Optimisation Statique

Optimisation statique :
ce qu’il faut retenir
Marianne Tenand
L’optimisation en
microéconomie
néoclassique
Le Lagrangien
Les conditions de
qualification
Conditions de premier
Optimisation statique : ce qu’il faut retenir
ordre et conditions de
second ordre
Les conditions de
second ordre en
optimisation statique Marianne Tenand
CSO suffisantes pour un
maximum global
minimum global
Microéconomie 1 - Département d’économie ENS
Quasi-concavité et
concavité de fonctions à
plusieurs variables
En pratique 2016 - 2017
1/20
ce qu’il faut retenir Pourquoi les programmes d’otpimisation statique (1) ?
Marianne Tenand
L’optimisation en
microéconomie
néoclassique
Le Lagrangien
• Une des hypothèses fondamentales de la théorie
Les conditions de
microéconomique néoclassique est que les individus sont
qualification optimisateurs
ordre et conditions de • Leurs décisions peuvent être prédites (avec une marge d’erreur
second ordre
plus ou moins importante) si on connait leur fonction-objectif et
Les conditions de
second ordre en les contraintes auxquelles ils font face
optimisation statique
maximum global
• Ce cadre peut servir à modéliser un grand nombre de situations
minimum global
Quasi-concavité et
concavité de fonctions à • Il s’agit d’une hypothèse de travail
plusieurs variables
En pratique • Elle est simplificatrice, volontairement réductrice

• On peut en tester la validité empirique dans un contexte précis
• NB : la non-conformité des prédictions peut découler d’un
manque de réalisme de l’hypothèse de comportement, mais aussi
d’une mauvaise évaluation des contraintes ou de la fonction
objectif
2/20
ce qu’il faut retenir Pourquoi les programmes d’otpimisation statitque (2) ?
Marianne Tenand
L’optimisation en
microéconomie
néoclassique
Le Lagrangien
Les conditions de
qualification
Conditions de premier • Les problèmes étudiés en microéconomie consistent donc

second ordre généralement à résoudre une optimisation sous contraintes
Les conditions de
second ordre en
• Objectif : trouver les valeurs des variables de décision qui
optimisation statique maximisent la fonction-objectif de l’agent
maximum global
• Outil principal en optimisation statique : une fonction appelée
minimum global Lagrangien et les multiplicateurs de Lagrange associés (autant
Quasi-concavité et
concavité de fonctions à que de contraintes)
plusieurs variables
En pratique • Son grand frère en optimisation dynamique : le Hamiltonien,

lorsque le temps est modélisé de façon continue (et non discrète)
3/20
ce qu’il faut retenir Le Lagrangien
Marianne Tenand
L’optimisation en
microéconomie
néoclassique
• On considère le programme de maximisation P suivant, avec m
Le Lagrangien
Les conditions de
contraintes :
qualification
(
Conditions de premier max f (x )
ordre et conditions de P x
second ordre
s .c . gi (x ) ≤ ci ∀i = 1, ..., m
Les conditions de
second ordre en
• On appelle Lagrangien L la fonction :
maximum global
minimum global
m
L(x , λ) = f (x ) − λi gi (x ) − ci
X ¡ ¢
Quasi-concavité et
plusieurs variables i =1
En pratique
• On appelle multiplicateur de Lagrange les scalaires λi
• Il y en a autant que de contraintes (→ λ est un vecteur)
• Le Lagrangien peut être pensé comme un outil qui va permettre

la résolution de problèmes d’optimisation statique
4/20
ce qu’il faut retenir Les conditions de qualification
Marianne Tenand
L’optimisation en
microéconomie
néoclassique
Le Lagrangien
Les conditions de
qualification • Pour pouvoir utiliser le Lagrangien en optimisation statique, il
faut que certaines conditions soit vérifiées
second ordre
Les conditions de • Les conditions de qualification dépendent du type de

second ordre en
optimisation statique contraintes posées dans le programme P
maximum global • Fait intervenir la notion de matrice jacobienne
minimum global
Quasi-concavité et
concavité de fonctions à • En pratique : lorsque les fonctions contraintes gi sont toutes
plusieurs variables
linéaires, alors la condition de qualification de la contrainte est
En pratique
vérifiée
• Condition suffisante mais pas nécessaire
5/20
ce qu’il faut retenir Les conditions de premier ordre (CPO)
Marianne Tenand
L’optimisation en
microéconomie
néoclassique
• A partir du Lagrangien, on peut poser les conditions de Kuhn
Le Lagrangien
et Tucker
Les conditions de
qualification
• Ces conditions permettent de résoudre un problème
d’optimisation statique dans le cas le plus général, avec m
second ordre contraintes d’inégalité
Les conditions de
second ordre en
optimisation statique • Ces conditions sont (une manière de poser) les conditions de
maximum global premier ordre
minimum global
• Les CPO permettent de caractériser les potentielles solutions
Quasi-concavité et
plusieurs variables
au problème d’optimisation
En pratique • On parle de premier ordre car elles font intervenir les dérivées
premières du Lagrangien (et donc de la fonction objectif)
• Les conditions K-T
• Mais une fois qu’on a déterminé les candidats... Comment

déterminer quelles sont les solutions “effectives” ?
6/20
ce qu’il faut retenir Au-delà du premier ordre
Marianne Tenand
L’optimisation en
microéconomie
néoclassique
• Pour qu’un vecteur identifié comme solution potentielle par les
Le Lagrangien
Les conditions de
CPO soit effectivement solution du problème d’optimisation, il
qualification faut qu’il vérifie les conditions de second ordre (CSO)
ordre et conditions de • Il peut y avoir plusieurs maxima locaux et un seul maximum
second ordre
global
Les conditions de
second ordre en • Il peut y avoir aussi plusieurs maxima globaux
CSO suffisantes pour un • Ex : Si vous n’êtes pas capable de vous décider entre n’avoir
maximum global
que la moitié de votre sandwich et 2 desserts ou avoir tout votre
minimum global
sandwich et 1 seul dessert lors d’une séance d’Economie
Quasi-concavité et
concavité de fonctions à pratique, ces deux paniers peuvent être tous les deux des
plusieurs variables
maximas globaux
En pratique
• Second ordre → il faut regarder les dérivées secondes du

Lagrangien ou de la fonction objectif
• Beaucoup moins simples que les CPO...
• Et de ce fait, souvent laissées de côté !
7/20
ce qu’il faut retenir CSO suffisantes pour un maximum global
Marianne Tenand
L’optimisation en
microéconomie
néoclassique
• Soit f une fonction objectif à k variables, et gi un ensemble de
Le Lagrangien
Les conditions de
fonctions définissant m contraintes.
qualification
• Soit P le programme de maximisation suivant :
second ordre maxx1 ,...,xn f (x1 , ..., xk )
Les conditions de
second ordre en s .c . gi (x1 , ..., xk ) ≤ cj ∀i = 1, ..., m
• Soit x 0 une solution aux CPO

maximum global
minimum global
Quasi-concavité et
• Conditions de second ordre suffisantes pour que x 0 soit un
plusieurs variables
maximum global :
En pratique
• Si f est concave et les gi ∀i = 1, ..., m sont convexes
⇒ x 0 est un maximum global
• Si f est quasi-concave et les gi ∀i = 1, ..., m sont
quasi-convexes
⇒ x 0 est un maximum global
8/20
ce qu’il faut retenir Exemple d’application : choix du consommateur
Marianne Tenand
L’optimisation en • Soit une fonction d’utilité U(x ) représentant des préférences

microéconomie
néoclassique individuelles, avec x un panier de consommation, p le vecteur
Le Lagrangien des prix de marché et R le revenu de l’individu :
Les conditions de
qualification • Une contrainte budgétaire : px ≤ R
Conditions de premier • k contraintes de non-négativité : x ≥ 0
second ordre • Soit x 0 une solution aux CPO
Les conditions de
second ordre en
• On définit, pour les k + 1 contraintes :
maximum global • g0 (x ) = px
minimum global • gj (x ) = −xj ∀j = 1, ..., k
Quasi-concavité et
plusieurs variables • Hypothèses sur les préférences :
En pratique
• Préférences rationnelles et continues ⇒ existence d’une solution
• Préférences convexes
• CSO suffisantes :
• Préférences convexes ⇒ U(.) est quasi-concave
• ∀i = 0, ..., k , gi (.) est linéaire, donc quasi-convexe
0
⇒ x est un maximum global (Bpas nécessairement unique)
9/20
ce qu’il faut retenir CSO suffisantes pour un minimum global
Marianne Tenand
L’optimisation en
microéconomie
néoclassique
• Soit f une fonction objectif à k variables, et gj un ensemble de
Le Lagrangien
Les conditions de
fonctions définissant m contraintes.
qualification
• Soit P 0 le pb de minimisation suivant :
second ordre minx1 ,...,xn f (x1 , ..., xk )
Les conditions de
second ordre en s .c . gj (x1 , ..., xk ) ≥ cj ∀j = 1, ..., m
• Soit x 0 une solution aux CPO

maximum global
minimum global
Quasi-concavité et
• Conditions de second ordre suffisantes pour que x 0 soit un
plusieurs variables
optimum global :
En pratique
• Si f est convexe et les gj ∀i = 1, ..., m sont concaves
⇒ x 0 est un minimum global
• Si f est quasi-convexe et les gj ∀i = 1, ..., m sont
quasi-concaves
⇒ x 0 est un minimum global
10/20
ce qu’il faut retenir Comment déterminer la (quasi)-concavité d’une fonction ?
Marianne Tenand
L’optimisation en
microéconomie • Fonction à plusieurs variables : il faut regarder la matrice
néoclassique
hessienne de la fonction ou sa matrice hessienne bordée
Le Lagrangien
Les conditions de
• La Hessienne, H, de dim. (k , k) :
qualification
 
Conditions de premier f11 f12 ... f1k
second ordre

 f21 f22 ... f2k 

Les conditions de
 .. .. .. .. 
.
 
second ordre en  . . . 
fk1 fk2 ... fkk
maximum global
minimum global • La Hessienne bordée, H, de dim. (k + 1, k + 1) :
Quasi-concavité et
concavité de fonctions à  
plusieurs variables
0 f1 f2 ... fk
En pratique 
 f1 f11 f12 ... f1k 


 f2 f21 ... ... f2k 

 .. .. .. .. .. 
. .
 
 . . . 
fk fk1 ... ... fkk
∂f (x ) ∂fi (x )
où fi = et fij =
∂xi ∂xj
11/20
ce qu’il faut retenir Propriétés importantes des matrices hessiennes
Marianne Tenand
L’optimisation en
microéconomie
néoclassique
Le Lagrangien
Les conditions de
qualification • Pour caractériser la fonction f , il va falloir mobiliser plusieurs
Conditions de premier définitions relatives aux matrices :
second ordre • Déterminant, mineurs principaux, mineurs principaux diagonaux
Les conditions de
second ordre en • Matrice définie positive et matrice définie négative ; matrice
semi-définie positive et matrice semi-définie négative
maximum global
minimum global • Références : (à avoir lues et comprises une fois au moins !)
Quasi-concavité et
plusieurs variables • Cours de maths pour économistes
En pratique
• Julien Grenet, Vade mecum : optimisation statique. Lagrangien
et conditions de Kuhn et Tucker.
A conserver précieusement
12/20
ce qu’il faut retenir Caractérisation de la concavité et de la convexité
Marianne Tenand
L’optimisation en
microéconomie
néoclassique • Caractérisation de la concavité pour une fonction f : Rk → R
Le Lagrangien
• f concave ⇐⇒ la matrice hessienne de f est semi-définie
Les conditions de
qualification
négative ∀x ∈ Rk
• La matrice hessienne de f est définie négative ∀x ∈ Rk ⇒ f est
second ordre
strictement concave
Les conditions de
second ordre en
• Caractérisation de la convexité pour une fonction f : Rk → R
maximum global
• f convexe ⇐⇒ la matrice hessienne de f est semi-définie
minimum global
positive ∀x ∈ Rk
Quasi-concavité et • La matrice hessienne de f est définie positive ∀x ∈ Rk ⇒ f est
plusieurs variables strictement convexe
En pratique
• Rappels :
• f est concave ⇐⇒ (−f ) est convexe
• La somme de deux fonctions convexes (resp. concaves) est
convexe (resp. concave)
13/20
ce qu’il faut retenir Caractérisation de la quasi-concavité
Marianne Tenand
L’optimisation en
microéconomie
néoclassique
• Il faut déterminer le signe des mineurs principaux diagonaux
Le Lagrangien • Il faut regarder les mineurs principaux d’ordre 2 à k + 1
Les conditions de
qualification
• Caractérisation de la quasi-concavité pour f : Rk → R
second ordre • Les mineurs principaux diagonaux Dj de la matrice hessienne
Les conditions de bordée de f alternent en signe à partir de j = 2, avec Dj > 0 pour
second ordre en
optimisation statique j impair et Dj < 0 (pour j pair) ⇒ f est quasi-concave
maximum global • Les mineurs principaux diagonaux Dj de la matrice hessienne
minimum global bordée de f sont tous négatif (Dj < 0) pour j ≥ 2 ⇒ f est
Quasi-concavité et
concavité de fonctions à quasi-convexe
plusieurs variables
En pratique
• Rappels :
• f quasi-concave ⇐⇒ (−f ) quasi-convexe
• f concave ⇒ f quasi-concave
• f quasi-concave et g monotone strictement croissante ⇒ g ◦ f
quasi-concave
• La concavité n’est en revanche pas préservée
14/20
ce qu’il faut retenir Exemple de la Cobb-Douglas
Marianne Tenand
L’optimisation en
microéconomie
néoclassique
Le Lagrangien
β
Soit la fonction objectif U(x1 , x2 ) = x1α x2 avec 0 < α, β < 1.
Les conditions de
qualification
second ordre Déterminez les signes des mineurs principaux diagonaux d’ordre 2
Les conditions de
second ordre en
et 3.
CSO suffisantes pour un Qu’en conclure sur la fonction U(.) ?
maximum global
minimum global Qu’est-ce que cela implique pour le PMU ?
Quasi-concavité et
plusieurs variables NB : on doit trouver que le mineur principal diagonal d’ordre 3
En pratique vaut
3β−2 ¡
x13α−2 x2 αβ(α + β)
¢
15/20
ce qu’il faut retenir CSO en pratique
Marianne Tenand
L’optimisation en
microéconomie
Il y a quelques cas simples qui se rencontrent fréquemment dans
néoclassique les problèmes de micro et pour lesquels on peut se passer des
Le Lagrangien
matrices hessiennes :
Les conditions de
qualification
Conditions de premier • Préférences rationnelles et continues : alors le maximum

second ordre global existe
Les conditions de
second ordre en
• Préférences strictement convexes : alors les fonctions
maximum global
d’utilité associées seront strictement quasi-concaves. Dans ce
minimum global
cas, le maximum global est unique
Quasi-concavité et
plusieurs variables
• Préférences convexes (a priori non-strictement) : alors les
En pratique fonctions d’utilité sont quasi-concaves. Dans ce cas, les
candidats caractérisés par les CPO sont des maxima globaux
• Mais le maximum n’est pas nécessairement unique !
→ avec la pratique, on finit par connaître la forme des fonctions

d’utilité les plus usuelles et leurs implications pour les programmes
d’optimisation (existence et unicité de la solution, solution en coin,
etc.)
16/20
ce qu’il faut retenir Les conditions de Kuhn et Tucker
Marianne Tenand
• Rappel des conditions de Kuhn et Tucker dans un cas classique :

maximisation d’utilité sous contrainte budgétaire
• On suppose une économie avec n biens de prix p1 , ..., pn

strictement positifs, un individu avec un revenu R > 0
• Programme :
max U(x1 , ..., xn )

x1 ,...,xn
Xn
s.c. pk xk ≤ R , xi ≥ 0 i = 1, ..., n
k =1
• Lagrangien :
n n
L (x1 , ..., xn , λ, µ1 , ..., µn ) = U(x1 , ..., xn ) +λ R − pk xk + µk xk
¡ X ¢ X
k =1 k =1
• n + 1 multiplicateurs de Lagrange
17/20
ce qu’il faut retenir Les conditions de Kuhn et Tucker
Marianne Tenand
Les conditions de Kuhn et Tucker sont :

∂L (x1∗ , ..., xn∗ , λ∗ , µ∗ ∗
1 , ..., µn ) ∂U(x1∗ , ..., xn∗ )
(1) =0 k = 1, ..., n ⇐⇒ = pk − µk
∂xk ∂xk
∂L (x ∗ , ..., x ∗ , λ∗ , µ∗ , ..., µ∗ )
1 n 1 n
(2a) ≥0 k = 1, ..., n ⇐⇒ xk ≥ 0
∂µk
∂L (x ∗ , ..., x ∗ , λ∗ , µ∗ , ..., µ∗ )
1 n 1 n n
X
(2b) ≥0 ⇐⇒ pk xk ≤ R
∂λ k =1
(3a) µ∗
k ≥0 k = 1, ..., n
(3b) λ∗ ≥ 0
(4a) µ∗ ∗
k xk = 0 k = 1, ..., n
n
λ∗ R − pk xk∗ = 0
¡ X ¢
(4b)
k =1
18/20
ce qu’il faut retenir Interprétation des conditions de Kuhn et Tucker (1)
Marianne Tenand
• Les conditions (1) permettent d’obtenir l’égalité entre le TMS

et le rapport des prix dans le cas d’une solution intérieure
• Dans le cas d’une solution en coin, elles indiquent que le TMS
est relativement trop faible ou trop élevé par rapport au rapport
des prix
U10 (∗) p1 − µ∗1 p1
• Ainsi lorsque µ∗
1 > 0, U 0 (∗) = < . L’utilité marginale
2
p2 p2
procurée par le bien 1 est trop faible compte tenu de son prix,
relativement à ce qu’elle est pour le bien 2. L’agent a intérêt à
ne pas consommer de bien 1 (solution en coin avec x1∗ = 0).
• Les conditions (2) correspondent aux contraintes associées au

programme
19/20
ce qu’il faut retenir Interprétation des conditions de Kuhn et Tucker (2)
Marianne Tenand
• Les contraintes (3) correspondent à des normalisations posées

sur les multiplicateurs de Lagrange
• Les contraintes (3) et (4) peuvent être interprétées
conjointement
• λ∗ correspond à l’utilité marginale du revenu. Lorsque λ∗ > 0,
(4b) ⇒ contrainte budgétaire saturée. Dans ce cas, l’utilité
marginale du revenu est bien strictement positive puisqu’un euro
de revenu additionnel permettrait d’augmenter strictement
l’utilité
• Inversement, si px ∗ < R alors λ∗ = 0. Si à l’optimum la
contrainte budgétaire n’est pas saturée, cela signifie que l’utilité
marginale du revenu à l’optimum est nulle.
• µ∗
k indique le niveau de “contrainte imposée par la réalité”.
Lorsque µ∗k > 0 (4a) ⇒ xk∗ = 0. La contrainte physique de
non-négativité est saturée : l’agent augmenterait son utilité en
consommant encore mois de bien k, mais il ne peut pas.
• Inversement, si xk∗ > 0, alors µ∗
k = 0. Dans ce cas, ce n’est pas la
contrainte de non-négativité qui empêche l’agent d’augmenter
son niveau d’utilité.
Retour
20/20

Optimisation Statique

Transféré par

Droits d'auteur :

Formats disponibles

Optimisation Statique

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Optimisation Statique

Transféré par

Droits d'auteur :

Formats disponibles

Optimisation statique :

ce qu’il faut retenir

En pratique 2016 - 2017

En pratique • Elle est simplificatrice, volontairement réductrice

Conditions de premier • Les problèmes étudiés en microéconomie consistent donc

En pratique • Son grand frère en optimisation dynamique : le Hamiltonien,

• Le Lagrangien peut être pensé comme un outil qui va permettre

Les conditions de • Les conditions de qualification dépendent du type de

• Mais une fois qu’on a déterminé les candidats... Comment

• Second ordre → il faut regarder les dérivées secondes du

• Soit x 0 une solution aux CPO

L’optimisation en • Soit une fonction d’utilité U(x ) représentant des préférences

• Soit x 0 une solution aux CPO

Conditions de premier • Préférences rationnelles et continues : alors le maximum

→ avec la pratique, on finit par connaître la forme des fonctions

• Rappel des conditions de Kuhn et Tucker dans un cas classique :

• On suppose une économie avec n biens de prix p1 , ..., pn

max U(x1 , ..., xn )

Les conditions de Kuhn et Tucker sont :

• Les conditions (1) permettent d’obtenir l’égalité entre le TMS

• Les conditions (2) correspondent aux contraintes associées au

• Les contraintes (3) correspondent à des normalisations posées

Vous aimerez peut-être aussi