Maths Appliquee A La Gestion PDF

Sciences de gestion
Synthse
de cours
exercices
corrigs
Jeremy DUSSART, N a ta cha JO UKO FF,
Ahmed LO ULIT, Aria ne SZAFARZ
&
Cours et exercices adapts aux besoins
des gestionnaires et des conomistes
Approche progressive illustre de
nombreux exemples
Corrigs dtaills de tous les problmes
et exercices
Collection
synthex
Mathmatiques
appliques
la gestion
http://fribok.blogspot.com/
Sciences de gestion
Synthse
de cours &
Exercices
corrigs
Mathmatiques
appliques
la gestion
Jeremy DUSSART
Natacha JOUKOFF
Ahmed LOULIT
Ariane SZAFARZ
Direction de collection : Roland Gillet
professeur luniversit Paris 1 Panthon-Sorbonne
Collection
synthex
Composition sous L
A
T
E
X : ScripT
E
X
Toute reproduction, mme partielle, par quelque procd que ce soit, est interdite sans autori-
sation pralable. Une copie par xrographie, photographie, lm, support magntique ou autre,
constitue une contrefaon passible des peines prvues par la loi, du 11 mars 1957 et du 3 juillet
1995, sur la protection des droits dauteur.
978-2-7440-7374-8
Tous droits rservs
ISBN :
ISSN : 1768-7616
2009 Pearson Education France
Ccile, Cline, Sylvain, Cdric, Yasmina et Clara, en esprant quun jour ils approfondiront
cette matire fascinante qui leur a pris un peu du temps de leurs parents.
Emerson, pour lencourager dcouvrir ce domaine que son grand frre a pris plaisir
investiguer.
Sommaire
Les auteurs VII
Introduction IX
Chapitre 1 Rappels et dnitions 1
Chapitre 2 Suites relles 31
Chapitre 3 Les fonctions dune seule variable 51
Chapitre 4 Optimisation des fonctions dune seule variable 101
Chapitre 5 Les matrices 121
Chapitre 6 Les fonctions de plusieurs variables relles 161
Chapitre 7 Optimisation des fonctions de plusieurs variables 201
Rfrences bibliographiques 235
Index 237
Sommaire V
Les auteurs
Jeremy Dussart est ingnieur de gestionde la Solvay Business School (SBS) de lUniversit
Libre de Bruxelles (ULB). Il est chercheur en stratgie au Centre Emile Bernheim (CEB)
et enseigne les mathmatiques en privilgiant les applications pratiques ce domaine.
Natacha Joukoff est mathmaticienne diplme de lULB. Passionne par la pdagogie,
elle enseigne les mathmatiques la SBS, elle participe aussi activement aux cours pr-
paratoires destination des futurs tudiants et aux cours de soutien organiss pour ceux
qui, en premire anne de sciences de gestion, ont des difcults sadapter au rythme de
lenseignement des mathmatiques.
Ahmed Loulit est titulaire dun DEA de sciences de gestion (SBS) et dun doctorat de
mathmatiques (ULB), obtenu sous la direction du professeur Jean-Pierre Gossez. Il est
enseignant en mathmatiques (SBS) et chercheur au CEB. Il prpare actuellement une
thse en modlisation nancire sous la direction du professeur Andr Farber.
Ariane Szafarz est professeur de mathmatiques et de nance lULB. Elle y dirige le
Centre Emile Bernheim (CEB) et est membre du Dpartement dconomie applique
(DULBEA). Diplme en philosophie des sciences, elle a rdig une thse de doctorat de
mathmatiques sous la supervision du professeur Christian Gouriroux (CREST, Paris),
avec qui elle a rgulirement collabor. Prsidente de lcole doctorale en gestion de lULB
(SBS), elle participe divers projets scientiques, nationaux et internationaux, et encadre
plusieurs doctorants du dpartement de nance dont elle assume la responsabilit avec les
professeurs Ariane Chapelle et Andr Farber. Enn, elle est lauteur de nombreux livres
et darticles scientiques en conomtrie nancire.
Les auteurs VII
Introduction
Lobjectif principal de cet ouvrage est dapporter aux tudiants en sciences de gestion les
bases mathmatiques ncessaires pour aborder les diverses branches de leur discipline.
cette n, il propose un compromis entre une vision mathmatique abstraite qui ignorerait
les aspects pratiques et une dmarche strictement utilitariste qui masquerait la fcondit
et lesthtique du raisonnement mathmatique.
Selon le principe de la collection, chaque chapitre commence par une synthse de cours
illustre de nombreux exemples, remarques pratiques et commentaires. Ceci exclut les
dmonstrations (qui peuvent tre trouves dans les ouvrages de rfrence) au prot
dexplications mettant en vidence la logique de la succession des matires. Ce sacrice,
difcile consentir pour un mathmaticien, est compens par des dnitions prcises,
des hypothses explicites et des rsultats rigoureux.
Les exercices et problmes, qui occupent la seconde et majeure partie de chaque chapitre,
se rpartissent entre applications directes des rsultats thoriques et formalisation des
questions poses par les sciences de gestion. Tous sont accompagns des solutions dtailles
qui mentionnent, le cas chant, lexistence dautres approches possibles.
Les sciences de gestion sont jeunes et dynamiques et leurs contours thoriques uctuent.
Dresser linventaire dtaill des outils mathmatiques quelles emploient constitue une
mission prilleuse. Nous avons choisi la voie, plus commode, de la cohrence mathma-
tique thmatique, quitte dlaisser certaines matires, qui, comme les intgrales ou les
applications linaires, apparaissent moins souvent dans les applications, mais sont tout
aussi passionnantes. Il reste donc matire un second volume.
Ce livre est organis de la manire suivante. Le premier chapitre introduit les notions de
base et les notations qui seront utilises tout au long des pages qui suivent. Il va cependant
au-del des simples rappels en prsentant notamment la rsolution dquations dans
lensemble des nombres complexes. Le chapitre 2 tudie les suites relles qui permettent
de caractriser lvolution et la convergence de processus dterministes en temps discret.
Le chapitre 3 dveloppe la thorie des fonctions dune variable tandis que le chapitre 4
est ddi la dtermination des extrema de ces fonctions. Le chapitre 5 est consacr aux
notions fondamentales relatives aux matrices et la rsolution de plusieurs problmes
dalgbre linaire. Le chapitre 6 prsente les fonctions de plusieurs variables dont les
applications pratiques la gestion sont multiples. Logiquement, le chapitre 7 approfondit
la recherche des extrema de telles fonctions.
**
*
Introduction IX
Il y a prs dun an, le professeur Roland Gillet nous a propos de rdiger cet ouvrage.
Nous avons saisi avec enthousiasme cette opportunit de transmettre notre exprience
de lenseignement des mathmatiques aux gestionnaires. En effet, notre quipe dispense
depuis plusieurs annes ce type de cours la Solvay Business School de lUniversit Libre
de Bruxelles. Arrivs au terme de la rdaction, nous lui sommes trs reconnaissants de la
conance quil nous a tmoigne et des bons moments passs en sa compagnie qui nous
ont permis dapprcier sa rigueur intellectuelle, son sens de lorganisation et son humour
communicatif.
Il convient de souligner le soutien efcace et les encouragements rpts que nous a pro-
digus Pearson Education France, et tout spcialement Pascale Pernet et Antoine Chret,
avec qui nous avons pris un grand plaisir travailler. Ils conserveront probablement le
souvenir que les matheux sont des gens certes pointilleux, mais respectant les dlais.
Nous remercions galement Martine Anciaux-Mundeleer pour sa patiente relecture et
ses commentaires judicieux, sans oublier les gnrations dtudiants et dlves-assistants
qui nous ont aids ajuster le contenu de notre enseignement et afner lapproche
pdagogique dune discipline qui suscite parfois une certaine apprhension.
Enn, nous formulons lespoir que les lecteurs dcouvriront au l de cet ouvrage que les
mathmatiques constituent non seulement un outil prcieux pour les sciences de gestion,
mais aussi un savoir fascinant dont lapprentissage procure des joies insouponnes...
Jeremy Dussart
Natacha Joukoff
Ahmed Loulit
Ariane Szafarz
Bruxelles, juin 2004
X Introduction
1
Chapitre
Rappels
et dnitions
Rappels et dnitions
1. Ensembles de nombres . . . . . . . . . . . . . . . 2
2. Relation dans R . . . . . . . . . . . . . . . . . . 3
3. Sous-ensembles convexes de R . . . . . . 4
4. Fonctions de R dans R . . . . . . . . . . . . . . 4
5. Rsolution dquations dans C . . . . . . . 6
5.1 Nombres complexes . . . . . . . . . . . . . . 6
5.2 Plan complexe et forme
trigonomtrique . . . . . . . . . . . . . . . . . . 7
5.3 Polynmes coefcients
complexes . . . . . . . . . . . . . . . . . . . . . . . . 9
6. Topologie et dpendance linaire
dans R
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
Problmes et exercices . . . . . . 12
Relation dans R
et les sous-ensembles convexes de R 12
Fonctions de R R . . . . . . . . . . . . . . . . . 14
Nombres complexes . . . . . . . . . . . . . . . . . . . 24
Topologie et dpendance linaire
dans R
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Ce chapitre prsente les notions de base et les
notations utilises dans la suite du livre
(1)
, en
commenant par les ensembles de nombres. Il volue
ensuite vers la structure ordonne de lensemble R des
nombres rels.
De l, les intervalles et autres ensembles convexes de
R sont introduits. Les fonctions relles dont ltude
dtaille apparat dans les chapitres 3 et 4 sont
brivement prsentes. La gnralisation de
lensemble R est aborde selon deux directions. Dune
part, au plan algbrique, les nombres complexes
permettent la rsolution dquations polynomiales sans
solution relle. Dautre part, les ensembles de n-uples
rels constituent la base indispensable lexamen des
fonctions de plusieurs variables qui font lobjet des
chapitres 6 et 7.
1. Nous supposerons nanmoins acquises les notions de base et les notations de la thorie des ensembles et de
lalgbre lmentaire.
Rappels et dnitions 1
1 Ensembles de nombres
Les ensembles de nombres sont prsents du plus petit au plus grand, partant de celui des
nombres naturels, utiliss communment pour dnombrer des objets. Les nombres entiers
sont obtenus en ajoutant aux nombres naturels leurs opposs, qui sont munis dun signe
ngatif. Les nombres rationnels permettent dintroduire toutes les fractions (division de
deux nombres entiers) dnominateur non nul. Enn, lensemble des nombres rels qui
nest pas dnombrable, est dtermin par analogie avec les points dune droite, appele la
droite relle.
Notations
N est lensemble des nombres naturels {0, 1, 2, . . . }.
Z est lensemble des nombres entiers {. . . , 2, 1, 0, 1, 2, . . . }.
Qest lensemble des nombres rationnels
_
p
q
: p Z, q Z, q = 0
_
.
R est lensemble des nombres rels, reprsent par lensemble des points dune
droite oriente munie dune origine et dune unit.
Pour chacun des ensembles cits, on indique lexclusion du nombre 0 par un
indice infrieur nul ou un astrisque. La restriction aux nombres positifs ou
nuls, ou ngatifs ou nuls, seffectue laide du signe qui convient plac en indice
suprieur.
J
Exemples
N
0
= N
= N\{0} = {1,2, . . . }, R
+
= {x R : x 0}, R
0
= {x R : x < 0}.
Lquation x
2
= 1 nadmet pas de solution relle. An de rsoudre cette difcult, on
dnit un ensemble plus vaste que R, lensemble des nombres complexes.
Dnition C =
_
a +bi : a, b R, i
2
= 1
_
.
J
Les dnitions et proprits relatives lensemble C seront prsentes dans la section 5
du prsent chapitre. Remarquons que les inclusions successives N Z Q R C
sont strictes puisque :
1 Z et 1 / N.
1
3
Qet
1
3
/ Z.
R et / Q.
3 +2i C et 3 +2i / R.
Lensemble R occupe sans conteste une place prpondrante dans les applications pra-
tiques. En effet, les multiples lments quantitatifs qui maillent les problmes de la
gestion sexpriment le plus souvent laide des nombres rels.
Dans le domaine des processus volutifs, deux approches du temps coexistent. Dune part,
le temps vu comme une succession dinstants dissocis (approche dite discrte) conduit
une reprsentation mathmatique de dates appartenant N ou N
0
et lvolution des
2 Rappels et dnitions
1
Chapitre
variables dintrt sera exprime laide de suites (chapitre 2). Dautre part, le temps
considr comme un continuum (approche dite continue), en rfrence R ou R
+
0
,
requiert la thorie des fonctions (chapitre 3). En fait, ces deux visions du temps sont
complmentaires : lobservation statistique seffectue des dates discrtes, tandis que
lanalyse thorique repose plus volontiers sur la thorie des fonctions, plus performante
cet gard.
2 Relation dans R
Lensemble des nombres rels est naturellement ordonn selon la position des points sur la
droite relle de gauche droite. Cette relationdordre, note , jouit de diverses proprits
qui enrichissent la droite relle et permettent de dnir des notions qui savreront fort
utiles dans ltude des fonctions.
Proprits
La relation est un ordre total sur R car :
x R : x x (rexivit),
x, y R : x y et y x x = y (antisymtrie),
x, y, z R : x y et y z x z (transitivit),
x, y R : x y ou y x (lordre est total).
Lordre est compatible avec laddition et avec la multiplication par un nombre
positif ou nul car :
x, y, z R : x y x +z y +z.
x, y R, z R
+
: x y x.z y.z.
J
Attention
x, y R, z R
: x y x.z y.z.
Proprit R est un ensemble dense car :
x, y R : x < y z R : x < z < y.
J
Remarque
N et Z ne sont pas des ensembles denses, tandis que Q et R\Q le sont. En outre, ces deux
derniers ensembles sont denses dans R. En effet :
x, y R : x < y z R\Q : x < z < y.
x, y R : x < y z Q : x < z < y.
Considrons un ensemble A R. Les dnitions suivantes utilisent la relation dordre
an de situer un point quelconque b R par rapport cet ensemble.
Relation dans R 3
Dnitions
b est un majorant de A si x A : x b. Lensemble des majorants de A est
not

A.
b est un minorant de A si x A : b x. Lensemble des minorants de A est
not A.
A est born si A admet au moins un minorant (A est minor) et un majorant (A
est major).
Le plus petit majorant de A est appel supremum ou borne suprieure de A. Il
est not sup A. Si sup A A, alors sup A est appel maximum de A. Il est not
max A.
Le plus grand minorant de A est appel inmum ou borne infrieure de A. Il
est not inf A. Si inf A A, alors inf A est appel minimum de A. Il est not
minA.
J
Proprit Dans R, tout ensemble non vide major admet un supremumet tout
ensemble non vide minor admet un inmum.
J
Nanmoins, certains ensembles majors (resp. minors) nadmettent pas de maximum
(resp. minimum). Voir les exercices.
3 Sous-ensembles convexes de R
Un sous-ensemble A de R est dit convexe si tout segment qui joint deux de ses points
est contenu dans lensemble. La formalisation mathmatique de cette dnition snonce
comme suit.
Dnition A est un sous-ensemble convexe de R si :
x, y A, z R : x z y z A.
J
Les sous-ensembles convexes de Rsont les intervalles, les demi-droites et les sous-ensembles
triviaux : (ensemble vide) et R. Voici tous les intervalles et demi-droites possibles :
Intervalle ferm : [a, b] = {x R : a x b}.
Intervalle ouvert : (a, b) = {x R : a < x < b}.
Intervalles ni ouverts, ni ferms : [a,b) = {x R : a x < b}
et (a, b] = {x R : a < x b}.
Demi-droites fermes : [a, +) = {x R : a x} et (, b] = {x R : x b}.
Demi-droites ouvertes : (a, +) = {x R : a < x} et (, b) = {x R : x < b}.
4 Fonctions de R dans R
Considrons deux sous-ensembles A et B de R. Par dnition, une fonction de A dans B
envoie chaque lment de A sur un lment de B, son image par la fonction, note f (x).
Dnitions
f est une fonction de A dans B si tout lment x A correspond un et un seul
lment f (x) B. On crit : f : A B : x f (x).
Lensemble A est appel le domaine de dnition de f , et not domf .
Le graphe de f est la courbe plane dquation y = f (x) , x A.
J
1
Chapitre
Les rles des ensembles A et B sont fort diffrents. En effet, tout lment de A est
obligatoirement envoy par f sur un lment de B, tandis que chaque lment de B peut
tre limage dun, de plusieurs ou daucun lment de A.
Exemple
Prenons la fonction f : R R
+
: x max{x, 1}. Tous les nombres du sous-ensemble (,1]
de R ont pour image 1, tandis que les autres points de R sont envoys sur eux-mmes. Il sensuit,
entre autres, que : 1/2 nest limage daucun point de R, 1 est limage dune innit de points
de R, 3 est limage dun seul point de R. Notons aussi que les nombres ngatifs ne font pas
partie de lensemble darrive R
+
. Le graphe de f est donn par la gure 1.1.
Figure 1.1
1 2 2 1
0
4 3
2
4
y
x
3
2
1
y = f(x)
An de caractriser les diverses situations possibles, on adopte les dnitions suivantes.
Dnitions
Limage par f de A est lensemble : Im
f
(A)
_
ou f (A)
_
= { f (x) : x A}.
Limage inverse de B
B par f est lensemble :f

1
(B
) = {x A : f (x) B
}.
J
Exemple
Si lon considre la fonction f : R R
+
: x max{x, 1}, on a : Im
f
(A) = [1, +) et, pour
B
= [1, 2] R
+
, on a : f
1
(B
) = (, 2].
Dans les problmes pratiques, on est souvent amen appliquer plusieurs fonctions
successivement. Par exemple, une usine peut, dans un premier temps, transformer une
quantit de facteur de production de base en un produit semi-ni, lui-mme appel
servir de matriau pour le produit nal. Les quantits successives en jeu dans ce processus
peuvent tre reprsentes par lapplication en chane de fonctions de production selon le
Fonctions de R dans R 5
schma suivant :
Facteur brut (x)
f
produit semi-ni (y)
g
produit nal (z)
Le passage direct de linput initial x loutput nal z est donn par la fonction compose
dnie comme suit :
Dnition Si f : A B : x f (x) et g : B C : x g(x), la compose de f
et g est la fonction de A C, note g f , dnie par : (g f )(x) = g
_
f (x)
_
.
J
Parmi les fonctions f : A B : x f (x), ondistingue trois grandes classes : les fonctions
injectives, surjectives et bijectives.
Dnitions Soit f : A B : x f (x).
f est injective si x
1
, x
2
A : f (x
1
) = f (x
2
) x
1
= x
2
;
f est surjective si y B, x A : y = f (x) ;
f est bijective si f est injective et surjective, cest--dire si y B, un et un seul
x A : y = f (x).
J
Remarque
Les ensembles A et B jouent un rle crucial dans la dtermination du caractre injectif et/ou
surjectif dune fonction.
Enn, seules les fonctions bijectives permettent de donner un sens une fonction rci-
proque (ou inverse) selon le schma suivant :
x = f
1
(y)
f
f
1
y = f (x)
Dnition Si la fonction f : A B : x f (x) est bijective, alors sa fonction
rciproque, note f
1
, de B A, est dnie par :
y B : f
1
(y) = x y = f (x).
J
Ainsi, parmi les fonctions usuelles, on dnombre plusieurs couples de fonctions rci-
proques telles que lexponentielle et le logarithme (dans la mme base), les fonctions
sinus et arcsinus (moyennant une restriction de domaine qui garantisse la bijectivit),
etc. Plus simplement encore, la fonction identit f : R R : x x est sa propre
rciproque tandis que la fonction carr f : R
+
R
+
: x x
2
(domaine restreint
pour bijectivit) a pour rciproque la fonction racine carre f : R
+
R
+
: x

x.
5 Rsolution dquations dans C
Aprs avoir brivement rappel les dnitions de base des nombres complexes, nous
donnons ici les proprits relatives aux solutions dquations polynomiales.
5.1 NOMBRES COMPLEXES
Dans la section 1, lensemble C des nombres complexes a t dni par :
C = {a +bi : a, b R, i
2
= 1}.
On introduit galement les notions suivantes :
1
Chapitre
Dnitions
Le nombre rel a est la partie relle de a +bi.
Le nombre rel b est la partie imaginaire de a +bi.
Le nombre complexe z = a bi est appel conjugu de z = a +bi.
|z| =

z. z est appel le module de z.
Les nombres complexes a +bi et c +di sont gaux a = c et b = d.
J
Laddition et la multiplication dans C sont dnies par la gnralisation des oprations
correspondantes dans R. Ainsi, si z
1
= a +bi et z
2
= c +di, on a :
z
1
+z
2
= (a +c) +(b +d)i et z
1
.z
2
= (ac bd) +(ad +bc)i.
Remarque
Linverse du nombre complexe a +bi = 0 est obtenu comme suit :
1
a +bi
=
a bi
(a +bi)(a bi)
=
a bi
a
2
+b
2
=
a
a
2
+b
2

b
a
2
+b
2
i.
5.2 PLAN COMPLEXE ET FORME TRIGONOMTRIQUE
Onreprsente volontiers les nombres complexes dans unplan, dit plancomplexe ouplande
Gauss, muni en abscisse de laxe rel et en ordonne de laxe imaginaire (gure 1.2).
Figure 1.2 axe imaginaire
b
axe rel
0 a
z = a + bi
Les nombres complexes non nuls peuvent aussi tre reprsents sous forme trigonom-
trique (gure 1.3, page suivante) : z = a +bi = (cos +i sin ),
Rsolution dquations dans C 7
Figure 1.3 y
x
b
a
z = a + bi
o
a = cos
b = sin
b a
sin ,cos = =
Langle est appel argument de z.
= a
2
+ b
2
Exemple
z = 1
3i = 2
_
cos
5
3
+i sin
5
3
_
puisque :
_
1 = cos
3 = sin
_
_
_
=

1 +3
sin =

3
2
, cos =
1
2
_
_
_
= 2
=
5
3
+2k, o k Z.
On peut aussi opter pour la reprsentation plus gnrale :
z = 2
_
cos
_
5
3
+2k
_
+i sin
_
5
3
+2k
__
, o k Z.
La forme trigonomtrique est commode pour effectuer les produits et les quotients de
nombres complexes.
Proprits Si z
1
=
1
(cos
1
+i sin
1
) et z
2
=
2
(cos
2
+i sin
2
), alors :
z
1
.z
2
=
1
.
2
_
cos (
1
+
2
) +i sin (
1
+
2
)
_
;
si z
2
= 0 :
z
1
z
2
=

1
2
_
cos (
1
2
) +i sin (
1
2
)
_
.
J
Exemple
z
1
= 1
3i = 2
_
cos
5
3
+i sin
5
3
_
et z
2
= 4
3 4i = 8
_
cos
7
6
+i sin
7
6
_
On a :
z
1
z
2
=
2
8
_
cos
_
5
3

7
6
_
+i sin
_
5
3

7
6
__
=
1
4
_
cos

2
+i sin

2
_
=
1
4
(0 +i.1) =
1
4
i.
La forme trigonomtrique est particulirement approprie au calcul des puissances. cet
gard, le rsultat suivant est fondamental.
Proprit (formule de De Moivre) Si n N
0
et z = (cos +i sin ),
alors z
n
=
n
(cos n +i sin n).
J
Lexponentielle des nombres complexes est dnie de manire gnraliser lexponentielle
dans R.
Dnition Soit z = a +bi : e
z
= e
a
(cos b +i sin b).
J
1
Chapitre
Proprits
e
i
= 1
cos b =
e
ib
+e
ib
2
, sin b =
e
ib
e
ib
2i
(formules dEuler).
J
5.3 POLYNMES COEFFICIENTS COMPLEXES
Le thorme de DAlembert est fondamental pour la rsolution des quations polyno-
miales.
Thorme de DAlembert Tout polynme de degr n N
0
coefcients
complexes admet exactement n racines complexes, distinctes ou non.
J
En particulier, lquation x
n
= z, o z est un nombre complexe donn, a pour solutions les
n racines n-imes de z. Dans la pratique, pour dterminer ces racines n-imes, il convient
dexprimer dabord le nombre z sous sa forme trigonomtrique gnrale.
Proprit Si z = (cos ( +2k) +i sin ( +2k)), o k Z, alors les n
solutions de lquation x
n
= z, notes z
0
, z
1
, . . . , z
n1
, sont donnes par :
z
k
=
n
_
cos
_
+2k
n
_
+i sin
_
+2k
n
__
, k = 0,1, . . . , n 1.
J
Il nexiste malheureusement pas de formule qui fournisse de manire similaire les solutions
dune quation polynomiale de degr quelconque. Cependant, une mthode simple existe
pour rsoudre les quations du second degr. Elle gnralise la mthode classique utilise
dans R.
Proprit Les solutions dans C de lquation ax
2
+bx +c = 0, o a, b, c C
et a = 0, sont obtenues en fonction du nombre complexe = b
2
4ac.
Si R
+
, les solutions sont donnes par x =
b
2a
,
Si R
0
, les solutions sont donnes par x =
b i
2a
,
Si C\R, les solutions sont donnes par x =
b R
2a
, o R reprsente lune
des deux racines carres du complexe .
J
Comme R C, le thorme de DAlembert entrane que tout polynme de degr n
coefcients rels admet n racines complexes. En outre, on peut tablir que les racines
complexes non relles dun polynme coefcients rels sont conjugues 2 2. Ainsi,
les quations x
2
+ 1 = 0 et 2x
2
+ 3x + 10 = 0 qui nadmettent pas de solution relle
possdent deux solutions complexes conjugues.
6 Topologie et dpendance linaire dans R
n
La structure topologique des ensembles R
n
est importante pour caractriser avec prcision
les domaines dans lesquels seront dnies les fonctions dune variable (n = 1), puis de
plusieurs variables (n > 1). Lensemble R
n
est compos de tous les n-uples de nombres
rels.
Topologie et dpendance linaire dans R
n
9
Dnitions
R
n
=
_
(x
1
, x
2
, . . . , x
n
) : x
1
, x
2
, . . . , x
n
R
_
= RR R
. ,, .
n fois
.
La distance euclidienne entre les points p = (p
1
, p
2
, . . . , p
n
) et q = (q
1
,
q
2
, . . . , q
n
) de R
n
est dnie par :
d(p,q) =
_
(p
1
q
1
)
2
+(p
2
q
2
)
2
+ +(p
n
q
n
)
2
.
Si p = (p
1
, p
2
, . . . , p
n
) R
n
et r R
+
0
, la boule ouverte de rayon r centre en p
est compose de tous les points de R
n
situs une distance de p infrieure r :
B(p, r) = {x R
n
: d(x, p) < r}.
J
La notion de boule ouverte dans R
n
gnralise celle dintervalle ouvert dans R. Elle permet
de dnir diverses caractristiques topologiques des sous-ensembles de R
n
. Considrons
cet effet un ensemble A R
n
et un point p = (p
1
, p
2
, . . . , p
n
) R
n
.
Dnitions
Le point p est un point intrieur de A (ou A est un voisinage de p) si
r > 0 : B(p, r) A.
Lintrieur de A, not Int A, est lensemble des points intrieurs de A.
Lensemble A est ouvert si Int A = A.
Le point p est un point adhrent de A si r > 0 : B(p, r) A = .
Ladhrence de A, note Adh A, est lensemble des points adhrents de A.
Lensemble A est ferm si Adh A = A.
La frontire de lensemble A, note Fr A, est gale Adh A\ Int A.
Le point p est un point daccumulation de Asi r > 0 :
_
B(p, r) A
_
\{p} = .
J
Exemples
1. Dans R
n
, R
n
et sont les seuls ensembles tre ouverts et ferms.
2. Dans R, les intervalles ouverts sont des ensembles ouverts. Les intervalles ferms sont des
ensembles ferms. Lintervalle (a, b] nest ni ouvert, ni ferm. En effet, il nest pas ouvert car
Int (a, b] = (a, b) = (a, b] et nest pas ferm car Adh (a, b] = [a,b] = (a, b] . Par ailleurs,
comme Int Q = et Adh Q = R (en vertu de la densit de Q dans R), lensemble Q nest ni
ouvert, ni ferm. Tous les lments de R sont des points daccumulation de Q.
3. Dans R
2
, la boule ouverte centre en lorigine et de rayon 2 est donne par B
_
(0,0),2
_
=
_
(x, y) R
2
: x
2
+y
2
< 4
_
. Lensemble D =
_
(x, y) R
2
: 1 < x
2
+y
2
< 4
_
est ouvert, E =
_
(x, y) R
2
: x
2
+y
2
< 4 et x 1
_
nest ni ouvert, ni ferm et C =
_
(x, y) R
2
: x
2
+y
2
4
_
est un ensemble ferm.
4. Un singleton (ensemble constitu dun seul lment) est gal son adhrence et constitue
donc un ensemble ferm. Son intrieur est vide et il nadmet pas de point daccumulation.
La notion densemble convexe peut tre tendue R
n
de la manire suivante :
Dnition Lensemble A R
n
est convexe si tous les segments liant deux points
de A sont constitus exclusivement dlments de A : p, q A, [0, 1] :
p +(1 )q A.
J
Exemples dans R
2
B
_
(0,0),2
_
=
_
(x, y) R
2
: x
2
+y
2
< 4
_
, C =
_
(x, y) R
2
: x
2
+y
2
4
_
et E =
_
(x, y) R
2
:
x
2
+y
2
< 4 et x 1
_
sont convexes tandis que D =
_
(x,y) R
2
: 1 < x
2
+y
2
< 4
_
ne lest pas
puisque (2,0) et (2, 0) D mais (0,0) =
1
2
(2, 0) +
1
2
(2, 0) / D.
Les ensembles R
n
peuvent aussi tre vus comme des ensembles de vecteurs (ou espaces
vectoriels), munis de laddition vectorielle et de la multiplication scalaire, dnies comme
suit.
Dnitions Si p = (p
1
, p
2
, . . . , p
n
), q = (q
1
, q
2
, . . . , q
n
) R
n
et R, alors :
p +q = (p
1
+q
1
, p
2
+q
2
, . . . , p
n
+q
n
) R
n
;
p = (p
1
, p
2
, . . . ,p
n
) R
n
.
J
Lapproche vectorielle est souvent utilise dans R
3
, qui offre une reprsentation naturelle
de lespace physique trois dimensions. Au plan mathmatique, les oprations daddition
vectorielle et de multiplication scalaire conduisent aux notions de combinaison linaire
et de dpendance ou dindpendance linaire entre vecteurs, qui jouent un rle crucial en
algbre linaire.
Dnitions
Le vecteur q = (q
1
, q
2
, . . . , q
n
) R
n
est une combinaison linaire des k( N
0
)
vecteurs p
1
= (p
1
1
, p
1
2
, . . . ,p
1
n
), . . . , p
k
= (p
k
1
, p
k
2
, . . . , p
k
n
) R
n
si
1
, . . . ,
k

R : q =
k
j=1
j
p
j
.
Les vecteurs p
1
, . . . , p
k
R
n
sont linairement indpendants si
k
j=1
j
p
j
=

0
j {1, . . . , k} :
j
= 0, o

0 = (0, . . . , 0) R
n
.
Dans le cas contraire, les vecteurs sont dits linairement dpendants.
J
Ces concepts ouvrent la voie vers des dveloppements extrmement fconds en algbre
linaire, un domaine que cet ouvrage ne fera cependant quefeurer dans le chapitre 5
consacr aux matrices.
n
11
Problmes
et exercices
Les exercices suivent globalement le schma de la prsentation thorique.
Au passage, sont expliques des mthodes pratiques relatives,
notamment, la division de polynmes et ltude des signes. Des
fonctions lmentaires, telles que le logarithme nprien (ln) et le sinus
(sin), sont prsentes loccasion dexercices sur la thorie de la
section 4. Les quations rsolues dans C restent relativement simples. Les
exercices portant sur la structure vectorielle ou topologique de R
n
permettent dintroduire des lments qui serviront soit dans le chapitre 5
(matrices), soit dans les chapitres 6 et 7 (fonctions de plusieurs variables).
Relation dans R et les sous-ensembles
convexes de R
EXERCICE 1
nonc
Considrons dans R, les ensembles A, B, C, D, E, F, G, H, I, J.
a A ={ - 4,3,8,2,- 9,20}.
b B =
_
1
n
: n N
0
_
.
c C = [5, 4].
d D = [2, 7) N.
e E = [, e] Q.
f F = Z.
g G = R
+
0
.
h H =
_
x R : x
2
4
_
.
i I =
_
x R : x
3
> 27
_
.
j J = (, 10] {3}.
Dterminez pour chacun, les ensembles de minorants et majorants, linmum et le
supremum, le minimum et le maximum (sils existent). Ces ensembles sont-ils borns,
convexes?
Solution a A = (, 9]. En effet, on a, dune part, A (, 9] puisque : 9 A
x A : x 9 et, dautre part, (, 9] A car b (, 9], x A =
{9, 4, 2, 3, 8, 20} : x 9 b.
1
Chapitre
Par un raisonnement similaire, on tablit que

A = [20, +).
De faon vidente, inf A = min A = 9 et sup A = max A = 20.
A est born car minor et major.
A est non convexe. Par exemple, 2 et 3 A mais 2, 5 / A.
b B = R
. On a en effet B R
car b R
, x B : b 0 x. Pour montrer que

B R
, procdons par labsurde. Sil existe un minorant de B strictement positif, disons

b > 0, comme Q est dense dans R, il existe un nombre
r
s
Q (o r, s N
0
) tel que :
0 <
r
s
< b. Comme r 1, on aura alors 0 <
1
s

r
s
< b et llment
1
s
( B) sera
infrieur au prtendu minorant b, ce qui est impossible par dnition ;
B = [1, +) ;
inf B = 0 / B minB;
sup B = max B = 1 ;
B est born car minor et major.
B est non convexe. Prenons par exemple,
1
16
et
1
4
B. En outre :
1
16
<
3
16
<
1
4
=
4
16
.
Or,
3
16
/ B.
c C = (, 5] ;

C = [4, +) ; inf C = min C = 5 ; sup C = max C = 4 ; C est born
et convexe.
d D = R
;

D = [6, +) ; inf D = min D = 0 ; sup D = max D = 6 ; D est born et non
convexe.
e E = (, ] et

E = [e, +) par densit de Q dans R; inf E = ; sup E = e ;
min E car / Q / E ; max E car e / Q e / E ; E est born ; E est non
convexe parce que, par exemple, 1 et 2 E mais 1 <
2 < 2 et
2 / Q

2 / E.
f F = . En effet, si Zpossdait un minorant b, on aurait x Z : b x, or z Z : z < b
(il suft de prendre z = le plus grand entier < b), ce qui est en contradiction avec la
dnition dun minorant de Z.
F = stablit de faon similaire.

inf F puisque Z ne possde pas de minorant ; sup F puisque Z ne possde pas de
majorant ; min F car inf F ; max F car sup F ; F est non born (ni major, ni
minor) ; F est non convexe.
g G = R
;

G = ; inf G = 0 ; sup G; minG; max G; G est non born et convexe.
h H = {x R : x
2
4} = [2, 2]. En effet, un polynme du second degr qui admet deux
racines distinctes change de signe de part et dautre de ses racines. Le signe du polynme
dans chaque rgion de Rest le suivant : signe du coefcient de x
2
lextrieur des racines,
signe oppos entre les deux racines. Ici, nous avons :
x
2
4 x
2
4 0 (x 2)(x +2) 0 x 2 et x 2
Il sensuit que :
H = (, 2] ;

H = [2, +) ; inf H = minH = 2 ; sup H = max H = 2 ; H est
born et convexe.
i I = {x R : x
3
> 27} = (3, +). En effet, x
3
> 27 x
3
27 > 0
(x 3)(x
2
+3x +9) > 0.
Relation dans R et les sous-ensembles convexes de R 13
Pour trouver les valeurs de x vriant cette condition, on dresse un tableau des signes bas
sur les racines de x
3
27. Comme le polynme du second degr x
2
+3x +9 ne possde
pas de racine relle (3
2
4.9 = 27 < 0) et reste toujours positif, la seule racine de
x
3
27 est 3 et le tableau des signes ci-dessous montre que x
3
> 27 x > 3.
x 3
x 3 0 +
x
2
+3x +9 + + +
x
3
27 0 +
Remarque
Ce rsultat dcoule aussi, et plus rapidement, de la croissance de la fonction cubique, mais
cette notion ne sera vue quau chapitre 3.
I = (, 3] ;

I = ; inf I = 3 ; sup I ; minI ; max I. I est non born et convexe.
j J = de faon vidente.
J = [3, +). En effet, dune part, on a [3, +)

J puisque 3 J et b

J : x
J b x. Dautre part, [3, +)

J. En effet, x J : 3 x. Si b 3, on a
x J : b 3 x, ce qui implique que b

J.
inf J car J ne possde pas de minorant ; sup J = 3 car 3 est le plus petit des majorants ;
min J car J ne possde pas dinmum; max J = 3 car sup J = 3 J ; J est non born
car J nest pas minor ; J nest pas convexe car, par exemple, 10 et 3 J mais 7 / J.
Fonctions de R R
EXERCICE 2
nonc
Dterminez le domaine de dnition des fonctions suivantes :
a f (x) = ln(x +4).
b g(x) =
_
x
2
9.
c h(x) =
2x +5
x
3
8
d i(x) =
x +3 7
x
3
3x +2
e j(x) =
ln(
x
3
2x
2
+x)
ln(3 4x)
f k(x) =
_
2x 1
x +1

g l(x) = x e
2x7
.
Solution a Domf = (4, +). En effet, la fonction lnx tant dnie uniquement dans R
+
0
, la
condition dexistence de f (x) est x +4 > 0.
b Domg = (, 3] [3, +). En effet, la fonction

x tant dnie uniquement
dans R
+
, la condition dexistence de g(x) est x
2
9 0. Le tableau de signes ci-dessous
indique la zone admissible :
x 3 3
x
2
9 + 0 0 +
c Domh = (2, +). En effet, la fonction

x est dnie dans R
+
, mais comme la racine
carre apparat au dnominateur, la condition dexistence de h(x) est x
3
8 > 0. Pour
trouver les x vriant cette condition, on dresse le tableau des signes suivant :
x 2
x 2 0 +
x
2
+2x +4 + + +
x
3
8 0 +
d Domi = [3, +) \{2,1}. En effet, les conditions dexistence sont, dune part,
x +3 0 pour la racine carre et, dautre part, x
3
3x +2 = 0 pour le dnominateur.
Astuce pratique
dfaut dutiliser une mthode gnrale de rsolution des quations de degr 3, on peut
tenter didentier une racine entire parmi les diviseurs du terme indpendant. Si cet essai est
fructueux, les autres racines sont obtenues grce la rgle de Horner qui permet de diviser
un polynme de degr quelconque par un binme (x m). Ainsi, pour factoriser le polynme
ax
3
+bx
2
+cx +d qui sannule en x = m, on dresse un tableau (voir ci-dessous) qui comporte :
en premire ligne, tous les coefcients (y compris les nuls) du polynme factoriser par
ordre de puissances dcroissantes ( partir de la deuxime colonne),
en deuxime ligne et premire colonne, la racine connue, m,
en troisime ligne et deuxime colonne, llment de la premire ligne, deuxime colonne, a.
ailleurs, les oprations indiques dans le tableau :
a b c d
m ma mb
mc
a b
= b +ma c
= c +mb
= d +mc
= 0
Finalement, on en dduit que ax
3
+bx
2
+cx +d = (x m)
_
ax
2
+b
x +c
_
.
Dans le cas prsent, les diviseurs du terme indpendant de x
3
3x+2 sont 1, 1, 2 et 2. Par
substitution, il apparat que le nombre 1 est racine du polynme. La rgle de Horner (tableau
ci-dessous) tablit que : x
3
3x +2 = (x 1)(x
2
+x 2).
1 0 3 2
1 1 1 2
1 1 2 0
Les autres racines du polynme x
3
3x +2, sont obtenues en rsolvant lquation du second
degr x
2
+x 2 = 0 dont les solutions sont x =
1
1 +8
2
=
_
1
2
.
Finalement : x
3
3x + 2 = 0 x {1, 2}. Ces valeurs doivent tre exclues du domaine
recherch.
e Domj = A =
_
0,
3
4
_
\
_
1
2
_
. En effet, les conditions dexistence sont :
x
3
2x
2
+x 0 (pour la racine carre)
x
3
2x
2
+x > 0 (pour le logarithme)
3 4x > 0 (pour le logarithme)
ln(3 4x) = 0 (pour le dnominateur)
Considrons successivement ces diffrentes conditions.
x
3
2x
2
+x 0 x(x
2
2x +1) 0 x(x 1)
2
0.
Le tableau des signes ci-dessous indique que : x
3
2x
2
+x 0 x D
1
= [0, +).
x 0 1
x 0 + + +
(x 1)
2
+ + + 0 +
x
3
2x
2
+x 0 + 0 +
x
3
2x
2
+x > 0 x
3
2x
2
+ x > 0 x D
2
= (0, +) \{1} (voir tableau
prcdent).
3 4x > 0 x <
3
4
x D
3
=
_
,
3
4
_
ln(3 4x) = 0 3 4x = 1 4x = 2 x =
1
2
x D
4
= R\
_
1
2
_
Comme les 4 conditions doivent tre vries simultanment, le domaine est donn par
lintersection :
D
1
D
2
D
3
D
4
=
_
0,
3
4
_
\
_
1
2
_
f Domk = A = (, 1)
_
1
2
, +
_
. Les conditions dexistence sont x +1 = 0, pour
le dnominateur, et
2x 1
x +1
0, pour la racine carre. Un tableau de signes conduit au
rsultat.
x 1
1
2
2x 1 0 +
x +1 0 + + +
2x 1
x +1
+ 0 +
g Doml = R. Les fonctions exponentielles et polynmes sont dnies dans R.
1
Chapitre
EXERCICE 3
nonc
laide de quelques points, bauchez le graphe des fonctions suivantes :
a f : R R : x x
2
.
b g : R R : x sin x.
c h : R
+
0
R : x lnx.
d j : R R : x [x] (j(x) est la partie entire de x).
e k : R R : x signx =
_
_
1 si x < 0
0 si x = 0
1 si x > 0
.
f l : R R : x |x| =
_
x si x 0
x si x < 0
.
Solution a Le graphe de f est une parabole (gure 1.4) avec : f
_
1
2
_
= f
_
1
2
_
=
1
4
= 0,25,
f (1) = f (1) = 1, f
_
3
2
_
= f
_
3
2
_
=
9
4
= 2,25, f (2) = f (2) = 4, f
_
5
2
_
=
f
_
5
2
_
=
25
4
= 6,25, f (3) = f (3) = 9, etc.
Figure 1.4
1 2 2 1
0
4 3
2
4
y
x
3
2
1
y = f(x)
b Le graphe de g est une sinusode (gure 1.5, page suivante) avec :
x R :
_
_
g(x) = sin x = sin(x) = g(x)
g( x) = sin( x) = sin x = g(x)
g(x +2) = sin(x +2) = sin x = g(x)
La troisime ligne indique que la fonction est priodique, de priode 2.
N.B : 3,1416
Fonctions de R R 17
x y =
x
z =
x +2
g(x)
g(y)
g(z)
x t =
(x)
u =
x +2
y
g(x)
g(t)
g(u)
g(y)
0 2 0 0 2 0
8
7
8
17
8
0,38

8
9
8
15
8
7
8
0,38
4
3
4
9
4
0,70

4
5
4
7
4
3
4
0,70
3
8
5
8
19
8
0,92
3
8
11
8
13
8
5
8
0,92
2
5
2
1

2
3
2
3
2
2
1
Figure 1.5
y = g(x)
3
2
2 2
x
y
1
1
0 2 2 3
2
c Quelques points du graphe de h sont obtenus comme suit : ln0,125 = 2,079, ln0,25 =
1,386, ln
1
e
= 1, ln0,5 = 0,693, lne = 1, lne
2
= 2...
N.B. : e 2,718, e
2
7,389,
1
e
0,368.
Le graphe de la fonction logarithme nprien est donn dans la gure 1.6.
Figure 1.6
4 2 6
x
2 4
2
3
y
1
3
2
1
4
y = h(x)
3 1 0 5 3 1
d j(x) est la partie entire de x, ou encore le plus grand nombre entier x. Son graphe
se prsente sous la forme dun escalier (gure 1.7) puisque : x [0, 1) : [x] = 0,
x [1, 2) : [x] = 1, x [2, 3) : [x] = 2, x [1, 0) : [x] = 1, x [2, 1) :
[x] = 2, etc.
Figure 1.7
2 1
0
3 4 5
x
y
3
y = j(x)
2
3
4
1
2
1
2 1
e k(x) est le signe de x(1, 0 ou 1).
Figure 1.8
1 2 1
0
2 3 4
x
2
y
1
y = k(x)
1
f l(x) est la valeur absolue de x.
Figure 1.9
2 1
0
3
x
2 3 1
2
3
4
y
1
1
y = l(x)
Fonctions de R R 19
EXERCICE 4
nonc
Onreprend les fonctions dnies lexercice 3. Dans chaque cas, dterminez les ensembles
prciss :
a f ({1, 2, 3}), f ((2, 1]), f
1
({25}), f
1
({2}), f
1
([0, 5)) et f
1
([1, 4]).
b g
1
__
3
2
__
et g
1
__
1
2
,
2
2
__
.
c h
__
1, e
3
__
et h
1
([1, 0]).
d j(R) et j
1
([1,0]).
e k
__
2, 1, 5
__
, k (R) et k
1
({1}).
Solution a f ({1, 2, 3}) =
_
f (x) : x {1, 2, 3}
_
=
_
f (1), f (2), f (3)
_
=
_
(1)
2
, 2
2
, 3
2
_
= {1, 4, 9}.
f ((2, 1]) =
_
f (x) : x (2, 1]
_
= [0, 4).
Notez que : f ((2, 1]) =
_
f (1), f (2)
_
= [1, 4).
f
1
({25}) =
_
x R : f (x) = 25
_
= {5, 5} puisque f (x) = 25 x
2
= 25 x = 5.
f
1
({2}) = , car f (x) = 2 x
2
= 2 ce qui est impossible dans R.
f
1
([0, 5)) =
_
5,
5
_
. En effet, on a : f (x) = x
2
[0, 5) 0 x
2
< 5
5 <
x <
5, grce au tableau des signes ci-dessous :

x
5
x
2
5 + 0 0 +
f
1
([1, 4]) = [2, 1][1, 2]. Eneffet : f (x) = x
2
[1, 4] 1 x
2
4 x
2
1 0
et x
2
4 0.
Pour rsoudre les inquations, on dresse les deux tableaux de signes suivants :
x 1 1
x
2
1 + 0 0 +
x 2 2
x
2
4 + 0 0 +
Lensemble des solutions de x
2
1 0 est S
1
= (, 1] [1, +) et lensemble
des solutions de x
2
4 0 est S
2
= [2, 2]. Les solutions du systme dinquations
appartiennent donc lintersection S
1
S
2
= [2, 1] [1, 2].
b g
1
__
3
2
__
=
_
x R : sinx =
3
2
_
=
_
3
+2k : k Z
_
_
2
3
+2k : k Z
_
.
g
1
__
1
2
,
2
2
__
=
_
x R :
1
2
sinx
2
2
_
=
_
kZ
__
6
+2k,
4
+2k
_
_
3
4
+2k,
7
6
+2k
__
.
c h
__
1, e
3
__
=
_
h(x) : x
_
1, e
3
__
= (0, 3).
h
1
([1, 0]) =
_
x R
+
0
: h(x) = lnx [1, 0]
_
=
_
e
1
, 1
_
. En effet :
lnx [1, 0] 1 lnx 0
_
lnx 1
lnx 0

_
x e
1
x e
0
= 1
.
La dernire transformation fait intervenir la fonction exponentielle e
x
qui, comme rci-
proque de la fonction logarithme, est telle que : e
lnx
= x. La conservation des ingalits
rsulte de ce que la fonction exponentielle est croissante (voir le chapitre 3).
d j(R) = Z puisque, dune part, j(R) Z (les images des nombres rels sont toutes des
nombres entiers) et dautre part, Z j(R), car z Z [z] = z j (R).
j
1
([1, 0]) =
_
x R : j(x) = [x] [1, 0]
_
= [1, 1). En effet :
[x] [1, 0] [x] = 1 ou [x] = 0 x [1, 0) ou x [0, 1)
x [1, 0) [0, 1) x [1, 1) .
e k
__
2, 1, 5
__
=
_
k(x) : x
_
2, 1, 5
__
=
_
_
_
k(
2)
. ,, .
=1
, k(1)
. ,, .
=1
, k(5)
.,,.
=1
_
_
_
= {1, 1}.
k (R) = {k(x) : x R} = {1, 0, 1}.
k
1
({1}) = {x R : k(x) = 1} = R
0
car tous les nombres ngatifs, et seulement
ceux-l, ont pour image (1).
EXERCICE 5
nonc
Soit les fonctions f , g, h, i, j, k, l.
a f : R R : x x
2
.
b g : R
+
R : x x
2
.
c h : R
+
R
+
: x x
2
.
d i : R
0
R : x
1
x
e j : R R : x |x|.
f k : R R : x [x].
g l : R R : x ax + b, o
a, b R.
Ces fonctions sont-elles injectives, surjectives, bijectives ? Dterminez, si possible, leur
application rciproque.
Fonctions de R R 21
Solution a f nest pas injective. En effet, f (1) = f (1) alors que 1 = 1. Elle nest donc pas bijective.
Elle nest pas surjective car (1) nest limage daucun rel : x R : f (x) = x
2
= 1.
La fonction rciproque de f nexiste pas puisque f nest pas bijective.
b g est injective. En effet, g(x
1
) = g(x
2
) x
1
= x
2
, puisque :
x
1
, x
2
R
+
: x
2
1
= x
2
2
x
2
1
x
2
2
= 0
(x
1
x
2
)(x
1
+x
2
) = 0 x
1
= x
2
ou x
1
= x
2
x
1
= x
2
.
(x
1
= x
2
est impossible dans R
+
). La fonction g nest pas surjective (mme justication
que pour la fonction f ). Elle nest donc pas bijective. La rciproque de g nexiste pas
puisque g nest pas bijective.
c h est injective (mme justication que pour la fonction g). Elle est aussi surjective. En
effet, y R
+
x R
+
: y = h(x), puisque y = x
2
et x, y R
+
x =

y. Elle est
donc bijective et possde une rciproque. Pour dterminer sa fonction rciproque h
1
, on
inverse la relationy = h(x) enexprimant x enfonctionde y. Dans le cas prsent, h(x) = x
2
et y = x
2
x =

y puisque x, y R
+
. Finalement, h
1
: R
+
R
+
: y

y.
d i est injective. En effet, x
1
, x
2
R
0
:
1
x
1
=
1
x
2
x
1
= x
2
. Elle nest pas surjective car
0 nest limage daucun rel : x R
0
: i(x) =
1
x
= 0. Elle nest donc pas bijective. La
rciproque de i nexiste pas puisque i nest pas bijective.
e j nest ni injective, ni surjective, ni bijective. Elle nadmet pas de rciproque.
f k nest ni injective (1, 5 = 1 mais [1, 5] = [1]), ni surjective (x R : k(x) = [x] = 0,5),
ni bijective. Elle nadmet donc pas de rciproque.
g En ce qui concerne la fonction l, on a, si a = 0 :
l(x
1
) = l(x
2
) ax
1
+b = ax
2
+b ax
1
= ax
2
x
1
= x
2
et : y R, x =
y b
a
R : y = ax +b.
Donc, si a = 0, l est injective, surjective et bijective, et l
1
: R R : y
y b
a

Si a = 0, la fonction l : R R : x b est constante, donc ni injective (l(1) = l(0) = b),
ni surjective (x R : l(x) = b +1), ni bijective et sa rciproque nexiste pas.
EXERCICE 6
nonc
Soit une fonction surjective f : A B : x f (x). Caractrisez limage f (A).
Solution f (A) = B. En effet, f est surjective si y B, x A : y = f (x), condition qui quivaut
B f (A).
Or, par dnition, f (A) B. Do le rsultat.
1
Chapitre
EXERCICE 7
nonc
Dans chaque cas, donnez, si possible, un exemple de fonction f : A B : x f (x) qui
vrie les conditions imposes.
a A = R, B = R
0
et f est surjective et non injective.
b A = R, B = R
0
et f est injective et non surjective.
c A = R, B = R
0
et f est bijective.
d A = [2, 3], B = [1, 4] et f est injective.
e A = R, B = [1, 1] et f est surjective.
f A = {1, 2, 3}, B = {4, 5} et f est injective.
Solution Les exemples proposs ne sont que des suggestions. Dautres peuvent aussi convenir.
a f : R R
0
: x
_
x si x = 0
1 si x = 0
.
En effet, par construction, tous les rels ont une image et les images sont toutes non nulles,
donc A = R et B = R
0
. En outre, f est surjective car y R
0
, x(= y) R : y = f (x) et
f est non injective car f (0) = f (1) = 1.
b f : R R
0
: x
_
x si x < 0
x +1 si x 0
.
c f : R R
0
: x
_
x si x R\N
x +1 si x N
.
d f : [2, 3] [1, 4] : x 5x 11, dont le graphe est le segment de droite qui joint les
points (2, 1) et (3, 4).
Remarque
De faon gnrale, lquation de la droite D passant par les points de coordonnes (x
1
, y
1
)
et (x
2
, y
2
) o x
1
= x
2
, est donne par D y y
1
=
y
2
y
1
x
2
x
1
(x x
1
).
e f : R [1, 1] : x sinx.
f Une telle fonction f nexiste pas. En effet, les nombres 1 et 2 doivent avoir des images
distinctes, donc :
_
f (1), f (2)
_
= {4, 5}. Or, pour que f soit injective, il faut aussi que
f (3) / {4, 5} = B, ce qui est impossible.
EXERCICE 8
nonc
Soit deux fonctions f et g. Dterminez dans chaque cas, si cest possible, les fonctions
composes g f et f g.
Fonctions de R R 23
a f : R R : x 49 x
2
et g : R\ {1} R : x
1
x 1
.
b f : R R : x 3x
2
4 et g : R R : x 2x.
c f : R
0
R : x ln
_
x
2
_
et g : R
+
R : x

x.
d f : R R : x |x| et g :
_
3
2
, +
_
R : x

2x +3.
Solution a g f nexiste pas. En effet, f (
48) = 1 / Domg = R\{1}.

f g : R\ {1} R : x f
_
g(x)
_
= f
_
1
x 1
_
= 49
1
(x 1)
2
b g f : R R : x g
_
f (x)
_
= 2(3x
2
4) = 6x
2
8.
f g : R R : x f
_
g(x)
_
= 3(2x)
2
4 = 12x
2
4.
c g f nexiste pas. En effet, f
_
1
2
_
< 0.
f g nexiste pas. En effet, g (0) = 0.
d g f : R R : x

2|x| +3.
f g :
_
3
2
, +
_
R : x
2x +3
=

2x +3 = g(x).
Nombres complexes
Notation
Dans les exercices de cette section, on adopte la notation abrge cis pour dsigner cos +
i sin.
EXERCICE 9
nonc
Dans chaque cas, calculez les nombres complexes donns.
a (2 +5i) +(1 4i).
b (4 +3i) (3 +2i).
c (2 3i) (4 +6i).
d |4 i|.
e
1
8 +7i
f i
4n+3
, o n N.
g 3i
_
2 5i
_
.
h
1 +
3i
1 i

Solution a (2 +5i) +(1 4i) = 1 +i.
b (4 +3i) (3 +2i) = (12 6) +(8 9) i = 18 i.
c (2 3i) (4 +6i) = (2 3i) 2 (2 +3i) = 2
_
4 9i
2
_
= 2 (4 +9) = 26.
d |4 i| =

16 +1 =

17.
e
1
8 +7i
=
8 7i
(8 +7i) (8 7i)
=
8 7i
64 +49
=
8 7i
113
=
8
113

7
113
i.
f i
4n+3
=
_
i
2
_
2n
i
2
i = (1)
2n
(1)i = i.
g 3i
_
2 5i
_
= 3i
_
2 +5i
_
= 15 +3
2i.
h
1 +
3i
1 i
=
_
1 +
3i
_
(1 +i)
(1 i) (1 +i)
=
(1
3) +(
3 +1)i
2
=
(1
3)
2
+
(
3 +1)
2
i.
EXERCICE 10
nonc
crivez les nombres complexes suivants sous forme trigonomtrique.
a 1 i.
b 4i.
c 64.
Solution
a =
_
1
2
+(1)
2
=

2 et
_
_
cos =
1
2
=
2
2
sin =

2
2
do : 1 i =

2 cis

4

b 4i = 4 cis

2
c 64 = 64 cis .
EXERCICE 11
nonc
a Calculez les racines carres de 1 i.
b Calculez les racines siximes de 64.
Solution a 1 i =

2 cis

4
(exercice 10) les racines carres de 1 i sont donnes par :
z
k
=
_
2 cis
4
+2k
2
, k = 0,1, ou encore : z
0
=
4
2 cis

8
et z
1
=
4
2 cis
7
8

b 64 = 64 cis (exercice 10) les racines siximes de 64 sont donnes par :
z
k
=
6
64 cis
+2k
6
, k = 0, 1, 2, 3, 4, 5, ou encore : z
0
=
6
64 cis

6
=

3 + i,
z
1
=
6
64 cis
+2
6
= 2i, z
2
=
3 +i, z
3
=
3 i, z
4
= 2i et z
5
=

3 i.
Nombres complexes 25
EXERCICE 12
nonc
Dans chaque cas, rsolvez, dans C, lquation donne.
a x
2
+13 = 4,
b 2x
2
+a = 1 (a R),
c x
3
+2x
2
+x +2 = 0,
d x
2
+4x +8 = 0,
e x
2
5x +6 = 0,
f x
5
x
3
+x
2
1 = 0,
g 2x
4
+3x
2
+1 = 0,
h (1 +i)
2
x
2
(1 i)x +i = 0.
Solution a x
2
+13 = 4 x
2
= 9 = 9i
2
x = 3i.
b 2x
2
+a = 1 x
2
=
1 a
2
. Trois cas sont possibles :
Si a < 1 : x =
_
1 a
2
;
si a = 1 : x = 0 ;
si a > 1 : x =
_
a 1
2
i.
c x
3
+2x
2
+x+2 = 0 x
2
(x+2)+x+2 = 0 (x+2)(x
2
+1) = 0 x = 2 ou x = i.
d x
2
+4x +8 = 0 x =
4
16 32
2
=
4
16
2
=
4
16i
2
2
= 2 2i.
e x
2
5x +6 = 0 x =
5
25 24
2
x = 2 ou x = 3.
f x
5
x
3
+x
2
1 = 0 x
3
(x
2
1) +x
2
1 = 0
_
x
2
1
_ _
x
3
+1
_
= 0
(x 1) (x +1)
2
(x
2
x +1) = 0 x = 1 ou x =
1
3
2
=
1
2

3
2
i.
g 2x
4
+3x
2
+1 = 0.
Astuce
Pour rsoudre une quation du 4
e
degr du type ax
4
+bx
2
+c = 0, dite quation bicarre,
on pose t = x
2
pour se ramener une quation du second degr : at
2
+bt +c = 0.
Dans le cas prsent, en posant t = x
2
, on obtient :
2t
2
+3t +1 = 0 t =
3
9 8
4
x
2
= 1 ou x
2
=
1
2
x = i ou x =
2
2
i
h (1 +i)x
2
(1 i)x 2 = 0.
= (1 i)
2
+8(1 +i) = 1 +i
2
2i +8 +8i = 8 +6i
Astuce
Pour trouver les racines carres dun nombre complexe a + bi sans passer par la forme
trigonomtrique, on peut utiliser le raisonnement suivant : u +vi est racine carre de a +bi si
(u +vi)
2
= a +bi u
2
+2uvi v
2
= a +bi
_
u
2
v
2
= a
2uv = b
.
On tablit ainsi que les racines carres complexes de 8 +6i sont (3 +i). Il sensuit que :
x =
1 i (3 +i)
2(1 +i)
x =
4
2(1 +i)
=
2(1 i)
2
= 1 i
ou x =
2 2i
2(1 +i)
=
2(1 +i)
2(1 +i)
= 1.
n
EXERCICE 13
nonc
Soit deux nombres rels a et b. Exprimez la distance euclidienne entre a et b.
Solution En prenant n = 1 dans la dnition gnrale, on obtient : d(a, b) =
_
(a b)
2
= |a b|.
EXERCICE 14
nonc
a Dans R, dterminez les boules ouvertes B (0, 3) et B(1, 2).
b Dans R
2
, dterminez les boules ouvertes B
_
(0,0), 1
_
et B
_
(1, 3) , 4
_
.
Solution a B(0, 3) = {x R : d(x, 0) < 3} = {x R : |x| < 3} = (3, 3).
B(1, 2) = {x R : d(x, 1) < 2} = {x R : |x +1| < 2}
= {x R : 2 < x +1 < 2} = (3, 1) .
Ce sont des intervalles ouverts.
b B
_
(0, 0) , 1
_
=
_
(x, y) R
2
: d
_
(x, y), (0, 0)
_
< 1
_
=
_
(x, y) R
2
:
_
x
2
+y
2
< 1
_
.
B
_
(1, 3) , 4
_
=
_
(x, y) R
2
: d
_
(x, y), (1, 3)
_
< 4
_
=
_
(x, y) R
2
:
_
(x 1)
2
+
_
y +3
_
2
< 4
_
.
Ce sont des disques ouverts.
n
27
EXERCICE 15
nonc
Dans chaque cas, dterminez lintrieur, ladhrence, la frontire et les points daccumu-
lation du sous-ensemble de R donn. Lensemble est-il ouvert, ferm?
a ,
b Z,
c R\Q,
d R
0
,
e A = [2, 3) {5},
f C = [8, +).
Solution
a Int = . Donc est ouvert. Adh = . Donc est ferm.
Fr = Adh \ Int = . Lensemble vide ne possde pas de point daccumulation.
b Int Z = (sinon p Int Z r > 0 : B(p, r) = (p r, p + r) Z, ce qui est
impossible par densit de R\Qdans R). Adh Z = Z. En effet, dune part A : A Adh A
par dnition de ladhrence, et dautre part, x R\Z x / Adh Z car r R
+
0
:
B(x, r) = (x r, x +r) Z = (il suft de prendre r =
1
2
min {x [x], [x] +1 x}).
Fr Z = Z\ = Z. Z ne possde pas de point daccumulation . Z nest pas ouvert mais il
est ferm.
c Int R\Q = (par densit de Qdans R), donc R\Qnest pas ouvert. R\Q Adh (R\Q)
par dnition, et Q Adh (R\Q) puisque : x Q, r > 0 : (R\Q) (x r, x +r) =
(par densit de R\Qdans R). Donc :
(R\Q) Q(= R) Adh(R\Q) R Adh(R\Q) = R = R\Q R\Q nest pas
ferm. Fr (R\Q) = R. Tous les nombres rels sont des points daccumulation de R\Qcar
x R, r > 0, y (R\Q) (x r, x +r) avec y = x.
d Int R
0
= R
0
R
0
est unouvert. Adh R
0
= R(0 Adh R
0
car r > 0 :
r
2
(r, r)R
0
)
R
0
nest pas ferm. Fr R
0
= R\R
0
= {0}. Lensemble des points daccumulation de
R
0
est R.
e Int A = (2, 3). Adh A = [2, 3] {5}. A nest ni ouvert, ni ferm. Fr A = {2, 3, 5}.
Lensemble des points daccumulation de A est donn par [2, 3]. En effet, dune part,
on a : x [2, 3] , r > 0, y [(x r, x +r) A] \ {x}. Dautre part, par dnition,
les points daccumulation de A sont chercher parmi les points adhrents de A, mais 5
nest pas un point daccumulation de A car r =
1
2
> 0 : [(5 r, 5 +r)] A\ {5} = .
f Int C = (8, +) et C nest pas ouvert. Adh C = [8, +) et C est ferm. Fr C = {8}.
Lensemble des points daccumulation de C est gal [8, +).
1
Chapitre
EXERCICE 16
nonc
Dans chaque cas, dterminez si le vecteur (3, 5) est une combinaison linaire (C.L.) des
vecteurs donns.
a (1, 2) et (3, 4),
b (1, 2) et (2, 4).
Solution a Par dnition, (3, 5) est une C.L. de (1, 2) et (3, 4) si , R :
(3, 5) = (1, 2) +(3, 4)
_
+3 = 3
2 +4 = 5

_
2 = 1
2 = 3

_
_
=
1
2
=
3
2
.
Lexistence de et est assure et la rponse est positive.
b (3, 5) est une C.L. de (1, 2) et (2, 4) si , R :
(3, 5) = (1, 2) +(2, 4)
_
2 = 3
2 4 = 5
0 = 1
ce qui est impossible et la rponse est ngative.
EXERCICE 17
nonc
Dans chaque cas, dterminez si, dans R
2
, les vecteurs donns sont linairement indpen-
dants (L.I.).
a (1, 2) et (1, 3),
b (2, 4) et (1, 2).
Solution a Les vecteurs (1, 2) et (1, 3) sont L.I. si : (1, 2) +(1, 3) = (0, 0)
. ,, .
(1)
= = 0.
Comme (1) (, 2+3) = (0, 0)
_
= 0
2 +3 = 0
= = 0, les vecteurs
sont effectivement L.I.
b Il existe une combinaison linaire nulle coefcients non tous nuls des deux vecteurs :
1 (2, 4) 2 (1, 2) = (0,0). Les vecteurs ne sont donc pas L.I.
n
29
EXERCICE 18
nonc
Dans chaque cas, dterminez si, dans R
3
, les vecteurs donns sont linairement indpen-
dants (L.I.).
a (3, 1, 4), (1, 2, 3) et (9, 4, 1),
b (1, 2, 1), (1, 0, 1) et (2, 1, 0).
Solution
a (3, 1, 4) +(1, 2, 3) +(9, 4, 1) = (0, 0, 0)
_
_
3 + 9 = 0 (1)
+2 4 = 0 (2)
4 +3 = 0 (3)
.
Comme (2) = 2 +4, le systme devient
_
_
7 21 = 0
= 2 +4
5 +15 = 0
_
= 3
= 2
avec R.
Il admet dautres solutions que la solution triviale. Donc, les vecteurs ne sont pas L.I.
b (1, 2, 1) +(1, 0, 1) +(2, 1, 0) = (0, 0, 0)
_
_
+ 2 = 0 (1)
2 + = 0 (2)
+ = 0 (3)
_
+ 2 = 0
= 2
=
_
6 = 0
= 2
=
= = = 0 et les vecteurs sont L.I.
2
Chapitre
Suites relles
Suites relles
1. Dnitions . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2. Proprits des limites de suites . . . . . . 33
3. Suites remarquables . . . . . . . . . . . . . . . . 35
4. Sous-suites . . . . . . . . . . . . . . . . . . . . . . . . . 36
5. Suites monotones . . . . . . . . . . . . . . . . . . . 37
6. Sries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
Dnition de suites, suites convergentes 40
Application des proprits . . . . . . . . . . . . . 41
Applications la gestion . . . . . . . . . . . . . . . 47
La modlisation de phnomnes dynamiques ou
volutifs renvoie demble au choix dune
reprsentation de la variable temps . En effet,
si les philosophes continuent de sinterroger
sur la nature discrte (succession dinstants prcis)
ou continue (le long dun axe) de cette variable,
les mathmaticiens, pour leur part, offrent les deux
reprsentations possibles.
Dans le premier cas, lcoulement du temps est suppos corres-
pondre une suite de dates repres par un indice prenant des
valeurs entires positives (1, 2, 3,...) et la dynamique discrte est
prise en compte par lintermdiaire des suites dont ltude est abor-
de dans le prsent chapitre. Dans le second, toute valeur relle (ou
uniquement positive, pour traduire la prsence dune date initiale)
est admissible en tant que date de ralisation du phnomne tudi
et cest la thorie des fonctions qui est mise contribution. Cette
approche sera dveloppe dans les chapitres 3 et 4.
La modlisation des suites relles dpasse cependant le cadre des
phnomnes dynamiques. En effet, toute numration innie de
nombres rels ressortit cette thorie. Il nen demeure pas moins
que les applications pertinentes en conomie et en gestion restent
essentiellement cantonnes ce domaine privilgi dapplication.
Par exemple, la convergence des taux dintrt suite lintgra-
tion europenne et lvolution de la volatilit des marchs nan-
ciers rsultant de la globalisation de lconomie constituent deux
domaines dans lesquels les outils danalyse proposs ici savrent
utiles.
Suites relles 31
1 Dnitions
Une suite de nombres rels est gnralement reprsente sous la forme dune succession
innie de nombres (u
t
)
tN
0
. On peut, au choix et sans perte de gnralit, faire varier t
dans N ou N
0
. Dans la prsentation thorique, nous optons pour la seconde possibilit
de sorte que le premier terme soit affect de lindice 1, le deuxime de lindice 2, etc. Les
exercices feront cependant apparatre les deux cas.
Dans le cadre de ltude de la dynamique dun systme, les lments de N
0
reprsentent
des dates, tandis que u
t
reprsente la valeur relle prise la date t par la variable (un
diffrentiel de taux dintrt, une volatilit, etc.) dont on souhaite tudier lvolution.
Formellement, une suite relle se dnit comme une application.
Dnitions
La suite relle (u
t
)
tN
0
est dnie par lapplication : u : N
0
R : t u
t
.
Le nombre rel u
k
(k N
0
) est appel terme de rang k de la suite.
J
Exemples
1. Lapplication u : N
0
R : t t dnit la suite note (1, 2, 3, ...t, ...), ou de manire
condense (t)
tN
0
.
2. Lapplication u : N
0
R : t
1
t
sera note
_
1,
1
2
,
1
3
, ...,
1
t
...
_
, ou de manire condense
_
1
t
_
tN
0
.
La principale caractristique recherche pour les suites concerne la convergence.
Dnitions
La suite (u
t
)
tN
0
converge vers le nombre rel a si :
> 0, T N
0
: t T |u
t
a| < .
Dans ce cas, la suite est dite convergente et le rel a est appel limite de la suite
(u
t
)
tN
0
. On note lim
t
u
t
= limu
t
= a.
J
Exemple
La suite
_
1
t
_
nN
0
converge vers 0. En effet, > 0, T N
0
: t T
1
t
0
=
1
t
< ,
puisque, en prenant T = min
_
t N
0
: t >
1
_
, on obtient : t T
1
t

1
T
< .
Dnitions
Toute suite qui nadmet pas de limite relle est dite divergente.
En outre, la suite divergente (u
t
)
tN
0
a pour limite +(resp. ) si
K > 0, T N
0
: t T u
t
> K (resp. < K).
J
32 Suites relles
2 Proprits des limites de suites
Nous prsentons uniquement les proprits qui ont un usage direct dans ltude des
limites qui seront abordes dans les exercices.
Proprits
Lensemble des termes dune suite convergente est born : si (u
t
)
tN
0
est conver-
gente, alors lensemble {u
t
: t N
0
} est born.
Un nombre ni de termes naffecte pas la convergence dune suite.
J
La seconde proprit concerne tant le caractre de convergence que la valeur de la limite.
En pratique dans ltude de la convergence dune suite, on peut oublier un nombre
ni de termes.
Exemple
(u
t
) =
_
5, 4, 3, 2, 1,
1
2
,
1
3
,
1
4
,
1
5
, . . .
_
converge vers 0 puisque, en oubliant les quatre premiers
termes, on obtient la suite (u
t
) =
_
1,
1
2
,
1
3
,
1
4
,
1
5
, . . .
_
=
_
1
t
_
qui converge vers 0.
Dans cet exemple, les suites (u
t
) et
_
u
t
_
ont la mme limite mais ne sont pas gales. Par
contre, la proprit ne sapplique pas la suite
_
1
2
, 2,
1
3
, 3,
1
4
, 4,
1
5
, 5, . . .
_
pour laquelle
on ne peut pas oublier les termes de rangs pairs qui sont en nombre inni.
Le principe du pincement Si (u
t
)
tN
0
, (v
t
)
tN
0
et (w
t
)
tN
0
sont telles
que : lim
t
u
t
= lim
t
w
t
= a R et T N
0
: t T : u
t
v
t
w
t
, alors
lim
t
v
t
= a.
J
Exemple
lim
t
0 = lim
t
1
t
= 0 et t 1 : 0
1
t
2

1
t
lim
t
1
t
2
= 0.
Rgles de calcul pour les limites relles Si : lim
t
u
t
= a Ret lim
t
v
t
=
b R, alors :
lim
t
(u
t
+v
t
) = a +b.
lim
t
(u
t
.v
t
) = a.b.
R : lim
t
(u
t
) = a.
si t N
0
: u
t
= 0 et a = 0 : alors lim
t
1
u
t
=
1
a
J
Il sensuit que toute combinaison linaire de suites convergentes est convergente.
Proprits des limites de suites 33
Cette proprit concerne exclusivement les suites convergentes. Lorsque (u
t
) est conver-
gente et (v
t
) divergente (ou linverse), les suites (u
t
+v
t
) et (u
t
v
t
) peuvent tre aussi
bien convergentes que divergentes. Il en est de mme lorsque les deux suites divergent.
La proprit suivante gnralise les rgles de calcul aux limites innies. tant donn
le grand nombre de situations envisager, elle est synthtise sous forme de tableau.
Toutefois, dans R = R{+, }, toutes les oprations ne sont pas possibles. Certaines
conduisent une forme indtermine (F.I.). Dans ce cas, il nexiste pas de rgle applicable
directement. Si elle existe, la limite doit alors tre calcule au cas par cas, et toutes les
possibilits en matire de limite peuvent se prsenter.
Rgles de calcul pour limites dans R = R {+, }
lim
t
u
t
lim
t
v
t
lim
t
(u
t
+v
t
) lim
t
(u
t
.v
t
) lim
t
u
t
v
t
a R
0
+ + (selon signe
de a)
0
a R
0
(selon signe
de a)
0
a R
0
0 a 0 ou dans R
(voir ci-dessous)
0 + + F.I. 0
0 F.I. 0
0 0 0 0 F.I.
+ + + + F.I.
+ F.I. F.I.
+ 0 + F.I. ou dans R
(voir ci-dessous)
+ F. I. F.I.
+ F.I.
0 F.I. ou dans R
(voir ci-dessous)
Dans R, diviser un nombre non nul par zro est possible et donne une valeur innie
pour autant que le dnominateur converge vers zro en conservant un signe constant, du
moins au-del dun certain rang. Cest dailleurs ce signe qui intervient dans la rgle des
signes pour le quotient. Nanmoins, si au-del de tout rang, des termes positifs et ngatifs
apparaissent au dnominateur, alors la suite quotient nadmet pas de limite dans R.
Traduisons cela en formules mathmatiques.
Proprits
Si lim
t
v
t
= 0 et T N
0
: t > T : v
t
> 0, alors lim
t
1
v
t
= +.
Si lim
t
v
t
= 0 et T N
0
: t > T : v
t
< 0, alors lim
t
1
v
t
= .
Si lim
t
v
t
= 0 et si T N
0
, t, t
> T : v
t
> 0 et v
t
< 0, alors lim
t
1
v
t
dans R.
J
34 Suites relles
Exemple
On a : lim
t
(1)
t
t
= 0, mais lim
t
1
(1)
t
t
= lim
t
(1)
t
t nexiste pas dans R puisque :
(1)
t
t
_
< 0 pour t impair
> 0 pour t pair
.
3 Suites remarquables
Les rsultats relatifs auxlimites de suites dites remarquables oulmentaires seront supposs
connus lors de la rsolution des exercices. Joints aux proprits gurant ci-dessus, ils
permettent dtudier la convergence de suites plus compliques.
Suites constantes
lim
t
a = a.
Suites de puissances
lim
t
t
a
=
_
_
0 si a < 0
1 si a = 0
+ si a > 0
.
Suites exponentielles
lim
t
a
t
=
_
_
0 si |a| < 1
1 si a = 1
+ si a > 1
dans R si a 1
.
Suites produits dune exponentielle et dune puissance
u
t
= a
t
t
b
, o a, b R, a = 1, b = 0.
lim
t
a
t
t
b
b < 0 b > 0
|a| < 1 0 0
a = 1 0 nexiste pas dans R
a > 1 + +
a < 1 nexiste pas dans R nexiste pas dans R
Le tableau prcdent indique que cest lexponentielle qui lemporte , sauf dans le cas
des suites alternes pour lesquelles a = 1.
Suites remarquables 35
Exemples
1. lim
t
_
1
4
_
t
= 0, lim
t
2
t
= +, lim
t
3
t = lim
t
t
1/3
= +, lim
t
1
t
= lim
t
t
1/2
= 0.
2. lim
t
(t +t
2
) = ++(+) = +, lim
t
(3 t
2
) = 3 (+) = , daprs les rgles de
calcul prcdentes.
3. Pour lim
t
(t t
2
), on obtient a priori une F.I. La limite doit tre obtenue autrement, en
loccurrence en remarquant que : lim
t
(t t
2
) = lim
t
t
2
_
1
t
1
_
= +(0 1) = .
4 Sous-suites
Parmi les suites nadmettant pas de limite dans R, certaines, comme
_
(1)
t
_
tN
0
, sont
bornes tandis que dautres, comme
_
(1)
t
t
3
_
nN
0
, ne le sont pas. La notion de sous-suite
ou de suite extraite constitue un outil prcieux pour dgager ces diffrences.
Dnition Soit une fonction p : N
0
N
0
: t p(t) telle que
t N
0
: p(t) < p(t +1).
La suite
_
u
p(t)
_
tN
0
est dite sous-suite de la suite (u
t
)
tN
0
.
J
En pratique, une sous-suite est obtenue en retranchant des termes (en nombre ni ou
inni) la suite initiale, pour autant que, dune part, lordre des termes restants ne soit
pas modi et que, dautre part, ces termes continuent de former une suite.
Exemple
La sous-suite des termes de rangs pairs de la suite (u
t
)
tN
0
est (u
2
, u
4
, u
6
, u
8
, . . . ). Si on la dsigne
par (v
t
)
tN
0
, elle se dnit par v
t
= u
2t
. Dans ce cas, lapplication p de la dnition est telle
que : p(t) = 2t.
La proprit suivante justie lintrt des sous-suites dans ltude des limites.
Proprit Si la suite (v
t
)
tN
0
est une sous-suite de (u
t
)
tN
0
et si lim
t
u
t
=a( R),
alors lim
t
v
t
= a.
J
Le rsultat de cette proprit peut tre appliqu de diverses manires :
pour tablir la valeur dans R de la limite dune suite dont on sait quelle est sous-suite
dune suite de limite connue ;
pour dmontrer la non-existence dune limite dans R, enexhibant une de ses sous-suites
qui na pas de limite dans R;
pour dmontrer la non-existence dune limite dans R, en exhibant deux de ses sous-
suites qui nont pas la mme limite dans R.
La dernire utilisation est la plus frquente. Elle permet notamment de montrer la non-
convergence des suites alternes (changement de signe chaque terme) dont les sous-suites
formes des termes de rangs pairs et impairs ont des limites distinctes.
36 Suites relles
Exemples
1.
_
1
2 +4t
_
tN
0
=
_
1
6
,
1
10
,
1
14
, . . .
_
converge vers 0 en tant que sous-suite de
_
1
t
_
tN
0
.
2. Par contre, la suite dnie par
_
(1)
t
_
tN
0
= (1, +1, 1, +1, . . . ) est une suite divergente,
puisque sa sous-suite des termes de rangs pairs est la suite constante (1)
tN
0
qui converge
vers 1 et sa sous-suite des termes de rangs impairs est la suite constante (1)
tN
0
qui converge
vers 1.
5 Suites monotones
La connaissance pralable de la croissance ou dcroissance dune suite facilite consid-
rablement la recherche de sa limite. En effet, ce type de rgularit exclut demble des
situations telles que lalternance de termes positifs et ngatifs.
Dnitions
La suite (u
t
)
tN
0
est croissante (resp. dcroissante) si :
t N
0
: u
t+1
u
t
(resp. u
t+1
u
t
).
La suite (u
t
)
tN
0
est strictement croissante (resp. dcroissante) si :
t N
0
: u
t+1
> u
t
(resp. u
t+1
< u
t
).
La suite (u
t
)
tN
0
est monotone si elle est croissante ou dcroissante.
J
Exemples
1. La suite dnie par (1, 1, 2, 2, 3, 3, . . . ) est croissante (mais pas strictement croissante).
2. La suite
_
1
t
_
tN
0
est strictement dcroissante.
Les suites monotones jouissent des proprits suivantes.
Proprits
Toute suite croissante majore (resp. dcroissante minore) est convergente et a
pour limite le supremum (resp. linnum) de lensemble de ses termes.
Toute suite croissante non majore (resp. dcroissante non minore) tend
vers +(resp. ).
J
Exemples
1. Dnissons : t N
0
: u
t
= 1 +
1
2
+
_
1
2
_
2
+ +
_
1
2
_
t
=
t
k=0
_
1
2
_
k
. La suite (u
t
)
tN
0
est
croissante. En effet, u
t+1
= u
t
+
_
1
2
_
t+1
u
t
.
Elle est galement majore car t N
0
: u
t
2, puisque, partant de 1, chaque terme ajoute
au prcdent la moiti de la distance qui le sparait de 2. Elle est donc convergente.
Suites monotones 37
2. Dnissons t N
0
: u
t
= 1 +
3
2
+
_
3
2
_
2
+ +
_
3
2
_
t
=
t
k=0
_
3
2
_
k
. La suite (u
t
)
tN
0
est
croissante. En effet, u
t+1
= u
t
+
_
3
2
_
t+1
u
t
.
Elle nest pas majore car K R
0
, T N
0
: u
T
> K. En effet, il suft de choisir : T = le
plus petit lment de N
0
strictement suprieur K pour obtenir :
u
T
= 1 +
3
2
.,,.
>1
+
_
3
2
_
2
. ,, .
>1
+ +
_
3
2
_
T
. ,, .
>1
> T +1 > T > K.
La suite a donc pour limite +.
Le calcul de la limite dans lexemple 1 sera effectu lors de ltude des sries gomtriques.
6 Sries
Toute somme dun nombre ni de nombres rels est galement un nombre rel. Toutefois,
lorsquon considre une somme dont le nombre de termes tend vers linni, lexistence
dune valeur relle nest plus garantie. Les sries ou sommes innies peuvent donc
converger (leur somme est relle) ou diverger. La dnition de la convergence des sries
se dduit de celle des suites convergentes.
Dnition La srie
t=0
u
t
est dite convergente (de somme relle s) si la suite
(s
t
)
tN
0
des sommes partielles de cette srie, dnie par : s
t
= u
0
+u
1
+u
2
+ +u
t
=
t
k=0
u
k
, converge vers s.
J
Dans le cas des sries, on parle indiffremment de somme , de limite ou de valeur .
Parmi toutes les sries mathmatiques, une catgorie joue un rle essentiel en gestion :
la srie gomtrique qui est abondamment utilise dans les calculs dactualisation de ux
nanciers. Seule cette srie sera aborde ici.
Dnition La srie
t=0
a
t
= 1 + a + a
2
+ , o a R, est dite gomtrique
de raison a.
J
Les proprits suivantes fournissent, dune part, lexpression gnrale de la suite des
sommes partielles de la srie gomtrique et, dautre part, la condition de convergence de
cette srie. Ces formulations sont utilises en mathmatique nancire dans le calcul de
valeurs actuelles dannuits et de mensualits constantes.
38 Suites relles
2
Chapitre
Proprits
Les sommes partielles de la srie gomtrique
t=0
a
t
sont donnes par :
s
t
=
_
_
_
1 a
t+1
1 a
si a = 1
t +1 si a = 1
.
La srie gomtrique
t=0
a
t
est convergente si et seulement si |a| < 1. Dans ce
cas, la somme vaut
t=0
a
t
=
1
1 a
J
Sries 39
Problmes
et exercices
Les premiers exercices conduisent appliquer directement les dnitions,
puis les proprits, prsentes dans la synthse thorique. Au passage
certains rsultats relatifs aux suites remarquables seront dmontrs.
Progressivement, les noncs voluent vers des problmes relatifs des
situations pratiques rencontres en gestion.
Dnition de suites, suites convergentes
EXERCICE 1
nonc
crivez les suites donnes sous forme condense.
a (1, 1, 1, 1, 1, 1, . . . ).
b (1, 3, 5, 7, . . . ).
c
_
1
2
,
2
3
,
3
4
,
4
5
,
5
6
, . . .
_
.
d (1, 0, 1, 0, . . . ).
Solution a
_
cos (t)
_
tN
ou
_
(1)
t
_
tN
.
Notez que la premire valeur de lindice est ici 0 et pas 1 pour des raisons videntes. La
numration des termes dune suite peut en fait commencer en nimporte quel nombre
naturel.
b (1 +2t)
tN
.
c
_
t +1
t +2
_
tN
.
d
_
1 +(1)
t
2
_
tN
.
40 Suites relles
2
Chapitre
EXERCICE 2
nonc
Dterminez les limites dans Rdes suites donnes enutilisant exclusivement les dnitions.
a (c)
tN
0
o c R.
b
_
1 2t
t
_
tN
0
.
c
_
2 +
t
_
tN
0
.
d (t)
tN
0
.
Solution a La suite (c)
tN
0
converge vers c. Pour le montrer, il suft de trouver une valeur de T qui
permette dtablir que : > 0, T N
0
: t T |c c| < . Or, |c c| = 0 < est
vrai quel que soit T. On peut prendre T = 1, par exemple.
b La suite
_
1 2t
t
_
tN
0
=
_
1
t
2
_
tN
0
converge vers (2). Pour le montrer, il convient
de trouver une valeur de T qui permette dtablir que :
> 0 , T N
0
: t T
1
t
2 (2)
< .
Or :
1
t
2 (2)
<
1
t
<
1
t
< t >
1
. Une valeur de T N
0
telle que
t T t >
1
, est fournie, par exemple, par T = min

_
t N
0
: t >
1
_
.
c
_
2 +
t
_
tN
0
a pour limite +. En effet, K > 0, T N
0
: t T 2 +
t > K,
puisque lingalit 2 +
t > K

t > K 2 est toujours vrie si K < 2 (prendre
T = 1) et pour T = min
_
t N
0
: t > (K 2)
2
_
si K 2, puisque alors :
t T > (K 2)
2

t > K 2.
d (t)
tN
0
a pour limite . En effet, en choisissant T = min {t N
0
: t > K}, on a :
K > 0 : T N
0
: t T t > K t < K.
Application des proprits
EXERCICE 3
nonc
On se donne deux suites (u
t
) et (v
t
) telles que lim
t
u
t
= a R et lim
t
v
t
= b R
0
. On
suppose de plus que t N
0
: v
t
= 0.
Que vaut lim
t
u
t
v
t
? Dmontrez votre afrmation laide des proprits relatives aux limites
des produits de suites.
Application des proprits 41
Solution lim
t
u
t
v
t
=
a
b
. En effet, t N
0
:
u
t
v
t
= u
t
.
1
v
t
et par les rgles de calcul relatives
linverse et au produit de suites convergentes on obtient successivement lim
t
1
v
t
=
1
b
et
lim
t
_
u
t
1
v
t
_
= a
1
b
=
a
b
EXERCICE 4
nonc
On se donne r et s N, a
r
= 0 et b
s
= 0. Calculez dans R :
lim
t
a
r
t
r
+a
r1
t
r1
+ +a
1
t +a
0
b
s
t
s
+b
s1
t
s1
+ +b
1
t +b
0
Solution lim
t
a
r
t
r
+a
r1
t
r1
+ +a
1
t +a
0
b
s
t
s
+b
s1
t
s1
+ +b
1
t +b
0
= lim
t
t
r
(a
r
+a
r1
t
1
+ +a
1
t
(r1)
+a
0
t
r
)
t
s
(b
s
+b
s1
t
1
+ +b
1
t
(s1)
+b
0
t
s
)
= lim
t
_
t
rs
.
a
r
+a
r1
t
1
+ +a
1
t
(r1)
+a
0
t
r
b
s
+b
s1
t
1
+ +b
1
t
(s1)
+b
0
t
s
_
_
t
rs
_
est une suite de puissances, donc :
lim
t
t
rs
=
_
_
0 si r s < 0
1 si r s = 0
+ si r s > 0
. (2.1)
_
a
r
+a
r1
t
1
+ +a
1
t
(r1)
+a
0
t
r
b
s
+b
s1
t
1
+ +b
1
t
(s1)
+b
0
t
s
_
est le quotient de deux suites qui ont la mme
structure. Ainsi, le numrateur converge vers a
r
, puisquil est la somme dune suite
constante (a
r
) a
r
et de suites de puissances (affectes de coefcients rels) qui tendent
vers 0. Par le mme raisonnement, le dnominateur converge vers b
s
. Il sensuit, grce au
rsultat de lexercice 3, que :
a
r
+a
r1
t
1
+ +a
1
t
(r1)
+a
0
t
r
b
s
+b
s1
t
1
+ +b
1
t
(s1)
+b
0
t
s

a
r
b
s
(2.2)
Combinant (2.1) et (2.2) avec les rgles de calcul adquates, on obtient nalement :
lim
t
a
r
t
r
+a
r1
t
r1
+ +a
1
t +a
0
b
s
t
s
+b
s1
t
s1
+ +b
1
t +b
0
=
_
_
0 si s > r
a
r
b
s
si s = r
+ si r > s et
a
r
b
s
> 0
si r > s et
a
r
b
s
< 0
.
42 Suites relles
2
Chapitre
EXERCICE 5
nonc
Calculez, si possible, les limites dans R des suites dont le terme gnral est donn ci-
dessous, laide des proprits et des rsultats relatifs aux suites remarquables.
a (2)
t
b
5t
5
+t
t
2
+t 3t
5
t
t
2
3
d 3.6
t
.
e
1
3
t
+
_
1
3
_
t
f
1
t
sin t.
g
1
_
1
2
_
t
_
1
4
_
t
5
+
t.
h 3.
e
2t
t
1.
i
9t
4
+t
2
1
t
3
+1

j
_
1
2
_
t _
e
2
_
t
k
t
3
+3
5t
6
t
l
e
t
t
2
+3t
2
e
t
+3
t
2
1

Solution a
_
(2)
t
_
nadmet pas de limite dans R, cest une suite exponentielle de base < 1.
b lim
t
5t
5
+t
t
2
+t 3t
5
=
5
3
car cest unquotient de polynmes de mme degr, voir lexercice 4.
c lim
t
_
t
t
2
3
_
= . En effet, pour lever lindtermination ( ), on crit :
lim
t
_
t
t
2
3
_
= lim
t
t
_
1
t
3
2
3
_
. Or, lim
t
_
t
3
2
_
= + car cest une suite de
puissances et lim
t
(1) = 1 car cest une suite constante. Donc lim
t
_
t
t
2
3
_
=
+
_
1
1
3
(+)
_
= .
d lim
t
(3.6
t
) = . Cette suite est un multiple dune suite exponentielle (base > 1).
e lim
t
_
1
3
t
+
_
1
3
_
t
_
= lim
t
_
t
1
3
+
_
1
3
_
t
_
= 0 +0 = 0. En effet, cest une somme
dune suite de puissances et dune suite exponentielle (base (1, 1)).
f Remarquons dabord quon ne peut pas appliquer la proprit relative un produit de
suites, tant donn que la suite (sint) nadmet pas de limite dans R( montrer en utilisant
des sous-suites).
Pour montrer que lim
t
_
1
t
sint
_
= 0, on applique le principe du pincement :
t N
0
: 1 sint 1 t N
0
:
1
t

1
t
sin t
1
t
,
avec lim
t
1
t
= lim
t
1
t
= 0.
g lim
t
_
_
_
_
_
1
_
1
2
_
t
_
1
4
_
t
5
+
t
_
_
_
_
_
= +.
h lim
t
_
3
e
2t
t
1
_
= +, puisque
e
2t
t
=
_
e
2
_
t
.t
1
est le produit dune exponentielle en
base e
2
> 1 et dune puissance ngative, et que, dans ce cas, lexponentielle lemporte .
i lim
t
9t
4
+t
2
1
t
3
+1
= . En effet, cette suite est le quotient de polynmes et le degr
du numrateur est suprieur celui du dnominateur, voir lexercice 4.
j Pour lever lindtermination (0.(+)), on crit :
lim
t
__
1
2
_
t _
e
2
_
t
_
= lim
t
_
e
4
_
t
= 0 (suite exponentielle en base
e
4
(1, 1)).
k lim
t
t
3
+3
5t
6
t
= 0. En effet, cette suite est un quotient de polynmes, le degr du numra-
teur est infrieur au degr du dnominateur.
l lim
t
e
t
t
2
+3t
2
e
t
+3
t
2
1
= lim
t
e
t
(t
2
1) +3(t
2
+1)
t
2
1
= lim
t
_
e
t
+
3(t
2
+1)
t
2
1
_
.
e
t
=
_
e
1
_
t
0 (exponentielle en base
1
e
(1, 1)) et
_
3(t
2
+1)
t
2
1
_
3 (quotient
de polynmes de mme degr). Donc lim
t
_
e
t
+
3(t
2
+1)
t
2
1
_
= 0 +3 = 3.
EXERCICE 6
nonc
a On se donne deux suites (u
t
)
tN
0
et (v
t
)
tN
0
telles que lim
t
u
t
= +et T N
0
, t
T : u
t
v
t
. Que peut-on afrmer concernant la lim
t
v
t
?
b On se donne deux suites (u
t
)
tN
0
et (v
t
)
tN
0
telles que lim
t
u
t
= a R, lim
t
v
t
= b Ret
T N
0
: t T : u
t
< v
t
. Peut-on en conclure que a < b?
Solution a On peut afrmer que : lim
t
v
t
= +.
En effet, lim
t
u
t
= + K > 0, T
N
0
: t T
u
t
> K et, par hypothse,
T N
0
, t T : u
t
v
t
. En xant S = max
_
T, T
_
, on obtient alors : K > 0, S
N
0
: t S v
t
> K, ce qui signie que (v
t
) tend vers +.
b Non. Contre-exemple : u
t
=
1
t
, v
t
=
2
t
et T = 1 N
0
: t T :
1
t
<
2
t
alors que :
lim
t
1
t
= lim
t
2
t
= 0.
44 Suites relles
2
Chapitre
EXERCICE 7
nonc
Dans chaque cas, montrez que les suites donnes sont divergentes. Admettent-elles une
limite dans R?
a u
t
=
_
1 si t est pair
2 si t est impair
.
b u
t
=
_
_
_
t
2
si t est impair
1
t
si t est pair
.
Solution a La suite (u
t
) diverge puisquelle admet deuxsous-suites constantes distinctes : u
2t
= 1 1
et u
2t+1
= 2 2. Il sensuit aussi que lim
t
u
t
nexiste pas dans R (proprit relative aux
sous-suites).
b La suite (u
t
) diverge puisquelle admet une sous-suite qui tend vers + : u
2t+1
=
(2t +1)
2
+. Elle nadmet cependant pas de limite innie parce que la sous-suite
u
2t
=
1
2t
=
1
2
t
1
0 = +.
EXERCICE 8
nonc
Donnez un exemple de suite croissante non convergente.
Solution Remarquons dabord que la suite recherche doit ncessairement tendre vers +(pro-
prit des suites monotones).
La suite (t)
tN
0
rpond la question. En effet, on a lim
t
t = + (non convergente) et
t N
0
: u
t+1
= t +1 > u
t
= t (suite croissante).
EXERCICE 9
nonc
On considre la proposition suivante : Si (u
t
)
tN
0
et (v
t
)
tN
0
sont deux suites relles
monotones, alors la suite (u
t
+v
t
)
tN
0
est une suite monotone.
Cette proposition est-elle vraie ou fausse?
Solution La proposition est fausse. En effet, soit u
t
= 2
t
+(1)
t
et v
t
= 2
t
. Dune part, la suite
(u
t
) est monotone croissante : t N
0
: u
t+1
= 2
t+1
+(1)
t+1
u
t
= 2
t
+(1)
t
parce
que : 2
t+1
2
t
= 2
t
(2 1) = 2
t
2(1)
t
= (1)
t
(1)
t+1
.
Dautre part, (v
t
) est monotone dcroissante : t N
0
: v
t+1
= 2
t+1
= 2.2
t
v
t
=
2
t
.
Mais la suite de terme gnral u
t
+v
t
= (1)
t
nest pas monotone. En effet :
u
1
+v
1
= 1 < u
2
+v
2
= 1 (u
t
+v
t
) nest pas dcroissante
u
2
+v
2
= 1 > u
3
+v
3
= 1 (u
t
+v
t
) nest pas croissante.
EXERCICE 10
nonc
Dterminez la lim
t
(2t) de quatre faons diffrentes.
Solution lim
t
(2t) = +. On peut la dterminer :
1) Par les rgles de calcul de limites : lim
t
(2t) = 2 lim
t
t = 2(+) = +.
2) Par la dnition : K > 0, T N
0
: t T 2t > K. Il suft de prendre
T = min
_
t N
0
: t >
K
2
_
3) Par les rsultats sur les suites monotones : (2t) est une suite monotone croissante non
majore, elle diverge donc vers +.
4) Par la proprit des sous-suites : (2t) est une sous-suite de (t) qui diverge vers +,
elle diverge donc aussi vers +.
EXERCICE 11
nonc
On considre la proposition suivante : Si les suites relles (u
t
)
tN
0
et (v
t
)
tN
0
sont telles
que (u
t
)
tN
0
est convergente et t N
0
: u
t
= v
3t+1
, alors (v
t
)
tN
0
est convergente .
Cette proposition est-elle vraie ou fausse? Justiez votre rponse par une dmonstration
ou un contre-exemple.
Solution La proposition est fausse. Un contre-exemple est fourni par :
t N
0
: u
t
= 0 et v
t
=
_
0 si t = 3k +1
1 si t = 3k +1
(o k N
0
) .
En effet, la suite (u
t
)
tN
0
= (v
3t+1
)
tN
0
= (0)
tN
0
converge vers 0 (suite constante). Par
contre (v
t
)
tN
0
diverge puisquelle possde une autre sous-suite, par exemple (v
3t+2
)
tN
0
=
(1)
tN
0
, qui converge vers le nombre 1 (suite constante), diffrent de 0.
EXERCICE 12
nonc
La suite (u
t
)
tN
0
est dnie par : u
t
= sint +4
t
.
3
t
2
.
t +1
t
2
+4
Dterminez, si possible, sa limite dans R.

Solution Considrons dabord le second terme de u
t
, que nous notons v
t
:
Comme : v
t
= 4
t
.
3
t
2
.
t +1
t
2
+4
= 3.4
t
t
3
.
1 +
1
t
1 +
4
t
2
et lim
t
4
t
t
3
= +, on tablit que :
lim
t
v
t
= +.
46 Suites relles
2
Chapitre
Ensuite, les ingalits : t N
0
: 1 + v
t
u
t
1 + v
t
(car 1 sint 1) et les
galits : lim
t
(1 +v
t
) = lim
t
(1 +v
t
) = +(rgles de calcul dans R) permettent de
conclure, par le principe du pincement, que lim
t
u
t
= +.
Applications la gestion
EXERCICE 13
nonc
a En supposant le taux dactualisation r constant, quelle est la valeur actuelle ( la date 0)
dune rente constante C qui sera verse annuellement pendant 10 ans (dates 1 10)?
b Appliquez la formule trouve au cas particulier o r = 5 % et C = 10 000 .
Solution a Notons P la valeur cherche qui reprsente la somme des valeurs actuelles des montants
qui constituent la rente :
P =
C
1 +r
. ,, .
anne 1
+
C
(1 +r)
2
. ,, .
anne 2
+ +
C
(1 +r)
10
. ,, .
anne 10
= C
10
t=1
1
(1 +r)
t

Pour calculer P, on utilise la proprit des sommes partielles de la srie gomtrique de
raison
1
1 +r
, en observant que la somme dans P commence en t = 1 (et pas 0).
P = C
_
_
_
_
_
1
_
1
1 +r
_
11
1
1
1 +r
1
_
_
_
_
_
= C
_
_
_
_
_
1 +r
_
1
1 +r
_
10
r
1
_
_
_
_
_
= C
1
_
1
1 +r
_
10
r

b Si r = 5 % et C = 10 000 , on obtient : P =
1
_
1
1, 05
_
10
0, 05
10 000 = 77 217,35 .
EXERCICE 14
nonc
La rme JEJOUE achte et vend des jetons. Le nombre s
t
reprsente la quantit de pices
en stock le dernier jour du mois t. La rme JEJOUE alimente son stock en commandant
chaque mois 30 pices (livres le premier du mois), et la vente de pices seffectue
exactement raison de 1 par jour (par exemple, 31 pices vendues en janvier 2004).
a Sachant que le 31/12/2003 (t = 0) la rme JEJOUE possdait N pices (N 5),
dterminez lvolution du stock mensuel ( la n de mois).
b La rme JEJOUE verra-t-elle un jour son stock de pices spuiser ? Si oui, comment
peut-on caractriser le jour o cela arrivera?
Applications la gestion 47
Solution a Le nombre s
1
reprsente la quantit de pices en stock le 31/01/2004. Il est donn par :
s
1
= N +30 31 = N 1. Ensuite, le stock volue selon :
s
2
= s
1
+30 29 = s
1
+1 (car 2004 est une anne bissextile),
s
3
= s
2
+30 31 = s
2
1,
s
4
= s
3
+30 30 = s
3
, etc.
De faon gnrale :
s
t
=
_
_
s
t1
1 si t est un mois de 31 jours,
s
t1
+1 si t est le mois de fvrier dune anne bissextile,
s
t1
+2 si t est le mois de fvrier dune anne non bissextile,
s
t1
dans les autres cas,
pour autant que ces nombres restent positifs ou nuls.
Au bout dun an, le stock aura diminu de 6 pices puisque partant de N, on aura ajout
7 termes (1) correspondant aux mois de 31 jours, 4 termes nuls correspondant aux
mois de 30 jours et 1 terme (+1) puisque 2004 est une anne bissextile. Les annes non
bissextiles, le stock dcrot de 5 pices.
b Mme sil crot en fvrier, le stock subit une tendance globale la baisse et nira par
sannuler. Le jour o cela se produira sera obligatoirement le dernier jour dun mois
de 31 jours, qui ne sera ni mars (puisque le mois de fvrier aura fourni une pice en
rserve ), ni le mois de mai dune anne non bissextile (le mois de fvrier aura fourni
deux pices en rserve pour mars et mai).
Par exemple, pour N = 20, on a :
s
1
= N 1 = 19, s
12
= 14 (dc. 04), s
24
= 9 (dc. 05), s
36
= 4 (dc. 06),
s
37
= 3, s
38
= 5, s
39
= 4, s
40
= 4, s
41
= 3,
s
42
= 3, s
43
= 2, s
44
= 1, s
45
= 1, s
46
= 0 (oct. 07).
EXERCICE 15
nonc
Selon la formule de Gordon-Shapiro, la valeur la date t, note P
t
, dune action
dont les dividendes (D
t
, la date t) croissent au taux constant g, est donne par
P
t
=
i=1
1
(1 +a)
i
D
t+i
, o D
t
= (1 + g)D
t1
et a reprsente le taux dactualisation
prenant en compte la prime de risque associe au titre considr.
a Montrez que P
t
=
D
t+1
1 +a
i=0
_
1 +g
1 +a
_
i
.
b Dans quel cas la srie (P
t
)
tN
0
est-elle convergente? Donnez alors la valeur de P
t
.
Solution a D
t
= (1 +g)D
t1
D
t+i
= (1 +g)
i1
D
t+1
. Il sensuit que :
P
t
=
i=1
1
(1 +a)
i
D
t+i
=
i=1
1
(1 +a)
i
_
1 +g
_
i1
D
t+1
=
D
t+1
(1 +a)
i=1
_
1 +g
1 +a
_
i1
=
D
t+1
(1 +a)
i=0
_
1 +g
1 +a
_
i
48 Suites relles
b Comme a > 0 et g > 0 (ce sont des taux de croissance), la srie gomtrique
i=0
_
1 +g
1 +a
_
i
converge si et seulement si
1 +g
1 +a
< 1 1 +g < 1 +a g < a.
Dans ce cas, P
t
=
D
t+1
1 +a
.
1
1
1 +g
1 +a
=
D
t+1
1 +a
.
1 +a
a g
=
D
t+1
a g
.
EXERCICE 16
nonc
a Montrez que si la suite (X
t
)
tN
0
converge, alors la suite retarde (Y
t
)
t2
, o t : Y
t
= X
t1
,
converge galement.
b Montrez que si la suite (X
t
)
tN
0
converge, alors la suite lisse (Z
t
)
t2
, o t : Z
t
=
X
t1
+X
t
2
, converge galement.
c Montrez que la rciproque du b est fausse.
Solution a Cest vident puisque les deux suites ne diffrent que par un seul terme, en loccurrence
le premier de la suite (X
t
)
tN
0
, et que la convergence nest pas affecte par un nombre ni
de termes.
b Comme (X
t
)
tN
0
converge par hypothse, (X
t1
)
t2
converge grce au rsultat du a ,
on en dduit que Z
t
=
X
t1
+X
t
2
converge comme combinaison linaire de suites
convergentes.
Remarquons que ce rsultat sapplique plus gnralement tous les lissages par ltres
moyennes mobiles du type Z
t
=
1
n
n
k=1
X
tk+1
(n N
0
).
c Contre-exemple : (X
t
)
tN
0
=
_
(1)
t
_
tN
0
.
En effet, dans ce cas, t : Z
t
=
(1)
t1
+(1)
t
2
= 0 et la suite (Z
t
)
tN
0
converge vers 0
alors que la suite (X
t
)
tN
0
diverge.
3
Chapitre
Les fonctions
dune seule
variable
Les fonctions dune seule variable
1. Limites de fonctions . . . . . . . . . . . . . . . . . 52
2. Continuit . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3. Asymptotes . . . . . . . . . . . . . . . . . . . . . . . . . 61
4. Drivabilit . . . . . . . . . . . . . . . . . . . . . . . . . 64
5. Thorme de Taylor . . . . . . . . . . . . . . . . 69
6. Caractristiques des fonctions
dune variable . . . . . . . . . . . . . . . . . . . . . . 70
Limites de fonctions . . . . . . . . . . . . . . . . . . . . 75
Continuit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Asymptotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
Drivabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
Thorme de Taylor . . . . . . . . . . . . . . . . . . . . 91
Fonctions croissantes, dcroissantes,
concaves et convexes . . . . . . . . . . . . . . . 93
Applications la gestion . . . . . . . . . . . . . . . 95
Les fonctions de R dans R, dnies dans le chapitre 1,
constituent la manire naturelle dexprimer la
dpendance dune grandeur par rapport une autre.
Les modles de la gestion quantitative sont videmment
bass sur des fonctions, puisque les variables aussi
diverses que le chiffre daffaire, le bnce, le cot des
infrastructures, etc., dpendent, entre autres, de
facteurs tels que les prix des inputs, le niveau des
ventes, le taux dintrt du march, etc.
En gestion, comme ailleurs, toute formalisation repose sur une
rduction de la complexit inhrente au phnomne tudi. An
de mettre en exergue lessentiel, la reprsentation sous forme de
modle mathmatique nglige immanquablement certains aspects
priphriques. La difcult rside donc dans le choix des facteurs
pertinents, cest--dire ceux qui doivent absolument gurer dans la
spcication. Ce choix varie dun modle lautre, comme varient
les hypothses relatives aux fonctions qui en constituent le cadre
formel.
Dans la ralit, les lments chiffrs qui interviennent dans la prise
de dcision des gestionnaires sont trs souvent simultanment
lis de nombreux facteurs. Par exemple, le cot de production
dpend du prix de tous les inputs ncessaires lentreprise, luti-
lit du consommateur varie selon les quantits des divers biens
accessibles. Naturellement, pour traiter ces questions, les math-
matiques offrent le cadre de la thorie des fonctions de plusieurs
variables, aborde dans les deux derniers chapitres de cet ouvrage.
Nanmoins, cette thorie a pour pralable indispensable celle, plus
simple, des fonctions dune variable, prsente ici, qui offre une
premire approche de la notion de dpendance.
Les fonctions dune seule variable 51
Dans le domaine de la dynamique en temps continu, la reprsentation en fonction
dune seule variable dveloppe dans ce chapitre simpose. En effet, lorsque lunique
variable relle prise en compte reprsente la date, toute fonction correspondante dcrit
une volution. Ainsi, les trajectoires de taux de change ou dindices boursiers sexpriment
volontiers sans rfrence une autre variable dpendante. Toutefois, il nous faut bien
reconnatre que la modlisation nancire dont relvent ces deux exemples, fait le plus
souvent appel au cadre, lui aussi plus complexe, des processus stochastiques traitant de
lvolution de variables alatoires.
Enrsum, la thorie des fonctions dune variable offre une premire entre dans le monde
de la dpendance entre variables quantitatives. De par sa grande simplicit, lutilisation en
gestion de cette thorie reste limite quelques exemples lmentaires, mais lassimilation
des notions de ce chapitre conditionne la comprhension de la plupart des concepts
plus sophistiqus des chapitres 7 et 8 qui font la richesse des modles rencontrs dans
la pratique. Quon ne sy trompe pas, la matire prsente dans ce qui suit constitue un
vritable ssame dans la voie du calcul diffrentiel et de son corollaire, loptimisation.
1 Limites de fonctions
1.1 DOMAINES DEXAMEN DES LIMITES : D
, D
G
ET D
D
Dans le chapitre 1, la notion de fonction de A dans B (o A, B R) a t dnie et
lcriture suivante a t adopte : f : A B : x f (x).
Par dnition, chaque lment de A possde une image dans B. En pratique, lensemble B
ne doit pas forcment tre minimal, cest--dire concider avec limage de A par f . Dans
plusieurs applications, seul le fait que la fonction est valeurs relles constitue une
information pertinente (Une exception notable concerne la dtermination du caractre
injectif et/ou surjectif dune fonction, qui a t aborde dans le chapitre 1). Ds lors, par
souci de simplicit, nous indiquerons gnralement lensemble R en lieu et place de B.
linverse, le contenu prcis de lensemble A est crucial pour la suite de lanalyse. En
effet, A ne peut pas contenir de points o la fonction ne serait pas dnie. Par exemple, la
fonction qui associe la variable x sa racine carre
x nest pas dnie pour les nombres

strictement ngatifs. Dans ce cas, lensemble A doit donc tre un sous-ensemble de R
+
.
Dautre part, il se peut que pour des raisons dinterprtationdes variables, certaines valeurs
doivent galement tre cartes. Ainsi, lorsque la variable x reprsente un coefcient de
pondration, elle doit se situer obligatoirement dans lintervalle [0, 1]. La prise en compte
de ces deux types de contraintes amne dlimiter le domaine, dornavant not D, de la
fonction considre. Sauf mention contraire, nous adopterons donc la notation suivante :
f : D R : x f (x) o D R.
La notion de limite de fonction permet de dnir la continuit et la drivabilit qui, elles-
mmes, ouvrent la voie vers des thormes relatifs aux extrema. Les extrema (minima
et maxima) de fonctions se situent au coeur de nombreux problmes conomiques et
de gestion : le consommateur maximise sa fonction dutilit, lentreprise maximise son
bnce ou minimise ses cots, etc.
La limite bilatrale dune fonction en un point indique le comportement de cette fonction
aussi prs que lon veut du point dsign, sauf au point lui-mme. Pour dnir
52 Les fonctions dune seule variable
3
Chapitre
ce concept, il est donc indispensable que le domaine de la fonction offre la possibilit
dencercler le point, mais sans que ce point fasse obligatoirement partie du domaine.
Ainsi, une fonction dnie dans lintervalle [0, 1] nadmettra pas de limite en 0, ni en 1.
Par contre, il est concevable quune limite existe en 1 lorsque le domaine est [0, 2]\1.
Dnition Le domaine dexamen des limites bilatrales, not D
, est donn par :

D
=
_
x R : > 0 tel que (x , x +)\{x} D
_
.
J
Lorsquil ny a pas de risque dambigut, on parle volontiers de limite pour dsigner
une limite bilatrale . En pratique, D
est dtermin partir de D en enlevant les

bords et en ajoutant les trous . Par extension, on dnit les domaines dexamen des
limites unilatrales.
Dnitions
Le domaine dexamen des limites gauche, not D
G
, est donn par :
D
G
=
_
x R : > 0 tel que (x , x) D
_
.
Le domaine dexamen des limites droite, not D
D
, est donn par :
D
D
=
_
x R : > 0 tel que (x, x +) D
_
.
J
Exemple
Soit la fonction f : [0, 1] R : x 2x.
Si a (0, 1), on peut tendre vers a (approcher a daussi prs que lon veut), aussi bien par la
droite que par la gauche, tout en restant dans le domaine D = [0, 1] a (0, 1) : a D
.
Si a = 0, on ne peut tendre vers a que par la droite puisque les points situs gauche de a
nappartiennent pas au domaine D 0 D
D
mais 0 / D
.
Si a = 1, on ne peut tendre vers a que par la gauche 1 D
G
mais 1 / D
.
Si a / [0, 1], on ne peut pas approcher a daussi prs que lon veut, ni par la droite, ni
par la gauche tout en restant dans le domaine. On en conclut que D
= (0, 1), D
D
= [0, 1),
D
G
= (0, 1].
Lexemple prcdent fait apparatre que seul le domaine D est utilis pour dterminer D
,
D
D
et D
G
. Lexpression analytique de la fonction a cependant jou un rle en amont pour
xer D.
De plus, notons que D
G
D
D
= D
.
1.2 LES NOTIONS DE LIMITES
Dnitions de base
Suivant la logique mise en uvre dans lintroduction des trois domaines dexamen des
limites, les trois dnitions suivantes prsentent respectivement la limite bilatrale et les
deux limites unilatrales.
Limites de fonctions 53
Dnitions Considrons la fonction f : D R : x f (x) et le nombre rel
b R.
Premier cas : a D
.
f a pour limite (bilatrale) b lorsque x tend vers a, ce quon note lim
xa
f (x) = b,
si :
> 0, > 0 tel que :
x (a , a +)\{a}
x D
_
f (x) b
< .
Deuxime cas : a D
D
.
f a pour limite droite b, lorsque x tend vers a, ce quon note lim
x
<
a
f (x) = b, si :
> 0, > 0 tel que :
x (a, a +)
x D
_
f (x) b
< .
Troisime cas : a D
G
.
f a pour limite gauche b, lorsque x tend vers a, ce quon note lim
x
>
a
f (x) = b, si :
> 0, > 0 tel que :
x (a , a)
x D
_
f (x) b
< .
J
Comme
f (x) b
< f (x) (b , b + ), la premire dnition (par exemple)

sinterprte de la manire suivante : on peut toujours trouver un intervalle centr autour
de a tel que toutes les images des points de cet intervalle soient situes aussi prs que lon
veut de b.
Exemple
f : R R : x
_
0 si x < 0
1 si x 0
et a = 0.
D = R D
= R et la lim
x0
f (x) peut tre considre.
Toutefois, le comportement de f (voir gure 3.1, page ci-contre) est diffrent gauche et
droite de 0. Les limites gauche et droite sont donnes par : lim
x
<
0
f (x) = lim
x
<
0
0 = 0 et
lim
x
>
0
f (x) = lim
x
>
0
1 = 1.
Le lien entre les limites bilatrales et unilatrales est donn par la proprit suivante qui
permet notamment dtablir formellement la non-existence de la limite bilatrale lim
x0
f (x)
dans lexemple ci-dessus.
Proprit a D
= D
G
D
D
: lim
xa
f (x) = b R lim
x
<
a
f (x) = lim
x
>
a
f (x) =
b R.
J
Toute valeur connue dune limite bilatrale est immdiatement interprtable comme la
valeur commune des deux limites unilatrales.
3
Chapitre
Figure 3.1
y = f(x)
2 1 0 3 2 3 1
x
2
y
1
1
2
3
3
Si une des limites unilatrales nexiste pas ou si les deux limites unilatrales sont distinctes,
alors la limite bilatrale nexiste pas. Cela permet dtudier la limite bilatrale en des
points charnires comme dans lexemple ci-dessus o lim
x
<
0
f (x) = 0 = lim
x
>
0
f (x) = 1
lim
x0
f (x).
Exemple
Pour la fonction dnie par : f : R R : x |x| =
_
x si x 0
x si x > 0
, on a :
lim
x
<
0
f (x) = lim
x
<
0
(x) = lim
x
<
0
x = 0
lim
x
>
0
f (x) = lim
x
>
0
x = 0
_
_
lim
x
<
0
f (x) = lim
x
>
0
f (x) = 0 lim
x0
f (x) = 0.
Extensions des dnitions
La premire extension concerne les limites pour x et x +.
Dnition Soit f : D R : x f (x), oDcontient une demi-droite
_
, p
_
(resp. une demi-droite ( p, +)) et b R.
lim
x
(resp. x+)
f (x) = b > 0, K > 0 tel que :
x < K(resp. x > K)
x D
_
f (x) b
< .
J
Exemple
f : R
+
0
R : x
1
x
2
. D = R
+
0
contient la demi-droite (0, +) et on a lim
x+
f (x) = 0.
En effet, selon la dnition : lim
x+
f (x) = 0 > 0, K > 0 :
x > K
x R
+
0
_

1
x
2
< .
Or
1
x
2
<
1
x
2
< x
2
>
1
|x| >
1
x >
1
(car x R
+
0
).
Il suft alors de prendre K =
1
+1 >
1
pour obtenir K > 0 et x > K x >

1
La seconde extension concerne les limites innies. Leur dnition sapparente celle des
limites innies de suites, mais, du fait de la varit des possibilits au niveau des fonctions,
plusieurs cas doivent tre scinds.
Dnitions
Premier cas : a D
.
lim
xa
f (x) = +
(resp. )
si L > 0, > 0 tel que :
x (a , a +)\{a}
x D
_
f (x) > L
(resp. f (x)<L)
.
Deuxime cas : a D
G
.
lim
xa
<
f (x) = +
(resp. )
si L > 0, > 0 tel que :
x (a , a)
x D
_
f (x) > L
(resp. f (x)<L)
.
(et de faon analogue pour la limite droite).
Troisime cas : D
_
, p
_
.
lim
x
f (x) = +
(resp. )
si L > 0, K > 0 tel que :
x < K
x D
_
f (x) > L
(resp. f (x)<L)
.
(et de faon analogue pour la limite pour x +).
J
1.3 LIEN ENTRE LIMITES DE FONCTIONS ET LIMITES DE SUITES
Deux proprits font le lien entre les limites de fonctions et de suites. En premier, le
thorme de transfert, nonc ci-dessous, est utilis en pratique pour montrer la non-
existence de limites de fonctions.
Thorme de transfert lim
xa
f (x) = b suite (x
t
)
tN
0
telle que :
_
t N
0
: x
t
D\{a}
lim
t
x
t
= a
on a : lim
t
f (x
t
) = b.
J
Moyennant des changements vidents de formulation, on peut tendre ce thorme aux
limites unilatrales, aux limites pour x et aux limites innies.
3
Chapitre
En pratique, pour montrer laide de ce thorme que la lim
xa
f (x) nexiste pas, on
construira deux suites,
_
x
(1)
t
_
et
_
x
(2)
t
_
, convergeant vers a et telles que t N
0
:
x
(1)
t
, x
(2)
t
D\{a}, mais dont les limites des images sont telles que : lim
t
f
_
x
(1)
t
_
= u et
lim
t
f
_
x
(2)
t
_
= v = u.
Exemple
Montrons par le thorme de transfert que lim
x0
_
sin
1
x
_
.
Les suites dnies par x
(1)
t
=
1
2t
et x
(2)
t
=
1
2
+2t
convergent toutes deux vers 0. En outre, les
suites images sont telles que : lim
t
sin(2t) = 0 et lim
t
sin
_
2
+2t
_
= 1 = 0. Ce qui tablit le
rsultat de non-existence.
Proprit Si la suite relle (u
t
)
tN
0
et la fonction f : [1, +) R : x f (x)
sont telles que t N
0
: f (t) = u
t
et lim
x+
f (x) = a R, alors lim
t
u
t
= a.
J
Cette proprit sert dterminer la valeur dune limite de suite partir de la limite pour
x +dune fonction dont le graphe passe par les points de la suite. Cette proprit
permet notamment de lever des indterminations dans les limites de suites, en faisant
appel la rgle de lHospital (voir section 4.5.) qui sapplique uniquement aux limites de
fonctions.
Exemple
Aprs avoir montr que lim
x+
sin x
x
= 0 (voir exercice 8 b ), la proprit permettra dafrmer
que la suite
_
sint
t
_
tN
0
converge vers 0.
1.4 AUTRES PROPRITS DES LIMITES DE FONCTIONS
Les rgles de calcul dans R et dans R des limites de fonctions, quelles soient bilatrales,
unilatrales oupour x , sont identiques celles prsentes auchapitre 2 (section2)
pour les limites de suites.
Exemple
lim
x+
e
x
= + et lim
x+
1
x
= 0 impliquent que lim
x+
_
e
x
1
x
_
= +0 = +.
Limites des fonctions composes
Si lim
xa
f (x) = b R et lim
xb
g(x) = c R,
alors lim
xa
(g f )(x) = c.
J
Exemple
lim
x
x
2
= et lim
x
cos x = cos = 1 impliquent que lim
x
cos x
2
= 1.
Principe du pincement Si f , g et h sont des fonctions telles que :
lim
xa
f (x) = lim
xa
h(x) = b R, et si > 0, x (a , a +) \{a} : f (x)
g(x) h(x), alors lim
xa
g(x) = b.
J
Moyennant des changements vidents de formulation, on peut tendre les proprits
cites aux limites unilatrales et aux limites pour x .
Comme dans le chapitre 2, cette rgle afrme lexistence dune limite (et en donne la
valeur). Pour lutiliser, il faut, dans un voisinage du point a, encadrer la fonction dont on
cherche la limite par deux fonctions qui tendent vers la mme valeur.
Exemple
Appliquons la rgle du pincement pour montrer que lim
x0
x sin
1
x
= 0. Notons quun exemple

prcdent (section 1.3) a tabli que lim
x0
_
sin
1
x
_
nexiste pas. La rgle de calcul relative au
produit des limites dans R nest donc pas applicable ici. Par contre, le principe du pincement
permet de prouver le rsultat. En effet : x R
0
: 1 sin
1
x
1 |x|
x. sin
1
x
|x| et
lim
x0
(|x|) = lim
x0
|x| = 0 lim
x0
x sin
1
x
= 0.
2 Continuit
2.1 DFINITIONS ET PROPRITS FONDAMENTALES
La continuit reprsente le premier niveau de rgularit des fonctions. On dnit dune
part la continuit en un point, dautre part la continuit dans un domaine. Intuitivement,
une fonction est continue dans un ensemble D si on peut tracer son graphe, pour les
valeurs dabscisses dans D, sans lever le crayon, sous rserve que D soit convexe et quen
consquence il ny ait pas de sous-domaines dconnects.
La dnition gnrale est plus large et sapplique tous les domaines possibles. Elle
sappuie sur les concepts de limites prsents dans la section prcdente.
Dnitions Soit f : D R : x f (x).
f est continue en a (D
D) si lim
xa
f (x) = f (a) ;
f est continue gauche en a (D
G
D) si lim
x
<
a
f (x) = f (a) ;
f est continue droite en a (D
D
D) si lim
x
>
a
f (x) = f (a).
J
3
Chapitre
La proprit suivante dcoule directement de celles des limites.
Proprit Soit a
_
D
D
_
.
f est continue en a f est continue gauche et droite en a.
J
Exemples
1. f : R R : x
_
_
x si x < 0
3 si x = 0
x +3 si x > 0
.
lim
x
<
0
f (x) = 0 = f (0) = 3 f nest pas continue gauche en 0 f nest pas continue en 0.
La fonction est cependant continue droite en 0 : lim
x
>
0
f (x) = 3 = f (0).
2. f : R R : x |1 x| =
_
1 x si x 1
x 1 si x > 1
.
lim
x
<
1
f (x) = lim
x
<
1
(1 x) = 0 = f (1) = lim
x
>
1
f (x) = lim
x
>
1
(x 1). La fonction est donc continue
en 1.
La continuit dans un domaine exige que la fonction prsente toutes les continuits
possibles (unilatrales, et donc aussi bilatrales) dans ce domaine.
Dnition La fonction f est continue dans D si elle vrie toutes les conditions
suivantes :
(i) a (D
D) : f est continue en a ;
(ii) a
_
(D
G
\D
) D
_
: f est continue gauche en a ;
(iii) a
_
(D
D
\D
) D
_
: f est continue droite en a.
J
En consquence, pour des domaines qui sont des intervalles ouverts ou ferms, on a la
proprit suivante.
Proprit
f est continue dans (c, d) si a (c, d) : f est continue en a.
f est continue dans [c, d] si f est continue dans (c, d), f est continue droite en
c et f est continue gauche en d.
J
Dnition Le domaine de continuit de f est le plus grand sous-ensemble de D
dans lequel f est continue, il est not DC. On a videmment : DC D.
J
Exemples
1. f : R
+
0
R : x lnx.
a R
+
0
: lim
xa
lnx = lna a R
+
0
: f est continue en a f est continue dans R
+
0
DC
= R
+
0
.
Continuit 59
2. f : (0, 1] R : x
1
x
a (0, 1) : lim
xa
1
x
=
1
a
= f (a) a (0, 1) : f est continue en a.
De plus, lim
x1
<
1
x
= 1 = f (1) f est continue gauche en 1. Donc, f est continue dans (0, 1]
et DC = (0, 1].
Notons que, comme 0 / D, on ne se proccupe pas de la lim
x0
>
f (x).
2.2 FONCTIONS DE RFRENCE : LIMITES ET CONTINUIT
Lors la rsolution des exercices, les limites videntes relatives aux fonctions lmentaires
seront supposes connues (sauf dans les exercices 1 et 2 qui en tablissent certaines). Ces
rsultats concernent les fonctions puissances, sinus, cosinus, logarithme et exponentielle.
Dans les deux derniers cas, rappelons que :
Si a > 1 :
lim
x
a
x
= 0 , lim
x+
a
x
= +, lim
x0
>
log
a
x = , lim
x+
log
a
x = +.
Si 0 < a < 1 :
lim
x
a
x
= +, lim
x+
a
x
= 0 , lim
x0
>
log
a
x = +, lim
x+
log
a
x = .
En outre, on supposera dornavant acquise la continuit des fonctions lmentaires
suivantes dans leurs domaines de dnition :
f : R R : x b, f : R R : x x,
f : D R : x x
( R) o D est dtermin selon ,

f : R R : x a
x
_
a R
+
0
\ {1}
_
, f : R
+
0
R : x log
a
x
_
a R
+
0
\ {1}
_
,
f : R R : x sin x, f : R R : x cos x.
partir de l, les rgles de calcul des limites dans R permettent de dduire la continuit
des fonctions sommes, produits et composes de fonctions continues.
2.3 MTHODE PRATIQUE DE LTUDE DE LA CONTINUIT DUNE FONCTION
Les diverses proprits vues permettent de dresser une procdure pratique pour ltude
de la continuit dune fonction donne, dans un domaine D prdni.
(i) Si la fonction est donne par une seule expression analytique, dcomposer f en
somme, produit et/ou compose de fonctions dont le domaine de continuit est
connu.
(ii) Si la fonction est dnie par plusieurs expressions analytiques (explicitement ou
implicitement), appliquer dabord (i) sur les plus grands sous-ensembles ouverts
de D, puis tudier la continuit en le(s) point(s) charnire(s) laide du calcul de
limites.
Attention, il ne faut pas oublier de considrer les ventuels bords du domaine.
Exemples
1. f : R R : x signe(x) =
_
_
1 si x < 0
0 si x = 0
1 si x > 0
.
Dans (, 0) et dans (0, +), f est constante donc continue. Il reste tudier le point
charnire 0 o lim
x0
<
f (x) = 1 = f (0) = 0. Donc, f nest pas continue gauche en 0 f
nest pas continue en 0.
En conclusion, DC = R
0
.
2. f : [8, 5) R : x
_
_
|2x 2| si x
x sinx
cos x +
2
si x >
.
Dans [8, ), f est continue comme compose et somme de fonctions continues dans R et
donc dans ses sous-ensembles. Notons au passage que la continuit droite en 8 dcoule
immdiatement du fait que la fonction |2x 2| est continue dans R.
Comme x R : cos x +

2 = 0, dans(, 5), f est continue comme produit de x, sinx et
1
cos x +
2
, qui sont toutes continues dans R et donc dans ses sous-ensembles.
Enn, f est continue en le point charnire , puisque f est continue gauche et droite
en . En effet, lim
x
<
f (x) = lim
x
<
|2x 2| = 2 2 = 0 = f () f est continue gauche
en .
Et lim
x
>
f (x) = lim
x
>
x sinx
cos x +
2
=
sin
cos +
2
= 0 = f () f est continue droite en .
En conclusion, DC = D = [8, 5).
2.4 THORME DU POINT FIXE DE BROUWER
Plusieurs problmes conomiques, notamment en thorie de lquilibre gnral, amnent
rechercher les points xes dune fonction, cest--dire les points laisss invariants par la
fonction.
Dnition Soit f : D R : x f (x). Le point a D est appel point xe de f
si f (a) = a.
J
Thorme de Brouwer Si f : [a, b] [a, b] : x f (x) est continue dans
[a, b], alors : c [a, b] : f (c) = c.
J
Le thorme du point xe de Brouwer afrme lexistence (mais pas lunicit) dun point
xe lorsque la fonction est continue dans un intervalle ferm et que les images se situent
dans ce mme intervalle.
3 Asymptotes
La fonction f admet une asymptote lorsque son graphe tend vers une droite, dnomme
alors asymptote de la fonction. Deux types de limites peuvent conduire une asymptote.
Dune part, une limite unilatrale innie en un point de D
D
D
G
se traduit par lexistence
dune asymptote verticale. Dautre part, lorsque le graphe de la fonction tend vers une
droite pour x , on parlera, selon le cas, dune asymptote horizontale ou oblique.
Asymptotes 61
Dnition La fonction f : D R : x f (x) admet une asymptote verticale
gauche (resp. droite) en a D
D
(resp. en a D
G
), note AV x = a , si
lim
x
>
a
f (x) = (resp. lim
x
<
a
f (x) = ).
J
Notez que lasymptote droite est obtenue laide dune limite gauche, et vice-versa,
pour indiquer la position de lasymptote par rapport au graphe de la fonction.
Remarques
Une asymptote droite et gauche est dite bilatrale. Toutefois, lexistence de la limite
bilatrale dans R nest pas ncessaire pour obtenir une asymptote bilatrale. En effet, on
peut avoir, par exemple, lim
x
<
a
f (x) = + et lim
x
>
a
f (x) = .
Si a DC, la lim
xa
f (x) existe automatiquement dans R, et il ny aura jamais dasymptote
verticale en a. Pour trouver les ventuelles asymptotes verticales dune fonction, il suft donc
dexaminer les limites aux points de
_
D
D
D
G
_
\DC.
Les asymptotes horizontales et/ou obliques concernent le comportement de la fonction
lorsque x , sous rserve que le domaine permette de considrer de telles limites.
Dnitions Soit f : D R : x f (x), o D contient une demi-droite
_
, p
_
(resp.
_
p, +
_
).
f admet une asymptote horizontale gauche (resp. droite), note AH y = b,
si lim
x
(resp. x+)
f (x) = b R.
f admet une asymptote oblique gauche (resp. droite), note AO y = ax +b,
si lim
x
(resp. x+)
f (x)
x
= a R
0
et lim
x
(resp. x+)
_
f (x) ax
_
= b R.
J
Remarque
Si f admet une AH gauche (resp. droite), elle nadmettra pas dAO gauche (resp.
droite), et rciproquement.
Les exemples suivants montrent la marche suivre pour la dtermination des asymptotes.
Exemples
1. f : R
+
0
R : x
1
x
Recherche dasymptotes verticales :

D
D
= R
+
, D
G
= R
+
0
= DC
_
D
D
D
G
_
\DC = {0} et lim
x
>
0
1
x
= + AV x = 0
gauche.
3
Chapitre
Recherche dasymptotes horizontales et/ou obliques :
D = R
+
0
AH gauche et AO gauche.
Dautre part, lim
x+
1
x
= 0 AH y = 0 droite AO droite.
En outre, lim
x+
1
x
= 0
+
. Le graphe est donc situ au-dessus de lAH (voir gure 3.2).
Figure 3.2
2
1
0
1
2
3
4
5
2 1 1 2 3 4 5
y=f(x)
AV : x = 0
AH : y = 0
y
x
2. f : R\{1, 1} R : x
x
3
+2
x
2
1

D
D
= D
G
= R, DC = R\{1, 1}
_
D
D
D
G
_
\DC = {1, 1},
lim
x
>
<
1
x
3
+2
x
2
1
= AV x = 1 (bilatrale)
lim
x
>
<
1
x
3
+2
x
2
1
= AV x = 1 (bilatrale).
R\{1, +1} (, 2) et (2, +)
lim
x
x
3
+2
x
2
1
= / R AH
lim
x
f (x)
x
= lim
x
x
3
+2
x
3
x
= 1 R
0
et
lim
x
_
f (x) 1.x
_
= lim
x
_
x
3
+2
x
2
1
x
_
= lim
x
x
3
+2 x
3
+x
x
2
1
= lim
x
x +2
x
2
1
= 0
AO y = x bilatrale (voir gure 3.3, page suivante).
Asymptotes 63
Figure 3.3
5
4
3
2
1
1
2
3
4
5
5 4 3 2 1
0
1 2 3 4 5
y=f(x)
y
x
A0 y = x
AV x = 1
AV x = 1
4 Drivabilit
Les drives jouent un rle fondamental dans ltude de la variation des fonctions. Au
plan thorique, elles permettent daborder la caractrisation des fonctions monotones et
la dtermination des extrema. Au plan appliqu, elles conduisent la formalisation de
notions aussi importantes que la vitesse et lacclration en physique, le cot marginal ou
lutilit marginale en gestion.
4.1 DFINITIONS
Avant de calculer la drive dune fonction, il convient dexaminer si la fonction est suf-
samment rgulire. Ainsi, on dnira les notions de drivabilits unilatrale et bilatrale
en un point et dans un ensemble, ce qui conduira au domaine de drivabilit. La notion
de drive repose sur la limite du taux de variation. Des proprits et des rgles pratiques
sont galement fournies pour en faciliter le calcul.
Dnitions Soit f : D R : x f (x).
f est drivable en a
_
D
D
_
si lim
xa
f (x) f (a)
x a
dans R. Dans ce cas, cette
limite est appele drive de f en a et est note f
(a).
f est drivable gauche (resp. droite), en a
_
D
G
D
_
, (resp. a
_
D
D
D
_
),
si lim
xa
<
(>)
f (x) f (a)
x a
dans R. Dans ce cas, cette limite est appele drive gauche
(resp. droite) de f en a et est note f
g
(a) (resp. f
d
(a)).
3
Chapitre
f est drivable dans D si toutes les conditions suivantes sont remplies :
(i) a (D
D) : f est drivable en a ;
(ii) a
_
(D
G
\D
) D
_
: f est drivable gauche en a ;
(iii) a
_
(D
D
\D
) D
_
: f est drivable droite en a.
Le domaine de drivabilit de f , not DD, est le plus grand sous-ensemble de D
dans lequel f est drivable.
La fonction drive de f est la fonction f
: DD D
R : x f
(x).
J
4.2 INTERPRTATION GOMTRIQUE DE LA DRIVE
Lorsquelle existe, la drive f
(a) est le coefcient angulaire de la tangente T

a
au graphe
de la fonction au point dabscisse a, dont lquation est : T
a
y f (a) = f
(a)(x a).
Exemples
1. f : R R : x x.
On a : D = D
= R et a R : lim
xa
f (x) f (a)
x a
= lim
xa
x a
x a
= lim
xa
1 = 1 R. f est donc
drivable dans R : DD = R et f
: R R : x 1.
En tout point a R, la tangente, T
a
y = x, concide avec le graphe de la fonction.
2. f : R R : x |x| =
_
x si x 0
x si x > 0
.
Cette fonction est dnie et continue dans R, mais :
lim
x
<
0
f (x) f (0)
x 0
= lim
x
<
0
x
x
= 1 f
g
(0) = 1
et
lim
x
>
0
f (x) f (0)
x 0
lim
x
>
0
x
x
= 1 f
d
(0) = 1.
La fonction f est donc drivable gauche et droite en 0 mais nest pas drivable en 0.
DD = R
0
et f
: R
0
R : x
_
1 si x < 0
1 si x > 0
.
a R
0
: T
a
y = x et a R
+
0
: T
a
y = x.
4.3 FONCTIONS DE RFRENCE
On supposera dornavant acquise la drivabilit des fonctions de rfrence suivantes dans
leurs domaines respectifs, ainsi que les expressions de leurs drives :
Drivabilit 65
f (x) D f
(x) f (x) D f
(x)
b R 0 x
( Q)
R ou R
0
x
1
e
x
R e
x
lnx R
+
0
1
x
sin x R cos x cos x R sinx
tg x R\
2
+k, k Z
1
cos
2
x
cotg x R\{k, k Z}
1
sin
2
x
4.4 PROPRITS
Les notions de continuit et de drivabilit sont lies de manire trs simple.
Proprits
f est drivable en a f est continue en a.
f est drivable droite (resp. gauche) en a f est continue droite (resp.
gauche) en a.
J
On a donc DD DC D. Notons que les rciproques de ces proprits sont fausses. Par
exemple, la fonction valeur absolue est continue mais non drivable en 0.
Proprit f est drivable ena DD
g
(a) et f
d
(a) existent et sont gales.
J
La drivabilit de chaque ct ne suft pas garantir la drivabilit en un point. Ainsi,
les points en lesquels la fonction est drivable gauche et droite, sans tre drivable
(drives gauche et droite distinctes), sont appels des points anguleux , parce que
les deux demi-tangentes unilatrales forment un angle.
Rgles de calcul des drives
Si f et g sont drivables en a, alors :
(i) R : f est drivable en a et
_
f
_
(a) = f
(a) ;
(ii) ( f +g) est drivable en a et (f +g)
(a) = f
(a) +g
(a) ;
(iii) ( f .g) est drivable en a et (f .g)
(a) = f
(a).g(a) +f (a).g
(a) ;
(iv) Si g(a) = 0,
f
g
est drivable en a et
_
f
g
_
(a) =
f
(a)g(a) f (a)g
(a)
_
g(a)
_
2

(v) Si f (a) > 0, f
g
est drivable en a et
_
f (a)
g(a)
_
= f (a)
g(a)
_
g
(a) lnf (a) +g(a)

1
f (a)
f
(a)
_
.
Si f est drivable en a et g est drivable en f (a), alors la fonction compose g f
est drivable en a et (g f )
(a) = g
_
f (a)
_
f
(a).
J
Ces proprits stendent la drivabilit gauche (resp. droite).
3
Chapitre
En pratique, ltude de la drivabilit dune fonction seffectue selon la mme dmarche
que celle de la continuit. En outre, la drivabilit est demble exclue en les points o la
fonction est discontinue. Sajoute ici le calcul de la fonction drive.
Exemples
1. f : R R : x |x|. DC = R, DD = R
0
.
2. f : R R : x signe(x) =
_
_
1 si x < 0
0 si x = 0
1 si x > 0
. DC = DD = R
0
.
3. f : [8, 5) R : x
_
_
|2x 2| si x
x sinx
cos x +
2
si x >
. DC = [8, 5) et DD = [8, 5) \{}.
En effet, dans [8, ), f est drivable comme compose dun polynme, drivable dans R,
et de |x| drivable dans R
0
. Dans (, 5), f est drivable comme quotient de x sinx, drivable
dans R en tant que produit de fonctions de rfrence drivables dans R, et de cos x +

2,
drivable dans R en tant que somme non nulle de fonctions de rfrence drivables dans R.
Au point charnire :
lim
x
<
f (x) f ()
x
= lim
x
<
|2x 2| 0
x
= 2
x
x
= 2 R
f est drivable gauche en et f
g
() = 2.
lim
x
>
f (x) f ()
x
= lim
x
>
x. sinx 0
(cos x +
2)(x )
= lim
x
>
x. sin( x)
(cos x +
2)( x)
=

1 +
2
=

2 1
R
f est drivable droite en et f
d
() =

2 1
= f
g
().
Donc, f admet un point anguleux en .
4. Considrons la fonction
_
tg x
_
cos x
dans un domaine D tel que x D : tg x > 0.
x D
:
__
tg x
_
cos x
_
=
_
tg x
_
cos x
_
(sinx) ln(tg x) +cos x
1
tg x
1
cos
2
x
_
=
_
tg x
_
cos x
_
1
sinx
(sinx) ln(tg x)
_
.
4.5 LA RGLE DE LHOSPITAL
La rgle de lHospital est utile pour lever des indterminations qui se prsentent dans les
calculs de limites de fonctions. Elle est, au dpart, formule pour le cas
0
0
, mais elle
sadapte simplement toutes les formes indtermines.
Rgle de lHospital Soit f : D
1
R : x f (x), g : D
2
R : x g(x) et
a
_
D
1
D
2
_
.
Si :
(i) lim
xa
f (x) = lim
xa
g(x) = 0 ;
Drivabilit 67
(ii) > 0 : f et g sont drivables dans (a , a +) \{a} ;
(iii) lim
xa
f
(x)
g
(x)
existe dans R;
alors : lim
xa
f (x)
g(x)
= lim
xa
f
(x)
g
(x)
J
Moyennant des modications videntes de formulation, ce rsultat est galement appli-
cable aux limites unilatrales et pour x .
Lhypothse (i) fait rfrence la forme indtermine
0
0
. En fait, la rgle sadapte
galement aux autres formes indtermines de la manire suivante :
Directement pour

Pour 0 , la transformation f (x)g(x) =

f (x)
1
g(x)
permet de se ramener au cas
0
0
Pour , la transformation f (x) g(x) =

1
g(x)
1
f (x)
1
f (x).g(x)
permet de se ramener au cas
0
0
Toutefois, cette transformation complique souvent les calculs. Il est donc prfrable de
lutiliser en dernier recours, aprs avoir tent de factoriser et de simplier lexpression
initiale ou, tout simplement, de mettre au mme dnominateur.
Pour les formes indtermines de type exponentiel (0
0
, 1
,
0
), lcriture f (x)
g(x)
=
e
g(x). lnf (x)
place lindtermination au niveau du logarithme de la limite recherche, sous
la forme 0 traite prcdemment.
Exemple
lim
x+
_
x
3
_
x
3
2x
_
= lim
x+
x
_
1
3
_
1
2
x
2
_
= lim
x+
_
1
3
_
1
2
x
2
_
1
x
Il sagit dune forme indtermine du type qui se ramne 0 , puis

0
0
. Les
hypothses de la rgle de lHospital sont vries. On obtient :
lim
x+
_
x
3
_
x
3
2x
_
= lim
x+
4
3
_
1
2
x
2
_
2/3
x
1
1
x
2
=
4
3
lim
x+
x
_
1
2
x
2
_
2/3
= +.
Enn, la rgle de lHospital sapplique uniquement aux formes indtermines. On ne peut
donc pas en faire usage pour calculer toute limite de quotient.
5 Thorme de Taylor
Le thorme de Taylor permet dapprocher des fonctions par un polynme tout en
tablissant une majoration de lerreur commise. Il utilise les drives successives, dont la
drive seconde.
Dnitions Soit f : D R : x f (x) et a DD D
.
f est deux fois drivable en a si sa drive premire f
est drivable en a.
Dans ce cas, f
(a) = ( f
(a) est appele drive seconde de f en a.

J
De manire gnrale, on peut ainsi dnir la notion de fonction p fois drivable, le cas
chant droite et/ou gauche, en un point, puis dans un ensemble. De mme, on dnit
les drives dordre p, unilatrales ou bilatrales.
Exemple
La fonction f (x) = sinx est drivable dans R et sa drive, f
(x) = cos x, est aussi drivable

dans R. Elle est donc deux fois drivable dans R et f
(x) = (cos x)
= sinx.
Le thorme de Taylor offre une approximation polynomiale locale (au voisinage dun
point) dune fonction pour autant quelle soit sufsamment rgulire. La formule dcom-
pose la valeur de la fonction en deux termes : lapproximation dite de Taylor et le terme
derreur, ou reste , dont lexpression permet den tablir une majoration spcique
(fonctionde la drive dordre p+1de la fonctionconsidre). Sachant que la factorielle
dun nombre n N
0
, note n!, est dnie par : n! = n (n 1) (n 2) . . . 1, avec, par
convention, 0! = 1, on formule le thorme de Taylor comme suit.
Thorme de Taylor Si f est (p + 1) fois drivable dans lintervalle
(a
1
, a +
2
), o
1
,
2
> 0, alors :
x (a
1
, a +
2
) : f (x) =
p
i=0
f
i/
(a)
i!
(x a)
i
. ,, .
approximation de Taylor dordre p
+
f
p+1/
()
(p +1)!
(x a)
p+1
. ,, .
reste dordre p
. ,, .
dveloppement de Taylor dordre p
o = a + (x a) , (0, 1).
J
Dans le cas particulier o a = 0, le dveloppement de Taylor est appel dveloppement de
Mac Laurin.
Exemple
Le dveloppement de Mac Laurin dordre pair 2k (k N
0
) de la fonction f (x) = sin x est donn
par :
sinx = x
x
3
3!
+
x
5
5!

x
7
7!
+ +
(1)
k+1
x
2k1
(2k 1)!
+
(1)
k
(cos )
(2k +1)!
x
2k+1
. ,, .
Reste dordre 2k
, o 0 < < x,
puisque f est indniment drivable et f
(x) = cos x, f
(x) = sinx, f
(x) = cos x, etc.

Thorme de Taylor 69
6 Caractristiques des fonctions
dune variable
6.1 FONCTIONS MONOTONES
Les fonctions partout croissantes, ou partout dcroissantes, dans un domaine donn sont
dites monotones dans ce domaine. Cette classe de fonctions, aisment caractrisable
laide de la drive premire (sous rserve de rgularit sufsante), joue un rle pratique
important, puisque la formalisation de plusieurs problmes de gestion exige demble
des fonctions de ce type. Par exemple, la quantit globale demande dun bien de
consommation est dcroissante en fonction du prix, la quantit offerte gnralement
croissante, lutilit attendue des investisseurs dpend positivement du rendement attendu
(fonction croissante) et ngativement du risque (fonction dcroissante), etc.
Les fonctions qui sont tantt croissantes, tantt dcroissantes dans leur domaine dtude
ne sont pas globalement monotones. Cependant, en dcoupant de faon cohrente le
domaine, il est le plus souvent possible de dgager des sous-domaines dans lesquels une
fonction donne est monotone. Donc, mme dans ce cas, les notions dnies ci-dessous
prennent tout leur intrt.
Dnitions Soit f : D R : x f (x)
f est (strictement) croissante
(1)
dans Dsi x
1
, x
2
D : x
1
< x
2
f (x
1
)
(<)
f (x
2
).
f est (strictement) dcroissante dans D si x
1
, x
2
D : x
1
< x
2
f (x
1
)
(>)
f (x
2
).
f est monotone dans D si f est croissante dans D ou dcroissante dans D.
J
La proprit suivante permet dtablir la monotonie dune fonction sufsamment rgu-
lire grce ausigne de sa drive premire. Enpratique, elle constitue unoutil fondamental.
En particulier, lorsque la fonction exprime lvolution dune variable au cours du temps
(modlisation en temps continu), elle permet didentier, en fonction de la spcication
retenue, les priodes de hausse et de baisse de cette variable.
Proprit Si D est un sous-ensemble convexe de R et f : D R : x f (x)
est continue dans D et drivable dans D
, alors :
f est croissante dans D x D
: f
(x) 0 ;
f est dcroissante dans D x D
: f
(x) 0 ;
f est strictement croissante dans D x D
: f
(x) > 0 ;
f est strictement dcroissante dans D x D
: f
(x) < 0.
J
Exemple
La fonction f : R R : x 3x 1 est continue et drivable dans R et f
: R R : x 3. On
a f
(x) > 0, x R f est strictement croissante dans R.

1. Alternativement, on peut utiliser les qualicatifs non dcroissante et croissante en lieu et place de
croissante et strictement croissante , respectivement.
3
Chapitre
Lorsque le domaine D nest pas convexe, la proprit nest pas applicable directement.
On peut cependant lutiliser dans les sous-domaines convexes de D. Par ailleurs, dans
le cas des fonctions strictement monotones, la condition de signe (strict) de la drive
est sufsante, mais pas ncessaire. Par exemple, la fonction f : R R : x x
3
, qui
est continue et drivable dans R (avec f
(x) = 3x
2
), est strictement croissante dans R
(x, y R : x < y x
3
< y
3
) et pourtant sa drive sannule en 0 (f
(0) = 0).
6.2 FONCTIONS CONCAVES ET CONVEXES
Une fonction de production, ici un facteur, est naturellement croissante puisque, avec
une quantit suprieure du facteur de production, on ne peut quaccrotre le niveau
produit. Elle peut tre concave (fonction de production rendements dcroissants) ou
convexe (fonction de production rendements croissants). Les gures 3.4 illustrent ces
possibilits dans le cas particulier o la fonction f est croissante et f (0) = 0, ce qui est
typique pour une fonction de production puisque, sans facteur, la production est nulle.
Figure 3.4
Fonction de production
concave ( gauche).
Fonction de production
convexe ( droite)
y
x
y=f(x)
y
x
y=f(x)
De faon gnrale, cest la courbure du graphe qui est vise. Oriente vers le bas, lallure
de la courbe est dite concave, et, vers le haut, convexe. En outre, ces notions sont
dterminantes dans ltude des extrema ou optimisation. Les dnitions de fonctions
concaves et convexes snoncent dans les domaines Dqui sont des sous-ensembles convexes
de R, ce qui implique que D
D.
Dnitions Soit f : D R : x f (x), o D est un sous-ensemble convexe
de R.
f est concave dans D si :
x, y D, [0, 1] : f
_
x +(1 )y
_
f (x) +(1 )f (y).
f est convexe dans D si :
x, y D, [0, 1] : f
_
x +(1 )y
_
f (x) +(1 )f (y).
f est strictement concave (resp. convexe) dans D si :
x, y D(x = y), (0, 1) : f
_
x +(1 )y
_
>
(resp. <)
f (x)+(1)f (y).
J
Ces ingalits offrent une interprtation gomtrique directe : les fonctions concaves (voir
la gure 3.5, page suivante) (resp. convexes), sont telles que toute scante joignant deux
points dugraphe se situe sous le graphe, (resp. au-dessus dugraphe). Enoutre, la concavit
et la convexit strictes excluent la prsence de morceaux linaires dans le graphe.
De faon gnrale, le graphe dune fonction continue dans un domaine convexe est tantt
concave, tantt convexe. Les points o se situe la transition de lune lautre de ces
situations sont appels points dinexion .
Caractristiques des fonctions dune variable 71
Figure 3.5
y
x
b a
y=f(x)
Dnition f admet un point dinexion en a si f est continue en a et si
> 0 :
_
f est convexe (resp. concave) dans (a , a)
f est concave (resp. convexe) dans (a, a +)
.
J
En un point dinexion en lequel la fonction est drivable (gure 3.6), le graphe de
la fonction traverse la tangente. Si le point dinexion est situ en un point anguleux
(gure 3.7), le graphe traverse la droite brise constitue de deux demi-tangentes
droite et gauche.
Figure 3.6
y
x
a
y = f(x)
T
a
Figure 3.7
y
x
a
y = f(x)
T
a
d
T
a
g
3
Chapitre
Dans toutes les proprits qui suivent, le domaine D est un sous-ensemble convexe de R.
Proprits
f
1
et f
2
sont concaves (resp. convexes) dans D f
1
+f
2
est concave (resp. convexe)
dans D.
Si f est concave (resp. convexe) dans D, alors :
f est concave (resp. convexe) dans D si 0,
f est convexe (resp. concave) dans D si 0.
f est concave (resp. convexe) dans D a D,
f
x
=
f (x) f (a)
x a
est une
fonction dcroissante (resp. croissante) dans D\{a}.
J
La dernire proprit concerne la monotonie du taux de variation des fonctions concaves
et convexes. Elle sapplique notamment aux fonctions de production. En effet, comme
f (0) = 0, en choisissant a = 0, on obtient que la productivit moyenne,
f (x)
x
, est
dcroissante pour une fonction de production concave et croissante pour une fonction
de production convexe.
Le lien entre la concavit et la convexit dune part, la continuit et la drivabilit de lautre
est donn par la proprit suivante.
Proprit f est concave dans D ou convexe dans D f est continue, drivable
gauche et droite dans D
.
J
Nanmoins, f nest pas ncessairement drivable dans D
. Par exemple, la fonction f (x) =

|x| nest pas drivable dans R (non drivable en 0) et pourtant convexe dans R puisque :
x
1
, x
2
R, [0, 1] :
|(x
1
+(1 )x
2
)| |x
1
| +|(1 )x
2
| = |x
1
| +(1 ) |x
2
| .
La proprit suivante est probablement la plus importante en pratique. Elle permet de
caractriser les fonctions concaves et convexes rgulires laide du signe de leur drive
seconde.
Proprit Si f est 2 fois drivable dans D, alors :
f est concave dans D x D
: f
(x) 0 ;
f est convexe dans D x D
: f
(x) 0.
J
Exemple
f (x) = x
2
5x + 1 est deux fois drivable dans R et f
(x) = 2x 5, f
(x) = 2. On a f
(x) >
0, x R f est strictement convexe dans R.
Les fonctions minimum et maximum sont utiles, par exemple, dans la modlisation
des marchs en dsquilibre. Elles apparaissent ici parce quelles bncient de proprits
intressantes au niveau de la concavit/convexit.
Dnitions Soit deux fonctions f
1
et f
2
: D R.
min
_
f
1
, f
2
_
: D R : x min
_
f
1
(x), f
2
(x)
_
.
max
_
f
1
, f
2
_
: D R : x max
_
f
1
(x), f
2
(x)
_
.
J
Caractristiques des fonctions dune variable 73
En chaque point de D, la fonction min
_
f
1
, f
2
_
(resp. max
_
{f
1
, f
2
_
) prend la plus petite
(resp. la plus grande), des valeurs prises en ce point par les deux fonctions de dpart.
Proprits
f
1
et f
2
sont concaves dans D min
_
f
1
, f
2
_
est concave dans D.
f
1
et f
2
sont convexes dans D max
_
f
1
, f
2
_
est convexe dans D.
J
Exemple
Les fonctions f
1
: [1, 6] R : x x
2
+ 5x 4 et f
2
: [1, 6] R : x x
2
+
15
2
x 11, sont
toutes deux concaves dans [1, 6]. Il sensuit que :
min
_
f
1
, f
2
_
: [1, 6] R : x
_
_
x
2
+
15
2
x 11 si x
_
1,
14
5
_
x
2
+5x 4 si x
_
14
5
, 6
_
est galement concave dans
[1, 6] (voir gure 3.8).
Figure 3.8
10
9
8
7
6
5
4
3
2
1
0
1
2
3
4
2 1 1 2 3 4 5 6 7
y =f
1
(x)
y
x
y=f
2
(x)
y=min{f
1
(x),f
2
(x)}
Problmes
et exercices
Techniquement, ce sont coup sr les limites de fonctions qui occupent la
majeure partie des exercices. Dabord tudies pour elles-mmes, elles
apparaissent ensuite dans ltude de la continuit, de la drivabilit et
des asymptotes. Les techniques de drivation sont aussi lhonneur, tant
pour tablir les quations de tangentes et les dveloppements de Taylor
que pour discuter la croissance/dcroissance et la concavit/convexit
des fonctions. Des applications la gestion clturent ces exercices.
Limites de fonctions
EXERCICE 1
nonc
Pour les fonctions suivantes, dterminez les domaines D, D
, D
D
, D
G
.
a f : D R : x lnx.
b f : D R : x
1
x
c f : D R : x
1
ln(3 x)
d f : D R : x
x
x
2
9
Solution a D = D
= R
+
0
. En effet :
x (0, +), =
x
2
> 0 : (x , x +) D > 0 : (x , x +)\{x} D.
Par exemple pour x = 1, on peut choisir =
1
2
pour obtenir
_
1
2
,
3
2
_
\{1} (0, +).
Aucun autre point ne vrie la dnition de D
.
D
G
= (0, +) car
(i) D
G
D
G
(0, +)
(ii) 0 / D
G
puisque > 0 : (, 0) D
(iii) aucun autre point ne vrie la dnition de D
G
.
D
D
= [0, +) car
(i) D
D
D
D
(0, +)
(ii) 0 D
D
puisque = 1 > 0 : (0, ) = (0, 1) D
(iii) aucun autre point ne vrie la dnition de D
D
.
b D = R
0
car la fonction nest pas dnie en x = 0. D
G
= D
D
= D
= R.
c D = (, 3)\{2}, D
= (, 3), D
G
= (, 3] et D
D
= (, 3).
d D = [0, +)\{3, 3}, D
= (0, +), D
G
= (0, +), D
D
= [0, +).
EXERCICE 2
nonc
laide de la dnition de la notion de limite bilatrale, dmontrez les rsultats suivants.
a a R : lim
xa
x = a.
b a, b R : lim
xa
b = b.
Solution
a Pour montrer que : a R : > 0, > 0 : 0 < |x a| < |x a| < , on prend
par exemple = .
b On doit montrer que a, b R : > 0, > 0 : 0 < |x a| < |b b| < .
Comme : |b b| = 0 < est toujours vrai, on peut prendre un > 0 quelconque.
EXERCICE 3
nonc
laide des dnitions, dterminez les limites suivantes dans R.
a lim
x2
(3x 5).
b lim
x1
>
x +1.
c lim
x0
<
1
x
d lim
x+
e
x
.
Solution
a lim
x2
(3x 5) = 1 > 0, > 0 : 0 < |x 2| < |(3x 5) 1| <
Comme |3x 6| < 3 |x 2| < |x 2| <
3
, il suft de prendre 0 <

3
b lim
x1
>
x +1 = 0 > 0, > 0 : 0 < x +1 <

x +1) 0
< .
Comme
x +1
<

x +1 < x + 1 <
2
(car

x +1 0), il suft de
prendre 0 <
2
.
c lim
x0
<
1
x
= L > 0, > 0 : 0 < 0 x <
. ,, .
0>x>
1
x
< L
. ,, .
()
.
3
Chapitre
Comme ()
1
L
> x x >
1
L
(car x < 0), il suft de prendre un nombre tel que
>
1
L
et > 0, cest--dire tel que : 0 < <
1
L
.
d lim
x+
e
x
= + L > 0, K > 0 :
_
x > K
x R
e
x
> L
. ,, .
()
.
Comme () x > lnL, il suft de prendre K > min{0, lnL}.
EXERCICE 4
nonc
Soit n N et a
i
R, i = 0, 1, . . . , n.
Calculez lim
x
_
a
n
x
n
+a
n1
x
n1
+ +a
1
x +a
0
_
.
Solution lim
x
_
a
n
x
n
+a
n1
x
n1
+ +a
1
x +a
0
_
=
_
a
n
n
+a
n1
n1
+ +a
1
+a
0
_
Dmontrons ce rsultat par rcurrence.
Il est vri pour n = 0 : lim
x
a
0
= a
0
(limite dune fonction constante).
En supposant quil est vri pour un polynme de degr n = k 1, montrons-le pour
un polynme de degr n = k :
lim
x
_
a
k
x
k
+a
k1
x
k1
+ +a
1
x +a
0
_
= lim
x
_
a
k
x
k
_
+ lim
x
_
a
k1
x
k1
+ +a
1
x +a
0
_
= lim
x
_
a
k
x
k
_
+
_
a
k1
k1
+ +a
1
+a
0
_
= lim
x
_
a
k
x
k1
.x
1
_
+
_
a
k1
k1
+ +a
1
+a
0
_
= lim
x
_
a
k
x
k1
_
. lim
x
x +
_
a
k1
k1
+ +a
1
+a
0
_
=
_
a
k
k1
_
. +
_
a
k1
k1
+ +a
1
+a
0
_
=
_
a
k
k
+a
k1
k1
+ +a
1
+a
0
_
.
EXERCICE 5
nonc
laide des proprits, calculez les limites suivantes dans R.
a lim
x1
(lnx 1).
b lim
x2
e
x
x
(x 2)
2
c lim
x1
>
ln(
x +1).
d lim
x
x
3
+x
2
6x +3
2x
3
+3x 1

Solution a lim
x1
(lnx 1) = lim
x1
(lnx +(1)) = lim
x1
(lnx) + lim
x1
(1) = 0 +(1) = 1
b lim
x2
e
x
x
(x 2)
2
= +(rgle de calcul dans R :
e
2
.2
0
(+)
).
c lim
x1
>
x +1 = 0
(+)
lim
x0
>
lnx =
_
lim
x1
>
ln(
x +1) =
(limite dune compose de fonctions).
d lim
x
x
3
+x
2
6x +3
2x
3
+3x 1
= lim
x
x
3
.
_
1 +
1
x

6
x
2
+
3
x
3
_
x
3
.
_
2 +
3
x
2

1
x
3
_ =
1
2
EXERCICE 6
nonc
Soit n, m N et a
i
(i = 0, 1, . . . , n) , b
j
_
j = 0, 1, . . . , m
_
R, a
n
= 0, b
m
= 0.
Dterminez dans R lim
x
a
n
x
n
+ +a
1
x +a
0
b
m
x
m
+ +b
1
x +b
0
Solution lim
x
a
n
x
n
+a
n1
x
n1
+ +a
0
b
m
x
m
+b
m1
x
m1
+ +b
0
= lim
x
x
n
.(
a
n
,..,
a
n
+
0
, .. ,
a
n1
x
1
+ +a
0
x
n
)
x
m
.( b
m
.,,.
b
m
+b
m1
x
1
+ +b
0
x
n
. ,, .
0
)
=
lim
x
x
nm
.
a
n
b
m
=
_
_
() si n > m
a
n
b
m
si n = m
0 si n < m
o le signe de (*) est dtermin par celui de
a
n
b
m
et, pour x , par la parit de (n m).
EXERCICE 7
nonc
Dans chaque cas, les limites suivantes existent-elles dans R? Si oui, donnez leur valeur.
a lim
x1
f (x), o f : R R : x
_
_
ln(x 1) si x > 1
2
(x 1)
2
si x 1
.
b lim
x1
g(x), o g : R R : x
_
_
_
2x +3
x
2
1
si x R\{1, 1}
4 si x {1, 1}
.
c lim
x
3
2
h(x), o h : R R : x
_
_
cos x +1 si x /
_
2
+k : k Z
_
2 si x
_
2
+k : k Z
_.
d lim
x4
i(x), o i : R\{4} R : x
_
_
1
x 2
si x < 4
1
x
si x > 4
.
Solution a lim
x1
<
f (x) = lim
x1
<
2
(x 1)
2
= +
lim
x1
>
f (x) = lim
x1
>
(ln(x 1)) = () = +
_
_
lim
x1
f (x) = +.
b lim
x1
<
g(x) = lim
x1
<
2x +3
x
2
1
= +
lim
x1
>
g(x) = lim
x1
>
2x +3
x
2
1
=
_
_
lim
x1
g(x) dans R.
c lim
x
3
2
h(x) = lim
x
3
2
(cos x +1) = lim
x
3
2
(cos x) + lim
x
3
2
1 = 0 +1 = 1.
d lim
x4
<
i(x) = lim
x4
<
1
x 2
=
1
2
lim
x4
>
i(x) = lim
x4
>
1
x
=
1
2
_
_
lim
x4
i(x) =
1
2
EXERCICE 8
nonc
Dans chaque cas, calculez la limite.
a lim
x+
sin x.
b lim
x+
_
sin x
x
_
c lim
x0
_
sinx
x
_
d lim
x2
f (x) o f : R R : x
_
1 si x Q
0 si x R\Q
.
Solution a Par le thorme de transfert, lim
x+
sinx nexiste pas dans R. En effet, la suite (x
t
)
tN
0
dnie par x
t
=

2
+ t est telle que x
t
+ mais f (x
t
) = sin
_
2
+t
_
= (1)
t
nadmet pas de limite dans R.
b Par pincement : lim
x+
_
sinx
x
_
= 0 . En effet :
x R
+
0
:
1
x
.,,.
sin x
x

1
x
.,,.
c Par pincement : lim
x0
_
sinx
x
_
= 1 . En effet :
x
_
2
,
2
_
\{0} : | sinx| |x| | tg x|
1
| sin x|

1
|x|

1
| tg x|
| sin x|
| sin x|

| sin x|
|x|

| sin x|
| tg x|
1
.,,.
1
sin x
x
=
sin x
x

1
|cos x|
. ,, .
1
d lim
x2
f (x) si f : R R : x
_
1 si x Q
0 si x R\Q
Les suites dnies par x
t
=
1
t
+2 ( R) et y
t
=

t
+2 ( R\Q) sont telles que
lim
t
x
t
= 2 et lim
t
y
t
= 2 mais lim
t
f (x
t
) = lim
t
f
_
1
t
+2
_
= lim
t
1 = 1 et
lim
t
f
_
y
t
_
= lim
t
f
_
t
+2
_
= lim
t
0 = 0.
Par le thorme de transfert, on en dduit que lim
x2
f (x) dans R.
Continuit
EXERCICE 9
nonc
Soit f : R\{2} R : x 2x +4.
Montrez, en revenant la dnition, que f est continue en 3.
Solution f est continue en x = 3 > 0, > 0 :
x (3 , 3 +)
x R\{2}
_
f (x) f (3)
<
> 0, > 0 :
|x 3| <
x = 2
_
|(2x +4) 10| <
. ,, .
()
.
Comme () |2x 6| < |x 3| <
2
, il suft de prendre 0 <

2
EXERCICE 10
nonc
Donnez unexemple de fonctiondnie dans D = [2, 2) et dont le domaine de continuit
est DC = [2, 2)\{1}.
Solution On peut prendre, par exemple, f : [2, 2) R : x
_
x si x = 1
0 si x = 1
.
EXERCICE 11
nonc
Pour chacune des fonctions suivantes, dterminez les domaines de dnition et de
continuit.
a f (x) =
ln(x
2
+1)
x 3
b f (x) = e
x
(x +1) cos x, o x [1, 7].
c f (x) =
_
_
_
e
x
x
(x 2)
2
si x = 2
3 si x = 2
.
d f (x) =
_
cos x +1 si x / {k : k Z}
2 si x {k : k Z}
.
e f (x) =
_
_
x
2
+1
x
2
4
si x 3 et x / {2, 2}
(x 3) sin
_
1
x 3
_
+2 si x > 3
e
x
si x {2, 2}
.
f f (x) =
_
3
1
ex
si x > e
lnx
2
2 si x e
.
Solution a D = (3, +) = DC. Eneffet, dans (3, +), f est continue comme quotient de ln(x
2
+1)
(continue dans R en tant que compose de fonctions continues) et de
x 3 (continue
comme compose de fonctions continues).
b D = [1, 7] = DC , puisque f est obtenue par somme et produit de fonctions continues
dans R et donc dans [1, 7].
c D = R et DC = R\{2}. En effet, f est continue dans R\{2} mais lim
x2
e
x
x
(x 2)
2
= +.
d D = R et DC = R\{ +2k : k Z}.
Dans R\{k : k Z}, f est continue par les proprits usuelles.
En outre, k Z : lim
x2k
(cos x + 1) = 2 = f (2k) et la fonction est continue en ces
points, mais lim
x+2k
(cos x +1) = 0 = 2 = f ( +2k) et la fonction est discontinue en
ces points.
e D = R et DC = R\{2, 2}. En effet, dans R\{2, 2, 3}, f est continue par les proprits
usuelles.
En x = 2 : lim
x2
x
2
+1
x
2
4
dans R, donc la fonction nest pas continue en x = 2.
Continuit 81
En x = 3 : sachant que lim
x0
_
x. sin
1
x
_
= 0, on a
lim
x3
>
f (x) = lim
x3
>
_
(x 3) sin
_
1
x 3
_
+2
_
= 0 +2 = 2 = f (3)
et
lim
x3
<
f (x) = lim
x3
<
x
2
+1
x
2
4
= 2 = f (3)
donc la fonction est continue en 3.
f D = DC = R
0
. La continuit en e rsulte du fait que lim
x
>
e
3
1
ex
= 0 = f (e).
EXERCICE 12
nonc
Soit f (x) =
_
_
_
x |x|
x
si x < 0
sin x + si x 0
.
Pour quelles valeurs du paramtre rel , la fonction f est-elle continue dans R?
Solution Daprs les proprits usuelles, f est continue dans R
0
. Donc, pour quelle soit continue
dans R, il faut et il suft que lim
x0
f (x) = f (0).
lim
x0
<
f (x) = lim
x0
<
x |x|
x
= lim
x0
<
x +x
x
= lim
x0
<
2x
x
= 2
lim
x0
>
f (x) = f (0) = sin 0 + =
_
_
= 2 est la seule
valeur admissible.
EXERCICE 13
nonc
Dans chaque cas, vriez que les fonctions donnes satisfont aux hypothses du thorme
de Brouwer. Dduisez-en lexistence de point(s) xe(s) que vous dterminerez.
a f : [0, 20] R : x
1
2
x +7.
b g : [10, 100] [10, 100] : x
_
_
8 si x [10, 0]
x
2
+7x 8 si x (0, 6)
x 8 si x [6, 100]
.
Solution a f est une fonction polynme, continue dans tout sous-ensemble de R et telle que :
Im
f
([0, 20]) = [7, 17] [0, 20] . Elle satisfait donc aux hypothses du thorme de
Brouwer et admet au moins un point xe x
0
tel que :
1
2
x
0
+7 = x
0
x
0
= 14.
b g est dnie de [10, 100] [10, 100] et est continue dans [10, 100]. La continuit
dans [10, 100] \ {0, 6} dcoule des proprits usuelles. En outre :
lim
x
<
0
g(x) = lim
x
<
0
(8) = 8
lim
x
>
0
g(x) = lim
x
>
0
_
x
2
+7x 8
_
= 8
_
_
lim
x0
g(x) = 8 = g(0)
et g est continue en 0.
lim
x
<
6
g(x) = lim
x
<
6
_
x
2
+7x 8
_
= 2
lim
x
>
6
g(x) = lim
x
>
6
(x 8) = 2
_
_
lim
x6
g(x) = 2 = g(6)
et g est continue en 6.
La fonction satisfait donc aux hypothses du thorme de Brouwer et admet au moins
un point xe x
0
tel que g(x
0
) = x
0
. Pour les dterminer, on considre chacun des sous-
domaines.
Dans [10, 0] : 8 = x
0
x
0
= 8 ; dans [0, 6] : x
2
0
+7x
0
8 = x
0
x
2
0
+6x
0
8 =
0 x
0
= 2 oux
0
= 4 ; dans [6, 100] : x
0
8 = x
0
nadmet pas de solution. Enconclusion,
la fonction admet trois points xes situs en 8, 2 et 4.
Asymptotes
EXERCICE 14
nonc
Dans chaque cas, dterminez les asymptotes ventuelles de la fonction donne.
a f (x) =
_
x 1
x +1
b f (x) =
1
x 2

_
x
2
.
c f (x) =
_
_
_
2x
2
+ln x si x <
cos
_
x
2
_
si x
.
d f (x) =
_
_
e
x
2
3x
2
x
2
si x = 0
6 si x = 0
.
e f (x) = e
x
cos x.
Solution a Conditions dexistence :
x 1
x +1
0 et x +1 = 0 D = (, 1) [1, +).
Il sensuit que : D
= (, 1)(1, +), D
G
(, 1](1, +), D
D
= (, 1)
[1, +).
Asymptotes 83
Comme DC = D, D
D
\DC = et D
G
\DC = {1}, la seule possibilit se situe gauche
du point x = 1. Le calcul de la limite correspondante donne :
lim
x
<
1
f (x) = lim
x
<
1
_
x 1
x +1
= +.
On en dduit quil existe une AV x = 1 droite.
Le domaine permet cette recherche puisque D (1, +) et D (, 1). En outre,
on a : lim
x
f (x) = 1, de sorte que la fonction admet une AH y = 1 droite et
gauche, et donc pas dasymptote oblique.
b D =
__
,
_
, +
__
\{2}.
lim
x
_
1
x 2

_
x
2
_
=
1
2
=
pas dasymptote verticale en x =
.
lim
x2
<
>
_
1
x 2

_
x
2
_
= AV x = 2, bilatrale.
lim
x
_
1
x 2

_
x
2
_
= pas dasymptote horizontale.
Cependant, il existe une asymptote oblique AO
1
y = x droite et une asymptote
oblique AO
2
y = x gauche. En effet :
lim
x
f (x)
x
= lim
x
1
(x 2)x
. ,, .
=0
+ lim
x
x
2
x
. ,, .
F.I.
= lim
x
|x|
_
1

x
2
x
= 1
et lim
x
_
f (x) x
_
= lim
x
_
1
x 2

_
x
2
x
_
= lim
x
_
1
x 2
_
. ,, .
=0
+ lim
x
_
_
x
2
x
_
. ,, .
F.I.
= lim
x
_
x
x
2
__
x +
x
2
_
_
x
x
2
_
= lim
x
(x
2
x
2
+)
_
x
x
2
_ =

= 0.
c AV x = 0, droite.
d AV x = 0, bilatrale, et AH y = 3, bilatrale.
e Aucune asymptote. On utilise le thorme de transfert pour montrer labsence dasymp-
tote oblique.
3
Chapitre
Drivabilit
EXERCICE 15
nonc
Dans chaque cas, calculez la drive des fonctions donnes.
a f (x) = x +x
2
+x
3
.
b f (x) = (a +bx) +(a +bx)
2
+ (a +bx)
3
(a, b R).
c f (x) =
1
(3x
2
+7x)
3
d f (x) =
1
a
2
+x
2
(a R).
e f (x) = x
2
sin x.
f f (x) =
e
x
x

g f (x) =
1
sinx
h f (x) =
_
_
1 +cos
2
x
_
1
.
i f (x) = sin
2
x +cos
2
x.
j f (x) = ln(lnx).
k f (x) =
_
1 tg
2
x
_
1
3
.
l f (x) = 2
5x
2
+
x
3
1
.
m f (x) = cotg
_
2x
2
_
.
n f (x) =
_
4
x
_
x
(
log
10
x
2
)
.
Solution a f
(x) =
_
x +x
2
+x
3
_
= (x)
+
_
x
2
_
+
_
x
3
_
= 1 +2x +3x
2
.
b f
(x) =
_
(a +bx) +(a +bx)
2
+(a +bx)
3
_
= (a +bx)
+
_
(a +bx)
2
_
+
_
(a +bx)
3
_
= b +2(a +bx)b +3(a +bx)

2
b = b(1 +2a +3a
2
+3b
2
x
2
+8abx).
c f
(x) = 3
_
3x
2
+7x
_
4
(6x +7) =
3(6x +7)
(3x
2
+7x)
4
d f
(x) =
x
_
(a
2
+x
2
)
3
e f
(x) = 2x sin x +x
2
cos x.
f f
(x) =
e
x
x e
x
x
2
=
e
x
(x 1)
x
2

g f
(x) =
cos x
sin
2
x

h f
(x) = sin x cos x(1 +cos

2
x)
3
2
.
i f (x) = cos
2
x +sin
2
x = 1 f
(x) = 0.
j f
(x) =
1
x lnx
k f
(x) =
2 tg x
3
3
_
_
1 tg
2
x
_
4
cos
2
x
l f
(x) = 2
5x
2
+
x
3
1
.
_
10x +
3
2
x
_
. ln2.
Drivabilit 85
m f
(x) =
4x
sin
2
(2x
2
)
n f
(x) =
1
4
_
4
x
_
x
2 log
10
x
x
2 log x1
_
4 log
10
x lnx +1
_
.
EXERCICE 16
nonc
Dterminez le domaine de drivabilit des fonctions donnes dans lexercice 11 a , b
et e .
Solution a DD = D = (3, +).
En effet, f est le quotient de ln(x
2
+ 1), qui est drivable dans R en tant que compose
de fonctions drivables (fonctions polynme et lnx), et de

x 3 qui est galement
compose de fonctions drivables (fonctions polynme et
x).
b DD = D = [1, 7], car f est obtenue par somme et produit de fonctions drivables
dans R.
e D = R et DC = R\{2, 2} (voir exercice 11 e ). Donc, DD R\{2, 2}.
En 3, on a :
lim
x
>
3
f (x) f (3)
x 3
= lim
x
>
3
(x 3) sin
_
1
x 3
_
+2 2
x 3
= lim
x
>
3
sin
_
1
x 3
_
dans R.
En conclusion, f est non drivable en 3 et DD = R\{2, 2, 3}.
EXERCICE 17
nonc
Dterminez le domaine de drivabilit des fonctions donnes.
a f (x) = ln(2x +4) +
1
x
b f (x) = |5x +2|.

c f (x) =
_
sin (2x).
Solution a DD = D = (2, +)\{0}. En effet, f est la somme de la fonction ln(2x + 4), qui est
drivable dans (2, +) en tant que compose de fonctions drivables, et de
1
x
qui est
drivable dans R
0
.
b f (x) = |5x 2| =
_
_
5x 2 si x
2
5
2 5x si x <
2
5
D = R DD = R\
_
2
5
_

3
Chapitre
En effet, f est drivable dans
_
,
2
5
_
et
_
2
5
, +
_
en tant que polynme et, en
2
5
,
on a :
lim
x
>
2
5
f (x) f
_
2
5
_
x
2
5
= lim
x
>
2
5
5x 2 0
x
2
5
= lim
x
>
2
5
5
_
x
2
5
_
x
2
5
= 5
lim
x
<
2
5
f (x) f
_
2
5
_
x
2
5
= lim
x
<
2
5
5x +2 0
x
2
5
= lim
x
<
2
5
5
_
x
2
5
_
x
2
5
= 5
_
_
f est non drivable en
2
5
c D =
_
kZ
_
k,
2
+k
_
, DD =
_
kZ
_
k,
2
+k
_
La fonction est drivable dans
_
kZ
_
k,
2
+k
_
car elle lest en tout point de chacun de
ces intervalles ouverts entant que compose de fonctions drivables (fonctions polynme,
trigonomtrique et
x). Aux bords des intervalles, cest--dire enket

2
+k, la fonction
nest pas drivable car :
lim
x
>
k
sin(2x) 0
x k
= lim
x
>
k
2
sin(2x)
2 (x k)
= lim
x
>
k
2
sin(2 (x k))
sin
_
2 (x k)
_
2 (x k)
. ,, .
1
=
2
0
+
= +
et
lim
x
<
2
+k
sin(2x) 0
x
_
2
+k
_ = +.
EXERCICE 18
nonc
crivez lquation de la tangente au graphe de la fonction y =
1
1 +e
x
au point dabs-
cisse x = 1.
Solution On a : T
1
y f (1) = f
(1)(x 1). Or f (1) =

e
e +1
et f
(x) =
e
x
(1 +e
x
)
2
f
(1) =
e
(e +1)
2
Donc : T y
e
e +1
=
e
(e +1)
2
(x 1).
Drivabilit 87
EXERCICE 19
nonc
Dans chaque cas, construisez un exemple de fonction rpondant aux conditions donnes.
Donnez-en la forme analytique et tracez-en le graphe.
a f : [1, 7] R, drivable dans [1, 7]\{2} et continue en 2.
b f : [1, +)\{0} R, surjective, drivable dans (1, +)\{0, 1} et admettant deux
asymptotes verticales et une asymptote horizontale.
Solution Ces exemples ne sont videmment pas les seuls possibles.
a f : [1, 7] R : x |x 2| (voir gure 3.9).
Figure 3.9
2 1 0 1 3 4 5 6 7
x
2
y
1
1
4
5
6
3
y = f(x)
b f : [1, +)\{0} R : x
_
_
0 si x = 1
1
x
si x (1, 0)
3x 2 si x (0, 1]
1
x 1
si x (1, +)
Figure 3.10
2 1
1
3 4
x
4
y
2
1
8
10
6
8
10
4
2
1
6
AV
2
x=1
y=f(x)
AV
1
x=0
AH y=0
3
Chapitre
Asymptotes (gure 3.10, page ci-contre) : AV
1
x = 0 droite, AV
2
x = 1 gauche,
AH y = 0 droite.
EXERCICE 20
nonc
Soit f : R R : x
_
x
2
+3x 2 si x 1
x 1 si x > 1
.
Dterminez la fonction drive de f .
Solution f
: R\{1} R : x
_
_
_
2x +3 si x < 1
1
2
x 1
si x > 1
.
En effet, en 1, f nest pas drivable puisque : lim
x1
>
x 1 0
x 1
= lim
x1
>
x 1
= .
EXERCICE 21
nonc
Soit la fonction f (x) =
_
_
_
4x +x (sin x)
_
sin
1
x
_
+x
2
si x = 0
0 si x = 0
.
Dterminez f
(0).
Solution f
(0) = lim
x0
f (x) f (0)
x 0
= lim
x0
4x +x(sin x)
_
sin
1
x
_
+x
2
0
x 0
= lim
x0
4x
x
+ lim
x0
x(sin x)
_
sin
1
x
_
x
+ lim
x0
x
2
x
= 4 + lim
x0
sin x
x
.
sin
1
x
1
x
+0 = 4
puisque : lim
x0
sin x
x
= 1 et lim
x0
sin
1
x
1
x
= 0.
EXERCICE 22
nonc
Dans chaque cas, calculez la limite demande, en utilisant, le cas chant, la rgle de
lHospital.
a lim
x0
_
x
tg x
_
b lim
x+
e
x
lnx
c lim
x
>
0
(x lnx).
d lim
x
>
0
x
sin x
.
Drivabilit 89
Solution a Il sagit dune forme indtermine de type
0
0
et les hypothses de la rgle de lHospital
sont vries (les deux fonctions sont drivables dans
_
2
,
2
_
\{0}). On a donc
lim
x0
_
x
tg x
_
= lim
x0
(x)
_
tg x
_
= lim
x0
1
1
cos
2
x
= 1.
b Il sagit dune forme indtermine du type

et les hypothses de la rgle de lHospital

sont vries. Il sensuit que : lim
x+
e
x
lnx
= lim
x+
e
x
1
x
= lim
x+
x e
x
= +.
c Il sagit dune forme indtermine du type 0 qui se ramne

comme suit :
lim
x
>
0
(x lnx) = lim
x
>
0
lnx
1
x
Les hypothses de la rgle de lHospital sont vries. Il sensuit que :

lim
x
>
0
(x ln x) = lim
x
>
0
1
x
1
x
2
= lim
x
>
0
(x) = 0.
d Comme :
lim
x
>
0
sin x. ln x = lim
x
>
0
lnx
1
sinx
= lim
x
>
0
sin
2
x
x cos x
= lim
x
>
0
_
_
_
_
sinx
. ,, .
0
.
sinx
x
.,,.
1
.
1
cos x
. ,, .
1
_
_
_
_
= 0,
on a : lim
x
>
0
x
sin x
= lim
x
>
0
e
lnx
sin x
= lim
x
>
0
e
sinx. lnx
= e
0
= 1.
EXERCICE 23
nonc
On cherche dterminer lim
x+
x +sinx
x sinx
. Montrez que la rgle de lHospital nest pas
applicable et dterminez cette limite autrement.
Solution En vertu du thorme de transfert, on a : lim
x+
(x +sin x)
(x sin x)
= lim
x+
1 +cos x
1 cos x
dans R,
de sorte quune hypothse de la rgle de lHospital nest pas vrie.
Par contre, comme lim
x+
sin x
x
= 0, on a lim
x+
x +sin x
x sin x
= lim
x+
x
_
1 +
sin x
x
_
x
_
1
sin x
x
_ = 1.
3
Chapitre
EXERCICE 24
nonc
Dterminez les asymptotes de la fonction f (x) = x e
1
x
en faisant appel, si ncessaire, la
rgle de lHospital.
Solution D = R
0
= DC = DD et D
= D
D
= D
G
= R.
Comme D
D
\DC = {0} = D
G
\DC, la seule possibilit se situe au point x = 0. Le calcul
de la limite droite donne, grce la rgle de lHospital :
lim
x0
>
xe
1
x
= lim
x0
>
e
1
x
1
x
= lim
x0
>
e
1
x
_
1
x
2
_
_
1
x
2
_ = + AV x = 0 gauche
tandis que la limite gauche est immdiate : lim
x0
<
x e
1
x
= 0 pas dAV droite.
Recherche dasymptotes horizontales et obliques :
Le domaine permet cette recherche. Le calcul des limite rvle labsence dasymptotes
horizontales puisque :
lim
x+
x e
1
x
= + et lim
x
x e
1
x
= .
Il existe cependant une asymptote oblique bilatrale, AO y = x + 1. En effet, en
appliquant la rgle de lHospital dans le second calcul de limite, on a :
lim
x
f (x)
x
= lim
x
x e
1
x
x
= lim
x
e
1
x
= 1 R
0
.
et
lim
x
_
f (x) x
_
= lim
x
_
x e
1
x
x
_
= lim
x
x
_
e
1
x
1
_
= lim
x
e
1
x
1
1
x
= lim
x
e
1
x
_
1
x
2
_
_
1
x
2
_ = 1 R.
Thorme de Taylor
EXERCICE 25
nonc
tablissez les approximations de Taylor dordre 1 et dordre 2 de la fonction f (x) = e
x
au
voisinage de x = 2.
Thorme de Taylor 91
Solution La fonctionf est indniment drivable dans Ret f (x) = f
(x) = e
x
f (2) = f
(2) = e
2
.
Lapproximation dordre 1 est donc donne par :
f (x) f (2) +f
(2) (x 2) = e
2
+e
2
(x 2) = e
2
(x 1) .
Lapproximation dordre 2 est donne par :
f (x) f (2) +f
(2) (x 2) +f
(2)
(x 2)
2
2!
= e
2
+e
2
(x 2) +e
2
(x 2)
2
2

EXERCICE 26
nonc
Dans chaque cas, tablissez les dveloppements de Mac Laurin dordre n N
0
des
fonctions donnes.
a f (x) = e
x
.
b f (x) =
1
1 +x
c f (x) = ln (1 +x).
d f (x) = cos x.
e f (x) = (1 +x)
m
, o m N
0
et m > n.
Solution Notons demble que toutes les fonctions proposes sont indniment drivables dans un
voisinage de 0, de sorte que ces dveloppements sont tous possibles.
a f (x) = e
x
f
(x) = f
(x) = f
(x) = = f
n/
(x) = e
x
e
x
= 1 +x +
x
2
2!
+ +
x
n
n!
+
x
n+1
(n +1)!
e
. ,, .
reste dordre n
, o 0 < < x.
b i N : f
i/
(x) =
(1)
i
i!
(1 +x)
i+1
f
i/
(0) = (1)
i
i!
1
1 +x
=
n
i=0
(1)
i
x
i
+ (1)
n+1
. ,, .
Reste dordre n
x
n+1
(1 +)
n+2
, o 0 < < x.
c ln (1 +x) =
n
i=0
(1)
i+1
x
i
i
+
(1)
n+2
x
n+1
(n +1) (1 +)
n+1
. ,, .
Reste dordre n
o 0 < < x.
d Comme seules les puissances impaires de x sont affectes dun coefcient nul, tout
dveloppement dordre impair n = 2k + 1 concide avec celui de lordre pair prcdent
n = 2k :
cos x =
k
i=0
(1)
i+1
x
2i
(2i)!
+
(1)
k
(cos )
(2k +2)!
x
2k+2
. ,, .
Reste dordre 2k ou 2k +1
, o 0 < < x.
e (1 +x)
m
=
m
i=0
_
m
i
_
x
i
, o
_
m
i
_
=
m!
(mi)! i!
est appel coefcient binmial .
Lexpression du reste est nulle car il sagit dun polynme de degr m < n.
3
Chapitre
EXERCICE 27
nonc
Soit la fonction f (x) = ln (1 +x).
a En utilisant le dveloppement de Mac Laurin de f (x), calculez la valeur de ln (1, 1) avec
une erreur infrieure 0,001.
b Majorez lerreur commise dans le calcul de ln (1, 1) si on remplace ln (1 +x) par son
dveloppement de Mac Laurin dordre 38.
Solution a Le dveloppement a t obtenu dans lexercice prcdent :
ln(1 +x) =
n
i=0
(1)
i+1
x
i
i
+
(1)
n+2
x
n+1
(n +1) (1 +)
n+1
. ,, .
Reste dordre n
, o 0 < < x.
Pour que lerreur soit infrieure 0,001 : la valeur absolue du reste dordre p, not R
p
,
doit tre infrieure 0,001 :
R
p
(1)
p
p!
(1 +)
p+1
(p +1)!
x
p+1
< 0,001.
Or > 0
1
(1 +)
p+1
< 1. Comme on prend ici x = 0,1, il apparat que si p = 2,
alors :
R
p
<
(1)
p
p!
(p +1)!
(0,1)
p+1
=
(0,1)
p+1
p +1
< 0,001
Lapproximation dordre 2 atteint donc la prcision voulue : ln (1,1) 0,1 +
(0,1)
2
2
=
0,095.
b Lerreur commise si on remplace ln (1 +x) par son dveloppement de Mac Laurin dordre
38 peut tre majore comme suit :
f
38/
()
38!
(x)
38
(0,1)
38
(1 +)
38
38
<
(0,1)
38
38
.
Fonctions croissantes, dcroissantes,
concaves et convexes
EXERCICE 28
nonc
Dans chaque cas, dterminez le domaine de dnition, les rgions de croissance, de
dcroissance, de concavit et de convexit des fonctions donnes.
a f (x) = x
2
1.
b f (x) = x
3
+2x
2
1.
c f : [5, 5] : x
_
|x +3| si x [5, 1]
lnx +4 si x (1, 5]
.
Fonctions croissantes, dcroissantes, concaves et convexes 93
Solution a D = R (fonction polynme) et f est deux fois drivable dans R avec :
x R : f
(x) = 2x , f
(x) = 2.
La fonction est croissante dans R
et dcroissante dans R
+
. Elle est concave dans R.
b D = R (fonction polynme) et f est deux fois drivable dans R avec :
x R : f
(x) = 3x
2
+4x = x(3x +4) , f
(x) = 6x +4.
La fonction est croissante dans
_
,
4
3
_
, puis dcroissante dans
_
4
3
, 0
_
et nou-
veau croissante dans (0, +). Elle est concave dans
_
,
2
3
_
, puis convexe dans
_
2
3
, +
_
.
Notons que, comme la fonction est partout continue, on peut indiffremment utiliser des
sous-domaines ouverts ou ferms.
c D = [5, 5], f : [5, 5] : x
_
_
x 3 si x [5, 3)
x +3 si x [3, 1]
ln x +4 si x (1, 5]
est drivable dans
[5, 5] \{3}.
f
(x) =
_
_
1 si x [5, 3)
1 si x (3, 1]
1
x
si x (1, 5]
, et f est deux fois drivable dans [5, 5] \{3, 1}.
f
(x) =
_
_
_
0 si x [5, 1)\{3}
1
x
2
si x (1, 5]
.
La fonction est dcroissante dans [5, 3) et croissante dans (3, 5]. Elle est convexe
dans [5, 1] et concave dans [3, 5] ( montrer en utilisant la dnition). Notons que la
fonction est concave et convexe sur [3, 1] o elle est linaire.
EXERCICE 29
nonc
Soit f (x) = |2x +1| et g(x) =

x.
a Montrez, en revenant la dnition, que f est convexe dans R.
b Montrez, en revenant la dnition, que g nest pas convexe dans R
+
.
Solution a x
1
, x
2
R, (0, 1) :
2
_
x
2
+(1 )x
1
_
+1
= |2x
2
+2 (1 ) x
1
+1|
= |(2x
2
+1) +(1 ) (2x
1
+1)|
|2x
2
+1| +(1 ) |2x
1
+1|
b On peut prendre par exemple :
x
1
= 4 ; x
2
= 14 ; =
1
2
:
_
4
2
+
14
2
=

9 = 3 >
1
2
4 +
1
2
14 = 1 +1,87 = 2,87.
3
Chapitre
EXERCICE 30
nonc
La fonction logistique, dnie de faon gnrale par f (x) =
k
1 +be
ax
(avec a, b, k R),
est souvent utilise pour modliser des phnomnes de croissance avec saturation pro-
gressive. En marketing, elle permet de dcrire, par exemple, la diffusion dinnovations
technologiques dans le domaine industriel.
a Pour quelles valeurs de a et b cette fonction est-elle dnie dans R?
b On donne les deux fonctions logistiques suivantes.
g(x) =
1
1 e
x
h(x) =
1
1 +e
x
Dterminez les domaines de dnition, de continuit et de drivabilit ainsi que les asymp-
totes ventuelles de ces deux fonctions. Esquissez-en le graphe. Dduisez-en laquelle des
deux semble la mieux adapte reprsenter la diffusion dune innovation technologique.
Solution a La fonction est dnie condition que 1 +be
ax
= 0
si b 0 et a R : x R : 1 +be
ax
= 0 D = R.
si b < 0 et a = 0 : 1+be
ax
= 0 be
ax
= 1 e
ax
=
1
b
x =
1
a
ln
_
1
b
_
si b < 0, b = 1 et a = 0 : D = R.
si b = 1 et a = 0 , x R, f (x) nest pas dnie.
En conclusion : soit a R et b R
+
, soit a = 0 et b R
0
\{1}.
b Pour la fonction g, on a D = DC = DD = R
0
et D
D
= D
G
= R.
Recherche des asymptotes verticales :
D
G
\DC = D
D
\DC = {0}
lim
x
>
0
g(x) = lim
x
>
0
1
1 e
x
= +
lim
x
<
0
g(x) = lim
x
<
0
1
1 e
x
=
_
_
AV x = 0 bilatrale.
Recherche des asymptotes horizontales/obliques :
lim
x+
g(x) = lim
x+
1
1 e
x
= 1 AH
1
y = 1 droite.
lim
x
g(x) = lim
x
1
1 e
x
= 0 AH
2
y = 0 gauche.
Pour la fonction h, on a : D = DC = DD = R, pas dAV, AH
1
y = 1 droite et
AH
2
y = 0 gauche.
Cette seconde fonction (voir gure 3.12, page suivante), dallure sigmodale (en S ), est
clairement la mieux adapte la modlisation du processus de diffusion dune innovation
technologique (interprter x comme le temps et h(x) comme la part de pntration) La
fonction est en effet croissante dabord convexe puis concave (saturation progressive) et
tend asymptotiquement vers 100 %.
Figure 3.11
4 2 0 6
x
4 6 2
4
6
y
2
4
6
y=g(x)
AH
1
y=1
AH
2
y=0
AV x=0
2
Figure 3.12
4 2
AH
1
y=1
AH
2
y=0
y=h(x)
6
x
4 6 2
y
2
1
EXERCICE 31
nonc
Montrez que la fonction de production dnie par y =

q est croissante et dterminez si
les rendements sont croissants ou dcroissants.
Solution Cette fonction, dnie et continue dans R
+
, y est bien croissante puisque :
q R
+
0
: y
=
1
2
q
> 0.
Les rendements sont dcroissants (fonction concave) puisque :
q R
+
0
: y
=
1
4
_
q
3
< 0.
3
Chapitre
EXERCICE 32
nonc
La fonction doffre Q exprime la quantit produite q dun bien en fonction de son prix p :
q = Q(p), o :
Q(p) =
_
_
4 si 0 < p < 2
8
_
6 p
_
1
2
si 2 p < 5
(p 3)
3
si p 5
.
a Montrez que Qest continue dans R
+
0
et quelle est convexe dans chacundes sous-domaines
(0, 2) ; (2, 5) et (5, +).
b Sur le graphe de la fonction, constatez visuellement quelle est globalement convexe
dans R
+
0
.
Solution a Dans R
+
0
\{2, 5} , Q(p) est continue daprs les proprits usuelles.
En p = 2 : lim
p2
<
Q(p) = lim
p2
>
Q(p) = 4 = Q(2)
En p = 5 : lim
p5
<
Q(p) = lim
p5
>
Q(p) = 8 = Q(5)
Q
(p) =
_
_
0 si 0 < p < 2
4
_
_
6 p
_
3
si 2 < p < 5
3
_
p 3
_
2
si p > 5
et Q
(p) =
_
_
0 si 0 < p < 2
6
_
_
6 p
_
5
si 2 < p < 5
6
_
p 3
_
si p > 5
.
Cette fonction est convexe dans chacun des trois sous-domaines car :
p R
+
0
\{2, 5} : Q
(p) 0.
b La convexit de Q(p) dans lensemble du domaine R
+
0
est plus difcile tablir. On se
contente ici de lobserver sur la gure 3.13. En effet, tout segment liant deux points du
graphe q = Q(p) est entirement situ au-dessus de la courbe.
Figure 3.13
0
2
4
6
8
10
12
14
16
18
20
q
0 2 4 3 7 1 5 6 8
p
q=Q(p)
EXERCICE 33
nonc
Une option dachat CALL (europen) sur une action est un contrat qui confre son
dtenteur, le droit (et non lobligation) dacheter cette action lchance donne pour
un prix x (K). Dterminez analytiquement et graphiquement la valeur de cette option
lchance en fonction du prix de laction sous-jacente. Donnez le domaine de dnition,
le domaine de continuit et de drivabilit de cette fonction.
Solution La fonction est dnie par : x R
+
: f (x) = max{x K, 0} =
_
0 si x < K
x K si x K
.
Le graphe est donn par la gure 3.14.
Figure 3.14
x Prix de laction
lchance
K
0
y
Valeur de l'option
lchance
y = f(x)
DC = R
+
et DD = R
+
\{K}. En effet :
Dans R
+
\{K}, la fonction est continue, (resp. drivable) car les fonctions constante et
polynme sont continues, (resp. drivables) dans R;
La fonction est continue en K : lim
xK
<
f (x) = lim
xK
>
f (x) = 0 = f (K) ;
La fonction est non-drivable en K : en effet, lim
xK
<
f (x) f (K)
x K
= lim
xK
<
0 0
x K
= 0, et
lim
xK
>
f (x) f (K)
x K
= lim
xK
>
x K 0
x K
= 1 = 0.
EXERCICE 34
nonc
La courbe dexprience ( experience curve ) est un outil de planning stratgique utilis
pour la gestion des cots de production dune entreprise. Elle reprsente le cot marginal
de fabrication dun produit en fonction du volume de production accumul.
Considrons la fonction suivante : C
t
= C
0
_
V
t
V
0
_
a
, o a R
+
est une constante
qui dpend de lindustrie considre, C
0
et C
t
reprsentent les cots par unit (dats)
respectivement en 0 et en t. V
0
et V
t
sont les volumes de production accumuls respecti-
vement en 0 et en t.
On prend, par exemple, le secteur de fabrication des circuits intgrs, pour lequel la valeur
a = 0,5 est considre comme raisonnable.
a Dterminez la courbe dexprience C dune socit x en t x sachant quen 0, cette socit
fabriquait 1 000 units 10 000 la pice ;
b Dterminez ses domaines de dnition, de continuit et de drivabilit et les ventuelles
asymptotes.
c Esquissez et interprtez le graphe de la fonction.
Solution a C = 10 000
_
V
1 000
_
0,5
.
b D = R
+
0
(les volumes de production accumuls sont toujours positifs) et la fonction est
continue et drivable en tout point de son domaine. Donc : DC = DD = R
+
0
D = D
= D
G
= DC = R
+
0
et D
D
= R
+
D
G
\DC = et D
D
\DC = {0}
lim
V
>
0
C = lim
V
>
0
10 000
_
V
1 000
_
0,5
= lim
V
>
0
10 000 (1 000)
0,5
_
1
V
_
0,5
. ,, .
+
= + AV V = 0 gauche.
Recherche dasymptotes horizontales ou obliques :
lim
V+
C = lim
V+
10 000
_
V
1 000
_
0,5
= lim
V+
10 000 (1 000)
0,5
_
1
V
_
0,5
. ,, .
0
= 0 AH C = 0 droite.
c Le graphe est donn par la gure 3.15, page suivante.
Le graphe de cette courbe dexprience montre que le cot de fabrication marginal
dun produit diminue mesure que le nombre total dunits produites augmente. Le
cot de production volue donc dans le temps : lexprience, les conomies dchelle,
et lexcution de tches rptitives contribuent la baisse du cot de production dune
unit supplmentaire lorsque le volume total de production saccrot. En outre, si le
volume de production est quasi nul, le cot de fabrication de la premire unit savre
considrable (asymptote verticale gauche en 0). loppos, lorsque le volume de
production devient trs grand, le cot dune unit de production supplmentaire apparat
ngligeable (asymptote horizontale droite).
Figure 3.15
0
100 000
200 000
300 000
400 000
500 000
0 10 20 30 40 50
C = C(V)
C
V
AH C = 0
AV V = 0
4
Chapitre
Optimisation
des fonctions
dune seule
variable
Optimisation des fonctions dune seule
variable
1. Les types dextrema . . . . . . . . . . . . . . . 102
2. Proprits . . . . . . . . . . . . . . . . . . . . . . . . . 102
2.1 Condition sufsante dexistence
dextrema globaux . . . . . . . . . . . . . 102
2.2 Condition ncessaire du premier
ordre . . . . . . . . . . . . . . . . . . . . . . . . . . 102
2.3 Condition sufsante du second
ordre . . . . . . . . . . . . . . . . . . . . . . . . . . 104
2.4 Condition ncessaire et sufsante
dordre n (n 2) . . . . . . . . . . . 104
2.5 Conditions sufsantes . . . . . . . . . . 106
3. Extrema globaux . . . . . . . . . . . . . . . . . . 107
4. Concavit, convexit et extrema . . . 108
Problmes et exercices . . . . 111
Recherche des extrema . . . . . . . . . . . . . . . 111
Applications la gestion . . . . . . . . . . . . . 116
Loptimisation est au cur de la modlisation dun
grand nombre de problmes auxquels font face les
gestionnaires : allocation optimale des ressources,
maximisation du bnce, minimisation des cots,
maximisation de la satisfaction des clients, etc.
Toutefois, alors quen gestion, les variables de dcisions sont gn-
ralement multidimensionnelles, ce chapitre ne concerne que les
fonctions dune seule variable relle.
Cette limitation importante sera leve dans les chapitres 6 et 7. En
fait, la complexit de ltude des fonctions de plusieurs variables
requiert au pralable la connaissance, dune part, des proprits
des fonctions dune variable, et dautre part, des notions dalgbre
linaire qui seront prsentes dans le chapitre 5.
Mathmatiquement, loptimisation se traduit par la recherche des
points du domaine en lesquels la fonction tudie prend une
valeur maximale ou minimale. En ces points, la fonction admet
un extremum, appel aussi optimum. Quil sagisse de minima ou
de maxima, on distingue deux grandes classes : les extrema locaux,
dnis dans le voisinage dun point, pour lesquels sont formules
diverses conditions mathmatiques, et les extremaglobaux, valables
dans tout le domaine de dnition de la fonction, et qui sont
souvent les plus utiles dans les applications pratiques.
Le chapitre sarticule comme suit. Aprs lnonc des principales
dnitions, la dtermination des extrema locaux est prsente en
deux tapes : slection de candidats , examins ensuite au cas
par cas. Enn, le passage dlicat aux extrema globaux est dtaill.
Optimisation des fonctions dune seule variable 101
1 Les types dextrema
Dnitions Considrons une fonction f : D R : x f (x) et un point
a D.
f admet un maximum global en a si x D : f (a) f (x) ;
f admet un minimum global en a si x D : f (a) f (x) ;
f admet un maximum local en a si
(1)
V(a), x V(a) D : f (a) f (x) ;
f admet un minimum local en a si V(a), x V(a) D : f (a) f (x) ;
f admet un maximum global strict en a si x D\{a} : f (a) > f (x) ;
f admet un minimum global strict en a si x D\{a} : f (a) < f (x) ;
f admet unmaximumlocal strict ena si V(a), x V(a)D\{a} : f (a) > f (x) ;
f admet un minimum local strict en a si V(a), x V(a) D\{a} :
f (a) < f (x).
J
Si la fonction f admet un maximum (resp. un minimum) en a, alors f (a) est la valeur
maximale (resp. minimale) correspondante.
Enlabsence de spcication, onconsidre que les extrema sont nonstricts . Par ailleurs,
si tout maximumglobal est aussi unmaximumlocal, lexistence dunouplusieurs maxima
locaux nimplique pas celle dun maximum global. De plus, une fonction peut admettre
un maximum global, en plusieurs points distincts, mais avec la mme valeur maximale.
Enn, une fonction ne peut admettre un maximumglobal strict quen un seul point, mais
il peut exister plusieurs maxima locaux stricts. Il en va videmment de mme pour les
minima.
2 Proprits
2.1 CONDITION SUFFISANTE DEXISTENCE DEXTREMA GLOBAUX
Le premier rsultat garantit lexistence dextrema globaux pour les fonctions dnies et
continues dans un intervalle ferm. Pour le reste, lexistence dextrema, mme locaux,
nest pas garantie.
Proprit Si f est continue dans [a, b], alors f admet un maximum global et
un minimum global dans [a, b].
J
2.2 CONDITION NCESSAIRE DU PREMIER ORDRE
Les proprits suivantes concernent la dtermination des extrema locaux. Tout dabord,
la condition ncessaire du premier ordre (base sur la drive premire de la fonction)
offre la possibilit doprer une premire slection de candidats extrema.
1. V(a) reprsente un voisinage du point a (voir chapitre 1 section 1.6). On peut galement formuler la
dnition des extrema locaux en remplaant ce voisinage par un intervalle (a , a +), o > 0.
102 Optimisation des fonctions dune seule variable
4
Chapitre
Proprit Si f est drivable en a DD
et si f admet un extremumlocal en a,
alors f
(a) = 0.
J
Dnition Un point a DD
en lequel f est drivable et f
(a) = 0 est appel

point critique.
J
Les points critiques, caractriss gomtriquement par une tangente augraphe horizontale
(T
a
y = f (a)), constituent des extrema possibles. Toutefois, certains points critiques
ne sont pas des extrema. Par ailleurs, certains extrema peuvent tre situs hors de D D
(en un bord du domaine) ou en un point o la fonction nest pas drivable (un point
anguleux, par exemple).
En rsum, la premire tape de la recherche des extrema locaux consiste dresser la liste
exhaustive des candidats :
les points critiques,
les bords de D qui sont les points de D\D
,
les points de D D
en lesquels la fonction nest pas drivable.

Un extremum situ en un bord du domaine (dans D\D
) est parfois appel solution de

coin du problme doptimisation.
Exemple
Cet exemple permet dillustrer la diversit des cas possibles. En pratique, sauf procder de
faon numrique, et donc approche, on ne connat pas a priori le graphe de la fonction et ce
nest quau terme dune tude complte, incluant la dtermination des extrema, que ce graphe
peut tre dress.
La fonction f (x) =
_
_
x 2 si 2 x 1
x
3
si 1 x 1
sin
_
2
x
_
si 1 x 4
, dont le graphe est donn par la gure 4.1,
prsente les caractristiques suivantes :
Figure 4.1
2 1
0
1 2 4
x
1
1,5
y
0,5
1
1,5
0,5
y=f(x)
3
f est continue dans son domaine [2, 4] ( vrier titre exercice) qui est un intervalle ferm.
Donc, daprs la proprit en 2.1, f admet un maximum global et un minimum global dans
[2, 4]. La valeur minimale globale, f (x) = 1, est atteinte en x = 1 et en x = 3, tandis que
la valeur minimale globale, f (x) = 1, est atteinte en x = 1.
En 0, f admet un point critique (la tangente la courbe est horizontale) mais pas dextremum.
Par contre, en 3, f admet un point critique et un extremum.
f nest drivable ni en 1, ni en 1 (expliquer pourquoi titre dexercice), alors quen ces
points f admet des extrema (voir ci-dessus).
Les bords du domaine sont 2 et 4, puisque : D\D
= [2, 4] \ (2, 4) = {2, 4}. En chacun

de ces deux points, f admet un maximum local non global.
La seconde tape, souvent plus ardue en pratique, vise trancher pour chacun des
candidats. Sagit-il dunextremum? Si oui, de quel type (maximumouminimum, local ou
global)? Malheureusement, aucuncritre ne sapplique uniformment tous les candidats
de la premire tape. Au cas par cas, des proprits permettent de conclure dans la plupart
des situations. En dernier ressort, les dnitions restent videmment dapplication. Elles
constituent le seul recours dans le cas dune fonction trs irrgulire, comme par exemple
en un point de D D
o la fonction nest pas continue.

2.3 CONDITION SUFFISANTE DU SECOND ORDRE
La condition sufsante du second ordre, permet de trancher pour les points critiques o
la drive seconde existe et est non nulle.
Proprit Si f est deux fois drivable en a D D
et si f
(a) = 0, f
(a) = 0,
alors f admet un maximumlocal (resp. un minimumlocal) en a si f
(a) < 0 (resp.

si f
(a) > 0).

J
Exemple
On veut dterminer les extrema locaux de la fonction f : R R : x x
3
3x2. En drivant, on
obtient : f
(x) = 3x
2
3 = 3 (x 1) (x +1) et f
(x) = 6x. Il sensuit que : f
(x) = 0 x {1, 1}.

Comme f
(1) = 6 < 0 et f
(1) = 6 > 0, f admet un maximum local en 1 et un minimum

local en 1 (gure 4.2, page ci-contre).
2.4 CONDITION NCESSAIRE ET SUFFISANTE DORDRE n (n 2)
Au terme de lapplication de la condition sufsante dordre 2, restent encore en suspens
diverses catgories de candidats, dont les points critiques en lesquels la drive seconde
sannule. La condition ncessaire et sufsante dordre n, sapplique aux fonctions suf-
samment rgulires pour quon puisse dterminer lordre de la premire drive qui ne
sannule pas. Selon que lordre est pair ou impair, il y a ou il ny a pas un extremum en ce
point.
4
Chapitre
Figure 4.2
y=f(x)
4 2 0
x
2
y
2
4
1 3 1
1
1
4
2
3
2
Proprit Si f est n fois drivable en a D D
, si f
(a) = f
(a) = =
f
(n1)
(a) = 0 et f
(n)
(a) = 0, alors :
n est pair et f
(n)
(a) < 0 f admet un maximum local en a ;
n est pair et f
(n)
(a) > 0 f admet un minimum local en a ;
n est impair f nadmet pas dextremum en a.
J
Exemple
On veut dterminer les extrema locaux de la fonction f : R R : x x
4
4
3
x
3
.
En drivant, on obtient : f
(x) = 4x
3
4x
2
= 4x
2
(x 1) et f
(x) = 12x
2
8x = 4x (3x 2).
On a : f
(x) = 0 x {0, 1}. Comme f
(1) = 4 > 0, f admet un minimum local en 1.

Par contre, comme f
(0) = 0, on ne peut pas conclure laide de la condition du second ordre.

On observe alors que : f
(x) = 24x 8 f
(0) = 8 < 0. En vertu de la proprit ci-dessus

o n = 3, on conclut que f nadmet pas dextremum local en 0 (gure 4.3).
Figure 4.3
2 1 0 3 1 2 4
2
3
1
1
x
y
y=f(x)
2.5 CONDITIONS SUFFISANTES
Les proprits suivantes sont fondes sur les caractristiques de croissance et de dcrois-
sance de la fonction tudie autour dun extremum. Ce sont des conditions sufsantes.
La premire ne fait appel aucune hypothse de continuit ou de drivabilit. De plus,
le point a peut se situer en tout endroit de D, y compris en un bord. La seconde, plus
exigeante en terme de rgularit, permet dtablir les extrema locaux en dressant un
tableau des signes de la drive de la fonction.
Proprits
Soit a D. Si > 0 tel que, f est croissante (resp. dcroissante) dans
(a , a] D et dcroissante (resp. croissante) dans [a, a +) D, alors f
admet un maximum local (resp. un minimum local) en a.
Soit a DC. Si > 0 tel que f est drivable dans [(a , a +) \{a}] D
et
_
x (a , a) D : f
(x) 0 (resp. f
(x) 0)
x (a, a +) D : f
(x) 0 (resp. f
(x) 0)
,
alors f admet un maximum local (resp. un minimum local) en a.
J
La rciproque de la seconde proprit est fausse. Voici un contre-exemple.
f (x) =
_
_
_
x
2
_
2 +sin
_
1
x
__
si x = 0
0 si x = 0
.
On a 0 DC = R. De plus, f est drivable dans R
0
et
x R
0
: f
(x) = cos
_
1
x
_
+2x
_
2 +sin
_
1
x
__
Cette drive est ngative en tous les points du type : x =

1
2k
, o k N
0
\{1} (gure 4.4),
et donc :
> 0, x (0, ) : f
(x) < 0,
pourtant f admet un minimum local (strict) en 0.
Figure 4.4
0,005
0,010
0,015
0,10 0,05 0 0,05 0,10
y=f(x)
y
x
4
Chapitre
La proprit qui permet dutiliser le signe de f
comme indicateur de la prsence dun

extremum au point a exige, dune part, lappartenance de a au domaine de continuit
de f et, dautre part, la drivabilit de f autour de a, mais pas au point lui-mme.
Elle sapplique, par exemple, en un point anguleux ou mme en un bord du domaine
pour autant que ce bord appartienne au domaine de continuit. Elle peut aussi tre vue
comme une alternative la condition sufsante du second ordre pour les points critiques
en permettant, le cas chant, de ne pas aborder le calcul de la drive seconde qui, pour
certaines fonctions, savre fastidieux.
En pratique, on se sert souvent dun tableau pour tudier les signes de f
(et de f
pour
tudier la concavit/convexit de f ). Voici quelques cas typiques ( > 0 dans tous les cas) :
Si f admet un point critique en a et
f
(x)
_
_
< 0 si x (a , a)
= 0 si x = a
> 0 si x (a, a +)}
f admet un minimum local en a.
Si f est continue en a et drivable dans un voisinage de a, sauf en a, et
f
(x)
_
_
> 0 si x (a , a)
si x = a
< 0 si x (a, a +)
f admet un maximum local en a.
Si f est continue droite en le bord gauche a, drivable dans un intervalle (a, a +) et
f
(x) < 0 si x (a, a +) f admet un maximum local en a.

3 Extrema globaux
Alors que le mathmaticien sintresse principalement aux extrema locaux, le gestionnaire
est le plus souvent proccup par la recherche dextrema globaux. Ainsi, ayant dtermin
tous les extrema locaux de la fonction dans le domaine considr, il voudra identier
parmi eux les extrema globaux.
La proprit de la section 2.1 afrme lexistence des extrema globaux pour les fonctions
continues dans un intervalle ferm. Dans ce cas, les extrema globaux sont obtenus en
comparant les valeurs optimales locales. Ainsi, pour dterminer un maximum global, on
procde comme suit :
MAXL =
_
x D : f admet un maximum local en x
_
.
M =
_
f (x) : x MAXL
_
est la valeur maximale globale, dont lexistence est assure.
Enn, f admet un maximumglobal en tout point de f
1
({M}) =
_
a D : f (a) = M
_
.
Remarque
La valeur maximale globale M est unique mais peut tre atteinte en plusieurs points (lorsque
f
1
({M}) comporte plus dun lment).
Dans le cas moins favorable o le domaine nest pas un intervalle ferm et/ou si la
fonction est discontinue, lexistence dextrema globaux nest pas assure, mme sil existe
des extrema locaux. Toutefois, sil existe des extrema globaux, alors ils sont forcment
parmi les extrema locaux. Ltude doit cependant tre mene au cas par cas, aucune
possibilit ntant a priori exclue. Pour pouvoir conclure, il faut prendre en compte le
comportement de la fonction :
au voisinage des bords exclus du domaine D;
au voisinage des points de D\DC, cest--dire des points de discontinuit ;
pour x +et/ou pour x (si le domaine est non born).
Exemple
La fonction f : R R : x
_
x
3
si x < 0
sinx si x 0
admet un minimum local en une innit de points
mais ne possde aucun minimum global puisque lim
x+
f (x) = . Par contre, elle atteint la
valeur maximale globale 1 en une innit de points (gure 4.5).
Figure 4.5
x
2
y
1
1
2
3
y = f(x)
4 Concavit, convexit et extrema
Les fonctions concaves et convexes ont t dnies et tudies dans le chapitre 3. Toutefois,
la connaissance pralable de la concavit ou de la convexit dune fonction simplie
considrablement la recherche de ses extrema, en transformant la condition ncessaire du
premier ordre en une condition ncessaire et sufsante pour un extremum global.
Proprits Soit un sous-ensemble D convexe de R et f : D R : x f (x)
drivable dans D
.
Si f est convexe dans D, alors a D
: f
(a) = 0 f admet un maximum

global en a.
Si f est concave dans D, alors a D
: f
(a) = 0 f admet un minimum

global en a.
J
4
Chapitre
Ce rsultat nafrme ni lexistence, ni lunicit des extrema. Il ne sapplique pas aux cas
o la condition ncessaire du premier ordre nest pas valide : les bords ventuels de D et
les points de discontinuit.
Exemples
1. La fonction dnie par f : R R : x x
2
est convexe et drivable dans R et f
(x) = 2x =
0 x = 0. Elle admet donc un minimum global en 0 et aucun maximum (par absence de
candidat).
2. Monsieur X a pour seule activit productive la culture dhutres, pour laquelle il nutilise que
son propre travail. Si f (x) dsigne la valeur de march de la quantit dhutres x produites
en une semaine, la fonction de production de Monsieur X, dnie pour x 0, est donne
par : f : R
+
R : x f (x). Nous supposons que cette fonction est concave et drivable
dans son domaine.
Dautre part, la fonction de cot lie au travail hebdomadaire de Monsieur X est linaire
(proportionnelle au temps consacr la production) : C : R
+
R : x cx.
Si Monsieur X souhaite xer sa quantit de travail de faon optimiser son prot, il doit
dterminer le maximum global de la fonction g : R
+
R : x f (x) cx, qui est concave et
drivable dans R
+
. La solution de son problme (gure 4.6) se situera en x
R
+
0
tel que :
g
(x
) = 0 f
(x
) = c (productivit marginale = cot marginal).

Figure 4.6
2 1
0
3 x*
x
2
3
4
y
1
1
2
y = f(x)
y = c(x)
M
Toutefois, lorsque cette condition ne fournit pas de valeur x
R
+
0
, il demeure la possibilit
dune solution de coin : x
= 0. Ce sera le cas lorsque lorsquil nest jamais rentable de

produire : x R
+
: f (x) cx (gure 4.7, page suivante).
Concavit, convexit et extrema 109
Figure 4.7
2 1
0
x*=0
3 4
x
2
3
4
y
1
1
2
y = f(x)
y = cx
Problmes
et exercices
Tous les exercices de cette section visent videmment le mme but :
trouver les extrema locaux et globaux dune fonction donne. Toutefois,
dans les applications pratiques la gestion, poser le problme et tablir
la fonction dobjectif constituent souvent des pralables la phase
doptimisation elle-mme.
Recherche des extrema
EXERCICE 1
nonc
Dans chaque cas, utilisez la drive premire pour dterminer les extrema ventuels des
fonctions donnes.
a f : R R : x x
2
+6x 11.
b f : R R : x
x
2
x +1
x
2
+x +1
c f (x) =
_
_
_
0 si 1 < x 0
x
4
+
4
5
x
5
si 0 < x < 1
.
c f : [1, 1] R : x
3
x
2
.
Solution a La fonction est un polynme, donc drivable dans son domaine R. Le seul candidat
extremum est le point critique tel que f
(x) = 2x +6 = 0 x = 3. Ltude du signe de

la drive premire et ses consquences sur le comportement de la fonction sont rsumes
dans le tableau 4.1.
Tableau 4.1
x 3 +
f
(x) = 2x +6 + 0
f (x) = x
2
+6x11
2

En consquence, f admet un maximum global strict en 3, la valeur maximale associe est
f (3) = 2.
Recherche des extrema 111
b La fonctionest drivable dans sondomaine R, entant que quotient de fonctions drivables
dnominateur non nul ( vrier !). Les seuls candidats sont les points critiques :
f
(x) =
2(x
2
1)
(x
2
+x +1)
2
= 0 x {1, 1} .
Ltude de signe montre que : f
(x)
_
< 0 si 1 < x < 1
> 0 si x < 1 ou x > 1
. Il sensuit que f admet
un maximum local strict en 1 et un minimum local strict en 1 (gure 4.8).
Figure 4.8
2 1 0
2
3
1
1
x
1 2
y
y=f(x)
c La fonction nadmet pas dextremum dans lintervalle (0, 1) puisque
x (0, 1) : f
(x) = 4x
3
+4x
4
> 0.
Figure 4.9
y=f(x)
0,4 0,2 0 0,8 0,6 1,0 0,8 1,0 0,4 0,6 0,2
x
0,4
0,6
y
0,2
1,0
1,2
1,4
0,8
4
Chapitre
Par contre, tous les points de lintervalle (1, 0] sont des points critiques en lesquels f
atteint sa valeur minimale globale. Ces minima sont donc forcment nonstricts (gure 4.9,
page ci-contre). Notons aussi quen tout point de (1, 0), la fonction atteint une valeur
maximale locale (non globale, non stricte). Cette situation apparemment paradoxale
rsulte du fait que la fonction est constante dans une partie de son domaine.
d La fonction est continue dans son domaine et drivable dans [1, 1] \{0} mais ne possde
aucun point critique. Cependant, le signe de la drive premire permet de conclure que
f admet un minimum (global) en 0 et deux maxima (globaux) en 1 et 1 (gure 4.10).
Figure 4.10
1 0
x
y
1
2
1
1
y=f(x)
EXERCICE 2
nonc
Dans chaque cas, dterminez les extrema locaux et globaux des fonctions donnes.
a f : R R : x e
x
. cos x.
b f : R
0
R : x
lnx
x

c f : R R : x
|x|
1 +x
2
d f : [1, 1] R : x 3x
5
10x
3
45x +7.
e f : R
+
0
R : x x
2
+
2
x
f f : (1, 1) R : x
1
1 x
2
Solution a La fonction est drivable dans son domaine R. Les seuls candidats extrema sont donc les
ventuels points critiques. On a : f
(x) = e
x
(cos x sin x) = 0 x =

4
+k, k Z.
f est deux fois drivable dans R et f
(x) = 2e
x
sin x. Dautre part :
f
4
+2k
_
= 2e
4
+2k
sin
_
4
+2k
_
=
2e
4
+2k
< 0 f admet un
maximum local (strict) en

4
+2k, k Z.
f
4
+(2k +1)
_
= 2e
(2k+1)
sin
_
4
+(2k +1)
_
=

2e
(2k+1)
> 0 f
admet un minimum local (strict) en

4
+(2k +1) , k Z.
La fonction ntant borne ni suprieurement, ni infrieurement, aucun extremum nest
global.
b La fonction est deux fois drivable dans son domaine, louvert R
+
0
. La liste des candidats
extrema est alors rduite au seul point critique :
f
(x) =
1 lnx
x
2
= 0 x = e.
Lexamen de la drive premire permet de conclure quen e, la fonction admet un
maximum global.
c La fonction est continue dans R, drivable dans louvert R
0
et non drivable en 0, avec :
f
(x) =
_
_
1 +x
2
(1 +x
2
)
2
si x < 0
1 x
2
(1 +x
2
)
2
si x > 0
.
La fonction est cependant drivable gauche et droite en 0 avec :
f
d
(0) = lim
x
>
0
1 x
2
1 +x
2
= 1 = f
g
(0) = lim
x
<
0
1 +x
2
1 +x
2
= 1.
Les points critiques sont ceux qui vrient soit 1 x
2
= 0 et x > 0, soit x
2
1 = 0 et
x < 0. Il sagit donc des points 1 et 1. Sajoute le candidat extremum 0 o la fonction
est non drivable.
laide de la drive premire, on vrie quen 1 et en 1, f admet un maximum global
(non strict) avec f (1) = f (1) =
1
2
Dautre part, on a : x R
0
: f (x) > 0 = f (0), donc f admet en 0 un minimum global
strict.
Deux remarques peuvent tre faites :
La fonction est paire : f (x) =
| x|
1 +(x)
2
=
|x|
1 +x
2
= f (x). Il aurait pu sufre de
dterminer ses extrema dans [0, +) et conclure par symtrie pour (, 0].
Les maxima en 1 et 1 peuvent aussi tre obtenus en utilisant lingalit de Young :
a, b R : ab
1
2
a
2
+
1
2
b
2
.
4
Chapitre
En effet,
x R : |x| = 1.|x|
1
2
1
2
+
1
2
|x|
2
=
1
2
_
1 +x
2
_
f (x) =
|x|
1 +x
2

1
2
= f (1) = f (1).
d La fonction nadmet pas de point critique ( vrier). Comme f est continue dans un
intervalle ferm, les extrema globaux, dont lexistence est assure, sont automatiquement
situs aux bords de lintervalle : f (1) = 59 et f (1) = 45 f admet un maximum
global en 1 et un minimum global en 1.
e La fonction est deux fois drivable dans son domaine R
0
.
f
(x) = 2x
2
x
2
=
2(x
3
1)
x
2
=
2(x 1)(x
2
+x +1)
x
2
et f
(x) = 2 +
4
x
3
f
(x) = 0 x = 1
f
(1) = 6 > 0 f admet un minimum local (et global) en 1.

lim
x+
f (x) = + f nadmet pas de maximum global.
f La fonction admet un minimum global (strict) en 0. Il sagit du seul extremum de la
fonction. En effet, f est drivable dans louvert (1, 1) et admet pour seul point critique
le point 0 et
x (1, 1) : f (x) =
1
1 x
2
1 = f (0).
EXERCICE 3
nonc
a Pour quelle(s) valeur(s) du paramtre rel k, la fonction f (x) = cos(2x) +k cos x admet-
elle un extremum en

3
?
b Dterminez n N
0
tel que la fonction f (x) = (x 1)
n
e
x
admette un extremum en
x = 3. Quelle est la nature de cet extremum?
Solution a La fonction f (x) = cos(2x) + k. cos x est drivable dans R pour toute valeur de k, donc
tout extremum est un point critique. Ds lors, si f admet un extremum en x =

3
, alors :
f
3
_
= 2 sin
_
2
3
_
k sin
_
3
_
= 0 k =
2 sin
_
2
3
_
sin
_
3
_ = 2.
b f
(x) = n(x 1)
n1
e
x
+(x 1)
n
e
x
= (x 1)
n1
e
x
(x +n 1).
Comme f
(3) = 0 n = 4, la fonction doit avoir la forme : f (x) = (x 1)

4
e
x
.
En outre, comme f
(x) = e
x
(x 1)
2
_
x
2
+5x +2
_
f
(3) = 64e
3
< 0, il sagit
dun maximum local (non global).
EXERCICE 4
nonc
La rme X fabrique des botes mtalliques (sans couvercle) partir de plaques carres
dont la surface mesure 4 dm
2
. Les botes sont obtenues en tant en chaque coin de la
plaque des pices carres identiques, puis en pliant les morceaux restants.
Quelles sont les dimensions des botes ainsi construites qui prsentent un volume maxi-
mal ?
Solution Dsignons par x la longueur (en dm) du ct de la pice ter. Comme la plaque de dpart
a 2 dm de ct, il faut imposer la contrainte : 0 2x 2 x [0, 1]. Par ailleurs, la
bote construire se caractrise par une hauteur de x et une base carre de ct (2 2x),
et donc un volume (en dm
3
) de V (x) = x (2 2x)
2
. Le problme se ramne donc la
maximisation de la fonction :
V : [0, 1] R : x V(x) = x (2 2x)
2
= 4
_
x
3
2x
2
+x
_
.
Lexistence dune solution est assure puisque la fonction est continue dans un intervalle
ferm. La fonction V est drivable dans (0, 1) et les points critiques sont dtermins par :
V
(x) = 4
_
3x
2
4x +1
_
= 0 x = 1 ou x =
1
3

Comme 1 / (0, 1), le seul point critique est
1
3
. Sajoutent comme candidats les deux bords
de lintervalle : 0 et 1.
La comparaison des valeurs de V(x) en les trois candidats rvle que le maximum global
est atteint en
1
3
et que la valeur maximale du volume est : V
_
1
3
_
=
1
3
_
2
2
3
_
2
=
16
27
En conclusion, la bote de volume optimal

16
27
dm
3
, a pour hauteur
1
3
dm et une base
carre de ct
4
3
dm.
EXERCICE 5
nonc
Un carton publicitaire doit contenir 54 cm
2
de texte imprim. Les marges imposes sont
de 1 cm en haut et bas de page et de 1, 5 cm de chaque ct du texte.
Sachant que le prix du carton est proportionnel sa supercie, quelles seront les dimen-
sions du carton le moins cher possible?
Solution Dsignons par x et y les dimensions ducarton(gure 4.11, page ci-contre). Les dimensions
recherches minimisent la surface du carton : S = x.y.
Le texte occupe donc une surface gale (y 3)(x 2) = 54. Il sensuit que :
y =
54
x 2
+3, x > 2 et y > 3
4
Chapitre
Figure 4.11
y
x
1 cm
1,5 cm 1,5 cm
1 cm
Texte
Le problme se ramne alors minimiser la fonction S(x) =
54x
x 2
+3x dans lensemble
ouvert (2, +). Les seuls points candidats seront donc les points critiques de la fonctionS
qui est deux fois drivable dans (2, +).
S
(x) =
108
(x 2)
2
+3 = 0 3(x 2)
2
108 = 0
(x 2)
2
= 36 x = 8 ou x = 4.
Comme x = 4 / (2, +), le seul candidat est x = 8.
Le signe de la drive seconde est donn par : S
(x) =
216
(x 2)
3
> 0 dans (2, +).
La fonction S est donc strictement convexe dans (2, +) et admet ds lors un minimum
global en x = 8. Les dimensions du carton optimal sont donnes par x = 8 et y =
54
6
+3 = 12.
EXERCICE 6
nonc
Considrons une bote cylindrique base circulaire dont les deux couvercles sont fabriqus
partir dune plaque mtallique qui cote p
1
cents le cm
2
et dont la surface latrale est
fabrique partir dune autre plaque mtallique qui cote p
2
cents le cm
2
.
Quelles seront, en fonction des paramtres p
1
et p
2
, les dimensions de la bote la moins
chre ayant un volume de 100 cm
3
?
Solution Si r dsigne le rayon de la base et h dsigne la hauteur de la bote, le volume est donn par :
V = r
2
h. En imposant la contrainte V = 100, on peut exprimer la hauteur en fonction
du rayon : 100 = r
2
h h =
100
r
2
et dterminer le cot de fabrication dune bote en
fonction de son rayon :
C(r) = 2p
1
(r
2
) +2p
2
rh = 2p
1
r
2
+2p
2
r
100
r
2
= 2
_
p
1
r
2
+
100p
2
r
_
Le rayon optimal r
doit vrier la condition du premier ordre :

C
(r) = 2
_
p
1
r
2
+
100p
2
r
_
= 2
_
2p
1
r
100p
2
r
2
_
= 0, qui implique que r
=
3
_
50
p
1
p
2
cm.
Dautre part r > 0 : C
(r) > 0 C admet en r
un minimum global.
La hauteur optimale correspondante est h
=
100
(r
)
2
= 100
3
_
p
2
1
2 500p
2
2
cm.
On observe que seul le rapport des prix intervient dans la dtermination des dimensions
de la bote la moins chre.
EXERCICE 7
nonc
Soit C
i
(x) le prix (en euro) dune isolation dpaisseur x visant rduire la consom-
mation en chauffage. On suppose que C
i
(x) = ax, a > 0 (le prix de lisolation crot
proportionnellement son paisseur). Dsignons ensuite par C
ch
(x) le cot annuel du
chauffage lorsquune isolation dpaisseur x est installe. Ce cot dcrot videmment
avec x. Supposons, par exemple, que C
ch
(x) =
b
x
, b > 0.
Quelle sera, en fonction du paramtre b, lpaisseur x
de lisolation qui minimise le cot

total (non actualis) sur une priode de 10 ans?
Solution La fonction minimiser est C(x) = C
i
(x) +10C
ch
(x) = ax +
10b
x
, x > 0.
C
(x) = a
10b
x
2
= 0 x =
_
10b
a
et C
(x) =
20b
x
3
> 0.
Donc lpaisseur optimale recherche est x
=
_
10b
a

EXERCICE 8
nonc
Le prot quune rme cherche maximiser est gal son revenu moins son cot de
production : (q) = R(q) C(q), o q dsigne la quantit produite.
a Montrez quau niveau optimal de production q
, le cot marginal (drive de la fonction

de cot) est gal au revenu marginal (drive de la fonction de revenu).
b Dterminez le niveau optimal de production q
pour les fonctions de revenu et cot

suivantes :
R(q) = 179q 3q
2
et C(q) =
1
3
q
3
3q
2
+10q +4
Solution a Par dnition : (q) = R(q) C(q).
Donc si q
maximise le prot , la condition du premier ordre impose que :
(q
) = R
(q
) C
(q
) = 0 , et donc R
(q
) = C
(q
).
b Dans ce cas, le prot vaut : (q) =
1
3
q
3
+169q 4. En vertu de la condition du premier
ordre, on a :
(q) = q
2
+169 = 0 et q > 0 q = 13. Comme
(q) = 2q < 0, la
production optimale est donc q
= 13 et le prot maximal est (13) = 1 460,67.

EXERCICE 9
nonc
Une rme en position de monopole fait face deux fonctions de demande pour le mme
produit, manant de deux marchs distincts : q
1
= 40 2p
1
et q
2
= 20
1
2
p
2
. Sachant
que le cot de production est de C = 25 +4q o q = q
1
+q
2
, dterminez, dans chacun
des cas suivants, le prix qui maximise le prot de la rme.
a La rme pratique une discrimination de prix entre les deux marchs.
b La rme pratique un prix unique sur les deux marchs.
Solution a Le revenudupremier march auprix p
1
est R
1
(q
1
) = p
1
q
1
=
1
2
_
40 q
1
_
q
1
= 20q
1
1
2
q
2
1
et le revenu du second au prix p
2
est R
2
(q
2
) = p
2
q
2
= 2
_
20 q
2
_
q
2
= 40q
2
2q
2
2
.
Daprs lexercice 8 a , on gale le cot marginal de la rme chacun des deux revenus
marginaux (maximisation spare sur chaque march) pour obtenir :
C
(q
1
) = R
1
(q
1
) 4 = 20 q
1
q
1
= 16
et
C
(q
2
) = R
2
(q
2
) 4 = 40 4q
2
q
2
= 9.
Les prix correspondants sont p
1
=
1
2
(40 16) = 12 et p
2
= (40 18) = 22.
b Sil ny a pas de discrimination entre les deux marchs, alors p
1
= p
2
= p et la fonction
de la demande globale est q = q
1
+q
2
= 40 2p +20
1
2
p = 60
5
2
p.
Il sensuit que R(q) = pq =
2
5
(60 q)q = 24q
2
5
q
2
le prix qui maximise le prot
de la rme est tel que C
(q) = R
(q) 4 = 24
4
5
q q = 25. Le prix est alors
p =
2
5
(60 25) = 14.
5
Chapitre
Les matrices
Les matrices
1. Oprations sur les matrices . . . . . . . . 122
2. Matrices particulires et
sous-matrices . . . . . . . . . . . . . . . . . . . . . . 123
3. Trace, dterminant et rang . . . . . . . . 124
4. Inversion de matrices carres . . . . . . 128
5. Systmes linaires . . . . . . . . . . . . . . . . . 129
6. Diagonalisation des matrices
carres . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
7. Formes quadratiques . . . . . . . . . . . . . . 138
Oprations sur les matrices . . . . . . . . . . . 142
Matrices particulires . . . . . . . . . . . . . . . . . 143
Trace et dterminant . . . . . . . . . . . . . . . . . . 144
Inversion de matrices . . . . . . . . . . . . . . . . . 147
Rang et systmes linaires . . . . . . . . . . . . 149
Diagonalisation . . . . . . . . . . . . . . . . . . . . . . 153
Formes quadratiques . . . . . . . . . . . . . . . . . 155
Applications la gestion . . . . . . . . . . . . . 157
Les matrices coefcients rels sont des tableaux de
nombres double entre (lignes et colonnes). ce
titre, elles offrent une manire simple et pratique de
condenser diverses informations. Le calcul matriciel
savre important dans des domaines varis de la
gestion : matrices input-output dans lanalyse de la
production, matrices variances-covariances pour la
mesure des risques, etc.
Dune faon plus thorique, les matrices sont indispensables pour
aborder loptimisation des fonctions de plusieurs variables, ce qui
explique que ce chapitre prcde celui qui est consacr ce type de
fonctions.
Les matrices constituent un outil privilgi de lalgbre linaire.
Pour des raisons de place, le prsent ouvrage naborde pas la
thorie des espaces vectoriels et des applications linaires dont
les ramications sont multiples. Toutefois, ce domaine est, dune
certaine manire, implicitement trait au travers de notions matri-
cielles correspondantes, comme celle de rang, qui guide notam-
ment la rsolution des systmes numriques linaires. De mme,
nous sommes contraints defeurer seulement certaines matires,
comme par exemple la thorie des dterminants. Le lecteur dsireux
de les approfondir trouvera dans la bibliographie divers ouvrages
offrant de plus amples dveloppements.
Les matrices 121
1 Oprations sur les matrices
Les matrices sont des tableaux double entre, dont les lments peuvent appartenir a
priori nimporte quel ensemble de nombres. Dans les applications, cest videmment
lensemble des nombres rels qui est le plus frquemment rencontr. Ds lors nous
focaliserons la prsentation sur les matrices relles dnies comme suit :
Dnition Une matrice relle A de taille n m (ou n lignes et m colonnes)
est un tableau de nombres rels A =
_
_
_
_
a
11
a
1m
.
.
.
.
.
.
.
.
.
a
n1
a
nm
_
_
_
_
, reprsent sous la forme
condense A =
_
a
ij
_
nm
.
J
Lensemble des matrices relles, de taille donne n m, est not R
nm
.
Dans lcriture A =
_
a
ij
_
nm
, les indices i et j sont muets , donc interchangeables. Ainsi,
on peut crire indiffremment A = (a
kl
)
nm
ou mme A =
_
a
ji
_
nm
. Cependant pour des
valeurs xes de i et j, le nombre a
ij
dsigne prcisment llment situ en i-me ligne et
j-me colonne de la matrice A. An dviter toute confusion, on rservera la notation
indices muets lintroduction des notations tandis que toute transformation des lments
dune matrice seffectuera sur la base dun lment typique indices xs.
Deux matrices sont gales si elles ont la mme taille et si leurs lments de mmes indices
sont identiques.
Dnition Soit A =
_
a
ij
_
nm
et B =
_
b
ij
_
pq
.
A = B n = p , m = q et i = 1, . . . ,n, j = 1, . . . m : a
ij
= b
ij
.
J
Les matrices peuvent tre additionnes et multiplies entre elles moyennant certaines
restrictions de compatibilit concernant leurs tailles respectives. Les dnitions des opra-
tions mentionnent demble ces restrictions. Une matrice de taille quelconque peut aussi
tre multiplie par un nombre rel. Cette multiplication scalaire seffectue simplement
lment par lment. Enn, transposer une matrice consiste inverser le rle des lignes
et des colonnes.
Dnitions
Si A =
_
a
ij
_
nm
et B =
_
b
ij
_
nm
, alors la matrice C =
_
c
ij
_
nm
o C = A +B est
telle que : i = 1, . . . ,n, j = 1, . . . m : c
ij
= a
ij
+b
ij
.
Si A =
_
a
ij
_
nm
et B =
_
b
ij
_
mp
, alors la matrice C =
_
c
ij
_
np
o C = A.B est
telle que : i = 1, . . . ,n, j = 1, . . . p : c
ij=
m
k=1
a
ik
.b
kj
.
Si A =
_
a
ij
_
nm
et R, alors la matrice B =
_
b
ij
_
nm
o B = A, est telle que :
i = 1, . . . ,n, j = 1, . . . m : b
ij
= a
ij
.
Si A =
_
a
ij
_
nm
alors sa matrice transpose A
=
_
b
ij
_
mn
est telle que :
i = 1, . . . ,m, j = 1, . . . n : b
ij
= a
ji
.
J
122 Les matrices
Remarque
Laddition matricielle correspond une addition lment par lment, tandis que le produit
matriciel nest pas une opration de ce type. Le choix dune dnition ligne par colonne
telle que celle adopte rpond des motivations prcises, notamment au niveau des appli-
cations linaires. Son adquation la rsolution de divers problmes pratiques apparatra
dans la suite du chapitre.
Diverses proprits des oprations matricielles dcoulent de ces dnitions.
Proprits Moyennant les restrictions adquates sur les tailles des matrices en
prsence, on a :
A +B = B +A
(A +B) +C = A +(B +C)
(A +B) = A +B
A. (B.C) = (A.B) .C
A
= A
(A.B)
= B
.A
.
A. (B +C) = A.B +A.C et (A +B) .C = A.C +B.C
J
Toutefois, mme en cas de tailles compatibles, le produit matriciel nest pas commutatif,
autrement dit les matrices A.B et B.A ne sont pas forcment gales.
Ainsi, pour A =
_
1 0
0 0
_
et B =
_
0 5
0 0
_
, on a : A.B =
_
1 0
0 0
_
.
_
0 5
0 0
_
=
_
0 5
0 0
_
et B.A =
_
0 5
0 0
_
.
_
1 0
0 0
_
=
_
0 0
0 0
_
, soit A.B = B.A.
Remarquons de plus que cet exemple fait apparatre que les matrices
_
1 0
0 0
_
et
_
0 5
0 0
_
sont des diviseurs de zro (matrices non nulles dont un produit est la matrice nulle).
2 Matrices particulires et sous-matrices
Diverses matrices seront appeles jouer un rle particulier dans la rsolution de pro-
blmes. Nous introduisons ici la nomenclature qui sera suivie, ainsi que les proprits de
base des matrices concernes.
Dnition La matrice nulle de taille nmest une matrice dont tous les lments
sont nuls :
0
nm
=
_
a
ij
_
nm
, o i = 1, . . . ,n, j = 1, . . . m : a
ij
= 0.
J
La matrice nulle est neutre pour laddition matricielle (tailles compatibles).
Matrices particulires et sous-matrices 123
Parmi les matrices carres pour lesquelles n = m, on distingue les cas suivants :
Dnitions La matrice A =
_
a
ij
_
nn
est :
triangulaire suprieure (resp. infrieure) si :
i = 1, . . . ,n, j = 1, . . . n : i > j (resp. j > i) a
ij
= 0.
symtrique (resp. antisymtrique) si :
i = 1, . . . ,n, j = 1, . . . n : a
ij
= a
ji
(resp. a
ij
= a
ji
).
diagonale si :
i = 1, . . . ,n, j = 1, . . . n : i = j a
ij
= 0.
la matrice identit si
i = 1, . . . ,n, j = 1, . . . n : a
ij
=
_
1 si i = j
0 si i = j
.
J
La matrice identit de taille nn, note I
n
=
_
ij
_
nn
, est neutre pour le produit matriciel
(tailles compatibles).
Parmi les matrices de taille quelconque, dites aussi rectangulaires, ondistingue les matrices
colonnes de taille n 1 et les matrices lignes de taille 1 n.
Dnition Toute matrice construite partir de Apar liminationde lignes et/ou
de colonnes est dite sous-matrice de A.
J
Proprit Si B =
_
b
ij
_
pq
est une sous-matrice de A =
_
a
ij
_
nm
, alors p n et
q m.
J
En particulier, toute colonne ou toute ligne de A est une sous-matrice de A. Or, toute
ligne ou toute colonne, on peut associer de faon vidente un vecteur, ce qui permet
de parler sans ambigut de dpendance ou dindpendance linaire (voir chapitre 1,
section 5) entre lignes ou entre colonnes dune matrice donne.
Exemple
La matrice A =
_
_
_
1 2 3 4
2 0 1 1
3 2 4 3
_
_
_ possde 3 lignes reprsentes par les vecteurs suivants
de R
4
:
_
_
L
1
= (1, 2, 3, 4)
L
2
= (2, 0, 1, 1)
L
3
= (3, 2, 4, 3)
. Ces vecteurs sont linairement dpendants puisque quil existe la
combinaison linaire nulle suivante : L
1
+L
2
L
3
=

0 R
4
.
3 Trace, dterminant et rang
On associe aux matrices des caractristiques numriques usages divers. Ainsi, la trace
et le dterminant sont des nombres rels associs aux seules matrices carres. Par contre,
le rang est un nombre naturel qui peut tre dtermin pour toute matrice. Par souci de
clart, nous prsentons chacune de ces notions assorties des proprits affrentes.
124 Les matrices
5
Chapitre
3.1 TRACE DUNE MATRICE CARRE
La trace dune matrice carre est la somme de ses lments diagonaux.
Dnition Soit A =
_
a
ij
_
nn
. Sa trace est donne par : tr A =

n
i=1
a
ii
.
J
Exemples
1. tr 0
nn
= 0.
2. tr I
n
= n.
3. tr
_
1 2
3 4
_
= 1 +4 = 5.
4. tr
_
_
_
1 2 3
5 1 6
7 8 0
_
_
_ = 1 +(1) +0 = 0.
Moyennant la compatibilit des tailles, la trace jouit des proprits suivantes :
Proprits
tr(A +B) = tr A +tr B.
tr(A) = tr A.
tr A
= tr A.
tr(A.B) = tr(B.A).
J
3.2 DTERMINANT DUNE MATRICE CARRE
Toute matrice relle carre A =
_
a
ij
_
nn
admet un dterminant rel not det A ou |A|. La
dnition gnrale du dterminant tant lourde prsenter, nous abordons dabord les
cas particuliers les plus frquemment rencontrs en pratique, o n vaut 1, 2 ou 3.
Dnitions
Pour n = 1, la matrice se rduit au seul lment A = (a
11
) et det A = a
11
.
Pour n = 2, A =
_
a
11
a
12
a
21
a
22
_
et det A = a
11
a
22
a
12
a
21
(formule de Cramer).
Pour n = 3, A =
_
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
et det A = a
11
a
22
a
33
+a
12
a
23
a
31
+a
13
a
32
a
21
a
13
a
22
a
31
a
12
a
33
a
21
a
23
a
11
a
32
(formule de Sarrus).
J
Exemples
1. det 0
22
= det 0
33
= 0.
2. det I
2
= det I
3
= 1.
Trace, dterminant et rang 125
3. det
_
1 2
3 4
_
= 4 6 = 2.
4. det
_
_
_
1 2 3
5 1 6
7 8 0
_
_
_ = 0 +84 +120 (21) 48 0 = 177.
Pour dnir le dterminant dune matrice carre dans le cas gnral o A =
_
a
ij
_
nn
, il
faut dabord considrer la notion de permutation de n lments et de signature dune telle
permutation.
Dnition Les permutations de lensemble {1, 2, . . . , n} sont les bijections de
cet ensemble dans lui-mme.
J
Chaque permutation a une signature, note sign, qui vaut soit 1 soit (1), selon
que la permutation est la compose dun nombre pair ou impair de permutations de
2 lments.
Dnition
sign =
_
_
1 si =compose dun nombre pair de permutations
de 2 lments
1 si =compose dun nombre impair de permutations
de 2 lments
.
J
Comme il apparat au travers des cas particuliers o n vaut 2 ou 3, le dterminant est une
somme algbrique de n! produits de n lments de la matrice dont les indices de ligne
et de colonne parcourent chacun lensemble {1, 2, . . . , n}. Lutilisation des permutations
de {1, 2, . . . , n} permet de construire une dnition gnrale. Dans ce cadre, la signature
indiquera si le produit dlments de la matrice est affect dun signe positif ou ngatif.
Dnition Soit A =
_
a
ij
_
nn
.
det A =
est une permutation de {1,2,...,n}

(sign).a
1(1)
.a
2(2)
. . . a
n(n)
.
J
Comme il existe n! permutations distinctes de n lments, le dterminant dune matrice
de taille n n est bien une somme de n! termes. La dnition montre aussi la symtrie
des rles jous par les lignes et les colonnes dans le calcul des dterminants.
Exemples
1. det 0
nn
= 0.
2. det I
n
= 1.
3. det
_
_
_
_
a
1
0
.
.
.
0 a
n
_
_
_
_
= a
1
. . . a
n
.
5
Chapitre
Il existe plusieurs mthodes de calcul permettant dviter le recours systmatique la
dnition, en particulier pour les matrices dordres suprieurs 3. Pour une question de
place, nous naborderons pas ici ces techniques.
Moyennant la compatibilit des tailles, le dterminant jouit de proprits importantes.
On notera cependant que le dterminant dune somme de matrices ne concide pas avec
la somme des dterminants.
Proprits Soit A =
_
a
ij
_
nn
.
det (A) =
n
det A.
det (A.B) = det A. det B = det (B.A).
det A
= det A.
J
Comme le montrera la section relative linversion des matrices carres, la nullit du
dterminant constitue une caractristique majeure. Il est donc intressant de dgager
certaines classes de matrices qui possdent cette caractristique.
Proprits
Ont un dterminant nul, les matrices ayant lune des caractristiques suivantes :
une ligne (ou une colonne) de zros ;
deux lignes (ou deux colonnes) proportionnelles ;
une ligne (resp. une colonne) qui est combinaison linaire des autres lignes
(resp. des autres colonnes).
Le dterminant ne se modie pas si on ajoute une ligne (resp. une colonne),
une combinaison linaire dautres lignes (resp. dautres colonnes).
Le dterminant change de signe si on permute deux lignes (ou deux colonnes).
Le dterminant est multipli par si on multiplie une ligne (ou une colonne)
par ( R).
J
3.3 RANG DUNE MATRICE RECTANGULAIRE
La dnition du rang dune matrice quelconque fait rfrence la notion dindpendance
linaire entre colonnes (voir section 2).
Dnition Le rang dune matrice A =
_
a
ij
_
nm
, not rg A, est gal au nombre
de colonnes de A linairement indpendantes.
J
En fait, lasymtrie de cette dnition, qui semble privilgier le rle des colonnes, nest
quapparente puisquon peut montrer que le rang est une caractristique symtrique en
terme de lignes et colonnes.
Proprits Soit A =
_
a
ij
_
nm
.
rg A = rg A
.
rg A m et rg A n.
J
Dnition Si la matrice A =
_
a
ij
_
nm
est telle que rg A = min{m, n}, elle est
dite de plein rang.
J
Trace, dterminant et rang 127
La dtermination du rang des matrices sera importante dans la rsolution des systmes
linaires. cet gard, il est utile de prsenter les transformations matricielles auxquelles
le rang est insensible.
Proprits Le rang dune matrice ne se modie pas lorsque :
des colonnes (ou des lignes) sont permutes ;
une colonne (ou une ligne), est multiplie par un rel non nul ;
une combinaison linaire dautres colonnes (resp. dautres lignes) est ajoute
une colonne (resp. une ligne) donne.
J
4 Inversion de matrices carres
Dans R
nn
, le produit matriciel est dni pour tout couple dlments et la matrice I
n
est
neutre pour ce produit : A R
nn
: I
n
.A = A = A.I
n
. On dnit alors la notion de
matrice inversible.
Dnitions
La matrice A R
nn
est inversible (ou rgulire) si
A
1
R
nn
: A
1
A = I
n
= A.A
1
.
Lorsquelle existe, A
1
est appele la matrice inverse de A.
J
Cependant toutes les matrices carres non nulles, cest--dire distinctes de 0
nn
, ne sont
pas forcment inversibles. Les matrices non inversibles sont aussi qualies de singulires.
Exemples
1. La matrice identit I
n
est videmment inversible et : I
1
n
= I
n
.
2. La matrice
_
1 0
0 0
_
nest pas inversible. En effet, pour toute matrice
_
a b
c d
_
, on a :
_
1 0
0 0
_
.
_
a b
c d
_
=
_
a b
0 0
_
= I
2
=
_
1 0
0 1
_
.
Les matrices inverses jouissent des proprits suivantes.
Proprits
Si A R
nn
est inversible, alors :
A
1
est inversible et
_
A
1
_
1
= A,
A
est inversible et
_
A
_
1
=
_
A
1
_
,
R
0
: (A) est inversible et (A)
1
=
1
A
1
.
Si A, B R
nn
sont inversibles, alors le produit A.B est inversible et
(A.B)
1
= B
1
A
1
.
J
128 Les matrices
5
Chapitre
Ltude de linversibilit dune matrice est cruciale dans de nombreux problmes appliqus
la gestion, notamment ceux qui se formalisent en termes de systmes linaires, quils
soient numriques ou diffrentiels. Les notions de dterminant et de rang permettent
chacune de caractriser simplement les matrices inversibles.
Proprit La matrice A R
nn
est inversible det A = 0 rg A = n.
J
En pratique, il existe plusieurs mthodes pour dterminer la matrice inverse dune
matrice rgulire donne. Dans cet ouvrage, nous privilgions celle qui se fonde sur la
dtermination dune matrice inverse inconnue. Une autre technique consiste exploiter
les proprits des dterminants.
5 Systmes linaires
5.1 DFINITIONS ET PROPRITS
Les systmes numriques linaires sont constitus dempilements dquations, chacune
galant une combinaison linaire dinconnues une constante. De tels systmes appa-
raissent dans la rsolution de nombreux problmes.
En fait, grce la simplicit des systmes linaires, il nest pas toujours ncessaire de faire
appel une mthode gnrale pour en dterminer lensemble de solutions. Toutefois, une
approche structure comme celle prsente dans cette section a le mrite de permettre
ltude de lexistence et de lventuelle multiplicit de solutions, pour les systmes de toute
taille, mme en prsence de paramtres.
Un systme linaire de n quations minconnues soumet un vecteur X, mcomposantes,
simultanment n quations linaires.
Dnitions
Tout systme linaire scrit :
_
_
a
11
x
1
+a
12
x
2
+ +a
1m
x
m
= b
1
a
21
x
1
+a
22
x
2
+ +a
2m
x
m
= b
2
.
.
.
a
n1
x
1
+a
n2
x
2
+ +a
nm
x
m
= b
n
o i = 1, . . . ,n, j = 1, . . . m : a
ij
, b
j
R
ou, sous forme matricielle : AX = B, o A =
_
a
ij
_
nm
, B = (b
i
)
n1
et X =
_
x
j
_
m1
.
Une solution de ce sytme est un vecteur X =
_
x
j
_
m1
dont les composantes
vrient simultanment toutes les quations du systme.
On distingue divers types de systmes :
systme carr si m = n ;
systme de Cramer si le systme est carr et A est une matrice inversible ;
Systmes linaires 129
systme homogne si B = 0 ;
systme impossible sil nadmet aucune solution (quations incompatibles) ;
systme compatible sil admet au moins une solution ;
systme indtermin sil admet plusieurs solutions.
J
Exemples
1.
_
2x
1
+5x
2
= 1
3x
1
2x
2
= 0
est un systme carr non homogne. Comme, en outre, det
_
2 5
3 2
_
=
19 = 0, il sagit dun systme de Cramer.
2.
_
2x
1
+5x
2
= 1
2x
1
+5x
2
= 2
est un systme carr non homogne impossible (les deux quations sont
contradictoires). Ce nest pas un systme de Cramer puisque det
_
2 5
2 5
_
= 0.
3.
_
2x
1
+5x
2
+x
3
= 0
2x
1
+2x
2
x
3
= 0
est un systme non carr (2 quations 3 inconnues) homogne.
Les systmes de Cramer jouissent de la proprit suivante qui en facilite la rsolution.
Proprit Le systme de Cramer AX = B admet la solution unique X = A
1
B,
qui sexprime aussi sous la forme :
x
j
=
1
det A
det
_
A
1
. . . A
j1
BA
j+1
. . . A
n
_
, j = 1, . . . ,n,
o A
k
=
_
_
_
_
a
1k
.
.
.
a
nk
_
_
_
_
est la k-me colonne de A.
J
Exemple
Soit le systme de Cramer
_
2x
1
+5x
2
= 1
3x
1
2x
2
= 0
. Il a pour unique solution :
_
x
1
x
2
_
=
_
2 5
3 2
_
1
_
1
0
_
qui se calcule plus aisment en utilisant la proprit ci-dessus :
_
_
x
1
=
1
19
det
_
1 5
0 2
_
x
2
=
1
19
det
_
2 1
3 0
_
_
_
x
1
=
2
19
x
2
=
3
19
.
5
Chapitre
Les autres systmes peuvent admettre une, aucune ou plusieurs solutions. Toutefois, grce
la linarit, on dispose de quelques rsultats.
Proprits
Si le systme linaire AX = B admet deux solutions distinctes, alors il en admet
une innit.
Les systmes homognes admettent toujours (au moins) la solution nulle :
x
j
= 0, j = 1, . . . ,m.
J
Les solutions dun systme non homogne compatible (ce qui nest pas toujours le cas !)
AX = B peuvent tre obtenues grce celles du systme homogne associ AX = 0.
Proprit Si

X R
m1
: A

X = B, alors lensemble des solutions du systme
AX = B est donn par :
_
X R
m1
: X =

X +Y, o AY = 0
_
.
J
Enn, lexistence et lunicit des solutions des systmes linaires peuvent tre abordes au
travers de conditions liant le rang de la matrice A R
nm
des coefcients du systme
celui de la matrice augmente , note
_
A
.
.
.B
_
R
n(m+1)
, obtenue en accolant A la
colonne B des termes indpendants.
Proprits
Le systme AX = B admet au moins une solution rg A = rg
_
A
.
.
.B
_
.
Le systme AX = Badmet une et une seule solutionrg A = rg
_
A
.
.
.B
_
= m.
J
Exemple
Le systme
_
2x
1
+5x
2
+x
3
= 0
2x
1
+2x
2
x
3
= 0
est homogne et admet donc au moins la solution nulle.
Toutefois cette solution nest pas unique puisque m = 3 et rg A 2 (car A R
23
).
5.2 RSOLUTION PAR LA MTHODE DE GAUSS
Les proprits prsentes dans la section prcdente concernent surtout lexistence et
lunicit dune solution. Elles sont prsent utilement compltes par la technique de
rsolution algorithmique de Gauss, qui sert galement rsoudre dautres problmes
dalgbre linaire, comme le calcul du rang dune matrice.
Pour un systme quelconque, la matrice A nest pas ncessairement carre, de sorte que,
la rsolution du systme AX = B par inversion de matrice, comme pour les systmes de
Cramer, nest plus praticable.
La mthode de Gauss est une rsolutiongnrale par substitutionde variables. Elle procde
par transformations sur les quations du systme, quon peut aussi voir comme les lignes
de la matrice
_
A
.
.
.B
_
. Avant de dcrire les tapes de la rsolution, il convient de reprer
chaque quation pour ensuite indiquer explicitement les oprations effectuer. On crit
donc le systme :
_
_
a
11
x
1
+a
12
x
2
+ +a
1m
x
m
= b
1
(1)
a
21
x
1
+a
22
x
2
+ +a
2m
x
m
= b
2
(2)
.
.
.
.
.
.
a
n1
x
1
+a
n2
x
2
+ +a
nm
x
m
= b
n
(n)
Premire tape : si a
11
= 0, on remplace la premire quation du systme par :
x
1
+
a
12
a
11
x
2
+ +
a
1m
a
11
x
m
=
b
2
a
11
(1
)
chacune des autres quations (i = 2, . . . , n) du systme, on soustrait membre
membre a
i1
.(1
) pour liminer les termes en x

1
. On note (2
), . . . , (n
) les quations
obtenues et a
ij
les nouveaux coefcients. Le systme initial est quivalent celui constitu
des quations (1
), (2
), . . . , (n
).
Si a
11
= 0, on procde de mme aprs avoir pralablement permut la premire quation
et une autre dans laquelle le coefcient de x
1
est non nul. Si x
1
napparat pas dans le
systme, il est indtermin et on passe au point suivant.
Deuxime tape : si a
22
= 0, on remplace la deuxime quation du systme par :
x
2
+
a
23
a
22
x
3
+ +
a
2m
a
22
x
m
=
b
2
a
22
(2
)
chacune des autres quations (i = 1, 3, . . . , n), on soustrait membre membre a
i2
.(2
)
pour liminer les termes en x
2
. On note (1
), (3
), . . . , (n
) les quations obtenues. Le

systme initial est quivalent celui constitu des quations (1
), (2
), . . . , (n
)
Si a
22
= 0, onpermute dabordla deuxime quationavec une autre (mais pas la premire)
dans laquelle le coefcient devant x
2
est non nul. Si x
2
napparat pas, ou uniquement
dans (1
), il est indtermin et on passe au point suivant.

Et ainsi de suite...
La procdure sachve lorsquon a puis toutes les variables ou toutes les quations.
ce stade, le systme obtenu (quivalent au systme initial) peut comporter trois types
dquations, selon le nombre dinconnues qui y gurent encore. Voici comment poser les
conclusions.
Ence qui concerne une quationqui ne comporte pas dinconnues : si cest une quation
du type 0 = 0, on llimine. Sinon, elle est du type 0 = 1 et le systme est impossible...
Il est inutile dexaminer les autres quations.
En ce qui concerne une quation qui comporte plus dune inconnue : le systme est
indtermin. Sil sagit de la i-me quation, on exprime x
i
en fonction des autres
variables (qui apparaissent comme des paramtres arbitraires).
En ce qui concerne une quation qui comporte la seule inconnue x
i
: la valeur prise par
x
i
est immdiatement donne.
132 Les matrices
Exemples
1.
_
_
x +2y z = 0 (1)
2x +y +z = 1 (2)
4x +y +3z = 1 (3)
_
x +2y z = 0 (1
)
3y +3z = 1 (2
)
7y +7z = 1 (3
_
x +2y z = 0 (1
)
y z =
1
3
(2
)
7y +7z = 1 (3
_
x +z =
2
3
y z =
1
3
0 =
10
3
systme impossible.
2.
_
_
2x +6y 4z = 2
x z = 1
x +2y +z = 0
_
x +3y 2z = 1
x z = 1
x +2y +z = 0
_
x +3y 2z = 1
3y +z = 0
5y z = 1
_
x +3y 2z = 1
y
1
3
z = 0
5y z = 1
_
x z = 1
y
1
3
z = 0
2
3
z = 1
_
x z = 1
y
1
3
z = 0
z =
3
2
_
x =
5
2
y =
1
2
z =
3
2
Solution unique :
_
5
2
,
1
2
,
3
2
_
La mthode de Gauss est aussi utile pour dterminer le rang dune matrice. En effet,
moyennant une ventuelle permutation des colonnes (qui ne modie pas le rang), la
mthode de Gauss permet de transformer une matrice quelconque, de taille n m, en
une matrice de mme rang compose de blocs du type
_
T
rr
B
r(mr)
0 0
_
nm
, o T est
une matrice diagonale (ou, plus simplement, triangulaire suprieure) ayant des lments
non nuls sur la diagonale. Il sensuit que rg A = r.
Exemple
Le rang de la matrice A =
_
_
_
_
_
2 2 1 0
1 0 2 1
3 2 1 1
4 4 2 0
_
_
_
_
_
peut tre obtenu de la faon suivante :
A
L
1
L
2
_
_
_
_
_
1 0 2 1
2 2 1 0
3 2 1 1
4 4 2 0
_
_
_
_
_
L
2
L
2
2L
1
L
3
L
3
3L
1
L
4
L
4
+4L
1
_
_
_
_
_
1 0 2 1
0 2 5 2
0 2 5 2
0 4 10 4
_
_
_
_
_
L
3
L
3
+L
2
L
4
L
4
+2L
2
_
_
_
_
_
1 0 2 1
0 2 5 2
0 0 10 4
0 0 0 0
_
_
_
_
_
.
Cette dernire matrice, qui a le mme rang que A, est de rang 3 puisque, ici,
T
rr
= T
33
=
_
_
_
1 0 2
0 2 5
0 0 10
_
_
_.
6 Diagonalisation des matrices carres
6.1 DFINITIONS
Dans loptimisation de fonctions de plusieurs variables (chapitre 7), la diagonalisation
est cruciale. Lobjectif consiste trouver, si possible, une matrice diagonale associe une
matrice carre donne. Le mode dassociation entre matrices passe par la notion de
matrices semblables . Seront aussi introduites les notions de valeurs propres et vecteurs
propres qui permettent notamment de caractriser les matrices diagonalisables.
La mthode de Gauss (section 5.2) procde par annulations successives dlments de
la matrice A. Si cette matrice tait carre, cette procdure sapparenterait une diago-
nalisation. Notons, en effet, que tout systme linaire carr A.X = B, pour lequel A est
diagonale, est trivialement rsolu (chaque quation donne la valeur dune variable).
Dnitions
Les matrices A et B R
nn
sont dites semblables si H R
nn
, inversible, telle
que :
A = H
1
.B.H
_
B = H.A.H
1
_
.
Dans ce cas, la matrice H est appele matrice de passage.
La matrice A R
nn
est diagonalisable si elle est semblable une matrice
diagonale.
J
Toute matrice diagonale est videmment diagonalisable (prendre H = I
n
). Cependant, les
matrices diagonales ne sont pas toutes semblables deux deux. Ainsi,
_
1 0
0 2
_
et
_
2 0
0 1
_
sont semblables (prendre H = H
1
=
_
0 1
1 0
_
) tandis que
_
1 0
0 2
_
et
_
1 0
0 3
_
ne le
sont pas.
Les matrices carres ne sont pas toutes diagonalisables. Une premire question porte donc
sur la caractrisation de telles matrices. Une seconde vise la dtermination de la forme
diagonale et, ventuellement, de la matrice de passage H. Dans les deux cas, la rsolution
passe par les notions de vecteurs et valeurs propres.
Dnitions Soit A =
_
a
ij
_
nn
.
Le vecteur colonne X R
n1
\
_
_
_
_
_
_
0
.
.
.
0
_
_
_
_
_
_
est un vecteur propre de A si R :
AX = X.
Dans ce cas, on dit que X est associ la valeur propre R.
J
134 Les matrices
Exemple
_
_
_
2
1
0
_
_
_ est un vecteur propre de la matrice
_
_
_
1 2 3
1 0 1
0 0 1
_
_
_, associ la valeur propre = 2,
puisque
_
_
_
1 2 3
1 0 1
0 0 1
_
_
_
_
_
_
2
1
0
_
_
_ =
_
_
_
4
2
0
_
_
_ = 2
_
_
_
2
1
0
_
_
_. Cette matrice possde dautres vecteurs
propres comme, par exemple, le vecteur
_
_
_
6
3
0
_
_
_ associ la mme valeur propre = 2 ou le
vecteur
_
_
_
1
1
0
_
_
_ associ la valeur propre = 1, puisque
_
_
_
1 2 3
1 0 1
0 0 1
_
_
_
_
_
_
1
1
0
_
_
_ =
_
_
_
1
1
0
_
_
_ =
_
_
_
1
1
0
_
_
_.
6.2 LE SPECTRE DUNE MATRICE
La dterminationdes valeurs propres de la matrice A R
nn
seffectue grce la proprit
suivante.
Proprit R est une valeur propre de A det (A I
n
) = 0.
J
Dnitions Soit A =
_
a
ij
_
nn
.
Le polynme det (A I
n
), de degr n, est appel polynme caractristique de A.
Lquation det (A I
n
) = 0 est appele quation caractristique de A.
Lensemble des solutions complexes de cette quation constitue le spectre de A,
not S
A
.
La multiplicit algbrique dune valeur propre est sa multiplicit comme solution
de lquation caractristique
(1)
.
J
Le spectre comporte donc n nombres complexes, distincts ou non. Toutefois, seuls ses
lments rels sont des valeurs propres auxquelles sont associs des vecteurs propres. Le
spectre dune matrice A R
nn
jouit des proprits suivantes :
Proprits
A et A
ont le mme spectre.

Si A est inversible, alors 0 nest pas une valeur propre de A.
Si A est inversible et est une valeur propre relle de A alors
1
est une valeur

propre de A
1
.
Les matrices semblables ont toutes le mme spectre.
J
1. Le nombre a est une solution de multiplicit p N
0
de lquation polynomiale Q(x) = 0 (ou une racine
de multiplicit p du polynme Q) si on peut crire Q(x) = (x a)
p
R(x), o R(x) est un polynme tel que :
R(a) = 0. On parle de racine simple si p = 1 et de racine multiple si p 2.
Diagonalisation des matrices carres 135
Le dernier rsultat laisse prsager de limportance que joue le spectre dans la phase de
diagonalisation. La section suivante en dtaille la procdure.
6.3 SPECTRE ET DIAGONALISATION
Les valeurs propres dune matrice diagonale de R
nn
sont les n nombres rels, nuls ou
pas, se trouvant sur sa diagonale. Si un nombre y apparat plus dune fois, cest que la
valeur propre est multiple (racine multiple dupolynme caractristique). Le spectre dune
matrice diagonale est donc un sous-ensemble de R.
Proprits
Si D R
nn
est diagonale : D =
_
_
_
_
_
_
_
d
1
0 0
0 d
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
0 0 d
n
_
_
_
_
_
_
_
,
alors : S
D
= {d
1
, d
2
, . . . ,d
n
}.
Si A R
nn
est symtrique, alors elle est diagonalisable.
J
En ce qui concerne les matrices carres quelconques, une condition ncessaire et une
condition sufsante sont tablies.
Condition ncessaire Si A R
nn
est diagonalisable, alors toutes ses valeurs
propres sont relles.
J
Ds lors, si le spectre de A comporte des nombres non rels, la matrice est non diagonali-
sable. Cette condition nest cependant pas sufsante, puisque certaines matrices spectre
rel ne peuvent pas tre diagonalises.
Condition sufsante Si le spectre de A R
nn
comporte n valeurs propres
relles distinctes, alors A est diagonalisable.
J
Restent alors traiter les matrices dont toutes les valeurs propres sont relles, et dont la
multiplicit algbrique dune valeur propre (au moins) est suprieure 1. Ce cas requiert
un examen plus approfondi reposant sur la rsolution du systme linaire AX = X pour
chacune des valeurs propres multiples . En fait, ce systme admet toujours une innit
de solutions, les vecteurs propres associs et le vecteur nul. La caractrisation des
matrices diagonalisables repose sur la dimension de cet ensemble de solutions (nombre
de paramtres prsents).
Condition ncessaire et sufsante A R
nn
est diagonalisable si et
seulement si toutes les valeurs propres de A sont relles, et, pour toute valeur
propre de multiplicit algbrique m
2, le systme linaire AX = X admet

une innit de solutions m
paramtres.
J
On obtient une matrice diagonale semblable la matrice diagonalisable Aen plaant les n
valeurs propres de A sur la diagonale (avec rptition en cas de valeurs multiples). Lordre
des valeurs propres importe peu, puisque toutes les matrices diagonales dont les lments
sont identiques une permutation prs, ont le mme spectre et sont toutes semblables
entre elles.
Enn, signalons que les puissances dune matrice diagonalisable sont aises calculer.
136 Les matrices
5
Chapitre
Proprit Si A est diagonalisable avec D = H
1
A.H,
o D =
_
_
_
_
1
0
.
.
.
0
n
_
_
_
_
, alors
p N
0
: A
p
= H.D
p
.H
1
= H
_
_
_
_
p
1
0
.
.
.
0
p
n
_
_
_
_
H
1
.
J
6.4 LA DIAGONALISATION EN PRATIQUE
Sur la base des proprits nonces, la diagonalisation de la matrice carre A R
nn
seffectue selon le plan suivant.
Premire tape : dterminer le spectre de A, cest--dire les n solutions dans Cde lquation
caractristique det (A I
n
) = 0.
Deuxime tape : si ce spectre comporte au moins un lment de C\R, alors A nest pas
diagonalisable ; si toutes les valeurs propres sont relles et distinctes, alors la matrice est
diagonalisable ; si aucune des deux conclusions nest applicable, passer au point suivant.
Troisime tape : pour chaque valeur propre dont la multiplicit algbrique est 2,
dterminer la dimension de lensemble des solutions du systme AX = X ; si, pour
chacune dentre elles, la multiplicit algbrique est gale la dimension de cet ensemble,
A est diagonalisable, sinon elle ne lest pas.
En outre, si A est diagonalisable, une matrice diagonale qui lui est semblable est obtenue
en plaant les valeurs propres sur la diagonale (en ordre quelconque, avec multiplicit
ventuelle).
Exemples
1. Pour vrier si la matrice A =
_
1 2
3 1
_
est diagonalisable, on dtermine son spectre S
A
en
rsolvant lquation caractristique det (A I
2
) = 0 :
det (A I
2
) =
1 2
3 1
= 0 (1 ) (1 ) 6 = 0
2
7 = 0
S
A
=
_
7,
7
_
.
A admet donc 2 valeurs propres relles et distinctes A est diagonalisable.
Les matrices diagonales semblables A sont
_
7 0
0
7
_
et
_
7 0
0
7
_
.
2. B =
_
_
_
0 1 0
1 1 1
0 0 1
_
_
_, lquation caractristique scrit : det (B I
3
) = 0.
Diagonalisation des matrices carres 137
Le calcul du dterminant seffectue de la manire suivante :
1 0
1 1 1
0 0 1
L
1
L
2
=
1 1 1
1 0
0 0 1
L
2
L
2
L
1
=
1 1 1
0 1 +
2
0 0 1
= (1 +
2
)(1 ).
Le spectre de B possde au moins un lment non rel, solution de : 1 +
2
= 0.
La matrice B nest donc pas diagonalisable.
3. Si C =
_
2 1
1 0
_
,
det (C I
2
) =
2 1
1
= (2 ) () +1 =
2
2 +1 = ( 1)
2
.
S
C
possde une unique valeur propre 1 de multiplicit algbrique 2. Pour vrier si C est
diagonalisable, il faut alors rsoudre le systme C.
_
x
y
_
=
_
x
y
_
, pour = 1.
C.
_
x
y
_
= 1.
_
x
y
_
(C I
2
) .
_
x
y
_
= 0
_
1 1
1 1
_
.
_
x
y
_
= 0 x y = 0.
Lensemble des solutions, donn par
__
y, y
_
: y R
_
, comporte un seul paramtre rel. La
dimension de cet ensemble (gale 1) est donc diffrente de la multiplicit algbrique (gale
2) de la valeur propre. On en conclut que C nest pas diagonalisable.
7 Formes quadratiques
7.1 DFINITIONS
Une forme quadratique est une fonction polynomiale une ou plusieurs variables, dont
tous les termes sont du second degr. Les formes quadratiques interviennent dans ltude
des extrema des fonctions multivaries (chapitre 7). Plus prcisment, ltude du signe de
telles fonctions prsidera la formulation de conditions du second ordre.
Si les formes quadratiques apparaissent ds ce chapitre, cest parce que leur forme parti-
culire permet dtudier leur signe laide de la diagonalisation de matrices symtriques.
Dnition Q : R
n
R : x = (x
1
, . . . ,x
n
) Q(x) est une forme quadratique
si x R
n
: Q(x) =
n
i=1
n
j=1
ij
x
i
x
j
o i, j :
ij
R,
ou, sous forme matricielle : Q(x) = X
X, o X = (x
i
)
n1
, =
_
ij
_
nn
et X
est
la matrice ligne transpose de X.
J
Exemples
1. Q(x
1
, x
2
) = 3x
2
1
+x
2
2
5x
1
x
2
est une forme quadratique dans R
2
.
2. R(x
1
, x
2
) = 3x
2
1
+x
2
2
5x
1
nen nest pas une (le dernier terme est du premier degr).
5
Chapitre
Comme i, j :
ij
x
i
x
j
+
ji
x
j
x
i
=

ij
+
ji
2
x
i
x
j
+

ij
+
ji
2
x
j
x
i
, on peut, sans perte de
gnralit, supposer que la matrice est symtrique. Les notions suivantes concernent le
signe dune forme quadratique.
Dnitions
La forme quadratique Q : R
n
R : x = (x
1
, . . . ,x
n
) Q(x) est dnie
positive (resp. dnie ngative) si x R
n
: x = 0 Q(x) > 0 (resp. Q(x) < 0).
n
R : x = (x
1
, . . . ,x
n
) Q(x) est semi-dnie
positive (resp. semi-dnie ngative) si x R
n
: Q(x) 0 (resp. Q(x) 0).
n
R : x = (x
1
, . . . ,x
n
) Q(x) est indnie si
x, y R
n
: Q(x) > 0 et Q(y) < 0.
J
Remarque
Par dnition : Q(0) = 0.
7.2 FORMES QUADRATIQUES ET DIAGONALISATION
Considrons la forme quadratique Q(x) = X
X, o la matrice R
nn
est symtrique
et donc diagonalisable (voir section 6.3). Il existe donc une matrice diagonale R
nn
et une matrice inversible H R
nn
telles que : = H
1
H
_
= HH
1
_
. En outre :
=
_
_
_
_
1
0
.
.
.
0
n
_
_
_
_
, o les
i
sont les valeurs propres (relles) de .
son tour, la matrice permet de dnir une forme quadratique en Y =
_
y
i
_
n1
:
Q(y) = Y
Y =
n
i=1
n
j=1
ij
y
i
y
j
=
n
i=1
i
y
2
i
.
et on peut montrer que :
Q est (semi)-dnie positive (resp. ngative)

Q est (semi)-dnie positive (resp. ngative).
Proprits Soit la forme quadratique Q(x) = X
X, o R
nn
est sym-
trique.
Q est semi-dnie positive toutes les valeurs propres de sont 0 ;
Q est semi-dnie ngative toutes les valeurs propres de sont 0 ;
Q est dnie positive toutes les valeurs propres de sont > 0 ;
Q est dnie ngative toutes les valeurs propres de sont < 0.
J
Formes quadratiques 139
On parle aussi bien de forme quadratique dnie positive (par exemple) que de matrice
symtrique dnie positive. La proprit ci-dessus peut donc snoncer en remplaant la
forme Q par la matrice .
7.3 LA MTHODE DES MINEURS PRINCIPAUX
tudier le signe de la forme quadratique Q(x) = X
X, o R
nn
est symtrique,
revient dterminer le signe des valeurs propres de . Toutefois, dans la pratique, on
fait volontiers usage de la mthode des mineurs principaux, souvent plus rapide que la
diagonalisation complte.
Dnition Les mineurs principaux de =
_
ij
_
R
nn
sont les dterminants
des n sous-matrices :
(1)
= (
11
) R
11
,
(2)
=
_
11

12
21

22
_
R
22
, . . .
. . . ,
(i)
=
_
_
_
_
11

1i
.
.
.
.
.
.
.
.
.
i1

ii
_
_
_
_
R
ii
, . . . ,
(n)
= .
J
Proprits Soit =
_
ij
_
R
nn
une matrice symtrique.
est dnie positive i = 1, . . . ,n : det
(i)
> 0 ;
est dnie ngative i = 1, . . . ,n : (1)
i
det
(i)
> 0 ;
est semi-dnie positive i = 1, . . . ,n : det
(i)
0 ;
est semi-dnie ngative i = 1, . . . ,n : (1)
i
det
(i)
0.
i pair : det
(i)
< 0 est indnie.
J
Notons que, pour les matrices semi-dnies, les conditions sont ncessaires mais pas suf-
santes. En outre, la dernire proprit est une consquence directe des deux prcdentes.
Dans le cas particulier des matrices symtriques de taille 2 2, =
_
a b
b c
_
, associes
des formes quadratiques du type : Q
_
x, y
_
=
_
x y
_
_
a b
b c
__
x
y
_
= ax
2
+2bxy+cy
2
,
les deux mineurs principaux sont : det
(1)
= a et det
(2)
= det = ac b
2
.
Proprits Soit =
_
a b
b c
_
R
22
une matrice symtrique.
est dnie positive a > 0 et ac b
2
> 0 ;
est dnie ngative a < 0 et ac b
2
> 0 ;
est semi-dnie positive a 0 et ac b
2
0.
est semi-dnie ngative a 0 et ac b
2
0 ;
ac b
2
< 0 est indnie.
J
140 Les matrices
Exemples
1. =
_
a b
b c
_
=
_
4 1
1 2
_
est dnie positive (a = 4 > 0 et ac b
2
= 7 > 0).
2. =
_
a b
b c
_
=
_
2 8
1 3
_
est dnie ngative (a = 2 < 0 et ac b
2
= 2 > 0).
3. =
_
a b
b c
_
=
_
5 2
1 1
_
est indnie (ac b
2
= 3 < 0).
4. La matrice nulle, =
_
0 0
0 0
_
, nest ni dnie positive, ni dnie ngative puisque a = 0.
On ne peut rien conclure concernant le fait quelle soit semi-dnie partir des rsultats
ci-dessus. Cependant, la forme quadratique correspondante Q, dnie par : Q
_
x, y
_
=
_
x y
_
_
x
y
_
= 0 est la fois semi-dnie positive et semi-dnie ngative. On aurait
aussi pu dduire ce rsultat de S
= {0}.
5.
_
_
_
1 0 0
0 2 0
0 0 0
_
_
_ est semi-dnie ngative car elle possde trois valeurs propres 0.
6. Pour =
_
_
_
1 0 1
0 1 1
1 1 0
_
_
_, la mthode des mineurs principaux ne permet pas de conclure.
Toutefois, on a : S
= {1, 1, 2} ( vrier comme exercice). Il sensuit que la matrice

possde des valeurs propres de signes opposs et est indnie.
Problmes
et exercices
Ce chapitre porte sur plusieurs concepts importants dalgbre linaire.
Les exercices se doivent de tous les illustrer. En particulier, les rsultats
relatifs au signe des formes quadratiques seront utiliss dans les exercices
du chapitre 7, pour tudier les extrema des fonctions de plusieurs
variables. Enn, apparatront divers problmes appliqus la gestion
dont la rsolution fait intervenir des matrices ou des systmes linaires.
Oprations sur les matrices
EXERCICE 1
nonc
Soit A =
_
2 2
0 1
_
, B =
_
3 1
6 2
_
et C =
_
1 1 0
0 1 4
_
.
a Dterminez, si possible, les matrices suivantes : 3A, C, A +B, B A, B +C, A.B, B.A,
B.C. Vriez que A.B = B.A.
b Dterminez A
, B
, (A.B)
et vriez que (A.B)
= B
.A
.
Solution a 3A =
_
6 6
0 3
_
, C =
_
1 1 0
0 1 4
_
, A +B =
_
5 1
6 3
_
, B A =
_
1 3
6 1
_
,
B +C : impossible, A.B =
_
6 2
6 2
_
, B.A =
_
6 5
12 10
_
= A.B,
B.C =
_
3 2 4
6 4 8
_
.
b A
=
_
2 0
2 1
_
, B
=
_
3 6
1 2
_
, (A.B)
=
_
6 6
2 2
_
, B
.A
=
_
3 6
1 2
__
2 0
2 1
_
=
_
6 6
2 2
_
= (A.B)
.
142 Les matrices
5
Chapitre
EXERCICE 2
nonc
Soit A =
_
1 2
3 4
_
.
Trouvez lensemble des matrices B R
22
telles que A.B = B.A.
Solution Posons B =
_
x y
z t
_
. La condition A.B = B.A scrit :
_
1 2
3 4
__
x y
z t
_
=
_
x y
z t
__
1 2
3 4
_
_
x +2z y +2t
3x +4z 3y +4t
_
=
_
x +3y 2x +4y
z +3t 2z +4t
_
_
x +2z = x +3y
y +2t = 2x +4y
3x +4z = z +3t
3y +4t = 2z +4t
_
2z = 3y
2t = 2x +3y
3x +3z = 3t
3y = 2z
_
z =
3
2
y
t = x +
3
2
y
3x +
9
2
y = 3x +
9
2
y
_
z =
3
2
y
t = x +
3
2
y
x, y R
Donc : B =
_
_
x y
3
2
y x +
3
2
y
_
_
, o x, y R.
Matrices particulires
EXERCICE 3
nonc
Montrez que pour toute matrice A R
nm
, les matrices A.A
et A
.A existent et sont
carres.
Solution Par dnition de la transpose, A
R
mn
. Les deux produits matriciels A.A
et A
.A
sont donc ralisables et, dune part, A A
R
nn
, dautre part, A
.A R
mm
. Ces deux
matrices sont donc carres.
Matrices particulires 143
EXERCICE 4
nonc
a Montrez que si A R
nn
est idempotente (A
2
= A) et si B = I
n
A, alors B est
idempotente.
b Montrez que si A R
nn
est symtrique et idempotente, alors A.A
.A = A.
Solution a Par hypothse, B = I
n
A et A
2
= A. Donc :
B.B = (I
n
A) (I
n
A) = I
2
n
A A +A
2
= I
n
2A +A = I
n
A = B
B est idempotente.
b A = A
et A
2
= A A.A
.A =
_
A.A
_
.A = (A.A) .A = A
2
.A = A A = A
2
= A.
Trace et dterminant
EXERCICE 5
nonc
Reprenez les donnes de lexercice 1.
Calculez tr (3A +2B) de deux manires diffrentes.
Solution Premire manire : tr (3A +2B) = tr
_
12 4
12 7
_
= 12 +7 = 19.
Seconde manire : tr (3A +2B) = 3 tr A +2 tr B = 3.3 +2.5 = 19.
EXERCICE 6
nonc
Calculez le dterminant de chacune des matrices suivantes :
A =
_
2 1
4 3
_
, B =
_
_
_
1 4 0
1 2 2
6 0 1
_
_
_ et C =
_
_
_
0 1 1
1 2 0
1 0 2
_
_
_.
Solution |A| = 2 3 (1) 4 = 10.
|B| = 1 2 1 +4 2 6 +0 1 0 0 2 6 4 1 1 (1) 2 0 = 42.
|C| = 4.
144 Les matrices
5
Chapitre
EXERCICE 7
nonc
a Toute matrice triangulaire T R
nn
a pour dterminant le produit des lments diago-
naux. Montrez-le pour n = 3.
b Calculez
2 2 2 2
4 2 1 1
1 3 1 1
3 1 5 4
en passant par une forme triangulaire et en appliquant le

rsultat prcdent.
Solution a T =
_
_
_
a 0 0
d b 0
f e c
_
_
_
est la forme gnrale dune matrice triangulaire infrieure de taille
3 3.
Daprs la rgle de Sarrus : det T = abc +00f +0de 0bf 0dc a0e = abc.
Comme det T = det T
, le rsultat reste valable pour une matrice triangulaire suprieure.

b Les proprits utilises ici sont :
Si une ligne est multiplie par un nombre rel, le dterminant lest galement.
Le dterminant dune matrice ne se modie pas si onajoute une ligne, une combinaison
linaire dautres lignes.
Une permutation de deux lignes change le signe du dterminant.
2 2 2 2
4 2 1 1
1 3 1 1
3 1 5 4
= 2
1 1 1 1
4 2 1 1
1 3 1 1
3 1 5 4
L
2
L
2
+4L
1
L
3
L
3
L
1
L
4
L
4
+3L
1
= 2
1 1 1 1
0 6 5 3
0 2 2 0
0 2 8 7
L
2
L
2
3L
3
L
4
L
4
L
3
= 2
1 1 1 1
0 0 11 3
0 2 2 0
0 0 10 7
L
3
L
2
= 2
1 1 1 1
0 2 2 0
0 0 11 3
0 0 10 7
L
4
L
4
10
11
L
3
= 2
1 1 1 1
0 2 2 0
0 0 11 3
0 0 0
47
11
= 2 1 2 11
47
11
= 188.
Trace et dterminant 145
EXERCICE 8
nonc
Montrez que le dterminant des matrices suivantes est nul :
D =
_
_
_
1 2 3
4 5 6
7 8 9
_
_
_ , E =
_
_
_
x 2x +4 4
y 2y +9 9
z 2z 0
_
_
_ et F =
_
_
_
_
_
2 4 2 4
2 2 2 5
1 8 0 1
1 20 2 1
_
_
_
_
_
Solution On procde par transformations de lignes (pour D et F), ou de colonnes (pour E),
qui ne modient pas le dterminant, jusqu lobtention dune matrice prsentant une
caractristique sufsante pour annuler son dterminant.
|D| =
1 2 3
4 5 6
7 8 9
L
2
L
2
L
1
L
3
L
3
L
1
=
1 2 3
3 3 3
6 6 6
= 0 (deux lignes proportionnelles).

|E| =
x 2x +4 4
y 2y +9 9
z 2z 0
C
2
C
2
2C
1
=
x 4 4
y 9 9
z 0 0
= 0 (deux colonnes identiques).

|F| =
2 4 2 4
2 2 2 5
1 8 0 1
1 20 2 1
= 2
1 2 1 2
2 2 2 5
1 8 0 1
1 20 2 1
= 4
1 1 1 2
2 1 2 5
1 4 0 1
1 10 2 1
L
2
L
2
2L
1
L
3
L
3
+L
1
L
4
L
4
L
1
= 4
1 1 1 2
0 3 0 1
0 3 1 3
0 9 1 1
L
3
L
3
L
2
L
4
L
4
+3L
2
= 4
1 1 1 2
0 3 0 1
0 0 1 2
0 0 1 2
= 0 (deux lignes identiques).

EXERCICE 9
nonc
Rsolvez lquation
x 1 4 6
4 x 4 4
5 8 x 2
= 0.
146 Les matrices
Solution
x 1 4 6
4 x 4 4
5 8 x 2
= 0
L
1
L
1
+L
2
+L
3
x +8 x +8 x +8
4 x 4 4
5 8 x 2
= 0
C
2
C
2
C
1
C
3
C
3
C
1
x +8 0 0
4 x 8 0
5 3 x 7
= 0 (x +8) (x 8) (x 7) = 0 x {7, 8, 8}.

EXERCICE 10
nonc
Montrez que le dterminant dune matrice de taille n n antisymtrique est nul si n est
impair.
Solution Si M R
nn
est antisymtrique, alors :
M
= M det M
= det (M) = det [(1)M] det M = (1)

n
det M.
Si, en outre, n est impair, alors : (1)
n
= 1 et det M = det M det M = 0.
Inversion de matrices
EXERCICE 11
nonc
a Montrez que : A, B R
nn
: B inversible et A.B = 0
nn
A = 0
nn
.
b Cette propositionreste-t-elle vraie si onremplace lhypothse dinversibilit par B = 0
nn
?
Solution a A.B = 0
nn
(A.B).B
1
= 0
nn
.B
1
A.
_
B.B
1
_
= 0
nn
.B
1
A.I
n
= 0
nn

A = 0
nn
.
b Non. Voici un contre-exemple.
A =
_
_
_
_
_
_
_
1 0 0
0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
0 0 0
_
_
_
_
_
_
_
nn
(= 0
nn
) et B =
_
_
_
_
_
_
_
0 0 0
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0
0 0 1
_
_
_
_
_
_
_
nn
AB = 0
nn
.
Inversion de matrices 147
EXERCICE 12
nonc
a Inversez, si possible, les matrices suivantes :
A =
_
2 1
4 3
_
, B =
_
2 0
4 5
_
, C =
_
6 9
4 6
_
et D =
_
_
_
1 6 2
0 1 0
3 0 5
_
_
_
.
b Montrez que (A.B)
1
= B
1
.A
1
.
c La matrice A.C est-elle inversible?
d Trouvez, si possible, F R
22
telle que : F
1
=
1
2
AC 8I
2
.
Solution a det A = 10 = 0. Cherchons A
1
=
_
a b
c d
_
telle que
_
2 1
4 3
__
a b
c d
_
=
_
1 0
0 1
_
.
_
_
2a c = 1
4a +3c = 0
2b d = 0
4b +3d = 1
_
a =
3
10
, c =
2
5
b =
1
10
, d =
1
5
et nalement : A
1
=
_
_
_
3
10
1
10
2
5
1
5
_
_
_
.
B
1
=
_
_
_
1
2
0
2
5
1
5
_
_
_
.
det C = 0 C est singulire.
det D = 1 = 0. Cherchons D
1
=
_
_
_
a b c
d e f
g h i
_
_
_
telle que
_
_
_
1 6 2
0 1 0
3 0 5
_
_
_
_
_
_
a b c
d e f
g h i
_
_
_
=
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
_
a +6d +2g = 1
d = 0
3a 5g = 0
b +6e +2h = 0
e = 1
3b 5h = 0
c +6f +2i = 0
f = 0
3c 5i = 1
_
a = 5
b = 30
c = 2
d = 0
e = 1
f = 0
g = 3
h = 18
i = 1
et nalement : E
1
=
_
_
_
5 30 2
0 1 0
3 18 1
_
_
_
.
148 Les matrices
b (A.B) =
_
2 1
4 3
__
2 0
4 5
_
=
_
0 5
20 15
_
(A.B)
1
=
_
_
_
15
100
5
100
1
5
0
_
_
_
= B
1
.A
1
=
_
_
_
1
2
0
2
5
1
5
_
_
_
_
_
_
3
10
1
10
2
5
1
5
_
_
_
=
_
_
_
3
20
1
20
1
5
0
_
_
_
.
c Non. En effet, det (A.C) = det A. det C = 0 , puisque det C = 0.
d F
1
=
1
2
AC8I
2
=
1
2
_
2 1
4 3
__
6 9
4 6
_
_
8 0
0 8
_
=
1
2
_
16 24
12 18
_
_
8 0
0 8
_
F
1
=
_
0 12
6 17
_
F =
_
F
1
_
1
=
_
0 12
6 17
_
1
=
_
_
_
17
72
1
6
1
12
0
_
_
_.
Rang et systmes linaires
EXERCICE 13
nonc
a Rsolvez le systme de Cramer
_
x +y = 1
x +2y = 0
par la mthode des dterminants.
b Dans chaque cas, caractrisez le systme et rsolvez-le.
(i)
_
_
x +2y 5z +t = 0
2z +y x +2t = 0
2x +7z +2t = 0
(ii)
_
_
x +2y 5z = 0
x +y z = 0
x +y +z = 0
(iii)
_
_
x +2y = 2
x 2y = 1
3x +y = 0
Solution
a x =
1 1
0 2
1 1
1 2
=
2
3
, y =
1 1
1 0
1 1
1 2
=
1
3
b On utilise la mthode de Gauss sous forme matricielle, soit partir la matrice A des
coefcients (pour un systme homogne), soit partir de la matrice augmente
_
A
.
.
.B
_
(pour un systme non homogne).
Rang et systmes linaires 149
(i) Systme homogne de 3 quations 4 inconnues.
_
_
_
1 2 5 1
1 1 2 2
2 0 7 2
_
_
_
L
2
L
2
+L
1
L
3
L
3
+2L
1
_
_
_
1 2 5 1
0 3 3 3
0 4 3 4
_
_
_
L
2
1
3
L
2
_
_
_
1 2 5 1
0 1 1 1
0 4 3 4
_
_
_
L
1
L
1
2L
2
L
3
L
3
4L
2
_
_
_
1 0 3 1
0 1 1 1
0 0 1 0
_
_
_
L
1
L
1
+3L
3
L
2
L
2
+L
3
_
_
_
1 0 0 1
0 1 0 1
0 0 1 0
_
_
_
_
x = t
y = t
z = 0
t R
.
Le systme est donc indtermin. Lensemble de ses solutions est :
S = {(, , 0, ) : R} .
(ii) Systme homogne de 3 quations 3 inconnues, donc carr.
_
_
_
1 2 5
1 1 1
1 1 1
_
_
_
L
2
L
2
L
1
L
3
L
3
+L
1
_
_
_
1 2 5
0 1 4
0 3 4
_
_
_
L
2
L
2
_
_
_
1 2 5
0 1 4
0 3 4
_
_
_
L
3
L
3
3L
2
_
_
_
1 2 5
0 1 4
0 0 8
_
_
_
.
dont le dterminant est non nul, ce qui implique que le systme homogne est de Cramer.
Il possde donc lunique solution (0, 0, 0).
(iii) Systme non homogne de 3 quations 2 inconnues.
_
_
_
1 2 2
1 2 1
3 1 0
_
_
_
L
2
L
2
L
1
L
3
L
3
3L
1
_
_
_
1 2 2
0 4 3
0 5 6
_
_
_
L
2
1
4
L
2
_
_
_
1 2 2
0 1 3/4
0 5 6
_
_
_
L
3
L
3
+5L
2
_
_
_
1 2 2
0 1 3/4
0 0 9/4
_
_
_
.
La dernire ligne signie : 0 =
9
4
. Le systme est donc impossible.
EXERCICE 14
nonc
Dterminez les valeurs de a et b R telles que le systme
_
ax +2by = ab +1
x 2y = b
soit
compatible.
150 Les matrices
Solution
_
a 2b ab +1
1 2 b
_
L
1
L
2
_
1 2 b
a 2b ab +1
_
L
2
L
2
aL
1
_
1 2 b
0 2b +2a 1
_
L
2
L
2
2
_
1 2 b
0 a +b 0,5
_
. Le systme est compatible a +b = 0 a = b.
EXERCICE 15
nonc
Rsolvez le systme suivant en discutant selon le paramtre rel k :
_
_
kx +2y z = 0
x +y 2kz = 0
x +y = k
.
Solution
_
_
_
k 2 1 0
1 1 2k 0
1 1 0 k
_
_
_
L
2
L
1
_
_
_
1 1 2k 0
k 2 1 0
1 1 0 k
_
_
_
L
2
L
2
kL
1
L
3
L
3
L
1
_
_
_
1 1 2k 0
0 2 k 1 +2k
2
0
0 0 2k k
_
_
_
()
Si k = 2 :
()
L
2
1
2k
L
2
_
_
_
_
_
1 1 2k 0
0 1
1 +2k
2
2 k
0
0 0 2k k
_
_
_
_
_
L
1
L
1
L
2
_
_
_
_
_
_
1 0
1 4k
2 k
0
0 1
1 +2k
2
2 k
0
0 0 2k k
_
_
_
_
_
_
()
Si k = 2 et k = 0 :
()
L
3
1
2k
L
3
_
_
_
_
_
_
_
1 0
1 4k
2 k
0
0 1
1 +2k
2
2 k
0
0 0 1
1
2
_
_
_
_
_
_
_
L
1
L
1
14k
2k
L
3
L
2
L
2
1+2k
2
2k
L
3
_
_
_
_
_
_
_
1 0 0
4k 1
4 2k
0 1 0
1 2k
2
4 2k
0 0 1
1
2
_
_
_
_
_
_
_
la solution
_
4k 1
4 2k
,
1 2k
2
4 2k
,
1
2
_
est unique.
Si k = 2 :
()
_
_
_
1 1 4 0
0 0 7 0
0 0 4 2
_
_
_
L
2
1
7
L
2
_
_
_
1 1 4 0
0 0 1 0
0 0 4 2
_
_
_
L
3
L
3
4L
2
_
_
_
1 1 4 0
0 0 1 0
0 0 0 2
_
_
_
systme impossible.
Rang et systmes linaires 151
Si k = 0 :
()
_
_
_
_
_
_
1 0
1
2
0
0 1
1
2
0
0 0 0 0
_
_
_
_
_
_
_
x =
1
2
z
y =
1
2
z
z R
1
solutions :
__
2
,
2
,
_
: R
_
.
EXERCICE 16
nonc
Le systme AX = B comporte 30 quations 20 inconnues. Dterminez son nombre de
solutions, sachant que :
a rg A = 19 et rg(A
.
.
.B) = 20,
b rg A = 20 et rg(A
.
.
.B) = 20,
c rg A = 18 et rg(A
.
.
.B) = 18.
Solution a aucune solution,
b une solution,
c une innit de solutions.
EXERCICE 17
nonc
a Calculez le rang de chacune des matrices suivantes :
A =
_
2 1
4 3
_
, B =
_
1 4
3 12
_
, C =
_
_
_
1 0 0
1 0 0
0 0 0
_
_
_
et D =
_
1 2 5 4
0 3 2 1
_
.
b Discutez le rang des matrices suivantes en fonction des paramtres rels a et b :
E =
_
a 1
1 1
_
, F =
_
_
_
1 a 0
2 1 b
2 0 0
_
_
_
.
Solution a A =
_
2 1
4 3
_
L
2
L
2
2L
1
_
2 1
0 5
_
rg A = 2,
152 Les matrices
5
Chapitre
B =
_
1 4
3 12
_
L
2
L
2
3L
1
_
1 4
0 0
_
rg B = 1,
C =
_
_
_
1 0 0
1 0 0
0 0 0
_
_
_
L
2
L
2
L
1
_
_
_
1 0 0
0 0 0
0 0 0
_
_
_
rg C = 1,
D =
_
1 2 5 4
2 4 2 1
_
L
2
L
2
+2L
1
_
1 2 5 4
0 0 8 7
_
C
2
C
3
rg D = 2.
b E =
_
a 1
1 1
_
L
1
L
2
_
1 1
a 1
_
L
2
L
2
aL
1
_
1 1
0 a 1
_
_
rg E = 2 si a = 1
rg E = 1 si a = 1
,
F =
_
_
_
1 a 0
2 1 b
2 0 0
_
_
_
L
1
L
3
_
_
_
2 0 0
2 1 b
1 a 0
_
_
_
L
1
1
2
L
1
_
_
_
1 0 0
2 1 b
1 a 0
_
_
_
L
2
L
2
2L
1
L
3
L
3
L
1
_
_
_
1 0 0
0 1 b
0 a 0
_
_
_
L
3
L
3
+aL
2
_
_
_
1 0 0
0 1 b
0 0 ab
_
_
_.
Si ab = 0 a = 0 ou b = 0 : rg F = 2.
Si ab = 0 a = 0 et b = 0 : rg F = 3.
Diagonalisation
EXERCICE 18
nonc
Dans chaque cas, dterminez le spectre des matrices donnes. Ces matrices sont-elles
diagonalisables? Si oui, donnez-en une matrice diagonale semblable.
a A =
_
1 2
1 0
_
.
b B =
_
2 4
5 2
_
.
c C =
_
_
_
4 1 1
2 5 2
1 1 2
_
_
_.
d E =
_
_
_
3 1 1
7 5 1
6 6 2
_
_
_.
Diagonalisation 153
Solution
a det (A I) =
1 2
1
= 0 (1 ) () 2 = 0
2
2 = 0
S
A
= {2, 1}.
A admet 2 valeurs propres relles distinctes A est diagonalisable. D
A
=
_
2 0
0 1
_
est
une matrice diagonale semblable A.
b det (B I) =
2 4
5 2
= 0
(2 ) ((2 +)) +20 = 0
2
+16 = 0 S
B
= {4i, 4i} . S
B
R B nest
pas diagonalisable.
c det (C I) =
4 1 1
2 5 2
1 1 2
= 0
C
3
C
3
+C
2
(3 )
4 1 0
2 5 1
1 1 1
= 0. (1)
Pour faciliter la factorisation du polynme caractristique, on introduit des zros en
dernire colonne avant dappliquer la rgle de Sarrus :
(1)
L
2
L
2
L
3
(3 )
4 1 0
1 4 0
1 1 1
= 0
(3 )
_
(4 )
2
1
_
= 0 (3 )
2
(5 ) = 0
S
C
= {3, 5}.
o les valeurs propres relles, 3 et 5, sont de multiplicits algbriques respectives 2 et 1.
Il faut donc rsoudre le systme C
_
_
_
x
y
z
_
_
_
=
_
_
_
x
y
z
_
_
_
, pour = 3.
C
_
_
_
x
y
z
_
_
_
= 3
_
_
_
x
y
z
_
_
_
(C 3I
3
)
_
_
_
x
y
z
_
_
_
= 0
_
_
_
1 1 1
2 2 2
1 1 1
_
_
_
_
_
_
x
y
z
_
_
_
= 0 (2)
Par la mthode de Gauss, on a :
_
_
_
1 1 1
2 2 2
1 1 1
_
_
_
L
2
L
2
2L
1
L
3
L
3
L
1
_
_
_
1 1 1
0 0 0
0 0 0
_
_
_.
Donc : (2) x +y z = 0.
Lensemble des solutions,
__
x, y, x +y
_
: x, y R
_
, comporte 2 paramtres. C est donc
diagonalisable.
D
C
=
_
_
_
3 0 0
0 3 0
0 0 5
_
_
_
est semblable C.
154 Les matrices
d det (E I) =
3 1 1
7 5 1
6 6 2
= 0 (4 ) ( +2)
2
= 0
S
E
= {2, 4}, o les valeurs propres relles 2 et 4 sont de multiplicits algbriques
respectives 2 et 1. Il faut donc rsoudre le systme E
_
_
_
x
y
z
_
_
_ =
_
_
_
x
y
z
_
_
_, pour = 2.
E
_
_
_
x
y
z
_
_
_
= 2
_
_
_
x
y
z
_
_
_
(E +2I)
_
_
_
x
y
z
_
_
_
= 0
_
_
_
1 1 1
7 7 1
6 6 0
_
_
_
_
_
_
x
y
z
_
_
_
= 0
_
_
x = y
z = 0
y R
puisque par la mthode de Gauss, on a :
_
_
_
1 1 1
7 7 1
6 6 0
_
_
_
_
_
_
1 1 0
0 0 1
0 0 0
_
_
_.
Lensemble des solutions
__
y, y, 0
_
: y R
_
ne comporte quun seul paramtre. Donc E
nest pas diagonalisable.
Formes quadratiques
EXERCICE 19
nonc
tudiez le signe des formes quadratiques donnes par la mthode des valeurs propres.
a Q(x, y) = x
2
+3y
2
+2xy.
b Q(x, y, z) = x
2
+y
2
+3z
2
+4xy.
c Q(x, y, z) = 6x
2
+5y
2
+7z
2
4xy +4xz.
d Q(x, y, z) = 4x
2
+4y
2
8z
2
10xy 4xz 4yz.
e Q(x, y, z) = y
2
+z
2
+2xy 2xz.
Solution a La matrice symtrique associe Q est =
_
1 1
1 3
_
.
det ( I) =
1 1
1 3
= (1 ) (3 ) 1
=
2
4 +2 S
=
_
2
2, 2 +
2
_
.
Les valeurs propres de sont positives Q est dnie positive.
b La matrice symtrique associe Q est =
_
_
_
1 2 0
2 1 0
0 0 3
_
_
_
.
det ( I) =
1 2 0
2 1 0
0 0 3
= (1 )
2
(3 ) 4 (3 )
= (3 )
_
(1 )
2
4
_
= (3 ) (1 2) (1 +2)
= (3 )
2
(1 +) S
= {1, 3} .
Lexistence de valeurs propres de signes opposs implique que Q est indnie.
c Q est dnie positive.
d Q est indnie.
e La matrice symtrique associe Q est =
_
_
_
0 1 1
1 1 0
1 0 1
_
_
_.
det ( I) =
1 1
1 1 0
1 0 1
= (1 )
2
(1 ) (1 )
= (1 )
_
2
2
_
(1 ) ( +1) ( 2) = 0 S
= {1, 1, 2} .
Lexistence de valeurs propres de signes opposs implique que Q est indnie.
EXERCICE 20
nonc
Dterminez par la mthode des mineurs principaux si les matrices symtriques suivantes
sont (semi)-dnies positives ou ngatives.
A =
_
0 3
3 0
_
, B =
_
6 3
3 6
_
, C =
_
2 2
2 0
_
, D =
_
2 2
2 4
_
,
E =
_
0 1
1 0
_
, F =
_
0 1
1 2
_
, G =
_
_
1
2
0
0 2
_
_
, H =
_
20 4
4 20
_
, J =
_
4 4
4 4
_
,
K =
_
_
_
2 2 2
2 6 0
2 0 4
_
_
_
, L =
_
2 0
0 1
_
, M =
_
3 0
0 3
_
, N =
_
3 0
0 3
_
,
P =
_
2 2
2 2
_
, Q =
_
2 2
2 6
_
, R =
_
2 1
1 2
_
, S =
_
0 1
1 6y
_
o y R,
T =
_
4 2
2 2
_
.
156 Les matrices
Solution Les matrices A, C, E, F, M, P et S
_
y R
_
sont indnies car leurs dterminants sont
ngatifs.
Les matrices B, D, G, H, K, L, N, Q et R sont dnies positives.
Justication pour B :
(1)
= 6 > 0,
(2)
=
6 3
3 6
= 36 9 > 0.
On peut raisonner de la mme faon pour D, H, Q et R.
Justication pour G, L et N : ce sont des matrices diagonales dont les valeurs propres
(qui apparaissent sur la diagonale) sont positives.
Justication pour K :
(1)
= 2 > 0,
(2)
=
2 2
2 6
= 8
et
(3)
=
2 2 2
2 6 0
2 0 4
= 48 24 16 = 8 > 0.
Pour J : aucune conclusion nest apporte par la mthode des mineurs principaux.
Cependant, comme S
J
= {8, 0}, les valeurs propres sont toutes ngatives ou nulles.
On en conclut que J est semi-dnie ngative.
T est dnie ngative. En effet :
(1)
= 4 < 0,
(2)
=
4 2
2 2
= 4 > 0.
EXERCICE 21
nonc
Une entreprise de fournitures de bureau vend des cartouches dencre de qualit moyenne
(mesure par le nombre 15 sur une chelle numrique connue de 1 30) 50 euros la
pice. Elle dispose de deux variables de dcision pour inuencer le volume V de ses ventes
de cartouches dencre et sa marge bnciaire par cartouche M : le prix par cartouche
(not p) et la qualit des cartouches (note q).
Si le prix de la cartouche passe de p p + a ( qualit inchange), les ventes diminuent
globalement de 3a units et la marge unitaire augmente de a. Si la qualit des cartouches
passe de q q +b ( prix inchang), les ventes augmentent de b units et la marge unitaire
baisse de b.
Dterminez la stratgie qui permet de vendre 20 cartouches de plus sans affecter la marge
unitaire.
Solution La solution est donne par le couple (a, b), o a reprsente la variation de prix et b la
variation de qualit, vriant les deux conditions suivantes :
Accroissement des ventes de 20 units : V = 3a +b = 20,
Marge inchange : M = a b = 0.
Ces conditions se prsentent sous la forme dun systme de Cramer :
_
3a +b = 20
a b = 0

_
2a = 20
a = b

_
a = 10
b = 10
.
Pour vendre 20 cartouches de plus sans changer sa marge, lentreprise doit baisser son
prix de vente de 10 euros par cartouche en diminuant la qualit de 10 units. Elle doit
donc vendre 40 euros des cartouches de qualit 5.
EXERCICE 22
nonc
Une entreprise fabrique deux produits intermdiaires U et V. Pour produire une unit de
produit U(resp. de produit V) lentreprise utilise 20 %(resp. 10 %) de sa production de U
et 60 % (resp. 30 %) de sa production de V.
On appelle matrice des coefcients techniques, la matrice A =
_
a
ij
_
nn
(ici n = 2) telle que
a
ij
reprsente la quantit de linput i ncessaire pour produire une unit de j.
a Donnez la matrice des coefcients techniques de lentreprise considre.
b Si lentreprise produit 200 units de biens U et 350 units de biens V, quelle sera la
production nale qui parviendra aux consommateurs?
c Quelle est le niveau de la production totale qui satisfait une demande nale de 500 units
de U et 1 000 de V?
Solution a La matrice des coefcients techniques est A =
_
0,2 0,1
0,6 0,3
_
.
b Sous forme matricielle, cette production sexprime par : X =
_
200
350
_
.
La consommation intermdiaire est donn par : AX =
_
0,2 0,1
0,6 0,3
__
200
350
_
=
_
75
225
_
.
Pour satisfaire la demande nale, il reste donc : X AX =
_
200
350
_
_
75
225
_
=
_
125
125
_
,
soit 125 units de U et 125 units de V.
c Soit D =
_
500
1 000
_
, la matrice colonne qui exprime la demande nale.
Il faut trouver X =
_
x
y
_
R
21
tel que : X AX = D.
Or : X AX = D (I A) X = D X = (I A)
1
D, car (I A) est une matrice
inversible.
158 Les matrices
5
Chapitre
On procde donc linversion de la matrice : (I A) =
_
0,8 0,1
0,6 0,7
_
.
On obtient (I A)
1
=
_
1,4 0,2
0,2 1,6
_
.
Il sensuit que : X = (I A)
1
D =
_
1,4 0,2
0,2 1,6
__
500
1 000
_
=
_
900
1 700
_
.
Ainsi, la production ncessaire est 900 units de U et 1 700 de V.
Remarque
la matrice (I A) est appele matrice de Lontiev.
EXERCICE 23
nonc
Les prix, la date t, de trois actions de rmes lies par leurs structures dactionnariat,
p
1,t
, p
2,t
et p
3,t
, dpendent chacun des anticipations des prix futurs des trois titres,
p
i,t+1
(i = 1, 2, 3), de la manire suivante :
_
_
_
p
1,t
p
2,t
p
3,t
_
_
_
=
_
_
_
_
_
_
_
a b
b
2
b d
b
3
b
2
b
3
a +d
2
_
_
_
_
_
_
_
. ,, .
A
_
_
_
p
1,t+1
p
2,t+1
p
3,t+1
_
_
_
+
_
_
_
1,t
2,t
3,t
_
_
_
, o a, b, c, d > 0 (1)
o
1,t
,
2,t
et
3,t
reprsentent des perturbations alatoires.
a Montrez que la matrice A est diagonalisable.
b Grce cette diagonalisation, il existe un systme de trois prix, combinaisons linaires de
p
1,t
, p
2,t
et p
3,t
, telle que lvolution de chacun ne dpend que de sa propre anticipation et
de perturbations. Dmontrez-le.
Solution a La matrice A tant symtrique, elle est diagonalisable.
b Condensons lcriture de (1) sous la forme : p
t
= A p
t+1
+
t
.
Comme Aest diagonalisable, ona, par dnition: H, D R
33
telles que H est inversible,
D est diagonale et : A = H
1
DH ( HA = DH).
Le systme (1) scrit de faon quivalente, en multipliant gauche par la matrice H :
Hp
t
= HA
.,,.
DH
p
t+1
+H
t
p
t
= D
p
t+1
+
t
(2)
o p
t
= Hp
t
_

p
t+1
= H p
t+1
_
et
t
= H
t
.
Chaque composante du nouveau vecteur de prix p
t
= Hp
t
sexprime en fonction de sa
propre anticipation et de perturbations puisque (2) scrit :
_
_
_
p
1,t
p
2,t
p
3,t
_
_
_
=
_
_
_
d
1
0 0
0 d
2
0
0 0 d
3
_
_
_
. ,, .
D
_
_
_
p
1,t+1
p
2,t+1
p
3,t+1
_
_
_
+
_
_
_

1,t

2,t

3,t
_
_
_
ou encore : p
i,t
= d
i
p
i,t+1
+
i,t
, i = 1, 2, 3.
EXERCICE 24
nonc
Unconomtre a tabli que la dynamique jointe des taux de change (vis--vis dudollar US)
de leuro c
1,t
, du franc suisse c
2,t
et de la livre sterling c
3,t
stablit comme suit :
_
_
_
c
1,t
c
2,t
c
3,t
_
_
_
=
_
_
_
a 0 0
b a c
b 0 a
_
_
_
. ,, .
A
_
_
_
c
1,t1
c
2,t1
c
3,t1
_
_
_
+
_
_
_
1,t
2,t
3,t
_
_
_
, o a > 0 et b, c 0. (1)
a La matrice A est-elle diagonalisable? On discutera en fonction des paramtres a, b et c.
b Enomettant les perturbations (imprvisibles), crivez la prvisiondu cours de leuro pour
la semaine prochaine ( la date t +5, puisquune semaine correspond 5 jours ouvrables),
en fonction des taux de change prsents.
Solution a det (A I
3
) =
a 0 0
b a c
b 0 a
= (a )
3
.
Lunique valeur propre, a, est relle et de une multiplicit algbrique gale 3. Il faut donc
dterminer la dimension de lensemble des solutions de :
_
_
_
a 0 0
b a c
b 0 a
_
_
_
. ,, .
A
_
_
_
x
y
z
_
_
_ = a
_
_
_
x
y
z
_
_
_
_
_
_
0 0 0
b 0 c
b 0 0
_
_
_
_
_
_
x
y
z
_
_
_ =
_
_
_
0
0
0
_
_
_
_
bx +cz = 0
bx = 0

_
cz = 0
bx = 0
.
La dimension de lensemble de solution nest gale 3 que lorsque b = c = 0. On a donc :
A est diagonalisable b = c = 0.
b La premire ligne du systme (1) exprime que leuro ne dpend ni la valeur passe du
franc suisse, ni de celle de la livre sterling : c
1,t
= ac
1,t1
+
1,t
. Sachant que la perturbation
est imprvisible (prvision nulle), on obtient simplement la prvision suivante : c
1,t+5
=
a c
1,t+4
= = a
5
c
1,t
.
160 Les matrices
6
Chapitre
Les fonctions
de plusieurs
variables relles
Les fonctions de plusieurs variables relles
1. Domaine, image et limites . . . . . . . . . 162
2. Continuit . . . . . . . . . . . . . . . . . . . . . . . . 169
3. Drives partielles et lasticits . . . . 170
4. Diffrentiabilit et (hyper)plan
tangent . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
4.1 Diffrentiabilit des fonctions dune
seule variable . . . . . . . . . . . . . . . . . 173
4.2 Diffrentiabilit des fonctions de n
variables . . . . . . . . . . . . . . . . . . . . . . 174
4.3 La rgle de drivation en chane
(chain rule) . . . . . . . . . . . . . . . . . . . . 176
5. Fonctions homognes . . . . . . . . . . . . . 178
6. Drives partielles dordres suprieurs
et matrice hessienne . . . . . . . . . . . . . . . 178
7. Fonctions concaves et convexes . . . 180
Domaine, graphe et courbes de niveau 182
Limites et continuit . . . . . . . . . . . . . . . . . . . 186
Drives partielles, lasticits et
diffrentielle . . . . . . . . . . . . . . . . . . . . . . 190
Fonctions homognes . . . . . . . . . . . . . . . . . 197
Matrice hessienne, fonctions concaves
et convexes . . . . . . . . . . . . . . . . . . . . . . . 198
Les fonctions de plusieurs variables constituent la
matire mathmatique de prdilection pour la
formalisation des problmes de la gestion. Quil
sagisse de traiter des questions relatives la
production, la consommation ou encore
lenvironnement et la gestion publique, une
modlisation adquate sexprime le plus souvent
laide de fonctions de plusieurs variables. Les
restrictions exiges par ce cadre conceptuel imposent
toutefois, dune part, la quantication des facteurs pris
en compte (les valeurs des variables sont des nombres
rels) et, dautre part, la reprsentation des relations
sous forme dterministe. Au-del de ces restrictions,
dautres thories mathmatiques, qui dpassent le
cadre du prsent ouvrage, prennent le relais. Ainsi, la
thorie des probabilits offre diverses possibilits
dintgration de la notion de risque, cruciale par
exemple pour les nanciers.
Les fonctions de plusieurs variables relles 161
Ce chapitre introduit les fonctions de plusieurs variables relles en largissant les dni-
tions nonces aux chapitres 1 et 4 pour les fonctions dune variable relle. videmment,
la reprsentation gomtrique devient plus lourde : une fonction de n variables se visualise
a priori dans un espace n + 1 dimensions (n pour les variables, 1 pour la fonction),
alors que les pages dun livre sont, par nature, bidimensionnelles. Pour contourner cette
impossibilit technique, nous nous limiterons aux reprsentations des fonctions de deux
variables, soit sous forme de dessins en perspective, soit sous forme de coupes par des
plans horizontaux ou verticaux qui donnent des informations souvent utiles, quoique
parcellaires. Ce problme de visualisation introduit une rupture nette par rapport aux
fonctions dune variable tudies antrieurement.
Dans ce chapitre, nous prenons le parti de privilgier les thmes qui scartent des notions
vues pour les fonctions dune seule variable. loppos, les dnitions et les propri-
ts qui apparaissent comme des gnralisations videntes sont voques ou prsentes
brivement.
1 Domaine, image et limites
Les dnitions de base vues aux chapitres 1 et 3 pour les fonctions de Rdans Rsadaptent
sans difcult au cas des fonctions de R
n
dans R.
Dnitions Une fonction f : D R, o D R
n
, associe chaque lment
x = (x
1
, . . . , x
n
) D un et un seul nombre rel f (x).
Le domaine de f est lensemble D.
Limage par f de D est lensemble Im
f
(D) =
_
y R : y = f (x), o x D
_
.
Le graphe de f est la surface de R
n+1
dquation y = f (x),
o x = (x
1
, . . . , x
n
) D.
J
Exemples dapplications la gestion
Lutilit U dun consommateur dpend de ses quantits consommes. En prsence de n biens,
la fonction dutilit sexprime sous la forme U = f (x
1
, x
2
, . . . , x
n
), o x
i
dsigne la quantit
consomme du i-me bien disponible (i = 1, . . . ,n).
Le cot C dune brochure publicitaire dpend de son format (longueur p, largeur q, nombre de
pages n), du nombre m de couleurs utilises, de la surface s consacre aux photographies :
C = f
_
p, q, n, m, s
_
.
La production P dune entreprise est souvent exprime en fonction de deux facteurs synth-
tiques : le capital, not K, et le travail, not W : P = f (K, W).
la date t, le cours terme du dollar US (vis--vis de leuro), pour lchance T, sexprime
comme une fonction : F = f
_
T t, s
t
, r
t,T
, r
t,T
_
, o s
t
est le cours du dollar au comptant en t
et r
t,T
(resp. r
t,T
) est le taux dintrt en euros (resp. en dollars US) en vigueur la date t pour
lchance T.
Lorsque n = 2, le graphe G
f
z = f (x, y), o (x, y) D, est tridimensionnel. Les axes
relatifs aux variables, x et y, sont conventionnellement situs dans un plan horizontal (le
domaine D apparat alors comme un sous-ensemble de ce plan), tandis que la dimension
verticale est rserve auxvaleurs de z. Ainsi, tout a = (a
1
, a
2
) D, dont limage est f (a)
R, correspond le point suivant du graphe :
_
a
1
, a
2
, f (a)
_
R
3
. Une mise en perspective
162 Les fonctions de plusieurs variables relles
6
Chapitre
permet la visualisation des surfaces trois dimensions (voir notamment la gure 6.12,
page 171). Dans ce cas, laxe z est toujours plac verticalement. Toutefois, pour des raisons
de lisibilit, les axes x et y ne sont pas toujours prsents selon la mme orientation.
Pour n > 2, la reprsentation plane devient malheureusement impraticable.
Exemples mathmatiques
Le domaine de la fonction f (x, y) =

x +y est donn par D =
_
(x, y) R
2
|x +y 0
_
.
Il se reprsente donc naturellement comme une portion du plan R
2
(voir gure 6.1). En
outre, les valeurs prises par la fonction parcourent tout lensemble des rels positifs ou nuls :
Im
f
(D) = R
+
.
Figure 6.1
D
y
x
6
4
2
2
4
6
6 4 2 2 4 6
Le graphe de f : R
2
R : (x, y) x
2
y
2
est une surface de R
3
qui a la forme dune selle
de cheval, comme lindique la reprsentation en perspective de la gure 6.2.
Figure 6.2
4
2
2
4
2
1
1
2
2
1
1
2
x
y
z
G
f
Le graphe de la fonction f (x, y) = x
2
+y
2
, dnie dans D = R
2
, est le parabolode reprsent
par la gure 6.3.
Figure 6.3
y
x
z
G
f
La mme fonction f (x, y) = x
2
+ y
2
, mais dnie dans le domaine restreint D =
__
x, y
_
R
2
: x
2
+y
2
1
_
, correspond la portion du parabolode de la gure 6.3 vriant
0 z 1 (gure 6.4)
Figure 6.4
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1,8
2
z
y
x
G
f
D
1,4
1
0,6
0,2
0,6
1
1,4
1,4
1
0,6
0,4
0,8
1
1,4
6
Chapitre
On observe que lintersection du parabolode (gure 6.3, page ci-contre) et dun plan
horizontal dquation z = k, o k 0, est un cercle de rayon
k. Les traces verticales,

moins faciles visualiser, sont des paraboles. De faongnrale, les coupes horizontales du
graphe dune fonction de deux variables sont des courbes planes, dites courbes de niveau.
En pratique, on reprsente simultanment diffrentes courbes de niveau pour visualiser
la progression du graphe. Cette reprsentation sapparente aux cartes gographiques o
le niveau correspond laltitude.
Dnition Soit f : D R, o D R
2
, et k f (D) R.
La courbe de niveau k de f est la courbe plane dquation : f (x, y) = k.
J
Exemples dapplications la gestion
1. La fonction de production de Cobb-Douglas scrit f (x, y) = x
(, > 0). Les courbes

de niveau dune telle fonction sont nommes isocantes ou courbes disoproduction. Pour un
niveau x k de production, lquation x
= k dtermine les points du plan (x, y) donnant

toutes les combinaisons des quantits de facteurs qui permettent de produire ce niveau k. La
gure 6.5 donne le graphe de la fonction f (x, y) = x
1/3
y
1/2
, tandis que la gure 6.6, page
suivante, reprsente les courbes de niveau correspondantes.
Figure 6.5
05
1
1.5
2
2.5
3
1
2
3
4
y
z
x
1
0
2
3
4
Sur la gure 6.6, page suivante, une che indique le sens de la croissance des valeurs
de k.
2. f (, ) =
2
( > 0).
Cette fonction est souvent utilise en gestion de portefeuille : dsigne la rentabilit attendue
du portefeuille et sa volatilit (cart-type de la rentabilit). La fonction f reprsente lutilit
attendue dun investisseur qui prsente de laversion vis--vis du risque (
2
est affect dun
coefcient ngatif).
Les courbes de niveau pour = 1 (gure 6.7, page suivante) et = 3 (gure 6.8, page 167)
sont ici appeles courbes dindiffrence ou courbes diso-utilit puisquelles caractrisent les
rentabilits attendues et les volatilits des portefeuilles qui atteignent, pour linvestisseur
considr, un niveau x dutilit attendue.
Figure 6.6
2
4
6
8
k=1
k=2
k=3
y
0 2 4 6 8 10
x
Figure 6.7
k=0,3
k=0,2
k=0,1
0,1 0,2 0,3 0,4 0,5
0
0,1
0,2
0,3
0,4
0,5
La notion de limite pour une fonction de plusieurs variables gnralise naturellement
la notion correspondante dans le cas des fonctions dune seule variable. Toutefois, un
nouvel lment entre en jeu : les limites unilatrales perdent leur sens et sont remplaces
par les nombreuses limites directionnelles possibles. En effet, ds que le domaine se situe
dans un espace deux dimensions au moins, les chemins qui mnent un point donn
6
Chapitre
Figure 6.8
k=0,3
k=0,2
k=0,1
0,1 0,2 0,3 0,4 0,5
0
0,1
0,2
0,3
0,4
0,5
peuvent suivre divers axes. Ainsi, lensemble D
des points en lesquels une limite peut tre

considre, doit tre dni en tenant compte de toutes les possibilits daccs. Une faon
commode de procder sappuie sur la notion de boule ouverte dans R
n
(voir le chapitre 1)
qui gnralise celle dintervalle ouvert dans R.
n
. Le domaine dexamen des limites est
donn par :
D
=
_
x R
n
: > 0 tel que B(x, ) \{x} D
_
.
J
La notionde limite , sans autre qualication, se substitue donc celle de limite bilatrale
pour les fonctions dune seule variable relle. Elle est dnie comme suit.
n
, a D
et b R.
lim
xa
f (x) = b si : > 0, > 0 tel que :
x B(a, )\{a}
x D
_
f (x) b
< .
J
Lorsquelle existe, cette limite est unique. Les valeurs de la fonction tendent vers le
nombre b, quel que soit le chemin emprunt par la variable x (de dimension n) pour
approcher le point a.
Par dnition, les points de D
peuvent tre atteints par tout chemin dans une boule

ouverte. Onpeut gnraliser ladnitionprcdente lensemble moins restrictif, not D
B
,
des points qui peuvent tre atteints par au moins un chemin dans D. Par exemple, pour
le domaine D R
2
reprsent par la gure 6.9, page suivante, a D
tandis que
b, c / D
. Pourtant, loppos de c, le point b est laboutissement de certains chemins

dans D. Pour prendre en compte ce type de situation, on dnit la limite le long dune
courbe.
Domaine, image et limites 167
Figure 6.9
a
b
c
D
y
x
n
, b R, et C une courbe dans D menant
a D
B
.
lim
xa
xC
f (x) = b si > 0, > 0 tel que :
x C\{a}
x B(a, )
_
f (x) b
< .
J
De faon vidente, lorsque a D
et lim
xa
f (x) = b, toutes les limites le long de courbes
sont gales b. En pratique, on peut dmontrer la non-existence dune limite en exhibant
des valeurs distinctes obtenues le long de deux chemins particuliers.
Lextension aux limites innies et les proprits (somme, produit, pincement, etc.) vues au
chapitre 3 se transposent de faon immdiate au cas des fonctions de plusieurs variables.
Pour viter les redondances, nous ne les nonons pas ici.
En pratique, lorsque n = 2, il est souvent utile de passer aux coordonnes polaires pour
ramener le calcul de la limite dune fonction de deux variables celui de la limite dune
fonction dune seule variable. En effet, tout point (x, y) de R
2
peut tre reprsent par
ses coordonnes polaires centres autour du point a = (a
1
, a
2
) vers lequel il est appel
tendre (voir gure 6.10) :
_
x = a
1
+ cos
y = a
2
+ sin
.
Figure 6.10
y
x a
1
a
a
2
Dans cette criture, reprsente la distance entre a et x de sorte que
lim
(x,y)(a
1
,a
2
)
f (x, y) = lim
o
f (a
1
+ cos , a
2
+ sin ).
Exemple
Montrons de deux manires que lim
(x,y)(0,0)
x
2
y
2
x
2
+y
2
nexiste pas. La premire rsulte directement
de la dnition. En effet, le long de laxe horizontal X y = 0, on a :
lim
(x,y)(0,0)
(x,y)X
f (x, y) = lim
x0
f (x, 0) = lim
x0
x
2
x
2
= 1
tandis que, le long de laxe vertical Y x = 0, on a :
lim
(x,y)(0,0)
(x,y)Y
f (x, y) = lim
y0
f (0, y) = lim
y0
y
2
y
2
= 1 = 1
de sorte que les deux limites ne concident pas.
La seconde manire est base sur les coordonnes polaires. En posant :
_
x = cos
y = sin
, on a :
lim
(x,y)(0,0)
f (x, y) = lim
0
f ( cos , sin) = lim
0
2
cos
2

2
sin
2
2
cos
2
+
2
sin
2
= lim
0
2
_
cos
2
sin
2
2
_
cos
2
+sin
2
_ = cos(2).
Le rsultat varie selon la direction , donc lim
(x,y)(0,0)
f (x, y) nexiste pas.
2 Continuit
La dnition adopte pour la continuit sapplique tous les points de D auxquels mne
au moins un chemin dans D (les points de D
B
D), mme les bords du domaine. Elle
quivaut imposer que tous les chemins conduisent la mme limite f (a).
Dnitions Soit f : D R, o D R
n
.
f est continue en a D
B
D si :
> 0, > 0, x D : d (a, x) <
f (x) f (a)
< .
f est continue dans D si a D
B
D : f est continue en a.
J
Cas particulier f est continue en a D
D si lim
xa
f (x) = f (a).
Donc, pour les lments de D
D , cette dnition sexprime laide de la limite

usuelle.
J
Les fonctions continues de plusieurs variables jouissent des mmes proprits que les
fonctions continues dune seule variable. Les fonctions lmentaires telles que les poly-
nmes, les fonctions exponentielles, logarithmiques et trigonomtriques sont continues
dans leurs domaines de dnition respectifs. La continuit des autres fonctions stablit,
le cas chant, en tant que somme, produit, compose, etc., de fonctions continues.
Continuit 169
Exemples
1. f (x, y) = x
2
+y
2
xy +y est continue dans R
2
(polynme du second degr deux variables).
2. f (x, y, z) = e
y
+xy
2
z est continue dans R
3
(somme dune exponentielle et dun polynme).
3. f (x, y) = ln
_
x +y
2
_
3 est continue dans D =
__
x, y
_
R
2
: x +y
2
> 0
_
comme somme du
logarithme dun polynme (fonction compose) et dune constante.
3 Drives partielles et lasticits
Lunique drive dune fonction dune variable, lorsquelle existe, est lie aux variations
de la fonction tandis que la variable parcourt laxe des abscisses. Pour une fonction
f : R
2
R, dont le graphe est une surface de R
3
, la situation est trs diffrente. En effet,
laxe rel noffre que deux types de mouvements possibles : de gauche droite et de droite
gauche tandis que le plan R
2
possde une innit de directions.
Or, il peut savrer intressant dtudier comment une fonction f : R
2
R volue
lorsque la variable suit lune ou lautre direction du plan. cet gard, considrons dabord
la direction horizontale. Prenons le point a = (a
1
, a
2
) du domaine de f (gure 6.11). Son
image est f (a) R et le graphe de la fonction, qui est la surface dquation z = f
_
x, y
_
de R
3
(gure 6.12, page ci-contre), comporte le point
_
a
1
, a
2
, f (a)
_
. Lintersection du
graphe de f avec le plan vertical y = a
2
est la courbe dquation z = f (x, a
2
) de R
3
.
Figure 6.11
a
a
1
x
y
a
2
D
S
2
y=a
2
Le point a = (a
1
, a
2
) tant x, on peut alors interprter cette courbe comme le graphe
de la fonction g dune seule variable dnie par g(x) = f (x, a
2
). Si g est drivable en a
1
,
alors sa drive nous renseigne sur la variation de la fonction f lorsque
_
x, y
_
se dplace
le long de la droite horizontale de R
2
passant par le point (a
1
, a
2
), reprsente par S
2
sur
les gures 6.11 et 6.12, page ci-contre.
Par dnition de la drive dune fonction dune variable, il vient :
g
(a
1
) = lim
x0
g(a
1
+x) g(a
1
)
x
= lim
x0
f (a
1
+x, a
2
) f (a
1
, a
2
)
x

Si elle existe, cette drive sappelle la drive partielle de f par rapport x au point
a = (a
1
, a
2
), et se note
f
x
(a
1
, a
2
). De faon similaire, on dnit la drive partielle
par rapport y obtenue en xant x = a
1
. La dnition gnrale des drives partielles
sapplique toute fonction de n variables.
6
Chapitre
Figure 6.12
f ( a)
z = g( x)
( a
1
, a
2
, f ( a) )
z
y
x
a
1
a
2
D
a
S
2
G
f
Dnitions La fonction f : D R, o D R
n
, est drivable partiellement par
rapport sa i-me variable en a = (a
1
, . . . ,a
n
) D
D si
lim
x
i
0
f (a
1
, . . . ,a
i
+x
i
, . . . ,a
n
) f (a)
x
i
existe dans R.
Lorsquelle existe, cette limite est appele drive partielle de f par rapport sa
i-me variable en a et est note
f
x
i
(a) ou f
i
(a).
La fonction est drivable en a si elle est drivable partiellement par rapport toutes
ses variables en ce point.
J
En pratique, pour calculer la drive partielle
f
x
i
, on drive f comme si elle tait une
fonction de la seule variable x
i
et que toutes les autres variables, x
j
, o j = i, taient des
constantes.
Les drives partielles jouissent des mmes proprits que les drives de fonctions dune
seule variable. En particulier, les fonctions lmentaires telles que les polynmes, les
fonctions exponentielles, logarithmiques et trigonomtriques sont drivables dans leur
domaine respectif. La drivabilit (partielle) des autres fonctions stablit, le cas chant, en
tant que somme, produit, compose, etc., de fonctions drivables. Les rgles de drivation
sont galement similaires, lexception de celle relative la drivation des fonctions
composes. Eneffet, lorsque n > 1, il est impossible de raliser un produit de composition
entre deux fonctions de R
n
R. ce sujet, la rgle de drivation en chane sera expose
dans un cadre plus gnral, dans la section 4.3.
Drives partielles et lasticits 171
Exemples
1. Toute fonction polynme est drivable dans son domaine. Considrons, par exemple, la
fonction f (x, y) = x
3
+x
2
y
3
2y
2
, dnie et drivable dans R
2
. Ses deux drives partielles
au point (2,1) sont obtenues en deux tapes. On calcule dabord les drives partielles en
_
x, y
_
R
2
grce aux rgles de drivation des fonctions dune variable (en considrant,
chaque fois, lautre variable comme une constante) :
f
x
(x, y) = 3x
2
+ 2xy
3
et
f
y
(x, y) =
3x
2
y
2
4y. On value ensuite ces deux fonctions au point considr :
f
x
(2, 1) = 16 et
f
y
(2, 1) = 8.
2. f
_
x, y
_
=
_
_
_
x
2
y
2
x
4
+y
4
si
_
x, y
_
= (0,0)
0 si
_
x, y
_
= (0, 0)
. Dans louvert R
2
\ {(0, 0)}, f est drivable en tant que
quotient de fonctions drivables (polynmes) dnominateur non nul. Il convient cependant
dtudier la drivabilit en (0,0), donc lexistence des deux drives partielles en ce point.
On a :
lim
x0
f (x, 0) f (0, 0)
x
= lim
x0
0 0
x
= 0 et lim
y0
f
_
0, y
_
f (0, 0)
y
= lim
y0
0 0
y
= 0
La fonction f est donc drivable en (0, 0) et
f
x
(0,0) =
f
y
(0,0) = 0. En conclusion, f est
drivable dans R
2
.
La proprit selon laquelle la drivabilit dune fonction dune variable en un point
implique la continuit en ce point ne se gnralise pas plus dune variable. Lexemple 2
ci-dessus peut servir de contre-exemple :
f
_
x, y
_
=
_
_
_
x
2
y
2
x
4
+y
4
si
_
x, y
_
= (0, 0)
0 si
_
x, y
_
= (0,0)
est drivable mais pas continue en (0,0). En
effet, la limite de f le long de la bissectrice dquation x = y fait apparatre que :
lim
(x,y)(0,0)
x=y
f (x, y) = lim
(x,y)(0,0)
x=y
x
2
x
2
x
4
+x
4
= lim
(x,y)(0,0)
x=y
1
2
=
1
2
= f (0,0) = 0.
Les directions correspondant aux drives partielles sont celles des axes. Dautres dri-
ves directionnelles sont aussi envisageables, quoique nettement moins utiles dans les
applications en gestion. Nous en citons simplement la dnition.
Dnition La fonction f : D R, o D R
n
, est drivable en
a = (a
1
, . . . ,a
n
) D
D dans la direction indique par le vecteur u R

n
si
lim
0
f (a +u) f (a)
existe dans R.
J
6
Chapitre
Alors que les drives partielles sinterprtent en termes de variations de la fonction en
niveau, les lasticits se rfrent aux variations relatives (souvent exprimes en %). En
pratique, les lasticits jouent un rle important en tant que mesure de la sensibilit
vis--vis de divers paramtres (lasticit des courbes doffre et de demande vis--vis des
prix, duration dune obligation, etc.).
n
, drivable partiellement par rapport
sa i-me variable en a = (a
1
, . . . ,a
n
) D
D telle que a
i
= 0 et f (a) = 0.
Llasticit de f par rapport sa i-me variable en a, est donne par :
E
i
f
(a) = lim
x
i
0
f (a
1
, . . . ,a
i
+x
i
, . . . ,a
n
) f (a)
f (a)
x
i
a
i
J
Au plan mathmatique cependant, les proprits des lasticits dcoulent directement de
celles des drives partielles, en vertu du rsultat suivant :
Proprit E
i
f
(a) =
a
i
f (a)
.
f
x
i
(a).
J
Exemple
f :
_
R
+
0
_
n
R : (x
1
, x
2
, . . . ,x
n
) x
1
1
.x
2
2
. . . . x
n
n
(
1
,
2
, . . . ,
n
> 0) est drivable dans
_
R
+
0
_
n
.
Grce aux rgles de drivation, on obtient :
E
i
f
(x) =
x
i
f (x)
.f
i
(x) =
x
i
x
1
1
.x
2
2
. . . . x
n
n
i
x
1
1
.x
2
2
. . . . x
i
1
i
. . . x
n
n
=
i
.
En consquence, toutes les fonctions de Cobb-Douglas bncient dlasticits constantes, ce
qui contribue expliquer lattrait quelles reprsentent pour le modlisateur.
4 Diffrentiabilit et (hyper)plan tangent
4.1 DIFFRENTIABILIT DES FONCTIONS DUNE SEULE VARIABLE
Quel que soit le nombre de variables en prsence, la diffrentiabilit dune fonction f en
un point a correspond lexistence dune approximation linaire de la fonction au voisinage
du point
_
a, f (a)
_
du graphe de la fonction.
Pour les fonctions dune seule variable, cette approximation linaire est fournie par la
droite tangente dquation y = f (a) +f
(a)(x a), impliquant directement lquivalence

entre la drivabilit et la diffrentiabilit. Il ntait donc pas ncessaire dajouter une
dnition. Cependant, la notion de diffrentielle des fonctions dune seule variable est
aborde ici parce quelle permet de mieux apprhender la diffrentielle des fonctions de
plusieurs variables.
Dnition Soit f : D R : x f (x), o D R, et un point a en lequel f
est drivable. La diffrentielle de f au point a est la fonction linaire df
a
: R R :
x f
(a)x (o x = x a).
J
Diffrentiabilit et (hyper)plan tangent 173
Le point a tant x, la diffrentielle est une fonction de laccroissement x de la variable.
Elle constitue une approximationlinaire (formule de Taylor lordre 1) de laccroissement
de la fonction f = f (x) f (a) au voisinage du point a, de sorte quon crit, de faon
condense : df
a

= f .
Pour la fonction identit, I : R R : x x, on a : a R : I
(a) = 1. En consquence,
sa diffrentielle, note dx , est telle que : a R : dI
a
= dx = x. On substitue
alors volontiers dx x dans lcriture de la diffrentielle dune fonction quelconque
(mais videmment diffrentiable en a) pour obtenir lexpression df
a
= f
(a)dx, ou mme
df = f
(a)dx.
Le cas simple des fonctions dune seule variable illustre que la matrise des concepts
de diffrentiabilit et de diffrentielle passe invitablement par la comprhension des
notations, varies et souvent abrges, qui les concernent.
4.2 DIFFRENTIABILIT DES FONCTIONS DE n VARIABLES
Dans le cas des fonctions de deux variables et plus, lquivalence disparat entre lexis-
tence des drives partielles, dune part, et celle dun plan tangent
(1)
, dautre part. Cela
provient du fait que la drivabilit repose seulement sur des limites le long de directions
particulires. La drivabilit apparat donc comme un concept trop faible pour garantir
lexistence dun plan tangent. La notion de diffrentiabilit va combler ce dcit.
Pour les fonctions de deux variables, lintuition gomtrique peut encore servir de guide.
Ainsi, si la fonction f est drivable en a = (a
1
, a
2
), on peut afrmer lexistence de
deux droites tangentes, chacune par rapport la trace verticale du graphe dans un plan
dquation x
i
= a
i
(i = 1, 2). Dans le meilleur des cas, ces deux droites, ncessairement
concourantes en
_
a, f (a)
_
, forment un plan qui est tangent au graphe. Toutefois, cer-
taines irrgularits peuvent surgir (par exemple, la prsence dune discontinuit en a)
qui excluent lexistence dun plan tangent. Dans pareil cas, les deux droites existent et
dnissent un plan qui nest pas un plan tangent, parce quun tel plan nexiste pas. Ces
deux droites dterminent donc un candidat plan tangent , dont lexistence doit encore
tre vrie.
Plus gnralement, la diffrentiabilit dune fonction de n variables, drivable au point a,
studie en deux tapes. La premire consiste introduire la candidate diffrentielle .
La seconde teste si cette candidate constitue effectivement une approximation locale de
laccroissement de la fonction. Les dnitions suivantes prcisent ces notions.
n
, drivable en a D
D. La fonction
linaire suivante est appele candidate diffrentielle au point a :
cdf
a
: R
n
R : x = (x
1
, . . . , x
n
)
n
i=1
f
x
i
(a)x
i
=
n
i=1
f
x
i
(a)dx
i
.
J
La notion de diffrentiabilit impose que la candidate diffrentielle reprsente une
approximation du premier ordre de f = f (x) f (a) au voisinage du point a et
transforme donc la candidate en diffrentielle avre.
1. Il sagit en fait dun plan tangent pour n = 2, dun hyperplan tangent pour n > 2. Dans un espace de
dimension n, un hyperplan est une varit linaire de dimension n 1.
6
Chapitre
Dnition La fonction f : D R, o D R
n
, est diffrentiable en a D
D
sil existe une fonction linaire df
a
: R
n
R telle que :
lim
xa
f (x) f (a) df
a
(x a)
x a
= 0, o x a = d (x, a) =
_
n
i=1
(x
i
a
i
)
2
.
J
Lorsquelle existe, la fonction linaire df
a
est unique et donne par la candidate diff-
rentielle : df
a
=
n
i=1
f
x
i
(a)dx
i
, ou sous forme matricielle par : df
a
= f (a).dx, o la
matrice-ligne f (a) =
_
f
x
1
(a) . . .
f
x
n
(a)
_
est le gradient de f en a et dx =
_
_
_
_
dx
1
.
.
.
dx
n
_
_
_
_
.
Dans le cas contraire, la fonction nest pas diffrentiable au point a.
Remarque
Le gradient est aussi reprsent sous la forme dun vecteur de R
n
:
_
Grad f
_
(a) =
_
f
x
1
(a), . . . ,
f
x
n
(a)
_
.
Exemple
f (x, y) = x
2
+y
2
est drivable dans R
2
et on a : a = (a
1
, a
2
) R
2
:
f
x
(a) = 2a
1
,
f
y
(a) = 2a
2
.
La candidate diffrentielle en a scrit donc : cdf
a
= 2a
1
dx +2a
2
dy.
An de voir si cette candidate est effectivement une diffrentielle, on calcule :
lim
(x,y)a
f (x, y) f (a) df
a
(x a
1
, y a
2
)
_
(x a
1
)
2
+
_
y a
2
_
2
= lim
(x,y)a
x
2
+y
2
a
2
1
a
2
2
2a
1
(x a
1
) 2a
2
(y a
2
)
_
(x a
1
)
2
+
_
y a
2
_
2
= lim
(x,y)a
(x a
1
)
2
+(y a
2
)
2
_
(x a
1
)
2
+
_
y a
2
_
2
= lim
(x,y)a
_
(x a
1
)
2
+
_
y a
2
_
2
= 0.
En consquence, la fonction f est diffrentiable dans R
2
et (a
1
, a
2
) R
2
: df
a
= 2a
1
dx +2a
2
dy.
Notons que les fonctions lmentaires telles que les polynmes (voir lexemple ci-dessus),
les fonctions exponentielles, logarithmiques et trigonomtriques sont automatiquement
diffrentiables dans leur domaine respectif et que les proprits de diffrentiabilit relatives
aux sommes, produits, etc., existent.
lapproche analytique, correspond la vision gomtrique dun hyperplan tangent. En
effet, lorsque f est diffrentiable en a, on peut, dans un voisinage de a, approcher f =
f (a + x) f (a) par df
a
(x), donc aussi approcher f (a + x) par f (a) + df
a
(x) :
f (a +x)

= f (a) +df
a
(x) (approximation locale linaire ou du premier ordre).
Dans le cas dune fonction de deux variables, la gure 6.13, page suivante, montre le plan
tangent
a
z = f (a)+df
a
(x, y) au voisinage du point
_
a
1
, a
2
, f (a)
_
. Cette quation
scrit aussi :
a
z = f (a) +
f
x
(a)(x a
1
) +
f
y
(a)(y a
2
).
La diffrentiabilit est une notion plus forte que la continuit et que la drivabilit.
Figure 6.13
a
a
y
x
z
(a
1
,a
2
,f(a))
Proprits Soit f : D R, o D R
n
et a D D
.
f est diffrentiable en a f est drivable en a
f est diffrentiable en a f est continue en a.
J
Les rciproques sont fausses. Ces proprits sont souvent utiles pour montrer quune
fonction nest pas diffrentiable en un point donn.
Exemples
1. f (x, y) =
_
_
_
xy
2
x
2
+y
4
si
_
x, y
_
= (0, 0)
0 si
_
x, y
_
= (0, 0)
est non continue en (0,0) puisque lim
y0
f (y
2
, y) =
1
2
= 0. Elle nest donc pas diffrentiable en (0,0).
2. f (x, y) = |x| +
est non drivable en (0,0), donc non diffrentiable en (0,0).

4.3 LA RGLE DE DRIVATION EN CHANE (chain rule)
Dans certaines applications, on est amen considrer des fonctions de D R
m
, o
D R
n
, qui peuvent tre vues comme des empilements de fonctions de D R :
f : D R
m
: x f (x) =
_
f
1
(x), . . . , f
m
(x)
_
R
m
.
De telles fonctions studient comme sil sagissait de m fonctions de D R. En ce qui
concerne la diffrentiabilit, on adopte les dnitions suivantes :
6
Chapitre
Dnitions Soit f : D R
m
: x f (x) =
_
f
1
(x), . . . , f
m
(x)
_
R
m
, o
D R
n
, et a D D
.
f est diffrentiable en a si chacune de ses composantes f
i
est diffrentiable en a.
Dans ce cas, la diffrentielle scrit comme un vecteur colonne df
a
=
_
_
_
_
df
1,a
.
.
.
df
m,a
_
_
_
_
.
Lempilement des vecteurs gradients constitue une matrice, de taille mn, appele
matrice jacobienne de f en a ou jacobien de f en a :
J
f
(a) =
_
_
_
_
f
1
(a)
.
.
.
f
m
(a)
_
_
_
_
=
_
_
_
_
_
_
f
1
x
1
(a)
f
1
x
n
(a)
.
.
.
.
.
.
f
m
x
1
(a)
f
m
x
n
(a)
_
_
_
_
_
_
mn
.
J
Exemple
f : R
3
R
4
: (x, y, z)
_
xyz, x
2
+ y
2
, e
xy+z
, sin(yz)
_
est diffrentiable dans R
3
(ses quatre
composantes le sont) et J
f
(x, y, z) =
_
_
_
_
_
yz xz xy
2x 2y 0
ye
xy+z
xe
xy+z
e
xy+z
0 z cos(yz) y cos(yz)
_
_
_
_
_
.
Une des proprits les plus usites dans la pratique, la rgle de drivation en chane ou
chain rule, est relative aux drives partielles des fonctions composes.
Rgle de drivation en chane (chain rule) Soit f : R
n
R
m
: x
f (x) =
_
f
1
(x), . . . , f
m
(x)
_
et g : R
m
R
p
: y g(y) =
_
g
1
(y), . . . , g
p
(y)
_
.
Si f est diffrentiable en a et si g est diffrentiable en f (a) alors g f est diffrentiable
en a et la matrice jacobienne de g f en a est donne par : J
gf
(a) = J
g
_
f (a)
_
.J
f
(a),
ou encore,
(g f )
i
x
j
(a) =
m
k=1
g
i
y
k
_
f (a)
_
f
k
x
j
(a).
J
En pratique, le cas particulier o g : R
m
R (p = 1) est souvent utilis :
g
_
f
1
(x), . . . , f
m
(x)
_
x
j
(a)
=
g
y
1
_
f (a)
_
f
1
x
j
(a) +
g
y
2
_
f (a)
_
f
2
x
j
(a) + +
g
y
m
_
f (a)
_
f
m
x
j
(a).
Exemple
Le consommateur dont la fonction dutilit est donne par U(x, y) est soumis la contrainte de
budget p
x
x + p
y
y = R
_
p
x
, p
y
, R > 0
_
, o p
x
et p
y
sont les prix des deux biens et R le montant
dvolu lachat des ces deux biens. La quantit consomme du second bien devient ainsi
fonction de celle du premier : y = f (x), o f (x) =
R p
x
x
p
y
, de sorte que, sous la contrainte
de budget, la fonction dutilit peut tre exprime sous la forme dune fonction dune seule
variable : V(x) = U
_
x, f (x)
_
, qui est la compose de la fonction de R R
2
: x
_
x, f (x)
_
et
de la fonction U : R
2
R :
_
x, y
_
U
_
x, y
_
. Grce la chain rule, on a :
V
(x) =
dV
dx
=
U
x
+
U
y
f
(x) =
U
x

U
y
p
x
p
y
La diffrentielle, donne par dV =

_
U
x

U
y
p
x
p
y
_
dx, reprsente lapproximation linaire de
la variation de lutilit due la variation dx de la quantit consomme du premier bien, tenant
compte de leffet sur la quantit du second, via la contrainte de budget.
5 Fonctions homognes
Les fonctions homognes apparaissent dans plusieurs problmes conomiques : les fonc-
tions de production de Cobb-Douglas, par exemple, sont homognes.
Dnition f : R
n
R : x f (x) est dite homogne de degr k si :
x R
n
, > 0 : f (x) =
k
f (x).
J
Les fonctions homognes bncient de la proprit suivante qui dcoule de la chain rule.
Formule dEuler Si f : R
n
R : x f (x) est homogne de degr k et
diffrentiable dans R
n
, alors :
x R
n
:
n
i=1
x
i
f
x
i
(x) = k f (x).
J
Exemple
La fonction de production de Cobb-Douglas rendements constants f (x, y) = x
.y
1
, o R
+
0
,
est homogne de degr 1 puisque f (x, y) = (x)
_
y
_
1
= f (x, y). Dans ce cas, la formule
dEuler scrit : x
f
x
(x, y) +y
f
y
(x, y) = f (x, y). Le rsultat f (x, y) de la production obtenue avec
les quantits respectives x et y de facteurs permet donc de rmunrer ces facteurs au niveau de
leur productivit marginale.
6 Drives partielles dordres suprieurs
et matrice hessienne
Chacune des drives partielles secondes

2
f
x
i
x
j
sobtient en calculant la drive partielle
par rapport x
i
de la fonction
f
x
j
, sous rserve dexistence. On peut, de la mme faon,
introduire les drives partielles dordres suprieurs. Les dnitions suivantes snoncent
dans des ensembles ouverts pour viter les problmes lis au calcul de limites au bord du
domaine.
6
Chapitre
Dnition f : D R, o D est un ouvert de R
n
, est de classe C
k
(k N
0
) dans
D (on note : f C
k
(D)), si f est k fois drivable dans D et si ses drives partielles
dordres 1 k sont continues dans D.
J
Proprit Si f : D R, o D est un ouvert de R
n
, alors : f C
1
(D) f est
diffrentiable dans D.
J
Sur base de cette proprit, on dit volontiers dune fonction de classe C
1
quelle est
continment diffrentiable. En adoptant la notation C
0
(D) pour lensemble des fonctions
continues dans D, on obtient les inclusions videntes : C
0
(D) C
1
(D) C
2
(D)
C
k
(D).
Exemple
f (x, y) = x
2
y + xy
3
est un polynme dni dans R
2
. Ses drives partielles de tout ordre sont
galement des polynmes et sont donc toutes continues. Donc : k N : f C
k
(R
2
).
Dnition Soit f : D R, o D est un ouvert de R
n
, deux fois drivable en
a D. La matrice de taille n n forme des drives secondes de f en a, note
H
f
(a), est appele matrice hessienne de f en a :
H
f
(a) =
_

2
f
x
i
x
j
(a)
_
nn
=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
2
f
x
2
1
(a)
2
f
x
1
x
2
(a) . . .
2
f
x
1
x
n
(a)
2
f
x
2
x
1
(a)
2
f
x
2
2
(a) . . .
2
f
x
2
x
n
(a)
.
.
.
.
.
.
.
.
.
.
.
.
2
f
x
n
x
1
(a)
2
f
x
n
x
2
(a) . . .
2
f
x
2
n
(a)
_
_
_
_
_
_
_
_
_
_
_
_
_
_
.
J
Exemple
La matrice hessienne de la fonction f (x, y) = x
2
y +xy
3
de lexemple prcdent est donne par :
H
f
(x, y) =
_
_
_
_
_
2
f
x
2
(x, y)
2
f
xy
(x, y)
2
f
yx
(x, y)
2
f
y
2
(x, y)
_
_
_
_
_
=
_
2y 2x +3y
2
2x +3y
2
6xy
_
.
Dans cet exemple, on remarque que la matrice H
f
(x, y) est symtrique du fait que les drives
secondes mixtes,

2
f
xy
et

2
f
yx
, sont gales. Le thorme suivant garantit cette galit sous des
conditions lgres.
Thorme de Schwarz Si f C
2
(D), o D est un ouvert de R
n
, alors
x D : H
f
(x) = H
f
(x), o H
f
(x) dsigne la matrice transpose de H
f
(x).
J
Comme la drive seconde pour les fonctions dune seule variable, la matrice hessienne
permet dtudier la convexit des fonctions de plusieurs variables et joue, ds lors, un rle
important dans leur optimisation (voir le chapitre 7).
7 Fonctions concaves et convexes
Les dnitions, vues dans le chapitre 3 pour les fonctions dune variable, se gnralisent
de la faon suivante.
Dnitions Soit f : D R : x f (x), o D est un sous-ensemble convexe
de R
n
.
f est concave (resp. convexe) dans D si :
a, b D, t [0, 1] : f
_
(1 t)a +tb
_
( resp. )(1 t)f (a) +tf (b).
f est dite strictement concave (resp. strictement convexe) si :
a, b D, t (0, 1) : f
_
(1 t)a +tb
_
> ( resp. <)(1 t)f (a) +tf (b).
J
Exemple
La gure 6.14 donne le graphe de la fonction f : R
2
R :
_
x, y
_
x
2
+y
2
, convexe dans R
2
.
Figure 6.14
(1-t)a+tb
(1-t)f(a)+tf(b)
f((1-t)a+tb)
a
b
f(a)
f(b)
Comme pour les fonctions dune variable, la concavit et la convexit des fonctions de n
variables sufsamment rgulires peuvent tre caractrises laide des drives dordres 1
ou 2.
6
Chapitre
Proprits Si f : D R : x f (x), o D est un ouvert convexe de R
n
, est
diffrentiable dans D, alors :
f est concave dans D x, y D : f (y) f (x) +f (x)(y x).
f est convexe dans D x, y D : f (y) f (x) +f (x)(y x).
Si, en outre, f C
2
(D), alors :
f est concave dans D x D : H
f
(x) est semi-dnie ngative.
f est convexe dans D x D : H
f
(x) est semi-dnie positive.
J
Les deux premiers noncs expriment que tout plan tangent au graphe dune fonction
concave (resp. convexe) se trouve au-dessus (resp. au-dessous) de ce graphe. Les deux
derniers, relatifs la matrice hessienne, rappellent celui qui fait rfrence au signe de la
drive seconde dune fonction dune seule variable (voir chapitre 3, section 6.2). De la
mme manire, la condition stricte ne sapplique que dans un seul sens : si x D : H
f
(x)
est dnie ngative (resp. positive), alors f est strictement concave (resp. convexe) dans D.
Ds lors, une fonction peut tre strictement convexe sans que sa matrice hessienne soit
dnie positive en tout point.
Exemples
1. Soit f (x, y) = x
2
+y
2
. 0n a : f C
2
(R
2
) et (x, y) R
2
: H
f
(x, y) =
_
2 0
0 2
_
est diagonale,
sa double valeur propre 2 est strictement positive. Il sensuit que H
f
(x, y) est dnie positive.
La fonction est donc strictement convexe dans R
2
.
2. Soit f (x, y) = x
4
+ y
4
. 0n a : f C
2
(R
2
) et (x, y) R
2
: H
f
(x, y) =
_
12x
2
0
0 12y
2
_
est
diagonale, ses valeurs propres, 12x
2
et 12y
2
, sont 0 (strictement si x = 0 et y = 0).
Il sensuit que H
f
(x, y) est dnie positive pour (x, y) R
2
0
et semi-dnie positive pour
(x, y) R
2
\R
2
0
. On peut cependant montrer laide de la dnition que la fonction est
strictement convexe dans R
2
.
Fonctions concaves et convexes 181
Problmes
et exercices
La visualisation gomtrique des fonctions de deux variables (ou plus !)
constitue un d pour celui qui peine voir dans lespace. Les premiers
exercices visent accoutumer le lecteur cette correspondance entre
lquation du graphe et sa reprsentation, notamment laide de sections
planes qui constituent des tranches du graphe. Suivent des noncs
plus analytiques relatifs au calcul de limites, ltude de la continuit, la
drivabilit et la diffrentiabilit. Les fonctions homognes sont ensuite
illustres. Enn, la dtermination de matrices hessiennes et leur
interprtation en terme de concavit et convexit sont abordes. Dans ce
chapitre, compte tenu de la densit de la matire, nous avons opt pour
une inclusion thmatique des exercices appliqus la gestion.
Domaine, graphe et courbes de niveau
EXERCICE 1
nonc
Dans chaque cas, dterminez et reprsentez le domaine de dnition des fonctions
donnes.
a f (x, y) =
_
y +x
2
y

b f (x, y) =
lny
x y
c f (x, y) = ln
_
x +y
_
.
d f (x, y, z) =
ln(x
2
+1)
yz

Solution a D =
_
(x, y) R
2
: y x
2
et y > 0
_
=
_
(x, y) R
2
: 0 < y x
2
_
, reprsent par la
gure 6.15, page ci-contre.
b D =
_
(x, y) R
2
: x > y et y > 0
_
, reprsent par la gure 6.16, page ci-contre.
6
Chapitre
Figure 6.15
-2 -1 1 -2 -1 1 2
1
2
3
4
y
x
D
Figure 6.16
0,5 1 1,5 2
0,5
1
1,5
2
0,5 1 1,5 2
x
0,5
1
1,5
2
y
D
c D =
_
(x, y) R
2
: y > x
_
d D =
_
(x, y, z) R
3
: y = 0 et z = 0
_
EXERCICE 2
nonc
Dans chaque cas, dterminez les courbes de niveau des fonctions de deux variables
donnes. Esquissez ensuite leurs graphes, en recourant, si ncessaire, une mthode
numrique (le graphe peut tre vu comme un empilement de courbes de niveau qui
forment une surface dans R
3
).
a f (x, y) = x +y 1
b f (x, y) = e
(yx
2
)
c f (x, y) = y cos x
Solution a D = R
2
et Im
f
(R
2
) =
_
z R : z = x +y 1, o x, y R
_
= R. La courbe de niveau
k R est donne par lquation C
k
x + y 1 = k. Les courbes de niveau sont donc
des droites (gure 6.17, page suivante) et le graphe de f est un plan (gure 6.18, page
suivante).
Domaine, graphe et courbes de niveau 183
Figure 6.17
4
2
2
4
y
4 2 2 4
x
k = 1
k = 1
k = 3
Figure 6.18
4
2
2
4
6
8
10
z
G
f
y
x
2
4
6
2
2
4
6
b D = R
2
et f (R
2
) =
_
z R : z = e
(yx
2
)
, o x, y R
_
= R
+
0
. La courbe de niveau
k R
+
0
est donne par lquation C
k
e
(yx
2
)
= k, ou encore : C
k
y = x
2
+ lnk.
Les courbes de niveau sont donc des paraboles (gure 6.19, page ci-contre). Le graphe
de f est donn par la gure 6.20, page ci-contre. On observe notamment la croissance
exponentielle marque lorsque les valeurs prises par y sont grandes et celles prises par |x|
sont petites.
c D = R
2
et f (R
2
) =
_
z R : z = y cos x o x, y R
_
= R. La courbe de niveau k R
est donne par C
k
y = k + cos x (gure 6.21, page 186). Le graphe de f est esquiss
dans la gure 6.22, page 186.
6
Chapitre
Figure 6.19
1
1
2
3
4
y
x
k = 0,5
k = 1
k = 2
2 1 1 2
Figure 6.20
2
4
6
8
10
12
14
16
18
20
3
2
1
1
2
3
x
z
y
G
f
y
3
2
1
1
2
3
x
Figure 6.21
3
2
1
1
2
3
y
k = 1
k = 0
k = -1
3 2 1 1 2 3
x
Figure 6.22
4
2
2
4
z
G
f
3
2
1
1
2
3
3
2
1
1
2
3
x
Limites et continuit
EXERCICE 3
nonc
Donnez, dans chaque cas, les ensembles D et D
B
des fonctions dont on cherche les limites.
Ces limites existent-elles dans R?
a lim
(x,y)(1,1)
1
x y
b lim
(x,y)(0,0)
y
3
x
2
+y
2
c lim
(x,y)(0,0)
xy
x
2
+y
2
Solution a D =
_
(x, y) R
2
: x = y
_
, D
B
= R
2
. Cependant, la limite recherche nexiste pas dans
R puisque :
lim
(x,y)(1,1)
x=1,y<1
_
1
x y
_
= lim
y1
y<1
_
1
1 y
_
=
1
0
+
= +
et
lim
(x,y)(1,1)
x=1,y>1
_
1
x y
_
= lim
y1
y>1
_
1
1 y
_
=
1
0
= .
b D =
_
(x, y) R
2
: x
2
+y
2
= 0
_
= R
2
\ {(0, 0)}, D
B
= R
2
. La limite demande conduit
a priori une forme indtermine. En passant aux coordonnes polaires :
_
x = cos
y = sin
,
on obtient :
lim
(x,y)(0,0)
y
3
x
2
+y
2
= lim
0
3
sin
3
2
= lim
0
sin
3
.
Or 0
sin
3
et lim
0
= 0, do par le thorme de pincement :
lim
(x,y)(0,0)
y
3
x
2
+y
2
= lim
0
sin
3
= 0.
Remarque
on peut galement utiliser le thorme du pincement sans passer par les coordonnes polaires,
grce aux ingalits suivantes :
y = 0 : x
2
+y
2
y
2
0
y
3
x
2
+y
2
3
y
2
=
.
c D =
_
(x, y) R
2
: x
2
+y
2
= 0
_
= R
2
\ {(0, 0)}, D
B
= R
2
. Comme f (x, y) =
xy
x
2
+y
2
,
on a : f (x, x) =
x
2
x
2
+x
2
=
x
2
2x
2
=
1
2
, si x = 0, et f (x, 0) =
x.0
x
2
= 0, si x = 0. Do
lim
(x,y)(0,0)
x=y
f (x, y) =
1
2
et lim
(x,y)(0,0)
y=0
f (x, y) = 0 lim
(x,y)(0,0)
f (x, y) nexiste pas.
EXERCICE 4
nonc
Soit f : R
2
\ {(0,0)} R :
_
x, y
_

6x
2
y
x
2
+y
2
. Montrez que lim
(x,y)(0,0)
f
_
x, y
_
= 0 de trois
faons.
a Daprs la dnition.
b Daprs le thorme de pincement.
c En utilisant les coordonnes polaires.
Limites et continuit 187
Solution
a Soit > 0. Il faut trouver > 0 tel que : 0 <
_
x
2
+y
2
<
6x
2
y
x
2
+y
2
0
< .
Comme
_
x, y
_
= (0, 0) : x
2
+y
2
x
2
6x
2
y
x
2
+y
2
0
6x
2
x
2
= 6
6
_
x
2
+y
2
.
Si on choisit =

6
: 0 <
_
x
2
+y
2
<
6x
2
y
x
2
+y
2
0
6
_
x
2
+y
2
< 6 = .
b
_
x, y
_
= (0,0) : 0
6x
2
y
x
2
+y
2
et lim
(x,y)(0,0)
6
= 0 entranent le rsultat.
c Posons
_
x = cos
y = sin
. On obtient :
lim
(x,y)(0,0)
6x
2
y
x
2
+y
2
= lim
0
6
3
cos
2
sin
2
= lim
0
_
6 cos
2
sin
_
.
Or, 0
6 cos
2
sin
6 et lim
0
6 = 0, do le rsultat par pincement.
EXERCICE 5
nonc
Dans chaque cas, tudiez la continuit des fonctions donnes.
a f (x, y) =
_
_
_
x
4
+y
4
x
2
+y
2
si
_
x, y
_
= (0,0)
0 si
_
x, y
_
= (0,0)
.
b f (x, y) =
_
_
_
x
2
y
2
x
2
+y
2
si
_
x, y
_
= (0,0)
0 si
_
x, y
_
= (0,0)
.
c g(x, y) =
_
_
x
2
(y 1)
2
x
2
+
_
y 1
_
2
si
_
x, y
_
= (0, 1)
0 si
_
x, y
_
= (0, 1)
.
d f (x, y) =
_
_
_
sin
_
x
2
+y
2
_
x
2
+y
2
si
_
x, y
_
= (0,0)
1 si
_
x, y
_
= (0,0)
.
e f (x, y) =
_
_
_
e
x
x 1
x
2
si x = 0
y si x = 0
.
f f (x, y) =
_
x y
2
si x y
2
0 si x < y
2
.
Solution a Dans R
2
\ {(0,0)}, f est continue comme quotient de fonctions continues (polynmes)
dnominateur non nul. En (0, 0), en passant aux coordonnes polaires
_
x = cos
y = sin
,
6
Chapitre
on obtient :
lim
(x,y)(0,0)
x
4
+y
4
x
2
+y
2
= lim
0
4
_
cos
4
+sin
4
2
= lim
0
2
_
cos
4
+sin
4
_
= 0 = f (0, 0) .
La fonction f est donc continue en (0,0) et DC = R
2
.
b Dans R
2
\ {(0,0)}, f (x, y) =
x
2
y
2
x
2
+y
2
est continue comme quotient de fonctions continues
dnominateur non nul. Toutefois, f nest pas continue en (0,0) car la limite nexiste pas :
lim
(x,y)(0,0)
y=0
f (x, y) = lim
x0
x
2
x
2
= 1 et lim
(x,y)(0,0)
x=0
f (x, y) = lim
y0
y
2
y
2
= 1 = 1.
En conclusion : DC = R
2
\ {(0,0)}.
c On peut crire g(x, y) = f (x, y 1), o f est la fonction tudie dans lexercice prcdent
(g est la compose dun polynme et de la fonction f ). Comme (x, y 1) = (0, 0)
(x, y) = (0, 1), on obtient : DC = R
2
\ {(0, 1)}.
d Dans R
2
, la fonction sin
_
x
2
+y
2
_
est continue en tant que compose de fonctions
continues et, dans R
2
\ {(0, 0)}, f est continue comme quotient de fonctions continues
dnominateur non nul. En (0, 0), on a, par passage aux coordonnes polaires :
lim
(x,y)(0,0)
f
_
x, y
_
= lim
(x,y)(0,0)
sin
_
x
2
+y
2
_
x
2
+y
2
= lim
0
sin
2
2

Lindtermination rsultante peut tre leve par la rgle de lHospital :
lim
0
sin
2
2
= lim
0
2 cos
2
2
= lim
0
cos
2
= 1 = f (0, 0)
et f est continue en (0,0).
Finalement : DC = R
2
.
Remarque
le rsultat : lim
0
sin
2
2
= 1 peut aussi tre dduit de la formule lim
x0
sinx
x
= 1, tablie dans le
chapitre 3 (exercice 8), et la proprit relative la limite dune fonction compose.
e Dans R
2
\
_
(x, y) : x = 0
_
, f (x, y) =
e
x
x 1
x
2
est continue en tant que quotient de
fonctions continues dnominateur non nul. En les points (0, b), o b R, on a :
lim
(x,y)(0,b)
x=0
f (x, y) = lim
yb
y = b.
Limites et continuit 189
tandis que lim
(x,y)(0,b)
x=0
f (x, y) = lim
x0
e
x
x 1
x
2
conduit une forme indtermine. Grce
une double application de la rgle de lHospital, on obtient : lim
x0
e
x
x 1
x
2
=
1
2
. Il
sensuit que f est continue en (0, b) uniquement pour b =
1
2
. Le domaine de continuit
de f est nalement :
DC =
_
R
2
\
__
x, y
_
: x = 0
__
__
0,
1
2
__
= (R
0
R)
__
0,
1
2
__
f Dans A =
__
x, y
_
: x > y
2
_
, f (x, y) = x y
2
est continue. Dans B =
__
x, y
_
: x < y
2
_
,
f (x, y) = 0 est continue. Aux points de la parabole dquation x = y
2
, la limite est nulle.
Il sensuit que : DC = R
2
.
Drives partielles, lasticits et diffrentielle
EXERCICE 6
nonc
Dans chaque cas, calculez toutes les drives partielles des fonctions donnes.
a f
_
x, y
_
= x
2
+3xy
2
6y
5
.
b f
_
x, y
_
= x cos(e
xy
).
c f
_
x, y, z
_
= x cos(xz) +ln
_
2 sin
2
(y +z)
_
.
Solution a
f
x
_
x, y
_
= 2x +3y
2
,
f
y
_
x, y
_
= 6xy 30y
4
.
b
f
x
_
x, y
_
= cos(e
xy
) xye
xy
sin(e
xy
),
f
y
_
x, y
_
= x
2
e
xy
sin(e
xy
).
c
f
x
_
x, y, z
_
= cos(xz) xz sin(xz),
f
y
_
x, y, z
_
=
2 sin(y +z) cos(y +z)
2 sin
2
(y +z)
f
z
_
x, y, z
_
= x
2
sin(xz)
2 sin(y +z) cos(y +z)
2 sin
2
(y +z)
EXERCICE 7
nonc
Dans chaque cas, tudiez lexistence des drivabilits partielles et dduisez-en le domaine
de drivabilit DD des fonctions donnes.
a f (x, y) =
_
_
_
xy
x
2
+y
2
si
_
x, y
_
= (0, 0)
0 si
_
x, y
_
= (0, 0)
.
b f (x, y) =
x +y
.
c f (x, y) =
_
_
_
x
2
y
x
2
+y
2
si
_
x, y
_
= (0,0)
0 si
_
x, y
_
= (0, 0)
.
d f (x, y) =
_
_
2x +y
x y
si x = y
1
2
si x = y
.
e f (x, y) =
_
x
2
si x 0
y si x < 0
.
f f (x, y) =
_
xy
.
Solution a Dans louvert R
2
\ {(0,0)}, f est drivable en tant que quotient de fonctions drivables
dnominateur non nul. En (0, 0), comme x R
0
: f (x, 0) = 0, il vient
lim
x0
f (x, 0) f (0, 0)
x
= lim
x0
0 = 0 R.
La fonction f est donc drivable par rapport x en (0, 0) et
f
x
(0,0) = 0.
De mme, on a par rapport y :
lim
y0
f
_
0, y
_
f (0, 0)
y
= lim
y0
0 = 0 R.
f est drivable par rapport y en (0, 0) et
f
y
(0,0) = 0. En conclusion, DD = R
2
.
b Pour x +y > 0 et pour x +y < 0, f est drivable en tant que polynme. Les autres points
sont du type (a, a), o a R. En ces points, f nest pas drivable par rapport x car :
f (a +x, a) f (a, a)
x
=
_
1 si x > 0
1 si x < 0
.
Comme la fonction est symtrique en x et y, elle nest pas non plus drivable par rapport
y en (a, a), o a R. Le domaine de drivabilit de f est nalement :
DD = R
2
\ {(a, a) : a R} .
c DD = R
2
.
d Dans A =
__
x, y
_
: x = y
_
, f est drivable en tant que quotient de fonctions drivables
dnominateur non nul. En les points de la forme (a, a), o a R, on a, lorsque x = 0 :
f (a +x, a) f (a, a)
x
=
2(a +x) +a
a +x a
+
1
2
x
=
3a
(x)
2
+
5
2x

Il sensuit que lim
x0
f (a +x, a) f (a, a)
x
= ( dans R).
La fonction nest donc pas drivable par rapport x en (a, a) , a R . On montre de la
mme faon quelle nest pas drivable par rapport y en ces points.
En conclusion : DD = R
2
\ {(a, a) : a R}.
e DD = R
2
\ {(0, b) : b R
0
}.
f DD =
__
x, y
_
R : xy = 0
_
{(0, 0)}.
Drives partielles, lasticits et diffrentielle 191
EXERCICE 8
nonc
Soit les fonctions f et g de R
n
R, diffrentiables dans R
n
, et le point a R
n
tel
que : f (a) = 0 et g(a) = 0. Montrez que toute lasticit partielle de la fonction produit
fg : R
n
R : x f (x)g(x) est gale la somme des lasticits correspondantes des
deux fonctions : i = 1, . . . ,n : E
i
fg
(a) = E
i
f
(a) +E
i
g
(a).
Solution E
i
fg
(a) =
a
i
(fg)(a)
(fg)
x
i
(a) =
a
i
f (a)g(a)
_
g(a)
f
x
i
(a) +f (a)
g
x
i
(a)
_
=
a
i
f (a)
f
x
i
(a) +
a
i
g(a)
g
x
i
(a).
EXERCICE 9
nonc
Le revenu brut R dune rme qui produit un bien unique est gal au prix de vente unitaire
p multipli par la quantit vendue, q, elle-mme fonction du prix : R(p) = pq(p).
a Utilisez le rsultat de lexercice 8 pour calculer llasticit du revenu par rapport au prix.
b Interprtez ce rsultat.
Solution a E
p
R
( p) = E
p
pq
( p) = E
p
p
( p) +E
p
q
( p) = 1 +E
p
q
( p).
b Comme llasticit de la demande est naturellement ngative (la demande dcrot lorsque
le prix augmente) on peut rcrire lexpression prcdente sous la forme :
E
p
R
( p) = 1
E
p
q
( p)
.
Si la demande est trs lastique (
E
p
q
( p)
> 1), une augmentation de prix rduit suf-

samment la demande pour que le revenu chute. Si la demande est faiblement lastique
(
E
p
q
( p)
1), la croissance du prix inuence peu le revenu. Enn, si la demande est

inlastique (
E
p
q
( p)
< 1), alors une croissance du prix entrane une croissance du revenu.
EXERCICE 10
nonc
a Soit f dnie par f (x, y) =
_
_
_
xy
x
2
+y
2
si
_
x, y
_
= (0,0)
0 si
_
x, y
_
= (0,0)
.
Calculez llasticit partielle de f par rapport x.
b Soit g dnie par g(x, y) =
_
xy si
_
x, y
_
= (0, 0)
1 si
_
x, y
_
= (0,0)
.
Calculez llasticit partielle de g par rapport y.
Solution a La fonction f est drivable dans R
2
. Toutefois, llasticit partielle par rapport x ne peut
tre calcule aux points de la forme (a, 0) ou (0, b), o la fonction sannule. Aux autres
points (a, b), on a : E
x
f
(a, b) =
b
2
a
2
a
2
+b
2
b Aux points (a, b) tels que ab = 0, on a : E

y
g
(a, b) =
b
ab
(xy)
y
(a, b) =
ab
ab
= 1 (lasticit
unitaire).
EXERCICE 11
nonc
La fonction de demande dun individu pour un bien dtermin est donne par :
Q
_
p
1
, p
2
, p
3
, R
_
= 1, 5 lnp
1
+ 2 lnp
2
0, 2 lnp
3
+ 0, 01R, o p
1
reprsente le prix
du bien considr, p
2
et p
3
sont les prix de deux autres biens et R dsigne le revenu de
lindividu.
Calculez les lasticits E
p
2
Q
et E
p
3
Q
en p
1
= 10, p
2
= 20, p
3
= 40 et R = 2 000.
Solution E
p
2
Q
=
2
Q
et Q(10, 20, 40, 2 000) = 1,5 ln10 +2 ln20 0,2 ln40 +20 = 20,18.
E
p
2
Q
(10, 20, 40, 2 000) =
2
20,18
= 0,0991.
De mme, comme E
p
3
Q
=
0,2
Q
, on obtient : E
p
3
Q
(10, 20, 40, 2 000) =
0,2
20,18
= 0,0099.
Remarque
La croissance du prix p
2
entrane une augmentation de la demande Q de bien 1. Les biens 1
et 2 sont donc des substituts . linverse, la croissance du prix p
3
entrane une dcroissance
de la demande Q de bien 1. Les biens 1 et 3 sont donc complmentaires .
EXERCICE 12
nonc
Pour chacune des fonctions suivantes, calculez, si elles existent,
f
x
(0, 0) et
f
y
(0, 0).
Dduisez-en lexpression de lventuelle candidate diffrentielle en (0,0) ? La fonction
est-elle diffrentiable en (0,0)?
a f (x, y) =
_
_
_
x
3
+xy
2
+y
4
x
2
+y
2
si
_
x, y
_
= (0,0)
0 si
_
x, y
_
= (0,0)
.
b f (x, y) = |x| +y.
c f (x, y) =
_
_
_
x
3
x
2
+y
2
si
_
x, y
_
= (0, 0)
0 si
_
x, y
_
= (0, 0)
.
d f (x, y) =
_
_
_
y
3
x
4
x
2
+y
2
si x = y
0 si x = y
.
Solution a lim
x0
f (x, 0) f (0, 0)
x 0
= lim
x0
x 0
x 0
= 1
f
x
(0, 0) = 1,
et lim
y0
f (0, y) f (0, 0)
y 0
= lim
x0
y
2
0
y 0
= lim
x0
y = 0
f
y
(0, 0) = 0.
Comme f est drivable en (0,0), la candidate diffrentielle cdf
(0,0)
existe et vaut :
cdf
(0,0)
=
f
x
(0, 0)dx +
f
y
(0, 0)dy = 1.dx +0.dy = dx.
La fonction f est diffrentiable en (0,0). En effet :
lim
(h,k)(0,0)
f (h, k) f (0, 0)
f
x
(0, 0)h
f
y
(0, 0)k
_
h
2
+k
2
= lim
(h,k)(0,0)
h
3
+hk
2
+k
4
h
2
+k
2
0 h
_
h
2
+k
2
= lim
(h,k)(0,0)
k
4
(h
2
+k
2
)
3/2
indtermination du type
0
0
qui peut tre leve comme suit :
(h, k) R
2
: (h
2
+k
2
)
3/2
(k
2
)
3/2
= |k|
3
h R, k R
0
: 0 <
k
4
(h
2
+k
2
)
3/2

k
4
|k|
3
= |k|
h R, k R
0
: 0 lim
(h,k)(0,0)
k
4
(h
2
+k
2
)
3/2
lim
k0
|k| = 0
lim
(h,k)(0,0)
k
4
(h
2
+k
2
)
3/2
= 0.
La candidate diffrentielle obtenue plus haut est donc une vraie diffrentielle :
df
(0,0)
= dx.
b f (x, y) = |x| +y nest pas drivable, et donc pas diffrentiable, en (0,0). En effet :
lim
x0
f (x, 0) f (0, 0)
x 0
= lim
x0
|x| 0
x 0
= lim
x0
|x|
x
.
c
f
x
(0, 0) = 1 et
f
y
(0, 0) = 0. La candidate diffrentielle est donc : cdf
(0,0)
= dx. La
fonction nest cependant pas diffrentiable en (0,0). En effet, en passant en coordonnes
6
Chapitre
polaires, on montre que :
lim
(h,k)(0,0)
h
3
h
2
+k
2
0 h
_
h
2
+k
2
= lim
(h,k)(0,0)
hk
2
(h
2
+k
2
)
3/2
.
d
f
x
(0, 0) = 0 et
f
y
(0, 0) = 1, cdf
(0,0)
= dy. La fonction f nest pas diffrentiable en (0,0).
EXERCICE 13
nonc
Dans chaque cas, calculez la diffrentielle des fonctions donnes en un point quelconque.
a f : R
3
R : (x, y, z) x
2
yz
3
+y
2
x
3
.
b f : R
2
R
3
: (x, y) (x
3
y
2
, e
x+y
, y).
Solution a f est un polynme f est diffrentiable dans R
3
et la diffrentielle en (x, y, z) est donne
par : df
(x,y,z)
=
f
x
dx +
f
y
dy +
f
z
dz = (2xyz
3
+3y
2
x
2
)dx +(x
2
z
3
+2yx
3
)dy +3x
2
yz
2
dz.
b Les trois composantes de f sont diffrentiables dans R
2
, donc f est diffrentiable dans R
2
et :
f
_
x, y
_
=
_
_
_
3x
2
y
2
2x
3
y
e
x+y
e
x+y
0 1
_
_
_
df
(x,y)
= f
_
x, y
_
.
_
dx
dy
_
=
_
_
_
3x
2
y
2
dx +2x
3
ydy
e
x+y
dx +e
x+y
dy
dy
_
_
_
.
EXERCICE 14
nonc
On considre la fonction de production de Cobb-Douglas deux facteurs et rendements
constants dnie par f
_
x, y
_
= x
a
y
1a
(a > 0).
a Que vaut cette fonction en (x
0
, y
0
) = (10, 10) et en (x, y) = (10,1; 9,95) lorsque a =
1
2
?
Par diffrence, dterminez laccroissement f correspondant.
b Dterminez la diffrentielle de cette fonction.
c Pour a =
1
2
, dduisez-en lapproximation linaire de f au point (x, y) = (10,1; 9,95) en
prenant comme rfrence le point (x
0
, y
0
) = (10, 10).
d Comparez laccroissement exact de la fonction son approximation linaire partir de
(x
0
, y
0
) = (10, 10), en prenant successivement les points suivants :
(10,1; 9,5), (10,4; 9,4), (11, 9), (12; 8,2) et (13, 8).
Solution a Pour a =
1
2
: f
_
x, y
_
=

xy
f (10, 10) = 10 et f (10,1; 9,95) =

(10,1) (9,95) = 10,0247.
f = f (10,1; 9,95) f (10, 10) = 10,025 10 = 0,0247.
b La diffrentielle en (x, y) est donne par : df
(x,y)
= ax
a1
y
1a
dx +(1 a)x
a
y
a
dy.
c Pour a =
1
2
: df
(x,y)
=
1
2
_
y
x
dx +
1
2
_
x
y
dy. En particulier :
df
(10,10)
=
1
2
_
10
10
dx +
1
2
_
10
10
dy =
dx +dy
2
f (x, y)

= f (10, 10)
. ,, .
10
+
1
2
_
(x 10) +
_
y 10
__
.
Ainsi, f (10,1; 9,95)

= 10,025 est une bonne approximation de la valeur exacte donne
par : f (10,1; 9,95) = 10,0247.
d Pour les points donns, on a respectivement partir de (x
0
, y
0
) = (10, 10) :
f (10, 1 ; 9, 5) f (10, 10) = 9, 7954 10 = 0, 2045
dont lapproximation linaire est :
df
(10,10)
(10,1 10 ; 9,5 10)
= df
(10,10)
(0,1 ; 0,5) =
0,1 0,5
2
= 0,2 ;
f (10,4 ; 9,4) f (10, 10) = 9,8873 10 = 0,1126
et df
(10,10)
(0,4 ; 0,6) =
0,4 0,6
2
= 0,1 ;
f (11,9 ; 9) f (10, 10) = 10,3489 10 = 0,3489
et df
(10,10)
(1,9 ; 1) =
1,9 1
2
= 0,45 ;
f (12 ; 8,2) f (10, 10) = 9,9196 10 = 0,0803
et df
(10,10)
(2 ; 1,8) =
2 1,8
2
= 0,1 ;
f (13, 8) f (10, 10) = 10,1980 10 = 0,1980
et df
(10,10)
(3 ; 2) =
3 2
2
= 0,5.
Remarque
Lapproximation de f = f
_
x, y
_
f (10, 10) devient moins prcise lorsque (x, y) sloigne du
point (10,10).
EXERCICE 15
nonc
La fonction de production dun entrepreneur est donn par K
1
2
.L
1
4
, o K reprsente le
capital utilis et Lle travail. Actuellement, il utilise 9 units de capital et 16 units de travail.
Dterminez par approximation linaire la production obtenue sil augmente dune unit
le capital et de deux units le facteur travail.
Solution La fonction f (K, L) = K
1
2
.L
1
4
est diffrentiable dans
_
R
+
0
_
2
. On a, par approximation
linaire :
f (10,18) f (9,16) +f (9,16).(1,2) = 6 +
1
3
1 +
3
32
2 = 6 +
25
48
= 6,52.
Fonctions homognes
EXERCICE 16
nonc
Montrez que si f : R
2
R :
_
x, y
_
f (x, y) est diffrentiable et homogne de degr k
dans R
2
, alors
f
x
et
f
y
sont homognes de degr k 1 dans R
2
.
Solution Soit > 0 :
f
x
(x, y) = lim
h0
f (x +h, y) f (x, y)
h
= lim
h0
f
_
_
x +
h
, y
__
f (x, y)
.
h
Comme f est homogne de degr k : f

_
_
x, y
__
=
k
f (x, y), on obtient, en posant
h
=
h
:
f
x
(x, y) =
1
lim
h
k
_
f (x +h
, y) f (x, y)
_
h
=
k1
f
x
(x, y)
La dmonstration est similaire pour
f
y
EXERCICE 17
nonc
On considre trois fonctions :
f : R
2
R, homogne de degr 2 et diffrentiable dans R
2
;
g : R
2
R, homogne de degr 1 et diffrentiable dans R
2
;
h : R R, homogne de degr 1 et diffrentiable dans R.
a Sachant que f (3, 4) = 5 et que
f
y
(3, 4) = 4, calculez f (6, 8) et
f
y
_
3
2
, 2
_
.
b La fonction F : R R : t F(t) = f
_
g(h(t), t), t
_
est-elle homogne? Si oui, de quel
degr?
Fonctions homognes 197
Solution a f est homogne de degr 2 f (6, 8) = f (2(3, 4)) = 2
2
f (3, 4) = 20. Dautre part,
daprs lexercice 16,
f
y
est homogne de degr 1, do :
f
y
_
3
2
, 2
_
=
f
y
_
1
2
(3, 4)
_
=
1
2
f
y
(3, 4) = 2.
b On a pour > 0 :
F(t) = f
_
g(h(t), t), t
_
= f
_
g(h(t), t), t
_
= f
_
g ((h(t), t)) , t
_
= f
_
g
_
h(t), t
_
, t
_
= f
_
_
g
_
h(t), t
_
, t
__
=
2
f
_
g
_
h(t), t
_
, t
_
=
2
F(t).
La fonction F est donc homogne de degr 2.
EXERCICE 18
nonc
Montrez que la fonction de production de Cobb-Douglas Q(L, K) = AK
, (A >
0, , (0, 1)) est homogne dans
_
R
+
0
_
2
.
Solution Soit > 0. On a : Q(L, K) = A(K)
(L)
= A
+
K
=
+
Q(L, K).
Matrice hessienne, fonctions concaves
et convexes
EXERCICE 19
nonc
Dans chaque cas, la fonction donne est-elle (strictement) concave dans R
2
? (strictement)
convexe dans R
2
?
a f (x, y) = x
2
+y
2
xy.
b f (x, y) = y
3
+xy.
c f (x, y) = (x +y)
2
x
2
.
Solution Remarques prliminaires :
1. Toutes ces fonctions sont des polynmes, donc de classe C
2
dans R
2
.
2. Les rsultats relatifs aux matrices (semi)dnies ont t tablis dans les exercices du
chapitre 5.
a (x, y) R
2
: H
f
(x, y) =
_
2 1
1 2
_
est dnie positive f est strictement convexe
dans R
2
.
b (x, y) R
2
: H
f
(x, y) =
_
0 1
1 6y
_
est indnie f nest ni convexe, ni concave
dans R
2
.
c (x, y) R
2
: H
f
(x, y) =
_
4 2
2 2
_
est dnie ngative f est strictement concave
dans R
2
.
EXERCICE 20
nonc
tudiez la convexit de la fonction de Cobb-Douglas Q(L, K) = AK
(avec A >
0, , (0, 1)).
Solution La fonction est de classe C
2
dans
_
R
+
0
_
2
et : H
Q
(K, L) =
_
( 1)K
2
Q KLQ
KLQ ( 1)L
2
Q
_
.
Pour appliquer la mthode des mineurs principaux (voir chapitre 5, section 7.3), on
dtermine :
det H
(1)
= ( 1)K
2
Q < 0 (car < 1),
et
det H
(2)
=
_
( 1)( 1)
2
2
_
K
2
L
2
Q
2
= (1 ) K
2
L
2
Q
2
de mme signe que [1 ( +)].
Si + < 1, alors det H
(2)
> 0 et Q est strictement convexe.
Si + = 1, alors det H
(2)
= 0, ce qui ne permet pas de conclure. Un calcul direct
montre que : (x, y) R
2
: (x, y)H
Q
(K, L)
_
x
y
_
= (1)Q
_
Kx +Ly
_
2
0 puisque
0 < < 1 et Q > 0. Q est donc convexe.
Si + > 1 : det H
(2)
< 0 Q nest ni convexe, ni concave.
EXERCICE 21
nonc
Soit f C
2
(R
n
) et g : R R : t g(t) = f (a +t(b a)), o a, b R
n
(a = b).
a Dterminez g
(t) et g
(t).
b En appliquant g la formule de Mac Laurin lordre 1 vue dans le chapitre 3 (section 5)
pour les fonctions dune seule variable, dduisez-en la formule suivante (formule de
Taylor lordre 1 pour les fonctions de n variables) :
f (x) = f (a) +
n
i=1
f
x
i
(a)(x
i
a
i
) +
1
2
n
i=1
n
j=1
2
f
x
i
x
j
(a +(x a)) (x
i
a
i
)(x
j
a
j
)
o (0, 1).
c Exprimez ce rsultat sous forme matricielle.
Matrice hessienne, fonctions concaves et convexes 199
Solution
a La fonction g est une fonction compose : g = f h o h : R R
n
: t a +t(b a).
Daprs la chain rule, on a :
g
(t) =
n
i=1
f
x
i
(a +t(b a))
(a
i
+t(b
i
a
i
))
t
=
n
i=1
f
x
i
(a +t(b a)) (b
i
a
i
).
Une seconde application de la chain rule conduit :
g
(t) =
n
i=1
n
j=1
2
f
x
i
x
j
(a +t(b a)) (b
i
a
i
)(b
j
a
j
).
Remarque
comme f C
2
(R
n
), lordre de drivation est indiffrent :

2
f
x
i
x
j
=

2
f
x
j
x
i
b La formule de Mac Laurin (formule de Taylor au voisinage de 0) lordre 1 indique que :

g(t) = g(0) +g
(0)t +
g
(t)
2
t
2
, o (0, 1). (1)
Dans le cas prsent :
g(0) = f (a), g
(0) =
n
i=1
f
x
i
(a)(b
i
a
i
)
et
g(t) =
n
i=1
n
j=1
2
f
x
i
x
j
(a +t(b a)) (b
i
a
i
)(b
j
a
j
).
En remplaant dans (1), on obtient :
g(t) = f (a +t(b a)) = f (a) +
n
i=1
f
x
i
(a)(b
i
a
i
)t
+
n
i=1
n
j=1
2
f
x
i
x
j
(a +t(b a)) (b
i
a
i
)(b
j
a
j
)t
2
.
Finalement, pour t = 1 et b = x, il vient :
f (x) = f (a) +
n
i=1
f
x
i
(a)(x
i
a
i
) +
n
i=1
n
j=1
2
f
x
i
x
j
(a + (x a)) (x
i
a
i
)(x
j
a
j
)
o (0, 1).
c f (x) = f (a) + f (a).(x a) +
1
2
(x a)
.H
f
(a + (x a)) .(x a), o (0, 1) et
(x a) reprsente le vecteur colonne
_
_
_
_
x
1
a
1
.
.
.
x
n
a
n
_
_
_
_
.
7
Chapitre
Optimisation
des fonctions
de plusieurs
variables
Optimisation des fonctions de plusieurs
variables
1. Extrema libres . . . . . . . . . . . . . . . . . . . . . 202
1.1 Dnitions . . . . . . . . . . . . . . . . . . . . . 202
1.2 Condition sufsante dexistence
dextrema globaux . . . . . . . . . . . . . 202
1.3 Dtermination des extrema libres
dans un domaine ouvert . . . . . . . 203
2. Extrema lis : contraintes dgalits 207
2.1 Thorme de Lagrange . . . . . . . . 208
2.2 Interprtation des multiplicateurs
de Lagrange . . . . . . . . . . . . . . . . . . . 211
2.3 Classication des candidats . . . . 212
3. Extrema lis : contraintes
dingalit . . . . . . . . . . . . . . . . . . . . . . . . 213
3.1 Contraintes satures, contraintes
rgulires . . . . . . . . . . . . . . . . . . . . . . 214
3.2 Le thorme de Kuhn et Tucker . 216
Extrema libres . . . . . . . . . . . . . . . . . . . . . . . . 218
Extrema lis : contraintes dgalits . . . 223
Extremas lis : contraintes dingalits 228
Parmi toutes les matires abordes dans cet ouvrage,
loptimisation plusieurs variables est sans conteste
celle qui apparat le plus frquemment dans la
modlisation des dcisions des gestionnaires. Quil
sagisse de maximiser le bnce, la satisfaction des
clients, la productivit ou de minimiser les cots, le
risque, lcart par rapport une valeur cible, le retard
dun projet, etc., tous ces problmes exigent une mise
en quations qui passe par loptimisation de fonctions,
gnralement de plusieurs variables.
La dtermination des extrema dans le cas dune seule variable a
t dtaille au chapitre 4. Logiquement, le prsent chapitre en
est un prolongement qui fait intervenir les diverses notions sp-
ciques aux fonctions multivaries tudies dans le chapitre 6.
Nanmoins, le thme de loptimisation plusieurs variables exige
un saut conceptuel important. En effet, plusieurs notions relatives
aux fonctions dune variable sont loin de se gnraliser de faon
vidente. Par exemple, les fonctions dune variable (sufsamment
rgulires) admettent une seule drive premire, une seule drive
seconde, etc., tandis que, pour les fonctions de n variables, le
nombre de drives possibles crot avec lordre de drivation : n
drives partielles premires, n
2
drives partielles secondes, etc.
Une consquence directe de cet accroissement apparatra sous la
forme de conditions de premier et second ordre plus lourdes
formuler.
Optimisation des fonctions de plusieurs variables 201
Par ailleurs, la prise en compte pratique des contraintes imposes aux variables doit tre
fondamentalement revue. Prenons le cas de la maximisation de la fonction f (x) dont
lunique variable est soumise une contrainte de non-ngativit (x 0), qui traduit par
exemple le fait que x est une quantit, un prix ou toute autre grandeur dpourvue de sens
pour une valeur ngative. Loptimisation seffectue alors laide de la procdure usuelle
(voir chapitre 4), la contrainte ayant pour effet de restreindre le domaine dtude R
+
et dexiger un examen particulier pour le seul point qui en constitue le bord (x = 0).
Plongeons le mme problme dans un cadre bivari : maximiser f (x, y) sous la double
contrainte x 0 et y 0. prsent, le domaine admissible est donn par
_
R
+
_
2
dont
le bord ,
_
(x, 0) : x R
+
_

_
(0, y) : y R
+
_
, comporte videmment une innit
de points. Une tude individuelle des points de cet ensemble devient techniquement
difcile, de sorte quil apparat indispensable de disposer de mthodes doptimisation
qui intgrent demble la prsence de contraintes qui font apparatre des bords . Cette
approche (recherche dextrema lis), spcique aux fonctions de plusieurs variables, sera
aborde dans ce chapitre aprs lexpos des principes de loptimisation dite libre, qui vise
la dtermination des extrema dans un domaine ouvert, donc sans bords .
1 Extrema libres
1.1 DFINITIONS
Les dnitions des diffrents types dextrema des fonctions dune variable stendent de
faon naturelle aux fonctions de plusieurs variables.
Dnition Soit f : D R : x f (x), o D R
n
, et a D.
f admet un maximum global en a si x D : f (x) f (a).
f admet un minimum global en a si x D : f (a) f (x).
f admet un maximum local en a si
(1)
V(a) : x V(a) D : f (x) f (a).
f admet un minimum local en a si V(a) : x V(a) D : f (a) f (x).
J
Lorsque la fonction f admet un maximum (resp. un minimum) en a D, le nombre rel
f (a) est la valeur maximale (resp. la valeur minimale) correspondante.
On peut galement dnir les extrema stricts (voir le chapitre 4) mais, sauf mention
expresse, on sintresse ici aux extrema non ncessairement stricts.
1.2 CONDITION SUFFISANTE DEXISTENCE DEXTREMA GLOBAUX
Ltude des fonctions dune variable a montr que lexistence dextrema nest garantie
a priori que sous certaines conditions mlant la nature topologique du domaine et la
rgularit de la fonction. Dans la mme veine, la proprit suivante offre une condition
sufsante dexistence dextrema globaux pour les fonctions de plusieurs variables.
Proprit Si f : D R : x f (x) est continue dans D R
n
et si D est ferm
et born (on dit alors que D est compact), alors f admet un minimum global et un
maximum global dans D.
J
1. V(a) reprsente un voisinage du point a (voir chapitre 1, section 1.6). On peut galement formuler la
dnition des extrema locaux en remplaant ce voisinage par une boule ouverte B(a, ), o > 0.
202 Optimisation des fonctions de plusieurs variables
7
Chapitre
Ce rsultat appelle des commentaires dans deux directions opposes. Dune part, il apporte
une information utile puisque, dans la pratique, le gestionnaire cherche gnralement des
solutions optimales globales. Atteindre un optimum local est en effet futile sil se trouve
ailleurs dans le domaine des possibilits des valeurs suprieures de la fonction dobjectif.
Ce serait comme escalader une colline alors quunsommet voisinplus lev est accessible...
La question demeure cependant de savoir sil existe rellement un point culminant .
Cest cette information quapporte la proprit, du moins lorsquelle est applicable.
Dautre part, la restriction relative au domaine compact est malheureusement trop forte
pour la rsolution de nombreux problmes, en particulier, ceux pour lesquels les variables
de dcision ne sont pas bornes. Ds lors, comme dans le cas des fonctions dune variable,
une phase dlicate concernera le passage des extrema locaux aux extrema globaux. Dans
cette optique, la section suivante mettra en lumire limportance que peut jouer la
concavit ou la convexit de la fonction dobjectif.
La question du traitement des ventuels bords du domaine traverse de part en part
ce chapitre. Beaucoup plus pineuse n variables qu une seule variable, elle motive la
scission entre extrema libres et lis. En effet, les restrictions du domaine qui sexpriment
sous la forme dune galit (g(x) = 0) ou dune ingalit non stricte (g(x) 0) crent
gnralement une innit de bords, dont ltude au cas par cas devient impraticable. Les
conditions de Lagrange et de Kuhnet Tucker visent combler cette lacune. Avant daborder
ces nouveaux rsultats, la section suivante prsente la dtermination des extrema dans un
domaine ouvert. La terminologie dextrema libres rsulte de labsence de conditions
introduisant des bords dans le domaine, que lon appelle aussi des contraintes .
1.3 DTERMINATION DES EXTREMA LIBRES DANS UN DOMAINE OUVERT
La dtermination des extrema libres dune fonction multivarie repose dabord sur la
condition ncessaire du premier ordre.
Condition ncessaire du premier ordre Si f : D R, o D R
n
, est
diffrentiable en a DD
et admet un extremumlocal en a, alors i = 1, . . . , n :

f
x
i
(a) = 0 (ou en abrg : f (a) = 0).
J
Dnition Unpoint a DD
enlequel f est diffrentiable et tel que f (a) = 0

est appel point critique.
J
Comme pour les fonctions dune variable, la premire tape de la recherche des extrema
consiste dresser la liste des candidats extrema locaux qui est constitue de trois types
de points de D :
les points critiques ;
les lments de D D
en lesquels f nest pas diffrentiable ;

les bords du domaine.
Ladernire catgorie feralobjet des sections 7.2et 7.3. Ds lors, nous faisons ici lhypothse
que le domaine D est ouvert et, par consquent, ne possde pas de bords.
La seconde tape dans la recherche des extrema consiste classer les candidats retenus.
cette n, plusieurs critres de second ordre existent pour les fonctions sufsamment
Extrema libres 203
rgulires. En dernier ressort, la dnition reste toujours applicable, quoique souvent peu
commode lusage.
Nanmoins, dans plusieurs cas, il apparat difcile, voire impossible, daboutir une
conclusion laide de la seule approche analytique. Il peut alors tre utile de se tourner
vers des techniques numriques pour explorer le domaine de la fonction la recherche de
ses extrema.
Les deux conditions sufsantes qui suivent concernent exclusivement les points critiques.
Elles reposent sur la notion de fonction concave ou convexe et celle de matrice hessienne
(matrice des drives partielles secondes), qui ont t dnies au chapitre 6.
Critre de la convexit/concavit Soit f : D R, o D est un sous-
ensemble ouvert et convexe de R
n
, et a un point critique.
Si f est convexe dans D, alors f admet un minimum global en a.
Si f est concave dans D, alors f admet un maximum global en a.
J
Ce critre est crucial puisquil offre une condition sufsante pour obtenir un extremum
global dans un domaine ouvert et convexe, alors que les autres rsultats de cette section
ne concernent que les extrema locaux.
Condition sufsante du second ordre Soit f : D R, de classe C
2
dans D, o D est un sous-ensemble ouvert et convexe de R
n
, et a un point critique.
Si H(a) est dnie positive, alors f admet un minimum local en a.
Si H(a) est dnie ngative, alors f admet un maximum local en a.
J
Le critre de la convexit et la condition du second ordre se prsentent sous la forme
de conditions sufsantes pour obtenir un extremum en un point critique. De faon
complmentaire, la proprit suivante peut conduire conclure labsence dextremum
en un point critique.
Critre du point de selle Soit f : D R, de classe C
2
dans D, o D est un
sous-ensemble ouvert et convexe de R
n
.
Si a est un point critique et H(a) est indnie (ni semi-dnie positive, ni semi-
denie ngative), alors f nadmet pas dextremum local en a (un tel point est dit
point de selle).
J
La gure 7.1, page ci-contre, illustre les situations qui, en un point critique, sont identi-
ables, soit laide de la condition du second ordre (dans les deux premiers cas), soit
laide du critre du point de selle (dernier cas).
Nanmoins, lorsque a est un point critique et H(a) est une matrice semi-dnie, il est
moins ais de conclure. En labsence de connaissance pralable au sujet de la concavit ou
la convexit de la fonction, une tude locale (voir exercices) peut savrer indispensable. Il
en est de mme pour les candidats extrema en lesquels la fonction nest pas diffrentiable.
Remarque
Mme pour les fonctions sufsamment rgulires, il est irraliste denvisager des conditions
dordres suprieurs deux, pour des raisons de complexit croissante des drives partielles.
7
Chapitre
Figure 7.1 Max
Min
Point de selle
Au plan gomtrique (pour 2 variables), si la fonction f est diffrentiable et admet un
point critique en a, alors le plan tangent au graphe de f est horizontal en x = a.
Si la fonction est de classe C
2
dans un voisinage de a, on peut formuler le dveloppement
de Taylor lordre 2 dans ce voisinage :
f (x)

= f (a) +
1
2
q
a
(x a)
o q
a
(x a) =
n
i=1
n
j=1
2
f
x
i
x
j
(a)(x
i
a)(x
j
a) est la forme quadratique associe H(a).
Cette criture met en lumire le rle de la matrice hessienne en un point critique et
souligne limportance dtudier le signe de la forme quadratique associe. Pour ce faire,
on recourt aux techniques matricielles exposes au chapitre 5.
Exemples
1. Pour dterminer les extrema libres de la fonction f (x, y) = x
2
+ y
3
2xy y dans R
2
, on
constate dabord que f est un polynme, donc diffrentiable dans louvert R
2
. Les seuls
candidats extrema locaux sont les points critiques. Toutefois, nous ne disposons daucune
garantie a priori sur le fait que les ventuels extrema locaux soient globaux.
Recherche des points critiques
_
_
f
x
(x, y) = 2x 2y = 0
f
y
(x, y) = 3y
2
2x 1 = 0
_
x = y
3y
2
2y 1 = 0

_
_
(x, y) =
_
1
3
,
1
3
_
ou
(x, y) = (1, 1)
.
Les deux candidats sont donc
_
1
3
,
1
3
_
et (1, 1).
Extrema libres 205
Classication
La matrice hessienne de f en un point (x, y) R
2
est :
H
f
(x, y) =
_
_
_
_
2
f
x
2
(x, y)
2
f
xy
(x, y)
2
f
xy
(x, y)
2
f
y
2
(x, y)
_
_
_
_
=
_
2 2
2 6y
_
.
Dune part, H
f
_
1
3
,
1
3
_
=
_
2 2
2 2
_
est indnie (voir chapitre 5, exercice 20)
_
1
3
,
1
3
_
est un point de selle.
Dautre part, H
f
(1, 1) =
_
2 2
2 6
_
est semi-dnie positive (voir chapitre 5, exercice 20)
f admet en (1, 1) un minimum local de valeur f (1, 1) = 1. Ce minimum nest cependant
pas global puisque, par exemple, f (0, 2) = 6 < f (1, 1) = 1.
2. On veut optimiser la fonction f (x, y) = x
2
+ y
2
dans le disque ouvert centr en (0,0) de
rayon 1, reprsent par D =
_
(x, y) R
2
: x
2
+y
2
< 1
_
.
Le seul candidat est lunique point critique (0,0). Comme illustr par la gure 7.2, la dnition
implique de faon immdiate que f admet un minimum global en (0,0). En effet :
(x, y) D : f (x, y) = x
2
+y
2
0 = f (0, 0).
Donc, la fonction nadmet aucun maximum.
Figure 7.2
0, 2
0, 4
0, 6
0, 8
1
1
0, 8
0, 6
0, 4
0, 2
0, 2
0, 4
0, 6
0, 8
1
y
1
0, 8
0, 6
0, 4
0, 2
0, 4
0, 6
0, 8
1 x
z
3. Une rme, dont la fonction de production deux facteurs, note f (x, y), est suppose
concave et diffrentiable, maximise son prot donn par : (x, y) = pf (x, y) x y,
o les paramtres positifs p, et , reprsentent les prix unitaires respectivement de loutput
et des deux inputs. cet effet, elle xe les quantits de facteurs, x et y.
La concavit de f entrane celle de . Un point critique sera donc automatiquement un
maximum dans lensemble ouvert et convexe
_
R
+
0
_
2
. Notons cependant quon exclut de
7
Chapitre
la sorte les ventuelles solutions de coin o lune ou lautre des quantits de facteurs
sannule.
La condition du premier ordre scrit :
_
x
(x, y) = p
f
x
(x, y) = 0
y
(x, y) = p
f
y
(x, y) = 0
_
p
f
x
(x, y) =
p
f
y
(x, y) =
.
Elle exprime que la productivit marginale de chaque input doit tre gale son prix.
En particularisant ce rsultat la fonction de production de Cobb-Douglas f (x, y) = x
a
y
b
(o
a +b = 1), on obtient :
_
pax
a1
y
b
=
pbx
a
y
b1
=
_
pax
a
y
b
= x
pbx
a
y
b
= y
.
Si lon dsigne par z = x
a
y
b
le niveau de production optimal de la rme, alors la dernire
expression scrit :
_
paz = x
pbz = y

_
_
x =
paz
y =
paz
.
Le niveau de production optimal satisfait donc lquation :
z =
_
paz
_
a
_
paz
_
b
z =
_
pa
_ a
1ab
_
pa
_ b
1ab
qui exprime la fonction doffre de la rme.
2 Extrema lis : contraintes dgalits
La scission entre extrema libres et lis (ou sous contraintes ) est ne de limpossibilit
technique de traiter loptimisation dans les domaines non ouverts selon la procdure
expose dans la section 7.1. En effet, la condition du premier ordre ne sapplique pas aux
bords du domaine. Or, si de tels points existent, leur tude au cas par cas est gnralement
peu aise. Ds lors, la thorie mathmatique propose des mthodes doptimisation lie.
Celles-ci incorporent directement dans la rsolution les contraintes qui dnissent des
domaines non ouverts.
La nomenclature peut savrer trompeuse. En effet, au plan oprationnel, ce nest pas
la prsence intrinsque de contraintes dans loptimisation qui conduit dlaisser lopti-
misation libre au prot de loptimisation lie. Ce sont plutt les consquences de ces
restrictions au niveau de la nature topologique du domaine de dnition de la fonction
qui guident lutilisateur vers lune ou lautre des techniques. Ainsi, dans un domaine fort
limit, mais ouvert, comme celui gurant dans lexemple 2 de la section 1.2, la recherche
des extrema libres sapplique. linverse, une contrainte sous forme dingalit non stricte
doit toujours tre prise en compte pour dterminer les extrema lis.
Parmi les types de contraintes auxquelles le modlisateur peut se trouver confront, deux
classes se distinguent. Dune part, celles qui lient les variables du problme au travers
dune ou plusieurs quations. Ces contraintes dites dgalits sont apprhendes grce au
Extrema lis : contraintes dgalits 207
thorme de Lagrange, qui fournit une conditionde premier ordre formule partir dune
fonction ad hoc, dnomme lagrangien. Dans cette approche, de nouvelles variables, dites
multiplicateurs, apparaissent et offrent une possibilit supplmentaire dans lanalyse des
rsultats. Dautre part, loptimisation sous des contraintes dingalits non strictes, traite
grce au thorme de Kuhn et Tucker, sera prsente dans la section 3.
2.1 THORME DE LAGRANGE
On considre le problme suivant : dterminer les extrema dune fonction de n
variables, note f (x
1
, . . . , x
n
) = f (x), mathmatiquement dnie dans undomaine ouvert
D R
n
, mais dont les variables sont soumises aux m contraintes : g
1
(x) = 0, g
2
(x) =
0, . . . , g
m
(x) = 0, o les fonctions g
j
sont galement dnies dans D. Ces contraintes
sont directement issues de la mise en quation des limitations rencontres par le ges-
tionnaire. Elles dlimitent le sous-ensemble A de D dans lequel seffectue loptimisation :
A =
_
x D : g
1
(x) = 0, . . . , g
m
(x) = 0
_
.
La dnition des extrema lis rsulte donc de celle des extrema libres.
Dnition La fonction f admet un maximum li (resp. un minimum li) sous
les contraintes g
1
(x) = 0, . . . , g
m
(x) = 0, en a A si, en ce point, elle admet un
maximum libre (resp. un minimum libre) dans le domaine A.
J
Gnralement, une contrainte de type g
j
(x) = 0 dnit une courbe. Lensemble A est
donc constitu de lintersection de m courbes dans D R
n
. Pour m > 1, il peut donc
contenir fort peu de points. Cest pourquoi, en pratique, il est rare de rencontrer plus
dune contrainte lgalit. Et, dans tous les cas, il est exclu davoir plus de contraintes que
de variables, de sorte que la condition m < n sera systmatiquement impose. loppos,
les contraintes sous forme dingalits, nettement moins restrictives, sont souvent plus
nombreuses. Elles seront abordes dans la section 3.
De manire condense, le problme trait ici se prsente sous la forme suivante :
Problme doptimisation (opt) sous contraintes (s.c.) dgalits
_
opt f (x), x D R
n
s.c. g
j
(x) = 0, j = 1, . . . , m (m < n)
_
opt f (x), x A
o A =
_
x D : g
1
(x) = 0, . . . , g
m
(x) = 0
_ .
Exemples
1. La gure 7.3, page ci-contre, reprsente le graphe de la fonction f (x, y) = x
2
+ y
2
+ 2. Le
graphe de f restreint aux points du cercle dni par la contrainte A x
2
+ y
2
1 = 0 est
not B. Il est obtenu par projection verticale de ce cercle sur le graphe de f .
2. Le consommateur maximise une fonction dutilit, note U(x, y), qui dpend des quantits
consommes de deux biens, x et y, sous une contrainte budgtaire : p
1
x + p
2
y = R, o p
1
et p
2
_
p
1
, p
2
> 0
_
sont les prix des biens. Cette contrainte exprime que le montant allou aux
dpenses relatives aux deux biens considrs est x R.
Dans ce cas simple qui comporte deux variables et une contrainte, on peut aisment ramener
loptimisation lie la recherche dun maximum libre. En effet, la contrainte de budget
7
Chapitre
Figure 7.3
1
2
3
4
5
6
2
1
1
2
3
4
2
1
1
2
3
4
A
B
z
y
x
permet dexpliciter la quantit dun bien en fonction de lautre : y =
R
p
2
p
1
p
2
x. En vertu de
la condition du premier ordre pour la fonction dune variable obtenue aprs substitution de
y en fonction de x, on a :
dU
_
x, y(x)
_
dx
= U
x
(x, y) +U
y
(x, y)
dy
dx
(x) = U
x
(x, y)
p
1
p
2
U
y
(x, y) = 0
U
x
(x, y)
p
1
=
U
y
(x, y)
p
2
Ce rsultat indique qu loptimum, les utilits marginales pondres par les inverses des
prix sgalisent. Dsignons par cette quantit commune :
U
x
(x, y)
p
1
=
U
y
(x, y)
p
2
= .
Par ailleurs, la contrainte de budget peut tre reformule par g(x, y) = 0, o g(x, y) =
p
1
x +p
2
y R, de sorte que p
1
= g
x
(x, y) et p
2
= g
y
(x, y), et nalement :
_
U
x
(x, y) g
x
(x, y) = 0
U
y
(x, y) g
y
(x, y) = 0
U g = 0.
Le thorme de Lagrange gnralise la dmarche adopte dans la rsolution de lexemple 2.
Il reprsente la condition du premier ordre pour loptimisation sous des contraintes lgalit.
Thorme de Lagrange (premire version) Soit les fonctions f et
g
1
, . . . , g
m
(m < n) de classe C
1
dans un ouvert D R
n
.
Si f admet en a un extremum li sous les contraintes g
1
(x) = 0, . . . , g
m
(x) = 0, et
si la jacobienne des contraintes en a,
_
g
i
x
j
(a)
_
mn
, est de plein rang m, alors :
= (
1
, . . . ,
m
) R
m
: f (a)
m
i=1
i
g
i
(a) = 0.
J
Ce rsultat fondamental doit tre assorti de plusieurs commentaires qui en prcisent les
contours et en facilitent lusage pratique.
La thse de ce thorme signie quau point a, le gradient f (a) est une combinaison
linaire des gradients des contraintes : g
1
(a), . . . , g
m
(a). Enparticulier, quand n = 2
et m = 1 (deux variables et une contrainte), la condition scrit f (a) = g(a). Elle
exprime que, dans le plan R
2
, la courbe de niveau f (x) = f (a) et la courbe g(x) = 0
ont une tangente commune au point a (gure 7.4).
Figure 7.4 f(x)=f(a)
g(a)
a
f(a)
g(x)=0
Le thorme de Lagrange peut tre vu comme la condition du premier ordre applique
la fonction de n +m variables dnie comme suit :
Dnition La fonction lagrangienne (ou le lagrangien) du problme
_
opt f (x), x D R
n
s.c. g
j
(x) = 0, j = 1, . . . , m (m < n)
est dnie par : L : D R
m
: (x, ) L(x, ) = f (x)
m
i=1
i
g
i
(x),
o = (
1
, . . . ,
m
).
La thse du thorme de Lagrange sexprime alors sous la forme :
R
m
:
x
L (x, ) = 0, o
x
L (x, ) =
_
L
x
1
(x, ) , . . . , L
x
n
(x, )
_
.
Les drives partielles par rapport aux
j
napparaissent pas dans cette criture.
La condition
L (x, ) = 0 est cependant toujours vrie puisque L
j
(x, ) =
g
j
(x) et lannulation de cette quantit reprsente la j-me contrainte. Les solutions
(x, ) du systme L (x, ) = 0 sont logiquement nommes points critiques du
lagrangien.
J
7
Chapitre
Parmi les hypothses duthorme de Lagrange, gure une conditionrelative la matrice
jacobienne des contraintes. Cette condition garantit que le systme des contraintes nest
pas pathologique au point a. Par commodit, on introduit la dnition suivante.
Dnition Un point a A tel que
rg
_
g
i
x
j
(a)
_
mn
= m
est appel point rgulier des contraintes.
J
Les points de A non rguliers, dits alors singuliers, sont automatiquement slectionns
comme candidats extrema lis, au mme titre que les points de A en lesquels la diffren-
tiabilit de chacune des fonctions en prsence nest pas assure.
Moyennant ces nouveaux lments, le thorme peut tre reformul sous une forme plus
compacte et oprationnelle.
Thorme de Lagrange (seconde version) Soit les fonctions f et
g
1
, . . . , g
m
(m < n) de classe C
1
dans un ouvert D R
n
.
Si f admet un extremum li par les contraintes g
1
(x) = 0, . . . , g
m
(x) = 0, au point
rgulier a, alors : R
m
: L(a, ) = 0.
J
2.2 INTERPRTATION DES MULTIPLICATEURS DE LAGRANGE
Dune manire qui peut sembler paradoxale, loptimisation lie dune fonction de n
variables sous mcontraintes conduit lcriture dune condition de premier ordre relative
une fonction de n + m variables, alors quintuitivement, on aurait plutt attendu une
baisse de la dimension du problme due aux restrictions impliques par la prsence de
contraintes.
Mais le paradoxe nest quapparent. En effet, lintroduction des multiplicateurs de
Lagrange,
1
, . . . ,
m
, enrichit plus quelle nalourdit loptimisation, grce linterpr-
tation dont jouissent ces variables. Prcisment, la valeur prise par un multiplicateur
traduit linuence marginale du niveau de la contrainte correspondante sur la valeur de
la fonction objective loptimum. On dit aussi que le multiplicateur de Lagrange mesure
lintensit de la contrainte.
An de formaliser ce rsultat, nonons le problme trait en paramtrant le niveau
des contraintes : optimiser la fonction f (x), x D R
n
, s.c. g
1
(x) = R
1
, g
2
(x) =
R
2
, . . . , g
m
(x) = R
m
.
Le lagrangien de ce problme scrit

L(x, ) = f (x)
m
i=1
i
_
g
i
(x) R
i
_
. Il dpend
naturellement des niveaux R
i
des contraintes, de sorte que tant les points critiques que
la valeur de la fonction dobjectif f en ces points varient selon R = (R
1
, . . . , R
m
), ce qui
permet dnoncer la proprit relative linterprtation des multiplicateurs sous la forme :
Proprit Sous les conditions de rgularit usuelles, si
_
x
(R),
(R)
_
est un
point critique de

L, alors
i
=
F
R
i
, o F(R) = f
_
x
(R)
_
reprsente la valeur de la
fonction dobjectif en x
.
J
Ce rsultat applicable en tout point critique est en particulier vrai lorsquil sagit dun
extremum. Ainsi, chaque multiplicateur exprime la sensibilit de la fonction dobjectif
la variation du niveau dune contrainte. Par exemple, une contrainte qui ninuence pas
loptimisation (contrainte inoprante ou superue) est affecte dun multiplicateur nul.
loppos, un multiplicateur lev correspond une contrainte qui pnalise de faon
importante loptimum.
Exemple
Dans le problme du consommateur qui maximise son utilit U
_
x, y
_
en prsence de deux biens,
faisons varier le niveau R du budget (contrainte : p
1
x +p
2
y = R). Le multiplicateur mesure alors
lutilit marginale du revenu loptimum :
(R) =
U
R
_
x
(R), y
(R)
_
.
2.3 CLASSIFICATION DES CANDIDATS
ce stade, trois types de candidats ont t slectionns :
les points critiques du lagrangien ;
les points de D D
o f , g
1
, . . . , ou g
m
ne sont pas diffrentiables ;
les points singuliers.
Il sagit prsent de classer ces candidats. Comme dans le cas des extrema libres, on peut
formuler des conditions du deuxime ordre relatives aux points critiques, mais qui ne
sappliquent qu certains cas. Leur nonc est prcd par la dnition de la matrice
hessienne partielle.
Dnition Si le lagrangien L est de classe C
2
, on dnit la matrice hessienne
partielle (par rapport aux x
i
), de taille n n, par : H
x
L
(x, ) =
_

2
L
x
i
x
j
(x, )
_
nn
.
J
Conditions du second ordre Soit f , g
1
, . . . g
m
C
2
(D), o D est un ouvert
convexe de R
n
, et (x
) un point critique du lagrangien L.

H
x
L
(x
) est dnie positive f admet un minimum local li en x
.
H
x
L
(x
) est dnie ngative f admet un maximum local li en x
.
x D : H
x
L
(x,
) est semi-dnie positive f admet un minimum global li

en x
.
x D : H
x
L
(x,
) est semi-dnie ngative f admet un maximum global

li en x
.
J
Remarques
1. Les conditions relatives aux matrices semi-dnies (dans les deux derniers cas) jouent ici
le rle des conditions de concavit et de convexit, et conduisent dtecter un extremum
global.
2. Contrairement au cas des extrema libres, on ne peut rien conclure lorsque H
x
L
(x
) est
indnie.
Exemple
Formulons le problme du consommateur pour une fonction dutilit particulire. Il sagit de
maximiser U(x, y) =

xy sous la contrainte budgtaire p
1
x + p
2
y R = 0, o p
1
, p
2
> 0, en
supposant, pour simplier, que les solutions de coin sont exclues et donc que
D =
_
(x, y) R
2
: x > 0, y > 0
_
.
On a : L(x, y, ) =

xy (p
1
x +p
2
y R).
En vertu du thorme de Lagrange (condition du premier ordre), on a :
_
y
2
x
p
1
= 0
x
2
y
p
2
= 0
p
1
x +p
2
y = R
_
=
y
2p
1
x
y
x
=
p
1
p
2
x
_
p
1
+p
2
y
x
_
= R
_
x =
R
2p
1
y =
R
2p
2
=
1
2
p
1
p
2
.
Le lagrangien admet donc un seul point critique : (x
, y
) =
_
R
2p
1
,
R
2p
2
,
1
2
p
1
p
2
_
.
La matrice hessienne partielle est donne par :
H
x,y
L
(x, y, ) =
_
_
_
_
2
L
2
x
(x, y, )
2
L
xy
(x, y, )
2
L
xy
(x, y, )
2
L
2
y
(x, y, )
_
_
_
_
=
_
_
_
_
y
4x
x
1
4
xy
1
4
xy

x
4y
y
_
_
_
_
.
Elle est semi-dnie ngative sur louvert convexe D. Do, daprs la condition du deuxime
ordre, il existe un maximum li global en (x
, y
) =
_
R
2p
1
,
R
2p
2
_
, avec pour valeur maximale
U(x
, y
) =
R
2
p
1
p
2
3 Extrema lis : contraintes dingalit

Avant daborder la rsolution mathmatique gnrale, revenons en guise de prambule
sur le problme du consommateur. Grce la mthode de Lagrange, nous avons pu
incorporer la contrainte de budget dans la maximisation de la fonction dutilit. Pourtant,
cette contrainte est apparue sous la forme de lgalit p
1
x + p
2
y = R, traduisant le fait
que tout le budget R sera consacr la consommation. Le problme pos noffrant pas
de possibilit dpargne, toute fonction dutilit raisonnable conduira effectivement
puiser le budget loptimum.
Dans la ralit pourtant, la contrainte de budget correspond lingalit p
1
x +p
2
y R,
personne ne forant le consommateur puiser son budget. Mais comme ce consomma-
teur est suppos rationnel, loptimum, lgalit est spontanment ralise. On dira que la
solution du problme sature la contrainte (en outre, le multiplicateur de Lagrange mesure
la sensibilit de lutilit optimale cette contrainte).
Par ailleurs, il faut aussi expliciter, dans la spcication du problme, les contraintes de
non-ngativit relatives aux quantits (x 0, y 0), qui, elles, sont souvent mais pas
toujours ! inoprantes (non satures loptimum).
Extrema lis : contraintes dingalit 213
Enconclusion, le problme duconsommateur apparat naturellement comme une optimi-
sation sous contraintes dingalits : maximiser lutilit U(x, y) sous les trois contraintes :
p
1
x + p
2
y R 0, x 0, y 0. La rsolution de ce type de problmes est aborde ici
dans une perspective pratique.
3.1 CONTRAINTES SATURES, CONTRAINTES RGULIRES
Le problme concerne la dtermination des extrema dune fonction f de n variables, rsu-
mes par le vecteur x, sous p contraintes dingalits non strictes g
j
(x) 0, j = 1, . . . , p.
Les fonctions f et g
j
, j = 1, . . . , p, sont toutes dnies dans undomaine ouvert D R
n
. Le
domaine admissible est donc donn par A =
_
x D : g
1
(x) 0, . . . , g
p
(x) 0
_
. Parmi
les points de cet ensemble, on distingue des autres ceux qui se situent sur un bord au
moins.
Dnition La contrainte g
j
(x) 0 est dite sature (ou serre) au point a A
si g
j
(a) = 0.
J
Exemple
Considrons le systme suivant de deux contraintes :
_
x 1
y 0

_
x 1 0
y 0
.
Les points
_
x, y
_
R
2
, tels que x < 1 et y > 0, sont admissibles et ne saturent aucune contrainte.
Ceux qui vrient soit x = 1 et y > 0, soit x < 1 et y = 0, saturent une seule contrainte tandis
que lunique point (1, 0) sature les deux contraintes simultanment.
Un extremum situ en un point de A en lequel aucune contrainte nest sature peut tre
repr comme un extremum libre dans un domaine ouvert. Par contre, en un point qui
sature au moins une contrainte, un ventuel extremum se prsente comme li par la (ou
les) contrainte(s) sature(s) exprime(s) alors sous forme dgalit.
Exemple
Recherchons les extrema de la fonction f (x, y) = x +y 1 s.c. x
2
+y
2
1.
Les fonctions f et g, o g(x, y) = x
2
+ y
2
1, sont toutes deux dnies et diffrentiables dans
D = R
2
. Le domaine admissible est donc donn par A =
_
(x, y) R
2
: x
2
+y
2
1
_
.
La fonction nadmet aucun point critique dans lintrieur du domaine admissible (x
2
+ y
2
< 1)
puisque
_
x, y
_
R
2
: f (x, y) = (1, 1) = (0, 0).
Au bord du domaine admissible (x
2
+y
2
1 = 0), on cherche les points critiques du lagrangien :
L(x, y, ) = x +y 1 (x
2
+y
2
1). La rsolution du systme :
_
_
L
x
(x, y, ) = 1 2x = 0
L
y
(x, y, ) = 1 2y = 0
g(x, y) = x
2
+y
2
1 = 0
conduit deux points critiques :
_
2
2
,
2
2
_
et
_
2
2
,
2
2
_
.
Ce sont les deux seuls candidats extrema.
7
Chapitre
Pour conclure, on observe que le domaine A est compact (born et ferm), ce qui garantit
lexistence dun maximum et dun minimum global (voir section 1.2). En comparant les valeurs
prises par la fonction dobjectif aux deux points candidats, on dduit que le maximum global
est situ en
_
2
2
,
2
2
_
et le minimum global en
_
2
2
,
2
2
_
.
Ce mme exemple sera aussi rsolu plus loin laide du thorme de Kuhn et Tucker.
Pralablement la prsentation du thorme de Kuhn et Tucker qui synthtise les
conditions de premier ordre relatives, dune part, aux extrema libres, et dautre part,
aux extrema sous contraintes dgalits, il convient de dnir la notion de sys-
tme rgulier des contraintes. Logiquement, dans le contexte des contraintes dinga-
lits, la dnition doit tre adapte pour faire rfrence aux seules contraintes
satures.
Dnition Le point a A est un point rgulier du systme des contraintes
g
j
(x) 0, j = 1, . . . , p, si la matrice jacobienne (voir chapitre 6, section 4.3) des
contraintes satures en a est de rang maximum. Dans le cas contraire, le point
a A est dit singulier.
J
Considrons un point a A. Lensemble C
a
=
_
j
_
1, . . . , p
_
: g
j
(a) = 0
_
permet de
reprer les contraintes satures en a. Le point a est donc singulier si le rang de la matrice
_
g
k
x
i
(a)
_
kC
a
i{1,...,n}
nest pas gal au rang maximum qui est la plus petite des deux valeurs
suivantes : n et le nombre dlments de C
a
.
Ce rang maximum varie selon le point considr. Par exemple, les points situs dans
lintrieur de A ne saturent aucune contrainte, de sorte que le rang maximal est gal
zro et que le systme des contraintes est automatiquement rgulier.
En outre, contrairement lhypothse adopte pour le nombre m des contraintes
lgalit, le nombre p de contraintes lingalit peut dpasser le nombre n de variables
du problme, de sorte que le nombre dlments de C
a
peut, pour certains points a, tre
suprieur n.
Exemple
Il sagit doptimiser f (x, y) = x
2
+y
2
s.c. g(x, y) = x
2
y
2
0. Il y a donc une seule contrainte
( p = 1).
Si x
2
= y
2
aucune contrainte sature en
_
x, y
_
.
Si x
2
= y
2
une contrainte sature en
_
x, y
_
.
On a
g
x
(x, y) = 2x,
g
y
(x, y) = 2y. Le rang du jacobien J
g
(x, y) = g(x, y) =
_
2x 2y
_
est maximal (gal 1) si et seulement si :
_
x, y
_
= (0,0).
Si x = y = 0 : le point (0,0), qui vrie la contrainte x
2
= y
2
, est singulier.
Notons au passage que la dtermination des points rguliers ne concerne que les contraintes,
pas la fonction dobjectif f . Enn, dans cet exemple, f admet un minimum li (et libre !) global
vident en (0,0).
3.2 LE THORME DE KUHN ET TUCKER
Pour simplier la formulation des rsultats, nous nous limitons, sans grande perte de
gnralit, au cas o toutes les fonctions dintrt sont de classe C
1
dans R
n
. Par la suite,
cette hypothse ne sera plus mentionne dans les noncs.
Nous considrerons dabord un premier problme o seules des contraintes dingalits
sont introduites. Ensuite, nous envisagerons le cas mixte (galits et ingalits).
Soit le premier problme suivant :
_
opt f (x), x R
n
s.c. g
j
(x) 0, j = 1, . . . , p
.
La condition du premier ordre pour ce problme repose sur un lagrangien dni comme
prcdemment : L(x, ) = f (x)
p
j=1
j
g
j
(x).
Dans lcriture de ce lagrangien, les notations sont lgrement modies pour rser-
ver les multiplicateurs
k
aux contraintes dgalits qui apparatront dans le deuxime
problme.
Thorme de Kuhn et Tucker (pour le premier problme)
Si f admet en a un maximum li (resp. un minimum li) sous les contraintes
g
1
(x) 0, . . . , g
p
(x) 0, et si le systme des contraintes est rgulier en a, alors :
= (
1
, . . . ,
p
) R
p
tel que :

j
0 (resp.
j
0), j = 1, . . . , p ;
L
x
i
(a, ) = 0, i = 1, . . . , n ;

j
g
j
(a) = 0, j = 1, . . . , p (conditions dexclusion).
J
La dernire ligne sinterprte comme suit : soit la j-me contrainte est sature en a
(g
j
(a) = 0) et la condition est automatiquement rencontre, soit la j-me contrainte
nest pas sature en a (g
j
(a) < 0), et le multiplicateur correspondant
j
doit sannuler.
Ainsi, en un extremum qui ne sature aucune contrainte, tous les multiplicateurs sont
gaux zro, rduisant le lagrangien la fonction dobjectif f et la thse du thorme
la simple condition du premier ordre pour extrema libres. loppos, si un extremum
saturait toutes les contraintes (tout en y garantissant la rgularit du systme, ce qui
impose notamment que m < n), alors le thorme se rduirait celui de Lagrange relatif
loptimisation sous contraintes dgalits.
Considrons prsent le second problme :
_
_
opt f (x), x R
n
s.c. g
j
(x) 0, j = 1, . . . , p
h
k
(x) = 0, k = 1, . . . , m (m < n)
La condition du premier ordre pour ce problme repose sur un lagrangien incorporant
les deux types de contraintes : L(x, , ) = f (x)
p
j=1
j
g
j
(x)
m
k=1
k
h
k
(x).
7
Chapitre
Thorme de Kuhn et Tucker (pour le second problme) Si f admet
en a un maximum li (resp. un minimum li) sous les contraintes g
1
(x)
0, . . . , g
p
(x) 0, h
1
(x) = 0, . . . , h
m
(x) = 0, et si le systme des contraintes
est rgulier en a, alors : = (
1
, . . . ,
p
) R
p
, = (
1
, . . . ,
m
) R
m
tels
que :

j
0 (resp.
j
0), j = 1, . . . , p ;
L
x
i
(a, , ) = 0, i = 1, . . . , n ;

j
g
j
(a) = 0, j = 1, . . . , p (conditions dexclusion).
J
Cette formulation est semblable la prcdente, quoique plus gnrale. En effet, les
multiplicateurs
k
relatifs aux contraintes dgalits ne peuvent dsormais plus tre effacs
laide de conditions dexclusion. Cette observation rsulte simplement du fait que, par
nature, toute contrainte dgalit est sature en un point admissible.
Remarque
Tout problme contraint par des galits peut trivialement se ramener un problme soumis
exclusivement des ingalits. En effet, lgalit h(x) = 0 est videmment quivalente
la runion des deux ingalits : h(x) 0 et h(x) 0. Pourtant, dans la pratique, il
convient cependant dviter doprer de telles substitutions qui alourdissent la formulation
des conditions ncessaires doptimisation, et ont surtout tendance multiplier les points
singuliers (les gradients de h(x) et [h(x)] sont proportionnels), peu commodes traiter.
Exemple
Dterminons, par la mthode de Kuhn et Tucker, les extrema de la fonction f (x, y) = x + y 1
s.c. x
2
+y
2
1.
La contrainte nadmet pas de point singulier, puisque le point (0,0) ne sature pas la contrainte
(0
2
+0
2
1 = 0).
On dnit : L(x, y, ) = f (x, y) g(x, y) = x +y 1 (x
2
+y
2
1).
Les conditions de Kuhn et Tucker pour un maximum sont :
_
_
0
L
x
(x, y, ) = 1 2x = 0 (1)
L
y
(x, y, ) = 1 2y = 0 (2)
(x
2
+y
2
1) = 0 (condition dexclusion)
.
On envisage les deux possibilits datteindre la condition dexclusion :
soit x
2
+y
2
1 = 0 = 0, ce qui est impossible en vertu de (1).
soit x
2
+y
2
1 = 0
_
_
0
x = y =
1
2
1
4
2
+
1
4
2
= 1
_
=
2
2
x =
2
2
, y =
2
2
.
Le domaine admissible est compact, donc f admet un maximum global en lunique candidat
_
2
2
,
2
2
_
. De manire similaire (seule diffrence : 0), on montre que
_
2
2
,
2
2
_
ralise un minimum global.
Problmes
et exercices
Les exercices suivent lordre adopt dans la prsentation de la thorie.
Les premiers portent sur les extrema libres. An dviter les rptitions, les
rsultats relatifs aux matrices hessiennes des exercices 1 8 sont repris
de lexercice 20 du chapitre 5. Les exercices concernant les extrema lis
appliquent soit la mthode de Lagrange, soit celle de Kuhn et Tucker.
Dans le second cas, le lecteur constatera quil est souvent fastidieux de
passer en revue lensemble des points traiter, alors que certains peuvent
tre rapidement carts. De plus, dans le cas de deux variables, la
reprsentation gomtrique du domaine admissible peut utilement guider
la rsolution.
An de se concentrer sur lapproche applique la grande majorit des
problmes de la gestion, les cas rares de fonctions irrgulires et de
points singuliers sont exclus des exercices.
Extrema libres
Notez que toutes les fonctions considres ci-dessous sont sufsamment rgulires dans
un ensemble ouvert (elles appartiennent C
2
_
R
2
_
ou C
2
_
R
3
_
, sauf pour lexercice 5)
pour justier lapplication des conditions dordres 1 et 2, sans autres candidats que les
points critiques. En fait, elles sont mme toutes de classe C
(les drives de tous ordres

existent et sont continues).
Dans les exercices 1 8, dterminez les extrema libres des fonctions donnes.
EXERCICE 1
nonc
f (x, y) = x
3
+y
3
3xy.
Solution Points critiques :
_
_
f
x
(x, y) = 3x
2
3y = 0
f
y
(x, y) = 3y
2
3x = 0
deux candidats : (0, 0) et (1, 1).
Classication : la matrice hessienne de la fonction f en un point (x, y) R
2
est donne
par :
H
f
(x, y) =
_
_
_
_
2
f
x
2
(x, y)
2
f
xy
(x, y)
2
f
xy
(x, y)
2
f
y
2
(x, y)
_
_
_
_
=
_
6x 3
3 6y
_
.
Il sensuit que H
f
(0, 0) =
_
0 3
3 0
_
et H
f
(1, 1) =
_
6 3
3 6
_
.
H
f
(0, 0) est indnie (0,0) est un point de selle.
H
f
(1, 1) est dnie positive f admet un minimum local en (1, 1), mais non global
puisque, par exemple, f (2, 0) = 8 < f (1, 1) = 1.
EXERCICE 2
nonc
f (x, y) = y
3
2xy +x
2
1.
_
_
f
x
(x, y) = 2y +2x = 0
f
y
(x, y) = 3y
2
2x = 0
_
x = y
3y
2
2y = 0

_
_
_
x = y
y = 0 ou y =
2
3
.
Les candidats sont donc (0, 0) et
_
2
3
,
2
3
_
.
Classication : on a
_
x, y
_
R
2
: H
f
(x, y) =
_
2 2
2 6y
_
.
H
f
(0, 0) =
_
2 2
2 0
_
est indnie (0, 0) est un point de selle.
H
f
_
2
3
,
2
3
_
=
_
2 2
2 4
_
est dnie positive f admet un minimum local en
_
2
3
,
2
3
_
, non global puisque lim
y
f (0, y) = lim
y
(y
3
1) = .
Extrema libres 219
EXERCICE 3
nonc
f (x, y) = (x y)
4
+(y 1)
4
.
Solution Point critique : (1, 1) qui est lunique solution de
f (x, y) =
_
4(x y)
3
, 4(x y)
3
+4(y 1)
3
_
= (0, 0).
Classication : H
f
(x, y) =
_
12(x y)
2
12(x y)
2
12(x y)
2
12(x y)
2
+12(y 1)
2
_
.
H
f
(1, 1) =
_
0 0
0 0
_
, dont on ne peut tirer aucune conclusion.
Une tude directe rvle que : (x, y) R
2
: f (x, y) = (x y)
4
+ (y 1)
4
0 =
f (1, 1) f admet un minimum global en (1, 1).
EXERCICE 4
nonc
f (x, y) = sin(xy).
_
y cos(xy) = 0
x cos(xy) = 0

_
_
x = 0 ou xy =

2
+k, k Z
y = 0 ou xy =

2
+k, k Z
.
Classication : H
f
(x, y) =
_
y
2
sin(xy) cos(xy) xy sin(xy)
cos(xy) xy sin(xy) x
2
sin(xy)
_
.
H
f
(0, 0) =
_
0 1
1 0
_
(0, 0) est un point de selle.
Si xy =

2
+k et k est pair alors H
f
(x, y) =
_
y
2
xy
xy x
2
_
: aucune conclusion.
Si xy =

2
+k et k est impair alors H
f
(x, y) =
_
y
2
xy
xy x
2
_
: aucune conclusion.
Pour classer ces candidats, on doit recourir une autre mthode :
Comme 1 f (x, y) 1 et f
_
2
+k
_
=
_
1 si k impair
1 si k pair
, la fonction admet un
minimum global en tout (a, b) tel que ab =

2
+(2k +1) =
3
2
+2k, k Z, et un
maximum global en tout (a, b) tel que ab =

2
+2k, k Z. Le graphe de f , donn par
la gure 7.5, page ci-contre, est malheureusement difcile dcrypter.
7
Chapitre
Figure 7.5
1
0,8
0,6
0,4
0,2
0,4
0,6
0,8
1
z
G
f
y
x
6
4
2
4
6
6
4
2
2
4
6
EXERCICE 5
nonc
f (x, y) = y
2
+xy ln x.
Solution Points critiques : f est de classe C
2
dans son domaine, louvert D =
_
(x, y) R
2
: x > 0
_
.
Les seuls candidats sont les deux points critiques (1, 0) et
_
1
e
,
1
2e
_
.
Classication :
H
f
(1, 0) =
_
0 1
1 2
_
est indnie point de selle en (1,0).
H
f
_
1
e
,
1
2e
_
=
_
_
1
2
0
0 2
_
_
est dnie positive minimum local en
_
1
e
,
1
2e
_
, non
global car lim
x+
f (x, x) = lim
x+
x
2
(1 lnx) = .
EXERCICE 6
nonc
f (x, y) = x
4
+y
4
2(x y)
2
.
Extrema libres 221
Solution Points critiques : (0, 0),
_
2,
2
_
et
_
2,
2
_
.
Classication :
H
f
_
2,
2
_
=
_
20 4
4 20
_
est dnie positive
minima globaux en
_
2,
2
_
.
H
f
(0, 0) =
_
4 4
4 4
_
: aucune conclusion possible. Toutefois, on a :
x = 0 : f (x, x) = 2x
4
> f (0, 0) = 0
et x
_
2,
2
_
\{0} : f (x, x) = 2x
2
(x
2
2) < f (0, 0) = 0.
Il sensuit que toute boule ouverte de R
2
centre lorigine contient des points o f est
positive et des points o f est ngative. Il ny a donc pas dextremum en (0, 0).
EXERCICE 7
nonc
f (x, y, z) = x
2
+3y
2
+2z
2
2xy +2xz.
Solution Point critique :
_
_
f
x
(x, y, z) = 2x 2y +2z = 0
f
y
(x, y, z) = 6y 2x = 0
f
z
(x, y, z) = 4z +2x = 0
un seul point critique : (0, 0, 0).
Classication : (x, y, z) R
3
: H
f
(x, y, z) =
_
_
_
2 2 2
2 6 0
2 0 4
_
_
_
est dnie positive
f est convexe dans R
3
(voir chapitre 6) f admet un minimum global en (0, 0, 0).
EXERCICE 8
nonc
f (x, y, z) = x
2
+y
2
z
2
.
Solution La fonction f nadmet pas dextrema mais un point de selle en (0, 0, 0).
7
Chapitre
EXERCICE 9
nonc
Vous tes le directeur nancier de la rme Sanbon & Fils. Cette entreprise a investi
3 000 euros pour mettre au point un nouveau parfum. Le cot de la production est de
3 euros par acon de 100 ml. Lexpert consult par M. Sanbon pre a tabli que si la rme
consacre x euros en publicit pour son parfum et que le prix de vente dun acon est de
y euros, la rme vendra exactement
_
300 +6
x 10y
_
pices.
La rme Sanbon & Fils xe videmment x et y de manire maximiser son prot. En tant
que directeur nancier, il vous incombe de dterminer ces valeurs.
Solution Revenu de la vente = y(300 +6
x 10y).
Cot de production = 3(300 +6
x 10y).
Cot de dveloppement et de publicit = 3 000 +x.
Le prot de la rme maximiser est donc : (x, y) = (y3)(300+6
x10y)x3 000.
La condition du premier ordre scrit :
_
x
(x, y) =
3(y 3)
x
1 = 0
y
(x, y) = 330 +6
x 20y = 0
(x, y) = (164 025,138) .
La hessienne en ce point est dnie ngative ( vrier), et on a bien un maximum. La
rme Sanbon & Fils va donc consacrer 164 025 euros la promotion de son nouveau
parfumet vendre le acon de 100 ml 138 euros. Elle ralisera de la sorte le prot maximal
de (164 025,138) = 15 225 euros.
Extrema lis : contraintes dgalits
EXERCICE 10
nonc
Dans les cas suivants, recherchez les extrema de f sous la contrainte g(x, y) = 0.
a f (x, y) = y
2
+(x 1)
2
et g(x, y) = y
2
4x.
b f (x, y) = 2 lnx et g(x, y) = x
2
+y
2
1.
c f (x, y) = y
3
et g(x, y) = x
2
y
3
+y.
Solution a Le lagrangien du problme, L(x, y, ) = y
2
+ (x 1)
2

_
y
2
4x
_
, est de classe C
et la contrainte nadmet pas de point singulier puisque :

_
x, y
_
R
2
: g(x, y) =
(4, 2y) = (0, 0).
Le seul candidat extremum li est le point critique du lagrangien qui vrie :
_
_
L
x
(x, y, ) = 2(x 1) +4 = 0
L
y
(x, y, ) = 2y 2y = 0
g(x, y) = y
2
4x = 0
_
x = 0
y = 0
=
1
2
.
La matrice hessienne partielle du lagrangien est donne par :
H
x,y
L
(x, y, ) =
_
_
_
_
2
L
x
2
(x, y, )
2
L
xy
(x, y, )
2
L
xy
(x, y, )
2
L
y
2
(x, y, )
_
_
_
_
=
_
2 0
0 2(1 )
_
(x, y) R
2
: H
x,y
L
_
x, y,
1
2
_
=
_
2 0
0 1
_
est clairement dnie positive.
La fonction admet donc un minimum global li en (0, 0).
La gure 7.6 prsente le graphe de f , G
f
, le domaine contraint et la courbe des points
admissibles du graphe. La gure 7.7, page ci-contre, complte la reprsentation par une
projection sur le plan horizontal.
Figure 7.6
2
4
6
8
10
12
2
2
2 1 1 2
Points admissibles de G
f
G
f
z
x
y
Domaine admissible
Remarque
Ici la contrainte x =
1
4
y
2
permet de se ramener la recherche des extrema libres de la
fonction F de la seule variable y dnie par :
F(y) = f
_
1
4
y
2
, y
_
= y
2
+
_
1
4
y
2
1
_
2
=
1
16
y
4
+
1
2
y
2
+1.
Cette fonction admet un minimum global en 0, ce qui rejoint la conclusion obtenue par la
mthode de Lagrange.
7
Chapitre
Figure 7.7
4
2
2
4
y
f(x,y)=1
f(x,y)=2
g(x,y)=0
1 1 2 3 4
x
b Les fonctions f et g sont de classe C
dans louvert D =
_
(x, y) R
2
: x > 0
_
et la
contrainte nadmet pas de point singulier puisque, pour tous les points admissibles, on
a : g(x, y) = (2x, 2y) = (0, 0). Les candidats sont donc les seuls points critiques du
lagrangien :
_
_
2
x
2x = 0
2y = 0
x
2
+y
2
1 = 0
x > 0
_
x = 1
y = 0
= 1
.
On a aussi x
2
+y
2
1 = 0 et x > 0 0 < x 1 2 lnx 0 = f (1, 0) maximum
global li en (1,0) (voir gure 7.8, page suivante).
c Les fonctions f et g sont de classe C
dans R
2
et la contrainte nadmet pas de point
admissible singulier. Les candidats sont donc donns par les points critiques dulagrangien:
(0,0,0),
_
0, 1,
3
2
_
et
_
0, 1,
3
2
_
.
H
x,y
L
(0, 0, 0) =
_
0 0
0 0
_
est semi-dnie : aucune conclusion.
H
x,y
L
_
0, 1,
3
2
_
=
_
3 0
0 3
_
est indnie : aucune conclusion.
H
x,y
L
_
0, 1,
3
2
_
=
_
3 0
0 3
_
est dnie positive minimum local li en (0, 1).
On peut en outre tablir que ce minimum est global. En effet :
g(x, y) = 0 x
2
y
3
+y = 0 y
3
y = x
2
0 y ([1, 0] [1, +)) .
Il sensuit que : g(x, y) = 0 f (x, y) = y
3
1 = f (0, 1) minimum global li en
(0, 1).
Dautre part, par des arguments locaux, relativement lourds prsenter, on peut tablir
la prsence dun maximum local li en (0,0) et dun minimum local li en (0,1).
Figure 7.8
2
2
4
2
2
4
y
z
G
f
1
1
2
3
4
5
6
x
EXERCICE 11
nonc
La fonction dutilit dun consommateur est donne par U(x, y) =

x.
4
y, o x et
y reprsentent respectivement les consommations journalires de frites (en cornets
moyens ) et de bire (en verres de 0,25 l). Le cornet de frites cote 2 euros, le verre de
bire cote 1 euro et le budget bire et frites journalier du consommateur est x
10 euros.
Dterminez la consommation qui maximise la satisfaction de ce consommateur.
Solution Le problme scrit : maximiser U(x, y) =

x
4
y sous la contrainte 2x + y = 10.

Le lagrangien associ, L(x, y, ) =

x.
4
y (2x + y 10), conduit au systme de

Lagrange :
_
_
L
x
(x, y, ) =
1
2
x
.
4
y 2 = 0
L
y
(x, y, ) =

x.
1
4
4
_
y
3
= 0
2x +y = 10
.
On trouve ainsi les consommations optimales : x =
10
3
, y =
10
3
, mais lhistoire ne dit pas
comment le consommateur parvient ngocier des tiers de verres et de cornets de frites
avec ses fournisseurs !
Remarque
Plus srieusement, il est possible de formaliser le problme en imposant que les variables
de dcision se cantonnent aux valeurs entires. Les problmes de ce type relvent de la
programmation en nombres entiers , qui offre divers algorithmes numriques de rsolution.
7
Chapitre
EXERCICE 12
nonc
Maximisez la fonction de Cobb-Douglas f (x, y) = x
(, (0, 1)) sous la contrainte

px + qy = w
_
p, q, w > 0
_
. Quel est leffet marginal dune variation de w sur la valeur
maximale de f ?
Solution x
=
w
p( +)
, y
=
w
q( +)
,
dF
dw
=
w
+1
p
( +)
+1
,
o F(w) = f
_
x
(w), y
(w)
_
.
EXERCICE 13
nonc
Considrons une rme qui minimise le cot, suppos linaire, associ la production
( deux facteurs) dun nombre, x k, dunits doutput. Elle minimise donc c(x, y) =
x +y sous la contrainte f (x, y) = k. Les nombres positifs et dsignent les prix des
deux facteurs, les variables x et y sont les quantits dterminer dans loptimisation.
a En supposant f sufsamment rgulire, montrez, grce au thorme de Lagrange, qu
loptimum (cot minimal), on a
f
x
f
y
=

, ce qui signie que le taux de substitution

technique est gal au rapport des prix des facteurs.
b Interprtez le multiplicateur de Lagrange.
Solution a Le problme scrit : minimiser c(x, y) s.c. f (x, y) = k. Appliquons le thorme de
Lagrange ce problme en supposant que les conditions de rgularit sont satisfaites.
Le lagrangien est : L(x, y, ) = c(x, y) (f (x, y) k). Ses points critiques vrient le
systme :
_
_
L
x
(x, y, ) =
c
x
(x, y)
f
x
(x, y) = 0
L
y
(x, y, ) =
c
y
(x, y)
f
y
(x, y) = 0
f (x, y) k = 0
_

f
x
(x, y) = 0

f
y
(x, y) = 0
_
_
f (x, y) k = 0
f
x
f
y
=

b Envertude la proprit thorique relative linterprtationdumultiplicateur, nous avons :
(k) = C
(k), o C(k) = c
_
x
(k), y
(k)
_
. Ceci signie que le multiplicateur de Lagrange
exprime le cot marginal de production loptimum.
Extremas lis : contraintes dingalits
EXERCICE 14
nonc
Maximisez x +y
2
sous la contrainte x
2
+y
2
1 0.
Solution Le lagrangien associ, L(x, y, ) = x + y
2
(x
2
+ y
2
1), conduit aux conditions de
Kuhn et Tucker suivantes :
_
_
0
1 2x = 0
2y 2y = 0
(x
2
+y
2
1) = 0
_
> 0
x =
1
2
> 0, y = y
x
2
+y
2
1 = 0
_
soit y = 0 =
1
2
et x = 1
soit y = 0 = 1, x =
1
2
et y =
3
2
.
Cela permet de conclure lexistence dun double maximum global, en
_
1
2
,
3
2
_
et
_
1
2
,
3
2
_
.
EXERCICE 15
nonc
Reprenez le problme du consommateur de lexercice 11, en formulant toutes les
contraintes en termes dingalits.
Montrez comment la rsolution propose par la mthode de Lagrange dans lexercice 11
en dcoule.
Solution Il sagit de maximiser U(x, y) =

x.
4
y dans le domaine (gure 7.9, page ci-contre) :

A =
_
(x, y) R
2
: x 0, y 0, 2x +y 10
_
.
La fonction U ne possde aucun point critique. Ds lors, les candidats sont situs au bord
du domaine. Les points de A situs sur les axes (x = 0 ou y = 0) correspondent de toute
vidence des minima. On les exclut dornavant, de sorte que la maximisation sopre
dans :
A =
_
(x, y) R
2
: x > 0, y > 0, 2x +y 10
_
.
Pour maximiser la fonction U dans

A, on plonge ce domaine dans lensemble ouvert
suivant : D =
_
(x, y) R
2
: x > 0, y > 0
_
. Comme les candidats sont situs sur le seul
7
Chapitre
Figure 7.9
A
2
2
4
6
8
10
12
y
x
2 2 4 6 8 10 12
bordrestant
_
2x +y = 10
_
, le problme se ramne la maximisationde U, dnie dans D,
sous la contrainte lgalit 2x +y = 10. Ceci justie lapproche suivie dans la rsolution
de lexercice 11.
EXERCICE 16
nonc
Maximisez la fonctiondutilit U(x, y) = xy sous la contrainte dubudget p
1
x+p
2
yR 0
( p
1
, p
2
, R > 0) et les contraintes de non-ngativit de x et y.
Solution Il sagit de maximiser la fonction U dans le domaine reprsent par la gure 7.10, page
suivante :
D =
_
(x, y) R
2
: x 0, y 0, p
1
x +p
2
y R 0
_
.
Notons demble que U est une fonction continue dans un domaine compact, de sorte
quun maximum global li existe. Pour le trouver, il sufra de comparer les valeurs de la
fonction atteintes en les divers candidats retenus laide des conditions de Kuhn et Tucker.
Le problme, formul laide des trois ingalits, scrit :
_
_
max U(x, y) = xy
g
1
(x, y) = p
1
x +p
2
y R 0
g
2
(x, y) = x 0
g
3
(x, y) = y 0
.
Figure 7.10
D
x
y
R
p
2
R
p
1
Cest donc un problme de type 1 avec p = 3. Le lagrangien associ scrit :
L(x, y,
1
,
2
,
3
) = f (x, y)
1
g
1
(x, y)
2
g
2
(x, y)
3
g
3
(x, y)
= xy
1
_
p
1
x +p
2
y R
_
+
2
x +
3
y.
Les conditions de Kuhn et Tucker sont :
_
1
,
2
,
3
0
y =
1
p
1

2
, x =
1
p
2

3
1
(p
1
x +p
2
y R) = 0,
2
x = 0,
3
y = 0
.
Considrons successivement les divers cas possibles et dduisons-en les candidats :
Toutes les contraintes sont satures : impossible.
Contraintes : g
1
, g
2
satures et g
3
non sature
_
y > 0
3
= 0
x = 0 =
1
p
2

3

1
= 0
y =
1
p
1

2
p
2
y R = 0 y =
R
p
2
_
x, y
_
=
_
0,
R
p
2
_
est candidat avec f
_
x, y
_
= 0.
R
p
2
= 0.
7
Chapitre
Contraintes : g
1
, g
3
sont satures et g
2
non sature
_
R
p
1
, 0
_
est candidat (par
symtrie) avec f
_
x, y
_
=
R
p
1
.0 = 0.
Contraintes : g
2
, g
3
satures et g
1
non sature x = y = 0 avec f (x, y) = 0.
Contraintes : g
1
sature et g
2
, g
3
non satures
2
=
3
= 0
x =
1
p
2
y =
1
p
1
p
1
x +p
2
y R = 0
_
x =
R
2p
1
y =
R
2p
2
1
=
R
2p
1
p
2
_
x, y
_
=
_
R
2p
1
,
R
2p
2
_
est candidat avec f
_
x, y
_
=
R
2p
1
.
R
2p
2
=
R
2
4p
1
p
2
Contraintes : g
2
sature et g
1
, g
3
non satures
_
_
x = 0 f (x, y) = 0
y =
2
0 < y <
R
p
2
1
=
3
= 0
Contraintes : g
3
est sature et g
2
, g
3
non satures
_
_
x =
1
y = 0 f (x, y) = 0
0 < x <
R
p
1
2
=
3
= 0
Aucune contrainte sature : pas de candidats.
On conclut donc que le maximum li recherch est situ en
_
R
2p
1
,
R
2p
2
_
.
EXERCICE 17
nonc
Maximisez f (x, y) = x +y sous les contraintes x
2
+y 2 et x 1.
Solution La gure 7.11, page suivante reprsente le domaine, qui est ferm mais non born,
donc non compact. Lexistence dextrema nest donc a priori pas garantie. Nanmoins,
en ajoutant la reprsentation du domaine, celle des courbes de niveau (gure 7.12,
page suivante), des droites dans le cas prsent, il devient apparent que le problme de
maximisation lie admet une solution. linverse cependant, il nexiste pas de minimum
li.
Le lagrangien associ au problme (de type 1) est donn par :
L(x, y,
1
,
2
) = x +y
1
(x
2
+y 2)
2
(x 1).
Figure 7.11
4
3
2
1
1
2
3
4
y
4 3 2 1 1 2 3 4
x
Figure 7.12
4
3
2
1
1
2
3
9
4 4
y
k = 1
k =
k = 0
k = 1
k = 2
x
4 3 2 1 1 2 3 4
7
Chapitre
Les conditions de Kuhn et Tucker sont :
_
1
,
2
0
L
x
(x, y,
1
,
2
) = 1 2
1
x
2
= 0
L
y
(x, y,
1
,
2
) = 1
1
= 0
1
(x
2
+y 2) = 0,
2
(x 1) = 0 (conditions dexclusion)
.
(x
2
+y 2) = 0 et (x 1) = 0
1
=
2
= 0, ce qui est impossible.
(x
2
+y 2) = 0 et (x 1) = 0
1
= 0 : impossible
(x
2
+y 2) = 0 et (x 1) = 0
_
1
= 1,
2
= 0
x =
1
2
1
=
1
2
y = 2
1
4
=
7
4
,
(x
2
+y 2) = 0 et (x 1) = 0
_
1
= 1,
2
= 1 : impossible
x = 1
y = 2 1 = 1
.
La fonctionf admet unmaximumlocal li en
_
1
2
,
7
4
_
qui est situ sur la courbe (parabole)
dquation x
2
+y 2 = 0, tandis que la contrainte x 1 nest pas sature loptimum.
En ce point la valeur maximale est de
9
4
EXERCICE 18
nonc
Considrez loptimisation de f
_
x, y
_
= x
2
+2y
2
s.c. 1 x
2
y
2
0, 1 +x 2y 0 et 1 x 2y 0.
a Reprsentez le domaine dlimit par les contraintes ainsi que quelques courbes de niveaux
de la fonction dobjectif.
b Utilisez la condition de Kuhn et Tucker pour dterminer les candidats extrema et classez-
les.
Solution a Sur la gure 7.13, page suivante, le domaine admissible (dlimit par les contraintes) est
la surface grise dlimite par la courbe noire. Les courbes de niveaux sont les ellipses
dquations x
2
+2y
2
= r
2
.
titre illustratif, la gure 7.14, page suivante, prsente le graphe de la fonction.
b Les conditions de Kuhn et Tucker fournissent les candidats suivants : (1, 0), (1, 0),
_
0,
1
2
_
, (0, 1),
_
1
3
,
1
3
_
,
_
1
3
,
1
3
_
et (0, 0). En comparant les valeurs prises par la
fonction dobjectif f , et en vertu de largument de compacit, on conclut que f admet
un maximum li global en (0, 1) et un minimum li (et libre) global en (0,0).
Figure 7.13
3
2
1
1
2
3
y
3 2 1 1 2 3
x
Figure 7.14
0,2
0,4
0,6
0 8
1
1,2
1,4
1,6
1,8
2
1
8
0 6
0,4
0,2
0,2
0,4
y
G
f
1
0,8
0 6
0,4
0,2
0,2
0,4
0,6
0,8
1
x
z
Accessoirement, on peut aussi montrer que la fonction admet un maximum li local
(non global) en
_
0,
1
2
_
et pas dextremum en les autres candidats (inspirez-vous du
graphe).
Rfrences
bibliographiques
Livres de mathmatiques appliques
lconomie et/ou la gestion
ARCHINARD, G. et B. GUERRIEN, Analyse mathmatique pour conomistes, Economica
(4
e
dition), 1992.
BAIR, J. Mathmatiques gnrales lusage des Sciences conomiques, de gestion et A.E.S,
De Boeck, 1993.
BISMANS, F., Mathmatiques pour lconomie, De Boeck, 1998.
CHIANG, A.C., Fundamental Methods of Mathematical Economics, Mc Graw Hill (3
rd
edi-
tion), 1984.
ESCH, L., Mathmatique pour conomistes et gestionnaires, De Boeck, 1992.
MICHEL, Ph., Cours de mathmatique pour conomistes, Economica (2
e
dition), 1989.
SOPER, J, Mathematics for Economics and Business, Blackwell (2
nd
edition), 2004.
Livres de mathmatiques
ADAMS, R.A., Calculus: A complete course, Pearson Education (5
th
edition), 2003.
BEVERIDGE, G.S., andR.S. SCHECHTER, Optimization: Theory andpractice, McGraw-Hill,
1970.
GANTMACHER, F.R., Thorie des matrices (2 tomes), Dunod, 1966 (traduction).
LANCASTER P. and M. TISMENETSKY, The Theory of Matrices, Academic Press
(2
nd
edition), 1985.
MARSDEN, J.E. and A.J. TROMBA, Vector Calculus, W.H. Freeman (4
th
edition), 1996.
STEWART, J., Multivariable calculus, Wadsworth (5
th
edition), 2002.
Livres de mathmatiques 235
Livres de gestion et dconomie
DOR, E., conomtrie applique, Pearson Education France, 2004.
GILLET, R., J.P. JOBARD, P. NAVATTE et Ph. RAIMBOURG, Finance, Dalloz (2
e
dition),
2003.
DE PALMA, A., DROESBEKE, J.J. et C. LEFVRE, Modles de diffusion en marketing, Presses
Universitaires de France, 1991.
FARBER, A., LAURENT, M.P., K. OOSTERLINCKet H. PIROTTE, Finance, PearsonEducation
France, 2004.
GOURIROUX, C., O. SCAILLET et A. SZAFARZ, conomtrie de la nance, Economica,
1997.
ROGER, P., Probabilits, statistique et processus stochastiques, Pearson Education France,
2004.
KRUGMAN, P.R. et M. OBSTFELD, conomie internationale, De Boeck, 2003 (traduction).
VARIAN, H.R., Introduction la microconomie, De Boeck (5
e
dition), 2003 (traduction).
236 Rfrences bibliographiques
Synthse
de cours
exercices
corrigs
&
Direction de collection :
Roland Gillet, professeur
luniversit Paris 1
Panthon-Sorbonne
Dans la mme collection :
conomtrie,
ric Dor (IESEG, Lille)
Finance, Andr Farber et al.
(Solvay Business School, ULB,
Bruxelles)
Probabilits, statistique et
processus stochastiques,
Patrick Roger (ULP, Strasbourg)
Les auteurs :
Jeremy Dussar t, ingnieur de gestion,
Solvay Business School (SBS), Universit
Libre de Bruxelles (ULB) ; chercheur en
stratgie, Centre Emile Bernheim(CEB).
N atacha Joukoff, mathmaticienne,
enseignante (SBS, ULB) spcialise en
cours de soutien.
Ahmed Loulit, docteur en sciences
mathmatiques, ULB, chercheur en
finance mathmatique, CEB.
Ariane Szafarz, docteur en sciences
mathmatiques, professeur de mathma-
tiques et de finance, ULB. Elle dirige le
Centre mile Bernheimet est membre du
dpartement dconomie applique
(DULBEA). Prsidente de lcole docto-
rale en gestion de lULB (SBS), elle est
lauteur de nombreux livres et articles
scientifiques en conomtrie financire.
Sciences de gestion
Lobjectif principal de cet ouvrage est dapporter aux tudiants en sciences
de gestion et en sciences conomiques les fondements mathmatiques nces-
saires la matrise des autres disciplines de leur cursus (statistique, finance,
microconomie, conomtrie). Aprs un rappel des notions de base, il
prsente les nombres complexes ; les suites relles ; les fonctions dune
variable ; la dtermination des extrema de ces fonctions ; les matrices,
systmes linaires et formes quadratiques ; les fonctions de plusieurs varia-
bles et la recherche de leurs extrema. Les rsultats sont largement illustrs
par des exemples.
Les exercices, qui occupent la seconde et majeure partie de chaque chapitre,
se rpartissent entre problmes thoriques et questions poses par les
sciences conomiques et de gestion (fonctions de production, fonctions
dutilit, dynamique des taux de change, maximisation de profit). Tous
sont accompagns de solutions dtailles.
Ce livre sadresse aux tudiants des coles de commerce ainsi quaux
tudiants des deux premires annes dconomie et de gestion. Il sera gale-
ment utile aux professionnels en formation continue.
La collection Synthex propose aux gestionnaires et aux
conomistes de dcouvrir ou de rviser les fondements
thoriques dune discipline et de se familiariser avec ses
applications au travers dexercices rsolus.
Chaque ouvrage prsente une synthse pdagogique et rigoureuse des fonde-
ments thoriques et des techniques dune discipline. Une slection dexercices
aux corrigs dtaills permet dassimiler successivement, et dillustrer plus
concrtement, les diffrents principes et apports fondamentaux.
Le lecteur, tudiant ou professionnel, est conduit au cur de la discipline consi-
dre, et, en sentranant la rsolution dexercices et de problmes progressifs,
acquiert une comprhension rapide et un raisonnement solide.
Mathmatiques
appliques
la gestion
Pearson Education France
47 bis, rue des Vinaigriers
75010 Paris
Tl. : 01 72 74 90 00
Fax : 01 42 05 22 17
www.pearson.fr
ISBN : 978-2-7440-7374-8

Maths Appliquee A La Gestion PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Maths Appliquee A La Gestion PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Sciences de gestion

B par f est lensemble :f

, x B : b 0 x. Pour montrer que

, procdons par labsurde. Sil existe un minorant de B strictement positif, disons

F = stablit de faon similaire.

J = [3, +). En effet, dune part, on a [3, +)

5, grce au tableau des signes ci-dessous :

48) = 1 / Domg = R\{1}.

, est fournie, par exemple, par T = min

Dterminez, si possible, sa limite dans R.

x nest pas dnie pour les nombres

, est donn par :

est dtermin partir de D en enlevant les

< f (x) (b , b + ), la premire dnition (par exemple)

pour obtenir K > 0 et x > K x >

= 0. Notons quun exemple

( R) o D est dtermin selon ,

Recherche dasymptotes verticales :

Recherche dasymptotes verticales :

(a) est le coefcient angulaire de la tangente T

(a) lnf (a) +g(a)

Pour 0 , la transformation f (x)g(x) =

Pour , la transformation f (x) g(x) =

Il sagit dune forme indtermine du type qui se ramne 0 , puis

(a) est appele drive seconde de f en a.

(x) = cos x, est aussi drivable

(x) = cos x, etc.

(x) > 0, x R f est strictement croissante dans R.

. Par exemple, la fonction f (x) =

x +1 = 0 > 0, > 0 : 0 < x +1 <

= b +2(a +bx)b +3(a +bx)

(x) = sin x cos x(1 +cos

b f (x) = |5x +2|.

86 Les fonctions dune seule variable

x). Aux bords des intervalles, cest--dire enket

(1)(x 1). Or f (1) =

et les hypothses de la rgle de lHospital

Les hypothses de la rgle de lHospital sont vries. Il sensuit que :

en lequel f est drivable et f

(a) = 0 est appel

en lesquels la fonction nest pas drivable.

) est parfois appel solution de

= [2, 4] \ (2, 4) = {2, 4}. En chacun

o la fonction nest pas continue.

(a) < 0 (resp.

(a) > 0).

(x) = 6x. Il sensuit que : f

(x) = 0 x {1, 1}.

(1) = 6 > 0, f admet un maximum local en 1 et un minimum

(x) = 0 x {0, 1}. Comme f

(1) = 4 > 0, f admet un minimum local en 1.

(0) = 0, on ne peut pas conclure laide de la condition du second ordre.

(0) = 8 < 0. En vertu de la proprit ci-dessus

Cette drive est ngative en tous les points du type : x =

comme indicateur de la prsence dun

(x) < 0 si x (a, a +) f admet un maximum local en a.

(a) = 0 f admet un maximum

(a) = 0 f admet un minimum

) = c (productivit marginale = cot marginal).

= 0. Ce sera le cas lorsque lorsquil nest jamais rentable de

(x) = 2x +6 = 0 x = 3. Ltude du signe de

(1) = 6 > 0 f admet un minimum local (et global) en 1.

(3) = 0 n = 4, la fonction doit avoir la forme : f (x) = (x 1)