applications linéaires Pwnea + Introduction .. Application linéaire sur K - Application linéaire et indépendance linéaire Image, noyau et rang d'une application linéaire3. Application linéaire et indépendance linéaire [41 Exemple Soient deux vecteurs i = (1,0) et a = (1,1) de R? déterminons plication linéaire J. ‘*sMontrons d'abord que la famille des vecteurs {i,}*_, est une base, Cest-a-dire quelle est une famille libre (ou un systeme libre) 0) fl). [yth= =0 1 °°? | y= done la famille {i,}?, est linéairement indépendante. La famille VNEK, AS [+h >A=h=0, {ij ¥f_, est-elle générarice * de R°? 0 L y=Q is A=n—m, afi i}7)ateen” 2 done la famille {i}, est une famille libre génératrice de R®. En conséquences la famille {7% }?_, est une base de Re. VEER, +h «Le théoréme permet d'affirmer quil existe une application linéaire unique fde R? dans R® tel que # = (fla), fli)) La donnée de l'image de la base {ii; }{_, détermine entiérement l'appli- cation f. En conséquence, quelle est limage canonique de i; et i ? i ti) = FG) >| FG) Sf) = FE +) (LG +&) ‘Ce qui montre que f est bien linéaire. On a done d’apres le theoreme VE = (n,m) ER’, F=f & et t = & + & cette écriture implique que [acre . ‘Tout vecteur de R? s'éerit comme une combinaison linéaire des veetours camExercices d'entrainement | 45 3] image, noyau et rang 1 Soit ’application linéaire de R° — R° telle que VE = (t,,22)921,05) €R® f(B) = (m1 — 22,05 — 24,25) 1. Déterminer de deux manires différentes la dimension de rimage par f de R°. Que peut-on condure ? 2, Déterminer de deux manieres différentes la dimension de Ker f. 2 Soit B RP dans Re {(0,0,1);(0,1,2);(1,2,3)} une famille de vecteurs et une application linéaire f de fiant les relations suivantes : $(0,0,1) = (3,—2) ; f(0,1,2) = (5,0) ; f(1,2,3) = (9,1) 1. Montrer que B est une base de R, 2. Donner la dimension de AR), puis la dimension de Ker f .CHAPITRE Matrices Introduction Matrice ; représentation d’une application linéaire Matrice : un tableau de nombres Matrices particuligres Opérations usuelles sur les matrices . Détermination du rang d’une matrice2, Mavrice : représentation d'une application linéaire | 53 Dans la base canonique B le systéme des vecteurs § = {i}! s'écrit sous la forme suivante : & + 15% + 22 8, + 28; + 1,252 = 1,58 +2,3% +5,18 2, +1,3% - 2,78 En remplagant les coordonnées des vecteurs de la base B exprimés dans la base B’, le systéme formé par les quatre vecteurs S devient : i = HG +h~ f+ h)+ 2x50 +h-f) AG+E-D+G-h4+8)-105x4G+2-B B= -Lexdh+h- +2950 -h+ ht orxgG+h-h) A827 NA+ b-B) ig A) + W534 Ce qui nous donne la matrice My, suivante : 25 175 89 34) 7A 1 é i Mg, =1|45 4.25 13 5 ‘Ye 2 : 09 22 -43 0 | LZ fs % & Remarque : on se rend compte maintenant que la notion de base est essentielle, car on ne saurait. pas dans quel ordre écrire les lignes et les colonnes de la matrice associée & une application linéaire. Ce qu'il faut retenir d’essentiel : 1. la méthode exprime les coordonnées dans la base demandée. 2. la matrice d’un sys- téme n’a de sens que si la base par rapport a laquelle elle a été déterminée est connue.4.2| Matrices triangulaires Une matrice triangulaire supérieure (ou inférieure) est une matrice carrée dans laquelle tous les éléments situés en dessous (ou an-dessus) de la diagonale principale sont nuls. Exemple 123 B=|0 1 5} estune matrice triangulaire supérieure ordre 3. 003 F=|4 5 0] est une matrice triangulaire inférioure @ordre 3. 43] Matrice de passage - Matrice semblable Une matrice de passage est la matrice de changement de base (de la base initiale a la nouvelle base). La j** colonne de la matrice de passage est formée par les coefficients des nouvelles cordonnées des vecteurs exprimés par rapport a la base initiale, Cette matrice est notée P, elle est carrée dordre n et inversible. Exemple | est la matrice de passage de la base (@,é;) & la nouvelle base (2), RA aaa eis Deux matrices A et D d'ordre » sont dites semblables s'il existe une matrice P d'ordre inversible (matrice de passage) telle que : D = P™'AP Exemple Soit A 4, Matrices particulitres 575. Operations usuelles sur les matrices. 61 5 | Opérations usuelles sur les matrices A partir du moment od un modéle économique peut étre mis sous une transcription de forme matricielle, nous pouvons beaucoup apprendre sur lui grace a l'algébre des matrices. C'est pour cette raison que nous présentons dans cette section quelques opéra- tions usuelles des matrices et leurs propriétés. 5A] Egalité de deux matrices Deux matrices Ana et Bry Sont dites égales si et seulement si elles ont le méme format et si chaque éément de Tune est égal a Pélément correspondant de l'autre. Autrement dit, si les coefi- cients placés au méme endroit sont égaux Ana = Brn ay = by Vig) Exemple 4 a b2 Soit deux matrices A | 25 30 [ ) es que A= B impli- que que le format de A et B est identique (elles sont toutes deux ordre 2) et il faut impérativement les égalités snivantes a =0 et bed, 52] Transposée d’une matrice cai INITION Soit une matrice A de dimension m,n , la transposée de la matrice A est de format 7, m. Elle est notée ‘A et elle est obtenue en 6changeant les lignes en colonnes de la matrice A5. Opérations usuelles surles matrices L65 Matrice nilpotente Tl existe des matrices non nulles telles que leur multiplication A un certain rang donne la matrice nulle. Ainsi, soit une matrice A alors A‘ — 0. Une telle matrice est dite nilpotente, et son ordre de nilpotence est égal ak. Exemple o12 A=/0 0 4| est une matrice nilpotente dordre 3, car A’ = 0. 000 Matrice idempotente Il existe des matrices non nulles telles que leur multiplication @ un certain rang donne la matrice Initiale, Ainsi, soit une matrice A alors A‘ = A. Une telle matrice est dite idempo- tente, et son ordre didempotence est égal ak. Exemple 5 -5 B [: _| @stune matrice idem potente dordre 2, car A? = A. Solent deux matrices A, et B,,, le produit de ces deux matrices donne pour résultat la matrice Cy = Any Bry Décomposons les deux matrices par blocs comme suit : ere See 1 My | An | t fr | Ba |! 1 An.p = et Bog = 1 fn | 4p [ar Bn | Ba sous droits d'auteur5. Opérations usuelles surles matrices | 69 Remarques : 1- L'inversibilité de Ay et Ay entraine celle de Ay — Ay Aj!Ayy. Ainsi la connaissance de Aj! permet le calcul de A~!. 2- L'utilisation des blocs est commode lorsque Tune des deux sous-matrices Aj) et A); est une matrice zéro. Si les deux sont égales a zéro, la matrice A est quasi-diagonale, il suffit alors que A; et Ay soient inversibles pour que la matrice A le soit. Exemple Soit a inverser la matrice avec Ay Aj, est inversible (A, =—7) et Aj On en déduit en utilisant la regle de caleul mos a)tae alee Pao 2] By = Aj! ~ Aj! AnBar 14-5 21 28 By = ~Ai!AsBa oe Hs 2h] GF) He i = Bay = (An — Andi! Aa)* By = ~Bnndn Ail fore Hs al : By = Bada! =—-1)(6 Wy : le G 4-191 6 2a et ee _ (8 ZA 1 “(Bi BeLopération de permutation ne change pas le rang de la matrice. Car ce dernier est le rang de application linéaire et non de la base de la matrice. ‘© Mise sous forme quasi-diagonale par les combinaisons linéaires des lignes et des colonnes 1234 1234 1234 A=]-1.0.1 2] jauqiJO 2 4 6)— y2]0 1 2 3 0364 0364 0364 taj) (31-81 gag 1000 “sy 1 0 0 0: )eigaia 0: no? 0 1 2 3 0364 o 3 6 4 aay al-4/a3] 1000 ooo; 0300 1000 permtation (2)~13} et iit) etlti—i2)_| g £ 66 0030 Alors, le rang de la matrice est done égal A 3 (nombre de termes sur la quasi-diagonale). Vv MOTS CLES Addition d’une matrice Application li Base ° Déterminant Famille de vecteurs Format Matrice carrée Matrice de Markov Matrice de passage Matrice diagonale ee Matrice quasi-diagonale eooererooroe | Matrice rectangle Matrice semblable Matrice symétrique Matrice triangulaire Matrices particuliéres Multiplication Opérations usuelles Rang d’une matrice Tableau de nombres Vecteur probabilité Mots clés |_73Exercices appliqués al’économ Lz 2. Dans une économie moderne, de trois branches et trois produits, la fabrication d'un bien exige la consommation des biens intermédiaires dans le processus de production. La demande totale X du produit i sera la somme de toutes les consommations intermédiaires de ce produit et de demande finale B de ce méme produit exprimé par les utilisateurs finaux (consommateurs, inves tisseurs, administrations publiques et exportateurs). Les productions des trois branches sont 03 0,05 0,05 P(400,2000,1800) et la matrice des coefficients techniques est T=|0,06 0,2 0,1 0,06 0,05 0,2 1. Définir application fa laquelle cette matrice est associée. 2. Calculer l'image par (I — A) du vecteur de production. Interpréter. 3 Trois candidats A, B, C participent a une campagne électorale, Un institut de sondage publie réguligrement les résultats des sondages effectués aux dates 1,2,...,n.On note par a,, By et Cy les proportions respectives d’électeurs pour chacun des participants. Chaque nouveau sondage fait apparattre une modification de ces proportions telle que si on note X,, le vecteur colonne des proportions d’électeurs, alors X;,; = MX, avec 0,7 0.1 0,05 M=j0,2 0,8 0,05 01 0,1 09 1. Comment interpréter les colonnes de la matrice M ? 2, Sachant que a, = 0,31, by = 0,29 et ¢, = 0,4, déterminer X;.CHAPITRE Calcul du determinant MAIRE 1. Introduction 2. Calcul du déterminant d’ordre deux 3. Valeur du déterminant comme critére 4. Calcul du déterminant d’ordre trois 5. Calcul du déterminant d’ordre supérieur 6. Déterminants spéciaux3. Valeur du déterminant comme crittre 85. 3.2] Critére d'indépendance linéaire VY THEOREME Deux vecteurs forment un sysiéme libre si et seulement si le déterminant des vecteurs est différent de zéro Ch} systéme libre <> \"1.¥o| = 0). Exemple Soit deux vecteurs Vy = (-1,-5), Vy = (3,—1) formentils un systeme re? ONS: {0,5 }ansttme tite 3.3| Critére d optimalité Pour fixer les idées, ce crittre sera énoncé pour une fonction définie sur R®, Par la suite cette regle sera généralisée (cf. chapi- tres 7 et 8). 1%] <0 js Blog -1 systéme libre. 16 = Oalors le systéme des deux {Vj V2 } forme un V_ THEOREME 1 Une fonction numérique sans contrainte admet un maximum, un minimum ou un point de selle (un col) si le déterminant de la matrice associé aux dérivées secondes H de la fonction au point candidat est positif, négatif ou égal a zéro. oF at > oot Ms 0 (ou 2 > 0) minima ar sf a at J(e) optimum «¢ | > Wet Sa <0 (Ou <0) masizmumn H <0 point col H = 0 incertitude4, Calcul du déterminant d'ordre trois |_89 4.2.2 Régle des mineurs principaux Cette regle porte aussi le nom de expansion de Laplace ou de la méthode des cofacteurs. V_ PRINCIPE On choisit une ligne (ou une colonne) du déterminant et on regroupe les formes bilinéaires alternées en fonction des diffé- rents éléments de la ligne (ou de la colonne) choisie. Ces élé- ments doivent étre affectés d'un signe plus ou moins en fonction de leur position dans le déterminant. Cette position est définie par Je numéro de la ligne et de la colonne qui porte ’élément, Lorsque Yon a choisi un élément de Ja ligne (ou de la colonne), pour trouver les formes bilinéaires alternées, on supprime la ligne et la colonne qui porte cet élément choisi ; et on calcule le déter- minant des termes restants. Ce qui donne la forme bilinéaire alternée, On répéte cette procédure jusqu’a épuiser les différents éléments de la ligne (ou de la colonne). Ainsi est obtenue une forme tri-linéaire alternée : aon 73 iy #3 AH2) = BY) Faydg = Enh aya, aj est Vélément de la ligne ¢ et de la colonne j appele le cofac- teur ; Ajj est un determinant appelé le mineur associé au cofacteur aj. Test obtenu en supprimant la ligne i et la colonne j sur les- quelles se trouvent aj;. Exemple Calculons le déterminant A=|1 i 1 B51 Calculons le déterminant ci-dessus par un développement par rapport ala troisiéme ligne. Les éléments de la troisiéme ligne sont successive- ment de 3, 5, 1 En choisissant élément 3 qui est le premier terme des éléments de la troisieme ligne, on supprime la ligne n° 3 et la colonne n° 1 qui sup- portent l'élément 3 et on obtient un tableau des termes restants. On réitére lopération en conservant la ligne mais en changeant & chaque itération la colonne et on obtient : -1 3 1 2 3 1] 2 - As=t-p 23 (=! x3 x i + (1)? x5 x +(=1)** x1 x6 Déterminants spéciaux | 93 6 | Déterminants spéciaux 6.1] La jacobienne La jacobienne, notée J, est une matrice (vecteur ligne) des déri- vées premiéres partielles d'un systéme fonctionnel. Elle repré- sente une dérivée directionnelle. Son déterminant le jacobien, noté |J| ou Vf, est le tableau carré Oh, GA Cor 9h = Ph jj=|On On Of fn Jax, Oe, Utilité 1 Le jacobien sert de test a la dépendance fonctionnelle dun s teme d'équations linéaires et non linéaires. Cest ainsi, si |J| = 0 les équations sont fonctionnellement dépendantes ; si [J| = 0 les 6quations sont fonctionnellement indépendantes Exemple Soit le systéme linéaire suivant : Alla.) = Say + 3xq ©) 2 2 Sylaysxy) = 25x? + 90x29 + 923 ‘Testons la dépendance fonetionnelle du systeme linéaire S Le calcul du jacobien donne : 5 3 We Oxy + 30zq 3001 + 1809 = 1502, + 902) ~150ry ~ 9029 = Comme la valeur de |J| = 0, ily a une dépendance fonetionnelle entre 9 fi et fy sen effet on peut constater que (52; + B22)" = fy Utilité 2 En utilisant 'équation de la tangente d'une fonction (différen- tielle totale de la fonction en un point) qui est ici un plan tangent,6. Déterminants spéciaux | 97 Jetablean obtenu aprés des permutations successives est quasi triangulaire inférieur, alors le détermi- nant du tableau est > 14 0 21x3x1 iz A= (CPPOd cL Ixia] 2 1] xI51= ope Exemple 2 Calculons le déterminant de la matrice suivante en permutant les lignes et les colonnes dans Yordre suivant : permutation des colonnes 1 vers 4, 4 vers 2, 2 vers 7, 7 vers 3 et 3 vers 1 ; puis des lignes 2 vers 7, 7 vers 3,3 vers 1, 1 vers 4 et 4 vers 2 100012 030000 0 30 0 A=|0 020000 Le jor 2 0 0.0 -1 1 ofpermutetion lismesig glo ia -1 1/0 aeOROnOmetneLeoj ot o ofol4 1 11/0 0000001 o ojo 10 0 0/3] Ie tableau obtenu aprés les permutations successives est quas tableau est 2 A 216 1 v MOTS CLES Approximation linéaire © Inversibilité Calcul matriciel @ Matrice hessienne ® Cofacteur @ Mattice jacobienne © Critére @ Maximum et minimum @ Dépendance fonctionnelle @ Mineur @ Déterminant @ Optimalité Forme alternée @ Propriétés @ Forme diagonale # Ragle de Sarrus Forme triangulaire Regle des mineurs principaux Indépendance linéaireExercices appliqués l'économie [101 2 Optimiser les programmes économiques du consommateur et du producteur suivants : 1. U(e,y) = cy sous la contrainte x + y = 10 2. Za,y) = 22 + y? sousla contrainte x + 2y = 10dD Resolution des systemes d'equations linéaires on en 1. Introduction 2. Résolution des systemes de Cramer 3. Résolution des systémes non cramériens2. Résolution des systémes de Cramer [109 Exemple Soit a résoudre le systéme suivant faa, + Qn +42,=8 (2 2 4)in,) (8 2, — 2 + 32, @|2 -1 3llm|=|3)e4x=8 m-R+m=0 1-1 tl} lo La tableau a transformer se présente sous la forme : 22 4/8 A/B=|2 -1 3)3 h 1/0 1 étape: Elimination de la variable x, dans les équations 2 es On réalise deux opérations : repérer le pivot qui est 2, et faire apparai- tre des zéros en dessous du pivot en réalisant des combinaisons linéai- res des lignes, 2 2 44s 22 4|8 2-1 3/3) jay [0 -3 -1)-5) 1-1 1/0] tsty2}o -2 -1]-<| 2° étape: Elimination de Ia variable 7, dans l'équation 3 (On réalise deux opérations : repérer le pivot qui est -3, et faire apparai- tre un zéro en dessous du pivot en réalisant des combinaisons linéaires des lignes, 2 2 4/8 > 0-3 -1 aj-92)]0 0 =1 Finalement, le systéme s'écrit sous la forme suivante 2m 4+ 2m +429=8 (2 2 4x) [8 ~3m-%=-5 @|0 -3 -1\/m|=|-5|e 4x=B -2 ~t5 0 0 ~a}{as En utilisant la substitution ot en partant du bas du systéme, ou en utili- sant 'égalité de deux matrices X — AW! , on obtient la solution sui- vante : 1, n= +t =22. Résolution des systemes de Cramer [1 2.3.2. Méthode des mineurs ‘V_ PRINCIPE Pour trouver l'inverse de la matrice des coefficients d'un systéme, la méthode des mineurs préconise de suivre Vordre® des calculs définis par la procédure suivante : 1. Calculer le déterminant de la matrice A, 2. Prendre la transposée de la matrice A, 3. Remplacer chaque élément de la matrice transposée par son cofacteur pour obtenir la matrice adjointe et, 4. Diviser le résultat obtenu par le déterminant de A. Exemple Qn, + 2ey +425 22 4a) (8 Pourle systéme | 22, —2) +32, =3 4|2 -1 3l]m}=|3)4 AX=B 2 - 1p +55 1-1 afl 0 2 2 4 1, |AJ=|2 1 3] =2 = 0 => le systéme est un systéme de Cramer, L =F 4 donc la matrice A est inversible. 221 2 'A=|2 431 3. Matrice adjointe = 2-1 2 1] "(4 | [i 3| y 21 2 1 2-6 10 =|1 -2 2|=4 -1 4 -6 2 -6 10 1-3 5 4 Aaa 2 a}=|1y2 -1 1 -1 4 -6) [-1/2 2 5 (On peut intervertir Vordre de lopération 2 et 3, en commengant tout dabord par fopération 3 et ensuite réaliser lopération 2, le résultat de Vinversion est identique,La matrice A des coefficients est de rang 2. Par conséquent, les équa- tions n° | et n° 2 sont des équations principales et les variables 7,7 sont les inconnues principales. Ce qui raméne a un systéme de Cramer paramétré par la variable non principale 5 , () [ da; =m = 1-22 @) | 82, +2n, = 3-24 Les équations n° 3 et n° 4 sont non principales ; sont-elles compatibles avec le systéme d’équations principales ? Pour l’équation n° 3 4 -1yi] fa -0 ata -1 -3 2 31-3 2/=(40-6-3)-(4+12+15)=0 2 15/21 1l4 = 31-3 2|=(80 +1215) - (-8 +.60+ 90) = 10}-4 5 La premiére condition étant satisfaite, mais pas la seconde, le systéme na pas de solution, car les équations non principales n° 3 et n° 4 sont non compatibles simultanément avec le systéme des équations princi- pales n° | etn® 2 retenues. Combinaison liné: Déterminant principal Equations non principales Equations principales Matrice rectangle Méthode de Cramer Méthode des mineurs Rgle du rectangle Systames d’équations linéaires Syst#mes de Cramer Systémes non cramériens Théoréme de Rouché-Fontené Variables non principales Variables principales eeoeeorvoe d eee ooeoe Mots clés [117 5-0Corrigés des exercices d’entrainement [121 Elments sous droits cteuteurCHAPITRE Reduction des matrices carrées 1. Introduction 2. Valeurs propres et vecteurs propres 3. Détermination des valeurs et vecteurs propres 4. Diagonalisation des matrices 5. Diagonalisation d'un polyndme matriciel 6. Matrice non diagonalisable : passage a la forme de Jordan 7. Forme réduite de Jordan 8. Calcul des puissances matricielles3. Détermination des valeurs et vecteurs propres [129 Exemple 1 =1 =1 Soit la matrice A=|-1 1-1 eth, ds 2 [4 =2«2xCy=|4)={-1 1 -1f-1 1 = “1-1 1{-1 -1 1)-(1+1+1)=-4 Le produit des valeurs propres de A est égal au déterminant de la matrice A. Propriété 3: Si le polynéme caractéristique de la matrice A admet toutes ces racines (distinctes ou non) dans R ou dans C, alors la somme des valeurs propres de la matrice A est égale a la trace de la matrice A (SA = 7a, = TrA). tT Exemple Soit la matrice 1-1-1) , ' A=|-1 1 -1) Yap= doa =1414+1=242- -1-1 1)" ‘ La somme des valeurs propres de la matrice A est égale & la trace de la matrice A, Cest-a-dire a la some des éléments de sa diagonale prinel- pale. Propriété 4: Si la somme des éléments de chaque ligne ou de chaque colonne d'une matrice est égale 8 un méme nombre k, la valeur propre est égale a ce nombre. (7a, = k + =k) Exemple o Soit la matrice 1-1-1) , A=|-1 1 -1) Yay -1-11} 7 1=-14\=-15. Diagonalisation d’un polynéme matriciel [133 = m = 0 etx estarbitraire. Par conséquent, le choix peut porter sur les valeurs suivantes de i, = (1,0) et Dim E(, = 1) =1. Car avec ce systéme une seule direction vectorielle peut étre déterminée, Pour y =-1 et VE =(x,2,) ER” 1-(-) 3 0 -1-(-1) a (A-ANE = 0% a}-(d 0 3 2x, - 3x, = 04 2n = 32, > 3 Par conséquent, ce sys- a teme donne une seule direction vectorielle. Le choix du vecteur propre peut étre porté sur le vecteur iy = (3.2) et Dim EX) = 1) =1 Ty 00 2 + Utilisation des théorémes CNS: Aest diagonalisable < }> DimE(A = 4) = n Dim E(A = 1) + Dim E(A = ~1) = 2, la matrice A d'ordre 2 est dia- 10 gonalisable et elle est semblable ala matrice D = F “| CS: Vij = Ay + Aest diagonalisable A = 1% dy =—1 alors Aest diagonalisable © Utilisation de la définition : A est diagonalisable < A= PDP~! (ou p= PAP) La matrice de passage et son inverse sont 1 3) 1-3/2 @ t P= Palo a] @ o 1/2 Alors, en effectuant la multiplication matricielle on obtient 5 1 =a yl 3) (1 0 DAE APS lies lo alc 2 -(0 1 _5 | Diagonalisation d’un polynome matriciel Y_ DE mM Soit une matrice A d'ordre 7 a coefficients réels, on appelle poly- néme matriciel l'expression suivante F(A) = aol + QA + MA $e +a, 4", ot les coefficients a, € R et la fonction j(A) est une matrice de méme format que la matrice A.6 Matrice non diagonisable: passage a la forme de Jordan Remarque : La matrice de Jordan équivaut a la matrice diago- nale d'une matrice diagonalisable. En respectant lordre de rmulti- plicité des valeurs propres dans le polynéme caractéristique, dans la base B, de Jordan, la matrice de Jordan est égale a la multipli- cation matricielle P!AP tels que : I°les termes de la diagonale principale sont les valeurs propres de la matrice A ; 2° certains des termes au-dessus de la diagonale principale sont égaux a | et d'autres sont nuls (avec la propriété que ej = 1st; = Ay eb Gy = OX =A) V THEOREME Toute application d'un espace vectoriel de dimension finie appar- tenant au corps des réels ou des complexes admet une base de Jordan. 62] Construction de la matrice de Jordan Dans sa conception, le principe de la construction de la matrice de Jordan est simple. En effet, pour déterminer la matrice de Jordan, on détermine d'abord une base de Jordan (B,), puis, partir de cette base, on définit une matrice de Jordan (J,) 6.2.1 Recherche d'une base de Jordan V PRINCIPE ‘Trois étapes sont nécessaires pour chercher une base de Jordan : 1° Extraire de chaque sous-espace propre E(A,) un nombre de vecteurs propres linéairement indépendants égal a ordre de la matrice. 2° Pour toute valeur propre multiple, il y a lieu de définir des vecteurs qui complétent la base vectorielle déja obtenue. Leur nombre est égal a la différence des dimensions de Yespace spectral et de espace propre. Les vecteurs supplémentaires sont obtenus en résolvant successivement le systéme matri- ciel: (A-ADY = YH € (4) | et ’ (A-MIM, = Vin 137,7. Forme réduite de Jordan [141 2°déterminer pour chaque combinaison linéaire des vecteurs propres antérieurs, une solution de vecteurs complémentaires pol @, telle que : pour #

2n +3n +2; =0 On constate que le rang du systéme (1) est égal a 1. De cette équation, on ne peut choisir au maximum que deux vecteurs propres linéaire- ment indépendants. Par conséquent, la dimension de Tespace propre est inférieure a la dimension de espace spectral ( DimE() = 2.<3= (DimS(\) = 1)). Pour trouver les deux vecteurs propres {7.7}, posons successive- ment 2; = 0, 2% =0 et résolvons l’équation du systéme. On obtient % = (0.1,—3) et % = (1.02) . Ces deux vecteurs sont libres. © Combinaison linéaire des vecteurs propres Pour obtenir le troisiéme vecteur, utilisons la combinaison linéaire sui- vante : 3B 1a 0 1 (A-DV, = aV) +6V, @]-2 — %/=a} 1 |+6] 0 2 3 1% -3 —2 2a, + 32 +2, =b > (UW) |-24 ~ 3m ~2 =a —3a — 2b Qn + Bx + 2Testez vos connaissances [145 Aprés développement, on obtient : ah = (D+ N)t = Dt + CLD x NY + CED? x N? 0 wt oo yo 1 lee g wife al Lo 0 Avec P =| " et i Par conséquent, on obtient + oer ¥ MOTS CLES @ Application tinéaire # Matrice semblable @ Base de Jordan # Polyndme caractéristi @ Espace propre Polyndme matriciel Matrice de Jourdan # Théoreme de Cayley-Hamilton # Matrice diagonalisable # Valeurs et vecteurs propres Matrice non diagonalisable Y_TESTEZ VOS CONNAISSANCES © Quelle est I'utilité de la réduction des matrices ? © Quelle différence faites-vous entre la matrice diagonale et la matrice de Jordan ? # Dans R, quelles sont les deux raisons qui empéchent une matrice d’éire diagonalisable ? Enoncez le théoréme de Cayley-Hamilton # Déterminez les valeurs propres et les vecteuts propres des matrices A, B et C. Diagonalisez-les. ~4 -6 0 Oo. -l -3 -2 -1 A=|3 5 Of B=|1 2 1Jee=/2 1 1 65 11 -2 53 1Corrigés des exercices d’entrainement [149 Eléments sous droits d'auteurCorrigés des exercices appliqués a l'économie [153 Pour tester vos connaissances et approfondir la matiere de ce chapitre, vous trouverez des exercices complémentaires et leur corrigg, ainsi qu’un glossaire, sur le site internet universite.deboeck.com ents sous droits d'auteur i2. Différentielle et approximation d'une fonction [157 misation. L’approximation d'une fonction revient a trouver le plan tangent au voisinage d'un point. Elle permet de rendre linéaire une fonction. La notion de différentielle d'une fonction permet de prendre en compte 'ampleur de cette opération. Fonctions de classe n V_DEFINITION Une fonction f de plusieurs variables est dite de classe C” (n > 0) dans Dy, si toutes les dérivées partielles jusqu’a l'ordre n sont définies et continues au voisinage du point My dans le domaine D; ouvert (continiment différentiable). ‘VY THEOREME DE SCHWARZ/YOUNG Soit f une fonction de plusieurs variables, lorsque les dérivées partielles secondes de la fone- tion sont définies et continues au voisinage du point My sur un ouvert Dy, alors on a O° f(Mo) _ O° f(Mo) Ox!da ax?” VM, €D, eR": Remarque : a priori, il n’existe aucune raison pour que ces deux dérivées soient liées. I s‘agit des dérivées calculées partir des fonctions différentes. Ge théoréme s'applique égale- ment aux dérivées partielles ordre supérieur, Soit: une fonction de plusieurs variables f de classe C! au point ‘My, et des aceroissements Az, donnés, on appelle différen- tielle partielle de la fonction f par rapport a la variable <, au point M, pour un accroissement Az,, Yexpression® : PE iy) x dx, = 2 (Mo) x da;, pour i = 1,2,.... Soit une fonction de plusieurs variables f de classe C' au point Mg, et des accroissements Az, donnés, on appelle différentielle totale de la fonction f la somme des différentielles partielles de la fonction en ce point. On note : af) = So 2 (aly) x dm = 2 (aly) x dr pour i +2) 3 Si An, = dr, en revanche Af + df en général. Cependant Af = df pour des variations infinitésimalement de Az,3. Caractéristiques d’une fonction de plusieurs variables [161 Exemple! Soit la fonction f(z,y,2) = In(zyz) et x,y,z € R* est une fonetion concave car VFM) =| 0 32| Fonctions homogénes L’homogénéité des fonctions est une hypothése que lon retrouve souvent en économie. Elle permet plus généralement d'évaluer la relation de proportionnalité entre les variables de la fonction & modifier (rendement d’échelle). Ce qui a une incidence sur la véracité de la théorie de la productivité marginale ¥_DEFI ro Pour a étant un nombre réel positif, une fonction de plusieurs variables f définie sur un ouvert. D; CR" est dite homogene de degré a lorsque: ¥.. ¢ RL, f(AM) = A°f(M) V_ THEOREME Sif est une fonction homogene de degné « dont les dérivées par- tielles sont définies et continues (f € C"), on a les propriétés suivantes : — grad f(M) qui représente les dérivées partielles premigres sont des fonctions homogenes de degré (a-1), > Mx grad f(M) = a x f(M) [identité d' Euler] Exemple Soit f(x, le point M = (2,y) tel que WA RL SAM) = Ardy + (Av)? = 7M). La fonction / est donc homogéne de degré 2. xy + y? une fonetion définie sur Dy CR’ (f €C") et ‘ Les fonctions linéaires, les fonctions constantes et les fonctions affines sont coneaves ef convenes,4. Extrema d’une fonction libre [165 4.2| Cas des conditions du premier ordre suffisantes Les fonctions concaves (cu convexes) possédent trois propriétés particuliéres intéressantes en économie. D'abord, leurs candidats & Yoptimum sont automatiquement des maxima (ou minima) glo- baux. Par conséquent, l’étape traditionnelle du test sur la nature de extremum est inutile. Ensuite, la somme des fonctions conca~ ves (convexes) est une fonction concave (convexe). Et enfin, les ensembles de niveau des fonctions sont des fonctions intérieures dintervalles convexes. V_ THEOREME Si la fonction f, définie sur un ensemble convexe, est concave (respectivement, convexe) ct que ces dérivées partielles pre- mires soient continues, pour que la fonction f admette un maxi- mum (respectivement minimum) absolu en My € Dy, il faut et il suffit que Viy,) = 0. Régles pratiques de convexité de f Critére 1: si la fonction f définie sur un ouvert Dy ¢ R® peut 6tre mise sous une forme quadratique! par le biais de ses termes du plus haut degré (ou sous forme de trindme du second degré), alors: — la fonction f est convexe si l'ensemble des termes du plus haut degré est tel que b? — dac < 0 eta > 0. — la fonction f est concave si l'ensemble des termes du plus haut degré est tel que 6? — dac < 0 eta <0 — la fonction f n’est ni concave ni convexe si l'ensemble des termes du plus haut degré est tel que 6? — dac > 0. Exemple Soit la fonction libre f(x,y) = ry ty? —3r+2 Sa forme quadratique de plus haut degré est Q(a,y) = 27 + ay + y? avec a= b= 1. Par conséquent, la fonction f est convexe car Yensemble des termes du plus haut degré 2? + zy + y* est tel que W—4dac = -3.< eta =1>0. ® Une forme quadratique définie sur R? est une fonction a valeurs réelles qui s'écrit sous la forme suivante : Q(z,,22) = ax? + bry, + er} +d5. Extrema d’une fonction contrainte [169 V_ THEOREME Sila fonction Z définie sur un ensemble convexe est une fone- tion concave (respectivement convexe) et que ces dérivées partielles premigres sont continues, pour que la fonction L admette un maximum contraint (respectivement minimum) absolu en My € Dy, ilfaut et il suffit que grad L(Mo) = 0 Critére pratique de convexité de 1 Sila fonction fest concave (respectivement convexe) et les fone- tions contraintes {g,}?_, avee g,(m,~-,) = 0 sont linéaires, alors le lagrangien L est concave (respectivement convexe) et les conditions du premier ordre sont suffisantes pour juger de la nature de l'extremum. Exemple iy jack + Soit la fonction contrainte JEM) = PW 2 ys eRe ser +2y+32=4 1 Lz,.2,d) = r3y3 +2 +4 — 1 —2y — La fonction fest concave car les signes des mineurs principaux extraits de la matrice des dérivées secondes de la fonction f sont : 2 3 AL =F <0, Ay = > 0 As = 0% et la fonction g(x,y,2) = 2 + 2y +32 —4 estlinéaire, En consequence, la fonction L est concave. Ob wh aes Sox 0 ons. {2y 3 OL Bevin a0 aL S242 -Qy-32-0 ax « 1 Diaprés Téquation (3) \ = 5. En utilisant V'équation (1) et (2), nous obtenons & ; ; en remplacant cette expression dans la contrainte, = 11 ceci permet dobtenir Je point candidat My = qa - Ce point est un maximum Lié, et la valeur maximale de la fonction est (My) = 45 5 Le zéro sera considéré comme un signe négatif, pour conserver Valter nance des signes.Corrigés des exercices dentrainement [173 V_CORRIGES DES EXERCICES D’ENTRAINEMENT ! 3) Extrema libres 2. 1. Utilisation du critére 1 Soit A(z,y) =1—z* —y". La fonction h est une fonction concave car l'ensemble de ses termes du plus haut degré 1-—2?—y? est tel que # —4ac = -3 < Oet a =—1<0. Alors, avec h € C’ sur R’, la condition néces- saire est suffisante pour trouver 'extremum et déterminer sa nature, hy, ar) (0 ONS: VA = [: | fe ce systéme homogéne donne pour solution évidente y hy My = (0.0) . Ce point est maximum avec (0.0) 2, Utilisation du critere 2 Soit g(x,y) = 327 + y? — ay , si g € C? sur R® alors est Vg = Frans vo Ge Sy yo PP (° —4er -1 . } La fonction g est convexe car A, =6>0et A, Par conséquent, la condition nécessaire est suffisante pour trouver extremum et déterminer sa nature. G2\(6e—y) (0 9,|l27-2}- (oJ? ce systéme homogene donne pour solution évidente My = (0,0). Ce point est minimum avee h(0,0) = 0. S. : la matrice des dérivées premiéres est Vg = 4) Extrema contraints 1 CNetCs 9(z,y) = 2? + ry ty? 1. Soit la fonction contrainte 2 2 se.2? +9 -2=0 Construisons la fonction de Lagrange correspondant au programme ci-dessus : Uc,y,d) = 2 +9? + ay + Na? + 7 -2).CHAPITRE Formes quadratiques : conditions du second ordre + Introduction . Formes quadratiques : notions essentielles Nature d'une forme quadratique . Détermination du signe d'une forme quadratique « Formes quadratiques et conditions du second ordre vPpwna82] CHAPITRES — Formes quadratiques : conditions du second ordre RAE a aoe | La forme quadratique est indéfinie si elle est strictement) posi- tive pour certaines valeurs du vecteur X et strictement négative pour d'autres, c'est le cas lorsque les coefficients sont alternative ment précédés des signes plus et moins. Exemple La forme quadratique Q(X) = 2? — 2} est indéfinie. En effet, pour les couples (1,0) et (0,1), la forme quadratique prend une valeur ppsitive et une valeur négative (Q(1,0) = 1 et Q(0,1) = 1). Cette condlusion était prévisible puisque les coefficients de la forme quadratique sont alternativement précédés des signes plus et moins. 4] Détermination du signe d'une forme quadratique Puisque les écritures polynomiales des formes quadratiques sont identiques aux écritures matricielles qui leur sont associées, étu- dier le signe d'une forme quadratique revient & étudier le signe de la matrice A des coefficients associés a la forme quadratique. En utilisant quelques concepts déja vus sur les matrices, & savoir la propriété des matrices symétriques, les valeurs propres d'une matrice, les déterminants des matrices... 'étude dujsigne de la forme quadratique devient plus commode. Nous présente- rons dans cette section deux critéres pratiques et opératignnels pour déterminer la nature des formes quadratiques qui sont les conditions nécessaires et suffisantes : le critére des valeurs pro- pres et le critére des mineurs principaux. 4d] Méthode des valeurs propres: critére n° 1 Les valeurs propres jouent un role prépondérant dans de|nom- breux aspects de la théorie économique (stabilité de Péquilibre dans des modéles dynamiques linéaires et résolution d'un sys- teme linéaire dynamique...). En outre, l'étude des signes des valeurs propres est un élément clé pour déterminer la nature d'une matrice symétrique.188] CHAPITRES - Formes quadratiques : conditions du second ordre _5 | Formes quadratiques et conditions du second ordre | | La correspondance entre les propriétés des formes quadratiques, les critéres opérationnels et les conditions du second ordre sont au ceeur de cette section. II s’agit d’appliquer les principaux résul- tats de la section précédente au probléme optimisation. La clé de la prise de decision sur la nature des extrema des fonctions de plusieurs variables se base essentiellement sur les propriétés de la matrice associées aux dérivées secondes. C'est ainsi que les deux critéres présentés ci-dessus facilitent cette étude surtout lorsque la régle traditionnelle conduit & une incertitude. Cest le cas par exemple lorsque l'on est en présence d'une fonction de deux variables ou plus, et que la matrice hessienne est égale a z6r0. Nous présentons ici une alternative permettant de résoudre ce dilemme | 5.1] Nature d'une forme quadratique et optimalité : correspondance Position du probleme Gardons & lesprit le fait que déterminer le signe d'une formp qua- dratique Q(X) revient a déterminer si le vecteur candidat #20 optimise, ou n‘optimise pas cette fonction. Ainsi le vecteur @ est Tunique minimum global de la forme quadratique si et seulement si la forme quadratique est définie positive. De méme, le vecteur # est unique maximum de la forme quadratique si elle est défi- nic négative. Les théorémes énoneés (critéres pratiques) pour détermi- ner la nature des formes quadratiques permettent de déterminer le signe d'une forme quadratique lorsque les vecteurs peuvent prendre n'importe quelle valeur a priori dans R". Lorsque les contraintes s'ajoutent au probleme d'optimisation sous-jacent, la caractérisation d'une forme quadratique devient plus délicate. La propriété symétrique des formes quadratiques permet de lever cette difficulté apparente. Ainsi, les conditions du second ordre, permettant de distinguer les maxima des minima dans uh pro- bléme d'optimisation avec ou sans contraintes linéaires, seront. étudiées a travers la matrice hessienne.192| CHAPITRES — Formes quadratiques : conditions du second ordre V_THEOREME 3 Si le déterminant du plus grand mineur principal nord-ouest pair ordre n est négatif, ou si les valeurs propres de la mattice H n'ont pas toutes le méme signe, la forme quadratique est indéfi- nie sur R” et le vecteur A constitue un point de col (H(A) est indéfinie + AH, <0 sin est pairs A <0 et A; > 0), Exemple Pour la matrice H(A,) = Soule t Régle des valeurs propres -a) P(A) = —2 — &y)(-6 — As) My =6<0 Le plus grand mineur principal nord-ouest pair est d'ordre 2, illest de signe négatif, ou comme les valeurs propres de la matrice H n’ont pas toutes le méme signe, la forme quadratique est indéfinie sur R°. Le vecteur A, constitue un point de col.Exercices d'entirainement [197 ¥_EXERCICES D’ENTRAINEMENT AJ nature des extrema libres Déterminer et préciser la nature des extrema des fonctions suivantes 1 fle,y,2 = rlny +zIny—y, 2 gzy2=2+y +2 +ay+yeter, 3 Ale,y) = 2? + y* — 2y", 4 Kaz,y) = 25 + y* + 92y — 36, 5 jajyz) = 2? + 2y? + 2? — 42 - Qry + Qyt+5. 2) nesive dec oarmacommnas Déterminer la nature des extrema des fonctions liées suivantes : 2 a fan= 7+ 4 se ty=1 f(X) = oP +3 + ob tym + ayy + 05 2 o(X) = 2, + my +25~3= 0 avec pour point critique (0,3/2,3/2) se fo 9X) = 2} +m + -3=0 SX) = oP + 28 + 2} + ayy + yey + 25 3 avec pour point critique A, = (1,1,1). se. (XK) = 2 +a + 25 — 02. Equations de récurrence d’ordre na coefficients constants [203 équations de récurrence linéaires est de répondre a cette ques- tion. Pour aborder ce chapitre, les prérequis recommandeés sont la connaissance des suites numériques notamment, les suites récurrentes (suites géorétriques et arithmo-géométriques) et quelques notions relatives aux fonctions numériques, notamment la notion de limite. L’objectif du chapitre est axé sur la mise en place de la notion d’équations de récurrence et sur la maitrise de la résolution des équations de récurrence linéaires d’ordre 1 et 2. _2 | Equations de récurrence d’ordre na coefficients constants 11 est important de comprendre que nous allons maintenant tra- vailler essentiellement sur des fonctions comme des objets mathé- matiques. Cette section qui vise 4 mettre en place la notion d’équation de récurrence en donne un apergu. V_ DEFINITION Soit une suite de nombres réels ag.oy.---.a,', On appelle une 6quation de récurrence linéaire d’ordre n a coefficients constants Péquation : VEEN, C23; Up = aqhyy + eUj_o + aml + alt) oi g(t)? est une application de ensemble N dans ensemble & qui représente des fonctions classiques (polynéme, exponenticile ou trigonométrique). RA aaN nels Lorsque 9(t) est égale A 2éro quel que soit t, on dit que Féquation de récurrence linéaire d’ordre 1 a coefficients constants est homogéne, ou qu'elle est sans second membre. + Les nombres réels ag, 0). sont déterminés & partir des conditions NR / tr dt)4. Equations de récurrence linéaires d’ordre 1: un second membre quelconque Exemple Soit Uy = 20,4 +6.2! + 3°. Trouvons sa solution particuliére. Rapidement, on s‘apergoit que la solution générale de Péquation homo- gine est W; = A2*. Puisaue Vy = Vi) + vi) = 6.2t quence, il est a résoudre deux équations de récurrence Up = Wy, +624) Up = W, 1 +3! 2) af en consé- 1. Solution particuliére de Péquation (1) Puisque g()) = 6.2 (fonction exponentielle de base 2) et que a = 2 (2 est olution de Téquation homogene), alors le terme général de le premiére solution particuliére est Vi") = pu.2t Comme la solution particulire est un point invariant, elle doit vérifier Téquation de récurrence spécifique Up = 2U;_1 + 6.2. En remplagant done la valeur de Y;, 2 la place de U, dans I'équation de récurrence spécifique, on obtient : peat = 2(e— atl 4 6.2! > neat = a(t 1) 26 + 6.2t bt =d(t-) +6 > Alors, le terme général de la premiére solution particuliére est v= =61ot = anottl 2 Solution particulidre de Péquation (2) Puisque go(t) = 3° (fonction exponentielle de base 3) et que a = 2 (base solution de Téquation homogene), alors le terme général de la seconde solution particuliére est vf?) = en remplagant donc la valeur de vy ila place de Uy dans Péquation de récurrence spécifique U, = 2U,_1 + 3, on obtient : o3t = 20.3¢- 4 3f => 3egfl c.3*. Pour les mémes raisons, eat] 4 g.gt-l Sic= 24+ 3ae=3 Alors, le terme général de la seconde solution particuliére est: V2) = at = sh +1 fn conséquence, V; = Vf!) +Vj2 = syat +! 43! *! et y = ae ¢asat tly ght] 204220| CHAPITRE9 - Equations de récurrence linéaires 72] Reégles opérationnelles de stabilité 7.2.1 Equations de récurrence linéaires d’ordre 1 Sachant qu'une équation de récurrence linéaire dordre 1 est une suite géométrique de raison a, étudier son comportement asyrny totique revient a rechercher la limite de son terme général qui dépend de sa raison. Si |a1 < 1, la suite solution de Péquation de récurrence est une suite convergente (localement stable et globalement stable) Quitter léquilibre ne pose aucun probléme de retour a léquilibre, car la dynamique d’équilibre décrit des forees centripetes. Si \al > 1, la suite solution de l’équation de récurrence est une suite divergente (localement instable et globalement insta- ble). Quitter 'équilibre pose un probléme au retour, car la dyna- mique d’équilibre décrit des forces centrifuges. Si a = ~1, la suite solution de Méquation de récurrence est une suite divergente (le terme général présente une alternation autour de l'équilibre (localement instable et globalement insta- ble). Quitter Péquilibre pose un probléme, car P'équilibre est alterné en fonction du rang de la suite, Si a= la suite solution de Téquation de récutrence devient une suite arithmétique qui est convergente lorsque 9(t) est 6gale A 26ro (localement. stable et globalement stable) ; par contre, lorsque g(é)est une fonction classique et non nulle, la suite est divergente Exemple 1 Soit U, +5. 2 t 3) et a solution particu- litre est V; = 2 Donc le terme général de l’équation de récurrence est Uy =a(-3] +2 = @ ~2 sl +2 3 Puisque|—=|> 1, !équation de récurrence [J, est divergente et elle présente des alternances explosives autour du point d’équilibre v7. Equilibre et stabilité [225 Onpeut par ailleurs graphiquement représenter sur un repére cartésien la relation de récurrence, en portant U; sur laxe des ordonnées et U,_; sur celui des abscisses, et tracer le graphe de f ot la pre- miére bissectrice. Ainsi, en se servant du graphe de la fonction f, a chaque valeur de U,_y sur l'axe des abscisses on peut associer une valeur de U, sur l'axe des ordonnées, En partant de cette valeur U; sur laxe des ordonnées, et en traversant la premiére bissectrice, on la reporte sur 'axe des abscis- ses, Elle devient la valeur initiale du terme suivant Up41, et ainsi de suite, us oo fo me >» FIGURE 91 7 “4 Uy Uy Uy Uy Equilibre et stabilité En définitive, si on se donne une valeur initiale J) on peut déterminer graphiquement la suite des points U; vérifiant la relation de récurrence grace au graphe de f. En fléchant ce graphe, en fonction du mouvement observé des termes successifs de la suite (en /, = {—2:2) la suite est croissante majo- rée en 2 et en Iy = [2;+00| la suite est décroissante minorée en 2), on détermine que la suite converge vers une limite 2 lorsque t tend vers I'infini. En effet, les suites sont adjacentes. 3. Etude de variation de la fonction f En posant le changement suivant U, = y et U;-, = « on obtient y= V7F=. Recherchons Vequilibre et sa stabilité VteN Uy, >0>5= {re R*/ f(x) =r}, pour > 2 =2 € Sest la solution unique. Soit 1 =]-2 +001 CR, fle) = ae >0 sur J’, donc la fonction f est croissante et monotone sur J’, Ge qui implique que la suite (U;) est monotone. Puisque pour 21, FQ) = {<1 alors la suite fonction est convergente et sa limite est 2. 4, Resolution par approximation approximation li a ordre 1 de léquation non linéaire au voisinage du point d’éq bre 2 est une équation de récurrence linéaire d’ordre 1 : VEEN, Uy > -2 ty = JTF Oy ~ FCs 2) +2. Puisque |7 solution de 'équation de récurrence est une suite convergente (localement stable). <1, la suiteCorrigés des exercices dentrainement. [234 5 80 2 80. Pe Pa 3 -spat+ sm +o M- ar 1 3 Pt ght 1 3 Alors p, = (Po ~19{-5] +16. Le prix d’équilibre est V, =16 = p* et Véqua- tion de récurrence p, est convergente. -2| Modéles macroéconomiques 1. Soit un modéle macroéconomique de type C, = Cy + e¥;. ot ¥, = C, + I, avec T, = Ip 1. Pour les données fy = 100,Cy = 200, ¢= 0,9, Yj =4500, déterminons le niveau d’équilibre intertemporel du revenu. © Léquation temporelle d'équilibre (sentier temporel du revenu) est ¥, = C; +I) + ¥; = 0,9¥;_; + 300. C'est une équation de récurrence d'ordre 1. Sa solution générale de 'équation homogene est W;, = A(0,9)' . La forme générique de la solution particuliére est V, = a. Aprés substitution dans l'équation complete, la solution particulire est V, = 3000. Par conséquent, le terme général de l'équa- tion de récurrence est Y; = (Y) — 3000)(0,9)' + 3000 = 1500(0.9)' + 3000. Le niveau d’équilibre intertemporel du revenu est V,; = 3000 = Y *. © Btude de la stabilité du sentier temporel. Puisque|0,9| <1, le sentier tempore) d’écrit par 'équation de récurrence Y; est convergent. Comme 0,9 > 0, il n'a pas doscillation. ¥; est dynamiquement stable. 2. Pour les données I) = 100 ,Cy = 150,¢ = 0,75, Y = 400. © L’équation temporelle d’équilibre (sentier tempore! du revenu) est Y, =¢, + I, > Y, = 0,75Y,_, + 250. Par conséquent, le terme général de l'équation de récurrence est Y; = (% — 100)(0,75)' + 100 = 100[3(0,75)' +1]. Le niveau d’équilibre intertemporel du revenu est Vj = 100 = ¥ *. © Etude de la stabilité du sentier temporel. Puisque|0,75| <1, le sentier temporel décrit par 'équation de récurrence Y; est convergent. Comme 0,75 > 0, il r’a pas dalternance. Y; est dynamiquement stable. Pour tester vos connaissances et approfondir la matiére de ce chapitre, vous trouverez des exercices complémentaires et leur corrigé, ainsi qu'un glossaire, sur le site internet universite.deboeck.com3. Principes généraux de résolution [237 Y_DEFINITIO Soient / un intervalle de R, g une fonction continue de I dans R et dg,---,0,, tant des nombres réels, on appelle équation diffé- rentielle linéaire d'ordre n a coefficients constants |'6qua- tion de la forme VteTa, #0, any” + anyl)) +--+ agy(t) = g(t) V_ DEFINITION 4 Lorsque la fonction g(t) est égale & zéro quel que soit t, on dit que l'équation différentielle linéaire a coefficients constants est homogéne ou encore quelle est sans second membre. Sinon, on dit que 'équation est complate, ou avec second membre. _3 | Principes genéraux de résolution Bien que de nombreux problémes d'intégration a priori simples r’ont pas toujours de solutions qui puissent étre formulées expli- citement, le choix des équations linéaires permet de contourner généralement cet écueil. En effet, !'ensemble des équations diffé- rentielles linéaires est une catégorie importante des équations différentielles qui peuvent étre résolues explicitement par le de deux théorémes généraux. 3.1] Théorémes V_ THEOREME 1 (n=) Pour tout systéme de conditions initiales (to, yo,do.--- suf"), si sur un intervalle / ouvert de R sur lequel les fonctions coefficients (ao(t),-*+.dn(t) ) et la fonction du second membre g(t) sont conti- nues, 'équation différentielle linéaire a une solution unique. V_THEOREME 2 La solution générale de l’équation différentielle linéaire A coeffi- cients constants de terme général Y(t) est égale & la somme de la solution générale de l'équation différentielle linéaire homogene associée (1) et d'une solution particulidre de l'’équation différen- tielle linéaire complete de terme général V(t) : Y(t) = W)+V().242| CHAPITRE 10 ~ Equations différentielles linéaires a rendre séparables les variables de l'équation homogéne que intégre par la suite pour trouver la solution recherchée. Ton La seconde étape, quant a elle, est la résolution de l'équa- tion avec second membre. Elle donne l'obtention de la solution particuliére de l’équation complete. En posant la regle elon laquelle la forme générale de la solution particuligre prend exac- tement la méme forme classique que le second membre de 'équa- tion différentielle. La solution recherchée est. obtenue par identi- fication, ou bien par une simple variation de la constante! equation homogene. Exemple Résoudre sur ]~1;+00| :y—y # Théoréme 2: ¥(t) = W(t) + V(t) * Recherche de la solution générale de P'équation homogene W(t) i dy _ dy | g-y=0>4=1 sachant que y = > & = dt, on obtient y ay | équation a variables séparées. | Intégrons l'égalité ci-dessus : dy . = mast y(t) = ke! se faim ing =the ut) = ke + W(t) = ke. * Recherche de la solution particuliére de l’équation complete V(Q) Compte tenu de la forme du second membre de léquation diffe de une ren- tielle, le terme général de la solution particuliére est de la forme V(t) = e'(at) et sa dérivée est V(t) = e'(at +a). plagant les valeurs V(t) et V(t) dans I'équation compléte on ol g-y=el > eat +a) —e'(at) =e > a=1. Cette solution doit satisfaire Péquation différentielle complete. si + Done V(t) = te et en definitive jent : ¥(t) = W(0) + VO) = (k + Be", avec & qui est une constantd arbi- traire, varier la constante, porter dans l'expression de léquation différentielle expression obtenue et enfin substituer cette valeur dans la solution générale second membre. ' A partir de la solution générale de féquation sans second ce hire widte4. Equations différentielles linéaires a coefficients constants |247 V_ CONDITION 2 (CNS) L’équilibre de l'équation différentielle linéaire a coefficients constants eij(t) + g(t) + agy(t) = g(t) est dit globalement stable si et seulement si les coefficients de !'équation différen- tielle vérifient que “+ > 0 et %>0 ay a (Equilibre — d/stable “2 >o0e “>0). % a Exemple Reprenons Vexemple précédent et étudions sur R le comportement asymptotique de 'équation différentielle — 2 — 3y = 91 Liquation homogéne associée jj —2j —3y = 0 donne le polynéme caractéristique r? —2r -3=0=+ A'=447 =3,y =-1 alors W(t) = de" + pe". Condition 1 (CNS) : une des racines du polynéme est positive, le mouvement décrit par l!équation différentielle est divergent. Par consé- quent ’équilibre est différentiellement instable. Condition 2 (CNS) : les coefficients critiques de 'équation différen- ticlle jj — 2) — 3y = 0 sont a, = -2 < 0 et a = ~3 <0, ils ne wéri- fient pas la condition requise, alors l'équation différentielle linéaire est instable globalement. On généralise aisément les raisonnements précédents sur les équations différentielles linéal- res d’ordre 2, lorsque l'on considére une équation différentielle linéaire d’ordre n définie par: Vte Ta, = 0, a, (ty + ay a(t)y"-) +++ + a (t)y(t) = g(t), avec pour équation caracté- ristique associée P(r) = Sar‘. —+Si ’équation caractéristique donne 7 racines réelles distinctes, la solution générale de Téquation homogéne associée est de la forme W, = $7 Ae" avec {A,}/.y une famille de constantes réelles arbitraires. Si elle donne une racine complexe conjuguée r = pe” , on associe A cette racine et a sa conjuguée les solutions linéairement indépendantes p' cosét et p'sin dt. La différence avec les 6quations d’ordre 2 est que l'on peut trouver des racines complexes (simples ou multiples) qui coexistent avec des racines réelles (simples ou multiples). ioCHAPITRE Systemes d equations de recurrence et différentielles linéaires 1. Introduction 2. Equations et systémes de récurrence linéaires d’ordre n: réduction a un systeme d’équations d’ordre 1 Résolution d’un systéme de récurrence linéaire d'ordre 1 . Equations et systémes différentiels linéaires d’ordre n : reduction aun systeme d’ordre 1 « Resolution d’un systeme différentiel linéaire d’ordre 1 6. Equilibre et stabilité des systémes de récurrence et différentiels pw y3. Resolution d’un systeme de récurrence linéaire d’ordre 1. [259 ¥_DEFINITION Soit \ une valeur propre de la matrice A. Un vecteur (non nul) @ est appelé vecteur propre généralisé pour A associé & A lorsque (A—AI)7 #0 mais pour un entier = m>1 (A-ADT)™t=0 V_ THEOREME Supposons que A= PJ4P~' soit une matrice carrée dordre 2 avec une valeur multiple 7 et seulement un vecteur propre V; qui engendre lespace propre. Soit Vp un vecteur propre généralisé associé? V, et r. Alors, la solution générale du systéme d’équa- tions de récurrence X; = AX,_; est: DOGAN + wtp; + wAlDi41 avec p; qui sont les it colonnes de la matrice de passage P de Jordan. xX, Exemple Déterminons la solution du s; my — 4m y— Hy 4 =0 (m % ue + m1 — 2H) = 0 1 alma 4 ya I Jem=ana Le polyndme caractéristique de la matrice A est P{A) = (4—3)?. La 1a matrice de passage associée aux valeurs propres est P — i a} Sachant que X, = }0(G.M + tN“), + w Alps alors ti x . af? 1 (ri) = bs + dat ie +h a()| 2 = AS + py (e.a'! + 3) 2 MW = A, 3t — yt. 2 V, est tel que (A= rl), = Vy4. Equations et systemes différentiels dordre n: réduction & un systéme d’ordre 1 [263 En conséquence, 'équation de récurrence linéaire ordre 6 s'écrit : 2)(t) = 3x,(t) + 5xy(t) + xy(t) + x5(t) + Qz6(t) +7 a(t) = a(t) ag(t) = x(t) E4(t) = a9(t) Bilt) = a(t) H(Q) (8 5 1 1 2y(m()) (7 a(t)} |1 0 0 0 Olah} fo ein |=]0 1 0 0 offen] +fo i()| [0 0 1 0 Olja] Jo a(t)] [0 0 0 1 Offa} [0 X(t) = AX) +B Exemple 2 Réduisons a ordre 1 le systéme d’équations différentielles linéaires ordre 3 suivant : t) + a(t) — 43(¢) + aft) = 3x a4 OD} He) + HH — 441) — 5y(t) = 0 a(t) = 1-2) Soient les fonctions intermédiaires suivantes a(t) = a(t) ;n(t) = ¢ > 2(t) = 2; et a(t) Le systéme donné devient 2) = a(t) = 2. A(t) = H(t) —47,(t) + 2) + 3x44 tal) = —ult) + Ayalt) — Sys(t) al) =1- 2) Pour simplifier lécriture, posons les relations suivantes: 1,(t) = y(t) et z(t) = x3(t) = ys(t) . Alors le systeme devient 4(t) = a(t) — 4y(t) + 2(t) + 3x 4° u(t) = —2(t) + dy(t) — 52(t) At) = 1- x(t) al) (1 -4 1\(a@) [34 2] AO) = 4 -5iim(t)) +] 0 a(t) 0 0 =I} a(t) 1 Xp = AXy_ +B5. Résolution d’un systéme différentiel linéai Parconséquent, w(t) = Bet HH + hoe +8t+8 =H MH Sey! +8t+8. © Enfin, en reportant ce résultat dans la derniére équation, on obtient aussi une équation de récurrence linéaire Alt) — v(t) = (9 + AEH pee +16t+ 8. La solution de son équation sans le second membre est. y(t) = Son second membre v(t) est de la forme u(t) = te + dt + kt*)e' +at +b. Le remplacement et l'identification dans l'quation donnent y(t) = (8+ a + eye — 16t — 24 On déduit, y(t) = (e+ At-+ de +Ut)é —160- 24. de, 1s)e u(t) = (x +8t+—P + at’ Je — 161-24 2 6 Alors ¥(t) = } w(t) = (2 + Mt 3 Je + 8t+8 w(t) = (0+ te! -4 ‘* Par conséquent, la solution recherchée de X(t) est obtenue en posant X(t) = PY(®). -1 1 O}(n) —nl) + volt) X()=PYH=|1 0 Olle w(t) To =1 Uys) (ml) — veld + vs(0) a(t) = (y+ Bt +he + qe +161 + 24 + (8+ Mt + ee +848 a(t) = (e+ Bt + de + gore —16t — 24 a(t) = (Wat AP + Lye —101 24 (9+ M+ Fee 8-8 + OE a(t) = el-te FELOAFD+UA-B)—a +a]+ 2ut + 32 a(t) = e'(u + Bt +he +it)- 16t — 24 a(t) = elie +50 —1) +--+ B)4A- B+ | = 2at — 32 2696. Equilibre et stabilité des systemes de récurrence et différentiels 73 6.3 | Critéres de stabilité differentielle d'un systéme 6.3.1 Systeme différentiel linéaire: criteres de stabilité Le systéme homogéne d’équations différentielles est défini par Végalité X(t) = AX(t) + X(t) = A'X(0). Son comportement asymptotique dépend du module des valeurs propres de la matrice des coefficients A. Présentons & present quelques crite- res généraux et pratiques. V_CRITERE GENERAL Condition nécessaire et suffisante Lamatrice A est différentiellement stable (A-W/stable) si et seule- ment si les valeurs propres de la matrice A sont strictement néga- tives (ou de parties réelles négatives) (A= d/stable & Vj; A, < 0 (ou Re(A,) < 0)). Condition nécessaire Si la matrice A d'ordre pair est différentiellement stable (A-d/ stable), alors nécessairement tous les coefficients du polynome caractéristique sont positifs (A—d/stable + ¥; a, > 0). V_CRITERES PRATIQUES Régle de la diagonale dominante (CS) Si dans chaque ligne de la matrice A tous les termes de la diago- nale principale sont négatifs (trace) et que la valeur absolue de chacun de ces termes diagonales lemporte sur la somme des valeurs absolues des autres termes de chaque ligne, alors les valeurs propres de la matrice A sont strictement négatives. Yiay <0 et (A= d/stable si =ViA <0% lal> Dlas| a Interprétation économique : le fait que les termes de la diagonale soient tous de valeur négative veut dire que lorsque le prix d'un bien augmente par rapport & celui de Méquilibre, sa demande diminue en mettant en fonction dews effets : un effet de direct (ou de revenu) et un effet de substitution. Ele fait que le terme de la diagonale lemporte en valeur absolue sur la somme des autres termes de la ligne, exprime la force attraction quexerce Tequilbre (effet revenu ou direct 'emporte sur Veffet de substitution) par rapport aux 6véne- ments exereés par le prix des autres biens qui forcent en sens opposé.278| CHAPITRE 11 — Systemes d’équations de récurrence et différentielles ling. 2 Déterminer l’équilibre et la stabilité lorsque le systéme d’évo- lution des prix est défini par les relations : 1 A =m + Gm +2 4d Any m+284) CHAPITRE 12 ~ Optimisation statique | 1 | introduction On définit taditionnellement la science économique comme l'étude des allocations optimales des ressources rares. Les termes « optimal » et «rare » dans cette definition évoquent, de maniére plus ou moins explicite, le probléme d'optimisation. Un probleme dans lequel les variables a priori ne prennent pas n'importe quel- les valeurs, a fortiori elles sont contraintes. En économie, la réso- lution de ce type de probleme basée sur la recherche des valeurs extrémales constitue une action continue. Ainsi, comme un outil, la technique d’optimisation est au coeur de la science économique comme lest le concept de la rationalité, | Loptimisation représente l'ensemble des techniques de recherche de lextremum d'une fonction de plusieurs variables. Ces techniques se déclinent de maniére différente selon le contexte temporel du modéle considéré. Toutefois, quels que soient les cas, traditionnellement et sauf indication contraire, la méthode de recherche de Textremum, depuis lavénement du calcul différentiel, réside en deux étapes. La premiére étape determine les candidats a Yextremum. Dans cette étape, une fonction admet un extremum lorsque ses dérivées premieres sont nulles (gradient). La résolution de ces équations dérivées donne les points critiques recherchés. La seconde étape, quant elle, détermine la nature de extremum a travers le signe de la dérivée seconde de la fonction aux points critiques (formes quadratiques associées aux dérivées secondes) Les prérequis pour aborder ce chapitre sont la connais- sance des fonctions de plusieurs variables (chapitre 7) et les formes quadratiques (chapitre 8). L'objectif du chapitre est une présentation des techniques d’optimisation dans sa diversité. _2 | Théorémes fondamentaux d'optimisation Lavenement du calcul différentiel au XVII*° siécle a permis de caractériser le minimum (maximum) d'une fonetion par léqua- tion de sa dérivée premigre nulle. On a ainsi résolu du coup un grand nombre de problémes pratiques relatifs a l'étude d'une fonction. Présentons les principaux résultats qui découlent de cette procédure. |292] CHAPITRE 12 ~ Optimisation statique Enremplacant ces valeurs dans l’équation (3) on obtient deux vecteurs points : Ay (33) avec A=1 et = ($e) avec \=-1. | 22 2 | Intéressons-nous & la condition sufiisante. * Condition suffisante : nature de fextremum | Les dérivées secondes sont: f=-2\; Ly =-4\; Ly Ly = Ly =0 ; Ly = Dye = 2-22 et Dy = Ly = 3-4. Les formes quadratiques associées aux dérivées secondes sont données par les matrices symétriques suivantes. “2 a 0,y20 5.2] Méthodes de résolution En reprenant l'exemple ci-dessus, résoudre le programme linéaire consiste & chercher, parmi toutes les valeurs des variables qui satisfont les contraintes, celles qui optimisent la fonction objectif. 5.2.1. Résolution graphique Si les contraintes, quel que soit leur nombre, ne comportent que 2 variables, la méthode de résolution la plus commode est la démarche graphique. La résolution dans R® donne déja r'ampleur du sujet a traiter. La méthode se décompose en trois étapes simples : 1" étape : construire le domaine contraint des variables (S) C'est le lieu ot la solution recherchée est possible. On traite ici les inégalités techniques comme si elles étaient des équations 6galitaires. En respectant l'ensemble des contraintes, on définit une zone que I'on qualifie de zone accessible (S).306] CHAPITRE 12 ~ Optimisation statique z 7 i i 4 qu oles fi 1 2 1 0 0 0 |» | 90 4 1 1 Q 1 0 o | 50 | 50 4 2 1 Q 0 1 0 | w | 0 “ 0 1 a 0 0 dime ede = oI 40 20 ° 0 0 ° ° 4 0 32 1 o | - | o | 0 | op 4 0 wm | o meee EknGES e 1 | o 0 wm |o | «| » 0 1 0 0 0 10 35 35 “Il 0 5 0 0 15 0 | -1200 t a 0 1 3 1 a | 0 y 0 1 0 2 a 0 |» x 1 oO 0 1 1 0 30. es 0 0 0 2 1 1 15. -t o 0 0 10 10 0 ~~ 1300 Solution finale du programme primal 1=1300 {fe =10 r=30 etle=e,=0, y= 20 4 =15 par contre, celle du dual est déduite du premier comme suit V = 1300 ty = 30 avec u, = G(e,). ty = 2 Les contraintes 2 et 3 sont saturées (ou actives) car elles n’appartiennent pas/& la solution de base finale (¢ = e; = 0) ; par contre, les contraintes 1 et 4 ne sont pas satirées (ou inactives).CHAPITRE Optimisation dynamique 1. Introduction 2. Extrémale libre en temps continu 3. Extrémale contrainte en temps continu 4. Extrémale en temps discret ; introduction2. Extrémale libre en temps continu [317 Exemple2 | ptimiser [UO + 12t2(8) Jae se. 20) = 1,2) =4 1. Liintégrande F = 4i(t) + 12ta(t) 2. Calcul des dérivées partielles OF OF x, wit, = 7 Os 3. Substitution dans 'équation d’Euler_ oF d (OF (Silt) (2) as = A080) = F; = 8(t) Ox Ox a Oe at 4. Mise en forme de l’équation d’Euler 12t = B84(¢} 5. Puisquil y a un terme 4(t) dans léquation d’Euler, la résolution nest pas immeédiate. Intégrons deux fois chaque membre de l’égalité prea = fst ds 6? +0, = sit) foe +0; fro = 28 + Cyt + Cy = Bait) Pour 2(0) = 1, 2(2) = 4 a(t) =3 +ptel Remarque : l'équation dEuler est une condition nécessaire et non suffisante pour optimisation dynamique. En résolvant Péqua- tion d'Buler, la solution trouvée est une extrémale possible parmi autres éventuelles, Il existe, comume dans le cas traditionnel, une condition du second ordre pour déterminer la nature de Tex trémale, sauf si l'on montre la convexité de fonction F. VY THEOREME 2 (Condition suffisante de Legendre) La courbe z(t), solution de 'équation d’Euler, est une extrémale notée 2"(2) entre 2(0) et 2(7) sila dérivée partielle seconde de Vintégrande par rapport #(t) est strictement négative (@ Fit, a(t), a(t) (0%? =F <0) Vte (0,7), alors extrémaie est une courbe localement maximale.324] CHAPITRE 13 — Optimisation dynamique | Onmontre que F (le signe des mineurs principaux est négatif et 6gal a zéro) et G (est linéaire) sont quasi concaves. Ce qui assure que les conditions nécessaires sont suffisantes, | 1. H = —(u(t) + 2a(t))? + A()(a(t) + u(t) —t — a(t)) 2. ON. on = —4(u(t) + 2a(t)) + A(t) = —A(t) oe = —2[u(t) + 22(0)] +A) = 0 3. D'apres la troisi@me équation 2(u(t) + 22(1)) = A(t) Remplacons cette valeur de A(t) dans la deuxiéme équation, on obtient une équation difiérentielle linéaire du ler ordre en. ,A(t) = A(#)| dont la résolution donne A(t)=he'. — Finalement, —_puisque ke! = 2u(t) + 22(0)),alors u(t) = 5 — 20(0). Dapres la premiére equation u(t) = ¢ — x + ¢, si on substitue l'ex- pression de u(t)dans cette premiere équation on obtient une équation différentielle linéaire d’ordre 1 A coefficients constants suivant. bet fe t= a) + X10) 2 k Sa solution est x(t) = Kye + zc —t+lavec -K, = Par conséquent, l'extrémale est x(t) = —e~' + ef —t +1. | _4 | Extrémale en temps discret : introduction Contrairement, au cadre de Voptimisation dynamique en temps continu, certains problemes d’optimisation ont une structure temporelle discréte ; Cest un troisiéme ensemble de problémes optimisation dynamique, Ce cadre nécessite une approche dif- férente dans la résolution des problémes s'y référant. Bien que depuis fort longtemps des mathématiciens aussi illustres que Fermat, Euler, Mac Laurin et d'autres aient pressenti le principe et les techniques d’optimisation qui sont a la base de la résolution des problémes en temps discret, ce sont les travaux de R. Bellman (1957) qui les ont élevés au rang de théorie géné- nh les rale pour la résolution de probléme d’optimisation. A prior