Université Denis Diderot Paris 7 (2014-2015)

TD Maths, Agro

Mathieu Merle : merle@math.univ-paris-diderot.fr

www.proba.jussieu.fr/∼merle

Feuille d’exercices 5 : Sytèmes linéaires, vecteurs de Rd ,

opérations sur les matrices.

1 Système linéaire, matrice augmentée, pivot de Gauss

Préambule : On appelle système linéaire à p équations et n inconnues un système de la forme

a11 x1 + ... + a1n xn = b1

a21 x1 + ... + a2n xn = b2
.. ..
. .
ap1 x1 + ... + apn xn = bp

où les (aij )1≤i≤p,1≤j≤n et les (bi )1≤i≤p sont des réels (ou, plus généralement, des complexes).
On dit que A = (aij )1≤i≤p1≤j≤n est la matrice des coefficients, tandis que la matrice
 
a11 . . . a1n b1
a21 . . . a2n b2 
..  .
 
 ..
 . .
ap1 . . . apn bp

est appelée matrice augmentée du système.

On peut alors appliquer l’algorithme du pivot de Gauss directement à la matrice augmentée.
Une fois l’algorithme terminé, on peut toujours, si besoin, revenir à la forme plus habituelle
du système linéaire.
Exercice 1 En appliquant l’algorithme du pivot de Gauss, résoudre les systèmes linéaires
dont la matrice augmentée est donnée par M .
 
1 −3 0 0
0 1 5 0 
1. M =  0 0 0 1  .


0 0 1 −2
 
1 0 1
2. M = .
0 0 0
 
1 −2 1 0
3. M =  0 2 −8 8  .
−4 5 9 −9

1
  
0 1 −4 8
4. M = 2 −3 2 1 .
5 −8 7 1
 
0 −3 −6 4 9
−1 −2 −1 3 1
5. M = 
−2 −3 0 3
.
−1
1 4 5 9 −7
 
3 −9 12 −9 6 15
6. M = 0 2 −4 4 2 −6 .
0 3 −6 6 4 −5
1. La deuxième équation du système est 0x1 + 0x2 + 0x3 = 1, ce qui est impossible. Le
système n’a donc aucune solution.
2. Le système est déjà réduit. La deuxième équation du système est trivialement vérifiée
pour tout (x1 , x2 ). La première est x1 = 1. L’ensemble des solutions du système est
donc finalement S = {(1, x2 ), x2 ∈ R}.
3. L’algorithme du pivot donne successivement les matrices suivantes
 
1 −2 1 0
0 2 −8 8 
−4 5 9 −9
 
1 −2 1 0
0 2 −8 8 
0 −3 13 −9
 
1 −2 1 0
0 1 −4 4
0 0 1 3
 
1 −2 0 −3
0 1 0 16 
0 0 1 3
 
1 0 0 29
0 1 0 16
0 0 1 3
et on trouve donc que la seule solution du système est (29, 16, 3).
4. L’algorithme du pivot donne successivement les matrices suivantes
 
0 1 −4 8
2 −3 2 1
5 −8 7 1
 
1 −3/2 1 1/2
0 1 −4 8 
0 −1/2 2 −3/2
 
1 −3/2 1 1/2
0 1 −4 8  ,
0 0 0 5/2

2
 donnant une équation impossible. Il n’y a donc pas de solution à ce système.
5. L’algorithme du pivot donne successivement les matrices suivantes
 
0 −3 −6 4 9
−1 −2 −1 3 1 
 
−2 −3 0 3 −1
1 4 5 9 −7
 
1 2 1 −3 −1
0 1 2 −4/3 −3
 
0 1 2 −3 −3
0 2 4 12 −6
 
1 2 1 −3 −1
0 1 2 −4/3 −3
 
0 0 0 −5/3 0 
0 0 0 18 0
 
1 2 1 0 −1
0 1 2 0 −3
 
0 0 0 1 0 
0 0 0 0 0
 
1 0 −3 0 5
0 1 2 0 −3
0 0 0 1 0  .
 

0 0 0 0 0

La variable x3 est donc une ”variable libre”, et on obtient l’ensemble de solutions

S = {(5 − 3x3 , −3 − 2x3 , x3 , 0), x3 ∈ R}.

6. L’algorithme du pivot donne successivement les matrices suivantes

 
3 −9 12 −9 6 15
0 2 −4 4 2 −6
0 3 −6 6 4 −5
 
1 −3 4 −3 2 5
0 1 −2 2 1 −3
0 0 0 0 1 4
 
1 −3 4 −3 0 −3
0 1 −2 2 0 −7
0 0 0 0 1 4
 
1 0 −2 3 0 −24
0 1 −2 2 0 −7  ,
0 0 0 0 1 4

et on obtient donc l’ensemble de solutions

S = {(−24 + 2x3 − 3x4 , −7 + 2x3 − 2x4 , x3 , x4 , 4), (x3 , x4 ) ∈ R2 }.

3
Exercice 2
1. Combien un système linéaire de 2 équations à 4 inconnues peut-il posséder de
solutions ?
On donnera un ou plusieurs exemples pour illustrer la réponse.
2. Lorsque n > k, combien un système linéaire de k équations à n inconnues peut-il
posséder de solutions ?

1. Un système de 2 équations posséde ou bien aucune, ou bien une infinité de solutions.

Par exemple, la deuxième équation du système, dont la matrice augmentée s’écrit
 
1 1 1 1 1
,
0 0 0 0 1

est impossible, et donc un tel système ne possède aucune solution.

En revanche tout quadruplet de réels vérifie le système trivial (dont la matrice
augmentée ne comporte que des zéros), et donc un tel système possède effectivement
une infinité de solutions.
Il est en revanche impossible qu’un système de deux équations à 4 inconnues possède
un nombre fini, strictement positif, de solutions. En effet, une fois que l’algorithme
du pivot est achevé on est forcément dans l’une des situations suivantes :
— il existe au moins une équation impossible, auquel cas le système n’a aucune
solution.
— le système n’a pas d’équation impossible. Mais alors il ne peut y avoir que 2
pivots finaux, et donc le système possède forcément au moins 4 − 2 = 2 variables
libres. Dans ce cas il y a une infinité de solutions (et on verra plus tard que dans
ce cas l’espace des solutions est au moins de dimension 2.)
2. Par un raisonnement en tous points similaire à celui de la question précédente, une
fois que l’algorithme du pivot est achevé on est forcément dans l’une des situations
suivantes :
— il existe au moins une équation impossible, auquel cas le système n’a aucune
solution.
— le système n’a pas d’équation impossible. Mais alors il ne peut y avoir que k
pivots finaux, et donc le système possède forcément au moins n − k variables
libres. Dans ce cas il y a une infinité de solutions (et l’espace des solutions est au
moins de dimension n − k.)

Exercice 3 Déterminer pour quelles valeurs des paramètres (h, k et éventuellement g) le

système dont la matrice augmentée M est donnée ci-dessous (i) ne possède aucune solution,
(ii) possède une unique solution, (iii) possède une infinité de solutions.
 
1 2 k
1. M = .
4 h 5
 
−3 h 1
2. M = .
6 k −3
 
2 −1 h
3. M = .
−6 2 k

4
  
1 −4 7 g
4. M =  0 3 −5 h .
−2 5 −9 k

1. La première étape de l’algorithme du pivot nous fournit le système équivalent de

matrice augmentée  
1 2 k
.
0 h − 8 5 − 4k
— Supposons dans un premier temps h 6= 8. On peut alors poursuivre l’algorithme
et on trouve successivement
 
1 2 k
0 1 5−4kh−8
 hk−10 
1 0 h−8
,
0 1 5−4k h−8
 
et dans ce cas, l’unique solution du système est hk−10
h−8 , 5−4k
h−8 .
— Supposons désormais que h = 8, et que k 6= 5/4. On obtient alors l’équation
0x2 = 5 − 4k, impossible à vérifier. On en déduit que dans ce cas le système ne
possède aucune solution.
— Supposons enfin h = 8, k = 5/4. Dans ce cas le système équivalent a pour matrice
augmentée  
1 2 5/4
,
0 0 0
et l’ensemble des solutions est S = {(5/4 − 2x2 , x2 ), x2 ∈ R}.
2. Par une méthode en tous points similaires à celle utilisée dans la question précédente,
on trouve que
k+3h 1
— si k + 2h 6= 0, l’unique solution du système est (− 3k+6h , − k+2h ).
— si k + 2h = 0, le système n’a aucune solution.
3. Quelles que soient les valeurs des paramètres, le système se résout par l’algorithme
du pivot, et on obtient une unique solution (−k/2 − h, −k − 3h).
4. L’agorithme du pivot fournit un système équivalent dont la matrice augmentée est
 
1 0 1/3 g + 4h/3
0 1 −5/3 h/3 .
0 0 0 k + 2g + h

On doit donc distinguer deux cas :

— si k + 2g + h 6= 0 le système n’a aucune solution
— si k + 2g + h = 0 alors l’ensemble des solutions du système est

S = {(g + 4h/3 − x3 /3, h/3 + 5x3 /3, x3 ), x3 ∈ R}.

Exercice 4 On appelle interpolation polynômiale la démarche consistant à trouver un

polynôme de degré n dont le graphe passe par n + 1 points fixés. Par exemple, si on

5
recherche le polynôme sous la forme a0 + a1 x + ... + an xn , et si l’un point a pour
coordonnées (c, d) on exige que

a0 + a1 c + a2 c2 + ... + an cn = d.

Quelle est l’interpolation polynômiale des trois points de coordonnées (1, 12), (2, 15), (3, 16) ?
On cherche ici un polynôme de degré 2 qui passe par les trois points donnés. Autrement dit,
on cherche a0 , a1 , a2 tels que

a0 + a1 · 1 + a2 · 12 = 12
a0 + a1 · 2 + a2 · 22 = 15
a0 + a1 · 3 + a2 · 32 = 16.

On cherche donc une solution d’un système linéaire d’inconnues (a0 , a1 , a2 ), et dont la
matrice augmentée s’écrit  
1 1 1 12
1 2 4 15 .
1 3 9 16
On effectue alors l’algorithme du pivot, et on obtient finalement l’unique solution (7, 6, −1).
Le polynôme recherché est donc

P (x) = 7 + 6x − x2 .

2 Vecteurs de Rd .
Un vecteur u ∈ Rd est déterminé par ses d coordonnées dans la base canonique u1 , ..., ud . On
écrit les coordonnées de u sous la forme d’une matrice colonne, et on identifie u à cette
matrice-colonne :  
u1
 .. 
u =  . .
ud
Rappelons que si u ∈ Rd , v ∈ Rd , a ∈ R, on a
   
u1 + v1 au1
u + v =  ...  , au =  ...  .
   

ud + vd aud

Si U := {ui }i∈I est une famille de vecteurs de Rd on note Vect(U) l’ensemble des
combinaisons linéaires d’éléments de U, i.e.

Vect(U) := {a1 u1 + ... + an un , (a1 , ..., an ) ∈ Rn , ui ∈ U ∀i ∈ {1, n}} .

6
Exercice 5 Dans un repère orthonormé de l’espace, on considère un système de 4 masses
ponctuelles. Les masses sont, respectivement, 2, 5, 2 et 1 gramme(s), tandis que les points
ont pour coordonnées respectives

(5, −4, 3), (4, 3, −2), (−4, −3, −1), et (−9, 8, 6).

Calculer le centre de gravité du système.

Le centre de gravité est le barycentre des quatre points affectés des poids barycentriques
respectifs 2/10, 5/10, 2/10, 1/10. Le centre de gravité recherché est donc

2/10 · (5, −4, 3) + 5/10 · (4, 3, −2) + 2/10 · (−4, −3, −1) + 1/10 · (−9, 8, 6) = (13/10, 9/10, 0).

Exercice 6 Pour v1 , ...vn , et y (dépendant éventuellement du paramètre h) décrits

ci-dessous, déterminer (éventuellement en fonction de h) si y ∈ Vect(v1 , ...vn ) :
       
1 0 2 −5
1. v1 = −2 , v2 = 1 , v3 = 0 , y =  11 
2 1 8 −7
     
1 −2 h
2. v1 =  0  , v2 =  1  , y = −3 .
−2 7 −5
     
0 0 0
3. v1 =  2 , v2 = 2 , y = 1  .
   
−1 1 h
     
1 0 h
4. v1 = −1 , v2 = −2 , y =
     2 .
5 4 −1
Dans chacun des cas on cherche à savoir si on peut trouver x1 , ..., xn tels que
x1 v1 + ... + xn vn = y. Si d désigne le nombre de coordonnées de y, on est donc exactement
en train de résoudre un système linéaire de d équations à n inconnues, et notre but est de
déterminer si ce système possède au moins une solution.
1. Dans ce premier cas la matrice augmentée du système correspondant est
 
1 0 2 −5
−2 1 0 11  .
2 1 8 −7

On applique l’algorithme du pivot, on obtient ici une équation impossible, le système

n’a donc aucune solution et on conclut que

y∈
/ Vect(v1 , v2 , v3 ).

2. Dans ce cas la matrice augmentée du système correspondant est

 
1 −2 h
0 1 −3 ,
−2 7 −5

7
 qui possède une solution si et seulement si h = −2. On conclut donc que

y ∈ Vect(v1 , v2 ) ⇔ h = −2.

3. Dans ce cas la matrice augmentée du système correspondant est

 
0 0 0
 2 2 1 ,
−1 1 h

et quelque soit h ∈ R, ce système possède une (unique) solution. On conclut donc que

∀h ∈ R, y ∈ Vect(v1 , v2 ).

4. Dans ce cas la matrice augmentée du système correspondant est

 
1 0 h
−1 −2 2  ,
5 4 −1

qui possède une solution si et seulement si h = 1. On conclut donc que

y ∈ Vect(v1 , v2 ) ⇔ h = 1.

3 Opérations sur les matrices

Préambule Soit la matrice A de taille m × n. On peut écrire A = (a1 . . . an ), de sorte que le
vecteur ai est la i-ième colonne de la matrice A.
Si x ∈ Rn on peut effectuer le produit matriciel de A par x :

Ax = x1 a1 + ... + xn an .

On notera qu’on obtient là un vecteur de Rd , qui appartient à Vect(a1 , ..., an ).

Si B est une matrice n × p, que l’on peut donc écrire (par colonnes) B = (b1 ...bp ) on peut
de même effectuer le produit matriciel de A par B :

A × B = AB = (Ab1 . . . Abp ) .

Puisque pour tout 1 ≤ i ≤ p, Abi ∈ Rd , on obtient là une matrice de taille d × p.

Notons(aij
)1≤i≤m,1≤j≤n les coefficients de A et (bij )1≤i≤n,1≤j≤p ceux de B. On a donc
b1`
 .. 
b` :=  . , et ainsi le coefficient situé à la i-ième ligne et la j-ième colonne est la i-ième
bn`
coordonnée de Abj , c’est donc
n
X
ai1 b1j + ai2 b2j + .... + ain bnj = aik bkj .
k=1

8
Lorsque A est carrée, de taille m × m on peut évidemment effectuer le produit de A avec
elle-même, et on note

A × A = A2 , A2 × A = A3 , et plus généralement An × A = An+1 ∀n ≥ 1.

Pour que la formule ci-dessus reste vraie lorsque n = 0 on adopte la convention

 
1 0 0 ... 0 0
0 1 0 . . . 0 0
A0 = Im :=  .
 
. . . .. 
. . .
0 0 0 ... 0 1

Enfin, toujours pour une matrice carrée A de taille m × m, si on peut trouver une matrice B
telle que AB = Im , alors on a également BA = Im , on dit alors que A est inversible, et on
note B = A−1 .  
1
0
Lorsque A est inversible, et si e1 =  .  , observons que le premier vecteur colonne de A−1
 
 .. 
0
est solution de Ax = e1 De même, si on note ei le iième vecteur de la base canonique, la
i-ième colonne de A−1 est solution de Ax = ei .
On verra plus tard que la propriété d’inversibilité de A est exactement équivalente au fait
que les solutions de ces n équations matricielles existent et sont uniques.
Cette observation est à la base de l’algorithme de calcul de A−1 basé à nouveau sur le pivot
de Gauss.
Exercice 7 Soit A une matrice de taille m × n, et b ∈ Rm A quel système linéaire
l’équation matricielle (d’inconnue x ∈ Rn ) Ax = b est-elle équivalente ? Quelles sont la
matrice des coefficients et la matrice augmentée de ce système ?
Résoudre Ax = b lorsque    
6 −2 −4
1 3 −24
A= −5 4  , b = −13 .
  

9 −3 −6
Quitte à noter xi la i-ième coordonnée de x, et à considérer les vecteurs Ax, et b
coordonnée par coordonnée (les coordonnées étant uniques, on trouve donc m équations), on
obtient un système linéaire de m équations à n inconnues (ces inconnues sont les
coordonnées du vecteur inconnu, i.e. x1 , ..., xn ).
L’équation matricielle considérée est donc équivalente au système linéaire dont la matrice
augmentée (de taille m × n + 1) est

A b
Dans le cadre de l’exemple de cet exercice, on obtient donc la matrice augmentée
 
6 −2 −4
1
 3 −24 ,
−5 4 −13
9 −3 −6

9
dont l’unique solution est (−3,−7).
 On conclut donc que l’unique solution de notre équation
−3
matricielle est le vecteur x = .
−7

Exercice 8 Soit A = (a1 ...an ) une matrice de taille m × n.

 
x1
 .. 
1. Pour un vecteur x =  . , calculer Ax.
xn
2. Montrer que
{Ax, x ∈ Rn } = Vect {a1 , ..., an } .

1. On a
n
X
Ax = xi ai .
i=1

2. Si y ∈ {Ax, x ∈ Rn }, alors il existe un x ∈ Rn tel que y = Ax et donc

y = x1 a1 + ... + xn an ,

c’est-à-dire exactement que y ∈ Vect {x1 , ..., xn }.

Réciproquement, si y ∈ Vect {a1 , ..., an }, alors y est combinaison linéaire des
colonnes de A, et donc il existe des coefficients λ1 , ..., λn tels que
n
X
y= λi ai .
i=1

Mais alors, pour xλ de coordonnées (λ1 , ..., λn ), on a y = Axλ , et donc

y ∈ {Ax, x ∈ Rn }.

Exercice 9 Calculer An , n ≥ 0 lorsque

 
a 0 0
1. A = 0 b 0, où a, b, c sont des réels.
0 0 c
 
2 2 2
2. A = 2 2 2.
2 2 2
 
2 0
3. A = .
1 3
 n 
a 0 0
1. An =  0 bn 0  pour tout n ∈ N.
0 0 cn

10
  
b b b
2. Un calcul direct fournit que si B = b b b, alors
b b b
   
2b + 2b + 2b 3 ∗ 2b 3 ∗ 2b 6b 6b 6b
AB =  3 ∗ 2b 3 ∗ 2b 3 ∗ 2b = 6b 6b 6b
3 ∗ 2b 3 ∗ 2b 3 ∗ 2b 6b 6b 6b

Une récurrence que pour tout n ≥ 1,

directe fournit donc 
n−1 n−1 n−1

2∗6 2∗6 2∗6
An = 2 ∗ 6n−1 2 ∗ 6n−1 2 ∗ 6n−1 .
2 ∗ 6n−1 2 ∗ 6n−1 2 ∗ 6n−1
tandis que, bien sûr, A0 = I3 .
2n 0
 
3. Une récurrence directe fournit que pour tout n ≥ 0, An = . avec u0 = 0 et
un 3n
un+1 = 2un + 3n pour tout n ≥ 0.
En posant vn = un − α3n , on obtient que pour tout n ≥ 0,

vn+1 = 2un + 3n − α3n+1 = 2vn = 2un − 2α3n

ssi 3n (1 − 3α) = −2α3n , i.e. ssi α = 1.

On a donc que pour vn = un − 3n , vn+1 = 2vn , et comme v0 = −1 on a vn = −2n , de
sorte que pour tout n ≥ 0, un = 3n − 2n , et finalement

2n
 
n 0
A = .
3n − 2n 3n

 
1 0 0
Exercice 10 Soit A = 6 −5 6. Montrer que pour tout entier n ∈ N, il existe un réel
3 −3 4
an tel que  
1 0 0
An = 2an 1 − 2an 2an  .
an −an an + 1
Exprimer alors an+1 en fonction n
 de an , et en déduireune expression de A en fonction de n.
1 0 0
n
On montre l’assertion A = 2an 1 − 2an
 2an  par récurrence sur n ≥ 0. Lorsque
an −an an + 1
0
n = 0, A = I3 et donc l’assertion est vraie avec a0 = 0.
Si l’assertion est vraie au rang n, on a
 
1 0 0
An+1 = AAn = 6 − 4an 4an − 5 6 − 4an  ,
3 − 2an −3 + 2an 4 − 2an

et donc l’assertion est vérifiée au rang n + 1 avec an+1 = 3 − 2an .

11
On a affaire à une suite arithmético-géométrique, et on obtient alors en posant vn = an − 1
que v0 = −1, vn+1 = −2vn , i.e. vn = −(−2)n , i.e. an = −(−2)n + 1. Finalement
 
1 0 0
An = (−2)n+1 + 2 −1 − (−2)n+1 (−2)n+1 + 1 .
−(−2)n + 1 (−2)n − 1 −(−2)n + 2


1 −3 6
Exercice 11 Soit A = 6 −8 12.
3 −3 4
1. Calculer A2 et déterminer deux réels a, b tels que A2 = aA + bI3 .
2. Montrer alors que pour tout n ∈ N, il existe un réel an tel que
   
1 2
An = − an A + + an I3 .
3 3

3. Exprimer an+1 en fonction de an , et en déduire une expression de An en fonction de

n.

1. On a  
1 3 −6
A2 = −6 10 −12 = −A + 2I3 ,
−3 3 −2
i.e. a = −1, b = 2
2. Montrons l’assertion par récurrence sur n ≥ 0. Lorsque n = 0 l’assertion est vraie
avec a0 = 1/3. Si elle est vraie au rang n, alors
           
1 2 1 2 1 2
An+1 = − an A2 + + an A = − an (−A+2I3 ) + an A = + 2an A+ − 2an ,
3 3 3 3 3 3
et l’assertion est alors vérifiée au rang n + 1 pourvu que an+1 = −2an .
3. On a donc an = (−2)n 13 , et finalement, pour tout n ≥ 0,

(−2)n − 1 2(1 − (−2)n )

 
1
1 1
An = (1−(−2)n )A+ (2 + (−2)n ) I3 = 2(1 − (−2)n ) −2 + 3(−2)n 4(1 − (−2)n ) .
3 3
(−2)n − 1 −1 + (−2)n 2 − (−2)n

 
0 0 1
Exercice 12 On note J = 0 0 0. Calculer J n pour tout n ∈ N.
0 0 0
Montrer que J et I3 commutent, et en déduire l’expression de (I3 + aJ)n en fonction de
a ∈ R, n ∈ N.
Evidemment J 0 = I3 , J 1 = J. On trouve par un calcul direct que J 2 est la matrice nulle, et
donc J k est la matrice nulle pour tout k ≥ 2.
On vérifie facilement que J et I3 commutent puisque JI3 = I3 J = J.

12
On a donc  
n   1 0 na
X n
(I3 + aJ)n = ak J k = I3 + naJ = 0 1 0  ,
k
k=0 0 0 1
ce que l’on peut facilement vérifier par une récurrence immédiate.

Exercice 13
 
0 1 1
1. Soit P = 1 0 1. Montrer que P est inversible et calculer P −1 .
1 1 0
 
1 1 1
2. Soit P =  1 −1 1. Montrer que P est inversible et calculer P −1 .
−1 1 1

On applique
 pivot à [P I3 ], qui aboutit à [I3 P −1 ], avec
l’algorithme du 
−1/2 1/2 1/2
P −1 =  1/2 −1/2 1/2 . On vérifie alors aisément que la matrice obtenue satisfait
1/2 1/2 −1/2
−1 −1
bien P P = P P = I3 .
Par la même méthode on obtient
 
1/2 0 −1/2
P −1 = 1/2 −1/2 0 .
0 1/2 1/2

   
5 1 2 1 1 1
Exercice 14 Soit A = −1 7 2, et P =  1 −1 1. On a vu dans l’exercice
1 1 6 −1 1 1
précédent que P était inversible et on a calculé P −1 .
Déterminer maintenant la matrice D telle que A = P DP −1 . Montrer alors que pour tout
n ∈ N on a An = P Dn P −1 , et en déduire une expression de An en fonction de n.
D satisfait A = P DP −1 . Quitte à multiplier chaque membre de cette égalité à gauche par
P −1 , et à droite par P , on obtient

P −1 AP = P −1 P DP −1 P = I3 DI3 = D.

Pour trouver D, il suffit donc d’effectuer le produit matriciel P −1 AP , et on obtient

 
4 0 0
D = 0 6 0 .
0 0 8

Il est alors évident que  n 

4 0 0
Dn =  0 6n 0  .
0 0 8n

13
Mais comme
An = (P DP −1 )n = P DP −1 P DP −1 . . . P DP −1 = P DI3 DI3 D . . . DP −1 = P Dn P −1 , on
déduit par simple calcul matriciel que
 n
6n 8n
 
4 1/2 0 −1/2
An = P Dn P −1 =  4n −6n 8n  1/2 −1/2 0 
−4 n 6 n 8 n 0 1/2 1/2
 n n n n n n

4 +6 8 −6 8 −4
1 n
= 4 − 6n 6n + 8 n 8n − 4n  .
2
6n − 4n 8n − 6n 4n + 8n

14