Methodes Quantitatives de Leconomie Mqe

Université Protestante au Congo
Faculté d’Administration des Affaires et Sciences Économiques

BP. 4745 Kinshasa II
Kinshasa – Lingwala
Résumé et recueil d’exercices [résolus]
Pour les étudiants de 3ème Graduat
METHODES QUANTITATIVES DE
L’ECONOMIE (MQE)
Jean-Claude NKASHAMA MUKENGE

Copyright ©jcnkashama-juin 2020
JUIN 2020
i
TABLE DES MATIERES

Avant-propos ............................................................................................................. ii
RAPPEL SUR L’ALGEBRE LINEAIRE .................................................................. 1
CHAPITRE 1 : ANALYSE DE L’EQUILIBRE ........................................................ 7
1.1. Analyse statique........................................................................................... 7
1.2. Analyse statique comparative ................................................................... 10
1.3. Analyse en temps discret et en temps continu (Analyse dynamique) ..... 12
Exercices............................................................................................................... 12
CHAPITRE 2 : PROGRAMMATION LINEAIRE .................................................. 25
2.1. Généralité ................................................................................................... 25
2.2. Formulation d’un programme linéaire ...................................................... 26
2.3. Dual et Primal ............................................................................................ 28
2.4. Standardisation.......................................................................................... 30
2.5. Algorithme de simplexe ............................................................................. 32
2.6. Solution du primal à partir du tableau optimal du dual .......................... 36
2.7. Dégénérescence .......................................................................................... 37
2.8. Solution du simplexe à partir du tableau optimal partiel ........................ 38
Exercices............................................................................................................... 38
CHAPITRE 3 : THEORIE DES JEUX ................................................................... 47
3.1. Généralités ................................................................................................. 47
3.2. Typologie des jeux ...................................................................................... 48
3.3. Représentation d’un jeu stratégique ......................................................... 50
3.4. Jeux contre la nature ................................................................................. 51
3.5. Jeux à deux personnes et à somme nulle .................................................. 55
3.6. Stratégie dominante (la dominance) ......................................................... 62
3.7. Equilibre de NASH .................................................................................... 65
Exercices............................................................................................................... 66
CHAPITRE 4 : ANALYSE DU TABLEAU D’ENTRÉES-SORTIES ..................... 74
4.1. Généralités ................................................................................................. 74
4.2. Notation ...................................................................................................... 75
4.3. Conditions de Hawkins et Simon .............................................................. 78
Exercices............................................................................................................... 79
REFERENCES BIBLIOGRAPHIQUES ................................................................ 92
DEA-Sciences Economiques/UPC en cours jackonkashama@gmail.com

ii
Avant-propos
Ces notes constituent un aide-mémoire essentiel et important à l’application des

mathématiques aux problèmes économiques. De ce fait, nous mettons à la
disposition des étudiants de 3ème Graduat en Administration des Affaires et
Sciences Economiques, ce recueil, qui est dans sa première phase de conception
avec objectif phare de les aider à préparer l’examen final.
L’absence, pendant très longtemps, d’un recueil d’applications approprié et capable

de relayer la partie magistrale du cours de Méthodes Quantitatives en Economie
(MQE) tel que dispensé à la Faculté d’Administration des Affaires et Sciences
Economiques (FASE) a été une motivation pour nous.
En rédigeant ce recueil, nous avons tenté de proposer un résumé complet avec des
exercices résolus pour chaque chapitre afin de captiver l’attention de l’étudiant sur
les éléments clés du cours.
Il sied de signaler que ce recueil ne remplace en aucun cas, les notes de cours.
L’assistance au cours s’avère de toute façon indispensable car les étudiants
doivent, à tout moment, se rappeler que tout sujet traité aux cours (séances
théoriques et pratique) constitue un événement élémentaire équiprobable du
domaine de définition de la matière de l’examen.
Jean-Claude Nkashama M.
Kinshasa, juin 2020

1
RAPPEL SUR L’ALGEBRE LINEAIRE
0.1. Les matrices
0.1.1. Généralités
Une matrice de dimensions (𝑚 × 𝑛) ou matrice (𝑚, 𝑛) est un ensemble de (𝑚 × 𝑛)

éléments formés à partir de nombres réels ou complexes, et disposés dans un
tableau rectangulaire m lignes et n colonnes.
𝑎11 𝑎12 ⋯ 𝑎1𝑛
𝑎21 𝑎22 ⋯ 𝑎2𝑛
𝐴=| ⋮ ⋮ ⋮ ⋮ | où simplement 𝐴 = [𝑎𝑖𝑗 ] 𝑎𝑣𝑒𝑐 𝑖 = 1, … 𝑚 𝑒𝑡 𝑗 = 1, … , 𝑛.
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛
Une matrice est carrée lorsque 𝑚 = 𝑛 . l’ensemble des éléments 𝑎𝑖𝑗 ∀𝑖 = 𝑗 s’appelle
la diagonale principal et la somme de ses éléments ∑ 𝑎𝑖𝑗 ∀𝑖 = 𝑗 est la trace.
La transposée d’une matrice est la matrice obtenue en échangeant les lignes et les
colonnes. On la désigne par 𝐴′ 𝑜𝑢 𝐴𝑡 .
Exemple
2 4 1
𝐴 = |4 3 8|
4 0 7
𝑚 = 𝑛 = 3 ; A est dite matrice d’ordre 3 et les éléments 𝑎11 = 2 ; 𝑎22 = 3 ; 𝑎33 = 7
forment la diagonale principale dont la trace est 𝑎11 + 𝑎22 + 𝑎33 = 2 + 3 + 7 = 12
2 4 4
𝐴′ = |4 3 0|
1 8 7
A’ est la transposé de la matrice A. Si 𝐴 = 𝐴′ , la matrice est dite symétrique.
Exemple
2 4 2 4
𝐴=| | → 𝐴′ = | |
4 3 4 3
La matrice-identité (unitaire)
Une matrice identité est une matrice carrée dont tous les éléments sont nuls, sauf
ceux de la diagonale principale qui sont égaux à 1. La matrice unitaire est notée I.

2
Exemple :
1 0 0
1 0
𝐴=| | 𝐼 = |0 1 0|
0 1
0 0 1
0.1.2. Déterminants d’une matrice
À toute matrice carrée A on fait correspondre un scalaire appelé déterminant que

l’on écrit :
𝑎11 𝑎12 ⋯ 𝑎1𝑛
𝑎21 𝑎22 ⋯ 𝑎2𝑛
|𝐴| = | ⋮ ⋮ ⋮ ⋮ |
 Matrice d’ordre 2
𝑎11 𝑎12
|𝐴| = |𝑎 𝑎22 | = 𝑎11 𝑎22 − 𝑎21 𝑎12
21
Exemple
2 4
𝐴=| | = (2 × 3) − (4 × 4) = 6 − 16 = −10
4 3
On utilise la méthode de Sarrus qui consiste à ajouter les deux premières colonnes
à droites du déterminant et à procéder à une série de calculs comme illustré ci-
après :
𝑎11 𝑎12 𝑎13 𝑎11 𝑎12 𝑎13 𝑎11 𝑎12
𝑎
|𝐴| = | 21 𝑎22 𝑎23 | = |𝑎21 𝑎22 𝑎23 | 𝑎21 𝑎22
𝑎31 𝑎32 𝑎33 𝑎31 𝑎32 𝑎33 𝑎31 𝑎32
|𝐴| = [(𝑎11 𝑎22 𝑎33 ) + (𝑎12 𝑎23 𝑎31 ) + (𝑎13 𝑎21 𝑎32 )] − [(𝑎31 𝑎22 𝑎13 ) + (𝑎32 𝑎23 𝑎11 ) +
(𝑎33 𝑎21 𝑎12 )]
Exemple :
2 4 1 2 4 1 2 4
𝐴 = |4 3 8| |𝐴| = |4 3 8| 4 3
4 0 7 4 0 7 4 0
|𝐴| = [(2 × 3 × 7) + (4 × 8 × 4) + (1 × 4 × 0)] − [(4 × 3 × 1) + (0 × 8 × 2) + (7 × 4 ×
4)] = (42 + 128 + 0) − (12 + 0 + 112) = 170 − 124 = 46

3
 Matrice d’ordre n (𝑛 ≥ 3)
Un déterminant d’ordre n (𝑛 ≥ 3) est généralement calculé en appliquant les

cofacteurs de Laplace.
𝑎11 𝑎12 ⋯ 𝑎1𝑛
𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑛
|𝐴| = | ⋮ ⋮ ⋮ ⋮ | = ∑𝑖=1 𝑎𝑖𝑗 𝛼𝑖𝑗
𝑜ù 𝑙𝑒𝑠 𝛼𝑖𝑗 𝑠𝑜𝑛𝑡 𝑙𝑒𝑠 𝑐𝑜𝑓𝑎𝑐𝑡𝑒𝑢𝑟𝑠 𝑑𝑒𝑠 𝑎𝑖𝑗
𝛼𝑖𝑗 = (−1)𝑖+𝑗 |𝑀𝑖𝑗 |
|𝑀𝑖𝑗 | sont dits les mineurs, c’est-à-dire les déterminants d’ordre (𝑛 − 1) obtenus en
éliminant une ligne et une colonne. Les signes des cofacteurs alternent en
commençant par le signe négatif.
𝑎22 𝑎23 ⋯ 𝑎2𝑛 𝑎21 𝑎23 ⋯ 𝑎2𝑛
𝑎32 𝑎33 ⋯ 𝑎3𝑛 𝑎31 𝑎33 ⋯ 𝑎3𝑛
|𝐴| = 𝑎11 (−1)2 | ⋮ ⋮ ⋮ ⋮ | + 𝑎12 (−1) 3
| ⋮ ⋮ ⋮ ⋮ | = +⋯+
𝑎𝑛2 𝑎𝑛3 ⋯ 𝑎𝑛𝑛 𝑎𝑛1 𝑎𝑛3 ⋯ 𝑎𝑛𝑛
𝑎21 𝑎22 ⋯ 𝑎2(𝑛−1)
𝑎31 𝑎32 ⋯ 𝑎3(𝑛−1)
𝑎1𝑛 (−1)1+𝑛 | ⋮ ⋮ ⋮ ⋮ |
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛(𝑛−1)
Exemple :
2 9 9 4
2 −3 12 8
𝐴=| |
4 8 3 −5
1 2 6 4
−3 12 8 9 9 4 9 9 4 9 9 4
|𝐴| = 2 | 8 3 −5| − 2 |8 3 −5| + 4 |−3 12 8| − 1 |−3 12 8 | = 147
2 6 4 2 6 4 2 6 4 8 3 −5
NB :
- Une matrice carrée est dite matrice singulière si son déterminant est égal à
zéro ;
- Une matrice carrée et non singulière si sont déterminant est différent de
zéro ;
- Le déterminant d’une matrice unitaire est toujours égal à 1.
- Le déterminant d’une matrice dont tous les éléments d’une ligne ou une
colonne sont nuls sauf un élément, est égal au produit de cet élément par
son cofacteur.

4
Exemple :
0 −3 0
𝐴 = |1 1 4|
6 4 −3
1 4
|𝐴| = −3(−1)1+2 | | = −81
6 −3
𝑎𝑣𝑒𝑐 (−1)1+2 : 1 + 2 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑒 𝑙𝑎 1è𝑟𝑒 𝑙𝑖𝑔𝑛𝑒 𝑒𝑡 2 𝑙𝑎 2è𝑚𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒
0.1.3. Inverse d’une matrice carrée
On appelle inverse de la matrice carrée 𝐴, la matrice 𝐴−1 telle que :
𝐴𝐴−1 = 𝐴−1 𝐴 = 𝐼. Pour que 𝐴−1 existe, il faut et il suffit que 𝐴 soit une matrice non
singulière. Pour obtenir la matrice inverse 𝐴−1 , il faut diviser la matrice adjointe
par le déterminant |𝐴| ; notons que la matrice adjointe, notée 𝐴̃ est la transposée
1
de la matrice des cofacteurs. 𝐴−1 = 𝐴̃ |𝐴|
𝑎11 𝑎12 𝑎22 −𝑎12

𝐴̃ = |𝑎
21 𝑎22 | = |−𝑎21 𝑎11 | Pour la matrice d’ordre 2
𝑎22 𝑎23 𝑎21 𝑎23 𝑎21 𝑎22
+ |𝑎 𝑎33 | − |𝑎31 𝑎33 | + |𝑎31 𝑎32 |
𝑎11 𝑎12 𝑎13 32
𝑎12 𝑎13 𝑎11 𝑎13 𝑎11 𝑎12
𝑐𝑜𝑓(𝐴) = |𝑎21 𝑎22 𝑎23 | = − |
𝑎32 𝑎33 | + | 𝑎31 𝑎33 | − |𝑎31 𝑎32 | =
𝑎31 𝑎32 𝑎33 𝑎12 𝑎13 𝑎11 𝑎13 𝑎11 𝑎12
[+ |𝑎22 𝑎23 | − |𝑎21 𝑎23 | + |𝑎21 𝑎22 |]
𝑃11 𝑃12 𝑃13
𝑃
𝑐𝑜𝑓(𝐴) = | 21 𝑃22 𝑃23 |
𝑃31 𝑃32 𝑃33
𝑃11 𝑃12 𝑃13 𝑃11 𝑃21 𝑃31
𝐴̃ = (𝑐𝑜𝑓(𝐴))′ |𝑃21 𝑃22 𝑃23 | = |𝑃12 𝑃22 𝑃32 | Pour la matrice d’ordre 3
𝑃31 𝑃32 𝑃33 𝑃13 𝑃23 𝑃33
Exemple :
2 4 |𝐴| = −10
𝐴=| |
4 3
1 3 −4 −3/10 4/10
𝐴−1 = | |=| |
−10 −4 2 4/10 −2/10

5
1 2 4
𝐴 = |2 5 0| |𝐴| = −3
3 7 1
5 0 2 0 2 5
+| | −| | +| |
7 1 3 1 3 7 5 −2 −1
2 4 1 4 1 2
𝑐𝑜𝑓(𝐴) = − | | +| | −| | = [ 26 −11 −1]
7 1 3 1 3 7
2 4 1 4 1 2 −20 8 1
[+ |5 0
| −|
2 0
| +|
2 5
|]
5 26 −20 −5/3 −26/3 20/3

−1 1
𝐴 = [−2 −11
−3
8 ] = [ 2/3 11/3 −8/3]
−1 −1 1 1/3 1/3 −1/3
N.B :
- Une matrice régulière est une matrice inversible

- Une matrice singulière est une matrice non inversible
0.2. Equations linéaires
On appelle système de n équations linéaires avec k inconnues, un système

d’équations du premier degré de la forme suivante :
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑘 𝑥𝑘 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑘 𝑥𝑘 = 𝑏2
⋮
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 + ⋯ + 𝑎𝑛𝑘 𝑥𝑘 = 𝑏𝑛
On peut écrire :
𝑎11 𝑎12 ⋯ 𝑎1𝑘 𝑥1 𝑏1
𝑎21 𝑎22 ⋯ 𝑎2𝑘 𝑥2 𝑏2
| ⋮ ⋮ ⋮ ⋮ || ⋮ | = | ⋮ |
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑘 𝑥𝑘 𝑏𝑛
Ou encore en utilisant la notation matricielle :
𝐴𝑋 = 𝐵 𝑜ù 𝐴 = [𝑎𝑖𝑗 ] ; 𝑋 = [𝑥𝑗 ] ; 𝐵 = [𝑏𝑖 ] ; 𝑖 = 1,2, … , 𝑛 𝑒𝑡 𝑗 = 1,2, … , 𝑘.
Résoudre ce système consiste à chercher les valeurs des inconnues (𝑥1 , … , 𝑥𝑘 ) qui
satisfont ces équations. C’est donc rechercher le vecteur X.
Il y a deux méthodes pour résoudre pareil système : la règle de Cramer et la

méthode de la matricielle. Avec 𝑛 = 𝑘, les valeurs de 𝑥𝑖 qui résolvent le système
sont calculées de la manière suivante ;

6
 Règle de cramer
𝑏1 𝑎12 ⋯ 𝑎1𝑛 𝑎11 𝑏1 ⋯ 𝑎1𝑛

𝑏2 𝑎22 ⋯ 𝑎2𝑛 𝑎21 𝑏2 ⋯ 𝑎2𝑛
| | | |
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑏𝑛 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝑎𝑛1 𝑏𝑛 ⋯ 𝑎𝑛𝑛
𝑥1 = |𝐴|
𝑒𝑡 𝑥2 = |𝐴|
 Méthode matricielle
Nous savons que le système peut s’écrire : 𝐴𝑋 = 𝐵. Si la matrice A est non

singulière, c’est-à-dire 𝐴−1 existe, alors :
𝑋 = 𝐴−1 𝐵
𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑥1 𝑏1
𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑥2 𝑏2
𝐴= | ⋮ ⋮ ⋮ ⋮ | 𝑋=| ⋮ | 𝐵=| |
⋮
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝑥𝑛 𝑏𝑛
𝑋 = 𝐴−1 𝐵
𝑥1 𝑎11 𝑎12 ⋯ 𝑎1𝑛 −1 𝑏1
𝑥2 𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑏
| ⋮ |=| ⋮ ⋮ ⋮ ⋮ | | 2|
⋮
𝑥𝑛 𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝑏𝑛

7
CHAPITRE 1 : ANALYSE DE L’EQUILIBRE
L’équilibre est une situation où rien ne bouge. Celle-ci peut être statique,
statique comparative ou dynamique.
1.1. Analyse statique
L’analyse statique de l’équilibre consiste à déterminer le niveau d’équilibre de

certaines variables économiques issues d’un ensemble donné des conditions
statiques parce qu’on fait abstraction du déroulement dans le temps.
1.1.1. Equilibre partiel ou équilibre sur un marché
L’équilibre partiel consiste à décrire les mécanismes de la détermination des prix

de marché et des quantités achetées et vendues.
La fonction linéaire décroissante du prix
𝑄𝑑 = 𝑎 − 𝑏𝑃 (a, b>0)
La fonction linéaire croissante du prix
𝑄𝑠 = −𝐶 + 𝑑𝑃 (c, d>0)
Exemple : résoudre le modèle de marché suivant :

𝑄𝑑 = 3 − 5𝑃 𝑄 + 5𝑃 = 3
{ →{ 𝑑
𝑄𝑠 = −1 + 3𝑃 𝑄𝑠 − 3𝑃 = −1
Solution
méthode cramer méthode matricielle

- La matrice A doit être carré 1 5 𝑃 3
( )( 𝑒) = ( )
- Le déterminant de la matrice A 1 −3 𝑄 𝑒 −1
doit être différent de zéro ; soit : 𝐴𝑋 = 𝐵
|𝐴| ≠ 0 𝑋 = 𝐴−1 𝐵
𝑃 1 5 −1 3
( 𝑒) = ( ) ( )
|𝐴| = |1 5 | = −3 − 5 = −8 ≠ 0 𝑄𝑒 1 −3 −1
1 −3 𝑃 1 −3 −8 3
|
1 3
| ( 𝑒) = − ( )( )
−1−3 −4 1 𝑄𝑒 8 −1 1 −1
𝑃̅ = 1 −1
= = =
−8 −8 −8 2 𝑃 1/2
3 5 ( 𝑒) = ( )
| | −9+5 −4 1 𝑄𝑒 1/2
𝑄̅ = −1 −3
= = =
−8 −8 −8 2

8
1.1.2. Equilibre général ou équilibre sur plusieurs marchés
L’équilibre général traite l’équilibre simultané de tous les marchés
a) Equilibre sur deux marchés

Exemple :
𝑄𝑑1 = 3 − 2𝑃1 + 2𝑃2 𝑄𝑑2 = 5 + 𝑃1 − 𝑃2
{ et {
𝑄𝑠1 = −2 + 𝑃1 + 4𝑃2 𝑄𝑠2 = −1 + 2𝑃1 + 3𝑃2
Solution
𝑄𝑑1 = 𝑄𝑠1 𝑄𝑑2 = 𝑄𝑠2
3 − 2𝑃1 + 2𝑃2 = −2 + 𝑃1 + 4𝑃2 5 + 𝑃1 − 𝑃2 = −1 + 2𝑃1 + 3𝑃2
−3𝑃1 − 2𝑃2 = −5 (1) −𝑃1 − 4𝑃2 = −6 (2)
(1) = (2)
−3𝑃1 − 2𝑃2 = −5
{
−𝑃1 − 4𝑃2 = −6
méthode cramer méthode matricielle

|𝐴| = |−3 −2| = 12 − 2 = 10 ≠ 0 𝑃
( 1) = (
−3 −2 −1 −5
) ( )
−1 −4 𝑃2 −1 −4 −6
−5 −2
|
−6 −4
| 20−12 4 𝑃1 1 −4 2 −5
𝑃1 = = = ( )= ( )( )
10 10 5 𝑃2 10 1 −3 −6
−3 −5
| | 18−5 13 𝑃1 4/5
𝑃2 = −1 −6
= = ( )=( )
10 10 10 𝑃2 13/10
4 13 8 13
𝑄1𝑒 = 3 − 2 ( ) + 2 ( ) = 3 − + =4
5 10 5 5
4 13 9
𝑄2𝑒 = 5 + − =
5 10 2
b) Equilibre sur trois marchés

Exemple :
𝑄𝑑1 = 5 − 2𝑃1 + 4𝑃2 − 2𝑃3 𝑄 = 2 + 𝑃1 − 2𝑃2 + 3𝑃3
{ { 𝑑2
𝑄𝑠1 = −1 + 5𝑃1 − 𝑃2 + 𝑃3 𝑄𝑠2 = −3 + 2𝑃1 + 3𝑃2 + 𝑃3
𝑄𝑑3 = 6 + 𝑃1 + 4𝑃2 − 𝑃3
{
𝑄𝑠3 = −4 + 5𝑃1 − 2𝑃2 + 5𝑃3

9
Solution
𝑄𝑑1 = 𝑄𝑠1 𝑄𝑑2 = 𝑄𝑠2
5 − 2𝑃1 + 4𝑃2 − 2𝑃3 = −1 + 5𝑃1 − 𝑃2 + 𝑃3 2 + 𝑃1 − 2𝑃2 + 3𝑃3 = −3 + 2𝑃1 + 3𝑃2 + 𝑃3
−7𝑃1 + 5𝑃2 − 3𝑃3 = −6 (1) −𝑃1 − 5𝑃2 + 2𝑃3 = −5 (2)
𝑄𝑑3 = 𝑄𝑠3 −7𝑃1 + 5𝑃2 − 3𝑃3 = −6 (1)

6 + 𝑃1 + 4𝑃2 − 𝑃3 = −4 + 5𝑃1 − 2𝑃2 + 5𝑃3 { −𝑃1 − 5𝑃2 + 2𝑃3 = −5 (2)
−4𝑃1 + 6𝑃2 − 6𝑃3 = −10 (3) −4𝑃1 + 6𝑃2 − 6𝑃3 = −10 (3)
Méthode cramer Méthode matricielle

On applique la règle de Sarrus On applique le pivot de gauss
−7 5 −3 −7 5 −7 5 −3 −6 𝐿1
|𝐴| = |−1 −5 2 | −1 −5 (−1 −5 2 | −5 ) 𝐿1 − 7𝐿2
−4 6 −6 −4 6 −4 6 −6 −10 4𝐿1 − 7𝐿3
|𝐴| = −118 ≠ 0
−6 5 −3
| 5 −5 2 | −7 5 −3 −6 𝐿1
𝑃1 = −10 6 −6
=
−118
=1 (0 40 −17| 29 ) 𝐿2
−118 −118
−7 −3 −6
0 −22 30 46 22𝐿2 + 40𝐿3
|−1 2 −5 |
−4 −6 −10 −296
𝑃2 = −118
=
−118
=2 −7 5 −3 −6 𝐿1
−7 5 −6 ( 0 40 −17| 29 ) 𝐿2
|−1 −5 −5 |
−4 6 −10 −354 0 0 826 2478 22𝐿2 + 40𝐿3
𝑃3 = −118
=
−118
=3
826𝑃3 = 2478 → 𝑃3 = 3
40𝑃2 − 17𝑃3 = 29 → 𝑃2 = 2
−7𝑃1 + 5𝑃2 − 3𝑃3 = −6 → 𝑃1 = 1
𝑄1𝑒 = 5 − 2𝑃1 + 4𝑃2 − 2𝑃3 = 5 − 2(1) + 4(2) − 2(3) = 8

𝑄2𝑒 = 2 + 𝑃1 − 2𝑃2 + 3𝑃3 = 2 + 1 − 2(2) + 3(3) = 8
𝑄3𝑒 = 6 + 𝑃1 + 4𝑃2 − 𝑃3 = 6 + 1 + 4(2) − 3 = 12
1.1.3. Equilibre dans l’analyse du revenu national
Les valeurs d’équilibre du revenu et la consommation 𝑌̅ et 𝐶̅ peuvent être

déterminer en utilisant la méthode algébrique ou matricielle. On resoud le système
suivant :
𝑌 = 𝐶 + 𝐼0 + 𝐺0 𝑌 − 𝐶 = 𝐼0 + 𝐺0
{ →{
𝐶 = 𝐶0 + 𝐶1 𝑌 𝐶 − 𝐶1 𝑌 = 𝐶0
𝑌 − 𝐶 = 𝐼0 + 𝐺0
{
−𝐶1 𝑌 + 𝐶 = 𝐶0
1 −1 𝑌̅ 𝐼 + 𝐺0
[ ][ ] = [ 0 ]
−𝐶1 1 𝐶̅ 𝐶0
10
̅ 1 −1 −1 𝐼0 + 𝐺0 𝐼 +𝐺 +𝐶
𝑌̅ = 0 0 0
[𝑌 ] = [ ] [ ] 1−𝐶1
𝐶̅ −𝐶1 1 𝐶0
1 1 1 𝐼0 + 𝐺0
= [ ][ ] 𝐶̅ =
𝐶1 (𝐼0 +𝐺0 )+𝐶0
1−𝐶1 𝐶1 1 𝐶0 1−𝐶1
1 𝐼 + 𝐺0 + 𝐶0
= [ 0 ]
1−𝐶1 𝐶1 (𝐼0 + 𝐺0 ) + 𝐶0
Exemple :
I0=14 ; G0= 16 et C=25+6Y1/2
Déterminer 𝑌̅ et 𝐶̅
Solution
𝑌 = 𝐶 + 𝐼0 + 𝐺0 W1 6±16 11
⋯ ⋯
𝑌 = 25 + 6𝑌1/2 + 14 + 16 W2 2 −5
𝑌 = 55 + 6𝑌1/2
1 𝑌̅ = 𝑊 2 = (11)2 = 121
𝑌 − 6𝑌 2 − 55 = 0
𝐶̅ = 25 + 6𝑊 = 25 + 66 = 91
si 𝑾 = 𝒀𝟏/𝟐
𝑊 2 − 6𝑊 − 55 = 0
∆= 36 − 4(−55) = 36 + 220 = 256
1.2. Analyse statique comparative
L’analyse statique comparative de l’équilibre consiste à comparer deux situations

dans deux environnements différents sans connaitre les causes de la modification
des Etats.
𝐶0 −𝐶1 𝑡0 +𝐼0 +𝐺0 +𝑋0 −𝑚0 +𝑚1 𝑡0
̅=
Exemple 1 : Démontrez que 𝑌
1−𝐶1 +𝐶1 𝑡1 +𝑚1 −𝑚1 𝑡1
𝐶 = 𝐶0 + 𝐶1 𝑌𝑑 ; 𝑇 = 𝑡0 + 𝑡1 𝑌 ; 𝑀 = 𝑚0 + 𝑚1 𝑌𝑑 et 𝑌𝑑 = 𝑌 − 𝑇
𝑌 = 𝐶 + 𝐼0 + 𝐺0 + 𝑋0 − 𝑀
𝑌 = 𝐶0 + 𝐶1 𝑌𝑑 + 𝐼0 + 𝐺0 + 𝑋0 − 𝑚0 − 𝑚1 𝑌𝑑
𝑌 = 𝐶0 + 𝐶1 𝑌 − 𝐶1 𝑇 + 𝐼0 + 𝐺0 + 𝑋0 − 𝑚0 − 𝑚1 𝑌 + 𝑚1 𝑇
𝑌 = 𝐶0 + 𝐶1 𝑌 − 𝐶1 𝑡0 − 𝐶1 𝑡1 𝑌 + 𝐼0 + 𝐺0 + 𝑋0 − 𝑚0 − 𝑚1 𝑌 + 𝑚1 𝑡0 + 𝑚1 𝑡1 𝑌
𝑌 − 𝐶1 𝑌 + 𝐶1 𝑡1 𝑌 + 𝑚1 𝑌 − 𝑚1 𝑡1 𝑌 = 𝐶0 − 𝐶1 𝑡0 + 𝐼0 + 𝐺0 + 𝑋0 − 𝑚0 + 𝑚1 𝑡0
𝐶 −𝐶 𝑡 +𝐼 +𝐺 +𝑋 −𝑚 +𝑚 𝑡
𝑌̅ = 0 1 0 0 0 0 0 1 0 cqfd
1−𝐶1 +𝐶1 𝑡1 +𝑚1 −𝑚1 𝑡1

11
Multiplicateur du taux d’imposition (t1) Multiplicateur de la dépense

̅̅̅̅
∆𝑌 −𝐶1 (𝑌)
= (1)
publique (G0)
∆𝑡1 1−𝐶1 +𝐶1 𝑡1 ̅̅̅̅
∆𝑌 1
= (3)
∆𝐺0 1−𝐶1 +𝐶1 𝑡1
Multiplicateur de la fiscalité autonome (t0) Multiplicateur du budget d’équilibre

̅̅̅̅
∆𝑌 −𝐶1
= (2)
(4) = (3) + (2)
∆𝑡0 1−𝐶1 +𝐶1 𝑡1 ̅̅̅̅
∆𝑌 ̅̅̅̅
∆𝑌 1−𝐶1
+ ∆𝑡 = 1−𝐶
∆𝐺0 0 1 +𝐶1 𝑡1
Exemple 2 :
Déterminer 𝑌̅ si :
𝐶1 = 0,9 𝑡1 = 0,2 𝐶0 = 70
𝑋0 = 250 𝑚0 = 40 𝐼0 = 90
𝑚1 = 0,15 𝑡0 = 20 𝐺0 = 65
Solution
𝐶 −𝐶 𝑡 +𝐼 +𝐺 +𝑋 −𝑚 +𝑚 𝑡
𝑌̅ = 0 1 0 0 0 0 0 1 0
1−𝐶1 +𝐶1 𝑡1 +𝑚1 −𝑚1 𝑡1
70−0,9(20)+90+65+250−40+0,15(20) 420
𝑌̅ = = = 1050
0,4
1−0,9+0,9(0,2)+0,15−0,15(0,2)
a) Quel est l’effet sur la balance de paiement s’il y a accroissement de la

dépense publique de 30 Um et une réduction d’impôt de 40 Um
𝑋0 − 𝑚0 = 250 − 40 = 210
𝐺0 = 65 + 30 = 95
𝑡0 = 20 − 40 = −20
70−0,9(20)+90+95+𝑋0 −𝑚0 +0,15(−20)
𝑌̅ =
0,4
70+18+185+𝑋0 −𝑚0 −3
1050 =
0,4
420 = 270 + 𝑋0 − 𝑚0
𝑋0 − 𝑚0 = 150 La balance de paiement a baissé de 210-150= 60
b) Quel est l’effet sur le niveau d’équilibre en pourcentage dans la proportion

marginale à importer
̅̅̅̅
∆𝑌 −1 −1
= = = −2,5 = −250 %
𝑚0 1−𝐶1 +𝐶1 𝑡1 +𝑚1 −𝑚1 𝑡1 0,4

12
c) Evaluer l’effet du revenu d’équilibre d’un accroissement de 60 Um dans les

exportations et 30 Um dans les importations autonomes.
𝜕𝑌 1 1
(𝜕𝑋) ∆𝑋 = 1−𝐶 = (60) = 150
1 +𝐶1 𝑡1 +𝑚1 −𝑚1 𝑡1 0,4
𝜕𝑌 −1
(𝜕𝑋) ∆𝑚0 = 1−𝐶 = −2,5(30) = −75
1 +𝐶1 𝑡1 +𝑚1 −𝑚1 𝑡1
d) Si le niveau du plein emploi du revenu est de 2075, par combien accroit la

dépense publique pour l’atteindre ?
̅̅̅̅
∆𝑌 = 𝑚∆𝐺0
̅̅̅̅
∆𝑌 −1
= 𝑚 → −75 = ∆𝐺0
𝐺0 0,4
−75 = −2,5∆𝐺0
75
𝐺0 = − = 30
2,5
1.3. Analyse en temps discret et en temps continu (Analyse dynamique)
Dans l’analyse dynamique, l’économiste introduit la variable temps dans ses

modèles, il se retrouve confronté soit à des équations différentielles si le temps est
considéré comme une variable continue, soit à des équations de récurrence si le
temps est une variable discrète. Nous traiterons principalement ici du
comportement des solutions des équations supposées linéaires.
a) Etude de la stabilité de l’équation Ye sans calculer les solutions des

équations
Equation différentielle (EDL) Equation de récurrence (ERL)
𝜆2 + 𝑎1 𝜆 + 𝑎2 = 0 𝜆2 + 𝑎1 𝜆 + 𝑎2 = 0
produit : 𝑃 = 𝑎2 produit : 𝑃 = 𝑎2
somme : 𝑆 = −𝑎1 somme : 𝑆 = −𝑎1
P S Notion de P ∆ |𝑆| Nature de

l’équilibre l’équilibre
≤ 0 quelconque Ye instable <1 ≤0 quelconque stable
>0 <0 Ye stable >0 |𝑆|>2 instable
>0 Ye instable |𝑆| < 2 calculer
𝜆1 𝑒𝑡 𝜆2
≥1 quelconque quelconque instable

7
b) Recherche de l'équilibre et stabilité des équations différentielles (temps continues ; le temps est indéfini)
Solution complémentaire (𝑌𝑐 ) Solution particulière (𝑌𝑝 ) Etude de stabilité

EDL d’ordre 1
𝑌𝑐 = 𝑐(𝑒)−𝑎𝑡 𝑏 𝑌𝑡 = 𝑌𝑐 + 𝑌𝑝 ou 𝑃𝑡 = 𝑃𝑐 + 𝑃𝑝
𝑌𝑝 = 𝑠𝑖 𝑎 ≠ 0
Forme générale { 𝑎
𝑑𝑦
+ 𝑎𝑦 = 𝑏 𝑌𝑝 = 𝑏𝑡 𝑠𝑖 𝑎 = 0  Convergence : si a>0
𝑑𝑡
ou 𝑃′ (𝑡) + 𝑎𝑃(𝑡) = 𝑏  Divergence : si a<0
EDL d’ordre 2  Si ∆>0 - Convergence : (𝜆1 𝑒𝑡 𝜆2 ) < 0

𝑌𝑐 = 𝐶1 𝑒 𝜆1 𝑡 + 𝐶2 𝑒 𝜆2 𝑡 - Divergence : si l’une des
𝑏
Forme générale 𝑌𝑝 = 𝑠𝑖 𝑎2 ≠ 0 racines est nulle ou positif
𝑎2
𝑏 𝑎2 = 0
𝑑²𝑦
Si ∆=0
𝑑𝑦 𝑌𝑝 = ( ) 𝑡 𝑠𝑖 {
+ 𝑎1 𝑦 + 𝑎2 𝑦 = 𝑏  𝑎1 𝑎1 ≠ 0 - Convergence : 𝜆 < 0
𝑑𝑡² 𝑑𝑡
𝑏 𝑎 =0 - Divergence : 𝜆 ≥ 0
𝑌′′ (𝑡) + 𝑎1 𝑌 ′ (𝑡) + 𝑎2 𝑌(𝑡) = 𝑏 𝑌𝑐 = 𝐶1 𝑒 𝜆𝑡 + 𝐶2 𝑡𝑒 𝜆𝑡 𝑌𝑝 = (2) 𝑡 2 𝑠𝑖 { 2
{ 𝑎1 = 0
 Si ∆<0
λ2 + a1 λ + a 2 = 0  ℎ > 0 Divergence (tend vers
𝑌𝑐 = 𝑒 ℎ𝑡 [𝐶1 𝐶𝑜𝑠 𝑣𝑡 + 𝐶2 𝑆𝑖𝑛 𝑣𝑡] ∞)
 ℎ < 0 Convergence (tend
√4𝑎2 −𝑎12 vers 0)
−𝑎1
ℎ= 2
et 𝑣 = 2
 ℎ = 0 𝑒 ℎ𝑡 = 0 Ne converge
h+𝑣𝑖 pas (fluctuation uniforme)
λ1 h±𝑣𝑖 2
⋯ ⋯ h−𝑣
λ2 2 𝑖
2

8
c) Recherche de l'équilibre et stabilité des équations de récurrence (temps discret ; le temps est défini)
Solution complémentaire (𝑌𝑐 ) Solution particulière (𝑌𝑝 ) Etude de stabilité

ERL d’ordre 1 𝑌𝑡 = 𝑌𝑐 + 𝑌𝑝 ou 𝑃𝑡 = 𝑃𝑐 + 𝑃𝑝
𝑌𝑐 = 𝑐(−𝑎)𝑡 𝑏
Forme générale 𝑌𝑝 = 𝑠𝑖 𝑎 ≠ 0  Convergence : si |−𝑎| < 1
{ 1+𝑎
𝑌𝑡+1 + 𝑎𝑌𝑡 = 𝑏 𝑌𝑝 = 𝑏𝑡 𝑠 𝑖 𝑎 = 0  Divergence : si |−𝑎| > 1
ERL d’ordre 2  Si ∆>0 𝑌𝑝 =

𝑏
𝑠𝑖 𝑎1 + 𝑎2 ≠ −1  Si ∆>0
1+𝑎1 +𝑎2 |𝜆 |
𝑏 𝑎 + 𝑎2 = −1 - Convergence : si { 1 < 1
Forme générale 𝑌𝑐 = 𝐶1 (𝜆1 )𝑡 + 𝐶2 (𝜆2 )𝑡 𝑌𝑝 = ( ) 𝑠𝑖 { 1 |𝜆2 |
1+𝑎1 𝑎1 ≠ 2 |𝜆 |
𝑏 𝑎 + 𝑎2 = −1 - Divergence : si { 1 > 1
𝑌𝑡+2 + 𝑎1 𝑌𝑡+1 + 𝑎2 𝑌𝑡 = 𝑏 𝑌 = ( ) 𝑡2 𝑠𝑖 { 1 |𝜆2 |
 Si ∆=0 { 𝑝 2 𝑎1 = 2 - Divergence en générale : si
l’une des racines est >1 en
𝑌𝑐 = 𝐶1 𝜆𝑡 + 𝐶2 𝑡𝜆𝑡 λ2 + a1 λ + a 2 = 0 valeur absolue, on considère la
racine 𝜆 de plus grande valeur
 Si ∆<0 absolue
- Ne converge pas : si
𝑌𝑐 = 𝑅 𝑡 [𝐶1 𝐶𝑜𝑠𝜃 𝑡 + 𝐶2 𝑆𝑖𝑛𝜃 𝑡] |𝜆1 | 𝑜𝑢 |𝜆2 | = 1
 Si ∆=0
𝑅 = √𝑎2
ℎ 𝑣
- Convergence : |𝜆| < 1
𝐶𝑜𝑠𝜃 = 𝑒𝑡 𝑆𝑖𝑛𝜃 = - Divergence : |𝜆| > 1
𝑅 𝑅
−𝑎1 √4𝑎2 −𝑎2 1 Si ∆<0

ℎ= et 𝑣 =  |𝑅| < 1 Convergence
2 2
λ1 h + 𝑣𝑖  |𝑅| > 1 Divergence
⋯ h ± 𝑣𝑖 ⋯
λ2 h − 𝑣𝑖  |𝑅| = 1 Ne converge pas
(fluctuation uniforme)

9
d) Etude de la stabilité d’équations sans résolution de l’équilibre
EDL ERL
Théorème de ROUTH Théorème de SCHUR
a0 λn + a1 λn−1 + a2 λn−2 + ⋯ + an−1 λ + 𝑎𝑛 = 0 a0 λn + a1 λn−1 + a2 λn−2 + ⋯ + an−1 λ + 𝑎𝑛 = 0
Convergence : si les Δ𝑗 sont tous positifs ; ce qui veut dire que Convergence : si les Δ𝑗 sont tous positifs ; ce qui veut dire que
les racines et les parties réelles des racines de l’équation les racines et les parties réelles des racines de l’équation
caractéristique sont toutes négatives. caractéristique seront inférieurs à 1 en valeur absolue.
𝑎1 𝑎3 𝑎5 0 a0 an
𝑎0 𝑎2 𝑎4 0 1 
an a0
𝑅= . 𝑎1 𝑎3 0
. 𝑎0 𝑎2 0
[0 0 0 𝑎𝑛 ] a0 0 an a n 1
a1 a0 0 an
Δ1 = |𝑎1 | > 0 2 
an 0 a0 a1
𝑎1 𝑎3 a n 1 an 0 a0
Δ2 = |𝑎 𝑎2 | > 0
0
Δ3 = |𝑅| > 0

10
e) Etude de la stabilité d’un système d’équation à second membre constant
EDL ERL
𝑌 ′ (𝑡) = 𝐴𝑌(𝑡) + 𝐵 𝑌𝑡+1 = 𝐴𝑌𝑡 + 𝐵
𝑌 ′1 (𝑡) 𝑏1
𝑎11 𝑎12
𝑌 ′ (𝑡) = [𝑌 ′ 2 (𝑡)] 𝐴 = [𝑎 𝑌𝑒 = [𝐼 − 𝐴]−1 𝐵
21 𝑎22 ] et 𝐵 = [𝑏2 ]
𝑌 ′ 3 (𝑡) 𝑏3
L’équilibre est globalement stable si les valeurs propres de
−1
𝑌𝑒 = 𝐴 𝐵 A en valeurs absolues sont inférieurs à 1.
Condition de stabilité (d-stable) Condition de stabilité (S-stable)
𝜆𝑖 < 0 ℎ<0 |𝑡𝑟𝑎𝑐𝑒(𝐴)| < 𝑛

 𝑁𝑒𝑐𝑒𝑠𝑠𝑎𝑖𝑟𝑒 {
𝑡𝑟𝑎𝑐𝑒(𝐴) < 0 ||𝐴|| < 1
 𝑁𝑒𝑐𝑒𝑠𝑠𝑎𝑖𝑟𝑒 {
|𝐴| > 0 𝑛 𝑝𝑎𝑖𝑟𝑒
|𝐴| < 0 𝑛 𝑖𝑚𝑝𝑎𝑖𝑟𝑒  Suffisante
 Suffisante : il faut que les termes de la diagonale |𝜆𝑖 | < 1

principale soient négatifs et leurs valeurs absolues
soient supérieures à la somme des valeurs absolues de ∑ 𝑙𝑖𝑔𝑛𝑒 < 1
{
la ligne correspondante ou colonne. ∑ 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 < 1
 Nécessaire et suffisante : on utilise le théorème de Si l’une de ses deux conditions est remplies
ROUTH ; les Δ𝑗 > 0
 Nécessaire et suffisante
3 2
(−𝜆) + 𝐷1 (−𝜆) + 𝐷2 (−𝜆) + 𝐷3 = 0
On applique le théorème de SCHUR.
𝐷1 = 𝑡𝑟𝑎𝑐𝑒 (𝐴)
𝐷2 = 𝑐𝑜𝑓𝑎𝑐𝑡𝑒𝑢𝑟𝑠
𝐷3 = |𝐴|

12
Exercices
1) Le modèle ci-après est un modèle de marché avec prévision sur l’évolution

des prix. 𝑄𝑑𝑡 = 40 − 2𝑃𝑡 + 2(𝑃𝑡+1 − 𝑃𝑡−1 ) ; 𝑄𝑠𝑡 = −5 + 3𝑃𝑡 𝑒𝑡 𝑄𝑑𝑡 = 𝑄𝑠𝑡 où 𝑄𝑑𝑡 est la
fonction de demande à l’instant t, et 𝑄𝑠𝑡 la fonction d’offre à l’instant t.
a) Le niveau d’équilibre est-il globalement stable ?

b) Utilisez le théorème approprié sinon.
c) Donnez l’ensemble de stabilité.
Solution
a) 𝑄𝑑𝑡 = 𝑄𝑠𝑡 → 𝑄𝑑𝑡 − 𝑄𝑠𝑡 = 0
40 − 2𝑃𝑡 + 2(𝑃𝑡+1 − 𝑃𝑡−1 ) − (−5 + 3𝑃𝑡 ) = 0

40 − 2𝑃𝑡 + 2𝑃𝑡+1 − 2𝑃𝑡−1 + 5 − 3𝑃𝑡 = 0 𝑌𝑐 = 𝐶1 (𝜆1 )𝑡 + 𝐶2 (𝜆2 )𝑡
45 + 2𝑃𝑡+1 − 2𝑃𝑡−1 − 5𝑃𝑡 = 0 𝑌𝑐 = 𝐶1 (2,85)𝑡 + 𝐶2 (−0,35)𝑡
2𝑃𝑡+2 − 5𝑃𝑡+1 − 2𝑃𝑡 = −45 |𝜆1 | = |2,85| = 2,85 > 1
𝑃𝑡+2 − 5/2𝑃𝑡+1 − 𝑃𝑡 = −45/2 𝑒𝑡 |𝜆2 | = |−0,35| = 0,35 < 1
𝜆2 + 𝑎1 𝜆 + 𝑎2 = 0
𝜆2 − 5/2𝜆 − 1 = 0 Le niveau d’équilibre n’est pas
𝜆=
5/2±3,2
→ 𝜆1 = 2,85 𝑒𝑡 𝜆2 = −0,35 globalement stable parce que l’une
2
𝑎1 + 𝑎2 = −5/2 − 1 = −7/2 ≠ −1 des racines est supérieure à 1 en
𝑏 −45/2 valeur absolue. Il y a donc divergence
𝑌𝑝 = = =9 en générale.
1 + 𝑎1 + 𝑎2 1 − 7/2
Δ = 25/4 + 4 = 6,4/2 ⟶ √∆= 3,2 > 0
b) Théorème de SCHUR
𝜆2 − 5/2𝜆 − 1 = 0
𝑎0 = 1 𝑎1 = −5/2 𝑎2 = −1
a0 an 1 1
1  = =0
an a0 1 1
Les Δ𝑗 ne sont pas tous positifs ; ce qui viole la condition de SCHUR et interdit la
convergence.

13
c) L’ensemble de stabilité
𝑌𝑡 = 𝑌𝑐 + 𝑌𝑝
𝑌𝑡 = 𝐶1 (2,85)𝑡 + 𝐶2 (−0,35)𝑡 + 9
𝑠𝑖 𝑡 = 0 ; 𝑜𝑛 𝑎 𝑌0 = 𝐶1 (2,85)0 + 𝐶2 (−0,35)0 + 9 = 𝐶1 + 𝐶2 + 9
𝑠𝑖 𝑡 = 1 ; 𝑜𝑛 𝑎 𝑌1 = 𝐶1 (2,85)1 + 𝐶2 (−0,35)1 + 9 = 2,85𝐶1 − 0,35𝐶2 + 9
𝐶1 + 𝐶2 + 9
{
2,85𝐶1 − 0,35𝐶2 + 9
⟹ 0,35𝐿1 + 𝐿2 ⟶ 0,35𝐶1 + 0,35𝐶2 + 3,15

2,85𝐶1 − 0,35𝐶2 + 9
3,2𝐶1 + 12,15
0,35𝑌0 + 𝑌1 = 3,2𝐶1 + 12,15

0,35𝑌0 + 𝑌1 − 12,15 = 3,2𝐶1 on pose 𝐶1 = 0
⟹ 0,35𝑌0 + 𝑌1 − 12,15 = 0
𝑆𝑌𝑒 = {𝑌0 , 𝑌1 /0,35𝑌0 + 𝑌1 − 12,15 = 0}
2) Sans calculer les valeurs propres, utilisez le théorème approprié en vue de

déterminer si la solution d’équilibre obtenue est ou non dynamiquement stable.
𝑌𝑡 = 𝐶𝑡 + 𝐼𝑡
𝐶𝑡 = −1,2𝑌𝑡−1 − 0,2𝑌𝑡−2
𝐼𝑡 = 𝐼 ′ 𝑡 + 𝐼 ′′ 𝑡
𝐼 ′ 𝑡 = 4,2(𝑌𝑡−1 − 𝑌𝑡−2 ) + 5(𝑌𝑡−2 − 𝑌𝑡−3 )
𝐼 ′′ 𝑡 = 𝐺0 𝑒𝑡 𝐺0 = 100
Solution
𝑌𝑡 = −1,2𝑌𝑡−1 − 0,2𝑌𝑡−2 + 𝐼 ′ 𝑡 + 𝐼 ′′ 𝑡
𝑌𝑡 = −1,2𝑌𝑡−1 − 0,2𝑌𝑡−2 + 4,2(𝑌𝑡−1 − 𝑌𝑡−2 ) + 5(𝑌𝑡−2 − 𝑌𝑡−3 ) + 𝐺0
𝑌𝑡 = −1,2𝑌𝑡−1 − 0,2𝑌𝑡−2 + 4,2𝑌𝑡−1 − 4,2𝑌𝑡−2 + 5𝑌𝑡−2 − 5𝑌𝑡−3 + 100
𝑌𝑡 = 3𝑌𝑡−1 + 0,6𝑌𝑡−2 − 5𝑌𝑡−3 + 100
𝑌𝑡 − 3𝑌𝑡−1 − 0,6𝑌𝑡−2 + 5𝑌𝑡−3 = 100
𝑌𝑡+3 − 3𝑌𝑡+2 − 0,6𝑌𝑡+1 + 5𝑌𝑡 = 100
𝜆3 − 3𝜆2 − 0,6𝜆 + 5 = 0
𝑎0 = 1 𝑎1 = −3 𝑎2 = −0,6 𝑒𝑡 𝑎3 = 5
a0 a n 1 5
1  = = 1 − 25 = −24 < 0
a n a0 5 1
convergence.

14
3) Soit le modèle du multiplicateur du commerce extérieur en économie ouverte

définie par :
Pays 1 Pays 2
𝐶1𝑡 = 𝑏1 𝑌1 ,𝑡−1 𝐶2𝑡 = 𝑏2 𝑌2 ,𝑡−1
𝐼1𝑡 = 𝐼01 + ℎ1 𝑌1 ,𝑡−1 𝐼2𝑡 = 𝐼02 + ℎ2 𝑌2 ,𝑡−1
𝑀1𝑡 = 𝑀01 + 𝑚1 𝑌1 ,𝑡−1 𝑀2𝑡 = 𝑀02 + 𝑚2 𝑌2 ,𝑡−1
𝑋1𝑡 = 𝑀02 + 𝑚2 𝑌2 ,𝑡−1 𝑋2𝑡 = 𝑀01 + 𝑚1 𝑌1 ,𝑡−1
𝑌1𝑡 = 𝐶1𝑡 + 𝐼1𝑡 + 𝑋1𝑡 − 𝑀1𝑡 𝑌2𝑡 = 𝐶2𝑡 + 𝐼2𝑡 + 𝑋2𝑡 − 𝑀2𝑡
a) Montrez que ce modèle peut s’écrire sous forme d’un système d’équation de
récurrence
b) Sachant que 𝑏1 = 0,6 ; ℎ1 = 0,2 ; 𝑚1 = 0,1 ; 𝑏2 = 0,8 ; 𝑀01 = 10 ; 𝐼01 = 10 ; ℎ2 =
0,25 ; 𝑚2 = 0,3 ; 𝐼02 = 20 ; 𝑀02 = 20 , trouvez le revenu d’équilibre de chaque
pays
c) Utilisez le théorème de SCHUR pour déterminer si l’équilibre est
dynamiquement stable
Solution
a)
𝑌1𝑡 = 𝐶1𝑡 + 𝐼1𝑡 + 𝑋1𝑡 − 𝑀1𝑡
𝑌1𝑡 = 𝑏1 𝑌1 ,𝑡−1 + 𝐼01 + ℎ1 𝑌1 ,𝑡−1 + 𝑀02 + 𝑚2 𝑌2 ,𝑡−1 − (𝑀01 + 𝑚1 𝑌1 ,𝑡−1 )
𝑌1𝑡 = 𝑏1 𝑌1 ,𝑡−1 + 𝐼01 + ℎ1 𝑌1 ,𝑡−1 + 𝑀02 + 𝑚2 𝑌2 ,𝑡−1 − 𝑀01 − 𝑚1 𝑌1 ,𝑡−1
𝑌1𝑡 = (𝑏1 + ℎ1 − 𝑚1 )𝑌1 ,𝑡−1 + 𝑚2 𝑌2 ,𝑡−1 + 𝐼01 + 𝑀02 − 𝑀01
𝑌1 ,𝑡+1 = (𝑏1 + ℎ1 − 𝑚1 )𝑌1𝑡 + 𝑚2 𝑌2𝑡 + 𝐼01 + 𝑀02 − 𝑀01 (Pays 1)
𝑌2𝑡 = 𝐶2𝑡 + 𝐼2𝑡 + 𝑋2𝑡 − 𝑀2𝑡

𝑌2𝑡 = 𝑏2 𝑌2 ,𝑡−1 + 𝐼02 + ℎ2 𝑌2 ,𝑡−1 + 𝑀01 + 𝑚1 𝑌1 ,𝑡−1 − (𝑀02 + 𝑚2 𝑌2 ,𝑡−1 )
𝑌2𝑡 = 𝑏2 𝑌2 ,𝑡−1 + 𝐼02 + ℎ2 𝑌2 ,𝑡−1 + 𝑀01 + 𝑚1 𝑌1 ,𝑡−1 − 𝑀02 − 𝑚2 𝑌2 ,𝑡−1
𝑌2𝑡 = 𝑚1 𝑌1 ,𝑡−1 + (𝑏2 + ℎ2 − 𝑚2 )𝑌2 ,𝑡−1 + 𝐼02 + 𝑀01 − 𝑀02
𝑌2 ,𝑡+1 = 𝑚1 𝑌1𝑡 + (𝑏2 + ℎ2 − 𝑚2 )𝑌2𝑡 + 𝐼02 + 𝑀01 − 𝑀02 (Pays 2)
b)
𝑌1 ,𝑡+1 = (𝑏1 + ℎ1 − 𝑚1 )𝑌1𝑡 + 𝑚2 𝑌2𝑡 + 𝐼01 + 𝑀02 − 𝑀01
𝑌1 ,𝑡+1 = (0,6 + 0,2 − 0,1)𝑌1𝑡 + 0,3𝑌2𝑡 + 10 + 20 − 10
𝑌1 ,𝑡+1 = 0,7𝑌1𝑡 + 0,3𝑌2𝑡 + 20 (Pays 1)
𝑌2 ,𝑡+1 = 𝑚1 𝑌1𝑡 + (𝑏2 + ℎ2 − 𝑚2 )𝑌2𝑡 + 𝐼02 + 𝑀01 − 𝑀02

𝑌2 ,𝑡+1 = 0,1𝑌1𝑡 + (0,8 + 0,25 − 0,3)𝑌2𝑡 + 20 + 10 − 20
𝑌2 ,𝑡+1 = 0,1𝑌1𝑡 + 0,75𝑌2𝑡 + 10 (Pays 2)

15
𝑌1 ,𝑡+1 = 0,7𝑌1𝑡 + 0,3𝑌2𝑡 + 20

{
𝑌2 ,𝑡+1 = 0,1𝑌1𝑡 + 0,75𝑌2𝑡 + 10
𝑌𝑡+1 = 𝐴𝑌𝑡 + 𝐵
𝑌𝑒 = [𝐼 − 𝐴]−1 𝐵
0,7 0,3 20
A=[ ] 𝑒𝑡 𝐵 = [ ]
0,1 0,75 10
1 0 0,7 0,3 0,3 −0,3
[𝐼 − 𝐴] = [ ]−[ ]=[ ]
0 1 0,1 0,75 −0,1 0,25
1 0,25 0,3 20 1 8 177,78
𝑌𝑒 = [𝐼 − 𝐴]−1 𝐵 = [ ] [ ] = 0,045 [ ] = [ ]
0,045 0,1 0,3 10 5 111,11
0,7 0,3
c) A = [ ]
0,1 0,75
𝑃𝐴 (𝜆) = 𝜆2 + 𝐷1 (−𝜆) + 𝐷2 = 0
𝑃𝐴 (𝜆) = 𝜆2 − 1,45𝜆 + 0,495 = 0
𝑎0 = 1 𝑎1 = −1,45 𝑎2 = 0,495
a0 a2 1 0,495
1  = = 1 − 0,245025 = 0,754975 > 0
a2 a0 0,495 1
convergence.
a0 0 an a n 1𝑎0 0 𝑎2 𝑎1 1 0 0,495 −1,45

a1 a0 0 an 𝑎 𝑎0 0 𝑎2 −1,45 1 0 0,495
2  =| 1 |=| |
an 0 a0 a1 𝑎 2 0 𝑎0 𝑎1 0,495 0 1 −1,45
a n 1 an 0 a0 𝑎1 𝑎2 0 𝑎0 −1,45 0,495 0 1
1 00,495 −1,45 1 0,495

∆2 = 1 | 0 1−1,45| − 0 + 0,495 |0,495 0 −1,45|
0,495 0 1 −1,45 0,495 1
−1,45 1 0
− (−1,45) |0,495 0 1|
−1,45 0,495 0
∆2 = [(1) − (0,2450)] + 0,495[(2,2238) − (1,5357)] + 1,45[(−1,45) + (0,7178)]
∆2 = 0,755 + 0,495(0,6881) + 1,45(−0,7322) = 0,755 + 0,3406 − 1,0617 = 0,0339 > 0
Les deux mineurs étant positifs, les racines et les parties réelles des racines de
l’équation caractéristique seront inférieurs à 1 en valeur absolue. De ce fait,
l’équilibre est dynamiquement stable.

16
4) Donnez la formule qu’il faut utilisez pour calculer 𝑌𝑒 étant donné le système
𝑌𝑡 = 𝐴𝑌 + 𝐵. À quelle condition A est-elle d-stable ?
Solution
Un équilibre est une fonction constante telle que 𝑌(𝑡) = 𝑌𝑒 pour tout 𝑡 ∈ ℝ. Ainsi
𝐴𝑌𝑒 + 𝐵 = 0, pour obtenir 𝑌𝑒 , il suffit d’appliquer la formule ci-après : 𝑌𝑒 = 𝐴−1 𝐵
Pour que A soit différentiellement stable, il faut et il suffit que les parties réelles
des valeurs propres de A soient strictement négatives.
5) Soit le modèle ci-après :
𝑌(𝑡) = 𝐶(𝑡) + 𝐼(𝑡)

𝐶(𝑡) = 𝑏1 𝑌(𝑡 − 1) + 𝑏2 𝑌(𝑡 − 2)
𝐼(𝑡) = 𝐼 ′ (𝑡) + 𝐼 ′′ (𝑡)
𝐼 ′ (𝑡) = 𝐾1 [𝑌(𝑡 − 1) − 𝑌(𝑡 − 2)] + 𝐾2 [𝑌(𝑡 − 2) − 𝑌(𝑡 − 3)]
𝐼 ′′ (𝑡) = 𝐼(0) 𝑒𝑡 𝐼(0) = 60
Avec : 𝐾1 = 0,7 ; 𝐾2 = 0,7 ; 𝑏1 = 0,3 𝑒𝑡 𝑏2 = 0,7
a) Résoudre le modèle
b) Discuter de la stabilité
Solution
a)
𝑌(𝑡) = 𝐶(𝑡) + 𝐼(𝑡)
𝑌(𝑡) = 𝑏1 𝑌(𝑡 − 1) + 𝑏2 𝑌(𝑡 − 2) + 𝐼 ′ (𝑡) + 𝐼 ′′ (𝑡)
𝑌(𝑡) = 𝑏1 𝑌(𝑡 − 1) + 𝑏2 𝑌(𝑡 − 2) + 𝐾1 [𝑌(𝑡 − 1) − 𝑌(𝑡 − 2)] + 𝐾2 [𝑌(𝑡 − 2) − 𝑌(𝑡 − 3)] + 𝐼(0)
𝑌(𝑡) = 𝑏1 𝑌(𝑡 − 1) + 𝑏2 𝑌(𝑡 − 2) + 𝐾1 𝑌(𝑡 − 1) − 𝐾1 𝑌(𝑡 − 2) + 𝐾2 𝑌(𝑡 − 2) − 𝐾2 𝑌(𝑡 − 3) + 60
𝑌𝑡 = (𝑏1 + 𝐾1 )𝑌𝑡−1 + (𝑏2 − 𝐾1 + 𝐾2 )𝑌𝑡−2 − 𝐾2 𝑌𝑡−3 + 60
𝑌𝑡 = (𝑏1 + 𝐾1 )𝑌𝑡−1 + (𝑏2 − 𝐾1 + 𝐾2 )𝑌𝑡−2 − 𝐾2 𝑌𝑡−3 + 60
𝑌𝑡 = (0,3 + 0,7)𝑌𝑡−1 + (0,7 − 0,7 + 0,7)𝑌𝑡−2 − 0,7𝑌𝑡−3 + 60
𝑌𝑡 − 𝑌𝑡−1 − 0,7𝑌𝑡−2 + 0,7𝑌𝑡−3 − 60 = 0
𝑌𝑡+3 − 𝑌𝑡+2 − 0,7𝑌𝑡+1 + 0,7𝑌𝑡 − 60 = 0
𝜆3 − 𝜆2 − 0,7𝜆 + 0,7 = 0
𝑎0 = 1 𝑎1 = −1 𝑎2 = −0,7 𝑒𝑡 𝑎3 = 0,7
1 -1 -0,7 0,7
1 1 0 -0,7
1 0 -0,7 0
(𝜆 − 1)(𝜆2 − 0,7) = 0 𝜆1 = 0 ; 𝜆2 = 0,7 ⟶ √𝜆 = 0,836
𝜆2 = 0,836 𝑒𝑡 𝜆3 = −0,836

17
𝑎1 + 𝑎2 + 𝑎3 = −1 − 0,7 + 0,7 = −1
𝑎1 + 𝑎2 = −1 − 0,7 = −1,7 ≠ −1
𝑌𝑐 = 𝐶1 + 𝐶2 (0,836)𝑡 + 𝐶3 (−0,836)𝑡
𝐵 60 60
𝑌𝑃 = ( )𝑡 = ( ) 𝑡 = ( ) 𝑡 = 200𝑡
2+𝑎1 +𝑎2 2−1−0,7 0,3
𝑌𝑡 = 𝐶1 + 𝐶2 (0,836)𝑡 + 𝐶3 (−0,836)𝑡 + 200𝑡
𝑌(0) = 𝐶1 + 𝐶2 + 𝐶3
{ 𝑌(1) = 𝐶1 + 0,836𝐶2 − 0,836𝐶3 + 200
𝑌(2) = 𝐶1 + 0,699𝐶2 + 0,699𝐶3 + 40000
0,836𝑌(0) − 𝑌(1) = 0,164𝐶1 + 1,672𝐶3 − 200

0,836𝑌(1) − 𝑌(2) = 0,164𝐶1 + 1,398𝐶3 − 400
0,836[0,836𝑌(0) − 𝑌(1)] = −0,027𝐶1 + 232,8 𝐶3 = 0
0,699𝑌(0) − 1,67𝑌(1) + 𝑌(2) − 232,8 = 0

𝑆𝑌𝑒 = {𝑌(0), 𝑌(1), 𝑌(2)/0,699𝑌(0) − 1,67𝑌(1) + 𝑌(2) − 232,8 = 0}
6) Résoudre le modèle de marché suivant et discuter de la stabilité

𝑄𝑑 = 𝑎 − 𝑏𝑝 + 𝑚𝑃′ + 𝑛𝑃′′
{
𝑄𝑠 = −𝑐 + 𝑑𝑝 + 𝑢𝑃′ + 𝑤𝑃′′
Avec : 𝑎 = −3 ; 𝑏 = −10 ; 𝑐 = 𝑤 = 1 ; 𝑑 = −7 ; 𝑚 = 4 ; 𝑛 = 𝑢 = 2
Solution
𝑄𝑑 = 𝑄𝑠
𝑎 − 𝑏𝑝 + 𝑚𝑃′ + 𝑛𝑃′′ = −𝑐 + 𝑑𝑝 + 𝑢𝑃′ + 𝑤𝑃′′

(𝑎 + 𝑐) − (𝑏 + 𝑑)𝑝 + (𝑚 − 𝑢)𝑃′ + (𝑛 − 𝑤)𝑃′′ = 0
(−3 + 1) − (−10 − 7)𝑝 + (4 − 2)𝑃′ + (2 − 1)𝑃′′ = 0
𝑃′′ + 2𝑃′ + 17𝑝 = 2
𝜆2 + 2𝜆 + 17 = 0
∆= 4 − 68 = −64
𝑎0 = 1 𝑎1 = 2 𝑎2 = 17
√4𝑎2 −𝑎12 √(4×17)−22
−𝑎1 2 8
ℎ= = − = −1 et 𝑣 = = = =4
2 2 2 2 2
h+𝑣𝑖 −1+4𝑖
λ1 h±𝑣𝑖 2 2
⋯ ⋯ h−𝑣 = −1−4
λ2 2 𝑖 𝑖
2 2

18
𝑏
𝑎2 = 17 ≠ 0 𝑌𝑝 = = 2/17
𝑎2
𝑌𝑐 = 𝑒 ℎ𝑡 [𝐶1 𝐶𝑜𝑠 𝑣𝑡 + 𝐶2 𝑆𝑖𝑛 𝑣𝑡]

𝑌𝑐 = 𝑒 −𝑡 [𝐶1 𝐶𝑜𝑠 4𝑡 + 𝐶2 𝑆𝑖𝑛 4𝑡]
𝑌𝑡 = 𝑌𝑐 + 𝑌𝑝
𝑌𝑡 = 𝑒 −𝑡 [𝐶1 𝐶𝑜𝑠 4𝑡 + 𝐶2 𝑆𝑖𝑛 4𝑡] + 2/17
ℎ = −1 < 0 𝑖𝑙 𝑦 𝑎 𝑐𝑜𝑛𝑣𝑒𝑟𝑔𝑒𝑛𝑐𝑒
7) Résoudre le modèle de SAMUELSON ci-après et discuter de la stabilité

1
𝐶𝑡 = (√3 − 1)𝑌𝑡−1 ; 𝐼𝑡 = 𝐼 ′ 𝑡 + 𝐼 ′′ 𝑡 ; 𝐼 ′′ 𝑡 = 100 ; 𝐼 ′ 𝑡 = ( (𝐶𝑡 − 𝐶𝑡−1 )
√3−1)
𝑌𝑡 = 𝐶𝑡 + 𝐼𝑡 ; 𝑌𝑡 = 100
Solution
𝑌𝑡 = 𝐶𝑡 + 𝐼𝑡
𝑌𝑡 = (√3 − 1)𝑌𝑡−1 + 𝐼 ′ 𝑡 + 𝐼 ′′ 𝑡
1
𝑌𝑡 = (√3 − 1)𝑌𝑡−1 + ( (𝐶𝑡 − 𝐶𝑡−1 ) + 100
√3−1)
1
𝑌𝑡 = (√3 − 1)𝑌𝑡−1 + ( [(√3 − 1)𝑌𝑡−1 − (√3 − 1)𝑌𝑡−2 ] + 100
√3−1)
𝑌𝑡 = √3𝑌𝑡−1 − 𝑌𝑡−1 + 𝑌𝑡−1 − 𝑌𝑡−2 + 100

𝑌𝑡 − √3𝑌𝑡−1 + 𝑌𝑡−2 = 100
𝑌𝑡+2 − √3𝑌𝑡+1 + 𝑌𝑡 = 100
𝜆2 − √3𝜆 + 1 = 0
∆= 3 − 4 = −1
𝑎0 = 1 𝑎1 = −√3 𝑎2 = 1
𝑌𝑐 = 𝑅 𝑡 [𝐶1 𝐶𝑜𝑠𝜃 𝑡 + 𝐶2 𝑆𝑖𝑛𝜃 𝑡]

𝑅 = √𝑎2 = √1 = 1 |𝑅| = 1 Ne converge pas
2
−𝑎1 √4𝑎2 −𝑎2 1 √(4×1)−(−√3) 1
√3 √4−3 √1
ℎ= = et 𝑣 = = = = =
2 2 2 2 2 2 2
√3 1
λ1 h + 𝑣𝑖 + 𝑖
2 2
⋯ h ± 𝑣𝑖 ⋯ = ⋯
λ2 h − 𝑣𝑖 √3 1
− 𝑖
2 2
ℎ √3 𝑣 1
𝐶𝑜𝑠𝜃 = = 𝑒𝑡 𝑆𝑖𝑛𝜃 = =
𝑅 2 𝑅 2
√3 √3
𝑌𝑐 = 𝑅 𝑡 [𝐶1 𝐶𝑜𝑠𝜃 𝑡 + 𝐶2 𝑆𝑖𝑛𝜃 𝑡] = 1 [𝐶1 𝐶𝑜𝑠 2
𝑡 + 𝐶2 𝑆𝑖𝑛 2
𝑡]
𝑌𝑐 = [𝐶1 𝐶𝑜𝑠30° 𝑡 + 𝐶2 𝑆𝑖𝑛30° 𝑡]

19
𝑏 100 100
𝑌𝑝 = = = = 373,20508 𝑎1 + 𝑎2 ≠ −1
1+𝑎1 +𝑎2 1−√3+1 2−√3
𝑌𝑡 = [𝐶1 𝐶𝑜𝑠30° 𝑡 + 𝐶2 𝑆𝑖𝑛30° 𝑡] + 373,20508

𝑌𝑡 = 𝐶1 𝐶𝑜𝑠30° 𝑡 + 𝐶2 𝑆𝑖𝑛30° 𝑡 + 373,20508
𝑌(0) = 𝐶1 + 373,205
√3 1
𝑌(1) = 2 1
𝐶 + 𝐶2 + 373,20508
2
2+√3 1
𝑌(0) + 𝑌(1) = ( ) 𝐶1 + 𝐶2 + 746,41 𝐶1 = 𝐶2 = 0
2 2
𝑌(0) + 𝑌(1) − 746,41 = 0

SP𝒆 = {Y(0), Y(1)/Y(0) + Y(1) − 746,41 = 0}
𝑌1′ (𝑡) − 𝑌1 (𝑡) + 𝑌2 (𝑡) − 3𝑌3 (𝑡) = −3

8) Soit le système {𝑌2′ (𝑡) − 3𝑌1 (𝑡) + 5𝑌2 (𝑡) − 3𝑌3 (𝑡) = 3 Trouver 𝑌𝑒
𝑌3′ (𝑡) − 6𝑌1 (𝑡) + 6𝑌2 (𝑡) − 4𝑌3 (𝑡) = −6
Solution
𝑌 ′ (𝑡) = 𝐴𝑌(𝑡) + 𝐵
𝑌1′ (𝑡) 1 −1 3 𝑌1 (𝑡) −3
′ (𝑡) ′
𝑌 = [𝑌2 (𝑡)] 𝐴 = [3 −5 3] 𝑌(𝑡) = [𝑌2 (𝑡)] 𝑒𝑡 𝐵 = [ 3 ]
𝑌3′ (𝑡) 6 −6 4 𝑌3 (𝑡) −6
1
𝑌𝑒 = 𝐴−1 𝐵 = |𝐴| 𝐴̃𝐵 |𝐴| = 28
−5 3 3 3 3 −5
+| | −| | +| |
−6 4 6 4 6 −6 −3
1 −1 3 1 3 1 −1
𝑌𝑒 = −| | +| | −| | [3]
28 −6 4 6 4 6 −6
−1 3 1 3 1 −1 −6
[+ |−5 3
| −|
3 3
| +|
3
|
−5 ]
−2 6 12 −3
1
𝑌𝑒 = [−14 −14 0 ] [ 3 ]
28
12 6 −2 −6
−2 −14 12 −3
1
𝑌𝑒 = [ 6 −14 6 ][ 3 ]
28
12 0 −2 −6
−108 27/7
1
𝑌𝑒 = [ −96 ] = [24/7]
28
−24 6/7

20
9) Soit le modèle du marché à un bien ou le taux de variation est une fonction

𝑑𝑃
linéaire positive de la demande excédentaire de la forme = 𝛼(𝑞𝑑 − 𝑞𝑠 ) avec
𝑑𝑡
𝛼 = 0,5 ; 𝑞𝑑 = 86 − 0,8𝑃(𝑡) 𝑒𝑡 𝑞𝑠 = −10 + 0,2𝑃(𝑡)
Trouver le sentier temporel du prix si P (0) =100 et étudier sa stabilité.
Solution
𝑑𝑃
= 𝛼(𝑞𝑑 − 𝑞𝑠 )
𝑑𝑡
𝑑𝑃(𝑡)
𝑑𝑡
= 0,5[86 − 0,8𝑃(𝑡) + 10 − 0,2𝑃(𝑡)]
= 0,5[96 − 𝑃(𝑡)]
= 48 − 0,5𝑃(𝑡)
𝑃′ (𝑡) + 0,5𝑃(𝑡) = 48
𝑏 48
𝑃𝑝 = = = 96 𝑠𝑖 𝑎 ≠ 0
𝑎 0,5
−𝑎𝑡
𝑃𝑐 = 𝑐(𝑒) = 𝑐𝑒 −0,5𝑡
𝑃𝑡 = 𝑃𝑐 + 𝑃𝑝
𝑃𝑡 = 𝑐𝑒 −0,5𝑡 + 96
Il y a convergence parce que a>0 (O,5>0)
𝑃(0) = 100
𝑃(0) = 𝑐𝑒 −0,5(0) + 96 = 𝐶 + 96
100 = 𝐶 + 96 → 𝐶 = 4
𝑃𝑡 = 4𝑒 −0,5𝑡 + 96
t 0 1 2 3 4 5 ⋯ ∞
𝑃𝑐 4 2,426 1,47 0,89 0,54 0,32 ⋯ 0
𝑃𝑡 100 98,42 93,47 96,89 96,54 96,32 ⋯ 96
10) Soit le modèle
𝑌 = 𝐶 + 𝐼0 + 𝐺0 𝑎𝑣𝑒𝑐 𝑌𝑑 = 𝑌 − 𝑇 ; 𝐼0 = 100 ; 𝐺0 = 900

𝐶 = 150 + 0,75𝑌𝑑
𝑇 = 185 + 0,35𝑌
Calculez le multiplicateur de budget d’équilibre
Solution
̅̅̅̅
∆𝑌 ̅̅̅̅
∆𝑌 1−𝐶1 1−0,75 0,25
+ = = = = 0,129
∆𝐺0 ∆𝑡0 1+𝐶1 +𝐶1 𝑡1 1+0,75+0,75(0,35) 2,0125

21
11) Le polynôme caractéristique d’une matrice est 𝑟 4 + 5𝑟 3 + 9𝑟 2 + 7𝑟 + 2 = 0

Déterminer si cette matrice est différentiellement stable
Solution
𝑎0 = 1 ; 𝑎1 = 5 ; 𝑎2 = 9 ; 𝑎3 = 7
Δ1 = |𝑎1 | = |5| > 0

𝑎1 𝑎3 5 7
Δ2 = |𝑎 𝑎2 | = |1 | = |38| > 0
0 9
Δ3 = |𝑅|
𝑎1 𝑎3 𝑎5 5 7 0
𝑅 = [𝑎 0 𝑎 2 𝑎4 ] = [1 9 0] = |266| > 0
0 𝑎1 𝑎3 0 5 7
Les Δ𝑗 sont tous positifs ; ce qui veut dire que les racines et les parties réelles des
racines de l’équation caractéristique sont toutes négatives. La solution converge,
d’où la matrice est d-stable.
12) Soit le Cobb-web modèle suivant
𝑞𝑑𝑡 = 180 − 0,75𝑃𝑡 𝑒𝑡 𝑞𝑠𝑡 = −30 + 0,3𝑃𝑡−1 𝑎𝑣𝑒𝑐 𝑃0 = 210
Etudier la stabilité de ce modèle
Solution
𝑞𝑑𝑡 = 𝑞𝑠𝑡
180 − 0,75𝑃𝑡 = −30 + 0,3𝑃𝑡−1
210 − 0,75𝑃𝑡 − 0,3𝑃𝑡−1 = 0
0,75𝑃𝑡+1 + 0,3𝑃𝑡 = 210
𝑃𝑡+1 + 0,4𝑃𝑡 = 280
𝑏 280 280
𝑃𝑝 = = = = 200 𝑎≠0
1+𝑎 1+0,4 1,4
𝑃𝑐 = 𝑐(−𝑎) = 𝑐(−0,4)𝑡
𝑡
𝑃𝑡 = 𝑐(−0,4)𝑡 + 200
𝑃0 = 𝑐(−0,4)0 + 200 = 𝐶 + 200
𝐶 = 𝑃0 − 200 = 210 − 200 = 10
𝑃𝑡 = 10(−0,4)𝑡 + 200
La solution converge parce que |−𝑎| = |−0,4| = 0,4 < 1

22
3
13) 𝑃𝑡+2 + 𝑃𝑡+1 − 𝑃𝑡 = 0
2
Discuter la stabilité
Solution
𝑎1 + 𝑎2 = 3/2 − 1 = 1/2 ≠ −1
𝑏 0
𝑃𝑝 = = =0
1+𝑎1 +𝑎2 1+3/2−1
λ2 + a1 λ + a 2 = 0
λ2 + 3/2 λ − 1 = 0
∆= 9/4 + 4 = 25/4 √∆= 5/2 > 0

λ1 −3/2±5/2 1/2
⋯ ⋯ |𝜆1 | = 0,5 < 1 𝑒𝑡 |𝜆2 | = 2 > 1
λ2 2 −2
Il y a divergence en générale car l’une des racines est >1 en valeur absolue
𝑃𝑐 = 𝐶1 (𝜆1 )𝑡 + 𝐶2 (𝜆2 )𝑡
𝑃𝑐 = 𝐶1 (1/2)𝑡 + 𝐶2 (−2)𝑡
𝑃𝑡 = 𝐶1 (1/2)𝑡 + 𝐶2 (−2)𝑡
𝑃0 = 𝐶1 + 𝐶2
𝑃1 = 1/2𝐶1 − 2𝐶2
2𝑃0 + 𝑃1 = 5/2𝐶1 𝑠𝑖𝐶1 = 0 → 2𝑃0 + 𝑃1 = 0
𝑆𝑃𝑒 = {𝑃0 , 𝑃1 /2𝑃0 + 𝑃1 = 0 }
𝑥 ′ (𝑡) = −𝑥(𝑡) − 2𝑍(𝑡)

14) {𝑦 ′ (𝑡) = −𝑦(𝑡) − 4𝑍(𝑡)
𝑧 ′ (𝑡) = 2𝑥(𝑡) + 2𝑦(𝑡) − 𝑧(𝑡)
Déterminer :
a) 𝑦𝑒
b) Etudier la stabilité

23
Solution
−1 0 −2 0
a) 𝐴 = [ 0 −1 −4] 𝐵 = [0]
2 2 −1 0
0
𝑌𝑒 = 𝐴−1 𝐵 = [0]
0
b) (−𝜆)3 + 𝐷1 (−𝜆)2 + 𝐷2 (−𝜆) + 𝐷3 = 0
𝐷1 = 𝑡𝑟𝑎𝑐𝑒 (𝐴) = −3
−1 −4 −1 −2 −1 0
𝐷2 = 𝑐𝑜𝑓𝑎𝑐𝑡𝑒𝑢𝑟𝑠 = | |+| |+| | = 9 + 5 + 1 = 15
2 −1 2 −1 0 −1
𝐷3 = |𝐴| = −13
−𝜆3 − 3𝜆2 − 15𝜆 − 13 = 0
𝜆3 + 3𝜆2 + 15𝜆 + 13 = 0
1 3 15 13
-1 -1 -2 -13
1 2 13 0
(𝜆 + 1)(𝜆2 + 2𝜆 + 13) = 0 𝜆1 = −1
∆= 4 − 52 = −48 < 0
−𝑎1 −2
ℎ= = = −1
2 2
√4𝑎2 −𝑎2 1 √4(13)−22 √52−4 √48 2√12

et 𝑣 = 2
= 2
= 2
= 2
= 2
= √12 = 2√3
λ2 h + 𝑣𝑖 −1 + 2√3 𝑖
⋯ h ± 𝑣𝑖 ⋯ =
λ3 h − 𝑣𝑖 −1 − 2√3 𝑖
Condition de stabilité (d-stable)

𝜆𝑖 < 0
 𝑛𝑒𝑐𝑒𝑠𝑠𝑎𝑖𝑟𝑒 {𝑡𝑟𝑎𝑐𝑒(𝐴) = −3 < 0
|𝐴| = −13 < 0 𝑛 𝑖𝑚𝑝𝑎𝑖𝑟𝑒 = 3

24
 Suffisante : les termes de la diagonale principale sont tous négatifs
−1 0 −2
𝐴 = [ 0 −1 −4] 𝑒𝑡 ℎ = −1 < 0
2 2 −1
 Nécessaire et suffisante : on utilise le théorème de ROUTH ; les Δ𝑗 > 0
(−𝜆)3 + 𝐷1 (−𝜆)2 + 𝐷2 (−𝜆) + 𝐷3 = 0

𝜆3 + 3𝜆2 + 15𝜆 + 13 = 0
𝑎0 = 1 ; 𝑎1 = 3 ; 𝑎2 = 15 ; 𝑎3 = 13
Δ1 = |𝑎1 | = |3| > 0

𝑎1 𝑎3 3 13
Δ2 = |𝑎 𝑎2 | = |1 | = |32| > 0
0 15
Δ3 = |𝑅|
𝑎1 𝑎3 𝑎5 3 13 0
𝑎
𝑅=[ 0 𝑎2 𝑎4 ] = [1 15 0 ] = |416| > 0
0 𝑎1 𝑎3 0 3 13
Les Δ𝑗 sont tous positifs ; ce qui veut dire que les racines et les parties réelles des
racines de l’équation caractéristique sont toutes négatives. La solution converge,
d’où la matrice est d-stable.

25
CHAPITRE 2 : PROGRAMMATION LINEAIRE
2.1. Généralité
La programmation linéaire est un modèle ou un programme mathématique qui

consiste à optimiser (maximiser ou minimiser) une fonction objectif F(Xj ) ou
fonction économique de n variables liées par m relations ou contraintes de la
g i (Xj ) ≤ B pour la maximisation
forme {
g i (Xj ) ≥ B pour la minimisation
De nombreux problèmes de l’entreprise peuvent s’exprimer en termes

d’optimisation sous contraintes. On rencontre de multiples applications de la
programmation linéaire dans pratiquement tous les domaines de la gestion,
notamment dans :
 La gestion de production
- Elaboration du plan de production et de stockage
- Choix de techniques de production
- Affectation de moyen de production
- Détermination de la composition de produits
 Marketing
- Choix des plans média
- Détermination de la politique de prix
- Répartition des efforts de la force de vente
- Sélection des caractéristiques du produit
 Finance : choix de programme d’investissement

 Logistique : gestion des transports
 Gestion des ressources humaines : affectation de personnel
La programmation linéaire a d’abord été utilisé par l’armée américaine dans les
années suivi la seconde Guerre Mondiale. L’utilisation de cette technique s’est par
la suite étendue à plusieurs secteurs industriels. Mais généralement, les
applications économiques de la programmation linéaire peuvent être regroupées
en trois types de problèmes :
- Les problèmes d’allocations des ressources ;

- Les problèmes de transport ;
- Les problèmes d’affectation.

26
La fonction économique ainsi que les contraintes liées doivent être des fonctions
linéaires. Chacune de ces contraintes peut être équation linéaire ou une inégalité
linéaire. Une fonction est dite linéaire lorsque les différents termes ou variables
qui la compose sont du premier degré.
Généralement, les contraintes s’énoncent par les termes suivants : « pas plus que »,
« pas moins que », « au moins », « au plus » et s’exprime mathématiquement par un
système d’inéquation.
Le programme linéaire est formé de :
- Une fonction « objectif » (max ou min) ou fonction économique ;

- Des contraintes fonctionnelles (S/C) ;
- Des contraintes de non négativité (𝑥𝑖 ≥ 0)
2.2. Formulation d’un programme linéaire
Problème de maximisation Problème de minimisation

Forme canonique
𝑀𝑎𝑥 𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 𝑀𝑖𝑛 𝐶 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛
𝑠/𝑐 𝑎11 𝑥1 +𝑎12 𝑥2 +⋯+𝑎1𝑛 𝑥𝑛 ≤𝑏1 𝑠/𝑐 𝑎11 𝑥1 +𝑎12 𝑥2 +⋯+𝑎1𝑛 𝑥𝑛 ≥𝑏1
𝑎 𝑥 +𝑎 𝑥 +⋯+𝑎2𝑛 𝑥𝑛 ≤𝑏2 𝑎 𝑥 +𝑎 𝑥 +⋯+𝑎2𝑛 𝑥𝑛 ≥𝑏2
{ 21 1 22 2 { 21 1 22 2
⋮ … ⋮ ⋯ ⋮ ⋮ ⋮ … ⋮ ⋯ ⋮ ⋮
𝑎𝑚1 𝑥1 +𝑎𝑚2 𝑥2 +⋯+𝑎𝑚𝑛 𝑥𝑛 ≤𝑏𝑚 𝑎𝑚1 𝑥1 +𝑎𝑚2 𝑥2 +⋯+𝑎𝑚𝑛 𝑥𝑛 ≥𝑏𝑚
𝑥𝑗 ≥ 0, ∀(𝑗 = 1,2, … , 𝑛) 𝑥𝑗 ≥ 0, ∀(𝑗 = 1,2, … , 𝑛)
Forme matricielle
𝑀𝑎𝑥 𝑍 = ∑𝑛𝑗=1 𝑐𝑗 𝑥𝑗 𝑀𝑖𝑛 𝐶 = ∑𝑛𝑗=1 𝑐𝑗 𝑥𝑗
𝑠/𝑐 ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 , ∀(𝑖 = 1,2, … , 𝑚) 𝑠/𝑐 ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≥ 𝑏𝑖 , ∀(𝑖 = 1,2, … , 𝑚)
𝑥𝑗 ≥ 0, ∀(𝑗 = 1,2, … , 𝑛) 𝑥𝑗 ≥ 0, ∀(𝑗 = 1,2, … , 𝑛)
𝑥1 𝑥1
𝑥2 𝑥2
𝑀𝑎𝑥 𝑍 = [𝑐1 𝑐2 ⋯ 𝑐𝑛 ] [ ]
⋮ 𝑀𝑖𝑛 𝐶 = [𝑐1 𝑐2 ⋯ 𝑐𝑛 ] [ ]
⋮
𝑥𝑛 𝑥𝑛
𝑠/𝑐 𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑥1 𝑏1 𝑠/𝑐 𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑥1 𝑏1
𝑎12 𝑎22 ⋯ 𝑎2𝑛 𝑥2 𝑏2 𝑎12 𝑎22 ⋯ 𝑎2𝑛 𝑥2 𝑏2
[ ⋮ ⋮ ⋮ ⋮ ][ ⋮ ] ≤ [ ⋮ ] [ ⋮ ⋮ ⋮ ⋮ ][ ⋮ ] ≥ [ ⋮ ]
𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝑥𝑛 𝑏𝑛 𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑛 𝑥𝑛 𝑏𝑛
𝑋≥0 𝑋≥0
𝑀𝑎𝑥 𝑍 = 𝐶𝑋 𝑀𝑖𝑛 𝐶 = 𝐶𝑋
𝑠/𝑐 𝐴𝑋 ≤ 𝐵 𝑠/𝑐 𝐴𝑋 ≥ 𝐵
𝑋≥0 𝑋≥0

27
Exemple : Exemple :
𝑀𝑎𝑥 𝑍 = 7𝑥1 + 4𝑥2 𝑀𝑖𝑛 𝐶 = 30𝑥1 + 60𝑥2
s/c s/c
2𝑥1 + 𝑥2 ≤ 140 2𝑥1 + 2𝑥2 ≥ 26
𝑥1 + 𝑥2 ≤ 104 2𝑥1 + 5𝑥2 ≥ 30
5𝑥1 + 3𝑥2 ≤ 360 5𝑥1 + 3𝑥2 ≥ 80
𝑥1 , 𝑥2 ≥ 0 𝑥1 , 𝑥2 ≥ 0
Pour mieux comprendre les algorithmes qui permettent de résoudre les

programmes linéaires, il faut avant tout examiner les théorèmes ci-après :
Théorème 1 : Condition nécessaire de comptabilité d’un programme linéaire
Soit m le nombre de contraintes et n le nombre de variables, pour qu’un programme
linéaire soit comptable, il faut que 𝑚 > 𝑛.
Il faut noter que n est le nombre de toutes les variables de choix et variables d’écart.
Théorème 2 : Théorème de Weyl
Dans 𝑅 𝑛 tout système d’équations ou d’inéquations linéaires du type 𝐴𝑋 ≤ 𝐵
détermine un ensemble convexe qui est soit l’ensemble vide, soit un polyèdre
convexe, soit un ensemble convexe non borné.
Théorème 3 : Théorème d’optimalité
Dans un programme linéaire quelconque, l’ensemble de choix (ou ensemble de
faisabilité) est un polyèdre convexe. L’optimum est nécessairement atteint en un
sommet de polyèdre.
Théorème 4 : Condition nécessaire
Dans un programme linéaire avec 𝑛 variables et 𝑚 contraintes, si 𝑚 < 𝑛, alors la
solution optimale contient au moins (𝑛 − 𝑚) variables nulles, donc au plus 𝑚
variables non nulles.
Un programme linéaire peut être résolu en utilisant l’une de quatre méthodes ci-
après :
- La méthode graphique
- La méthode algébrique
- L’algorithme de dénombrement
- L’algorithme du simplexe
Concernant ce document de travail, nous allons nous focaliser sur la méthode
d’algorithme du simplexe.

28
2.3. Dual et Primal
Il existe toujours pour tout problème de max (min) un problème de min (max) qui
lui correspond. On donne le nom de primal au problème initial et le problème
correspondant s’appelle le dual.
2.3.1. Formulation matricielle
Supposons un programme linéaire suivant :

PL primal à maximiser PL dual correspondant au primal
𝑀𝑎𝑥 𝑍 = 𝐶𝑋 où 𝐶 = (𝑐1 𝑐2 ⋯ 𝑐𝑛 )1×𝑛 𝑀𝑖𝑛 𝑍 ∗ = 𝐵 ′ 𝑌
𝑠/𝑐 𝐴𝑋 ≤ 𝐵 𝑠/𝑐 𝐴′𝑌 ≥ 𝐶′
𝑋≥0 𝑌≥0
𝑥1 0 𝑦1
𝑥2 0 𝑦2
𝑋=( ⋮ ) 0=( ) 𝑜ù 𝑌 = ( ⋮ )
⋮
𝑥𝑛 𝑛×1 0 𝑛×1 𝑦𝑚 𝑚×1
𝑏1
𝑏
𝐴 = (𝑎𝑖𝑗 )𝑚×𝑛 𝐵 = ( 2)
⋮
𝑏𝑚 𝑚×1
On peut présenter simultanément le primal et le dual sous la forme d’un tableau
PRIMAL
Max Z C1 C2 ⋯ Cn
Y1 𝑎11 𝑎12 ⋯ 𝑎1𝑛 ≤ 𝑏1
DUAL
Y2 𝑎21 𝑎22 ⋯ 𝑎2𝑛 ≤ 𝑏2

⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
Ym 𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 ≤ 𝑏𝑛
𝑥1 ≥ 0 𝑥2 ≥ 0 𝑥𝑛 ≥ 0 Min C
N.B :
 La ième inéquation du primal correspond à la ième variable duale
 La jème variable du primal correspond à la jème inéquation du primal
2.3.2. Règles de passage du primal au dual
 Si le primal contient n variables structurelles et m contraintes, alors le dual

aura m variable structurelles et n contraintes liées ;
 Les seconds membres du primal correspond aux coefficients économiques du
dual ;

29
 Les coefficients économiques du primal correspondent aux second membres

du dual ;
 Si le PL à max est le primal, donc le PL à min sera son dual ;
 La matrice des coefficients des variables dans les contraintes du dual est la
matrice transposée des coefficients de variables du primal ;
 Les signes des inégalités des contraintes du dual sont les signes renversés
des contraintes du primal, mais la contrainte de non négativité sur les
variables de décision subsiste.
2.3.3. Théorème et propriété
Théorème 1 : Le dual du dual est le primal
Théorème 2 : Si le primal admet une solution finie 𝒙∗ = (𝒙∗𝟏 , 𝒙∗𝟐 , … , 𝒙∗𝒏 ), le dual
admet une solution finie 𝒚∗ = (𝒚∗𝟏 , 𝒚∗𝟐 , … , 𝒚∗𝒏 ) et en ces solutions les valeurs de la
fonction économique sont égale : 𝒁𝟏 (𝒙∗ ) = 𝒁𝟐 (𝒚∗ )
Théorème 3 : La condition nécessaire et suffisante pour que les vecteurs des

𝑥1 𝑦1
𝑥2 𝑦2
solutions 𝑥 = ( ⋮ ) et 𝑦 = ( ⋮ ) soient réalisables, il faut que x et y soient
𝑥𝑛 𝑦𝑛
optimales et que leurs composantes vérifient les relations suivantes :
𝑥𝑗 ∑𝑛𝑖=1 𝑎𝑖𝑗 𝑦𝑖 − 𝑐𝑖 = 0 ; 𝑗 = 1, 2, … , 𝑛
{
𝑦𝑖 ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑖 − 𝑏𝑖 = 0 ; 𝑖 = 1, 2, … , 𝑚
Autrement, la solution optimale

 A toute variable d’écart primal (dual) correspond une variable structurelle
duale (primal) nulle.
 A toute variable structurelle primal (dual) positive correspond une variable
d’écart dual (primal) nulle.
2.3.4. Formulation canonique
Primal Dual
Forme canonique
𝑀𝑎𝑥 𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 𝑀𝑖𝑛 𝑍 ∗ = 𝑏1 𝑦1 + 𝑏2 𝑦2 + ⋯ + 𝑏𝑚 𝑦𝑚
𝑠/𝑐 𝑎11 𝑥1 +𝑎12 𝑥2 +⋯+𝑎1𝑛 𝑥𝑛 ≤𝑏1 𝑠/𝑐 𝑎11 𝑦1 +𝑎21 𝑦2 +⋯+𝑎𝑚1 𝑦𝑚 ≥𝑐1
𝑎 𝑥 +𝑎 𝑥 +⋯+𝑎2𝑛 𝑥𝑛 ≤𝑏2 𝑎 𝑦1 +𝑎22 𝑦2 +⋯+𝑎𝑚2 𝑦𝑚 ≥𝑐2
{ 21 1 22 2 { 12⋮ … ⋮ ⋯ ⋮ ⋮
⋮ … ⋮ ⋯ ⋮ ⋮
𝑎𝑚1 𝑥1 +𝑎𝑚2 𝑥2 +⋯+𝑎𝑚𝑛 𝑥𝑛 ≤𝑏𝑚 𝑎1𝑚 𝑦1 +𝑎2𝑚 𝑦2 +⋯+𝑎𝑚𝑛 𝑦𝑚 ≥𝑐𝑛
𝑥𝑗 ≥ 0, ∀(𝑗 = 1,2, … , 𝑛) 𝑦𝑖 ≥ 0, ∀(𝑖 = 1,2, … , 𝑚)

30
Exemple : Primal Dual correspondant
𝑀𝑎𝑥 𝑍 = 7𝑥1 + 4𝑥2 𝑀𝑖𝑛 𝑍 ∗ = 140𝑦1 + 104𝑦2 + 360𝑦3

s/c s/c
2𝑥1 + 𝑥2 ≤ 140 2𝑦1 + 𝑦2 + 5𝑦3 ≥ 7
𝑥1 + 𝑥2 ≤ 104 𝑦1 + 𝑦2 + 3𝑦3 ≥ 4
5𝑥1 + 3𝑥2 ≤ 360 𝑦1 , 𝑦2 𝑒𝑡 𝑦3 ≥ 0
𝑥1 , 𝑥2 ≥ 0
2.4. Standardisation
Certaines techniques de résolution de programmes linéaires nécessitent de

transformer les inégalités subsistant dans les systèmes de contraintes en égalité.
On obtient alors la forme standard du PL.
On peut remplacer les inégalités par les équations en introduisant une variable
non négative appelée « variable d’écart » notée ti, qui mesure l’écart existant entre
le deuxième membre et le premier membre de la contrainte.
Pour standardiser, on s’intéresse aux inégalités et non de l’objectif qu’il soit un max
ou un min.
∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 (𝑖 = 1, 2, … , 𝑚) ⇒ ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 + 𝑡𝑖 = 𝑏𝑖 (𝑖 = 1, 2, … , 𝑚)
{ 𝑛
∑𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≥ 𝑏𝑖 (𝑖 = 1, 2, … , 𝑚) ⇒ ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 − 𝑡𝑖 = 𝑏𝑖 (𝑖 = 1, 2, … , 𝑚)
𝑛 (𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒)
{ ⟹ (𝑛 + 𝑚)𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠
𝑚 (𝑠/𝑐)
Les variables d’écarts sont accompagnées d’un coefficient nul à la fonction objectif
car représente la production fictive.
Remarques
Avant d’effectuer les calculs permettant de résoudre le PL, il peut être souhaitable
ou nécessaire de réaliser certaines transformations :
1°) On sait que les signes d’irrégularités dans le système de contraintes
prennent généralement la forme canonique ≤ (𝑜𝑢 ≥) selon qu’il s’agisse d’une max
(ou min). Si tel n’est pas le cas, on harmonise la notation en appliquant la règle :
∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 ⟺ − ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≥ −𝑏𝑖 (𝑖 = 1, 2, … , 𝑚)
{
∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≥ 𝑏𝑖 ⟺ − ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≤ −𝑏𝑖 (𝑖 = 1, 2, … , 𝑚)
2°)
𝑀𝑎𝑥 𝑍 ⟺ 𝑀𝑖𝑛 (−𝑍)
{
𝑀𝑖𝑛 𝑍 ⟺ 𝑀𝑎𝑥 (−𝑍)

31
3°) Lorsqu’une contrainte s’exprime sous forme d’une égalité, deux solutions
sont envisageables :
 Supprimer une variable tout en éliminant la contrainte d’égalité

∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 = 𝑏𝑖 ⟺ ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 − 𝑡𝑖 ≤ 𝑏𝑖
En standardisant on aura : ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 − 𝑡𝑖 + 𝑦𝑖 = 𝑏𝑖
t i : 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑 ′ é𝑐𝑎𝑟𝑡
Avec {
yi ∶ 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑟𝑡𝑖𝑓𝑖𝑐𝑖𝑒𝑙𝑙𝑒 (𝑓𝑖𝑐𝑡𝑖𝑣𝑒𝑠)
Ces contraintes (=) n’admettent que des variables artificielles affectées de signe
Min → +𝑦𝑖
correspondant à celui du second membre. {
Max → −𝑦𝑖
 Décomposer la contrainte en deux inéquations de sens inverse
∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖
∑𝑛𝑗=1 𝑎𝑖𝑗 𝑥𝑗 = 𝑏𝑖 ⟺ { 𝑛
∑𝑗=1 𝑎𝑖𝑗 𝑥𝑗 ≥ 𝑏𝑖
Exemples : Donnez la forme standard des PL suivants :

1) 𝑀𝑎𝑥 𝑍 = 7𝑥1 + 4𝑥2 𝑀𝑎𝑥 𝑍 = 7𝑥1 + 4𝑥2 + 0𝑥3 + 0𝑥4 + 0𝑥5
2𝑥1 + 𝑥2 ≤ 140 2𝑥1 + 𝑥2 + 𝑥3 = 140
𝑥1 + 𝑥2 ≤ 104 𝑥1 + 𝑥2 + 𝑥4 = 104
⟹
5𝑥1 + 3𝑥2 ≤ 360 5𝑥1 + 3𝑥2 + 𝑥5 = 360
𝑥1 , 𝑥2 ≥ 0 𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 ≥ 0
2) 𝑀𝑎𝑥 𝑍 = 10𝑥1 + 5𝑥2 𝑀𝑎𝑥 𝑍 = 7𝑥1 + 4𝑥2 + 0𝑥3 + 0𝑥4 − 𝑀𝑥5

𝑥1 + 7𝑥2 ≤ 40 𝑥1 + 7𝑥2 + 𝑥3 = 40
5𝑥1 + 5𝑥2 ≥ 30 ⟹ 5𝑥1 + 5𝑥2 − 𝑥4 + 𝑥5 = 30
𝑥𝑖 ≥ 0 𝑥𝑖 ≥ 0
3) 𝑀𝑎𝑥 𝑍 = 4𝑥1 + 10𝑥2 𝑀𝑎𝑥 𝑍 = 4𝑥1 + 10𝑥2 + 0𝑥3 + 0𝑥4 − 𝑀𝑥5

7𝑥1 + 8𝑥2 ≤ 15 𝑥1 + 7𝑥2 + 𝑥3 = 15
5𝑥1 + 4𝑥2 = 8 ⟹ 5𝑥1 + 5𝑥2 − 𝑥4 + 𝑥5 = 8
𝑥𝑖 ≥ 0 𝑥𝑖 ≥ 0
4) 𝑀𝑎𝑥 𝑍 = 2𝑥1 + 5𝑥2 𝑀𝑎𝑥 𝑍 = 2𝑥1 + 5𝑥2 + 0𝑥3 + 0𝑥4 + 0𝑥5 + 0𝑥6 − 𝑀𝑥7 − 𝑀𝑥8
7𝑥1 + 2𝑥2 − 𝑥3 + 𝑥7 = 4
7𝑥1 + 2𝑥2 ≥ 4
𝑥1 + 𝑥2 + 𝑥4 =3
𝑥1 + 𝑥2 ≤ 3
⟹ 2𝑥1 + 3𝑥2 + 𝑥5 =2
2𝑥1 + 3𝑥2 = 2
−2𝑥1 − 3𝑥2 − 𝑥6 + 𝑥8 = −2
𝑥1 𝑒𝑡 𝑥2 ≥ 0
𝑥𝑖 ≥ 0

32
5) 𝑀𝑖𝑛 𝐶 = −𝑥1 + 2𝑥2 𝑀𝑖𝑛 𝐶 = −𝑥1 + 2𝑥2 + 0𝑥3 + 0𝑥4 + 0𝑥5 + 0𝑥6 + 𝑀𝑥7 + 𝑀𝑥8
2𝑥1 + 3𝑥2 + 𝑥3 =4
2𝑥1 + 3𝑥2 ≤ 4
5𝑥1 + 2𝑥2 + 𝑥4 = −3
5𝑥1 + 2𝑥2 = −3
⟹ −5𝑥1 − 2𝑥2 − 𝑥5 + 𝑥7 =3
3𝑥1 + 5𝑥2 ≥ 8
3𝑥1 + 5𝑥2 − 𝑥6 + 𝑥8 = 8
𝑥1 𝑒𝑡 𝑥2 ≥ 0
𝑥𝑖 ≥ 0
2.5. Algorithme de simplexe
L’algorithme de simplexe développé en 1963 par Dantzig dans « Linear

Programming and Extensions » repose sur la notion de convexité.
Mathématiquement, un simplexe est une région convexe formée par une ou
plusieurs contraintes linéaires. La recherche de la solution d’un programme
linéaire se fait le long de la frontière de l’ensemble de faisabilité (ou ensemble de
choix) en tâtonnant d’un sommet à l’autre du simplexe de manière à améliorer la
valeur de la fonction objectif. Le voyage s’arrête quand on atteint la valeur
optimale.
2.5.1. Principes
 Formuler le problème sous forme canonique

 Passer de la forme canonique à la forme standard en introduisant des
variables d’écart et/ou des variables artificielles selon le cas.
 Déterminer une première solution de base réalisable ou admissible (SBA ou
SBR) en utilisant d’abord :
 Les variables réelles comme des variables hors base VR=VHB

 Les autres variables non nulles (variable de base) constituent alors la
solution dans cette première opération.
 Arrêter la procédure lorsqu’il n’est plus possible d’accroitre la valeur de la

fonction économique. La dernière valeur de la SBR obtenue est donc la
solution optimale. C’est-à-dire, lorsque la fonction économique ne contient
plus que :
 Des coefficients ∆𝑗 négatifs ou nuls → Max

 Des coefficients ∆𝑗 positifs → Min

33
2.5.2. Détermination des vecteurs entrant et sortant
Critère d’entrée
 Max : ∆𝑗 le plus grand positif  Min : ∆𝑗 le plus négatif (variable
(variable entrante) entrante)
∆𝑗 = 𝑀𝑎𝑥𝑗 {∆𝑗 ≥ 0} ∆𝑗 = 𝑀𝑖𝑛𝑗 {∆𝑗 < 0}

∆𝑗 = 𝐶𝑗 − 𝑍𝑗 𝑒𝑡 𝑍𝑗 = ∑𝑚
𝑖=1 𝑋𝑖𝑗 𝐶𝑖 ∆𝑗 = 𝐶𝑗 − 𝑍𝑗 𝑒𝑡 𝑍𝑗 = ∑𝑚
𝑖=1 𝑋𝑖𝑗 𝐶𝑖
Critère de sortie
La variable sortante est celle qui correspond au plus petit rapport positif des
𝑉
seconds membres aux coefficients de la variable entrante 𝜃 = 𝑜𝑖 avec 𝑎𝑖𝑒 : la
𝑎𝑖𝑒
colonne entrante. 𝜃 = 𝑀𝑖𝑛𝑖 {𝜃𝑖 > 0}
2.5.3. Ordinogramme de l’algorithme de simplexe

34
2.5.4. Techniques de résolution
 Classons dans un tableau à m lignes et (n + m = +1) colonnes, les

coefficients du système d’équations linéaires ;
 Repérons chaque colonne à l’aide de la variable qui lui correspond, la

dernière colonne à droite étant celle relative au terme constant 𝑉𝑜𝑖 = 𝑏𝑖
 Ajoutons deux colonnes à gauche, l’une repérée :

- 𝑖: comprendra les indices relatifs aux variables de base (VB), les indices
des variables hors base (VHB) sont repérés par l’indice 𝑗.
- 𝐶𝑖 : Les profits marginaux des variables de base (VB)
 Sur la ligne située au-dessus du tableau, portons les coefficients 𝐶𝑗 de la

fonction économique
 Sur la ligne située en dessous du tableau, portons les coefficients 𝑍𝑗 , puis sur
une seconde ligne les valeurs ∆𝑗
𝑉𝑜𝑖
 La dernière colonne sera 𝜃 = permettant de choisir la variable 𝑥𝑆 sortant
𝑎𝑖𝑒
de la base.
Montage d’un PL
Exemple : Un horticulteur souhaite mélanger des fertilisants pourvoyant un

minimum de 15 unités de potasse, 20 unités de nitrate et 24 unités de phosphate.
La première marque pourvoie 3 unités de potasse, 1 unité de nitrate et 3 unités de
phosphate, elle coute 120$. La deuxième marque pourvoie 1 unité de potasse, 5
unités de nitrate et 2 unités de phosphate, elle coute 60$. Déterminer la
combinaison de fertilisants que l’horticulteur peut acquérir au moindre cout.

35
Solution
On commence par monter notre programme
Mélange des fertilisants

Potasse (x1) Nitrate (x2) Phosphate (x3) Couts
Marque 1 3 1 3 120$
Marque 2 1 5 2 60$
Acquisition à 15 unités 20 unités 24 unités
moindre couts
Primal Dual
𝑀𝑖𝑛 𝐶 = 15𝑥1 + 20𝑥2 + 24𝑥4 𝑀𝑎𝑥 𝑍 = 120𝑦1 + 60𝑦2
3𝑦1 + 𝑦2 ≤ 15
3𝑥1 + 𝑥2 + 3𝑥3 ≥ 120
𝑦1 + 5𝑦2 ≤ 20
𝑥1 + 5𝑥2 + 2𝑥3 ≥ 60 ⟹
3𝑦1 + 2𝑦2 ≤ 24
𝑥1, 𝑥2, 𝑥3 ≥ 0
𝑦1, 𝑦2, ≥ 0
On est passé au dual, pare qu’il est préférable ou souhaitable de résoudre le

simplexe par une PL à maximiser, d’où la nécessité de trouver la forme standard.
𝑀𝑎𝑥 𝑍 = 120𝑦1 + 60𝑦2 𝑀𝑎𝑥 𝑍 = 120𝑦1 + 60𝑦2 + 0𝑦3 + 0𝑦4 + 0𝑦5

3𝑦1 + 𝑦2 ≤ 15 3𝑦1 + 𝑦2 + 𝑦3 = 15
𝑦1 + 5𝑦2 ≤ 20 𝑦1 + 5𝑦2 + 𝑦4 = 20
⟹
3𝑦1 + 2𝑦2 ≤ 24 3𝑦1 + 2𝑦2 + 𝑦5 = 24
𝑦1, 𝑦2, ≥ 0 𝑦1, 𝑦2, ≥ 0
𝐶𝑗 120 60 0 0 0
𝐶𝑖 𝑖 𝑦1 𝑦2 𝑦3 𝑦4 𝑦5 𝑉𝑜𝑖 𝜃
0 3 3 1 1 0 0 15 5
0 4 1 5 0 1 0 20 20
0 5 3 2 0 0 1 25 8
𝑍𝑗 0 0 0 0 0 Z=0
∆𝑗 120 60 0 0 0
120 1 1 1/3 1/3 0 0 5 15
0 4 0 14/3 -1/3 1 0 15 45/14
0 5 0 1 -1 0 1 9 9
𝑍𝑗 120 40 40 0 0 Z=600
∆𝑗 0 20 -40 0 0
120 1 1 0 5/14 -1/14 0 55/14
60 2 0 1 -1/14 3/14 0 45/14
0 5 0 0 -13/14 -3/14 1 81/14
𝑍𝑗 120 60 270/7 30/7 0 4650
Z=
∆𝑗 0 0 -270/7 -30/7 0 7
Tous les ∆𝑗 ≤ 0 ; on a donc la solution optimal du dual

36
2.6. Solution du primal à partir du tableau optimal du dual
1ère étape : Identification des correspondances
variables réelles (VR) variables d’écart (VE)

Primal 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5
Dual 𝑦3 𝑦4 𝑦5 𝑦1 𝑦2
variables d’écart (VE) variables réelles (VR)
2ème étape : Identification des VB et VHB

𝑥1 𝑥2 VB Primal
𝑦3 𝑦4 VHB Dual
𝑥4 𝑦1 5/14 -1/14
𝑥5 𝑦2 -1/14 3/14
𝑥3 𝑦5 -13/14 -3/14
VHB VB
Primal Dual
3ème étape : Détermination des VHB du primal

C’est la transposé du vecteur (VB) du dual affecté du signe opposé.
𝑥4 𝑥5 𝑥3 VHB
𝑥1 -5/14 1/14 13/14
𝑥2 1/14 -3/14 3/14
VB
55 45 81
𝑉𝑜𝑖1 = ∆4 = ; 𝑉𝑜𝑖2 = ∆5 = et 𝑉𝑜𝑖5 = ∆3 =
14 14 14
270 30
∆3 = 𝑉𝑜𝑖1 = et ∆4 = 𝑉𝑜𝑖2 =
7 7
4ème étape : Tableau optimal du primal

𝐶𝑗 15 20 24 0 0
𝐶𝑖 𝑖 𝑦1 𝑦2 𝑦3 𝑦4 𝑦5 𝑉𝑜𝑖
15 1 1 0 13/14 -5/14 1/14 270/7
20 2 0 1 3/14 1/14 -3/1 30/7
∆𝑗 0 0 81/14 55/14 45/14 Z=4650/7
Il existe aucun ∆𝑗 < 0 ; on a donc la solution optimal du Primal.

L’horticulteur devra mélanger des fertilisants pourvoyant à un cout de 270/7 pour
la première marque et un cout minimum de 30/7 pour la deuxième marque avec
un revenu minimal de 4650/7.

37
2.7. Dégénérescence
Un programme linéaire et dit dégénéré si :

- L’une des VB possède une valeur nulle : dégénérescence du premier type
- Un ∆𝑗 associé à une VHB est nul : dégénérescence du second type ; ce qui
interdit une solution optimale unique.
On parle également de dégénérescence dans les cas suivant :
- La variable entrante 𝑥𝑗 , les coefficients 𝑎𝑖𝑒 correspondants sont négatifs ;
ce qui donne une solution infinie.
- Une ou plusieurs variables artificielles (VA) restent dans la base ; pas de
solution.
Exemple :
𝑀𝑎𝑥 𝑍 = 𝑥1 + 2𝑥2 + 2𝑥3 𝑀𝑎𝑥 𝑍 = 𝑥1 + 2𝑥2 + 2𝑥3 + 0𝑥4 + 0𝑥5
𝑥1 + 1/2𝑥2 + 𝑥3 ≤ 2 𝑥1 + 1/2𝑥2 + 𝑥3 + 𝑥4 =2
4𝑥1 − 𝑥2 + 2𝑥3 ≤ 4 ⟹ 4𝑥1 − 𝑥2 + 2𝑥3 + 𝑥5 = 4
𝑥1, 𝑥2, 𝑥3 ≥ 0 𝑥1, 𝑥2, 𝑥3 ≥ 0
𝐶𝑗 1 2 2 0 0
𝐶𝑖 𝑖 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑉𝑜𝑖 𝜃
0 4 1 1/2 1 1 0 2 2
0 5 4 -1 2 0 1 4 2
𝑍𝑗 0 0 0 0 0 Z=0
∆𝑗 1 2 2 0 0
2 3 1 1/2 1 0 0 2 2
0 5 2 -2 0 -2 1 0 0
𝑍𝑗 2 1 2 2 0 Z=4
∆𝑗 -1 1 0 -2 0
2 2 2 1 2 2 0 4
60 5 6 0 4 2 1 8
𝑍𝑗 4 2 4 4 0 Z=8
∆𝑗 -3 0 -2 -4 0
𝑉𝐻𝐵 = 𝑥3 , 𝑥4 𝑒𝑡 𝑥5 or ∆5 = 0 ; ce qui traduit la dégénérescence du second type, ceci

implique qu’il existe d’autres solutions optimales.

38
2.8. Solution du simplexe à partir du tableau optimal partiel
Les notations qui suivent sont très importants dans l’analyse de la sensibilité des
Programmes linéaires.
𝐴0 : Matrice initiale du système des contraintes
𝑏0 : Vecteur des deuxièmes membres de ce système
𝐼0 : Matrice unité contenue dans 𝐴0
𝐶0𝐵 : Vecteur formé des coefficients de la fonction économique relatifs aux variables
de base
L’algorithme de simplexe consiste à transformer 𝐴0 en 𝐴𝑓 qui contient une matrice
unité 𝐼𝑓 (correspondant à la base optimale)
𝑏0 → 𝑏𝑓 𝑒𝑡 𝐶0𝐵 → 𝐶𝑓𝐵
Soit K : la sous-matrice de 𝐴0 formée des colonnes de mêmes indices que 𝐼𝑓
𝐴𝑓 = 𝐾 −1 𝐴0
𝑉𝑜𝑖𝑓 = 𝐾 −1 𝑉𝑜𝑖𝑜
𝐵𝑓 = 𝐾 −1 𝑏0
𝐾 −1 = 𝐼0 : matrice du tableau optimal avec colonne unitaire du départ

𝐾 = 𝐼𝑓 : matrice du tableau initial avec ligne des VB optimal (colonne)
Exercices
1) Un industriel doit fabriquer 3 biens A, B et C à l’aide de 3 matières M1, M2,

et M3. Les conditions technologiques sont telles qu’il faut 1 unité de M1, 3 de M2 et
2 de M3 pour fabriquer un bien A ; 3 unité de M1, 2 de M2 et 1 de M3 pour fabriquer
un bien B et enfin, 2 unité de M1, 1 de M2 et 4 de M3 respectivement. L’entrepreneur
gagne respectivement 10, 14 et 12 u.m sur la vente d’un bien A, B et C. les stocks
des différentes matières A, B et C sont limités respectivement de 40, 45 et 38
a) Disposant du tableau optimal partiel ci-dessous, établir le plan de

production le plus rentable
X1 X4 X5 X6
0 11/24 -2/24 -5/24
1 -7/24 10/24 1/24
0 -1/24 -2/24 7/24
b) Que devient ce plan de production si le stock de M1 était limité à 45, les
autres étant inchangés ? reste-t-il toujours optimal ? Justifiez votre réponse

39
Solution
𝑀𝑎𝑥 𝑍 = 10𝑥1 + 14𝑥2 + 12𝑥3 𝑀𝑎𝑥 𝑍 = 10𝑥1 + 14𝑥2 + 12𝑥3 + 0𝑥4 + 0𝑥5 + 0𝑥6
𝑥1 + 3𝑥2 + 2𝑥3 ≤ 40 𝑥1 + 3𝑥2 + 2𝑥3 + 𝑥4 = 40
3𝑥1 + 2𝑥2 + 𝑥3 ≤ 45 3𝑥1 + 2𝑥2 + 𝑥3 + 𝑥5 = 45
⟹
2𝑥1 + 𝑥2 + 4𝑥3 ≤ 38 2𝑥1 + 𝑥2 + 4𝑥3 + 𝑥6 = 38
𝑥1, 𝑥2, 𝑥3 ≥ 0 𝑥1, 𝑥2, 𝑥3 ≥ 0
11/24 −2/24 −5/24
−1
a) K = |−7/24 10/24 1/24 |
−1/24 −2/24 7/24
11/24 −2/24 −5/24 3 2 1 0
−1
𝐴𝑓 = 𝐾 𝐴0 → 𝐾 −1 [𝑋2 𝑋3 ] = |−7/24 10/24 1/24 | |2 1| = |0 0|
−1/24 −2/24 7/24 1 4 0 1
11/24 −2/24 −5/24 40 20/3
−1
𝑉𝑜𝑖𝑓 = 𝐾 𝑉𝑜𝑖𝑜 = |−7/24 10/24 1/24 | |45| = |26/3|
−1/24 −2/24 7/24 38 17/3
𝐶𝑗 10 14 12 0 0 0
𝐶𝑖 𝑖 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑉𝑜𝑖
14 2 0 1 0 11/24 -2/24 -5/24 20/3
10 1 1 0 0 -7/24 10/24 1/24 26/3
12 3 0 0 1 -1/24 -2/24 7/24 17/3
𝑍𝑗 10 14 12 0 0 0 Z=260
∆𝑗 0 0 0 -3 -2 -1
26 20 17
𝑀𝑎𝑥 𝑍 = 10𝑥1 + 14𝑥2 + 12𝑥3 = 10 ( ) + 14 ( ) + 12 ( ) = 260
3 3 3
L’entrepreneur devra fabriquer 20/3 du bien B ; 26/3 du bien A et 17/3 du bien C ;

le bénéfice maximum sera de 260 u.m.
b)
11/24 −2/24 −5/24 45 8,958
−1
𝑉𝑜𝑖𝑓 = 𝐾 𝑉𝑜𝑖𝑜 = |−7/24 10/24 1/24 | |45| = |7,208|
−1/24 −2/24 7/24 38 5,458
𝑀𝑎𝑥 𝑍 = 10𝑥1 + 14𝑥2 + 12𝑥3 = 10(8,958) + 14(7,208) + 12(5,458) = 263
Z=263 ; le plan de production reste optimal, il s’est même amélioré.
‘
40
2) Soit PL suivant
𝑀𝑖𝑛 𝐶 = 30𝑥1 + 50𝑥2 Donnez sa solution optimale étant donné le tableau

6𝑥1 + 2𝑥2 ≥ 30 optimal de son dual repris partiellement ci-après
3𝑥1 + 2𝑥2 ≥ 24
5𝑥1 + 10𝑥2 ≥ 60 Y1 Y4 Y5
𝑥1, 𝑥2 ≥ 0 5/2 1/2 -1/4
-3/10 -1/10 3/20
Solution
𝑀𝑖𝑛 𝐶 = 30𝑥1 + 50𝑥2 𝑀𝑎𝑥 𝑍 = 30𝑦1 + 24𝑦2 + 60𝑦3
6𝑥1 + 2𝑥2 ≥ 30
6𝑦1 + 3𝑦2 + 5𝑦3 ≤ 30
3𝑥1 + 2𝑥2 ≥ 24
⟹ 2𝑦1 + 2𝑦2 + 10𝑦3 ≤ 50
5𝑥1 + 10𝑥2 ≥ 60
𝑦1, 𝑦2, 𝑦3 ≥ 0
𝑥1, 𝑥2 ≥ 0
𝑀𝑎𝑥 𝑍 = 30𝑦1 + 24𝑦2 + 60𝑦3 𝑀𝑎𝑥 𝑍 = 30𝑦1 + 24𝑦2 + 60𝑦3 + 0𝑦4 + 0𝑦5
6𝑦1 + 3𝑦2 + 5𝑦3 ≤ 30 6𝑦1 + 3𝑦2 + 5𝑦3 + 𝑦4 = 30
2𝑦1 + 2𝑦2 + 10𝑦3 ≤ 50 ⟹ 2𝑦1 + 2𝑦2 + 10𝑦3 + 𝑦5 = 50
𝑦1, 𝑦2, 𝑦3 ≥ 0 𝑦1, 𝑦2, 𝑦3 ≥ 0
1/2 −1/4
K −1 = | |
−1/10 3/20
1/2 −1/4 3 5 1 0
𝐴𝑓 = 𝐾 −1 𝐴0 → 𝐾 −1 [𝑌2 𝑌3 ] = | || |=| |
−1/10 3/20 2 10 0 1
1/2 −1/4 30 5/2
𝑉𝑜𝑖𝑓 = 𝐾 −1 𝑉𝑜𝑖𝑜 = | || | = | |
−1/10 3/20 50 9/2
𝐶𝑗 30 24 60 0 0
24 2 5/2 1 0 1/2 -1/4 5/2
60 3 -3/10 0 1 -1/10 3/20 9/2
𝑍𝑗 42 24 60 6 3 Z=330
∆𝑗 -30 0 0 -6 -3
Tous les ∆𝑗 ≤ 0 ; on a donc la solution optimal du dual


41
𝑦1 𝑦4 𝑦5 𝑥4 𝑥5
𝑦2 5/2 1/2 -1/14 → 𝑥3 -5/2 3/10
𝑦3 -3/10 -1/10 3/20 𝑥1 -1/2 1/10
𝑥2 1/4 -3/10
𝑉𝑜𝑖2 = ∆4 = 5/2 ; 𝑉𝑜𝑖3 = ∆5 = 9/2 et

∆1 = 𝑉𝑜𝑖3 = 30 et ∆4 = 𝑉𝑜𝑖1 = 6 ∆5 = 𝑉𝑜𝑖2 = 3
𝐶𝑗 30 50 0 0 0
𝐶𝑖 𝑖 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑉𝑜𝑖
0 3 0 0 1 -5/2 3/10 30
30 1 1 0 0 -1/2 1/10 6
50 2 0 1 0 1/4 -3/20 3
𝑍𝑗 30 50 0 0 0 Z=330
∆𝑗 0 0 0 5/2 9/2
Il existe aucun ∆𝑗 < 0 ; on a donc la solution optimal du Primal.
3) Un étudiant de l'UK a pris rendez-vous avec deux de ses copines Mamie et

Nono. Il sait que :
Mamie aime fréquenter des milieux somptueux où une sortie de 5 heures lui coûte
60 F. Nono, quant à elle, aime le spectacle populaire si bien qu'une sortie (de 5
heures) avec elle ne peut lui coûter que 40 F.
Le budget de notre étudiant étant très limité, le montant mensuel alloué à ses
loisirs ne peut pas dépasser 480 F. Chaque mois, ses travaux pratiques ne lui
laissent tout au plus que 50 heures et 5.400 calories de son énergie pour ses heures
libres.
Chaque sortie avec Mamie consomme 300 calories d'énergie. Etant plus gaie, Nono
lui en prend deux fois plus.
a) Si notre étudiant s'attend à ce qu'un rendez-vous avec Mamie lui procure 20

unités de plaisir et que celui avec Nono lui en donne 30, comment doit-il
organiser ses heures de loisir (c'est-à-dire avec quelle fille sortir) de façon à
maximiser ses divertissements
b) Résoudre le dual en utilisant le tableau optimal du primal
‘
42
Solution
a) On commence par monter notre programme
Utilisation
Mamie (x1) Nono (x2) Couts
Heures/div 5 heures 5 heures 50 heures
Energie 300 cal 600 cal 5400 cal
Revenu 60$ 40$ 480$
Plaisir à 20 unités 30 unités
maximiser
Primal On va simplifier
𝑀𝑎𝑥 𝑍 = 20𝑥1 + 30𝑥2 𝑀𝑎𝑥 𝑍 = 20𝑥1 + 30𝑥2
5𝑥1 + 5𝑥2 ≤ 50 𝑥1 + 𝑥2 ≤ 10
300𝑥1 + 600𝑥2 ≤ 5400 3𝑥1 + 2𝑥2 ≤ 18
⟹ 3𝑥 + 2𝑥 ≤ 24
60𝑥1 + 40𝑥2 ≤ 480 1 2
𝑥1, 𝑥2 ≥ 0 𝑥1, 𝑥2 ≥ 0
𝑀𝑎𝑥 𝑍 = 20𝑥1 + 30𝑥2 𝑀𝑎𝑥 𝑍 = 20𝑥1 + 30𝑥2 + 0𝑥3 + 0𝑥4 + 0𝑥5

𝑥1 + 𝑥2 ≤ 10 𝑥1 + 𝑥2 + 𝑥3 = 10
𝑥1 + 2𝑥2 ≤ 18 𝑥1 + 2𝑥2 + 𝑥4 = 18
⟹
3𝑥1 + 2𝑥2 ≤ 24 3𝑥1 + 2𝑥2 + 𝑥5 = 24
𝑥1, 𝑥2 ≥ 0 𝑥1, 𝑥2 ≥ 0
𝐶𝑗 20 30 0 0 0
𝐶𝑖 𝑖 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑉𝑜𝑖 𝜃
0 3 1 1 1 0 0 10 10
0 4 1 2 0 1 0 18 9
0 5 3 2 0 0 1 24 12
𝑍𝑗 0 0 0 0 0 Z=0
∆𝑗 20 30 0 0 0
0 3 1/2 0 1 -1/2 0 1 2
30 2 1/2 1 0 1/2 0 9 18
0 5 2 0 0 -1 1 6 3
𝑍𝑗 15 30 0 15 0 Z=270
∆𝑗 5 0 0 -15 0
20 1 1 0 2 -1 0 2
30 2 0 1 -1 1 0 8
0 5 0 0 -4 1 1 2
𝑍𝑗 20 30 10 10 0 Z=280
∆𝑗 0 0 -10 -10 0
Tous les ∆𝑗 ≤ 0 ; on a donc la solution optimal du primal

43
b) Le dual
𝑀𝑎𝑥 𝑍 = 20𝑥1 + 30𝑥2 𝑀𝑖𝑛 𝐶 = 10𝑦1 + 18𝑦2 + 24𝑦3
𝑥1 + 𝑥2 ≤ 10
𝑦1 + 𝑦2 + 3𝑦3 ≥ 20
𝑥1 + 2𝑥2 ≤ 18
⟹ 𝑦1 + 2𝑦2 + 2𝑦3 ≥ 30
3𝑥1 + 2𝑥2 ≤ 24
𝑦1, 𝑦2, 𝑦3 ≥ 0
𝑥1, 𝑥2 ≥ 0

𝑥3 𝑥4 𝑦4 𝑦5 𝑦3
𝑥1 2 -1 → 𝑦1 -2 1 4
𝑥2 -1 1 𝑦2 1 -1 -1
𝑥5 -4 1
𝑉𝑜𝑖1 = ∆4 = 2 ; 𝑉𝑜𝑖2 = ∆5 = 8 et 𝑉𝑜𝑖5 = ∆3 = 2

∆3 = 𝑉𝑜𝑖1 = 10 et ∆4 = 𝑉𝑜𝑖2 = 10
𝐶𝑗 10 18 24 0 0
10 1 1 0 4 -2 1 10
18 2 0 1 -1 1 -1 10
𝑍𝑗 10 18 22 -2 -8 Z=280
∆𝑗 0 0 2 2 8
Il existe aucun ∆𝑗 < 0 ; on a donc la solution optimal du Dual.
4) Soit le problème de programmation linéaire suivant
𝑀𝑎𝑥 𝑍 = −10𝑥1 + 4𝑥2 + 4𝑥3 Complétez le tableau optimal repris

partiellement ci-après :
−2𝑥1 + 𝑥2 +𝑥3 ≤ 4
−𝑥1 − 2𝑥2 −𝑥3 ≤ −1 X2 X4 X6 X8 X9
−𝑥1 − 2𝑥2 +3𝑥3 ≤ 2 1 2 -3/2 0 5/2
−𝑥1 + 𝑥2 −𝑥3 ≤ −2
0 1 -1 0 2
𝑥𝑗 ≥ 0
0 1 -1/2 0 3/2
0 6 -9/2 -1 17/2
‘
‘

44
Solution
Après arrangement
𝑀𝑎𝑥 𝑍 = −10𝑥1 + 4𝑥2 + 4𝑥3
−2𝑥1 + 𝑥2 +𝑥3 ≤ 4
𝑥1 + 2𝑥2 +𝑥3 ≥ 1
−𝑥1 − 2𝑥2 +3𝑥3 ≤ 2
𝑥1 − 𝑥2 +𝑥3 ≥ 2
𝑥𝑗 ≥ 0
𝑀𝑎𝑥 𝑍 = −10𝑥1 + 4𝑥2 + 4𝑥3 + 0𝑥4 + 0𝑥5 + 0𝑥6 + 0𝑥7 − 𝑀𝑥8 − 𝑀𝑥9
−2𝑥1 + 𝑥2 +𝑥3 + 𝑥4 =4
𝑥1 + 2𝑥2 +𝑥3 − 𝑥5 + 𝑥8 =1
−𝑥1 − 2𝑥2 +3𝑥3 + 𝑥6 =2
𝑥1 − 𝑥2 +𝑥3 − 𝑥7 + 𝑥9 = 2
𝑥𝑗 ≥ 0
2 0 −3/2 5/2
1 0 −1 2
K −1 =| |
1 0 −1/2 3/2
6 −1 −9/2 17/2
2 0 −3/2 5/2 −2 1 0 0 4
1 0 −1 2 1 1 −1 0 1
𝐴𝑓 𝑉𝑜𝑖𝑓 = 𝐾 −1 𝐴0 𝑉𝑜𝑖𝑂 =| || |
1 0 −1/2 3/2 −1 3 0 0 2
6 −1 −9/2 17/2 1 1 0 −1 2
0 0 0 −5/2 10
1 0 0 −2 6
𝐴𝑓 𝑉𝑜𝑖𝑓 =| |
0 1 0 −3/2 6
0 0 1 −17/2 31
𝐶𝑗 -10 4 4 0 0 0 0 -M -M
𝐶𝑖 𝑖 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 𝑥7 𝑥8 𝑥9 𝑉𝑜𝑖
4 2 0 1 0 2 0 -3/2 -5/2 0 5/2 10
-10 1 1 0 0 1 0 -1 -2 0 2 6
4 3 0 0 1 1 0 -1/2 -3/2 0 3/2 6
0 5 0 0 0 6 1 -9/2 -17/2 -1 17/2 31
𝑍𝑗 -10 4 4 2 0 2 4 0 -4 Z=4
∆𝑗 0 0 0 -2 0 -2 -4 M M+4
Tous les ∆𝑗 ≤ 0 ; on a donc la solution optimal

45
5) Un maraîcher, vendant des citrons et des oranges, veut les grouper par lots
de vente : 5 citrons et 1 orange pour 400 F, ou 1 citron et 10 oranges pour 600 F. Il
dispose au total de 60 citrons et 110 oranges.
a) Quelle est la répartition la plus avantageuse (pour lui) entre les deux types
de lots ?
b) Supposons à présent qu'un grossiste veuille vendre des oranges et des
citrons ; il a le choix entre les vendre au camelot et faire des lots qu'il vendra
lui-même. A quel prix doit-il vendre les oranges et les citrons au maraîcher
pour avoir avantage à les lui vendre plutôt qu'à faire lui-même le camelot ?
Solution
a)
𝑀𝑎𝑥 𝑍 = 400𝑥1 + 600𝑥2 𝑀𝑎𝑥 𝑍 = 400𝑥1 + 600𝑥2 + 0𝑥3 + 0𝑥4
5𝑥1 + 𝑥2 ≤ 60 5𝑥1 + 𝑥2 + 𝑥3 = 60
𝑥1 + 10𝑥2 ≤ 110 ⟹ 𝑥1 + 10𝑥2 + 𝑥4 = 110
𝑥1, 𝑥2 ≥ 0 𝑥1, 𝑥2 ≥ 0
𝐶𝑗 400 600 0 0
𝐶𝑖 𝑖 𝑥1 𝑥2 𝑥3 𝑥4 𝑉𝑜𝑖 𝜃
0 3 5 1 1 0 60 60
0 4 1 10 0 1 110 11
𝑍𝑗 0 0 0 0 Z=0
∆𝑗 400 600 0 0
0 3 49/10 0 1 -1/10 49 10
600 2 1/10 1 0 1/10 11 110
𝑍𝑗 60 600 0 60 Z=6600
∆𝑗 340 0 0 -60
0 1 1 0 10/49 -1/49 10
600 2 0 1 -1/49 5/49 10
𝑍𝑗 400 600 3400 2600 Z=10000
49 49
∆𝑗 0 0 −3400 −2600
49 49
Le maraicher devra vendre 10 lots de 5 citrons et 1 orange ainsi que 10 lots de 1

citron et 10 oranges pour gagner un revenu maximum de 10 000 F.
b) Ce problème est le dual du précédent. Soit Y1, le prix du citron et Y2 celui de
l’orange. Le problème du grossiste est de vendre le stock au maraîcher au prix
global de P = 60 𝑌1 + 110 𝑌2 qui doit être minimisé sous les contraintes de non-
négativité 𝑌1 ≥ 0 et 𝑌2 ≥ 0 et sachant que le prix de vente doit être supérieur au
prix de lot (5𝑌1 + 𝑌2 ≥ 400 ; 𝑌1 + 10𝑌2 ≥ 600)

46
𝑀𝑖𝑛 𝐶 = 60 𝑌1 + 110 𝑌2
5𝑌1 + 𝑌2 ≥ 400
𝑌1 + 10𝑌2 ≥ 600
𝑌1, 𝑌2 ≥ 0

Primal 𝑥1 𝑥2 𝑥3 𝑥4
Dual 𝑦3 𝑦4 𝑦1 𝑦2
𝑥3 𝑥4 𝑦3 𝑦4
𝑥1 10/49 -1/49 → 𝑦1 -10/49 1/49
𝑥2 -1/49 5/49 𝑦2 1/49 -5/49
𝑉𝑜𝑖1 = ∆3 = 10 ; 𝑉𝑜𝑖2 = ∆4 = 10
3400 2600
∆3 = 𝑉𝑜𝑖1 = et ∆4 = 𝑉𝑜𝑖2 =
49 49
𝐶𝑗 60 110 0 0
𝐶𝑖 𝑖 𝑦1 𝑦2 𝑦3 𝑦4 𝑉𝑜𝑖
60 1 1 0 -10/49 1/49 3400/49
110 2 0 1 1/49 -5/49 2600/49
∆𝑗 0 0 10 10 Z=10000
Il existe aucun ∆𝑗 < 0 ; on a donc la solution optimal du Dual.
Le prix du citron est de 3400/49 et de l’orange est de 2600/49. Le grossiste vendra

le stock au maraicher au prix global de 10 000 F.

47
CHAPITRE 3 : THEORIE DES JEUX
3.1. Généralités
La théorie des jeux est une discipline mathématique qui permet de comprendre
formellement des situations dans lesquelles les joueurs, les preneurs des décisions
interagissent. C’est donc un outil d’analyse des comportements humains qui trouve
ses origines au 17ème siècle avec des travaux de Pascal et Fernand.
Le mathématicien John Von NEUMANN est considéré comme l’inventeur de la
théorie Minimax et plus tard avec son ouvrage « théorie des jeux et du
comportement économique » en 1944 qui constitue le socle de la théorie des jeux
(TDJ) avec MORGENSTERN.
Vers 1950, John NASH présenta une définition d’une stratégie optimale ou un jeu
à plusieurs joueurs dites équilibre de Nash.
Un jeu est alors défini comme un univers dans lequel chaque preneur de décisions
possédant un ensemble d’action possible déterminé par les règles du jeu. C’est une
situation dans laquelle un ou plusieurs participants appelés « joueurs » qui
poursuivent des intérêts divergent ou convergent, doivent prendre des décisions
cohérentes en vue d’atteindre le but avec la plus grande efficacité possible et seule
une personne (équipe) peut l’atteindre (donc gagné).
Chaque joueur essaie de déterminer sa « stratégie » qui lui permettra de réaliser
le maximum de gain ou de subir la perte la plus faible possible. Le résultat du jeu
dépend alors du comportement des actions prises par chaque preneur des
décisions.
Une stratégie est un ensemble des règles de décisions ou procédé permettant à un
joueur de faire ses choix avec finalité de gagner. C’est un plan complet d’action
définissant les décisions à prendre en fonction des situations dans lesquelles un
joueur peut se trouver au coûts du jeu.
Il existe deux principales catégories des jeux :
- Les jeux de hasard : le résultat final est purement aléatoire, car dépend de
la chance et l’habilité des joueurs. Exemple : jeu de dés
- Les jeux de stratégie : le résultat dépend essentiellement du choix délibéré
d’une stratégie. Ici interviennent l’habilité du joueur et le problème
d’optimisation. Exemple : jeu des échecs, dames, poker, cartes, etc.
La TDJ ne se limite pas aux jeux de salon :
 Lutte des sexes : comment manœuvrer son mari pour obtenir une pièce de
super-wax.
 Politique internationale : comment obtenir un gain de cause dans les
négociations sur la paix.

48
 Economie générale : comment accroitre sa part du marché face à ses

concurrents.
La finalité de la TDJ n’est pas d’indiquer comment jouer, mais concerne les
principes à suivre au cours des jeux. C’est une théorie de la décision applicable
aux situation de concurrence.
3.2. Typologie des jeux
Selon la nature du gain

Jeux à somme nulle Jeux à somme non nulle
Un jeu est dit jeu à somme nulle, si la Un jeu est à somme non nulle, si le total
somme algébrique des gains des des sommes ou des gains peut être
joueurs est nulle. Ce que gagne l’un est réalisé sur un agent extérieur au jeu ;
nécessairement perdu par un autre, la nature par exemple.
l’enjeu est la répartition du total fixe,
qu’on peut supposer reparti à l’avance. Exemple : Les situations d’affaires, la
vie politique, le dilemme du prisonnier.
Exemple : Les échecs ou le poker
Les gains de l’un, sont très exactement Certaines issues sont globalement plus
les pertes de l’autre. profitables pour tous, ou moins
dommageables pour tous.
Soit (𝐺 +) 𝑒𝑡 (−𝑃) 𝑜𝑢 𝐺 = 𝑃
- Si le total des sommes versées
est une constante, le jeu est à
somme constante.
- Dans le cas contraire, il s’agit
d’un jeu à somme non constants.
Selon le type de relation entre les agents

Jeux coopératifs Jeux non coopératifs
Les jeux coopératifs sont des problèmes Les jeux non coopératifs sont des jeux
qui impliquent une affaire collective et ou les individus prennent leurs
autorise aux joueurs de former des décisions seuls en essayant de
coalitions après concertation. Si deux maximiser tous les gains propres sans
ou plusieurs personnes forment une consulter les autres joueurs. Ceci
coalition, la TDJ considère qu’il s’agit conduit à l’existence de la notion de
là d’une seule personne ou d’un seul l’équilibre de Nash.
joueur. C’est un jeu contre nature.
Le jeu est dit non coopératif lorsque la
Exemple : le code de la route impose sa coalition n’apporte aucune perspective
stratégie à chacun des joueurs par une d’accroissement des gains.
signalisation.

49
Selon l’information dont disposent les joueurs

 Jeux à information complète  Jeux à information parfaite
Dans ce jeu, tous les joueurs ont la Ce sont des jeux à mécanisme
connaissance complète des stratégies séquentiel, ou chaque joueur a une
dès l’entrée du jeu. Donc, si chaque connaissance en détail de toutes les
joueur connait lors de la prise de actions effectuées avant son choix.
décision :
 Jeux à information imparfaite
- Ses possibilités d’action
- Les possibilités d’action des Ces jeux sont des situations
autres joueurs stratégiques ou l’une des conditions
- Les gains résultants de ces n’est pas vérifiée. C’est peut-être par
actions l’intervention du hasard au cours du
- Les motivations des autres jeu (jeux de société) ou suite à des
joueurs motivations d’un acteur qui est caché
(important en économie).
 Jeux à information incomplète
Dans ce jeu, il y a asymétrie de

l’information entre les joueurs, il peut
arriver qu’il n’y ait qu’un seul joueur
qui connaisse la vraie information.
Exemple :
1°) Jeux à information imparfaite et incomplète : les jeux de guerre
2°) Jeux à information complète et parfaite : des échecs
3°) Jeux à information incomplète et parfaite : poker, mais le tirage des cartes
de ses jeux introduise le joueur fictif, d’où on exclut le poker du jeu parfait.
Selon le déroulement dans le temps
Il peut être utile de prendre ponctuellement le risque de perdre « pour pouvoir »

tester les autres joueurs et mettre en place des stratégies.
Jeux simultanés Jeux séquentiels
Ce sont des jeux statiques, les joueurs C’est asynchrone ou alternatif, les
décident de leur coup simultanément, intervenants jouent les uns après les
sans savoir ce que les autres jouent. autres, en disposant à chaque fois de
l’information sur le coup de
l’adversaire.

50
3.3. Représentation d’un jeu stratégique
La théorie des jeux étudie les interactions stratégiques entre individus ; c’est-à-
dire les situations dans lesquelles les décisions prises par un individu ont des
répercussions sur les autres individus.
Dans ce contexte, l’utilité d’un agent dépend non seulement de ses propres actions
mais également des actions choisies par les autres. Le jeu stratégique se
caractérise par les règles suivantes :
- Un ensemble des joueurs
- Les gains ou l’utilité des joueurs (fonction des décisions des joueurs) ; est ce
que les joueurs peuvent gagner ou perdre ?
- Les règles de jeux ou les espaces de stratégie (actions ou décisions), quelles
sont les actions qu’un individu peut entreprendre ?
- Les séquences des décisions ou l’ensemble des stratégies des chaque joueur
- L’information à la disposition des joueurs précisent l’ensemble des issus
possibles du jeu.
Un jeu peut être représenter sous forme d’un tableau rectangulaire ou sous forme
d’un arbre.
 Sous la forme extensive ou séquentielle ou encore la forme arborescente
(Arbre de Kuhn) adaptée pour des jeux avec des décisions séquentielles
 Sous forme matricielle ou normale ou encore rectangulaire, appelée aussi
forme stratégique, ou la matrice des payoffs adaptée pour des jeux statiques
avec décisions simultanées.
Exemple : les données du jeu peuvent être résumée dans le tableau ci-après :
Couleur Points
Joueur 1 Jouer 2 Joueur 1 Jouer 2
(vous) (votre partenaire) (vous) (votre partenaire)
Jaune Rouge 3 1
Jaune Jaune 4 2
Rouge Rouge 9 0
Rouge Jaune 2 5
Forme stratégique ou matricielle Forme extensive ou arborescente
Jouer 2
Joueur 1
J R
J 4,2 3,1
R 2,5 9,0

51
Chaque jeu sous forme extensive correspond un jeu sous forme stratégique dans
lequel les joueurs choisissent simultanément les stratégies qu’ils mettront en
œuvre. En revanche, un jeu sous forme stratégique peut correspondre à plusieurs
jeux sous forme extensive différents.
3.4. Jeux contre la nature
Ces jeux illustrent les situations où l’on ne dispose pas d’information sur la
vraisemblance de l’environnement (décision ou incertitude totale) ou les situations
à venir pouvant être définies par une probabilité (décision en avenir aléatoire).
Soit A une matrice de format 𝑚 × 𝑛, appelée « matrice des jeux » ou « matrice des
paiements », obtenue en évaluant le résultat 𝑎𝑖𝑗 de chaque couple (𝑑𝑖 , 𝑒𝑗 ) où
𝑑𝑖 represente la décision 𝑖 et 𝑒𝑗 représente l’éventualité 𝑗.
A peut s’écrire comme suit :
Stratégies de la nature
𝑒1 𝑒2 ⋯ 𝑒𝑛
𝑑1 𝑎11 𝑎12 ⋯ 𝑎1𝑛
du joueur x
Stratégies
𝑑2 𝑎21 𝑎22 ⋯ 𝑎2𝑛

⋮ ⋮ ⋮ ⋮ ⋮
𝑑𝑚 𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛
On peut se retrouver face aux jeux suivants :

1°) Jeu équilibré : lorsque l’égalité est non nulle ;
𝑀𝑎𝑥𝑚𝑖𝑛 = 𝑀𝑖𝑛𝑚𝑎𝑥 (∀ 𝑣𝑎𝑙𝑒𝑢𝑟 ≠ 0)
2°) Jeu équitable : lorsque l’égalité est nulle ;

𝑀𝑎𝑥𝑚𝑖𝑛 = 𝑀𝑖𝑛𝑚𝑎𝑥 (∀ 𝑣𝑎𝑙𝑒𝑢𝑟 = 0)
3°) Jeu mixte : lorsqu’il y a inégalité ;

𝑀𝑎𝑥𝑚𝑖𝑛 ≠ 𝑀𝑖𝑛𝑚𝑎𝑥
Exemple :
10 8 4 12
𝐴 = [25 −1 15 9]
6 7 20 14
Solution
10 8 4 12 𝟒 Minmax = 8 Dans notre exemple, le
[ ]
𝐴 = 25 −1 15 9 −𝟏 Maxmin = 6 𝑀𝑎𝑥𝑚𝑖𝑛 (6) ≠ 𝑀𝑖𝑛𝑚𝑎𝑥(8) ;
6 7 20 14 𝟔 Minmin = −1 d’où le jeu est mixte
𝟐𝟓 𝟖 𝟐𝟎 𝟏𝟒 Maxmax = 25

52
N.B : En cas d’égalité, il y a l’existence d’un point-selle ; ce point oriente la décision

et représente également la valeur du jeu.
Exemple :
10 15 8
1) 𝐴 = [ 9 3 4]
2 11 5
Solution
10 15 8 𝟖 se marier à un roulage 𝑀𝑎𝑥𝑚𝑖𝑛 (8) = 𝑀𝑖𝑛𝑚𝑎𝑥(8) ;
𝐴=[9 3 4] 𝟑 𝒔e marier à un voyou Le jeu est équilibré. Le
2 11 5 𝟐 se marier à un fou point-selle est 8 qui
𝟏𝟎 𝟏𝟓 𝟖 conduit à se marier à un
roulage.
10 0
2) 𝐴 = [ ]
5 −3
Solution
10 0 𝟎 𝑀𝑎𝑥𝑚𝑖𝑛 (0) = 𝑀𝑖𝑛𝑚𝑎𝑥(0) ;
𝐴=[ ]
5 −3 −𝟑 Le jeu est équitable parce que l’égalité est nulle.
𝟏𝟎 𝟎
3.4.1. Critère de Wald ou stratégie de la prudence

(Pessimiste à 60% « Maximin »)
Si les agents ignorent les états futurs de la nature, il se placera dans l’attitude la
plus prudente. Il repérera la décision la moins favorable correspondant à chacun
de ses « m » stratégies 𝑑𝑖 et parmi ses éventualités, il retiendra la moins
défavorable 𝑒𝑗 . Selon ce critère, l’agent choisira la décision qui maximise son gain
minimum. 𝑀𝑎𝑥𝑖 [𝑀𝑖𝑛𝑗 𝑎𝑖𝑗 ]
Exemple :
Y
-10% 0% +10%
-10% 15 -3 35
0% 1 10 14
X
+10% -20 -12 2

53
Solution
Y 𝑀𝑎𝑥𝑚𝑖𝑛 (1) = 𝑀𝑖𝑛𝑚𝑎𝑥(10) ;

Ce jeu est mixte.
-10% 0% +10%
-10% 15 -3 35 -3 En adoptant la prudence, X a
0% 1 10 14 1 maintenu les anciens prix à 0% et
X a gagné 1 ; tandis que Y a baisser
+10% -20 -12 2 -20 les prix à 10% et a perdu 1. Donc,
X a été prudente.
15 10 35
3.4.2. Critère de la témérité

(Optimiste à100% « Maximax »)
Le décideur demeure toujours optimiste à 100% en supposant que pour chaque
occurrence la plus favorable se produira. Il a le goût du risque. En voulant tout
gagner, il choisira l’option qui maximise les profits maximal 𝑀𝑎𝑥𝑖 [𝑀𝑎𝑥𝑗 𝑎𝑖𝑗 ]
Exemple :
Y
-10% 0% +10%
-10% 15 -3 35
0% 1 10 14
X
+10% -20 -12 2
Solution
Y 𝑀𝑎𝑥𝑖𝑚𝑎𝑥(35)
-10% 0% +10%
En étant optimiste, X a choisi de
-10% 15 -3 35 35 baisser les prix de 10% et a gagné
0% 1 10 14 14 35, mais Y a perdu 35 en
X augmentant ses prix de 10%.
+10% -20 -12 2 2
3.4.3. Critère de LAPLACE
L’agent maximise l’espérance mathématique de gain correspondant à chaque

𝑎𝑖1 +𝑎𝑖2 +⋯+𝑎𝑖𝑛
décision. Il choisira 𝑀𝑎𝑥𝑖 [ ]
𝑛
On calcule la moyenne de chaque ligne et le max est la décision. En cas de

probabilité, on calcule les espérances mathématiques.

54
Exemple : on donne
8,2 6,4 5,8 cultiver les haricots
𝑀 = [5,6 9,0 6,7] cultiver les choux
7,9 4,7 7,5 cultiver les oignons
a) Quel choix encas de critère de Laplace ?
b) Quel choix si les décisions s’accompagnent des probabilités respectives 0,4 ;
0,5 et 0,1 ?
Solution
8,2+6,4+5,8
𝑑1 = = 6,8
3
5,6+9,0+6,7
a) 𝑑2 = 3
= 𝟕, 𝟏 Le choix sera de cultiver les choux
7,9+4,7+7,5
𝑑3 = = 6,7
3
𝐸𝑑1 8,2 6,4 5,8 0,4 7,06

b) [𝐸𝑑2 ] = [5,6 9,0 6,7] [0,5] = [𝟕, 𝟒𝟏] Le choix sera de cultiver les choux
𝐸𝑑3 7,9 4,7 7,5 0,1 6,26
3.4.4. Critère de HURWICZ

(Optimiste à60%)
L’agent pense qu’il n’est pas raisonnable de négliger le gain le plus élevé devant le
plus faible. Il faut introduire un coefficient d’optimisme (ou de pessimisme) 𝛼.
𝑀𝑎𝑥 𝐻𝑖 = 𝑚𝑎𝑥[𝛼 𝑚𝑎𝑥𝑗 𝑎𝑖𝑗 + (1 − 𝛼)𝑚𝑖𝑛𝑗 𝑎𝑖𝑗 ] 𝑎𝑣𝑒𝑐 (0 ≤ 𝛼 ≤ 1)
C’est un bon critère parce qu’on est entre la prudence et la témérité. On est
optimiste à 𝛼 et pessimiste à 1 − 𝛼.
Exemple : on donne
8,2 6,4 5,8 cultiver les haricots
𝑀 = [5,6 9,0 6,7] cultiver les choux
7,9 4,7 7,5 cultiver les oignons
Quel choix si on est optimiste à 60% ?
Solution
8,2 6,4 5,8 𝟖, 𝟐 𝟓, 𝟖 cultiver les haricots
𝑀 = [5,6 9,0 6,7] 𝟗, 𝟎 𝟓, 𝟔 cultiver les choux
7,9 4,7 7,5 𝟕, 𝟗 𝟒, 𝟕 cultiver les oignons
𝑚𝑎𝑥 𝑚𝑖𝑛
𝐻1 = 0,6(8,2) + 0,4(5,8) = 7,24
𝐻2 = 0,6(9,0) + 0,4(5,6) = 𝟕, 𝟔𝟒 Le choix sera de cultiver les choux
𝐻3 = 0,6(7,9) + 0,4(4,7) = 6,62

55
3.4.5. Critère de Savage, le regret ou stratégie de l’insatisfaction

« Minmax »
Le joueur est hébété, embarrassé, ébaubi, indécis, torturé. À peine décidé, il se rend
compte qu’il a commis une erreur et il se plonge dans le regret.
𝑟𝑖𝑗 = 𝑚𝑎𝑥𝑗 𝑎𝑖𝑗 − 𝑎𝑖𝑗
𝑅 = [𝑎𝑖𝑗 ∗ − 𝑎𝑖𝑗 ]
Exemple : on donne
5,7 4,8 6,2 Avion
𝐴 = [7,5 8,0 2,7] Bateau
9,0 7,6 8,8 Train
Quel choix si le joueur est indécis ?
Solution
5,7 4,8 6,2 Avion
𝐴 = [7,5 8,0 2,7] Bateau
9,0 7,6 8,8 Train
𝟗, 𝟎 𝟖, 𝟎 𝟖, 𝟖
9 − 5,7 8 − 4,8 8,8 − 6,2 3,3 3,2 2,6 𝟑, 𝟑
𝑅 = [9 − 7,5 8 − 8,0 8,8 − 2,7] = [1,5 0 6,1] 𝟔, 𝟏 Minmax = 0,4
9 − 9,0 8 − 7,6 8,8 − 8,8 0 0,4 0,4 𝟎, 𝟒
L’agent voyagera en train.
3.5. Jeux à deux personnes et à somme nulle
Chaque joueur en poursuivant son propre intérêt, s’efforce de prendre la décision

la plus défavorable à l’autre. L’existence ou l’inexistence d’un point-selle concerne
à distinguer les jeux de stratégie pure de jeux de stratégie mixte.
Un jeu à deux joueurs est à somme nulle si la somme des gains de l’un des joueurs
est égale à la somme des pertes de l’autre joueurs.
∑ 𝑔𝑎𝑖𝑛 𝐽1 = ∑ 𝑝𝑒𝑟𝑡𝑒𝑠 𝐽2 𝑜𝑢 𝑀𝑎𝑥𝑚𝑖𝑛 = 𝑀𝑖𝑛𝑚𝑎𝑥
Représentation :
Supposons que deux joueurs qui connaissent les versements ou paiements d’un
adversaire à l’autre et respecte le jeu suivant :
L’un des adversaires appelé joueur 1 ( 𝐽1 ou X) choisissant une ligne ou il y a un
autre adversaire sur les colonnes appelé joueur 2 (𝐽2 𝑜𝑢 𝑌) jouant sur les colonnes.
Les choix se font sur l’alignement de l’autre.

56
Cette matrice est appelée matrice de paiement algébrique.

𝐽2 𝑜𝑢 𝑌 Le joueur 1 cherche à maximiser son
𝑎11 𝑎12 ⋯ 𝑎1𝑛 plus petit gain.
𝑎21 𝑎22 ⋯ 𝑎2𝑛 Le joueur 2 cherche à minimiser sa plus

𝐽1 ou
X ⋮ ⋮ ⋮ ⋮ grande perte.
Exemple : considérons le jeu suivant à deux personnes X et Y à somme constante

C=10
Stratégies du joueur Y
B1 B2 B3
A1 (7,3) (13,-3) (3,7)

du joueur X
Stratégies
A2 (9,1) (2,8) (12,-2)
A3 (10,0) (11,-1) (14,-4)
Si l’on retranche C/2 à chaque résultat, et afin d’alléger la présentation de ce

tableau, seuls les gains de X sont représentés, ils correspondent aux pertes de Y.
On obtient un jeu à somme nulle dont les résultats sont les suivants :
Stratégies du joueur Y
B1 B2 B3
A1 2 8 -2 -2
du joueur X
Stratégies
A2 4 -3 7 -3
A3 5 6 9 5
5 8 9
Minmax(5) = Maxmin(5) Le jeu est à somme nulle.
Remarques :
- Lorsque J1 = J2 ; la stratégie devient pure. Maxmin = Minmax
Max𝑖 [min𝑗 𝑎𝑖𝑗 ] = Min𝑗 [max𝑖 𝑎𝑖𝑗 ] = 𝑉
La stratégie se limite dans le choix d’une ligne ou d’une colonne
généralement. Avec V : valeur du jeu.
- Dans le cas contraire c’est-à-dire J1 ≠ J2

Maxmin ≠ Minmax ; la stratégie est dite mixte.

57
Exemple :
−3 −2 6
[2 0 2]
5 −1 6
Solution
−3 −2 6 −3 Maxmin (O) = Minmax (0)

[2 0 2] 𝟎 Le jeu est à somme nulle.
5 −1 6 −1
5 𝟎 6
3.5.1. Jeu de stratégie pure
L’hypothèse de départ est que les deux joueurs sont intelligents (leurs décisions
étant rationnelles) et prudents (car ne prenant aucun risque). L’objectif des joueurs
au terme d’une compétition est de trouver une satisfaction. Nous supposons alors
que les deux joueurs sont intelligents et prudent donc rationnels.
Par conséquent, la politique du joueur 1 est la stratégie du Maximin, et celle du
Joueur 2 est la stratégie du Minimax. C’est-à-dire ; J1 choisit la ligne qui maximise
son plus petit gain assuré et J2 choisit la colonne qui minimise sa plus grande perte.
Lorsque le tableau de paiement qui est une matrice (𝑎𝑖𝑗 )𝑚×𝑛 est telle que :
Max𝑖 [min𝑗 𝑎𝑖𝑗 ] = Min𝑗 [max𝑖 𝑎𝑖𝑗 ] = 𝑉
Alors on dit que ce jeu possède un point d’équilibre ou un point-selle de coordonnées

(𝑖 ∗ , 𝑗 ∗ ). La valeur commune V est appelée valeur du jeu.
Un jeu rectangulaire peut posséder un ou plusieurs points d’équilibre mais la
valeur du jeu est unique. Le gain ou la perte de chaque joueur est égal à V et le jeu
est dit strictement déterminé. Le jeu est dit équitable si V=0.
3.5.2. Jeu de stratégie mixte
Considérons le jeu rectangulaire suivant :
Y
Probabilités 𝑞1 𝑞2 𝑞3 … 𝑞𝑛
Stratégies 𝑒1 𝑒2 𝑒3 … 𝑒𝑛
𝑝1 𝑑1 𝑎11 𝑎12 𝑎13 … 𝑎1𝑛
𝑝2 𝑑2 𝑎21 𝑎22 𝑎23 … 𝑎2𝑛
X 𝑝3 𝑑3 𝑎31 𝑎32 𝑎33 … 𝑎3𝑛
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑝𝑚 𝑑𝑚 𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 … 𝑎𝑚𝑛

58
Par stratégie mixte, on entend le fait pour un joueur d’employer simultanément

plusieurs statistiques selon des proportions à déterminer. Plus concrètement, le
joueur X, au lieu de choisir, comme ci-dessus, une stratégie di parmi ses stratégies,
va les choisir par hasard avec des probabilités 𝑝1 , 𝑝2 , … , 𝑝𝑚 (∑𝑚
𝑖=1 1, 𝑝𝑖 ≥ 0) en se
comportant ainsi, il peut être sur de gagner au moins V (valeur du jeu).
Le joueur X imagine que le joueur Y va utiliser la distribution des fréquences
𝑄 = 𝑞1 , 𝑞2 , … , 𝑞𝑛 pour ses décisions respectives 𝑒1 , 𝑒2 , … , 𝑒𝑛 . Il va s’efforcer à son tour
de lui opposer une autre distribution 𝑝′ = 𝑝1 , 𝑝2 , … , 𝑝𝑚 pour ses propres décisions
𝑑1 , 𝑑2 , … , 𝑑𝑚 .
Pour cela, il va chercher à maximiser son espérance mathématique de gain, G(X)
et calcule cette espérance :
𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑞1
𝑎 𝑎22 ⋯ 𝑎2𝑛 𝑞2
𝐺(𝑋) = 𝑃′ 𝐴𝑄 ′ = [𝑝1 𝑝2 … 𝑝𝑚 ] [ 21
⋮ ⋮ ⋮ ⋮ ][ ⋮ ]
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑞𝑛
𝐺(𝑋) = (𝑎11 𝑝1 + 𝑎21 𝑝2 + … + 𝑎𝑚1 𝑝𝑚 )𝑞1 + (𝑎12 𝑝1 + 𝑎22 𝑝2 + … + 𝑎𝑚2 𝑝𝑚 )𝑞2 + … +
(𝑎1𝑛 𝑝1 + 𝑎2𝑛 𝑝2 + … + 𝑎𝑚𝑛 𝑝𝑚 )𝑞𝑛 (1)
Le joueur Y, joueur minima, va minimiser son espérance mathématique des pertes
P(Y), qu’il calcule par la formule :
𝑎11 𝑎21 ⋯ 𝑎𝑚1 𝑝1
𝑎 𝑎22 ⋯ 𝑎𝑚2 𝑝2
𝑃(𝑌) = 𝑄𝐴′𝑃 = [𝑞1 𝑞2 … 𝑞𝑛 ] [ 12
⋮ ⋮ ⋮ ⋮ ][ ⋮ ]
𝑎1𝑛 𝑎2𝑛 ⋯ 𝑎𝑛𝑚 𝑝𝑛
𝑃(𝑌) = (𝑎11 𝑞1 + 𝑎12 𝑞2 + … + 𝑎1𝑛 𝑞𝑛 )𝑝1 + (𝑎21 𝑞1 + 𝑎22 𝑞2 + … + 𝑎2𝑛 𝑞𝑛 )𝑝2 + … +
(𝑎𝑚1 𝑞1 + 𝑎𝑚2 𝑞2 + … + 𝑎𝑛𝑚 𝑞𝑛 )𝑝𝑚 (2)
(1) = (2) = V
G(X) = P(Y) = V
∑𝑛𝑗=1[𝑎1𝑗 𝑝1 + 𝑎2𝑗 𝑝2 + … + 𝑎𝑚𝑗 𝑝𝑚 ]𝑞𝑗 = ∑𝑚
𝑖=1[𝑎𝑖1 𝑞1 + 𝑎𝑖2 𝑞2 + … + 𝑎𝑖𝑛 𝑞𝑛 ]𝑝𝑖
En supposant que la matrice est d’ordre 2 ; on aura :

(𝑎11 𝑝1 + 𝑎21 𝑝2 )𝑞1 + (𝑎12 𝑝1 + 𝑎22 𝑝2 )𝑞2 = (𝑎11 𝑞1 + 𝑎12 𝑞2 )𝑝1 + (𝑎21 𝑞1 + 𝑎22 𝑞2 )𝑝2
Von NEUMANN et MORGENSTERN ont affirmé l’égalité du Maximin et du
Minimax pour les stratégies optimales. Ce qui réduit le jeu en un coup avec un
point d’équilibre, la valeur du jeu est V qui représente le gain moyen assuré le plus
élevé de X et la perte moyenne assurée la plus faible de Y.
La stratégie mixte optimale du joueur X est indépendant de la stratégie mixte
adoptée par le joueur Y ; ainsi, quel que soit le comportement de Y, le jour X, en
appliquant la stratégie optimale, est assuré de gagner en moyenne au moins la
somme 𝑉 (𝐺(𝑋) ≥ 𝑉).

59
De même le joueur Y en appliquant la stratégie optimale, est assuré de ne pas

perdre en moyenne plus que la somme 𝑉 (𝑃(𝑌) ≤ 𝑃).
La théorie mathématique des jeux établit que les inconnus 𝑝1 , 𝑝2 , … , 𝑝𝑚 et
𝑞1 , 𝑞2 , … , 𝑞𝑛 et V satisfont aux relations suivantes :
Pour le joueur 1 (X) Pour le joueur 2 (Y)
𝑝1 + 𝑝2 + ⋯ + 𝑝𝑚 = 1 𝑞1 + 𝑞2 + ⋯ + 𝑞𝑛 = 1
𝑠/𝑐 𝑎11 𝑝1 +𝑎12 𝑝2 +⋯+𝑎𝑚1 𝑝𝑚 ≥𝑉 𝑠/𝑐 𝑎11 𝑞1 +𝑎12 𝑞2 +⋯+𝑎1𝑛 𝑞𝑛 ≤𝑉
𝑎12 𝑝1 +𝑎22 𝑝2 +⋯+𝑎𝑚2 𝑝𝑚 ≥𝑉 𝑎 𝑞 +𝑎 𝑞+⋯+𝑎2𝑛 𝑞𝑛 ≤𝑉
{ { 21 1 22
⋮ … ⋮ ⋯ ⋮ ⋮ ⋮ … ⋮ ⋯ ⋮ ⋮
𝑎1𝑛 𝑝1 +𝑎2𝑛 𝑝2 +⋯+𝑎𝑚𝑛 𝑝𝑚 ≥𝑉 𝑎𝑚1 𝑞1 +𝑎𝑚2 𝑞2 +⋯+𝑎𝑚𝑛 𝑞𝑛 ≤𝑉
𝑝𝑖 ≥ 0, ∀(𝑖 = 1,2, … , 𝑖) 𝑞𝑗 ≥ 0, ∀(𝑗 = 1,2, … , 𝑗)
Ceci nous ramène à la programmation linéaire où le joueur 1 est le primal et le

joueur 2 est le dual.
Une autre méthode de résolution valable lorsque la valeur du jeu n’est pas
certainement sûre d’être positive : on applique le théorème de Von NEUMANN
(tout jeu fini, statique, à information complète, à deux joueurs et à somme nulle
possède une valeur) qui consiste à transformer une stratégie en un PL de la sorte :
Soient :
- Les relations permettant de calculer une stratégie optimale du joueur X
∑𝑚 𝑚
𝑖=1 𝑝𝑖 = 1 , 𝑝𝑖 ≥ 0 et ∑𝑖=1 𝑎𝑖𝑗 𝑝𝑖 ≥ 𝑉 ; 𝑗 = 1, 2, … 𝑛 (1)
- Les relations permettant de calculer une stratégie optimale du joueur Y
∑𝑛𝑗=1 𝑞𝑗 = 1 , 𝑞𝑗 ≥ 0 et ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑞𝑗 ≤ 𝑉 ; 𝑗 = 1, 2, … 𝑛 (1)
En appliquant le théorème de Von NEUMANN, par hypothèse, V>0 ; au cas

contraire, on peut toujours obtenir une valeur du jeu positive en ajoutant à tous
les termes du jeu rectangulaire un même nombre positif suffisamment grand égal
ou moins au négatif de Maximin ou la valeur absolue du terme négatif de plus
grande valeur absolue du jeu.
Les stratégies optimales ne changent pas, mais la valeur du jeu est augmentée de
cette quantité. En général, si la valeur du Maximin est non négative, la valeur du
jeu est plus grande que 0 (V>0) pourvue que le jeu ne possède pas de point-selle.
𝑝𝑖 𝑞𝑗
On pose 𝑝̅𝑖 = ; 𝑖 = 1, 2, … , 𝑚 et 𝑞̅𝑗 = , 𝑗 = 1, 2, … , 𝑛
𝑉 𝑉
On aura :
1
 ∑𝑚
𝑖=1 𝑝
̅𝑖 = et ∑𝑚
𝑖=1 𝑎𝑖𝑗 𝑝
̅𝑖 ≥ 1 ; 𝑗 = 1, 2, … , 𝑛
𝑉
1
 ∑𝑛𝑗=1 𝑞̅𝑗 = 𝑉 et ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑞̅𝑗 ≤ 1 ; 𝑖 = 1, 2, … , 𝑚

60
La quantité V chercher devant être maximiser, le problème revient à chercher des

nombres 𝑝̅𝑖 ≥ 0 solution de :
𝑀𝑖𝑛 𝐹 = ∑𝑛𝑖=1 𝑝̅𝑖 𝑠/𝑐 ∑𝑚
𝑖=1 𝑎𝑖𝑗 𝑝
̅𝑖 ≥ 1 𝑗 = 1, 2, … , 𝑛
Notations similaires pour Y

𝑀𝑎𝑥 𝐺 = ∑𝑛𝑗=1 𝑞̅𝑗 𝑠/𝑐 ∑𝑛𝑗=1 𝑎𝑖𝑗 𝑞̅𝑗 ≤ 1 𝑖 = 1, 2, … , 𝑚
Après application du théorème de Von NEUMANN, le PL devient :
𝑀𝑖𝑛 𝐹 = 𝑝̅1 + 𝑝̅2 + ⋯ + 𝑝̅𝑛 𝑀𝑎𝑥 𝐺 = 𝑞̅1 + 𝑞̅2 + ⋯ + 𝑞̅𝑛

𝑠/𝑐 𝑎11 𝑝̅1 +𝑎21 𝑝̅2 +⋯+𝑎𝑚1 𝑝̅𝑚 ≥1 𝑠/𝑐 𝑎11 𝑞̅1 +𝑎12 𝑞̅2 +⋯+𝑎1𝑛 𝑞̅𝑛 ≤1
𝑎12 𝑝̅1 +𝑎22 𝑝̅2 +⋯+𝑎𝑚2 𝑝̅𝑚 ≥1 𝑎21 𝑞̅1 +𝑎22 𝑞̅2 +⋯+𝑎2𝑛 𝑞̅𝑛 ≤1
⋮ … ⋮ ⋯ ⋮ ⋮ ⋮ … ⋮ ⋯ ⋮ ⋮
{𝑎1𝑛 𝑝̅1 +𝑎2𝑛 𝑝̅2 +⋯+𝑎𝑚𝑛 𝑝̅𝑚 ≥1 {𝑎𝑚1 𝑞̅1 +𝑎𝑚2 𝑞̅2 +⋯+𝑎𝑚𝑛 𝑞̅𝑛 ≤1
𝑝̅1 , 𝑝̅2 , … , 𝑝̅𝑚 ≥ 0 𝑞̅1 , 𝑞̅2 , … , 𝑞̅𝑛 ≥ 0
Exemple :
Soit le jeu suivant :
−1 2 1
𝐴=[ 1 −2 2 ] 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑢 𝑗𝑒𝑢
3 4 −3
Solution
−1 2 1 −𝟏 Maxmin (−1) ≠ Minmax (2)
𝐴=[ 1 −2 2 ] −𝟐 Le jeu est mixte
3 4 −3 −𝟑
𝟑 𝟒 𝟐
La valeur du jeu n’étant pas connue, on va appliquer le théorème de Von

NEUMANN. On va également transformer notre matrice puisse que V ne doit pas
être négative.
𝐴̅ = 𝐴 + 𝑀𝑎𝑥 𝑎𝑖𝑗 3 6 5 𝟑 Maxmin (3) ≠ Minmax 6)
𝐴̅ = 𝐴 + 4 ⟹ 𝐴̅ = [5 2 6] 𝟐 Le jeu est mixte
7 8 1 𝟏
𝟕 𝟖 𝟔
[𝑝̅1 , 𝑝̅2 , 𝑝̅3 ]𝐴̅ ⟹ 𝑀𝑖𝑛 𝐶 = 𝑝̅1 + 𝑝̅2 + 𝑝̅3

𝑠/𝑐 3𝑝̅1 +5𝑝̅2 +3𝑝̅3 ≥1
{6𝑝̅1 +2𝑝̅2 +8𝑝̅3 ≥1
5𝑝̅1 +6𝑝̅2 +𝑝̅3 ≥1
𝑝̅1 , 𝑝̅2 , 𝑝̅3 ≥ 0

61
Dual Standardisation
𝑀𝑎𝑥 𝑍 = 𝑞̅1 + 𝑞̅2 + 𝑞̅3 𝑀𝑎𝑥 𝑍 = 𝑞̅1 + 𝑞̅2 + 𝑞̅3 + 0𝑞̅4 + 0𝑞̅5 + 0𝑞̅6
𝑠/𝑐 3𝑞̅1 +6𝑞̅2 +5𝑞̅3 ≤1 𝑠/𝑐 3𝑞̅1 +6𝑞̅2 +5𝑞̅3 +𝑞̅4 =1
{5𝑞̅1 +2𝑞̅2 +6𝑞̅3 ≤1 { 5𝑞̅1 +2𝑞̅2 +6𝑞̅3 +𝑞̅5 =1
7𝑞̅1 +8𝑞̅2 +𝑞̅3 ≤1 7𝑞̅1 +8𝑞̅2 +𝑞̅3 +𝑞̅6 =1
𝑞̅1 , 𝑞̅2 , 𝑞̅3 ≥ 0 𝑞̅1 , 𝑞̅2 , 𝑞̅3 ≥ 0
𝐶𝑗 1 1 1 0 0 0
𝐶𝑖 𝑖 𝑞̅1 𝑞̅2 𝑞̅3 𝑞̅4 𝑞̅5 𝑞̅6 𝑉𝑜𝑖 𝜃
0 4 3 6 5 1 0 0 1 1/3
0 5 5 2 6 0 1 0 1 1/5
0 6 7 8 1 0 0 1 1 1/7
𝑍𝑗 0 0 0 0 0 Z=0
∆𝑗 1 1 1 0 0
0 4 0 18/7 32/7 1 0 -3/7 4/7 1/8
0 5 0 -26/7 37 0 1 -5/7 2/7 2/37
7
1 1 1 8/7 1/7 0 0 1/7 1/7 1
𝑍𝑗 1 8/7 1/7 0 0 1/7 Z=1/7
∆𝑗 0 -1/7 6/7 0 0 0
0 4 0 1498 0 1 -32/7 49/259 84/259 6/107
259
1 3 0 -26/37 1 0 7/37 -5/37 2/37 -1/13
1 1 1 322/259 0 0 -37 42/259 35/259 5/46
𝑍𝑗 1 Z = 19/598
∆𝑗 0 119/259 0 0 -6/37 -32/259
1 2 0 1 0 13/107 9/107 -12/107 6/107
1 3 0 0 1 -23/107 17/107 13/107 11/107
1 1 1 0 0 32/107 -16/107 7/214 7/107
𝑍𝑗 1 1 1 𝐙 = 𝟐𝟑/𝟏𝟎𝟕
∆𝑗 0 0 0 -17/214 -10/107 -9/214
(VR) (VE) 𝑞̅1 = 7/107 ∆4 = 𝑝̅1 = 17/214

Primal 𝑝̅1 𝑝̅2 𝑝̅3 𝑝̅4 𝑝̅5 𝑝̅6 𝑞̅2 = 6/107 ∆5 = 𝑝̅2 = 10/107
Dual 𝑞̅4 𝑞̅5 𝑞̅6 𝑞̅1 𝑞̅2 𝑞̅3 𝑞̅3 = 11/107 ∆6 = 𝑝̅3 = 9/214
(VE) (VR)
1
∑ 𝑞̅𝑗 = 𝑉 + 4 = 𝑉′
𝑉′
23 1 𝑉 = 𝑉′ − 4
⟹ = ′ 107
107 𝑉 𝑉= −4
⟹ 𝑉 ′ = 107/23 23
𝐕 = 𝟏𝟓/𝟐𝟑

62
𝑞𝑗 𝑝𝑖
𝑞̅𝑗 = ⟹ 𝑞𝑗 = 𝑞̅𝑗 𝑉 ′ 𝑝̅𝑖 = ⟹ 𝑝𝑖 = 𝑝̅𝑖 𝑉 ′
𝑉′ 𝑉′
7 107 17 107
𝑞1 = 𝑞̅1 𝑉 ′ = ( ) = 7/23 𝑝1 = 𝑝̅1 𝑉 ′ = ( ) 23 = 17/46
107 23 214
6 107 ′ 10 107
𝑞2 = 𝑞̅2 𝑉 ′ = ( ) = 6/23 𝑝2 = 𝑝2 𝑉 = (
107
)
23
= 𝟏𝟎/𝟐𝟑
107 23
10 107 9 107
𝑞3 = 𝑞̅3 𝑉 ′ = ( ) = 𝟏𝟎/𝟐𝟑 𝑝3 = 𝑝̅3 𝑉 ′ = ( ) = 9/46
107 23 214 23
X choisira (plus grande valeur) 𝑞3 Y choisir (plus grande valeur) 𝑝2

comme éventualité comme éventualité
3.6. Stratégie dominante (la dominance)
On appelle stratégie dominante pour le joueur 1, la ligne dont les coefficients sont
supérieurs ou égales aux coefficients correspondant des autres lignes. Le joueur 1
dans sa stratégie jouera sur la ligne dominante.
Pour le joueur 2, c’est la colonne dont tous les coefficients sont supérieurs ou égales
aux coefficients correspondants des autres colonnes. Le joueur 2 dans sa stratégie
ne jouera jamais sur la colonne dominante.
Une matrice peut être réduite à sa forme (2 × 2) en éliminant les lignes ou
colonnes. L’élimination se fait par ligne, soit par colonne et non les deux à la fois.
- Une ligne dominée peut être effacée ;
- Une colonne dominante peut être effacée sans modifier la valeur du jeu ni
les fréquences à calculer.
Exemple :
5 7
10 3
A=[ ]
2 4
5 6
Solution
10 3
𝐴=[ ]
5 8
Après utilisation de la dominance pour réduire un jeu quelconque en un jeu

(2 × 𝑛) 𝑜𝑢 (𝑚 × 2), on peut alors résoudre le sous-jeu obtenu soit par la méthode
matricielle ou graphique.

63
3.6.1. Méthode graphique
Cette méthode ne peut être utiliser que lorsque l’un des joueurs ne dispose que de
deux stratégies.
Exemple :
5 7
10 3
A=[ ]
2 4
5 6
On localise le point le plus haut et on
a la matrice suivante :
5 7
𝐴=[ ]
10 3
Pour déterminer la valeur du jeu, il faut :

𝑎11 𝑎12
Soit 𝐴 = [𝑎 𝑎22 ] une sous-matrice
21
𝑎11 𝑎12 𝑎11 𝑎21
𝑝 = [𝑝1 𝑝2 ] [
𝑎21 𝑎22 ] 𝐴′ = [𝑎 𝑎22 ]
12
⟹ 𝑎11 𝑝1 + 𝑎21 𝑝2 = 𝑎12 𝑝1 + 𝑎22 𝑝2
avec 𝑝1 + 𝑝2 = 1 ⟹ 𝐩𝟐 = 𝟏 − 𝐩𝟏 𝑎 𝑎21
𝑞 = [𝑞1 𝑞2 ] [ 11
𝑎12 𝑎22 ]
𝑎11 𝑝1 + 𝑎21 (1 − 𝑝1 ) = 𝑎12 𝑝1 + 𝑎22 (1 − 𝑝1 ) ⟹ 𝑎11 𝑞1 + 𝑎12 𝑞2 = 𝑎21 𝑞1 + 𝑎22 𝑞2
𝑎11 𝑝1 + 𝑎21 − 𝑎21 𝑝1 = 𝑎12 𝑝1 + 𝑎22 − 𝑎22 𝑝1 avec 𝑞1 + 𝑞2 = 1 ⟹ 𝐪𝟐 = 𝟏 − 𝐪𝟏
𝑎11 𝑝1 − 𝑎21 𝑝1 − 𝑎12 𝑝1 + 𝑎22 𝑝1 = 𝑎22 − 𝑎21
(𝑎11 − 𝑎21 − 𝑎12 + 𝑎22 )𝑝1 = 𝑎22 − 𝑎21 𝑎11 𝑞1 + 𝑎12 (1 − 𝑞1 ) = 𝑎21 𝑞1 + 𝑎22 (1 − 𝑞1 )
𝑎11 𝑞1 + 𝑎12 − 𝑎12 𝑞1 = 𝑎21 𝑞1 + 𝑎22 − 𝑎22 𝑞1
𝐚𝟐𝟐 −𝐚𝟐𝟏 𝑎11 𝑞1 − 𝑎12 𝑞1 − 𝑎21 𝑞1 + 𝑎22 𝑞1 = 𝑎22 − 𝑎12
𝐩𝟏 = (𝑎11 − 𝑎12 − 𝑎21 + 𝑎22 )𝑞1 = 𝑎22 − 𝑎12
𝐚𝟏𝟏 −𝐚𝟐𝟏 −𝐚𝟏𝟐 +𝐚𝟐𝟐
𝐚𝟐𝟐 −𝐚𝟏𝟐
𝐕=
|𝑨| 𝐪𝟏 =
𝐚𝟏𝟏 −𝐚𝟏𝟐 −𝐚𝟐𝟏 +𝐚𝟐𝟐
𝐚𝟏𝟏 −𝐚𝟐𝟏 −𝐚𝟏𝟐 +𝐚𝟐𝟐
|𝑨′ |
𝐕=
𝐚𝟏𝟏 −𝐚𝟏𝟐 −𝐚𝟐𝟏 +𝐚𝟐𝟐

64
Exemple :
5 7
𝐴=[ ]
10 3
Solution :
|𝐴| = 15 − 70 = −55 5 10 |𝐴′ |
𝐴′ = [ ] = 15 − 70 = −55
7 3
a22 −a21 3−10 7
p1 = = = a22 −a12 3−10 7
a11 −a21 −a12 +a22 5−10−7+3 9 q1 = = =
7 2 a11 −a12 −a21 +a22 5−10−7+3 9
p2 = 1 − p1 = 1 − = 7 2
|𝐴|
9
55
9 q2 = 1 − q1 = 1 − =
9 9
V= = |A′ | 55
a11 −a21 −a12 +a22 9
V= =
a11 −a12 −a21 +a22 9
3.6.2. Méthode matricielle
[1 1][𝐴̃] [1 1][𝐴̃′ ]
[𝑝1 𝑝2 ] = 1 [𝑞1 𝑞2 ] = 1
[1 1][𝐴̃][ ] [1 1][𝐴̃′ ][ ]
1 1
|𝐴| 𝑎11 𝑎12 𝑞1
𝑉= 1 𝑉= [𝑝1 𝑝2 ] [𝑎 𝑎22 ] [𝑞2 ]
[1 1][𝐴̃][ ] 21
1
Exemple : considérons la matrice d’un jeu (non strictement déterminée)

2 6
𝐴=[ ]
4 3
Solution :
3 −6
[1 1][𝐴̃] [1 1][ ] [−1−4] [−1 −4] 1 4
[𝑝1 𝑝2 ] = 1 = −4 2
3 −6 1 = 1 = = [5 ]
[1 1][𝐴̃][ ] [1 1][ ][ ] [−1 −4] [ ] −5 5
1 −4 2 1 1
3 −4
[1 1][𝐴̃′ ] [1 1][ ] [−3−2] [−3 −2] 3 2
[𝑞1 𝑞2 ] = 1 = −6 2
3 −4 1 = 1 = = [5 ]
[1 1][𝐴̃′ ][ ] [1 1][ ][ ] [−3 −2] [ ] −5 5
1 −6 2 1 1
|𝐴| 18
𝑉= 1 =
[1 1][𝐴̃][ ] 5
1
𝑎 𝑎12 𝑞1 1 4 2 6 3 2
ou 𝑉 = [𝑝1 𝑝2 ] [ 11 ] [ ] = [ ][ ][ ] =
𝑎21 𝑎22 𝑞2 5 5 4 3 5 5
18 18 3 2 18
[5 5
] [5 5
]=
5

65
3.7. Equilibre de NASH
L’équilibre de Nash est un état dans lequel aucun joueur ne souhaite modifier sa
stratégie étant donné les stratégies adoptées par les autres joueurs. C’est un
ensemble de stratégies (une par joueur) tel qu’aucun joueur ne peut obtenir un gan
supplémentaire en changeant unilatéralement de stratégie.
Généralement, on résout cet équilibre par la méthode EISD dite d’élimination
itérative (successive) des stratégies strictement dominées (méthode de la
dominance itérée).
Un jeu peut être résolu par EISD si on obtient un unique profil en éliminant
successivement des stratégies (strictement) dominées. Les profils obtenus après
élimination itératives des stratégies (strictement) dominées ne dépendent pas de
l’ordre choisie pour l’élimination des stratégies.
Deuxièmement, la recherche d’un équilibre de Nash peut nous conduire à la
résolution d’un jeu mixte, en faisant recours au théorème de Von Neumann.
Remarques
 En stratégie pure, un jeu stratégique peut avoir plusieurs équilibres de
Nash ;
 Si le jeu est solvable par EISD, alors le vecteur de stratégie qui en résulte
est un équilibre de Nash du jeu initial ;
 Une situation de jeu ou chaque stratégie est la meilleure réponse à l’autre
est un équilibre de Nash.
En résolvant l’équilibre de Nash par la dominance pour les couples (X, Y), on
procèdera de la sorte :
- Pour les lignes : on compare les 1ères valeurs et on élimine la ligne dominée
- Pour les colonnes : on compare les 2èmes valeurs et on élimine la colonne
dominée.
- S’agissant des valeurs négatives, on élimine la ligne ou colonne dominante.

66
Exercices :
1) Déterminer un équilibre de Nash dans le jeu ci-après
Joueur B
Gauche Droite
Joueur A Haut 2,1 0,0
Bas 0,0 1,2
Solution
Si A joue H (2) ; B jouera G (1) Si B joue G (1) ; A jouera H (2)
Si A joue B (0) ; B jouera D (0) Si B joue D (2) ; A jouera B (1)
Donc, la meilleure réponse de A est H Donc, la meilleure réponse de B est D
Mr = H,G Mr = B,D
Le jeu a deux équilibres de Nash H, G et B, D

le couple (2,1) et (1,2)
2) Résoudre le jeu suivant par EISD
Joueur 2
U V W
Joueur 1 X 3,6 7,1 4,8
Y 5,1 8,2 6,1
Z 6,0 6,2 3,2
Solution
Le couple (Y, V) = (8,2) est la solution du jeu par EISD et représente également
l’équilibre de Nash.
3) Déterminer un équilibre de Nash dans le jeu ci-après :
B
U V W
A X (8,8) (4,7) (10,6)
Y (9,2) (5,5) (6,3)

67
Solution
Donc, l’équilibre de Nash est le coupe (Y, V) = (5,5)
4) Dilemme du prisonnier
Deux bandits se font arrêter par la police. Les policiers n’ont pas assez de preuve
pour les inculper. Les policiers interrogent les bandits séparément. Les bandits
peuvent soit garder silence (S) soit se confesser (C) sous peine repris dans la
matrice suivante :
Y
S C
X S (-5,-5) (-30,-1)
C (-1,-30) (-10,-10)
Solution :
5) Un "marchand à la sauvette" dont le revenu varie selon l'exacte prévision

qu'il sait ou ne sait pas faire au sujet des circonstances atmosphériques qui
régneront le lendemain, doit choisir, aujourd'hui, parmi les journaux (stratégie I),
les fleurs (stratégie II) ou les fruits (stratégie III), l'article à présenter le
lendemain. La demande du premier article indépendante de la météorologie
s'établit (en valeur) à 21 quelles que soient les conditions atmosphériques. La
demande du second article au contraire s'établit à 36 lorsqu'il fait chaud, à 15 s'il
fait beau et froid, à 9 si le temps est pluvieux et doux et à 6 s'il pleut et fait froid
en même temps. La demande des fruits enfin se fixe à 6, 30, 4 et 24 respectivement
dans chacune de ces hypothèses. Quel doit être son choix s'il désire maximiser son
gain minimum espéré ?

68
Solution
A B C D
Stratégies Chaud Beau et Pluvieux Pluvieux
Froid et Doux et Froid Min
Journaux (I) 21 21 21 21 21
Fleures (II) 36 15 9 6 6
Fruits (III) 6 30 4 24 4
Max 36 30 21 24
Maxmin (21) = Minmax (21)

En désirant maximiser son gain minimum, le marchand étant prudent, choisira
les journaux (Stratégie I) comme article à présenter le lendemain.
6)La société Vetryck envisage de fusionner avec la société Ocayna. Cette

stratégie impose des investigations particulières tant du point de vue des
simulations d’évolution de l’environnement que celui des choix commerciaux liés à
ces simulations. L’étude donne les résultats suivants :
Trois simulations parallèles peuvent être retenues pour l’évolution de

l’environnement :
- H1 : environnement conforme aux prévisions initiales ;

- H2 : banalisation du produit ;
- H3 : banalisation du produit et apparition de concurrents.
Trois stratégies possibles font l’objet d’une attention particulière :
- S1 : distribution par magasins spécialisés à travers le réseau classique ;

- S2 : distribution dans les magasins « grand public » ;
- S3 : distribution par réseau spécialisé appartenant à l’entreprise liée.
Les conséquences financières ont été évaluées comme suit (espérance

mathématique des flux de trésorerie relatifs aux ventes de produits X en millions
de francs) :
Etats de l’environnement
Stratégies H1 H2 H3
S1 8,8 8,2 5,3
S2 9,2 7,5 5,7
S3 9 7,8 6,2

69
a) Indiquer le choix stratégique à suggérer aux dirigeants supposés être :
- Modérément optimistes à 60 %.
- Indécis
b) Les probabilités pour que H1 et H3 se réalisent sont fixées à 0,3 et 0,5

respectivement. Quel critère utilisez-vous dans ce cas et indiquez le choix
stratégique s’y rapportant.
Solution
a) Optimiste à 60% (HURWICZ)
𝑆1 = 0,6(8,8) + 0,4(5,3) = 7,4

𝑆2 = 0,6(9,2) + 0,4(5,7) = 7,8
𝑆3 = 0,6(9) + 0,4(6,2) = 𝟕, 𝟖𝟖
S3 sera choisie selon ce critère
 Indécis (critère de Savage)
8,8 8,2 5,3

𝐴 = [9,2 7,5 5,7]
9 7,8 6,2
9,2 − 8,8 8,2 − 8,2 6,2 − 5,3 0,4 0 0,9 𝟎, 𝟗
𝑅 = [9,2 − 9,2 8,2 − 7,5 6,2 − 5,7] → 𝑅 = [ 0 0,7 0,5] 𝟎, 𝟕
9,2 − 9 8,2 − 7,8 6,2 − 6,2 0,2 0,4 0 𝟎, 𝟒
Les dirigeants choisiront la distribution par réseau spécialisé appartenant à

l’entreprise liée.
b) Critère de Laplace
𝑆1 = 0,3(8,8) + 0,2(8,2) + 0,5(5,3) = 6,93

𝑆2 = 0,3(9,2) + 0,2(87,5) + 0,5(5,7) = 7,11
𝑆3 = 0,3(9) + 0,2(7,8) + 0,5(6,2) = 𝟕, 𝟑𝟔
Les dirigeants choisiront la distribution par réseau spécialisé appartenant à

l’entreprise liée.

70
7) La Bralima étudie les variations des prix de vente de sa bière par rapport à
sa concurrente la Bras-congo. Elle a mis en évidence ses gains et ses pertes lorsque
les prix de vente diminuent de 10 %, restent constants ou augmentent de 10 %.
Une étude de marché, réalisée par la Bralima, indique que si elle diminuait ses
prix de 10%, elle perdrait 1 u.m, gagnerait 3 u.m. et perdrait 3 u.m. respectivement
si sa concurrente diminuait ses prix de 10 %, les laissait inchangés ou les
augmentait de 10 %. Si ses prix restaient constants, ses gains seraient de 2 u.m. 0
u.m.et 3 u.m. respectivement si sa concurrente diminuait ses prix de 10 %, les
laissait inchangés ou les augmentait de 10 %. Si elle augmentait ses prix de 10 %,
ses gains seraient de 2, 1 u.m. et 0 u.m. respectivement si sa concurrente diminuait
ses prix de 10 %, les laissait inchangés ou les augmentait de 10 %.
a) Votre voisin a trouvé que la stratégie optimale de la Bras-Congo est donnée

ci-après.
1 1 1 0 0 0
𝑞̅1 𝑞̅2 𝑞̅3 𝑞̅4 𝑞̅5 𝑞̅6 𝑉𝑂𝑖
-1/3 1 -1 1/3 0 0 1/3
2 0 3 0 1 0 2
Est-ce une solution optimale ?
b) Si oui, à partir de votre tableau optimal, donnez les stratégies optimales

pour la Bralima.
Solution
a) La matrice de jeu est la suivante
Bras-congo
-10% 0% +10%
+10% 2 1 0
Bralima
0% 2 0 3
-10% -1 3 -3
𝐶𝑗 1 1 1 0 0 0
𝐶𝑖 i 𝑞̅1 𝑞̅2 𝑞̅3 𝑞̅4 𝑞̅5 𝑞̅6 𝑉𝑂𝑖 𝜃
1 2 -1/3 1 -1 1/3 0 0 1/3 -1/3
0 5 2 0 3 0 1 0 2 1/3
0 6 0 2 0 1 1 1/2
𝑍𝑗 -1/3 1 -1 1/3 0 0 Z=0
∆ 4/3 0 2 -1/3 0 0

71
𝐶𝑗 1 1 1 0 0 0
𝐶𝑖 i 𝑞̅1 𝑞̅2 𝑞̅3 𝑞̅4 𝑞̅5 𝑞̅6 𝑉𝑂𝑖
1 3 1/3 1 0 1/3 1/3 0 2/3
1 5 2/3 0 1 0 1/3 0 1/3
0 6 0 0 -2/3 1 1/3
𝑍𝑗 1 1 1 1/3 2/3 0 Z=1
∆ 0 0 0 -1/3 -2/3 0
2 1 1
𝑞̅2 = ; 𝑞̅3 = ; 𝑞̅6 = 𝑒𝑡 𝑞̅1 = 𝑞̅4 = 𝑞̅5 = 0
3 3 3
1 4 1
∑ 𝑞̅𝑖 = ⟹ = ⟹ 4𝑉 = 3 ⟹ 𝑉 = 4/3
𝑉 3 𝑉
1 2
∆4 = 𝑃̅1 = ; ∆5 = 𝑃̅2 = ; ∆6 = 𝑃̅3 = 0
3 3
1 3 1
∑ 𝑃̅𝑖 = ⟹ = ⟹𝑉=1
𝑉 3 𝑉
La Bras-congo augmentera son prix de 10% pour 1/3 des cas et les laissera
constants pour les 2/3 des cas. Elle perdra dans ce cas une unité monétaire.
b)
1 1
𝑃1 = 𝑃̅1 𝑉 = 1 ⟹ 𝑃1 =
3 3
2 𝟐
𝑃2 = 𝑃̅2 𝑉 = 3 1 ⟹ 𝐏𝟐 = 𝟑
En utilisant la dualité, on trouve p1 = 1/3 et p2 = 2/3. Et V = 1. La Bralima

diminuera son prix de 10% pour 1/3 des cas et les laissera constants pour les 2/3
des cas. Elle gagnera, dans ce cas, une unité monétaire.
8) Un étudiant de G3 en Sciences Economiques et Gestion doit décider de la

manière dont il doit préparer son examen final de MQE. Ce dernier peut être du
type Vrai ou Faux, à Choix multiples ou une Dissertation. Il pense que s'il étudie
sa matière dans l'hypothèse de la première forme, il obtiendra une cote de 17 sur
20 si l'examen était du type V ou F, la cote de 16/20 si l'examen était à choix
multiples et la cote de 15/20 si l'examen était une dissertation. S'il se prépare en
fonction d'un examen à Choix multiples, sa cote sera respectivement de 13/20,
16/20 et 16/20 dans l'hypothèse de la première, de la deuxième ou de la troisième
forme. Enfin, s'il étudie en fonction d'une Dissertation, il obtiendra la cote de 16/20
dans un examen de type Vrai ou Faux et de 18/20 dans les deux derniers cas.
a) Comment doit-il préparer son examen s’il est un esprit torturé ?

b) Comment doit-il préparer son examen pour maximiser sa cote minimale
espérée.
72
Solution
a) La matrice de jeu est la suivante
Vrai ou Choix Dissertation

Faux multiples
Vrai ou 17 16 15
Faux
Choix 13 16 16
multiples
Dissertation 16 18 18
17 16 15
𝐴 = [13 16 16]
16 18 18
17 − 17 18 − 16 18 − 15 0 2 3 𝟑
𝑅 = [17 − 13 18 − 16 18 − 16] → 𝑅 = [4 2 2] 𝟒
17 − 16 18 − 18 18 − 18 1 0 0 𝟏
Avec un esprit torturé, l’étudiant préparera son examen en fonction d’une

dissertation.
b)
17 16 15 17 16 15 17 15
13 16 16 16 18 18 16 18
16 18 18
1ère méthode : méthode matricielle
[1 1][𝐴̃] [1 1][ 18 −15] [2 2] [2 2] 1 1

[𝑝1 𝑝2 ] = 1 = −16 17
18 −15 1 = 1 = = [2 ]
[1 1][𝐴̃][ ] [1 1][ ][ ] [2 2] [ ] 4 2
1 −16 17 1 1
1 1
𝑝1 = 𝑒𝑡 𝑝2 =
2 2
|𝐴| 66 33
𝑉= 1 = =
[1 1][𝐴̃][ ] 4 2
1
2ème méthode : méthode algébrique
17𝑋1 + 16𝑋2 = 𝑉 (1)

{ 15𝑋1 + 18𝑋2 = 𝑉 (2)
𝑋1 + 𝑋2 = 1 (3)

73
(1) = (2)
17𝑋1 + 16𝑋2 = 15𝑋1 + 18𝑋2

2𝑋1 = 2𝑋2 ⟹ 𝑋1 = 𝑋2 (4)
(4) 𝑑𝑎𝑛𝑠 (3)

1
𝑋1 + 𝑋2 = 1 ⟹ 𝑋1 =
2
1
𝑋2 =
2
1 1 17 16
𝑉 = 17 ( ) + 16 ( ) = + = 13/2
2 2 2 2
L’étudiant devra consacrer 50% de son temps à préparer son examen à la

dissertation et 50% au Vrai ou faux.

74
CHAPITRE 4 : ANALYSE DU TABLEAU D’ENTRÉES-SORTIES
4.1. Généralités
Les modèles Input-Output sont des modèles macroéconomiques plurisectoriels

dans lesquels la production des biens et services est réalisée par des branches
interdépendantes. Dans ces modèles, l’économie est subdivisée en un nombre
distinct de branches, chacune constituée d’une ou de plusieurs entreprises
produisant un produit similaire : chaque branche achète ses inputs auprès d’autres
branches et vend son output aux autres branches.
L’économie d’une nation peut être simplement représentée sous forme d’un tableau
à entrées-sorties (TES) ou tableau input-output (TIO) ou encore achat et vente
libellé par branches et produits. Les activités sont intersectorielles : Agriculture
(A), Industrie (I) et Service (S) ; inventé depuis 1973 par le professeur WASSILY
LEONTIEF, économiste américain d’origine Russe et prix Nobel d’économie en
1973.
Le TES comprend :
- Un tableau des échanges intermédiaires (CI)
- Un tableau des dépenses finales ou demande finale (DF)
- Un tableau des inputs (j) et outputs (i)
Il est structuré de la sorte :
𝐀 𝐈 𝐒 𝐖𝐢 𝐂 𝐈 𝐆 𝐗 𝐘𝐢 𝐐𝐢
𝑨 𝑋11 𝑋12 𝑋13 𝑊1 𝐶1 𝐼1 𝐺1 𝑋1 𝑌1 𝑄1
𝑩 𝑋21 𝑋22 𝑋23 𝑊2 𝐶2 𝐼2 𝐺2 𝑋2 𝑌2 𝑄2
𝑺 𝑋31 𝑋32 𝑋33 𝑊3 𝐶3 𝐼3 𝐺3 𝑋3 𝑌3 𝑄3
𝑼𝒋 𝑈1 𝑈2 𝑈3 ∑ 𝑊𝑖 ∑ 𝐶𝑖 ∑ 𝐼𝑖 ∑ 𝐺𝑖 ∑ 𝑋𝑖 ∑ Yi ∑ 𝑄𝑖
∑ 𝑈𝑗
𝑳 𝐿1 𝐿2 𝐿3 ∑ 𝐿𝑗
𝑹𝑺 𝑅𝑆1 𝑅𝑆2 𝑅𝑆3 ∑ 𝑅𝑆𝑗
𝑰𝑷 𝐼𝑃1 𝐼𝑃2 𝐼𝑃3 ∑ 𝐼𝑃𝑗
𝑺𝒖𝒃𝒗 𝑆𝑢𝑏1 𝑆𝑢𝑏2 𝑆𝑢𝑏3 ∑ 𝑆𝑢𝑏𝑗
EBE 𝐸𝐵𝐸1 𝐸𝐵𝐸2 𝐸𝐵𝐸3 ∑ 𝐸𝐵𝐸𝑗
𝑽𝑨 𝑉𝐴1 𝑉𝐴2 𝑉𝐴3 ∑ 𝑉𝐴𝑗
𝑸𝒋 𝑄1 𝑄2 𝑄3 ∑ 𝑄𝑗
Ce tableau repose sur certain nombre d’hypothèses, notamment :

- L’homogénéité de la production des branches, c’est-à-dire toutes les
entreprises peuvent se ramener en un nombre assez restreint de types et il
n’y a pas de possibilité de substitution ni dans les usages des biens et
services produits ni dans les méthodes de leur fabrication ;
75
- La constance des coefficients techniques, ce qui implique que les rendements

d’échelle sont constants ;
- Le caractère strictement complémentaire des inputs ;
- L’absence des productions jointes.
4.2. Notation
𝑄𝑖 : output brut de la branche 𝑖

𝑋𝑖𝑗 : quantité de produits fournis par la branche 𝑖 à la branhce 𝑗.
𝑌𝑖 : demande finale de branche 𝑖

Le TES peut se lire en lignes ou en colonnes.
Lecture en ligne Lecture en colonne

𝑄1 = 𝑋11 + 𝑋12 + ⋯ + 𝑋1𝑛 + 𝑌1 𝑄1 = 𝑋11 + 𝑋21 + ⋯ + 𝑋𝑛1 + 𝑉𝐴1
𝑄2 = 𝑋21 + 𝑋22 + ⋯ + 𝑋2𝑛 + 𝑌2 𝑄2 = 𝑋12 + 𝑋22 + ⋯ + 𝑋𝑛2 + 𝑉𝐴2
𝑄𝑛 = 𝑋𝑛1 + 𝑋𝑛2 + ⋯ + 𝑋𝑛𝑛 + 𝑌𝑛 𝑄𝑛 = 𝑋1𝑛 + 𝑋2𝑛 + ⋯ + 𝑋𝑛𝑛 + 𝑉𝐴𝑛
𝑄1 = ∑𝑛𝑗=1 𝑋1𝑗 + 𝑌1 𝑄1 = ∑𝑛𝑗=1 𝑋𝑖1 + 𝑉𝐴1

𝑄2 = ∑𝑛𝑗=1 𝑋2𝑗 + 𝑌2 𝑄2 = ∑𝑛𝑗=1 𝑋𝑖2 + 𝑉𝐴2
𝑄𝑛 = ∑𝑛𝑗=1 𝑋𝑛𝑗 + 𝑌𝑛 𝑄𝑛 = ∑𝑛𝑗=1 𝑋𝑖𝑛 + 𝑉𝐴𝑛
𝐐𝐢 = ∑𝐧𝐣=𝟏 𝐗 𝐢𝐣 + 𝐘𝐢 𝐐𝒋 = ∑𝐧𝐢=𝟏 𝐗 𝐢𝐣 + 𝐕𝐀 𝒋
En principe Qi = Q𝑗 il s’ensuit que :
∑𝐧𝐣=𝟏 𝐗 𝐢𝐣 + 𝐘𝐢 = ∑𝐧𝐣=𝟏 𝐗 𝐢𝐣 + 𝐕𝐀 𝒋
 Matrice des transpositions (X)

Economie ouverte Economie fermée
𝑋11 𝑋12 𝑋13 𝑋11 𝑋12 𝑋13 𝑌1

𝑋
𝑋 = [ 21 𝑋22 𝑋23 ] 𝑋 𝑋22 𝑋23 𝑌2
𝑋̅ = [ 21 ]
𝑋31 𝑋32 𝑋33 𝑋31 𝑋32 𝑋33 𝑌3
𝑉𝐴1 𝑉𝐴2 𝑉𝐴3 0
 Matrice des coefficients techniques (A)

Pour exprimer les relations techniques entre les branches, nous introduisons le
concept de coefficient technique (unitaire) de production. Ce coefficient, noté 𝑎𝑖𝑗 ,
représente la quantité du bien 𝑖 nécessaire à la production d’une unité du bien 𝑗. Il
𝐗 𝐢𝐣
est défini par : 𝐚𝐢𝐣 = 𝐐𝐣

76
Economie ouverte Economie fermée
𝑎11 𝑎12 𝑎13 𝑎11 𝑎12 𝑎13 𝑎14

𝐴 = [𝑎21 𝑎22 𝑎23 ] 𝑎21 𝑎22 𝑎23 𝑎24
𝑎31 𝑎32 𝑎33 𝐴̅ = [𝑎 ]
31 𝑎32 𝑎33 𝑎34
𝑎41 𝑎42 𝑎43 0
 Matrice des coefficients de capital
𝛿
𝐵 = [𝑏𝑖𝑗 ] 𝑜𝑢 𝑏𝑖𝑗 = 𝑎𝑖𝑗 avec 𝛿𝑖𝑗 : quantité du bien i détenue par la branche j
𝑖𝑗
N.B :
Le TES, aussi connu sous l’appellation de tableau d’échanges interindustriels
(TEI), comprend donc trois types de relations :
1) La relation entre la production d’une branche 𝑖 et les différents emplois de
cette production (en consommation intermédiaire ou en consommation
finale), d’est à dire l’équation :
𝐐𝐢 = ∑𝐧𝐣=𝟏 𝐗 𝐢𝐣 + 𝐘𝐢
2) Le processus de production de chaque branche, ‘est l’équation :
𝐐𝒋 = ∑𝐧𝐢=𝟏 𝐗 𝐢𝐣 + 𝐕𝐀 𝒋
3) La relation d’équilibre entre les ressources et les emplois :
∑𝐧𝐣=𝟏 𝐗 𝐢𝐣 + 𝐘𝐢 = ∑𝐧𝐢=𝟏 𝐗 𝐢𝐣 + 𝐕𝐀 𝒋
on sait que 𝐐𝐢 = ∑𝐧𝐣=𝟏 𝐗 𝐢𝐣 + 𝐘𝐢
Xij
aij = → Xij = aij Qj
Qj
Qi = ∑nj=1 Xij + Yi → Qi = ∑nj=1 aij Qj + Yi
𝑄1 = a11 𝑄1 + a12 𝑄2 + ⋯ + a1n 𝑄𝑛 + 𝑌1

𝑄2 = a21 𝑄1 + a22 𝑄2 + ⋯ + a2n 𝑄𝑛 + 𝑌2
𝑄𝑛 = an1 𝑄1 + an2 𝑄2 + ⋯ + ann 𝑄𝑛 + 𝑌𝑛
𝐐 = 𝐀𝐐 + 𝐘
→ Q − AQ = Y
→ (1 − A)Q = Y

77
Sous une écriture plus élaborée :
(1 − a11 )𝑄1 + a12 𝑄2 − ⋯ − a1n 𝑄𝑛 = 𝑌1

−a21 𝑄1 + (1 − a22 )𝑄2 − ⋯ − a2n 𝑄𝑛 = 𝑌2
an1 𝑄1 + an2 𝑄2 − ⋯ − (1 − ann )𝑄𝑛 = 𝑌𝑛
(𝐈 − 𝐀)𝐐 = 𝐘 avec (I − A) une matrice non singulière, alors :
→ 𝐐 = (𝐈 − 𝐀)−𝟏 𝐘
 Recherche de la production sectorielle

̅ )𝐐 = 𝟎 Avec I : la matrice unité
(𝐈 − 𝐀
 Détermination du secteur clé de l’économie

|𝐈 − 𝐀|−𝟏 Le multiplicateur de Leontief
 Détermination de la santé d’une économie

𝐌 = 𝐁 −𝟏 𝐆
Avec 𝐺 = |𝐼 − 𝐴 + 𝐵|
𝑃(𝑀) = (−𝜆)2 + 𝐷1 (−𝜆) + 𝐷2 = 0
𝐷1 = 𝑡𝑟𝑎𝑐𝑒 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑀 et 𝐷2 = 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑀

𝑃(𝑀) = (−𝜆)3 + 𝐷1 (−𝜆)2 + 𝐷2 (−𝜆) + 𝐷3 = 0
𝐷1 = 𝑡𝑟𝑎𝑐𝑒 𝑑𝑒 𝑀 ; 𝐷2 = 𝑐𝑜𝑓𝑎𝑐𝑡𝑒𝑢𝑟𝑠 𝑑𝑒 𝑀 et 𝐷3 = 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡 𝑑𝑒 𝑀

𝜆∗ (𝑀): 𝑙𝑎 𝑝𝑙𝑢𝑠 𝑔𝑟𝑎𝑛𝑑𝑒 𝑣𝑎𝑙𝑒𝑢𝑟 𝑝𝑟𝑜𝑝𝑟𝑒 𝑑𝑒 𝑀 (𝑡𝑎𝑢𝑥 𝑑𝑒 𝑐𝑟𝑜𝑖𝑠𝑠𝑎𝑛𝑐𝑒)
- Si 𝜆∗ (𝑀) > 1 ∶ expansion
- Si 𝜆∗ (𝑀) < 1 ∶ récession
- Si 𝜆∗ (𝑀) < 0 ∶ instable ou évolue en dents de scie
 Détermination de la production (Q) au temps T

𝐆𝐐(𝐭) − 𝐁𝐐(𝐭 + 𝟏) = 𝐘(𝐭)

78
4.3. Conditions de Hawkins et Simon
Une solution mathématique qui contient des niveaux de production ou de

consommation négatives est dépourvues de sens. Il se pose donc deux problèmes à
ce niveau :
- Le problème d’existence
Etant donné un vecteur de demande finale Y>0, souvent nous affirmons qu’il existe
un vecteur de production non négatif 𝑄 ≥ 0 tel que [𝐼 − 𝐴]𝑄 = 𝑌 ? ; est-ce que cette
solution est unique ?
- Le problème de non-singularité
[𝐼 − 𝐴] est-elle non-singulière ? si oui, [𝐼 − 𝐴]−1 est-elle supérieure ou égale à 0 ?
Ces deux questions seront examinées en nous basant sur trois théorèmes
d’existence affirmant que cette solution existe pour tout système qui satisfait à
l’une des conditions condition d’existence de la solution de l’équation de Leontief
a) 1ère condition : non négative
Soit 𝐶𝑄 = 𝑌 𝑜𝑢 𝐶 = |𝐼 − 𝐴|
𝐶𝑖𝑗 ≤ 0 𝑝𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 𝑖 ≠ 𝑗 𝑒𝑡 𝐶𝑖𝑗 ≥ 0 𝑝𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 𝑖 = 𝑗
𝐶𝑄 = 𝑌 a pour solution non négative avec 𝑄 ≥ 0 étant donné 𝑌 ≥ 0 si tous les

mineurs principaux de C sont positifs.
𝐶11 𝐶12 ⋯ 𝐶1𝑛
𝐶 𝐶12 𝐶 𝐶22 ⋯ 𝐶2𝑛
∆1 = |𝐶11 | > 0 ; ∆2 = | 11 | > 0 𝑒𝑡 ∆𝑛 = | 21 |>0
𝐶21 𝐶22 ⋮ ⋮ ⋯ ⋮
𝐶𝑛1 𝐶𝑛2 ⋯ 𝐶𝑛𝑛
b) 2ème condition : Inversible
Si 𝐴𝑄 = 𝜆𝑄 ; 𝜆𝑒𝑠𝑡 𝑢𝑛𝑒 𝑣𝑎𝑙𝑒𝑢𝑟 𝑝𝑟𝑜𝑝𝑟𝑒 𝑑𝑒 𝐴 𝑒𝑡 𝑠 ′ é𝑐𝑟𝑖𝑡𝜆(𝐴)

|𝜆𝐼 − 𝐴|𝑄 = 0
𝜆 − 𝐶11 0 − 𝐶12 ⋯ 0 − 𝐶1𝑛
0 − 𝐶21 𝜆 − 𝐶22 ⋯ 0 − 𝐶2𝑛
|𝜆𝐼 − 𝐴| = | |=0
⋮ ⋮ ⋯ ⋮
0 − 𝐶𝑛1 0 − 𝐶𝑛2 ⋯ 𝜆 − 𝐶𝑛𝑛
𝑃(𝐴) = (−𝜆)2 + 𝐷1 (−𝜆) + 𝐷2 = 0

|𝐼 − 𝐴|𝑄 = 𝑌 a une solution 𝑄 ≥ 0 pour 𝑌 ≥ 0 ssi 𝜆∗ (𝐴) < 1 ; donc inversible

79
c) 3ème condition : diagonale dominante
Si 𝐶 = 𝐶𝑖𝑗 𝑜𝑢 𝐶𝑖𝑗 > 0 ∀ 𝑖 = 𝑗 𝑒𝑡 𝐶𝑖𝑗 ≤ 0 ∀ 𝑖 ≠ 𝑗
𝐶𝑄 = 𝑌 a une solution unique ; 𝑄 ≥ 0 ∀ 𝑌 ≥ 0 ssi C a une diagonale dominante
|𝐶𝑖𝑗 | > ∑𝑛𝑖≠𝑗|𝐶𝑖𝑗 | ∀𝑗 𝑒𝑡 |𝐶𝑖𝑗 | > ∑𝑛𝑖≠𝑗|𝐶𝑖𝑗 | ∀𝑖
Exercices
1) On donne :
1 2 a) Complétez-le TES
1 20 70 100 b) Fermez-le complément
2 40 110 200 c) Dégager les matrices des coefficients techniques
100 d) Donnez la valeur ajouté du secteur 2
Solution
a) Economie ouverte b) Economie fermée
2 3 Wi Yi Qi 2 3 Wi Yi Qi
1 10 20 30 70 100 1 10 20 30 70 100
2 40 50 90 110 200 2 40 50 90 110 200
Uj 50 70 120 180 300 Uj 50 70 120 180 300
VAj 50 130 180 VAj 50 130 180 180
Qj 100 200 300 Qj 100 200 300 180 480
c) Economie ouverte Economie fermée

10 20 10 20 70 0,1 0,1 0,39
𝑋=[ ] et 𝑄 = |100 200|
40 50 𝑋̅ = [40 50 110] 𝐴̅ = [0,4 0,25 0,61]
𝑋 0,1 0,1 50 130 − 0,5 0,65 0
𝑎𝑖𝑗 = 𝑄𝑖𝑗 A= [ ]
𝑗 0,4 0,25
d) VAj = 130
2) On donne
0,1 0,1 100
A=[ ] 𝑒𝑡 𝑄 = [ ]
0,4 0,25 200
a) Montez le TES
b) Fermez-le complètement
c) Quel est le PIB de cette économie ?

80
Solution
𝑋𝑖𝑗
𝑎𝑖𝑗 = ⟹ 𝑋𝑖𝑗 = 𝑎𝑖𝑗 × 𝑄𝑗 2 3 Wi Yi Qi
𝑄𝑗
1 10 20 30 70 100
0,1 0,1 100
𝑋 = 𝐴𝑄 ⟹ 𝑋 = [ ][ ] 2 40 50 90 110 200
0,4 0,25 200
10 20 Uj 50 70 120 180 300
⟹𝑋=[ ] VAj 50 130 180 180
30 50
Qj 100 200 300 180 480
3) On donne
0,1 0,4 0 1 100
A=[ ] B=[ ] 𝑒𝑡 𝑄 = [ ]
0,3 0,5 1 0 100
Est-ce que cette économie est en expansion ?
Solution
𝑀 = 𝐵 −1 𝐺
1 0 −1 0 1
𝐵 −1 = [ ]=[ ]
−1 −1 0 1 0
1 0 0,1 0,4 0 1 0,9 0,6
𝐺 = [I − A + B] = [ ]−[ ]+[ ]= [ ]
0 1 0,3 0,5 1 0 0,7 0,5
0 1 0,9 0,6 0,7 0,5
𝑀=[ ][ ]=[ ]
1 0 0,7 0,5 0,9 0,6
𝑃(𝑀) = (−𝜆)2 + 𝐷1 (−𝜆) + 𝐷2 = 0
𝐷1 = 𝑡𝑟𝑎𝑐𝑒 𝑀 = 1,3 et 𝐷2 = 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡 𝑑𝑒 𝑀 = −0,03
𝜆2 − 1,3𝜆 − 0,03 = 0 ∆= 1,89 √∆= 1,345

1,3±1,345
𝜆= ⟹ 𝜆1 = 1,3225 𝑒𝑡 𝜆2 = −0,0225
2
𝜆∗ = 1,3225 > 1 L’économie est en expansion
4) On donne :
1 2 a) Complétez-le
1 20 40 40 b) Fermez-le complément
2 30 150 200 c) Vérifiez si cette économie est en expansion avec
200 0 𝑠𝑖 𝑖 ≠ 𝑗
𝐵={
1 𝑠𝑖𝑛𝑜𝑛

81
Solution
2 3 Wi Yi Qi
1 20 40 60 40 100
2 30 20 50 150 200
Uj 50 60 110 190 300
VAj 50 140 190 190
Qj 100 200 300 190 490
20 40
𝑋=[ ] et 𝑄 = |100 200|
30 20
𝑋𝑖𝑗 0,2 0,2 1 0 1 0
𝑎𝑖𝑗 = A= [ ] B=[ ] 𝐵 −1 = [ ]
𝑄𝑗 0,33 0,1 0 1 0 1
1 0 0,2 0,2 1 0 1,8 −0,2
𝐺 = [I − A + B] = [ ]−[ ]+[ ]= [ ]
0 1 0,33 0,1 0 1 −0,3 1,9
1 0 1,8 −0,2 1,8 −0,2
𝑀=[ ][ ]=[ ]
0 1 −0,3 1,9 −0,3 1,9
𝑃(𝑀) = (−𝜆)2 + 𝐷1 (−𝜆) + 𝐷2 = 0
𝐷1 = 𝑡𝑟𝑎𝑐𝑒 𝑀 = 3,7 et 𝐷2 = 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡 𝑑𝑒 𝑀 = 3,36
𝜆2 − 3,7𝜆 + 3,36 = 0 ∆= 0,25 √∆= 0,5

3,7±0,5
𝜆= ⟹ 𝜆1 = 2,1 𝑒𝑡 𝜆2 = 1,6
2
𝜆∗ = 2,1 > 1 L’économie est en expansion
5) Soit une économie hypothétique représentée par les matrices suivantes :
0,5 0,1 0,1 0 5

A=[ ] B=[ ] 𝑒𝑡 𝑌1 = 𝑌2 = 𝑌3 = [ ]
0,1 0,5 0 0,1 10
Avec :
A : matrice des coefficients techniques
B : matrice des coefficients du capital
Y1, Y2 et Y3 : demande finale aux périodes 1, 2 et 3 respectivement
a) Construire le TES
b) Sachant que T=3, trouvez la production Q à l’an 2 du plan
c) Sachant que bij = 1 pour tout i≠j et O sinon, dites si cette économie est ou
non en expansion.

82
Solution
a) 𝑄 = [𝐼 − 𝐴]−1 𝑌
1 0 0,5 0,1 0,5 −0,1
|𝐼 − 𝐴| = | |−| |=| |
0 1 0,1 0,5 −0,1 0,5
1 0,5 0,1 2,083 0,416
[𝐼 − 𝐴]−1 = | |=| |
0,24 0,1 0,5 0,416 2,083
2,083 0,416 5 14,575 15
𝑄=| |[ ] = [ ]=[ ]
0,416 2,083 10 22,91 23
𝑥𝑖𝑗
𝑎𝑖𝑗 = → 𝑥𝑖𝑗 = 𝑎𝑖𝑗 × 𝑄𝑗
𝑄𝑗
𝑋11 = 0,5 × 15 = 7,5 ≅ 8 𝑒𝑡 𝑋12 = 0,1 × 23 = 2,3 ≅ 2

𝑋21 = 0,1 × 15 = 1,5 ≅ 2 𝑒𝑡 𝑋22 = 0,5 × 23 = 11,5 ≅ 11
8 2
𝑋=| |
2 11
1 2 𝑊𝑖 Y 𝑄𝑖
1 8 2 10 5 15
2 2 11 13 10 23
𝑈𝑗 10 13 23 15 38
𝑉𝐴 5 10 15 - 15
𝑄𝑗 15 23 38 15 53
b) 𝐺 = |𝐼 − 𝐴 + 𝐵|
1 0 0,5 0,1 0,1 0 0,6 −0,1
𝐺=[ ]−[ ]+[ ]=[ ]
0 1 0,1 0,5 0 0,1 −0,1 0,6
𝐺𝑄(𝑡) − 𝐵𝑄(𝑡 + 1) = 𝑌(𝑡)
T étant égal à 3, on peut écrire :
Pour T=0 ; 𝐺𝑄(0) − 𝐵𝑄(1) = 𝑌(0)

Pour T=1 ; 𝐺𝑄(1) − 𝐵𝑄(2) = 𝑌(1)
Pour T=2 ; 𝐺𝑄(2) − 𝐵𝑄(3) = 𝑌(2)
Pour T=3 ; 𝐺𝑄(3) − 𝐵𝑄(4) = 𝑌(3)
Pour trouver la production à l’an 2 du plan, on utilise l’équation matricielle

suivant :
𝐺𝑄(2) − 𝐵𝑄(3) = 𝑌(2)

𝐺𝑄(2) = 𝑌(2) + 𝐵𝑄(3)
𝑄(2) = 𝐺 −1 [𝑌(2) + 𝐁𝐐(𝟑)]

83
La durée du plan étant égale à 3 (T=3), la dernière équation donne :
𝐺𝑄(3) = 𝑌(3) + 𝐵𝑄(4) 𝑇 = 3; ⟹ 𝐵𝑄(4) = 0

𝐺𝑄(3) = 𝑌(3)
𝑄(3) = 𝐺 −1 𝑌(3)
1 0,6 0,1 5 1 4 11,43
𝑄(3) = [ ][ ] = [ ]=[ ]
0,35 0,1 0,6 10 0,35 6,5 18,57
𝑄(2) = 𝐺 −1 [𝑌(2) + 𝐁𝐐(𝟑)]

1 0,6 0,1 5 0,1 0 11,43
𝑄(2) = [ ] [[ ] + [ ][ ]]
0,35 0,1 0,6 10 0 0,1 18,57
1 0,6 0,1 5 1,143
𝑄 (2) = [ ] [[ ] + [ ]]
0,35 0,1 0,6 10 1,857
1 0,6 0,1 6,143 1 4,8715 13,91

𝑄(2) = [ ][ ]= [ ] = [ ]
0,35 0,1 0,6 11,857 0,35 7,7285 22,081
c) 𝑀 = 𝐵 −1 𝐺
0 1 1 0 1 0 −1
𝐵=[ ] → 𝐵 −1 = [ ]=[ ]
1 0 −1 1 0 −1 0
0 −1 0,6 −0,1 0,1 −0,6
𝑀=[ ][ ]=[ ]
−1 0 −0,1 0,6 −0,6 0,1
𝑃(𝑀) = (−𝜆)2 + 𝐷1 (−𝜆) + 𝐷2 = 0
𝜆2 − 0,2𝜆 − 0,35 = 0
∆= 1,44 → √∆= 1,2
0,2±1,2
𝜆= ⟹ 𝜆1 = 0,7 𝑒𝑡 𝜆2 = −0,5
2
𝜆∗ = 0,7 < 1 𝑙 ′ é𝑐𝑜𝑛𝑜𝑚𝑖𝑒 𝑒𝑠𝑡 𝑑𝑖𝑡𝑒 𝑒𝑛 𝑟𝑒𝑔𝑟𝑒𝑠𝑠𝑖𝑜𝑛
6) On donne ci-après une matrice des coefficients obtenus à partir d’un modèle
d’entrée-sortie complétement fermé
0,3 0,2 0,2
[0,4 0,7 0,8]
0,3 0,1 0
Trouvez la production des secteurs d’activités sachant que la somme des
productions sectorielles est égale à 20.
Solution
Le modèle étant complétement fermé, on utilise la relation suivante pour trouver

la production sectorielle

84
|𝐼 − 𝐴̅|𝑄 = 0
1 0 0 0,3 0,2 0,2 0,7 −0,2 −0,2
[0 1 0] − [0,4 0,7 0,8] = [−0,4 −0,13 −0,8]
0 0 1 0,3 0,1 0 −0,3 −0,1 1
0,7 −0,2 −0,2 𝑞1 0
𝑞
[−0,4 −0,13 −0,8] [ 2 ] = [0]
−0,3 −0,1 1 𝑞3 0
0,7 −0,2 −0,2 0 𝐿1 0,7 −0,2 −0,2 0 𝐿1
(−0,4 −0,13 −0,8|0) 0,4𝐿1 + 0,7𝐿2 → ( 0 0,13 −0,64|0) 𝐿2
−0,3 −0,1 1 0 0,3𝐿1 + 0,7𝐿3 0 −0,13 0,64 0 𝐿2 + 𝐿3
0,7 −0,2 −0,2 0 𝐿1 0,7𝑞1 − 0,2𝑞2 − 0,2𝑞3 = 0
( 0 0,13 −0,64|0) 𝐿2 ⟹ {
0,13𝑞2 − 0,64𝑞3 = 0
0 0 0 0 𝐿3
0,13𝑞2 = 0,64𝑞3 𝑠𝑖 𝑞3 = 𝐾 → 𝑞2 = 4,923𝐾
0,7𝑞1 − 0,2𝑞2 − 0,2𝑞3 = 0
0,7𝑞1 − 0,2(4,923𝐾 ) − 0,2𝐾 = 0
0,7𝑞1 = 1,1846𝐾 ⟹ 𝑞1 = 1,6923𝐾
𝑞1 + 𝑞2 + 𝑞3 = 20
1,6923𝐾 + 4,923𝐾 + 𝐾 = 20 ⟹ 𝐾 = 2,6263
𝑞1 = 1,6923(2,6263) = 4,444
𝑞2 = 4,923(2,6263) = 12,929
𝑞3 = 𝐾 = 2,6263
7) L'économie d'un pays fictif est composée de deux branches. Sur les échanges
entre ces branches, on a relevé notamment : 𝑥11 = 30 ; 𝑥11 = 20 ; 𝑦1 = 160 ; 𝑞1 = 200,
∑ 𝑥𝑖𝑗 = 70 et ∑ 𝑞𝑖 = 300 avec 𝑞𝑖 = production de la branche i, 𝑥𝑖𝑗 ventes en millions
de Fr de la branche i à la branche j, 𝑦𝑖 demande finale de la branche i.
a) Quel est le secteur clé de cette économie ?

b) En supposant que le TES est fermé par rapport à la demande finale, trouver
les outputs de manière que leur somme soit égale à 10 (arrondir après trois
décimales)
0,1 𝑠𝑖 𝑖 = 𝑗
c) Si la matrice des coefficients de capital B est telle que 𝑏𝑖𝑗 = {
0 𝑠𝑖 𝑖 ≠ 𝑗
l’économie est-elle en expansion, en régression ou stationnaire ?

85
Solution
a)
1 2 ∑ 𝑥𝑖 Y 𝑄𝑖
1 30 10 40 160 200
2 50 20 70 30 100
∑ 𝑥𝑗 80 30 110 190 300
𝑉𝐴 120 70 190 - 190
𝑄𝑗 200 100 300 190 490
30 10
𝑋=| | 𝑒𝑡 𝑄 = |200 100|
50 20
𝑥𝑖𝑗 0,15 0,1
𝑎𝑖𝑗 = ⟹ 𝐴=[ ]
𝑄𝑗 0,25 0,20
1 0 0,15 0,1 0,85 −0,1
|𝐼 − 𝐴| = [ ]−[ ]=[ ]
0 1 0,25 0,20 −0,25 0,8
1,221 0,153
−1 1 0,8 0,1 [ ]
|𝐼 − 𝐴| = [ ] = 0,382 1,298
0,6555 0,25 0,85
1,603 𝟏, 𝟒𝟓𝟏
La branche 1 est donc le secteur clé de cette économie
b) (𝐼 − 𝐴̅)𝑄 = 0
30 10 160 0,15 0,1 0,84
̅ ̅
𝑋 = [ 50 20 30 ] ⟶ 𝐴 = [0,25 0,2 0,16]
120 70 − 0,60 0,7 −
1 0 0 0,85 −0,1 −0,84
𝐼 = [0 1 0] ⟶ |𝐼 − 𝐴̅| = [−0,25 0,8 −0,16]
0 0 1 −0,60 −0,7 1
(𝐼 − 𝐴̅)𝑄 = 0
0,85𝑞1 − 0,1𝑞2 − 0,84𝑞3 = 0
{−0,25𝑞1 + 0,8𝑞2 − 0,16𝑞3 = 0
−0,6𝑞1 − 0,7𝑞2 + 𝑞3 = 0
On applique le pivot de gauss

0,85 −0,1 −0,84 0 𝐿1 0,85 −0,1 −0,84 0 𝐿1
(−0,25 0,8 −0,16|0) 0,25𝐿1 + 0,85𝐿2 ⟶ ( 0 0,655 −0,346|0) 𝐿2
−0,60 −0,7 1 0 0,6𝐿1 + 0,85𝐿3 0 −0,655 0,346 0 𝐿1 + 𝐿2
0,85 −0,1 −0,84 0 𝐿1

( 0 0,655 −0,346|0) 𝐿2
0 0 0 0 𝐿3
0,655𝑞2 = 0,346𝑞3 𝑠𝑖 𝑞3 = 𝐾 → 𝑞2 = 0,528𝐾
0,85𝑞1 − 0,1𝑞2 − 0,84𝑞3 = 0

0,85𝑞1 − 0,1(0,528𝐾) − 0,84𝐾 = 0

86
0,85𝑞1 = 𝑂, 84𝐾 + 0,0528𝐾 ⟹ 𝑞1 = 1,050𝐾
𝑞1 + 𝑞2 + 𝑞3 = 10
1,050𝐾 + 0,528𝐾 + 𝐾 = 10 ⟹ 𝐾 = 3,879
𝑞1 = 1,050(3,879) = 4,073
𝑞2 = 0,528(3,879) = 2,0481
𝑞3 = 𝐾 = 3,879
c) 𝑀 = 𝐵 −1 𝐺
0,1 0 1 0,1 0 10 0
𝐵=[ ] → 𝐵 −1 = [ ]=[ ]
0 0,1 0,01 0 0,1 0 10
𝐺 = |𝐼 − 𝐴 + 𝐵|
1 0 0,15 0,1 0,1 0 0,95 −0,1
𝐺=[ ]−[ ]+[ ]=[ ]
0 1 0,25 0,20 0 0,1 −0,25 0,9
10 0 0,95 −0,1 9,5 −1

𝑀=[ ][ ]=[ ]
0 10 −0,25 0,9 −2,5 9
𝑃(𝑀) = (−𝜆)2 + 𝐷1 (−𝜆) + 𝐷2 = 0
𝜆2 − 18,5𝜆 + 83 = 0
∆= 10,25 → √∆= 3,20
18,5±3,2
𝜆= ⟹ 𝜆1 = 10,85 𝑒𝑡 𝜆2 = 7,65
2
𝜆∗ = 10,85 > 1 𝑙 ′ é𝑐𝑜𝑛𝑜𝑚𝑖𝑒 𝑒𝑠𝑡 𝑑𝑜𝑛𝑐 𝑒𝑛 𝑒𝑥𝑝𝑎𝑛𝑠𝑖𝑜𝑛
8) Soit une économie composée de 2 secteurs A et B. La demande finale

comprend la consommation de ménages, les investissements et les exportations.
QA (100 um) représente la moitié de celle de B. A utilise 30 % de sa production
totale comme consommation intermédiaire et B, 40 %. L’autoconsommation de A
est de 10 % ; celle de B, 25 um. Les 2/7 de la production de A destinée à la DF sont
consommés par les ménages, 3/14 sont investis et la moitié est exportée. Quant à
la production de B livrée à la DF, 5/12 sont consommés par les ménages, 1/ 4 est
investi et 1/3 exporté. Les importations totales (120 um) sont consommées à raison
de 1/ 4 par A, 3/8 par B et 1/ 4 par les ménages. Le reste a été investi. Le facteur
travail (dont la masse salariale est de 200 um) a été utilisé à raison de 1/40 par A
et 11/20 par B. Le service rendu par certains ménages à d’autres ménages
intervient pour 3/20. Les exportations pour 1/ 4. Le reste a été investi.
a) Construire le TES
b) Quel est le secteur clé de cette économie
c) Donnez la production sectorielle
d) L’économie est-elle en expansion ?

87
Solution
a)
A B Wi C I X Y Qi
A 10 20 30 20 15 35 70 100
B 55 25 80 50 30 40 120 200
𝑈𝐽 65 45 110 70 45 75 190 300
M 30 45 75 30 15 - 45 120
L 5 110 115 30 50 5 85 200
FP 35 155 190 60 65 5 130 320
Qj 100 200 300 130 110 80 320 620
10 20
b) 𝑋 = | | 𝑒𝑡 𝑄 = |100 200|
55 25
𝑥𝑖𝑗 0,1 0,1
𝑎𝑖𝑗 = ⟹ 𝐴 = [ ]
𝑄𝑗 0,55 0,125
1 0 0,1 0,1 0,9 −0,1
|𝐼 − 𝐴| = [ ]−[ ]=[ ]
0 1 0,55 0,125 −0,55 0,875
1,195 0,137
−1 1 0,875 0,1 [ ]
|𝐼 − 𝐴| = [ ] = 0,751 1,229
0,7325 0,55 0,9
1,946 𝟏, 𝟑𝟔𝟔
La branche A est donc le secteur clé de cette économie
c) (𝐼 − 𝐴̅)𝑄 = 0
10 20 70 0,1 0,1 0,368
̅ ̅
𝑋 = [55 25 120] ⟶ 𝐴 = [0,55 0,125 0,632]
35 155 − 0,35 0,775 0
1 0 0 0,9 −0,1 −0,368
𝐼 = [0 1 0] ⟶ |𝐼 − 𝐴̅| = [−0,55 0,875 −0,632]
0 0 1 −0,35 −0,775 1
(𝐼 − 𝐴̅)𝑄 = 0
0,9𝑞1 − 0,1𝑞2 − 0,368𝑞3 =0
{−0,55𝑞1 + 0,875𝑞2 − 0,632𝑞3 = 0
−0,35𝑞1 − 0,775𝑞2 + 𝑞3 =0

0,9 −0,1 −0,368 0 𝐿1 0,9 −0,1 −0,368 0 𝐿1
(−0,55 0,875 −0,632|0) 0,55𝐿1 + 0,9𝐿2 ⟶ (0 0,732 −0,771|0) 𝐿2
−0,35 −0,775 1 0 0,35𝐿1 + 0,9𝐿3 0 −0,732 0,771 0 𝐿2 + 𝐿3
0,9 −0,1 −0,368 0 𝐿1 0,9𝑞1 − 0,1𝑞2 − 0,368𝑞3 = 0

( 0 0,732 −0,771|0) 𝐿2 ⟹ {
0,7325𝑞2 − 7712𝑞3 = 0
0 0 0 0 𝐿3
88
0,7325𝑞2 = 0,7712𝑞3 𝑠𝑖 𝑞3 = 𝐾 → 𝑞2 = 1,0528𝐾
0,9𝑞1 − 0,1𝑞2 − 0,368𝑞3 = 0

0,9𝑞1 − 0,1(1,0528𝐾) − 0,368𝐾 = 0
0,9𝑞1 = 0,47328𝐾 ⟹ 𝑞1 = 0,52587𝐾
𝑞1 + 𝑞2 + 𝑞3 = 620
0,52587𝐾 + 1,0528𝐾 + 𝐾 = 620 ⟹ 𝐾 = 240,43
𝑞1 = 0,52587(240,43 ) = 127
𝑞2 = 1,0528(240,43 ) = 253
𝑞3 = 𝐾 = 240
d) 𝑀 = 𝐵 −1 𝐺
0 0,1 1 0 −0,1 0,9 0
𝐵=[ ] → 𝐵 −1 = [ ]=[ ]
0,1 0 −0,01 −0,1 0 −0,45 0,875
𝐺 = |𝐼 − 𝐴 + 𝐵|
1 0 0,1 0,1 0 0,1 0,9 0
𝐺=[ ]−[ ]+[ ]=[ ]
0 1 0,55 0,125 0,1 0 −0,45 0,875
0 10 0,9 0 −4,5 8,75
𝑀=[ ][ ]=[ ]
10 0 −0,45 0,875 9 0
𝑃(𝑀) = (−𝜆)2 + 𝐷1 (−𝜆) + 𝐷2 = 0
𝜆2 + 4,5𝜆 − 78,75 = 0
∆= 335,25 → √∆= 18,31
−4,5±18,31
𝜆= ⟹ 𝜆1 = 6,905 𝑒𝑡 𝜆2 = −11,41
2
𝜆∗ = 6,905 > 1 𝑙 ′ é𝑐𝑜𝑛𝑜𝑚𝑖𝑒 𝑒𝑠𝑡 𝑑𝑜𝑛𝑐 𝑒𝑛 𝑒𝑥𝑝𝑎𝑛𝑠𝑖𝑜𝑛
9) Soit le tableau ci-après :
A B Output total
A 150 500 1000
B 200 100 2000
a) Le modèle est-il fermé ou ouvert ?

b) Dans l’hypothèse d’un modèle ouvert, prière de la fermer par rapport à la
demande finale
c) Trouver les outputs des trois secteurs de manière que la somme des
secteurs soit égale à 25.
d) Si 𝑞1 , désigne l’output du secteur ; calculer les rapports 𝑞1 /𝑞3 et 𝑞2 /𝑞3

89
Solution
a) b)
A B 𝑊𝑖 Y 𝑄𝑖 A B 𝑊𝑖 Y 𝑄𝑖
A 150 500 650 350 1000 A 150 500 650 350 1000
B 200 100 300 1700 2000 B 200 100 300 1700 2000
𝑈𝑗 350 600 950 2050 3000 𝑈𝑗 350 600 950 2050 3000
𝑉𝐴 650 1400 2050 𝑉𝐴 650 1400 2050 - 2050
𝑄𝑗 1000 2000 3000 𝑄𝑗 1000 2000 3000 2050 5050
le modèle est ouvert le modèle est fermé par rapport à la

demande finale
c) (𝐼 − 𝐴̅)𝑄 = 0
150 500 350 0,15 0,25 0,1707
𝑋̅ = [200 100 1700] ⟶ 𝐴̅ = [0,20 0,05 0,8293]
650 1400 − 0,65 0,70 0
1 0 0 0,85 −0,25 −0,1707
𝐼 = [0 1 0] ⟶ |𝐼 − 𝐴̅| = [−0,20 0,995 −0,8293]
0 0 1 −0,65 −0,70 1
(𝐼 − 𝐴̅)𝑄 = 0
0,85𝑞1 − 0,25𝑞2 − 0,1707𝑞3 =0
{−0,20𝑞1 + 0,995𝑞2 − 0,8293𝑞3 = 0
−0,65𝑞1 − 0,70𝑞2 + 𝑞3 =0

0,85 −0,25 −0,1707 0 𝐿1
(−0,20 0,995 −0,8293|0) −0,20𝐿1 + 0,85𝐿2 →
−0,65 −0,70 1 0 −0,65𝐿1 − 0,85𝐿3
0,85 −0,25 −0,1707 0 𝐿1
( 0 −0,7575 0,7390 |0) 𝐿2
0 0,7575 −0,7390 0 𝐿2 + 𝐿3
0,85 −0,25 −0,1707 0 𝐿1 0,85𝑞1 − 0,25𝑞2 − 0,1707𝑞3 = 0
( 0 −0,7575 0,7390 |0) 𝐿2 ⟹ {
−0,7575𝑞2 + 7390𝑞3 = 0
0 0 0 0 𝐿3
−0,7575𝑞2 = −0,7390𝑞3 𝑠𝑖 𝑞3 = 𝐾 → 𝑞2 = 0,9756𝐾
0,85𝑞1 − 0,25𝑞2 − 0,1707𝑞3 = 0

0,85𝑞1 − 0,25(0,9756𝐾) − 0,1707𝐾 = 0
0,85𝑞1 = 0,4146092𝐾 ⟹ 𝑞1 = 0,48777𝐾
𝑞1 + 𝑞2 + 𝑞3 = 25
0,48777𝐾 + 0,9756𝐾 + 𝐾 = 25 ⟹ 𝐾 = 10,1485

90
𝑞1 = 0,48777(10,1485 ) = 4,95
𝑞2 = 0,9756(10,1485 ) = 9,90
𝑞3 = 𝐾 = 10
d)
𝑞1 1000 𝑞 2000
𝑞3
= = 98,52 et 𝑞2 = = 187,04
10,15 3 10,15
10)Vous êtes responsable d'un projet d'étude consistant à élaborer un TES pour
un petit pays en vue d'estimer l'impact des changements anticipés dans la
demande finale de ce pays. Les travaux préliminaires ont indiqué qu'une
classification à 2 secteurs serait la plus appropriée, du moins initialement. Une
équipe de vos enquêteurs chargée de collecter les données relatives au secteur 2 a
découvert que ce dernier comprenait deux firmes, A et B qui tenaient des registres
différemment et de façon élémentaire. Les données recueillies au cours de la
dernière année sont :
Les ventes de la firme A à elle-même, à la firme B et à la demande finale étaient

de 50 F, 70 F et 170 F respectivement. Les registres de la forme B sont moins
complets. On peut cependant lire qu'elle n'avait pas vendu à la firme A, mais
qu'elle avait utilisé sa propre production pour une valeur de 40 F. De plus, ses
ventes à la demande finale représentaient le triple du total de ses livraisons
intermédiaires. L'équipe chargée du secteur 1 apprit que ce dernier s'était procuré
15 % de ses inputs auprès de la firme A et a autoconsommé 10 % de sa production.
Les inputs intermédiaires achetés la même année par ce secteur ainsi que sa
production totale s'évaluaient à 350 Fr et 1000 Fr respectivement. Les ventes du
secteur (1) aux firmes A et B prises ensemble représentaient 75 % de sa production
totale. Questions :
a) Etant donné ces informations, votre tâche consiste à construire le TES de ce

pays. Faites-le.
b) Pour vous convaincre que les chiffres ne sont pas complètement faux,
vérifiez si les conditions de Hawkins-Simon sont satisfaites.

91
Solution
a) Le modèle est ouvert Le modèle est fermé par

1 2 𝑊𝑖 Y 𝑄𝑖 rapport à la demande finale
A B 1 2 𝑊𝑖 Y 𝑄𝑖
1 100 750 850 150 1000
1 150 750 850 150 1000
A 150 50 70 270 170 440
2 B 100 - 40 140 420 560 2 250 160 410 590 1000
𝑈𝑗 350 910 1260 740 200 𝑈𝑗 350 910 1260 740 2000
𝑉𝐴 650 90 740 𝑉𝐴 650 90 740 - 740
𝑄𝑗 1000 1000 2000 𝑄𝑗 1000 1000 2000 740 2740
b) Conditions de Hawkins-Simon
1ère condition : non négativité
Soit 𝐶𝑄 = 𝑌 𝑜ù 𝐶 = |𝐼 − 𝐴|
100 750 0,1 0,75 0,9 −0,75
𝑋=| | 𝑄 = |1000 1000| 𝐴=| | 𝐶=| |
250 160 0,25 0,16 −0,25 0,84
0,9 −0,75
∆1 = |𝐶11 | = |0,9| > 0 𝑒𝑡 ∆2 = |𝐶| = | | = 0,5685 > 0
−0,25 0,84
𝑐𝑒𝑡𝑡𝑒 𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛 𝑒𝑠𝑡 𝑠𝑎𝑡𝑖𝑠𝑓𝑎𝑖𝑡𝑒
2ème condition : inversible
Si 𝐴𝑄 = 𝜆𝑄 ; 𝜆 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑣𝑎𝑙𝑒𝑢𝑟 𝑝𝑟𝑜𝑝𝑟𝑒 𝑑𝑒 𝐴

(𝜆𝐼 − 𝐴)𝑄 = 0
𝑃(𝐴) = (−𝜆)2 + 𝐷1 (−𝜆) + 𝐷2 = 0

𝜆2 − 0,26𝜆 − 0,0275 = 0
∆= 0,1776 → √∆= 0,4214
0,26±0,4214
𝜆= ⟹ 𝜆1 = 0,34 𝑒𝑡 𝜆2 = −0,08
2
𝜆∗ = 0,34 < 1 𝑐 ′ 𝑒𝑠𝑡 𝑑𝑜𝑛𝑐 𝑖𝑛𝑣𝑒𝑟𝑠𝑖𝑏𝑙𝑒
3ème condition : diagonale dominante
|𝑎𝑖𝑗 | > ∑𝑛𝑖≠𝑗|𝑎𝑖𝑗 | ∀𝑗
0,1 0,75 0,9 −0,75

𝐴=| | ;𝐶 = | |
0,25 0,16 −0,25 0,84
|0,9| > |0,25| 𝑒𝑡 |0,84| > |0,75|
Les trois conditions sont donc respectées

92
REFERENCES BIBLIOGRAPHIQUES
 Eber Nicolas, 2013, Théorie des jeux, Dunod, 3ème édition, Paris.
 Faure, R., 1996, Précis de recherche opérationnelle : Méthodes et execices
d’application, Dunod.
 Faure, R., B. Lemaire, C. Picouleau, 2014, Précis de recherche
opérationnelle, 7ème éd., Dunod.
 Kafunda Pierre, 2018, Cours de Théorie des Jeux, UPC/ECOMATH,
Kinshasa.
 Kamiantako Antoine., 2018 a, Cours de Recherche Opérationnelle,
UPC/Département des Sciences Economiques, Kinshasa.
 Kamiantako Antoine., 2018 b, Cours de Méthodes Quantitatives de
l’Economie, UPC/FASE, Kinshasa.
 Kamiantako Antoine., 2018 c, Cours de Mathématiques Générales II,
UPC/FASE, Kinshasa.
 Mukoko Samba., 1997, Cours de Méthodes Quantitatives de l’Economie,
UNIKIN/FASEG, Kinshasa.
 Vajda, 1959, Théorie des jeux et Programmation linéaire, Dunod.

Methodes Quantitatives de Leconomie Mqe

Transféré par

Informations du document

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

Methodes Quantitatives de Leconomie Mqe

Transféré par

Droits d'auteur :

Formats disponibles

Université Protestante au Congo

Faculté d’Administration des Affaires et Sciences Économiques

Résumé et recueil d’exercices [résolus]

Pour les étudiants de 3ème Graduat

Jean-Claude NKASHAMA MUKENGE

TABLE DES MATIERES

DEA-Sciences Economiques/UPC en cours jackonkashama@gmail.com

Ces notes constituent un aide-mémoire essentiel et important à l’application des

L’absence, pendant très longtemps, d’un recueil d’applications approprié et capable

DEA-Sciences Economiques/UPC en cours jackonkashama@gmail.com

RAPPEL SUR L’ALGEBRE LINEAIRE

0.1. Les matrices

Une matrice de dimensions (𝑚 × 𝑛) ou matrice (𝑚, 𝑛) est un ensemble de (𝑚 × 𝑛)

DEA-Sciences Economiques/UPC en cours jackonkashama@gmail.com

À toute matrice carrée A on fait correspondre un scalaire appelé déterminant que

DEA-Sciences Economiques/UPC en cours jackonkashama@gmail.com

Un déterminant d’ordre n (𝑛 ≥ 3) est généralement calculé en appliquant les

𝑜ù 𝑙𝑒𝑠 𝛼𝑖𝑗 𝑠𝑜𝑛𝑡 𝑙𝑒𝑠 𝑐𝑜𝑓𝑎𝑐𝑡𝑒𝑢𝑟𝑠 𝑑𝑒𝑠 𝑎𝑖𝑗

𝛼𝑖𝑗 = (−1)𝑖+𝑗 |𝑀𝑖𝑗 |

DEA-Sciences Economiques/UPC en cours jackonkashama@gmail.com

0.1.3. Inverse d’une matrice carrée

On appelle inverse de la matrice carrée 𝐴, la matrice 𝐴−1 telle que :

𝑎11 𝑎12 𝑎22 −𝑎12

DEA-Sciences Economiques/UPC en cours jackonkashama@gmail.com

5 26 −20 −5/3 −26/3 20/3

- Une matrice régulière est une matrice inversible

0.2. Equations linéaires

On appelle système de n équations linéaires avec k inconnues, un système

Ou encore en utilisant la notation matricielle :

𝐴𝑋 = 𝐵 𝑜ù 𝐴 = [𝑎𝑖𝑗 ] ; 𝑋 = [𝑥𝑗 ] ; 𝐵 = [𝑏𝑖 ] ; 𝑖 = 1,2, … , 𝑛 𝑒𝑡 𝑗 = 1,2, … , 𝑘.

Il y a deux méthodes pour résoudre pareil système : la règle de Cramer et la

DEA-Sciences Economiques/UPC en cours jackonkashama@gmail.com

𝑏1 𝑎12 ⋯ 𝑎1𝑛 𝑎11 𝑏1 ⋯ 𝑎1𝑛

Nous savons que le système peut s’écrire : 𝐴𝑋 = 𝐵. Si la matrice A est non

DEA-Sciences Economiques/UPC en cours jackonkashama@gmail.com

CHAPITRE 1 : ANALYSE DE L’EQUILIBRE

1.1. Analyse statique

L’analyse statique de l’équilibre consiste à déterminer le niveau d’équilibre de

1.1.1. Equilibre partiel ou équilibre sur un marché

L’équilibre partiel consiste à décrire les mécanismes de la détermination des prix

La fonction linéaire décroissante du prix

La fonction linéaire croissante du prix

Exemple : résoudre le modèle de marché suivant :

méthode cramer méthode matricielle

DEA-Sciences Economiques/UPC en cours jackonkashama@gmail.com

1.1.2. Equilibre général ou équilibre sur plusieurs marchés

L’équilibre général traite l’équilibre simultané de tous les marchés

a) Equilibre sur deux marchés

méthode cramer méthode matricielle

b) Equilibre sur trois marchés

DEA-Sciences Economiques/UPC en cours jackonkashama@gmail.com

𝑄𝑑3 = 𝑄𝑠3 −7𝑃1 + 5𝑃2 − 3𝑃3 = −6 (1)

Méthode cramer Méthode matricielle

𝑄1𝑒 = 5 − 2𝑃1 + 4𝑃2 − 2𝑃3 = 5 − 2(1) + 4(2) − 2(3) = 8

1.1.3. Equilibre dans l’analyse du revenu national

Les valeurs d’équilibre du revenu et la consommation 𝑌̅ et 𝐶̅ peuvent être

1.2. Analyse statique comparative

L’analyse statique comparative de l’équilibre consiste à comparer deux situations

DEA-Sciences Economiques/UPC en cours jackonkashama@gmail.com

Multiplicateur du taux d’imposition (t1) Multiplicateur de la dépense

Multiplicateur de la fiscalité autonome (t0) Multiplicateur du budget d’équilibre

a) Quel est l’effet sur la balance de paiement s’il y a accroissement de la

𝑋0 − 𝑚0 = 150 La balance de paiement a baissé de 210-150= 60

b) Quel est l’effet sur le niveau d’équilibre en pourcentage dans la proportion