Académique Documents
Professionnel Documents
Culture Documents
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
a11 a1n
A
a amn
m1
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
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.
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
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
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
A aij , B bij
mn np
(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
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
(2) tr A B tr A tr B
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
Est appelée matrice de passage de la base B à la base B ' (la j ieme colonne est
Exemple
1 1 1 5
Soit l’espace vectoriel réel 2
,on considère e1 , e2 , 1 , 2
0 1 2 4
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
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
Le cofacteur de aij est noté cij . Ainsi cij 1 M ij . Par exemple : c11 1
i j 11
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
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
11 1 2 1 3
3 2 8 2 8 3
8 3 2
5 4 9 2 2 24 3 3 16 58
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 :
(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
Exemple
1 0 0
Soit V1 2 ,V2 1 ,V3 0
0 1 1
Exercice
En utilisant les propriétés citées ci-dessus montrer que :
a2 ab ac
1. ab b 2
bc 0
ac bc c2
a bc 2a 2a
2. bca a b c
3
2b 2b
2c 2c ca b
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
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
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
b11 b12 . b 1n
b21 b22 . b2 n
Ainsi A1
. . . .
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
1
(4) A1 A
A
1 1 t
(5) At
(6) I 1 I
1
(7) A
1
A1 , 0
Sinon alors 1 rg A m
Si non alors 1 rg A m 1
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
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
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
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
0
X comme solution triviale.
0
XA B X BA1
...........................................
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
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
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
t2 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
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
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 31 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
4 4
1 1 2 1/ 4 1/ 4 1/ 2
3 1 1 x 3
A 1 3 1 , X y et B 0
1 1 3 z 3
2 x y z 3
2. S2 : - x z0
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
Calcul de A11
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
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
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
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
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 .
PA x 1 x x 2 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 12 n
tr A 1 2 n
PA A an An an 1 An 1 a1 A a0 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
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 A1
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
E 0 ou E0
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
1 1, 2 2 et 3 3
x
E1 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
x
E2 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
V x, y, z z, 0, z 1, 0,1 z
x
E3 E3 V / AV 3V . Soit V y
z
2 x y z 0
y z
yz 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 E3
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
n
Pour une matrice diagonalisable A on a : An PDP1 PDn P1
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
E1 E1 V / AV 1.V V
V x, y, z y, y, y 1,1, 1 y
E2 E2 V / AV 2V
E3 E3 V / AV 3V
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
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
1 0 1 x 2 x x z 2x x z0
1 2 1 y 2 y x 2 y z 2 y x z0
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
E1 V / AV V . On a :
1 0 1 x x x zx 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
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
linéairement indépendants
Théorème de Hamilton-Cayley
(1) Pour tout endomorphisme f de E ,on a : Pf f 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
bien i .
Si q j désigne la quantité de production en bien j du secteur S j , alors la
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
aij
cij
xj
Consommation
Secteur Agriculture Industrie Production finale
finale
Sorties
(Productions) Agriculture 50 200 250 500
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
S 2 et 0,3 unités de S 3 .Pour produire une unité de S 2 , S 2 doit acheter 0,4 unités
de S 2 et 125.000 unités de S 3 .
50000
3. Le vecteur de la demande extérieure : 75000
125000
4. Le système de Leontief I A Q D correspondant :
237804.88 Unités de S 2
121951.22 Unités de S 3