UNIVERSITE OMAR BONGO

FACULTE DE DROIT ET DES SCIENCES ECONOMIQUES

MASTER D’ECONOMIE / NPTCI

ELEMENTS D’OPTIMISATION DYNAMIQUE

par

Guy Martial NKIET

Professeur Titulaire

Université des Sciences et Techniques de Masuku

Franceville, Gabon.

1
1 Introduction
L’optimisation dynamique a pour objet l’optimisation d’une fonctionnelle J(x) où x est une fonction
d’un intervalle [0, T ] vers R, représentant l’évolution d’une variable donnée au cours du temps. De
tels problèmes sont fréquents dans la modélisation en économie, comme en témoigne l’exemple
suivant définissant le modèle de consommation-épargne :

Exemple 1.1 - Le modèle de consommation-épargne s’intéresse aux choix d’un ménage concer-
nant la répartition de ses revenus entre épargne et consommation. Il suppose qu’elle est faite en
optimisant la satisfaction à la fois instantanée et à venir de la consommation du ménage. On
désigne par s(t) le flux de salaire (supposé donné), à l’instant t, que le ménage partage en flux de
consommation c(t) et flux d’épargne e(t); on a donc : s(t) = c(t) + e(t). On suppose que la richesse
du ménage x(t) évolue de la façon suivante : sa valeur marginale est la somme du flux d’intérêt et
du flux d’épargne :
x0 (t) = rx(t) + e(t),
où r est le taux d’escompte financier. D’où l’expression suivante pour la consommation du ménage,
en fonction, cette fois, du flux de salaire et de la richesse :

c(t) = s(t) + rx(t) − x0 (t). (1)

La satisfaction procurée à chaque instant t par la consommation c(t) s’apprécie au travers d’une
fonction d’utilité U , et l’utilité actuelle de cette même consommation c(t) s’en déduit par une
formule d’actualisation à un taux δ dit taux d’escompte psychologique :
e (t) = e−δt U (c(t)).
U

Le ménage choisit sa consommation c(t) de façon à maximiser l’utilité intertemporelle

Z T Z T
U
e (t) dt = e−δt U (c(t)) dt
0 0

ou encore, en utilisant l’expression (1), il choisit sa courbe de richesse x : [0, T ] → R de façon à

maximiser Z T
J(x) = e−δt U (s(t) + rx(t) − x0 (t)) dt. (2)
0

C’est à ce genre de problème que s’adresse l’optimisation dynamique. Lorsqu’aucune contrainte

n’est imposée sur x, ce type de problème peut être résolue en utilisant l’équation d’Euler-Lagrange.
D’autre part, il arrive parfois qu’une contrainte soit imposée à x, sous la forme d’une équation
différentielle décrivant la manière dont cette variable évolue au cours du temps. Dans ce cas, on
peut résoudre le problème d’optimisation correspondant en utilisant le principe du maximum de
Pontryagin.

2 L’équation d’Euler-Lagrange
Soit une fonction
g: [0, T ] × R × R → R
(t, x, u) 7 → g(t, x, u)

2
une fonction de classe C 1 . Pour toute fonction x : [0, T ] → R de classe C 2 , on pose
Z T
J(x) := g (t, x(t), x0 (t)) dt (3)
0

et on veut déterminer la fonction x∗ qui optimise J(x). La condition du premier ordre est alors
fournie par l’équation d’Euler-Lagrange donnée dans le théorème suivant :

Théorème 2.1 - Si x∗ est une fonction de classe C 2 qui optimise J(x) parmi toutes les fonctions
x : [0, T ] → R de classe C 2 satisfaisant

x(0) = x0 , x(T ) = xT ,

alors x∗ vérifie l’équation d’Euler-Lagrange :

 
∂g d ∂g
(t, x(t), x0 (t)) = 0
(t, x(t), x (t)) . (4)
∂x dt ∂u

Ce théorème fournit une condition nécessaire pour un optimum de la fonctionnelle J. Une condition
suffisante est donnée dans le théorème suivant :

Théorème 2.2 - Si x∗ : [0, T ] → R est une fonction de classe C 2 satisfaisant à l’équation

d’Euler-Lagrange (4) et si, pour tout t ∈ [0, T ], la fonction gt : (x, u) 7→ g(t, x, u) est concave
(resp. convexe), alors x∗ est un maximum (resp. minimum) global; si de plus, gt est strictement
concave (resp. convexe), alors x∗ est l’unique maximum (resp. minimum) global.

Exemple 2.1 - On reprend l’exemple 1.1; la fonctionnelle donnée en (2) s’écrit sous la forme
définie en (3) avec g(t, x, u) = e−δt U (s(t) + rx − u). On a donc :
∂g
(t, x, u) = re−δt U 0 (s(t) + rx − u)
∂x
et
∂g
(t, x, u) = −e−δt U 0 (s(t) + rx − u).
∂u
Ainsi, en utilisant (1), il vient :
∂g
(t, x(t), x0 (t)) = re−δt U 0 (s(t) + rx(t) − x0 (t)) = re−δt U 0 (c(t)),
∂x
∂g
(t, x(t), x0 (t)) = −e−δt U 0 (s(t) + rx(t) − x0 (t)) = −e−δt U 0 (c(t))
∂u
et  
d ∂g 0 d  −δt 0
−e U (c(t)) = δe−δt U 0 (c(t)) − e−δt c0 (t)U 00 (c(t)).

(t, x(t), x (t)) =
dt ∂u dt
La consommation optimale c∗ vérifie donc l’équation (4) qui, dans ce cas, devient :

re−δt U 0 (c(t)) = δe−δt U 0 (c(t)) − e−δt c0 (t)U 00 (c(t)),

ce qui, après simplification par e−δt , devient :

c0 (t)U 00 (c(t))
= δ − r,
U 0 (c(t))

3
c’est-à-dire :
d
(ln(U 0 (c(t)))) = δ − r.
dt
On obtient alors la formule
U 0 (c∗ (t)) = Ke(δ−r)t
où K > 0 est une constante. Cette formule peut s’expliciter et permettre la détermination de
c∗ si la fonction d’utilité U est donnée. Par exemple, si U (x) = ln(x), on a U 0 (x) = 1/x, d’où
c∗ (t) = Ce(r−δ)t avec C > 0.
√
Exemple 2.2 - Trouvons la fonction x de classe C 2 telle que x(0) = 0 et x(1) = 2 sinh( 2/2) − 1
et qui minimise la fonctionnelle
Z 1
J(x) = x(t)2 + 2(x0 (t))2 + 2x(t)x0 (t) + 2tx(t) + 3t2 dt.
0

Cette fonctionnelle s’écrit sous la forme définie en (3) avec

g(t, x, u) = x2 + 2u2 + 2x u + 2t x + 3t2 .

On a donc :
∂g ∂g
(t, x, u) = 2x + 2u + 2t et (t, x, u) = 4u + 2x.
∂x ∂u
Ainsi,
∂g ∂g
(t, x(t), x0 (t)) = 2x(t) + 2x0 (t) + 2t, (t, x(t), x0 (t)) = 4x0 (t) + 2x(t)
∂x ∂u
et  
d ∂g d
(t, x(t), x0 (t)) = {4x0 (t) + 2x(t)} = 4x00 (t) + 2x0 (t).
dt ∂u dt
La fonction optimale x∗ vérifie donc l’équation (4) qui, dans ce cas, devient : 2x00 (t) − x(t) = t. Il
s’agit d’une équation différentielle du
√ second ordre à coefficients constants; la solution, correspon-
dant à x∗ (0) = 0 et x∗ (1) = 2 sinh( 2/2) − 1 est donnée par :
√ !
∗ 2
x (t) = 2 sinh t − t.
2

Pour montrer que cette solution correspond à un minimum de J, il suffit de montrer que, pour
t ∈ [0, 1], la fonction gt (x, u) = g(t, x, u) = x2 + 2u2 + 2x u + 2t x + 3t2 est convexe. Sa hessienne
est  2  
∂ gt ∂ 2 gt

∂x 2 ∂x∂u 2 2
H= = .
  
∂ 2 gt ∂ 2 gt 2 4
∂x∂u ∂u 2

Les mineurs principaux diagonaux de H sont D1 = 2 > 0, D2 = 4 > 0. Ils sont tous strictement
positifs; par conséquent, gt est strictement convexe et x∗ est l’unique minimum global.

4
3 Principe du maximum de Pontryagin
Comme l’équation d’Euler-Lagrange, le principe du maximum de Pontryagin est une méthode
pour trouver des candidats optima d’une fonctionnelle J; toutefois, l’optimum recherché ici est
une variable de contrôle u(t) et la valeur de la fonctionnelle ne dépend pas seulement de u, mais
aussi de la réponse xu d’un système dynamique controlé par u; il s’agit donc de la recherche d’un
optimum sous contrainte. Posons
Z T
J(u) := g(t, x(t), u(t)) dt + k(x(T )) (5)
0

où x est la solution de l’équation différentielle :

x0

= f (t, x, u)
. (6)
x(0) = x0
Tout comme dans la méthode des multiplicateurs de Lagrange, le principe du maximum de Pon-
tryagin introduit une fonction auxiliaire définie ci-dessous :

Définition 3.1 - On appelle Hamiltonien associé au problème défini en (5) et (6), la fonction :

H(t, λ, x, u) = λ f (t, x, u) + g(t, x, u),

où λ est une fonction appellée variable auxiliaire de la variable d’état x.

On considère le système suivant :

Définition 3.2 - On appelle système adjoint, le système :


 −λ0 = ∂H ∂x (t, λ, x, u)
; (7)
λ(T ) = k 0 (x(T ))


on peut alors énoncer le principe du maximum de Pontryagin :

Théorème 3.1 - Soit U un sous-ensemble de R; si l’application u∗ : [0, T ] → U est tel que J(u∗ )
soit maximal, alors, pour t ∈ [0, T ], on a

H(t, λ∗ (t), x∗ (t), u∗ (t)) = max{H(t, λ∗ (t), x∗ (t), v)} (8)

v∈U

où x∗ est la solution de (6) correspondant à u∗ , et λ∗ désigne la solution du système adjoint (7)
correspondant à x = x∗ et u = u∗ .

Remarque 3.1 - Si la fonction v 7→ H(t, λ∗ (t), x∗ (t), v) est de classe C 1 , l’équation (8) devient :
∂H
((t, λ∗ (t), x∗ (t), u∗ (t)) = 0. (9)
∂u

Exemple 3.1 - (Exercice de l’examen de l’année 2011-2012 ). L’évolution du revenu x(t) d’une
entreprise est modélisée par l’équation différentielle :
3
x0 (t) = −2x(t) + u(t), x(0) = x0 , (10)
2

5
où u(t) représente l’investissement au temps t, et vérifie la contrainte 0 ≤ u(t) ≤ a. Soit T > ln(3)/2
un réel. On cherche à déterminer la politique optimale permettant de maximiser la quantité
Z T
x(t) − u(t) dt + x(T ).
0

Le Hamiltonien associé à ce problème est donné par

3
H(t, λ, x, u) = λ (−2x + u) + x − u.
2
On a
∂H
(t, λ, x, u) = −2λ + 1;
∂x
ce qui permet de définir le système adjoint :

 −λ0 = −2λ + 1


.
λ(T ) = 1


On obtient ainsi une équation différentielle facile à résoudre, dont la solution est donnée par :
1 1 2(t−T )
λ∗ (t) = + e .
2 2
L’utilisation du principe du maximum de Pontryagin permet de déterminer l’investissement optimal
u∗ qui vérifie :
  
∗ ∗ ∗ ∗ ∗ 3 ∗ ∗ ∗
H(t, λ (t), x (t), u (t)) = max {H(t, λ (t), x (t), v)} = max λ (t) − 1 v + x (t) (−2λ (t) + 1) .
0≤v≤a 0≤v≤a 2

La fonction à maximiser étant linéaire, le résultat dépend du signe de 23 λ∗ (t)−1; puisque 32 λ∗ (t) ≥ 1
équivaut à t ≥ T − ln(3)/2 , on obtient
ln(3)

 a si T− 2 ≤t≤T
∗
u (t) = .
 ln(3)
0 si 0≤t<T − 2

Le revenu x∗ correspondant à cet investissement s’obtien en résolvant l’équation(10). Celle-ci est

une équation différentielle classique du premier ordre qui donne
ln(3)
 4 a + (x(T ) − 34 a)e−2(t−T ) si T − 2 ≤ t ≤ T
 3
∗
x (t) = .
x0 e−2t si 0 ≤ t < T − ln(3)

2