Algebre Lineaire

Télécharger au format pdf ou txt
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 35

Algèbre linéaire

Résumé du cours
Présenté par: Mme BENAZZOU Salma
Le plan

Algèbre linéaire

Les applications
Applications La
de la
linéaires diagonalisation
diagonalisation
Applications linéaires Diagonalisation Applications

Définition
Soient n et m deux entier non nuls
L’application f: 𝑅𝑛 → 𝑅𝑚 est dite linéaire si et seulement si:
Pour tout vecteur X et Y de 𝑅𝑛 et λ de R On a f(X+ λY)= f(X)+ λf(Y)
Exemple
𝑅3 → 𝑅3 Si l’espace de départ est
Montrer que 𝑓: est application linéaire le même que celui
(𝑥, 𝑦, 𝑧) → (2𝑥 + 𝑦 + 𝑧, 𝑦 − 𝑧, 𝑥 + 𝑦)
Soit X et Y deux éléments de 𝑅3 d’arrivée , et f
Je pose X(x,y,z) et Y(x’,y’,z’) deux éléments de 𝑅3 et λ de R application linéaire alors
X+ λY= (x,y,z)+ λ(x’,y’,z’)= (x+λx’,y+λy’,z+λz’) f s’appelle
f(X+ λY)=f(x+λx’,y+λy’,z+λz’) endomorphisme
=(2(x+λx’)+(y+λy’)+(z+λz’),(y+λy’)-(z+λz’),(x+λx’)+(y+λy’))
=(2x+2λx’+y+λy’+z+λz’,y+λy’-z-λz’,x+λx’+y+λy’)
=(2x+y+z,y-z,x+y) +(2λx’+λy’+λz’, λy’-λz’,λx’+λy’)
=(2x+y+z,y-z,x+y) + λ(2x’+y’+z’, y’-z’, x’+y’)
=f(x,y,z)+ λf(x’,y’,z’)=f(X)+ λf(Y) Donc f est application linéaire.
Applications linéaires Diagonalisation applications

Matrice et application linéaire:

Exemple
𝑅3 → 𝑅3
Donner la matrice d𝑒 𝑙 ′ 𝑎𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑓: dans la base canonique
(𝑥, 𝑦, 𝑧) → (2𝑥 + 𝑦 + 𝑧, 𝑦 − 𝑧, 𝑥 + 𝑦)
f(e1)=f(1,0,0)=(2 × 1 + 0 + 0,0 − 0,1 + 0)=(2,0,1)
f(e2)=f(0,1,0)=(2 × 0 + 1 + 0,1 − 0,0 + 1) =(1,1,1)
f(e3)=f(0,0,1)=(2 × 0 + 0 + 1,0 − 1,0 + 0) =(1, −1,0) 2 1 1
A=mat(f, Bc)= 0 1 −1
1 1 0
Applications linéaires Diagonalisation applications

Soit B= (V1, V2,……,Vp) une famille de vecteurs de Rn


Définition d’une base

B est base de Rn
Génératrice+ libre

génératrice Libre
Si a1v1+a2v2+…apVp=0
∀𝑋 ∈ Rn,X=a1v1+a2v2+…apVp
alors a1=a2=…..=ap=0
Applications linéaires Diagonalisation applications

Caractérisation d’une base

Soit B= (V1, V2,……,Vp) une famille de vecteurs de Rn et card B=p=dim Rn =n

Pour Montrer que B est base il suffit de montrer qu’elle est libre .
Montrer que B est libre reviens à montrer que det(V1,V2,…….Vp)≠ 0

Exemple: Soit U1=(1,0,1), U2=(0,2,2), et U3=(3,7,1) des vecteurs de R3


Montrer que B=(U1,U2,U3) est base de R3
On a Card B=dim R3 =3; donc montrer que B est base reviens a montrer que B est libre.
1 0 3 1 0 3 1 0
Det (U1,U2,U3)= 0 2 7 = 0 2 7 0 2
1 2 1 1 2 1 1 2
Signe +
Signe -
=2+0+0-0-14-6=-18 ≠ 0 alors B est base
Applications linéaires Diagonalisation applications

Rappel du calcul du déterminant par la méthode de SARUS


Applications linéaires Diagonalisation applications

Problématique:

L’application
f

B1 B2 B3

A1=mat(f,B1) A2=mat(f,B2)
A3=mat(f,B3)
Applications linéaires Diagonalisation applications

Ca veut dire quoi diagonaliser une matrice:

L’application
f 𝑎 0 0
D= 0 𝑏 0
0 0 𝑐
Ou
𝑎 0
D=
Bc B????? 0 𝑏

A=mat(f,Bc) D=mat(f,B)
Applications linéaires Diagonalisation applications

Définition:
On dit qu’un endomorphisme f de Rn est diagonalisable s’il existe une base de Rn dans la quelle la matrice de
f est diagonale.
Applications linéaires Diagonalisation applications

Etapes de diagonalisation:

Polynôme
caractéristiques

Valeurs propres

Vecteurs
propres

Donner la
matrices de
passage et la
matrice diagonal
Applications linéaires Diagonalisation applications

Le polynôme caractéristique:
P(x)=Det(A-XI) s appelle le polynôme caractéristique de A
Exemple

1 1 0
A= 0 2 0 Donner le polynôme caractéristique
−2 2 3

1 1 0 1 0 0 1 1 0 𝑋 0 0 1−𝑋 1 0
A-XI= 0 2 0 -X 0 1 0 = 0 2 0 - 0 𝑋 0 = 0 2−𝑋 0
−2 2 3 0 0 1 −2 2 3 0 0 𝑋 −2 2 3−𝑋

1−𝑋 1 0 1−𝑋 1 0 1−𝑋 1


Det(A-XI)=Det 0 2−𝑋 0 = 0 2−𝑋 0 0 2 − 𝑋 =(1-X)(2-X)(3-X)
−2 2 3−𝑋 −2 2 3 − 𝑋 −2 2
Applications linéaires Diagonalisation applications

Les valeurs propres:


Soit A=mat(f,Bc). On dit que λ est valeur propre de A s’il existe un vecteur non nul V tel que A.V=λ.V ou
f(V)= λ.V. Ce sont les racines du polynôme caractéristique
Exemple

1 1 0
A= 0 2 0
−2 2 3
P(X)=(1-X)(2-X)(3-X)
P(x)=0 alors (1-X)(2-X)(3-X)=0 donc (1-X=0 ou 2-X=0 ou 3-X=0 ) alors (X=1 ou X=2 ou X=3)
Alors les valeurs propres de A sont 1,2, et 3
Applications linéaires Diagonalisation applications

Les vecteurs propres:


Soit A=mat(f,Bc). On dit que V est vecteur propre de A s’il existe un réel λ tel que A.V=λ.V ou f(V)= λ.V et
V soit non nul .
Les sous espaces propres:
Un sous espace propre Eλ associé à la valeur propre λ est définie par Eλ =Ker (A-λI)
A retenir
Calcul des
noyaux
Trouver les
vecteurs propres Vérification par
la relation
A.V=λV
Applications linéaires Diagonalisation applications

Calcul des sous espaces propres :


X∈Ker (A-λI) alors (A-λI).X=0
calcul de produit de deux matrices
Le produit 𝐴 × 𝐵 existe si le nombre de colonne de A égal au nombre de ligne de B
1 1 0
1 4 1
2 1 2
1 1 0
1 2 0 1 2 0
× 1 4 1 =
3 1 4 3 1 4
2 1 2
1×1+2×1+0×2 1×1+2×4+0×1 0×1+2×1+0×2 3 9 2
=
3×1+1×1+4×2 3×1+1×4+4×1 3×0+1×1+4×2 12 11 9
(2× 3) 𝑒𝑡 3 × 3 → (2 × 3)
Applications linéaires Diagonalisation applications

calcul de produit de deux matrices


𝑥
𝑦
𝑧
1 1 0 𝑥 1 1 0 𝑥+𝑦
1 4 1 × 𝑦 = 1 4 1 𝑥 + 4𝑦 + 𝑧
2 1 2 𝑧 2 1 2 2𝑥 + 𝑦 + 2𝑧

(3× 3) 𝑒𝑡 3 × 1 → (3 × 1)
Applications linéaires Diagonalisation applications

Exemple
E1=Ker (A-1.I) E2=Ker (A-2.I) E3=Ker (A-3.I)
1 1 0 1 0 0 1 1 0 2 0 0 1 1 0 3 0 0
A-1.I= 0 2 0 - 0 1 0 A-2.I= 0 2 0 - 0 2 0 A-3.I= 0 2 0 - 0 3 0
−2 2 3 0 0 1 −2 2 3 0 0 2 −2 2 3 0 0 3
0 1 0 −1 1 0 −2 1 0
= 0 1 0 = 0 0 0 = 0 −1 0
−2 2 2 −2 2 1 −2 2 0
Soit X(x,y,z)∈ 𝐾𝑒𝑟 𝐴 − 𝐼 Soit X(x,y,z)∈ 𝐾𝑒𝑟 𝐴 − 2𝐼 Soit X(x,y,z)∈ 𝐾𝑒𝑟 𝐴 − 3𝐼
Alors (A-I).X=0 Alors (A-2I).X=0 Alors (A-3I).X=0
0 1 0 𝑥 0 −1 1 0 𝑥 0 −2 1 0 𝑥 0
0 1 0 𝑦 = 0 0 0 0 𝑦 = 0 0 −1 0 𝑦 = 0
−2 2 2 𝑧 0 −2 2 1 𝑧 0 −2 2 0 𝑧 0
𝑦=0 −𝑥 + 𝑦 = 0 −2𝑥 + 𝑦 = 0
ቐ 𝑦=0 ቐ 0=0 ቐ −𝑦 = 0
−2𝑥 + 2𝑦 + 2𝑧 = 0 −2𝑥 + 2𝑦 + 𝑧 = 0 −2𝑥 + 2𝑦 = 0
Applications linéaires Diagonalisation applications

Exemple
E1=Ker (A-1.I) E2=Ker (A-2.I) E3=Ker (A-3.I)
𝑦=0 −𝑥 + 𝑦 = 0 −2𝑥 + 𝑦 = 0
ቐ 𝑦=0 ቐ 0=0 ቐ −𝑦 = 0
−2𝑥 + 2𝑦 + 2𝑧 = 0 −2𝑥 + 2𝑦 + 𝑧 = 0 −2𝑥 + 2𝑦 = 0
𝑦=0 𝑥=𝑦 −2𝑥 = 0
ቐ ቐ ቐ 𝑦=0
−2𝑥 + 2𝑧 = 0 −2𝑦 + 2𝑦 + 𝑧 = 0 −2𝑥 = 0
𝑦=0 𝑥=𝑦 𝑥=0
ቐ ቐ ቐ
𝑥=𝑧 𝑧=0 𝑦=0
(x,y,z)=(z,0,z)=z(1,0,1) (x,y,z)=(y,y,0)=y(1,1,0) (x,y,z)=(0,0,z)=z(0,0,1)

Donc E1=Vect (1,0,1) (sous espace Donc E2=Vect (1,1,0) E3=Vect(0,0,1)


propre)
U1=(1,0,1) (vecteur propre) U2=(1,1,0) U3=(0,0,1)
Applications linéaires Diagonalisation applications

Comment savoir si la matrice A est diagonalisable?


• Si A admet n valeur propre distinct dans 𝑅𝑛 alors A est diagonalisable
• Si dim Eλ= ordre de multiplicité de λ avec λ valeur propre alors A est diagonalisable
Exemple

1 1 0
A= 0 2 0 et P(X)=(1-X)(2-X)(3-X) les valeurs propres sont 1, 2 et 3
−2 2 3
Ici f admet 3 valeurs propres distinct dans 𝑅3 alors A est diagonalisable
Applications linéaires Diagonalisation applications

Est-ce que A est diagonalisable?


Dans R²
P(x)=(x-a)(x-b) P(x)=(x-a)²
Les valeurs propres sont a et b A admet une seule valeur propre double a sont ordre de
A admet 2 valeurs propres distincts dans R² alors A est multiplicité est 2
diagonalisable On calcul le sous espace propre associé à a : Ea
Si dim Ea=2 alors A est diagonalisable
Dans 𝑅3
P(X)=(x-a)(x-b)(x-c) P(X)=(x-a)²(x-b) P(x)=(𝑥 − 𝑎)3
Les valeurs propres sont a , b et c Les valeurs propres sont a et b A admet une seule valeur propre a
A admet 3 valeurs propres distincts L’ordre de multiplicité de a est 2 d’ordre de multiplicité 3
dans 𝑅3 alors A est diagonalisable L’ordre de multiplicité de b est 1 Si dim Ea=3 alors A est
Si dim Ea=2 et dim Eb=1 alors A diagonalisable
est diagonalisable
Applications linéaires Diagonalisation applications

Diagonaliser A:
Pour diagonaliser A il suffit de donner la matrice de passage (ou les vecteurs de la nouvelle base ) et la
matrice diagonal. On a alors A=PD𝑃−1
Exemple:

1 1 0
A= 0 2 0
−2 2 3
Les valeurs propres sont 1,2 et 3
Les vecteurs propres sont U1=(1,0,1),U2= (1,1,0)et U3=(0,0,1)

1 0 0 1 1 0 2 0 0 1 0 1
D= 0 2 0 et P= 0 1 0 ou D= 0 3 0 et P= 1 0 0
0 0 3 1 0 1 0 0 1 0 1 1
Applications linéaires Diagonalisation applications

Applications

Résolution d’un Résolution d’un


Calcul de 𝐴𝑛 système de suites système
récurrentes différentielle
Applications linéaires Diagonalisation applications

1-Calcul de 𝐴𝑛

𝑎 𝑏 𝑐
A= 𝑑 𝑒 𝑓
𝑔 ℎ 𝑖

𝑎 0 0 𝑎𝑛 0 0
D= 0 𝑏 0 alors 𝐷𝑛 = 0 𝑏𝑛 0
0 0 𝑐 0 0 𝑐𝑛

UTILISER LA DIAGONALISATION POUR CALCULER 𝑨𝒏


Applications linéaires Diagonalisation applications

1-Calcul de 𝐴𝑛
On a A=PD 𝑃−1
Alors 𝐴𝑛 =A.A. …………………………………..A (n fois)
= PD 𝑃−1. PD 𝑃−1 . PD 𝑃−1……………………………. PD 𝑃−1 (n fois ) et P 𝑃−1 = 𝐼
Donc 𝐴𝑛 = PD.D.D…………………………………….D 𝑃−1
𝐴𝑛 = P 𝐷𝑛 𝑃−1
Exemple

1 1 0
A= 0 2 0 Calculer 𝐴𝑛
−2 2 3
1 0 0 1𝑛 0 0
D= 0 2 0 alors 𝐷𝑛 = 0 2𝑛 0
0 0 3 0 0 3𝑛
1 0 1
P= 1 0 0
0 1 1
Applications linéaires Diagonalisation applications

1-Calcul de 𝐴𝑛
• Calcul de 𝑃−1 𝑝𝑎𝑟 𝑙𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑𝑒 𝑔𝑎𝑢𝑠𝑠
1 0 11 0 0
On a : 1 0 0 0 1 0
0 1 10 0 1

1 0 1 1 0 0
0 0 −1 −1 1 0 L2-L1
0 1 1 0 0 1

1 0 1 1 0 0
0 1 1 0 0 1 L2↔L3
0 0 −1 −1 1 0

1 0 11 0 0
0 1 10 0 1
0 0 11 −1 0 (-1)L3
Applications linéaires Diagonalisation applications

1-Calcul de 𝐴𝑛
1 0 11 0 0
0 1 10 0 1
0 0 1 1 −1 0

1 0 0 0 1 0 L1-L3
0 1 0 −1 1 1
L2-L3
0 0 1 1 −1 0

0 1 0
Alors 𝑃−1 = −1 1 1
1 −1 0
𝑛
𝐴 =P𝐷 𝑃 𝑛 −1

1 0 1 1 0 0 0 1 0 3𝑛 1 − 3𝑛 0
= 1 0 0 0 2𝑛 0 −1 1 1 = 0 1 0
0 1 1 0 0 3𝑛 1 −1 0 −2 + 3𝑛
𝑛
2 − 3𝑛
𝑛
2𝑛
Applications linéaires Diagonalisation applications

2- Résolution d’un système de suites récurrentes

Dans R² Dans 𝑹𝟑
𝑎1𝑈𝑛 + 𝑎2𝑉𝑛 = 𝑈𝑛+1 𝑎11𝑈𝑛 + 𝑎12𝑉𝑛 + 𝑎13𝑊𝑛 = 𝑈𝑛+1
Le système est : ቊ
𝑎3𝑈𝑛 + 𝑎4𝑉𝑛 = 𝑉𝑛+1 Le système est :ቐ 𝑎21𝑈𝑛 + 𝑎22𝑉𝑛 + 𝑎23𝑊𝑛 = 𝑉𝑛+1
𝑈𝑛 𝑈0 𝑎31𝑈𝑛 + 𝑎32𝑉𝑛 + 𝑎33𝑊𝑛 = 𝑊𝑛+1
Avec Xn= et X0=
𝑉𝑛 𝑉0 𝑈𝑛 𝑈0
Avec Xn= 𝑉𝑛 et X0= 𝑉0
𝑤𝑛 𝑊0

1-Ecrire le système sous la forme 𝑋𝑛+1 =A. Xn


2-Montrer que Xn=𝐴𝑛 Xo
3-Trouver Un et Vn en fonction de n
Applications linéaires Diagonalisation applications

2- Résolution d’un système de suites récurrentes


1-Ecrire le système sous la forme 𝑋𝑛+1 =A. Xn
Dans R² Dans 𝑹𝟑
𝑎1𝑈𝑛 + 𝑎2𝑉𝑛 = 𝑈𝑛+1 𝑎11𝑈𝑛 + 𝑎12𝑉𝑛 + 𝑎13𝑊𝑛 = 𝑈𝑛+1
Le système est : ቊ
𝑎3𝑈𝑛 + 𝑎4𝑉𝑛 = 𝑉𝑛+1 Le système est :ቐ 𝑎21𝑈𝑛 + 𝑎22𝑉𝑛 + 𝑎23𝑊𝑛 = 𝑉𝑛+1
𝑈𝑛 𝑈0 𝑎31𝑈𝑛 + 𝑎32𝑉𝑛 + 𝑎33𝑊𝑛 = 𝑊𝑛+1
Avec Xn= et X0=
𝑉𝑛 𝑉0 𝑈𝑛 𝑈0
La forme matricielle associé au système est : Avec Xn= 𝑉𝑛 et X0= 𝑉0
𝑎1 𝑎2 𝑈𝑛 𝑈 𝑤𝑛 𝑊0
= 𝑛+1
𝑎3 𝑎4 𝑉𝑛 𝑉𝑛+1 La forme matricielle associé au système est :
Alors A. Xn=Xn+1 𝑎11 𝑎12 𝑎13 𝑈𝑛 𝑈𝑛+1
𝑎21 𝑎22 𝑎23 𝑉𝑛 = 𝑉𝑛+1
𝑎31 𝑎32 𝑎33 𝑊𝑛 𝑊𝑛+1
Alors A. Xn=Xn+1
Applications linéaires Diagonalisation applications

2- Résolution d’un système de suites récurrentes


2-Montrer que Xn=𝐴𝑛 Xo (Démonstration par récurrence )

• Pour n=0 on a X0= 𝐴0 Xo (c’est vrai par 𝐴0 =I)


• Supposons que Xn=𝐴𝑛 Xo et montrons que Xn+1=𝐴𝑛+1 Xo
D’après la question précédente on a 𝑋𝑛+1 =A. Xn
Et d’après l’hypothèse de récurrence, on a Xn=𝐴𝑛 Xo
Alors 𝑋𝑛+1 =A. 𝐴𝑛 Xo = 𝐴𝑛+1 Xo
Alors pour tout entier n on a
Xn=𝐴𝑛 Xo
Applications linéaires Diagonalisation applications

2- Résolution d’un système de suites récurrentes


3-Trouver Un et Vn en fonction de n

On a Xn=𝐴𝑛 Xo
Et puisque A est diagonalisable donc A=PD 𝑃−1
Donc 𝐴𝑛 = P 𝐷𝑛 𝑃−1
Alors Xn=P 𝐷𝑛 𝑃−1Xo
Applications linéaires Diagonalisation applications

3- Résolution d’un système différentielle

Dans R² Dans 𝑹𝟑
𝑎1𝑥(𝑡) + 𝑎2𝑦(𝑡) = 𝑥′(𝑡) Le système est
Le système est : ቊ
𝑎3𝑥(𝑡) + 𝑎4𝑦(𝑡) = 𝑦′(𝑡) 𝑎11𝑥(𝑡) + 𝑎12𝑦(𝑡) + 𝑎13𝑧(𝑡) = 𝑥′(𝑡)
𝑥(𝑡) 𝑥1(𝑡) :൞𝑎21𝑥(𝑡) + 𝑎22𝑦(𝑡) + 𝑎23𝑧(𝑡) = 𝑦′(𝑡)
Avec X(t)= et Y(t)=𝑃−1X(t)=
𝑦(𝑡) 𝑦1(𝑡) 𝑎31𝑥(𝑡) + 𝑎32𝑦(𝑡) + 𝑎33𝑧(𝑡) = 𝑧′(𝑡)
𝑥(𝑡) 𝑥1(𝑡)
Avec X(t)= 𝑦(𝑡) et Y(t)=𝑃−1 X(t)= 𝑦1(𝑡)
𝑧(𝑡) 𝑧1 𝑡

1-Ecrire le système sous la forme 𝑋′(𝑡)=A. X(t)


2-Déduire que Y’(t)=D.Y(t)
3-Determiner Y(t) en fonction de t
4-Déduire X(t) en fonction de t
Applications linéaires Diagonalisation applications

2- Résolution d’un système différentielle


1-Ecrire le système sous la forme X’(t)=A. X(t)
Dans R² Dans 𝑹𝟑
𝑎1𝑥(𝑡) + 𝑎2𝑦(𝑡) = 𝑥′(𝑡) Le système est
Le système est : ቊ
𝑎3𝑥(𝑡) + 𝑎4𝑦(𝑡) = 𝑦 ′ (𝑡) 𝑎11𝑥(𝑡) + 𝑎12𝑦(𝑡) + 𝑎13𝑧(𝑡) = 𝑥′(𝑡)
𝑥(𝑡) :൞𝑎21𝑥(𝑡) + 𝑎22𝑦(𝑡) + 𝑎23𝑧(𝑡) = 𝑦′(𝑡)
Avec X(t)=
𝑦(𝑡) 𝑎31𝑥(𝑡) + 𝑎32𝑦(𝑡) + 𝑎33𝑧(𝑡) = 𝑧′(𝑡)
La forme matricielle associé au système est :
𝑥(𝑡)
𝑎1 𝑎2 𝑥(𝑡) 𝑥′(𝑡)
= Avec X(t)= 𝑦(𝑡)
𝑎3 𝑎4 𝑦(𝑡) 𝑦′(𝑡)
𝑧(𝑡)
Alors A. X(t)=X’(t)
La forme matricielle associé au système est :
𝑎11 𝑎12 𝑎13 𝑥(𝑡) 𝑥′(𝑡)
𝑎21 𝑎22 𝑎23 𝑦(𝑡) = 𝑦′(𝑡)
𝑎31 𝑎32 𝑎33 𝑧(𝑡) 𝑧′(𝑡)
Alors A. X(t)=X’(t)
Applications linéaires Diagonalisation applications

2- Résolution d’un système différentielle


2-Déduire que Y’(t)=D.Y(t)
On a Y(t)=𝑃−1X(t)
Alors Y’(t)=𝑃−1 X’(t) et d’après la question précédente X’(t)=A. X(t)
Donc Y’(t)=𝑃−1 A. X(t) et A=PD 𝑃−1
Donc Y’(t)=𝑃−1 PD 𝑃−1 . X(t)
Or 𝑃−1 P=I
Alors Y’(t)=D 𝑃−1 . X(t)
C’est-à-dire Y’(t)=D 𝑌(𝑡)
Applications linéaires Diagonalisation applications

3- Résolution d’un système différentielle


3-Determiner Y(t) en fonction de t
Dans R² Dans 𝑹𝟑
𝑥1(𝑡) 𝑥1(𝑡)
On a Y’(t)=DY(t) et Y(t)=
𝑦1(𝑡) On a Y’(t)=DY(t) et Y(t)= 𝑦1(𝑡)
𝑥1′(𝑡) 𝑎 0 𝑥1(𝑡) 𝑎𝑥1(𝑡) 𝑧1(𝑡)
Alors = =
𝑦1′(𝑡) 0 𝑏 𝑦1(𝑡) 𝑏𝑦1(𝑡) 𝑥1′(𝑡) 𝑎 0 0 𝑥1(𝑡) 𝑎𝑥1(𝑡)
𝑥1′ 𝑡 = 𝑎𝑥1(𝑡) 𝑥1′ 𝑡 − 𝑎𝑥1 𝑡 = 0 Alors 𝑦1′(𝑡) = 0 𝑏 0 𝑦1(𝑡) = 𝑏𝑦1(𝑡)
ቊ ′ alors ቊ ′
𝑦1 𝑡 = 𝑏𝑦1(𝑡) 𝑦1 𝑡 − 𝑏𝑦1 𝑡 = 0 𝑧1(𝑡) 0 0 𝑐 𝑧1(𝑡) 𝑐𝑧1(𝑡)
−𝑎
− ‫ ׬‬1 𝑑𝑡 𝑥1′ 𝑡 = 𝑎𝑥1(𝑡) 𝑥1′ 𝑡 − 𝑎𝑥1 𝑡 = 0
𝑥1 𝑡 = α𝑒 = α𝑒 𝑎𝑡
൞ −𝑏 ൞𝑦1′ 𝑡 = 𝑏𝑦1(𝑡) alors ൞𝑦1′ 𝑡 − 𝑏𝑦1 𝑡 = 0
− ‫ ׬‬1 𝑑𝑡
𝑦1 𝑡 = 𝛽𝑒 = 𝛽𝑒 𝑏𝑡 𝑧1′ 𝑡 = 𝑐𝑧1(𝑡) 𝑧1′ 𝑡 − 𝑐𝑧1 𝑡 = 0
−𝑎
− ‫ ׬‬1 𝑑𝑡
𝑥1 𝑡 = α𝑒 = α𝑒 𝑎𝑡
−𝑏
− ‫ ׬‬1 𝑑𝑡
𝑦1 𝑡 = 𝛽𝑒 = 𝛽𝑒 𝑏𝑡
−𝑐
− ‫ ׬‬1 𝑑𝑡
𝑧1 𝑡 = 𝛾𝑒 = 𝛾𝑒 𝑐𝑡
Applications linéaires Diagonalisation applications

3- Résolution d’un système différentielle


4-Determiner X(t) en fonction de t
Dans R² Dans 𝑹𝟑
On a Y(t)=𝑃−1X(t) alors X(t)=P.Y(t) On a Y(t)=𝑃−1X(t) alors X(t)=P.Y(t)

α𝑒 𝑎𝑡 α𝑒 𝑎𝑡
Avec Y(t)= et P est la matrice de passage
𝛽𝑒 𝑏𝑡 Avec Y(t)= 𝛽𝑒 𝑏𝑡 et P est la matrice de passage
𝛾𝑒 𝑐𝑡

Vous aimerez peut-être aussi