Upload
others
View
7
Download
0
Embed Size (px)
Citation preview
CHAPITRE I
Fonctions d’une variable réelle
1. Fonctions, limites, continuitéSoit f une fonction dé�nie sur R :
f : R −→ R
x 7−→ f (x)
Dé�nition 1.1 (Limite �nie en un point)On dit que f admet ℓ pour limite lorsque x tend vers x0 sif (x) est aussi proche de ℓ que l’on veut, dès que x est su�samment
proche de x0.ou
f (x) se rapproche de ℓ, lorsque x se rapproche de x0.On note lim
x→x0f (x) = ℓ.
Dé�nition 1.2Soit f : D −→ R une fonction et x0 ∈ D. On dit que f est continueen x0• si f admet une limite quand x tend vers x0• et si cette limite est égale à f (x0).C’est-à-dire,
f continue en x0 ⇐⇒ limx→x0
f (x) = f (x0)
2. Dérivée d’une fonctionDé�nition 2.1Soit f : D −→ R une fonction et x0, x1 ∈ D. On appelle taux d’ac-croissement de f entre x0 et x1 le rapport
τ =f (x1) − f (x0)
x1 − x0
x0
f (x0)
x1
f (x1)
∆x
∆f
Pente =
τ
x0
f (x0)
x1
f (x1)
x0
f (x0)
T
x0
f (x0)
T
Pente =
f′ (x 0)
Dé�nition 2.2Soit f : D −→ R et x0 ∈ D. On appelle dérivée de f en x0 le réeldé�ni par
f ′(x0) = limx→x0
f (x) − f (x0)x − x0
si cette limite existe et est �nie.On dit alors que f est dérivable en x0.
La courbe représentative de f admet au point de coordonnées(x0, f (x0)
)une tangente de coe�cient directeur f ′(x0) et d’équa-
tiony = f (x0) + f ′(x0)(x − x0) .
RemarqueSi x est proche de x0, on peut faire l’approximation
f (x) ≈ f (x0) + f ′(x0)(x − x0)
En posant h = x − x0 (ou x = x0 + h ), on obtient
f (x0 + h) ≈ f (x0) + f ′(x0)h
Dé�nition 2.3On dit que f est dérivable sur D si elle est dérivable en tout point x0de D.On appelle alors fonction dérivée de f l’application f ′ dé�nie par
f ′ : D −→ R
x 7−→ f ′(x)
Dé�nition 2.4On dit que f est de classe C1 sur D si• f est dérivable sur D ;• la fonction dérivée f ′ est continue sur D.
Vincent Jalby – Université de Limoges – LS1 Economie-Gestion – 2019-2020 – I. Fonctions d’une variable réelle Page 1
Proposition 2.5Soit f : ]a, b[ −→ R une fonction dérivable sur un intervalle ]a, b[.• La fonction f est croissante sur ]a, b[ si et seulement si f ′(x) > 0pour tout x ∈ ]a, b[.
• La fonction f est décroissante sur ]a, b[ si et seulement si f ′(x) 60 pour tout x ∈ ]a, b[.
• La fonction f est constante sur ]a, b[ si et seulement si f ′(x) = 0pour tout x ∈ ]a, b[.
Remarque • Si f ′(x) > 0 pour tout x ∈ ]a, b[, alors f est stricte-ment croissante sur ]a, b[.
• Si f ′(x) < 0 pour tout x ∈ ]a, b[, alors f est strictement dé-croissante sur ]a, b[.
Dérivées usuelles
f (x) ax + b xn 1x
1xn
f ′(x) a nxn−1 −1x2
−nxn+1
f (x)√x 1
√x
ex ln x
f ′(x) 12√x
−12√x3
ex 1x
Proposition 2.6 (Dérivée d’un produit et d’un quotient)Soit u et v deux fonctions dérivables sur R. Alors, la fonction u × vest dérivable et
(uv)′ = u′v + uv′
De même, la fonction uvest dérivable et( uv
) ′=
u′v − uv′
v2
pour x ∈ R tel que v(x) , 0.
Proposition 2.7 (Dérivée d’une fonction composée)Soit u et f deux fonctions dérivables sur R.Alors la fonction f ◦ u est dérivable et
( f ◦ u)′ = f ′ ◦ u × u′
ou encore (f (u)
) ′= f ′(u) × u′
Dérivées composées usuelles
f (x) un 1u
1un
√u eu ln u
f ′(x) nu′un−1 −u′
u2−
nu′
un+1u′
2√u
u′eu u′
u
3. Dérivée seconde
Dé�nition 3.1Soit f une fonction dérivable sur D.Si f ′ est dérivable, on note f ′′ ou f (2) la dérivée de f ′.La fonction f ′′ est appelée dérivée seconde de f .
Dé�nition 3.2Pour tout n > 2, on dé�nit la dérivée n-ième f (n) de f comme ladérivée de f (n−1) lorsque f (n−1) existe et est dérivable :
f (n)(x) =[f (n−1)(x)
] ′On pose f (0) = f .
Dé�nition 3.3On dit que f est de classe Cn sur D si f (n) existe et est continue surD.
4. Convexité
Dé�nition 4.1Soit f : [a, b] −→ R. On dit que f est convexe si
f (λx + (1 − λ)y) 6 λ f (x) + (1 − λ) f (y)
pour tout x, y ∈ [a, b] et tout λ ∈ [0, 1].On dit que f est concave si − f est convexe, i.e.,
f (λx + (1 − λ)y) > λ f (x) + (1 − λ) f (y)
Proposition 4.2Soit f : [a, b] −→ Rune fonction deux fois dérivable sur [a, b]. Alors• f est convexe sur [a, b] SSI f ′′ est positive ou nulle :
f convexe sur [a, b] ⇐⇒ f ′′(x) > 0,∀x ∈ [a, b]
• f est concave sur [a, b] SSI f ′′ est négative ou nulle :
f concave sur [a, b] ⇐⇒ f ′′(x) 6 0,∀x ∈ [a, b]
Vincent Jalby – Université de Limoges – LS1 Economie-Gestion – 2019-2020 – I. Fonctions d’une variable réelle Page 2
CHAPITRE II
Optimisation d’une fonction d’une variable réelle
1. Extremums d’une fonction
xM
f (xM)
xm
f (xm)
Dé�nition 1.1Soit f : D −→ R une fonction dé�nie sur un intervalle D.La fonction f admet un minimum global en xm ∈ D si
∀x ∈ D f (x) > f (xm)
La fonction f admet un maximum global en xM ∈ D si
∀x ∈ D f (x) 6 f (xM)
xM
f (xM)
xm
f (xm)
x1
f (x1)
x2
f (x2)
Dé�nition 1.2Soit f : D −→ R une fonction dé�nie sur un intervalle D.La fonction f admet un minimum local en x1 ∈ D si
∀x ∈ V (x1) f (x) > f (x1)
La fonction f admet un maximum local en x2 ∈ D si
∀x ∈ V (x2) f (x) 6 f (x2)
où V (xi) = ]xi − η, xi + η[ est un voisinage de xi pour i = 1, 2.
Théorème 1.3Soit f : [a, b] −→ R une fonction continue sur [a, b]. Alors• f admet unminimum et unmaximum global : il existe xm et xMdans [a, b] tels que
∀x ∈ [a, b], f (xm) 6 f (x) 6 f (xM)
• pour tout y tel que f (xm) 6 y 6 f (xM), il existe x ∈ [a, b] telque
f (x) = y(�éorème des valeurs intermédiaires)
Soit D = ]a, b[ un intervalle ouvert et f : D −→ R.On considère les problèmes d’optimisation suivants :
minx∈D
f (x) maxx∈D
f (x)
Cela consiste à rechercher les extremums locaux ou globaux de f .
2. Condition nécessaire d’optimalité
Proposition 2.1 (Condition nécessaire d’optimalité)Soit f : D −→ R dérivable x0 ∈ D.Si f admet un extremum local (ou global) en x0 alors
f ′(x0) = 0
RemarqueLa condition
f ′(x) = 0
ne donne que des points candidats (ou critiques).Il faut ensuite étudier la nature de chacun de ces points.
Nature d’un point critique (étude directe) :Soit x0 un point critique :
f ′(x0) = 0
On pose∆ f = f (x) − f (x0)
On étudie alors le signe de ∆ f .
Si ∆ f > 0, f admet unminimum en x0.Si ∆ f 6 0, f admet unmaximum en x0.
L’extremum sera global ou local, selon que l’inégalité est vraie pourtout x ou pour tout x dans un voisinage de x0.
3. Conditions su�santes d’optimalité locale
Proposition 3.1 (Conditions su�santes d’optimalité)Soit f : D −→ R deux fois dérivable en x0 ∈ D. Si x0 est un pointcritique de f ( f ′(x0) = 0) alors• si f ′′(x0) < 0, alors f admet un maximum local en x0.• si f ′′(x0) > 0, alors f admet un minimum local en x0.
RemarqueLorsque f ′′(x0) = 0, il faut faire une étude directe. Deux caspeuvent se produire :• f ′′(x) s’annule en changeant de signe : point d’in�exion• f ′′(x) s’annule sans changer de signe : extremum
4. Optimalité globale : le cas convexe/concave
Proposition 4.1Soit f : D −→ R une fonction dérivable en x0 ∈ D.
Si f est convexe, f admet un minimum global en x0 SSI f ′(x0) = 0.
Si f est concave, f admet unmaximum global en x0 SSI f ′(x0) = 0.
Vincent Jalby – Université de Limoges – LS1 Economie-Gestion – 2019-2020 – II. Optimisation d’une fonction d’une variable réelle Page 3
RemarqueSi la fonction f est strictement convexe ou concave alors l’extre-mum est unique.
5. Méthodologie
1) On détermine le domaine de dé�nition de f (x).2) On étude la convexité de f (x).3) On résout l’équation f ′(x) = 0 pour trouver les points candi-
dats : x1, x2, . . .4) Si f (x) est convexe ou concave, la fonction admet unminimum
ou maximum global au(x) point(s) trouvé(s).
5) Sinon, on calcule f ′′(x0) pour chacun des points candidats :si f ′′(x0) > 0, f admet un minimum local en x0 ; sif ′′(x0) < 0, f admet un maximum local en x0 ;
6) Sinon (si f ′′(x0) = 0), on étudie le signe de ∆ f .
Vincent Jalby – Université de Limoges – LS1 Economie-Gestion – 2019-2020 – II. Optimisation d’une fonction d’une variable réelle Page 4
CHAPITRE III
Fonctions réelles de deux variables réelles
1. Fonctions de deux variablesOn considère l’espace produit
R2 = R × R
Un élément de R2 est un couple noté (x, y) ou (x1, x2).La somme de deux éléments de R2 est
(x, y) + (x′, y′) = (x + x′, y + y′)
Le produit par un réel λ est
λ(x, y) = (λx, λy)
Dé�nition 1.1On dit que (x, y) tend vers (x0, y0) si• x tend vers x0• et y tend vers y0.On note
(x, y) −→ (x0, y0) ⇐⇒{x −→ x0y −→ y0
Dé�nition 1.2Soit (x, y) un point de R2.On appelle voisinage (ouvert élémentaire) de (x, y) tout ensemble Vde la forme
V = ]x − r1, x + r1[ × ]y − r2, y + r2[ ⊂ R2
avec r1, r2 > 0.
Une fonction réelle de 2 variables réelles est une application f dé-�nie sur une partie de R2 à valeurs dans R :
f : R2 −→ R
(x, y) 7−→ f (x, y)
Dé�nition 1.3Soit f : R2 −→ R et (x0, y0) ∈ R2.On dit que f admet ℓ ∈ R pour limite lorsque (x, y) tend vers(x0, y0) si
f (x, y) est aussi proche que l’on veut de ℓ dès que (x, y) estsu�samment proche de (x0, y0)
On note ℓ = lim(x,y)→(x0,y0)
f (x, y)
Dé�nition 1.4Soit f : R2 −→ R et (x0, y0) ∈ R2.On dit que f est continue en (x0, y0) si f admet une limite en (x0, y0)et si cette limite est égale à f (x0, y0).
f continue en (x0, y0) ⇐⇒ lim(x,y)→(x0,y0)
f (x, y) = f (x0, y0)
On dit que f est continue sur D ⊂ R2 si elle est continue en toutpoint de D.
2. Représentations graphiques
Représentation en 3 dimensionsReprésentation dans R3 :
(x, y, f (x, y)
)
x
y
z = f (x,y)
1
2
3
(1,2)
!5!4
!5!3x
!4!2
y
!3!2
!1
!10
00
11
2
10
32
4
20
53
30
45
40
50
f (x, y) = x2 + y2
0,00,0
0,0
0,5
0,8
1,0
1,6
y
0,51,5
2,4
2,0
3,2
2,5
4,0
1,03,0
4,8
5,6
6,4
x 1,5
7,2
8,0
8,8
2,0
2,5
3,0
f (x, y) = x × y
Représentation des courbes de niveauSoit f : R × R −→ R. On appelle courbe de niveau c de f l’en-semble :
Cc( f ) ={(x, y) ∈ R2 : f (x, y) = c
}Vincent Jalby – Université de Limoges – LS1 Economie-Gestion – 2019-2020 – III. Fonctions réelles de deux variables réelles Page 5
!0,4
0,8
!0,8
!2,0
0,4
1!1
1,6
0,0
!1,6
2,0
20
1,2
!2
!1,2
f (x, y) = x2 + y2
3210
6
5
4
3
2
1
0
x
54
f (x, y) = x × y
3. Di�érentiabilité
Dé�nition 3.1Soit f : R2 −→ R et (x0, y0) ∈ R2.On appelle dérivée partielle de f par rapport à x la dérivée de l’ap-plication x 7−→ f (x, y)On la note
f ′x(x, y) =∂ f∂x (x, y) =
[x 7−→ f (x, y)
] ′De même, la dérivée par rapport à y est
f ′y(x, y) =∂ f∂y (x, y) =
[y 7−→ f (x, y)
] ′
Dé�nition 3.2Soit f : R2 −→ R et D ⊂ R2. On dit que f est de classe C1 sur D, sif admet des dérivées partielles continues sur D.On dé�nit alors la di�érentielle de f en (x0, y0) ∈ D
d f (x0, y0) = f ′x(x0, y0) dx + f ′y(x0, y0) dy
On appelle gradient de f en (x0, y0) le vecteur
−−−→grad f (x0, y0) = ∇ f (x0, y0) =
©«f ′x(x0, y0)
f ′y(x0, y0)
ª®¬Courbes de niveau de f (x, y) = xy
x
y
f (x, y) = 1f (x, y) = 2f (x, y) = 3
2
1/2
∇ f (2, 1/2)
Vincent Jalby – Université de Limoges – LS1 Economie-Gestion – 2019-2020 – III. Fonctions réelles de deux variables réelles Page 6
CHAPITRE IV
Optimisation d’une fonction de deux variables I
1. Optimisation d’une fonction
Dé�nition 1.1Soit f : R2 −→ R et (x0, y0) ∈ R2. On dit que
• f admet un minimum global en (x0, y0) si
∀(x, y) ∈ R2, f (x0, y0) 6 f (x, y)
• f admet un maximum global en (x0, y0) si
∀(x, y) ∈ R2, f (x0, y0) > f (x, y)
• f admet unminimum local en (x0, y0) si
∀(x, y) ∈ V , f (x0, y0) 6 f (x, y)
• f admet unmaximum local en (x0, y0) si
∀(x, y) ∈ V , f (x0, y0) > f (x, y)
où V est un voisinage de (x0, y0).
Théorème 1.2 (CNO)Soit f : R2 −→ R une fonction de classe C1 au voisinage de(x0, y0) ∈ R2.
Si f admet un extremum en (x0, y0), on a nécessairement
f ′x(x0, y0) = 0 et f ′y(x0, y0) = 0 (4.1)
On dit alors que (x0, y0) est un point stationnaire ou critique pourf .
Nature du point candidat (Étude directe)Le théorème 1.2 ne donne que des points candidats (x0, y0). Il fautensuite étudier la nature de chaque point.Pour cela, on étudie le signe de
∆ f = f (x, y) − f (x0, y0)
pour (x, y) proche de (x0, y0).
• Si ∆ f > 0 alors f admet unminimum en (x0, y0).
• Si ∆ f 6 0 alors f admet unmaximum en (x0, y0).
L’extremum sera global ou local, selon que l’inégalité est vraie pourtout (x, y) ou pour (x, y) proche de (x0, y0).
2. Optimisation sous contrainteSoit f , g : R2 −→ R deux fonctions.On considère le problème d’optimisation suivant :
(P){Optimiser f (x, y)sous la contrainte g(x, y) = 0
On cherche (x0, y0) véri�ant g(x0, y0) = 0 tel qu’on ait
f (x, y) 6 f (x0, y0) pour un maximum
ouf (x, y) > f (x0, y0) pour un minimum
pour tout (x, y) ∈ V (x0, y0) véri�ant g(x, y) = 0.Pour résoudre le problème (P), on utilise le lagrangien associé à(P) :
L(x, y, λ) = f (x, y) + λg(x, y)
La variable λ est appeléemultiplicateur de Lagrange.
Théorème 2.1 (Conditions nécessaires d’optimalité)Soit f , g : R2 −→ R de classe C1 au voisinage de (x0, y0) ∈ R2.
Si (P) admet une solution en (x0, y0), en général, il existe λ0 ∈ R telque
L′x(x0, y0, λ0) = 0L′y(x0, y0, λ0) = 0L′λ(x0, y0, λ0) = 0
Nature du point candidat (Étude directe)Le résultat précédent ne donne que des points candidats. Il fautensuite étudier la nature de chaque point.Pour cela, on peut étudier le signe de
∆ f = f (x, y) − f (x0, y0)
en tenant compte de la contrainte g(x, y) = 0.
Méthode de substitutionLorsque la contrainte g(x, y) = 0 permet d’exprimer y en fonctionde x :
y = y(x)
le problème d’optimisation sous contrainte (P) est équivalent auproblème d’optimisation d’une fonction d’une variable :
Optimiser h(x) = f (x, y(x))
Vincent Jalby – Université de Limoges – LS1 Economie-Gestion – 2019-2020 – IV. Optimisation d’une fonction de deux variables I Page 7
CHAPITRE V
Compléments sur les fonctions réelles de deuxvariables
1. Dérivées partielles secondes
Dé�nition 1.1Soit f : R2 −→ R admettant des dérivées partielles :
f ′x : R2 −→ R f ′y : R2 −→ R .
Si ces fonctions admettent elles-mêmes des dérivées partielles parrapport à x et y, elles sont appelées dérivées partielles secondes def .
Notations
f ′′x2 =(f ′x
) ′x f ′′xy =
(f ′x
) ′y
f ′′yx =(f ′y
) ′x
f ′′y2 =(f ′y
) ′y
ou∂2 f∂x2 =
∂∂x
(∂ f∂x
)∂2 f∂y∂x =
∂∂y
(∂ f∂x
)On dit que f est de classe C2 sur U , si elle admet des dérivées par-tielles secondes continues sur U .
Théorème 1.2 (Schwarz)Si f : R2 −→ R est de classe C2 au voisinage de (x, y) ∈ R2, alors
f ′′xy(x, y) = f ′′yx(x, y)
Dé�nition 1.3Soit f : R2 −→ R une fonction de classe C2 au voisinage de (x, y) ∈R2. On appelle matrice hessienne de f en (x, y), lamatrice
H f (x, y) =©«f ′′x2(x, y) f ′′yx(x, y)
f ′′xy(x, y) f ′′y2(x, y)
ª®®¬Dé�nition 1.4On appelle alors hessien de f en (x, y), le déterminant de la matricehessienne de f en (x, y) :
detH f (x, y) = f ′′x2(x, y) × f ′′y2(x, y) −[f ′′xy(x, y)
]22. Convexité
Dé�nition 2.1On dit que C ⊂ R2 est convexe si pour tous M1,M2 ∈ C et toutλ ∈ [0, 1], on a
λM1 + (1 − λ)M2 ∈ C
avec M1 = (x1, y1) et M2 = (x2, y2).
Dé�nition 2.2Soit C ⊂ R2 un ensemble convexe. On dit qu’une fonction f : C −→R est convexe si pour tous M1,M2 ∈ C et tout λ ∈ [0, 1], on a
f(λM1 + (1 − λ)M2
)6 λ f (M1) + (1 − λ) f (M2)
On dit que f est concave si − f est convexe :
f(λM1 + (1 − λ)M2
)> λ f (M1) + (1 − λ) f (M2)
Remarques1) La somme de fonctions convexes (resp. concaves)est convexe (resp. concave).
2) Le max (resp. min) de plusieurs fonctions convexes (resp.concaves) est convexe (resp. concave).
3) Si f (x, y) = f1(x) + f2(y) avec f1 et f2 convexes (resp.concaves), alors f est convexe (resp. concave).
Proposition 2.3Si f est de classe C2 sur R2, alors
f est convexe ⇐⇒
detH f > 0f ′′x2 > 0f ′′y2 > 0
⇐⇒ H f est semi-dé�nie positive.
en tout (x, y) ∈ R2.
et
f est concave ⇐⇒
detH f > 0f ′′x2 6 0f ′′y2 6 0
⇐⇒ H f est semi-dé�nie négative.
en tout (x, y) ∈ R2.
Vincent Jalby – Université de Limoges – LS1 Economie-Gestion – 2019-2020 – V. Compléments sur les fonctions réelles de deux variables Page 8
CHAPITRE VI
Optimisation d’une fonction de deux variables II
1. Optimisation sans contrainte
Rappels 1.1Soit f : R2 −→ R de classe C1.On recherche les extremums de f sur R2.Les points critiques (ou candidats) sont donnés par les CNO :
∇ f (x, y) = 0 ⇐⇒{f ′x(x, y) = 0f ′y(x, y) = 0
Reste à étudier la nature de chaque point candidat.
Théorème 1.2Soit f : R2 −→ R de classe C2 au voisinage de (x0, y0) ∈ R2, telque ∇ f (x0, y0) = 0 (point critique).• Si H f (x0, y0) est dé�nie positive, i.e.,
detH f (x0, y0) > 0f ′′x2(x0, y0) > 0f ′′y2(x0, y0) > 0
alors f admet un minimum local en (x0, y0).
• Si H f (x0, y0) est dé�nie négative, i.e.,detH f (x0, y0) > 0f ′′x2(x0, y0) < 0f ′′y2(x0, y0) < 0
alors f admet unmaximum local en (x0, y0).• Si detH f (x0, y0) < 0, alors f n’admet pas d’extremum en(x0, y0) (point col).
• Si detH f (x0, y0) = 0, alors on ne peut pas conclure.
Théorème 1.3 (Le cas convexe/concave)Soit C ⊂ R2 convexe et f : C −→ R de classe C1 sur C.
Si f est convexe sur C, f admet un minimum global en (x0, y0) SSI∇ f (x0, y0) = 0.
Si f est concave sur C, f admet un maximum global en (x0, y0) SSI∇ f (x0, y0) = 0.
2. Optimisation sous contrainte
Rappels 2.1Les points candidats du problème d’optimisation
(P){Optimiser f (x, y)sous la contrainte g(x, y) = 0
sont donnés par les CNO
∇L(x, y, λ) = 0 ⇐⇒
L′x(x, y, λ) = 0L′y(x, y, λ) = 0L′λ(x, y, λ) = 0
où L(x, y, λ) = f (x, y) + λg(x, y).
Dé�nition 2.2 (Calcul du hessien)La matrice hessienne de L est :
HL(x, y, λ) =
©«L′′x2 L′′xy L′′xλ
L′′yx L′′y2 L′′yλ
L′′λx L′′λy L′′λ2
ª®®®®®¬=
©«L′′x2 L′′xy g′x
L′′yx L′′y2 g′y
g′x g′y 0
ª®®®®®¬Le hessien de L est
detHL(x, y, λ) = g ′x[g ′y L′′yx − g ′x L′′y2
]− g ′y
[g ′y L′′x2 − g ′x L′′xy
]Théorème 2.3Soit f , g : R2 −→ R de classe C2 au vois. de (x0, y0). Soit (x0, y0)un point candidat avec λ0 ∈ R.• Si detHL(x0, y0, λ0) > 0, alors (P) admet unmaximum local en(x0, y0).
• Si detHL(x0, y0, λ0) < 0, alors (P) admet un minimum localen (x0, y0).
• Si detHL(x0, y0, λ0) = 0, alors on ne peut pas conclure. Il fautétudier directement le signe de ∆ f .
Théorème 2.4 (Le cas convexe/concave)Soit C ⊂ R2 convexe et f , g : C −→ R de classe C1 sur C. Onsuppose que g est a�ne : g(x, y) = ax + by + c• Si f est convexe sur C, (P) admet unminimum global en (x0, y0)SSI ∇L(x0, y0, λ0) = 0.
• Si f est concave sur C, (P) admet unmaximum global en (x0, y0)SSI ∇L(x0, y0, λ0) = 0.
3. Condition de quali�cation
Les théorèmes donnant les CN et les CS d’optimalité souscontrainte ne sont pas toujours valides.Il faut rajouter aux conditions déjà vues une condition supplémen-taire appelée condition de quali�cation :
∇g(x0, y0) , 0
Vincent Jalby – Université de Limoges – LS1 Economie-Gestion – 2019-2020 – VI. Optimisation d’une fonction de deux variables II Page 9
CHAPITRE VII
Les fonctions logarithme et exponentielle -Élasticité
1. La fonction logarithme népérienOn appelle logarithme népérien la fonction :
ln : R∗+ −→ R
x 7−→ ln x
véri�ant∀x ∈ R∗+ (ln x)′ = 1
xet ln 1 = 0
Étude de la fonction lnDomaine de dé�nition : Dln = R∗+ = ]0,+∞[
Dérivée : (ln x)′ = 1x
Signe de la dérivée : (ln x)′ > 0 ∀x ∈ R∗+
Variations : ln x est donc (strictnt) croissante sur R∗+
Dérivée seconde
(ln x)′′ = − 1x2< 0 ∀x ∈ R∗+
La fonction ln est donc (strictement) concave sur R∗+
Limiteslimx→0+
ln x = −∞ limx→+∞
ln x = +∞
Représentation graphique
0
ln x
1 e
1
On note e le réel véri�ant ln e = 1.
e ≈ 2, 718
PropriétésPour a, b ∈ R∗+, on a
ln ab = ln a + ln b ln ab= ln a − ln b
Pour a ∈ R∗+ et r ∈ R, on a
ln 1a= − ln a ln ar = r ln a
On a les limites suivantes :
limx→+∞
ln xxn= 0
limx→0
xn ln x = 0
limx→1
ln xx − 1 = lim
u→0
ln(1 + u)u
= 1
2. La fonction exponentielleOn appelle fonction exponentielle la fonction réciproque de ln. Elleest notée
exp : x 7−→ ex
Pour tout x ∈ R, ex est l’unique réel tel que
ln(ex) = x .
En particulier, e0 = 1.
Étude de la fonction expDomaine de dé�nition : Dexp = R.Dérivée : (ex)′ = ex
Signe de la dérivée : (ex)′ > 0 ∀x ∈ R.Variations : exp est donc (strictnt) croissante sur R.
Dérivée seconde
(ex)′′ = ex > 0 ∀x ∈ R
La fonction exp est donc (strictnt) convexe sur R.
Limiteslim
x→−∞ex = 0 lim
x→+∞ex = +∞
Représentation graphique
0
ex
1
e
1
ln x
PropriétésPour a, b ∈ R, on a
ea+b = ea × eb ea−b = ea
eb
Pour a ∈ R et r ∈ Q, on a
e−a = 1ea (ea)r = ear
Pour x > 0, et y ∈ R
eln x = x ln(ey) = y
Vincent Jalby – Université de Limoges – LS1 Economie-Gestion – 2019-2020 – VII. Les fonctions logarithme et exponentielle - Élasticité Page 10
On a les limites suivantes :
limx→−∞
xnex = 0
limx→+∞
ex
xn= +∞
limx→0
ex − 1x= 1
3. Fonction puissanceSoit α ∈ R.On appelle fonction puissance d’exposant α, la fonction notée x 7−→xα dé�nie sur R∗+ par
xα = eα ln x ∀x ∈ R∗+
Étude de la fonction xαDomaine de dé�nition : Dxα = R∗+ = ]0,+∞[.Dérivée (
xα) ′= αxα−1
{> 0 si α > 0
< 0 si α < 0Variations Si α > 0, xα est strictement croissante. Si α < 0, xα eststrictement décroissante.
Dérivée seconde(xα
) ′′= α(α − 1)xα−2
{< 0 si 0 < α < 1
> 0 sinon
ConvexitéSi 0 < α < 1, xα est strictement concave. Sinon, xα est strictementconvexe.
Limites
limx→+∞
xα ={+∞ si α > 0
0 si α < 0
limx→0
xα ={0 si α > 0
+∞ si α < 0
Représentation graphique
0
xx2
√x
1/x1
1
PropriétésPour x, y ∈ R∗+ et α, β ∈ R, on a
xα+β = xαxβ x−α = 1xα
(xy)α = xα yα xαβ = (xα)β
Vincent Jalby – Université de Limoges – LS1 Economie-Gestion – 2019-2020 – VII. Les fonctions logarithme et exponentielle - Élasticité Page 11