Methode Lagrange

Chapitre 2
Elments de
mathmatiques
Nicholson and Snyder, Copyright 2008 by Thomson South-Western. All rights reserved.
Optimisation
Les thories cnomiques supposent que
lagent conomique recherche la valeur
optimale dune fonction
Consommateur maximise son utilit
Firme maximise son profit
Ce chapitre prsente les mathmatiques

ncessaires
Les Fonctions dUne Variable

Exemple simple : Le prsident dune
socit veut maximiser les profits
Profits max
* apparat en q*
*
= f(q)
q*
Quantit

Faire varier q pour voir o est le profit max
Une hausse de q1 q2 engendre un
accroissement de
*
2
= f(q)
q1
q2
q*
Quantit

Si loutput saccrot au del de q*, le profit
dclinera
Une hausse de q* q3 engendre une chutte de
*
= f(q)
3
q*
q3
Quantit
Drives
La drive de = f(q) est la limite de
/q pour des petites variations de q
La valeur dpend de la valeur de q1
Valeur de la Drive en un Point

La valeur de la drive au point q = q1
est note
Appliqu lexemple prcdent,
Condition du 1er Ordre pour un

Maximum
Pour quune fonction dune variable
atteigne son maximum en un point
donn, il faut que la drive en ce point
soit nulle.
Conditions du 2nd Ordre
La condition du 1er ordre (d/dq) est une

condition ncessaire pour avoir un
maximum, mais ce nest pas une condition
suffisante
Si la fonction de profit un forme de U,

la condition du 1er ordre impliquerait
que q* soit choisit et serait alors
minimis!
q*
Quantit

Cela implique que, pour que q* soit
loptimum
d
> 0 pour q < q *
dq
et
d
< 0 pour q > q *
dq
En q*, d/dq doit tre dcroissante
la drive de d/dq
doit tre ngative en q*
Drives secondes
La drive dune drive est appele
une drive seconde
Elle sera note
2
d
d f
ou
ou f " (q)
2
2
dq
dq
Condition du 2nd Ordre

La condition du 2nd ordre qui reprsente
un maximum (local) est la suivante
Rappel sur quelques rgles!

db
1. Si b est une constante, alors
=0
dx
d[bf (x)]
= bf (x)
dx
b
dx
= bx b1
dx
Rappel (suite)
dax
5.
= ax ln a , pour toute constante a
dx
un cas particulier de cette rgle dex/dx = ex
Rappels (suite)
Soient f(x) et g(x) deux fonctions of x et
f(x) et g(x) existent
Alors
Rappels (suite)
f (x)
d
g(x) f (x)g(x) f (x)g(x)

8.
=
2
dx
g(x)
avec g(x) 0
Rappels (suite)
Si y = f(x) et x = g(z) et si f(x) et g(x)
existent, alors :
on lappelle la rgle de la chaine

nous permet dtudier comment une
variable (z) affecte une autre variable (y)
par lintermdiaire dune variable
intermdiaire (x)
Rappels (suite)
Quelques exemples de la rgle de la
chaine
deax
deax d(ax)
10.
=
= eax a = ae ax
dx
d(ax) dx
d [ln(ax)] d [ln(ax)] d(ax) 1

1
11.
=
=
a=
dx
d(ax)
dx
ax
x
d[ln(x 2 )] d[ln(x 2 )] d(x 2 ) 1
2
12.
=
= 2 2x =
2
dx
dx
x
d(x )
x
Exemple de Maximisation de Profit

Supposons que la relation entre le profit
et loutput soit
= 1,000q - 5q2
La condition de 1er ordre pour un max.

d/dq = 1,000 - 10q = 0
q* = 100
Comme la drive 2nd est toujours gale

-10, alors q = 100 maximum global
Fonctions de Plusieurs Variables

La plupart des relations conomiques
font intervenir plusiurs variables
La dpendence dune varaible (y) sur
une srie dautres variables (x1,x2,,xn)
est note
Drives partielles
La drive partielle de y par rapport x1
sera note
y
f
ou
ou fx1 ou f1
x1
x1
En calculant une drive partielle, toutes

les autres variables sont considres
comme fixes.
Drives Partielles
Une dfintion plus formelle,
f
f (x1 + h,x 2 ,...,x n ) f (x1,x 2 ,...,x n )
= lim
x1 x 2 ,..., x n h 0
h
Drives Partielles
2
1
2
2
1. Si y = f (x1,x2 ) = ax + bx1x2 + cx , alors

f
= f1 = 2ax1 + bx2
x1
et
f
= f2 = bx1 + 2cx2
x2
2. Si y = f (x1,x2 ) = eax1 +bx 2 , alors
f
ax1 +bx 2
= f1 = ae
et
x1
f
ax1 +bx 2
= f2 = be
x2
Drives Partielles
3. Si y = f (x1,x2 ) = aln x1 + b ln x2 , alors
f
a
= f1 =
et
x1
x1
f
b
= f2 =
x2
x2
Drives Partielles
Les drives partielles sont lexpression
mathmatique de lhypothse ceteris
paribus
montrent comment les variations dune des
variables affectent le rsultat lorsque les
autres sont maintenues fixes (constantes)
Drives Partielles
Nous devons faire attention aux units
de mesure!
Elasticit
Les lasticit mesurent leffet
proportionnel dun changement dune
variable sur une autre
LUnit est neutre
Llasticit de y par rapport x est
Elasticit et Forme Fonctionnelle

Supposons que
y = a + bx + autres termes
Dans ce cas,
ey,x nest pas constant

Il est donc important de dfinir le point pour
lequel llastict est calcule

Supposons que
y = axb
Dans ce cas,

Soit
ln y = ln a + b ln x
Dans ce cas,
Drives Partielles 2ndes

La drive partielle dune drive
partielle est appele drive partielle
seconde
Thorme Young-Schwarz
Sous des conditions gnrales, les
drives partielles croises doivent tre
gales entre elles i.e.,
Utilisations des drives partielles

2ndes
Elles jouent un rle important dans de
nombreuses applications de thorie
conomique.
Un des plus important est la drive
partielle seconde directe, fii
elle montre comment y/xi varie lorsque la

valeur de xi saccrot
fii < 0 indique lide conomique de la
dcroissance de lefficacit marginale
Les Fonctions de Plusieurs

Variables
Supposons quun agent maximise
y = f (x1,x2,,xn)
La variation de y due une variation de
x1 (tous les autres x tant constants) est
f
dy =
dx1 = f1dx1
x1
la variation de y est gale la variation de
x1 que multiplie la pente (mesure dans la
direction de x1)
La Diffrentielle Totale
Soit y = f(x1,x2,,xn)
Si tous les x varient de faon
infinitsimale, leffet totale sur y sera
Condition du 1er Ordre pour un

Maximum
Une condition ncessaire pour que la

fonction f(x1,x2,,xn) ait un maximum est
que dy = 0 pour des petites variations des
x
Ceci ne peut tre vraie que si
Un point satisfaisant ces conditions est

appel point critique

La condition prcdente nest pas
suffisante pour assurer un maximum
Nous devons examiner les drives partielles
secondes de f
Dterminer un Maximum
Suppsons que y est une fonction de x1 et
x2
y = - (x1 - 1)2 - (x2 - 2)2 + 10
y = - x12 + 2x1 - x22 + 4x2 + 5
Les conditions du 1er Ordre montrent que
SOIT
Les Fonctions Implicites

Une fonction explicite reprsente par
une variable dpendante (y) comme
fonction dune ou plusieures variables
indpendantes (x) telle que
y = mx + b
peut tre crite comme une fonction

implicite
y mx b = 0
f(x,y,m,b) = 0
Drives des Fonctions Implicites

Il sera parfois souhaitable de calculer
directement partir des formes
implicites sans avoir isoler la
variables dpendante (y)
la diffrentielle totale de f(x,y) = 0 est
0 = fxdx + fydy
ce qui implique que
La Frontire des Possibilits de

Production Encore !
Exemple de dpart : x2 + 0.25y2 = 200
Peut tre rcrit : f(x,y) = x2 + 0.25y2 - 200 = 0
Comme fx = 2x et fy = 0.5y, le cot
dopportunit dun change entre x et y est
dy fx
2x 4x
=
=
=
dx
fy
0.5y
y
Thorme des Fonctions

Implicites
Il nest pas toujours possible de rsoudre des

fonctions implicites de la forme g(x,y)=0 en les
rcrivant de la forme explicite
y = f(x)
Les conditions ncessaires imposent des
restrictions sur diffrentes drives partielles des
fonctions
Dans de nombreuses applications conomiques,
ces condtions sont les mmes que les conditions
du 2nd ordre pour un maximum (ou un minimum)
Le Thorme de lEnveloppe
Le Thorme de lEnveloppe indique
comment la valeur loptimum dune
fonction varie lorsquun paramtre de la
fonction varie
Voyons-le travers un exemple
Suppsons que y est une fonction de x
y = -x2 + ax
Pour diverses valeurs de a, cette fonction est

reprsente par une famille de paraboles
Si on fixe une valeur particulire a, alors y
devient une fonction de x seulement et la
valeur de x qui maximise y peut tre calcule
Valeurs Optimales de x et y pour diverses Valeurs de a
Lorsque a augmente,
La valeur maximal de
y augmente
La relation entre
a et y
est quadratique
Supposons que lon est intress par le
changement dans y* lorsque a varie
Il y a deux faon de laborder
Calculer la pente de y directement
maintenir x constant sa valeur optimale et
calculer y/a directement
Pour calculer la pente de la fonction, nous
devons dterminer la valeur optimale de x
pour toute valeur de a
dy/dx = -2x + a = 0
x* = a/2
En substituant dans y = -x2 + ax nous

obtenons
y* = -(x*)2 + a(x*) = -(a/2)2 + a(a/2)
y* = -a2/4 + a2/2 = a2/4
Donc,
dy*/da = 2a/4 = a/2
On peut gagner du temps en utilisant le

thorme de lenveloppe
pour des petites variations de a, dy*/da peut
tre dtermine en maintenant x en x* et en
calculant y/a directement partir de y
y/ a = x
On maintient x = x*
y/ a = x* = a/2
On retrouve notre rsultat
La variation de la valeur loptimum dune
fonction en fonction dun paramtre de cette
fonction peut tre dtermine en drivant
partiellement la fonction objectif en fixant x
(ou plusieurs x) sa valeur optimale
On peut tendre ce thorme aux fonctions
de plusieurs variables
y = f(x1,xn,a)
Dterminer la valeur optimale de y consiste

en la rsolution de n quations du 1er ordre
y/xi = 0
(i = 1,,n)
Les valeurs optimales de ces x seront
fonction de a
x1* = x1*(a)
x2* = x2*(a)
.
.
.
xn*= xn*(a)
En substituant dans la fonction objectif on
obtient la valeur optiamle de y (y*)
y* = f [x1*(a), x2*(a),,xn*(a),a]
On diffrentie sur a et on obtient
A cause des conditions du 1er ordre tous
les termes except f/a sont gaux zro
si les x sont leurs valeurs optimales
Donc,
Maximisation sous Contrainte

Que ce passe-t-il si certaines valeurs de
x ne sont pas disponibles ?
Le valeurs de x doivent toutes tre > 0
Les choix du consommateur sont limits par
son pouvoir dachat
Une des mthode pour rsoudre les

problmes contraints est la mthode du
multiplicateur de lagrange
La Mthode du Multiplicateur de
Lagrange
On souhaite dterminer les valeurs de
x1, x2,, xn qui maximisent
y = f(x1, x2,, xn)
sous la contrainte
g(x1, x2,, xn) = 0
Lagrange
On dbute par dfinir la fonction de
lagrange
= f(x1, x2,, xn ) + g(x1, x2,, xn)
o est le multiplicateur de lagrange
Lagrange
Conditions du 1er ordre
/x1 = f1 + g1 = 0
/x2 = f2 + g2 = 0
.
.
.
/xn = fn + gn = 0
/ = g(x1, x2,, xn) = 0
La Mthode de Lagrange
Les condtions du 1er ordre peuvent
gnralement tre rsolues pour x1, x2,
, xn et
La solutions aura deux proprits :
Les x satisferont la contrainte
ces x rendront la valeur de (et donc de f)
la plus leve possible.
Lagrange
Le multiplicateur de Lagrnge () a une
interprtation conomique importante
Les conditions du 1er ordre impliquent
f1/-g1 = f2/-g2 == fn/-gn =
Les numrateurs mesurent le bnfice
marginale dune unit supplmentaire de xi
Les dnominateurs mesurent la charge
supplmentaire sur la contrainte dutiliser
plus de xi
La Mthode de Lagrange
A loptimum des xi, le rapport du
bnfice marginal sur le cot marginal to
de xi devrait tre le mme pour chaque xi
est le ratio cot-bnfice commun
tous les xi
bnfice marginal de xi
=
cot marginal de xi
Lagrange
indique de combien y variera si la
contrainte est modifie
shadow price de la contrainte
Lagrange
Une valeur leve de indique que
chaque xi a un ratio cot-bnfice lev
Une valeur faible de indique que
chaque xi a un ratio cot-bnfice faible
= 0 implique que la contrainte nest pas
active
Dualit
Tout problme de maximisation sous
contrainte admet un programme dual
savoir une minimisation sous contrainte
on sintresse ici aux contraintes du
problme original.
Dualit
Les agents maximisent leurs utilits sous
contraintes de budget
Problme dual: les agents minimisent
leurs dpenses pour atteindre un niveau
dutilit donn.
Dualit
Les entreprises minimisent le cot de
leurs inputs afin de produire un niveau
donn doutput.
Problme dual : les entreprises
maximisent leurs outputs pour un niveau
donn du cot des inputs.
Maximisation sous contrainte

Supposons qu'un agriculteur a une
certaine longueur de la clture (P) et
souhaite clturer la surface (rectangulaire)
la plus vaste possible
soient x et y les longueurs des cts
Problme : choisir x et y qui maximisent la

surface (A = xy) sous la contrainte que le
primtre est fix P = 2x + 2y

Dfinissons le Lagrangien :
= xy + (P - 2x - 2y)
Les CPO pour un maximum sont

/x = y - 2 = 0
/y = x - 2 = 0
/ = P - 2x - 2y = 0

Comme y/2 = x/2 = , x doit tre gale y
Le champs dot tre carr
Comme x = y and y = 2, on peut utiliser

la contrainte pour montrer que
x = y = P/4
= P/8

Interprtation du multiplicateur de
Lagrange
suggre quune unit supplmentaire de
clture devrait accrotre la surface de P/8
Le multiplicateur de Lagrange donne une
information sur la valeur implicite de la
contrainte

Problme dual : choisir x et y qui minimise
le montant de clture ncessaire pour
entourer le champs
minimise P = 2x + 2y s.c. A = xy
Le Lagrangien :
D = 2x + 2y + D(A - xy)

CPO:
D/x = 2 - Dy = 0
D/y = 2 - Dx = 0
D/D = A - xy = 0
On rsout, et on obtient
x = y = A1/2
Le multiplicateur est gal : (D) = 2A-1/2
Thorme de lenveloppe &

Supposons que lon veut maximiser
y = f(x1,,xn;a)
sous la contrainte
g(x1,,xn;a) = 0
Une faon de rsoudre serait de dfinir le

Lagrangien et de dterminer les CPO
Thorme de lenveloppe &

De la mme faon, on peut montrer que
dy*/da = /a(x1*,,xn*;a)
la variation dans la valeur maximale de y suite
une varaition de a peut tre dtermine en
prenant la drive partielle de et en
valuant cette drive partielle au point
optimal
Contraintes dingalit
Dans la plupart des problmes les
contraintes ne se saturent pas
Supposons que lon souhaite maximiser y =
f(x1,x2) s.c.
g(x1,x2) 0,
x1 0, et
x2 0
UN manire de rsoudre ce problme est
dintroduire 3 nouvelles variables (a, b,
et c) qui convertissent les ingalits en
galits
Afin de respecter les ingalits, nous
lverons au carr ces 3 nouvelles
variables afin de sassurer que leurs
valeurs sont bien > 0
g(x1,x2) - a2 = 0;
x1 - b2 = 0; et
x2 - c2 = 0
Toute solution qui satisfait ces 3

contraintres dgalit doit galement
satisfaire aux contraintes dingalit
Posons le Lagrangien
= f(x1,x2) + 1[g(x1,x2) - a2] + 2[x1 - b2] +
3[x2 - c2]
Il y aura donc 8 CPO!
/x1 = f1 + 1g1 + 2 = 0
/x2 = f1 + 1g2 + 3 = 0
/a = -2a1 = 0
/b = -2b2 = 0
/c = -2c3 = 0
/1 = g(x1,x2) - a2 = 0
/2 = x1 - b2 = 0
/3 = x2 - c2 = 0
Si lon regarde la troisime quation,
alors soit a ou 1 = 0
si a = 0, la contrainte g(x1,x2) est sature
si 1 = 0, la contrainte ne joue plus (gale
0)
Conclusions similaires pour x1 et x2
Ces rsultats forment les conditions de
Kuhn-Tucker
montrer que des solutions aux problmes
intressant les contraintes d'ingalit
seront diffrentes de celles impliquant des
contraintes d'galit de faon assez simple
nous permet de travailler principalement avec
des contraintes impliquant des galits
Conditions du second ordrefonctions dune variable

soit y = f(x)
La condition ncessaire pour un maximum
est que
dy/dx = f (x) = 0
Afin de sassurer que ce point est bien un
maximum, y doit tre dcroissante pour toute
varaition autour du point

La diffrentielle totale mesure la variation
de y
dy = f (x) dx
Pour tre au maximum, dy doit tre
dcroissante pour de petits accroissement de
x
Pour dterminer les variations de dy, on
utilisera la drive seconde sur y

d[f (x)dx]
2
d y=
dx = f " (x)dx dx = f " (x)dx
dx
2
comme d 2y < 0 , f (x)dx2 < 0

comme dx2 doit tre > 0, f (x) < 0
Ceci implique que la fonction f doit avoir

une forme concave au point critique
Conditions du second ordrefonctions de deux variables

Supposons que y = f(x1, x2)
Les CPO pour un maximum sont
y/x1 = f1 = 0
y/x2 = f2 = 0
Pour assurer que ce point est un maximum, y
doit diminuer lorsque lon sloigne du point
critique dans nimporte quelle direction

f1 et f2 doivent tre dcroissants au point
critique
La condition de Young-Schwarz doit tre
respecte (f12 = f21)

La diffrentielle totale de y est donne par
dy = f1 dx1 + f2 dx2
La diffrentielle de cette fonction est

d 2y = (f11dx1 + f12dx2)dx1 + (f21dx1 + f22dx2)dx2
d 2y = f11dx12 + f12dx2dx1 + f21dx1 dx2 + f22dx22
Par Young-Schwarz, f12 = f21 do

d 2y = f11dx12 + 2f12dx1dx2 + f22dx22

d 2y = f11dx12 + 2f12dx1dx2 + f22dx22
Pour que cette quation soit < 0 pour tout

dx1 et dx2 , f11 et f22 doivent tre ngative
Si, soit dx1 ou dx2 est nulle, alors d 2y sera
< 0 uniquement si
f11 f22 - f122 > 0

Supposons que lon souhaite choisir x1
et x2 qui maximisent
y = f(x1, x2)
sous la contrainte linaire

c - b1x1 - b2x2 = 0
Posons le Lagrangien:
= f(x1, x2) + (c - b1x1 - b2x2)

Les CPO sont
f1 - b1 = 0
f2 - b2 = 0
c - b1x1 - b2x2 = 0
Pour sassurer dun maximum, nous

prenons la diffrentielle seconde totale
d 2y = f11dx12 + 2f12dx1dx2 + f22dx22

Seules les valeurs de x1 et x2 qui
satisfont la contrainte peuvent tre
considres comme des points critiques
possibles
Nous devons dterminer la diffrentielle
totale de la contrainte
-b1 dx1 - b2 dx2 = 0
dx2 = -(b1/b2)dx1
Ce sont les variations relatives permisent de
x1 et x2

Comme les CPO impliquent que f1/f2 =
b1/b2, nous obtenons
dx2 = -(f1/f2) dx1
Puisque
d 2y = f11dx12 + 2f12dx1dx2 + f22dx22
nous pouvons substituer dx2 et obtenir

d 2y = f11dx12 - 2f12(f1/f2)dx12 + f22(f12/f22)dx12

En simplifiant et rarrangeant les termes,
nous obtenons
d 2y = f11 f22 - 2f12f1f2 + f22f12 [dx12/ f22]
Donc, pour d 2y < 0, nous devons avoir

f11 f22 - 2f12f1f2 + f22f12 < 0

f11 f22 - 2f12f1f2 + f22f12 < 0
Cette quation caractrise un ensemble

de fonctions dites quasi-concaves
i.e. que deux points dun ensemble peuvent
tre joints par un droite contenu entirement
dans cet ensemble.
Fonctions quasi-concaves et
concaves
Les diffrences entre ces deux
fonctions peuvent tre illustres avec la
fonction
y = f(x1,x2) = (x1x2)k
o x1 > 0, x2 > 0, et k > 0
Fonctions quasi-concaves et
concaves
Peu importe les valeurs de k, cette
fonction est quasi-concave
La concavit dpendra de la valeur de k
si k < 1, la fonction est concave
si k > 1, la fonction est convexe
Fonctions homognes
Une fonction f(x1,x2,xn) est homogne
de degr k si
f(tx1,tx2,txn) = tk f(x1,x2,xn)
lorsque k = 1, si lon double tous ses
arguments la valeur de la fonction ellemme est double
lorsque k = 0, si lon double tous ses
arguments alors la valeur de la fonction
reste inchange

Methode Lagrange

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Methode Lagrange

Uploaded by

Copyright:

Available Formats

Chapitre 2

Ce chapitre prsente les mathmatiques

Les Fonctions dUne Variable

Les Fonctions dUne Variable

Les Fonctions dUne Variable

La valeur dpend de la valeur de q1

Valeur de la Drive en un Point

Appliqu lexemple prcdent,

Condition du 1er Ordre pour un

Conditions du 2nd Ordre

La condition du 1er ordre (d/dq) est une

Si la fonction de profit un forme de U,

Conditions du 2nd Ordre

En q*, d/dq doit tre dcroissante

Condition du 2nd Ordre

Rappel sur quelques rgles!

g(x) f (x)g(x) f (x)g(x)

on lappelle la rgle de la chaine

d [ln(ax)] d [ln(ax)] d(ax) 1

Exemple de Maximisation de Profit

La condition de 1er ordre pour un max.

Comme la drive 2nd est toujours gale

Fonctions de Plusieurs Variables

En calculant une drive partielle, toutes

1. Si y = f (x1,x2 ) = ax + bx1x2 + cx , alors

Llasticit de y par rapport x est

Elasticit et Forme Fonctionnelle

ey,x nest pas constant

Elasticit et Forme Fonctionnelle

Elasticit et Forme Fonctionnelle

Drives Partielles 2ndes

Utilisations des drives partielles

elle montre comment y/xi varie lorsque la

Les Fonctions de Plusieurs

Condition du 1er Ordre pour un

Une condition ncessaire pour que la

Un point satisfaisant ces conditions est

Conditions du 2nd Ordre

Les conditions du 1er Ordre montrent que

Les Fonctions Implicites

peut tre crite comme une fonction

Drives des Fonctions Implicites

La Frontire des Possibilits de

Thorme des Fonctions

Il nest pas toujours possible de rsoudre des

Pour diverses valeurs de a, cette fonction est

En substituant dans y = -x2 + ax nous

On peut gagner du temps en utilisant le

On retrouve notre rsultat

Dterminer la valeur optimale de y consiste

On diffrentie sur a et on obtient

Maximisation sous Contrainte

Une des mthode pour rsoudre les

Maximisation sous contrainte

Problme : choisir x et y qui maximisent la

Maximisation sous contrainte

Les CPO pour un maximum sont

Maximisation sous contrainte

Comme x = y and y = 2, on peut utiliser

Maximisation sous contrainte

Maximisation sous contrainte

Maximisation sous contrainte

Le multiplicateur est gal : (D) = 2A-1/2

Thorme de lenveloppe &