Voici 26 exercices corrigés sur les systèmes différentiels linéaires, classés par difficulté croissante, de la diagonalisation d’un système 2×2 aux problèmes de type concours. Chaque exercice est corrigé pas à pas, avec le détail de la réduction, le calcul de l’exponentielle de matrice et la rédaction attendue en spé. Tu trouveras aussi une évaluation type DS avec barème et un PDF bonus. Le cœur de la méthode : réduire la matrice \(A\), découpler le système, puis revenir aux fonctions inconnues. Si tu veux d’abord revoir la théorie, commence par le cours sur les systèmes différentiels linéaires et la méthode de résolution détaillée.
Niveau principal : MP/MPI, 2e année. Réduction des matrices et systèmes différentiels linéaires à coefficients constants. Les exemples nilpotents de dimensions 2 et 3 sont calculés directement ; la décomposition générale de Dunford et Liouville sont signalés comme approfondissements. Ce recueil n’est pas rattaché globalement à ECG2.
Rappel de cours essentiel
Avant de t’entraîner, voici les trois résultats que tu utiliseras dans presque tous les exercices. Pour une présentation complète, reporte-toi au cours sur les systèmes différentiels.
Système linéaire homogène à coefficients constants
On cherche une fonction vectorielle \(X : t \mapsto X(t)\) telle que \(X^\prime(t) = AX(t)\), où \(A \in \mathcal{M}_n(\mathbb{R})\). La solution de condition initiale \(X(0) = X_0\) est unique (théorème de Cauchy linéaire) et s’écrit :
\(X(t) = e^{tA}\,X_0\)
Sans condition initiale fixée, l’ensemble des solutions homogènes est un espace vectoriel de dimension \(n\).
En pratique, on ne calcule pas toujours \(e^{tA}\) directement : on réduit la matrice.
| Nature de \(A\) | Technique | Forme des solutions |
|---|---|---|
| Diagonalisable, valeurs propres réelles | \(A = PDP^{-1}\), on pose \(Y = P^{-1}X\) | \(\sum c_k\, e^{\lambda_k t}\, V_k\) |
| Valeurs propres complexes \(\alpha \pm i\beta\) | Parties réelle et imaginaire d’une solution complexe | \(e^{\alpha t}(\cos\beta t,\ \sin\beta t)\) |
| Non diagonalisable | \(A = D + N\) (Dunford, approfondissement sur un corps de décomposition) ou \(e^{tA}=e^{\lambda t}(I+tN+\dots)\) | polynôme en \(t\) \(\times\, e^{\lambda t}\) |
| Avec second membre \(B(t)\) | Solution homogène + solution particulière (variation des constantes) | \(X_h + X_p\) |
Formule de Liouville (wronskien) — pour \(n\) solutions d’un système, le wronskien \(W(t) = \det(X_1(t),\dots,X_n(t))\) vérifie \(W^\prime(t) = \mathrm{tr}(A)\,W(t)\). Il sert à tester l’indépendance d’une famille de solutions : voir le cours sur le wronskien.
Série 1 — Systèmes 2×2 et 3×3 diagonalisables ★
On commence par le cas le plus courant, celui où \(A\) admet \(n\) valeurs propres et se diagonalise. La recette est toujours la même : valeurs propres, vecteurs propres, puis combinaison des exponentielles.
Exercice 1 — Système symétrique 2×2 ★
Résoudre \(X^\prime = AX\) avec \(A = \begin{pmatrix} 1 & 2 \\ 2 & 1 \end{pmatrix}\).
Voir la correction de l’exercice 1
Polynôme caractéristique : \((1-\lambda)^2- 4 = \lambda^2- 2\lambda- 3 = (\lambda-3)(\lambda+1)\). Valeurs propres : \(3\) et \(-1\).
Vecteur propre pour \(\lambda = 3\) : \(V_1 = \begin{pmatrix}1\\1\end{pmatrix}\). Pour \(\lambda = -1\) : \(V_2 = \begin{pmatrix}1\\-1\end{pmatrix}\).
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 \(y(t) = c_1 e^{3t}- c_2 e^{-t}\), avec \((c_1, c_2) \in \mathbb{R}^2\).
Exercice 2 — Matrice triangulaire à valeurs propres distinctes ★
Résoudre \(X^\prime = AX\) avec \(A = \begin{pmatrix} 2 & 1 \\ 0 & 3 \end{pmatrix}\).
Voir la correction de l’exercice 2
La matrice est triangulaire : les valeurs propres se lisent sur la diagonale, \(2\) et \(3\). Distinctes, donc \(A\) est diagonalisable.
Pour \(\lambda = 2\) : \((A-2I)V=0 \Rightarrow V_1 = \begin{pmatrix}1\\0\end{pmatrix}\). Pour \(\lambda = 3\) : \(V_2 = \begin{pmatrix}1\\1\end{pmatrix}\).
\(X(t) = c_1\, e^{2t}\begin{pmatrix}1\\0\end{pmatrix} + c_2\, e^{3t}\begin{pmatrix}1\\1\end{pmatrix}\)
D’où \(x(t) = c_1 e^{2t} + c_2 e^{3t}\) et \(y(t) = c_2 e^{3t}\).
Exercice 3 — Système sous forme d’équations couplées ★
Résoudre \(\begin{cases} x^\prime = 4x- 2y \\ y^\prime = x + y \end{cases}\)
Voir la correction de l’exercice 3
Matrice du système : \(A = \begin{pmatrix} 4 & -2 \\ 1 & 1 \end{pmatrix}\).
\(\chi_A(\lambda) = (4-\lambda)(1-\lambda) + 2 = \lambda^2- 5\lambda + 6 = (\lambda-2)(\lambda-3)\).
\(\lambda = 2\) : \(V_1 = \begin{pmatrix}1\\1\end{pmatrix}\) ; \(\lambda = 3\) : \(V_2 = \begin{pmatrix}2\\1\end{pmatrix}\).
\(X(t) = c_1\, e^{2t}\begin{pmatrix}1\\1\end{pmatrix} + c_2\, e^{3t}\begin{pmatrix}2\\1\end{pmatrix}\)
La fiche PDF à imprimer
5 pages · 10 exercices corrigés.
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.
Exercice 4 — Avec condition initiale ★
Résoudre \(\begin{cases} x^\prime = x + y \\ y^\prime = 4x + y \end{cases}\) avec \(x(0) = 2\) et \(y(0) = -1\).
Voir la correction de l’exercice 4
\(A = \begin{pmatrix} 1 & 1 \\ 4 & 1 \end{pmatrix}\), \(\chi_A(\lambda) = (1-\lambda)^2- 4 = (\lambda-3)(\lambda+1)\).
\(\lambda = 3\) : \(V_1 = \begin{pmatrix}1\\2\end{pmatrix}\) ; \(\lambda = -1\) : \(V_2 = \begin{pmatrix}1\\-2\end{pmatrix}\).
Solution générale : \(x = c_1 e^{3t} + c_2 e^{-t}\), \(y = 2c_1 e^{3t}- 2c_2 e^{-t}\).
Conditions initiales : \(c_1 + c_2 = 2\) et \(2c_1- 2c_2 = -1\), donc \(c_1- c_2 = -\displaystyle\frac{1}{2}\).
On obtient \(c_1 = \displaystyle\frac{3}{4}\) et \(c_2 = \displaystyle\frac{5}{4}\).
Solution : \(x(t) = \displaystyle\frac{3}{4}e^{3t} + \displaystyle\frac{5}{4}e^{-t}\), \(y(t) = \displaystyle\frac{3}{2}e^{3t}- \displaystyle\frac{5}{2}e^{-t}\).
Exercice 5 — Système 3×3 triangulaire ★
Résoudre \(X^\prime = AX\) avec \(A = \begin{pmatrix} 2 & 0 & 0 \\ 1 & 3 & 0 \\ 0 & 1 & 4 \end{pmatrix}\).
Voir la correction de l’exercice 5
Valeurs propres (diagonale) : \(2, 3, 4\), distinctes donc \(A\) diagonalisable.
\(\lambda = 4\) : \(V_3 = \begin{pmatrix}0\\0\\1\end{pmatrix}\). \(\lambda = 3\) : \(V_2 = \begin{pmatrix}0\\1\\-1\end{pmatrix}\). \(\lambda = 2\) : \(V_1 = \begin{pmatrix}2\\-2\\1\end{pmatrix}\).
\(X(t) = c_1 e^{2t}\begin{pmatrix}2\\-2\\1\end{pmatrix} + c_2 e^{3t}\begin{pmatrix}0\\1\\-1\end{pmatrix} + c_3 e^{4t}\begin{pmatrix}0\\0\\1\end{pmatrix}\)
Exercice 6 — Matrice 3×3 symétrique (valeur propre double) ★
Résoudre \(X^\prime = AX\) avec \(A = \begin{pmatrix} 0 & 1 & 1 \\ 1 & 0 & 1 \\ 1 & 1 & 0 \end{pmatrix}\).
Voir la correction de l’exercice 6
Matrice symétrique, donc diagonalisable (théorème spectral). Spectre : \(2\) (simple) et \(-1\) (double).
\(\lambda = 2\) : \(V_1 = \begin{pmatrix}1\\1\\1\end{pmatrix}\). Sous-espace propre pour \(\lambda = -1\) : équation \(x + y + z = 0\), de dimension 2, base \(\begin{pmatrix}1\\-1\\0\end{pmatrix}, \begin{pmatrix}1\\0\\-1\end{pmatrix}\).
\(X(t) = c_1 e^{2t}\begin{pmatrix}1\\1\\1\end{pmatrix} + e^{-t}\left[c_2\begin{pmatrix}1\\-1\\0\end{pmatrix} + c_3\begin{pmatrix}1\\0\\-1\end{pmatrix}\right]\)
La multiplicité n’empêche pas de conclure : l’espace propre est bien de dimension 2.
Série 2 — Valeurs propres complexes et matrices non diagonalisables ★★
Deux situations déstabilisent les élèves : des valeurs propres complexes (il faut revenir à des solutions réelles) et une matrice non diagonalisable (il faut faire apparaître un facteur \(t\)). On traite les deux ici.
Exercice 7 — Rotation pure ★★
Résoudre \(\begin{cases} x^\prime = -y \\ y^\prime = x \end{cases}\)
Voir la correction de l’exercice 7
\(A = \begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix}\), \(\chi_A(\lambda) = \lambda^2 + 1\), valeurs propres \(\pm i\).
On reconnaît le générateur des rotations : \(e^{tA} = \begin{pmatrix} \cos t & -\sin t \\ \sin t & \cos t \end{pmatrix}\).
\(X(t) = c_1\begin{pmatrix}\cos t\\\sin t\end{pmatrix} + c_2\begin{pmatrix}-\sin t\\\cos t\end{pmatrix}\)
Les trajectoires sont des cercles : c’est un centre.
Exercice 8 — Valeurs propres complexes avec partie réelle ★★
Résoudre \(X^\prime = AX\) avec \(A = \begin{pmatrix} 1 & -1 \\ 1 & 1 \end{pmatrix}\).
Voir la correction de l’exercice 8
\(\chi_A(\lambda) = (1-\lambda)^2 + 1\), valeurs propres \(1 \pm i\).
Vecteur propre pour \(1 + i\) : \(\begin{pmatrix}1\\-i\end{pmatrix}\). Solution complexe : \(e^{(1+i)t}\begin{pmatrix}1\\-i\end{pmatrix}\).
Avec \(e^{(1+i)t} = e^t(\cos t + i\sin t)\) et en utilisant la forme exponentielle, on prend parties réelle et imaginaire :
\(X(t) = c_1\, e^t\begin{pmatrix}\cos t\\\sin t\end{pmatrix} + c_2\, e^t\begin{pmatrix}\sin t\\-\cos t\end{pmatrix}\)
Spirale sortante (foyer instable) car la partie réelle \(1\) est positive.
Exercice 9 — Bloc de Jordan 2×2 ★★
Résoudre \(X^\prime = AX\) avec \(A = \begin{pmatrix} 3 & 1 \\ 0 & 3 \end{pmatrix}\).
Voir la correction de l’exercice 9
Valeur propre double \(3\), mais \(A- 3I = \begin{pmatrix}0&1\\0&0\end{pmatrix} \neq 0\) : espace propre de dimension 1, \(A\) non diagonalisable.
On écrit \(A = 3I + N\) avec \(N\) nilpotente (\(N^2 = 0\)). Comme \(3I\) et \(N\) commutent :
\(e^{tA} = e^{3t}(I + tN) = e^{3t}\begin{pmatrix} 1 & t \\ 0 & 1 \end{pmatrix}\)
\(X(t) = e^{3t}\begin{pmatrix} c_1 + c_2 t \\ c_2 \end{pmatrix}\). Le facteur \(t\) est la signature du cas non diagonalisable.
Exercice 10 — Matrice non diagonalisable déguisée ★★
Résoudre \(X^\prime = AX\) avec \(A = \begin{pmatrix} 1 & 1 \\ -1 & 3 \end{pmatrix}\).
Voir la correction de l’exercice 10
\(\chi_A(\lambda) = (1-\lambda)(3-\lambda) + 1 = \lambda^2- 4\lambda + 4 = (\lambda- 2)^2\).
\(N = A- 2I = \begin{pmatrix}-1&1\\-1&1\end{pmatrix}\), de rang 1 : espace propre de dimension 1, non diagonalisable. On vérifie \(N^2 = 0\).
\(e^{tA} = e^{2t}(I + tN) = e^{2t}\begin{pmatrix} 1- t & t \\ -t & 1 + t \end{pmatrix}\)
\(X(t) = e^{2t}(I + tN)\,X_0\), soit \(x = e^{2t}\big(c_1(1-t) + c_2 t\big)\) et \(y = e^{2t}\big(-c_1 t + c_2(1+t)\big)\).
Exercice 11 — Système 3×3 avec bloc complexe ★★
Résoudre \(X^\prime = AX\) avec \(A = \begin{pmatrix} 0 & -1 & 0 \\ 1 & 0 & 0 \\ 0 & 0 & 2 \end{pmatrix}\).
Voir la correction de l’exercice 11
Structure par blocs : un bloc de rotation sur \((x,y)\) et une équation découplée \(z^\prime = 2z\). Valeurs propres : \(\pm i\) et \(2\).
\(x(t) = c_1\cos t- c_2 \sin t\), \(y(t) = c_1\sin t + c_2\cos t\), \(z(t) = c_3\, e^{2t}\).
Le rayon \(\sqrt{x(t)^2+y(t)^2}=\sqrt{c_1^2+c_2^2}\) est constant. Si ce rayon et \(c_3\) sont non nuls, la trajectoire s’enroule sur un cylindre tandis que \(|z(t)|\to+\infty\). Si \(c_3=0\), elle reste dans le plan \(z=0\) ; si le rayon est nul, elle reste sur l’axe \(z\).
Série 3 — Exponentielle de matrice ★★
Le cœur du calcul de \(e^{tA}\) est de choisir la bonne technique selon la nature de \(A\). Pour un panorama complet des quatre méthodes, consulte le cours sur l’exponentielle de matrice.
Exercice 12 — Matrice diagonale ★★
Calculer \(e^{tA}\) pour \(A = \begin{pmatrix} 2 & 0 \\ 0 & -1 \end{pmatrix}\).
Voir la correction de l’exercice 12
Pour une matrice diagonale, on exponentie chaque terme diagonal :
\(e^{tA} = \begin{pmatrix} e^{2t} & 0 \\ 0 & e^{-t} \end{pmatrix}\)
Exercice 13 — Matrice nilpotente ★★
Calculer \(e^{N}\) pour \(N = \begin{pmatrix} 0 & 1 & 0 \\ 0 & 0 & 1 \\ 0 & 0 & 0 \end{pmatrix}\).
Voir la correction de l’exercice 13
\(N^2 = \begin{pmatrix} 0 & 0 & 1 \\ 0 & 0 & 0 \\ 0 & 0 & 0 \end{pmatrix}\) et \(N^3 = 0\). La série est finie :
\(e^{N} = I + N + \displaystyle\frac{N^2}{2} = \begin{pmatrix} 1 & 1 & \displaystyle\frac{1}{2} \\ 0 & 1 & 1 \\ 0 & 0 & 1 \end{pmatrix}\)
Exercice 14 — Matrice I + N ★★
Calculer \(e^{tA}\) pour \(A = \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}\).
Voir la correction de l’exercice 14
\(A = I + N\) avec \(N = \begin{pmatrix}0&1\\0&0\end{pmatrix}\), \(N^2 = 0\). \(I\) et \(N\) commutent, donc \(e^{tA} = e^{tI}\,e^{tN}\) :
\(e^{tA} = e^t(I + tN) = e^t\begin{pmatrix} 1 & t \\ 0 & 1 \end{pmatrix}\)
Exercice 15 — Via diagonalisation ★★
Calculer \(e^{tA}\) pour \(A = \begin{pmatrix} 1 & 2 \\ 2 & 1 \end{pmatrix}\) (matrice de l’exercice 1).
Voir la correction de l’exercice 15
On a \(A = PDP^{-1}\) avec \(D = \begin{pmatrix}3&0\\0&-1\end{pmatrix}\), \(P = \begin{pmatrix}1&1\\1&-1\end{pmatrix}\), \(P^{-1} = \displaystyle\frac{1}{2}\begin{pmatrix}1&1\\1&-1\end{pmatrix}\).
\(e^{tA} = P\begin{pmatrix}e^{3t}&0\\0&e^{-t}\end{pmatrix}P^{-1}\). En développant :
\(e^{tA} = \displaystyle\frac{1}{2}\begin{pmatrix} e^{3t}+e^{-t} & e^{3t}-e^{-t} \\ e^{3t}-e^{-t} & e^{3t}+e^{-t} \end{pmatrix}\)
On retrouve bien la solution de l’exercice 1 via \(X(t) = e^{tA}X_0\).
Exercice 16 — Décomposition de Dunford (3×3) ★★
Calculer \(e^{tA}\) pour \(A = \begin{pmatrix} 3 & 1 & 0 \\ 0 & 3 & 1 \\ 0 & 0 & 3 \end{pmatrix}\).
Voir la correction de l’exercice 16
\(A = 3I + N\), décomposition de Dunford, avec \(N\) nilpotente, \(N^3 = 0\). \(3I\) et \(N\) commutent :
\(e^{tA} = e^{3t}\left(I + tN + \displaystyle\frac{t^2}{2}N^2\right) = e^{3t}\begin{pmatrix} 1 & t & \displaystyle\frac{t^2}{2} \\ 0 & 1 & t \\ 0 & 0 & 1 \end{pmatrix}\)
Exercice 17 — Le piège de e^{A+B} ★★
Soit \(A = \begin{pmatrix}0&1\\0&0\end{pmatrix}\) et \(B = \begin{pmatrix}0&0\\1&0\end{pmatrix}\). Montrer que \(e^{A+B} \neq e^A e^B\).
Voir la correction de l’exercice 17
On a \(AB = \begin{pmatrix}1&0\\0&0\end{pmatrix} \neq BA = \begin{pmatrix}0&0\\0&1\end{pmatrix}\) : les matrices ne commutent pas.
\(e^A = I + A = \begin{pmatrix}1&1\\0&1\end{pmatrix}\), \(e^B = I + B = \begin{pmatrix}1&0\\1&1\end{pmatrix}\), donc \(e^A e^B = \begin{pmatrix}2&1\\1&1\end{pmatrix}\).
Or \(A + B = \begin{pmatrix}0&1\\1&0\end{pmatrix}\) a pour valeurs propres \(\pm 1\), d’où \(e^{A+B} = \begin{pmatrix}\cosh 1 & \sinh 1 \\ \sinh 1 & \cosh 1\end{pmatrix} \approx \begin{pmatrix}1{,}54 & 1{,}18 \\ 1{,}18 & 1{,}54\end{pmatrix}\).
Conclusion : \(e^{A+B} \neq e^A e^B\). La commutation \(AB=BA\) garantit l’identité \(e^{A+B}=e^Ae^B\) ; sans elle, cette identité peut être vraie ou fausse selon les matrices. Le calcul ci-dessus fournit bien un contre-exemple.
Série 4 — Second membre, équations d’ordre n et wronskien ★★
On passe aux systèmes non homogènes, au lien avec les équations d’ordre \(n\) via la matrice compagnon, et aux exercices de structure autour du wronskien.
Exercice 18 — Second membre constant ★★
Résoudre \(X^\prime = AX + b\) avec \(A = \begin{pmatrix}1&0\\0&-1\end{pmatrix}\) et \(b = \begin{pmatrix}1\\2\end{pmatrix}\).
Voir la correction de l’exercice 18
Solution particulière constante : on résout \(AX_p + b = 0\), soit \(X_p = -A^{-1}b\). Ici \(A^{-1} = \begin{pmatrix}1&0\\0&-1\end{pmatrix}\), donc \(X_p = \begin{pmatrix}-1\\2\end{pmatrix}\).
Solution homogène : \(X_h = c_1 e^t\begin{pmatrix}1\\0\end{pmatrix} + c_2 e^{-t}\begin{pmatrix}0\\1\end{pmatrix}\).
Solution générale : \(x(t) = c_1 e^t- 1\), \(y(t) = c_2 e^{-t} + 2\).
Exercice 19 — D’une équation d’ordre 2 à un système ★★
Transformer \(y^{\prime\prime}- 3y^\prime + 2y = 0\) en système d’ordre 1, puis le résoudre.
Voir la correction de l’exercice 19
On pose \(x_1 = y\) et \(x_2 = y^\prime\). Alors \(x_1^\prime = x_2\) et \(x_2^\prime = y^{\prime\prime} = 3y^\prime- 2y = 3x_2- 2x_1\).
\(X^\prime = AX\) avec \(A = \begin{pmatrix}0&1\\-2&3\end{pmatrix}\) — c’est la matrice compagnon de \(\lambda^2- 3\lambda + 2\).
\(\chi_A(\lambda) = \lambda^2- 3\lambda + 2 = (\lambda-1)(\lambda-2)\), donc \(y(t) = c_1 e^t + c_2 e^{2t}\).
On retrouve bien l’équation caractéristique de l’équation différentielle de départ.
Exercice 20 — Variation de la constante (résonance) ★★
Résoudre \(X^\prime = AX + B(t)\) avec \(A = \begin{pmatrix}1&0\\0&2\end{pmatrix}\) et \(B(t) = \begin{pmatrix}e^t\\0\end{pmatrix}\).
Voir la correction de l’exercice 20
Le système est découplé. Première ligne : \(x^\prime = x + e^t\). Comme \(e^t\) est solution de l’équation homogène, il y a résonance : on cherche \(x_p = t e^t\). Vérification : \(x_p^\prime = e^t + t e^t = x_p + e^t\) ✓. D’où \(x(t) = c_1 e^t + t e^t\).
Deuxième ligne : \(y^\prime = 2y \Rightarrow y(t) = c_2 e^{2t}\).
Pour un second membre général, on utiliserait la variation de la constante \(X_p(t) = e^{tA}\int e^{-sA}B(s)\,ds\).
Exercice 21 — Approfondissement : wronskien et Liouville ★★
On reprend \(A = \begin{pmatrix}1&2\\2&1\end{pmatrix}\) et ses deux solutions \(X_1 = e^{3t}\begin{pmatrix}1\\1\end{pmatrix}\), \(X_2 = e^{-t}\begin{pmatrix}1\\-1\end{pmatrix}\). Calculer le wronskien \(W(t)\) et vérifier la formule de Liouville.
Voir la correction de l’exercice 21
\(W(t) = \det\begin{pmatrix} e^{3t} & e^{-t} \\ e^{3t} & -e^{-t} \end{pmatrix} = -e^{3t}e^{-t}- e^{-t}e^{3t} = -2e^{2t}\).
Donc \(W^\prime(t) = -4e^{2t}\). Par ailleurs \(\mathrm{tr}(A) = 2\), d’où \(\mathrm{tr}(A)\,W(t) = 2 \times (-2e^{2t}) = -4e^{2t}\).
On a bien \(W^\prime = \mathrm{tr}(A)\,W\) : la formule de Liouville est vérifiée. Comme \(W\) ne s’annule jamais, \((X_1, X_2)\) est un système fondamental.
Exercice 22 — Vérifier un système fondamental ★★
Montrer que \(X_1 = \begin{pmatrix}e^t\\e^t\end{pmatrix}\) et \(X_2 = \begin{pmatrix}e^{-t}\\-e^{-t}\end{pmatrix}\) sont solutions de \(X^\prime = AX\) avec \(A = \begin{pmatrix}0&1\\1&0\end{pmatrix}\) et forment un système fondamental.
Voir la correction de l’exercice 22
Vérification : \(X_1^\prime = \begin{pmatrix}e^t\\e^t\end{pmatrix} = AX_1\) ✓ (valeur propre \(1\), vecteur \((1,1)\)). De même \(X_2^\prime = -X_2 = AX_2\) ✓ (valeur propre \(-1\)).
Wronskien : \(W = \det\begin{pmatrix} e^t & e^{-t} \\ e^t & -e^{-t} \end{pmatrix} = -1- 1 = -2 \neq 0\).
Deux solutions dont le wronskien est non nul, dans un espace de dimension 2 : c’est un système fondamental. Toute solution s’écrit \(c_1 X_1 + c_2 X_2\).
Série 5 — Problèmes type concours ★★★
Ces exercices ne demandent pas un calcul de plus, mais une analyse : stabilité, comportement asymptotique, discussion selon un paramètre. Ces questions entraînent à justifier les conclusions qualitatives à partir des calculs.
Exercice 23 — Discussion de stabilité selon un paramètre ★★★
Soit \(a \in \mathbb{R}\) et \(A = \begin{pmatrix} a & 1 \\ 1 & a \end{pmatrix}\). Discuter, selon \(a\), le comportement des solutions de \(X^\prime = AX\) quand \(t \to +\infty\).
Voir la correction de l’exercice 23
\(A\) est symétrique, diagonalisable, de valeurs propres \(a+1\) (vecteur \((1,1)\)) et \(a-1\) (vecteur \((1,-1)\)). Toute solution est combinaison de \(e^{(a+1)t}\) et \(e^{(a-1)t}\). Le comportement dépend du signe des valeurs propres :
- Si \(a < -1\) : les deux valeurs propres sont négatives, toutes les solutions tendent vers \(0\) (équilibre asymptotiquement stable).
- Si \(a = -1\) : valeurs propres \(0\) et \(-2\) ; les solutions restent bornées mais ne tendent pas toutes vers \(0\).
- Si \(-1 < a < 1\) : une valeur propre positive, une négative (col) : instable.
- Si \(a \geq 1\) : au moins une valeur propre positive, donc il existe des solutions non bornées : l’équilibre est instable. Pour \(a=1\), les solutions de la direction propre de valeur propre 0 restent constantes ; pour \(a\gt 1\), toute solution non nulle diverge en norme.
On peut visualiser ces cas avec un portrait de phase.
Exercice 24 — Comportement asymptotique dominant ★★★
Soit \(A = \begin{pmatrix} -2 & 1 \\ 1 & -2 \end{pmatrix}\). Montrer que toute solution de \(X^\prime = AX\) tend vers \(0\) et préciser sa direction limite.
Voir la correction de l’exercice 24
Valeurs propres : \(-1\) (vecteur \((1,1)\)) et \(-3\) (vecteur \((1,-1)\)). Toute solution s’écrit :
\(X(t) = c_1 e^{-t}\begin{pmatrix}1\\1\end{pmatrix} + c_2 e^{-3t}\begin{pmatrix}1\\-1\end{pmatrix}\)
Les deux exponentielles tendent vers \(0\), donc \(X(t) \to 0\). Le terme en \(e^{-3t}\) décroît plus vite : si \(c_1 \neq 0\), la solution devient équivalente à \(c_1 e^{-t}(1,1)\).
Direction limite : la droite dirigée par \((1,1)\), c’est-à-dire l’espace propre associé à la valeur propre la plus grande (la moins négative), si \(c_1\ne0\). Si \(c_1=0\) et \(c_2\ne0\), la direction reste \((1,-1)\). La solution nulle n’a pas de direction limite.
Exercice 25 — Système paramétré changeant de nature ★★★
Soit \(m \in \mathbb{R}\) et \(A = \begin{pmatrix} 1 & m \\ 0 & 1 \end{pmatrix}\). Résoudre \(X^\prime = AX\) en discutant selon \(m\).
Voir la correction de l’exercice 25
Valeur propre double \(1\) quel que soit \(m\). La diagonalisabilité, elle, change :
- \(m = 0\) : \(A = I\), diagonale. \(X(t) = e^t\begin{pmatrix}c_1\\c_2\end{pmatrix}\).
- \(m \neq 0\) : \(A- I = \begin{pmatrix}0&m\\0&0\end{pmatrix} \neq 0\), non diagonalisable. On écrit \(A = I + N\) avec \(N^2 = 0\) : \(e^{tA} = e^t(I + tN) = e^t\begin{pmatrix}1&mt\\0&1\end{pmatrix}\). D’où \(x = e^t(c_1 + m c_2 t)\), \(y = c_2 e^t\).
Le paramètre fait apparaître (ou non) le terme en \(t\) caractéristique du cas non diagonalisable.
Exercice 26 — Problème complet (type Centrale) ★★★
Soit \(A = \begin{pmatrix} 1 & 1 & 1 \\ 0 & 2 & 1 \\ 0 & 0 & 3 \end{pmatrix}\).
1. Justifier que \(A\) est diagonalisable. 2. Calculer \(e^{tA}\). 3. Résoudre \(X^\prime = AX\) avec \(X(0) = (1,0,0)^{\!\top}\). 4. Décrire le comportement quand \(t \to +\infty\).
Voir la correction de l’exercice 26
1. \(A\) est triangulaire, de valeurs propres \(1, 2, 3\) distinctes, donc diagonalisable.
2–3. Vecteurs propres : \(\lambda=1\) : \(V_1 = (1,0,0)^{\!\top}\). \(\lambda=2\) : \((A-2I)V=0\) donne \(V_2 = (1,1,0)^{\!\top}\). \(\lambda=3\) : \(V_3 = (1,1,1)^{\!\top}\) (à un facteur près).
Comme \(X(0) = V_1\) (vecteur propre de valeur propre \(1\)), la solution est immédiate :
\(X(t) = e^{t}\begin{pmatrix}1\\0\\0\end{pmatrix}\)
La question 2 demande aussi la matrice complète. Avec \(P=(V_1,V_2,V_3)\), on trouve :
\(e^{tA}=\begin{pmatrix}e^t&e^{2t}-e^t&e^{3t}-e^{2t}\\0&e^{2t}&e^{3t}-e^{2t}\\0&0&e^{3t}\end{pmatrix}\).
On vérifie \(E(0)=I_3\) et \(E^\prime(t)=AE(t)\). Pour la question 3, reconnaître le vecteur propre permet ensuite une résolution immédiate.
4. Ici \(X(t) = e^t(1,0,0)^{\!\top} \to \infty\) en norme, mais la direction reste \((1,0,0)\). Pour une condition initiale ayant une composante non nulle sur \(V_3\) dans la base propre, le terme en \(e^{3t}\) domine. Si cette composante est nulle, on examine les composantes restantes ; l’alignement sur \(V_3\) n’est donc pas systématique.
Évaluation type DS (sujet, barème, corrigé)
Mets-toi en conditions : 40 minutes, sans regarder les corrigés précédents. Ce sujet balaie les compétences attendues en spé. Pour une méthode de gestion du temps, vois nos conseils de stratégie en DS.
Exercice 27 — Devoir surveillé noté sur 20 ★★★
Partie A (8 pts). On pose \(A = \begin{pmatrix} 2 & -1 \\ 1 & 2 \end{pmatrix}\). 1. Déterminer les valeurs propres de \(A\). 2. Résoudre \(X^\prime = AX\) à valeurs réelles. 3. Décrire la nature de l’équilibre.
Partie B (8 pts). On pose \(B = \begin{pmatrix} 4 & 1 \\ -1 & 2 \end{pmatrix}\). 1. Montrer que \(B\) n’est pas diagonalisable. 2. Calculer \(e^{tB}\). 3. Résoudre \(X^\prime = BX\) avec \(X(0) = (1,0)^{\!\top}\).
Partie C (4 pts). Donner deux solutions \(X_1, X_2\) de la partie A et vérifier la formule de Liouville sur leur wronskien.
Voir la correction et le barème de l’exercice 27
Partie A. (1) \(\chi_A(\lambda) = (2-\lambda)^2 + 1\), valeurs propres \(2 \pm i\). (2 pts)
(2) Vecteur propre pour \(2+i\) : \((1, -i)\). Avec \(e^{(2+i)t} = e^{2t}(\cos t + i\sin t)\), on prend parties réelle et imaginaire : (4 pts)
\(X(t) = c_1 e^{2t}\begin{pmatrix}\cos t\\\sin t\end{pmatrix} + c_2 e^{2t}\begin{pmatrix}\sin t\\-\cos t\end{pmatrix}\)
(3) Partie réelle \(2 > 0\) : foyer instable (spirale sortante). (2 pts)
Partie B. (1) \(\chi_B(\lambda) = (4-\lambda)(2-\lambda) + 1 = (\lambda-3)^2\), valeur propre double \(3\) ; \(B- 3I = \begin{pmatrix}1&1\\-1&-1\end{pmatrix} \neq 0\) : non diagonalisable. (2 pts)
(2) \(N = B- 3I\) vérifie \(N^2 = 0\), donc \(e^{tB} = e^{3t}(I + tN) = e^{3t}\begin{pmatrix}1+t & t \\ -t & 1-t\end{pmatrix}\). (3 pts)
(3) \(X(t) = e^{tB}(1,0)^{\!\top} = e^{3t}\begin{pmatrix}1+t\\-t\end{pmatrix}\). (3 pts)
Partie C. Avec \(X_1 = e^{2t}(\cos t, \sin t)^{\!\top}\) et \(X_2 = e^{2t}(\sin t, -\cos t)^{\!\top}\) : \(W(t) = e^{4t}(-\cos^2 t- \sin^2 t) = -e^{4t}\). Alors \(W^\prime = -4e^{4t}\) et \(\mathrm{tr}(A)\,W = 4 \times (-e^{4t}) = -4e^{4t}\) : Liouville vérifiée. (4 pts)
La fiche PDF à imprimer
5 pages · 10 exercices corrigés.
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.
Erreurs fréquentes et pièges classiques
Ces trois erreurs coûtent des points en DS et aux concours. Repère-les une fois, tu ne les referas plus.
Piège 1 — Mélanger l’ordre des colonnes de \(P\). ❌ Copie fautive : « \(A = PDP^{-1}\) avec \(D = \mathrm{diag}(\lambda_1, \lambda_2)\) et \(P\) dont la première colonne est le vecteur propre de \(\lambda_2\) ».
Diagnostic : la colonne \(k\) de \(P\) doit correspondre au terme diagonal \(k\) de \(D\).
✅ Correction : si \(D = \mathrm{diag}(\lambda_1, \lambda_2)\), la première colonne de \(P\) est un vecteur propre de \(\lambda_1\), la deuxième de \(\lambda_2\).
Piège 2 — Oublier de revenir aux solutions réelles. Avec des valeurs propres complexes \(\alpha \pm i\beta\), laisser la solution sous forme \(c_1 e^{(\alpha+i\beta)t}V + c_2 e^{(\alpha-i\beta)t}\bar V\) est incomplet pour un système réel. Il faut prendre les parties réelle et imaginaire d’une seule solution complexe pour obtenir deux solutions réelles indépendantes.
Piège 3 — Écrire \(e^{A+B} = e^A e^B\) sans vérifier la commutation. La formule est garantie si \(A\) et \(B\) commutent ; sinon, elle est fausse en général (contre-exemple dans l’exercice 17), sans être toujours fausse. De même, \(e^{tA}\) ne s’obtient jamais en exponentiant \(A\) coefficient par coefficient.
Questions fréquentes
Comment résoudre un système différentiel X’ = AX ?
On réduit la matrice \(A\). Si elle est diagonalisable, on trouve ses valeurs propres \(\lambda_k\) et vecteurs propres \(V_k\) : la solution générale est \(X(t) = \sum c_k\, e^{\lambda_k t}\, V_k\). Si \(A\) n’est pas diagonalisable, on passe par l’exponentielle de matrice \(e^{tA}\) (via Dunford \(A = D + N\)). La solution de condition initiale \(X_0\) est toujours \(X(t) = e^{tA}X_0\).
Quelle est la différence entre un système différentiel et une équation différentielle ?
Une équation différentielle porte sur une seule fonction inconnue, un système porte sur plusieurs fonctions couplées, écrites sous forme vectorielle \(X^\prime = AX\). Les deux sont liés : toute équation linéaire d’ordre \(n\) se ramène à un système d’ordre 1 de taille \(n\) (via la matrice compagnon), et réciproquement un système peut parfois se réécrire en une équation d’ordre supérieur par élimination.
Pourquoi diagonaliser la matrice du système ?
Parce que la diagonalisation découple les équations. Dans la base des vecteurs propres, le système devient \(y_k^\prime = \lambda_k y_k\) : \(n\) équations indépendantes du premier ordre, que l’on résout chacune par une exponentielle. On revient ensuite aux fonctions d’origine via le changement de base. C’est la méthode la plus rapide quand \(A\) est diagonalisable.
Que faire quand la matrice n’est pas diagonalisable ?
On peut résoudre un système triangulaire par substitutions. Si \(A=\lambda I+N\) avec \(N\) nilpotente, alors \(e^{tA}=e^{\lambda t}\sum_{k=0}^{m-1}t^kN^k/k!\) dès que \(N^m=0\). La décomposition générale de Dunford est un approfondissement : elle s’effectue sur un corps où le polynôme caractéristique est scindé et exige \(DN=ND\). Si \(N=0\), le facteur polynomial se réduit à l’identité.
Pour aller plus loin
Tu maîtrises maintenant la résolution des systèmes différentiels linéaires. Pour consolider les notions voisines et t’entraîner davantage :
- Équation Différentielle d’Ordre 2 (Prépa) : Cours
- Équations différentielles : cours complet et méthodes de résolution
- Exercices Équations Différentielles Tle Corrigés + PDF
- Matrice Orthogonale et Groupe Orthogonal O(n) : Cours, Propriétés et Exercices Corrigés