Réduction des matrices & Algèbre bilinéaire

Préparé par: Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A.

Taakili
Trigonalisation-Réduite de Jordan
Réduction des matrices/endomorphismes
I Trigonalisation
I Motivation
I Réduite de Jordan
I Valeurs propres, vecteurs propres
I Exemples et applications
I Polynôme caractéristique
I Applications Formes bilinéaires–Formes hermitiennes
I Définitions
Polynômes annulateurs, polynôme minimal
I Espace préhilbertien-espace euclidien
I Polynôme d’endomorphismes, de matrices
I Rang et noyau d’une forme quadratique
I Polynômes annulateurs
I Existence d’une base orthogonale
I Théorème de Cayley Hamilton
I Signature d’une forme quadratique
I Polynôme minimal
I Réduction de Gauss des formes
I Caractérisation de diagonalisation
quadratiques
 Réduction des endomorphismes : Diagonalisation
Motivation
Soit A ∈ Mn (K) une matrice carrée. On veut calculer Ap , p ∈ N. On a trois cas :
λp1
   
λ1
.. ..
1 Si A est diagonale : A =  0 . 0 , on a alors Ap = 
0 . 0 .
λn λpn
2 Si A est non diagonale, mais semblable à une matrice diagonale D (dans ce cas on dit que A est
diagonalisable) : A = PDP −1 , on a :

Ap = PDP −1 × PDP −1 × · · · × PDP −1 = PD p P −1 .

| {z }
p fois

3 Si A est non diagonalisable, mais trigonalisable : A = P(D + N)P −1 avec D diagonale et N nilpotente. Alors

p
X

Ap = P(D + N)p P −1 = P Cpk D k N p−k P −1
k=1

4 Les autres cas ne seront pas étudiés ici.

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Motivation 1 / 32

 Définition
Une application f : Kn −→ Kp définie par f (x1 , · · · , xn ) = (y1 , · · · , yp ) est dite
application linéaire si:




y1 = a11 x1 + a12 x2 + · · · + a1n xn

 y2 = a21 x1 + a22 x2 + · · · + a2n xn


.. ..



 . = .


 yp = ap1 x1 + ap2 x2 + · · · + apn xn

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Motivation 2 / 32

 En notation matricielle, on a:
      
x1 y1 a11 a12 · · · a1n x1

 x2  
  y2  
  a21 a22 · · · a2n 
 x2 

f .. = .. = .. .. ..  .. ,
. . . . . .
      
      
xn yp ap1 ap2 · · · apn xn
 
x1

 x2 

ou encore, si on note X =  ..  et A ∈ Mp,n (K) la matrice (aij ),
.
 
 
xn

f (X ) = AX

Autrement dit, une application linéaire f : Kn −→ Kp peut s’écrire X 7−→ AX . La

matrice M ∈ Mp,n (K) est appelée: la matrice de l’application linéaire f .

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Motivation 3 / 32

 Rappels et compléments

Définition
1 Une application linéaire f entre 2-K espaces vectoriels est une application
f : E −→ F telle que: ∀(x , y ) ∈ E 2 , ∀(α, β) ∈ K2 :

f (αx + βy ) = αf (x ) + βf (y ).

2 Un endomorphisme de E est une application linéaire de E dans E .

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Rappels et compléments 4 / 32

 Rappels et compléments

Proposition
1 Soit f : E −→ F une application linéaire. f est injective si et seulement si
Kerf = {0E }, où Kerf = {x ∈ E : f (x ) = 0F }.
2 Si E de dimension finie n et u ∈ L(E ), de matrice A dans une base B de E . Les
assertions suivantes sont équivalentes:

(a) u est injective (e) det(A) 6= 0

(b) u est surjective (f ) dim(Kerf ) = 0
(c) u est bijective (g) rang(u) = dimE = n
(d) A est inversible

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Rappels et compléments 5 / 32

 Rappels et compléments

Définition
Soit (A, B) ∈ (Mn (K))2 . La matrice A est semblable à la matrice B si et seulement s’il
existe: P ∈ Mn (K) inversible telle que B = P −1 AP.

Théorème
La relation “A est semblable à B” est une relation d’équivalence sur Mn (K).

Démonstration : Exercice.
Théorème
On suppose que E et de dimension finie n ∈ N∗ . Soient B et B 0 deux bases de E . Soient
A = MatB (u), B = MatB0 (u) et P la matrice de passage de B à B 0 . Alors A = PBP −1
ou aussi B = P −1 AP

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Rappels et compléments 6 / 32

 Théorème
Soit (A, B) ∈ (Mn (K))2 . On suppose que A et B sont semblables. Alors:
rang(A) = rang(B).
det(A) = det(B) et Tr (A) = Tr (B).

Démonstration : Exercice.
Théorème
Soit (A, B) ∈ (Mn (K))2 . On suppose que A et B sont semblables. Alors: A est
inversible si et seulement si B est inversible.
Démonstration : Exercice.
Théorème
Soit (A, B, P) ∈ (Mn (K))3 , tel que B = P −1 AP (P inversible). Alors:

∀p ∈ N, B p = P −1 Ap P.

Si de plus A est inversible, alors: ∀k ∈ Z, B k = P −1 Ak P.

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Rappels et compléments 7 / 32
 Valeurs propres, vecteurs propres
E un K-espace vectoriel.

Définition
Soit λ ∈ K, λ est dite valeur propre de l’endomorphisme u (resp. de A ∈ Mn (K)) s’il existe un vecteur non nul
x ∈ E (resp. X ∈ Kn ) tel que
u(x ) = λx , (resp. AX = λX ),
le vecteur x (resp. X ) est alors appelé vecteur propre de u (resp. A) pour la valeur propre λ.

On remarque que le vecteur x est vecteur propre de l’endomorphisme u pour la valeur propre λ si et seulement si
(u − λ idE )(x ) = 0, c’est-à-dire x ∈ Ker(u − λ idE ).

Remarque
1 0 peut être valeur propre, les vecteurs propres associés vérifient : u(x ) = 0 · x = 0 ⇒ x ∈ ker u (x appartient
au noyau de u),
2 une valeur propre (par exemple 0) peut être associée à plusieurs vecteurs propres (par exemple noyau de u),
3 à un vecteur propre n’est associé qu’une valeur propre :
4 u injective ⇐⇒ ker u = {0}. D’où 0 n’est pas une valeur propre de u.

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Valeurs propres, vecteurs propres 8 / 32
 Spectre

Définition
On appelle spectre de u et on note Sp(u) l’ensemble des valeurs spectrales de u,
c’est-à-dire l’ensemble des λ ∈ K tels que u − λidE n’est pas pas bijective.

λ est une valeur propre de u ssi u − λidE est non injective.

Proposition
Si E est de dimension finie, alors Sp(u) est l’ensemble de valeurs propres de u

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Valeurs propres, vecteurs propres 9 / 32
 Sous-espace propre
Définition
Soient u ∈ L(E ) (resp. A ∈ Mn (K)) et λ valeur propre de u (resp. A). On appelle sous-espace
propre associé à λ l’esemble Eλ défini par :

Eλ = {x ∈ E / u(x ) = λx } (resp. Eλ = {X ∈ Kn / AX = λX }).

Remarque
1 Eλ = ker(u − λ idE ) (resp. Eλ = ker(A − λ In )).
2 λ1 6= λ2 =⇒ Eλ1 ∩ Eλ2 = {0}.

Proposition
1 Eλ est un sous-espace vectoriel de E (resp. Kn ).
2 Eλ est stable par u (resp. A) : u(Eλ ) ⊂ Eλ (resp. ∀ X ∈ Eλ , AX ∈ Eλ ).

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Sous-espace propre 10 / 32

 Lemme
Toute famille finie de vecteurs propres associés à des valeurs propres 2 à 2 distinctes est libre.

Démonstration

Corollaire
Soit Eλ1 , · · · , Eλp des sous–espaces propres associés à des valeurs propres deux à deux distinctes.
Alors :
Eλ1 + · · · + Eλp = Eλ1 ⊕ · · · ⊕ Eλp ( la somme est directe)

En termes de rang

Proposition
Soit A ∈ Mn (K), λ ∈ K est une valeur propre de A ssi A − λIn n’est pas inversible ssi
rang(A − λIn ) < n

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Sous-espace propre 11 / 32

 Recherche des éléments propres
Dans la suite, on considère E de dimension finie n.
Pour trouver les éléments propres d’une matrice, on doit résoudre AX = λX ,soit
(A − λIn )X = 0
et on doit avoir une solution autre que X = 0. Une condition nécessaire et suffisante
pour que le problème admet une solution X non nul est det(A − λIn ) = 0 (c’est-à-dire le
système n’est pas de Cramer). D’où le résultat :
λ valeur propre de A ⇐⇒ det(A − λIn ) = 0

Exemple
 
0 −3 −2
A= 2 7 4
 
−2 −6 −3
Déterminer les valeurs propres de A.
Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Recherche des éléments propres 12 / 32
 Polynôme caractéristique

Définition
On appelle polynôme caractéristique de A, noté PA , le polynôme de degré n défini par :

PA (X ) = det(A − XIn ).

D’où le résultat :
Proposition
λ valeur propre de A ⇐⇒ λ racine de PA

Démonstration
On a vu que λ est valeur propre de A si et seulement si A − λIn est non bijectif, ce qui est équivaut à
det(A − λIn ) = 0, c’est-à-dire PA (λ) = 0.

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Polynôme caractéristique 13 / 32

 Polynôme caractéristique

Théorème
1 PA (X ) est un polynôme de degré n en X , à coefficients dans K.
2 Le coefficient dominant (celui de X n ) de PA est: (−1)n .
3 Le coefficient constant est: det(A).
4 Le coefficient de degré (n-1) est: (−1)n−1 Tr (A).

Conclusion:

PA (X ) = (−1)n X n + (−1)n−1 X n−1 + · · · + det(A).

Démonstration: Exercice.

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Polynôme caractéristique 14 / 32

 Polynôme caractéristique d’un endomorphisme
Corollaire
Soient A et B deux matrices associées à un endomorphisme u ∈ L(E ). Alors PA = PB .

En effet :
A et B sont alors semblables et il existe une matrice P inversible telle que : B = P −1 AP. Calculons PB (X )

PB (X ) = det(B − XIn ) = det(P −1 AP − XIn )

= det(P −1 AP − XP −1 P) = det(P −1 (A − XIn )P)
= det(P −1 ) det(A − XIn ) det(P)
= det(A − XIn )
= PA (X ).

Donc le polynôme caractéristique ne dépend pas du choix de la matrice représentative de u. D’où :

Définition
On appelle polynôme caractéristique de u noté Pu le polynôme caractéristique d’une matrice de u dans une base
donnée de E .

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Polynôme caractéristique 15 / 32

 Exemple
Soit u un endomorphisme de R3 défini par:

u(x , y , z) = (−3y − 2z, 2x + 7y + 4z, −2x − 6y − 3z).

Déterminer le polynôme caractéristique de u.

Remarque
Si E est de dimension n, alors:
Le polynôme caractéristique d’un endomorphisme de E est de degré n, il a donc au
plus n racines.
L’endomorphisme u a donc au plus n valeurs propres. Si le corps K = C, alors tout
endomorphisme admet au moins une valeur propre.

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Polynôme caractéristique 16 / 32

 Multiplicité d’une valeur propre
Définition
L’ordre de multiplicité noté: m(λ) d’une valeur propre λ est appelé l’ordre de multiplicité de la racine λ dans le
polynôme caractéristique.

Exemple
Si Pu (X ) = (2 − X )3 (X + 2)2 (1 + X 2 ). Alors
2 est valeur propre de multiplicité 3 =⇒ m(2) = 3.
−2 est valeur propre de multiplicité 2 =⇒ m(−2) = 2.

Théorème
Soient u un endomorphisme de E et Pu son polynôme caractéristique. Soient λ une valeur propre de u, m(λ) sa
multiplicité dans Pu et Eλ le sous-espace propre associé, alors on a

1 6 dim Eλ 6 m(λ)

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Polynôme caractéristique 17 / 32

 Démonstration
Rappelons que si λ est une racine de Pu de multiplicité m, on a

Pu (X ) = (λ − X )m Q(X ) avec Q(λ) 6= 0.

Soit λ une valeur propre de u et Eλ son sous-espace propre, on note p = dim Eλ et (e1 , . . . , ep ) une base
de Eλ . On complète cette base en une base de E (e1 , . . . , ep , ep+1 , . . . , en ). Dans cette base, la matrice
de u est de la forme  
λIp C
A= ,
0 B
d’où det(A − XIn ) = (λ − X )p det(B − XIn−p ) =⇒ (λ − X )p divise Pu =⇒ p = dim Eλ 6 m(λ).
Par ailleurs, par définition d’une valeur propre et d’un sous-espace propre, on a toujours dim Eλ > 1.

Corollaire
Si λ est une valeur propre simple(m(λ)=1) d’un endomorphisme (resp. d’une matrice
A), alors:
dim(Eλ ) = 1.

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Polynôme caractéristique 18 / 32

 Définition
Un polynôme P(X ) ∈ K[X ] est dit scindé sur K s’il peut s’écrire comme produit des
polynômes du premier degré dans K[X ], c’est-à-dire toutes les racines de P(X ) sont
dans K.

Exemple
1 K=R
I PA (X ) = (X − 2)2 (X − 3) = (X − 2)(X − 2)(X − 3) est scindé.
I PB (X ) = (X 2 + 1)(X − 1) n’est pas scindé.
2 K = C:Tout polynôme de C[X ] est scindé, alors:

PB (X ) = (X 2 + 1)(X − 1) = (X − i)(X + i)(X − 1).

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Polynôme caractéristique 19 / 32

 Remarque
1 Pour tout polynôme P ∈ K[X ] non nul, on a:
X
P scindé sur K ⇐⇒ m(λ) = deg(P).
λ racine de P
2 Donc, si K = C, on a toujours:
X
deg(P) = m(λ).
λ racine de P

Proposition
Soit A ∈ Mn (C). On note (λi )16i6n les éventuelles valeurs propres complexes de A
(comptées avec leur ordre de multiplicité), alors
n
X n
Y
Tr(A) = λi et det(A) = λi .
i=1 i=1

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Polynôme caractéristique 20 / 32

 Endomorphismes et matrices diagonalisables

Définition
On dit que l’endomorphisme u de E est diagonalisable, s’il existe une base de E formée de vecteurs propres de u.

Définition
Soit A une matrice d’ordre n. On dit que A est diagonalisable sur K s’il existe une matrice P ∈ Mn (K) inversible
telle que P −1 AP soit diagonale.

Théorème Critère de diagonalisation

Une matrice A (resp. un endomorphisme u) est diagonalisable si et seulement si
i) Son polynôme caractéristique PA (resp. Pu ) a toutes ses racines dans le corps K (scindé)
ii) Pour chaque valeur propre λ de multiplicité m(λ), on a: m(λ) = dim Eλ .

Démonstration: exercice.

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Endomorphismes et matrices diagonalisables 21 / 32

 Exemple
Si Pu (X ) = (X 2 + 1)(X − 1), alors: u n’est pas diagonalisable sur R.

Corollaire
Si le polynôme caractéristique de u (resp. de A) a
n racines distinctes deux à deux,alors: u (resp. A) est diagonalisable.

Exemple
Si Pu (X ) = (X 2 + 1)(X − 1), alors: u est diagonalisable sur C.

Démonstration
n
Y
Pu (X ) = (λi − X ), d’après le théorème précédent, on a 1 6 dim(Eλi ) 6 m(λi ) = 1, ∀ i = 1, · · · , n.
i=1
Donc dim(Eλi ) = m(λi ), ∀ i = 1, · · · , n.

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Endomorphismes et matrices diagonalisables 22 / 32

 Exemple
 
4 −2
Diagonalisons la matrice A = . Pour cela on détermine ses valeurs propres :
1 1

4−λ −2
det(A − λI) = 1 1 − λ = (4 − λ)(1 − λ) + 2 = λ2 − 5λ + 6 = (λ − 2)(λ − 3).
ô

Ainsi, la matrice A admet deux valeurs propres distinctes, qui sont λ1 = 2 et λ2 = 3. Elle est diagonalisable.
Déterminons une base de vecteurs propres :
    
4 −2 x 2x
= ⇐⇒ x = y ,
1 1 y 2y

d’où le vecteur propre u1 = (1, 1) associé à la valeur propre λ1 = 2.

    
4 −2 x 3x
= ⇐⇒ x = 2y ,
1 1 y 3y

d’où le vecteur propre u2 = (2, 1) associé à la valeur propre λ2 = 3.

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Endomorphismes et matrices diagonalisables 23 / 32

 Dans la base (u1 , u2 ), la matrice s’écrit
 
2 0
A0 = .
0 3

On a A = PA0 P −1 où    
1 2 −1 2
P= et P −1 = .
1 1 1 −1

Exercice
Soit  
1 0 0
A = 0 1 0
 
1 −1 2
Démontrer que A est diagonalisable et trouver une matrice P telle que P −1 AP soit
diagonale.

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Endomorphismes et matrices diagonalisables 24 / 32

 Solution
Commençons par calculer le polynôme caractéristique de A :

1−X 0 0
PA (X ) = 0 1−X 0 = (1 − X )2 (2 − X )
1 −1 2−X

Les racines du polynôme caractéristique sont les réels 1 avec la multiplicité 2, et 2 avec la multiplicité 1.
Déterminons les sous-espaces propres associés : Soit E1 le sous-espace propre associé à la valeur propre double 1.
E1 = {V (x , y , z) ∈ R3 / A.V = V },
(
x =x
V ∈ E1 ⇐⇒ y =y ⇐⇒ x − y + z = 0
x −y +z =0

E1 est donc un plan vectoriel, dont les vecteurs e1 = (1, 1, 0) et e2 = (0, 1, 1) forment une base. Soit E2 le
sous-espace propre associé à la valeur propre simple 2.
E2 = {V (x , y , z) ∈ R3 / A.V = 2V },
(
x = 2x
V ∈ E2 ⇐⇒ y = 2y ⇐⇒ x = 0, y = 0
x − y + 2z = 2z

E2 est donc une droite vectorielle, dont le vecteur e3 = (0, 0, 1) est une base.
Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Endomorphismes et matrices diagonalisables 25 / 32
 Les dimensions des sous-espaces propres sont égales aux multiplicités des valeurs propres
correspondantes, la matrice A est donc diagonalisable. Dans la base (e1 , e2 , e3 )
l’endomorphisme représenté par A (dans la base canonique) a pour matrice
 
1 0 0
D = 0 1 0
 
0 0 2

la matrice de passage  
1 0 0
P = 1 1 0
 
0 1 1
vérifie P −1 AP = D.

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Endomorphismes et matrices diagonalisables 26 / 32

 Puissance d’une matrice  
−1 1 1
Soit A la matrice définie par : A =  1 −1 1  . Calculons An pour n ∈ N.
1 1 −1
On montre facilement que A est diagonalisable et que Spec(A) = {1, −2}. A s’écrit alors sous la
forme de A = PDP −1 avec
     
1 0 0 1 1 0 1 1 1
1
D =  0 −2 0  ; P= 1 0 1  ; P −1 =  2 −1 −1  .
3
0 0 −2 1 −1 −1 −1 2 −1
On a donc
 
1 0 0
An = PD n P −1 = P 0 (−2)n 0  P −1
0 0 (−2)n

1 − (−2)n+1 1 − (−2)n 1 − (−2)n

 
1
= 1 − (−2)n 1 − (−2)n+1 1 − (−2)n .
3
1 − (−2)n 1 − (−2)n 1 − (−2)n+1

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Puissance d’une matrice 27 / 32

 Exponentiel d’une matrice
Définition
On appelle exponentielle de A ∈ Mn (K ) la somme de la série normalement convergente

∞
X An
exp(A) =
n!
n=0

Exemple
exp(Diag(λ1 , . . . , λn )) = Diag(e λ1 , . . . , e λn ), en particulier exp(O) = In
!
−1 1 1
Calculons exp(A) pour A = 1 −1 1 .
1 1 −1

On a A = PDP −1 donc exp(A) = P exp(D)P −1 (à vérifier !!! )

or D = Diag(1, −2, −2) donc exp(D) = Diag(e, e −2 , e −2 )

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Exponentiel d’une matrice 28 / 32

 Suites récurrentes
On considère les suites (un )n∈N , (vn )n∈N et (wn )n∈N définies pour tout n ∈ N par :

 un+1 = −un + vn + wn

vn+1 = un − vn + wn

(I)

 wn+1 = un + vn − wn
 3
(u0 , v0 , w0 ) ∈ R
!
un
Nous devons trouver l’expression de un , vn et wn en fonction de n, u0 , v0 et w0 . Soit Xn = vn , on a alors
wn
!
−1 1 1
(I) ⇐⇒ Xn+1 = AXn avec A = 1 −1 1 .
1 1 −1
On vérifie facilement par récurrence que
Xn = An X0 , ∀ n ∈ N.
D’où :
1 − (−2)n+1 1 − (−2)n 1 − (−2)n
!   !
un u0
1
Xn = vn =  1− (−2)n 1− (−2)n+1 1− (−2)n  v0
wn 3 w0
1 − (−2)n 1 − (−2)n 1 − (−2)n+1

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili  Suites n+1

récurrentes n  29 / 32
 Systèmes linéaires différentiels du premier ordre
 0
 x (t) = −x (t) + y (t) + z(t)

On considère le système différentiel suivant : (II) y 0 (t) = x (t) − y (t) + z(t)

 0
z (t) = x (t) + y (t) − z(t)
où x , y et z 
sont troisfonctions dérivables
 0 définies sur R.
x (t) x (t)
Soit X (t) =  y (t) . Alors X 0 (t) =  y 0 (t)  et le système (II) s’écrit sous la forme :
z(t) z 0 (t)
 
−1 1 1
X 0 (t) = A · X (t) avec A =  1 −1 1 .
1 1 −1

Or A est diagonalisable : A = PDP −1 où les matrices P et D sont données précédemment.

X 0 (t) = AX (t) = PDP −1 X (t) ⇐⇒ P −1 X 0 (t) = DP −1 X (t).

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Systèmes linéaires différentiels du premier ordre 30 / 32
 Posons X̃ (t) = P −1 X (t) ( X (t) = P X̃ (t)), le système (II) est alors équivalent à

X̃ 0 (t) = D X̃ (t).

La résolution de ce dernier système est facile puisque la matrice D est diagonale :

( (
x̃ 0 (t) = x (t) x̃ (t) = x0 e t
X̃ 0 (t) = D X̃ (t) =⇒ ỹ 0 (t) = −2y (t) =⇒ ỹ (t) = y0 e −2t
z̃ 0 (t) = −2z(t) z̃(t) = z0 e −2t

où x0 , y0 et z0 sont des constantes réelles.

Les fonctions x , y et z solutions de (II) sont données par :
! ! !
x (t) 1 1 0 x0 e t
X (t) = y (t) = P X̃ (t) = 1 0 1 y0 e −2t
z(t) 1 −1 −1 z0 e −2t
!
x0 e t + y0 e −2t
= x0 e t + z0 e −2t .
x0 e t − (y0 + z0 )e −2t

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Systèmes linéaires différentiels du premier ordre 31 / 32
 Équations différentielles d’ordre supérieur
On considère l’équation différentielle linéaire d’ordre trois suivante :

(III) y 000 (t) − y 00 (t) − y 0 (t) + y (t) = 0. (1)

     
y (t) y 0 (t) y 0 (t)
On pose Y (t) =  y (t) . Alors Y 0 (t) =  y 00 (t)  = 
 0
y 00 (t)
    

y 00 (t) y 000 (t) −y (t) + y 0 (t) + y 00 (t)
et l’équation (III) s’écrit sous la forme :
 
0 1 0
Y 0 (t) = B · Y (t) avec B =  0 0 1  .
 
−1 1 1

Pour déterminer la solution Y , il suffit de diagonaliser B et suivre les mêmes démarches

que dans le cas précédent.

Pr. M. El Ossmani, Pr. M. El Lekhlifi et Pr. A. Taakili Systèmes linéaires différentiels du premier ordre 32 / 32