Cours de Mathématiques Générales II Prof.

KAMIANTAKO Miyamueni 1

PREMIERE PARTIE
ALGEBRE LINÉAIRE

L'algèbre linéaire connaît aujourd'hui un succès indiscutable. En Économie, on l'emploie dans la

théorie du Consommateur, la théorie de la production, la théorie de l'équilibre général, la programmation
linéaire, la recherche opérationnelle, l'analyse interindustrielle et interrégionale, les modèles économiques,
etc.

Cette première partie est conçue de façon à donner les bases essentielles en Algèbre matricielle à
tout étudiant en Économie, en gestion et en sciences sociales. Après une brève introduction au calcul
vectoriel, nous verrons successivement les matrices, les déterminants, les matrices partagées, l'inversion
des matrices, les systèmes d'équations et d’inéquations linéaires, les valeurs et vecteurs propres, la
diagonalisation et la trigonalisation des matrices, les formes quadratiques, la dérivée et l'intégrale des
matrices, les matrices non négatives, etc.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 2

Chapitre Premier
INTRODUCTION AU CALCUL VECTORIEL

Dans l’enseignement, la notion de vecteur apparaît naturellement dans deux aspects

différents : une collection de nombres (pour nous économistes) ou une flèche dans l’espace avec une
longueur et une direction adéquate et placée au point approprié appelé « point d’application » (pour
le physicien).
1.1 Définitions
L’Apparitorat de la FASEG nous transmet une liste de pourcentages obtenus aux
humanités secondaires par 5 étudiants de G2 : 52, 60, 63, 76, 80.
Soit p, le pourcentage. Indexons les diverses valeurs par un nombre entier appelé « indice ». Nous
obtenons la suite p1, p2, p3, p4, p5. Chaque indice précise la position du nombre dans la liste ; p1 =
51,5 est le premier pourcentage ; p2 = 60, le deuxième, … p5 le dernier. Une telle liste des valeurs
P = [p1, p2, p3, p4, p5] est appelée « vecteur ».
Ainsi, on désigne sous le nom de vecteur une liste finie de nombres réels présentant une
certaine homogénéité. De façon générale, nous identifierons un vecteur par son extrémité ; c'est-à-
dire que nous appellerons un vecteur le couple ordonné (a, b) de nombres réels. En généralisant cette
notion, nous appellerons vecteur un multiplet d’ordre n (a1, a2, ... an) de nombres réels.
Dans ce chapitre, nous désignons les vecteurs par les lettres majuscules U, V, W, X, etc. avec
un indice s'il est nécessaire d'employer la même lettre pour des vecteurs différents (par exemple U1 et
U2). Les composantes d'un vecteur sont désignées par la lettre minuscule correspondante avec un
indice simple ou double suivant que le vecteur porte lui-même un indice ou pas (exemple, ui
représente la i-ème composante de U, tandis que v2i représente la i-ème composante du vecteur V2).
Les vecteurs peuvent être écrits soit en ligne (vecteur - ligne), soit en colonne (vecteur -
colonne), le choix entre ces deux écritures étant en principe une convention.
Exemples 1.1
Les vecteurs V1 = [0, 1] et V2 = [1, − 3] sont deux vecteurs dans  2.
Le vecteur V3 = [1, 2, 3 , 4] est un vecteur dans  4.

Exemples 1.2a
Madame Kam va au petit marché du Rond point Ngaba pour acheter trente (30) œufs, trois
(3) tas de « safou », deux (2) bottes de bois de chauffage, un (1) kilo de viande de porc et
trois (3) savons monganga. Représentons ses achats par le vecteur-ligne.
Réponse :
Soit X, le vecteur représentant les aliments achetés par Madame Kam. Alors on a :
X = [30 (œufs), 3 (safou), 2 (bois), 1 (viande de porc), 3 (savons)]
= [30, 3, 2, 1, 3]
Exemples 1.2b
Les œufs sont à 60 FC pièce, le safou à 50 FC le tas, le bois à 25 FC la botte, le poisson est à
120 FC le kilo et le savon à 10 FC pièce. Représentons les prix par le vecteur colonne.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 3

Réponse :
Y = 60 50 25 120 10.
Le vecteur nul est celui dont toutes les composantes sont nulles c’est-à-dire un vecteur

V = [x1, x2, ... , xn] = 0 ; xi = 0 i.

Exemple 1.3 : le vecteur V = [0, 0, 0] est un vecteur nul.
Tout vecteur dont une des composantes est égale à l'unité et toutes les autres composantes sont nulles
est appelé vecteur unité. Dans l'espace à trois dimensions, les vecteurs unités sont :
E1 = [1, 0, 0] ; E2 = [0, 1, 0] ; E3 = [0, 0, 1].
Le vecteur non-négatif est celui dont toutes les composantes sont non - négatives. On écrit : V
= [x1, x2, ... xn]  0 ; xi  0 i.
Exemple 1.4 : le vecteur V = [0, 1, 2, 4] est un vecteur non négatif.
Deux vecteurs U et V sont dits égaux (on écrit U = V) s'ils ont le même nombre de composantes,
c'est-à-dire, s'ils appartiennent au même espace, et si les éléments correspondants sont égaux.
Exemple 1.5.
Les vecteurs [1, 2, 3] et [2, 3, 1] ne sont pas égaux. Bien qu'étant de même dimension, leurs
composantes correspondantes ne sont pas égales.
Exemple 1.6.
Supposons [x − y, x + y, z − 1] = [4, 2, 3]. Alors par définition de l'égalité des vecteurs, on a :
x − y = 4; x + y = 2 et z − 1 = 3. En résolvant ce système d'équations, on a :
x = 3, y = − 1 et z = 4.
1.2. Opérations sur les vecteurs
1.2.1 Addition (ou soustraction) vectorielle
Soit U et V deux vecteurs de  n, U = [u1, u2, ... un] et V = [v1, v2, ... vn]. La somme (ou la différence)
de deux vecteurs U et V, notée U + V (ou U − V), donne un vecteur obtenu en additionnant (ou en
soustrayant) les éléments correspondants de U et V. Ainsi :
U  V = [u1, u2, ... un)  [v1, v2, ... vn] = [u1  v1, u2  v2, ... un  vn]. (1.1)
Exemple 1.7 : Considérons deux vecteurs à deux composantes U = [2, 1] et V = [1, 3].

Alors U + V = u1 + v1 u2 + v2= 3 4 tandis que U − V = u1 − v1 u2 − v2= 1 − 2.

L'addition (ou la soustraction) n'est possible que pour des vecteurs de même dimension.
Géométriquement, l'addition de deux vecteurs U et V se fait de la façon suivante. On trace une
parallèle au segment 0U à partir du point V et une parallèle au segment 0V à partir du point U.
L'intersection de ces deux lignes au point W donne le point extrême du segment qui est la somme
de deux segments en question. Cette démarche revient à construire un parallélogramme. C'est
pourquoi on parle de l'addition selon la règle dite du parallélogramme.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 4

2ème composante
U+V
V

u2 U

v1 u1 u1+v1 1ère composante

On en déduit également la différence de deux vecteurs
U − V = U + ( − V).

1.2.2 Multiplication d'un vecteur par un scalaire

Soit un vecteur U = [u1, u2, ..., un] et un scalaire k, la multiplication du vecteur U par le
scalaire k donne un nouveau vecteur obtenu en multipliant chaque composante de U par le scalaire k.
Soit,
kU = [kU1, kU2, ..., kUn]. (1.2)
On observe que U + V et kU sont aussi des vecteurs dans  n. Le vecteur kU est un vecteur
ayant le même support que U mais k fois plus long. kU est de même sens que U si k > 0 et de sens
opposé si k < 0.
2ème composante

kU

1ère composante
–U
Exemples 1.8 :
a. Si k = 2, k' = − 3 et U = [2, 1], alors 2U = 2[2, 1] = [4, 2] et –3U = [–6, –3].
b. Reprenons l’exemple 1.2a. Supposons que Madame Kam double la quantité des biens achetés
pour avoir appris l’arrivée chez elle d’un parent. Comment se présente alors son panier ? La
réponse à cette dernière question est une application de la multiplication d’un vecteur par un
scalaire avec k = 2 et X = [30, 3, 2, 1, 3]. On obtient :
2X = 2[30, 3, 2, 1, 3] = [60, 6, 4, 2, 6].
1.2.3 Propriétés de l'addition vectorielle et de la multiplication par un scalaire
Quels que soient les vecteurs U, V et W   n et des scalaires k, k'  , on a :
(a) U + (V + W) = (U + V) + W : Associativité de l’addition
(b) (kk') U = k (k'U) : Associativité des nombres.
(c) U + V = V + U : Commutativité
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 5

(d) U+0=U=0+U : Il existe un élément neutre 0  k tel que U + 0 = U.

(e) U + ( − U) = 0 = ( − U) + U : Tout vecteur U admet un symétrique (ou un inverse) − U.
(f) k(U + V) = kU + kV : Distributivité par rapport à l'addition des vecteurs.
(g) (k + k')U = kU + k'U : Distributivité par rapport à l'addition des scalaires.
1.3 Norme d'un vecteur

La norme (ou longueur ou encore module) d'un vecteur V, notée V , est la valeur positive de
la racine carrée de la somme des carrés de ses composantes, soit :
n
V = 2 2 2
v1 + v 2 + ... + v n = v
i =1
2
1 (1.3)

Exemple 1.9 :
Si V = [ − 3, 2, 1], alors, V = − 32 + 22 +12 = 9 + 4 +1 = 14 .
Un vecteur V est appelé vecteur unitaire si sa norme est 1, c'est-à-dire si V = 1.
On peut obtenir un vecteur unitaire à partir de n’importe quel vecteur de  n en le divisant par sa
norme. Ce processus est appelé « normalisation » du vecteur V ». Reprenons le vecteur de
l’exemple 1.9 ci-dessus. En rapportant chacun des ses composantes à sa norme, nous obtenons un

− 3, 2, 1 = − 3 , 2 , 1  .
  1 1
vecteur unitaire (que nous notons V ) où V = V =
V 14  14 14 14 

1.4 Distance dans  n

Soit U = [u1, u2, ... un) et V = [v1, v2, ... vn] deux vecteurs de  n. Alors, la distance entre ces deux
vecteurs U et V dans  n, notée d(U, V), est la quantité d(U, V) définie par :
d(U, V) = U − V = (u1 − v1 )2 + (u 2 − v2 )2 + ...+ (u n − vn )2 =
n

 (u − vi )
2
= i (1.4)
i =1

Exemples 1.10 :
a) Trouver la distance d(U, V) avec U = [5, 3, − 2, − 4, − 1] et V = [2, − 1, 0, − 7, 2].
Réponse :
En utilisant la formule de la distance séparant deux points, nous avons:
d(U,V) = (5 − 2 )2 + (3 + 1 )2 + ( −2 + 0 )2 + (−4 + 7 )2 + ( −1 − 2 )2 = 47

b) Evolution de la répartition du temps de travail de deux étudiants1

Le tableau suivant donne la répartition (en pourcentages) du temps de travail de deux
étudiants Nsimba et Nzuzi, en 2012 et 2018, dans trois disciplines ( les maths, les MQE et
la CONAT). On cherche à savoir si les comportements de Nsimba et Nzuzi se sont
rapprochés entre 2012 et 2018, au regard de la répartition de leur temps de travail dans les
trois disciplines. La réponse permettra de savoir si par exemple on peut conseiller à ces 2
étudiants de continuer à travailler ensemble.

1
Olivier Ferrier, Maths pour Economistes, L’Analyse en Economie et Gestion, De Boeck,
Bruxelles, 2007. p. 301
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 6

2012 2018
Nsimba Nzuzi Nsimba Nzuzi
1
Math x(1,1) = 25 x(21,1) = 30 x(11, 2) = 10 x(21, 2) = 60
MQE x(12,1) = 25 x(22,1) = 50 x(12, 2) = 60 x(22, 2) = 10
CONAT x(13,1) = 50 x(23,1) = 20 x(13, 2) = 30 x(23, 2) = 30
Total 100 100 100 100

Soit xijk le pourcentage de temps passé par l’étudiant k = 1, 2 dans la discipline i = 1, 2, 3

dans l’année j = 1, 2.
3
On calcule la quantité d(Ns, Nz) =  (x
i =1
1
ij − xij2 ) 2

Pour 2012
d(Ns, Nz) = (25 − 30) 2 + (25 − 50) 2 + (50 − 20) 2 = 25 + 625 + 900 = 1550  40
Pour 2018
d(Ns, Nz) = (10 − 60) 2 + (60 − 10) 2 + (30 − 30) 2 = 2500 + 2500 + 0 = 5000  71
Etant donné que 71 est supérieur à 40, on peut déduire que le comportement de Nsimba, en
termes de répartition de son temps de travail entre 2012 et 2018, s’est éloigné de celui de
Nzuzi. Leurs stratégies de travail s’étant éloignées, on peut donc leur conseiller de ne plus
travailler ensemble.

1.5 Produit scalaire

1.5.1 Définition du produit scalaire
Soient U = [u1, u2,..., un] et V = [v1, v2, ..., vn], deux vecteurs dans l'espace à n dimensions. Le
produit scalaire euclidien de U et V, noté U • V, est le scalaire (nombre) obtenu en multipliant les
composantes correspondantes et en additionnant les produits obtenus. C'est donc la somme des
produits des éléments correspondants, c'est-à-dire,
n
U • V = u1v1 + u2v2 + ... + unvn = u v
i=1
i i (1.5)

Exemple 1.11a :
Reprenons l’exemple 1.2 ci-dessus. Une question évidente qui se pose est celle de savoir
quel est le montant total que Madame Kam doit payer ? La réponse est obtenue en
multipliant le vecteur quantité X par le vecteur prix Y. Ce qui donne :
X • Y = 30(60) + 3(50) + 2(25) + 1(120) + 3(10) = 1800 + 150 + 50 + 120 + 30 = 2150 Fr
On peut également se servir de la notation matricielle pour obtenir le même résultat. Dans ce
cas, on a :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 7

 60 
 50 
 
X • Y = [30, 3, 2, 1, 3]  25  = 30(60) + 3(50) + 2(25) + 1(120) + 3(10) = 2150 Fr.
 
120
 10 

Deux vecteurs U et V sont orthogonaux (ou perpendiculaires) si leur produit scalaire est nul.
Exemple 1.11b :
Soient U = [1, − 2, 3, − 4], V = [6, 7, 1 − 2] et W = [5, − 4, 5, 7]. Alors,
U • V = [(1x 6) + ( − 2 x 7) + (3 x 1) + ( − 4 x − 2)] = 6 − 14 + 3 + 8 = 3.
U • W = [(1x 5) + ( − 2 x − 4) + (3 x 5) + ( − 4 x 7)] = 5 + 8 + 15 − 28 = 0.
On voit que les vecteurs U et W sont orthogonaux.
Si des vecteurs orthogonaux sont tous de longueur unitaire, c'est-à-dire si la racine carrée de
la somme des carrés des composantes de chacun des vecteurs est égale à 1, alors lesdits vecteurs sont
orthonormés.
Exemple 1.12 :
Les vecteurs U = [3, 2] et V = [ − 4, 6] sont orthogonaux car U • V = 0.
Ils peuvent être transformés en vecteurs orthonormés. Il suffit pour cela de calculer la norme
de chaque vecteur et de diviser ensuite chacune de ses composantes par la norme du vecteur
  3 2 
considéré. Ainsi, comme U = 13 et V = 52 , les vecteurs U=  et
 13 13 
  4 6 
V = −  sont orthonormés.
 52 52 

1.5.2 Propriétés du produit scalaire

Soient U, V et W des vecteurs quelconques de  n et soit k et l deux scalaires quelconques
appartenant à  . Alors,
(a) (U + V) • W = U • W + V • W Distributivité
(b) k(U • V) = (kU) • V = U • (kV)
(c) (kU + lV) • W = k(U • W) + l(V • W)
(d) U• V = V• U Commutativité
(e) U • U > 0 si U  0
(f) U • U = 0 Ssi U = 0 et
(g) (U + V) • (U + V) = U • U + 2(U • V) + V • V
Le produit scalaire d’un vecteur par lui-même s’appelle « carré scalaire » et se note U • U = U2.

1.5.3. Relation entre le produit scalaire de deux vecteurs et l’angle entre ces deux vecteurs
Si U et V sont deux vecteurs quelconques non nuls de n et  l'angle formé entre eux, alors
leur produit scalaire peut aussi être défini par l'expression
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 8

 U V cos  si U  0 et V  0
U •V = 
 0 si U = 0 ou V = 0
Il est donc possible de calculer l’angle formé par deux vecteurs non nuls en utilisant leur produit
scalaire. On a alors :
U •V
Cos  = (1.6)
U V

Exemple 1.13 :
Soient les vecteurs U = [2, − 1, 1] et V = [1, 1, 2]. Trouver U • V et déterminer l'angle  entre
U et V.
Réponse :
U • V = u1v1 + u2v2 + u3v3 = 3 et U = V = 6.
U •V 3 1
Cos  = = = et donc  = 60°.
U V 6 6 2
Enfin, si U et V sont deux vecteurs quelconques non nuls de n et , l'angle entre ces deux vecteurs,
alors :
o  est aigu si U • V > 0 ou si Cos  > 0.
o  est obtus si U • V < 0 ou si Cos  < 0.
o  est droit ou perpendiculaire si U • V = 0 ou si Cos  = 0.
Exemple 1.14 :
Soient U = [1, − 2, 3], V = [ − 3, 4, 2] et W = [3, 6, 3].
Alors, U • V = − 5, V • W = 21 et U • W = 0
Donc U et V forment un angle obtus ; V et W forment un angle aigu et U et W sont
perpendiculaires.
Remarques :
1° Si Cos  = 1, c'est que l'angle  = 360. U et V ont même longueur et même sens. U et V
se confondent.
2° Si Cos  = − 1, c'est que l'angle  = 180. U et V ont la même longueur mais sont de sens
diamétralement opposé.
Ainsi l'angle entre deux vecteurs varie toujours de − 1 à +1. Ce qui nous permet d'écrire :
U •V
–1   +1
U V
En statistique, l'angle entre deux vecteurs est appelé coefficient de corrélation simple (r). Si
r = 0, il n'y a pas de corrélation. Si r = 1, la corrélation est parfaite et positive. Si r = − 1, la
corrélation est parfaite mais négative.
1.5.4. Inégalité de Cauchy- Schwarz, Inégalité de Minkowski et Inégalité triangulaire.
Les trois relations fondamentales qui suivent sont connues sous les noms d'inégalité de Cauchy-
Schwarz, d'inégalité de Minkowski et d'inégalité triangulaire.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 9

[Link] Inégalité de Cauchy-Schwarz

Quels que soient les vecteurs U, V  n, on a :
U • V  U V (1.7)

La valeur absolue du produit scalaire de deux vecteurs ne peut pas dépasser le produit de leur
longueur.
Exemple 1.15 :
Soient U = [2, 3] et V = [1, − 4]. U • V = 2 − 12 = − 10; U • V = 10; U = 13 ;

V = (17 ; U V = (13x17) = 221 et U • V  U V , c'est-à-dire, 10  15.

[Link] Inégalité de Minkowski

Quels que soient les vecteurs U, V  n, on a :
U +V  U + V (1.8)
La longueur de la somme de deux vecteurs ne peut pas dépasser la somme de leurs longueurs
respectives.
Exemple 1.16 :
En reprenant les vecteurs de l'exemple précédent, nous avons :
U + V = [3, − 1] ; U + V = 10 = 3,162;
U + V = 13 + 17 = 3,606 + 4,123 = 7,729.
Il est clair que U + V  U + V .
Nous donnons ci-après une variante de cette inégalité qui établit que :
Quels que soient les vecteurs U, V  n, on a :  U − V   U −V

[Link] Inégalité triangulaire

Quels que soient les vecteurs U, V et W  n, on a :
U −V + V −W  U −W . (1.9)
Exemple 1.17 :
Soient U = [2, 1, 3], V = [4, 2, 3] et W = [2, 4, 5].
U − V = [ − 2, − 1, 0] ; U − V = (4 + 1) = 5
V − W = [2, − 2, − 2] ; V − W = (4 + 4 + 4) = 12
U − W = [0, − 3, − 2] ; U − W = (9 + 4) = 13 .
Il est clair que U − V + V −W  U −W

1.6. Projection d’un vecteur

La projection d’un vecteur U sur un vecteur V non nul est un vecteur défini par l’expression :
U •V
projV U = 2
V (1.10)
V
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 10

Cette formule s’écrit aussi :

U •V U •V V U •V ˆ
projV U = 2
V = = V
V V V V
où Vˆ est le vecteur V normalisé.

Exemple 1.18 :
Soient U = [ − 7, 1, 3] et V = [1, 2, 2]. Trouver la projection de U sur V.
Réponse :
On sait que U • V = − 7(1) + 1(2) + 3(2) = 1 et V
2
= ( 1 + 2 + 2 ) = = 1 + 2 + 2 = 9.
2 2 2
2
2 2 2

U •V 1 1 2 2
Ainsi projV U = V = (1, 2, 2) =  , ,  .
9 9 9
2
V 9

1.7 Produit vectoriel dans 3

Dans ce paragraphe, nous introduisons une opération vectorielle particulière impliquant deux
vecteurs dans 3 et seulement dans 3.
1.7.1 Définition
Le produit vectoriel n’a de sens que dans 3. Trois vecteurs y jouent un rôle important parce qu’ils y
définissent les trois axes des coordonnées. Ce sont les vecteurs [1, 0, 0], [0, 1, 0] et [0, 0, 1] que nous
nommerons respectivement i, j et k.
Soient deux vecteurs dans 3 U = [u1, u2, u3) et V = [v1, v2, v3]. Le produit vectoriel de ces deux
vecteurs, noté U x V (ou U  V), est un vecteur défini par l’expression :
U x V = [u2v3 − u3v2, u3v1 − u1v3, u1v2 − u2v1]. (1.11)
Pour les vecteurs i, j, et k, on peut vérifier à l’aide de la définition que le produit vectoriel donne les
résultats suivants :
ixj=k jxk=i kxi=j
jxi= − k kxj= − i ixk= − j
ixi=jxj =kxk=0
On voit que le produit vectoriel n’est pas commutatif (car i x j  j x i). Il n’est pas non plus associatif
car (i x j) x j  i x (j x j)
La formule (1.11) ci-dessus peut être facilement retenue en recourant à un moyen mnémotechnique
simple consistant à utiliser une notation plus commode qui est :
i j k
u1 u 2 u3 (1.12)
v1 v 2 v3
Il s’agit d’exprimer chacun des vecteurs par leurs composantes dans un tableau analogue à un
déterminant. Ceci ne constitue pas vraiment un déterminant, mais si l’on suit formellement les règles
de développement des déterminants, le développement selon la première ligne donne :
i[u2v3 − u3v2] – j [u1v3 − u3v1] + k[ u1v2 − u2v1]. (1.13)
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 11

On peut vérifier que ce développement correspond exactement à la définition du produit vectoriel

UxV donnée plus haut. On a dans ce cas :
 u u3   u1 
u3   u1 u2
U x V =  2  ,−
  v
 .

,
 v
 v 2 v3   1 
v3   1 v2
On voit que la première composante du produit vectoriel de U et de V est le déterminant de la sous
u1 u2 u3 
matrice obtenue de W * =   après avoir supprimé la première colonne ; la deuxième
 v1 v 2 v 3 
composante est le déterminant de la sous-matrice obtenue après avoir supprimé la colonne 2 de W*,
signe changé; la troisième composante est le déterminant de la sous-matrice obtenue après la
suppression de la troisième colonne de W*.
Exemple 1.19 : Trouvez U x V où U = [2, − 1, 3] et V = [0, 1, 7]
Réponse :
2 − 1 3  −1 3 2 3 2 −1
Soit W * =   . Alors U x V =  1 7 , − 0 7 , 0 1  = [ − 10, − 14, 2].
0 1 7  
Ainsi, si le produit scalaire de deux vecteurs est un scalaire, le produit vectoriel donnera un
autre vecteur.
1.7.2 Propriétés du produit vectoriel
Nous donnons ci-après une importante relation entre le produit scalaire et le produit vectoriel
affirmant aussi que U x V est orthogonal ou perpendiculaire à la fois à U et V.
Si U et V sont des vecteurs à trois dimensions, alors :
(a) U • (U x V) = 0 (U x V) est orthogonal à U.
(b) V • (U x V) = 0 (U x V) est orthogonal à V.
(c) UxV 2 = U 2
V 2 − (U • V)2 (Identité de Lagrange)

Exemple 1.20 : Avec les données de l’exemple 1.19, on voit que :

(a) U • (UxV) = − 20 + 14 + 6 = 0
(b) V • (UxV) = 0 − 14 + 14 = 0
(c) UxV = [ − 10, − 14, 2] ; U 2= ( 4 +1+ 9 )
2
= 14 ; V 2 = ( 0 + 1 + 49 )
2
= 50 ; U • V= 20

UxV 2 = ( 100 + 196 + 4 ) 2

= 300 = 14(50) – 400.
Les principales propriétés arithmétiques du produit vectoriel sont listées ci-après :
Quels que soient les vecteurs U, V et W  3 et des scalaires r et s  , alors, :
(a) U x V = − (V x U) (Anti commutativité)
(b) U x (V + W) = (U x V) + (U x W) (Compatibilité du produit vectoriel avec la somme
(c) (rU) x (sV) = rs(UxV) et le produit par un scalaire)
(d) (U + V) x W = (U x W) + (V x W) (Distributivité du produit vectoriel)
(e) (rU) x V = U x (rV) = r(U x V) (on peut faire sortir un facteur scalaire du signe du produit
vectoriel)
(f) U x 0 = 0 x U = 0
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 12

(g) UxU=0 (Le « carré vectoriel » est égal au vecteur nul)

(h) U x (V x W)  (U x V) x W (Le produit vectoriel n’est pas associatif en général)
(i) UxV = U V sin  ( UxV représente l’aire du parallélogramme formé à partir
de ces deux vecteurs U et V.
On appelle double produit vectoriel, noté U x (V x W), le vecteur perpendiculaire à U et V x W.
1.8. Produit mixte des vecteurs
Lorsque l’on considère le produit vectoriel en relation avec le produit scalaire, on est amené à
examiner l’expression suivante (U x V) • W. Cette expression a un sens puisque le produit vectoriel de 2
vecteurs donne un vecteur et que le produit scalaire de deux vecteurs donne un scalaire. Le résultat final
sera donc un scalaire. Calculons alors ce scalaire.
Rappelons que U x V = i[u2v3 − u3v2] – j [u1v3 − u3v1] + k[ u1v2 − u2v1].
Soit maintenant W = [w1, w2, w3]. Ainsi, le produit scalaire (U x V) • W nous donne :

u2 u3 u1 u3 u1 u 2
(U x V) • W = w1 − w2 + w3
v2 v3 v1 v3 v1 v2

= w1 [u2v3 − u3v2] – w2 [u1v3 − u3v1] + w3 [ u1v2 − u2v1].

u1 u2 u3
Cette dernière expression n’est rien d’autre que (U x V) • W = v1 v2 v3 . Le nombre ainsi
w1 w2 w3
obtenu qui est égal au déterminant du troisième ordre dont les colonnes sont formées par les
composantes respectives de chacun des vecteurs U, V et W est appelé produit mixte (vectoriel –
scalaire) des vecteurs U, V et W. On le note (U x V) • W et il est égal au produit scalaire du produit
vectoriel de U et V par le vecteur W.
Exemple 1.21 :
Soient U = [2, − 1, 3], V = [0, 1, 7] et W = [1, 4, 5]. On sait déjà que UxV = [ − 10, − 14, 2]. Alors on a :
UVW = (U x V) • W = [ − 10, − 14, 2] • [1, 4, 5] = − 10(1) − 14(4) + 2(5) = − 56.
Propriétés du produit mixte :
o On peut faire une permutation cyclique des trois vecteurs sans changer le produit mixte.
(U x V) • W = (W x U) • V = (V x W) • U
o Si l’on permute deux vecteurs voisins, le signe du produit mixte change
(U x V) • W = − (W x V) • U
1.9 Espaces vectoriels et Sous-espaces
1.9.1 Espace vectoriel n
Soit E un ensemble arbitraire quelconque sur lequel on définit les deux opérations suivantes :
• l’addition : associe à deux vecteurs quelconques U et V  E l’unique vecteur somme U + V
E
• la multiplication par un scalaire : associe à tout vecteur U  E et à tout scalaire k, k’  K
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 13

l’unique vecteur produit kU  E.

L’ensemble E est appelé espace vectoriel sur le corps K si les axiomes suivants sont vérifiés pour
tout U, V, W  E.
B1 :  U, V  E, U + V  E (Stabilité de l’addition vectorielle)
B2 :  U  E,  k  K, on a : kU  E. (Stabilité de la multiplication par un scalaire)
A1 : (U + V) + W = U + (V + W) (Associativité de l’addition)
A2 : U + 0 = U (Elément neutre dans E)
A3 : U + ( − U) = 0 (Existence de l’inverse de U ou de son symétrique)
A4 : U + V = V + U (Commutativité de l’addition)
M1 : k(U + V) = kU + kV,  k  K (Distributivité par rapport à l’addition des vecteurs)
M2 : (k + k')U = kU + k'U,  k, k’  K (Distributivité par rapport à l’addition des scalaires)
M3 : (kk')U = k(k'U),  k  K (Associativité du produit)
M4 : 1U = U (Neutralité du nombre 1 pour le produit dans K)
Cet ensemble d’axiomes se sépare de façon naturelle en trois sous-ensembles. Les deux premiers sont
des axiomes de base. Les quatre suivants, de A1 à A4, ne concernent que l’opération addition
vectorielle sur l’ensemble E et les quatre derniers, de M1 à M4, sont liés à la multiplication par un
scalaire.
Un tel ensemble E est dit fermé par rapport à l'addition vectorielle et à la multiplication
par un scalaire. L’addition est une loi de composition interne parce qu’on reste dans, tandis que le
produit par un scalaire est une loi de composition externe parce qu’on considère des scalaires dans
un ensemble extérieur à .
Exemples 1.22 :
1. Soit E l'ensemble des matrices m x n dont les éléments appartiennent à un corps arbitraire K.
E muni de deux lois (addition des matrices et multiplication d’une matrice par un scalaire) est
un espace vectoriel.
2. Soit P(t) l'ensemble des polynômes de la forme a0 + a1t + a2t2 + ... + antn , t   dont les
coefficients ai appartiennent à un corps arbitraire K. P(t) muni des deux lois d'addition p(t) +
Q(t) et de multiplication par un scalaire k P(t) est un espace vectoriel sur K.
3. Soit E un ensemble de tous les points (x, y) dans 2 du quadrant I, c'est-à-dire tels que x  0
et y  0. L'ensemble E n'est pas un espace vectoriel avec les opérations standard sur 2, car
la propriété B2 et la propriété selon laquelle si k = − 1, U, un vecteur  E, kU appartient à E
ne sont pas vérifiées.
1.9.2 Sous-espace vectoriel de n.
Soit E un espace vectoriel défini sur le corps de scalaires K et F une partie de E. F est appelé
sous-espace de E si F est lui-même un espace vectoriel sur K par rapport aux lois d'addition
vectorielle et de multiplication par un scalaire définies sur E.

On dit aussi que F est un sous-espace vectoriel de E si et seulement si :

i F  E (F inclus dans E)
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 14

ii F   (F n'est pas vide)

iii k  , U  F implique kU F, quel que soit k   (F est fermé par rapport à la
multiplication par un scalaire).
iv U, V  F implique U + V  F (F est fermé pour l'addition).
v L’élément neutre de E doit aussi appartenir à F (   F)

Le corollaire est que F est un sous-espace vectoriel de E Ssi   F (ou F n'appartient pas à
l'ensemble vide) et U, V  F implique kU + k'V  F quels que soient k, k'  F.
Un sous-ensemble de n qui vérifie les dix propriétés énoncées plus haut est appelé un sous-espace
de n. Pour savoir si un sous-ensemble de n. est ou non un sous-espace, il suffit de vérifier les
propriétés B1, A2, A3 et B2. En fait il n’est nécessaire de vérifier que les propriétés B1, et B2 pour les
sous-ensembles de n puisque la propriété B2 implique les propriétés A2 et A3.
Exemples 1.23 :
1. Soit E1 l’ensemble des vecteurs de n dont toutes les composantes sont égales :
E1 = {[x1, x2, ..., xn)  n : x1 = x2 = ... = xn}
L’égalité des composantes étant préservée par l’addition des vecteurs et le produit par un
scalaire, E1 est alors un sous-espace de n.
2. Soit E2 = {0} un sous-ensemble contenant un élément de n.
E2 est un sous-espace de n puisqu’il est stable pour le produit k.0 = 0, et pour l’addition des
vecteurs 0 + 0 = 0.
3. L'ensemble E3 de toutes les matrices 2 x 2 dont les éléments diagonaux sont nuls est un sous-
espace vectoriel de l'espace vectoriel M22 de toutes les matrices d'ordre 2. Soient
 0 a12   0 b12 
A=   et B =   deux matrices quelconques dans E3 et soit k un scalaire
a21 0  a21 0 
quelconque.
 0 ka12   0 a12 + b12 
Alors, kA =   et A + B = 
ka21 0  a21 + b21 0 
Puisque kA et A + B ont des zéros sur la diagonale principale, elles appartiennent à E3. Donc
E3 est un sous-espace de M22.
4. Considérons un système homogène de m équations linéaires à n variables inconnues :
a11 x1 + a12 x 2 +  a1n x n = 0
a 21 x1 + a 22 x 2 +  a 2 n x n = 0

a n1 x1 + a n 2 x 2 +  a nn x n = 0
L'ensemble E4 de toutes les solutions de ce système est un sous-espace vectoriel de n appelé
espace vectoriel des solutions. Mais l'ensemble des solutions d'un système non homogène
d'équations linéaires à n inconnues n'est pas un sous-espace vectoriel de n.
1.10. Combinaison linéaire des vecteurs
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 15

Soit E un espace vectoriel dans n. V sera une combinaison linéaire de vecteurs V1, V2 ... Vn s'il
existe des scalaires ou constantes k1, k2 ... kn telles que
n
V = k1V1 + k2V2 + ... + knVn = k V
i=1
i i (1.14)

Exemple 1.24 : Ecrire le vecteur V = [1, − 2, 5] comme une combinaison linéaire des vecteurs
U = [1, 1, 1], W = [1, 2, 3] et Z = [2, − 1, 1].
Réponse :
Nous désirons exprimer V sous la forme k1U + k2W + k3Z avec des ki qui sont des scalaires
inconnus. Donc nous avons :
[1, − 2, 5] = k1[1, 1, 1] + k2[1, 2, 3] + k3[2, − 1, 1]
= [k1, k1, k1] + [k2, 2k2, 3k2] + [2k3, − k3, k3]
= [k1 + k2 + 2k3, k1 + 2k2 − k3, k1 + 3k2 + k3]
Formons le système d'équations en égalant les composantes correspondantes les unes aux autres.
Donc, nous avons :
k1 + k2 + 2k3 = 1
k1 + 2k2 − k3 = − 2
k1 + 3k2 + k3 = 5
En résolvant ce système par la méthode d’élimination de Gauss (probablement vue en Math I), nous
obtenons successivement :
1 1 2 1  1 1 2 1  1 1 2 1 
     
1 2 − 1 − 2    0 1 − 3 − 3   0 1 − 3 − 3
1 3 1 5  0 2 −1 4   0 0 5 10 
   
Il s’ensuit : k1 = − 6, k2 = 3 et k3 = 2. D'où la combinaison linéaire V = − 6U + 3W + 2Z.
Si V1, V2 ... Vn appartiennent à un espace vectoriel E, toute combinaison linéaire de ces
vecteurs est un vecteur de E.
Un vecteur nul peut être exprimé comme combinaison linéaire des vecteurs V1, V2 ,...,Vn. On
écrit alors 0V1+ 0V2 +...+ 0Vn = 0.
1.11. Dépendance et indépendance linéaire des vecteurs
Des vecteurs V1, V2 ... Vn sont dits linéairement dépendants (on dit qu’ils forment dans ce
cas une famille liée) s'il existe des scalaires ki dont un au moins est non nul tels que :
n
k1V1 + k2V2 + ... + knVn = k V
i =1
i i =0

Autrement dit n vecteurs V1, V2 ... Vn sont linéairement dépendants si le système d'équations
homogènes admet des solutions non triviales, c’est-à-dire si le déterminant de la matrice des
coefficients est nul.
Lorsque deux vecteurs sont linéairement dépendants, l'un d'eux peut être obtenu par
combinaison linéaire de l'autre. Les deux vecteurs sont aussi dits parallèles. Si on suppose par
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 16

k2 k
exemple k1  0, il vient : V1 = − V2 − ... − n Vn.
k1 k1

Dans un espace vectoriel à n dimensions, n vecteurs V1, V2 ... Vn sont dits linéairement
indépendants (et on dit qu’ils forment une famille libre) s'il existe des scalaires ki tous nuls tels
que :
n
k1V1 + k2V2 + ... + knVn = k V
i =1
i i =0 (1.15)

En d’autres termes, n vecteurs V1, V2 ... Vn sont dits linéairement indépendants si le système
homogène KV = 0, où K est la matrice des coefficients ki et V l'ensemble des vecteurs V1, V2 ... Vn,
admet des solutions triviales ki = 0,  i. Nous verrons plus loin qu’une telle matrice a un déterminant
non nul.
Lorsque deux ou plusieurs vecteurs sont linéairement indépendants, aucun d'eux ne peut être
obtenu par combinaison linéaire des autres.
Exemple 1.25 :
Déterminer si les vecteurs suivants de 3 sont linéairement dépendants ou indépendants :
a) U = [1, 2, − 3], V = [1, − 3, 2] et W = [2, − 1, 5]
b) U = [2, 3, 1], v = [1, − 1, 2] et W = [7, 3, 8]
Solution :
a) Soit U = [1, 2, − 3], V = [1, − 3, 2] et W = [2, − 1, 5]
Ecrivons qu'une combinaison linéaire quelconque des vecteurs U, V, W est égale au vecteur nul en
utilisant les scalaires inconnus k1, k2 et k3. On a:
k1[1, 2, − 3] + k2[1, − 3, 2] + k3[2, − 1, 5] = [0, 0, 0]
Soit :
[k1 + k2 + 2k3, 2k1 − 3k2 − k3, − 3k1 + 2k2 + 5k3] = [0, 0, 0]
En égalant les composantes correspondantes les unes aux autres, on obtient le système homogène
équivalent :
k1 + k2 + 2k3 = 0
2k1 − 3k2 − k3 = 0
− 3k1 + 2k2 + 5k3 = 0
En résolvant ce système par la méthode de Gauss, nous obtenons successivement :
 1 1 2 0 1 1 2 0  1 1 2 0
     
 2 − 3 −1 0   0 5 5 0   0 5 5 0
− 3 2 5 0   0 5 11 0   0 0 6 0
    
Donc, k1 = 0, k2 = 0 et k3 = 0. Comme tous les scalaires sont nuls, les trois vecteurs sont linéairement
indépendants.
b) Soit U = [2, 3, 1], v = [1, − 1, 2] et W = [7, 3, 8]
Formons la combinaison linéaire suivante :
k1[2, 3, 1] + k2[1, − 1, 2] + k3[7, 3, 8) = [0, 0, 0]
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 17

Cherchons donc des solutions triviales ou non triviales au système :

2k1 + k2 + 7k3 = 0
3k1 − k2 + 3k3 = 0
k1 + 2k2 + 8k3 = 0
La résolution de ce système donne :
 2 1 7 0 2 1 7 0  2 1 7 0
     
 3 − 1 3 0    0 5 15 0    0 5 15 0 
 1 2 8 0  0 − 3 − 9 0  0 0 0 0
     
Nous obtenons k1 = 2, k2 = 3 et k3 = − 1. Comme tous les scalaires ne sont pas nuls, les trois vecteurs
sont linéairement dépendants. Ce sont des vecteurs liés entre eux linéairement. Nous pouvons alors
écrire : 2U + 3V − W = 0.
Nous terminons ce paragraphe en énonçant un théorème important sur les familles libres. Nous ne le
démontrons pas. Nous ne faisons que le vérifier dans le cas de 2 et 3.
Dans tout espace vectoriel n, tout ensemble de vecteurs linéairement indépendants contient
au plus n vecteurs.
Exemples 1.26 :
• Soit les vecteurs [1, 2], [ − 1, 4] et [2, 5] de 2. Pour déterminer s’ils sont L.I. , formons la
combinaison linéaire suivante : k1[1, 2] + k2[ − 1, 4] + k3[2, 5] = [0, 0]. Nous résolvons le
 k − k 2 + 2k 3 = 0
système homogène ci-après :  1 . Comme il n’y a que Deux équations,
2k1 + 4k 2 + 5k 3 = 0
 k − k 2 = −2k 3
nous savons d’avance qu’il y aura des solutions triviales données par :  1 .
2k1 + 4k 2 = −5k 3
En posant par exemple k3 = 2, on obtient k1 = − 1/3 et k2 = − 13/3. Donc les vecteurs donnés
sont L.D.
• Soit maintenant quatre vecteurs de 3 [ − 1, 0, 0], [2, 1, − 2], [ − 4, 0, 1] et [3, − 2, 0]. Dans ce
cas, on obtient la combinaison linéaire :
k1[ − 1, 0, 0] + k2 [2, 1, − 2] + k3 [ − 4, 0, 1] + k4 [3, − 2, 0] = [0, 0, 0]. D’où le système :
− k1 + 2k 2 − 4k 3 + 3k 4 = 0

 k 2 − 2k 4 = 0 . La même situation se produit : avec trois équations et quatre
 − 2k 2 + k 3 = 0

inconnues, il y a une solution non triviale que le lecteur est invité à obtenir.
En conséquence, si le nombre de vecteurs de l’ensemble est plus grand que le nombre de
composantes de ces vecteurs, le système homogène obtenu contient toujours plus
d’inconnues que d’équations et admet alors des solutions non triviales. Il s’ensuit que
les vecteurs sont L.D.

1.12. Vecteurs échelonnés dans n

Des vecteurs de n sont dits échelonnés si le nombre de composantes nulles qui précèdent la
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 18

première composante non nulle d'un vecteur augmente de vecteur en vecteur. Et si un vecteur ne
comprend que des zéros, alors tous ceux qui suivent le sont également.
Exemple 1.27 :
Les vecteurs suivants de  6 .
V1 : [1, 2, 0, 3, 4, 0] 
V2 : [0, 0, 1, 6, 4, 2] 

V3 : [0, 0, 0, 2, 4, 3] sont échelonnés.
V4 : [0, 0, 0, 0, 0, 2]

V5 : [0, 0, 0, 0, 0, 0]
Des vecteurs échelonnés ne comprenant pas le vecteur nul sont linéairement indépendants.
On peut en déduire une technique commode pour vérifier si un ensemble de vecteurs sont
linéairement indépendants et aussi pour déterminer le nombre de vecteurs linéairement indépendants
parmi un ensemble de vecteurs.
Dans l'exemple ci-haut, les vecteurs V1, V2, V3 et V4 sont linéairement indépendants. En effet, on ne
pourra jamais obtenir le vecteur V3 à partir de V4, ni V2 de V3 et V4. De même, V1 est linéairement
indépendant de V2.
1.13. Générateurs, bases et dimension d'un espace vectoriel.
1.13.1 Système de Générateurs d’un espace vectoriel
Soit E un espace vectoriel dans n, sur un corps K et S = {Xi  E, i = 1, 2, …, p} une famille
de p vecteurs de E. On dira que la famille S forme un système de générateurs de E ou qu’elle
engendre E si tout vecteur X  E peut s'écrire comme une combinaison linéaire des éléments de S.
p
S = {Xi  E, i = 1, 2, …, p} générateur de E entraîne  X  E,  ki  K, X = k
i =1
i Xi .

On dit aussi que S est une famille génératrice de E.

Pour engendrer tout l’espace, il nous faut au moins deux vecteurs dans le cas de  2 et au moins trois
vecteurs dans le cas de  3 . En effet, un nombre inférieur de vecteurs ne crée qu’un sous-espace ; soit
une droite de  2 ou de  3 , soit un plan de  3 .
Exemple 1.28 :
Déterminer si les 3 vecteurs U = [1, 1, 1], V = [2, 2, 0] et W = [3, 0, 0] forment un système
de générateurs de 3 (ou engendrent l'espace vectoriel 3).

Solution :
Primo, on veut déterminer s’il existe des constantes k1, k2, k3 tels que pour un vecteur quelconque de
3 on ait k1U + k2V + k3W.
[x, y, z] = k1[1, 1, 1] + k2[2, 2, 0] + k3[3, 0, 0] = [k1+ 2k2+ 3k3, k1+ 2k2, k1].

 k1 + 2k 2 + 3k 3 = x
 y−z x− y
D’où le système : k1 + 2k 2 = y . Ce qui donne : k1 = z, k2 = et k3 = .
k 2 3
 1 =z
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 19

On voit que le système d’équations permet une solution pour tout vecteur [x, y, z]. Soit par exemple,
2−3 1
à exprimer [x, y, z] = [1, 2, 3] en fonction des vecteurs U, V et W. Alors k1 = 3, k2 = = − et
2 2
1− 2 1 1 1
k3 = = − . Nous obtenons : [1, 2, 3] = 3[1, 1, 1] − [2, 2, 0] − [3, 0, 0].
3 3 2 3
Donc, l’ensemble des vecteurs U, V et W engendre 3.
Exemple 1.29 :
Le vecteur V = [2, 14, − 34, 7] appartient-il au sous-espace de 4 engendré par
V1 = [1, 4, − 5, 2] et V2 = [1, 2, 3, 1] ?
Réponse : Oui car V = 5V1 − 3V2 est une combinaison linéaire de ces deux vecteurs.
1.13.2 Base de n
[Link] Définition
La notion de base se déduit immédiatement de celle de générateurs et d’indépendance
linéaire. Soit S = [ V1, V2,..., Vn], un système de vecteurs d’un espace vectoriel E. S est une base de
cet espace vectoriel si et seulement si :
o tous les vecteurs de E peuvent s’écrire sous la forme d’une combinaison linéaire des
vecteurs de S (ont dit alors que S engendre E ou que S est un système générateur de E) ;
o les éléments de S sont linéairement indépendants (on dit que S est un système libre).
Cette base est génératrice, c'est-à-dire qu'on peut à partir de ces vecteurs former une base obtenue
d'autres vecteurs linéairement indépendants.
Rappelons que m vecteurs échelonnés non nuls de n forment nécessairement une base de n.
Exemple 1.30 :
Déterminer si les vecteurs suivants forment ou non une base de l'espace vectoriel 3 :
(a) [1, 1, 1] et [1, − 1, 5] (b) [1, 2, 3], [1, 0, − 1], [3, − 1, 0] et [2, 1, − 2]
(c) [1, 1, 1], [1, 2, 3] et [2, − 1, 1] (d) [1, 1, 2], [1, 2, 5] et [5, 3, 4]

Réponse :
o Rappelons qu’une base d’un espace vectoriel donné est un ensemble de vecteurs L.I. qui
engendrent cet espace.
o (a) et (b) ne forment pas une base de l'espace vectoriel 3, car une base de 3 doit contenir
exactement 3 vecteurs de 3.
o Quant aux vecteurs de (d), comme la forme échelonnée de la matrice dont les lignes sont les
vecteurs donnés a une ligne nulle et seulement deux lignes non nulles, les trois vecteurs pris
ensemble ne sont pas linéairement indépendants et, donc, ne forment pas une base de 3.
 1 1 2 1 1 2  1 1 2
     
 1 2 5 → 0 1 3 → 0 1 3 .
5 3 4 0 − 2 − 6  0 0 0 
     
o S’agissant de (c), il faut d’abord vérifier si le système donné engendre 3. Ce qui revient à se
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 20

demander si la combinaison linéaire k1[1, 1, 1] + k2[1, 2, 3] + k3[2, − 1, 1] peut représenter

n’importe quel vecteur [a, b, c] de 3. Ce qui est fait dans le développement ci-après :
k1 + k 2 + 2k 3 = a

k1[1, 1, 1] + k2[1, 2, 3] + k3[2, − 1, 1) = [a, b, c] ou le système : k1 + 2k 2 − k 3 = b .
 k + 3k + k = c
 1 2 3

1 1 2 a  1 1 2 a  1 1 2 a 
     
1 2 − 1 b    0 − 1 3 a − b    0 − 1 3 a −b .
1 3 1 c  0 − 2 1 a − c  0 0 5 a − 2b + c 
     
Il conviendra ensuite de déterminer si le système est linéairement indépendant. Les vecteurs
de (c) le sont effectivement car la forme échelonnée de la matrice des coefficients n'a pas de
ligne nulle.

[Link] Bases orthonormées : Processus d’orthogonalisation de Gram - Schmidt

Rappelons qu’il est possible de distinguer plusieurs types de bases, à savoir :

- La base canonique : formée de n vecteurs élémentaires Ei : E1 = [1, 0] et E2 = [1, 0] ;
- La base orthogonale, formée de n vecteurs orthogonaux : X1 = [2, − 1] et X2 = [1, 2] ;
- La base orthonormée, formée de n vecteurs orthogonaux et de longueur égale à 1 :
 2 −1  1 2 
U1 =  , U 2 =   ;
 5 5  5 5
- la base quelconque, formée de n vecteurs indépendants : X1 = [1, 3] et X2 = [5, 2].
Dans beaucoup de problèmes liés aux espaces vectoriels, le choix judicieux d’une base
dépend du problème à résoudre. Naturellement, la meilleure stratégie est celle qui consiste à choisir
parmi toutes les bases celle qui puisse simplifier le problème traité. Et comme la base orthonormée
joue un rôle important dans les espaces de produit intérieur, nous présentons ci-après un processus dit
d’orthogonalisation de Gram-Schmidt qui consiste à convertir une base quelconque en une base
orthonormée.
Rappelons qu’un ensemble {Vi} de vecteurs de E est appelé un ensemble orthogonal si ses
différents éléments sont orthogonaux deux à deux, c’est-à-dire, si ([Link]) = 0 pour i  j.
Un ensemble orthogonal dans lequel chaque vecteur a une norme égale à 1 est dit
orthonormé. Dans ce cas, ij = 0 pour i  j et 1 pour i = j.
Exemple 1.31 :
 1 1   1 1 
Les vecteurs V1 = [0, 1, 0], V2 =  , 0, −  et V3 =  , 0, −  forment un ensemble
 2 2  2 2
orthonormé car :
1° V1.V2 = V2.V3 = V1.V3 = 0 et
2° V1 = V2 = V3 = 1

Enfin, un ensemble orthonormé peut être toujours obtenu d’un ensemble orthogonal des vecteurs non
nuls en normant (ou normalisant) chacun de ses vecteurs. Le processus consistant à multiplier un
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 21

vecteur non nul V par l’inverse de sa longueur (ou norme) pour obtenir un vecteur de norme 1 est
appelé « la normalisation de V ».
De plus, un ensemble orthonormé {U1, U2,…,Ur} est linéairement indépendant et pour
chaque V appartenant à E, le vecteur W = V – (V, U1)U1 – (V, U2)U2 − … − (V, Ur)Ur est
orthogonal à chacun des Vi.
Le processus d’orthogonalisation de Gram-Schmidt est décrit ci-après :
Soit E un espace du produit intérieur et S = {V1, v2,..., Vn} une base pour E. Les étapes suivantes
permettent d’obtenir une base orthonormée {U1, U2,..., Un} pour E.
Etape 1 : Posons :
V
U1 = 1 .
V1
Le vecteur U1 est de norme 1.
Etape 2 :
Pour construire un vecteur U2 de norme 1 qui soit orthogonal à U1, nous calculons V2 orthogonal à
l’espace W1 engendré par U1 et le «normons » ou « normalisons » :
V − (V2 • U 1 )U 1
U2 = 2 .
V2 − (V2 • U 1 )U 1
Si V2 − (V2 • U1)U1 = 0, alors la normalisation ne peut pas se faire. Mais, ceci ne peut jamais arriver,
(V • U 1 )
autrement nous aurons eu V2 = (V2 • U1)U1 = 2 V1 , ce qui veut dire que V2 est un multiple de
V1
V1, contredisant ainsi l’indépendance linéaire de la base S = {V1, V2, …, Vn}.
Etape 3 :
Pour construire un vecteur U3 de norme 1 qui soit orthogonal à la fois à U1 et U2 nous calculons V3 de
façon qu’il soit orthogonal à l’espace W2 engendré par U1 et U2 puis le «normons » :
V3 − (V3 • U 1 )U 1 − (V3 • U 2 )U 2
U3 = .
V3 − (V3 • U 1 )U 1 − (V3 • U 2 )U 2
Comme à l’étape 2, l’indépendance linéaire de {V1, V2,...,Vn} assure que V3 − (V3 • U1)U1 −
(V3 • U2)U2  0 si bien que la normalisation pourra toujours s’accomplir.
Etape 4 :
Pour déterminer un vecteur U4 de norme 1 qui soit orthogonal à la fois à U1, U2 et U3, nous calculons
V4 de telle sorte qu’il soit orthogonal à l’espace W3 engendré par U1, U2 et U3, puis le «normons » :
V − (V4 • U 1 ) U 1 − (V4 • U 2 ) U 2 − (V4 • U 3 ) U 3
U4 = 4 .
V4 − (V4 • U 1 ) U 1 − (V4 • U 2 ) U 2 − (V4 • U 3 ) U 3
En procédant de la même manière, nous trouvons une base orthonormée {V1, V2,..., Vn}.
En général, après avoir obtenu {U1, U2,..., Ui}, on pose :
Wi + 1 = Vi + 1 – (Vi + 1, U1)U1 – .… - (Vi + 1, Ui)Ui
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 22

Wi +1
et Vi+1 =
Wi +1

Exemple 1.32 :
Considérons l’espace vectoriel 3 avec le produit scalaire Euclidien. Appliquons le processus
d’orthogonalisation de Gram-Schmidt pour transformer la base V1 = [1, 1, 1], V2 = [0, 1, 1] et
V3 = [0, 0, 1] quelconque en une base orthonormée.
Etape 1 :
V1 1
U1 = = [1, 1, 1].
V1 3
Le vecteur U1 est de norme 1.
Etape 2 :
V − (V2 • U 1 )U 1
U2 = 2 .
V2 − (V2 • U 1 )U 1
 1 / 3 
    1 
0 1 1−(0 1 1)1 / 3  
1 1

    3
3 
3 3
 1 /   2 1 1 
U2 = = − , , 
 1 3   6 6 6
    1 
0 1 1−(0 1 1)1 3  
1 1

    3
3  
3 3
 1 
Etape 3 :
V3 − (V3 • U 1 )U 1 − (V3 • U 2 )U 2
U3 = .
V3 − (V3 • U 1 )U 1 − (V3 • U 2 )U 2
1  1  1 − 2 1 
0 0 1−

1 1
− 
1

3 3 3 3 6 6 6 6  1 1
U3 = = 2 0, − , .
 2 
0 0 1− 1  1  1 − 2 1 
1 1 1 2
−  
3 3 3 3 6 6 6 6
La base orthonormée pour 3 est donc :
  1 1 1   2 1 1   1 1 
U 1 =  , ,  , U 2 = − , , , U 3 = 0, − , 
  3 3 3  6 6 6  2 2 
1.13.3 Dimension d’un espace vectoriel
La dimension d'un espace vectoriel E est le nombre de vecteurs linéairement indépendants
que contient une base de cet espace (pourvu que la base contienne un nombre fini de vecteurs).
En effet, le nombre de vecteurs L.I. peut être fini ou infini. S'il est fini, on parle d'espace
vectoriel de dimension finie. S'il est infini, on parle d'espace vectoriel de dimension infinie.
Exemple 1.33 :
Trouver une base et la dimension du sous-espace W de R4 généré par les vecteurs
[1, − 2, 5, − 3], [2, 3, 1, − 4] et [3, 8, − 3, − 5]
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 23

Réponse :
En échelonnant la matrice dont les lignes sont les vecteurs donnés, on obtient successivement :
1 − 2 5 − 3 1 − 2 5 − 3 1 − 2 5 − 3
     
2 3 1 − 4   0 7 −9 2   0 7 −9 2 .
3 8 − 3 − 5 0 14 − 18 4 0 0
   0 0
Les lignes non nulles [1, − 2, 5, − 3] et [0, 7, − 9, 2] de la matrice échelonnée forment une base de
l'espace ligne, c'est-à-dire de W. La dimension de W, notée dim W, est égale à 2.
Exemple 1.34 :
Soit W un espace engendré par les polynômes V1 = t3 − 2t2 + 4t + 1, V2 = 2t3 − 3t2 + 9t − 1,
V3 = t3 + 6t − 5 et V4 = 2t3 − 5t2 + 7t + 5. Trouver une dimension de W.
Réponse :
Les coordonnées des vecteurs polynômes relativement à la base [t3, t2, t, 1] sont respectivement :
1 − 2 4 1 1 − 2 4 1  1 − 2 4 1
     
2 − 3 9 − 1 → 0 − 1 − 1 3  0 − 1 − 1 3
→
1 0 6 − 5 0 − 2 − 2 6 0 0 0 0
     
2 − 5 7 5 
0 1 1 − 3  
0 0 0 0
Les lignes non nulles [1, − 2, 4, 1] et [0, 1, 1, − 3] de la matrice échelonnée forment une base de
l'espace engendré par les vecteurs correspondants et donc forment les polygones t3 − 2t2 + 4t + 1 et t2
+ t − 3 qui sont une base de W. Donc, dim W = 2.
1.14. Rang d'une famille finie des vecteurs
Soit (V1, V2, ..., Vn), une famille finie d’éléments d’un espace vectoriel E. Cette famille engendre un
sous – espace vectoriel F de dimension finie. On appelle rang de la famille [V1, V2, ..., Vn], noté
rg (V1, V2, ..., Vn), la dimension de F. Le rang de la famille [V1, V2, ..., Vn] est donc le plus grand
nombre de vecteurs linéairement indépendants qu’on peut extraire de cette famille.
Exemple 1.35 :
Le rang de la famille formée par les vecteurs [2, 3, 1], [1, − 1, 2] et [7, 3, 8] est égal à 2. En effet, en
échelonnant la matrice formée par les coefficients des scalaires ki, on trouve que le nombre de
vecteurs linéairement indépendants est égal à 2.
Propriétés.
1. Le rang d'une famille de n vecteurs est par définition plus petit ou égal à n. Il est égal à n si et
seulement si les n vecteurs sont linéairement indépendants.
2. Dans un espace vectoriel de dimension finie n, le rang de n vecteurs est plus petit ou égal à n ; il
n'y a pas plus de n vecteurs linéairement indépendants dans un espace vectoriel de dimension n.
3. Le rang de n vecteurs est égal à la dimension du sous-espace vectoriel qu'ils engendrent.

Exercices
1. Déterminer k tel que U = 39 où U = [1, k, − 2, 5]
2. Trouver k tel que d(U,V) = 6 où U = [2, k, 1, − 4] et V = [3, − 1, 6, − 3]
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 24

3. Déterminer k de façon que U = [3, 3k, − 4, 1, 5] et V = [6, − 1, 3, 7, 2k] soient orthogonaux.

4. Trouver un vecteur qui soit orthogonal à la fois à U = [ − 7, 3, 1] et U = [2, 0, 4]
5. Expliquez pourquoi chacune des expressions ci-après n'a aucun sens.
a) U • (V • W) b) (U • V) + W c) U . V d) k • (U + V)
6. Pour quelle valeur de k le vecteur U = [1, 2, k] de 3 sera-t-il une combinaison linéaire des
vecteurs V = [3, 0, − 2] et W = [2, − 1, − 5] ?
7. Pour quelles valeurs réelles de k les vecteurs suivants forment-ils un ensemble linéairement
 1 1  1 1  1 1 
dépendant dans 3 ? U = k ,− ,−  , V = − , k , −  et W = − , − , k  .
 2 2  2 2  2 2 
8. Lesquels des ensembles suivants de vecteurs de  sont-ils linéairement dépendants ou
3

linéairement indépendants ?
a. [2, − 1, 4] [3, 6, 2] [2, 10, − 4]
b. [1, − 2, 3, 1] [3, 2, 1, − 2] [1, 6, − 5, − 4]
9. Déterminez si le vecteur X donné appartient ou non à l’espace vectoriel engendré par
l’ensemble de vecteurs {U, V} : X = [1, 1, 1], {U, V} = {[–1, 0, 7], [–3, 2, 0]}
10. Déterminer si les vecteurs donnés forment ou non une base de l’espace vectoriel 3 ?
a. U = [1, 1, 1] V = [2, 2, 0] et W = [3, 0, 0]
b. U = [2, − 1, 3] V = [4, 1, 2] et W = [8, − 1, 8]
c. U = [3, 1, 4] V = [2, − 3, 5] W = [5, –2, 9] et X = [1, 4, –1]
d. U = [1, 3, 3] V = [1, 3, 4] W = [1, 4, 3] et X = [6, 2, 1]

11. Les trois vecteurs suivants forment-ils une base orthonormée de  3 ?

 1 1   1 1 1   1 1 1 
U = 0, − ,  , V=  , ,  et W =  , , .
 2 2  3 3 3  6 6 6
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 25

Chapitre Deuxième
CALCUL MATRICIEL

2.1 Définitions

Une matrice est, d'une manière générale, un tableau rectangulaire à "m" lignes et "n"
colonnes (m et n étant deux entiers positifs arbitraires), comprenant m x n coefficients scalaires. Nous
noterons les matrices par des lettres A, B, C…, les coefficients de ces matrices seront notés aij, bij, cij,
i = 1, 2,... n ; j = 1, 2,... n. Pour désigner un élément quelconque d'une matrice A, par exemple, qui se
trouve dans la i-ème ligne et j-ième colonne, on écrit aij. Ainsi, l'élément a23 se trouve à la ligne 2 et à la
colonne 3.

Le nombre des lignes et celui des colonnes déterminent le format ou la dimension de la

matrice. S'il y a "m" lignes et "n" colonnes, le format ou la dimension de la matrice est m fois n qu'on
écrit mxn. Si le nombre de lignes est égal au nombre de colonnes, la matrice est dite carrée. Dans ce
cas, m = n. On dira simplement que la matrice est d'ordre n. Si le nombre de lignes m est supérieur
au nombre de colonnes n, la matrice est dite rectangulaire haute ; dans le cas contraire elle sera dite
120 110 90 150
200 180 200 110
rectangulaire large. A =  est une matrice carrée d’ordre 4.
175 190 160 140
 
140 170 1680 140

 1 2
 1 2 4
 
La matrice B = bij =   est une matrice large de dimension 2 fois 3. C = − 1 0 est
 − 5 0 3  2 3
une matrice haute de format (ou de dimension) 3 fois 2.
Si la matrice se compose d’une seule ligne et a la dimension m x 1, c’est un vecteur ligne. Si
elle se compose d’une seule colonne, sa dimension est 1 x n et elle peut être appelée vecteur
colonne.

❖ Une matrice carrée A = [aij] est dite diagonale si aij = 0 pour tout i  j et aij  0 pour au moins
2 0 0 
un i = j. Une matrice diagonale est égale à sa transposée. D = 0 0 0  est une matrice
0 0 −1
diagonale.

0 0 
❖ Une matrice dont tous les éléments sont nuls est une matrice nulle, exemple R =  .
0 0 
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 26

❖ Une matrice diagonale dont tous les éléments sur la diagonale principale sont égaux est dite
3 0 0 1 0 0
scalaire. Exemple E = 0 3 0 . Elle peut s’écrire comme E= 3 0 1 0 = 3I.
 
   
0 0 3 0 0 1

❖ Une matrice carrée A est dite symétrique si elle est égale à sa transposée, c’est-à-dire si aij =
 2 2 − 3
aji pour tout i, j. F =  2 1 4  est symétrique.
 
− 3 4 3 

Elle est dite antisymétrique si A = -A’, c’est-à-dire si aij = -aji Cela suppose que les aii (ou
0 3 − 4

ajj) sont nuls. G = − 3 0 6  est antisymétrique.
 4 − 6 0 

❖ Une matrice carrée A est dite triangulaire si tous les éléments au dessus ou en dessous de la
diagonale principale sont nuls.

• A = (aij) est une matrice triangulaire supérieure si aij = 0, pour tous les éléments en dessous de la
diagonale principale. C'est donc une matrice telle que aij = 0 pour tout i > j.
• B = (bij) est une matrice triangulaire inférieure si bij = 0 pour tous les éléments au dessus de la
diagonale principale. C'est donc une matrice telle que bij = 0 pour tout i < j.
1 − 4 8  2 0 0 2 0 0
H = 0 − 2 5  
J = 3 0 0 K = 0 − 1 0

0 0 − 1 1 − 8 4 0 0 4
H est une matrice triangulaire supérieure et J est une matrice triangulaire inférieure. K est une matrice
triangulaire supérieurement et inférieurement.

❖ Une matrice A est dite idempotente si AA = A.

Les matrices ci-après sont idempotentes.
 2 − 3 − 5 1 0 0
1 2 3 8
L = − 1 4 5  , M = [I − X(X'X)-1X'], N =  
2 3 1 2  , O = 1 0 3 ,
 1 − 3 − 4   0 0 1
5 − 5  1 5 2 5
P=   et Q = 2 5 4 5
 4 − 4  

❖ On dit qu'une matrice carrée A est nilpotente d'ordre n s'il existe un entier positif n tel que
An = 0. Elle sera dite d'indice de nilpotence k si Ak = 0 mais Ak -1  0.
La matrice 0 est nilpotente, mails il y en a d'autres telles que les matrices ci-après :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 27

0 a b 0 0 ac  0 0 0 
  0 0 0  et R3 = 0 0 0  .
R =  0 0 c  est d'indice de nilpotence 3 car R²=
   
0 0 0  0 0 0  0 0 0
 
0 1 0  0
0 0 1  0

La matrice E =        est une matrice nilpotente d’ordre r.
 
0 0 0  1
0 0 0  0
❖ Matrice de Hessenberg
En algèbre linéaire, une matrice de Hessenberg est une matrice carrée qui est « presque »
triangulaire. Pour être exact, dans une matrice de Hessenberg dite « supérieure », tous les
éléments se trouvant en dessous de la première sous-diagonale (i.e., la diagonale en dessous de la
diagonale principale) sont nuls, et dans une matrice de Hessenberg dite « inférieure », tous les
éléments situés au-dessus de la première super-diagonale (i.e., la diagonale au-dessus de la
diagonale principale) sont nuls1,2. Ces matrices tirent leur nom du mathématicien et ingénieur Karl
Hessenberg (de).
1 4 2 3
3 4 1 7 
Par exemple : la matrice F =   est une matrice de Hessenberg supérieure tandis que
0 2 3 4 
 
0 0 1 3 
1 2 0 0
5 2 3 0
la matrice H =   est une matrice de Hessenberg inférieure.
3 4 3 7 
 
5 6 1 1 
Propriétés
Le produit d'une matrice de Hessenberg par une matrice triangulaire est une matrice de
Hessenberg.
Plus précisément, si A est une matrice de Hessenberg supérieure et T est une matrice triangulaire
supérieure, alors AT et TA sont des matrices de Hessenberg supérieures.
❖ Matrice tridiagonale
En algèbre linéaire, une matrice tridiagonale est une matrice dont tous les coefficients qui ne
sont ni sur la diagonale principale, ni sur la diagonale juste au-dessus, ni sur la diagonale juste en
dessous, sont nuls.
1 4 0 0 
5 2 3 0 
Par exemple, la matrice suivante est tridiagonale :  
0 4 3 7 
 
0 0 1 1 
❖ Matrice bidiagonale
Une matrice bidiagonale est une matrice à bande avec des éléments non nuls le long de la
diagonale principale et au dessus ou en dessous de la diagonale principale.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 28

1 0 0 0
2 4 0 0
Exemple : la matrice G = 
0 3 3 0
 
0 0 4 3
❖ Matrice creuse ou clairsemée, matrice dense
Une matrice creuse (dite aussi matrice clairsemée) est une matrice de très grande taille contenant
beaucoup d’éléments nuls et peu d’éléments non nuls. Dans le cas contraire on parlera d’une
matrice dense.

❖ Matrice bande ou matrice à bande (band matrix)

Une matrice 'bande' ou matrice à bande est une matrice creuse particulière dont les coefficients
non nuls se regroupent autour de la diagonale. Formellement:
Une matrice carrée A=(ai,j) d'ordre n est appelée 'matrice bande' si tous les coefficients ai,j non
nuls sont situés dans une bande délimitée par des parallèles à la diagonale principale.
Une telle bande est déterminée par deux entiers k1 et k2 positifs ou nuls, tels que:
ai,j=0 si j<i-k1 ou j>i+k2
Exemples
1 2 5 0 0
4 5 6 7 0 

1. 0 8 9 10 11
 
0 0 12 13 14 
 0 0 0 15 16 

2. Les matrices diagonales sont des matrices bandes.

3. Les matrices triangulaires supérieures et inférieures sont des matrices bandes.
4. Les matrices 'tridiagonales' avec une diagonale non nulle au dessus et en dessous de la
diagonale principale sont des matrices bandes ?
2.2 Opérations sur les matrices
2.2.1 Addition ou soustraction des matrices
Soient A et B deux matrices de même dimension. Alors :

A + B = [aij] + [bij] = [aij + bij] = [cij]

A − B = [aij] − [bij] = [aij − bij] = [cij]
Exemple 2.1 :
La Société commerciale de Kinshasa (SCK), propriétaire de 4 magasins a en stock 120 sceaux (S),
110 brouettes (B), 90 Chaises métalliques (C) et 150 fûts en plastic (F) dans le magasin 1, 200 S, 180
B, 200 C et 110 F dans le magasin 2, 175 S, 190 B, 160 C et 80 F dans le magasin 3, 140 S, 170 B,
180 C et 140 F dans le magasin 4. Le tableau ci-après enregistre les stocks (St) des différents produits
dans les quatre magasins.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 29

Produits
Magasins S B C F
1 120 110 90 150
2 200 180 200 110
3 175 190 160 140
4 140 170 180 140

Il est également possible de représenter lesdits stocks dans une matrice de la forme :
120 110 90 150
200 180 200 110
S0 =  
175 190 160 140
 
140 170 1680 140
40 20 50 10 
25 30 10 60
Cette société effectue les livraisons L à ses magasins. Soit L=   , la matrice des
15 0 40 70
 
60 40 10 50
livraisons. Que deviennent les stocks ?
Réponse :
Pour trouver le nouveau stock S1, nous calculons S0 + L et obtenons :
120 110 90 150 40 20 50 10  160 130 140 160
200 180 210 110 25 30 10 60 225 210 220 170
S1 = S0 + L =  +   = .
175 190 160 80  15 0 40 70 190 190 200 150
     
140 170 180 140 60 40 10 50 200 210 190 190
Un état hebdomadaire des ventes (V) de la SCK révèle que
100 90 110 60
125 190 150 80 
V=   . Quel niveau ont les stocks (S2) en fin de la semaine ?
 10 80 20 30
 
 70 130 90 80 
Réponse :
160 130 140 160 100 90 110 60  60 40 30 100
225 210 220 170 125 190 150 80  100 20 70 90 
S2 = S1 – V =  –  = .
190 190 200 150  10 80 20 30 180 110 180 120
     
200 210 190 190  70 130 90 80  130 80 100 110
Propriétés de l'addition des matrices.
a) A + B = B + A (l'addition des matrices est commutative).
b) A + (B + C) = (A + B) + C (l'addition est associative).
c) A + 0 = 0 + A = A (la matrice nulle 0 est l’élément neutre)
d) A + ( − A) = 0 = ( − A) + A (la matrice opposée est l’élément symétrique)

2.2.2 Multiplication par un scalaire.

Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 30

Si k est un scalaire et A est une matrice de format quelconque, alors kA = k[aij]

2 4   2 4  4 8 
Exemple 2.2 : Soit A =   . Si k = 2, alors kA = 2  =  
 1 3  1 3  2 6 
Exemple 2.3 :
Powerking produit des TV et des radio - cassettes. Pour la fabrication de ces produits, il emploie du
métal, du caoutchouc et le travail dans les quantités unitaires suivantes :

Articles Acier Caoutchouc Travail

TV 2 3 5
Radio-cassette 1 4 4

Le sous-traitant reçoit une commande de 200 postes de TV et de 300 radiocassettes. Calculer les
quantités de chaque facteur de production qu'il doit utiliser pour la fabrication a) de chaque
article et b) de ces deux articles.
Réponse :
a) La quantité de chaque facteur de production nécessaire à la fabrication de chaque article
s’obtient en multipliant la quantité commandée par les quantités unitaires consommées. Soit
200 [2, 3, 5] = [400, 600, 1000] pour le poste téléviseur et 300 [1, 4, 4] = [300, 1200, 1200]
pour la radio cassette.
b) La quantité de chaque facteur de production nécessaire à la fabrication de ces deux articles
est obtenue en faisant la somme des quantités obtenues en a), soit :
200 [2, 3, 5] + 300 [1, 4, 4] = [400, 600, 1000] +[300, 1200, 1200] = [700, 1800, 2200].
Propriétés de la multiplication scalaire
a) kA =Ak
b) k(A + B) = kA + kB
c) (k + l)A = kA + lA
d) (kl)A = k(lA)
e) ( − 1)A = −A
f) A + ( − 1)B = A − B
2.2.3 Multiplication matricielle
Soient A de dimension m x n et B de dimension n x p. Le produit AB, qui est possible, est une
nouvelle matrice, disons C, de dimension m x p. C aura donc le même nombre de lignes que la
première matrice et le même nombre de colonnes que la deuxième matrice. Les termes de la matrice
Cmp = AmnBnp où C = [cij] (i = 1,2,...., m ; j = 1, 2,...., p) s'obtiennent en multipliant les éléments de la
ligne i de A par les éléments correspondants de la colonne j de B et en additionnant les résultats
(l'élément cij est le produit scalaire de la ligne de A par la colonne de B). On écrit :
 b1 j 
 
 b2 j  n
[cij] = (ai1 ai 2  ain )   = ai1b1 j + ai 2 b2 j +  + ain bnj =  aik bkj

  k =1
b 
 nj 
Condition : le nombre de colonnes de la première matrice A doit être égal au nombre de lignes
de la deuxième matrice, B.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 31

Exemple 2.4 :
Trois entreprises industrielles A, B et C doivent acheter deux types de matière première M et
N. A commande 7 tonnes de M et 4 tonnes de N. B commande 8 tonnes de M et 6 tonnes de
N et C commande 5 tonnes de M et 2 de N. Il est reconnu par les trois entreprises qu'avec une
tonne de M, on peut produire 0,75 tonne d'un produit fini P et 0,2 tonnes d'un produit fini Q;
de même, une tonne de N permet de fabriquer 0,5 tonne de P et 0,1 tonne de Q.
A l'aide du calcul matriciel, déterminer les quantités de P et Q que les trois entreprises
doivent espérer produire à partir de leurs commandes.
Réponse :
Formons une matrice de dimension 3 par 2 avec en colonnes les quantités de M et N et en lignes ce
7 4 
qu’utilisent les trois industriels. Soit A = 8 6 . Multiplions-la ensuite par une matrice 2 par 2, B =
 
5 2
0,75 0,2
 0,5 0,1 où les colonnes représentent les quantités de P et Q et les lignes ce qu’une tonne de M
 
et N permet de produire. Nous obtenons ainsi une matrice de dimension 3 par 2 C nous indiquant les
quantités de P et Q que chacune de ces trois entreprises peuvent espérer produire. Matriciellement,
cela donne :
7 4 
0,75 0,2
C = AB = 8 6 
 0,5 0,1
5 2

7(0,75) + 4(0,5) 7(0,2) + 4(0,1) 5,25 + 2 1,4 + 0,4 7,25 1,8 

= 8(0,75) + 6(0,5) 8(0,2) + 6(0,1)  =  6 + 3 1,6 + 0,6 =  9 2,2 .
5(0,75) + 2(0,5) 5(0,2) + 2(0,1)   3,75 + 1 1 + 0,2  4,75 1,2 
Ainsi A produit 7,25 tonnes de P et 1,8 tonnes de Q ; B produit 9 tonnes de P et 2,2 tonnes de Q et C
produit 4,75 tonnes de P et 1,2 tonne de Q.

5 6  0 2
Exemple 2.5 : Considérons les matrices A =   et B = 1 7
. Alors
 1 3 
5(0) + 6(1) 5(2) + 6(7) 6 52 2 6
AB =   =  et BA = 
27
.
1(0) + 3(1) 1(2) + 3(7) 3 23 12
Cet exemple montre que le produit AB n’est pas nécessairement égal au produit BA, même si les
deux remplissent la condition de possibilité de l'opération. On peut aussi vérifier que le produit AB
n’est pas commutatif en général, comme par exemple lorsque A est de dimension 4 x 2 et que B est
de dimension 2 x 6 car le produit ne peut se faire que dans le sens AB.
Il est donc essentiel d'indiquer l'ordre voulu de la multiplication, en utilisant les concepts de pré-
multiplication et de post-multiplication. Le produit matriciel AB signifie que la matrice A est post-
multipliée par la matrice B ou que la matrice B est prémultipliée par A.
Si A et B sont des matrices carrées telles que AB = BA, alors on dit que A et B commutent ou qu’elles
sont commutables. Si A et B sont telles que AB = –BA, on dit que A et B anti-commutent.
Exemple 2.6 :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 32

1 2 3  − 2 − 1 − 4

Montrer que les matrices A = 3 2 0  et B = 3 2 9  commutent.
  
− 1 − 1 − 1  − 1 − 1 − 4
Propriétés du produit matriciel
(a) A(B + C) = AB + AC (distributivité à droite par rapport à l'addition).
(A+B)C = AC + AB (distributivité à gauche par rapport à l'addition).
(b) A(BC) = (AB)C (associativité)
(c) AB  BA en général (non commutativité)
(d) k(AB) = A(kB)
(e) A0 = 0A = 0 (le produit de A avec une matrice nulle est égal à
une matrice nulle)
(f) In x n An x n = An x n = An x n I n x n
(g) II = I
(h) 00 = 0
2.2.4 Le produit Kroneckerien
Soient deux matrices Amxn et Bpxq. Le produit Kroneckerien de A par B (on écrit
Amxn  Bpxq) est une nouvelle matrice C = [aijB] de dimension mp x nq obtenue en multipliant chaque
élément de A par toute la matrice B.

 a11B a12 B ... a1 j B ... a1n B 

a B a B ... a2 j B ... a2 n B 
 21 22

 ... ... ... ... ... ... 

Amxn  Bpxq =  
 ai1B ai 2 B ... aij B ... ain B 
 ... ... ... ... ... ... 
 
am1B am 2 B ... amj B ... amn B 

Exemple 2.7 :
 1 2  1 3  1 0
Soient A =   , B=   et I =   . Nous avons :
3 4  4 5  0 1
1 2 0 0 1 0 3 0
3 4 0 0   
IA =   , B  I = 0 1 0 3 et
0 0 1 2   4 0 5 0
0 0 3 4  0 4 0 5
 1 3 1 3   1 3 2 6 
 
1
4 5
2 4 5   4 5 8 10 
AB =     =  
 1 3 1 3   3 9 4 12 
34 5 44 5   
      12 15 16 20

Nous donnons ci-après quelques propriétés du produit kroneckerien dont les preuves sont données
dans Balestra (1980, pp. 234 – 237).
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 33

Propriétés du produit kroneckerien

1. Soient A et B deux matrices de dimension m x n et C une matrice de dimension p x q,
(A + B)  C = A  C + B  C
A  (B  C) = (A  B)  C
2. Soient les matrices Am x n ' Bp x r' Cn x q et Dr x s'
(A  B) (C  D) = AC  BD
3. Soient An et Bm deux matrices carrées non-singulières d’ordre n et m respectivement, alors :
[A  B] -1 = A-1  B-1.
Cela signifie évidemment que A et B sont non-singulières.
4. Si An et Bm deux matrices carrées d’ordre n et m respectivement, alors :
│A  B│= │B  A│= │A│m . │B│n
On notera l’inversion des indices dans les exposants.
5. Soient An et Bm deux matrices carrées, alors :
Trace (A  B) = Trace (B  A) = Trace (A) . Trace (B).
6. Soient Amxn et Bpxq deux matrices dont le rang est égal respectivement à s et t. Alors le rang de
Amxn  Bpxq = st.

2.2.5. Produit de Hadamard2

Le produit de Hadamard (connu aussi sous le nom de produit de Schur) est une opération
binaire qui prend deux matrices de mêmes dimensions et produit une autre matrice où chaque
élément (i, j) est le produit des éléments (i, j) de deux matrices initiales.
[Link] Définition
Soient A = [i, j] et B = [i, j], deux matrices de dimension m x n. Le produit de Hadamard de A
et B noté A  B est une matrice C = [i, j] dont le (i, j)-ième élément est cij = aij bij.
Si A et B sont deux matrices de dimension m x n, alors :

 a11b11 a12b12  a1n b1n 

a b a 22b22  a 2 n b2 n 
A  B =  21 21
     
 
a m1bm1 a m 2 bm 2  a mn bmn 

Exemple 2.2 :

 3 4  1 − 2
Soient A =   et   .
− 1 2 − 8 5 
Alors, le produit de Hadamard de A et B est donné par :

 3 4  1 − 2 3 − 8
A  B=      = .
− 1 2 − 8 5  8 10 

2
Studipto Banerjee et Anindya Roy, Linear Algebra and Matrix Analysis for Statistics, CRC Press,
A Chapman & Hall Book, Boca Raton, 2014, pp. 472 – 477.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 34

Pour deux matrices de dimensions différentes (m x n et p x q où m  p ou n  q ou les deux, le

produit de Hadamard n’est pas défini.
[Link]. Propriétés du produit de Hadamard
Les propriétés suivantes sont les conséquences immédiates de la définition précédente :
1. A  B = B  A (commutativité)
2. (A  B)  C = A  (B  C) (associativité)
3. (A + B)  C = A  C + B  C (distributivité)
4. A  (B + C) = A  B + A  C
5. α (A  B) = (α A)  B = A  (α B)
6. (A  B)’ = A’  B’ = B’  A’
7. rang (A  B)  rang (A) rang (B) : Le produit de Hadamard satisfait à l’inégalité de rang
8. Le produit de Hadamard est une sous-matrice principale du produit de Kronecker.
En effet, considérons les matrices A et B de l’exemple 2.2. Alors :

 3 −6 4 − 8
− 24 15 − 32 20 
AB =   et A  B = 3 − 8 .
 −1 − 4 8 10 
2 2  
 
 8 − 5 − 16 10 

On voit que les entrées à l’intersection des première et quatrième lignes et colonnes de A  B
forment le produit de Hadamard A  B.
9. Si D et E sont des matrices diagonales, alors :
D (A  B) E = (DAE)  B = (DA)  (BE)
= (AE)  (DB) = A  (DBE)
2.3 Transpositions des matrices
Par définition, la matrice transposée d'une matrice A de format m x n, que l'on note At ou A’,
est la matrice de format n x m obtenue en permutant les lignes et les colonnes de A.
2 6
2 3 1 
Exemple 2.8 : Si A =   , alors A = 3 0
t

6 0 2 1 2
Propriétés
1) La transposée de kA est égale à k(At) :
(kA)t = kAt
2) La transposée de la transposée d'une matrice est cette matrice elle-même
(At)t = A
3) La transposée d'une somme de deux matrices de même dimension est égale à la somme des
transposées
(A + B)t = At + Bt
4) La transposée du produit de deux matrices est égale au produit des matrices transposées
effectué en ordre inverse
(AB)t = Bt At
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 35

1 3 2 0 − 4
Exemple 2.9 : Soient deux matrices A =   et B =  
 2 − 2 3 − 2 6
Nous avons d'une part :
1 3  2 0 − 4 2 + 9 0 − 6 − 4 + 18  11 − 6 14
AB =   =   = 
2 − 2 3 − 2 6  4 − 6 0 + 4 − 8 − 12  − 2 4 - 20
D'autre part :

2 3  2+9 4 − 6   11 − 2
  1 2    
BA =  0 − 2   =  0−6 0 + 4  = − 6 4
3 − 2
− 4 6   − 4 + 18 − 8 − 12  14 − 20
 
Il est clair que (AB)t = Bt At.

2.4 Trace d'une matrice carrée

La trace d'une matrice carrée Anxn est la somme de tous les éléments de la diagonale
principale.
n
tr(A) = a
i= 1
ii

2 1
Exemple 2.10 : Si A =   , alors sa trace est égale à 2 + 8 = 10
3 8
2.5 Matrices écrites sous une forme échelonnée ou canonique en ligne
Une matrice A est dite écrite sous une forme échelonnée en ligne ou être sous forme échelon
si le nombre de zéros qui précèdent le premier élément non nul de chaque ligne augmente de ligne en
ligne. Lorsqu'une ligne est composée uniquement de zéros, celles qui suivent le sont également.
En d’autres termes, une matrice A = [aij] est une matrice échelonnée ou une encore une
matrice échelon si ses éléments a1 j 1 , a2 j 2 , ... , ar j r où j1 < j2 .....< jr sont différents de zéro et si aij = 0
pour i ≤ r (j < ji) et pour i > r. Les éléments a1 j 1 , a2 j 2 , ... , ar j r , qui sont les premiers éléments non nuls
de leurs lignes respectives, sont appelés éléments distingués ou pivots de la matrice échelon.
Une matrice échelon qui, de plus, obéit aux deux conditions suivantes est dite écrite sous
forme canonique en lignes :
• chaque pivot est égal à 1 ;
• chaque pivot est le seul élément non nul de la colonne où il se trouve.
Exemple 2.11 : Les matrices A, B, C, D, E et F sont des matrices échelon. De plus, F est sous forme
canonique en ligne.

1 2 6 7 1 2 3 1 3 2 1 1 0 0 0
0 1 3 2
1  0 2 0 1 0 0
, E = 0 0 1
3 2 0 1 0 3 0
A = ,B=  ,C=  ,D= 
0 0 0 2 0 0 0 0 0 1 0 0 0 2 0 
        0 0 0
0 0 0 0 0 0 0 0 0 0 3 0 0 0 1
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 36

0 1 2 0 0 − 3
et F = 0 0 0 1 0 4  .
0 0 0 0 1 1 

2.6 Rang des matrices

2.6.1. Rang d’une matrice
Considérons une matrice A de dimension (m x n). Le rang de A est le nombre de vecteurs-
lignes (ou vecteurs colonnes) linéairement indépendants de cette matrice.

1 2 − 3 0 
Exemple 2.12a : Calculer le rang ligne et le rang colonne de la matrice A = 2 4 − 2 2
3 6 − 4 3
Considérons d'abord les vecteurs lignes de A et transformons-les en vecteurs échelonnés. Il vient :
1 2 − 3 0  1 2 − 3 0 1 2 − 3 0
 2 4 − 2 2     0 0 4 2 
  0 0 4 2   
3 6 − 4 3 0 0 5 3 0 0 0 2
L’2 = 2L1 – L2 L’’3 = 4L’3 – 5L’2
L’3 = L3 – 3L1

Il y a trois vecteurs - lignes linéairement indépendants. Le rang ligne est donc égal à 3.
Considérons à présent les vecteurs-colonnes de A et transformons-les en vecteurs échelonnés
en utilisant les mêmes combinaisons que précédemment. Il vient :
1 2 3 1 2 3 1 2 3 1 2 3
2 4 6  0 0 0   0 4 5  0 4 5 
       .
 − 3 − 2 − 4 0 4 5  0 2 3  0 0 1 
       
0 2 3 0 2 3  0 0 0  0 0 0 
Le rang colonne est aussi égal à 3. On observe que le rang ligne est égal au rang colonne.
 1 3
 2 6 
Exemple 2.12b : Soit A =  . Son rang = 1 car la matrice ne contient qu’une ligne
 − 3 − 9
 
 4 12 
linéairement indépendante. En effet, on peut obtenir une des lignes à partir de trois autres.

Propriétés du rang des matrices

1. Le rang d'une matrice A de format (m x n) est inférieur ou égal à son nombre de lignes m et à
son nombre de colonnes n. Si r est le rang de A, on écrit :
r(A)  min (m, n)
S'il est égal à ce minimum, le rang sera dit maximum ou complet.
2. On ne modifie pas le rang d'une matrice en permutant les lignes ou les colonnes de la matrice.
En effet, permuter les lignes (les colonnes) de A revient à modifier l'ordre des vecteurs lignes
(vecteurs colonnes) de A. Ce qui ne modifie pas leur rang.
3. Si A et B sont de même ordre, r(A + B)  r(A) + r(B)
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 37

4. Si A est diagonale, r(A) est égal au nombre d'éléments non nuls

5. Si A est idempotente, r(A) = tr(A)
Une matrice carrée d'ordre 'n' est dite non-singulière si son rang est maximum (r(A) = n).
Dans ce cas, |A|  0
2.6.2 Rang du produit des matrices
Soient deux matrices A et B telles que leur produit AB existe. Dans ce cas, le rang du
produit C = AB de ces deux matrices est inférieur ou égal au minimum du rang de A et du rang
de B. On écrit :
r(AB)  min (rang A, rang B).
Par contre r(A, B)  r(A) + r(B) – n où n est le nombre de colonnes de A.
Si le rang de Am x n et Bp x q est égal respectivement s et t, alors r(A B) = r(A). r(B) = st.
Si le produit matriciel ABC est défini, alors :
r(AB) + r(BC)  r(B) + r(ABC) (Inégalité de Frobenius)
 1 2 1  1 − 2
   
Exemple 2.13 : Considérons les matrices A =  0 2 3 et B = 2 − 3 .
− 1 0 1 0 1
 
Nous pouvons aisément vérifier que r(A) = 3 et r(B) = 2. Ainsi le rang de leur produit
 5 − 7
 
C = AB =  4 − 3 est égal à 2.
− 1 3

Corollaire : Théorème de Sylvester.
Considérons une matrice carrée A d'ordre n et de rang maximum, ainsi qu'une matrice carrée
Bnxn' mais de rang r quelconque (avec r  n).
Soit la matrice C = AB égale au produit de ces deux matrices. Nous avons la propriété
suivante connue sous le nom de théorème de Sylvester.
r(C) = r(AB) = rang B

 1 2 0  1 0 0
   
Exemple 2.14 : Considérons les matrices A =  3 2 1 et B =  1 0 1 .
2 0 1 0 1 1
   
On peut vérifier que r(A) = 2, r(B) = 3 = n. Ainsi, r(C) = r(A) = 2.
 3 0 2
 
En effet, C = AB =  5 1 3 et r(C) = 2.
2 1 1
 
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 38

2.7 Opérations élémentaires.

Il y a trois types de transformations élémentaires :
1. l'échange de deux lignes de la matrice (ou de deux colonnes);
2. la multiplication de tous les éléments d'une ligne (ou colonne) de la matrice par la même
constante (différente de zéro) ;
3. l'addition aux éléments d'une ligne de la matrice d'un multiple quelconque des éléments
correspondants d'une autre ligne (de même pour les colonnes).
2.8 Les déterminants
2.8.1 Définition
Par définition, un déterminant de la matrice carrée A, que l’on note A ou dét A = aijavec i,
j = 1,2,…,n, est une somme algébrique de n ! termes, chaque terme étant choisi en faisant le produit
de n éléments de la matrice choisis de façon à ce qu’il n’y ait pas deux éléments qui appartiennent à
la même ligne ou à la même colonne, le tout affecté d’un signe positif ou négatif selon que le nombre
d’inversions dans l’ordre de j (après qu’on ait arrangé l’ordre de i dans les termes des produits de
façon ascendante) est pair ou impair.
2.8.2 Méthode de calcul des déterminants
[Link] Déterminant d’ordre 1
Soit A = [a11]. Il est clair que A= a11.

[Link]. Déterminant d’ordre 2

a a 
Soit la matrice d’ordre 2 A=  11 12  . On a :
a21 a22 
A= a11a22 − a12a21.

Nous avons bien la somme de 2 ! = 2 termes, chaque terme étant lui-même le produit de 2
éléments de A n’appartenant ni à la même ligne, ni à la même colonne.
La règle de calcul est donc la suivante : on effectue le produit de la diagonale principale
dont on retranche le produit de la deuxième diagonale.

[Link]. Déterminant d’ordre 3

b11 b12 b13 
Considérons une matrice B de dimension 3x3. B = b21 b22 b23  . On a :
b31 b32 b33 

B= b11b22b33 + b12b23b31 + b13b32b21 – b31b22b13 – b32b23b11 − b33b21b12 .

Pour trouver le déterminant d’une matrice d’ordre 3, on multiplie simplement chacun des
trois éléments de la première ligne par les éléments auxquels ils sont reliés par la ligne en trait
plein et on ajoute leurs produits. On multiplie ensuite chacun de ces trois mêmes éléments de la
première ligne par les deux éléments auxquels ils sont connectés par une ligne en pointillé et on
soustrait la somme de leurs produits du total précédent.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 39

b11 b12 b13

b21 b22 b23

b31 b32 b33

La figure ci-dessus illustre la méthode de calcul d’un tel déterminant. En utilisant cette
règle, on se rend compte que par exemple le déterminant d’une matrice d’ordre 4 est la somme
algébrique de 4 ! termes ; celui d’une matrice 5x5 est la somme algébrique de 5 ! =120 termes.
Le calcul du déterminant d’une matrice carrée d’ordre 3 s’effectue aussi par la règle dite la Règle
(Méthode) de SARRUS3 que nous décrivons ci-après :
• On recopie les deux premières colonnes de A à la droite de A. Les 3 diagonales descendantes
donnent lieu aux permutations paires ; les 3 diagonales ascendantes aux permutations
impaires.
• La valeur du déterminant est donc égale à la somme du produit des 3 diagonales descendantes
dont on retranche la somme du produit des trois diagonales ascendantes.
• On peut aussi recopier les deux premières lignes de A en dessous de la matrice A et suivre un
raisonnement identique pour calculer le déterminant
Exemples 2.15 :
3 − 2
1. Si A=   , alors A= 3 + 12 = 15.
6 1 
 4 0
2. Si B =   , B= 12 + 0 = 12.
1 3 
1 3 1 
3 Avec C = 2 1 0 , C= 5 + 0 + 8 – 3 – 0 – 30 = –20
3 4 5
k k 
4. Soit A =   , calculer les valeurs de k telles que A= 0.
 4 2k 
A= 2k² − 4k = 2k(k − 2) = 0. D’où k = 0 et k = 2.

[Link]. Déterminant d’ordre n quelconque.

Le déterminant d’une matrice A d’ordre n est égal à la somme des produits obtenus en
multipliant les éléments d’une ligne (ou d’une colonne) par leurs cofacteurs respectifs notés
Aij. Soit :
n
Dét A = ai1Ai1 + ai2Ai2 + … + ainAin = a
j =1
1j Aij

si l’on développe le déterminant suivant les éléments de ligne i ou

3
Planche, A., Mathématiques pour Economistes, Algèbre, 2ème édition, Dunod, Paris, 2004, p.175.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 40

n
Dét A = a1jA1j + a2jA2j + … + anjAnj = a
i =1
1j Aij

si l’on développe le déterminant suivant les éléments de colonne j.

Notez que Aij = ( − 1)i + j Mij est le cofacteur de l’élément aij, tandis que Mij, le mineur de
l’élément aij, est le déterminant de la sous matrice de dimension n − 1 x n − 1 obtenue de A en
supprimant la ligne i et la colonne j.
Il s’ensuit que les signes + et – interviennent dans le calcul d’une manière alternative. Les
cofacteurs associés aux différents éléments aij forment un échiquier. La diagonale principale est
affectée uniquement de signes +.
La méthode des cofacteurs, dite aussi la méthode d’expansion de LAPLACE, permet de
trouver la valeur du déterminant d’ordre n à l’aide de déterminants d’ordre (n -1). On a toujours
intérêt à développer un déterminant des lignes ou des colonnes où apparaissent beaucoup de zéros.
On peut toujours se ramener à ce cas en ajoutant à des lignes ou des colonnes des multiples d’une
autre ligne ou colonne, ce qui ne change pas la valeur du déterminant.
2 5 − 3 − 2
− 2 − 3 2 − 5
Exemple 2.16 : Soit à calculer le déterminant de la matrice A =  .
1 3 −2 2 
 
−1 − 6 4 3
Développons Aselon les éléments de la première ligne. Nous avons :

−3 2 −5 −2 2 −5 −2 −3 −5 −2 −3 2
A= 2 3 − 2 2 − 5 1 − 2 2 − 3 1 3 2 +2 1 3 −2
−6 4 3 −1 4 3 −1 − 6 3 −1 − 6 4
= 2(0) – 5(8) – 3 ( − 12) + 2(0) = − 4.
Comme dit plus haut, on peut, en ajoutant à des lignes des multiples d’une autre ligne,
obtenir une nouvelle matrice contenant beaucoup de zéros dans une colonne et calculer ensuite le
déterminant en développant cette dernière.

Ainsi, en combinant l’expansion du déterminant selon la colonne 1 et les transformations

élémentaires indiquées ci-après, on a :
L1 − 2 L3  0 −1 1 − 6
−1 1 − 6
L2 + 2 L3  0 3 − 2 −1
  = 1 3 − 2 − 1 = 1 (10 + 3 − 36) − (−36 + 2 + 15) = −4
L3  1 3 −2 2
−3 2 5
L4 + L3  0 −3 2 5

Par ailleurs, notons que la somme des produits d’une ligne (ou une colonne) par les cofacteurs
correspondants d’une autre ligne (ou colonne) est zéro, c’est-à-dire,
n

a A
j =1
ij kj = 0, i  k.

2.8.3 Propriétés des déterminants

1. Soit A une matrice carrée et A’ sa transposée. Alors A=A’.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 41

2. Toute matrice carrée A dont une ligne ou une colonne est composée uniquement de zéros
admet un déterminant nul, c’est-à-dire, A= 0.
3. Considérons une matrice carrée A et la matrice B obtenue en permutant deux colonnes (ou
deux lignes) de A. Nous avons A= -B.
4. Si une matrice carrée A a deux colonnes (ou deux lignes) identiques ou proportionnelles,
c’est-à-dire linéairement dépendantes, alors A= 0.
5. Soit A une matrice carrée et B la matrice obtenue en multipliant une ligne ou une colonne de
A par un scalaire k, nous avons : B= kA.
6. Si l’on multiplie toutes les lignes (ou colonnes) d’une matrice carrée A par un scalaire k, la
valeur du déterminant sera multipliée par kn, soit, kA= knA.
7. Le déterminant d’une matrice triangulaire ou d’une matrice diagonale est égal au produit des
n
éléments diagonaux. On écrit : A =  aii .
i =1

8. Le déterminant d’une matrice carrée A ne change pas si on ajoute un multiple quelconque

d’une ligne (ou d’une colonne) à une autre ligne (ou colonne). Si B est la matrice obtenue de
A en ajoutant un multiple quelconque d’une ligne (ou d’une colonne) à une autre ligne (ou
colonne) de A, alors B=  A.
9. Si une matrice carrée A est de rang maximum, alors son déterminant est différent de zéro.
10. Le déterminant du produit de deux matrices A et B est égal au produit des déterminants de A
et de B. Soit, AB=AB.
11. Le déterminant de la somme algébrique de deux matrices A et B n’est pas généralement
égal à la somme algébrique des déterminants de A et de B. A + BA+B en général.
12. Si une matrice A est idempotente, alors son déterminant est égal à 0 ou 1.
13. La seule matrice idempotente non singulière (dont le déterminant est différent de 0) est la
matrice unité I.

Exemples 2.17 :
 1 3 − 3  1 2 − 1
1. Si A =  2 0 1  , A= -19 et A’=  3 0 4  = − 19.
 
− 1 4 − 2 − 3 1 − 2

2. Soit k = 3 et A, la matrice donnée plus haut. Alors, d’après la propriété 5,

 3 3 − 3 3 3 −3
 
B =  6 0 − 1 ,B= 6 0 − 1 = 3A= − 57
− 3 4 − 2 −3 4 −2
La première colonne de A a été multipliée par 3.

3. En permutant les lignes 2 et 3 de A, on a, d’après la propriété 3 :

1 3 −3
B = − 1 4 − 2 = 19 = − A
2 0 1
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 42

1 3 −3
4. D’après la propriété 8, on a : C = 0 8 − 3 = –19 = A
−1 4 − 2
La ligne 2 de C est égale à la ligne 2 de A plus deux fois la ligne 3 de A.

 1 3 − 3 1 3 −3
5. Si A =  0 0 0  , alors A= 0 0 0 = 0 (Propriété 2).
 
− 1 4 − 2 −1 4 − 2

 1 1 − 3 1 1 −3

6. Si A =  2 2 
1  , alors A= 2 2 1 =0 (Propriété 4).
− 1 − 1 − 2 −1 −1 − 2

 1 3 − 3 1 0 2 5 − 6 −1
 
7. Si A =  2 0 1  et B = 3 − 2 − 2 , alors AB=
 −1 0 3 = − 38
− 1 4 − 2 1 0 − 1 11 − 8 − 8
A= − 19 et B =2. Il vientAB= − 38 = AB = − 19(2). (Propriété 10).
3 0 0
8. Si A = 2 − 2 0 , A= − 12
1 1 2
Le produit des éléments diagonaux, en vertu de la propriété 7.
1 3 2 0,01 0,03 0,02
 
9. Soit A = 0 5 4, alors A = 8. Mais si A * =  0 0,05 0,04,
1 1 2 0,01 0,01 0,02
3
 1  8
A*=   A = 6 = 0,000008 (Propriété 6).
 100  10
1 2 3 1 4 3
10. Soit A =   , et B =   .A+B=   A = 1 ; B = 8 et A + B= 23.
2 5 1 3 3 8

3 + 5 3 + 2 3 3 5 2
11. Soit A =  A + = (24 − 9) + (40 − 6) = 49.
8 
. Alors =
 3 3 8 3 8

2.9 Mineur principal et mineur diagonal principal d’ordre k

2.9.1 Mineur principal d’ordre k

Soit A une matrice carrée d’ordre n. On appelle sous - matrice principale d’ordre k de A
la sous - matrice de dimension k x k extraite de A obtenue en supprimant les n – k colonnes et les
mêmes n – k lignes de A.
On définit alors le mineur principal d’ordre k de A, noté δk, comme étant le déterminant
d’une sous matrice principale de dimension k x k.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 43

 a11 a12 a13 

Exemple 2.18 : Une matrice A3x3 = a21 a22 a23  admet :

a31 a32 a33 
a11 a12 a13
• un seul mineur principal d’ordre 3, à savoir, δ3 = A = a 21 a 22 a 23 ;
a31 a32 a33
• trois mineurs principaux d’ordre 2 ;
a a
(1) δ2 = 11 12 obtenu en supprimant la colonne 3 et la ligne 3 de A
a21 a22
a11 a13
(2) δ2 = obtenu en supprimant la colonne 2 et la ligne 2 de A
a31 a33
a22 a23
(3) δ2 = obtenu en supprimant la colonne 1 et la ligne 1 de A
a32 a33
• trois mineurs principaux d’ordre 1 ;

(1) δ1 = a11 obtenu en supprimant les deux dernières lignes et les deux dernières colonnes de
A.
(2) δ1 = a22 obtenu en supprimant les première et troisième lignes ainsi que les première et
troisième colonnes de A.
(3) δ1 = a33 obtenu en supprimant les deux premières lignes et les deux premières colonnes
de A.
n!
Il est à noter que chaque mineur principal d’ordre k comportera C nk = termes.
k!(n − k )!
 8 − 1 − 5
Exemple 2.19 : Trouvez tous les mineurs diagonaux de la matrice A = − 2 3 1  .
 4 − 1 − 1
Réponse :
Cette matrice d’ordre 3 possède :
(1) trois mineurs diagonaux d’ordre 1 : δ1 = a11 = 8, δ1 = a22 = 3 et δ1 = a33 = − 1.
(2) trois mineurs principaux d’ordre 2 ;
a a 8 −1 a a 8 −5 a a23 3 1
δ2= 11 12 = = 22, δ2 = 11 13 = = 12, δ2 = 22 = = − 2.
a21 a22 − 2 3 a31 a33 4 − 1 a32 a33 −1 −1
8 −1 − 5
(3) un seul mineur principal d’ordre 3, à savoir, δ3 = A = − 2 3 1 = 32.
4 −1 −1
2.9.2 Mineur diagonal principal d’ordre k

Soit A une matrice carrée d’ordre n. On appelle sous - matrice diagonale principale
d’ordre k de A la sous - matrice de dimension k x k extraite de A obtenue en supprimant les n – k
dernières colonnes et les mêmes n – k dernières lignes de A.
On définit alors le mineur diagonal principal d’ordre k de A comme étant le
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 44

déterminant de la sous matrice diagonale principale d’ordre k que l’on note  k .

Ainsi, une matrice d’ordre n possède n sous – matrices diagonales principales. En particulier, une
matrice carrée A d’ordre 3 en possédera trois, à savoir :
• Un mineur diagonal principal d’ordre 1 : 1 = a11 ,
a11 a12
• Un mineur diagonal principal d’ordre 2 :  2 = et
a21 a22
a11 a12 a13
• Un mineur diagonal d’ordre 3 :  3 = A= a21 a22 a23
a31 a32 a33
 8 − 1 − 5
Les mineurs diagonaux principaux de la matrice A = − 2 3 1  sont : 1 = a11 = 8,
 4 − 1 − 1
a11 a12 8 −1
2 = = = 22 et  3 = A= 32.
a21 a22 −2 3
2.10 Matrices partagées en blocs ou matrices partitionnées
Puisque une matrice est un tableau rectangulaire (en général), nous pouvons grouper ses
éléments dans un certain nombre de blocs rectangulaires (sous-matrices) et représenter la matrice
en fonction de ces blocs. Pour former des blocs, il suffit de tracer des lignes de séparation sur
toute la longueur et la hauteur de la matrice.

 a11 a12 a13 a14 

Par exemple, la matrice A = a21 a22 a23 a24  peut être divisée en quatre blocs qui forment
a31 a32 a33 a34 
a a a13  a 
quatre sous –matrices. Si l’on désigne les blocs par A11 =  11 12  , A12 =  14  ,
a21 a22 a23  a24 
A21 = a31 a32 a33  et A22 = a34 , la matrice A ci dessus peut s’écrire de la manière suivante : A
A A12 
=  11
A22 
,
 A21
Une matrice spécifiée de telle manière est appelée une matrice partagée.
On construit de telles matrices partagées parce qu’elles sont très utiles dans beaucoup de
développements théoriques et applications pratiques. En règle générale, pourvu que les matrices
soient partagées d’une manière appropriée, on peut opérer sur les matrices partagées d’une même
façon que sur les matrices ordinaires, en traitant les blocs comme des éléments ordinaires.
Ainsi :
1. Si B est aussi une matrice de format 3x4 et est partagée de la même façon que l’est la matrice A
B B12 
ci-dessus, c’est-à-dire, si on peut représenter B par B =  11  ,:avec
 B21 B22 
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 45

B B12 B13  B 
B11 =  11  , B12 =  14  , B21 = B31 B32 B33  et B22 = B34  ,
 B21 B22 B23   B24 
alors la somme de A et B se fait en additionnant les blocs correspondants, c’est-à-dire :

 A + B11 A12 + B12 

A + B =  11
 A21 + B21 A22 + B22 

A A12 
1. De même si A =  11
A22 
, la multiplication par un scalaire k se fait en multipliant chaque
 A21
 kA kA12 
bloc de A par le scalaire, c’est-à-dire, kA =  11 .
kA21 kA22 
2. La transposée d’une matrice partagée est égale à la transposée de ses blocs dans l’ordre
 A' A21
'

transposé. A’ =  11' ' 
.
 A12 A22 
A A12 
3. Le déterminant d’une matrice partitionnée A =  11
A22 
où A11 et A22 sont des blocs carrés
 A21
est donné par :
Dét A = A11 . A22 − A21 A11−1 A12 Suivant que A11 et A22 ou
inversible
−1
Ou dét A = A22 . A11 − A12 A22 A21

A 0 
Si A est une matrice bloc-triangulaire, alors A =  11
A22 
= A11 .. A22 .
 A21
4. Soient Amxn et Bnxq deux matrices pour lesquelles le produit AB est possible. Décomposons A
en deux sous matrices ayant le même nombre de lignes (m) A1 et A2, et B en deux sous
matrices B1 et B2 ayant le même nombre de colonnes (q). Le produit AB qui est possible étant
donné les formats de A et B peut s’écrire :
 B1 
AB = A1  A2    .
 B2 
Supposons que le nombre de colonnes de A1 = nombre de lignes de B1 = p et que le nombre
de colonnes de A2 = nombre de lignes de B2 = n − p. Le produit de la ième ligne de A par la
jième colonne de B pourra se décomposer en deux parties :
n p n

 aikbkj =  aikbkj +
k =1 k =1
a
k = p +1
b
ik kj

La première partie n’est rien d’autre que le produit de la i-ème ligne de A1 par la j-ième
colonne de B1 et la deuxième partie n’est rien d’autre que le produit de la i-ème ligne de A2
par la j-ème colonne de B2.
Donc :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 46

 B1 
Amxn Bnxq = A1  A2    = [A1B1 + A2 B2].
 
 B2 
A1B1 et A2 B2 existent et sont de même format que AB : (mxq).
Ainsi, le produit des matrices partagées sera possible à condition que les sous-matrices
considérées vérifient certaines conditions de format comme nous venons de le voir.
Si A était partagée en r et n − r colonnes et aussi en q et m − q lignes, la partition appropriée
de B devra être en r et n − r lignes et s et q − s colonnes où q et s peuvent être choisis
arbitrairement., c’est-à-dire si
q
 n
  
q  A11 A12  r  11 B12 
B
Amxn = Bnxq =
(m − q)  A21 A22  ( n − r )  B21 B22 
et

r n-r s q-s
alors
A A12   B11 B12  A B + A B A11B12 + A12 B22  C11 C12 
AB =  11 =  11 11 12 21
A22  B  A21B12 + A22 B22  C21 C22 
= .
 A21  21 B22   A21B11 + A22 B21
1 3 1
− 1 0 3 − 2 1 0 − 1
1 
Exemple 2.20 : Considérons les matrices A =  et B = 5 − 1 4 − 3 2 
 2 −1 4 
  3 − 2 0 1 − 1
 0 2 − 3
1 3 1

A12  − 1 0 1 
A
Partageons A de la manière suivante :A =  11  = .
 A21 A22   2 − 1 4 
 
0 2 − 3
A étant partagée en r = 2 et n − r = 1 colonnes et aussi en q = 3 et m − q = 1 lignes, pour que AB
existe, il faut que la partition appropriée soit en r = 2 et n − r = 1 lignes afin de se conformer à la
condition de format. Par contre, la partition de B en colonnes peut se faire arbitrairement, comme
par exemple comme ci-après :

3 − 2 1 0 − 1 3 − 2 1 0 − 1 3 − 2 1 0 − 1
5 − 1 4 − 3 2  ou 5 − 1 4 − 3 2  ou encore 5 − 1 4 − 3 2  , etc.
    
3 − 2 0 1 − 1 3 − 2 0 1 − 1 3 − 2 0 1 − 1
3 − 2 1 0 − 1
 B11 B12  
Soit B =   = 5 − 1 4 − 3 2  . Alors,
 B21 B22  3 − 2 0 1 − 1

C C12   A11 A12   B11 B12   A B + A12 B21 A11B12 + A12 B22 
C =  11  .= A =  11 11
C21 C22   21 A22  B
 21

B22   A21B11 + A22 B21 A21B12 + A22 B22 
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 47

 1 3 1  1 3 1  
  3 − 2   − 1 0  1 0 − 1 + 1 0 1 − 1
 − 1 0  5 − 1  + 1 3 − 2   4 − 3 2    
=   2 − 1    4
   2 − 1   4 .
 
 0 2  3 − 2   1 0 − 1 
 5 − 1  + − 33 − 2 0 2   + − 30 1 − 1 
    4 − 3 2  

21 − 7 13 − 8 4 
0 0 −1 1 0 
=  .
13 − 11 − 2 7 − 8
 
1 4 8 −9 7 

2.11 Inverse des matrices

2.11.1 Matrice inverse d'une matrice carrée.

[Link] Définition

Soit A une matrice carrée et B une autre matrice carrée du même ordre que A. On dit que la
matrice B est l'inverse à gauche de A si BA = In. De même, la matrice C est l’inverse à droite de A si
AC = I.
Si on multiplie à gauche les deux membres de cette égalité par B, on a : BAC = BI. Comme BA = I, il
s’ensuit que C = B. L’inverse à droite d’une matrice carrée est donc égal à son inverse à gauche.
C’est pourquoi on ne parlera que de l’inverse de A notée A-1. Cette dernière n'existe que si A est une
matrice carrée de rang maximum. Cet inverse est unique.
[Link] Propriétés des inverses des matrices
1. Si A est une matrice inversible, sa transposée A’ est inversible et on a :
(A-1)' = (A')-1 (2.1)
2. Si A et B sont non - singulières (ou régulières) et de même format, leur produit AB est inversible
et on a :
(AB)-1 = B-1A-1 (2.2)
3. L’inverse de l’inverse de A est la matrice A elle-même.
(A-1)-1 = A (2.3)
4. Le déterminant de l’inverse d’une matrice est égal à l’inverse de son déterminant.
1
dét (A-1) = (2.4)
dé t ( A)
5. Pour tout scalaire  non nul, on a :
1
(  A)-1 = A −1 (2.5)

Une matrice carrée A telle que A² = I est dite involutive. La matrice unité I est involutive. Une matrice
 0 − 2 − 3
involutive est sa propre inverse. La matrice A =  1 3 3  a pour matrice inverse elle-même.
− 1 − 2 − 2
C’est donc une matrice involutive.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 48

[Link] Inversion des matrices carrées.

Quatre principales méthodes permettent de calculer l'inverse d’une matrice carrée donnée, à savoir :
la méthode classique (par l'adjointe), la méthode des coefficients indéterminés, la méthode itérative
(la méthode Gaussienne ou du pivot) et la méthode des matrices décomposées (partagées en blocs).
[Link].1. Méthode classique (ou méthode par l'adjointe)
Une matrice adjointe est définie comme la transposée de la comatrice, c’est-à-dire, comme la
matrice des cofacteurs de A. Elle sera notée « Adj A » ou « Ã », cette dernière se lisant « A tilde ».
Nous savons déjà que :
AÃ = A..I .
1 ~
Si A .  0 , la division des deux membres de cette dernière par A donne A. .A = I . Donc :
| A|
1 ~
A-1 = A (2.5)
A
1
La matrice inverse de A est obtenue en multipliant par le nombre la matrice adjointe Ã.
dé t ( A)
1 2 3 
Exemple 2.21 : Calculer l’inverse A de la matrice A = 2 5 7 
-1

 3 7 11
A est symétrique et son déterminant A  = (55 + 42 + 42) − (45 + 49 + 44) = 1.

La matrice des cofacteurs est :

 5 7 2 7 2 5
+ − + 
 7 11 3 11 3 7
 6 −1 −1  6 −1 −1
 2 2 
= −1 2 −1 . Ã = C’ = −1 2 −1 .
3 1 3 1
C = − + −   
 7 11 3 11 3 7
−1 −1 1  −1 −1 1 
 2 3 1 3 1 2 
+5 7
−
2 7
+
2 5 

 6 −1 −1
à = −1 2 −1 car = A = 1.
-1 1
Alors A =
dé t ( A)
−1 −1 1 

[Link].2. Méthode des coefficients indéterminés.

Soit A = (aij) une matrice d'ordre n et inversible. Attribuons à tous les coefficients de A-1 une
valeur indéterminée x11, x12, x21, ..., xij et exprimons que le produit AA-1 est égal à la matrice unité I.
Il en résulte (n x n) équations à (n x n) inconnues.
Ainsi si A est une matrice carrée d’ordre n et X = A-1, alors AX = I. Nous pouvons écrire :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 49

 a11 a12 ... a1n  x11 x12 ... x1n  c11 c12 ... c1n  1 0 ... 0 
      
a 21 a 22 ... a 2n  x 21 x 22 ... x 2n c 21 c 22 ... c 2n  0 1 ... 0 
  =  = 
 .. .. .. ..  .. .. ... ..  .. .. ... ..  .. .. ... ..
    
 a n1 a n 2 ... a nn  x n1 x n 2 .... x nn  c n1 c n 2 ... c nn  0 0 ... 1
n
où cik = a
j=1
ij x jk et n² éléments de la matrice inverse (xjk) peuvent être obtenus en résolvant les n²

équations ci-après :
n

a
j =1
ij x jk = 1 si i = k (2.6a)
n

a
j =1
ij b jk = 0 si i  k , (2.6b)

où i = 1, 2, ..., n et k = 1, 2, ..., n.
Considérons une matrice A d’ordre 2 et proposons-nous de calculer son inverse. En vertu de la
propriété selon laquelle A A-1 = I, nous avons :
 x11 x12 
A A = I où A = 
-1 -1 .
 x21 x22 
 
Développons ce produit. Nous obtenons :
 a11 a12   x11 x12   1 0
A A-1 =    =  
a21 a22   x21 x22  0 1
a11 x11 + a12 x21 = 1 (2.7)
a21 x11 + a22 x21 = 0 (2.8)
a11 x12 + a12 x22 = 0 (2.9)
a21 x12 + a22 x22 = 1 (2.10)
Nous obtenons ainsi deux systèmes de deux équations à deux inconnues qu’on peut résoudre comme
suit :
de (2.8), on a :
a22 x21 = − a21 x11
a
x21 = − 21 x11 (2.11)
a22
pourvu que a22 soit différent de zéro.
Substituons (2.11) dans (2.7) pour obtenir
a
a11 x11 − a12 21 x21 = 1
a22
Ce qui peut encore s’écrire comme
a11a22x11 − a12a21x21 = a22
[a11a22 − a12a21] x21 = a22
a 22
x11 = (2.12)
a11a 22 −a12 a 21
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 50

a21  a22 
Ainsi la relation (2.11) devient x21 = −  .
a22  a11a22 −a12a21 
 − a21 
x21 =   (2.13)
 a11a22 −a12a21 
De même, de (2.9) on a : a11x12 = − a12x22. Donc, si a11  0,
a
x12 = − 12 x22 (2.14)
a11
a12
(2.14) dans (2.10) donne : − a21 x22 + a22 x22 = 1, soit [a11 a22 − a12 a21] x22 = a11. On a :
a11
a11
x22 = (2.15)
a11a22 − a12 a21
et de (2.14) on tire :
− a12
x12 = (2.16)
a11a22 − a12 a21
Finalement,
 x11 x12  1  a22 −a12 
A-1 =   = − a  (2.17)
x21 x22  a11 a22 − a12 a21  21 a11 
Cette relation n’est rien d’autre que le développement de la méthode classique qui calcule
l’inverse d’une matrice en divisant chaque élément de la matrice adjointe associée par le déterminant
de cette matrice.
3 2 
Exemple 2.22 : Soit à trouver la matrice inverse de A =  .
7 5
 x11 x12 
Posons A-1 =   . Puisque AA-1 = I, nous pouvons écrire :
 x21 x22 

 3 2  x11 x12   1 0
 = 
-1
AA =  
7 5  x21 x22  0 1
Il en résulte les deux systèmes suivants :
 3x11 + 2 x21 = 1 3x + 2 x22 = 0
 et  12
7 x11 + 5 x21 = 0  7 x12 + 5 x22 = 1
Par la relation (3.17) on a :
 x11 x12  1  a22 −a12 
A-1 =   = − a 
x21 x22  a11 a22 − a12 a21  21 a11 
Comme a11a22 − a12a21 = 1, on a : x11 = 5., x21 = − 7, x12 = − 2 et x22 = 3.
 5 − 2 -1 3 2   5 − 2   1 0 
Donc A-1 =   . Nous avons en effet : AA =    =  .
− 7 3 7 5 − 7 3 0 1
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 51

[Link]. Méthode itérative ou la méthode gaussienne

La méthode itérative est très commode pour calculer l'inverse d'une matrice. Elle est basée sur la
propriété suivante :
Soient deux matrices A et B ayant toutes les deux le même nombre m de lignes et mises côte
à côte en une seule matrice [A, B]. Si l'on multiplie cette matrice par une matrice C ayant m
colonnes, le produit étant compatible, on montre aisément que l'on obtient :
C[A, B] = [CA, CB]
Ainsi, si la matrice carrée A de dimension (n x n) doit être inversée, on considère la matrice élargie
[A, I]. Si en multipliant cette matrice élargie par une matrice K de dimension (n x n) on obtient :
K[A, I] = [I, K]
Il est clair que KA = I implique que K est la matrice inverse de A; et par conséquent, K = A-1.
On obtient la matrice K en opérant sur la matrice élargie [A, I] des transformations telles que A se
transforme en la matrice unité, la matrice qui se substitue à I étant la matrice inverse de A.
Schématiquement, nous avons :
[A | I ]

Transformations
-1
[I | A ]
Les transformations que l'on utilisera seront les transformations pratiquées pour obtenir des vecteurs
échelonnés, tels que le premier élément non nul par ligne soit égal à 1. Ayant obtenu des vecteurs
échelonnés lignes, on recommence l'opération pour obtenir simultanément des vecteurs échelonnés
colonnes, ce qui permet finalement de substituer la matrice unité à la matrice A.
Si dans le cadre de la matrice A, on obtient des vecteurs échelonnés composés uniquement de 0, cela
signifie que A n'est pas de rang maximum et par conséquent A n'est pas inversible.
1 2 3 
Exemple 2.23 : Calculer l’inverse A de la matrice A = 2 5 7 
-1

 3 7 11
 1 2 3 1 0 0
 
Composons la matrice élargie [A | I] =  2 6 7 0 1 0  . Nous obtenons successivement :
 3 7 11 0 0 1 
 
1 2 3 1 0 0 1 2 3 1 0 0
   
→ 0 −1 −1 2 −1 0  →  0 −1 −1 2 −1 0
 0 − 1 − 2 3 0 − 1 0 0 1 −1 −1 1
   
L’1 = L1 L’’1 = L’1
L’2 = 2L1 − L2 L’’2 = L’2
L’3 = 3L1 − L3 L’’3 = L’2 − L’3
1 −1 0 7 − 3 0  1 0 0 6 − 1 − 1
   
→ 0 −1 0 1 − 2 1 →  0 1 0 − 1 2 − 1
0 0 1 −1 −1 1 0 0 1 −1 −1 1 
   
L 1 = L’’1 + 3L’’2
iii
L 1 = L 1 −L 2
iv iii iii
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 52

Liii2 = L’’2 + L’’3 Liv2 = ( − 1)Liii2

Liii3 = L’’3 Liv3 = Liii3
 6 −1 −1
Il en résulte que A-1 = −1 2 −1 .
−1 −1 1 

[Link]. Inverse des matrices carrées par la méthode des matrices « partagées en blocs »
Soit à inverser une matrice carrée A non singulière d’ordre n. Nous proposons dans ce
paragraphe une autre méthode d’inversion matricielle dite « méthode d’inversion par blocs ».

 A11 A12 
Etant donné la décomposition en blocs de A =   , où A11 et A12 sont carrées
 A21 A22 
(matrices d’ordre k et n-k respectivement) et sont supposées non singulières. Cherchons A-1 en la
 x!! x12 
mettant sous la forme A-1 =   où x11 et x22 ont même format que A11 et A22. Les conditions
 x 21 x 22 
de format sont remplies pour effectuer le produit par blocs :
 A11 A12   x11 x12   I 0 
AA-1 =   =  
 A21 A22   x21 x22  0 I 
A11 x11 + A12 x21 = I (2.18)
A21 x11 + A22 x21 = 0 (2.19)
A11 x12 + A12 x22 = 0 (2.20)
A21 x12 + A22 x22 = I (2.21)
Appliquons la méthode des coefficients indéterminés aux quatre égalités matricielles définies
plus haut et souvenons que les opérations s’effectuent sur des matrices et non plus sur des nombres.
De (2.19) on tire :
A22 x21 = − A21 x11 (2.22)
Ainsi :
−1
x21 = − A22 A21x11 (2.23)
En substituant (2.23) dans (2.18), cette dernière devient :
−1
A11 x11 + A12 ( − A22 A21x11 ) = I (2.24)
−1
[A11 − A12 A22 A21 ]x11 = I
x11 = [A11 − A12A22-1A21]-1 (2.25)
De (2.20) on tire :
A11 x12 = − A12 x22 (2.26)
Ainsi :
x12 = − A11−1 A12 x22 (2.27)
En substituant (2.27) dans (2.21), cette dernière devient :
− A21 A11−1 A12 x22 + A22 x22 = I (2.28)
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 53

[A22 − A21 A11−1 A12 ]x22 = I

x22 = [A22 − A21 A11−1 A12 ]-1 (2.29)
Nous venons ainsi de proposer les formules devant permettre de trouver la matrice inverse A-1.
Cependant ces formules nécessitent quatre inversions, ce qui rend leur application un peu lourde.
Pour y remédier, nous dérivons d’autres formules utilisant la propriété A-1A = I.
 x11 x12   A11 A12   I 0 
A-1A =    =  
 x21 x22   A21 A22  0 I 
x11 A11 + x12 A21 = I (2.30)
x11 A12 + x12 A22 = 0 (2.31)
x21 A11 + x22 A21 = 0 (2.32)
x21 A12 + x22 A22 = I (2.33)
De (2.32) on tire :
x21 A11 = − x22 A21 (2.34)
Ainsi :
x21 = − x22 A21 A11−1 (2.35)
De (2.30) on a :
x11 A11 = I − x12 A21 (2.36)
x11 = [I − x12 A21]A11-1
x11 = A11-1 − x12 A21 A11-1 (2.37)
De (2.31) on a :
x12 A22 = − x11 A12 (2.38)
x12 = − x11 A12 A22-1 (2.39)
De (2.33) on tire :
x22 A22 = I − x21 A12 (2.40)
x22 = [I − x21 A12]A22-1
Ainsi :
x22 = A22-1 − x21 A12A22-1 (2.41)
On aboutit aisément aux formules suivantes :
Procédure A Procédure B
 x11 − x11 A12 A-221   A11
-1
− x12 A21 A11
-1
− A11
-1
A12 x22 
A =  (2.42)   (2.43)
-1 -1
A =
− A-221 A21 x11 -1
− -1 
A22 21 A12 A22 
x  − x22 A21 A11
-1
x22 
où x11 = [A11 − A12A22-1A21]-1 où x22 = [A22 − A21A11-1A12]-1

Nota Bene :
a. Le choix de l’une des procédures dépend plus particulièrement de la forme et des propriétés
relatives à la matrice A et ses sous - matrices.
Considérons par exemple la matrice A ci-après :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 54

1 2 1 2 3
3 4 9 4 1

A = 6 3 7 0 0
 
1 0 0 8 0
4 2 0 0 9
La procédure A est préférable à la procédure B car l’inversion de A22 y est aisée (matrice
diagonale) et pour obtenir x11, on doit inverser une matrice d’ordre 2. Par contre la procédure
B est plus longue. Cette dernière exige, en effet, l’inversion de A11 (étape relativement facile
puisque A11 est de format 2 x 2), mais il faudra encore inverser, afin d’obtenir x22, une
matrice d’ordre 3 qui n’est pas diagonale.
b. A11 et A22 peuvent ne pas être inversibles alors que A l’est, comme c’est le cas pour la matrice
B ci-après :
1 1 1 1 1 1
B = 1 1 2 . Cette matrice peut être partitionnée comme suit : B = 1 1 2 . Dans ce
 
1 2 0 1 2 0
cas, le calcul précédent n’est pas valable. Et pourtant, B est inversible puisque B = −1 est
différent de zéro. Cela signifie que la partition proposée n’est pas appropriée. En effet, celle
1 1 1
qui suit donnerait les résultats attendus, c’est-à-dire, B = 1 1 2 .
 
1 2 0
 A11 0
c. Soit A =   une matrice diagonale par blocs où A11 et A22 sont des matrices
 0 A22 
carrées. Si A est non - singulière, alors A11 et A22 le sont aussi puisqu'elles ont des lignes (ou
des colonnes) linéairement indépendantes. Dans ce cas, son inverse s'obtient en inversant les
blocs diagonaux. Nous écrivons :
 A11
-1
0
A = 
-1

 0 A-221 

 A11 A12 
d. Si A est une matrice « triangulaire par blocs » de la forme A =   ou de la
 0 A22 
 A11 0
forme A =   , avec des blocs diagonaux carrés non singuliers, alors son inverse
 A21 A22 
s'obtient en inversant les blocs diagonaux, le bloc hors diagonal non nul étant obtenu par la
formule vue précédemment.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 55

Exemple 2.24 :
4 0 2 0 1
0 5 0 4 0
 
Calculer l’inverse de la Matrice A =  1 0 2 0 0  en la décomposant par blocs A .
 
 0 −1 0 −1 0 
−2 0 0 0 −3
Solution :
4 0 2 0 1
0 5 0 4 0 
 A11 A12    4 0
Soit A =   = 1 0 2 0 0  avec A11 =  ,
 A21 A22     0 5
 0 −1 0 −1 0 
− 2 0 0 0 − 3
1 0 2 0 0 
2 0 1
A12 =   , A21 =  0 −1 et A22 = 0 −1 0 
 
0 4 0 −2 0  0 0 −3
Partageons l’inverse A-1 de la même manière que A.
 x!! x12 
Soit A-1 =   . On a successivement :
 x 21 x 22 
1 / 2 0 0  1 / 2 0
1 0 −1 / 3
a) A22-1=  0 −1 0  b) A12A22-1 =  c) A-122A21 =  0 1
 0 −4 0 
 0 0 −1 / 3  2 / 3 0
d) x11 = [A11 − A12A22-1A21]-1 =
−1
 2 0 0 
−1
 1 0  −1
 4 0  2 0 1      4 0  5 / 3 0 
=   −   0 −1 0   0 −1  =  0 5 −  0 4 
 0 5  0 4 0  0 0 −3  
 −2 0    

−1
7 / 3 0  3 / 7 0
=
1
= 
 0 1  0
1 / 2 0 −3 / 14 0 
   3 / 7 0
e) x21 = − A-122A21x11 =−  0 1   =  0 −1
 2 / 3 0 
0 1
 −2 / 7 0 
3 / 7 0 1 0 −1 / 3 −3 / 7 0 1 / 7
f) x12 = − x11A12A22-1 = − 
1 0 −4 0   0 0 
=
 0 4
g) x22 = A-122 − A-122A21x12
1 / 2 0 0  1 / 2 0 5 / 7 0 −1 / 14 
     −3 / 7 0 1 / 7  
=  0 −1 0  −  0 1   = 0 −5 0 
 2 / 3 0 
0 4 0 
 0 0 −1 / 3 2 / 7 0 −3 / 7 
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 56

Ainsi l’inverse est :

 3/ 7 0 −3 / 7 0 1/ 7 
 0 1 0 4 0 
 
A-1 = −3 / 14 0 5 / 7 0 −1 / 14 
 
 0 −1 0 −5 0 
 −2 / 7 0 2 / 7 0 −3 / 7 

1 2 3 0 0
2 5 7 0 0
 
Exemple 2.7 : Calculer l’inverse de la matrice A =  3 7 11 0 0 .
 
0 0 0 3 2
0 0 0 7 5
1 2 3 
 A11 0   3 2 
Cette matrice peut s’écrire comme A =   avec A11 = 2 5 7  et A22 =   . Son
 0 A22   3 7 11 7 5 

 A11
-1
0
inverse est alors obtenue en inversant les matrices blocs diagonaux, soit A = 
-1

 0 A-221 
 6 −1 −1
A11 est la matrice de l’exemple 3.1. Son inverse est A-111 = −1 2 −1 .
−1 −1 1 
 5 −2 
A22 est la matrice de l’exemple 3.2. Son inverse est A-122 =  .
 −7 3 
 6 −1 −1 0 0
 −1 2 −1 0 0
 
Donc A-1 = −1 −1 1 0 0.
 
 0 0 0 5 −2 
 0 0 0 −7 3 
2.11.2 Inversion des matrices de format quelconque : inverse à gauche - inverse à droite
Nous traiterons ici le cas le plus général. A la différence des nombres réels, une matrice de
format quelconque peut admettre seulement des « inverses à gauche » ou des « inverses à droite », ou
pas d’inverse du tout (tout en n’étant pas nulle).
[Link] Définitions
Soit A une matrice de dimension m x n quelconque. Une matrice B est une matrice inverse à
gauche de A si elle vérifie : BA = I.
La matrice C est une matrice inverse à droite de A si elle vérifie AC = I.
La matrice C est une inverse à droite de A si et seulement si sa transposée C’ est une inverse à gauche
de A’. En effet, AC = I  C’A’ = I’ = I et réciproquement. On peut vérifier que A’B’ = I.
Existe-t-il des matrices B et C ? Sont-elles uniques ? Nous répondrons à ces deux questions
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 57

en raisonnant sur les formats, puis sur le rang de B et C.

[Link] Le format de B et C
Format de B
Comme BA = I, A étant de format m x n et I étant une matrice carrée de dimension n x n, il
s’ensuit que la matrice B devra être de format n x m, soit :
Bnxm Anxm = Inxn.

Format de C
Comme AC = I, A étant de format m x n et I étant carrée (de dimension m x m), il s’ensuit que
la matrice C devra être de format n x m, soit :
Am x n Cn x m = Im x m.
Nous constatons donc que les matrices unité ou matrices Identité correspondantes seront de format
différent si A n’est pas une matrice carrée.
[Link] Conditions d’existence des inverses à gauche et des inverses à droite
Nous distinguerons le cas où A est une matrice haute (avec m > n) et le cas où A est une
matrice large (avec m < n). Nous raisonnerons sur le rang de A pour déterminer les conditions
d’existence des inverses à gauche et des inverses à droite.
Supposons Am x n avec m > n. Dans ce cas, Am x n Cn x m = Im x m est impossible. A n’a pas d’inverse à
droite.
En effet, nous savons déjà que :
rang A  min (m, n) = n ;
rang C  min (n, m) = n, (puisque n < m) et ;
rang Im x m = m.
On a démontré (voir paragraphe précédent) que le rang du produit de deux matrices A et B était
inférieur ou égal au minimum du rang de A et du rang de B. On a donc :
rang (AC)  min (rang A, rang C)  n.
Or, AC = Im entraîne rang AC = rang Im = m et donc m  n, ce qui contredit notre hypothèse de base
n < m. Par conséquent, il ne peut y avoir de matrices C telle que AC = Im. A n’a donc pas d’inverse à
droite.
Par contre, s’il existe B telle que BA = In, alors rang A = n.
En effet, rang BA = rang In = n. Or, on a rang (BA)  min (rang B, rang A)  rang A  n.
D’où, rang BA  n. Donc pour que cela soit compatible avec le fait que rang BA = n, il faut que la
série d’inégalités ci-dessus soit des égalités, donc en particulier, que rang A = n.
En résumé :
◼ Si A est une matrice haute de format m x n (avec m > n),
• A n’a pas d’inverse à droite ;
• A admet au moins une matrice inverse à gauche  rang A = n.
◼ Si A est une matrice large de format m x n (avec m < n),
• A n’a pas d’inverse à gauche ;
• A admet au moins une matrice inverse à droite  rang A = m.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 58

Ce qui nous permet d’écrire :

Pour qu'une matrice large de dimension m x n possède des inverses à droite, il faut et il suffit que ses
lignes soient linéairement indépendantes.
La condition nécessaire et suffisante pour qu'une matrice haute ait des inverses à gauche, est que ses
colonnes soient linéairement indépendantes.
Les matrices B et C s'obtiennent en résolvant par la méthode des coefficients indéterminés les
systèmes d'équations ainsi dérivés. Ces inverses sont multiples.
Terminons ce chapitre en disant que si A est carrée, elle admettra une matrice inverse à gauche B et
une matrice inverse à droite C si et seulement si rang A = m = n. Dans ce cas, B = C. Cette matrice
inverse est unique.
Exemple 2.25 : Trouver les inverses à gauche de la matrice
1 0
2 1
A=  .
1 3
 
3 2
La matrice A est haute et ses colonnes sont linéairement indépendantes car non proportionnelles. Elle
aura donc des matrices inverses à gauche étant donné que son rang = n = 2.
a b c d
Soit B =  . Cherchons à déterminer les éléments de B à partir de l’égalité BA = I2. On
e f g h 
a:
1
0
2
1   1 0
a b c d    =
 e f g h 3 0 1
1
.
 
 
3
2
Le produit donne les deux systèmes suivants :
 a + 2b + c + 3d = 1  e + 2 f + g + 3h = 0
 et  .
 b + 3c + 2d = 0  f + 3g + 2 h = 1

Considérons le premier système d’équations. En réduisant la matrice augmentée (A/B) sous

1 2 1 3 1 1 0 − 5 −1 1
forme réduite en ligne, nous obtenons      . Nous voyons
 0 1 3 2 0 0 1 3 2 0 
que le résultat est une matrice augmentée sous forme réduite en ligne qui correspond au
a = 1 + 5c + d
système  . c et d sont des variables libres dont la valeur peut être fixée de manière
 b = −3c − 2d
arbitraire. Si l’on pose c = s et d = t, la solution devient a = 1 + 5s + t ; b = − 3s – 2t, c = s et d = t.
De même, la forme réduite en ligne correspondant à la matrice augmentée du deuxième
1 0 − 5 −1 − 2 e = −2 + 5 g + h
système est   . Ce qui correspond au système  .
0 1 3 2 1   f = 1 − 3 g − 2h
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 59

Si g = k et h = l, on a : e = − 2 + 5k +2, f = 1 – 3k – 2l.
a b c d   1 + 5s + t −3s − 2 t s t 
D’où : B =   = 
 e f g h  −2 + 5k + l 1 − 3k + l k l 
Cet inverse n’est pas unique car il dépend de valeurs attribuées à s, t, k et l.
 1 0 0 0
Si par exemple s = t = k = l = 0, l’inverse à gauche B devient : B =  .
−2 1 0 0
 7 −5 1 1
Pour s = t = k = l = 1, on a B =  .
 4 −4 1 1
1 2 0 3
Exemple 2.26 : Déterminer les inverses de A =  .
1 1 −2 0
A est large. Comme ses lignes sont linéairement indépendantes, elle possède des inverses à droite
dont l’expression générale est obtenue en résolvant les deux systèmes à 2 équations à 4 inconnues
dérivées du produit AC = I2.
a b 
 
1 2 0 3  c d   1 0
AC = I =   = .
1 1 −2 0  e f   0 1
 
g h 
D’où les systèmes :
 a + 2c + 3g = 1  b + 2d + 3h = 0
 et  qui admettent chacun des solutions multiples
 a + c − 2e = 0  b + d −2f =1
a = − 1 + 4s + 3t ; c = 1 – 2s – 3t ; c = s et g = t pour le premier système et
b = +2 + 4k + 3l, d = − 1 –2k – 3l, f = k et h = l, pour le deuxième système.
a b  −1 + 4 s + 3t 2 + 4 l + 3l 
c d   1 − 2 s − 3t −1 − 2 k − 3l 

D’où C =  =
e f  s k 
   
g h  t l 

2.12 Systèmes d’équations linéaires

Par équation linéaire, on entend toute expression de la forme :
a1x1 + a2x2 + ... + anxn = b
ou encore
n

a x
i =1
i i =b

où les ai sont des nombres réels appelés « coefficients de xi », b est le terme constant et xi
représente les variables ou les inconnues de l’équation.
Voici quelques exemples d’équations linéaires :
a) –5x = 2 – 32y + 4 z
b) (log5)x – 25 = 0
c) 2 x − 12 y + ( )
3/ 2 z = 0
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 60

d) x + y = tan π
Et en voici quelques-unes qui ne le sont pas :
a) 3x2 + 2x – 4 = 0
b) x sin x + cos y – 3 = x
c) log2 x + 5y = –10
d) 3 x + 2y – z = 7
Un ensemble des nombres x1 = k1, x2 = k2, ..., xn = kn ou X = (k1, k2, ..., kn) est une solution de
l’équation linéaire si a1k1 + a2k2 + ..., ankn = b.
Exemple 2.27 : Considérons l’équation 2x1 + x2 -4x3 + x4 = 3.
X = (2, 3, 1, 0) est une solution de cette équation.
X = (0, 1, 0, 2) est aussi une solution de cette équation.
X = (1, 1, 0, 0) est encore une solution de cette équation.
n
Toute expression de la forme a
j =1
ij x j =bi i = 1, 2,..., m où les aij (i = 1, 2,..., m ; j =1, 2,..., n)

sont les coefficients du système ; les bi (i = 1, 2,..., m) sont les termes constants ; les x1, x2, ..., xn en
sont les variables est appelé système d’équations linéaires. Ce système peut s’écrire sous la forme
 a11 x1 + a12 x 2 +  + a1 j x j +  + a1n x n = b1
 a x + a x ++ a x ++ a x = b
 21 1 22 2 2j j 2n n 2
générale 
 
a m1 x1 + a m 2 x 2 +  + a mj x j +  + a mn x n = bm
où matricielle AX = B avec
 a11 a 12  a 1n   x1   b1 
a 
a 22  a 2 n  x  b 
A =  21 , X =  2  et B =  2
       
     
a m1 a m 2  a mn   xn  bm 

Un vecteur X = (x1, x2, ..., xn)’ est solution du système s’il vérifie ou s’il est solution de m équations
linéaires simultanément. L’ensemble de toutes les solutions du système est appelé « l’ensemble
solution » ou encore « la solution générale du système ».

 3x + x2 = −2 5 x + 2 x2 = −1
Les systèmes suivants  1 et  1 sont dits équivalents car ils ont le
− x1 + 2 x2 = 17  x1 + x2 = 4
même ensemble – solution.
Il convient de noter que la solution d’un système d’équations n’est pas nécessairement
unique. Un système peut avoir une infinité de solutions ; il se peut aussi qu’il n’ait aucune solution.
Dans ce cas, on dit que le système d’équations est incompatible ou impossible ou encore
inconsistant.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 61

Condition nécessaire et suffisante pour qu’un système AX = B soit compatible

Une condition nécessaire et suffisante pour que AX = B admette au moins une solution est
que la matrice des coefficients A et la matrice augmentée (ou élargie) A|B soient de même rang,
c’est-à-dire,
r(A) = r(A|B).
où la matrice augmentée A|B est la matrice des coefficients A à laquelle on a juxtaposé le vecteur
colonne des termes constants B, en les séparant par un trait ou une barre.

Un système d'équations AmxnXnx1 = Bmx1 où Bi = 0 i =1, 2, .., n est appelé système

homogène associé. Ce système qui peut s'écrire sous la forme matricielle AX = 0 a toujours une
solution, notamment la solution X(0, 0, ..., 0) appelée solution triviale. Il peut, dans certains cas,
admettre d'autres solutions X  0 appelées solutions non triviales.
L’ensemble des solutions du système d’équations AX = 0 où A est de dimension m x n est un sous
espace de n.
Le sous - espace des solutions du système homogène AX = 0 est appelé le noyau de A et est
noté Ker (A), de l'Allemand KERN et de l’Anglais KERNEL. Et d’après le théorème fondamental
d’algèbre linéaire, si A est une matrice de dimension m x n, alors on a :
dim Ker (A) = n – rang A.
Retenons enfin qu’un système AmxnXnx1 = 0mx1 comprenant plus d'inconnues que d'équations a
toujours une infinité de solutions.
Quelles doivent être les conditions pour qu’un tel système admette une solution triviale ou
une solution non triviale ?
 a x + a12 x2 = 0
Considérons le système d’équation ci-après  11 1 :
a 21 x1 + a 22 x2 = 0
Il est aisé d’observer que x1 = x2 = 0 sera un ensemble de solutions. Il s’agit de la solution
triviale parce que, du point de vue pratique, cette solution n’est jamais intéressante.
a11 a12   x1   0
Soit    x  =  0 ou AX = 0.
a21 a22   2  
L’adjointe de A, notée à (lire A tilde) ou Adj A, est la transposée de la matrice des cofacteurs dite
aussi la comatrice.
Par définition,
A21   a11 − a12 
'
 A11 A12   A11
Ã= 
A22  A A22  − a21 a22 
= = .
 A21  12
Faisant usage de propriétés relatives à l’expansion d’un déterminant, nous trouvons que
 A11 A21  a11 a12   a11 A11 + a21 A21 a12 A11 + a22 A21   A 0 
ÃA=     = = 
 A12 A22  a21 a22  a11 A12 + a21 A22 a12 A12 + a22 A22   0 A 
= A.I
Pré-multiplions AX = 0 par Ã. Alors
à AX = A.I.X = 0
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 62

Si A  0, alors X = 0, c’est-à-dire, lorsque A  0, nous obtenons une solution triviale.
Pour que X  0 (solution non triviale), il est nécessaire que A = 0. Dans ce dernier cas, il y aura
une infinité des solutions.
Exemple 2.28 a : Soit le système
x1 + 3x2 − 2x3 = 0
2x1 − x2 − x3 = 0 où c est une constante.
x1 − 4x2 + cx3 = 0
Déterminer la valeur de c qui donne au système des solutions non triviales.
Solution :
Par la méthode des vecteurs échelonnés, on trouve successivement :
1 3 − 2 0 1 3 − 2 0 1 3 −2 0
 2 − 1 − 1 0  0 − 7 3 0  0 − 7 3 0
  
− 1 − 4 c 0 0 − 7 c + 2 0 0 0 − c + 1 0
Si c  1, A  0 et il n’y a que la solution triviale. Si, par contre c = 1, A = 0. Dans ce cas, la
solution complète devient : x1 = 5/7 m, x2 = 3/7 m et x3 = m (m est une constante arbitraire).
Exemple 2.28b :
On donne ci-après une matrice des coefficients obtenue à partir d’un modèle d’entrées- sorties
 0,3 0,1 0,4
fermé 0,2 0,8 0,6 . Trouver la production des secteurs d’activité.
0,5 0,1 0 
Réponse :
 0,3 0,1 0,4
Soit A = 0,2 0,8 0,6 . Le modèle étant complètement fermé, on utilise la relation suivante
0,5 0,1 0 

pour trouver la production sectorielle Q = A Q , soit :

 q1   0,3 0,1 0,4  q1   0,7 − 0,1 − 0,4  q1  0 
 2    2

q  = 0,2 0,8 0,6 q   I − A Q =  − 0,2 0,2 − 0,6 q  = 0  . La résolution par la
   2  
 q3  0,5 0,1 0   q3   − 0,5 − 0,1 1   q3  0 
méthode de Gauss donne :
 0,7 − 0,1 − 0,4 0   0,7 − 0,1 − 0,4 0   0,7 − 0,1 − 0,4 0 
     
 − 0,2 0,2 − 0,6 0    0 0,12 − 0,5 0    0 0,12 − 0,5 0  . Le
 − 0,5 − 0,1 0   0 − 0,12 0,5 0   0 0 
 1    0 0
0,7q1 − 0,1q2 − 0,4q3 = 0
système devient : 
 0,12q2 − 0,5q3 = 0
0,12q2 = − 0,5q3 = 0 entraîne 0,12q2 = 0,5q3.
0,5s 0,1(4,167 s ) + 0,4s 0,4167 s + 0;4s 0,8167 s
Si q3 = s, q2 = = 4,167s et q1 = = = = 1,167s.
0,12 0,7 0,7 0,7
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 63

Solution alternative :
0,12q2 = − 0,5q3 = 0 entraîne 0,12q2 = 0,5q3.
0,12s 0,1s + 0,4(0,24s) 0,1s + 0,096S 0,196s
Si q2 = s, q3 = = 0,24s et q1 = = = = 0,28s.
0,5 0,7 0,7 0,7
[Link] Résolution des systèmes d'équations linéaires AX = B
Parmi les méthodes élémentaires disponibles aux humanités pour la résolution numérique
des systèmes linéaires AX = B, on trouve les méthodes de substitution, d’égalisation et
d’addition. Sans méconnaître leur efficacité, nous ne les recommandons pas ici étant donné leurs
limites lorsqu’il est question notamment de résoudre un système sans second membre ou un
système avec un nombre important des variables inconnues.
Ainsi, dans le cadre de ce cours, quatre méthodes seront proposées, à savoir :
- la méthode d’élimination de Gauss ;
- la méthode de Gauss – Jordan, une variante de la précédente ;
- la méthode de Cramer et
- la méthode d'inversion matricielle.
Les deux premières conviennent mieux pour un système d’équations quelconque tandis que les deux
dernières ne peuvent être utilisées que lorsque le système à résoudre est cramérien, c’est-à-dire
lorsque la matrice des coefficients A associée est carrée et non singulière.
[Link].1. La méthode de Gauss ou méthode d’élimination Gaussienne
Cette méthode aussi connue sous le nom de « méthode des opérations élémentaires » fait appel à la
« triangularisation » de la matrice augmentée A/B en faisant apparaître des zéros en dessous de la
diagonale (la diagonale étant entendue comme formée par les termes aii : on parlera de la diagonale
même pour une matrice non carrée). La caractéristique de cette méthode est que le système
d’équations linéaires obtenu après transformation est équivalent au système initial. Une autre
caractéristique principale est que chaque équation contient moins d’inconnues que la précédente.
Soit m = nombre d’équations dans le système initial, n = nombre de variables et r = rang de A
(matrice des coefficients aij). Lorsque la matrice est mise sous sa forme échelonnée en ligne, trois
cas sont à envisager.
Premier Cas : r = n = m
A la fin des opérations élémentaires, le système mis sous forme échelonnée en ligne est du type :
â11 x1 + â12 x 2 + ... + â1n x n = b1 (â11  0)
â22 x 2 + ... + â2n x n = b2 (â22  0)
. ...
ânn x n = bn (ânn  0)
On désigne les variables par xˆ1 , xˆ2 ,..., xˆn car il se peut qu’il ait été nécessaire de changer l’ordre des
variables. De même, on désigne les coefficients par â ij devenus maintenant des « pivots » (au lieu de
aij) et les constantes par b̂ j (au lieu de bj) parce qu’ils représentent les coefficients et les constantes
transformés (à la suite de l’échelonnement).
La matrice A du système initial est une matrice carrée de rang maximum. Ce système est alors un
système cramérien qui admet une solution unique.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 64

bˆn
La dernière relation nous donne la valeur de xˆn = .
aˆ nn
En appliquant la substitution à rebours, l’avant-dernière nous permet d’obtenir xn-1 par la formule
bˆ bˆn −1, n xˆn
xˆn −1 = n −1 −
aˆn −1, n −1 aˆn −1, n −1
et ainsi de suite jusqu'à x̂1 .

Exemple 2.29 :
A l’usine de fabrication des chaises, des tables et des écritoires, le travail a été décomposé en trois
étapes : sciage, assemblage et polissage. Le temps disponible dans chaque service est de 109
heures – homme à l’atelier de sciage, 164 heures-homme à l’atelier d’assemblage et 275 heures –
homme à l’atelier de polissage. La production d’une chaise exige 1 heure de sciage, 2 heures
d’assemblage et 3 heures de polissage ; la fabrication d’une table nécessite 2 heures de sciage, 2
heures d’assemblage et 4 heures de polissage. Il faut 2 heures de sciage, 2 heures d’assemblage et
5 heures de polissage pour réaliser une écritoire. Déterminez combien il faut produire de chaque
bien pour respecter le temps disponible ?
Solution :
On peut résumer les données dans le tableau ci-après :
Différentes étapes de production x1 x2 x3 Temps disponible
Sciage 1 2 2 109
Assemblage 2 2 2 164
Polissage 3 4 5 275

On doit résoudre le système

x1 + 2 x 2 + 2 x3 = 109
2 x1 + 2 x 2 + 2 x3 = 164 .
3x1 + 4 x 2 + 5 x3 = 275
En résolvant par la méthode de Gauss, on obtient successivement :
 1 2 2 109   1 2 2 109   1 2 2 109 
     
 2 2 2 164    0 2 2 54    0 2 2 54 
 3 4 5 275   0 2 1 52  0 0 1 2 
     
 x1 + 2 x2 + 2 x3 = 109

Le système devient :  2 x2 + 2 x3 = 54 .
 x3 = 2

Rang (A) = Rang (A|B) = 3 (rang complet car n = 3). Le système est consistant et admet une seule
solution : x1 = 55, x2 = 25 et x3 = 2.
L’usine doit produire 55 chaises, 25 tables et 2 écritoires.

Deuxième Cas : r  n, r  m. Système compatible

A la fin des opérations élémentaires, le système mis sous forme échelonnée est du type :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 65

â11 x̂1 + â12 x̂2 + ... + â1n x̂n = b̂1 (â11  0)

â22 x̂ 2 + ... + â2n x̂n = b̂2 (â22  0)
....
ârjr x̂ j r +... + ârn x̂n = b̂r (ârn  0)
0 xn = 0
On observe que r (A) = r (A|B). Le système est donc compatible. Le système initial de m équations
donne lieu à un système de « r » équations linéairement indépendantes. Les (m–r) dernières équations
sont toujours vérifiées pour toute valeur de xjr+1, ... xn. Le système de r équations linéairement
indépendantes contient n variables.
Conservons dans le premier membre de ces équations les termes correspondant aux variables x1, xj2,
xjr et faisons passer les termes d’autres variables dans le second membre. Le premier membre
contient r variables, appelées variables de base (VB), le second (n–r) variables appelées variables
hors base (VHB) ou variables secondaires ou encore variables libres. Les n–r variables du second
membre peuvent être fixée arbitrairement ; une fois ces variables fixées, on en déduit les valeurs de
premier membre. Le système admet n-r de solutions puisque n–r variables peuvent être fixées
d’une manière arbitraire. L'espace - solution est donc de dimension n–r. La variable libre sera choisie,
de préférence après échelonnement, dans l’équation comprenant moins de variables et parmi celles
ayant un coefficient égal à 1.
Exemple 2.30 :
Reprenons l’exemple 2.29 précédent. Le responsable des ateliers de fabrication signale que le
temps disponible à l’atelier de polissage est erroné. Il le corrige en le faisant passer à 273 heures -
homme. De plus, 3 heures – homme, et non 2, sont exigées par l’atelier d’assemblage pour
produire une écritoire.
a) Combien de chaises, de tables et d’écritoires faudra-t-il produire compte tenu de cette
dernière contrainte ?
b) La table étant plus chère à cause de son temps de réalisation, la demande pour ce bien est
faible et on prévoit ne pouvoir en vendre plus de 10 par mois. Pour les autres produits, on
prévoit ne pas suffire à la demande. En tenant compte de ces contraintes de marché,
déterminer les solutions réalisables du problème et les représenter sous forme de tableau.
Solution :
a) Soit x1, le nombre de chaises, x2, le nombre de tables et x3, le nombre d’écritoires. On peut
résumer les données dans le tableau ci-après :
Différentes étapes de production x1 x2 x3 Temps disponible
Sciage 1 2 2 109
Assemblage 2 2 3 164
Polissage 3 4 5 273
On doit résoudre le système
x1 + 2 x 2 + 2 x3 = 109  1 2 2 109 
 
2 x1 + 2 x 2 + 3 x3 = 164 , la matrice augmentée étant :  2 2 3 164  .
3x1 + 4 x 2 + 5 x3 = 273  3 4 5 273 
 
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 66

En résolvant par la méthode de Gauss, on obtient successivement :

 1 2 2 109   1 2 2 109   1 2 2 109 
     
 2 2 3 164    0 2 1 54    0 2 1 54 
 3 4 5 273   0 2 1 54  0 0 0 0 
     
 x + 2 x2 + 2 x3 = 109
Le système devient :  1 .
 2 x2 + x3 = 54
Rang (A) = Rang (A|B) = 2 (rang non complet car n = 3). La solution est indéterminée. Il y a une
infinité simple de solutions et n − r = 1 variable libre.
La dernière équation pouvant s’écrire x3 = 54 – 2x2, la variable libre est donc x2.4 Si x2 = s,
x3 = 54 – 2s et x1 = 1 + 2s, solution multiple dépendant de s.
Les solutions décrites ne sont pas tous réalisables. En effet, les solutions doivent être positives. Le
paramètre s doit être plus grand ou égal à 0 (s  0). De plus, il faut que 54 – 2s  0, d’où s  27.

b) Cette contrainte impose 0  s  10. La direction a donc le choix entre plusieurs solutions
complétées dans le tableau ci-après :

S x1 (Chaises) x2 (Tables) x3 (Ecritoires)

0 1 0 54
1 3 1 52
2 5 2 50
3 7 3 48
4 9 4 46
5 11 5 44
6 13 6 42
7 15 7 40
8 17 8 38
9 19 9 36
10 20 10 24

Troisième Cas : r  n, r < m. Système incompatible ou inconsistant

Le système initial mis sous forme échelonnée en ligne est du type suivant :
â11 x1 + â12 x 2 + ... + â1n x n = b1 (â11  0)
â22 x 2 + ... + â2n x n = b2 (â22  0)
....
ârjr x jr + ... + ârn x n = b2 n (ârn  0)
0 x n = bm
On obtient m − r équations dont tous les coefficients sont nuls et dont certains termes constants sont
différents de zéro. Ces équations n’admettent pas de solutions. Ceci est confirmé par le fait que le
rang de A est inférieur au rang de A|B.

4Pour certains auteurs tels que Ross, la variable libre est celle n’apparaissant pas dans le premier terme
non nul d’une équation du système échelonné (ici, x3). Si tel est le cas, la solution devient :
x3 = s, x2 = 27 – s/2 et x1 = 55. Pour que la solution soit réalisable, s doit être inférieur à 54.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 67

Exemple 2.31 :
L’administrateur – propriétaire de l’entreprise fait face à l’inconscience de ses employés. En effet,
l’ingénieur de production observe que le temps disponible à l’atelier de polissage est bel et bien de
275 heures – homme. La production de l’entreprise sera-t-elle affectée par cette modification ?
Réponse :
On peut résumer les données dans le tableau ci-après :
Différentes étapes de production x1 x2 x3 Temps disponible
Sciage 1 2 2 109
Assemblage 2 2 3 164
Polissage 3 4 5 275

On doit résoudre le système

x1 + 2 x 2 + 2 x3 = 109
2 x1 + 2 x 2 + 3x3 = 164 ,
3x1 + 4 x 2 + 5 x3 = 275
En résolvant par la méthode de Gauss, on obtient successivement :
 1 2 2 109   1 2 2 109   1 2 2 109 
     
 2 2 3 164    0 2 1 54    0 2 1 54 
 3 4 5 275   0 2 1 52  0 0 0 2 
     
Rang (A) = 2 ≠ rang (A|B) = 3. Le système est donc incompatible. Pas de production.
[Link].2. La méthode d’élimination de Gauss- Jordan
Il existe une variante de l’élimination gaussienne appelée « élimination de Gauss – Jordan.
Cette dernière utilise les trois opérations élémentaires sur une matrice écrite sous sa forme échelonnée
en lignes jusqu’à sa réduction complète sous forme canonique en lignes. Ainsi, en considérant
l’exemple suivant, après avoir transformé la matrice A|B sous sa forme échelonnée en lignes en
travaillant de gauche à droite et du haut vers le bas, nous obtenons sa forme canonique en lignes en
travaillant de la même façon puis dans l’autre sens, du bas à droite vers le haut à gauche.
Exemple 2.32 :
Un opérateur économique désire investir une somme de 100 F divisée en trois parties qui peuvent être
placées à des taux différents. S'il investit la première partie à 10 %, la deuxième à 20 % et la
troisième à 12 %, l'intérêt annuel est de 11,60 F. Par contre s'il place la première partie à 30 %, la
deuxième à 20 % et la troisième à 35 %, l'intérêt est de 33,30 F. Déterminez par la méthode de Gauss
l'intérêt qu'il obtiendrait en plaçant la première partie à 5 %, la deuxième à 6 % et la troisième à 4%.
Réponse :
Soit x1 , x2 et x3, respectivement les première, deuxième et troisième parties de 100 F. On
résout alors le système suivant :
x1 + x 2 + x3 = 100
0,1x1 + 0,2 x 2 + 0,12 x3 = 11,60
0,3x1 + 0,2 x 2 + 0,35 x3 = 33,30
Par la méthode de Gauss - Jordan, on a :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 68

 1 1 1 100   1 1 1 100   1 1 1 100   1 1 0 30 

       
 10 20 12 1160    0 10 2 160    0 10 2 160    0 10 0 20 
 30 20 35 3330   0 10 − 5 − 330   0 0 7 490   0 0 1 70 
       
 1 0 0 28   x1 = 28
  
  0 1 0 2  . Le système devient donc:  x 2 = 2 .
 0 0 1 70   x = 70
   3
L’intérêt recherché est donc égal à :
0,05(28) + 0,06(2) + 0,04(70) = 1,40 + 0,12 + 2,80 = 4,32.
[Link].3. Résolution des systèmes cramériens (par la méthode de Cramer)
Soit le système AX = B où A est une matrice carrée d’ordre n, B et X, deux vecteurs de
dimension n x 1. Par hypothèse, A est de rang maximum. La solution du système est donc unique.
La méthode de Cramer qui s’écrit comme :
| A j|
xj =
| A|
où A est le déterminant de A et Aj  est le déterminant de A où la colonne j est remplacée par
celle des termes constants.
Exemple 2.33 :
Beltexco doit acquérir 100 appareils de communication cellulaire et peut s’approvisionner soit auprès
de Airtel, soit chez Vodacom, soit encore auprès de Orange. Les coûts unitaires de transport cj sont :
pour Airtel, 10 $, pour Vodacom, 20 $ et pour Orange 12 $. Les prix d’achat peuvent varier en
fonction de fournisseurs : 300 $ chez Airtel, 250 $ chez Vodacom et 350 $ chez Orange. Comment
Beltexco va-t-il passer ses commandes sachant que le prix global d’achat s’élève à 30 700 $, tandis
que le coût total de transport est de 1 330 $ ?
Réponse :
Soit xj, la commande passée auprès de Airtel, Vodacom et Orange respectivement. Le problème
consiste à résoudre le système d’équations suivant :
x1 + x2 + x3 = 100
10x1 + 20x2 + 12x3 = 1330
300x1 + 250x2 + 350x3 = 30750
 1 1 1   100 
 
Soit A =  10 20 12  , B =  1330  et A = 600.
300 250 350 30750
La méthode de Cramer nous donne :
100 1 1
1330 20 12
A1 30750 250 350 2100
x1 = = = = 35 ,
A 600 600
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 69

1 100 1
10 1330 12
A2 300 30750 350 15000
x2 = = = = 25 et
A 600 600
1 1 100
10 20 1330
A3 300 250 30750 24000
x3 = = = = 40 .
A 600 600
Ainsi, Beltexco va commander 35 portables chez Airtel, 25 chez Vodacom et 40 chez Orange.
[Link].4. la méthode d'inversion matricielle.
Soit le système AX = B. Si A est non singulière, c’est que A est différent de zéro. Dans ce cas, la
multiplication à gauche de deux membres par A-1 donne A-1AX = A-1B. D’où :
X = A-1B.
Exemple 2.34 : Avec les données de l’exemple précédent, nous avons :
x1 + x2 + x3 = 100
10x1 + 20x2 + 12x3 = 1 330
300x1 + 250x2 + 350x3 = 30 750
Ainsi :
−1
 1 1 1   x1   100   x1   1 1 1   100 
 10 20 12   x  =  1330    x  =  10 20 12   1330 
   2    2    
300 250 350  x3  30750  x3  300 250 350 30750

 x1   400 − 100 − 8  100  21000 35 

 x  = 1  100 50 − 2  1330  =
1 15000  =  25 .
 2  600  600    
 x3  − 3500 50 10  30750 24000  40 
2.13 Solution de base d'un système d'équations linéaires
Soit le système d’équations linéaires AX = B, où A est une matrice de dimension m x n avec
m < n. Supposons A de rang maximum. Dans ce cas, r(A) = m où r(A) désigne le rang de A.
Décomposons A en deux sous – matrices : AB et AHB. Appelons la sous - matrice carrée de
rang maximum AB matrice de base.

A: AB AHB

Décomposons le vecteur-solution X en XB et XHB où XB sont les variables correspondant à la matrice

de base et où XHB sont les variables relatives à la sous - matrice restante AHB. Nous pouvons alors
écrire le système AX = B de la manière suivante :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 70

 XB 
[AB  AHB]    = B
 X HB 
ou encore AB XB + AHB XHB = B
où AB est une matrice de dimension m x m, AHB une matrice de dimension m x (n – m), XB et XHB
sont respectivement des vecteurs de dimension m x 1 et (n – m) x 1.
Une solution de base du système AX = B est une solution telle que toutes les variables
appartenant à XHB (dites Variables hors base) soient nulles, les autres variables appartenant à XB
(dites Variables de Base) étant alors solution d'un système cramérien m x m. Nous avons :
 X = AB−1 B
Solution de base X =  B
 X HB = 0
où AB est une sous - matrice de A de rang complet.
Le vecteur XB comporte m variables ; celles-ci sont déterminées de façon unique. AB XB = B
est un système cramérien. Les variables XB sont appelées variables de base. Toute solution de base
comporte au moins (n - m) variables nulles ; ce sont les variables hors - base ou variables libres.
Les variables de base correspondant à XB peuvent être nulles, positives, ou négatives. Si elles
sont toutes différentes de zéro, on dit que la base est régulière; dans ce cas, la solution de base
comprend exactement m variables différentes de zéro et (n – m) variables hors - base nulles.
Si certaines variables de base sont nulles, on dit que la base est singulière ou dégénérée;
dans ce cas, la solution de base comprend plus de (n – m) variables hors - base nulles.
Un système AX = B (avec m < n) donne lieu à beaucoup de solutions de base. Il y a autant de
solutions de base que A contient de sous - matrices AB de rang maximum. Il peut y avoir au plus
n!
Cnm = solutions de base. Ce nombre devient considérable pour de grandes
m !(n − m) !
valeurs de m et de n.
Exemple 2.36 :
Déterminez toutes les solutions de base du système suivant de 2 équations à 3 inconnues.
Réponse :
Ce système possède au plus C 32 = 3 solutions de base.
− 4x1 + 3x2 + 2x3 = − 2
5x1 − 4x2 + x3 = 3

Base x1 x2 x3 Commentaire
ère
1 Base 0 − 8/11 1/11 AB de rang maximum
2ème Base 4/7 0 1/7 AB de rang maximum
3me Base 61 −2 0 AB de rang maximum

Exemple 2.37:
Déterminer toutes les solutions de base correspondant au système suivant :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 71

x1 + x3 =2
x1 + x2 + x4 =3
− x1 + x2 + x5 = 1
Réponse :
Le système comportant 3 équations et 5 inconnues, toute solution de base possédera donc deux
variables hors - base nulles. Le nombre de solutions de base est au plus égal à : C 53 = 10.
Nous reprenons toutes ces solutions dans le tableau ci-après. Nous annulons d’abord deux
variables de toutes les façons possibles, puis nous résolvons le système cramérien qui subsiste en vue
de déterminer les variables de base.

Base x1 x2 x3 x4 x5 Commentaire
ère
1 Base 0 0 2 3 1 AB de rang maximum
- 0 0 Système incompatible
ème
2 Base 0 3 2 0 −2 AB de rang maximum
3me Base 0 1 2 2 0 AB de rang maximum
4me Base 2 0 0 1 3 AB de rang maximum
5me Base 3 0 −1 0 4 AB de rang maximum
6me Base −1 0 3 4 0 AB de rang maximum
7me Base 2 1 0 0 2 AB de rang maximum
8me Base 2 3 0 −2 0 AB de rang maximum
9me Base 1 2 1 0 0 AB de rang maximum

2.13. Systèmes d’inéquations linéaires

Par inéquation linéaire, on entend toute expression de la forme :

n
a1x1 + a2x2 + ... + anxn  b = a
j =1
j xj  b

ou de la forme
n
a1x1 + a2x2 + ... + anxn  b = a
j =1
j xj  b

où les ai sont des nombres réels appelés « coefficients de xi », b est le terme constant ou le second
membre et xi représente les variables ou les inconnues de l’inéquation.
La résolution de cette inéquation consiste à déterminer l’ensemble des variables xj qui satisfait à
n n

 a j x j  b ou.
j =1
a
j =1
j xj  b .

Exemple 2.38 : Résoudre l’équation linéaire 2x + 3  6.

Réponse :
2x + 3  6  2x  6 – 3  2x  3
3 3 3
D’où x  , l’ensemble solution est donc : s = {x \ x ≤ } =  − ∞, .
2 2 2

Exemple 2.39 : Résoudre 3x + 7  5x – 5

Réponse :
3x + 7  5x – 5  3x – 5x  − 5 – 7  − 2x  − 12
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 72

Ainsi, x  6 (en divisant les deux membres de l’inégalité par –2). Par conséquent,
l’ensemble solution est donné par : S =x  \ x  6= 6, +∞ 
Exemple 2.40 : Résoudre et discuter l’inéquation paramétrique du premier ordre à une inconnue
suivante : mx > 5 + 3x  mx – 3x > 5  (m – 3)x > 5
Réponse :
5
1. Si m − 3 > 0, alors : m > 3  x >
m−3
5
2. Si m − 3 < 0, alors m < 3  x <
m−3

3. Si m − 3 = 0, alors : m = 3  0x > 5 et S =  (donc si m = 3, l’inéquation devient

insoluble).
Dans le cas d’une inéquation linéaire à deux inconnues du type ax + by  c, on peut représenter un
couple (x,y) ² dans un plan repéré par deux axes de coordonnées. Résoudre cette inéquation c’est
déterminer la partie du plan correspondant aux points de coordonnées (x, y) tels que
c a
ac + by  c entraîne y  − x.
b b
D’une manière générale, l’inéquation ax + by  c est satisfaite dans l’un des demi-plans limité par la
droite d’équation ax + by = c.
Pour déterminer lequel des deux demi-plans convient il suffit de prendre un point en dehors
de la droite (par exemple l’origine si c  0) et de constater si ax + by > c (le point appartient au demi-
plan qui convient) ou si ax + by < c (le point appartient au demi-plan qui ne convient pas).
Exemple 2.41 :
Représenter graphiquement les solutions de l’inéquation suivante : 3x – 2y  9.
Réponse :
3x 9
Cette inéquation peut s’écrire comme : y  − . D’où :
2 2
Le point (0,0) est extérieur à la droite 3x – 2y = 9 et satisfait bien sûr à l’inéquation ; le demi-plan
solution est donc celui qui contient l’origine. Ceci définit l’ensemble S.
y
3x –2y = 9

0 3 x

9
−
2
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 73

2.13.1. Systèmes d’inéquations linéaires

Un système d’inéquations linéaires est de la forme
m m

a
i =1
ij x j  bi (i = 1, 2, …, m) ou de la forme a i =1
ij x j  bi (i = 1, 2, …, m).

Pour résoudre un tel système, on cherche, pour chacune des inéquations du système, l’ensemble des
couples (x, y) qui satisfont simultanément ces inéquations. Cet ensemble est appelé « ensemble –
solution ». Il correspondra à une partie du plan, c’est-à-dire à un demi-plan.
On procède alors de la manière suivante :
1. Tracer la droite d'équation ax + bx + c = 0 sur un repère orthonormé. Celle-ci divise alors le
plan en deux demi - plans.
2. Trouver l’ensemble des solutions de chacune des inéquations. Pour ce faire, on teste un point
quelconque non situé sur la droite. En pratique, on choisit le point (0, 0) si la droite ne passe
pas par l'origine des axes. Si les coordonnées du point test vérifient l'inéquation, le demi-plan
auquel appartient ce point est la solution de l'inéquation.
3. Pour chacune, le demi-plan qui ne convient pas (qui ne vérifie pas l’inéquation) est hachuré.
4. Les points de la droite appartiendront au demi-plan si l'inégalité est non stricte.
5. L’ensemble - solution du système d’inéquations correspondra alors à la partie du plan qui reste
sans hachures. C’est l’ensemble des points faisant partie de l’ensemble - solution de chacune des
inéquations.
Exemple 2.42 : Soit à résoudre le système d’inéquations :
4x + 2y  28 y
y 4
2x + 3y  28 15

Solution :
On commence par trouver l’ensemble des solutions 10
de chacune des trois inéquations linéaires. La (7/2, 7)
première est 4x + 2y  28. Traçons la droite 5 (8, 4)
représentée par l’équation 4x + 2y = 28. On (5, 4)
détermine les points d’intersections avec les axes.
En posant x = 0, on a 2y = 28, d’où y = 14. Ainsi ‘ ‘ ‘
la droite coupe l’axe vertical au point (0, 14). De 0 5 10 15 x
même, en posant y = 0, on a 4x = 28 et x = 7.
La droite coupe l’axe horizontal au point (7, 0).
La droite passant par ces deux points appelée « frontière de l’ensemble – solution » divise le
plan en deux demi – plans. Le point (0, 0) par exemple détermine de quel côté de la droite se situent
les solutions (ici, c’est du côté droit).
On cherche ensuite l’ensemble des solutions de deux autres inéquations. L’ensemble –
solution du système est donc la partie du plan délimitée par les couples des points (7/2, 7), (5, 4) et (8,
4). NB : On obtient le point de rencontre de deux droites frontières en résolvant le système
d’équations linéaires concernées.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 74

Chapitre Troisième
VALEURS PROPRES, VECTEURS PROPRES,
DIAGONALISATION ET TRIGONALISATION

3.1 Position du problème

Soit An x n, il est possible de trouver un vecteur X non nul et un scalaire  tel que :
AX = X X0 (3.1)
Les valeurs  qui satisfont à cette relation s'appellent valeurs propres ou valeurs caractéristiques et
les vecteurs X associés à ces valeurs propres sont des vecteurs propres ou des vecteurs
caractéristiques.
Tout vecteur propre est donc une solution non nulle du système linéaire homogène AX = X,
équivalent à
AX – X = 0
ou
[A – I]X = 0 (3.2)
Un tel système homogène possède une solution non nulle (solution non triviale) si et seulement si
dét(A−λI) = 0 ou A − I = 0 . (3.3)
Pour une matrice carrée d'ordre n, le membre de gauche de l'équation (3.3) est un polynôme de degré
n, fonction de la variable λ, (noté PA()) et sera appelé «polynôme caractéristique» de A. Donc λ
est une valeur propre de A si et seulement si λ annule le polynôme caractéristique de A. La
relation (3.2) sera dite «équation caractéristique». A chaque i sont associés des vecteurs Xi appelés
vecteurs propres de A. L’ensemble des vecteurs propres associés à i constitue l’espace propre
A associé à i. La détermination des valeurs propres et des vecteurs propres associés est appelée
« analyse spectrale »5.
3.2 Recherche des valeurs propres et des vecteurs propres
3.2.1 Calcul des valeurs propres et propriétés
 a11 a12 
Considérons une matrice carrée A d’ordre 2. Soit A = 
a22 
cette matrice. Pour trouver les
 a 21
valeurs propres  i, nous faisons :
 a11 a12  1 0 a11 − a12 
[A – I] =   –   =
 a 21 a22   0 1  a21 a22 − 
et calculons son polynôme caractéristique PA(). Nous obtenons
PA() = A − I = [(a11 –  )(a22 –  ) – a12a21] = (–)² + (a11+ a22)( – ) + a11a22 – a12a21 = 0
Posons D1 = a11+ a22 et D2 = a11a22 – a12a21. Dans ce cas
PA() = A − I = (–  )2 + D1 (–  ) + D2 = 0 (3.3)
Si la matrice A est d’ordre 3, son polynôme caractéristique sera :

5
Abdoulaye Wade (2008), p. 448.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 75

a11 −  a12 a13

PA() = A − I = a21 a22 −  a23 = (–  )3 + D1 (–  )2 + D2 (–  ) + D3 = 0. (3.4)
a31 a32 a33 − 
a11 a12 a13
a11 a12 a11 a13 a 22 a 23
où D1 = a11 + a22 + a33 , D2 = + + et D3 = a21 a22 a23 .
a21 a22 a31 a33 a32 a33
a31 a32 a33
 1 2 3
Exemple 3.1 : si A = 2 3 4 ,
2 0 1
D1 = a11 + a22 + a33 = 1 + 3 + 1 = 5,
a11 a12 a11 a13 a 22 a 23 1 2 1 3 3 4
D2 = + + = + + = –3
a21 a22 a31 a33 a32 a33 2 3 2 1 0 1
a11 a12 a13
D3 = a21 a22 a23 = –3.
a31 a32 a33
Ainsi, PA() = A − I = (–  )3 + 5 (–  )2 – 3(–  )– 3 = –3 + 5² + 3 –3 = 0

D’une manière générale, lorsque A est une matrice carrée d’ordre n, nous avons :
a11 −  a12  a1n
a21 a22 −   a2 n
PA() = A − I = =0
   
an1 an 2  ann − 
= (–)n + D1(–)n–1 + D2(–)n–2 +...+ Dn-1(–) + Dn = 0 (3.5)
où les Di représentent les mineurs principaux d’ordre i. Chaque mineur d’ordre i comportera
n!
termes.
i!( n − i )!

En vertu du théorème de d’Alembert6, un tel polynôme admet n racines qui peuvent être réelles ou
complexes.

La recherche des valeurs propres d’une matrice A se ramène à la détermination des racines i
de son polynôme caractéristique. Si une racine se répète k fois, on dit que la valeur propre est de
multiplicité algébrique d’ordre k.
Valeur propre dominante et vecteur propre dominant
Une valeur propre d’une matrice A est dite «valeur propre dominante» de A si sa valeur absolue est
plus grande que celles de toutes les autres valeurs restantes. Le vecteur propre correspondant à la
valeur propre dominante est appelé «vecteur propre dominant» de A.
Ainsi, si une matrice A d’ordre 4 admet les valeurs propres ci-après : 1 = –7, 2 = 4, 3 = –3 et

6
Guerrien, B. Algèbre linéaire pour Economistes, 4ème édition, Economica, Paris, 1997, p. 163.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 76

4 = 3, alors 1 = –7 est la valeur propre dominante puisque − 7 > 4 , − 7 > − 3 , et − 7 > 3 .

Par contre, la matrice B d'ordre 3 ayant les valeurs propres 1 = 6, 2 = –6 et 3 = 3 n’a pas de valeur
propre dominante.

 4 4
Exemple 3.2 : Calculer les valeurs propres de la matrice A =  
 1 4
4 −  4 
Solution : Formons la matrice [A - I] = 
4 −  
.
 1
Le polynôme caractéristique est PA() = A − I = (–)² + D1(–) + D2 = 0
= ² – 8 + 12 = (– 2)(  – 6) = 0.
D’où = 1 = 2 et 2 = 6.
 4 −8 2
Exemple 3.3 : Trouver les valeurs propres de la matrice B =  0 1 0 .
−2 5 0
Solution : Son polynôme caractéristique est
4 −  −8 2
4− 2
PB() = B − I = 0 1−  0 = (1 – ) =0
−2 −
−2 5 
= (1 – ) [(4 – )(–) + 4] = (1 – )(² – 4 + 4) = (1 – )( – 2)( – 2) = 0
Donc 1 = 1 et 2 = 2, k = 2 (car cette valeur propre intervient deux fois).
3 1 −1
Exemple 3.4 : Trouver les valeurs propres de la matrice C = 1 3 −1 .
3 3 −1
3− 1 −1
Solution : PC() = C − I = 1 3− − 1 = –3 + 5² – 8 + 4 = (– 1)( – 2)2 = 0.
3 3 −1− 
Les valeurs propres sont 1 = 1 et 2 = 2, de multiplicité algébrique d’ordre 2 (k = 2).
5 1 2
Exemple 3.5 : Calculer les valeurs propres de la matrice D =  5 9 10  .
−3 −3 −2
5−  1 2
Solution : Son polynôme caractéristique est PD() = D − I = 5 9− 10 = 0.
−3 −3 −2 − 
Si D1 = a11 + a22 + a33 = 5 + 9 – 2 = 12,
a11 a12 a11 a13 a 22 a 23 5 1 5 2 9 10
D2 = + + = + + = 48
a21 a22 a31 a33 a32 a33 5 9 −3 −2 −3 −2
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 77

a11 a12 a13 5 1 2

D3 = a21 a22 a23 = 5 9 10 = 64
a31 a32 a33 −3 −3 −2
PD() = D − I = (–)3 + D1(–)² + (D2(–) + D3
= –3 + 12² – 48 + 64 = (– 4)( –² + 8 – 16) = (– 4)3 = 0
Il s’ensuit que  = 4, de multiplicité algébrique d’ordre 3.
 −1 0 −2 
Exemple 3.6 : Trouver les valeurs propres de la matrice E =  0 −1 4  .
 2 2 −1
Solution : Son polynôme caractéristique est
PE() = E − I = –3 – 3² +  + 3 = (– 1)( + 1)( + 3) = 0
D’où 1 = 1, 2 = –1 et 2 = –3.
2 1 0 
Exemple 3.7 : Trouver les valeurs propres de la matrice F = 0 1 −1 .
0 2 4 
1−  −1
Solution : PF() = F − I = (2 – ) = (2 – )[(1 – )(4 – ) + 2] = 0
2 4−
= (2 – )(² – 5 + 6) = (2 – )( – 2)( – 3) = 0
La matrice F a une valeur propre double 1 = 2, (de multiplicité algébrique d’ordre 2) et une
valeur propre simple 2 = 3.
0 1 1
Exemple 3.8 : Trouver les valeurs propres de la matrice G = 1 0 1 .
1 1 0
Solution : Son polynôme caractéristique est
− 1 1
PG() = G − I = 1 −  1 = –3 + 3 + 2 = ( + 1)²( – 2) = 0.
1 1 −
Ainsi, 1 = –1, k = 2 et 2 = 2.
 2 1
Exemple 3.9 : Trouver les valeurs propres de la matrice K =  .
 −1 2 
Solution : Le polynôme caractéristique de cette matrice PK() = ² – 4 + 5 = 0 possède deux racines
complexes conjuguées (2 + i) et (2 – i).
 2 1 0
Exemple 3.10 : Trouver les valeurs propres de la matrice L = −1 3 1 .
 1 0 1
Solution : Son polynôme caractéristique est PL() = –3 + 6² –12 + 3 = (– 2)3 = 0.
La matrice L possède donc une racine unique, 2, de multiplicité algébrique d’ordre 3.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 78

Propriétés des valeurs propres

On peut énoncer les résultats simples suivants où toutes les matrices envisagées sont carrées.
• La matrice A possède au moins une valeur propre nulle, si et seulement si A est une matrice
singulière.
• Si  est une valeur propre de A, r est une valeur propre de Ar (où r est un nombre entier
positif).
• Une matrice A et sa transposée A’ ont les mêmes valeurs propres.
Ce résultat découle du fait que le déterminant d’une matrice est égal à celui de sa transposée.
PA() = A − I = A − I = A '− I = PA’().
'

Les matrices A et A’ ayant le même polynôme caractéristique, elles ont les mêmes valeurs
propres.
• Une matrice carrée non singulière A et son inverse A–1 ont les mêmes vecteurs propres, mais
des valeurs propres inverses. A est inversible. Elle ne peut avoir 0 comme valeur propre (la
seule solution de AP = 0 étant alors P = 0).
Le résultat découle de : AP = P  A–1AP =  A–1AP  P = A–1P
1 1
 A–1P = P  A–1 = .
 
• Si une matrice est triangulaire par blocs avec des blocs diagonaux carrés, alors ses valeurs
propres sont données par celles de ses blocs diagonaux. Autrement dit, si la matrice A est de
la forme
 M1 * *  * 
 0 M *  * 
 2 
 0 0 M 3  *  où Mi sont des matrices carrées, i = 1, ..., p, et * des matrices blocs
 
      
 0 0 0  M p 

non nuls, alors les valeurs propres de A sont celles des matrices Mi, i = 1, ..., p.
En effet, pour des matrices triangulaires par blocs, on a : dét A = dét (Mi) dét Mi)... dét (Mp)
et donc : PA() = dét [A – I] = dét [M1 – I] ... dét [Mp – I] = PM1() ... PMp().
• Les valeurs propres d’une matrice non symétrique ne sont pas nécessairement réelles. Elles
peuvent aussi être des nombres complexes conjugués.
• Si A est une matrice idempotente, ses valeurs propres sont égales à 1 ou 0, tandis que son
rang est égal à sa trace.
Comme A est symétrique, il existe une matrice orthogonale U telle que
U' A U = diag (1, 2, ..., n).
Or, étant donné que chaque 1 est égal à 0 ou 1, le rang de U'AU (et donc de A) est égal au nombre
des valeurs propres égales à 1, c'est-à-dire, à la somme des valeurs propres. Or la somme des valeurs
propres est égale à la trace de A.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 79

Exemple 3.11 :
Trouver les valeurs propres des matrices suivantes :

 2 − 3 − 5
A = − 1 4  et B = 1 / 5 2 / 5 .
 5   2 / 5 4 / 5
 1 − 3 − 4  

Solution :
Nous savons déjà que ces deux matrices sont des matrices idempotentes. Le polynôme caractéristique
de la matrice A est PA() = − 3 + 22 −  = − (2 − 2 +1) = (  − 1)2 = 0. Les valeurs propres
sont donc 1 = 0, 2 = 1 avec k = 2.
Le polynôme caractéristique de la matrice B est PB() = 2 −  = (  − 1) = 0. Les valeurs propres
sont donc 1 = 0, 2 = 1. De plus, B étant symétrique, on observe que son rang (1) est égal à sa trace
(1).

Le théorème de Cayley - Hamilton

Soit PA(  ) =│A – I│ = (–)n + D1(–)n–1 + D2(–)n–2 +...+ Dn-1(–) + Dn = 0, le polynôme
caractéristique de A. La matrice PA(A) obtenue en remplaçant  par A est égale à la matrice 0. En
d’autres termes, ce théorème nous apprend que chaque matrice est un zéro (ou une racine) de son
polynôme caractéristique. Ce qui s’écrit :
PA(A) = (–A)n + D1(–A)n-1 + D2(–A)n-2 +...+ Dn-1(–A) + DnI = 0. (3.6)
On dit aussi7 que le polynôme caractéristique PA(A) = 0 est un polynôme annulateur de A
Exemple 3.12 :
 4 4
Considérons la matrice A =   de l’exemple 5.2. Nous avons vu que son polynôme
 1 4
caractéristique est : PA() = (–)² + D1(–) + D2 = ² – 8 + 12 = (– 2)(  – 6) = 0 tandis que ses
valeurs propres sont 1 = 2 et 2 = 6.
D’après le théorème de Cayley - Hamilton, nous avons :
P(A) = A² – 8A + 12I = (A – 2I)(A – 6I) = 0
En effet,
 4 4  4 4  4 4 1 0  20 32 32 32 12 0  0 0
1 4 1 4 – 8 1 4 + 12  0 1 =  8 20 –  8 32 +  0 12  = 0 0
              
 4 4 2 0  4 4  6 0  2 4  −2 4   0 0
 −    −  =     = 
 1 4 0 2  1 4 0 6  1 2  1 −2  0 0

7
Poupion et Poulalion, Mathématiques Générales appliquées à l’économie et à la gestion, Armand Colin, Paris,
1984, p. 282.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 80

3.2.2 Calcul des vecteurs propres et propriétés

Maintenant que nous savons trouver les valeurs propres, voyons comment obtenir les vecteurs
propres. Les vecteurs propres de A correspondant à une valeur propre  sont des vecteurs non nuls X
qui satisfont à l’équation AX = X ou des vecteurs non nuls X dans l’espace solution du système
[A – I]X = 0. Nous appellerons cet espace - solution l’espace propre de A correspondant à .
Marche à suivre pour calculer les vecteurs propres
1. On trouve le polynôme caractéristique.
2. On calcule les différentes valeurs i qui annulent le polynôme.
3. On porte i dans la matrice caractéristique [A – I]X = 0. Il en résultera un système
d'équations homogène admettant une infinité de solutions car A − I = 0. Parmi cette
infinité de solutions, on en construit une. Soit Xi.
4. Si une valeur propre est simple (de multiplicité algébrique 1), il existe un seul vecteur propre
de longueur unité au signe près. Par contre, si la valeur propre i est de multiplicité k, il existe
un sous-espace de Rn de dimension vk tel que tous les vecteurs propres vk soient des vecteurs
propres correspondant à la valeur propre i. Il existe donc dans ce cas un ensemble de k
vecteurs propres linéairement indépendants de longueur unité et correspondant à la valeur
propre i.
Exemple 3.13 : Calculer les vecteurs propres des matrices
 4 −8 2 3 1 −1 5 1 2  −1 0 −2 
 4 4
A = , B =  0 1 0 , C = 1 3 −1 , D =
 
 5 9 10  , E =
 
 0 −1 4  ,
 
 1 4 −2 5 0 3 3 −1 −3 −3 −2  2 2 −1

2 1 0  0 1 1  2 1 0
 2 1
F = 0 1 − 1 , G = 1 0 1 , K =
  −1 2 et L =
 − 1 3 1 .
 
0 2 4  1 1 0    1 0 1

Solution :
 4 4
❖ La matrice A =   de l’exemple 3.2 possède les valeurs propres 2 et 6.
 1 4
 2 4   x1   0
Pour 1 = 2, on est amené à résoudre le système linéaire homogène [A – 2I]X =     = ,
1 2  x2   0
2 x1 + 4 x2 = 0
soit  .
 x1 + 2 x2 = 0
La méthode d’élimination de Gauss nous donne successivement :
 2 4 0 1 2 0
1 2 0   0 0 0  . Comme n = 2 et r = 1, le sous-espace propre associé est de
   
 −2 
dimension 1 (n – r), On peut aussi écrire x1 + 2x2 = 0. Il s’ensuit que le vecteur   ou tout multiple
1
non nul de celui-ci est un vecteur propre de A associé à la valeur propre 2.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 81

 −2 4   x1   0
Pour  2 = 6, on résout le système homogène [A – 6I]X =    x  =  0 , soit
 1 −2   2  
−2 x1 + 4 x2 = 0
 .
 x1 − 2 x2 = 0
2 
Ici aussi le sous-espace propre est de dimension 1. Dès lors, le vecteur   ou tout multiple non nul
1
de celui-ci est un vecteur propre de A associé à la valeur propre 6.

 4 −8 2
❖ La matrice B =  0 1 0 possède une racine simple 1 et une racine double 2 (exemple 3.3).
−2 5 0
 3 −8 2   x1  0
Pour 1 = 1, on a le système  0 0 0   x  =  0 .
 2  
− 2 5 − 1  x3  0

 3 − 8 2 0  3 − 8 2 0 3 − 8 2 0

On obtient successivement  0 0 
0 0  − 2 5 − 1 0  0 − 1 1 0 .
 
− 2 5 − 1 0  0 0 0 0 0 0 0 0

 2
Ainsi, le sous-espace propre de dimension 1 est engendré par le vecteur propre X1 =  1  .
 1 
Pour 2 = 2, de multiplicité algébrique 2, nous résolvons le système homogène
 2 −8 2   x1  0
 0 −1 0   x  = 0 . On obtient successivement :
   2  
− 2 5 − 2  x3  0

 2 − 8 2 0 1 − 4 1 0 1 − 4 1 0
 0 − 1 0 0  0 − 1 0 0  0 − 1 0 0 . Le sous-espace propre associé à la
     
− 2 5 − 2 0 0 − 3 0 0 0 0 0 0

−1
valeur propre 2 = 2 est de dimension 1. Il est engendré par le vecteur propre X1 =  0 
 1 
3 1 −1
❖ La matrice C = 1 3 −1 de l’exemple 3.4 possède une valeur propre simple 1 et une valeur
3 3 −1
propre double 2.
 x + 2 x 2 − x3 = 0
Pour 1 = 1, le système [C – I]X = 0 donne  1 . On tire x3 = 3x2. Pour x2 = 1, x3 = 3
 3 x 2 − x 3 = 0
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 82

1
et x1 = 1. D’où X1 = 1 .
 3
 x1 + x2 − x3 = 0

Pour 2 = 2, le système [C – 2I]X = 0 donne  x1 + x2 − x3 = 0 .
 3x + 3x − 3x = 0
 1 2 3

On peut donc écrire x1 + x2 – x3 = 0 ou x3 = x1 + x2. Par conséquent dim E2 = 2 et à cette valeur
propre double correspondent deux vecteurs propres non nuls et linéairement indépendants de la
forme
 x1   1  0  1  0
X =  x2  = x1  0 + x2 1 . Puisque X2 =
     0 et X = 1 sont linéairement indépendants, ils
  3
 
 x1 + x2  1 1 1 1
forment une base pour l’espace - propre correspondant à 2 = 2.

5 1 2
❖ La matrice D =  5 9 10  possède une valeur propre 4 de multiplicité algébrique 3.
−3 −3 −2
 x1 + x2 + 2 x3 = 0

On obtient le système [D – 4I]X =  5x1 + 5x2 + 10 x3 = 0 .
 −3x − 3x − 6x = 0
 1 2 3

On peut écrire ce système comme x1 + x2 + 2x3 = 0 ou x1 = –x2 – 2x3. Comme n = 3 et dim E = 2,

le sous-espace propre associé à la valeur propre  = 4 est de dimension 2. Par conséquent, on ne peut
lui associer que deux vecteurs propres linéairement indépendants de la forme
 − x2 − 2 x 3  −1  −2  −1  −2 
         
X =  x2  = x1  1  + x3  0  . X1 =  1  et X2 =  0  forment donc une base pour
 x3   0   1   0   1 
l’espace - propre correspondant à  = 4.
 −1 0 −2 
❖ La matrice E =  0 −1 4  dont PE() =│E – I│ = (– 1)( + 1)( + 3) = 0 admet trois
 2 2 −1
valeurs propres simples 1, –1 et = –3.
− 2 0 − 2  x1  0 
Pour 1 = 1, on a :  0 − 2 4   x 2  = 0  . On obtient successivement :
 2 2 − 2  x 3  0 
 − 2 0 − 2 0 − 1 0 − 1 0 − 1 0 − 1 0
 0 − 2 4 0   0 − x + 0 x2 − x3 = 0
   − 1 2 0   0 − 1
 2 0 , soit  1 .
 − x 2 + 2 x3 = 0
 2 2 − 2 0  0 2 − 4 0  0 0 0 0
Le sous-espace propre associé à la valeur propre 1 est de dimension 1 et est engendré par le
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 83

− 1
vecteur X1 =  2  .
 
 1 
0 0 − 2  x1  0 
Pour 2 = –1, on doit résoudre le système homogène 0 0 4   x 2  = 0  , soit
    
2 2 0   x 3  0 

− 1
 x1 + 0 x2 − x3 = 0
 . D’où, X2 =  1 
=  
 2 x 3 0
 0 
Pour 2 = –3, on a successivement :
 2 0 − 2 0  2 0 − 2 0 1 0 − 1 0
0 2 4 0  0 2   0 1 2 0 , soit  x1 + 0 x2 − x3 = 0 . D’où,
   4 0    
2 2 2 0 0 − 2 − 4 0 0 0 0 0  x 2 + 2 x3 = 0

1 
X3 =  − 2 .
 1 
2 1 0 
❖ La matrice F = 0 1 − 1 , dont le polynôme caractéristique PF(  ) = (2 – )2 (– 3) = 0 admet
0 2 4 
une valeur propre double 1 = 2, (de multiplicité algébrique d’ordre 2) et une valeur propre
simple 2 = 3. Le sous-espace propre associé à la valeur propre double 1 = 2 est l’ensemble
0 1 0   x1  0 
des solutions de l’équation matricielle [F – 2I]X = 0 − 1 − 1  x 2  = 0  . Par la méthode
0 2 2   x 3  0 
0 1 0   x1  0 
 x =0
de Gauss, on a 0 0 − 1  x 2  = 0  ou simplement  2 . Puisque Dim E1 = 1, ce
 − x3 = 0
0 0 0   x 3  0 
système n’admet qu’une seule solution indépendante : x1 (variable libre) = 1, x2 = x3 = 0 et
1 
X1 = 0  . La valeur propre double n’admet qu’un seul vecteur propre. Pour 2 = 3, le vecteur
0 

− 1 1 0   x1  0 
propre X2 est obtenu en résolvant le système [F – 3I]X =  0 − 2 − 1  x 2  = 0  .

 0 2 1   x 3  0 
1 
D’où X2 =  1  .
 − 2
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 84

 0 1 1
❖ La matrice G = 1 0 1 ayant pour polynôme caractéristique PG() = ( + 1)²( – 2) = 0
1 1 0
possède une valeur propre double –1 et une valeur propre simple 2.
 x1 + x 2 + x3 = 0

Pour  1 = –1, on a le système [G + I]X = 0 qui peut encore s’écrire  x1 + x 2 + x3 = 0 .
x + x + x = 0
 1 2 3

Le sous-espace propre associé à  1 = –1 est de dimension 2 car n = 3 et r = 1. On peut donc lui

−1 − 1
associer deux vecteurs propres linéairement indépendants X1 =  1  et X2 =  0 .
 
 0   1 
 − 2 1 − 1 0  1 − 2 1 0
Pour  2 = 2, le système [G – 2I]X = 0 donne  1 − 2 1 0  − 2 1
  1 0 
 1 1 − 2 0  1 1 − 2 0
1 − 2 1 0 1 − 2 1 0 1
0 − 3 3 0  0 − 1 1 0 , soit  x1 − 2 x2 + x3 = 0 . D’où, X = 1 .
     3

 − x 2 + x3 = 0
0 − 3 3 0 0 0 0 0 1

 2 1
❖ La matrice K =   possède deux racines complexes conjuguées (2 + i) et (2 – i). Le lecteur
 −1 2 
1 1
peut vérifier que les vecteurs propres correspondants sont respectivement X1 =   et X2 =  −i  .
i   
 2 1 0
❖ La matrice L = −1 3 1 a une racine propre 2 de multiplicité 3. En résolvant le système
 1 0 1
0 1 0  x1  0
LX = 2X = [L – 2I]X = −1 1 1   x  = 0 , on trouve un sous-espace propre de dimension 1
 2  
 1 0 −1  x3  0
 1
engendré par le seul vecteur propre X1 = 0 . En effet, x2 = 0 et x1 = x3 = 1.
1
Propriétés des vecteurs propres

• Si X1, X2,... Xk représentent k vecteurs propres de la matrice A associés à des valeurs propres
distinctes, alors les k vecteurs sont linéairement indépendants.
• Si X est un vecteur propre, le vecteur cX (où c est une constante différente de zéro) est également
un vecteur propre.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 85

• Si X1, X2,... Xk représentent k vecteurs propres de la matrice A associés à la même valeur propre,
k
toute combinaison linéaire non nulle de ces vecteurs (c’est-à-dire Y = C X
i =1
i i , Y  0) est aussi un

vecteur propre de A associé à la même valeur propre. De plus, ces vecteurs peuvent être
transformés (par des combinaisons linéaires) en un ensemble de k vecteurs propres mutuellement
orthogonaux et de longueur unitaire. Un des procédés le plus utilisé est le processus
d’orthogonalisation de Gram-Schmidt vu au chapitre 1.
• Si A est une matrice réelle symétrique, alors les vecteurs propres correspondant à des valeurs
propres distinctes sont toujours linéairement indépendants et orthogonaux deux à deux. Ces
vecteurs propres orthogonaux forment une base de n.

3.3 Matrices Semblables

3.3.1 Définition
On dit que la matrice carrée B est semblable à A s'il existe une matrice non - singulière P telle que
B = P–1A P (3.7)
où P est une matrice constituée de vecteurs propres de A.
On dit aussi que B est une transformation semblable de A.
En pré - multipliant les deux membres de l’expression précédente par P, puis en post - multipliant le
résultat par P–1, cette dernière peut aussi s’écrire comme
A = P B P–1 (3.8)
ou
A = (P–1)–1 B P–1 (3.8a)
En posant Q = P–1, cette dernière devient :
A = Q–1 B Q, (3.8b)
laquelle veut dire que A est semblable à B.
Nous concluons donc que B est semblable à A si et seulement si A est semblable à B. Ce qui nous
permet d’affirmer que les deux matrices A et B sont semblables.
4 4 
Exemple 3.14 : Considérons une fois de plus la matrice de l’exemple 3.2 A =  .
1 4 
On a vu que ses valeurs propres sont 2 et 6, tandis que les vecteurs propres associés étaient
 −2  2   −2 2  1  1 − 2
respectivement X1 =   et X1 =   . Ainsi P =   et P–1 = − 
4 − 1 − 2
. On vérifie
1 1  1 1
1  1 − 2 4 4  −2 2 2 0
facilement que B = P–1A P = −
4 − 1 − 2 1 4  1 1   0 6
= . A et B sont donc deux

matrices semblables.

3.3.2 Propriétés des matrices semblables

Si A et B sont deux matrices semblables, alors :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 86

a. Elles sont de même rang.

Si A et B sont deux matrices semblables, il existe une transformation semblable telle que
B = P–1A P, où P est de rang maximum.
Posons C = AP. En vertu du théorème de Sylvestre, C est de même rang que A. Dès lors,
B = P–1C. Comme est de rang maximum, il en résulte que B est de même rang que C et par
conséquent, du même rang que A.
b. Elles ont le même déterminant.
B = P-1A P entraîne que le │B│ = │P–1A P│. Mais AP│ =│A││P│ et │P–1│= 1/│P│.
Donc │B│ = │A││P│/│P│ = │A│.
c. Elles ont le même polynôme caractéristique et donc les mêmes valeurs propres.
Si A et B sont deux matrices semblables, nous avons B = P–1A P. Pour une matrice non
singulière P (P-1P = I), il s’ensuit que :
│B – I│ = │P–1A P – I│ = │P–1A P – P–1P│ = │P–1 [A – I] I│
= │P-1││A – I││I│
= │A – I│.
d. Si A et B sont deux matrices semblables, elles ont la même trace.
On sait que B = P-1A P. Ainsi :
Tr (B) = Tr (P–1A P) = Tr (P–1P A) = Tr (A).

4 4 
Les quatre propriétés peuvent êtres facilement vérifiées sur la matrice A =   de l’exemple
1 4 
2 0
3.13 qui est semblable à la matrice B =   . Il en résulte que :
 0 6
a. Rang A = 2 = Rang B ;
b. │A│ = 12 = │P│;
c. │A – I│ =  ² – 8  + 12 = 0 = │B – I│;
d. Tr (A) = 8 = Tr (B).
3.4 Diagonalisation des matrices carrées
3.4.1 Diagonalisation des matrices carrées quelconques
Soit A une matrice carrée d'ordre n. A est dite diagonalisable s'il existe une matrice diagonale
et une matrice carrée non singulière P telles que
P–1A P = D̂ . (3.9)
où D̂ est une matrice diagonale ayant les valeurs propres sur la diagonale principale et P, une
matrice de passage ou de transformation dont les colonnes sont les vecteurs propres de A.
Le problème de la diagonalisation de la matrice A revient donc à chercher si A admet n vecteurs
propres linéairement indépendants. Pour cela, nous allons distinguer deux cas différents : le cas où A
admet n valeurs propres distinctes et le cas où elle a moins de n valeurs propres (racines multiples de
A – iI).
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 87

Condition suffisante de diagonalisabilité8

Une condition nécessaire et suffisante pour qu’une matrice carrée A soit diagonalisable est que la
dimension de chacun de ses sous espaces propres soit égale à la multiplicité algébrique de la valeur
propre à laquelle il est associé.

Si les n valeurs propres de la matrice sont distinctes deux à deux, alors cette condition est remplie
car les vecteurs propres correspondants à ces valeurs propres sont donc linéairement indépendants.
Dans ce cas, la matrice P dont les colonnes sont les vecteurs propres de A est non singulière. A est
alors diagonalisable.
Soit X1, X2,..., Xn les n vecteurs propres de A associés à 1, 2,..., n respectivement. Nous savons
déjà qu’ils sont linéairement indépendants. Par conséquent P = [X1, X2,..., Xn] est non singulière.
Effectuons le produit AP. Sachant que Axi = iXi, nous avons :
AP = A [X1, X2,..., Xn] = [AX1, AX2,..., AXn]
= [1X1, 2X2,..., nXn]
= [X1, X2,..., Xn] diag (1, 2,..., n)
= P diag (1, 2,..., n)
La dernière égalité peut encore s’écrire :

AP = P D̂ . (3.10)

En pré - multipliant par P–1 l’égalité matricielle précédente, on obtient finalement P–1A P = D̂ . On en
déduit que A est semblable à D. D’où l’expression « matrice diagonalisable ».
Si A admet des valeurs propres multiples d’ordre k, cela veut dire que A possède k valeurs propres
avec k < n. Nous avons vu qu’à chaque valeur propre i correspond au moins un vecteur propre X.
Donc ici, nous aurons au moins k vecteurs propres. Notre problème sera alors de trouver n – k
vecteurs propres de façon à ce que les k + (n – k) vecteurs propres obtenus soient linéairement
indépendants. Ceci est possible si et seulement si la dimension de chaque sous-espace propre est
égale à l’ordre de multiplicité algébrique de la valeur propre correspondante, c’est-à-dire si le
rang de [A – iIn] = n – k.
Si un tel ensemble de vecteurs existe, alors A est diagonalisable. Dans le cas contraire, A ne l’est pas.
On propose alors une méthode proche de celle de la diagonalisation : la réduction à la forme
canonique de Jordan ou la trigonalisation9 ou encore la triangularisation10 .

1 − 1
Exemple 3.15 : Considérons la matrice A =   . Son polynôme caractéristique étant
2 4 
PA() = A − I = (–)² + D1(–) + D2 = ² – 5 + 6 = (– 2)(  – 3) = 0, ses valeurs propres sont
1 = 2 et 2 = 3. Comme elles sont distinctes, par conséquent, les vecteurs propres associés sont

8
Escofier J.P. (2002), pp. 301 – 8.
9
Piatier, A., Cahuzac, P et Chambadal, L.,(1985), Economie et Mathématiques Eléments et
Exercices, PUF, Paris, p. 222.
10
Escofier J.P. (2002), p 309.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 88

linéairement indépendants. Donc P existe et est non singulière. Il s’ensuit que A est diagonalisable.
− 1 1  -1 − 2 − 1
En effet, P =   et P =  − 1 − 1 . Ainsi,
 1 − 2  
− 2 − 1 1 − 1 − 1 1  2 0
P-1A P =      = .
 − 1 − 1 2 4   1 − 2 0 3
On note que les éléments de la matrice diagonale ( D̂ ) sont les valeurs propres de la matrice A. On a
donc diagonalisé A.

 33 16 72 

Exemple 3.16 : Considérons la matrice A = − 24 − 10 − 57 .
 − 8 − 4 − 17 
Son polynôme caractéristique est : PA() = – 3 + 6² – 11 + 6 = =( – 1) ( – 2) ( – 3) = 0
Les valeurs propres sont donc : 1 = 1, 2 = 2 et 3 = 3. Comme elles sont toutes distinctes, il existe
− 15 − 16 4  1 0 0

une matrice non singulière P =  12 13 − 3 telle que P AP = D̂ = 0 2 0
 –1

 4 4 − 1 0 0 3

1 0 4 
où P = 0 1 − 3 et D̂ une matrice diagonale ayant les valeurs propres de A sur la diagonale
–1
 
4 4 3 
principale.

2 1 0 
Exemple 3.17 : Considérons la matrice F = 0 1 −1 . Nous savons que cette matrice qui est
0 2 4 
triangulaire par blocs, a une valeur propre double 2 et une valeur propre simple 3.
1
Le sous-espace propre associé à 1 = 2 est de dimension 1 car il est engendré par Q1 =  0 . Puisque
 0
la dimension du sous – espace propre est différente de k (= 2), la matrice F n’est donc pas
diagonalisable.
3 1 −1
Exemple 3.18 : La matrice C = 1 3 −1 de l’exemple 3.4 possède une valeur propre simple 1 et
3 3 −1
1
une valeur propre double 2. Nous avons vu qu’à 1 = 1 correspondait le vecteur X1 = 1 .
 3
Quant à 2 = 2, valeur propre de multiplicité algébrique d’ordre 2, dim E2 = 2. A cette valeur propre
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 89

 1
double correspondent donc deux vecteurs propres non nuls et linéairement indépendants X2 =  0 et
1
 0 1 1 0
X3 = 1 . La matrice C est donc diagonalisable avec P = 1 0 1 .
 
1 3 1 1

3.4.2 Diagonalisation des matrices réelles et symétriques

Beaucoup d’économistes travaillent uniquement avec des matrices symétriques. De telles
matrices ont seulement des valeurs propres réelles, les valeurs complexes ne survenant jamais.
Si la matrice A est symétrique, nous savons déjà que les vecteurs propres associés à des valeurs
propres distinctes sont toujours linéairement indépendants et naturellement orthogonaux 2 à 2.
De plus, si ces vecteurs propres sont normés, la matrice de passage (notée U) formée avec ces
vecteurs, sera dite orthogonale. Comme ces vecteurs sont en plus de longueur unitaire (vecteurs
orthonormés), la matrice U sera dite aussi orthonormée. Cette dernière a les propriétés suivantes :
a. U’ = U–1.
0,  i  j
b. U’i Uj = ij =  ,
1,  i = j
où  est connu sous le nom de delta de Kronecker.
Il en résulte que le produit U’U est égal à la matrice unité car U’ = U–1. Dans ce cas, on dira que
la matrice U diagonalise orthogonalement la matrice A car on peut toujours trouver une matrice U
non singulière telle que U’AU = D̂ . La matrice A quant à elle sera dite diagonalisable
orthogonalement.
Enfin, notons que même si la matrice symétrique A admet des valeurs propres multiples, il
existe toujours une matrice non singulière U dont les colonnes U1, U2, ..., Uk sont les vecteurs propres
de A telle que :
(i) U1, U2, ..., Uk sont orthogonaux deux à deux
(ii) U–1 = U’
1 0  0
0   0 
(iii) U A U’ = U’ A U = 
–1 2
(3.11)
   
 
0 0  k 
De tels vecteurs U1, U2, ..., Uk sont obtenus en appliquant le processus d’orthogonalisation de
Gram – Schmidt.
4 2 
Exemple 3.19 : Soit donné la matrice symétrique A =   . On peut vérifier que son polynôme
 2 1
caractéristique est PA() = ² – 5 =  (– 5) = 0 Elle admet ainsi deux valeurs propres distinctes
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 90

1 2 
1 = 0 et 2 = 5. Les vecteurs propres correspondants sont : X1 =   et X2 =   .
 −2  1
Le lecteur peut vérifier l’indépendance linéaire et l’orthogonalité de ces deux vecteurs. En les
 1/ 5  2 / 5 
«normant», on obtient : U1 =   et U2 =   dont la « normalité » est aisément
 −2 / 5  1 / 5 
vérifiable.
 1 / 5 2 / 5 -1
Construisons U =   . Le lecteur peut vérifier que U' = U . Il en résulte que :
 − 2 / 5 1 / 5 
 1 / 5 −2 / 5   4 2   1 / 5 2 / 5   0 0
U–1A U = U’A U =       = .
2 / 5 1 / 5   2 1 −2 / 5 1 / 5  0 5
On obtient une matrice diagonale où l’on retrouve les valeurs propres de A qui sont 0 et 5. On a donc
diagonalisé orthogonalement la matrice A.

 4 2 2
Exemple 3.20 : Considérons la matrice symétrique A = 2 4 2 . On a PA() = (– 2)2 (– 8) = 0.
2 2 4
Ainsi ses valeurs propres sont 1 = 2 (de multiplicité algébrique d’ordre 2) et 2 = 8. Pour  = 2, les
− 1 − 1
vecteurs propres X1 =  1  et X2 =  0  forment une base pour l’espace propre correspondant à
 
 0   1 
cette valeur propre. L’application du processus d’orthogonalisation de Gram – Schmidt à [X1, X2]
donne les vecteurs propres orthonormés
− 1 2  − 1 6 
   
U1 =  1 2  et U2 = − 1 6  .
 0  2 6
   
Le lecteur est invité à vérifier l’orthogonalité de ces deux vecteurs.
1
L’espace propre correspondant à  = 8 a X3 = 1 comme base. En appliquant le processus
1
1 3
 
d’orthogonalisation de Gram – Schmidt à [X3], on obtient U3 = 1 3  . Finalement, utilisant U1, U2,
1 3 

− 1 2 −1 6 13
 
U3 comme les vecteurs - colonne, nous obtenons U =  1 2 −1 6 13  qui diagonalise
 0 2 6 1 3 

orthogonalement A. Le lecteur peut vérifier que U’AU est une matrice orthogonale.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 91

3.5 La trigonalisation ou la forme réduite de JORDAN.

Dans le cas où la matrice carrée A d’ordre n admet des valeurs propres multiples d'ordre k, il se
pourrait que la dimension du sous-espace propre associé à la valeur propre de multiplicité algébrique
k soit différente de l'ordre du sous-espace propre associé à ladite valeur propre. Il ne sera donc pas
possible de trouver k + (n – k) vecteurs propres linéairement indépendants correspondant à cette
valeur propre multiple. Il n'y aura donc pas de matrice diagonale semblable à la matrice donnée. On
cherche alors une matrice triangulaire supérieure J qui lui est semblable dite la forme réduite de
JORDAN.
Une forme réduite de Jordan J est une matrice diagonale par blocs dont les blocs diagonaux
sont de la forme :
1 c1 0  0 0 
0 2 c2  0 0 
 
0 0 3  0 0 
J=   (3.12)
      
0 0 0  n −1 c n −1 
 
 0 0 0  0 n 
où i = valeur propre de la Matrice A et ci = 0 ou ci = 1.
C’est donc une matrice presque diagonale qui a les valeurs propres de A sur la diagonale
principale, des « 1 » en diverses positions sur la surdiagonale et des 0 partout ailleurs.
La matrice J est typique de toutes les formes de Jordan car elle a des « 1 » juste au dessus de la
diagonale principale dans les colonnes correspondant aux vecteurs propres manquants.
Le nombre de 1 au-dessus de la diagonale que comporte cette forme réduite sera égal à la
différence entre l'ordre de multiplicité algébrique de la valeur propre et la dimension du sous-
espace propre de cette valeur propre, (c'est-à-dire, k – (n – rk)).
Ainsi, la matrice
 1 0 0 0 0 0
0  1 0 0 0
 1 
 0 0 1 0 0 0
J=  
 0 0 0 2 1 0
0 0 0 0 2 1
 
0 0 0 0 0 2
 2 1 0
 1 1 
est une forme de Jordan comportant trois blocs de Jordan   1  ,   et  0  2 1  .
 0 1  0 0  2 
Si J est semblable à une matrice A, alors il existe une matrice régulière Q telle que :
Q-1A Q = J (3.13)
L’opération qui consiste à transformer une matrice A non diagonalisable en une matrice J est appelée
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 92

la « trigonalisation11 » ou la « triangularisation 12».

Ainsi, à chaque bloc de Jordan correspond un vecteur propre (relatif à sa première colonne où
il n’y a pas de 1) et s’il y a k blocs de Jordan ayant la même valeur propre sur la diagonale, cela
signifie que k colonnes de la matrice de passage Q sont formées de vecteurs propres linéairement
indépendants associés à cette valeur propre. Ainsi, si la forme réduite de Jordan associée à A est
donnée par la matrice J ci-dessus, l’égalité matricielle
A Q = QJ (3.14)
s’écrit, en notant Qi les colonnes de Q :
 1 0 0 0 0 0
0  1 0 0 0
 1 
 0 0 1 0 0 0
A[Q1 Q2 Q3 Q4 Q5 Q6] = [Q1 Q2 Q3 Q4 Q5 Q6]  
 0 0 0 2 1 0
0 0 0 0 2 1
 
0 0 0 0 0 2 
ou encore, en effectuant les produits :
 AQ1 =  1 Q1
 AQ =  Q
 2 1 2

 AQ3 = Q2 +  1Q3

 AQ4 =  2 Q4
 AQ5 = Q4 +  2 Q5

 AQ6 = Q5 +  2 Q6
Les vecteurs - colonne Q1, Q2 et Q6 correspondant au premier terme diagonal de chacun des trois
blocs de Jordan de cet exemple sont bien des vecteurs propres de A.
Cet exemple montre comment on peut déterminer les autres vecteurs qui forment la matrice de
passage Q. Ces vecteurs, que l’on peut appeler « vecteurs de Jordan » ou selon Simon et Blume13
«vecteurs propres généralisés pour A», sont ici Q3, Q4 et Q6. Cette détermination est
particulièrement simple dès que l’on connaît les valeurs propres de la matrice considérée.
Les vecteurs propres généralisés associés à une valeur propre  donnée ne sont pas définis de
façon unique. Alors que les vecteurs propres associés à  forment un sous-espace vectoriel, les
vecteurs de Jordan forment des sous-espaces affines parallèles à ce sous-espace vectoriel, puisque si
AQi = Qi-1 + Qi
et si P est un vecteur propre associé à , alors A[Qi + P] = Qi-1 + Qi + P = Qi-1 +  [Qi + P].
Ce qui montre que Qi + P est aussi un vecteur propre généralisé (ou vecteur de Jordan) associé à ,

11
Piatier, A., Cahuzac, P et Chambadal, L., Economie et Mathématiques Eléments et Exercices,
PUF, Paris, 1985, p. 222.
12
Escofier, J.-P. (2002), Toute l’Algèbre du 1er Cycle, Cours et exercices corrigés, Dunod, Paris,
p.309.
13
Simon et Blume, Mathématiques pour Economistes, De Boeck, Bruxelles, 1998, p. 462.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 93

du même type que Qi.

Détermination d'une base de forme réduite de Jordan.
Pour chaque valeur propre k, on procède en plusieurs étapes :
• On commence par choisir une base du sous-espace propre associé à k.
• Puis à chaque étape, on détermine pour chaque Bi une solution Qi de :
(A – kI)Qi = Bi
avec Bi combinaison linéaire non nulle des vecteurs déterminés à l'étape précédente, et en prenant
un nombre maximal de combinaisons Bi linéairement indépendantes entre elles pour lesquelles il
existe une solution Qi14.
• Le processus s'arrête lorsque le nombre de vecteurs déterminés est égal à l'ordre de multiplicité de
k.
La forme de Jordan peut être obtenue en remplaçant les vecteurs ainsi déterminés à chaque
étape par certaines de leurs combinaisons linéaires.
Exemple 3.21 :
 2 1
La matrice A =   est-elle diagonalisable ? Déterminer, dans le cas où elle ne l’est pas, sa
 −1 4 
forme réduite de Jordan.
Solution :
Le polynôme caractéristique associé est PA() = ² – 6 + 9 = (– 3)( – 3) = 0.
PA() a une racine double 3. Pour que A soit diagonalisable, il faut que le sous-espace propre associé
à cette racine soit de dimension 2. Or, ici, les vecteurs propres de A, solution de l’équation
1
–x1 + x2 = 0, sont de la forme s   , s  .
1
Par conséquent, ils forment un sous-espace vectoriel de dimension 1 : la matrice A n’est pas
 3 1
diagonalisable. Toutefois, la matrice de Jordan J =   lui est semblable. La base de Jordan est
 0 3
alors formée par un vecteur propre Q1 de A et un vecteur de Jordan Q2 défini par :
AQ2 = Q1 + 3 Q2
 2 1  q1  1  q1   2q + q2 = 1 + 3q1 − q + q = 1
donc par     =   + 3  =  1  1 2 .
−1 4  q2  1  q2  − q1 + 4q2 = 1 + 3q1 − q1 + q2 = 1
Ce qui se réduit à l’équation – q1 + q2 = 1 ou q2 = 1 + q1.
1 0 –1  1 0
On peut prendre q1 = 0 et – q2 = 1, la matrice de passage étant alors Q =   et Q = − 1 1 .
1 1   
 1 0  2 1 1 0  3 1
Le lecteur peut vérifier que J = Q–1AQ =     = .
− 1 1 −1 4 1 1  0 3

14
Michel, P., Cours de Mathématiques pour Economistes, Economica, Paris, 1989, p. 609.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 94

2 1 0 
Exemple 3.22 : Déterminer une forme réduite de Jordan semblable à la matrice B = 0 1 −1 .
0 2 4 
Nous savons que cette matrice qui est triangulaire par blocs, a une valeur propre double 1 = 2 et une
valeur propre simple 2 = 3.
Nous avons vu que le sous-espace propre associé à 1 = 2 (de multiplicité algébrique d’ordre 2)
1
est de dimension 1 car il est engendré par Q1 =  0 . La matrice B n’est donc pas diagonalisable. On
 0
cherche alors pour cette valeur propre 2 un vecteur propre généralisé (ou vecteur de Jordan) telle
que
2 1 0   q1  1   q1  0 1 0   q1  1 
BQ2 = Q1 + 2 Q2 = 0 1 −1  q2  =  0 + 2  q  = 0 −1 −1  q  =  0 .
 2    2  
0 2 4   q3   0  q3  0 2 2   q3   0
 q2 = 1

Ce qui est équivalent au système d’équations  − q2 − q3 = 0 dont la solution est q2 = 1, q3 = –1,
 q −q = 0
 2 3

0
q1 quelconque (0, par exemple). On obtient alors le vecteur de Jordan Q2 =  1  .
−1
1 
Enfin, si on prend pour vecteur propre associé à 2 = 3, le vecteur de  1  , on a pour matrice de
 − 2

1 0 1  1 1 1 
passage Q = 0 1 1 , avec Q-1 = 0 2 1  .
 
0 −1 2  0 −1 −1
 2 1 0
La forme réduite de Jordan correspondante étant J = 0 2 0 .
0 0 3
 5 0 0
Exemple 3.23 La matrice C = 1 5 0 . Son polynôme caractéristique est PC() = (– 5)3 = 0. Il
0 1 5
s’ensuit que C admet une racine propre triple 5. Elle n’est donc pas diagonalisable.
0 0 0  q1  0
La relation [C – 5I] donne : 1 0 0  q2  = 0
0 1 0  q3  0
La solution est q1 = 0, q2 = 0, q3 quelconque (1, par exemple) et le sous - espace propre associé à
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 95

 0
 = 5 est de dimension 1 car il est engendré par Q1 = 0 qui est un vecteur propre. De plus, la forme
1
réduite de Jordan comportera k – (n – r) = deux « 1 » au dessus de la diagonale. La matrice de Jordan
 5 1 0
semblable à C est donc : 0 5 1 . Pour déterminer la matrice permettant de passer de C à J, on
0 0 5
doit trouver deux vecteurs Q2 et Q3 telle que
CQ2 = Q1 + 5Q2 (1)
et
CQ3 = Q2 + 5Q3 (2)
 5 0 0  q1  0  q1  0 0 0  q1  0
De (1), on trouve : 1 5 0  q2  = 0 + 5 q  .
 2 Ce qui donne 1 0 0  q2  = 0 .
0 1 5  q3  1  q3  0 1 0  q3  1
0q1 + 0q2 + 0q3 = 0

Ce qui est équivalent au système d’équations  q1 = 0 dont la solution est q1 = 0,
 =1
 q2
 0
q2 = 1, q3 quelconque (0, par exemple). On obtient alors le vecteur de Jordan Q2 = 1 .
0
 5 0 0  q1  0  q1  0 0 0  q1  0
De (2), on a : = 1 5 0  q2  = 1 + 5  q  . Soit,
 2
1 0 0  q  = 1 . Ce qui donne :
   2  
0 1 5  q3  0  q3  0 1 0  q3  0
0q1 + 0q2 + 0q3 = 0

 q1 = 1 dont la solution est : q1 = 1, q2 = 0, q3 quelconque (0, par exemple). On obtient
 =0
 q2
 1
alors le vecteur de Jordan Q3 = 0 .
0
0 0 1 0 0 1  5 0 0 0 0 1  5 1 0
Donc Q = 0 1 0 et J = Q-1 C Q = 0 1 0 1 5 0 0 1 0 = 0 5 1 .
     
1 0 0 1 0 0 0 1 5 1 0 0 0 0 5

5 1 2
Exemple 3.24 : Trouver la forme réduite de Jordan associée à la matrice D =  5 9 10  .
−3 −3 −2
Son polynôme caractéristique est PD() = (  – 4)3 = 0. Il s’ensuit que D admet une racine propre
triple 4. Elle n’est donc pas diagonalisable.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 96

 1 1 2   q1  0
La relation [D – 4I]Q = 0 donne  5 5 10   q2  = 0 . Le sous-espace propre associé à  = 4
−3 −3 −6  q3  0
−1  2
est de dimension 2 (n = 3 et r = 1) car il est engendré par Q1 =  1  et Q2 =  0  , lesquels sont deux
 
 0   1 
vecteurs propres associés à la valeur propre 4.

De plus, la forme réduite de Jordan comportera k – (n – r) = 3 – (3 – 1) = un « 1 » sur la surdiagonale.

Il manque, en effet, un vecteur pour compléter la base dont les vecteurs propres Q1 et Q2 sont les
 4 0 0
premiers éléments. La matrice de Jordan semblable à D est par conséquent J = 0 4 1 . Pour
0 0 4
déterminer la matrice permettant de passer de D à J, on doit trouver un vecteur propre généralisé (ou
vecteur de Jordan) Q3 telle que DQ3 = Q2 + 4Q3 = [D – 4I]Q3 = Q2. Ce qui revient à résoudre le
 1 1 2   q1  − 2
système  5 5 10   q2  =  0  . Mais ce système n’a pas de solution Q3 puisque rang (A) = 1
−3 −3 −6  q3   1 
est différent de rang (A/B) = 2, le système est donc incompatible. En effet, après échelonnement par
1 1 2 − 2 
 
la méthode de Gauss, on obtient  0 0 0 − 10  .
0 0 0 0 
 
Pour trouver le vecteur Q3 (puisque le théorème de Jordan nous dit qu’il existe), il nous faudra
choisir un vecteur Q*2 dans E de façon que le système d’équations [D – 4I]Q3 = Q*2 ait une solution.
Comme on ne peut pas choisir de façon quelconque les vecteurs propres utilisés pour déterminer la
matrice de Jordan, nous prenons Q*2 = aQ1 + bQ2.
 1 1 2   q1  − a − 2b   1 1 2 − a − 2b 
 
On en déduit le système  5 5 10   q2  =  a  , soit  0 0 0 − 6a − 10b  .
−3 −3 −6  q3   b  0 0 0 
 0 
Ce système possède une solution si –3a = 5b, c’est-à-dire si a = –5 et b = 3. Dans ce cas, le système
peut se lire q1 + q2 + 2q3 = – 1 ou q1 = 1 – q2 – 2q3. On en déduit la solution q1 =1, q2 = 0 et q3 = 0.
 1 −1  2  −1
D’où Q3 = 0 . Q*2 = a Q1 + b Q2 = – 5 1 +3
 
0 =
 
 −5 .
 
0  0   1   3 
−1 −1 −1  0 1 5 / 3
Ainsi Q =  1 −5 0  et Q–1 =  0 0 1 / 3 .
 
 0 3 0  −1 −1 −2 
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 97

 0 1 5 / 3  5 1 2  −1 −1 −1  4 0 0
D’où J = Q–1DQ =  0 0 1 / 3  5 9 10   1 −5 0  = 0 4 1 .
−1 −1 −2  −3 −3 −2  0 3 0  0 0 4

3.6 Applications de la diagonalisation et de la trigonalisation d’une matrice

3.6.1 Calcul des puissances successives des matrices
Comme la puissance p-ième d'une matrice diagonale est aisée, on fera intervenir la
diagonalisation des matrices pour calculer la puissance des matrices.
[Link] Cas d'une matrice diagonalisable
La puissance p-ième d’une matrice diagonale se calcule aisément. Il en résulte de la définition
du produit des matrices que
 1 0  0  1 p 0  0   1 p + 1 0  0 
0     
 0  0 2p  0  = 0  2 p +1  0 .
 2 
               
   p  
0 0  n   0 0   n   0 0   n p +1 
Donc, par récurrence, la puissance p-ième d’une matrice diagonale D̂ est égale à la matrice
diagonale dont les termes sont les puissances p-ièmes de ceux de la matrice D̂
Si une matrice carrée A d'ordre n à éléments réels ou complexes est diagonalisable, il existe
alors une base de vecteurs propres et par le changement de base correspondant (matrice de passage
P), on obtient une matrice diagonale D̂ = P–1AP. Dans ce cas, A peut s’écrire comme A = P D̂ P–1.
Ce qui entraîne :
A2 = (P D̂ P–1)(P D̂ P–1) = P D̂ ²P–1.
A3 = (P D̂ ²P–1)(P D̂ P–1) = P D̂ ³P–1.
et par récurrence sur p, on peut écrire
Ap = P D̂ pP–1 (3.15)
pour tout entier p  1.

Ce calcul de Ap est donc très aisé car il se réduit au calcul de D̂ p qui est immédiat, à la condition que
A soit diagonalisable.

2 1 
Exemple 3.25 : Calculer Ap si A =  .
1 2 
Solution :
Son polynôme caractéristique est PA() = (  ² – 4  + 3 = (  – 1)(  – 3) = 0. D’où  1 = 1 et  2 =
3. A est donc diagonalisable. On aura alors Ap = P D̂ pP–1
 1 1 1 1 −1
P=   et P–1 = 
2 1 1 
où . On obtient donc :
 −1 1
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 98

p 1 1 1 0  1 1 −1 1 3p + 1 3p − 1
A = . p . 1 1  = 2  p .
 −1 1  0 3  2 3 − 1 3 + 1
p
 
 0 1 1
Exemple 3.26 : Calculer G si G = 1 0 1 .
p

1 1 0
Solution :
Nous avons vu (voir exemple 3.8) que PG() = –  ³ + 3  + 2 = ( + 1)²( – 2) = 0.
Ainsi,  1 = –1, k = 2 et  2 = 2. Le sous-espace propre associé à  1 = –1 est de dimension 2.
Comme cette dimension est égale à l’ordre de multiplicité algébrique de la valeur propre donnée, on
peut associer à cette dernière deux vecteurs propres linéairement indépendants. G est donc
− 1 − 1 1 − 1 2 − 1

diagonalisable avec P =  1 0 1 dont l’inverse est P–1 = − 1 − 1 2  .
 1
3
 0 1 1  1 1 1 
D’où :
− 1 − 1 1 − 1 0 0 − 1 2 − 1
p

Gp = P D̂ p P–1 
= 1  
0 1  0 − 1 0 1 
− 1 − 1 2 
3
 0 1 1  0 0 2  1 1 1 

− 1 − 1 1 (−1) 0 − 1 2 − 1
p
0
 
=  1 0 1  0 − 1 − 1 2 
1
( −1) p 0
3  
 0 1 1  0 0 2 p   1 1 1 

2 p + 2( −1) p 2 p − ( −1) p 2 p − ( −1) p 

1  
=  2 p − ( −1) p 2 p + 2( −1) p 2 p − ( −1) p 
3
 2 p − ( −1) p 2 p − ( −1) p 2 p + 2( −1) p 

[Link] Cas d'une matrice non diagonalisable
Lorsque la matrice A n'est pas diagonalisable, on peut toujours recourir à la forme réduite de
Jordan J. A devient dans ce cas :
A = Q J Q–1 (3.16)
Notons qu’une matrice sous forme réduite J peut s'écrire comme :

 1 0 0  0 0  0 1 0  0 0
0  0  0 0  0 0 1  0 0
 2   
0 0 3  0 0  0 0 0  0 0
J=  +  (3.17)
            
0 0 0   n − 1 0  0 0 0  0 1
   
0 0 0  0  n  0 0 0  0 0
= D̂ + E
où D̂ est la matrice diagonale ayant les valeurs propres sur la diagonale principale et E, une matrice
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 99

avec des 1 sur la « surdiagonale » et des 0 partout ailleurs.

De la même façon que précédemment, on a :
Ap = Q Jp Q–1 (3.18)

et on se ramène au calcul de Jp. Ce calcul est moins aisé que celui de D̂ p car J = iI + E et que
Jp = [iI + E]p.
Grâce à la formule du binôme de Newton permettant de calculer (a + b)n où a et b sont des nombres
réels, nous avons, pour une matrice d'ordre 2, car le carré de E est la matrice nulle et le produit iIE
est commutatif15,
  p p  p-1
J =  I +C  E =  
p p 1 p -1
p (3.19)
 0  p

Ainsi, la puissance p-ième d'une matrice non diagonalisable devient (dans le cas où cette
matrice est d'ordre 2)
  p p  p-1
A =Q 
p
 Q–1
 0  
p

avec Q = matrice de passage formée avec le vecteur propre et le vecteur de Jordan associés à la
valeur propre de la matrice A.

  ip C 1p  ip -1 C 2p  ip - 2 
 
p
Pour n = 3 par exemple, J i =  0 i C p i
p 1 p - 1
(3.20)
 
 0 p
 0 i 

 0 0   p 0 0 
 
En particulier, si J =  0  1  , Jp = 0 p p p −1  .
 0 0   0 0  p 


 1 0   p p p −1  p( p − 1) p −2 
 
Et si J =  0  1  , Jp = 0 p p p −1 
 0 0   0 0 p 
 

Dans le cas général où la matrice A est d'ordre n, Jip = (i.I + E)p se réduira à :
Jip = (i.I + E)p = ip.I + Cp1 ip–1E + ... + Cpi–1 ip-r+1Er–1 (3.21)

15
On est tenté d'appliquer la formule du binôme de Newton valable pour les nombres; cela n'est pas possible car D̂ E 
E D̂ . Mais E a une propriété intéressante: Er = 0 pour r égal au plus grand des ordres de multiplicité des valeurs
propres. En effet, chaque fois que l’on multiplie par E, on décale vers le haut la diagonale des 1, qui perd chaque
fois un élément. Comme le format de E est p x p, nous aurons bien Ep = 0. Ainsi, pour p ³ r-1, on a :

Jp = ( D̂ + E)p = D̂ p + Cp1 D̂ p–1E + ... + Cpr-1 D̂ p-r+1Er–1

Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 100

soit :
  p C1p  p-1 C2p  p-2 ... Cn-1
p 
p-n-1

 
 0  p C1p  p-1 ... Cn-2
p 
p-n-2 

J
p
=   (3.22)
 0 0  p
... ...
 
 p
 0 0 0 ...  

 1 1
Exemple 3.27 : Calculer Ap si A =  .
−1 3
Solution :
On peut vérifier que PA() = (– 2)² = 0. D’où une seule valeur propre 2, mais double. Le
sous-espace propre associé étant de dimension 1, A n’est pas diagonalisable. Dans ce cas,

1 0 2 p p.2 p −1   1 0 2 p − p 2 p −1 p.2 p −1 
Ap =  . . = .
1 1  0 2 p  −1 1  − p.2 p −1 p.2 p −1 + 2 p 
2 1 0 
Exemple 3.28 : Calculer la puissance p-ième de la matrice B = 0 1 −1 .
0 2 4 
Solution :
 2 1 0
Nous savons déjà qu’elle n’est pas diagonalisable et que J = 0 2 0 .
0 0 3

1 0 1  2 p 2 p −1 0 1 1 1 
p

  0 2 1 
On a donc : Ap = Q Jp Q–1 = 0 1 1  0 2p 0  
0 −1 2  0 0 3p  0 −1 −1

2p 2 p + 2 p 2 p −1 − 3 p 2 p + p 2 p −1 − 3 p 
 
=0 2. 2 p − 3 p 2 p − 3p .
0 − 2. 2 p + 2. 3 p − 2 + 2. 3 
p p


3.6.2 Calcul de A–1

Soit A une matrice carrée diagonalisable d’ordre n. Nous savons que D̂ = P–1 A P et Ap = P D̂ pP–1.
En posant p = –1, on en déduit

A–1 = P D̂ –1 P–1. (3.23)

2 1 
Exemple 3.29 : Calculer A–1 si A =  .
1 2 
Solution :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 101

1 0  1 1 –1 1 1 −1
On a vu (voir exemple 3.27) que D̂ =   , .P =  −1 1 et P =
2 1 1 
.
0 3  
On obtient donc :
 1 1 1  2 1
 1 1 1 0  1 1 −1 1 −   − 
3 2
 . 0 1  . 2 1 1  =
A–1 = P D̂ –1P–1.=  2 = 3 3 .
 1 1 1   1 2 
−  
 3   
1 1 − 1    − 
 3 2 2   3 3 
3.6.3 Calcul des racines p-ièmes des matrices.
Enfin, terminons ce chapitre en soulignant que nous pouvons aussi utiliser la relation (3.16) ou (3.24)
pour calculer la racine p-ième des matrices. Par exemple, la racine cubique de A, notée A1/3, peut être
obtenue par l’expression :
1
1
A 3 = P Dˆ 3 P −1 (3.23)
 − 1 3
Exemple 3.29 : Calculer 3
A avec A =  .
 2 0
Solution :
PA() =  2 +  – 6 = ( + 3) ( – 2) = 0, on a  1 = –3 et  2 = 2. La matrice A est donc
 3 1 1 1 − 1
diagonalisable avec P =   et P-1 =  .
− 2 1 5 2 3 
 3 1 − 31 / 3 0  1 1 − 1
1
1
Ainsi A 3 = P Dˆ 3
P −1 =      .
− 2 1  0 21 / 3  5 2 3 
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 102

Chapitre Quatrième
LES FORMES QUADRATIQUES

L’économiste rencontre à plusieurs occasions les formes quadratiques, en particulier en

statistique, en économétrie, en micro-économie financière lors de la minimisation du risque d’un
portefeuille d’actifs, en macro-économie dans l’étude des fonctions de perte et lors de l’étude des
maxima et minima des fonctions de plusieurs variables.
4.1 Définition

On appelle forme quadratique définie sur  n toute fonction à n variables réelles pouvant
s’écrire sous la forme :
n n
q(x) = a x x
i =1 j =1
ij i j , aij, xi . (4.1)

L’expression formelle précédente des variables xi est appelée le polynôme quadratique

correspondant à la matrice symétrique A.
Remarquons que c’est bien là une forme car c’est une application dans , la valeur F de la forme
quadratique étant un réel.
On appelle une telle expression Forme Quadratique (F.Q.) car elle contient des termes
carrés x²1, x²2,..., x²n ) et des termes rectangles (x1x2, xix3, x2x3,...) en les variables x1, x2, ..., xn.
Nous pouvons mettre F.Q. sous la forme d’un produit de matrices. En effet,

 a11 a12  a1n   x1 

n n a a22  a2 n   x2 
a x x =  x1  xn    
21
F.Q. = x2
i =1 j =1
ij i j
     
  
an1 an 2  ann   xn 
 a11 x1 + a12 x2 +...+ a1n xn 
a x + a x +...+ a x 
= [x1, x2, ..., xn] 
21 1 22 2 2n n 
(4.2)
  
 
an1 x1 + an 2 x2 +...+ ann xn 
= a11x21 + 2a12x1x2 + 2a13x1x3 + ... + 2a1nx1xn + a22x22 + 2a23x2x3 + ... + 2a2nx2xn
+ a33x23 + ... + 2a3nx3xn .......................... + annx2n
= X’A X.
4.2 Symétrisation d’une forme quadratique
La forme quadratique telle qu’elle est définie n’est pas nécessairement symétrique. Elle
l’est si aij = aji pour tout i  j, c’est-à-dire si aijxixj = ajixjxi.
Si nous revenons à la formule de définition de la forme quadratique, nous remarquons
que cette forme ne change pas si l’on remplace, par exemple aij par bij= aij -1 et aji par bji = aji + 1. En
effet, le terme en xi xj qui avait pour coefficient (aij + aji) aura toujours ce même coefficient car
(bij + bji) = (aij - 1) + (aji + 1) = (aij + aji).
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 103

Donc on peut associer plusieurs matrices à une même forme quadratique. En particulier, on peut
prendre
bij = bji = (aij + aji)/2  i  j
et
bii = bjj  i = j
de façon que la matrice B associée à A soit une matrice symétrique.
Ainsi, toute forme quadratique peut s’écrire sous une forme équivalente X’BX où B est une
matrice symétrique.
 3 3
Exemple 4.1 : Considérons la F.Q définie par la matrice A =   . La forme quadratique associée
5 2 
est : qA(X) = 3x1² + 3xix2 + 5x2x1 +2x2²
Pour symétriser cette forme quadratique, introduisons la matrice B telle qu’elle est définie ci-dessus.
 3 4
Il vient : B =   . Il en résulte la forme quadratique ci-après :
4 2
qB(X) = 3x1² + 4xix2 + 4x2x1 +2x2²
= 3x1² + 8 xix2 + 2x2²
B étant symétrique, les termes rectangles symétriques par rapport à la diagonale principale peuvent
être regroupés car xixj = xjxi.
Puisqu’une forme quadratique peut toujours être symétrisée, nous ne considérerons dans la suite de ce
chapitre que des formes quadratiques symétriques.
4.3 Nature ou signe et signature des formes quadratiques
Une forme quadratique qA(x) = X'AX peut être, soit définie positive (ou négative), soit semi-
définie positive (ou négative), soit indéfinie. Elle est dite :
• définie positive si et seulement si X'AX > 0  x  0. Donc X'AX > 0  x  0 entraîne que toutes
les valeurs propres de A sont strictement positives.
• définie négative si et seulement si X'AX < 0  x  0. Donc X'AX < 0  x  0 entraîne que
toutes les valeurs propres de A sont strictement négatives.
• semi-définie positive ou définie non négative si et seulement si X'AX est positive pour tout X et
si elle s’annule pour au moins un X  0. X'AX semi - définie positive suppose que toutes les
valeurs propres de A sont non négatives, au moins l’une d’entre elles étant nulle.
• semi-définie négative ou définie non positive si et seulement si X'AX est négative pour tout X et
si elle s’annule pour au moins un X  0. X'AX semi - définie négative suppose que toutes les
valeurs propres de A sont non positives, au moins l’une d’entre elles étant nulle.
• indéfinie si et seulement si X'AX est positive pour certains X et négatives pour d’autres. Il y aura
dans ce cas des valeurs propres positives et des valeurs propres négatives.
On appelle signature de la FQ le couple (s, t) où s est le nombre de valeurs propres
strictement positives et t le nombre de valeurs propres strictement négatives.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 104

Exemple 4.2 : Etudiez le signe des formes quadratiques suivantes :

1. q(x) = x²1 : définie positive
2. q(x) = 4x1² – 4xix2 + x2² + 3x3² : semi-définie positive
3. q(x) = –2x1² – x2² : définie négative
4. q(x) = –x1² + 2x1x2 – x2² : semi-définie négative
5. q(x) = x1² – x2² : indéfinie
6. q(x) = x1² + 4x1x2 + 4x1x3 + 6x2x3 + 4x2² + 4x3² : indéfinie
Observons que si X’AX est définie positive, –X’AX est définie négative. Si X’AX est semi-
définie positive, –X’AX est semi-définie négative.
La recherche des valeurs propres d’une matrice impliquant parfois des calculs lourds, on
utilise les propriétés suivantes que nous énonçons sous forme de théorème.
4.4. Conditions nécessaires et suffisantes pour les formes quadratiques définies et semi définies
4.4.1 Conditions nécessaires et suffisantes pour les formes quadratiques définies.
La forme quadratique q(x) = X'A X où A = (aij) est une matrice réelle symétrique d'ordre n est :
◼ définie positive si et seulement si les n mineurs diagonaux principaux de la matrice A associée
sont tous strictement positifs; c'est-à-dire si
dét Ap > 0 pour i  p  n
avec Ap = sous matrice diagonale principale d'ordre p extraite de A obtenue en supprimant les n - p
dernières lignes et les mêmes n – p dernières colonnes de A (p = 1, 2, ... n).
Ce sont les matrices :
 a11 a12  a1 p 
a11 a12 a13  a
 a11 a12  a22  a2 p 
A1 = [aij], A2 =   , A3 = a21 a22 a23  , ..., Ap =  21  , ...,
 a 21 a22       
a31 a32 a33   
a p1 a p 2  a pp 
 a11 a12  a1n 
a a22  a2 n 
An =  21 .
     
 
an1 an 2  ann 

◼ définie négative si seulement si on a : (–1)p dét Ap > 0 pour i  p  n

où Ap est définie comme ci - haut.
Ce dernier théorème peut aussi s'énoncer comme suit :
X'AX est définie négative si et seulement si les n mineurs diagonaux principaux alternent de
signe, le premier étant négatif, c'est-à-dire, si
a11 a12 a13
a11 a12
1 = aij < 0, 2 = > 0, 3 = a21 a22 a23 < 0, ... (–1)ii > 0, ..., (–1)n (dét A) > 0.
a 21 a 22
a31 a31 a33
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 105

Exemple 4.3 : Utiliser les déterminants pour déterminer si chacune des formes quadratiques
suivantes est définie positive ou définie négative.
a. q(x) = –3x1² + 4xix2 – 4x2²
b. q(x) = 5x1² – 6x1x2 + 3x2² – 2x2x3 – 3x1x3 + 8x3³
Solution :
 −3 2 
a. Soit q(x) = –3x1² + 4xix2 – 4x2². La matrice A associée est A =  .
 2 −4
−3 2
On a : 1 = a11 = –3 < 0 et 2 = = 12 – 4 = 8 > 0. Donc Q(x) est définie négative.
2 −4

b. Soit q(x) = 5x1² – 6x1x2 + 3x2² – 2x2x3 – 3x1x3 + 8x3³. La matrice A associée est :
 5 −3 −1,5
5 −3
A =  −3 3 −1  . On a : 1 = a11 = 5 > 0, 2 = = 6 > 0 et 2 = A = 27,85 > 0.
−3 3
−1,5 −1 8 
Ainsi, la forme quadratique donnée est définie positive.
4.4.2 Conditions nécessaires et suffisantes pour les formes quadratiques semi-définies.
La forme quadratique q(x) = X'AX, où A = (aij) est une matrice symétrique réelle non régulière
d'ordre n, est :
- semi-définie positive si et seulement si chaque mineur principal de A est positif ou nul
Ce critère nécessite le calcul de 2n – 1 déterminants au lieu de n dans le cas défini-positif.
- semi-définie négative si et seulement si chaque mineur principal d’ordre impair est négatif ou nul
et si chaque mineur principal d’ordre pair est positif ou nul.
Nota bene
Si la matrice A associée à une forme quadratique ne vérifie aucun des critères ci-dessus, alors cette
forme est indéfinie.
Exemple 4.4 : Utiliser les déterminants pour déterminer si chacune des formes quadratiques suivantes
est semi - définie positive ou semi - définie négative.
a) q(x) = 4x1² – 4x1x2 + x2² + 3x32
b) q(x) = –x1² + 2xix2 – 5x2² – 2x42 – 4x1x3 – 2 x1x4 + 6x2x4 – 5x3³ – 2x3x4
c) q(x) = x1² + 4xix2 + 4x2² + 4x1x3 + 16x2x3 + 4x3³
Réponse :
a) Soit q(x) = 4x1² – 4x1x2 + x2² + 3x32
 4 − 2 0
4 −2
La matrice A associée est : A = − 2 1 0 . 1 = a11 = 4 > 0, 2 = = 0 et
−2 1
 0 0 3
4 −2
3 = A = 3 = 0. Cette forme quadratique n’est ni-définie positive, ni définie-
−2 1
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 106

négative. Les trois mineurs principaux d’ordre 1 (4, 1 et 3) sont positifs. Les trois mineurs principaux
4 −2 4 0 4 0
d’ordre 2 ( = 0, = 12 et = 12) sont soit nuls, soit supérieurs à 0. Le mineur
−2 1 0 3 0 3
principal d’ordre 3 est nul. Donc, la F.Q. est semi-définie positive.
b) Soit q(x) = –x1² + 2xix2 – 5x2² – 2x42 – 4x1x3 – 2 x1x4 + 6x2x4 – 5x3³ – 2x3x4
 − 1 1 − 2 − 1
 1 −5 0 3  −1 1
La matrice associée est A =  . 1 = –1 < 0, 2 = = 4 > 0,
− 2 0 − 5 − 1  1 −5
 
 − 1 3 − 1 − 2

−1 1 − 2
3 = 1 − 5 0 = 0 et 3 = A = 0. Les conditions nécessaires pour une forme quadratique
−2 0 −5
définie ne s’appliquent pas. D’autre part, les mineurs principaux d’ordre 1 (–1, –5, –5 et –2) sont tous
négatifs ; ceux d’ordre 2 (qui sont 4, 1, 1, 25, 1, 9) sont tous positifs ; les quatre mineurs principaux
d’ordre 3 sont tous nuls et le mineur principal d’ordre 4 est aussi nul. Etant donné que tous les
mineurs principaux d’ordre pair sont positifs ou nuls tandis que tous les mineurs principaux d’ordre
impair sont négatifs ou nuls, la forme quadratique donnée est semi-définie négative.
c) Soit q(x) = x1² + 4xix2 + 4x2² + 4x1x3 + 16x2x3 + 4x3³. Cette F. Q. est définie par la matrice
1 2 2
A =  2 4 8  . Ici, 1 = 1 > 0, 2 =
1 2
= 0 et 3 = A = –16 < 0. Les conditions nécessaires
2 4
 2 8 4
pour une forme quadratique définie ne s’appliquent pas. A = –16  0 : la forme quadratique ne
peut être semi-définie car toutes ses valeurs propres sont différentes de zéro. Par conséquent, elle
est indéfinie de rang maximum.
4.5 Diagonalisation d’une forme quadratique
Considérons une forme quadratique X’AX où A est une matrice carrée symétrique. A possède
alors n valeurs propres réelles et l’on peut toujours construire un ensemble de n vecteurs propres
orthogonaux de longueur unité. Nous avons vu que la matrice U dont les vecteurs colonnes sont les
vecteurs propres normés est une matrice orthogonale qui diagonalise orthogonalement la matrice A
par la relation U’AU = D car U-1 = U’.
Posons X = UY. La forme quadratique X’AX devient alors : X’AX = Y’U’AUY = Y’DY.
Puisque U’AU est une matrice diagonale16 dont les éléments sont les valeurs propres de A, nous
pouvons écrire :
n
Y’DY = 1y²1 + 2y²2 + ... + ny²n =  y
i =1
i i
2

Cette dernière expression ne contient plus que des termes carrés dont les coefficients sont les valeurs

16
En fait, A et D sont dites semblables parce que U est non-singulière.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 107

propres de A. D'où l'appellation de la forme quadratique réduite.

La transformation orthogonale qui consiste à ramener une forme quadratique X’AX à une
forme réduite Y’ D Y est appelée « opération de réduction de la forme quadratique » ou encore
« opération de diagonalisation ».
4.6 Rang d'une forme quadratique
Le rang d'une forme quadratique est égal à celui de la matrice A associée. Si ce rang est
maximum, c'est que dét A  0 et toutes les valeurs propres seront différentes de zéro. Alors la forme
quadratique q(x) = X’AX sera :
- soit définie positive ;
- soit définie négative ;
- soit indéfinie de rang maximum.
Elle est définie positive si et seulement si toutes les valeurs propres de A sont positives. Elle est
définie négative si les valeurs propres sont négatives. Elle est indéfinie si A possède à la fois des
valeurs propres positives et de valeurs propres négatives.
Si le rang de la F.Q n'est pas maximum, c'est que dét (A) = 0 et au moins une valeur propre de
A sera nulle. Dans ce cas, la forme quadratique q(x) = X’AX sera :
- soit semi-définie positive
- soit définie négative pour tout i
- soit indéfinie de rang inférieur à n.
Elle est semi-définie positive (ou négative) si et seulement si toutes les valeurs propres de A sont non
négatives (ou non positives) et si au moins une valeur propre de A est nulle. Elle est indéfinie de
rang inférieur à n si A possède à la fois des valeurs propres positives, nulles et négatives.
Observons que le rang de la matrice A est égal au rang de la matrice diagonale D ; par
conséquent, le rang de la F.Q est le nombre de valeurs propres non nulles de la matrice A, car la
diagonale principale de D est constituée de ces valeurs propres. Si la forme quadratique est de rang
maximum, toutes les valeurs propres de A seront différentes de zéro.

Exemple 4.5 :
a. Déterminer la matrice A associée à la forme quadratique
q(x) = 3x1x2 + x1x3 – x2x1 – 2x2x3 + x3x1 + 4x3x2
b. Etudier le signe de qB(x) où B est la matrice symétrique équivalente à la matrice A.
c. Diagonaliser B orthogonalement (écrire U’BU =D ou mettre B sous la forme B = UDU’).

Solution :
0 3 1
a. Cette forme quadratique est définie par la matrice A = −1 0 −2 
 1 4 0 
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 108

0 1 1
b. B = 1 0 1 . Calculons les mineurs principaux afin de voir si qB(x) est définie positive ou
1 1 0
définie négative. Or, comme 1 = 0, la méthode des mineurs principaux ne permet pas de trancher.
D’autre part, B= 2. Donc, X’AX est de rang maximum et elle ne peut être qu’indéfinie de rang
maximum car B   0.
Le lecteur peut, en effet, vérifier que PB() = –³ + 3 + 2 = (2 – )(1 + )² = 0 et que les valeurs
propres 1 = 2 et 2 = –1 avec k = 2 sont de signe différent.
1 −1 −1
c. Nous savons déjà (voir chapitre 5) que la matrice de passage P est P = 1 1 0  .
1 0 1 
Comme nous cherchons une matrice de passage orthogonale, c’est-à-dire telle que U’U = 1, il nous
faut choisir les vecteurs propres U1, U2 et U3 tels que Ui’Uj = 0 si i  j et Ui’Ui = 1 pour tout i. Donc
les U doivent être orthogonaux deux à deux et de longueur unitaire chacun.
En appliquant le procédé d’orthogonalisation de Gram-Schmidt aux vecteurs propres
X1 = [1, 1, 1], X2 = [–1, 1, 0] et X3 = [–1, 0, 1], on a :
X 1
U1 = 1 = [1, 1, 1].
X1 3
X 2 − ( X 2 .U1 )U1
U2 = =
X 2 − ( X 2 .U1 )U1
 1 / 3 
    1 1 1 
−1 1 0 − ( −1 1 0) 1 / 3  
3 
1 / 
3 
 3 3
   1
U2 = = [–1, 1, 0].
 1 3  2
    1 1 1 
−1 1 0 − ( −1 1 0) 1 3  
3 
1 
3 
 3 3
  
X 3 − ( X 3.U1 )U1 − ( X 3.U 2 )U 2
U3 = =
X 3 − ( X 3.U1 )U1 − ( X 3.U 2 )U 2
 1 / 3     − 1 2  
       − 1 
1  
− 1 0 1− (− 1 0 1)1/ 3   1 1
−
  (− 1 0 1 )  1 2  
1 
0 
    3 3     2 
1 / 3  0 
3 2
   
    
U3=
 1 3     − 1 2  
       − 1 
1  
− 1 0 1− (− 1 0 1)1 3   1 1
− ( − 1 0 1)  1 2  
1 
0
    3 3       2 
0 
3 2
1 3     
    
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 109

1  −1 1   −1 1 
−1 0 1 −  0 0 0 − 
2 2
0 −1 0 1 −  0
=
2  = 2 2 
−1 1 −1 1
−1 0 1 −  2 2 0 −1 0 1 −  2 2 0
   
 −1 −1   −1 −1 
 2 1 2 1
 =  =
2 2 1
= [–1, 1, 2].
 −1 1  1 6
 2 − 2 1
6
2
 1 −1 −1 
 3 2 6
 1 1 −1 
Donc U =  .
 3 2 6
 1 2 
 0 
 3 6
Le lecteur peut vérifier que U-1 = U’ (donc U’U = I) et que les vecteurs colonnes de U sont tels que
Ui’Uj = 0 si i  j et Ui’Ui = 1 pour tout i. Par conséquent, U diagonalise B orthogonalement, (c’est-à-
dire, U’BU = D ). Il est alors facile d’écrire cette dernière expression comme B = U D U’.
D’où la forme quadratique X’AX = Y’ D Y = 2y²1 – y²2 – y²3.
Il s’agit bien d’une forme quadratique indéfinie de rang maximum.

4.7 Transformation linéaire - Congruence

Soit la forme quadratique q(X) = X'AX. Posons X = RY, où R est une matrice non singulière
de dimension nxn. Alors la forme quadratique X'AX peut s'écrire
X'AX = Y'R'A R Y
= Y'B Y
où R'AR = B.
Exemple 4.6

3 4  x1 
Soit X’AX = x1 x2     x  = 3x1 + 8x1 x2 + x2
2 2

 4 1   2

 − 1 − 3  y1 
Posons X = RY =   
− 3 2   y 2 

 − 1 − 3
X’ = (RY)’ = Y’ R’ = y1 y2   
− 3 2 

 − 1 − 3 3 4  − 1 − 3  y1 
D’où Y’ R’ A R Y = y1 y2        et
− 3 2  4 1  − 3 2   y 2 
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 110

 - 1 - 3  3 4  - 1 - 3  y1 
X’ A X = y1 y2   y 
- 3 2  4 1 - 3 2   2
  
B

=YBY

36 31   y1 
X’ A X = y1 y2    y 
31 −17  2
Nous venons de transformer la forme quadratique X'AX en une autre forme équivalente
Y'BY. Une telle transformation linéaire de X en Y, dite aussi transformation congruente, ne
modifie ni le rang, ni le signe de la forme quadratique car les matrices A et B sont de même rang en
vertu du théorème de Sylvester vu plus haut. On dit alors que les deux formes quadratiques X'AX et
Y'BY sont congruentes. D'où la définition suivante :
Une matrice B est dite congruente à la matrice A s'il existe une matrice non singulière R telle
que B = R'AR.
4.8 Dérivation d'une forme quadratique X'A X
Nous avons vu qu’une forme quadratique pouvait s’écrire comme
 a11 a12  a1n   x1 
n n a a22  a2 n   x2 
X’AX =   aij xi x j =  x1 x2  xn     .
21

i =1 j =1      
  
an1 an 2  ann   xn 
= a11x21 + 2a12x1x2 + 2a13x1x3 + ... + 2a1nx1xn + a22x22 + 2a23x2x3 + ... + 2a2nx2xn
+ a33x23 + ... + 2a3nx3xn .......................... + annx2n
(X AX)
Ainsi, = 2AX = 2X A .
X
Le choix entre les deux formules dépend du contexte dans lequel s'effectue la dérivation.
 x1   3 1 −2 
 
Exemple 4.7 : Soit X =  x2  et A =  1 0 3  .
 x3  −2 3 2 
Alors X’AX = 3x1² + 2xix2 + 6x2x3 − 4xix3 + 2x3³
On a :
(X AX)
= 6x1 + 2x2 − 4x3,
x1
(X AX)
= 2x1 + 6x3,
x 2
(X AX)
= 4x3 − 4x1 + 6x2
x3
 3x1 + x2 − 2 x3   3 1 −2   x1 
    
Donc, X’AX = 2  x1 + 3x3  = 2  1 0 3   x2  = 2AX.
 2 x1 + 3x2 + 2 x3  −2 3 2   x3 
 
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 111

Alternativement, on a :
(X AX) (X AX) (X AX)
= 6x1 + 2x2 − 4x3, = 2x1 + 6x3, = 4x3 − 4x1 + 6x2
x1 x 2 x3
(X AX)  X ' AX X ' AX X ' AX 
= 
X  x1 x2 x3 
= [6x1 + 2x2 − 4x3, 2x1 + 6x3, 4x3 − 4x1 + 6x2]
= 2[3x1 + x2 − 2x3, x1 + 3x3, 2x3 − 2x1 + 2x2]
 3 1 −2 
= 2  x1 x2 x3   1 0 3  = 2X’A
 
−2 3 2 
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 112

Chapitre Cinquième
MATRICES CARRÉES NON-NÉGATIVES

Dans ce chapitre, nous allons étudier des matrices dont les éléments sont tous non négatifs (un cas
précis est la matrice des coefficients techniques A ou [I − A]-1).
Une matrice carrée non - négative est celle dont chaque élément est supérieur ou égal à zéro. C'est donc une
matrice telle que aij  0. Si aij > 0, la matrice A est dite positive et l’on écrit A > 0.

5.1. Matrice bistochastique et Matrice de permutation

Une matrice P d’ordre n est dite bistochastique si ses coefficients pij vérifient :
a) pij  0, i, j
n
b)  pij = 1 , i
j =1
n
c) p
j =1
ij =1 j

0 0 10
1 0 00
La matrice P ci-après est une matrice bistochastique. P=  .
0 0 01
 
0 1 00
Cette matrice n’a qu’un coefficient égal à 1 dans chaque ligne et dans chaque colonne. Une telle matrice est
appelée « matrice de permutation » notée .
• Le produit de deux matrices bistochastiques est encore une matrice bistochastique
• Un vecteur ligne Pk d’une matrice bistochastique P a une norme Pk  1 . On a l’égalité si et seulement
si Pk est un vecteur unité k, c’est-à-dire une colonne de la matrice de Kronecker  avec ij = 1 si i  j et
ij = 0 si i = j.
• Si une matrice bistochastique P admet une matrice inverse P-1 et si P-1 est bistochastique, la matrice P
est une matrice de permutation.
• Le produit de deux matrices de permutation est encore une matrice de permutation. On peut le constater
sur l’exemple suivant.
• Exemple 5.1
0 0 1 0 1 0 0 0 0 1 0 0
1 0 0 0 0 0 0 1 1 0 0 0
  .  = .
0 0 0 1  0 1 0 0  0 0 1 0 
     
0 1 0 0  0 0 1 0  0 0 0 1 
• Une matrice de permutation  a un déterminant égal soit à +1, soit à –1. Elle admet pour matrice
inverse sa matrice adjointe ~ . On peut également le vérifier dans l’exemple suivant :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 113

Exemple 5.2
0 0 1 0 0 1 0 0 1 0 0 0
1 0 0 0 0 0 0 1 0 1 0 0
 . = .
0 0 0 1 1 0 0 0 0 0 1 0
     
0 1 0 0  0 0 1 0  0 0 0 1 
Exemple 5.3 : Les matrices ci-après sont des matrices de permutation.
0 0 1 0 0 1 0 0 1 0 0 0
1 0 0 0 0 0 0 1 0 1 0 0
 .  = .
0 0 0 1 1 0 0 0 0 0 1 0
     
0 1 0 0  0 0 1 0  0 0 0 1 
Pour n = 3, il existe 3 ! matrices de permutations, lesquelles s’obtiennent simplement en interchangeant les
lignes et les colonnes de la matrice unité I.
Voyons ce qui arrive lorsque nous multiplions ces matrices par une matrice quelconque A.
1 2 3  0 1 0 
Considérons la matrice A = 4 5 6 . Soit  = 1 0 0 , une matrice de permutation.
 
7 8 9 0 0 1

 1 2 3   1 2 3
A = 4 5 6 = 7 8 9 . Les lignes 2 et 3 ont été interchangées.
7 8 9 4 5 6

 1 2 3  1 3 2 
A’ = 7 8 9 = 7 9 8 . Cette opération a permuté les colonnes 2 et 3.
4 5 6 4 6 5
Procéder à une permutation des lignes de la matrice A revient à pré-multiplier la matrice considérée par une
matrice unité dans laquelle on a permuté de la même façon les lignes. De même, procéder à une
permutation des colonnes de A revient à post-multiplier A par la transposée de .

5.1.2 Matrices décomposables et indécomposables

Une matrice carrée A est dite décomposable si et seulement s'il existe une matrice de permutation
 telle que
 A11 A12
A’ =  
 0 A22
où A11 et A22 sont des matrices carrées pas nécessairement de même ordre et A12 est une matrice non
nécessairement carrée.
Si une telle matrice  n'existe pas, alors A sera dite indécomposable.

 A11 0
S'il existe une matrice de permutation  telle que A’ =  .
 0 A22
alors A sera dite complètement décomposable.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 114

 0 2 3
Exemple 5.4 : Soit la matrice A = 0 5 0 .
7 8 9
Utilisons les matrices de permutation de telle sorte que nous puissions en interchangeant les lignes et les
colonnes de A placer tous les zéros dans la case inférieure gauche. Etant donné que la ligne 2 contient deux
zéros, il suffit de permuter cette ligne avec la dernière.
 0 2 3   0 2 3
A = 0 5 0 = 7 8 9 .
7 8 9 0 5 0

 0 2 3  0 3 2 
 A11 A12
A’ = 7 8 9 = 7 9 8   .
0 5 0 0 0 5  0 A22

Donc A est décomposable.

 0 2 3
Par contre la matrice B = 4 5 6 est indécomposable. Nous pouvons en effet interchanger la ligne 1 et
7 8 9
la ligne 3 pour placer le zéro en bas de la matrice. Mais si nous interchangeons les colonnes 1 et 3, le zéro
passe dans la partie A22 ; ce qui ne satisfait pas la définition d’une matrice décomposable.

5.1.3 Matrices indécomposables non négatives

Soit A une matrice indécomposable de dimension n x n, où aij  0. Calculons ses valeurs propres.
Désignons par *(A) la racine propre dominante de A, c'est-à-dire celle ayant le plus grand module. Nous
l'appelons la racine de Frobenius. Nous pouvons alors énoncer le théorème de Frobenius ci-après :
Théorème de Frobenius - Perron
Si A est une matrice carrée non négative et indécomposable, alors :
1. La matrice A possède une valeur propre *(A) > 0.
2. A cette valeur propre dominante correspond un vecteur propre dominant X* > 0.
3. Si w est une valeur propre quelconque de A, w   * ( A) .
4. La valeur propre *(A) est une fonction croissante de la matrice A, c'est-à-dire si A1  A2  0 , alors
*(A1) > *(A2).
0 3
Exemple 5.5 : Soit la matrice A =  .
2 1
A  0 est indécomposable. Calculons ses valeurs propres. Nous aurons
PA() = 2 −  − 6 = ( − 3)(  + 2) = 0. Donc 1 = 3 et 2 = − 2.

La racine de Frobenius est *(A) = 1 = 3.

1
Calculons le vecteur propre associé à *(A) = 1 = 3. Il s’ensuit que X =   .
1
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 115

0 4
Augmentons la valeur de a12 par exemple et voyons ce qui arrive à *(A). Soit A2 =  .
2 1 
Alors PA2() = 2 −  − 8 = 0.
1 1
Donc *(A2) = (1 + 33) > *(A1) = (1 + 25)
2 2
3,375 > = 3.

5.1.4 Matrices carrées non négatives

Si A est une matrice carrée non négative (décomposable ou indécomposable), alors :
1. La matrice A possède une valeur propre *(A)  0.
2. A cette valeur propre dominante correspond un vecteur propre dominant X*  0.
3. Lorsqu'un élément de la matrice A augmente, la racine propre *(A) peut augmenter ou rester
inchangée.
1 0 0
Exemple 5.6 : Soit la matrice A = 1 3 2 . A est non négative et décomposable, la matrice  étant
1 0 2

0 0 1 
 = 0 1 0 .
1 0 0
Calculons les valeurs propres de A. Nous obtenons :PA() = (1 − ) (3 − )(2 − ) = 0.
Donc 1 = 1, 2 = 2 et 3 = 3. La racine de Frobenius est *(A) = 3 = 3.
2 0 0
Augmentons la valeur de l’élément a11, par exemple. A devient : A2 = 1 3 2 et l’équation
1 0 2
caractéristique est PA2() = (2 − ) (3 − ) (2 − ) = 0. Donc 1 = 2, 2 = 2 et 3 = 3. *(A2) = 3.

La racine de Frobenius est demeurée inchangée.

Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 116

DEUXIEME PARTIE
ANALYSE DYNAMIQUE

Le concept dynamique a plusieurs significations dans l'analyse économique. Ce terme se réfère au

type d'analyse dont l'objet est soit de tracer et d'étudier les sentiers temporels des variables, soit de
déterminer si, étant donné une période de temps suffisante, ces variables convergent vers certaines
variables d'équilibre.

Un trait saillant de l'analyse économique est de dater les variables. C'est ainsi que le temps joue un
rôle important en économie. Le temps peut se dérouler de façon continue; nous parlons, dans ce cas, des
intégrales et des équations différentielles. Mais on peut aussi décomposer le temps en un certain nombre de
périodes. On est alors en présence, d'un point de vue mathématique, d'équations aux différences (ou de
récurrence).

Considérer le temps comme une variable continue ou discrète est un choix qui est dicté par
la nature du problème à traiter. On considère le temps comme une variable discrète lorsque la
durée est importante et variable dans la réalisation des variables. On considère le temps comme
une variable continue lorsque les variables se réalisent ou sont mesurées à la fin d’intervalles de
temps fixés (paiement d’un intérêt, mesure du PIB etc.).

Le chapitre 6 est consacré au calcul intégral et le chapitre 7 aux équations différentielles, tandis
que les équations de récurrence (dites aussi équations aux différences finies) feront l'objet du chapitre 8.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 117

Chapitre Sixième
Eléments de Calcul intégral

Dans le calcul différentiel, le problème se pose de la manière suivante : étant donné une fonction
F(x), trouver sa dérivée, c’est-à-dire la fonction f(x) = F’(x). Ainsi par exemple, si F(x) = x², sa
différentielle est 2x dx.
Dans ce chapitre, nous effectuons l’opération inverse de la dérivation, c’est-à-dire que , en
partant d’une fonction f(x), nous remontons à une ou plusieurs autres fonctions dont la dérivée par
rapport à x est donnée par f(x). En nous référant à l’exemple plus haut, le problème se pose de la
manière suivante : étant donné f(x) = 2x, trouver F(x) telle que F’(x) = f(x) = 2x. (On verra que F(x)
= x²). On dira que F(x) est une primitive de la fonction f(x) pourvu que F’(x) = f(x).
L’intégration est donc une opération inverse de la dérivation. En sciences économiques,
l’intégration peut être utilisée pour trouver une fonction de coût total (ou de revenu total, de
consommation totale, d’épargne totale) lorsque la fonction de coût marginal (revenu marginal, de
consommation marginale, d’épargne totale) est donnée.
L’intégration peut aussi être définie comme l’opération consistant à trouver la surface sous
une courbe. En sciences économiques, le revenu total peut être évalué en tant qu’une surface sous la
courbe du revenu marginal, tandis que le surplus des producteurs et celui des consommateurs
peuvent être évalués en tant surfaces sous les courbes d’offre et de demande.
6.1 Intégrales indéfinies
6.1.1 Définition des intégrales non définies (indéfinies)
L’opération qui consiste à trouver une fonction F(x) dont on connaît la dérivée f(x) est
appelée intégration et la fonction obtenue F(x) est appelée « primitive » ou antidérivée de la
fonction f(x).
Nous écrivons
 f ( x) dx = F(x) + C (6.1)
relation dans laquelle C est une constante arbitraire, à la condition que F'(x) = f(x).
Le membre de gauche, qui est l’ensemble des primitives de f, se lit « l’intégrale non définie de f de
x par rapport à x ». Le symbole ∫ qui a la forme d'un S allongé est le signe d'intégration ou le
signe intégral et se lit « somme de ». » f(x) est la fonction à intégrer appelée aussi
« intégrande17 », et C est la constante d’intégration. La constante arbitraire C est utilisée pour
donner une formule généralisée, la dérivée de C étant nulle ; de ce fait, le résultat d'une dérivation
n'est pas modifié lorsqu'une constante est ajoutée à la fonction F(x).
L’intégrale indéfinie d’une fonction donnée n’est pas unique : par exemple, x², x² + 5,
x² – 4, x² – 11 sont des intégrales indéfinies de f(x) = dx car
d ( x ²) d d d
= ( x ² − 5) = ( x ² − 4) = ( x ² − 11) = 2 x
dx dx dx dx

17
Selon Dowling, E., Mathématiques pour l'Economiste, Cours et problèmes, 2ème édition, Mc
Graw-Hill., Série Schaum, Paris, 1995, p. 357.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 118

Toutes les intégrales indéfinies de f(x) = 2x sont décrites par x² + C où C est une constante arbitraire
dont la valeur peut être spécifiée moyennant une condition initiale (y = y0 quand x = 0) ou une
condition limitative (y = y0 quand x = x0).
Enfin, y = F(x) + C représente une famille de courbes parallèles dans la mesure où la pente de
la tangente à chacune d’elles en x est f(x).
Il découle de ce qui précède que :
1. Si l’on différentie l’intégrale indéfinie par rapport à x, on obtient la fonction à intégrer f(x). Si
F’(x) = f(x), alors
( f ( x) dx ) ' = (F(x) + C)’ =f(x) (6.2)
2. la différentielle d’une intégrale indéfinie est égale à l’expression sous le signe intégral, c’est-à-
dire :
d (  f ( x) dx) = f(x) dx (6.3)
3. L’intégrale indéfinie de la différentielle d’une certaine fonction est égale à la somme de cette
fonction et d’une constante arbitraire
 d F (x) = F(x) + C (6.4)
6.1.2 Les règles d’intégration
Les règles d'intégration sont identiques à celles de la dérivation, en particulier,
Règle 1. L’intégrale d’une constante k est
 k dx = kx + C
Règle 2. L’intégrale d’une fonction puissance xn, où n  –1, est donnée par
xn + 1
 x dx = +C, (n  –1)
n

n +1
Règle 3. L’intégrale de x–1 (ou 1/x) est
x
−1
dx = ln x + C , pour x > 0
Règle 4. L’intégrale d’une fonction exponentielle est
a kx
 a dx = +C
kx

k ln a
Règle 5. L’intégrale d’une fonction exponentielle naturelle est
e kx e kx
 e dx = +C= +C
kx

k ln e k
puisque ln e = 1.
Règle 6. L'intégrale du produit d'une fonction par une constante est égale au produit de l'intégrale de
ladite fonction par cette constante.
k f ( x) dx = k  f ( x) dx
Règle 7. L'intégrale de la somme algébrique de deux ou plusieurs fonctions est égale à la somme
algébrique de leurs intégrales
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 119

 f 1 ( x) + f 2 ( x) dx =  f1 ( x) dx + f 2 ( x) dx
Lorsque l’on calcule les intégrales indéfinies, il est parfois utile de se rappeler les règles suivantes. Si
 f ( x) dx = F(x) + C, alors :
1
Règle 8.  f (ax) dx = a F(ax) + C
Règle 9.  f ( x + b) dx = F ( x + b) + C
1
Règle 10.  f (ax + b) dx = a F (ax + b) + C
Exemple 6.1 :

1.  5 dx = 5 x + C (Règle 1)

x −2 + 1 1
2.  x − 2 dx = +C=− +C (Règle 2)
−2 +1 x
dx
3.  = ln x + 8 + C (Règle 3)
x+8
4.  e − x dx = = − e − x + C (Règle 5)
1 a 2v
5 a 2x
dx = +C (Règle 4)
2 ln a
 x3 + 5 x² − 4 
( )
  x² dx =  x + 5 − 4 x dx = x dx +  5 dx −  4 x dx
*2 −2

x² 4 x −2 + 1
=( ( + C1 ) + (5 x + C2 ) − ( + C3 )
2 −2 +1
= x²/2 + 5x + 4/x + C avec C = C1 + C2 + C3.
(Règles 1, 2, 6 et 7).
6.1.3 Méthodes spéciales d’intégration
Du fait que l’intégration est une opération inverse de la dérivation, on peut directement
intégrer une fonction donnée à partir du calcul différentiel. Cependant pour certaines autres fonctions,
l’intégration n’est pas aisée. Il est existe alors plusieurs méthodes qui nous permettent de nous en
tirer d’affaire.
La première étape dans l’intégration d’une expression donnée consiste tout d’abord à
comparer celle-ci avec les différentes règles d’intégration. Si une expression est identique ou
ressemble à quelque différence près à l'une des formes courantes, l’intégrale s’obtient aisément en
appliquant la règle s’y afférent. Dans le cas contraire, il faudra utiliser une autre méthode. Il existe en
effet plusieurs procédés d’intégration ; tout ne dépend que de la forme et du type de l’intégrale. Et
surtout, il faudra savoir qu’il n’y a pas de méthode générale pour intégrer. Comme l’a souligné
Quinet,18 je cite, « l’intégration est donc une méthode d’essais, d’essais variés, qui demande une part

18
Quinet, J., Cours élémentaire de Mathématiques supérieures, Tome 3, Dunod, Paris, 1964, pp.
7 – 8.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 120

active, dynamique de l’opérateur ; on y verra très souvent des transformations … extraordinaires et

des … astuces admirables, qui donnent à cette partie des mathématiques un attrait si grand … »
Nous débuterons cette section par les méthodes spéciales d’intégration qui sont considérées
comme des formes standard. Les plus simples d’entre elles sont obtenues directement à partir de la
dérivation. D’autres formes standard sont dérivées à partir d’une dérivation plus compliquée.
Lorsque la fonction ne peut être intégrée à l’aide d’une de formes standard, on appliquera les
procédés classiques d’intégration les plus utiles et les plus importants en commençant par le plus
simple, celui par lequel on doit toujours commencer lorsque l’on doit évaluer une intégrale. S’il ne
réussit pas, on en essaie un autre.
[Link] Formes standard d’intégration
Il est entendu que u = f(x) est une fonction différentiable de x.

un +1
1.  u n du = + C , n  -1
n +1
1
2.  du = ln u + C
u
3.  eu du = eu + C
au
4.  a du =
u
+C
ln a
5.  sin u du = − cos u + C

6.  cos u du = sin u + C
du 1 k +u
7.  k ² − u ² = 2k ln
k −u
+C, u² < k²

du 1 u−k
8.  = ln +C, u² > k²
u ² − k ² 2k u+k
du
9.  = ln u + u ²  k ² + C .
u²  k ²

10.  u ² + k ² du =
u
2
u² + k ² +
k²
2
(
ln u + u ² + k ² + C)
11.  u eu du = eu (u − 1) + C

12.  ln u du = u ln u − u + C = u (ln u − 1) + C

 ln u 1 
13.  u n ln u du = u n +1  − +C
 n + 1 (n + 1)² 
du
14.  = ln (ln u ) + C
u ln u
du
15.  = arc tg u + C
1 + u²
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 121

du 1 u
16.  k ² + u ² = k arc tg k + C
du
17.  (1 − u ² ) = arc sin u + C
du u
18.  k ² − u²
= arc sin + C
k

[Link] Méthode par substitution ou changement de variable

Si le calcul de l'intégrale n'est pas immédiat à l'aide des formules standard reprises ci-haut, on
recourt à une des méthodes d'essai, en commençant toujours par la plus simple, à savoir, la méthode
par changement de variable.
Cette méthode est la mieux indiquée si l’une des trois conditions suivantes est réunie :
- une partie de l’intégrale, sans tenir compte de l’exposant, a pour dérivée l’autre partie comme
dans l’exemple 6.2 ci-après :  12 x ²( x 3 + 2) dx .
- L’exposant d’une fonction exponentielle a pour dérivée la partie sous exponentielle par
exemple : 16 x3 e x dx .
4

- Le dénominateur, sans tenir compte de l’exposant, a pour dérivée le numérateur.

x4
Exemple :  dx .
( x 5 + 8)3

Le principe de la méthode est le suivant :

On divise la fonction à intégrer en deux parties ; on appelle u une partie de la fonction et l'on
calcule du. Mais il faut choisir convenablement ce qu'on appelle u de façon que, en calculant
du, on retrouve l'autre partie de l'intégrande, soit qu'on la retrouve exactement, soit qu'on la
trouve à un coefficient près, ou au signe près.

Exemple 6.2 : Soit à calculer  12 x ²( x 3 + 2) dx

Réponse :
On procède de la manière suivante :
a. rechercher une fonction adéquate u = g(x) et exprimer dx en du de sorte que F(u) sous le
signe intégral soit aussi simple que possible. Pour cela, il faut être sûr que le fonction à
du
intégrer peut être exprimée comme un multiple constant de u et . Quant à u, on choisit
dx
généralement la fonction dans laquelle la variable dépendante est élevée à la plus grande
puissance.
du du
En supposant u = x3 + 2, on fait = 3x² et dx = et puis l’on remplace u = x3 + 2 et dx
dx 3x ²
du
= dans la fonction à intégrer. Ce qui donne :
3x ²
du
12 x²( x + 2) dx = 12 x² u 3x² =  4u du = 4 u du
3
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 122

b. Intégrer ensuite F(u)du en utilisant les formules élémentaires.

 u² 
4 u du = 4  + C = 2u ² + C
2
c. Dans le résultat, remplacer u par g(x).
12 x²( x + 2) dx = 2u² + C.
3

Exemple 6.3 : Calculer  4 x( x + 1)3 dx

Réponse :
du
Soit u = (x + 1). Alors = 1 et dx = du. Après avoir remplacé u et dx dans l’équation à
dx
intégrer, nous obtenons :  4 x u 3 du = 4 x u 3 du.
Puisque x est un multiple variable qui ne peut être écartée, la fonction à intégrer ne peut pas être
du
transformée en un multiple constant de u. . Donc la méthode par changement de variable n’est
dx
pas appropriée ici. Il faut alors recourir à la méthode par parties.
[Link] Méthode par parties
Cette méthode est souvent utilisée pour intégrer une expression qui peut être mise sous forme
de produits de deux facteurs u et dv, tels que la recherche de la fonction v à partir de sa différentielle
dv et le calcul de l'intégrale  vdu constituent un problème plus simple que le calcul direct de

l'intégrale  udv .
Ce procédé s'applique pour intégrer :
a. le produit d'un polynôme en x par une exponentielle;
b. le produit d'un polynôme en x par un sinus ou un cosinus;
c. le produit d'un polynôme en x par un logarithme;
d. le produit d'une exponentielle par un sinus ou un cosinus.
La méthode par parties est dérivée en inversant le processus de différentiation d'un produit.
Soient deux fonctions de x, u(x) et v(x); on peut alors différentier le produit uv par rapport à
x. On aura dans ce cas:
d(uv) dv du
= u + v (6.5)
dx dx dx
Après intégration de deux membres de l'égalité, on obtient:
uv =  u dv +  v du (6.6)
que l'on peut ramener à

 u dv = uv −  v du (6.7a)
ou
 v du = uv −  u dv (6.7b)

C'est l'une de ces expressions que l'on appelle la formule d'intégration par parties.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 123

Le principe de la méthode est le suivant :

on remplace la fonction à intégrer par deux fonctions plus simples de x dont l'une, dv, est
facile à intégrer et dont l'autre, u, donne, par différentiation, une fonction plus simple. On
peut alors obtenir sans peine le produit uv.

L'utilité de cette formule dépend de l'habilité à choisir u et dv telles que  vdu et  dv puissent être
calculés même si  udv ne peut l'être.

Il se peut que  vdu soit plus facile à calculer que  udv . Si elle est plus difficile, il faut intervertir les
rôles de u et dv (dv devant toujours contenir dx), et recommencer le calcul. Si la nouvelle intégrale
est encore plus difficile, ce procédé ne s'applique alors pas.

Exemple 6.4 : Calculer  4 x( x + 1)3 dx .

Réponse :
a. Séparons la fonction à intégrer en deux parties . Soit u = 4x et dv = (x + 1)3dx.
du
Si u = 4x, alors = 4 et du = 4dx. Si dv = (x + 1)3dx, v =  ( x + 1)3 dx , qui peut être facilement
dx
( x + 1)3 + 1 1
intégrée. En effet, v =  ( x + 1)3 dx = = ( x + 1) 4 + C .
3 +1 4
b. Substituons les valeurs de u, v et du dans la formule d’intégration. Il vient :
 
 1 4  1
 u dv = uv −  v du   4ux (x+
1) dx = 4x  ( x + 1)  −  ( x + 1) 4 4
3
dx

dv  u 4 4 
  du
 v  v

1
 udv = x (x + 1)4 – 5 ( x + 1) + C .
5

NB. Il peut être nécessaire d’appliquer la formule d’intégration par partie plus d’une fois tel que dans
l’exemple ci-après :
 x ²e
−x
Exemple 6.5 : Calculer dx .
Réponse :
Posons u = x² et dv = e-x dv. Dans ce cas, du = 2x dx et v =  e − x dx = − e − x . L’expression à intégrer
devient :
 x ²e dx = x²(-e-x) –  − e − x 2 x dx = − x² e− x + 2 x e− x dx + C.
−x

  u

A dv

On pose encore u = x et dv = e dx  du = dx et v = − e-x.

-x

− x² e− x + 2 x e− x dx + C = A + 2[x ( − e-x) –  − e − x dx ] + C = A + 2 [ − x e-x +  e − x dx ] + C


  u

A dv

= − x²e-x + 2[ − xe-x + e-x] = –x²e-x – 2[xe-x – e-x] = − e-x(x² + 2x + 2) + C.

6.2 Intégrales définies
Toutes les intégrales étudiées jusqu’ici sont d’une variété indéfinie dans le sens que chacune
d’elles est une fonction d’une variable et, par conséquent, ne possède aucune valeur numérique
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 124

définie.
6.2.1 Définition
Considérons l'intégrale indéfinie de f(x) qui est continue. Nous avons par la relation (6.1) :
 f ( x) dx = F ( x) + C
Si nous choisissons deux valeurs quelconques de x sur l'intervalle [a, b] avec a < b et que
nous les substituons successivement dans le deuxième membre droit de l'équation, nous obtenons,
après avoir effectué la différence,
F(b) + C – [F(a) + C] = F(b) − F(a).
Nous obtenons ainsi une valeur numérique indépendante de la constante arbitraire C.
Cette valeur est appelée intégrale définie de f(x) entre a et b qui s'écrit :
b
a
f ( x) dx = F (b) − F (a) (6.8)
C’est la formule de Newton-Leibniz
Les nombres a et b sont appelés limites ou bornes respectivement inférieure et supérieure
d’intégration. Le segment [a, b] est le domaine ou l’intervalle d'intégration.

En introduisant pour la différence la notation F(b) – F(a) = F ( x)a , on peut mettre la formule (6.8)
b

sous la forme
f ( x) dx = F ( x)a
b

b
(6.9)
a

Par F ( x)a , on entend que l’on doit d’abord calculer l’intégrale indéfinie de y = f(x), c’est-à-
b

dire, F(x) + C, ensuite y substituer respectivement x = b et x = a et retrancher enfin la deuxième

valeur de la première (selon le théorème de calcul fondamental).

Le symbole b
a , ba ou ba indique qu’il faut remplacer x successivement par b et par a.
Exemple 6.6 : Calculer les intégrales définies des fonctions suivantes :
1. a
b
ke x dx = ke x   b
a
= k(eb – ea)

 1 
+ 2 x  dx = ln 1 + x + x² 0 =(ln 5 + 16) – (ln 1 + 0) = ln 5 + 16.
4

4
2.
0
1 + x 
6.2.2 Propriétés principales des intégrales définies
Ces propriétés que nous divisons en quatre groupes seront établies à partir de la formule de
b
Newton-Leibniz a
f ( x) dx = F (b) − F (a) .

Propriétés générales
1. La valeur de l’intégrale définie ne dépend pas de la désignation de la variable d’intégration, c’est-
à-dire que,
b b
a
f ( x) dx =  f (t ) dt
a
(6.10)
où x, t sont des lettres quelconques.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 125

 6x dx =  6t dt = 3x²0 = 3t ²0 = 48.

4 4 4 4
Exemple 6.7 :
0 0

2. La valeur de l'intégrale définie ayant ses bornes supérieure et inférieure identiques est nulle.
a
a
f(x) dx = F (a) − F (a) = 0 (6.11)

 (2x + 3) dx = ( x² + 3x
5
=0
5
Exemple 6.8 : 5
5

3. Si l’on intervertit les deux bornes d’une intégrale définie, elle prend la valeur opposée.
f(x) dx = F (a) − F (b) = − F (b) − F (a) = − f(x) dx
b b
a a
(6.12)
3
3 1  81 1
 2 x = x 4  = − = 40
3
Exemple 6.10 :
1 2 1 2 2
1
1 
1 1 81
Mais  2 x = x 4  = − = −40
3
3 2 3 2 2
4. Etant donné u(x) et v(x),
b b

 udv = uv ] a −  vdu
b
(6.12)
a a

5. Si x = g(t),
x2 t1

 f(x)dx =  f[g(t)]g (t)dt (6.13)

x1 t0

où t0, t1 sont les limites de variation de t telles que g(t0) = x0 et g(t1) = x1, les fonctions g et g' étant
d'habitude supposées continues sur [t0, t1].
Propriétés d’additivité
6. Fractionnement de l'intervalle. Si l’intervalle d’intégration [a, b] est divisé en un nombre fini
d’intervalles partiels, l’intégrale définie prise sur l’intervalle [a, b] est égale à la somme des
intégrales définies prises sur tous les intervalles partiels. Soit par exemple [a, b] = [a, c][c, b] où
a  c  b. Alors, en posant F’(x) = f(x), on obtient :
b c b
a
f ( x) dx = 
a
f ( x) dx +  c
f ( x) dx (6.14)

6 x dx =  6 x dx +  6 x dx = 3x²0 + 3x²3 = 27 + 21 = 48.

4 3 4

3 4
Exemple 6.11 :
0 0 3

Propriétés de Linéarité :
7. On peut faire sortir un facteur constant du signe de l’intégrale définie
k f ( x) dx = k  f ( x) dx = k F ( x)a = kF(b) − kF(a)
b b

b
(6.15)
a a
4
1 
x dx = (6) x²  = 3x²0 = 48 − 0 = 48.
4 4
 6 x dx = 6 
4
Exemple 6.12 :
0 0 2 0
8. L’intégrale définie d’une somme algébrique d’un nombre fini des fonctions continues est égale à la
somme algébrique des intégrales définies de ces fonctions.
b b b b
 [f(x) +
a
g(x) − h( x) ]dx =  a
f ( x) dx +  g ( x) dx −  h( x) dx
a a
(6.16)

Propriétés de Monotonie
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 126

9. Si la fonction sous le signe d’une intégrale définie est continue et non négative et que la borne
supérieure soit au moins égale à la borne inférieure, cette intégrale définie est, elle aussi, non
négative. En effet, soit f(x)  0 pour a  x  b, pour b  a, on a :
b
a
f ( x) dx = F (b) − F (a)  0 (6.17)
10. Etant donné une inégalité des fonctions continues, on peut l’intégrer membre à membre à
condition que la borne d’intégration supérieure soit plus grande que la borne inférieure.
Soit f(x)  g(x) pour a  x  b où les fonctions f(x) et g(x) sont continues sur le segment [a, b] ;
puisque g(x) – f(x)  0, on a :
b b b
a
[g(x) − f(x)] dx =  a
g ( x) dx − 
a
f ( x) dx  0 (6.18)
d’où :
b b
a
f ( x) dx   g ( x) dx
a
(6.19)
Remarque :
Il est important de souligner que lorsque l’on évalue une intégrale définie par la méthode de
changement de variable, il faudra tenir compte du fait qu’à cause de la substitution, les limites
d’intégration en termes de x peuvent être différentes de celles exprimées en termes de u.
2 3x²
Exemple 6.13 : Soit à évaluer  dx .
0 ( x + 1)²
3

Réponse :
Posons u = x3 + 1. Alors du/dx = 3x² et dx = du/3x². Notre intégrale définie devient, en
ignorant les limites d’intégration, :
3x ² 3x ² du du
 ( x3 + 1)² dx =  u ² . 3x² =  u ² =  u du = − u + C .
−2 −1

Remplaçons u par x3 + 1 et retenons les bornes initiales. Il vient :

 −1   −1 

2 3x ²
( x + 1)²
=  3
dx = − ( x 3 + 1) −1 
2
 −  3
1 8
 = − + 1 = .
 2 + 1  0 + 1
3 0
0 9 9
Mais comme u = x3 +1 et que les bornes supérieure et inférieure de x sont respectivement 0 et
2, celles de u sont u = [(0)3 + 1] = 1 et u = [(2)3 + 1] = 9. Alors :
9

 1   1 8
1 u du = − u 1 =  − 9  −  − 1  = 9 .
−2 −1 9

6.2.3 Intégrale définie comme surface sous une courbe

Considérons un problème qui consiste à calculer l’aire délimitée supérieurement par la courbe y =
f(x) et inférieurement par l’axe des abscisses, sur l’intervalle [a, b].
Commençons par diviser l’intervalle de a à b en n parties. Désignons les points a = x1, x2, …,
xn-1, …, xn = b et posons x2 – x1 = x1, x3 – x2 = x2, et, plus généralement. xi+1 – xi = xi pour i = 1,
2, …, n. Puisque chacun de ces intervalles représente une variation de x, nous pouvons les désigner
par x1, x2, …xn.
Construisons maintenant sur les sous-intervalles trois blocs rectangulaires tels que la hauteur
de chacun de ces blocs soit égale à la valeur de la fonction la plus élevée atteinte dans ce bloc. Pour le
premier rectangle, la hauteur est f(x1), tandis que la largeur est x1. Le ième bloc rectangulaire aura
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 127

une hauteur de f(xi) et une largeur de xi. Les aires de ces rectangles sont respectivement, f(x1)x1,
f(x2)x2,…, f(xi)xi. , …, f(xn)xn.

y f(x)

0 a=x1 x2 x3 x4 x5=b

Commençons par diviser l’intervalle de a à b en n parties. Désignons les points a = x1, x2, …,
xn-1, …, xn = b et posons x2 – x1 = x1, x3 – x2 = x2, et, plus généralement. xi+1 – xi = xi pour i = 1,
2, …, n. Puisque chacun de ces intervalles représente une variation de x, nous pouvons les désigner
par x1, x2, …xn.
Construisons maintenant sur les sous-intervalles trois blocs rectangulaires tels que la hauteur
de chacun de ces blocs soit égale à la valeur de la fonction la plus élevée atteinte dans ce bloc. Pour le
premier rectangle, la hauteur est f(x1), tandis que la largeur est x1. Le ième bloc rectangulaire aura
une hauteur de f(xi) et une largeur de xi. Les aires de ces rectangles sont respectivement, f(x1)x1,
f(x2)x2,…, f(xi)xi. , …, f(xn)xn.
Ainsi, l’aire totale A* de ces rectangles est la somme des f(xi)xi. que nous représentons par
n
A* = S n =  f ( xi )xi 19 (6.21)
i =1

Ceci n’est évidemment pas l’aire exacte sous la courbe, mais plutôt son approximation très grossière.
La différence entre A* et la vraie valeur de A est la portion non hachurée des blocs rectangulaires.
Cette approximation est d’autant meilleure que nous aurons des rectangles de plus en plus nombreux
dans l’intervalle [a, b], c’est-à-dire que n tendra vers l’infini. Notons que plus n tend vers l’infini,
plus le maximum de la différence entre deux points adjacents quelconques tend vers zéro.
A la limite, pour n → , nous aurons :
n
A= lim  f ( x )x
n ⎯max
⎯⎯ ⎯⎯→  i =1
i i (6.22)
x = 0i

pourvu que cette limite existe.

Nous poserons par définition :
n

 f ( x ) x
b

a
f ( x) dx = Aire A = lim
x → 0 i =1
i i (6.23)

C’est cette dernière expression que l’on appelle « intégrale définie ».

Dans le cas où l’intervalle de a à b est subdivisé en n parts égales correspondant à d’égales valeurs de

19
Ces sommes Sn sont dites « sommes de Riemann ou de Durboux » selon Archinard et Guerrien (1992),
p.197.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 128

b−a
x, x = , cette dernière formule appelée aussi formule des rectangles à cause de la forme des
n
blocs rectangulaires obtenus devient :
b−a n
  
b
a f ( x ) dx 
n
y1 + y 2 + ... + y n = x
i =1
yi (6.24)

où yi représente la valeur de la fonction y = f(x) au point i (i = 1, 2, …, n).

En prenant en compte la plus petite valeur de la fonction atteinte dans chacun des blocs
rectangulaires, la formule des rectangles s’écrit :
b−a n −1
  
b
a f ( x ) dx 
n
y 0 + y1 + ... + y n −1 = x
i =0
yi (6.25)

Pour mieux approcher la valeur de l’intégrale définie, on peut remplacer la courbe y = f(x) non plus
par une courbe en escalier comme le fait la formule des rectangles, mais bien par une ligne brisée
inscrite. On obtient alors une suite des trapèzes dont la surface totale est mesurée par la formule
b−a
1 n −1
1  1 n −1
1 
Sn = 2 0  i 2 n
y + y + y = x  2 0  yi + 2 yn 
y +

n i =1   i =1 
La formule des trapèzes est donc :

b−a  1 n −1

( ) 
b
a f ( x) dx 
n  2
y0 + y n +
i =1
yi 

(6.26)

Plus n est grand, plus petits seront les segments partiels x et plus précise sera l’approximation
fournie par cette méthode.
On pourra également approcher la vraie valeur de l’intégrale définie par la méthode de Simpson ci-
après :
x
 y0 + 4 y1 + 2 y2 + ... + 2 yn − 2 + 4 yn −1 + yn 
b
 a
f ( x) dx 
3
(6.27)

La formule des rectangles, la méthode des trapèzes, la formule de Simpson, sont considérées
comme des méthodes numériques de calcul des intégrales, méthodes qui seront approfondies
lors des travaux pratiques.

Exemples 6.14 : Evaluer l’intégrale de la fonction y = x(16 – x2)1/2 entre 2 et 4 si n = 4.

Solution : Si n = 4, x = (4 – 2)/4 = 0,5
i 0 1 2 3 4
xi 2 2,5 3 3,5 4
f(xi) = yi 6,93 7,81 7,94 6,78 0

Par la règle des rectangles, on a :

n
4−2
x 16 − x 2 dx  x  yi = 7,81 + 7,94 + 6,78 + 0 = 0,5[22,53] = 11,265
4
2
i =1 4
ou
n −1
4−2
x 16 − x 2 dx  x yi = 6,93 + 7,81 + 7,94 + 6,78 = 0,5[29,51] = 14,755
4
2
i =0 4
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 129

Par la formule des trapèzes on trouve :

1 n −1

x 16 − x 2 dx  x  (6,93 + 0) +  yi  = 0,5 0,5(6,93) + 22,53
4
2
2 i =1 
= 0,5 [3,465 + 22,53] = 0,5(25,995) = 12,997

La méthode de Simpson donne :

x
2 x 16 − x dx  3  y0 + 4( y1 + y3 ) + 2 y2 + y4  = 3 6,93 + 4(7,81 + 6,78) + 2(7,94) + 0
4
2 0,5

=
0,5
6,93 + 58,76 + 15,88 = 0,5 (81,57 ) = 13,60
3 3
Il est utile de noter que la mesure de la surface limitée par les courbes d’équation y = f(x) et y = g(x)
et par les droites d’équations x= a et x = b est donnée par :
b
a
[ g(x) − f(x)] dx

6.3 Intégrales impropres ou Intégrales généralisées20

6.3.1 Définition
b
En définissant l’intégrale définie  f ( x)dx , on supposait que :
a

1) l’intervalle d’intégration [a, b] était borné ;

2) la fonction à intégrer f(x) était définie et continue sur le segment [a, b]. Une telle intégrale est dite
propre (on omet généralement le mot « propre »).
Il arrive que l'une au moins des limites d'intégration soit une infinité ou que l'intégrande
possède un point de discontinuité soit à l'une des limites d'intégration, soit encore à une valeur sur
l’intervalle séparant a de b.
b
Ainsi, l'intégrale définie  f(x)dx est dite impropre si :
a

a. l'une au moins des limites ou bornes d'intégration est infinie: ou

b. la fonction f(x) possède un ou plusieurs points de discontinuité sur l'intervalle a  x  b.
Les intégrales impropres peuvent être définies comme des limites d'autres intégrales lorsque
la limite a et/ou la limite b tendent, selon le cas, soit vers l'infini, soit vers un point de discontinuité.
6.3.1 Cas où au moins l’une des bornes est indéfinie
Les intégrales définies de la forme
b + +

 f(x)dx, 
- a
f(x)dx ou 

f(x)dx (6.29)

c’est-à-dire dont la borne supérieure et/ou inférieure d’intégration est égale à l’infini, sont des
intégrales impropres car  n'est pas un nombre et ne peut donc être substitué pour x dans la fonction
F(x). Toutefois, elles peuvent être définies comme des limites d’autres intégrales.
Ainsi :
a. Si f(x) est une fonction continue sur l'intervalle a  x  u, on définit

20
Archinard et Guerrien, [Link]., p.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 130

+ u
 lim 
u
a
f ( x dx =
u →
a
f ( x) dx = lim F(x) ]
u →
a (6.30)

pourvu que cette limite existe.

b. Si la fonction f(x) est continue sur l'intervalle u'  x  b, on définit
b b
 lim 
b
−
f ( x dx =
u ' → −
u'
f ( x) dx = lim F(x) ]
u ' → −
u' (6.31)

pourvu que cette limite existe.

c. Si f(x) est une fonction continue sur l'intervalle u'  x  u, on définit

lim F ( x) + lim F ( x)

+ u a
 lim  f ( x) dx + lim  f ( x) dx =
u a
f ( x dx = a u' (6.32)
− a u'
u → u ' → − u → + u ' → −

pourvu que cette limite existe.

Si la limite dans chacun de ces trois cas existe, on dira que l'intégrale impropre converge et
que l'intégrale possède une valeur définie. Si la limite n'existe pas, l'intégrale impropre est dite
divergente.
+  dx
Exemples 6.14 : Evaluer  .
a x²
u
+ dx u  x −1   1 1 1
 lim  dx = lim   = lim  − +  = .
−2
= x
x² u →   − 1  u →  u a a
a a
u →
a

L’intégrale impropre converge et est égale à 1/a.

0
Exemple 6.15 : Evaluer 
−
e2 x dx
0 1 1 1 1 1
e
0
lim  ]u' = (1) − lim e2u ' = − 0 =
2x 0
dx = e2 x dx = lim 2 e
2x
− 2 u '→ − 2 2 2
u'
u ' → − u ' → −

1
L’intégrale impropre converge et a la valeur de .
2
6.3.2 Cas où f(x) est discontinue sur l'intervalle a  x  b
Une intégrale définie dont les bornes d’intégration sont finies peut aussi être impropre si la
fonction à intégrer devient infinie à l’intérieur de l’intervalle d’intégration. Pour évaluer cette
intégrale, on recourt également aux limites comme dans le paragraphe précédent.
27 −2
Exemple 6.16 : L’intégrale 
0
x 3
dx est impropre.
En effet, lorsque x approche de zéro par la droite (on écrit x→ 0+), x –2/3→  . On calcule :
27
3x 3  = 3 3 27 − 3 3 u' .
27 −2 27 1
0
x 3
dx = lim u '
u '→0+
x −2 / 3 dx = lim
0+
u '→
 u '
Quand u’ tend vers l’infini, l’intégrale converge vers 9.
Exemple 6.17 :
0 5 5
L’intégrale  dx est impropre car tend vers l’infini lorsque x approche de zéro vers la gauche
−1 x x
(on écrit x → 0-).
dx = lim 5 ln x−1 = 5 ln 0 − ln 1 = − 
0 5 u 5
On calcule :  dx = lim 
u
−1 x −1 x
u →0− u →0−
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 131

Il peut arriver que l’intégrande soit infinie non plus au point x = a ou x = b de l’intervalle,
mais dans l’intervalle même. Dans ce cas, on utilise la propriété de l’additivité des intégrales définies
et l’on décompose l’intégrale donnée en sous intégrales.
Supposons que f(x) tende vers l’infini au point x = p, avec p se situant sur l’intervalle [a, b] :
alors , en vertu de la propriété de l’additivité des intégrales définies, nous pouvons écrire :
b p b
a
f ( x) dx =  a
f ( x) dx +  f ( x) dx
p
(6.33)
b
L’intégrale a
f ( x)dx converge si et seulement si chacune des sous intégrales qui la composent
possède une limite.
Exemple 6.18 :
1
L’intégrale 
−1
x −3 dx est impropre parce que, lorsque x approche de zéro, lequel point se situe sur
l’intervalle d’intégration, x-3 →  . Dans ce cas, se basant sur la propriété de l’additivité des
intégrales définies, on évalue l’intégrale de la manière ci-après :
1 0 1
−1
x −3 dx = −1
x −3 dx +  x −3 dx
0

Ceci nous ramène au cas précédent. Dans le cas d’espèce, on a :

b
0 b 1   1 1 
 dx = lim  x −3 dx =
−3
x lim − x −2  = lim  − b −2 + (−1) −2  = −  .
−1
b→0−
−1
b→0− 2  −1 b→0−  2 2 
1
1 1 1   1 1 
 lim 
−3 −3
x dx = x dx = lim − x −2  = lim  − 1−2 + b −2  = +  .
0
a →0+
a
a →0+ 2  a b→0−  2 2 
On obtient une indétermination. On conclut que l’intégrale donnée ne converge pas.
6.4. Intégration partielle
Jusqu’ici, nous avons traité seulement de l’intégration des fonctions d’une seule variable. Il
est cependant possible de définir les intégrales des fonctions de deux ou plusieurs variables
indépendantes.
Supposons que nous avons Z = f(x, y) et que nous cherchons à obtenir deux fonctions F(x, y)
et G(x, y) telles que F x = f et G y = f . F et G peuvent s’obtenir par intégration de f par
rapport à x et y.
Ainsi,
F(x, y) + C =  f(x, y) dx et f(x, y) dy = G(x, y) + C.
Lorsque l’on intègre f par rapport à x, la variable y est considérée provisoirement comme une
constante et vice-versa.
Exemple 6.19 :

Soit Z = 5xy²+3x²y + y. Alors  (5 xy² + 3x ² y + y )dx = y ²  5 xdx + y  3x ² dx + y  dx

et  (5 xy² + 3x ² y + y )dy = x  5 y ² dy + 3x ²  ydy +  ydy

Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 132

6.5 Intégrales multiples

Supposons (x, y) continue dans A et considérons l’expression    f ( x, y ) dy  dx que

b g ( x)

a  f ( x) 
nous appelons « intégrale double » de la fonction f(x, y) sur A.
Pour calculer cette intégrale, on calcule d’abord l’intégrale entre parenthèses, l’intégration
étant faite par rapport à y et la variable x étant considéré comme constant. On trouve après
intégration une fonction continue de x :
g ( x)
  ( x) =  f ( x)
f ( x, y )dy (6.40)

Intégrons maintenons cette dernière par rapport à x entre les limites a et b. On a :

b
I=   ( x) dx
a
(6.41)
1
 x ² ( x ² + y ²) dy  dx
Exemple 6.20 : Calculer l’intégrale double 
0  0 
Réponse :
Calculons d’abord l’intégrale entre parenthèses :
1x ²
 y 3  ( x ²)3 x6
  ( x) = 
x²
( x ² + y ²) dy =  x ² y +  = x ² x ² + = x4 +
0
 5  0 5 3
Intégrons ensuite la fonction obtenue de 0 à 1 :
1
1  4 x6   x 5 x 7  1 1 26
0
 x +  dx =  +  = +
 3
=
 5 21  0 5 21 105
.

Le domaine d’intégration A est celui limité par les courbes y = 0, x = 0, y = x² et x = 1.

Il est à noter que si l’on intervertit l’ordre d’intégration, il faudra en définir de nouvelles limites.
Ainsi :

   f ( x, y ) dy  dx    b f ( x, y ) dx  dy .
b g ( x) g ( x)

a f ( x)  f ( x )  a 
6.4. Intégration des fonctions vectorielles et matricielles

 f1 ( x )   a11 ( x ) a12 ( x )  a1n ( x ) 

 f ( x )  a (x ) a (x )  a (x ) 
Considérons le vecteur F(x) =  2  et la matrice A(x) = [aij(x)] = 
21 22 2n ,
        
   
 f n ( x ) am1 ( x ) am2 ( x )  amn ( x )
supposés continus en x = x0 ou dans un intervalle réel a < x < b.
 b f ( x ) dx 
 a 1 
 b f ( x ) dx 
L’intégrale entre a et b de F(x) et de A(x) est respectivement définie par :  f ( x)dx =  a 2
b

a
  
 x f ( x ) dx 
 x0 n 

et
a  a
b
ij  a

( x) dx =   aij ( x) dx  .
b


 
Propriétés :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 133

x x x
a.   A(u)du =  A(u)du +  A(u)du ,  et   [a, b]
x x x
b.  A(u) +  B(u)du =   A(u) du + µ  B(u) du  et µ 
  

cela suppose que A et B sont de même format.

x  x
c.  A(u) B'(u) du = A(u) B (u)  –  A'(u) B(u) du
 

cela suppose que le produit AB existe et que A’(x) et B’(x) sont définies

Tandis que l’intégrale de 0 à 1 est une fonction vectorielle définie pour tout x par
 
 1
 
 0
4 x ³ dx 
  1

 ( 2 x ² + 3 x ) dx  =  2 + 3 
1

 0
1
0 f ( x ) dx =
  3 2 
 1
2e dx   2 (e 3 − 1)
 0
3x
  
3
Exemple 6.2 :
3x ² e4 x 
Soit la fonction matricielle A définie pour tout x par A(x) =  2x 
, trouver alors
5x ³ 3e 

 a 
b
ij ( x) dx .
a

Réponse :
 1 4 
3 4 (e − 1)
1
 
0 aij ( x) dx =  3 2 
5 (e − 1)
 2 
6.5. Application économiques des intégrales
6.5.1 Applications économiques des intégrales indéfinies
En Sciences Economiques, la variation d'une quantité y par rapport à une autre quantité x est
souvent présentée en termes de deux concepts : variation moyenne et variation marginale. Si la
variation marginale peut être obtenue en dérivant une fonction, la fonction totale elle-même est
obtenue en intégrant sa variation marginale. Cette application économique de l'intégrale indéfinie
sera illustrée pour les fonctions de coût, revenu et consommation.
Coût marginal, coût total, coût moyen
Du fait que le coût marginal est obtenu en dérivant le coût total par rapport à la quantité
dC
produite, c’est-à-dire Cm' = , nous avons : CT =  Cm dQ .
dQ
Ainsi, le coût total (CT) n’est rien d’autre que l’intégrale du coût marginal par rapport à la quantité
produite Q.
C
On obtiendra la coût moyen en rapportant le coût total à la quantité (CM = ).
Q
Exemple 6.23 :
Si pour un certain bien, la fonction de coût marginal est C' = 1 + 2Q + 6Q², la fonction de
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 134

coût total sachant que C(0) = 100 est obtenue en intégrant C'. On obtient dans ce cas :
CT =  (1 + 2Q + 6Q ²) dQ = Q + Q² + 2Q3 + C.
C est une constante arbitraire à définir moyennant une condition initiale, laquelle est souvent
spécifiée en termes de coût fixe.
Substituant q par 0, on obtient C(0) = C = 100. D’où l’on tire C = 100.
La fonction de coût total est donc : CT = Q + Q² + 2Q3 + 100.
La fonction de coût moyen est : CM = C/Q = = 1 + Q + 2Q² + 100/Q.
Revenu marginal, Revenu total, Revenu moyen
De même, on peut calculer par une intégrale le revenu total, la consommation totale ou
l'épargne totale en intégrant respectivement le revenu marginal, la consommation marginale (la
propension marginale à consommer, PmC) ou l'épargne marginale (la propension marginale à
épargner, PmS).
Investissement net.
Par définition, l'investissement net I est le taux de variation du stock de capital K au fil du
dK (t )
temps t. Si le processus de formation de capital est continu, I(t) = = K ' (t ) . On peut alors
dt
déduire du niveau d'investissement celui du stock de capital. C'est l'intégrale de l'investissement net
par rapport au temps. Nous écrivons :

K =  I (t )dt = K (t ) + C = K (t ) + K 0
où C = stock de capital initial K0.
Exemple 6.24 :
Le niveau de l'investissement net est I = 60 t1/3 et le stock de capital en t = 1 est de 85.
Trouver la fonction du capital K.
1 1
Solution : K =  60 t 3 dt = 45 t 3
+C
Si t = 1 et K = 85, on a : 85 = 45(1) + C et C = 40. Donc, K = 45t4/3 + 40.
6.5.2 Applications économiques des intégrales définies
Les applications économiques de l'intégrale définie sont nombreuses notamment dans la
détermination du surplus des consommateurs, du surplus des producteurs, de la valeur actuelle de
flux de liquidité et de l'accumulation du capital au cours d'un intervalle de temps donné.
Surplus des Consommateurs
Une fonction de demande P = f(Q) représente les différents prix que les consommateurs sont
prêts à payer pour différentes quantités d'un bien. Soit P0, ce prix du marché. A ce prix de marché P0,
Q0 unités sont vendues. Dans ces conditions les acheteurs qui auraient accepté de payer plus que P0
obtiennent un avantage, du fait que le prix est limité à P0, par rapport à ce qu'ils auraient payé dans un
marché de parfaite discrimination. L'avantage total des consommateurs est qualifié de surplus des
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 135

consommateurs. En termes mathématiques, il a pour expression

Q0

Surplus des Consommateurs (SC) = 

0
f(Q)dQ − Q0 P0 (6.42)

C'est l'aire sous la courbe de demande, diminuée du revenu total.

(0, m0)
p = f(q)  q = g(p)

p0 (q0, p0)

0 q0 q

En prenant la fonction de demande inverse Qd = g(P), le surplus des Consommateurs s'évalue par
m0
SC =  g(p)dP (6.43)
P0

où m0 est la valeur de P = f(Q) si Q = 0.

Exemple 6.25
Soit la fonction de demande P = 9 − Q . Si la quantité d’équilibre est égale à 5, le surplus des
consommateurs (S.C.) peut être évalué comme suit :
Pour Q0 = 5, on a : P0 = 9 − 5 = [Link] :

 (9 − Q ) dQ − (2)(5) = − 3 + 18 − 10 = 3
5 16 8
S.C. = (Première méthode)
0

On sait aussi que si P = 9 − Q , c’est que Q = 9 – P2. Donc, si Q = 0, m0 = P = 3. Ainsi, en se

référant à la fonction de demande inverse, le S.C.s’évalue aussi comme suit :
3
 P3 
( )
m0 3  8 8
 g ( P) dP = 9 − P dP = 9 P −  = (27 − 9) − 18 −  =
2
S. C. =
P0 2
 3 2  3 3
Surplus des Producteurs
Une fonction d'offre représente les prix auxquels différentes quantités d'un bien seront
offertes. Si le marché est en équilibre au point (Q0, P0), les producteurs qui seraient prêts à exiger un
prix inférieur à P0 obtiennent un avantage. Le gain total des producteurs est qualifié de surplus des
producteurs et s'exprime en termes mathématiques comme suit :
q0
S.P. = Q0 P0 −  f (Q)dQ (6.44)
0
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 136

ou, dans le cas d'une fonction d'offre inverse de la forme Qs = g(P),

p0
S .P. =  g ( P)dP (6.45)
m0

p = f(q)  q = g(p)

p0
(q0, p0)

(0, m0)

0 q0 q

Exemple 6.26 :
Si P = (Q + 2)² et que le prix d'équilibre P0 est 25, le surplus des producteurs s'évalue comme
suit :
Q0 3

3
1
S.P. = Q0 P0 − 
0
f(Q)dQ = (3)( 25) −  (Q + 2)2 ) dQ = 75 − (Q + 2 )3 = 36
0
3 0
ou
25
 12   3 
 2 P − 2  dP = 2 P 2 − 2 = 108 = 36.
P0 25
S .P =  g ( P) dP =      4 3
 
m0 4

La valeur actuelle de flux de liquidité

Soit P = Sert, la valeur actuelle d'une somme d'argent à recevoir dans le futur quand le taux
d'intérêt est composé de façon continue. La valeur actuelle d'un flux de revenu futur (une somme
d'argent à recevoir chaque année pendant n années) est donc donnée par l'intégrale
n
n  1  S
n
P n = 0 Se dt = S 0 e dt = S − − rt  = 1 − e
− rt − rt
− rn
( ) (6.46)
 e 0 r
Exemple 6.27 :
La valeur actuelle de 1.000 fr à payer chaque année pendant trois ans, quand le taux d'intérêt,
égal à 5 %, est composé de façon continue, est obtenue comme suit :
3 3
Pn = 0 1000e dt = 1000 e −(0,05)(3) dt
−( 0, 05)( 3)
0
3
 1 
= 1000 − −0,15  = 1000 (1 − e −0,15 ) = 20000 (1 − 0,8607) = 2870 F
 e 0 0,05
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 137

Chapitre Septième
LES EQUATIONS DIFFERENTIELLES

7.1 Définition et classification des équations différentielles

On appelle équation différentielle toute équation établissant une relation entre la variable
indépendante x, la fonction inconnue y = f(x) et ses dérivées y', y", ..., y(n). Symboliquement, elle se
présente sous la forme suivante :
F (x, y, y', y", ... , y(n)) = 0 (forme implicite) (7.1a)
ou
y(n) = f(x, y, y’, …y(n-1)) (forme explicite) (7.1b)
D'une manière générale, toute équation contenant au moins une dérivée est une équation
différentielle.
On classifie les équations différentielles suivant le nombre de variables indépendantes contenues
dans ces équations, l'ordre de la dérivée la plus élevée, le degré et la manière dont la variable dépendante et
ses dérivées apparaissent dans les termes d'une telle équation.
Une équation différentielle contenant les dérivées ordinaires d'une ou plusieurs variables
dépendantes par rapport à une seule variable indépendante est appelée équation différentielle ordinaire.
Si l'équation différentielle contient les dérivées partielles d'une ou de plusieurs variables dépendantes par
rapport à plus d'une variable indépendante, on parlera d'une équation différentielle partielle ou d'une
équation aux dérivées partielles.
L'ordre d'une équation différentielle est l'ordre de la plus haute dérivée contenue dans cette
équation.
On appelle degré d'une équation différentielle la puissance de la dérivée d'ordre maximum.
Une équation différentielle F(x, y, y’, y’’, ... , y(n)) = 0 est dite linéaire si son premier membre est
un polynôme de premier degré par rapport à la fonction inconnue y et ses dérivées y', y", ..., y(n) et ne
comprend pas de leurs produits, c'est-à-dire si cette équation est de la forme suivante:
n n -1
d y d y dy
a0 ( x ) n
+ a1 ( x ) n -1
+ ... + a n - 1 ( x) + a n ( x) y = f(x). (7.2)
dx dx dx

Les fonctions a0(x), a1(x), ... , an(x) généralement définies et continues sur un certain intervalle
commun sont appelées coefficients de l'équation linéaire, alors que la fonction f(x) porte le nom de second
membre de cette équation. Si le second membre f(x) d'une équation linéaire est identiquement égal à zéro, on
dit que cette équation est homogène ou sans second membre; dans le cas contraire, elle est dite non
homogène ou avec second membre.
Une équation différentielle ordinaire non linéaire est une équation différentielle ordinaire qui n'est
pas linéaire.
Exemple 7.1 : Déterminer l'ordre et le degré des équations différentielles suivantes. Dire si elles sont
ordinaires, partielles, linéaires ou non linéaires.
dy
1) = 2x
dx
2) x dy – y dx = 0
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 138

2
2
d y  dy 
3) +   + y=0
dx
2  dx 
2
 3 u   u 
3

4)  3  + u 2   − x 2 u − 15 = 0
x   x 
2
3
d z  d2 z  dz
5) + x  2  − xz + 10 = 0
 dx 
3
dx dx
 y
3
y
6) + xy − 3 u 4 = 0
x 3
u
2
d y dy
7) 2
+ 5 + 6y = 0
dx dx
4 3
d y 2 d y dy
8) 4
+ x 3
− x3 = xex
dx dx dx
2
d y dy
9) 2
+ 5 + 6y 2 = 0
dx dx
3
2
d y  dy 
10) + 5   + 6y = 0
dx
2  dx 
2
d y dy
11) 2
+ 5y + 6y = 0
dx dx

Réponse :
Equations Ordinaire (O) ou Partielle (P) Ordre Degré Linéaire (L) ou Non linéaire (NL)
1 O 1 1 L
2 O 1 1 L
3 O 2 1 NL
4 P 3 2 NL
5 O 3 1 NL
6 P 3 1 NL
7 O 2 1 L
8 O 4 1 L
9 O 2 1 NL
10 O 2 1 NL
11 O 2 1 NL

7.2 Solution ou intégrale des équations différentielles

On appelle solution ou intégrale d'une équation différentielle ordinaire une fonction ne contenant
pas de dérivées ni des différentielles et vérifiant identiquement cette équation pour toutes les valeurs de la
ou des variables indépendantes de l’intervalle. Cette solution peut être générale si les constantes ne sont
pas définies ou spécifiques ou encore définies si ces dernières le sont moyennant les conditions initiales
(du type y = y0 quand x = 0) ou limitatives (du type y = y0 quand x = x0).
Résoudre ou intégrer une équation différentielle consiste à :
- chercher sa solution générale ou son intégrale générale (si les conditions initiales ou limitatives ne
sont pas données) ou
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 139

- chercher la solution spécifique satisfaisant aux conditions initiales ou limitatives, s'il y en a.

Une équation différentielle d'ordre n peut avoir une solution générale écrite sous la forme implicite ou sous
la forme explicite.
La fonction f définie pour tout réel x par f(x) = 2sin x + 3cos x est une solution explicite de l’équation
d2y
différentielle + y = 0 pour tout x.
dx 2
En effet, f’ = 2 cos x – 3 sin x et f’’(x) ) = 2 sin x – 3 cos x. Par substitution, on a :
(–2 sin x – 3 cos x) + (2sin x + 3 cos x) = 0 pour tout réel x.
dy
La relation x2 + y2 – 25 = 0 est une solution implicite de l’équation différentielle x + y = 0 sur
dx
l’intervalle I défini par –5 < x < 5. Ladite relation définit les deux fonctions réelles f1 et f2 données par :

f1(x) = 25 − x 2

fé(x) = – 25 − x 2
respectivement pour tout x réel appartenant à I et ces deux équations sont des solutions explicites de
l’équation différentielle donnée.
Si une équation différentielle peut s'écrire sous la forme
n
d y
n
= f(x) (7.3)
dx
sa solution générale est obtenue par intégrations successives n fois.
Exemple 7.2a : Trouvez la solution générale des équations différentielles
2
dy d y 1
a) = cos x + 2x b) 2
= 20x 3 − 2
dx dx x
Solution :
x2
a) y =  (cos x + 2 x ) dx =  cos xdx +  2 x dx = sin x + C1 + 2
2
+ C2

= sin x + x2 + C où C = C1 + C2.
dy  1  1
b) =   20 x 3 − 2  dx = 5x4 + + C1
dx  x  x
 1 
y =   5 x 4 + + C1  dx = x5 + ln x + C1x + C2
 x 
Notons que la constante arbitraire peut revêtir plusieurs formes notamment C, 2C, C², C , eC, ln C. Aussi
longtemps que la constante arbitraire C n'est pas définie, sa forme n'a aucune signification réelle ; elle peut,
par conséquent, être écrite le plus simplement possible.
2
 dy  dy
Exemple 7.2b Montrer que y = 2Cx + C est une solution de   + 8 x 3
2 2
= 16 x 2 y et trouver
 dx  dx
une solution particulière qui satisfait la condition y = − 1 quand x = 1.

Solution :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 140

dy
Si y = 2Cx2 + C2, = 4cx . En substituant, on a : 16c 2 x 2 + 8 x 3 (4Cx) = 16c 2 (2cx 2 + C 2 )
dx   
2 2
 dy  3  dy 
16 x y
  + 8x  
 dx   dx 

Si x = 1 et y = − 1, on a − 1 = 2C + C2 ou C2 + 2C + 1 = (C +1)2 = 0. Donc C = − 1.
La solution particulière est : y = 1 − 2x2.
d 2 y dy
x -2x
Exemple 7.2c Montrer que y = C1e + C2e est une solution de + − 2 y = 0 et trouver une
dx 2 dx
dy
solution particulière qui satisfait la condition y = = 1 quand x = 0.
dx
Solution :
dy d2y
Si y = C1ex + C2e-2x, = C1e x − 2C 2 e − 2 x et = C1e x + 4C 2 e −2 x En substituant, on a :
dx dx 2
C1e x + 4C 2 e −2 x + C1e x − 2C 2 e −2 x − 2C1e x − 2C 2 e −2 x = 0
 C + C2 = 1
Si y = y’ = 1 lorsque x = 0, alors on a :  1  C2 = 0 et C1 = 1.
C1 − 2C 2 = 1
D’où la solution particulière : Y = ex.

7.3 Equations différentielles du premier ordre et du premier degré.

Une équation différentielle du premier ordre et du premier degré peut s'écrire de la manière
suivante :
dy
F(x, y, )=0 (7.4)
dx
Lorsque cette équation est résolue par rapport à dérivée y', on peut la mettre sous la forme
dy
= f(x, y) (7.5)
dx
Si f(x, y) est une constante ou une fonction de x uniquement, l'équation différentielle est résolue
par les habituelles règles d'intégration; mais si f(x, y) est une fonction à la fois de x et y, il y a des méthodes
appropriées que nous verrons dans les lignes qui suivent.
Une autre forme fréquemment utilisée pour représenter les équations différentielles du premier
ordre et du premier degré est :
M(x, y) dx + N(x, y) dy = 0 (7.6a)
ou
M(x, y) + N(x, y) y’ = 0 (7.6b)
M(x, y) et N(x, y) étant des fonctions connues.
Cette dernière forme est plus commode en ce que les variables x et y y sont équivalentes, c’est-à-
dire que chacune d’elles peut être considérée comme fonction de l’autre.
Il est utile de savoir qu'une équation écrite sous une forme donnée peut toujours être mise sous une
autre forme. Ainsi l'équation différentielle
dy x 2 + y 2
= (7.7)
dx x− y
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 141

qui est de la forme (7.7) peut aussi s'écrire comme (x² + y²) dx + (y – x) dy = 0.
De même l'équation (sin x + y) dx + (x + 3y) dy = 0 lorsqu'elle est résoluble en y' devient
dy  sin x + y 
= −   .
dx  x + 3y 
Soulignons enfin qu'il n'y a pas de méthode générale pour l'intégration des équations différentielles
du premier ordre. On ne considère généralement que certains types de telles équations et on propose pour
chacun d'eux son propre procédé d'intégration. Les principaux types d'équations différentielles du premier
ordre sont : les équations différentielles à variables séparées et séparables, les équations différentielles
homogènes, les équations différentielles exactes (dites aussi équations aux différentielles totales) et les
équations différentielles linéaires.

7.3.1 Equations différentielles à variables séparées et séparables

Nous avons vu que les équations différentielles du premier ordre et du premier degré sont souvent
écrites de la manière ci-après :
M(x, y) dx + N(x, y) dy = 0 (7.8)
Si M est une fonction dépendant uniquement de x et N est une fonction dépendant uniquement de y, alors
les variables sont dites séparées. L'équation différentielle sera écrite comme suit:
M(x) dx + N(y) dy = 0 (7.9)
L'équation à variables séparées (7.9) sera résolue en intégrant chaque terme. On obtient dans ce cas :
 M(x) dx +  N(y) dy = C (7.10)
Une équation de la forme
M1(x) N1(y) dx + M2(x) N2(y) dy = 0 (7.11)
est appelée Equation à variables séparables.
On peut transformer celle-ci en vue d'obtenir une équation à variables séparées. Il suffira, pour
cela, de diviser les deux membres de l'équation (7.6) par le produit N1(y) M2(x) pourvu que ce dernier ne
soit pas nul, c'est-à-dire, prendre :

 M 1 (x) N 1 (y)   M 2 (x) N 2 (y)

  dx +   dy = 0 (7.12)
 N 1 (y) M 2 (x)  N 1 (y) M 2 (x) 

Ce qui donne :
 M 1 (x)   N 2 (y)
  dx +   dy = 0 (7.12a)
 M 2 (x)  N 1 (y) 

On voit que (7.12a) a la même forme que la relation (7.9).

dy y dy
Exemples 7.3 : Résoudre a) = − et b) (1 + x²) + xy = 0
dx x dx
Solution :
dy y dy dx
a) S’agissant de l’équation = − , séparons les variables pour obtenir =−
dx x y x
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 142

Après intégration de deux membres, nous trouvons

dy dx
 y = −  x +C
ln y = – ln x + ln C
C
ln y = ln
x
C
ln
e =e
ln y x

C
y=
x
Nous avons désigné la constante arbitraire par ln C. Ce qui est légitime car ln C, lorsque C  0,
peut prendre n'importe quelle valeur de –  à +.
dy
b) L’équation (1 + x²) + xy = 0 peut encore s’écrire comme : (1 + x²) dy + xy dx = 0
dx
Séparons les variables en divisant les deux membres par (1 + x²)y. On obtient alors
x 1
2
dx + dy = 0
1+ x y
Après intégration des deux membres, on a successivement :
x dy
 1 + x 2 dx +  y = C
1
ln ( 1+ x 2 ) + ln y = C
2

( )
ln y. (1 + x 2 ) = ln C  e
ln( y. 1+ x2 )
= e ln C  y . 1 + x 2 = C
C
y=
1+ x2

Exemple 7.4 :
La relation entre le profit net (P) et les dépenses publicitaires (X) est telle que le taux
d'accroissement du profit net lorsque les dépenses publicitaires augmentent est proportionnel à une
constante moins le profit net. Trouver la relation entre le profit net et les dépenses publicitaires si P
= P0 quand x = 0.
Solution :
dP
Ce problème peut être formulé comme suit : = k (a − P)
dx
Séparons les variables en divisant les deux membres par (a – P), puis en multipliant le résultat
par dx. Nous on obtenons alors une équation différentielle d’ordre 1 à variables séparées :
dP
= kdx .
a−P
a
Après intégration des deux membres, on a successivement : a
dP
 a − P = k  dx + C P0
–ln (a – P) = kx + C 0
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 143

ln (a – P) = – kx + C (car –C est toujours une constance C).

En faisant intervenir le logarithme népérien e, cette dernière devient :
eln (a – P) = e- kx + C ou (a – P) = C e- kx
P = a – C e- kx (Solution générale)
Si a = 0, P = P0. La solution générale devient P0 = a – C e0. D’où, C = a – P0.
La solution définie est donc : P = a – (a – P0) C e- kx.
7.3.2 Equations différentielles homogènes.
Rappelons que la fonction F(x, y) est dite homogène de degré n par rapport aux variables x et y si,
pour tout k, on a:
F(kx, ky) = kn F(x, y) (7.13)
où k est une constante quelconque.
Ceci veut dire qu'en remplaçant dans F(x, y) x et y par kx et ky respectivement, on retrouve
l'expression de départ F(x, y) après avoir mis kn en évidence.

Exemple 7.5 : F(x, y) = 3

x 3 + y 3 est homogène de degré 1,

car F(kx, ky) = 3 (kx)3 + (ky)3 = 3 k 3 (x 3 + y 3 ) = k 3 x 3 + y 3 = k1 F(x, y).

( )
Exemple 7.6 : La fonction F(x, y) = y + x 2 + y 2 − x est homogène de degré 1 car

F(kx, ky) = ky + (kx)2 + (ky)2 − kx = k(y + x 2 + y 2 − x) = k1 F(x, y)

Exemple 7.7 : La fonction F(x, y) = xy – y² est homogène du second degré.

En effet, F(kx, ky) = (kx)(ky) – (ky)² = k² xy – k²y² = k²(xy – y²) = k²(F(x, y)
L'équation différentielle du premier ordre M(x, y) dx + N(x, y) dy = 0 est dite aussi homogène si, lorsque
résoluble en y', il existe une fonction R telle que f(x, y) puisse s'écrire comme une fonction dépendant du
 y
quotient   .
x

Exemple 7.8 : l'équation différentielle (x² – 3y²) dx + 2xy dy = 0 est homogène. En effet, lorsqu'elle est
dy 3y 2 − x 2
résoluble par rapport à la dérivée y', elle devient = .
dx 2xy
 
3y 2 − x 2 3y x 3  y  1  1 
Observons que le membre droit peut s'écrire comme = − =  −
2xy 2x 2y 2  x  2  y 
 
x
 
dy 3  y  1  1 
Il s’ensuit que =  − . On voit bien que le membre droit est une fonction dépendant du
dx 2  x  2  y 
 
x
 y
quotient   .
x
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 144

De même, l'équation différentielle ( y +  )

x 2 + y 2 dx − x dy de l'exemple (7.6) est homogène

dy y + (x 2 + y 2 )
car, lorsque résoluble en y', elle devient = . Le membre droit de cette dernière peut,
dx x
y (x 2 + y 2 ) y  y
selon le signe de x, s'écrire comme  ou  1 +   . C'est donc de la forme
x x 2 x  x
dy  y
= R 
dx x
Supposons maintenant que les fonctions M et N de l'équation différentielle M(x, y) dx + N(x, y) dy = 0
soient toutes les deux homogènes de même degré n. Dans ce cas, puisque M(kx, ky) = knM(x, y), en
n
1 1 1  1
posant k = , nous avons : M  . x, . y  =   M(x, y) .
x x x   x
n
 y 1
Cette expression peut simplement s'écrire comme suit : M 1,  =   M(x, y) .
 x  x
-n
1  y
Il s'ensuit que M(x, y) =   M 1, .
 x  x
-n
1  y
De la même manière, nous obtenons N(x, y) =   N 1,  .
 x  x
Si l'équation différentielle (7.8) supposée à présent homogène est mise sous la forme :
dy M(x, y)
=− , (7.14)
dx N(x, y)
nous obtenons :
−n
1  y  y
  M 1,  M 1, 
=  − n 
x
=− 
dy x x
(7.15)
dx 1  y  y
  N 1,  N 1, 
 x  x  x
 y
Il est clair que l'expression dans le membre extrême droit est de la forme R   . Nous concluons que si M
 x
et N dans (7.8) sont toutes deux des fonctions homogènes de même degré n, alors l'équation (7.8) est une
équation différentielle homogène.
On observera que dans l'expression (7.14), le membre droit est une fonction homogène de degré 0.
Nous montrons dans les lignes qui suivent que chaque équation différentielle homogène peut se
réduire à une équation différentielle séparable en démontrant le théorème ci-après.

Théorème 7.1 : Si M(x, y) dx + N(x, y) dy = 0 est une équation différentielle homogène, alors le
changement des variables y = vx la transforme en une équation différentielle séparable en les variables v et
x.
En effet, puisque M(x, y) dx + N(x, y) dy = 0 est homogène, nous savons qu’elle peut s'écrire sous
dy  y
la forme = R  .
dx  x
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 145

Posons y = vx. Alors,

dy dv
= v+ x (7.16)
dx dx
dv
et (7.15) devient v + x = R(v) ou
dx
[v – R(v)] dx + x dv = 0 (7.17)
Cette dernière équation est à variables séparables. En effet, on peut séparer les variables en divisant les
deux termes par x[v – R(v)]. Dans ce cas, nous obtenons :
dv dx
+ =0 (7.18)
v − R(v) x
Ainsi, pour résoudre une équation différentielle homogène de la forme (7.8), nous posons y = vx et
transformons l'équation homogène en une équation séparable de la forme (7.18). Nous aurons donc, en
intégrant :
dv dx
 v − R(v) +  x = C (7.19)

où C est la constante arbitraire.

dv
En posant F(v) =  et revenant à la variable dépendante de départ, la solution prend la
v − R(v)
forme
 y
F   + ln| x|= C (7.20)
 x
Remarques
1. On peut aussi poser x = vy au lieu de y = vx. On aura dans ce cas la différentielle de x et (7.16)
deviendra :
dx dv
= v+ y (7.16')
dy dy
où v = x/y, tandis que la relation (7.17) sera remplacée par :
[v – R(v)]dy + y dv = 0 (7.17')

2. M(x, y) dx + N(x, y) dy = 0 ne sera homogène que si M(x, y) et N(x, y) sont des fonctions
homogènes du même degré. Ceci résulte du fait que le rapport de deux fonctions homogènes d'un seul et
même degré est une fonction homogène de degré zéro.
Exemple 7.9 :
La relation entre le revenu (R) et la quantité demandée (q) est telle que le taux d'accroissement du revenu
lorsque la quantité demandée augmente est égal à deux fois le cube du revenu moins le cube de la quantité
demandée, le tout divisé par trois fois le produit de la quantité demandée et du carré du revenu. Trouver la
relation entre le revenu et la quantité demandée si R = 0 lorsque q = 10.
Solution :
Soit l'équation différentielle :
dR 2 R 3 − q 3
= (a)
dq 3qR 2
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 146

Posons R = vq, il s’ensuit que

dR dv
=v+q (b)
dq dq
Puisque les membres de gauche des relations (a) et (b) sont identiques, on peut aussi égaler ceux de droite
sachant que R = vq. Nous avons donc :

v+q
dv 2(vq) 3 − q 3 2v 3 q 3 − q 3 q 3 2v 3 − 1
= = =
( ) (c)
dq 3q(vq) 2 3v 2 q 3 q 3 3v 2
La relation (c) peut encore s’écrire comme :

v+q
dv
=
(
2v 3 − 1 ) (d)
dq 3v 2
ou

q
dv
=
(
2v 3 − 1
−
)
v =
2v 3 − 1 − 3v 3 − 1 − v 3 − (v 3 + 1)
= = (e)
dq 3v 2 3v 2 3v 2 3v 2
soit
dv − (v 3 + 1)
q = (f)
dq 3v 2
 3v 2 
Séparons les variables en divisant par q, puis en multipliant par dq  3  les deux membres de (f).
 v +1 
Il vient :
3v 2 dq
dv + =0 (g)
v +1
3
q
Et par intégration de deux membres de (g), nous trouvons :
3v 2 dq
 v 3 + 1 dv +  q = C
ln (v3 + 1) + ln q = C
ln( v3 +1) ln q
e +e = ln C
(v3 + 1) q = C
En substituant v = R/q, on obtient l'intégrale générale de l'équation initiale :
 R3 
 3 + 1 q = C
q 
 R3 + q3 
 3
 q = C
 q 
 R3 + q3 
 2
 = C
 q 
(R + q ) = C q2
3 3

R3 = Cq2 – q3
R = 3 Cq 2 − q 3 (Solution générale)

Si q = 10, R = 0. D’où, 0 = 3
q 2 (C − q ) = 3 100 C − 1000) . L’égalité tient Ssi C = 10. Ainsi,
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 147

R = 3 10 q 2 − q 3 (Solution spécifique).

Autre méthode :
La solution précédente peut aussi s’obtenir en écrivant (a) sous la forme :
3qR2 dR + (q3 – 2 R3) dq = 0
En portant R = vq et dR = v d q + q d v dans cette dernière, on obtient :
3 q v2q2 [v dq + q dv] + q3 dq – 2 v3q3 dq = 0
3 v3q3 dq + 3q4 v2 dv + q3 dq – 2 v3q3 dq = 0
v3q3 dq + 3q4 v2 dv + q3 dq = 0
(v3 + 1) q3 dq + 3q4 v2 dv = 0
Cette équation est à variables séparables. Séparons les variables en divisant les deux membres par q4( v3
+ 1). Il vient :
dq 3v 2
+ dv = 0
q v3 + 1
Cette relation est la même que celle obtenue dans (g) ci-haut. Il suffira de poursuivre les opérations suivant
la procédure donnée précédemment.

7.3.3. Equations différentielles exactes ou équations aux différentielles totales

[Link] Définition
Soit F une fonction de deux variables réelles (x, y) telles que F possède des dérivées partielles
premières continues dans un domaine D.
La différentielle totale dF de la fonction F est définie par la formule :
F(x, y) F(x, y)
dF(x, y) = dx + dy (7.21)
x Y
pour tout (x, y)  D.
F(x, y) F(x, y)
Si M(x, y) = et N(x, y) = , cette dernière devient :
x y
dF(x, y) = M ( x, y ) dx + N ( x, y ) dy .
Comme M(x, y) et N(x, y) sont des dérivées partielles, cette équation est qualifiée d’équation différentielle
partielle.

Exemple 7.12 : Soit F la fonction de deux variables réelles définie par F(x, y) = xy² + 2x³y, pour tout réel
(x, y). Alors
F(x, y) F(x, y)
= y 2 + 6x 2 y et = 2xy + 2x 3
x Y
Tandis que la différentielle totale dF est définie par
dF (x, y) = (y² + 6 x²y) dx + (2xy + 2x³) dy
pour tout réel (x, y).
Si l’équation différentielle partielle est supposée égale à 0, alors l'expression
M(x, y) dx + N(x, y) dy = 0
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 148

est appelée équation différentielle exacte ou équation aux différentielles totales parce que le membre de
gauche est rigoureusement égal à la différentielle de la fonction primitive F(x, y). En d'autres termes,
l'expression (7.8) est une différentielle exacte dans D s'il existe une fonction F telle que
f(x, y) f(x, y)
M(x, y) = et N(x, y) = pour tout (x, y)  D.
x y
Exemple 7.13 : L'équation différentielle
y² dx + 2xy dy = 0 (7.22)
est une équation différentielle exacte puisque y² dx + 2xy dy est la différentielle totale de la fonction F
définie pour tout (x, y) par F(x, y) = xy².
En effet, le coefficient de dx est F(x, y)/x = y² tandis que celui de dy est F(x, y)/y = 2xy.
Mais l'équation
y dx + 2x dy = 0 (7.23)
obtenue en divisant tous les termes de (7.22) par y n'est pas exacte.
Il existe un test très simple permettant de déterminer si une équation différentielle donnée est
exacte ou non. Il est donné par le théorème suivant :

Théorème 7.2 : Considérons l'équation différentielle

M(x, y) dx + N(x, y) dy = 0 (7.8)
où M et N ont des dérivées partielles premières continues aux points (x, y) dans un domaine rectangulaire
D.
1. Si l'équation différentielle (7.8) est exacte dans D, alors
M(x, y) N(x, y)
= (7.24)
y x

pour tout (x, y)  D.

 F(x, y)  F(x, y)
2 2
ou si = (7.24')
xy yx

d'après la théorie de Young.

M(x, y) N(x, y)
2. Inversement, si =
y x
pour tout (x, y)  D, alors l'équation différentielle (6.8) est exacte dans D..

[Link] Solution d'une équation différentielle exacte

Si une équation différentielle de la forme M(x, y) dx + N(x, y) dy = 0 est exacte, sa solution
générale peut s'obtenir en procédant comme suit :
Première étape :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 149

F(x, y)
Comme , intégrer partiellement M(x, y) par rapport à x, tout en remplaçant la constante
x
d'intégration par une fonction inconnue Z(y) de y.
F(x, y) = M(x, y) dx + Z(y) (7.25)
En posant M(x, y) dx = G(x, y), la relation (7.25) devient:
F(x, y) = G(x, y) + Z(y) (7.25')
En fait, la nouvelle fonction Z(y) est ajoutée ici pour tous les termes en y supplémentaires qui auraient été
éliminés dans la différentiation initiale par rapport à x.
Deuxième étape :
Dérivons par rapport à y l'expression G(x, y) + Z(y) obtenue dans la première étape et comparons
le résultat avec le N(x, y) =  F(x, y)/ y de l'équation différentielle à résoudre.

En procédant de la sorte, nous arriverons à trouver Z(y)/y = Z'(y). En effet,

G Z ( y ) F
+ = = N ( x, y )
y y y
Donc :
Z ( y ) G
Z ' ( y) = = N ( x, y ) − (7.26)
y y

Troisième étape :
Intégrer Z'(y) par rapport à y afin d'obtenir Z(y).
Z ( y)  G 
Z ( y) =  dy =   N ( x, y) −  dy (7.27)
y  y 

(La constante peut être omise puisqu'elle sera introduite dans la dernière étape).

Quatrième et dernière étape :

La prise en compte de la première et la troisième étape nous donne la solution ci-après :
F(x, y) = G(x, y) + Z(y) = C (7.28)
Il est possible d'obtenir la même solution en commençant par intégrer par rapport à y, la variable x
étant momentanément supposée constante.
On peut aisément démontrer que la solution d'une équation différentielle exacte s'obtient directement par la
formule ci-après :
   M(x, y) dx 
F(x, y) =  M(x, y) dx +   N(x, y) −  dy = C (7.29)
 y 
Exemple 7.14 :
La variation du prix, p suite à une variation de la quantité demandée q d'un bien particulier est donnée par
dp  2qp + 24q 
= −  2

dq  q + 16 
Trouver la relation entre le prix et la quantité demandée sachant que le prix est fixé à 7,5 quand la quantité
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 150

demandée est égale à 4 unités.

Solution :
Commençons par écrire cette équation sous la forme (7.8) pour obtenir l’expression
(2pq + 24q) dq + (q² + 16) dp = 0. Posons M(q, p) = 2pq + 24q et N(q, p) = q² + 16. Il est clair que
M ( p, q) N ( p, q)
= 2q = . Donc il s'agit bel et bien d'une équation différentielle exacte.
p q
Pour obtenir sa solution, nous appliquons la procédure développée plus haut.
a) Par la relation (7.25) nous avons : F(p, q) =  ( 2pq + 24q) dq + Z(p) = pq2 + 12q² + Z(p)
F
b) Dérivons ce résultat par rapport à y pour obtenir = q 2 + Z ' ( p)
p
c) Ensuite, égalisant cela à N(p, q) = q² + 16, nous trouvons que Z'(p) = 16
d) Intégrons ce dernier résultat. Nous obtenons Z(p) =  16 dp = 16p.
(La constante peut être omise).
e) Enfin, en combinant les résultats précédents, nous obtenons la forme complète de la solution générale
F(p, q) = pq2 + 12q² + 16p = C.
Si p = 7,5 lorsque q = 4, cette solution devient 120 + 192 + 120 = C. D’où, C = 432.
Ainsi F(p, q) = q2p + 12q² + 16p – 432 est la solution spécifique pour q = 4, p = 7,5.

[Link] Facteur intégrant.

Toutes les équations différentielles ne sont pas exactes. Cependant quelques-unes peuvent le
devenir en multipliant chaque terme de ces équations par un facteur commun appelé facteur intégrant ou
facteur d'intégration puisque c'est un multiplicateur qui permet que l'équation soit intégrée.
D'une manière générale, la détermination d'un facteur intégrant d'une équation différentielle peut
ne pas être une chose aisée; mais on peut démontrer que toute équation linéaire différentielle du premier
ordre a un facteur intégrant.
Pour obtenir le facteur intégrant d'une équation différentielle non exacte, il suffit d'appliquer l’une
des règles suivantes :

1   M (x, y)  N ( x, y) 
Règle 1. Si  −  = f(x) seule, (7.29)
N (x, y)  y x 
alors le facteur intégrant est obtenu par l'expression e 
f ( x) d x
.
1   N (x, y)  M ( x, y) 
Règle 2. Si  −  = g(y) seule, (7.30)
M (x, y)   x y 
alors le facteur intégrant est obtenu par l'expression e 
g ( y) d y
.
Une fois rendue exacte, l'équation donnée peut être résolue comme telle. Cependant, pour vérifier le
résultat d’un problème dans lequel un facteur intégrant a été utilisé, il suffit de prendre la différentielle du
résultat et de le diviser par le facteur intégrant.

Exemple 7.15 :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 151

Vérifiez si l'équation différentielle 5 xy dx + (5x2 + 8 y) dy = 0 est ou non exacte.

Réponse :
Vérifions si elle est exacte. Posons M = F/ x = 5 xy et N = F/y = 5x2 + 8 y. Dans ce cas,
M /y = 3x et N/x = 10 x. Donc : Cette équation n'est pas exacte. Elle peut cependant le devenir si on
multipliait chacun de ses termes par un facteur intégrant, lequel s'obtient en appliquant une des règles ci-
haut.
Selon la règle 1, on a : 2
1
5 x − 10 x = −2 5x
5x + 8y 5x + 8y
Puisque le résultat n'est pas une fonction de x seule, cette règle ne peut nous fournir un facteur intégrant.
En appliquant la règle 2, nous avons :
1
10 x − 5 x= 5x = 1 qui est une fonction de y seule. Donc, le
5xy 5xy y
facteur intégrant est l'exponentielle de l'intégrale de g(y) par rapport à y, soit :
1

F .I = e
g ( y ) dy dy
=e y = eln y = y
Lorsque l'on multiplie l'équation 5 xy dx + (5x2 + 8y)dy = 0 par le facteur intégrant y, on obtient
5 xy2 dx + (5x2y + 8y2)dy = 0 qui est exacte car M/y = 10 xy = N/x. On peut alors la résoudre en
utilisant la procédure développée plus haut.
7.3.4. Equations différentielles linéaires du premier ordre.
Par définition, une équation différentielle linéaire du premier ordre ne peut contenir de produits, ni
de puissances de y ou y'. Elle prend généralement la forme suivante :
dy
F(x) + G(x) y = H(x) (7.31)
dx
dy
où G(x) et H(x) sont deux fonctions de x, comme l'est y. Contrairement à et y, il n'y a aucune
dx
restriction sur la variable indépendante x.
Si nous divisons cette équation par F(x), nous obtenons :
dy
+ v(x) y = z(x) (7.32)
dx
où v(x) = G(x)/F(x) et z(x) = H(x)/F(x).
Les fonctions v(x) et z(x) peuvent représenter des expressions telles que x² et ex ou n'importe quelle
fonction de x.
Lorsque v(x) et z(x) sont des constantes, la relation (7.32) devient un cas spécial des équations
différentielles du premier ordre. Ce type spécial d'équations différentielles fait l'objet du prochain
paragraphe.

[Link]. Equations différentielles linéaires du premier ordre à coefficients et à second membre

constants.
L'expression générale de ces équations est
dy
+ ay = b (7.33)
dx
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 152

[Link].1 Cas où b = 0 (Equation homogène ou équation sans second membre).

Si a et b sont des constantes et que b est égal à zéro, la relation (7.33) s'écrira :
dy
+ ay = 0 (7.34)
dx
La relation (10.34) peut encore s'écrire de la manière suivante:
1 dy
=−a (7.34')
y dx
Si nous intégrons les deux membres de (7.34') par rapport à x, nous obtenons
1 dy dy
 y dx dx = −  adx =  y = −  adx
ln y + c1 = ax + c2
Nous pouvons aussi écrire ln y = – ax + C
où C est la combinaison de deux constantes C1 et C2.
En recourant au logarithme népérien e, cette dernière peut encore s’écrire comme suit : eln y = e(-ax + C)
D'où,
y = [Link] = C e-ax si C = eC
Ainsi :
y(x) = C e-ax (7.35)
est une solution générale de (7.34) ou (7.34') avec C comme constante arbitraire.
Lorsque l'on attribue à C une valeur spécifique quelconque, on obtient une solution particulière de
(7.34). Il existe un nombre infini de solutions particulières; une pour chaque valeur possible de C, y compris
la valeur y(0).
Pour x = 0 comme condition initiale, la solution devient :
y(x) = y(0)e-ax (7.36)
La relation (7.36) sera alors la solution particulière de (7.35).

Exemple 7.16 :
Considérons un modèle de détermination du revenu à deux secteurs où le revenu change à un taux

dY (t )    
proportionnel à la demande excédentaire (C + I – Y). Soit = a (C + I − Y ) , ce modèle avec C (t) =
dt
     
g Y (t), I (t) = b Y (t), 0 < a, b, g < 1 et où C , I et Y désignent les écarts de la consommation, de
l’investissement et du revenu par rapport à leurs valeurs d’équilibre Ce, Ie et Ye respectivement (par

exemple, C = C(t) - Ce). Trouver le cheminement du revenu Y(t).

Solution :
En portant les deux dernières équations dans la première, nous obtenons une équation différentielle

dY (t ) 
linéaire homogène d’ordre 1 de la forme − a ( g + b − 1) Y = 0 .
dt

Donc Y = C ea (g + b – 1) t (solution générale).

Quand t = 0, Y = Y(0) – Ye = C. Après remplacement dans la solution générale, nous avons :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 153

  
Y = [Y(0) – Ye] ea (g + b – 1) t . Comme Y = Y(t) – Ye, donc Y(t) = Ye + Y . Alors, la solution définie
devient : Y(t) = Ye + [Y(0) – Ye] ea (g + b – 1) t .
[Link].2. Cas où l'équation est non homogène ou avec second membre
Si le terme constant b est différent de zéro, nous retrouvons la relation (7.33). Sa solution générale
sera la somme de la fonction complémentaire (Yc) et de l'intégrale particulière (Yp), c’est-à-dire,
Y(x) = Yc + Yp.
Yc est en fait la solution de l'équation homogène correspondante, c'est-à-dire lorsque b = 0 (relation 7.34).
Cette solution est déjà obtenue dans la relation (7.35).
Pour calculer Yp, on procède de la manière suivante :
Puisque Yp est par définition n'importe quelle solution particulière de l'équation complète, nous
commençons par proposer une solution la plus simple, notamment, y = k (une constante).
dy
Si y est une constante, alors = 0 et (7.33) devient simplement ay = b et y = b/a.
dx
Donc, l'intégrale particulière Yp sera obtenue par la formule
b
Yp = (7.36)
a
pourvu que a soit différent de zéro.
Lorsque a et b sont différents de zéro, la solution générale de (7.33) est donnée par :
b
Y(x) = C e-ax + (7.37)
a
où C est une constante arbitraire qui peut être définie moyennant une condition initiale.
Supposons que Y prenne la valeur de Y(0) lorsque x = 0 ; alors, en posant x = 0 dans (7.37), nous
obtenons :
b b
Y(0) = C + et C = Y(0) –
a a
b b
Y(x) = [Y(0) – ]e-ax + (7.38)
a a
sera la solution particulière de (7.33) si a  0.
Dans le cas où a est égal à zéro, la solution proposée (y = k) ne conviendrait plus car
b dy
Yp = donnera une solution indéfinie. Si a = 0, (7.33) devient = b. Il faut alors essayer une autre
a dx
solution non constante.
Considérons le type le plus simple possible de cette dernière, notamment y = kx. Dans ce cas,
dy dy
= k et l'équation complète = b s'écrira k = b
dx dx

Ainsi, si a = 0, la solution particulière sera obtenue par la formule

Yp = bx (7.39)
et la solution générale sera donnée par :
Y(x) = C + bx (7.40)
Nous verrons plus loin que Yp représente le niveau d'équilibre intemporel, tandis que Yc est
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 154

l'éloignement du cheminement (sentier) temporel du niveau d'équilibre.

Exemple 7.17 : Soit un modèle du marché à un bien où le taux de variation est une fonction linéaire
dp
positive de la demande excédentaire de la forme = (qdt – qst), avec  = 0,5 qdt = 86 – 0,8 pt,,
dt
qst = –10 + 0,2 pt . Trouvez le prix d’équilibre et le sentier temporel du prix P(t) si P(0) = 100.
Solution :
dp
Après substitution, on obtient l’équation différentielle + 0,5 pt = 48.
dt
b
Ici, b = 48 et a = 0,5 (a ≠ 0). Le prix d’équilibre est donc, par (7.36), Pp = = 48/0,5 = 96. Utilisons la
a
relation (7.37) pour obtenir la solution générale: P(t) = C e-0,5 t + 96.
Quand t = 0, P(t) = 100. La condition initiale étant donnée, le sentier temporel est alors :
P(t) = 4 e-0,5 t + 96.

[Link]. Equations différentielles linéaires du premier ordre à coefficients et à second membre

variables.
Rappelons que l'expression générale de cette équation est :
dy
+ v (x) y = z(x) (7.32)
dx
[Link].1. Cas homogène
Lorsque z(x) = 0, la solution est facile à obtenir. En effet, puisque l'équation différentielle est de la
forme
dy
+ v (x) y = 0 (7.41)
dx
ou
1 dy
= − v(x) (7.41')
y dx
Séparons les variables en multipliant les deux membres par dx. Il vient :
dy
= − v(x)dx
y
Après intégration de deux membres de l'équation, nous obtenons :
dy
 = −  v(x)d(x)+ C
y
ln y = –  v(x) dx + C
eln y = e–vdx eC
Si C = eC, alors
y(x) = C e–v(x)dx (7.42)
(7.40) est la solution générale de l'équation (7.32). La seule différence de (7.42) par rapport à (7.35) est que
l'expression e–ax est remplacée par e–vdx.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 155

dy
Exemple 7.18 : Résoudre l'équation + xy = 0.
dx
Solution :
v(x) = x et z(x) = 0. En appliquant la relation (7.42), nous obtenons :
y(x) = Ce–v(x) dx = C e–x²/2.

[Link].2 Cas non homogène

Rappelons une fois de plus qu'une équation différentielle linéaire non homogène est de la forme :
dy
+ v(x)y = Z(x) (7.32)
dx
Ecrivons-la sous la forme générale M(x, y) dx + N(x, y) dy = 0. Elle devient :
[ v(x) y – Z(x) ] dx + dy = 0 (7.43)
Vérifions si cette dernière est une équation différentielle exacte. Commençons par poser
M (x, y) = v (x) y – Z(x) et N (x, y) = 1, et procédons ensuite au test en vérifiant la relation (7.24). La dérivée
M ( x, y ) N ( x, y )
partielle = v( x) étant différente de la dérivée = 0 , nous concluons que l’équation
y x
(7.43) n’est pas exacte. Mais, étant donné que le produit
1  M ( x, y) N ( x, y)  v( x) − 0
 − = = v( x) dépend de la seule variable x, alors, en vertu de la
N ( x, y)  y x  1

règle 1 (7.29), e 
v ( x ) dx
est un facteur intégrant. Multiplions l’équation de départ (7.32) par ce facteur. Cette
dernière devient :
v ( x ) dx  dy 
e  dx + v ( x ) y  = Z ( x ) e  v ( x ) dx (7.44)
 
Le membre de gauche de cette dernière équation a maintenant la forme :
d   v ( x ) dx 
e y (7.45)
dx  
tandis que toute l'équation (7.44) peut s'écrire
d   v( x)dx 
y  = Z ( x )e 
v( x)dx
 e . (7.46)
dx  
L'intégration de deux membres par rapport à x donne
e y =  Z ( x )e 
v( x)dx v( x)dx
dx + C (7.47)

En pré-multipliant les deux membres par e 

− v ( x ) dx
, on a :

y(x)= e− v(x)dx  e v(x)dx z(x)dx + C  . (7.48)

 
C'est la formule de la solution générale de l'équation (7.32). Elle est la somme de la fonction
complémentaire Yc et de l'intégrale (ou solution) particulière Yp avec :
y p = e− v(x)dx  e v(x)dx z(x)dx (7.49)
et
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 156

yc = e− v(x)dxC (7.50)

Du point de vue économique, Yp est le niveau d'équilibre intemporel, tandis que Yc est l'écart par rapport à
l'équilibre.
Pour que y(x) soit dynamiquement stable, il faut que Yc s'approche de 0 à mesure que x tend vers
l'infini, ou que y(x) tende vers Yp quand x tend vers l'infini. Cela suppose que le coefficient de l'exposant
du terme exponentiel doit être négatif.
dy 1
Exemple 7.19a : Résoudre l'équation + y= x
dx x
Solution : v(x) = 1/x et z(x) = x. Par la relation (7.48) nous obtenons :
y(x)= e− v(x)dx  e v(x)dx z(x)dx + C  .
 
= e [ xe dx + C]
–ln x ln x

= e–ln x [ x² dx + C] = x–1 [C + x³/3]

x2 C
= +
3 x
Il n’est pas rare de trouver une équation différentielle linéaire non homogène de la forme :
dx
+ v(y)x = Z(y) (7.32)
dy

Ayant pour facteur intégrant l’expression e 

v ( y ) dy
, sa solution générale est obtenue par la formule :

x(y)= e− v(y)dy  e v(y)dy z(y)dy + C  . (7.48a)

 
dx
Exemple 7.19b : Résoudre l'équation y = 2 ye 3 y + x(3 y + 2)
dy
Solution :
En divisant les deux membres de l’équation par y en arrangeant les termes, on obtient :
dx  3y + 2 
− x  = 2e 3 y
dy  y 
3y + 2
v(x) = et z(x) = 2e 3 y . Par la relation (7.48a) nous obtenons :
y

x(y)= e− v(y)dy  e v(y)dy z(y)dy + C 

 

= e− −[(3 y+2) / y]dy  e −[(3 y+2) / y]dy 2e dy + C  .

3y
 
 e− 3y   2 
dy + C  = e3 y y 2  2 y − 2 dy + C 
3y
= e y 
3 y 2 2e dy + C  = e3 y y 2  
 y2   y 2   
 
 2 
= e3 y y 2 − + C  = − 2 e3 y y + C e3 y y 2 = y e3 y [Cy − 2]
 y 

7.3.5 Equations différentielles non linéaires d'ordre 1 pouvant se ramener aux équations linéaires
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 157

Certaines équations différentielles d’ordre 1 ne sont pas linéaires. Cependant, elles peuvent le devenir
moyennant quelques opérations élémentaires. Il s’agit notamment des équations de Bernoulli, des
équations de Riccati21 de la forme :
dy
= A(x)y2 + B(x)y + R(x) (7.49)
dx
ainsi que des équations de Clairaut22 de la forme :
dy  dy 
y = x +   (7.50)
dx  dx 
Seules les équations de Bernoulli sont présentées dans ce cours.
Considérons une équation différentielle de la forme
dy
+ v(x)y = Z(x) y n (7.51)
dx
où v(x) et z(x) sont des fonctions continues de x (ou des constantes) et n  0, n  1 (sinon on aurait une
équation linéaire).

Cette équation, appelée équation de Bernoulli23, se ramène à une équation linéaire par la
transformation suivante :

a. Divisons tous les termes de l'équation par yn. Il vient :

−n dy + v(x) 1−n = Z(x)
y y (7.52)
dx
b. Posons w = y1-n. En dérivant par rapport à x, cette dernière s'écrit

= ( 1 − n) y −n
dw dw dy dy
= (7.53)
dx dy dx dx
et (7.52) devient :
1 dw
+ v(x) w = Z(x) . (7.54)
1 − n dx
c. Multiplions tous les termes de (7.74) par (1– n), nous obtenons:
dw
+ ( 1 − n) v(x) w = ( 1 − n) Z(x) (7.55)
dx
Posons v1(x) = (1 – n) v(x) et z1(x) = (1 – n) z(x). Alors (7.55) devient :
dw
+ v1 (x)w = Z 1 (x) (7.56)
dx
C'est une équation différentielle linéaire en la variable w dont la solution est donnée par la formule
ci-après :

21 Un mathématicien italien (1676 - 1754)

22 Alexis Claude Clairaut est un astronaute et mathématicien français (1713 – 1765).
23
Du nom du mathématicien Suisse Jacob Bernoulli (1654 - 1705).
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 158

− v ( x)dx   v ( x)dx 
w ( x) = e 1
 e
1 z1 ( x) dx + C  (7.57)
 
On obtient la solution générale de l'équation de Bernoulli (7.57) en substituant à w son expression y1-n.
Ainsi, si, par exemple, n = 2, w = y1–2 = y–1. Pour obtenir y(x), on prendra l'inverse de w(x). De même pour
n = 3, w sera égal à y2. On reviendra à la variable y en prenant l’inverse de la racine carrée de w(x). Si n =
1
4, y(x) = , ainsi de suite …
3 w( x )

Exemple 7.20 :
Le centre de contrôle du coût d'une grande entreprise a trouvé, la taille de la compagnie augmentant, que le
coût mensuel moyen, y, de fournitures est relié à l’effectif, x, d'employés (y compris l'unité de direction)
par l'équation

+ 2 y = y2 e − x
dy
dx
Exprimez y en fonction de x sachant que y = 3 lorsque x = 0
Solution :
C'est une équation de Bernoulli avec v(x) = 2, z(x) = e–x et n = 2.
Faisons la substitution w = y1–2 = y–1 = 1/y. L'équation différentielle se transforme alors en
équation linéaire de la forme :
− 2w = − e − x
dw
dx
C'est une équation différentielle linéaire en w avec v1(x) = – 2 et z1(x) = –e-x.
Sa solution générale est donnée par la formule (7.57) :
w(x) = e− −2dx  e −2dx ( −e − x ) dx + C 
 
= e 2dx −  e−2  dx e − x dx + C  = e2 x −  e−2x e − x dx + C 
   

  1
= e2 x −  e−3x dx + C = e2 x  e − 3 x + C 
3


1 
=  e − x + Ce 2 x 
3 
1
Y(x) =
1 −x
e + Ce 2 x
3
dy
Exemple 7.21 : Résoudre l'équation différentielle + y = x y3 .
dx
Solution :
C'est une équation de Bernoulli avec v(x) = 1, z(x) = x et n = 3.
Faisons la substitution w = y1–3 = y–2 = 1/y². L'équation différentielle se transforme alors en
équation linéaire de la forme :
dw
− 2w = − 2 x
dx
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 159

C'est une équation différentielle linéaire en w avec v1(x) = – 2 et z1(x) = –2x.

Sa solution générale est :

w(x) = e− −2dx  e −2dx ( −2 x) dx + C  = e 2dx − 2  e−2 dx x dx + C
 

1
w(x) = e2x[–2e–2xx dx + C] = e2x[xe–2x + e–2x + C]
2
1
w(x) = x + + Ce2x
2
Faisons ensuite la substitution w = y–2. Nous obtenons :
1 1 1
2
= x + + Ce2x  y2 = .
y 2 1 2x
x + + Ce
2
1
Ainsi, y = .
1 2x
x + + Ce
2

7.4 Equations différentielles linéaires d'ordre supérieur

Nous venons de voir dans les pages précédentes comment résoudre une équation différentielle du
premier ordre, une équation dans laquelle il n'existe pas de dérivées (ou différentielles) d'ordre supérieur à
1. Mais il arrive souvent que la spécification d'un modèle économique puisse entraîner l'utilisation des
dérivées d'ordre supérieur ou égal à deux. Nous parlons dans ce cas des équations différentielles linéaires
d'ordre n dont la forme générale est :
n n -1
d y d y dy
a0 (x) n
+ a1 (x) n -1
+ ... + a n-1 (x) + a n (x)y = f(x) (7.58)
dx dx dx

Cette équation est d'ordre n (l’ordre de la dérivée la plus élevée de l'équation). Elle est en plus
linéaire car la variable dépendante y et toutes ses dérivées sont de degré 1 et il n'y a aucun produit de y par
y ni par ses dérivées successives.

Si f(x) = 0, l'équation (7.58) est dite homogène et s'écrit:

n n -1
d y d y dy
a0 (x) n + a1 (x) n-1 + ... + a n-1 (x) + a n (x)y = 0 (7.59)
dx dx dx
Cette dernière possède toujours n solutions linéairement indépendantes.
Si y1, y2, ... , yn sont les n solutions linéairement indépendantes, alors toute solution de l'équation peut
s'exprimer comme une combinaison linéaire :
C1y1 + C1y2 + ... + Cnyn. (7.60)
de ces n solutions par un choix approprié des constantes arbitraires C1, C1, ... et Cn.
L'ensemble y1, y2, ... , yn est appelé ensemble fondamental des solutions de l'équation (7.59).
C'est aussi sa solution générale.
y1, y2, ... , yn étant des fonctions de x, le déterminant
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 160

y1 y 2 ... yn
y '1 y'2 ... y'n
W( y1 , y2 ,..., yn ) = (7.61)
... ... ... ...
(n-1) (n-1)
y1 y2 ... y(n
n
-1)

où les primes désignent les dérivées,

est appelé le déterminant de Wronski ou le wronskien des fonctions données24.
Les n solutions y1, y2, ... , yn de l'équation différentielle linéaire homogène d'ordre n (7.59) sont
linéairement indépendantes sur l'intervalle a  x  b si et seulement si le wronskien de y1, y2, ... , yn est
différent de zéro pour quelques x sur cet intervalle.
Dans les lignes qui suivent, nous proposerons d'abord les méthodes de résolution des équations
différentielles d'ordre 2 à coefficients et à terme constants ainsi que celles dont le second membre est
fonction de x. Nous étendrons ensuite ces méthodes aux équations d'ordre supérieur à 2.

7.4.1 Equations différentielles linéaires d'ordre 2 à coefficients et à second membre constants

(équations différentielles non homogènes)

Ces équations sont de la forme

2
d y  dy 
= f  x, y ,  (7.62)
 dx 
2
dx
où f est une fonction donnée, x est la variable indépendante et y la variable dépendante.
L’équation (7.57) est une équation linéaire si la fonction f est de la forme :
 dy  dy
f  x, y ,  = b ( x ) − p ( x ) − v( x) y (7.63)
 dx  dx
C’est-à-dire si f est linéaire en y et en y’.
Dans l’équation (7.63), b, p et v sont des fonctions spécifiques de la variable indépendante x, mais elles
sont indépendantes de y. Ainsi (7.62) s’écrit habituellement sous la forme
2
d y dy
2
+ p ( x ) + v ( x ) y = b( x ) (7.64)
dx dx
où les dérivées sont effectuées par rapport à x.
Au lieu de l’équation (7.64), on trouve souvent l’équation ci-après :
2
d y dy
P( x) 2 + Q( x) + R( x) y = B( x) (7.65)
dx dx
Q( x) B( x) R( x)
Si P(x)  0, on peut obtenir l’équation (7.64) dans laquelle p(x) = , b(x) = et v(x) = .
P( x) P( x) P( x)
Si dans (7.65), P(x) = 1 et que p(x), v(x) et b(x) sont des constantes égales respectivement à a1, a2 et b, cette
dernière s’écrit comme

24
Le wronskien est dû à Joseph Maria Hoëné Wronski (1776 – 1853) né en Pologne, mais qui a passé la
plus grande partie de sa vie en France.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 161

2
d y dy
2
+ a1 + a 2 y = b (7.66)
dx dx
En utilisant les opérateurs différentiels D, l’équation (7.66) peut aussi s'écrire comme
D²y + a1Dy + a2y = b (7.67)
où
dy d 2 y 2
3
d y
Dy = , 2
= D(Dy) = D y , et 3
= D( D 2 y) = D3 y.
dx dx dx
La solution générale y(x) des équations (7.66) est la somme de la fonction complémentaire yc, c'est-à-
dire, la solution de l'équation homogène associée et d'une solution (ou intégrale) particulière yp.

[Link] Calcul de l'intégrale Yp

L'intégrale particulière étant, par définition, n'importe quelle solution de (7.66), nous commençons
par proposer une solution où y = k (une constante).
2
d y dy
Si y est une constante, 2
= = 0.
dx dx
b
Dans ce cas, (7.66) devient a2y = b. D'où y = b/a2, c'est-à-dire, k = pourvu que a2 soit différent de zéro.
a2
Ainsi,
b
Y p= (7.68)
a2
est l'intégrale particulière cherchée.
Si a2 = 0, la formule (7.68) ne convient plus. Nous proposons alors la solution de la forme y = kx.
Comme a2 = 0 (par hypothèse), la relation (7.66) devient :
2
d y dy
2
+ a1 = b. (7.69)
dx dx
y = kx implique que y' = k et y" = 0. Substituant ces dérivées successives (7.66), cette dernière équation
devient :
b
a1k = b et k = , à condition que a2 = 0 et a1  0.
a1
Donc
b
Y p =   x (si a2 = 0 et a1  0) (7.70)
 a1 
Dans le cas où a2 = 0 et a1 = 0, la formule proposée précédemment ne convient plus. Nous essayons alors
b
une solution de la forme y = kx². Dans cette hypothèse, (7.66) devient 2k = b et k = . D'où,
2
b 2
Y p = x (si a2 = 0 et a1 = 0) (7.71)
2
Exemple 7.24 : Trouver l'intégrale particulière des équations
2 2 2
d y dy d y d y dy
a. 2
+ = − 10 , b. 2
= − 10 et c. 2
+ − 2y = − 10 .
dx dx dx dx dx
Réponse :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 162

b
a). Puisque a2 = 0 et a1 = 1 ( 0), y p = x = − 10x (par (7.70).)
a1
b 2 10 2
b). a1 = a2 = 0, par (7.71), Y p = x =− x = − 5x 2 ..
2 2
c). a2 = –2 ( 0) et b = –10, par (7.70), yp = –10/–2 = 5.

[Link] Calcul de Yc
Rappelons que la fonction complémentaire est la solution de l'équation homogène associée, c'est-à-
dire, celle de l'équation sans second membre.
Considérons l'équation différentielle linéaire de la forme :
2
d y dy
2
+ a1 + a 2 y = 0 (7.72)
dx dx
Une solution particulière de cette équation est donnée par
y = Cerx. (7.73)
avec Cer x  0 par hypothèse.
Dérivons l'expression (7.73) par rapport à x. Nous obtenons :
2
dy d y
= rC e rx et 2
= r 2C e rx .
dx dx
Substituons ces deux dérivées dans (7.72). Cette dernière devient :
r 2C erx + a1 rC erx + a 2 Cerx = 0 (7.74)
ou
rx 2

Ce r + a1 r + a2 = 0  (7.75)
Comme C erx est différent de 0, pour que (7.75) s'annule, on doit avoir
r 2

+ a1 r + a 2 = 0 (7.76)
L'équation (7.76) est appelée équation caractéristique de (7.73). Ses racines seront appelées racines
caractéristiques.
L'équation caractéristique est une équation du second degré dont les racines s'obtiennent par la
formule
− a1  a12 − 4 a2
r1 , r2 = (7.77)
2
On peut vérifier que la somme de r1 et r2 est égale à -a1, tandis que leur produit est égal à a2.
Selon que  = a12 − 4a 2 est positif, négatif ou nul, trois cas suivants peuvent se présenter :

a.  = a12 − 4a 2 > 0 : r1 et r2 sont des nombres réels distincts (r1  r2), cas où a1² > 4a2 ;
b.  = a12 − 4a 2 = 0 : r1 et r2 sont des nombres réels égaux (r1 = r2), cas où a1² = 4a2 ;
c.  = a12 − 4a 2 < 0 : r1 et r2 sont des nombres complexes (r1  r2), cas où a1²  4a2.

a. Les racines de l'équation caractéristique sont réelles et distinctes : r1  r2.

rx
On aura pour solutions particulières y1= e 1 et y 2 = er2 x .
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 163

rx
= e(r2 − r1) n’est pas constant.
y2 e 1
Ces solutions sont linéairement indépendantes car leur rapport =
y1 rx
e1
De plus, comme vu précédemment, le wronskien défini par la relation
y1 y2 r1x r x
e 2
(r + r ) x
W( y1 , y2 ) = = y1 y' 2 − y'1 y 2 = e
r1x r x = (r2 − r1 )e 1 2
y '1 y ' 2 r1 e r2 e 2

ne s’annule pas pour toute valeur réelle de x, la racine r1 étant différente de r2 .

La solution générale de l’équation homogène (fonction complémentaire) s'écrit, par conséquent,
y c = C1 er1 x + C 2 er 2 x (7.78)
Si y1 et y2 sont deux solutions à l’équation différentielle d’ordre 2 de la forme
y’’ + a1(x)y’ + a2(x)y = 0
où les fonctions a1 et a2 sont continues dans l’intervalle ouvert I, alors le wronskien W(y1, y2)(x) peut être
aussi obtenu par la formule d’Abel suivante :
W(y1, y2) (x) = C 
− a1 ( x ) dx

où C est une constante qui peut dépendre de y1 et de y2, mais non de x. De plus, W(y1, y2) (x) est soit nul,
quel que soit x dans I (si C = 0), soit non nul quel que soit x dans I.
a
b. L'équation caractéristique admet une racine réelle double r = r1 = r2 = − 1
2
r1 x
Si a1² = 4a2, on obtient une solution particulière y1 = e en vertu des raisonnements précédents. Il
faut trouver une solution particulière linéairement indépendante de la première (la fonction y 2 = er2 x est
identiquement égale à y1 = er1 x et ne peut être considérée comme une seconde solution particulière).

En effet, sachant que la solution générale (fonction complémentaire yc) est la somme de y1 et y2,
nous obtenons :
y c = C 1 e rx + C 2 erx
y c = erx ( C 1 + C 2 ) = C erx

Nous prendrons donc pour seconde solution la fonction y 2 = x erx . Cette solution est linéairement
indépendante de la première, étant donné que y2/y1 = x ≠ constante. On prendra donc pour intégrale
générale la fonction
y c = C1 er x + C 2 x er x = er x ( C1 + C 2 x) (7.79)

c. Les racines de l'équation caractéristique sont complexes : r1  r2.

Si a1² < 4a2, l'expression de la racine carrée dans (7.77) peut s'écrire comme
a1 − 4 a2 = 4a 2 − a1 . − 1 = 4 a2 − a1 .i
2 2 2

si bien que (7.77) devienne

− a1  4 a 2 − a12 i
r1 , r2 = (7.77')
2
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 164

a (4 a 2 − a12 )
Posons h = − 1 et v = . Alors les racines de l'équation caractéristique sont des nombres
2 2
complexes conjugués de la forme
r1 = h + vi et r2 = h - vi (7.77")
Ces deux nombres sont dits conjugués parce qu'ils apparaissent toujours ensemble, l'un étant la somme de
h et vi, et l'autre étant leur différence. Si ces deux racines sont exactes, on peut toujours vérifier que r1 + r2
= –a1 et que r1. r2 = a2.
Par conséquent, on peut mettre la solution générale sous la forme
y = C e(h + v i)x + C e(h − v i)x
1 2
y = C ehx evix + C ehx e−vix
1 2
y = ehx C e vix + C e−vix (7.80)
 1 2 
Cette dernière relation comprend un nombre imaginaire i dans les exposants de deux termes entre
parenthèses. Pour faciliter l'interprétation de ces fonctions exponentielles imaginaires, nous les
transformons en expressions trigonométriques équivalentes.
Ainsi, en vertu des relations d'Euler selon lesquelles
ei  = cos  + i sin  et e-i  = cos  – i sin ,
nous obtenons respectivement, après avoir posé  = vx
evix = cos vx + i sin vx et e-vix = cos vx – i sin vx
Après substitution dans (7.80), cette dernière devient :
Yc = ehx [C1 (cos vx + i sin vx) + C2 (cos vx – i sin vx)]
= ehx [(C1 + C2) cos vx + (C1 – C2) i sin vx)] (7.81)
Posons C3 = (C1 + C2) et C4 = (C1 – C2) i. (7.81) devient :
Yc = ehx [C3 cos vx + C4 sin vx)] (7.82)
Exemples 7.25 :
Soit le modèle du marché avec anticipation des prix défini par les fonctions de demande et d’offre
suivantes : qdt = a – b P + m P’ + n P’’ et qst = – c + d P+ uP’ + w P’’. Si a = c = 4,
b = 0, d = 1, m = w = 2, n = 7 et u = 2, trouver P(t) sachant que P(0) = 10 et P’(0) = 8.
Solution :
Substituons les valeurs des paramètres dans les deux fonctions afin d’obtenir
qdt = 4 – 2 P’+ 7 P’’ et qst = –4 + P + 2 P’ + 2 P’’,
qdt – qst = 4 – 2 P’+ 7 P’’ – (–4 + P + 2 P’ + 2 P’’) = 8 – P – 4 P’ + 5 P’’ = 0
4 1 8
D’où l’équation différentielle P’’ – P’ – P = −
5 5 5
8/5
l’intégrale particulière Pp de la forme Pp = = 8.
1/ 5
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 165

a) Pour obtenir la fonction complémentaire Pc, on trouve les racines de l’équation caractéristique r² –
4 1
r – = 0 qui sont :
5 5
4 16 4
 +
r1 5 25 5 = 1
= car  = 6/5. Ainsi
r2 2 − 1/ 5
Pc = C1 et + C2 e –t/5.

D’où la solution générale : P(t) = C1 et + C2 e –t/5 + 8.

Les conditions initiales étant données, nous nous en servons pour déterminer les valeurs de C1 et C2.
Pour t = 0, nous avons : 10 = C1 e0 + C2 e0 + 8  C1 + C2 = 2 (1).
Dérivons ensuite P(t) pour obtenir : P’(t) = C1 et – 1/5 C2 e –t/5. Pour t = 0, cette dérivée devient : P’(0)
= 8 = C1 e0 – 1/5 C2 e0  C1 – 1/5 C2 = 8 (2).
En résolvant le système formé par les équations (1) et (2), nous trouvons C1 = 7 et
C2 = –5.
La solution spécifique ou définie est donc : P(t) = 7 et – 5 e– t / 5 + 8.

Exemple 7.26 :
Le modèle ci-après est un modèle de marché avec prévision sur l’évolution des prix.
qdt = 40 – 2 P – 2 P’ – P’’, qst = –5 + 3 P, qdt = qst
où qdt est la fonction de demande à l’instant t, et qst la fonction d’offre à l’instant t.
a) Trouvez le niveau d’équilibre.
b) Donnez le sentier temporel du prix à toutes les périodes sachant que P(0) = 12 et P’(0)
= 1.
Solution :
a) qdt - qst = 40 – 2 P – 2 P’ – P’’– (–5 + 3 P) = 0
= 40 – 2 P – 2P’ – P’’ + 5 – 3 P = 0
= 45 – 5P – 2P’ – P’’ = 0
= P’’ + 2P’+ 5P = 45
45
Le niveau d’équilibre est l’intégrale particulière Pp de la forme Pp = = 9.
5
b) Pour obtenir la fonction complémentaire Pc, on trouve les racines de l’équation caractéristique r² +
2 r + 5 = 0 qui sont :
r1 − 1 + 2i
= h  vi = parce que  = -16. Ainsi
r2 − 1 − 2i
Pc = e–t [C1 cos 2t + C2 sin 2t].
D’où la solution générale :
P(t) = e–t [C1 cos 2t + C2 sin 2t] + 9
Utilisons les conditions initiales en vue de déterminer les valeurs de C1 et C2.
Pour t = 0, nous avons :
P(0) = 12 = e0 [C1 cos 0 + C2 sin 0] + 9
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 166

= C1 + 9 = 12  C1 = 3
En dérivant P(t) on obtient :
P’(t) = –e–t [C1 cos 2t + C2 sin 2t] + e–t [–2C1 sin 2t + 2C2 cos 2t]
Pour t = 0, cette dérivée devient :
P’(0) = 1 = –e0 [C1 cos 0 + C2 sin 0] + e0 [–2 C1 sin 0 + 2C2 cos 0]
= – C1 + 2C2 = 1  C2 = 2
La solution spécifique ou définie est donc :
P (t) = e–t [3 cos 2t + 2 sin 2t] + 9.

7.4.2 Equations différentielles linéaires d'ordre supérieur à 2

Pour n > 2, la solution s'obtient de la même manière. S'il s'agit d'une équation non homogène à
coefficients et à second membre constants, la solution sera obtenue en faisant la somme de l'intégrale
particulière yp et de la fonction complémentaire yc.
L'intégrale particulière sera :
b
yp= , lorsque an  0, (7.84)
an
ou
 b 
y p =   x , lorsque an = 0 et an-1  0, (7.85)
 a n −1 
En général, si an = 0, an-1 = 0, …, ai  0, alors
b
yp= x n −i (7.85a)
(n − i)! ai
Quant à la fonction complémentaire, il suffira de connaître l'équation caractéristique de degré n qui est de
la forme
rn + a1 rn-1 + ... + an-1 r + an = 0 (7.86)
ainsi que ses n racines.
Ainsi, si toutes les racines sont réelles et distinctes, la fonction complémentaire sera donnée par :
n

Y c =  C i er i = C 1 e 1 + C 2 e 2 + ... + C n e n
x rx r x r x
(7.87)
i=1

On utilisera la formule (7.88) suivante

n
Yc = Y c = C1 erx + C 2 x erx + ...+ C k xk -1 erx + Ce
i= k +1
i
r1 X
(7.88)

si toutes les racines sont réelles et que k racines se répètent.

k
Yc = ehx (C1 cos x + C2 sin x) + C
i=1
i
rX
ei (7.89)

si les racines sont à la fois complexes et réelles.

Enfin, si l'équation caractéristique contient à la fois deux paires identiques des racines complexes et
des racines réelles et distinctes, on obtiendra la fonction complémentaire par la formule ci-après :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 167

n-k

Y c = e (C1 cos vx + C 2 sin vx)+ x(C3 cos vx + C 4 sin vx)+  C i e

hx ri x
(7.90)
i =1

Exemple 7.27 : Trouver la solution générale de l'équation

4 3 2
d y d y d y dy
4
+ 6 3
+ 14 2
+ 16 + 8 y = 24
dx dx dx dx

Par (7.84), yp = 24/8 = 3.

L'équation caractéristique étant r4 + 6r3 + 14r² + 16r + 8 = 0, on obtient : (r + 2) ( r + 2) (r² + 2r + 2) = 0
Soit : r1 = r2 = –2, r3 = –1 + i et r4 = –1 – i (car h = –1 et v = 1). Par conséquent,
yc = C1e–2x + C2x e–2x + e–x[C3 cos x + C4 sin x].
Et la solution générale est : y(x) = C1e–2x + C2x e–2x + e–x[C3 cos x + C4 sin x] + 3

Exemple 7.28 : Trouver la solution générale de l'équation

4 3 2
d y d y d y dy
4
− 4 3
+ 14 2
− 20 + 25 y = 0
dx dx dx dx
Cette équation est homogène. Sa solution générale se confond donc avec la fonction complémentaire car
l’intégrale particulière est nulle.
L'équation caractéristique est r4 – 4r3 + 14r² – 20 r + 25 = (r² – 2r + 5) (r² – 2r + 5) = 0 ayant les racines
complexes conjuguées doubles ci-après : (1 – 2i), (1 + 2i), (1 – 2i), (1 + 2i) = 0. Par conséquent,
y(x) =yc = ex[C1 cos 2 x + C2 sin 2x] + xex[C3 cos 2 x + C4 sin 2x].

7.5 Equations différentielles linéaires d'ordre n à coefficients constants et à second membre variable
Nous savons déjà que la solution générale d’une équation différentielle linéaire était la somme de
la fonction complémentaire Yc et de l’intégrale ou solution particulière Yp.
7.5.1 Calcul de Yc
Les formules développées plus haut restent d’application. En effet, la fonction complémentaire
étant par définition la solution de l’équation homogène associée, c’est-à-dire l’équation sans second
membre, son calcul n’est donc pas influencé par la présence d’une fonction de x dans le second membre.
7.5.2 Calcul de Yp lorsque le second membre b est une fonction de x
On a indiqué précédemment une méthode générale de recherche de l'intégrale particulière des
équations non homogènes lorsque les coefficients et le second membre sont tous constants. Dans ce
paragraphe, nous verrons comment trouver une intégrale particulière Yp à l’équation non homogène (7.70)
dont les coefficients a1 et a2 sont constants et où le second membre est une fonction de x.
Il existe dans ce cas plusieurs méthodes dont notamment, la méthode des coefficients indéterminés25, la
méthode dite la variation des paramètres ou des constantes 26 et la méthode itérative proposée par

25
Boyce, W. et Diprima R. C., Equations différentielles, Chenelière / Mc Graw-Hill., Montréal, 2001, pp.
174-183 et pp.231 - 233. Voir aussi Ross, S. L., Differential Equations, 3ème Edition, John
Wiley & Sons, New York, 1984, pp. 137 – 154.
26
Boyce, W. et Diprima R. C., Op., cit., pp. 185-191 et pp.235 - 239. Voir aussi Ross, S. L., op. cit. pp.
155 – 164.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 168

Sokolnikoff et Sokolnikoff27.
[Link] Méthode des coefficients indéterminés
Cette méthode requiert qu’on pose a priori une expression explicite pour l’intégrale particulière Yc dont les
coefficients constants devront être précisés. On substitue ensuite cette expression dans l’équation (7.70) et
on tente de déterminer les coefficients de sorte que l’équation soit satisfaite. Si cette démarche n’aboutit
pas, c’est qu’il n’existe aucune solution de la forme supposée initialement. Il faudra alors modifier
l’expression supposée au départ pour la solution et reprendre le processus.
En particulier, si b = f(x) est simple et est :
un polynôme de la forme b = k0 + k1x + k2x2 + ... + knxn ;
une exponentielle de la forme b = kerx ;
une fonction sinus de la forme A1 cos x + A2 sin x ; ou
la somme ou le produit de telles fonctions,
on propose une solution particulière ayant la même forme que b selon le tableau 7.1 donné ci-après :

Tableau 7.1 : Calcul de l'intégrale particulière yp lorsque B est une fonction de x

Type de B = f(x) Solution candidate
B = k0 + k1x + k2x² + ... + knxn Yp = D0 + D1x + D2x² +. ...+ Dnxn
B = kerx Yp = Derx
B = kerx + kxn Yp = Derx + (D0 + D1x +...+ Dnxn)
B = kerx. kxn Yp = Derx . (D0 + D1x +...+ Dnxn)
B = k1cos  x + k2 sin  x Yp = B1cos  x + B2 sin  x

Il faudra ensuite déterminer les coefficients Di de la solution candidate appropriée proposée dans le tableau
7.1 ci-dessus en dérivant l’équation différentielle à résoudre n fois, puis, après substitution, en réorganisant
les termes dans l’équation résultante.
Il faut cependant noter que si un terme de l’intégrale particulière candidate pour l’équation non
homogène est égal à un terme de la solution générale de l’équation homogène, on dit que l’équation est en
résonance. Dans ce cas, afin d’éliminer la duplication, on multiplie, en général, ce candidat naturel pour yp
par un facteur x, ou (au besoin) par x² ou x3 pour trouver un candidat adéquat comme intégrale particulière
de l’équation non homogène.

En résumé, les étapes permettant de trouver la solution particulière Yp à une équation différentielle non
homogène à coefficients constants et dont le second membre b = f(x) sont les suivantes :
c) Trouver la fonction complémentaire Yc (la solution générale à l’équation homogène associée ;
d) S’assurer que la fonction f(x) dans (7.70) soit du type de celles considérées dans le tableau 7.1 ci-
dessus. Dans tous les autres cas, utiliser la méthode de variation des paramètres que nous
présentons dans le paragraphe suivant ;

27
Sokolnikoff et Sokolnikoff, Cité par Taro Yamane, Mathematics for Economists, An Elementary
Survey, Englewood Cliffs, Prentice-Hall, Inc., 1968.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 169

e) Proposer une solution particulière Yp qui soit de la même forme que la fonction f(x) tout en évitant
la duplication ou la résonance tel que suggéré plus haut.
Premier cas : f(x) est un polynôme de degré n
Soit par exemple n = 2. Nous avons dans ce cas, f(x) = k0 + k1x + k2x2, avec k2  0.
Cherchons une solution particulière yp de cette équation aussi sous la forme d'un polynôme du second
degré yp = D0 + D1x + D2x2 où les Di sont des coefficients indéterminés.
Dérivons yp. On a : yp' = D1 + 2D2x et y"p = 2D2 et Introduisons les expressions de yp, y'p et y"p dans
l'équation (7.71), il vient :
2D2 + a1(D1 + 2D2x) + a2(D0 + D1x + D2x2)  k0 + k1x + k2x2
ou, après avoir égalé les coefficients des mêmes puissances de x,
(2D2 + a1D1 + a2D0) + (2a1D2 + a2D1)x + a2D2x2  k0 + k1x + k2x2
Puisque deux polynômes sont identiquement égaux si et seulement si les coefficients des mêmes
puissances de la variable x sont égaux, on en déduit le système :
a2D0 + a1D1 + 2D2 = k0
a2D1 + 2a1D2 = k1
a2D2 = k2
Si a2  0, ce système permet de déterminer les coefficients D2, D1 et D0.
Si a2 = 0, le système dérivé est incompatible. Auquel cas, en supposant que a1  0, il convient de chercher
une solution particulière yp sous la forme yp = x(D0 + D1x + D2x2).
2
d y dy
Exemple 7.29 : Trouver la solution générale de l’équation 2
− 2 − 3y = 2x .
dx dx
L'équation auxiliaire associée est r² – 2r –3 = 0. Comme a1 = –2 et a2 = –3,
a1² = 4 > 4a2 = –12. Par conséquent yc = C1e3x + C2e-x.
Nous cherchons ensuite une solution particulière sous la forme D0 + D1x.
Substituons cette expression dans l'équation proposée. On a 2D1 – 3(D0 + D1x) = 2x
On déduit, en égalant les coefficients des mêmes puissances de x de part et d'autre du signe d'égalité :
– 3D1 = 2  D1 = –2/3
– 3D0 – 2D1 = 0  D0 = 4/9
4 2 4 2
Par conséquent, y p = − x et la solution générale est y(x) = C1e3x + C2e–x + − x .
9 3 9 3
rx
Deuxième cas : f(x) est une exponentielle de la forme ke .
Il faut chercher la solution sous la forme Derx. Substituant dans l'équation (7.71'), on obtient :
r²Derx + a1 r Derx + a2Derx = kerx
Simplifiant par erx et égalant les coefficients de mêmes puissances de x, on obtient :
D(r² + a1r + a2) = k.
k
La solution particulière est donc D = 2
. (7.91)
r + a1 r + a 2
Notons que cette solution ne tient que lorsqu’il n’y a pas duplication ou résonance, c’est-à-dire
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 170

lorsque le coefficient du terme exponentiel n'est pas l'une des racines de l'équation caractéristique associée
à l'équation différentielle à résoudre ou lorsqu'un terme de la solution proposée de Yp se retrouve
exactement ou au signe près dans la fonction complémentaire Yc. Auquel cas, il faudra multiplier la
solution proposée par x afin d'assurer une indépendance linéaire parfaite entre les termes de Yc et ceux de
Yp.
2
d y dy
Exemple 7.30 : Trouver la solution générale à l'équation 2 − 5 + 6 y = e2 x .
dx dx
Calcul de la fonction complémentaire :
L'équation auxiliaire associée est r² – 5r + 6 = (r – 2)( r – 3) = 0.
Comme a1 = –5 et a2 = 6, a1² = 25 > 4a2 = 24, yc = C1e2x + C2e3x.
Calcul de l'intégrale particulière :
Nous cherchons une solution particulière sous la forme De2x. Mais 2 de l'exposant est une racine
simple de l'équation caractéristique. Nous chercherons donc une solution particulière sous la forme yp =
Dxerx. Substituons cette dernière expression dans l'équation proposée. On a :
4De2x + 4Dxe2x – 5De2x – 10Dxe2x + 6Dxe2x = e2x
– De2x = e2x
On en déduit D = –1. Par conséquent, yp = – xe2x et la solution générale est : y(x) = C1e2x + C2e3x – xe2x.
2
d y dy
Exemple 7.31 : Trouver la solution générale à l'équation 2
− 4 + 4 y = 4 e2 x .
dx dx
Réponse :
L'équation auxiliaire associée est r² – 4r + 4 = (r – 2)( r – 2) = 0. a1 = –4, a2 = 4 et a1² = 4a2 = 16, Par
conséquent, yc = C1e2x + C2xe2x.
Nous cherchons une solution particulière sous la forme De2x. Mais le coefficient 2 de l'exposant est une
racine double de l'équation caractéristique. Nous chercherons donc une solution particulière sous la forme
yp = Dxerx. Mais cette dernière est aussi un des termes de la fonction complémentaire. Finalement, nous
proposons : yp = Dx²erx qu'il suffira de substituer dans l'équation donnée afin de déterminer D.
Le lecteur est invité à trouver cette intégrale particulière.
Troisième cas : f(x) est une fonction trigonométrique de la forme A1 cos vx + A2 sin vx
On propose une solution sous la forme D1 cos v x + D2 sin v x tout en évitant la double résonance.
On substituera ensuite cette expression dans l'équation donnée et on égalera les coefficients de cos x et de
sin x de part et d'autre du signe d'égalité afin de déterminer les constantes arbitraires D1 et D2.
2
d y dy
Exemple 7.32 : Trouver la solution générale de l'équation 2
− 2 − 3 y = 2 cos 2 x .
dx dx
Solution :
Nous savons déjà (voir exemple 6.26) que yc = C1e–3x + C2ex.
Nous cherchons une solution particulière de la forme D1 cos 2x + D2 sin 2x.
Substituons cette expression dans l'équation proposée. On a :
y’ = – 2D1sin 2x + 2D2 cos 2x et y’’ = – 4D1cos 2x – 4D2 sin 2x. L’équation à résoudre devient :
– 4D1cos 2x – 4D2 sin 2x –2(–2D1 sin 2x + 2D2 cos 2x) –3(D1 cos 2x + D2 sin 2x) = 2 cos 2x.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 171

 –7D1 cos 2x – 7D2 sin 2x + 4D1 sin 2x – 4D2 cos 2x = 2 cos 2x

Après avoir égalé les coefficients de cos x et de sin x, on en déduit le système d'équations suivant
− 7 D1 − 4 D2 = 2 14 8
: . D’où D1 = – et D2 = – . Par conséquent,
− 4 D1 − 7 D2 = 0 65 65
14 8 14 8
yp = – cos 2x – sin 2x et la solution générale est y(x) = C1e-3x + C2ex – cos 2x – sin 2x.
65 65 65 65
Nota bene :
2 Si b = f(x) comporte plusieurs termes (car f(x) peut être une somme de polynômes,
d’exponentielles, de sinus et de cosinus ou des produits de telles fonctions), il est souvent plus
facile, en pratique, de calculer séparément l’intégrale particulière correspondant à chaque terme
dans f(x).
3 Les opérations nécessaires pour déterminer les coefficients appropriés peuvent être fastidieuses
quand les équations sont d’ordre élevé, particulièrement quand les termes non homogènes sont
complexes ou différents de ceux présentés au tableau 7.1. Dans ce cas, soit on utilise un calculateur
scientifique pour obtenir les Di, soit on utilise la méthode de variation des paramètres non
présentée dans ce cours.
[Link] Méthode itérative des Sokolnikoff et Sokolnikoff
2
d y dy
Considérons une équation différentielle du type 2
+ a1 + a 2 y = f(x). L'intégrale particulière yp peut
dx dx
s'obtenir en appliquant la formule ci-après proposée par les Sokolnikoff28:
( r2 − r1 ) x
e e
r 1x − r2 x
Y p=e f ( x) (dx) 2 (7.92)
où r1 et r2 sont les racines de l'équation caractéristique avec r1 < r2
2
d y dy
Exemple 10.33 : Trouver l'intégrale particulière de l'équation 2 − 5 + 6 y = e2 x .
dx dx
C’est une équation dont le second membre est une fonction exponentielle du type f(x) = ke2x. Nous avons
vu (exemple 7.30) que l'équation auxiliaire associée est (r – 2)( r – 3) = 0 dont les racines sont r1 = 2 et r2 =
3. Ainsi, en appliquant la formule (7.92), on a :

Yp = e 2 x  e (3− 2 ) x  e −3 x e 2 x (dx) 2

= e 2 x  e x  e −3 x e 2 x dx dx
   
= e 2 x  e x  e − x dx dx = e 2 x  e x (− e − x ) dx = – e 2 x  dx = – e2x x.
Donc
yp = – xe2x.
7.6 Systèmes d'équations différentielles linéaires d'ordre 1
Soit donné le système d'équations différentielles :

28
Sokolnikoff et Sokolnikoff, cit. op. p. 296.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 172

dy1
= a11 y1 + a12 y2 +  + a1n yn
dx
dy2
= a21 y1 + a22 y2 +  + a2 n yn (7.93)
dx

dyn
= an1 y1 + an 2 y2 +  + ann yn
dx
où les coefficients aij sont constants. Ici, x désigne la variable indépendante et y1(x), y2(x), ..., yn(x) les
fonctions inconnues. Le système (7.93) est appelé système d'équations différentielles linéaires
homogènes à coefficients constants.
Un système d'équations différentielles non homogène peut s'écrire sous la forme matricielle
suivante :
Y' = A Y + B (7.94)
où Y' est un vecteur à n dimensions comprenant les dérivées d'ordre 1 des fonctions, Y, un vecteur
comprenant les fonctions inconnues et A la matrice des coefficients.

7.6.2 Résolution des systèmes d’équations différentielles linéaires d’ordre 1

[Link] Cas où la matrice des coefficients A est diagonalisable
Nous avons vu que si A est diagonalisable, elle peut s'écrire comme A = PDP-1 où P est une
matrice de passage dont les colonnes sont les vecteurs propres de A et D une matrice diagonale ayant les
valeurs propres de A sur la diagonale principale.
Nous pouvons écrire :
Y' = PDP-1 Y + B (7.93a)
Pré-multiplions les deux membres par P-1. Nous obtenons :
P-1Y = DP-1 Y + P-1B (7.94)
Posons
P-1 Y = U. (7.95)
La relation précédente devient :
U' = D U + Z (7.96)
où Z = P-1B et D une matrice diagonale ayant les valeurs propres de A sur la diagonale principale.
(7.96) s'écrit, si on détaille ses éléments :
u'i = i ui + zi (i = 1, 2, ..., n) (7.97)
qu'on peut résoudre séparément en utilisant la procédure vue précédemment.
Puisqu'on a posé P-1 Y = U, on peut revenir à la variable Y en pré-multipliant U par la matrice de
permutation P, c'est-à-dire en écrivant :
Y=PU (7.98)
Exemple 7.34 : Trouver la solution complète du système :
y'1 = – y2 + y3
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 173

y'2 = 4y1 – y2 – 4y3

y'3 = – 3y1 – y2 + 4y3
Réponse :
C'est un système à trois équations différentielles homogènes d'ordre 1 car le second membre est nul. La
 0 −1 1
 
matrice des coefficients A =  4 − 1 − 4 .
− 3 − 1 4

Le polynôme caractéristique est PA() = –3 + 3² + – 3 = ( + 1)(  – 1)(  – 3) = 0
D'où 1 = –1,  = 1 et 3 = 3. Les trois valeurs propres étant distinctes, A est diagonalisable parce qu'il
 1 1 1
 
existe une matrice de passage P = 2 0 − 1 non-singulière telle P-1AP = D.
 1 1 2
 
La relation (7.96) donne :
 u1'  − 1 0 0  u1  − u1 
   
U  = DU = u 2'  =  0 1 0 u 2  =  u 2 
u '    u   3u 
 3   0 0 3  3   3 
u1' = – u1  u1 = C1e-x
u 2' = u2  u2 = C2ex
u 3' = u3  u3 = C3e3x

 y1   1 1 1 C1e 
−x
 C1e − x + C 2 e x + C3 e 3 x 
      
Par (7.98), on obtient : Y = PU =  y 2  = 2 0 − 1  C 2 e x  =  2C1e − x − C3 e 3 x 
 
 y3  1 1 2 C3 e   − 
C1e + C 2 e + 2C3 e 
3 x x x 3 x
  
[Link] Cas où la matrice des coefficients A n'est pas diagonalisable
Si A n'est pas diagonalisable, nous savons qu'elle peut toujours s’écrire comme A = QJQ-1 où J est une
matrice triangulaire supérieure ayant les valeurs propres de A sur la diagonale principale et le nombre 1 en
diverses positions sur la surdiagonale et Q est une matrice de passage dont les colonnes sont les vecteurs
propres et les vecteurs de Jordan de A
Dans ce cas, (7.142) devient :
Y' = QJQ-1 Y + B (7.99)
En pré-multipliant par Q-1 les deux membres de (7.99) et en posant
U = Q-1Y, (7.100)
on arrive au système triangularisé :
U' = JQ + Z (7.101)
ou encore, sous forme détaillée, en notant cij les éléments de J,
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 174

u1' = 1u1 + c 21u 2 + ... + c n1 u n

u 2' =  2 u 2 + ... + c n 2 u n
(7.102)
.............
u n' =  n u n
Puisqu'on a posé Q-1Y = U, on peut revenir à la variable Y en pré-multipliant U par la matrice de
permutation Q, c'est-à-dire, en calculant :
Y = QU (7.103)

 x' = 2 x + y

Exemple 7.35 : Résoudre le système d'équations ci-après :  y ' = y−v
 v' = 2 y + 4v

Réponse :
 2 1 0
 
La matrice du système est A = 0 1 − 1 .
 0 2 4
 
PA() = – + 7² – 16 + 12 = (– 3) (– ² + 4 – 4 = (– 3) (  – 2)² = 0.
3

D'où 1 = 3, 2 = 2, k = 2. A n'étant pas diagonalisable (car Dim E2 = 1 ≠ k = 2), on recourt à la forme
 3 0 0 1 1 0
 
réduite de Jordan qui lui est semblable J = 0 2 1 tandis que Q =  1 0 1  .
0 0 2  − 2 0 − 1
 
 u1'   3 0 0  u1   3u1 
    u  = 2u + u 
La relation (7.101) donne : U’ = JU  u 2'  = 0 2 1  2  2 3
u '    u 3   2u 3 
 3  0 0 2 

u1' = 3u1  u1 = C1e3x et u 3' = 2u3  u3 = C3e2x. Mais la deuxième équation s’écrit : u 2' = 2u 2 + u 3 ou

u 2' – 2u2 = C3e2x dont la solution est de la forme u2 = (C2 + C3x) e2x.
 C1e
3x

 
Ainsi Ux = (C2 + C3 x)e2x .
 2x 
 C3e 
On obtient la solution Y recherchée en faisant Y = QU. Soit :
1 1 0   C1e + (C2 + C3 x)e 2x
3x 3x
 x C1e
   
Y = QU   y  =.  1 0 1  (C2 + C3 x)e2x =  .
3x
C1e + C3 e 2x
 v  − 2 0 − 1    
  − 2 C1e − C3e
2x 3x 2x
 C3e 
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 175

Chapitre Huitième
EQUATIONS DE RECURRENCE
(EQUATIONS AUX DIFFERENCES FINIES)

Dans beaucoup de problèmes économiques, les relations entre les variables sont le plus souvent
établies en termes de taux de variation. Nous avons vu, dans le chapitre précédent, que lorsque ces variations
sont continues, les équations qui les contiennent sont les équations différentielles. Mais lorsque l'on considère
que les variables changent d'une manière discrète, on est en présence d'un point de vue mathématique
d'équations aux différences (ou équations de récurrence). Ces dernières sont fréquemment utilisées en
économie dans la mesure où beaucoup de données économiques sont enregistrées à des périodes successives
de temps. Lorsque ces périodes deviennent de plus en plus courtes, on dira que les équations aux différences
sont en quelque sorte un cas limite des équations différentielles. Le présent chapitre commence par traiter des
différences des fonctions ainsi que des formules d’interpolation pour l’obtention des polynômes approchés de
degré n. Le reste du chapitre sera consacré aux équations aux différences finies linéaires.

8.1 Les différences d’une fonction

Considérons une fonction y = f(x) définie uniquement aux n points xi, i = 1, 2, ..., n. Supposons,
pour simplifier, que la distance entre deux points adjacents quelconques est constante, c'est-à-dire que xi + 1
- xi = x = h pour tout i. Par conséquent, y = f(x) est fonction discrète avec des points des données
également espacés.
Le symbole  est appelé « opérateur de différence » et la quantité finie X est dite « intervalle
de différence ».
y = f(x)
y

0 x x+x x+2x x+3x x+4x

La variation de y lorsque x change de x à x + x est appelée « différence première de y(x) ou

différence du premier ordre de y(x). Elle est notée y(x) et est donnée par l'expression
y(x) = y(x + x ) – y(x). (8.1)
ou
y(x) = f(x + h) – f(x) (8.1')
où h est la distance constante entre deux points adjacents quelconques de x.

Cette différence première peut encore s’écrire

y = f(x) – f(x – h). (8.2)
Il existe une similitude entre la différence première d'une fonction discrète et la dérivée première d'une
fonction différentiable. En effet, la dérivée est définie comme la limite du quotient des différences y/x
lorsque x tend vers zéro, c’est-à-dire,
f ( x + x) − f ( x) y
lim = lim
x →0
( x + x) − x x →0
x
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 176

Quelques propriétés :

(1) [af(x) ± bg(x)] = a f(x) ± b g(x)]

où a et b sont des constantes

(2)  [f(x)g(x)] = f(x + h) g(x + h) – f(x)g(x)

 f(x) f(x + h) f(x)
(3)  = −
 g(x) g(x + h) g(x)
(4) xn = (x + h)n – xn

En vertu du théorème binomial et lorsque n est un nombre entier, on peut écrire

n
n
x n =    h n − j x j − x n (8.3)
j= 0  j

En écrivant les coefficients binomiaux et après avoir effectué la soustraction, nous obtenons :
n(n - 1 )h 2 n - 2
 x n = nhx n - 1 + x + ...+ h n (8.4)
2
Si h = 1, cette dernière devient :
n(n - 1 ) n - 2
 x n = nx n - 1 + x + ... + 1 (8.5)
2
Exemple 8 .1 : Calculez 2x.
Solution : 2x = 2x + h – 2x = 2x . 2h – 2x
= 2x ( 2h – 1) = 2x si h = 1.

Cet exemple montre que, dans le calcul des différences, le nombre 2 est l’équivalent du nombre e qu’on
d x
trouve dans le calcul différentiel puisque pour h = 1, 2x = 2x et que e = ex .
dx
Les différences d'ordre supérieur à 1 sont obtenues en calculant les différences des différences à
l'aide de l'opérateur de différence .
Ainsi, la différence d'ordre 2 (ou différence seconde) de y(x), notée ²y(x), est définie comme étant la
différence de la différence première de y. Nous écrivons, en posant h = 1, :
²y(x) =  [y(x)] =  [y(x + 1) – y(x)]
= y(x + 1) – y(x)
²y(x) = y(x + 2) – 2y(x + 1) + y(x) (8.6)

De même, la différence troisième (ou d'ordre 3), notée ³y(x), est la différence de la différence
d'ordre 2.
³y(x) =  [²y(x)] =  [y(x + 2) – 2(x + 1) + y(x)]
³y(x) = y(x + 3) – 3y(x + 2) + 3y(x + 1) – y(x) (8.7)

En général, la différence d’ordre k est la différence de la différence d’ordre k–1, c’est-à-dire

n y( x) = (n−1 y( x) = n−1 y( x + 1) − n−1 y( x) (8.8)
= y(x+n) – n y(x + n–1) + … + (–1) y(x) n
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 177

Exemples 8.2 :
1. Trouver les différences première, seconde, troisième et quatrième de y = 3x² + 2x – 1
a) y(x) = [3(x + 1)² + 2(x + 1) – 1] – (3x² + 2x – 1)
= 3x² + 6x + 3 + 2x + 1 – 3x² – 2x + 1 = 6x + 5
b) ²y(x) =  (6x + 5)
= [6(x + 1) + 5] - (6x + 5) = 6
c) ³y(x) =  (6) = 6 – 6 = 0
4y(x) =  (0) = 0

2. Si y = 2x² – 3, trouver ²y(x).

y(x) = [ 2 (x + 1)² – 3 ] – (2x² – 3)
= 2x² + 4x + 2 – 3 – 2x² + 3 = 4x + 2
²y(x) =  (4x + 2)
= [ 4 (x + 1) + 2] – (4x + 2) = 4

3. Calculer la différence première de y(x) = x² + x, avec x = 2.

y(x) = [(x + 1)² + (x + 1)] – (x² + x)
= 3² + 3 –2² – 2 = 6
Les exemples 8.2 illustrent le théorème fondamental du calcul des différences qui s’énonce comme suit :
Le théorème fondamental du calcul des différences
La différence n-ième d'un polynôme de degré n de la forme
f(x) = a0 + a1x + a2x² + ... + anxn
est une constante dont la valeur est égale à ann!hn avec h = x, tandis que sa différence
d'ordre supérieur à n est égale à zéro.

Exemple 8.3 : Trouver la différence d'ordre 5 de y(x) = 3x5 – 4x4 + 10x³ + 5

Solution :
Le calcul de 5y(x) en passant par y, ²y, ³y, ... est long et fastidieux. Cependant, par le
théorème fondamental, nous avons :
5y(x) = 3(5!)h5 = 3(120h5) = 360 si h = 1.
Pour une fonction générale y(x) de degré n, la différence d’ordre k, ky(x), avec k < n et h = 1 est obtenue
en appliquant la formule de Lagrange ci-après :
k
k 

k
y(x) =  (-1 )k - j   y(x + j) (8.9)
j=0  j
k  k!
avec   = Ckj = , 0
C k = 1 et 0! = 1
 j j!(k - j)!
ou

 y(x)= ( y(x))= 

k
k!
k k -1
(-1 ) j y(x + k - j) (8.10)
j=0 j!(k - j)
Exemple 8.4 : Etant donné y(x) = – 6x³ + 11 x2 – 6x + 1, trouver a) 3y et 4y, b) 2y.

Solution : a) Par le théorème fondamental du calcul des différences, on a :

3y(x) = – 6 (3 !) = – 6 (6) = –36
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 178

4y(x) = 0 (parce que k = 4 > n = 3.

2
b)  2 y ( x) =  (−1) 2 − j C2j y ( x + j ) .
j=0

Pour j = 0, on a : (−1 ) C y ( x) = – 6x³ + 11 x2 – 6x + 1

2 -0 0
2

Pour j = 1, on a : (−1 )2 -1 C 12 y ( x + 1) = –2 [– 6 (x + 1)³ + 11( x + 1)2 – 6(x + 1) + 1]

= –2 [–6 x³ – 7x2 – 2x ]
= 12x3 + 14x2 + 4x
Pour j = 2, on a : (−1 )2 - 2 C 22 y ( x + 2) = (1) (1) [-6 (x + 2)³ + 11( x + 2)2 – 6(x + 2) + 1]
= [–6 x³ – 25x2 – 34x – 15 ]
2
Ainsi,  y ( x) =  (−1) 2 − j C2j y ( x + j )
2

j=0

= (– 6x³ + 11 x2 – 6x + 1) + (12x3 + 14x2 + 4x) + (–6 x³ – 25x2 – 34x – 15)

= –36x – 14
Les différences d'ordre supérieur peuvent être calculées en utilisant un tableau des différences
finies tel que celui donné ci-après.
La manière dont ce tableau est construit suggère comment les différences doivent être obtenues;
ainsi par exemple, y(0) se calcule en soustrayant y(0) de y(1), ²y(0) en soustrayant y(0) de y(1),
³y(0) en soustrayant ²y(0) de ²y(1), etc.
Tableau 8.1 : Tableau des différences finies
x y y 2y 3y
0 y(0)
y(0)
1 y(1) 2y(0)
y(1) 3y(0)
2 y(2) 2y(1) ....
y(2) ...
3 y(3) ....
..... .....

Exemple 8.5 : Construire un tableau des différences pour y(x) = – 6x3 + 11x² – 6x + 1 avec
x = 0, 1, 2, ..., 5.
Tableau 8.2 : Tableau des différences
x y y 2y 3y 4y 5y
0 1
–1
1 0 –14
–15 –36
2 –15 –50 0
–65 –36 0
3 –80 –86 0
–151 –36
4 –231 –122
–273
5 –504
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 179

Remarques :

o Ce tableau illustre le théorème fondamental de calcul des différences. En effet, la différence troisième
est une constante pour toutes les valeurs de x, tandis que la différence d'ordre supérieur à 3 est égale à
0.
o Le tableau peut se construire de deux manières : soit que nous calculons d'abord toutes les valeurs de y
et obtenons ensuite les différences premières par soustraction, les différences secondes s'obtenant par
soustraction des différences premières et ainsi de suite. Soit encore que nous calculons seulement la
première valeur dans chaque colonne, les autres valeurs étant obtenues par addition. Ayant déjà trouvé
y(0), y(0), ²y(0) et ³y(0), nous pouvons calculer y(1) en ajoutant y(0) à y(0), y(1) en ajoutant
y(0) à ²y(0), ²y(1) en ajoutant ²y(0) à ³y(0), etc. On procédera ainsi jusqu'à ce que toute la table
soit entièrement remplie.
o Il est aisé de détecter les erreurs de calcul dans un tableau des différences car la somme des valeurs
d'une colonne j, plus la première valeur de la colonne j – 1 doit être égale à la dernière valeur de la
colonne j – 1. Dans la table des différences présentée ci - haut, la somme des éléments de la colonne 4
(relative à ²y) est égale à –272. Lorsque ce nombre est ajouté –1 (la première valeur de la colonne 3),
on obtient – 273 (le dernier élément de la colonne 3). De même, la somme des éléments de la colonne
3 (ici –505), plus la première valeur de la colonne 2 (ici, 1) donne –504 (la dernière valeur de la
deuxième colonne).
En construisant le tableau 8.2, nous connaissions préalablement la forme exacte de la fonction y =
f(x) et ses différentes valeurs aux points xi. Dans beaucoup de cas cependant, cette fonction est inconnue et
il peut nous être demandé de la retrouver à partir d’une série des valeurs de x et y. Plusieurs méthodes
peuvent être utilisées pour approcher la fonction y, notamment la formule d'interpolation de Newton ci-
après utilisée lorsque le polynôme en x est de degré n et que les accroissements des valeurs de x sont
constants, (c'est-à-dire si x constant et égal à 1) :
 f(0) (j)
n j
y = f(x) = 
j=0 j!
x (8.11)

x(j), qui est un polynôme factoriel d’ordre j, se lit « x au factoriel j » et est égal au produit de j facteurs x (x
– 1) (x – 2)... (x – j + 1) 29. Par exemple, x(3) se lit « x au factoriel 3 » et est égal à x (x – 1) (x – 2).
Par convention, 0f(0) = f(0), 0! = 1 et x(0) = 1.
Illustrons cette formule en supposant que nous ne disposons que de deux premières colonnes du
tableau 8.2. Les éléments des colonnes 3 à 7 s'obtiennent aisément en suivant les principes développés dans
le tableau 8.2. Puisque les colonnes relatives aux 4y et 5y n'ont que des zéros, nous concluons, en vertu
du théorème fondamental du calcul des différences, que le polynôme recherché sera de degré 3. Ainsi,
pour n = 3, la formule de Newton donne :
 f(0) (j)  f( 0 ) ( 0 )  f(0) ( 1 )  f(0) ( 2 )  f(0) ( 3 )
n j 0 1 2 3
y = f(x) = 
j=0 j!
x =
0!
x +
1!
x +
2!
x +
3!
x

(−1)  14   36 
f(x) = 1 + x + − x ( x − 1) + − x ( x − 1) ( x − 2)
1  2   6 
= 1 – x – 7x + 7x – 6x + 18 x – 12 x
2 3 2

= 1 – 6x + 11x2 – 6x3

Nous observons que cette fonction est la même que celle utilisée pour la construction de la table des
différences reprise au tableau 8.2. L'approximation est donc exacte.

29
Le produit x(j) est aussi connu sous le nom de « polynôme factoriel positif » Voir Wylie, C. R. et Barret, L. C.,
Advanced Engineering Mathematics, 5ème Ed., New York, Mc Graw – Hill Book Co., 1982, p. 254.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 180

Exemple 8.6 : La demande d’un bien Q par rapport au prix unitaire P est décrite par le tableau ci-après :
Q 0 1 2 3 4 5
P 42 36 28 18 6 –8
Trouvez la fonction de demande P = f(Q).
Solution :
La table des différences correspondante est reprise dans le tableau 8.3.
Tableau 8.3 : Table des différences de l’exemple 8.6
Q P P 2P 3P
0 42
–6
1 36 –2
–8 0
2 28 –2
–10 0
3 18 –2
–12 0
4 6 –2
–14
5 –8
Il est aisé de constater que les accroissements des valeurs de Q sont constants et égaux à 1. De plus, les
différences d’ordre 2 sont égales à 2, tandis que les différences d’ordre supérieur à 2 sont nuls. Nous
concluons que le polynôme recherché est de degré 2. Ainsi, par la formule d’interpolation de Newton, nous
avons :
 f(0) ( j )  f( 0 ) ( 0 )  f(0) (1)  f(0) ( 2)
n j 0 1 2
P = f (Q) =  q = q + q + q
j =0 j! 0! 1! 2!
(−6)  2 
p = f(q) = 42 + q + − q (q − 1) = 42 − 6q − q 2 + q = 42 − 5q − q 2
1  2 
Jusqu’ici, nous avons supposé une fonction y = f(x) donnée pour une suite des valeurs distinctes de x
également espacées avec x = 1. Mais, lorsque les accroissements de x ne sont pas constants ou que ceux-
ci sont différents de 1, la variation de y quand x passe de x à x + x est appelée «différence divisée de
y(x) ».

Ainsi, si f(xi) et f(xj) sont deux valeurs quelconques de f(x), alors les différences divisées
premières de f(x) notées f(xi, xj) ou [xi, xj] sont définies par
f ( xi ) − f ( x j )
f (xi , x j ) =
xi − x j
ou
x , x = [y( x ) −− y( x
i j
i
.
j )]
(8.12)
xi x j
De même, si f(xi, xj) et f(xj, xk) sont deux différences divisées premières de f(x) ayant en commun
l’argument xj, alors les différences divisées secondes de f(x) sont définies par
f ( xi , x j ) − f ( x j , xk )
f (xi , x j , xk ) =
xi − xk
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 181

ou
x , x , x k =
x , x  − x , x  .
i j j k
(8.13)
i j
xi - x k
Les différences divisées troisièmes seront obtenues par la formule

x1 , x2 , x3  − x2 , x3 , x j 
x , x , x3 , x j  = (8.14)
x1 − x j
1 2

et ainsi de suite.

Bien qu’évident uniquement pour les différences divisées d’ordre 1, il est vrai que les différences divisées
d’ordre quelconque sont des fonctions symétriques de leurs arguments.
Par conséquent,
f(xi, xj, xk) = f(xi, xk, xj) = f(xj, xi, xk) = ...

Les propriétés suivantes découlent des définitions plus haut ;

2. Toute différence divisée de la somme algébrique de deux fonctions est égale à la somme
algébrique des différences divisées des fonctions individuelles.
3. La différence divisée d’une constante multipliée par une constante est égale à la constante fois
la différence divisée de la fonction.
Enfin, dans beaucoup d’applications, il peut être utile de construire une table des différences
divisées identique à celle des différences tout court. Nous avons alors le tableau ci-après :

Tableau 8.4 : Table des différences divisées

x y = f(x) [’] [’’] [’’’] [iv]
x1 f(x1)
[x1,x2]
x2 f(x2) [x1,x2,x3]
[x2,x3] [x1,x2,x3,x4]
x3 f(x3) [x2,x3,x4] [x1,x2,x3,x4,x5]
[x3,x4] [x2,x3,x4,x5] ...
x4 f(x4) [x3,x4,x5] ...
[x4,x5] ...
X5 f(x5) ...
... ... ...

Ainsi, lorsque, pour une série comprenant n + 1 points d'observation, les accroissements des
valeurs de x ne sont pas constants et/ou égaux à 1, l’approximation ne sera plus exacte et le polynôme de
degré n sera obtenu non plus par la formule 7.6, mais plutôt par la formule d'interpolation de Newton ci-
après :
f n (x) = y(x1) + (x – x1)[x1,x2] + (x – x1) (x – x2) [x1, x2, x3]
+ (x – x1) (x – x2)(x – x3)[x1,x2,x3,x4] + .. . + (x – x1) ... (x – xn)[x1,x2, ..., xn,xn+1] (8.15)

où les expressions
x , x , x 3 ,..., x j  =
x , x
,..., x j - 2 , x j -1 - x 2 , x3 ,..., x j -1 , x j 
1 2
1 2
x1 - x j
désignent les différences divisées d'ordre quelconque.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 182

Exemple 8.7a : L’évolution de l’épargne nationale (y) en milliards de Francs en fonction du revenu
national (x) est décrite par le tableau ci-après :

X 0 2 3 5
Y 9 6 3 1

Trouvez la fonction d’épargne y = f(x) en utilisant la méthode d’interpolation appropriée.

Solution :

Les valeurs de x ne sont pas également espacées. Comme le nombre de données observées est égal
à 4 (n + 1 = 4), le polynôme associé à ce tableau sera de degré 3. Connaissant les valeurs de x et de
y, nous pouvons déterminer les différences divisées d'ordres 1, 2 et 3. D’où le tableau 8.5 ci-après :

Tableau 8.5 : Table des différences divisées de l’exemple 7.7a

x y = f(x) [’] [’’] [’’’]

x1 = 0 f(x1 ) = 9
[x1, x2] = –3/2
x2 = 2 f(x2 ) = 6 [x1, x2, x3] = –1/2
[x2, x3] = –3 [x1,x2,x3,x4] = 7 / 30
x3 = 3 f(x3 ) = 3 [x2, x3, x4] = 2/3
[x3, x4] = –1
x4 = 5 f(x4 ) = 1

Opérations utiles :

x1 , x2  =  y( x1 ) − y( x 2 ) 9−6
= =− ,
3
x1 − x 2 0−2 2

x2 , x3  = y( x2 ) − y( x3 ) = 6 − 3 = − 3
x 2 − x3 2−3
x3 , x4  =  y( x3 ) − y( x4 ) = 3 − 1 = − 1 ,
x3 − x 4 3−5
3
− − (−3)
x1 , x2 , x3 , = x1 , x2  − x2 , x3  = 2 =− ,
1
x1 − x3 0−3 2

x2 , x3 , x4 , = x2 , x3  − x3 , x4  = − 3 − (−1) = 2 ,

x − x 2−5 3
2 4
1 2
− −
x1 , x2 , x3 , x4 , = x1 , x 2 , x3  − x 2 , x3 , x 4 
= 2 3 = 7 .
x1 − x 4 0−5 30

Ainsi, d'après la formule d’interpolation de Newton, le polynôme approché recherché est :

f 3 (x) = y(x1) +(x − x1)[x1, x2]+(x − x1)(x − x2)[x1,x2,x3] + (x − x1)(x − x2)(x − x3)[x1,x2,x3,x4]
= 9 + (x) (–3/2) + (x) (x–2) (–1/2) + (x) (x–2) (x–3) (7/30)
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 183

3 1 7
= 9− x − ( x 2 − 2 x) + ( x3 − 5 x 2 + 6 x)
2 2 30
3
9 5 7x
= 9 − x − x2 +
10 3 30

Exemple 8.7b : L’évolution de la consommation C par rapport au revenu R est décrite par le tableau ci -
après :

R 10 20 40 50
C 10 15 25 30
Ecrire la consommation C en fonction du revenu R en utilisant la méthode d’interpolation
appropriée.

Solution :
Les valeurs de la variable indépendante R ne sont pas également espacées. Le nombre de données
observées est certes égal à 4. Cependant, nous constatons que les différences divisées d’ordre 1
sont égales à une constante (2) tandis que celles d’ordre supérieur à 1 sont nulles. Le polynôme est
donc de degré 1. Connaissant les valeurs de R et de C, nous pouvons déterminer les différences
divisées d'ordres 1, 2 et 3. D’où le tableau 8.6 ci-après :

Tableau 8.6 : Table des différences divisées de l’exemple 8.7b

R C [’] [’’] [’’’]

r1 = 10 c(r1 ) = 10
[r1, r2] = 1/2
r2 = 20 c(r2 ) = 15 [r0, r1, r3] = 0
[r2, r3] = 1/2 [r1,r2,r3,r4] = 0
r3 = 40 c(r3 ) = 25 [r2, r3, r4] = 0
[r3, r4] = 1/2
r4 = 50 c(r4 ) = 30

Opérations utiles :

r1 , r2  = c(r1 ) − c(r2 ) 10 − 15 1

= = , r2 , r3  = c(r2 ) − c(r3 ) 15 − 25 1
= = ,
r1 − r2 10 − 20 2 r 2 − r3 20 − 40 2

r3 , r4  = c(r3 ) − c(r4 ) = 25 − 30 = 1 , r1 , r2 , r3  = r1 , r2  − r2 , r3  = 1 / 2 − (1 / 2) = 0 ,

r 3 − r4 40 − 50 2 r1 − r3 − 30
r2 , r3 , r4  = 0 , r1, r2 , r3 , r4  = 0 .
Ainsi, d'après la formule d’interpolation de Newton, le polynôme approché recherché est :

C = c(r1) + (r − r1) [r1, r2] + (r − r1) (r − r2) [r1, r2, r3] + (r − r1) (r − r2) (r − r3) [r1, r2, r3, r4]
1 1 1
= 10 + (r – 10)   + 0 = 10 +   r – 5 = 5 +   r
2 2 2
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 184

8.2 Equations de récurrence linéaire

8.2.1 Définition et classification des équations de récurrence (équations aux différences finies)
On appelle équations de récurrence celles qui expriment une relation entre une variable dépendante
et une ou plusieurs variables indépendantes décalées qui changent à des intervalles discrets dans le temps,
par exemple, Ix = f(yx - 1). Dans ces équations, c'est la forme de la fonction y(x) qui est elle-même une
inconnue.
Une équation de récurrence peut se mettre sous forme datée ou sous forme « différence ». Elle est dite
sous forme datée si elle exprime les variables dépendantes en fonction du temps (exemples Yt, Yt+ i,…).
Elle sous forme « différence » si la relation exprime les différences de la variable dépendante (par
exemples yx –, yx+i …)
Entre deux instants x et x+1, y prend la valeur yx et y. La quantité yx – yx–1 est appelée
« différence ». Cette différence est supposée finie. Ce qui explique que parfois l’appellation
« équation aux différences finies ».
Notons que, dans certains cas, les coefficients des termes yx + i peuvent être des fonctions de x. Les
équations de ce type sont, en général, difficiles à résoudre. C'est pour cette raison que dans ce cours les
coefficients de tous les termes yx + i sont supposés constants.

L'ordre d'une équation de récurrence est la différence entre la période la plus élevée et la plus
basse intervenant dans cette équation. Il est mesuré par le plus grand nombre de périodes de retard. Ainsi,
une équation de récurrence du premier ordre correspond à un retard d'une période ; une équation récurrente
d'ordre 2 à un retard de deux périodes, etc. La période est l’intervalle qui sépare deux dates.
Le degré d'une équation de récurrence est la plus grande puissance à laquelle est élevé un terme
yx + i.
Exemple 8.8
1. yx+1 − yx = c (ordre 1, degré 1)
2. 18yx+2 − 6yx = 5x (ordre 2, degré 1)
3. yx+3 + yx+2 − yx = x (ordre 3, degré 1)
4. 3yx+2 + 4yx+1 = 2x (ordre 1, degré 1)
5. ²yx – 3yx – 3yx = x (ordre 2, degré 1)
(elle peut s'écrire comme (yx+1 – yx) – 3(yx+1 − yx) – 3yx = x
soit, yx+2 − 5yx+1 + yx − x = 0).
6. 8xyx+3 – 3x yx+2 + 9xyx+1 + 2yx = 3 (ordre 3, degré 1)
7. y²x+4 + 3yx+3 − 3yx = 4 (ordre 4, degré 2)
8. yt + n – yt + n – 2 = 1 (ordre 2, degré 1)

8.2.2 Solution d’une équation de récurrence

On appelle solution d'une équation de récurrence une relation fonctionnelle qui est définie pour
tout nombre non négatif et qui satisfait à l'équation aux différences. Elle est générale si les n constantes
arbitraires ne sont pas définies par les conditions initiales ou les conditions limitatives et spécifique ou
définie dans le cas contraire.
 x(x − 1) 
Exemple 8.9a : Montrer que yx =  + C est une solution de yx+1 – yx = x et trouver une
 2 
solution particulière si y0 = 2.
Solution :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 185

 x(x − 1) 
Si yx =  , yx+1 – yx = x devient :
 2 
 ( x + 1) ( x + 1 − 1)    x ( x − 1) 
 + C  −   + C   = x
 2   2 
 ( x + 1) x   x ( x − 1) 
 2 − 2  = x
   
x 2 + x − x 2 + x 2x
= =x
2 x
 0(0 − 1)   x(x − 1) 
Si x = 0, y0 = 2. On a : 2 =   + C  2 = C. D’où : yx =  + 2.
 2   2 
Exemple 8.9b : Montrer que yx = C1+ C22x – x est une solution de yx+2 – 3yx+1 + 2yx =1 et trouver
une solution particulière si y0 = 0 et y1 = 3.
Solution :
Si yx = C1+ C22x – x, alors
yx+2 = C1+ C22x+2 – (x+2) = C1+ 4C22x – x – 2
3yx+1 = 3(C1+ C22x+1 – (x+1) = 3(C1+ 2C22x – x – 1),
2yx = 2C1+2 C22x – 2x.
yx+2 – 3yx+1 + 2yx =1  [C1+ 4C22x – x – 2] – [3C1+ 6C22x – 3x – 3] +[2C1+2 C22x – 2x] = 1
 1=1
Si x = 0, alors on a : 0 = C1 + C2 20 – 0  C1 + C2 = 0
Si x = 1, alors on a : 3 = C1 + C2 21 – 1  C1 + 2C2 = 4
 C + C2 = 0
En résolvant le système  1 , on trouve C1 = – 4 et C2 = 4. Ainsi la solution particulière
C1 + 2C 2 = 4
est : yx = – 4+ 4 2x – x = 4(2x – 1) – x.

8.2.3 Equations de récurrence linéaires du premier ordre

Les équations de récurrence linéaire du premier ordre sont les plus faciles à résoudre. Leur
expression générale est:
a0(x) yx+1 + a1(x)yx = g(x) (8.16)
où
a0(x) et a1(x) sont des coefficients différents de zéro, x = 0, 1, 2, ...

[Link] Equations de récurrence linéaires d’ordre 1 à coefficients constants

Si a0(x), a1(x) et g(x) sont des constantes et a0(x)  1, on peut diviser tous les termes de (11.16) par
a0(x) pour obtenir :
a (x) g(x)
y x+1 + 1 y x =
a0 (x) a0 (x)
soit
yx+1 + ayx = G (8.17)
où
a = a1(x)/a0(x) et G = g(x)/a0(x).
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 186

L’équation (8.17) est appelée équation de récurrences linéaires du premier ordre à coefficient
et à second membre constants.
On trouve sa solution générale en ajoutant à la fonction complémentaire (Yc), la solution
particulière Yp.

[Link].1 Calcul de l'intégrale particulière

Puisque yp est, par définition, n'importe quelle solution de (8.17), nous proposons une solution de
la forme yx = k (k = constante). Dans ce cas, (8.17) devient :
k + ak = G
(1 + a)k = G et k = G/(1 + a)
Ainsi
G
Y p= si a  –1 (8.18)
1+ a
Dans le cas où a = –1, yp ne peut être obtenue à partir de (8.18). Nous proposons alors une autre solution de
la forme yx = kx. Dans ces conditions, (8.17) s'écrit
k(k + 1) + akx = G
k(1 + x + ax) = G
Mais a étant égal à –1, nous obtenons k = G. Ainsi,
yp = Gx si a = –1 (8.19)

[Link].2 Calcul de la fonction complémentaire

La fonction complémentaire yp est la solution de (8.17) où G = 0. Posons yx = Cbx ≠ 0.
Alors, l'équation homogène devient :
Cbx + 1 + aCbx = Cbx.b + a Cbx = 0
= Cbx (b + a) = 0
L'expression Cbx étant différente de zéro, Cbx(b + a) s'annule lorsque b = − a.
Donc
yc = C( − a)x (8.20a)

Il est évident que lorsque a = –1, (8.20) s'écrit

yc = C(1)x = C. (8.20b)
Les formules permettant d'obtenir les solutions (générale et définie) sont données dans le tableau 8.7 ci-
après :

Tableau 8.7 : Solution des équations de récurrence d’ordre 1

Condition Solution générale Solution définie
G  G  G
a  –1
Yx = C(–a)x + (8.21) y x =  y0 −  ( − a )x + (8.22)
1+ a  1+ a  1+ a

a = –1 Yx = C + Gx (8.23) yx = y(0) + Gx (8.24)

Exemple 8.10a : Résoudre les équations de réccurence linéaires d’ordre 1 suivantes :

1. 2yx + 1 = 4yx + 3, y0 = 1/2
2. 3yx + 1 − 3yx = –7, y0 = 3
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 187

Solution :
1. L'équation proposée peut aussi s'écrire comme yx + 1 – 2yx = 3/2.
3
3
Puisque a = –2 (–1), on trouve, d'après la formule (8.18), yp = 2 = − .
1− 2 2
De (8.20), il vient :yc = C(2)x. Ainsi, la solution générale est
3
yx = C(2)x – .
2
En appliquant la condition initiale, nous obtenons la solution particulière :
 3  3
1  3
y x =  − 2  (2 ) + 2 = 2(2) x −
x

2 1− 2 1− 2 2
 
7
2. L'équation donnée peut se mettre sous la forme yx + 1 − yx = − avec a = –1.
3
7 7
La solution générale est yx = C − x, la solution définie étant yx = 3 – x.
3 3

Exemple 8.10b : Soit le modèle du marché avec niveau de stock défini par les équations ci-après :
Qdt = a – bPt (a, b > 0)
Qst = –c + dPt (c, d > 0)
Pt + 1 = Pt – e (Qst – Qdt) (e > 0)
Le prix n’est plus déterminé par un mécanisme d’équilibrage sur le marché mais par le niveau des stocks
(qst – qdt). On sait que la constitution du stock (qst > qdt) tend à baisser le prix et la diminution du stock (qst 
qdt) fait monter le prix. Trouver le cheminement du prix à toute période si a = 120 ; b = 0,5 ; c = 30 ; d =
0,3 et e = 0,2 et P0 = 200
Solution :
Pt + 1 = Pt – e (Qst – Qdt)
= Pt – e[ (–c + d Pt) – (a – bPt)]
= Pt – e[ (–c + d Pt - a + bPt]
= Pt + e(a + c) – e(b + d) Pt
= P t + 1 – Pt – e(b + d) Pt = e(a + c)
On dérive ainsi une équation aux différences d’ordre 1 de la forme P t + 1 – [1 – e(b + d)] Pt = e(a + c)
a+c
Dont la solution est Pt = C[1 – e(b + d)]t +
b+d
En remplaçant a, b, c, d et e par leurs valeurs respectives, on obtient l’équation :
P t + 1 – 0,84 Pt = 30.
Avec Pc = C(0,84)t et Pp = 30 / (1 – 0,84) = 187,5, la solution générale donne :
Pt = C(0,84)t + 187,5,
tandis que la solution définie est :
Pt = 12,5 (0,84)t + 187,5.

8.2.4 Equations aux différences linéaires d’ordre 2

Les techniques de résolution des équations aux différences d'ordre 2 sont identiques à celles des
équations différentielles du même ordre. Le cas le plus simple est celui des équations aux différences finies
linéaires du second ordre à coefficients et à terme constants. Ces équations sont de la forme ci-après :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 188

yx+2 + a1yx+1 + a2yx = G (8.25)

où a1, a2 et G sont des constantes réelles.
Comme pour les équations différentielles, leur solution s'obtient en faisant la somme de la fonction
complémentaire yc et de l'intégrale particulière yp.

[Link] Calcul de la fonction complémentaire yc.

Nous avons vu que la fonction complémentaire yc est la solution de l'équation homogène

yx + 2 + a1 yx + 1 + a2 yx = 0

Cherchons une solution de la forme yx = Cbx, où C et b sont des constantes. Pour cette solution, nous avons
aussi
yx + 2 = Cbx + 2 et yx + 1 = Cbx + 1
Substituons ces expressions dans l'équation homogène donnée. Cette dernière devient :
Cbx + 2 + a1Cbx + 1 + a2Cbx = Cbx b 2 + a1Cbx b + a2Cbx = 0
Le produit Cbx se met en facteur et on aboutit aisément à une équation caractéristique (ou auxiliaire) du
second degré en b de la forme
b² + a1b + a2 = 0 (8.26)
et dont nous désignerons les racines par b1 et b2. On a :
− a1  (a12 − 4a 2 )
b1 , b2 = (8.27)
2
Comme pour les équations différentielles, trois cas peuvent se présenter pour b1 et b2 suivant que  = a1² –
4a2 est supérieur, égal ou inférieur à zéro.
• Si  = a1² – 4a2 est positif, c’est-à-dire si a1² > 4a2, b1 et b2 seront des racines réelles et distinctes et on
aura :
Yc = C1 b1x + C2 b2x (8.28)
Comme pour les EDL où le determinant de Wronsky a été utilisé pour déterminer l’indépendance linéaire
des solutions y1 = C1 b1x et y2 = C2 b2x, nous nous servons ici du déterminant de CASORATI30 pour
verifier si y1 et y2 sont [Link] a :
y1 y2
C[Y1t, Y2t] =
y '1 y ' 2

• Si  = a1² – 4a2 est nul, c’est-à-dire si a1² = 4a2, b1 et b2 seront des racines réelles mais identiques et
seront égales à –a1/2. Dans ce cas, la fonction complémentaire sera donnée par :
Yc = C1 b1x + C2 x b2x (8.29)
• Si  = a1² – 4a2 est négatif c’est-à-dire si a1² < 4a2, b1 et b2 seront des nombres complexes conjugués
que nous représenterons
b1 = h + vi et b2 = h + vi (8.30)
où
a1 4 a2 − a1 2
h= − et v =
2 2
Dans ce cas, la fonction complémentaire sera donnée par :

30
Voir Marlow, Mathematics for Operations Research, John Wiley & Sons, New York, 1978,
page 385.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni 189

Yc = C1 (h + vi)x + C2 (h – vi)x (8.31)

Les nombres complexes conjugués (h  vi) peuvent encore s’écrire :
(h  vi) = R cos   R i sin  = R (cos   i sin  ) (8.32)
D’après le théorème de De MOIVRE,
(h  vi)n = Rn (cos n   i sin n )
Ce résultat indique que pour élever un nombre complexe à la puissance n, on doit tout simplement
modifier ses coordonnées polaires en élevant R à la n-ième puissance et en multipliant  par n.
En posant n = x, nous pouvons écrire
(h  vi)x = Rx (cos  x  i sin  x) (8.33)
où la valeur de R qui doit toujours être positive, est donnée par
a12 + 4a2 − a12
R= h +v =
2 2
= a2 (8.34)
4
tandis que  est la mesure du radian de l’angle dans l’intervalle [0, 2).
Ainsi, la fonction complémentaire de la relation (8.31) peut être transformée de la manière suivante :
Yc = C1 Rx (cos  x + i sin  x) + C2 Rx (cos  x – i sin  x) (8.35)
= Rx [(C1 + C2) cos  x + (C1 – C2) i sin  x]
En posant C1 + C2 = C3 et (C1 + C2)i = C4, cette dernière devient
Yc = Rx [C3 cos  x + C4 sin  x] (8.36)

Pour évaluer , nous utilisons les relations

h v
Cos = et sin  = (8.37)
R R
Les principales formules utilisées pour l’obtention de la fonction complémentaire sont données au tableau
8.9.

Tableau 8.9 : Calcul de la fonction complémentaire yc

Conditions sur les
coefficients de l’équation Fonction complémentaire Nature des racines
caractéristique
b1  b2, nombres réels
 = a²1 − 4a2 > 0 Yc = C1 b1x + C2 b2x − a1  (a12 − 4a 2 )
b1 , b2 =
2
Nombres réels mais identiques
 = a1² − 4a2 = 0 x
Yc = C1 b + C2 x b x
a
b = b1 = b2 = − 1
2
Yc = Rx [C1 cos  x + C2 sin  x] b1  b2, mais ce sont des
 = a²1 − 4a2 < 0 racines complexes conjuguées.
a1 4a2 − a12 Avec b1 = h + vi et b2 = h – vi
R = a2 , h = − ,v=
2 2
 190

Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni

Les valeurs de l'angle  sont données dans la table 8.10.

Tableau 8.10 : Table des principales valeurs trigonométriques

Grade 0 100 50 200 100 400 150 500 200 700 250 800 300 1000 350 1110 400
3 3 3 3 3 3 3 3
Radian 0     2 3 5  7 5 4 3 5 7 11 2
6 4 3 2 3 4 6 6 4 3 2 3 4 6
Degré 0 30° 45° 60° 90° 120° 135° 150° 180° 210° 225° 240° 270° 300° 315° 330° 360°
sin  0 1 2 3 1 3 2 1 0 −
1 − 2 − 3 –1 − 3 − 2 −
1 0
2 2 2 2 2 2 2 2 2 2 2 2
cos  1 3 2 1 0 −
1 − 2 − 3 –1 − 3 − 2 −
1 0 1 2 3 1
2 2 2 2 2 2 2 2 2 2 2 2
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
191
[Link] Calcul de l’intégrale (ou solution) particulière yp

L'intégrale particulière yp se définit comme étant n'importe quelle solution de l'expression (8.14)
yx+2 + a1yx+1 + a2yx = G

[Link].1 Cas où les coefficients et le second membre sont constants

Dans le cas où G est une constante, nous commençons par proposer une solution constante
yp = k (k = constante).

Dans cette hypothèse, (8.14) devient :

k + a1k + a2k = G
Soit,
(1 + a1 + a2)k = G
et
G
k= ,
( 1 + a1 + a 2 )

pourvu que (1 + a1 + a2) soit différent de zéro. Ceci n'est possible que lorsque a1 + a2  –1.

Nous avons donc :

G
yp= , si a1 + a2  –1 (8.38)
( 1+ a1 + a 2 )

Lorsque a1 + a2 = 1, la formule (8.38) ne convient plus car le dénominateur est nul. Il nous faudra donc
proposer une autre solution. Pour ce faire, le « truc » est de multiplier par x la solution qui ne tient plus.
Soit yp = kx, cette solution. Dans ce dernier cas, (8.14) devient :

k(x + 2) + a1k(x + 1) + a2kx = G

k[x + 2 + a1x + a1 + a2x] = G
k[(1 + a1 + a2)x + a1 + 2] = G
k[2 + a1] = G car a1 + a2 = –1

On a donc k = G/( a1 + 2).

Ainsi :
 G 
y p =   x , si a1 + a2 = –1 et a1  –2 (8.39)
 a1 + 2 

Il est évident que lorsque a1 + a2 = –1 et a1 = –2, la formule (8.21) ne donnera pas d'intégrale particulière.
On proposera alors une autre solution de la forme yx = kx². En reportant dernière expression dans (8.14),
nous obtenons :

k(x + 2)² + a1k(x + 1)² + a2kx² = G

k[(x² + 4x + 4) + a1(x² + 2x + 1) + a2x²] = G
k[(1 + a1 + a2)x² + 2x(2 + a1) + 4 + a1] = G
k[2] = G (car a1 + a2 = –1 et a1 = –2 par hypothèse).
Ainsi
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
192

G
y p =   x2 , si a1 + a2 = –1 et a1 = –2 (8.40)
2

Le tableau suivant reprend les principales formules utilisées pour le calcul d'une intégrale particulière.

Tableau 8.10 : Calcul de l'intégrale particulière yp lorsque G est constant

yp Conditions
G
yp=
1+ a1 + a2 a1 + a2  –1
 G  a1 + a2 = –1
y p =   x a1  –2
 a1 + 2 
G a1 + a2 = –1
y p =   x2 a1 = –2
2

[Link].2 . Cas où les coefficients sont constants et le second membre variable

Comme pour les équations différentielles, le second membre G est soit une constante, soit une
fonction de x. Dans le dernier cas, l'intégrale particulière yp prend la même forme que G = f(x). Le tableau
ci-après donne les formules les plus courantes.

Tableau 8.11 : Calcul de l'intégrale particulière yp lorsque G est une fonction de x

Types de G = f(x) Solution candidate

G = f(x) = k0 + k1x + k2x² +...+ knxn Yp = D0 + D1x + D2x² +. ...+ Dnxn
G = f (x) = kbx Yp = Dbx
G = f(x) = kbx + kxn Yp = Dbx + (D0 + D1x+...+ Dnxn)
G = f(x) = [Link] Yp = Dbx (D0 + D1x+...+ Dnxn)
G = f(x) = k1cos  x + k2 sin  x Yp = B1cos  x + B2 sin  x

Toutefois, il faudra éviter qu'il y ait résonance, c'est-à-dire, éviter qu'un terme de la solution
proposée pour Yp se retrouve exactement ou au signe près dans la fonction complémentaire Yc. Auquel
cas, il faudra multiplier la solution candidate par x, afin d'assurer une indépendance linéaire parfaite entre
les termes de Yc et ceux de Yp.

Exemple 8.11 :
Trouver la solution générale et définie de yx + 2 + yx + 1 – 2yx = 12 pour y0 = 4 et y1 = 5.

Solution :
a1 = 1 et a2 = –2. Puisque a1 + a2 = –1 et a1  –2, on a, d'après (8.39),
 G  12
y p =   x = x = 4x .
 a1 + 2  3
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
193
a1² = 1 > 4a2 = –8. Les racines sont b1 =1 et b2 = –2.

D'après (8.28), yc = C1(1)x + C2 (–2)x = C1 + C2(–2)x.

Par conséquent, yx = C1 + C2(–2)x + 4x.

Les deux constantes C1 et C2 sont déterminées par les conditions initiales. Nous obtenons :
y0 = 4 = C1 + C2 (–2)0 + 4(0).  C1 + C2 = 4
y1 = 5 = C1 + C2 (–2)1 + 4(1).  C1 – 2C2 = 1

C + C2 = 4
d'où le système  1 dont la solution est C1 = 3 et C2 = 1.
C1 − 2C2 = 1
La solution de l'équation donnée qui satisfait aux conditions initiales est donc :

yx = 3 + (–2)x + 4x.

Exemple 8.12 : Résoudre l’équation aux différences yx+2 + 2yx = 24 pour y0 = 11 et y1 = 18.
G 24
Ici, a1 = 0, a2 = 2 et B = 24. Puisque a1 + a2  -1, on a, d'après (8.38), y p = = =8.
1 + a1 + a2 3

D'autre part, a1² = 0 < 4a2 = 8. Les racines sont des nombres complexes conjugués
4a2 − a12 8
b1 = h + vi = (2)i et b2 = -(2)i car h = a1/2 = 0 et v = = = 2.
2 2
Mais R = a2 = 2.
D'après (8.36), y c = ( 2 ) C cos 2  x + C sin  2  x
x
1 2
31
.

Par conséquent,
    
yx = ( 2 ) C
x
cos   x + C 2 sin   x  + 8
1
2 2 
Les deux constantes C1 et C2 sont déterminées par les conditions initiales. Nous obtenons :
y0 = 11 = (2)0 [C1 cos 0 + C2 sin 0 + 8]  C1 = 3

(puisque sin 0 = 0 et cos 0 = 1)

 
y1 = 18 = (2)1 [C1 cos ( )x + C2 sin ( )x + 8]
2 2
= b + (2)C2 = 18  C2 = 7,07 (puisque C1 = 3).

La solution de l'équation donnée qui satisfait aux conditions initiales est donc :
    
( ) x
y x = 2 3 cos  x + 7,07 sin   x  + 8
 2 2 

h v
31
Dans cet exemple, cos  = = 0 et sin  = = 1. Ceci correspond d'après la table des fonctions
R R
 
trigonométriques à un angle de radians, c'est-à-dire,  = .
2 2
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
194
Exemple 8.13 : Trouver la solution générale et définie de yx + 2 + 6yx + 1 + 9yx = 0

Ici, a1 = 6, a2 = 9. Puisque G = 0, l'équation donnée est homogène et n'aura pas d'intégrale

particulière yp. Ainsi, sa fonction complémentaire yp sera aussi la solution générale de l'équation.
a1² = 36 = 4a2. Les racines de son équation caractéristique (b2 + 6b + 9) sont réelles et identiques.
D'après (7.29), nous avons

yx = C1(–3)x + C2 x (–3)x.

Exemple 8.14 : Résoudre yx + 2 – 4yx + 1 + 3yx = 3x

Solution :
L’équation caractéristique est b² – 4b + 3 = 0. Comme a1² = 16 > 4a2 = 12, les racines sont b1 = 1
et b2 = 3. D'après (8.28), yc = C1 (1)x + C2 (3)x = C1 + C2 3x.

Etant donné que b = 3 annule l’équation caractéristique et se retrouve en même temps dans le
second membre, nous proposons, pour l’obtention de yp, la solution Dx3x et non yp,= D3x.

Après substitution dans l’équation proposée, nous avons :

D(x + 2)3x+2 – 4[D(x + 1)3x+1] + 3D x 3x = 3x

En développant puis par identification, nous trouvons D = 1/6.

Par conséquent, Yp = (1/6) x 3x

1
et la solution générale devient yx = C1 + C2 3x + x 3x .
6

Exemple 8.15 : Résoudre yx+2 – 6yx+1 + 9yx = 3x

Solution :
L’équation caractéristique est b² – 6b + 9 = 0 .Comme a1² = 36 = 4a2, b = b1 = b2 = 3.
D'après (8.29), yc = C1 3x + C2 x 3x
Pour obtenir l’intégrale particulière, nous aurions pu proposer D3x. Mais ce terme se retrouve
également dans la fonction complémentaire (ici C1 3x en posant D = C1) Pour éviter la résonance,
nous proposons une autre solution qui est yp = D x 3x . Cette dernière se retrouvant elle aussi dans
la fonction complémentaire (C2 x 3x), nous suggérons une autre solution de la forme yp = D x2 3x .
En reportant cette dernière expression dans l’équation à résoudre, il vient :
D(x + 2)2 3x + 2 – 6D(x + 1)2 3x + 1 + 9D x2 3x = 3x
1 2 x
En développant, on trouve, par identification, y p = x 3 .
18
1 2 x
D’où la solution générale Yx = C1 3x + C2 x 3x + x 3 .
18

Exemple 8.16 : Résoudre yx + 2 – 4yx + 1 + 3yx = x2

Solution :
Son second membre est un polynôme en x de degré 2 de la forme k0 + k1x + k2x2.. Nous savons
déjà (voir exemple 8.13) que yc = C1 + C2 3x.
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
195
Pour obtenir yp, nous proposons un polynôme en x de même degré que G, soit une solution de la
forme D0 + D1x + D2x2. Cependant, cette dernière a un terme constant D0 qu’on retrouve aussi
dans la fonction complémentaire Yc (ici C1). La solution proposée n’obéit donc pas au principe
selon lequel les termes de la solution générale doivent être indépendants les uns des autres. Pour
éviter qu’il y ait résonance, nous suggérons une seconde solution obtenue en multipliant la dernière
par x, c’est-à-dire (D0 + D1x + D2x2.)x = D0x+ D1x2 + D2x3.
En substituant cette expression dans l’équation à résoudre, cette dernière devient :
D0(x + 2) + D1(x + 2)2 + D2(x + 2)3 – 4 [D0(x + 1) + D1(x + 1)2 + D2(x + 1)3]
+ 3 [D0x+ D1x2 + D2x3] = x2.
Nous obtenons, après quelques opérations, l’expression

– 2 D0 – 4 D1x + 4 D2 – 6 D2x2 = x2.

 − 2 D0 + 4 D2 = 0

qui donne, par identification, le système  − 4 D1 =0
 − 6 D2 = 1

dont la solution est D0 = – (1/3), D1 = 0 et D2 = – (1/6).
1 1
Par conséquent, Yp = − x − x 3 et la solution générale devient
3 6
1 1
yx = C1 + C2 3x − x − x 3 .
3 6

Exemple 8.17 : Résoudre yx + 2 – 4yx + 1 + 3yx = 5x + 2x

Solution :
Nous savons déjà (voir exemple 8.13) que yc = C1 + C2 3x. De plus, son second membre est une
fonction de la forme kbx + k0 + k1x. Il existe donc une intégrale particulière du type yp = D5x + (D0 + D1x).
Mais étant donné que son terme constant D0 se retrouve également dans la fonction complémentaire (ici
C1), en d’autres termes, puisque D0 est linéairement dépendant du terme C1 de la fonction complémentaire,
nous suggérons, afin d’éviter la résonance, la solution D5x + D0x+ D1x2.
En substituant, l’équation à résoudre devient :
D0(x + 2) + D1(x + 2)2 + D5x+2 – 4 [D0(x + 1) + D1(x + 1)2 + D5x+1]
+ 3 [D0x+ D1x2 + D5x] = 5x + 2x.

Après quelques opérations, et après avoir égalé les termes semblables, nous obtenons l’expression –2D0 –
4D1x + 8D5x = 5x + 2x, qui donne par identification le système :

− 2 D0 =0

 − 4 D1 =2
 8D = 1

1 1 2
D’où D0 = 0, D1 = – (1/2) et D = 1/8.. Par conséquent, Yp = − x et la solution générale devient yx =
8 2
1 x 1 2
C1 + C2 3x + 5 − x .
8 2

Exemple 8.18 : Le modèle ci-après est un modèle de marché avec prévision sur l’évolution des prix :
Qdt = 40 – 2 pt + 2 (p t + 1 + p t - 1), Qst = –5 + 3 pt et Qdt = Qst où Qdt est la fonction de
demande à l’instant t, et Qst la fonction d’offre à l’instant t. Sachant que P0 = 48 et P1 = 45 :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
196
a) Trouvez le niveau d’équilibre.
b) Donnez le sentier temporel du prix à toutes les périodes.

Solution :
qdt – qst = 40 − 2 pt + 2 pt + 1 + 2pt - 1 − ( − 5 + 3 pt) = 0
= 40 − 2 pt + 2 pt + 1 + 2pt - 1 + 5 − 3 pt = 0
= 45 − 5 pt + 2 pt + 1 + 2pt - 1 = 0
ou
− 5 pt + 2 pt + 1 + 2pt - 1 = − 45

Ajoutons +1 à chaque indice t et arrangeons les termes pour obtenir

2 pt + 2 − 5 pt+1 + 2pt = − 45

En divisant par 2, on obtient une équation aux différences linéaire d’ordre 2

5 45
pt + 2 – pt + 1 + pt = –
2 2

b) Le niveau d’équilibre est l’intégrale particulière Pp de la forme

45 45
− −
Pp = 2 = 2 = 45 .
1− 5/ 2 +1 −1
2
c) Pour obtenir la fonction complémentaire Pc, on trouve les racines de l’équation
5 25 5 3
 −4 = 
b 2 2 = 2 .
caractéristique b² − 5/2 b + 1 = 0 dont les racines sont 1 = 2 4
b2 2 12
t t
1 1
Ainsi Pc = C12 + C2   et Pt = C12t + C2   + 45 (solution générale)
t
2 2
0
1
P0 = 48 = C120 + C2   + 45  C1 + C2 = 3
2
1
1 1
P1 = 45 = C121 + C2   + 45  2C1 + C2 = 0
2 2
 C1 + C 2 = 3

En résolvant le système  1 , on obtient C1 = –1 et C2 = 4.
 2C1 + C 2 = 0
2
t
1
D’où la solution définie : Pt = − 2t + 4   + 45
2


Exemple 8.19 : La fonction de demande est Qdt = 80 – 4 pt. Celle d’offre est Qst = –10 + p t

où p t = pt -1 + k(pt -1 – pt - 2). Supposez k = –1. Trouvez le sentier temporel du prix à
toutes les périodes si P0 = P1 = 20.
Solution :
Qdt – Qst = [(80 − 4 pt) − { − 10 + pt -1 − (pt -1 – pt – 2}]
= [(80 − 4 pt) − { − 10 + pt -1 − pt -1 + pt – 2}] = 0
= [(80 − 4 pt + 10 − pt -1 + pt -1 − pt - 2)] = [(90 − 4 pt − pt – 2] = 0
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
197
= ( − 4 pt − pt – 2) = − 90
1
pt + 2 + pt = 22,5
4
22,5 22,5 22,5(4) 90
Pp = = = = = 18
1 5 5 5
1+
4 4
1
L’équation caractéristique étant b2 + = 0,   0 car a1 < 4a2.
4
1 1
Ainsi : h = 0 et v = 1/2. R = a 2 = = . Cos  = h/R = 0 et sin  = v /R = 1.
4 2
  
t
1 
Pc =   C1 cos 2 t + C 2 sin 2 t  .
2  
  
t
1 
Donc Pt = Pc + Pp =   C1 cos 2 t + C 2 sin 2 t  + 18 .
2  
0
1
P0 = 20 =   C1 cos 0 + C 2 sin 0 + 18  20 = C1+ 18. D’où C1 = 2
2
  
1
1  1
P1 = 20 =   C1 cos 2 (1) + C 2 sin 2 (1) + 18  20 = 2 C2+ 18. D’où C2 = 4
2  

  
t
1 
D’où la solution définie :   2 cos 2 t + 4 sin 2 t  + 18 .
2  

8.2.5 Equations aux différences linéaires d'ordre supérieur à 2

Pour n > 2, la solution s'obtient de la même manière. Il suffira de connaître l'équation

caractéristique et ses racines. Ainsi, la solution d’une équation aux différences linéaire à coefficients et à
second membre constants de la forme :

yx + n + a1 yx + n - 1 + a2 yx + n - 2 + … + an-1 yx + 1 + an yx = G

comprendra une solution particulière (Yp) et une fonction complémentaire (Yc).

S’agissant de la solution particulière, Yp, si 1 + a1 + a2 + … + an-1 + an  0, alors,

G
Yp = . (8.41)
1 + a1 + a2 +  + an −1 + an

Si par contre 1 + a1 +…+ an-1 + an = 0, et (n)i + (n-1)i a1 + (n-2)i a2 + (2)i an-2 + (1)i an-1  0, alors
G xi
Yp = (8.42)
(n)i + (n − 1)i a1 + (n − 2)i a2 +  + (2)i an − 2 + (1)i an −1
avec i = plus petit entier positif qui n’annule pas le dénominateur.
Pour ce qui est de la fonction complémentaire Yc, si toutes les racines sont réelles et distinctes, on obtient
cette dernière par la formule :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
198
n
yc = C b
i=1
i i
X
(8.43)

La formule suivante est utilisée lorsque toutes les racines sont réelles et que k racines se répètent.
n
yc = C1 bx + C2 x bx + C3 x² bx +... + Ck xk-1 bx +  Ci bix.
i=k+1
(8.44)

Dans le cas où les racines sont à la fois complexes et réelles, la formule suivante est utilisée pour obtenir Yc.
n
yc = R (C1 cos x + C2 sin x) +
x
 Cibix.
i=3
(8.45)

Enfin, si l'équation caractéristique comprend deux paires identiques des racines complexes
conjuguées ainsi que des racines réelles et distinctes, on calculera la fonction complémentaire yc par la
formule
n
y c = R x ( C1 cosx + C 2 sin x) + xR x ( C 3 cosx + C 4 sin x) + C b
i=5
i
x
i . (8.46)

Exemple 8.20 : Résoudre l’équation yx + 4 + 5yx + 3 + 9 yx + 2 + 7yx + 1 +2 yx = 0

Solution :
Il s’agit d’une équation de récurrence homogène d’ordre 4 car le second membre est nul. La solution
générale se confondra avec la fonction complémentaire Yc que l’on peut obtenir à partir de
l’équation caractéristique :
b4 + 5b3+ 9b2 + 7b + 2 = (b +1)2 (b2 + 3b + 2) = (b + 1)3 (b + 2) = 0.
D’où : b1 = b2 = b3 = – 1 et b4 = –2.
La solution générale est donc :
Yt = C1 (−1) t + C 2 t (−1) t + C3t 2 (−1) t + C 4 (−2) t
Exemples 8.21 : Résoudre les équations de récurrence ci-après :
a) Yt + 4 + 6Yt + 3 + 14 yt + 2 + 16yt + 1 + 8 yt = 90
Solution :
90 90
yp = = =2
1 + 6 + 14 + 16 + 8 45
L’équation caractéristique étant b4 + 6b3 + 14b2 + 16b +8 = (b + 2)2 (b2 + 2b + 2) = 0, on a :
−2 4a 2 − a12 4
b1 = b2 = –2, b3 = –1 + i et b3 = –1 – i ; h = = −1 et v = = = 1.
2 2 2
h 1 − 2 v 1 2 3
Mais R = a2 = 2. Cos = =− = et sin  = = = . Donc  = .
R 2 2 R 2 2 4
 3 3 
Ainsi : Yc = C1 (−2) t + C 2 t (−2) t + ( 2 ) t C 3 cos t + C 4 sin t et la solution générale est
 4 4 
donnée par l’expression :
 3 3 
Yt = C1 (−2) t + C 2 t (−2) t + ( 2 ) t C 3 cos t + C 4 sin t + 2.
 4 4 

b) Yt + 4 + 7yt + 3 + 5 yt + 2 – 7yt + 1 – 6 yt = 8
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
199
Solution :
C’est une équation de récurrence non homogène d’ordre 4 où a1 = 7, a2 = 5, a3 = –7, a4 = –6 et g = 8.
8
Comme leur somme est égale à –1, on pose Y = kt et Yp = t .
2
L’équation caractéristique est b4 + 7b3+ 5b2 – 7b – 6 = (b +1)2 (b – 1) (b + 6) = 0.
D’où : b1 = b2 = – 1, b3 = 1 et b4 = –6. Yc = C1 (−1) t + C 2 t (−2) t + C 3 (1) t + C 4 (−6) t
La solution générale est donc :
8
Yt = C1 (−1) t + C 2 t (−2) t + C 3 (1) t + C 4 (−6) t + t.
2
Exemple 8.22 : Résoudre le modèle de la forme :
yt = ct + It
c t = b1y t −1 + b 2 y t − 2
I t = I' t + I' 't
I' = I' t + I' ' t
I't = k1 ( y t −1 − y t − 2 ) + k 2 ( y t − 2 − y t − 3 )
I’’t = I0 et I0 = 60
Avec k1= 0,7 ; k2 = 0,7 ; b1= 0,3 et b2 = 0,7
Solution :
Yt = b1yt-1+ b2yt-2 + k1(yt-1 – yt-2) + k2(yt-2 – yt-3) + 60
= (b1 + k1)yt-1 + (b2 – k1 + k2)yt – 2 – k2yt – 3 + 60
= (0,3+ 0,7)yt-1 + (0,7– 0,7 + 0,7)yt-2 – 0,7yt – 3 + 60
= yt-1 + 0,7yt-2 – 0,7yt-3 + 60
yt+3 – yt+2 – 0,7yt+1 + 0,7yt = 60
Solution particulière Yp :
Comme a1+ a2 + a3 = –1, on pose Yp = kt et en remplacement dans l’équation de récurrence à
résoudre, on a :
k (t + 3) – k (t + 2) – 0,7k (t + 1) + 0,7kt = 60
kt + 3k – kt – 2k – 0,7kt – 0,7k + 0,7kt = 60
60
0,3k = 60. D’où : k = = 200 . Par conséquent, yp = 200t
0,3
Equation caractéristique :
b3 – b2 – 0,7b + 0,7 = b2 (b – 1) – 0,7(b – 1) = (b – 1) (b2 – 0,7) = 0.
D’où : b1 = 1, b2 = 0,836 et b3 = – 0,836.
yc = C1 + C2(0,836)t + C3(0,836)t
La solution générale est donc :
yt = C1 + C2(0,836)t + C3(–0,836)t + 200t
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
200
8.2.6 Systèmes d’équations aux différences linéaires d’ordre 1
Jusqu’ici, nous avons discuté de modèles se réduisant à une seule équation. Mais dans bon nombre
de problèmes économiques tels que l’analyse d ‘équilibre général et le modèle d’entrées - sorties, nous
avons affaire à un système d’équations aux différences.
Dans ce paragraphe, nous verrons tout d’abord comment réduire de telles équations tout en nous
limitant aux équations aux différences linéaires à coefficients constants. Nous proposerons ensuite une
méthode de résolution de ces systèmes en appliquant les notions de valeurs et vecteurs propres ainsi que de
la diagonalisation (ou trigonalisation) des matrices carrées.
[Link] Réduction d’une équation aux différences d’ordre 2 ou 3 à un système d’équations aux
différences linéaires d’ordre 1
[Link].1 Réduction d’une équation d’ordre 2
Considérons une équation aux différences d’ordre2 du type yx + 2 + a1yx + 1 + a2yx = G.
Définissons la relation sx = yx + 1. Alors sx + 1 = yx + 2 .
Nous pouvons maintenant exprimer l’équation de départ (qui est d’ordre 2) comme un système
d’équations simultanées d’ordre 1.
sx + 1 + a1 sx + a2yx = G
yx + 1 – sx =0
ou, en forme matricielle,
1 0  sx + 1   a1 a2   sx  G 
0 1  y  + − 1 0   y  =  0 
   x +1    x  
Le système peut aussi s’écrire comme
 sx + 1  − a1 − a2   sx  G 
y  =  y  + 0
 x +1  1 0   x  

Exemple 8.23 : L’équation yx + 2 – 5 yx + 1 + 6yx = 0 peut devenir :

sx + 1 – 5 sx + 6yx = 0
yx + 1 – sx =0
ou, en forme matricielle,
1 0  sx + 1  − 5 1  sx  0
0 1  y  +  − 1 0  y  = 0
   x + 1    x  
ou
 sx + 1  5 − 1  sx 
y  =   
 x + 1  1 0   yx 

[Link].2 Réduction d’une équation d’ordre 3

Considérons une équation aux différences linéaire d’ordre 3 de la forme

yx + 3 + a1 yx + 2 + a2 yx + 1 + a3 yx = G
Posons : sx = yx + 1 et px = sx + 1. Alors, sx + 1 = yx + 2 et px + 1 = sx + 2 = yx + 3
L’équation peut se transformer en un système de trois équations aux différences linéaires d’ordre 1 de la
forme :
px+1 + a1 px + a2 sx + a3 yx = G
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
201
sx+1 – px =0
yx+1 – sx =0
ou
IYx + 1 + AYx = B ou encore Yx + 1 = –AYx + B
Avec
1 0 0  px + 1   a1 a2 a3  G   px 
    − 1 0 0  , B =  0  et Y =  S  .
I = 0 1 0 , Yx + 1 =  S x + 1  , A =     x
 x
0 0 1  Yx + 1   0 − 1 0   0   Yx 
 

Exemple 8.24 : L’équation aux différences d’ordre 3 yx+3 +3 yx+2 – 4yx+1 + 5yx = 0 peut s’écrire comme
px + 1 + 3 px – 4 sx + 5yx = 0
sx + 1 – px =0
yx + 1 –sx =0
ou, en forme matricielle,
1 0 0  p x + 1   3 − 4 5  p x  0
0 1 0   s      
   x + 1  +  − 1 0 0   s x  = 0 
0 0 1  y x + 1   0 − 1 0  y x  0

 p x + 1   − 3 4 − 5  p x 
 
ou encore,  s x + 1  =  1 0 0   s x 
 y x + 1   0 1 0   y x 
 
en posant sx = yx + 1 , px = sx + 1, sx + 1 = yx + 2 et px + 1 = sx + 2 = yx + 3 .

8.2.6..2 Résolution des systèmes d’équations aux différences

Considérons le système d'équations aux différences
Yx + 1 = A Yx + B (8.47)
où Yx + 1 est un vecteur à n dimensions comprenant les variables inconnues décalées d'une
période ;
Yx est un vecteur comprenant les variables inconnues ;
A est la matrice des coefficients.

[Link].1 Cas où A est diagonalisable

Nous avons vu que si A est diagonalisable, elle peut s'écrire comme A = PDP-1 où P est une
matrice de passage dont les colonnes sont les vecteurs propres de A et D une matrice diagonale ayant les
valeurs propres de A sur la diagonale principale.
Nous pouvons écrire :
Yx+1 = PDP-1 Yx + B (8.48)
Pré-multiplions les deux membres par P-1. Nous obtenons :
P-1Yx+1 = DP-1 Yx + P-1B (8.49)
Posons P-1 Yx = Ux. La relation précédente devient :
Ux+1 = DUx + F (8.50)
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
202

où F = P-1B.

(8.50) s'écrit, si on détaille ses éléments,

ui,x + 1 = iuix + p b
j
ij j (i = 1, 2, ..., n) (8.51)

où les pij sont les éléments de la matrice P-1 et les bj les éléments fonctions de t du vecteur B.

La relation (8.51) peut encore s'écrire

  1 u 1,x +  p 1j b j 
 
u 1,x+1  j

    2 u 2,x +  p 2j b j 
u 2,x+1 =  j
 (8.51')
 ...   
   .....
u n,x+1  u + p b 
 n n,x  mj j 
 j 
dont la solution est immédiate car chaque ligne donne une équation aux différences linéaires d'ordre 1 avec
 pijbj comme second membre.
Puisqu'on a posé P-1 Yx = Ux, la solution du système d'équations aux différences s'obtient en faisant
Yx = PUx.

Exemple 8.24 : Résoudre le système d'équations aux différences

yx+1 = 1,5 yx – zX + 4
zx+1 = –0,5 yx + zX + 1
Ce système peut aussi s'écrire
 1,5 - 1 4 
Yx+1 = AYx + B avec A =   et B =   .
- 0,5 1 1 
Le polynôme PA() = [A – I] = ² – 2,5 + 1 = (–2)(  – 0,5) = 0 possède deux racines réelles distinctes
 2 1
1 = 2 et 2 = 0,5. Donc A est diagonalisable à l'aide d'une matrice de passage P =   et
− 1 1
1 1 − 1
P −1 = 
3 1 2
.

1 1 − 1 4 1
Posons Fx = P-1G = P −1 =     =   et Ux = P-1Yx,. Le système donné peut encore s'écrire sous
3 1 2   2
1
la forme
u 1,x+1 2 0 u 1  1  2 u 1 +1 
 =    + =  
u 2, x +1   0 0,5 u 2  2 0,5 u 2 + 2
Il vient :
u1, x   C1 ( 2 ) − 1 
x

   = .
 
x
  C 2
u 2 , x (0,5 ) + 4
Finalement, on obtient Yx en faisant Yx = PUx. Soit :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
203

 yx  2 1  C1(2 ) - 1   2 C1(2 ) - 2 + C 2 (0,5 ) + 4  2 C1(2 ) + C 2 (0,5 ) + 2

x x x x x

  PU x 
= =   
= +
  x x 
Z x  - 1 1 C 2 (0,5 ) + 4   - C1(2 ) + 1+ C 2 (0,5 ) + 4   - C1(2 ) + C 2 (0,5 ) + 5 
x x x

Exemple 8.25 : Soit le modèle du multiplicateur du commerce extérieur en économie ouverte défini 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 = M2t X2t = M1t
Y1t = C1t + I1t + X1t - M1t Y2t = C2t + I1t + X2t – M2t
avec b1 = 0,6 ; h1 = 0,2 ; m1 = 0,1 avec b2 = 0,8 ; h2 = 0,25 ; m2 = 0,3
I01 = 10 ; M01 = 10 I02 = 20 ; M02 = 20

Donnez le sentier temporel du revenu dans les deux pays.

Réponse :

Après quelques développements, on obtient :

Y1t = (b1 + h1 – m1)Y1, t – 1 + m2 Y2, t – 1 + I01 + M02 – M01

Y2t = m1 Y1, t – 1 + (b2 + h2 – m2)Y2, t – 1 + I02 + M01 – M02

Soit le système d’équations aux différences linéaires d’ordre 1 avec second membre :
Y1, t + 1 = 0,7Y1t + 0,3 Y2t + 20
Y2, t + 1 = 0,1 Y1t + 0,75Y2t + 10

0,7 0,3   20 
où A =   , B = 10  .
 0,1 0,75  
0,7 −  0,3
Le Polynôme caractéristique de A étant PA() = = 2 − 1,45 + 0,495 = 0 , on trouve
0,1 0,75 − 
deux valeurs propres réelles distinctes 1 = 0,9 et  2 = 0,55. Donc A est diagonalisable.

Trouvons la matrice P dont les colonnes sont les vecteurs propres de A.

 − 0,2 0,3 0   − 0,2 0,3 0   − 2 3 0
Pour 1 = 0,9 on a :      , soit   .
 0,1 − 0,15 0   0 0 0  0 0 0
3
On a –2x1 + 3x2 = 0. Si x2 = 2, x1 = 3 et X1 =   .
2
 0,15 0,3 0   0,15 0,3 0  1 2 0
Pour  2 = 0,55 on trouve      , soit  .
 0,1 0,2 0   0 0 0 0 0 0 
− 2 3 − 2 -1 1  1 2
On a x1 + 2x2 = 0. Si x2 = 1, x1 = –2 et X2 =   . Ainsi, P =  ,P = 7 − 2 3
et
1  2 1 
 0,9 0 
D= .
 0 0,55
On doit résoudre le système d’équations aux différences linéaires d’ordre 1 ci-après :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
204
  u1,t +1  0,9 0   u1t   f1 
Ut + 1 = D Ut + F, soit   =   + f 
u 2,t +1   0 0,55 u 2t   2

 f  1  1 2 20 1  40 
avec  1  =    =   ,
 f 2  7 − 2 3 10  7 − 10

On obtient les deux équations aux différences ci-après :

u1, t + 1 = 0,9 u1t + 40/7 dont la solution est u1t = C1(0,9)t + 400/7 et
u2, t + 1 = 0,55 u2t – 10/7 dont la solution est u2t = C2(0,55)t – 200/63.

La solution du système est donnée par la relation

 xt  3 − 2  C1 (0,9) t + 400 / 7 
y  = PU = 2 1   ,
 C 2 (0,55) − 200 / 63
t t
 t 

  
3 C1 (0,9)t + 400 / 7 − 2 C2 (0,55)t − 200 / 63  
=
  
 2 C1 (0,9) + 400 / 7 + C2 (0,55) − 200 / 63 
t t 

 xt  3C1 (0,9) t − 2C 2 (0,55) t + 11200 / 63
y  =  
 t   2C1 (0,9) + C 2 (0,55) + 7000 / 63 
t t

[Link].2 Cas où A n'est pas diagonalisable

Si A n'est pas diagonalisable, nous savons qu'on peut toujours la mettre sous la forme

A = QJQ-1
où :
1. J est une matrice triangulaire presque diagonale ayant les valeurs propres de A sur la diagonale
principale et le nombre 1 presque au dessus de la diagonale principale et

2. Q est une matrice de passage dont les colonnes sont les vecteurs propres et les vecteurs de Jordan
de A

Dans ce cas, (8.48) devient :

Yx + 1 = Q J Q-1 Yx + B (8.52)

En pré-multipliant par Q-1 les deux membres de cette dernière relation et en posant

Ux = Q-1Yx, (8.53)
et
F = Q-1B,
on arrive au système triangularisé :

Ux + 1 = JQx + F (8.54)

ou encore, sous forme détaillée, en notant cij les éléments de J, qij les éléments de Q-1 et fj les éléments de F,
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
205

 n

 1 u1 x + c 21u 2 x +  + c n1 u nx +  q1 j f j 
 u1, x +1   j =1

u   n

 2, x +1  =   2 u 2 x +  + c n 2 u nx +  q 2 j f j  (8.54a)
    j =1

    
u 3, x +1   n
 n u nx +  q nj f j 
 j =1 
n
Ces équations sont des équations aux différences linéaires d'ordre 1 avec q
j=1
ij b j comme second membre

que l'on, peut résoudre facilement.

Puisqu'on a posé Q-1Yx = Ux dans (8.53), on peut revenir à la variable Yx en pré-multipliant Ux par
la matrice de passage Q.

Exemple 8.26 : Résoudre le système d'équations ci-après : Yx + 1 = AYx

 4 3 1  yx +1   yx 
     z  ..
avec A = − 4 − 4 − 2 , B = 0, Yx + 1 =  z x + 1  et Yx =  x
 8 12 6  wx + 1   wx 
  

PA() = –3 + 6² – 12 + 8 = (– 2) (  – 2) (  – 2) = (  – 2)3 = 0

D'où  = 2, k = 3. A n'étant pas diagonalisable, on recourt à la forme réduite de Jordan qui lui est
semblable.

Ainsi, la relation (8.54) devient :

 u1, x +1   2 0 0  u1x   2u1x 
    u  = 2u + u 
Ux + 1 = JUx + F  u 2, x +1  = 0 2 1  2x   2x 3x 
u 3, x +1   0 0 2 u 3 x   2u 3 x 
   
car F = 0, B étant nul.

D’où :
u1,x + 1 = 2u1,x  u1,x = C12x
u2,x + 1 = 2u2,x + u3,x
u3,x + 1 = 2u3,x  u3,x = C32x

Ayant obtenu u3,x, on résout aisément la deuxième équation qui peut maintenant s’écrire comme :
u2,x + 1 − 2u2,x = C32x
dont la solution est de la forme
C
u2,x = C22x + 3 x 2x.
2
La solution Ux s’écrit donc :
Cours de Mathématiques Générales II Prof. KAMIANTAKO Miyamueni
206

 C1 2 x 
 C 
Ux = C 2 2 x + 3 x 2 x 
 2 
 C3 2 x 
On obtient la solution recherchée en faisant Y = QU. Soit :

 yx   1 1 0  C1 2 x 
 
Y = QU =  z x  =  0 − 2 0 C 2 2 x + 3 x 2 x 
C
 
 wx  − 2 4 1  
2

x
 C 3 2
 C 
 C1 2 x + C 2 2 x + 3 x 2 x 
2
 
= − 2C 2 2 x − C3 x 2 x 
− 2C1 2 x + 4C 2 2 x + 2C3 x 2 x + C3 2 x 
 