Université des

Sciences Sociales
et de Gestion de
Bamako

Professeur : Dr Diawara
Daouda Faculté des Sciences
Economiques et de Gestion
de Bamako FSEG
Mathématiques Générales
L2_S3
 Contenus du Cours
Chapitre 1 Calcul Matriciel
Chapitre 2 Systèmes Lineaires
Chapitre 3 Réductions des endomorphismes
Chapitre 4 Modèle Entrée-sortie de Leontief

Bases mathématiques pour l’économie et la Gestion

 Chapitre 1_Matrices
I. Espace vectoriel des matrices
1. Définition

On appelle matrice dans K de type  m, n  ou de format mn ,un tableau

rectangulaire A d’éléments de K ayant m lignes et n colonnes

 a11 a1n 
 
A 
a amn 
 m1

Notations : On note aij l’élément qui se trouve à la ligne numéro i et la colonne

j et la matrice est simplement notée A   aij 1i m

1 j  n

L’ensemble des matrices de type  m, n  est noté M  m,n  K 

2. Matrices particulières
Matrice ligne : c’est une matrice qui comprend une seule ligne (Cas où
m  1,matrice de format 1, n  ). En d’autres termes c’est toute matrice de la

forme :
A   a11 a12 a13 ...a1n 

Matrice colonne : c’est une matrice qui comprend une seule colonne
(Cas où n  1 ,matrice de format  m,1 )

 a11 
 
a
A   21 
 
 
 am1 
Matrice nulle : C’est une matrice dont tous les éléments sont nuls
0 0
 
A 
0 0 

Matrice carrée : C’est une matrice dont m  n (nombre de lignes =nombre
de colonne)
Bases mathématiques pour l’économie et la Gestion
  a11 a1n 
 
A 
a ann 
 n1
Matrice diagonale : C’est une matrice carrée dont a part les éléments de
la diagonale principale tous les autres éléments sont nuls
 a11 0 0 
 
A 
 0 ann 
 0

Si a11  a22  ...  ann  1 alors la matrice diagonale est une matrice unité. Une

matrice unité est toute matrice de la forme :

1 0 0
 
I  
0 0 1 

Matrice triangulaire : Une matrice triangulaire est toute matrice pouvant se
mettre sous l’une des deux formes ci-dessous :
 a11 0 0 
 
A  (Matrice triangulaire supérieure)
 0 
 
 an1 ann 

 a11 a1n 
 
0
A  (Matrice triangulaire inferieure)
 
 
 0 0 ann 

Il faut noter qu’une matrice triangulaire on peut avoir des 0 sur la diagonale
principale.
II. Operations sur les matrices
1. Somme et égalité de deux matrices : Opération possible uniquement pour
les matrices de même format.

Bases mathématiques pour l’économie et la Gestion

On parle d’égalité de deux matrices si et seulement si les deux matrices ont la
même dimension (c’est-à-dire qui ont le même nombre de lignes et même
nombre de colonnes).
Principe
Pour égaliser (resp faire la somme) deux matrices on égalise (resp faire la
somme) les éléments qui occupent la même position dans l’une et l’autre des

matrices. Soient deux matrices de même dimension : A   aij  et B   bij 

mn mn

A  B  i  1, 2,..., n, j  1, 2,..., n, aij  bij

Exemple
On considère les matrices A, B et C définies par :

 1 3  2 0   4 6 
   
A   4 2  , B   2 1  et C   14 7 
 0 7  8 1  24 17 
     
Trouver deux réels x et y tels que : xA  yB  C

2. Transposée d’une matrice

Cette opération est toujours valable. Pour trouver la transposée d’une
matrice on change les lignes en colonnes ou les colonnes en ligne. La

transposée de A se note At ou t A ou A
Exemple
Propriétés de la transposée

(1)  A  B   At  B t
t

(2)  AB   B t At
t

(3)  A    At
t

 
t
(4) At A

Autres matrices particulières

Matrice idempotente Une matrice A est dite idempotente si A2  A

Bases mathématiques pour l’économie et la Gestion

 Matrice nilpotente Une matrice A est dite nilpotente d’ordre n ou d’indice
n si An  0

Matrice symétrique Une matrice A est dite symétrique si At  A

Matrice anti symétrique une matrice A est dite anti symétrique si At   A
Matrice inversible : Une matrice A est dite inversible s’il existe une matrice B
telle que AB  BA  I (Il faut signaler que A est une matrice carrée)
Test…Vérifier les affirmations
 1 2 4 
 
(1) Soit A   2 1 0  . Vérifier que cette matrice est une matrice symétrique
 4 0 2 
 
 0 2
(2) Soit B    . Vérifier que B est une matrice anti symétrique
 2 0 

 3 0 0
 
(3) D   0 1 0  est une matrice diagonale)
0 0 5
 
Exemple d’application
 2 3 5 
1) Soit A une matrice définie par : A   1 4 5  .
 1 3 4 
 
Vérifier que cette matrice est idempotente
 1 0 5

2) Soit B une matrice définie par : B   2 
0 10 
 1/ 5 0 1
 
Vérifier que la matrice suivante est nilpotente et dire de quel indice.
3. Produit de 2 matrices
Le produit de deux matrices est possible si et seulement si le nombre de
colonnes de la première matrice est égal au nombre de lignes de la
deuxième matrice. L’opération multiplication de deux matrices crée une

Bases mathématiques pour l’économie et la Gestion

nouvelle matrice appelée matrice produit. Soient deux matrices

A   aij  , B   bij 
mn np

 Amn  B np   C mp

Exemple
Soient les matrices :
1 2 0 1
1 1 0   
A  et B   2 0 1 1 
 2 2 0  1 1 0 0
 
Est-il possible de calculer AB ? Si oui quelle est la dimension de AB ? et calculer
AB . Et BA ?
Exercice
 x 1
On considère la matrice A définie par : A   
 2 3
6 1 
Déterminer le réel x pour que A2   
 2 11
Propriétés du produit matriciel
(1) Le produit matriciel n’est pas commutatif. En général AB n’est pas toujours
égal à AB ( AB peut exister tandis que AB n’existe pas).

(2) Si AB  BA alors  A  B   A2  2 AB  B 2
2

A2  B 2   A  B  A  B 

 A  B  A2  AB  BA  B 2
2

 A  B  A  B   A2  AB  BA  B 2
(3) Le produit est associatif : ABC  A  BC    AB  C

(4) Distributif par rapport à l’addition :

A  B  C   AB  AC et  A  B  C  AC  BC et admet la matrice unité comme

matrice neutre ( IA  AI  A , ou I est la matrice unité ou neutre)

(5) De plus OA  AO  O avec O la matrice nulle

Bases mathématiques pour l’économie et la Gestion

(6) AB  O N’implique pas que A  O ou B  O et A2  0 n’implique pas que A  0
Remarque
A2  A  A , A3  A  A  A , An  A  A  A  ...  A (n fois) et A0  I
Formule du Binôme de Newton
Si A et B sont deux matrices carrées de même ordre et AB  BA alors on a :
n
 A  B   Cnk Ak B n k  Cn0 A0 B n  Cn1 AB n 1  ...Cnn An B 0 (Formule du Binôme de
n

k 0

Newton)
 0 0 0
 
Exercice d’application Soit la matrice A définie par : A   2 0 0 
 0 1 0
 
a) Calculer A2 , A3 et en déduire An

b) On pose B  A  I .Calculer B et en déduire B n n  * en fonction de n

4. Trace d’une matrice
La notion de trace est valable uniquement pour les matrices carrées
On appelle trace d’une matrice A notée tr  A la somme des éléments situés
n
sur la diagonale principale : tr  A   a11  a22  ...  ann   aii
i 1

Propriétés : Soit A et B deux matrices carrées données. On a :

(1) tr  At   tr  A 

(2) tr  A  B   tr  A   tr  B 

(3) Si A  Amn et B  Bnm alors tr  AB   tr  BA

Exemple
 1 2 4 
 
A   2 1 0  et tr  A  1  1  2  2 et tr  At   2
 4 0 2 
 
Définition (matrice scalaire)
Une matrice carrée A est dite scalaire si aij   pour i  j et aij  0 pour i  j

Bases mathématiques pour l’économie et la Gestion

  0 0
 
0
En d’autres termes toute matrice de la forme : A   
 
 
0 
Exercice à faire
 2 3 5 
 
(1) Vérifier que la matrice suivante est idempotente : A   1 4 5 
 1 3 4 
 
 1 1   6 5 
(2) Soit A    et B    Comparer tr  A  B  et tr  A   tr  B 
3 0  2 1 
 0 1
 2 1  1  
(3) Soit A    et B   1 0  . Montrer que tr  AB   tr  BA
 1 2 0  1 1 
 
III. Matrice de passage
Soit E un espace vectoriel de dimension finie n sur K , B   e1 , e2 , , en  et

B '   e1, , e2, , , en,  deux bases distinctes de E .Nous avons :

e1,  a11e1  a21e2  an1en

e2,  a12 e1  a22 e2  an 2en
e3,  a13e1  a23e2  an3en

en,  a1n e1  a2 n e2  ann en

 a11 a12 a1n 

 
a a2 n 
La matrice P définie par : P   21
 
 
 an1 an 2 ann 

Est appelée matrice de passage de la base B à la base B ' (la j ieme colonne est

constituée par les coordonnées de e ,j par rapport à la base B ).

Exemple
1  1 1  5
Soit l’espace vectoriel réel 2
,on considère e1    , e2    ,  1    ,  2   
0 1  2  4

Bases mathématiques pour l’économie et la Gestion

On considère les bases B   e1 , e2  et B '   1 ,  2  .

Quelle est la matrice de passage de la base B vers la base B ' ?

Indication de solution
IL faut exprimer  1 et  2 en fonction de e1 et e2

1  1   1   1
1             
 2 0  1   2
 1
 1   
 2 B

5 1   1
2         
 4 0  1
    5   1
 
  4   4
1 
2   
 4 B

 1 1 
La matrice de passage est donc : P   
 2 4
IV. Les Grandeurs numériques associées à une matrice
Déterminant d’une matrice
La notion de déterminant est valable uniquement pour les matrices carrées et
le déterminant d’une matrice est un nombre réel noté det A ou A

Calcul du déterminant
Cas d’une matrice carrée d’ordre 2 :
a a12 
A   11 
 a21 a22 

a11 a12
det A   a11a22  a21a12
a21 a22

 2 1 2 1
Exemple A     det A   2  0    1 4   4
4 0  4 0

Bases mathématiques pour l’économie et la Gestion

Cas d’une matrice carrée d’ordre supérieur à 2 : on procède au
développement du déterminant suivant une ligne ou une colonne de la
matrice A . Cette méthode est appelée le développement de Laplace.
Mineur de l’élément aij

Soit une matrice carrée A et soit aij un élément quelconque de A . Le mineur

de l’élément aij est le déterminant de la sous-matrice obtenue de A en

supprimant dans la matrice A la ligne i et la colonne j . Le mineur de aij est

noté M ij .

Exemple :
 a11 a12 a13 
 
Soit A   a21 a22 a23 
a a33 
 31 a32
Le mineur de l’élément a11 (cas d’une matrice carrée d’ordre 3) est

a22 a23
M 11 
a32 a33

Cofacteur de l’élément aij

Le cofacteur de l’élément aij est égal au produit de  1

i j
par le mineur de aij .

Le cofacteur de aij est noté cij . Ainsi cij   1 M ij . Par exemple : c11   1
i j 11
M 11

Formule de Laplace
Le développement de la matrice A suivant une ligne i est donné par la
formule suivante :
n
det A   (1)i  j a ij M ij
i 1

Exemple
 a11 a12 a13 
 
A   a21 a22 a23  et le développement de A suivant la première ligne est :
a a33 
 31 a32

Bases mathématiques pour l’économie et la Gestion

 a11 a12 a13
a a23 a a a a
det A  a21 a22 a23  (1)11 a11 22  (1)1 2 a12 21 23  (1)13 a13 21 22 .
a32 a33 a31 a33 a31 a32
a31 a32 a33

Remarque
Lors de l’application du développement de Laplace, il est conseillé de le faire
suivant la ligne ou la colonne comportant plus de 0.
Exemple
5 2 3
 
Soit A   1 2 3 
 8 3 2 
 
Calculer det A en utilisant le développement de Laplace suivant la première
ligne
5 2 3
2 3 1 3 1 2
A  1 2 3   1  5    1  2    1  3
11 1 2 1 3

3 2 8 2 8 3
8 3 2
 5  4  9   2  2  24   3  3  16   58

Règle de Sarrus (Faire le graphique)

Pour les déterminants d’ordre 3 on peut appliquer aussi la méthode ou règle
de Sarrus.
Règle de Sarrus
a11 a12 a13
det A  a21 a22 a23  (a11a22 a33  a12 a23a31  a21a32 a13 )  (a31a22a13  a21a12a33  a32a23a11 )
a31 a32 a33

Exemple :
5 2 3 5 2 3
 
Soit A   1 2 3  , det A  1 2 3  (20  48  9)  (48  45  4)  59  1  58
 8 3 2  8 3 2
 
Propriétés des déterminants
Soit A  M n  K  ,on a :

Bases mathématiques pour l’économie et la Gestion

(1) det A  det  At 

(2) det A  0 si deux lignes sont égales (ou deux colonnes égales)
(3) det A  0 si deux lignes sont proportionnelles (ou deux colonnes le sont)
(4) det A  0 si une ligne est une combinaison linéaire des autres (ou une
colonne est une combinaison linéaire des autres)
(5) det A ne change pas lorsqu’on ajoute à une ligne ou à une colonne une
combinaison linéaire des autres lignes ou autres colonnes
(6) Si B  M n  K  alors det  AB   det A  det B

Exemple 1
 3 0 5  3 0 5
 
Soit A   2 2 1  . Ici det A  2 2 1  0 car l1  l3
 3 0 5  3 0 5
 
 
9 0 15 3  9 0 15 3
 1
Exemple 2 Soit B   2 2 1 1  et det B  2 2 1 1  0 car l4  l1
  3
1 0 1 4  1 0 1 4
3 5 1  0 5
 0 3 1

Exemple 3
 
1 1 1 2 

Pour C   1 1 2 20  ,on a det C  0 car c1  c2
 
0 0 1 4 
1 1 10 2 

Proposition
Soit V1 ,V2 , ,Vn n vecteurs de n
.On dit que V1 ,V2 , ,Vn  est une base de n

 det V1 ,V2 , , Vn   0

Exemple
1  0   0
     
Soit V1   2  ,V2   1 ,V3   0 
0 1  1 
     

Bases mathématiques pour l’économie et la Gestion

det V1 ,V2 ,V3   1  0 donc V1 ,V2 ,V3  est une base de 3

Exercice
En utilisant les propriétés citées ci-dessus montrer que :

a2 ab ac
1. ab b 2
bc  0
ac bc c2

a bc 2a 2a
2. bca  a  b  c
3
2b 2b
2c 2c ca b

V. Inverse d’une matrice

Définition 1 Si A et B sont deux matrices carrées de même ordre n telles
que AB  BA  I n alors la matrice B est dite matrice inverse de A et on note

B  A 1
Définition 2 Si A est une matrice carrée telle que det A  0 alors la matrice A est
dite inversible
Méthodes de calcul de l’inverse d’une matrice : Pour le calcul de A 1 deux
principales méthodes sont couramment utilisées :
 La méthode des cofacteurs
 Et la méthode de Gauss
Méthode 1 : Méthode des cofacteurs

Soit A   aij  une matrice carrée d’ordre n , cij   1

i j
M ij le cofacteur de aij et

C   cij  la matrice des cofacteurs. On a : A1 

1
Ct ,
det A
Avec C t est la transposée de C
Exemple 1
En utilisant la méthode des cofacteurs déterminer A 1 si elle existe dans
chacun des cas suivants :

Bases mathématiques pour l’économie et la Gestion

  2 2 1 
 
(1) A   0 1 1 
 3 1 2 
 

 2 2 3
 
(2) A   1 1 0 
 1 2 1 
 
Indication de solution
 2 2 3
 
A   1 1 0   det A  1  0 donc la matrice est inversible
 1 2 1 
 

 c11 c12 c13   1 1 1   1 4 3 

     
C   c21 c22 c23    4 5 6  et C   1 5 3 
t

c c33   3 3 4   1 6 4 
 31 c32  

 1 4 3 
1
1  
Donc A  C   1 5 3 
t

det A  1 6 4 
 
Exercice à faire
1 0 a
 
Soit a  , A  0 a 1
a 1 0
 
(1) Calculer det A et déterminer pour quelles valeurs de a la matrice A est
inversible
(2) Calculer A 1 pour ses valeurs de a en utilisant la méthode des cofacteurs
Méthode 2 : Méthode de Gauss
Elle consiste à disposer côte à côte la matrice A à inverser et la matrice unité
I
 a11 a12 . a1n 1 0 0 0 
 
 a21 a22 . a2 n 0 1 0 0 
 . . . . . . . .
 
 an1 an 2 . ann 0 0 0 1 

Bases mathématiques pour l’économie et la Gestion

Ensuite effectuer des opérations élémentaires sur les lignes de A pour la
transformer en la matrice unité de la manière suivante :

 a11 a12 . a1n 1 0 0 0   1 0 . 0 b11 b12 . b 1n 

   
 a21 a22 . a2 n 0 1 0 0   0 1 . 0 b21 b22

. b2 n 
 . . . . . . . . . . . . . . . . 
   
 an1 an 2 . ann 0 0 0 1   0 0 . 1 bn1 b2 n . bnn 

 b11 b12 . b 1n 
 
b21 b22 . b2 n 
Ainsi A1  
 . . . . 
 
 bn1 b2 n . bnn 

Exemple
1 2 1
 
Soit A   1 3 2 
3 2 2
 
Calculer A 1 en utilisant la méthode de Gauss

1 2 1 1 0 0  l1 
   
1 3 2 0 1 0  l2   1 l1 
3 2 2 0 0 1  
   l3   3 l1 
1 2 1 1 0 0  l1  1 2 1 1 0 0  3l1   1 l3 
       
  0 1 1 1 1 0   l2    0 1 1 1 1 0   3l2   1 l3 
 0 4 1 3 0 1   l   4  l   0 0 3 7 4 1   
  3 2    l3 
 3 6 0 10 4 1  l1   2  l2   3 0 0 2 2 1  1/ 3l1 
       
  0 3 0 4 1 1  l2    0 3 0 4 1 1 1/ 3l2 
 0 0 3 7 4 1     0 0 3 7 4 1  1/ 3l 
   l3     3

1 0 0  2 2 1  
  1 
 0 1 0 4 1 1 
0 0 1 3  
   7 4 1  

 2 2 1 
1 1 
Donc : A   4 1 1
3 
 7 4 1 

Bases mathématiques pour l’économie et la Gestion

Définition 3
Une matrice carrée A est dite régulière si son déterminant est différent de 0.
Dans le cas contraire elle est dite singulière.
Définition 4
La matrice A est dite orthogonale si At  A1 ou AAt  AA1  I .
Théorème : Pour qu’une matrice A soit inversible (possède une matrice
inverse) il faut et il suffit que A soit régulière c’est-à-dire son déterminant est
différent de 0.
Propriétés
1
(1) Si A   a11  , a11  0 alors A1 
a11

(2) Si A est inversible alors l’inverse A 1 de A est unique

(3) Si A et B sont deux matrices carrées inversibles alors  AB   B 1 A1

1

 
1
(4) A1 A

  A 
1 1 t
(5) At

(6) I 1  I
1
(7)  A 
1
A1 ,   0


(8) det  A1  

1
det A
(9) Si A est une matrice non singulière alors AB  0  B  0
VI. Rang et défaut d’une matrice
La notion de rang est valable pour toutes les matrices
1. Rang d’une matrice
Soit A une matrice de M  n, p  .On appelle rang de A l’ordre de la plus grande

matrice carrée inversible extraite de A .On note rg  A 

Le rang de la matrice nulle est 0

Si la matrice A de M  n, p  est non nulle alors on a : 1  rg  A  min  n, p 

Bases mathématiques pour l’économie et la Gestion

Etapes du calcul du rang de A
Soit A  M  n, p  , m  min  n, p  : 1  rg  A   m

Si on peut extraire de A une matrice carrée inversible d’ordre m alors

rg  A   m

Sinon alors 1  rg  A   m

On cherche à voir si rg  A   m  1 .Si on peut extraire de A une matrice

carrée inversible d’ordre m  1 alors rg  A   m  1

Si non alors 1  rg  A  m  1

On continue ainsi la même démarche jusqu’à obtenir une matrice carrée

inversible d’ordre r extraite de A et alors rg  A   r

Exemples
1 3 2 
(1) Soit A    , A  M  2,3 et m  min  2,3  2  1  rg  A  2
1 3 1 
1 3 
A1    , det A1  0
1 3 
1 2 
A2    , det A2  1  2  1  0
1 1 
A2 est une sous-matrice carrée inversible extraite de A (d’ordre 2)

Donc rg  A   2

 1 2 3 4
 
(2) Soit la matrice A   1 0 1 2  . Déterminer le rang de la matrice A
 1 1 0 -1
 
A  M  3, 4  et m  min  3, 4   3  1  rg  A  3

Ici toutes les matrices carrées d’ordre 3 extraites de A ont le déterminant nul
Donc 1  rg  A  3

 1 2
Soit A '    extraite de A .On a : det A '  3  0
 1 1 

Bases mathématiques pour l’économie et la Gestion

Définition 5
On appelle rang de la matrice A le nombre de lignes ou colonnes non nulles
ou nombre de lignes ou colonnes linéairement indépendantes.
Exemple
 1 2 3 4
 
Soit A   1 0 1 2  , A  M  3, 4  et m  min  3, 4   3  1  rg  A  3
 1 1 0 -1
 

 1 2 3 4  l1  1 2 3 4   l1  1 2 3 4   l1 
        
A   1 0 1 2   l2   1 l1   0 2 -2 -2  1/ 2l2   0 1 -1 -1  l2 
 1 1 0 -1  l  l  0 3 3 3  1/ 3l3  0 1 1 1   l3  l2 
  3 1   
1 2 3 4 
 
A  0 1 -1 -1
0 0 0 0 

Enfin on a deux lignes non nulles  rg  A   2

2. Défaut d’une matrice

Le défaut d’une matrice A est défini par : défaut de A = min  n, p   rg  A 

 1 2 3 4
 
Exemple A   1 0 1 2 
 1 1 0 -1
 

défaut de A = min  3, 4   rg  A   3  2  1

Bases mathématiques pour l’économie et la Gestion

 Chapitre 2_Systemes linéaires
1. Définitions
Un système d’équations linéaires est un ensemble d’équations d’inconnues
x1 , x2 , , x p de la forme

a11 x1  a12 x2  ...  a1 p x p  b1 ,


a x  a x  ...  a2 p x p  b2 ,
 S  :  21 1 22 2
...........................................
a x  a x  ...  a x  b .
 n1 1 n 2 2 np p n

Ou pour tout i et j les coefficients aij et b j sont fixes dans K .

Notation matricielle
 a11 a1 p 
 
Désignons par A la matrice associée au système : A   
 an1 anp 

Par B la matrice colonne représentant les termes du second membre :
 b1 
 
B 
b 
 n
 x1 
 
Par X la matrice colonne représentant les inconnues : X   
 xp 
 
Le but est de chercher X tel que AX  B
La matrice colonne B s’appelle le second membre du système. Si B  0 alors le

système  S  est un système d’équations linéaires homogènes et admet

0
 
X    comme solution triviale.
0
 

L’ensemble S des solutions du système est S   X : AX  B

Bases mathématiques pour l’économie et la Gestion

— Le rang d’un système est égal au rang de la matrice A associée à ce
système

— On appelle matrice élargie d’un système noté  A  B  : la matrice est

obtenue en juxtaposant à la droite de la matrice A la matrice colonne B :

 a11 a12 . a1 p b1 
 
a21 a22 . a2 p b2 
( A B)  
 . . . . . 
 
 an1 an 2 . anp bn 

— Le système est dit résoluble s’il admet au moins une solution.

Théorème (Kronecker- capela) : un système est résoluble si et seulement si le
rang de la matrice A du système est égale au rang de la matrice élargie du

système c’est-à-dire rg  A   rg  A  B  et impossible si le rang de la matrice du

système est inférieur au rang de la matrice élargie du système.

Définitions
— Un système résoluble est dit redondant si et seulement si le rang de la
matrice du système est inférieur au nombre d’équations du système,
— Un système résoluble est dit déterminé si et seulement si le rang de la
matrice du système est égal au nombre d’inconnues (dans ce cas le
système admet une seule solution)
— Un système résoluble est dit indéterminé si et seulement si le rang de la
matrice du système est inférieur au nombre d’inconnues (dans ce cas le
système admet une infinité de solutions).
Remarque

Si le système est indéterminé et qu’on pose rg  A   r alors il est possible de

trouver parmi les inconnues r inconnues principales et n  r inconnues

secondaires telles que chacune des inconnues principales s’exprime comme
combinaison linéaire des inconnues secondaires. Les valeurs des inconnues
secondaires sont arbitraires.

Bases mathématiques pour l’économie et la Gestion

— Un système d’équations linéaires est dit carré si le nombre d’équations est
égale au nombre d’inconnues c’est-à-dire m  n . La matrice A d’un tel
système est donc une matrice carrée.
— Un système carré pour lequel le déterminant de A est différent de zéro est
appelé système de Cramer. Le système de Cramer est résoluble et
déterminé. Il admet la solution X  A1 B .
Ainsi on a :
AX  B  X  A1B

XA  B  X  BA1

AXB  C  X  A1CB 1 ( A et B sont deux matrices carrées inversibles)

2. Résolution d’un système linéaire
Il existe la méthode de Cramer pour les systèmes de Cramer et la méthode
de Gauss.
La méthode de Cramer : elle est valable uniquement pour les systèmes de
Cramer.
a11 x1  a12 x2  ...  a1n xn  b1 ,
a x  a x  ...  a x  b ,
Soit un système :  S  :  21 1 22 2 2n n 2

...........................................
an1 x1  an 2 x2  ...  ann xn  bn .

a11 a1n
D
an1 ann

 x1 
 
Si D  0 alors le système admet une seule solution X   
x 
 n

Avec x1  Dx1 , x2  Dx2 , … xn  Dxn ,

D D D

b1 a12 . a1n a11 b1 . a1n a11 a12 . b1

b a 22 . a2n a b . a2n a a 22 . b2
Avec Dx1  2 , Dx2  21 2 ,… Dxn  21 .
. . . . . . . . . . . .
bn an 2 . a nn a n1 bn . a nn a n1 an2 . bn

Bases mathématiques pour l’économie et la Gestion

Exemple

3x  2 y  z  1

Soit le système  S  :  x  y  z  0
 x  y  2 z  1


Résoudre le système  S 

Indication de solution
3 2 1
D  1 1 1  7  0  le système  S  est de Cramer donc admet une solution
1 1 2

unique
1 2 1 3 1 1 3 2 1
Dx  0 1 1  0 , Dy  1 0 1  7 et Dz  1 1 0  7
1 1 2 1 1 2 1 1 1

 0, y   1, z   1  S   0,1,1
0 7 7
x
7 7 7
La méthode de GAUSS
Il s’agit à partir des opérations élémentaires transformer le système en un
système triangulaire supérieur ou inférieur (Système échelon). On obtient ainsi
un système équivalent au système initial.
Remarque : on peut aussi faire ces transformations élémentaires sur la
matrice du système.
Exemple
 x  y  z  t 1
2 x  2 y  4 z  t  2

En utilisant la méthode de GAUSS résoudre le système  S  : 
 x  3 y  2t  2
3x  4 y  4 z  0

Indication de solution
l1  l1 , l2  l2   2  l1 , l3  l3  l1 , l4  l4   3 l1

Bases mathématiques pour l’économie et la Gestion

 x  y  z  t  1
 2z  t  0
 l1  l1 , l2  l4
On a :  S   
  2 y  z  3t  3
 y  z  3t  3

x  y  z  t  1 x  y  z  t  1
 2z  t  0  y  z  3t  3
 S    
 l1  l1 , l2  l2 , l3  l3  2l2 , l4  l4
  2 y  z  3t  3   2 y  z  3t  3

 y  z  3t  3 
 2z  t  0
x  y  z  t  1
 y  z  3t  3
 1
S   l1  l1 , l2  l2 , l3  l3 , l4  l4
 3z  3t  3 3

 2z  t  0
x  y  z  t  1
 y  z  3t  3

S   l1  l1 , l2  l2 , l3  l3 , l4  l4   2  l3
 z  t  1

 2z  t  0

x  y  z  t  1 1

 y  z  3t  3 2
S  
 z  t  1  3

 t2 4
On trouve finalement un système échelonné qu’on peut résoudre de proche
en proche à partir de l’équation 4 :

 4  t  2
 3  z  2  1  z  1
 2   y  1  6  3  y  2
1  x  2  1  2  1  x  4
Donc S   4, 2,1, 2 

Bases mathématiques pour l’économie et la Gestion

Exercice 1

 3 1 1 
 
1. Dans M  3 soit la matrice : A   1 3 1  et on pose B  A  4 I 3
 1 1 3 
 
a. Exprimer B 2 en fonction de B

b. Exprimer A2 en fonction de A

c. En déduire que A est inversible (on exprimera A 1 en fonction de A )

2. On considère le système linéaire :
3x  y  z  3
 S  :  x  3 y  z  0
 x  y  3z  3


a. Ecrire le système  S  sous la forme matricielle AX  B

b. En déduire une résolution de  S 

Indication de Solution

 3 1 1 
 
1. A   1 3 1  et B  A  4 I 3
 1 1 3 
 
a. Exprimons B 2 en fonction de B

 1 1 1  3 3 3   1 1 1
     
B  1 1 1 et B 2  B  B   3 3 3   31 1 1  3B
 1 1 1  3 3 3   1 1 1
     
b. Exprimons A2 en fonction de A
On a :
B  A  4I3  A  B  4I3 
A2   B  4 I 3   B 2  8BI 3  16 I 32  B 2  8B  16 I 3
2

 3B  8B  16 I 3  5B  20 I 3  4 I 3  5  B  4 I 3   4 I 3  5 A  4 I 3

c. Déduisons que la matrice A est inversible et déterminons A 1

A2  5 A  4I3

Bases mathématiques pour l’économie et la Gestion

 A2  5 A  4 I 3
 1 
 A   A  5I 3    I 3
4 

 2 1 1   1/ 2 1/ 4 1/ 4 

1 1 
 A est inversible et A   A  5I 3    1 2 1    1/ 4 1/ 2 1/ 4 
1

4 4   
 1 1 2   1/ 4 1/ 4 1/ 2 

2. a. Le système  S  s’écrit sous la forme AX  B avec :

 3 1 1  x 3 
     
A   1 3 1  , X   y  et B   0 
 1 1 3  z   3 
     

 1/ 2 1/ 4 1/ 4  3   3 / 4 

 1    
b. AX  B  X  A B   1/ 4 1/ 2 1/ 4  0    0 
 1/ 4 1/ 4 1/ 2  3   3 / 4 
    
Exercice 2
Vérifier que les systèmes suivants sont de Cramer et les résoudre par la
méthode d’inversion de la matrice
3x  2 y  z  2

1.  S1  :  2x z 0
 -x  2 y  z  2


2 x  y  z  3

2.  S2  : - x z0
 2y  z  1


3x  2 y  z  3

3.  S3  :  2x  z 1
 -x  2 y  z  1

Indication de solution
3x  2 y  z  2

1.  S1  :  2x z 0
 -x  2 y  z  2


Bases mathématiques pour l’économie et la Gestion

  1 2 1 x   2 
 S1  S’écrit sous la forme matricielle  2 0 1    
 y    0 
 1 2 1  z   2 
    

 S1  est de Cramer  det A1  0

1 2 1
 det A1  2 0 1  4  0   S1  est de Cramer
1 2 1

Calcul de A11

 2 4 2 
1 1
Méthode des cofacteurs A   3 4 1 1
4 
 4 4 4 

0
 
1
A1 X  B1  X  A B  1 
1 1
0
 

Remarque : Même méthodologie pour résoudre  S 2  ,  S3 

Exercice 3
Vérifier que les systèmes suivants sont de Cramer et les résoudre par la
méthode de Cramer
3x  y  z  1

1.  S1  :  2x  3 y  z  1
 x  y  3z  1


x  y  z  1

2.  S2  :  x  y  2 z  1
 x  y  2z  0


 x  y  z  1

3.  S3  : 2 x  y  3z  0
 x  2y  z 1


Bases mathématiques pour l’économie et la Gestion

 Indication de solution
3x  y  z  1
 S1  :  2x  3 y  z  1
 x  y  3z  1


L’écriture matricielle de  S1  : A1 X  B1

 3 1 1  x  1
     
Avec A1   2 3 1  , X   y  , B1   1
 1 1 3  z  1
     
det A1  16  0   S1  est de Cramer

Résolution de  S1  par la méthode de Cramer : D  16, Dx  0, Dy  8 et Dz  8

et par suite x  0 , y  1/ 2, z  1/ 2 et S   0,1/ 2,1/ 2 

x  y  z  1

2.  S2  :  x  y  2 z  1
 x  y  2z  0


L’écriture matricielle de  S2  : A2 X  B2

 1 1 1  x  1
     
A1   1 1 2  , X   y  , B1   1 
1 1 2 z   0
     
det A2  2  0   S2  est de Cramer et D  2, Dx  1, Dy  1 et Dz  0

S  1/ 2, 1/ 2, 0 

Bases mathématiques pour l’économie et la Gestion

 Chapitre 3_ Réduction des endomorphismes
I. Diagonalisation
NB : La notion de diagonalisation et Trigonalisation des matrices est valable
uniquement pour les matrices carrées.
1. Valeurs propres et vecteurs propres d’une matrice
Valeurs propres
Définition 1 Soit A une matrice carrée d’ordre n .On appelle polynôme
caractéristique d’une matrice A le déterminant det  A   I  où  est un nombre

réel et I la matrice unité de même ordre que A . Ce déterminant est un

polynôme en  noté PA    et PA     det  A   I 

 a11 a1n 
 
En posant : A   
a ann 
 n1
a11   a12 . . a1n
a21 a22   . . a2 n
PA ( )  . . . . .
. . . . .
an1 an 2 . . ann  

Définition 2
Les valeurs propres de la matrice A les racines de son polynôme
caractéristique c’est-à-dire  est une valeur propre de A si et seulement si
PA     det  A   I   0 .

Exemple
 1 1 1
 
Soit la matrice A   2 5 2 
 2 3 0 
 
Déterminer le polynôme caractéristique de A et en déduire les valeurs propres
de A .

Bases mathématiques pour l’économie et la Gestion

 1  x 1 1
Soit x  , PA  x   2 5  x 2  1  x  x  2  x  3
2 3  x

PA  x   1  x  x  2  x  3

Les valeurs propres de A : PA  x   0  x  1 ou x  2 ou x  3

Propriétés
(1) Une matrice carrée d’ordre n admet n valeurs propres comptées avec leur
multiplicité,
(2) La transposée de la matrice A a les mêmes valeurs propres que A ,
1
(3) si  est une valeur propre de A alors  m et sont les valeurs propres de Am et

A 1
(4) Les valeurs propres d’une matrice triangulaire et d’une matrice diagonale
sont les éléments diagonaux de cette matrice,
(5) Si on désigne par 1 , 2 , , n les valeurs propres de la matrice A , alors on a :

det A  12 n

tr  A  1  2   n

(6) Théorème de Hamilton-Cayley

Toute matrice carrée est racine de son polynôme caractéristique. Autrement
dit si A est une matrice carrée et a pour polynôme
caractéristique PA     an  n  an 1 n 1  a1  a0 alors on a :

PA  A  an An  an 1 An 1  a1 A  a0 I  0

Remarque : Ce théorème est utile pour exprimer l’inverse d’une matrice A en

fonction des puissances positives de A .
Exemple 1
 1 1 1
 
Pour A   2 5 2 
 2 3 0 
 

Bases mathématiques pour l’économie et la Gestion

A Vérifie PA  A   A3  6 A2  11A  6 I  0

 A3  6 A2  11A  6 I   A  A2  6 A  11I   6 I
On a : 1 
 A   A2  6 A  11I   I
6 

 A est inversible et A1 

6
 A  6 A  11I 
1 2

Exemple 2
Soit A une matrice carrée d'ordre 3 de polynôme caractéristique
PA     3 3  10 2  50  18 . D’après le théorème de Hamilton Cayley on a :

PA     3 A3  10 A2  50 A  18I  0
 3 A2  10 A  50 I 
 3 A  10 A  50 A  18I  A 
3 2
I
 18 
1
Cette égalité veut dire que A est inversible et A1 
18
 3A2  10 A  50I 
Vecteurs propres
Définition
Soit 0 une valeur propre de la matrice A :

Définitions
On appelle vecteur propre de A associé à 0 le vecteur non nul V vérifiant

l’égalité :
AV  0V  AV  0V  O
  A  0 I  V  O

On appelle sous-espace vectoriel propre de A associé à 0 l’ensemble noté

E  0  ou E0

E  0   V | AV  0V 

Propriétés
(1) A toute valeur propre on peut associer au moins un vecteur propre,
(2) Les vecteurs propres associés à des valeurs propres différentes sont
linéairement indépendantes,
Bases mathématiques pour l’économie et la Gestion
(3) À une valeur propre d’ordre de multiplicité q, on peut associer au plus q
vecteurs propres,
(4) Les vecteurs propres de Am et A 1 sont les mêmes que ceux de A .
Exemple
 1 1 1
 
Soit A   2 5 2  de polynôme caractéristique PA  x   1  x  x  2  x  3
 2 3 0 
 

Déterminer un vecteur propre associer à chaque valeur propre i  i  1, 2,3

1  1, 2  2 et 3  3

Sous-espace vectoriel propre associer a 1  1

x
E1  E1  V / AV  1.V  V  . Soit V  y 
z 
 

 1 1 1 x   x    y  z  0 (1)
     
 2 5 2  y    y   2 x  4 y  2 z  0 (2)
 2 3 0  z   z  2 x  3 y  z  0 3
       
(1)  z   y

2 x  4 y  2 y  0 2 x  2 y  0
 
2 x  3 y  y  0 2 x  2 y  0
(2) et (3) :
x  y  0
  x  y  0  x  y
x  y  0
V   x, y, z     y, y,  y    1,1, 1 y donc V1   1,1, 1 est une base de E1

Sous-espace vectoriel propre associer a 2  2

x
E2  E2  V / AV  2V  . Soit V  y 
z 
 

 x  y  z  0 (l1 )  x  y  z  0 1
 
On a : 2 x  3 y  2 z  0 (l2  2l1 )  y  0 2
 
2 x  3 y  2 z  0  l3   2  l1   y  0  3

Bases mathématiques pour l’économie et la Gestion

 2  et  3 : y  0 , 1  x   z

V   x, y, z     z, 0, z    1, 0,1 z

Donc V2   1, 0,1 est une base de E2

Sous-espace vectoriel propre associer a 3  3

x
E3  E3  V / AV  3V  . Soit V  y 
z 
 

2 x  y  z  0
  y  z
 yz 0 
  2 y  2z  0 x  0

V   x, y, z    0,  z, z    0, 1,1 z . Donc V3   0, 1,1 est une base de E3

Diagonalisation
La matrice A est diagonalisable lorsqu’il existe une matrice diagonale D et une
 1
 D  P AP
matrice inversible P telle que  1
 A  PDP


Critères de diagonalisation
La matrice A est diagonalisable si et seulement si son polynôme
caractéristique admet n racines distinctes ( n est l’ordre de la matrice),
La matrice est diagonalisable si et seulement si le nombre de vecteurs
propres linéairement indépendants associés à chaque valeur propre est
égale à la multiplicité de cette dernière comme racine du polynôme
caractéristique.
Algorithme de la diagonalisation d’une matrice
Écrire le polynôme caractéristique et calculer les valeurs propres,
Trouver les vecteurs propres associés à chaque valeur propre,
Écrire la matrice D et la matrice P

Bases mathématiques pour l’économie et la Gestion

  1 0 . . 0  V1 V2 . . Vn 
   
 0 2 . . 0  
D . . . . . , P   
   
 . . . . .   
0 0 
. n   
 .  
Discussion
Si la matrice de passage P est une matrice carrée, alors A est
diagonalisable,
Si P n’est pas une matrice carrée, alors A n’est pas diagonalisable (la
matrice A est trigonalisable)
Autrement dit A est diagonalisable lorsque la dimension du sous-espace
vectoriel propre de A est égale à l’ordre de la matrice.

 
n
Pour une matrice diagonalisable A on a : An  PDP1  PDn P1

 1n 0 . . 0 

 0 2 n . . 0 
Où Dn   . . . . . 


 . . . . . 
 
 0 0 . . n n 
Exemple
 1 1 1
 
Soit A   2 5 2 
 2 3 0 
 

Le polynôme caractéristique de A PA  x   1  x  x  2  x  3

1  1, 2  2 et 3  3 sont les valeurs de A . A est une matrice carrée d’ordre 3

et admet 3 racines, donc la matrice est diagonalisable

Sous-espace vectoriel propre associer a 1  1

E1  E1  V / AV  1.V  V 

V   x, y, z     y, y,  y    1,1, 1 y

Bases mathématiques pour l’économie et la Gestion

Donc V1   1,1, 1 est une base de E1

Sous-espace vectoriel propre associer a 2  2

E2  E2  V / AV  2V 

Donc V2   1, 0,1 est une base de E2

Sous-espace vectoriel propre associer a 3  3

E3  E3  V / AV  3V 

V   x, y, z    0,  z, z    0, 1,1 z . Donc V3   0, 1,1 est une base de E3

On a : A  PDP 1
 1 1 0  1 0 0
   
P   1 0 1 et D   0 2 0   P 1 AP
 1 1 1   0 0 3
   
II. Trigonalisation d’une matrice
1. Rappel (Matrice triangulaire)
Soit A une matrice carrée a coefficients dans K , K  ou
Elle est dite triangulaire si elle est de la forme :
 a11 0 0 
 
A  (Matrice triangulaire supérieure)
 0 
 
 an1 ann 

 a11 a1n 
 
0
A  (Matrice triangulaire inferieure)
 
 
 0 0 ann 

2. Matrice trigonalisable
Définition : Soit A  M n  K  une matrice carrée a coefficients dans K , K  ou

. A est dite trigonalisable si elle est semblable à une matrice triangulaire

c’est-à-dire s’il existe une matrice inversible P telle que :

Bases mathématiques pour l’économie et la Gestion

  a11 a1n 
 
0
T  P 1 AP   
 
 
 0 0 ann 

Remarque : T  P 1 AP  A  PTP 1
On notera que toute matrice triangulaire supérieure étant semblable à
une matrice triangulaire inferieure, une matrice est trigonalisable dans
M n  K  si et seulement si elle est semblable à une matrice triangulaire

inferieure
Proposition
Toute matrice trigonalisable de M n  K  admet toujours n valeurs propres

distinctes ou confondues
Théorème
Toute matrice complexe A  M n  K  est trigonalisable

Exemple
Soit l’endomorphisme f de 3
dont la matrice dans la base canonique est :

 1 0 1
 
A   1 2 1
 1 1 1
 
Montrer que f est trigonalisable et trigonaliser f

Indication de solution
1 x 0 1
PA  x   1 2  x 1
1 1 1  x
   x  2    2  x    x 2  2 x    x  2   1  x 2  2 x     x  2  x  1
2

Les valeurs propres de f sont : x1  2 (Racine simple) et x2  1 (Racine double ou

d’ordre de multiplicité 2). On a 3 racines dont deux sont confondues  A est

trigonalisable
Sous-espace vectoriel propre associer a x1  2
Bases mathématiques pour l’économie et la Gestion
E2  V / AV  2V  . On a :

 1 0 1 x   2 x  x  z  2x  x z0
      
 1 2 1 y    2 y    x  2 y  z  2 y   x z0
 1 1 1 z   2 z   x  y  z  2z x  y  z  0
      
 x  z  0  x  z

x  y  z  0  z  y  z  0  y  0

On a : V   x, y, z    z, 0, z   1, 0,1 z  u1  1, 0,1 est une base de E2

Sous-espace vectoriel propre associer a x2  1

E1  V / AV  V  . On a :

 1 0 1 x   x   x zx z  0
       z  0
 1 2 1 y 
   y    x  2 y  z  y    x  y  0  
 1 1 1 z   z   x  y  z  z  x  y
      x  y  0
V   x, y, z    y, y, 0   1,1, 0  y  u2  1,1, 0  est une base de E1

La matrice P n’est pas une matrice carrée donc A est trigonalisable

Complétons u1 et u2 en une base  u1 , u2 , u3  de 3
dans laquelle la matrice de f est

semblable à une matrice triangulaire supérieure

Posons u3  1, 0, 0  .On a det  u1 , u2 , u3   1  0   u1 , u2 , u3  est une base de 3

1 1 1
 
P  0 1 0
1 0 0
 

0 0 1 
  1
Avec la méthode des cofacteurs P   0 1 0 
 1 1 1
 

2 0 1 
 
T  P 1 AP   0 1 1 (Matrice triangulaire inferieure)
0 0 1 
 
Commentaire
La matrice A ne possède que 2 vecteurs propres indépendants u1 et u2 ,donc

A n’est pas diagonalisable

Bases mathématiques pour l’économie et la Gestion
 On choisit alors un vecteur quelque u3 vérifiant la condition : u1 , u2 , u3 soient

linéairement indépendants
Théorème de Hamilton-Cayley
(1) Pour tout endomorphisme f de E ,on a : Pf  f   0

(2) Pour toute matrice A  M n  K  ,on a : PA  A   0

Exercice d’application
1 1 1
 
Soit A   0 1 0  . Calculer PA  A  et en déduire A 1
1 0 0
 
Indication de solution
1 x 1 1
1 x 1
PA  x   0 1  x 0   1 1  x 
2 2

1 x
1 0 x
 1  x    x  x 2  1   x3  2 x 2  1
 PA  x    x3  2 x 2  1

PA  A   A3  2 A2  I 3

 1 1 1  1 1 1   2 2 1  2 2 1 1 1 1   3 4 2 
         
A   0 1 0  0 1 0    0 1 1  A   0 1 1 0 1 0    0 1 0 
2 3

 1 0 0  1 0 0   1 1 1  1 1 1 1 0 0   2 2 1 
         

 3 4 2   2 2 1  1 0 0   0 0 0 
       
PA  A    0 1 0   2  0 1 1   0 1 0    0 0 0   O
 2 2 1   1 1 1  0 0 1   0 0 0 
       
PA  A   O   A3  2 A2  I 3  A   A2  2 A   I 3
0 0 1 
1  
 A  A  2A   0 1 0 
2

 1 1 1
 

Bases mathématiques pour l’économie et la Gestion

 Chapitre 4_Les Modèles économiques
Le modèle input-output (entrée-sortie) de Leontief
On considère une économie qui se compose de n secteurs S1 , S2 ,..., Sn

Chaque secteur est supposé produire un seul bien.

Chacun de ces secteurs consomme une partie des biens produits par
tous les secteurs.
Pour produire une unité du bien j , le secteur S j a besoin de aij unités du

bien i .
Si q j désigne la quantité de production en bien j du secteur S j , alors la

demande totale intérieure d'unités produites en bien i par le secteur S i est

donnée par : ai1q1  ...  aij q j  ...  ain qn

La production totale de chaque secteur doit satisfaire la demande
intermédiaire et la demande finale.
Ce qui donne, pour chaque bien i :

ai1q1  ...  aij q j  ...  ain qn  di = qi

unités de i utilisées pour demande production
la production d ' autres biens finale totale

L’équilibre de toute l’économie peut ainsi être décrit par l’égalité

matricielle suivante :

 a11 a1n   q1   d1   q1 
      
          ou AQ  D  Q
a an      
 n1  qn   d n   qn 
La Matrice A est appelée la matrice de coefficients technique
Le système, dit de Leontief, s’écrit alors :  I  A  Q  D

La solution du système de Leontief consiste à déterminer les quantités à

produire de chaque bien pour satisfaire toute la demande.

Bases mathématiques pour l’économie et la Gestion

 Pour assurer l’unicité des quantités à produire, cette solution doit exister et
être unique, la matrice  I  A  doit alors être inversible. Dans ce cas, cette

solution est donnée par : Q   I  A  D

1

Pour que l'économie soit productive, les coefficients de la matrice  I  A 

doivent être tous positifs.

Comment trouver la matrice de coefficients techniques A ?
cij est la consommation du secteur S j dans le secteur S i pour produire une unité

de bien, si aij est le nombre d’unité de production alors :

aij
cij 
xj

Nous allons à présent donner quelques exemples

Exemple 1
On suppose que l’économie d’un pays fictif se décompose en deux secteurs.
On suppose que l’économie d’un pays fictif se décompose de deux
secteurs : l’agriculture et l’industrie.
 Pour le 1er secteur, la production est de 500UM répartie comme suit : 200
UM consommées par l’industrie et 50 UM consommées par l’agriculture
elle-même. Le reste en consommation finale pour satisfaire les besoins de
la population.
 Pour le 2ème secteur, la production est de 2500UM répartie comme suit :
500 UM consommées par l’industrie elle-même et 100 UM consommées
par l’agriculture. Le reste en consommation finale pour satisfaire les
besoins de la population.
A partir de ces données, on construit le tableau d’entrées-sorties de
l’économie :

Bases mathématiques pour l’économie et la Gestion

 Entrées (consommation)

Consommation
Secteur Agriculture Industrie Production finale
finale
Sorties
(Productions) Agriculture 50 200 250 500

Industrie 100 500 1900 2500

La matrice de coefficients techniques correspondante est alors donnée par :

consommation int ermediaire de production i par le sec teur j
aij 
production du sec teur j

a a12  50 200 100 500

A   11  et a11  , a12  a21  et a22 
 a21 a22  500 2500 500 2500

 50 200 
 500 2500   0.1 0.08 
Donc A    
 100 500   0.2 0.2 
 
 500 2500 

 d1   250 
Le vecteur de la demande extérieure devient :     
 d 2  1900 
Le système de Leontief s’écrit alors :
 0.1 0.08   q1   250   q1   0.9 0.08   q1   250 
           
 0.2 0.2   q2  1900   q2   0.2 0.8   q2  1900 

 0.9 0.08 
Et en cherchant l’inverse de la matrice   on trouve :
 0.2 0.8 

 q1   511.36 
  
 q2   2627.84 
La production de chacun des deux secteurs qui satisfait les nouvelles
demandes est alors donnée par :
511.36 UM de S1

 2627.84 UM de S 2

Bases mathématiques pour l’économie et la Gestion

Exemple 2
Supposons que l'économie d'une certaine région dépend de trois
industries : S1 , S 2 et S 3 . En surveillant les opérations de ces trois secteurs, on

a tiré les observations suivantes :

Pour produire une unité de S1 , S1 doit consommer 0,3 unités de S1 , 0,3 unités de

S 2 et 0,3 unités de S 3 .Pour produire une unité de S 2 , S 2 doit acheter 0,4 unités

de S1 , utiliser 0,1 unités de S 2 et 0,4 unités de S 3 . S 3 consomme 0,3 unités de S1 ,

0,4 unités de S 2 et de 0,2 unités de S 3 pour produire une unité de S 3 .

Supposons également que pendant une période d'une semaine,

l'économie a une demande extérieure de 50.000 unités de S1 , 75.000 unités

de S 2 et 125.000 unités de S 3 .

1. L’équilibre de cette économie peut être traduit par l’égalité matricielle :

 0.3 0.3 0.3   q1   50000   q1 
      
 0.4 0.1 0.4   q2    75000    q2 
 0.3 0.4 0.2   q  125000   q 
  3     3
2. La matrice des coefficients techniques correspondante :
 0.3 0.3 0.3 
 
 0.4 0.1 0.4 
 0.3 0.4 0.2 
 

 50000 
 
3. Le vecteur de la demande extérieure :  75000 
125000 
 
4. Le système de Leontief  I  A  Q  D correspondant :

 0.7 0.3 0.3   q1   50000 

    
 0.4 0.9 0.4   q2    75000 
 0.3 0.4 0.8   q  125000 
  3   
5. Solution du système  I  A  Q  D est donnée par :

Bases mathématiques pour l’économie et la Gestion

 q1   225609.76 
   
 q2    237804.88 
 q  121951.22 
 3  
6. Le niveau de production de chacun des trois secteurs pour satisfaire les
demandes est alors :
225609.76 Unités de S1

237804.88 Unités de S 2

121951.22 Unités de S 3

Bases mathématiques pour l’économie et la Gestion