Documente Academic
Documente Profesional
Documente Cultură
ا – اآال
Faculté des Sciences Juridiques, آ ام ا واد
Economiques et sociales
وا
RABAT اا! ط
http://www.fsjesr.ac.ma
C
CHHA
APPIIT
TRRE
E 11 :: R
RÉÉSSO
OLLU
UTTIIO
ONND
D’’U
UNN SSY
YSST
TÈÈM
MEEL
LIIN
NÉÉA
AIIR
REE
I- Généralités ........................................................................................................................ 3
I-1 Définition d’un système linéaire .............................................................................................................. 3
I-2 Ecriture matricielle d’un système linéaire ............................................................................................... 3
I-3 Rang d’un système linéaire ...................................................................................................................... 4
IV- Valeurs propres et sous espaces propres d’une matrice carrée ................................. 19
IV-1 Définitions d’une valeur propre et d’un vecteur propre associé ......................................................... 19
IV-2 Calcul pratique des valeurs propres et sous espace propres associés. ............................................... 20
II-- G
Géénnéérraalliittééss
I-1 Définition d’un système linéaire
Définition :
On appelle système linéaire de n équations à m inconnues tout système de la forme :
a11 x1 + L + a1m xm = b1
( S )M
an1 x1 + L + anm xm = bn
Les coefficients aij , bi (1 ≤ i ≤ n et 1 ≤ j ≤ m) sont des réels donnés.
Le n -uplet (b1 ,L, bn ) est dit second membre du système (S ) .
x1 ,L, xm sont les inconnues du système.
Un m -uplet ( x1 ,L, xm ) de IR m est solution de ( S ) si elle vérifie les n équations du système.
Résoudre ( S ) c’est décrire l’ensemble de ces solutions.
Le système ( S ) est compatible s'il admet au moins une solution, sinon ( S ) est dit incompatible.
Le système ( S ) est dit homogène si b1 = L = bn = 0 .
Exemple :
x1 + 2 x2 − 3x3 + x4 = 1
( S )2 x1 + x2 − x3 = 0 est un système linéaire de 3 équations à 4 inconnues
− x1 + 2 x2 − 2 x3 − 3x4 = −1
a11 x1 + L + a1m xm = b1
Tout système linéaire ( S )M peut s’écrire sous la forme matricielle A. X = b ,
an1 x1 + L + anm xm = bn
a11 L a1m x1 b1
avec : A= M M M
, X = M et b = M
an1 L anm x b
m n
a11 x1 + L + a1m xm = b1 a11 L a1m x1 b1
( S )M ⇔ M M M . M = M
an1 x1 + L + anm xm = bn an1 L anm xm bn
x1 + 2 x2 − 3x3 + x4 = 1
Exemple : ( S )2 x1 + x2 − x3 = 0
− x1 + 2 x2 − 2 x3 − 3x4 = −1
1 2 − 3 1
La matrice du système (S ) est égale à : A = 2 1 − 3 0
−1 2 − 2 − 3
x1
1 2 − 3 1 x2 1
L’écriture matricielle du système (S ) est alors : 2 1 − 3 0. x = 0
−1 2 − 2 − 3 3 −1
x4
x1 + 2 x2 − 3x3 + x4 = 1
Exemple : ( S )2 x1 + x2 − x3 = 0
− x1 + 2 x2 − 2 x3 − 3x4 = −1
1 2 − 3 1
La matrice du système (S ) est égale à : A = 2 1 − 3 0
−1 2 − 2 − 3
1 2 − 3
rg ( S ) = 3 car rg ( A) = 3 : det 2 1 − 3 ≠ 0
−1 2 − 2
IIII-- U
Uttiilliissaattiioonn ddeess ddéétteerrm
miinnaannttss
II-1 Résolution d’un système linéaire de Cramer
Définition d’un système de Cramer
Définition :
Un système linéaire est dit de Cramer si le nombre de ses inconnues m est égal au nombre de ces
équations n et est égal à son rang r ( n = m = r ) .
Théorème :
Un système linéaire est de Cramer ssi sa matrice associée est carrée ( n = m ) et inversible ( r = n ) .
Un système linéaire de Cramer admet une unique solution.
L’unique solution d’un système linéaire homogène de Cramer est le vecteur nul.
x1 + 3 x2 + 2 x3 = b1 1 3 2
Exemple : ( S ) 2 x1 + x2 + 3 x3 = b2 ⇒ A = 2 1 3
3 x1 + 2 x2 + x3 = b3 3 2 1
Etapes de la résolution :
On vérifie si le système (S ) est de Cramer :
• Si det A = 0 alors le système (S ) n’est pas de Cramer.
• Si det A ≠ 0 alors le système (S ) est de Cramer, et on passe à sa résolution.
Un vecteur X est solution du système (S ) ssi A. X = b ssi X = A−1b car A est inversible.
1 t
• On calcule A−1 : A−1 = ( C ( A))
det A
• X = A−1.b est alors l’unique solution du système (S ) .
Exemple :
x1 + 3x2 + 2 x3 = 6
Le système (S ) est donné par : ( S )2 x1 + x2 + 3x3 = 6
3x1 + 2 x2 + x3 = −12
1 3 2 x1 6
L’écriture matricielle du système (S ) est : 2 1 3 x2 = 6
3 2 1 x3 −12
1 3 2 6
A = 2 1 3 et b = 6
3 2 1 − 12
+ 1 3 − 2 3 + 2 1
2 1 3 1 3 2 −5 7 1
− 5 1 7
C ( A) = − 23 21 + 31 21 − 31 23 = 1 − 5 7 ⇒ t
(C ( A)) = 7 − 5 1
7 1 − 5 1 7 − 5
3 2 1 2 1 3
+ −
1 3 2 3 2 1 +
Etapes de la résolution :
On calcule le déterminant de la matrice A : det A
Si det A = 0 alors le système (S ) n’est pas de Cramer.
Si det A ≠ 0 alors le système (S ) est de Cramer, et on passe à sa résolution.
On calcule les déterminants, dits de Cramer Dxi , 1 ≤ i ≤ n , où Dxi est le déterminant de la matrice
A où l’on a remplacé la colonne i par le vecteur b :
x1 Dx i
On calcule le vecteur solution X = M : xi = , 1≤ i ≤ n
x det A
n
Dx1
det A
X = M est alors l’unique solution du système (S ) .
Dxn
det A
Exemple :
x1 + 3x2 + 2 x3 = 6
Le système (S ) est donné par : ( S )2 x1 + x2 + 3x3 = 6
3x1 + 2 x2 + x3 = −12
1 3 2 x1 6 1 3 2 6
L’écriture matricielle du système (S ) est : 2 1 3 x2 = 6 , A = 2 1 3 et b = 6
3 2 1 x3 −12 3 2 1 − 12
le système (S ) est de Cramer :
13 2
det A = 2 1 3 = 18 : det A ≠ 0 A est alors une matrice inversible
3 2 1
Calcul des déterminants de Cramer Dx1 , Dx2 et Dx3 :
6 3 2 ( L2 →L2 −L1,L3→L3 +2 L1) 6 3 2
Dx1 = 6 1 3 = 0 − 2 1 = 6 × − 28 51 = −108
−12 2 1 0 8 5
1 6 2 ( L2 →L2 −2 L1 ,L3 →L3 −3 L1 ) 1 6 2
Dx2 = 2 6 3 = 0 − 6 − 1 = 1× −−306 −−51 = 0
3 − 12 1 0 − 30 − 5
1 3 6 ( L2 →L2 −2 L1 ,L3 →L3 −3 L1 ) 1 3 6 − 5 − 6 = 108
Dx3 = 2 1 6 = 0 − 5 − 6 = 1× − 7 − 30
3 2 − 12 0 − 7 − 30
x1
Calcul du vecteur solution X = x2 : ( xi = Dxi / det A, 1 ≤ i ≤ 3 )
x3
D 108 D Dx3 108
x1 = x1 = − = −6 x2 = x 2 = 0 x3 = = =6
det A 18 det A det A 18
− 6
X = 0 est alors l’unique solution su système (S ) .
6
Exemples :
x1 + 2 x2 + 3 x3 + 4 x4 =2
1 2 3 4 2
x + 2 x3 + 2 x4 =2 2 2 et b = 2
1) ( S ) 2 ⇒ A = − 02 1
−1 0 − 2 2
− 2 x1 − x2 − 2 x4 =2 2
− 2 0 2 0
2 x1 + 2 x3
− =2
2 x1 + 3x2 − x3 =2
2 3 −1 2
x − x + x =2 −1 1 et b = 2
2) ( S ) 1 2 3 ⇒ A = 01 5 − 3 2
5 x − 3 x3 =2 2
2 3 2 0
3 x1 + 2 x2 =2
a11 L a1m x1 b1
A = M M M , X = M et b= M
an1 L anm x b
m n
Etapes de la résolution :
On cherche le rang r de la matrice A : rg ( A) = r
Si (n = m = r ) alors le système est un système linéaire de Cramer et sa résolution se fait
par l’une des méthodes développées au paragraphe précédent.
Sinon, le système est alors un système linéaire non de Cramer. Pour le résoudre, on suit
les étapes suivantes.
On suppose que la matrice Ar formée par les r premières lignes et les r premières colonnes de la
matrice A a un déterminant non nul ∆ r :
a1,1 L a1,r a1,r +1 L a1,m
M M M M M M a1,1 L a1,r
a r ,1 L a r ,r a r ,r +1 L a r ,m
A= ⇒ ∆r = M M M
a L a r +1,r a r +1,r +1 L a r +1,m a r ,1 L a r ,r
r +1,1
M M M M M M
a n,1 L a n ,r a n,r +1 L a n ,m
Cette hypothèse peut toujours être vérifiée, à un changement près de l’ordre des équations
et/ou de l’ordre des inconnues. Elle ne restreint donc pas l’étude qui suit mais en simplifie
seulement l’exposé.
∆ r s’appelle le déterminant principal. On en déduit :
Les inconnues principales x1 ,L, xr , dont les coefficients sont les colonnes de Ar .
les autres inconnues xr +1 ,L, xm sont dites non principales ou arbitraires.
Les équations principales, qui sont les lignes du déterminant principal : ce sont les r premières
équations du système.
Les autres équations sont dites équations non principales.
2ème cas : ∀1 ≤ h ≤ n − r , ∆ h = 0
Le système est possible. Pour le résoudre, on résout le système formé des r équations principales
dont les inconnues sont les inconnues principales et où les inconnues arbitraires sont considérées
comme des paramètres et sont ajoutées au second membre du système.
Exemples :
x1 + 2 x2 + 3 x3 + 4 x4 =1
1 2 3 4 1
x + 2 x3 + 2 x4 =0 2 2 et b = 0
1) ( S ) 2 ⇒ A = − 02 1
−1 0 − 2 − 2
− 2 x1 − x2 − 2 x4 = −2 − 2
− 2 0 2 0
− 2 x1 + 2 x3 = −2
A∈ M (4) et rg ( A) = 2 ⇒ rg ( S ) = 2 ⇒ r = 2
x1 + 2 x2 + 3 x3 + 4 x4 =1
1 2 3 4 1
x + 2 x3 + 2 x4 =0
2) ( S ) 2 ⇒ A = − 02 1
−1
2 2
0 − 2 et b = − 02
− 2 x1 − x2 − 2 x4 = −2 2
− 2 0 2 0
− 2 x1 + 2 x3 =2
A ∈ M ( 4,4) et rg ( A) = 2 ⇒ rg ( S ) = 2 ⇒ r = 2
Un déterminant principal est : ∆ 2 = 10 12 . On en déduit :
Les inconnues principales : x1 et x2
Les inconnues arbitraires : x3 et x4
x1 + 2 x2 + 3 x3 + 4 x4 = 1
x + 2x + 2x
Les équations principales :
=0
2 3 4
Etapes de la résolution :
On cherche le rang r de la matrice A : rg ( A) = r
Si (n = m = r ) alors le système est un système linéaire de Cramer et son unique solution est le
vecteur nul.
Sinon, le système est alors un système linéaire non de Cramer. Pour le résoudre, on suit les
mêmes étapes que pour un système linéaire non de Cramer avec second membre (Les
conditions de compatibilité étant toujours vérifiées).
a1,1 L a1,r
On cherche le déterminant principal ∆ r : ∆ r = M M M
a r ,1 L a r ,r
On en déduit :
Les r inconnues principales x1 ,L, xr .
Les m − r inconnues arbitraires xr +1 ,L, xm .
Les r équations principales correspondantes à ∆ r .
On résout le système de Cramer formé par les r équations principales, dont les inconnues sont les r
inconnues principales et où l’on fait passer les m − r inconnues arbitraires au second membre du
système A. X = b .
Remarque :
♦ La solution de tout système linéaire non de Cramer homogène est un sous espace vectoriel de
dimension égale au nombre de ses inconnues arbitraires égale au rang de sa matrice.
Exemple :
x1 + 2 x2 + 3 x3 + 4 x4 =0
1 2 3 4 0
x + 2 x3 + 2 x4 =0
( S ) 2 ⇒ A = − 02 1
−1
2 2
0 − 2 et b = 00
− 2 x1 − x2 − 2 x4 =0 0
− 2 0 2 0
− 2 x1 + 2 x3 =0
A∈ M (4) et rg ( A) = 2 ⇒ rg ( S ) = 2 ⇒ r = 2
Un déterminant principal : ∆ 2 = 1 2
0 1 . On en déduit :
Les inconnues principales : x1 et x2
Les inconnues arbitraires : x3 et x4
x1 + 2 x2 + 3 x3 + 4 x4 = 0
Les équations principales : x + 2x + 2x =0
2 3 4
IIIIII-- M
Méétthhooddee dd’’éécchheelloonnnneem
meenntt ddee G
Gaauussss
III-1 Systèmes linéaires échelonnés
Matrice échelonnée
Définition 1 :
Une matrice
, est dite échelonnée ou en échelons s'il existe un
;
entier , 1 min , et une suite d'entiers 1 tels que :
(1) les sont les premiers coefficients non nuls des premières lignes, on les appelle pivots et on
0 pour # et 1
Le nombre est le rang de la matrice échelonnée .
(2) Toutes les lignes après les r premières sont nulles :
Définition 2 :
Une matrice
;
, est dite échelonnée si et seulement si elle a les
deux propriétés suivantes :
(1) Si une ligne est entièrement nulle, toutes les lignes situées en dessous le sont également.
(2) Dans chaque ligne non entièrement nulle (à partir de la deuxième), le premier coefficient non nul
en comptant à partir de la gauche est situé strictement à droite du premier coefficient non nul de
la ligne précédente.
Les pivots de sont les emplacements correspondants au premier coefficient non nul de chaque
Le rang d’une matrice échelonnée est le nombre des premières lignes non nulles.
(
1 0 2
Exemples :
( 2 1 0 1
Les colonnes des pivots sont C1, C2 et C3.
) 1 2 2
-. / est une matrice échelonnée de rang égal à 4.
( 2 1
0 (
Pivots de la matrice - sont : 1 ; ++ 2 ; ,, 1 ; 01 1.
( 2 1 0 1
( 2 1 0
Les colonnes des pivots sont C1, C2, C3 et C5.
0 ) 0 0
' ) 1 2* et . / sont des matrices non échelonnées
0 0 0
( 1 2
0 0 (
Les inconnues 56 , … , 58 sont les inconnues principales : elles correspondent aux
Les pivots du système sont les pivots de la sa matrice .
1er cas L M : Le système linéaire est compatible. L'égalité signifie que les conditions
Deux cas sont possibles :
2ème cas L : Les = dernières équations ont leurs premiers membres nuls, donc le
imposées aux variables (les équations) sont indépendantes donc compatibles entre elles.
système est compatible si et seulement si les = derniers seconds membres sont nuls. On
a donc = conditions de compatibilité à vérifier.
S'il est compatible (les = conditions de compatibilité sont vérifiées) : On fait passer les
Remarque :
♦ Avant de se lancer dans des calculs, il est important d'avoir une idée sur le type possible de
l'ensemble des solutions.
35+ = 5, 1 @ 35+ 1 ; 5, @ 5+ 1
puis on remonte :
On dit que deux matrices et - de même type sont équivalentes si l’une se déduit de l’autre par
Définition : (matrices équivalentes)
Toute matrice peut se réduire à une matrice échelonnée en lignes \ par une suite d’opérations
Théorème 1 :
Exemples :
3 =8 17 4 0 1 =1 =2 0 0 1 =1
La matrice \ est la forme échelonnée de la matrice .
i ij 3
1 3 2 1 5 ; 35+ ; 25, 1
Exemples :
Théorème :
Si les matrices augmentées de deux systèmes linéaires sont équivalentes, alors les systèmes
linéaires sont équivalents et ont alors le même ensemble de solutions.
25 ; 5+ ; 450 2 2 1 0 4 2
=45 = 25+ ; 35, = 750 =9? =4 =2 3 =7 =9
N Q . / OP 4 n o
45 ; 5+ = 25, ; 850 2 4 1 =2 8 2
35+ = 125, = 50 2
Exemple :
0 3 =12 =1 2
2 1 0 4 2
=4 =2 3 =7 =9
On écrit la matrice augmentée du système (1) : p |4 n q o
4 1 =2 8 2
0 3 =12 =1 2
Etape 1 : consiste à choisir le premier pivot et annuler tous les autres coefficients de la colonne qui
contient ce pivot
2 1 0 4 2 ab cab r+a6 2 1 0 4 2
=4 =2 3 =7 =9 ae cae d+a6 0 0 3 1 =5
p n q o fgggggggh n q o p s4
4 1 =2 8 2 0 =1 =2 0 =2
0 3 =12 =1 2 0 3 =12 =1 2
Etape 2 : consiste à choisir le deuxième pivot et annuler tous les autres coefficients de la colonne qui
contient ce pivot qui se trouvent en dessous du pivot
Au terme de l’étape 1, on a obtenu une matrice dont la première colonne est bien celle d’une matrice
On va donc conserver cette première colonne ainsi que la première ligne (puisque 2 ! 0) et
échelonnée.
2 1 0 4 2 2 1 0 4 2
0 0 3 1 =5 a ca 0 =1 =2 0 =2
n q o fgggh n q o
b e
0 =1 =2 0 =2 0 0 3 1 =5
0 3 =12 =1 2 0 3 =12 =1 2
2 1 0 4 2 2 1 0 4 2
0 =1 =2 0 =2 0 =1 =2 0 =2
q o p+ + s4 +
a ca d,a
n q o fgggggggh n
t t b
0 0 3 1 =5 0 0 3 1 =5
0 3 =12 =1 2 0 0 =6 =1 8
Etape 3 : consiste à choisir le troisième pivot et annuler tous les autres coefficients de la colonne qui
contient ce pivot qui se trouvent en dessous du pivot
Au terme de l’étape 2, on a obtenu une matrice dont les 1ère et 2ème colonnes sont bien celles d’une
matrice échelonnée.
2 ! 0?
+
On va donc conserver ces deux colonnes ainsi que les deux premières lignes : puisque
u
++ =1 ! 0
+
et l’on va appliquer la même démarche à la troisième colonne.
2 1 0 4 2 2 1 0 4 2
0 =1 =2 0 =2 at cat r+ae 0 =1 =2 0 =2
n q o fgggggggh n q o p, , s4 ,
0 0 3 1 =5 0 0 3 1 =5
0 0 =6 =1 8 0 0 0 1 =2
Pour résoudre le système . 3 4, il suffit alors de résoudre le système échelonné équivalent ainsi
obtenu : \. 3 4\, avec j , OP 4 j 4 , .
1
y5 2 = 5+ = 450 3
25 ; 5+ ; 450 ;2
2 3
w
=5+ = 25, =2? 5+ 2 = 25, 4 ?@3n 4 o
N @
35, ; 50 =5 1
x5 =5 = 5 =1 =1
50 =2 w ,
3 0 =2
v50 =2
2 1 0 4 3 2
=4 =2 3 =7 4 =9
. 3 . /.n o n o 4
4 1 =2 8 =1 2
Vérification :
0 3 =12 =1 =2 2
1 1 − 1 1 0 1
Exemple : A = 1 1 1 , X 1 = 1 , X 2 = 1 , X 3 = − 1
−1 1 1 0 1 1
1 1 − 1 0 0 0
A. X 2 = 1 1 1.1 = 2 = 2.1 : A. X 2 = 2. X 2
− 1 1 1 1 2 1
0
X 2 = 1 est un deuxième vecteur propre de la matrice A associé à la même valeur propre λ 1= 2 .
1
1 1 − 1 1 − 1 1
A. X 3 = 1 1 1.− 1 = 1 = (−1).− 1 : A. X 3 = (−1).X 3
− 1 1 1 1 − 1 1
λ 2 = −1 est alors une autre valeur propre de la matrice A .
1
X 3 = − 1 est un vecteur propre de la matrice A associé à la valeur propre λ 2 = −1 .
1
IV-2 Calcul pratique des valeurs propres et sous espace propres associés.
Théorème 1 : (valeur propre)
Soit A une matrice carrée d’ordre n à coefficients réels.
λ est une valeur propre de la matrice A ssi : det( A − λ . I ) = 0
det( A − λ . I ) s’appelle le polynôme caractéristique de la matrice A , on le note PA ( λ ) .
Le produit de toutes les valeurs propres de la matrice A est égal au déterminant de la matrice.
La somme de toutes les valeurs propres de la matrice A est égale à la trace de la matrice.
Calculer les valeurs propres d’une matrice A revient à résoudre l’équation det( A − λ.I ) = 0 .
Pour chaque valeur propre λ de A , déterminer le sous espace propre associé revient alors à résoudre le
système linéaire (non de cramer car det( A − λ . I ) = 0 ) : ( A − λ.I ).X = 0n .
Exemples :
[ ]
♦ A = −34 12 : PA ( λ ) = ( λ − 2 )( λ + 5 ) , E2 = (1,3)
E = (−2,1)
−5
[
♦ A = −12 −23 ] : P A ( λ ) = ( λ + 1) 2 , E−1 = (1,−1)
[
♦ A = −11 −21 ] : PA ( λ ) = λ 2 + 1
1 1 − 1 E−1 = (1,−1,1)
♦ A = 1 1 1 : PA ( λ ) = − ( λ + 1)( λ − 2 ) 2 , E = (1,1,0), (1,0,−1)
−1 1 1 2
7 3 − 4 E2 = (1,1,2)
♦ A = − 6 − 2 5 : PA ( λ ) = − ( λ − 2 )( λ − 1) 2 , E = (1,−2,0)
4 2 −1 1
0 1 0
♦ A = 0 0 1 : PA ( λ ) = − ( λ + 1)( λ 2 + 1) , E−1 = (1,−1,1)
−1 −1 −1
V-- SSyyssttèèm
V mee ddee LLeeoonnttiieeff
V-1 Modèle entrée-sortie de Leontief
On considère une économie qui se compose de n secteurs S1,…,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 Sj a besoin de aij unités du bien i.
Si qj désigne la quantité de production en bien j du secteur Sj, alors la demande totale intérieure
d'unités produites en bien i par le secteur Si est donnée par : ai1q1+…+aijqj+…+ainqn .
La production totale de chaque secteur doit satisfaire la demande intermédiaire et la demande finale.
. z ; ; . z ; ; . z
{||||||||||}||||||||||~ ; z
Ce qui donne, pour chaque bien i :
L’équilibre de toute l’économie peut ainsi être décrit par l’égalité matricielle suivante :
a11 La1 j L a1n q1 d1 q1
M
M M M M M
aij aij
ain qi + d i = qi ,
M M M M M M
a La L a q d q
n1 nj nn n n n
Théorème 1 :
Une matrice A est inversible et la solution X de tout système A. X = b a tous ses coefficients positifs
si la matrice A satisfait les conditions, dites de Hawkins-Simon : (les mineurs principaux positifs)
a11 L a1n
a11 a12
a11 > 0 ; >0 L M M M >0
a21 a22 an1 L ann
Théorème 2 :
Une matrice ( I − A) est inversible et la solution X de tout système ( I − A).X = b a tous ses
coefficients positifs si les coefficients de la matrice A vérifient les conditions :
n
aij ≥ 0 et ∑a
j =1
ij < 1, ∀j ∈{1,K, n}
Exemple :
Supposons que l'économie d'une certaine région dépend de trois industries: S1, S2 et S3. 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 S2 et 0,3 unités de S3 .
Pour produire une unité de S2, S2 doit acheter 0,4 unités de S1, utiliser 0,1 unités de S2 et 0,4 unités de S3.
S3 consomme 0,3 unités de S1, 0,4 unités de S2 et de 0,2 unités de S3 pour produire une unité de S3.
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 S2 et 125.000 unités de S3.
(1) L’équilibre de cette économie peut être traduit par l’égalité matricielle :
q1 225 609,76
(5) Solution du système ( I − A)q = d est donnée par : q2 = 237 804,88
q3 121 951,22
(6) Le niveau de production de chacun des trois secteurs pour satisfaire les demandes est alors :
Entrées (consommations)
(production)
On peut alors calculer la quantité d'input nécessaire pour une unité d'output. Il suffit de diviser les inputs
de la branche par la production totale. On obtient :