COURS OPTIMISATION Cours en Master M1 SITN Ionel Sorin
[PDF] COURS OPTIMISATION Cours en Master M SITN Ionel Sorin math univ lyon ~ciuperca optim M cours optim M sitn pdf
Fonctions convexes
[PDF] Fonctions convexescours mido dauphine calculDiffOpti cours Lchapter pdf
Fonctions homogènes, concaves et convexes - LaBRI
[PDF] Fonctions homogènes, concaves et convexes LaBRI labri perso hocquard Files homogene pdf
Rappel mathématique
[PDF] Rappel mathématiqueneumann hec ca sites cours docs notes Rapmathe pdf
OptiAlgo cours
[PDF] OptiAlgo cours math info univ paris ~bgalerne m poly opti algo pdf
Optimisation statique Lagrangien et conditions de Kuhn et Tucker
[PDF] Optimisation statique Lagrangien et conditions de Kuhn et Tucker parisschoolofeconomics grenet julien TD Annexe pdf
Fonctions convexes et conjuguées
[PDF] Fonctions convexes et conjuguées dmi usherb ca ~dussault ROPH chap pdf
Convexité d une fonction en un point position - ENSTA ParisTech
[PDF] Convexité d 'une fonction en un point position ENSTA ParisTechperso ensta paristech ~chambey RecapConvexiteLocal pdf
Introduction `a l optimisation - Institut de Mathématiques de Toulouse
[PDF] Introduction `a l 'optimisation Institut de Mathématiques de Toulouse math univ toulouse ~lagnoux CoursOpt pdf
UFR 02 Mathématique 2 Cours d Optimisation Libre Dans R 1
Une fonction f de classe C sur I R est dite convexe (resp concave) si pour tout X D 'après le théorème de Schwartz, la matrice hessienne est symétrique
[PDF] convocation bac 2017 en ci
[PDF] convocation bac 2017 ivoirien
[PDF] convocation bepc
[PDF] convocation bepc 2017
[PDF] convocation bepc 2017 ci
[PDF] convocation categorie 3 police
[PDF] convocation ccf cap
[PDF] convocation ccf eps
[PDF] convocation ccf word
[PDF] convocation cnc 2017
[PDF] convocation cns luxembourg
[PDF] convocation dscg 2017
[PDF] convocation examen prof
[PDF] convocation jury examen
MAT2.1
Rappel Mathématique Microéconomie 3-851-84
I. Fonctions à une seule variable
· QUELQUES RÈGLES DE DÉRIVATION (rappel)
1. Multiplication de deux fonctions
x du d v + x dv du = ) v u ( x ddExemple: x = u2
1+ x 2 = v
] x 2 x [ x dd2 )1(+· = x 2 x 2 + 2 x2 ·+·)1(
= xx 6 = x x 4 + x 22 2 2 22++2. Division de deux fonctions
. vdxdv u - dxdu v = vu dxd2 ··
÷øöçèae
Exemple: x = u2
1+ x 2 = v
÷øöççèae
+ x 2x dxd2 1 + x 2 () 2 ( x - x 2 ) + x 2 ( 2 211·
MAT2.2
) + x 2 ( x 2 + x 2 = ) + x 2 (x2 - x 2 + x 4
2 2 2 2 2 113. Règle de chaîne
] ) u ( f [ dxd = dxdu ] )u ( f [ u ddExemple: u = )u ( f , + x 2 =u 2 1
] ) + x 2 ( [ x dd2 1 = ) + x 2 ( 4 = 2 ) + x 2 ( 211·
· OPTIMISATION (sans contrainte)
Soit )(xfla fonction que l'on cherche à optimiser.Condition de premier ordre (CPO) : 0)]([*=xfdxd
(condition nécessaire)Condition de second ordre (CSO) : 0)]([*
22Les théories du consommateur et du producteur que nous allons étudier font référence à des fonctions
d'utilité et de production sur lesquelles certaines hypothèses sont faites. Ces hypothèses reposent, entre autres,
MAT2.3
sur les notions de concavité et de convexité des fonctions.Définition:
Une fonction f(x) est une fonction convexe si, pour tous points x1, x2 de son domaine et pour tout , 1 < < 0 , ll . ) x ( f ) - 1 ( + ) x ( f ) x ) - 1 ( + x ( f2 1 2 1 llll£ (Une fonction est strictement convexe si la dernière inégalité est stricte, à savoir, ) x ( f ) - 1 ( + ) x ( f < ) x ) - 1 ( + x ( f2121llllet ) x x 21¹.Similairement, une fonction concave est définie de la même manière mais le sens de l'inégalité est
renversé.Exemples:
x 1 lx1 + (1 - l)x
2 x2 f(x
1) f(x
2) f(x) x x
1 lx1 + (1 - l)x2 x2 x f(x
1) f(x
2) f(x) lf(x1)+(1-l)f(x2) f(lx
1+(1-l)x
2) f(lx1+(1-l)x2) lf(x
1)+(1-l)f(x
2) Fonction convexe Fonction concave
MAT2.4
Définition:
Une fonction f(x) est quasi convexe si, pour tous points x1 , x2 de son domaine, on a 0MAT2.5
Exemples:
· DIFFÉRENTIELLE TOTALE
Soit . ) x ( f =y
Alors dx ) x ( ' f =dy est la différentielle totale et on a y dy D¹ , i.e. dy est une approximation de . ) x ( f - )x + x ( f =y DD
x1 lx1 + (1 - l)x2 x
2 f(x1) f(lx1 + (1 - l)x2) f(x
2) f(x) x x
1 lx1 + (1 - l)x2 x
2 x f(lx
1 + (1 - l)x
2) f(x
1) f(x
2) f(x)
Fonction Quasi Concave Fonction pas Quasi Concave
MAT2.6
Graphiquement:
dy = dx ) x ( ' f = pente de la tangente en x · dx = AB = CB CBAB· AB = .y dy D»
II. Fonctions à deux ou plusieurs variables· DÉRIVÉES PARTIELLES
Les fonctions avec lesquelles nous allons travailler sont, en général, continues, dérivables et
quotesdbs_dbs2.pdfusesText_2