Une ressource Excellence Maths. Découvrir le professeur
Face à un système du type \(X^\prime = AX\), beaucoup d’élèves bloquent parce qu’ils voient deux équations qui se mélangent : la dérivée de la première inconnue dépend de la seconde, et réciproquement. La clé tient en une phrase : réduire la matrice \(A\) pour découpler le système, le résoudre équation par équation, puis revenir aux inconnues de départ. Tout le reste n’est que la mise en œuvre soignée de ce principe selon la nature de \(A\). Dans cet article, tu vas apprendre la méthode générale en 4 étapes, puis la décliner sur les trois cas que tu rencontres en colle et au concours.
À qui s’adresse cette fiche : élèves de deuxième année (MP, MPI principalement) qui doivent résoudre un système différentiel linéaire à coefficients constants. Prérequis : réduction des matrices (valeurs propres, diagonalisation, trigonalisation) et résolution des équations différentielles linéaires d’ordre 1 vues en sup.
Au programme
Niveau : CPGE 2e année — MP / MPI. Systèmes différentiels linéaires à coefficients constants, résolution par réduction, exponentielle de matrice. Conforme au BO n°31 du 26/08/2021 (annexe Mathématiques MP-MPI, équations différentielles linéaires). Les filières PSI, PC et ECG2 traitent elles aussi les systèmes \(X^\prime = AX\) à coefficients constants, avec un formalisme voisin.
I. Le théorème de résolution et quand l’appliquer
Avant la mécanique de calcul, il faut savoir sur quel résultat on s’appuie et quelle méthode choisir. Un système différentiel linéaire homogène à coefficients constants admet toujours une solution unique une fois la condition initiale fixée, et l’ensemble des solutions forme un espace vectoriel de dimension \(n\).
Théorème — Structure des solutions de \(X^\prime = AX\)
Soit \(A \in \mathcal{M}_n(\mathbb{K})\) (avec \(\mathbb{K} = \mathbb{R}\) ou \(\mathbb{C}\)). Pour toute condition initiale \(X(0) = X_0\), le système \(X^\prime(t) = AX(t)\) admet une unique solution sur \(\mathbb{R}\), donnée par :
\(X(t) = e^{tA}\,X_0\)
Sans condition initiale imposée, l’ensemble des solutions du système homogène est un espace vectoriel de dimension \(n\). Une base de solutions s’appelle un système fondamental.
La formule \(X(t) = e^{tA}X_0\) est théoriquement parfaite, mais calculer une exponentielle de matrice n’est pas toujours la voie la plus rapide. En pratique, on choisit la méthode selon la nature de \(A\).
| Situation | Méthode à privilégier | Pourquoi |
|---|---|---|
| \(A\) diagonalisable (valeurs propres réelles) | Diagonalisation \(A = PDP^{-1}\) | Le changement \(Y = P^{-1}X\) découple tout |
| \(A\) diagonalisable sur \(\mathbb{C}\) (valeurs propres complexes) | Diagonalisation complexe puis parties réelle et imaginaire | Donne des solutions réelles avec \(\cos\) et \(\sin\) |
| \(A\) non diagonalisable | Décomposition \(A = D + N\) (Dunford, approfondissement sur un corps où le polynôme caractéristique est scindé) et \(e^{tA}\) | \(e^{tN}\) est une somme finie |
| Une équation scalaire d’ordre \(n\) | Passage à la matrice compagnon | Transforme l’ordre \(n\) en un système d’ordre 1 |
| Système avec second membre | Variation des constantes | Solution homogène + solution particulière |
| Petit système \(2 \times 2\) à la main | Élimination / combinaison linéaire | Rapide quand la réduction n’est pas demandée |
Ce tableau fixe la stratégie. Passons maintenant à la méthode générale, celle que l’on applique dans l’immense majorité des cas : la réduction de \(A\).
II. La méthode pas à pas en 4 étapes
Résoudre un système différentiel linéaire, c’est réduire sa matrice pour transformer des équations couplées en équations indépendantes. Voici la démarche standard, valable dès que \(A\) est diagonalisable.
- Écrire le système sous forme matricielle. Identifier la matrice \(A\) telle que \(X^\prime = AX\), où \(X\) est le vecteur colonne des inconnues.
- Réduire \(A\). Calculer les valeurs propres, puis une base de vecteurs propres. On obtient \(A = PDP^{-1}\) avec \(D\) diagonale et \(P\) la matrice de passage.
- Résoudre le système découplé. Poser \(Y = P^{-1}X\). Alors \(Y^\prime = DY\), soit \(y_i^\prime = \lambda_i\, y_i\) : chaque ligne se résout seule en \(y_i(t) = c_i\, e^{\lambda_i t}\).
- Revenir à \(X\) et appliquer les conditions initiales. On calcule \(X = PY\), puis on détermine les constantes \(c_i\) à partir de \(X(0) = X_0\).
Le réflexe clé : le changement de variable \(Y = P^{-1}X\) est licite car \(Y^\prime = P^{-1}X^\prime = P^{-1}AX = P^{-1}A P Y = DY\). C’est exactement \(\underbrace{P^{-1}AP}_{=\,D}\) qui apparaît : c’est pour cela que l’on cherche à diagonaliser une matrice.
Il est souvent inutile de calculer \(P^{-1}\) explicitement : une fois les valeurs propres \(\lambda_i\) et les vecteurs propres \(V_i\) connus, la solution générale s’écrit directement \(X(t) = \sum_i c_i\, e^{\lambda_i t}\, V_i\). C’est la forme la plus efficace. Voyons-la à l’œuvre.
La fiche PDF à imprimer
2 pages.
Reçois gratuitement le PDF par e-mail.
Le cours reste accessible sur cette page. Le PDF est envoyé après saisie d’une adresse e-mail.
III. Cas 1 — A diagonalisable 🔵
C’est le cas le plus fréquent et le plus simple. Les valeurs propres et vecteurs propres donnent immédiatement une base de solutions.
Exemple 🔵 — Système \(2 \times 2\). Résoudre \(\begin{cases} x^\prime = x + 2y \\ y^\prime = 2x + y \end{cases}\)
La matrice est \(A = \begin{pmatrix} 1 & 2 \\ 2 & 1 \end{pmatrix}\). Polynôme caractéristique : \((1-\lambda)^2- 4 = \lambda^2- 2\lambda- 3\), racines \(\lambda_1 = 3\) et \(\lambda_2 = -1\).
Vecteur propre pour \(3\) : \((A- 3I)V = 0\) donne \(-2v_1 + 2v_2 = 0\), d’où \(V_1 = \begin{pmatrix} 1 \\ 1 \end{pmatrix}\).
Vecteur propre pour \(-1\) : \(2v_1 + 2v_2 = 0\), d’où \(V_2 = \begin{pmatrix} 1 \\ -1 \end{pmatrix}\).
Solution générale :
\(X(t) = c_1\, e^{3t} \begin{pmatrix} 1 \\ 1 \end{pmatrix} + c_2\, e^{-t} \begin{pmatrix} 1 \\ -1 \end{pmatrix}\)
soit \(x(t) = c_1 e^{3t} + c_2 e^{-t}\) et \(y(t) = c_1 e^{3t}- c_2 e^{-t}\).
On observe deux comportements : une direction où tout croît exponentiellement (\(\lambda = 3\)) et une direction où tout décroît (\(\lambda = -1\)). Cette structure se lit directement sur le portrait de phase.
Pour une matrice réelle diagonalisable sur \(\mathbb C\), on peut effectuer la réduction complexe puis reconstruire des solutions réelles. La présence de valeurs propres complexes ne garantit pas à elle seule la diagonalisabilité en dimension supérieure à 2.
IV. Cas 2 — Valeurs propres complexes 🟠
Pour une matrice réelle \(2\times2\) ayant deux valeurs propres non réelles conjuguées, ces valeurs propres sont distinctes : la matrice est diagonalisable sur \(\mathbb C\). Les parties réelle et imaginaire d’une solution complexe associée à une valeur propre donnent alors une base de solutions réelles.
Exemple 🟠 — Valeurs propres complexes. Résoudre \(\begin{cases} x^\prime = x- y \\ y^\prime = x + y \end{cases}\)
Ici \(A = \begin{pmatrix} 1 & -1 \\ 1 & 1 \end{pmatrix}\), polynôme caractéristique \(\lambda^2- 2\lambda + 2\), racines \(1 + i\) et \(1- i\).
Vecteur propre pour \(1 + i\) : \((A- (1+i)I)V = 0\) donne \(-i v_1- v_2 = 0\), d’où \(V = \begin{pmatrix} 1 \\ -i \end{pmatrix}\).
Une solution complexe est \(Z(t) = e^{(1+i)t}\begin{pmatrix} 1 \\ -i \end{pmatrix}\). En développant \(e^{(1+i)t} = e^{t}(\cos t + i \sin t)\) (c’est la forme exponentielle) :
\(Z(t) = e^{t}\begin{pmatrix} \cos t + i\sin t \\ \sin t- i\cos t \end{pmatrix}\)
Les parties réelle et imaginaire donnent deux solutions réelles indépendantes :
\(X(t) = c_1\, e^{t}\begin{pmatrix} \cos t \\ \sin t \end{pmatrix} + c_2\, e^{t}\begin{pmatrix} \sin t \\ -\cos t \end{pmatrix}\)
La partie réelle de la valeur propre (\(1\) ici) règle la croissance, la partie imaginaire (\(1\)) règle la pulsation de l’oscillation : les trajectoires spiralent vers l’extérieur.
Erreur classique : garder \(c_1\) et \(c_2\) complexes et écrire \(X = c_1 Z + c_2 \overline{Z}\) sans imposer \(c_2 = \overline{c_1}\). Pour des solutions réelles, le plus sûr est de prendre directement les parties réelle et imaginaire d’une seule solution complexe : on obtient deux solutions réelles, avec deux constantes réelles.
Reste le cas où \(A\) n’est pas diagonalisable : la diagonalisation échoue, mais l’exponentielle de matrice prend le relais.
V. Cas 3 — A non diagonalisable 🟠
Cas pratique : si \(A=\lambda I+N\) avec \(N\) nilpotente, on utilise \(e^{tA}=e^{\lambda t}e^{tN}\), où la seconde exponentielle est une somme finie. Approfondissement : la décomposition générale de Dunford \(A=D+N\) avec \(DN=ND\) et \(D\) diagonalisable existe sur un corps où le polynôme caractéristique est scindé, notamment sur \(\mathbb C\).
Exemple 🟠 — Valeur propre double, non diagonalisable. Résoudre \(X^\prime = AX\) avec \(A = \begin{pmatrix} 2 & 1 \\ 0 & 2 \end{pmatrix}\).
La seule valeur propre est \(2\) (double) et \(A\) n’est pas diagonalisable. On écrit \(A = 2I + N\) avec \(N = \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix}\), et \(N^2 = 0\).
Comme \(2I\) et \(N\) commutent :
\(e^{tA} = e^{2t}\,e^{tN} = e^{2t}\,(I + tN) = e^{2t}\begin{pmatrix} 1 & t \\ 0 & 1 \end{pmatrix}\)
La solution générale est donc :
\(X(t) = e^{2t}\begin{pmatrix} x_0 + t\,y_0 \\ y_0 \end{pmatrix}\)
soit \(x(t) = e^{2t}(x_0 + t y_0)\) et \(y(t) = e^{2t} y_0\). Le terme en \(t\,e^{2t}\) est la signature du cas non diagonalisable.
Pour une matrice triangulaire, on peut aussi résoudre les équations successivement. La décomposition générale de Dunford est un prolongement, à utiliser si elle est établie ou fournie dans le sujet. Voir aussi l’exponentielle de matrice.
Jusqu’ici le système était homogène. Voyons ce qui change avec un second membre.
VI. Avec un second membre : variation des constantes 🟠
Pour résoudre \(X^\prime = AX + B(t)\), on additionne la solution générale du système homogène et une solution particulière. Deux voies : chercher une solution particulière évidente, ou appliquer la variation des constantes.
Cas d’un second membre constant. Si \(B\) est constant et \(A\) inversible, une solution particulière constante existe : on cherche \(X_p\) tel que \(0 = AX_p + B\), soit \(X_p = -A^{-1}B\). La solution générale est \(X(t) = e^{tA}C + X_p\).
Pour un second membre continu sur un intervalle contenant \(t_0\), la formule de variation des constantes généralise celle de l’équation d’ordre 1 scalaire :
Formule — Variation des constantes
La solution de \(X^\prime = AX + B(t)\) vérifiant \(X(t_0) = X_0\) est :
\(X(t) = e^{(t- t_0)A}X_0 + \displaystyle\int_{t_0}^{t} e^{(t- s)A}\,B(s)\,ds\)
En pratique, on pose \(X(t) = e^{tA}\,C(t)\) (on fait « varier la constante » vectorielle), ce qui donne \(C^\prime(t) = e^{-tA}B(t)\), puis on intègre composante par composante. Travailler dans la base propre simplifie énormément les intégrales.
Tu as maintenant toutes les briques. Garde la méthode complète sous la main pour tes révisions.
VII. Rédiger au concours : ce que le correcteur attend 🔴
Un système différentiel bien rédigé rapporte des points faciles, à condition de respecter quelques jalons que le correcteur coche un par un.
Les réflexes de rédaction :
- Justifier la diagonalisabilité avant de diagonaliser : valeurs propres distinctes, ou polynôme annulateur scindé à racines simples.
- Annoncer la forme des solutions dès les valeurs propres connues (« les solutions sont des combinaisons de \(e^{\lambda_i t} V_i\) »).
- Préciser l’espace ambiant : « solutions à valeurs dans \(\mathbb{R}^2\) », et revenir au réel si on a diagonalisé sur \(\mathbb{C}\).
- Invoquer Cauchy linéaire pour affirmer l’unicité et la dimension \(n\) de l’espace des solutions — c’est ce qui garantit qu’on a bien toutes les solutions.
- Conclure sur les constantes : ne pas écrire « la » solution quand aucune condition initiale n’est donnée.
La justification de la diagonalisabilité et le retour explicite aux solutions réelles sont les deux points les plus souvent oubliés. Ils séparent une copie « juste » d’une copie « complète ».
VIII. Erreurs fréquentes
Voici les pièges que l’on retrouve copie après copie, avec leur diagnostic et la correction.
❌ Copie fautive : « On a \(X^\prime = AX\) donc \(X(t) = X_0\, e^{tA}\). »
Diagnostic : l’ordre des facteurs est faux. \(X_0\) est un vecteur colonne, \(e^{tA}\) une matrice : le produit \(X_0\, e^{tA}\) n’a aucun sens.
✅ Correction : \(X(t) = e^{tA}\, X_0\), la matrice à gauche du vecteur.
❌ Copie fautive : « \(e^{t(A+B)} = e^{tA}\, e^{tB}\). »
Diagnostic : si \(AB=BA\), alors \(e^{t(A+B)}=e^{tA}e^{tB}\) pour tout réel \(t\). Sans commutation, cette factorisation n’est pas une règle valable en général. Une égalité accidentelle à une valeur isolée de \(t\) ne prouve pas la commutation.
✅ Correction : vérifier la commutation avant toute factorisation de l’exponentielle.
❌ Copie fautive : oublier une constante, ou en mettre une seule pour un système \(2 \times 2\).
Diagnostic : l’espace des solutions est de dimension \(n\) : il faut exactement \(n\) constantes arbitraires indépendantes.
✅ Correction : une constante par vecteur de la base de solutions.
Passons à la pratique : six exercices gradués pour ancrer la méthode.
IX. Exercices corrigés
Exercice 1 — Système diagonalisable simple ★
Résoudre \(\begin{cases} x^\prime = 4x + 2y \\ y^\prime = x + 3y \end{cases}\)
Voir la correction de l’exercice 1
\(A = \begin{pmatrix} 4 & 2 \\ 1 & 3 \end{pmatrix}\). Trace \(7\), déterminant \(12- 2 = 10\), polynôme caractéristique \(\lambda^2- 7\lambda + 10\), racines \(\lambda_1 = 5\) et \(\lambda_2 = 2\).
Pour \(5\) : \((A-5I)V = 0\) donne \(-v_1 + 2v_2 = 0\), d’où \(V_1 = \begin{pmatrix} 2 \\ 1 \end{pmatrix}\). Pour \(2\) : \(2v_1 + 2v_2 = 0\), d’où \(V_2 = \begin{pmatrix} 1 \\ -1 \end{pmatrix}\).
\(X(t) = c_1\, e^{5t}\begin{pmatrix} 2 \\ 1 \end{pmatrix} + c_2\, e^{2t}\begin{pmatrix} 1 \\ -1 \end{pmatrix}\)
Conclusion : \(x(t) = 2c_1 e^{5t} + c_2 e^{2t}\) et \(y(t) = c_1 e^{5t}- c_2 e^{2t}\).
Exercice 2 — Avec condition initiale ★
Résoudre \(\begin{cases} x^\prime = 3x- 2y \\ y^\prime = 2x- 2y \end{cases}\) avec \(x(0) = 1\), \(y(0) = 0\).
Voir la correction de l’exercice 2
\(A = \begin{pmatrix} 3 & -2 \\ 2 & -2 \end{pmatrix}\). Trace \(1\), déterminant \(-6 + 4 = -2\), polynôme \(\lambda^2- \lambda- 2\), racines \(2\) et \(-1\).
Pour \(2\) : \(v_1- 2v_2 = 0\), \(V_1 = \begin{pmatrix} 2 \\ 1 \end{pmatrix}\). Pour \(-1\) : \(4v_1- 2v_2 = 0\), \(V_2 = \begin{pmatrix} 1 \\ 2 \end{pmatrix}\).
Forme générale : \(X(t) = c_1 e^{2t}\begin{pmatrix} 2 \\ 1 \end{pmatrix} + c_2 e^{-t}\begin{pmatrix} 1 \\ 2 \end{pmatrix}\).
Conditions initiales : \(2c_1 + c_2 = 1\) et \(c_1 + 2c_2 = 0\). On résout : \(c_1 = \displaystyle\frac{2}{3}\), \(c_2 = -\displaystyle\frac{1}{3}\).
Conclusion : \(x(t) = \displaystyle\frac{4}{3}e^{2t}- \displaystyle\frac{1}{3}e^{-t}\) et \(y(t) = \displaystyle\frac{2}{3}e^{2t}- \displaystyle\frac{2}{3}e^{-t}\).
Exercice 3 — Valeurs propres complexes ★★
Résoudre \(\begin{cases} x^\prime = -y \\ y^\prime = x \end{cases}\)
Voir la correction de l’exercice 3
\(A = \begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix}\), polynôme \(\lambda^2 + 1\), racines \(\pm i\).
Pour \(i\) : \(-i v_1- v_2 = 0\), \(V = \begin{pmatrix} 1 \\ -i \end{pmatrix}\). Solution complexe \(Z(t) = e^{it}\begin{pmatrix} 1 \\ -i \end{pmatrix} = \begin{pmatrix} \cos t + i\sin t \\ \sin t- i\cos t \end{pmatrix}\).
Parties réelle et imaginaire :
\(X(t) = c_1\begin{pmatrix} \cos t \\ \sin t \end{pmatrix} + c_2\begin{pmatrix} \sin t \\ -\cos t \end{pmatrix}\)
Conclusion : \(x(t) = c_1 \cos t + c_2 \sin t\), \(y(t) = c_1 \sin t- c_2 \cos t\) : les trajectoires sont des cercles (rotation uniforme).
Exercice 4 — Matrice non diagonalisable ★★
Résoudre \(X^\prime = AX\) avec \(A = \begin{pmatrix} 3 & 1 \\ 0 & 3 \end{pmatrix}\).
Voir la correction de l’exercice 4
Valeur propre \(3\) double, \(A\) non diagonalisable. On écrit \(A = 3I + N\) avec \(N = \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix}\), \(N^2 = 0\).
Comme \(3I\) et \(N\) commutent : \(e^{tA} = e^{3t}(I + tN) = e^{3t}\begin{pmatrix} 1 & t \\ 0 & 1 \end{pmatrix}\).
\(X(t) = e^{3t}\begin{pmatrix} x_0 + t y_0 \\ y_0 \end{pmatrix}\)
Conclusion : \(x(t) = e^{3t}(x_0 + t y_0)\), \(y(t) = y_0\, e^{3t}\) — le terme \(t\,e^{3t}\) traduit le défaut de diagonalisabilité.
Exercice 5 — Second membre constant ★★
Résoudre \(\begin{cases} x^\prime = -x + 1 \\ y^\prime = -2y + 4 \end{cases}\)
Voir la correction de l’exercice 5
\(A = \begin{pmatrix} -1 & 0 \\ 0 & -2 \end{pmatrix}\) (déjà diagonale), \(B = \begin{pmatrix} 1 \\ 4 \end{pmatrix}\). \(A\) inversible.
Solution particulière constante : \(X_p = -A^{-1}B\). Comme \(A^{-1} = \begin{pmatrix} -1 & 0 \\ 0 & -\displaystyle\frac{1}{2} \end{pmatrix}\), on a \(X_p = \begin{pmatrix} 1 \\ 2 \end{pmatrix}\). (On vérifie : \(-1 + 1 = 0\), \(-4 + 4 = 0\).)
Système homogène : \(x_h = c_1 e^{-t}\), \(y_h = c_2 e^{-2t}\).
Conclusion : \(x(t) = c_1 e^{-t} + 1\), \(y(t) = c_2 e^{-2t} + 2\). Les solutions tendent vers l’équilibre \((1, 2)\).
Exercice 6 — Système 3×3 et raisonnement ★★★
On considère \(A = \begin{pmatrix} 2 & 0 & 0 \\ 1 & 2 & 0 \\ 0 & 1 & 2 \end{pmatrix}\). Sans tout calculer, prévoir la forme des solutions de \(X^\prime = AX\), puis les expliciter.
Voir la correction de l’exercice 6
Prévision. \(A\) est triangulaire inférieure à diagonale \(2\) : seule valeur propre \(2\), de multiplicité \(3\). Le sous-espace propre est de dimension \(1\) (le rang de \(A- 2I\) est \(2\)), donc \(A\) n’est pas diagonalisable : on s’attend à des solutions en \(e^{2t}\) multipliées par des polynômes en \(t\) de degré au plus \(2\).
Calcul. On pose \(A = 2I + N\) avec \(N = \begin{pmatrix} 0 & 0 & 0 \\ 1 & 0 & 0 \\ 0 & 1 & 0 \end{pmatrix}\). On vérifie \(N^2 = \begin{pmatrix} 0 & 0 & 0 \\ 0 & 0 & 0 \\ 1 & 0 & 0 \end{pmatrix}\) et \(N^3 = 0\).
Donc \(e^{tN} = I + tN + \displaystyle\frac{t^2}{2}N^2\), et \(e^{tA} = e^{2t}\left(I + tN + \displaystyle\frac{t^2}{2}N^2\right)\), soit :
\(e^{tA} = e^{2t}\begin{pmatrix} 1 & 0 & 0 \\ t & 1 & 0 \\ \displaystyle\frac{t^2}{2} & t & 1 \end{pmatrix}\)
Conclusion : avec \(X_0 = (a, b, c)\), \(x(t) = a\,e^{2t}\), \(y(t) = (ta + b)e^{2t}\), \(z(t) = \left(\displaystyle\frac{t^2}{2}a + tb + c\right)e^{2t}\). La prévision est confirmée : un polynôme de degré \(2\) apparaît bien.
Pour aller plus loin sur ce type d’énoncés, retrouve une série complète sur la page d’exercices corrigés sur les systèmes différentiels.
X. Questions fréquentes
Comment résoudre un système différentiel linéaire ?
Dans le cas homogène à coefficients constants avec \(A\) diagonalisable, on écrit \(X^\prime = AX\), puis on réduit la matrice \(A\) (valeurs propres et vecteurs propres), on résout le système découplé obtenu — chaque équation devenant \(y_i^\prime = \lambda_i y_i\) de solution \(c_i e^{\lambda_i t}\) — puis on revient aux inconnues de départ et on applique les conditions initiales.
Quelle différence entre résoudre un système différentiel et une équation différentielle ?
Une équation différentielle porte sur une seule fonction inconnue ; un système en relie plusieurs, dont les dérivées dépendent les unes des autres. La force du cadre matriciel est justement de ramener un système couplé à des équations indépendantes par réduction. À l’inverse, une équation scalaire d’ordre \(n\) se réécrit comme un système d’ordre 1 via la matrice compagnon.
Que faire si la matrice n’est pas diagonalisable ?
Si \(A=\lambda I+N\) avec \(N\) nilpotente, on calcule une série finie : \(e^{tA}=e^{\lambda t}\sum_{k=0}^{m-1}t^kN^k/k!\) dès que \(N^m=0\). On peut également résoudre un système triangulaire par substitutions. La décomposition générale de Dunford, sur un corps où le polynôme caractéristique est scindé, est un approfondissement.
Peut-on résoudre un système différentiel sans diagonaliser ?
Oui, pour un petit système \(2 \times 2\), l’élimination fonctionne : on dérive une équation et on substitue l’autre pour obtenir une équation scalaire d’ordre 2. La transformée de Laplace est une autre voie. Mais dès que la dimension augmente, la réduction de \(A\) reste la méthode la plus fiable et la plus attendue au concours.
Pour aller plus loin
Tu maîtrises désormais la résolution des systèmes différentiels linéaires. Pour consolider et élargir :
- Équation Différentielle d’Ordre 2 (Prépa) : Cours
- Équations différentielles : cours complet et méthodes de résolution
- Exercices Équations Différentielles Tle Corrigés + PDF
- Séries entières : cours complet, propriétés et convergence
- Suites géométriques : cours, formules et fiches méthodes
Dernière mise à jour : 22/10/2026. Conforme au programme officiel de CPGE (BO n°31 du 26/08/2021, annexe Mathématiques MP-MPI), année scolaire 2026-2027.