Equations différentielles et Systèmes dynamiques

26 février 2023
 Table des matières

1 Équations différentielles (scalaires) d’ordre un et deux 2

1.1 Equations différentielles du premier ordre . . . . . . . . . . . . . . . . . . . 2
1.1.1 Equations différentielles à variables séparées . . . . . . . . . . . . . 3
1.1.2 Equation différentielle homogène . . . . . . . . . . . . . . . . . . . 3
1.1.3 Equation se ramenant à une équation homogène . . . . . . . . . . . . 4
1.1.4 Equation différentielle linéaire du premier ordre . . . . . . . . . . . . 4
1.1.5 Equation de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.6 Equations différentielles de Riccati . . . . . . . . . . . . . . . . . . 6
1.2 Equations différentielles linéaires du second ordre . . . . . . . . . . . . . . . 6
1.2.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2 Equations différentielles linéaires du second ordre à coefficients constants 7

2 Equations différentielles linéaires autonomes 11

2.1 Approche élémentaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Résolution de quelques systèmes différentiels linéaires à coefficients constants 13
2.2.1 Cas où la matrice A est diagonalisable sur R . . . . . . . . . . . . . 13
2.2.2 Cas où la matrice A est diagonalisable sur C mais pas sur R . . . . . 14
2.2.3 Cas où la matrice A est trigonalisable . . . . . . . . . . . . . . . . . 15
2.3 Exponentielle de matrice et résolution des systèmes différentiels linéaires à
coefficients constants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.1 Exponentielle d’une matrice . . . . . . . . . . . . . . . . . . . . . . 15
2.3.2 Résolution des systèmes différentiels linéaires à coefficients constants 16
2.4 Comportement asymptotique des solutions . . . . . . . . . . . . . . . . . . . 17

3 Théorie générale des équations différentielles 18

3.1 Existence et unicité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2 Solutions maximales et durée de vie . . . . . . . . . . . . . . . . . . . . . . 20
3.3 Flots, portraits de phase . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.1 Flot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.2 Orbites et portraits de phase . . . . . . . . . . . . . . . . . . . . . . 24

Equations différentielles et Systèmes dynamiques Raymond HOUNNONKPE©MI-FAST 2023

TABLE DES MATIÈRES 1

3.4 Linéarisation et perturbation du flot . . . . . . . . . . . . . . . . . . . . . . 24

4 Stabilité des équilibres 27

4.1 Équilibres et stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
4.2 La stabilité par la linéarisation . . . . . . . . . . . . . . . . . . . . . . . . . 29

Bibliographie 30
 C HAPITRE UN

É QUATIONS DIFFÉRENTIELLES
( SCALAIRES ) D ’ ORDRE UN ET DEUX

On appelle équation différentielles ordinaires (EDO), toute relation du type

F (x, y(x), y ′ (x), y ′′ (x), ..., y (n) (x)) = 0

entre la variable x ∈ R et les dérivées de la fonction inconnue y au point x.

Exemple 1.1. x2 y ′ + 5 = 0; y ′′ + xy ′ + 1 = 0; y ′′′ + (2x + 1)y = 0.

On appelle ordre d’une équation différentielle, l’ordre le plus élévé de la

dérivée de la fonction inconnue. Intégrer une équation différentielle c’est la
résoudre c’est-à-dire déterminer la fonction inconnue y.

1.1 Equations différentielles du premier ordre

Définition 1.1. Soit U un ouvert de R3 et soit F : U → R une applica-

tion. Une équation différentielle du premier ordre est une relation de la forme
F (x, y, y ′ ) = 0 dans laquelle y est un fonction numérique de la variable réelle
x et y ′ est la dérivée de la fonction y.

Exemple 1.2. 2xy ′ + y = 0 est une équation différentielle du premier ordre.

Définition 1.2. Soit I un intervalle de R. On appelle une solution sur I de

l’équation différentielle F (x, y, y ′ ) = 0, une application y de I dans R telle
que :
∀x ∈ I, (x, y(x), y ′ (x)) ∈ U et F (x, y(x), y ′ (x)) = 0.

Equations différentielles et Systèmes dynamiques Raymond HOUNNONKPE©MI-FAST 2023

 3

Résoudre l’équation différentielle F (x, y, y ′ ) = 0 c’est trouver les couples

(I, y), où I est un intervalle de R, y une fonction numérique dérivable sur I
solution de cette équation.
On appelle courbes intégrales de cette équation différentielle, les courbes re-
présentatives des solutions de l’équation.

1.1.1 Equations différentielles à variables séparées

Une équation différentielle à variable séparée, si elle de la forme

a(x) + b(y)y ′ = 0,

où a : I → R et b : D → R sont des fonctions numériques continues sur

des intervalles I et D donnés de R. On désigne par A et B les primitives
respectives des fonctions a et b sur l’intervalle I. Soit y : I → R une solution
sur I. L’équation des courbes intégrales s’écrit alors :

A(x) + B(y(x)) = λ(λ ∈ R)

Exemple 1.3. Résoudre l’équation différentielle (1 + x2 )2 y ′ − x(1 + y 2 ) = 0.

1.1.2 Equation différentielle homogène

Définition 1.3. On dit que la fonction f (x, y) est une fonction homogène de
degré n par rapport aux variables x et y si pour tout λ ∈ R,
on a f (λx, λy) = λn f (x, y).

Définition 1.4. L’équation différentielle y ′ = f (x, y) est dite homogène par

rapport à x et y si la fonction f est une fonction homogène de degré zéro c’est-
à-dire si f (λx, λy) = f (x, y).
Si on pose y = tx , on ramène l’équation différentielle homogène à une équa-
tion à variables séparées.
−x2 +2y 2
Exemple 1.4. Résoudre l’équation différentielle y ′ = 2xy
 4

1.1.3 Equation se ramenant à une équation homogène

Se ramène à une équation différentielle homogène, toute équation de la

forme
ax + by + c
y′ = (1.1)
a1 x + b1 y + c1
où (c, c1 ) ̸= (0, 0). (
a b X = x+h
1) Si ̸= 0, on pose où h et k sont deux constantes
a1 b 1 Y = y+k
(
ah + bk + c = 0
qu’on choisit telles que . Dans ce cas (1.1) devient
a1 h + b 1 k + c 1 = 0
une équation différentielle homogène.
a b
2) Si = 0,, on pose z = ax + by et (1.1) devient une équation à
a1 b1
variables séparables.
x+y
Exemple 1.5. Résoudre les équations différentielles suivantes :y ′ = x−y−2 et
2x+y
y ′ = 4x+2y−2

1.1.4 Equation différentielle linéaire du premier ordre

Définition 1.5. Soit I un intervalle de R et soit a, b et c des applications de I

dans R. Une équation différentielle linéaire du premier ordre est toute équa-
tion différentielle pouvant se ramener sous la forme

a(x)y ′ + b(x)y = c(x).

Elle est sous forme normalisée si elle s’écrit

y ′ + b(x)y = c(x). (1.2)

L’équation homogène associée à (1.2) est

y ′ + b(x)y = 0. (1.3)

Théorème 1.6. La solution de l’équation différentielle (1.3) est de la forme :

R
− b(x)dx
y(x) = ce . (1.4)
 5

où c et une constante. La solution générale de l’équation différentielle (1.2)

s’obtient en ajoutant à la solution de l’équation homogène (1.3) une solu-
tion particulière de l’équation (1.2). La recherche de la solution particulière
peut se faire par la méthode de variation de la constante c’est-à-dire qu’on la
cherche sous la forme R
− b(x)dx
y(x) = c(x)e . (1.5)
La détermination de c(x) se fait par substitution de (1.5) dans (1.2).
Remarque 1.7. Soit l’équation différentielle y ′ + a(x)y = b1 (x) + b2 (x). On
peut obtenir une solution particulière de cette équation, en faisant la somme
d’une solution particulière yp1 de l’équation y ′ + a(x)y = b1 (x) et d’une
solution particulière yp2 de l’équation y ′ + a(x)y = b2 (x).
2
Exemple 1.8. Résoudre y ′ + 2xy = 2xe−x et y ′ + y = 2ex + 4sinx.
Théorème 1.9. Soit I un intervalle de R et soit a, b deux fonctions numériques
continues sur I. On considère l’équation différentielle
y ′ + a(x)y = b(x) (E),
Soit x0 ∈ I et y0 ∈ R. Il existe une unique solution y sur I de l’équation (E)
satisfaisant à la condition y(x0 ) = y0 .

1.1.5 Equation de Bernoulli

Définition 1.6. On appelle équation de Bernoulli, toute équation différentielle

du premier ordre non linéaire pouvant se ramener sous la forme
y ′ + p(x)y = q(x)[y(x)]α avec α ∈ R\{0, 1}. (1.6)
Remarque 1.10. Si α = 0 ou 1, l’équation de bernoulli se réduit à à une
équation différentielle linéaire de premier ordre.
Résolution
En posant z = y 1−α et en substituant y et y ′ dans (1.6), l’équation devient :
z ′ + (1 − α)p(x)z = (1 − α)q(x)
qui est une équation linéaire de premier ordre.
Exemple 1.11. Résoudre y ′ − 2xy = −2xy 2 .
 6

1.1.6 Equations différentielles de Riccati

Définition 1.7. On appelle équation différentielle de Riccati, toute équation

différentielle (non linéaire) du premier ordre pouvant se ramener sous la forme

y ′ + a(x)y = b(x)[y(x)]2 + c(x) (1.7)

où a, b et c sont des fonctions continues.

Résolution
On peut ramener une équation différentielle de Riccati à une équation diffé-
rentielle de Bernoulli par les transformations suivantes
i) Recherche (ou donnéee) d’une solution particulière y0 de l’équation de Ric-
cati.
ii) On fait le changement de variable u(x) = y(x) − y0 (x) pour aboutir à une
équation différentielle de Bernoulli de la forme

u′ + A(x)u = b(x)[u(x)]2

où A(x) = a(x) − 2b(x)y0 (x).

1
Il est aussi possible de faire le changement de variable z = y−y 0
pour aboutir
à une équation différentielle linéaire du premier ordre, en z.

Exemple 1.12. Résoudre l’équation différentielle suivante :

y ′ + x1 y − y 2 = − x12 (sur ]0, +∞[).
On pourra remarquer que y0 = x1 est une solution particulière de cette équa-
tion.

1.2 Equations différentielles linéaires du second ordre

1.2.1 Généralités

Définition 1.8. Soit U un ouvert de R4 et soit F : U → R une application.

Une équation différentielle du second ordre est une relation de la forme

F (x, y, y ′ , y ′′ ) = 0
 7

, dans laquelle y est une fonction numérique de la variable réelle x, y ′ est la

dérivée de y et y ′′ la dérivée seconde de y.
Soit I un intervalle de R et a, b, c, d des fonctions continues sur I, on appelle
équation différentielle linéaire du second ordre d’inconnue y une équation de
la forme
a(x)y ′′ (x) + b(x)y ′ (x) + c(x)y(x) = g(x). (1.8)
L’équation homogène associée est

a(x)y ′′ (x) + b(x)y ′ (x) + c(x)y(x) = 0. (1.9)

Théorème 1.13. 1. Soit t0 ∈ I et (α, β) ∈ R2 , il existe une unique solution y

sur I au problème
(
a(x)y ′′ (x) + b(x)y ′ (x) + c(x)y(x) = g(x)
y(t0 ) = α, y ′ (t0 ) = β.
C’est le théorème de Cauchy-Lipschitz linéaire d’odre 2.
2. L’ensemble des solutions de l’équation homogène (1.9) est un R− espace
vectoriel de dimension 2.
Il n’existe pas de méthode générale de résolution de ces équations différen-
tielles. Par contre il existe une méthode pour trouver une deuxième solution
lorsqu ?on connaît déjà une solution.
Proposition 1.1. L’ensemble des solutions sur I Si y1 est une solution de
(1.11) définie sur in intervalle I et ne s’annulant pas sur I, il existe tou-
jours une solution y2 linéairement indépendante de y1 qui est de la forme
y2 (x) = k(x)y1 (x), le calcul de k se ramenant à la résolution d’une équa-
tion du premier ordre.

1.2.2 Equations différentielles linéaires du second ordre à coefficients

constants

Définition 1.9. On appelle équation différentielle linéaire du second ordre à

coefficients constants sans second membre, toute équation de la forme

ay ′′ + by ′ + cy = g(x), où a, b, c ∈ R et a ̸= 0 (1.10)
 8

L’équation homogène associée est

ay ′′ + by ′ + cy = 0 (1.11)

Théorème 1.14. La solution générale de l’équation ay ′′ + by ′ + cy = g(x)

s’obtient en ajoutant à la solution générale de l’équation ay ′′ + by ′ + cy = 0
(équation homogène associée) une solution particulière de l’équation
ay ′′ + by ′ + cy = g(x).

Résolution de l’équation homogène

On considère l’équation homogène (1.11.) On cherche une solution de la

forme y(x) = erx , où r est une constante réelle. En substituant y dans (1.11),
on a :
ar2 + br + c = 0. (1.12)
L’équation (1.12) est appelée équation caractéristique de l’équation (1.11).
Soit ∆ le discriminant de (1.12). On a :
1) Si ∆ > 0 alors l’équation (1.12) admet deux racines réelles disctintes r1
et r2 . La solution générale de l’équation (1.11) est :

y(x) = λer1 x + µer2 x , (λ, µ) ∈ R2 .

2) Si ∆ = 0 alors l’équation (1.12) admet une racine double r0 . La solution

générale de l’équation (1.11) est :

y(x) = (λx + µ)er0 x , (λ, µ) ∈ R2 .

3) Si ∆ < 0 alors l’équation (1.12) admet deux racines complexes conju-

guées r1 = α+iβ et r2 = α−iβ, avec (α, β) ∈ R2 . La solution générale
de l’équation (1.11) est :

y(x) = [λcos(βx) + µsin(βx)]eαx , (λ, µ) ∈ R2 .

Exemple 1.15. Résoudre les équations différentielles :

a) y ′′ + y ′ − 2y = 0
b) 2y ′′ + 12y ′ + 18y = 0
c) y ′′ + y ′ + 7y = 0.
 9

Recherche d’une solution particulière

1. Cas où g(x) a la forme g(x) = P (x)emx , avec P un polynôme de degré

n.
i) Si le nombre m n’est pas une racine de l’équation caractéristique, on
cherche la solution particulière sous la forme yp = Qn (x)emx où Qn est
un polynôme de degré n.
ii) Si le nombre m est une racine simple de l’équation caractéristique,
on cherche la solution particulière sous la forme yp = Qn+1 (x)emx où
Qn+1 est un polynôme de degré n + 1.
iii) Si le nombre m est une racine double de l’équation caractéristique,
on cherche la solution particulière sous la forme yp = Qn+2 (x)emx où
Qn+2 est un polynôme de degré n + 2.
2. Cas où g(x) a la forme g(x) = [P (x)cos(λx)+Q(x)sin(λx)]eµx , λ ̸= 0,
où P et Q sont des polynômes.
i) Si µ + iλ n’est pas racine de l’équation caractéristique , on cherche la
solution particulière sous la forme yp = [u(x)cos(λx)+v(x)sin(λx)]eµx
où u(x) et v(x) sont des polynômes de degré m, où m est le maximum
entre le degré de P (x) et celui de Q(x).
ii) Si µ + iλ est racine de l’équation caractéristique , on cherche la solu-
tion particulière sous la forme yp = [u(x)cos(λx) + v(x)sin(λx)]eµx où
u(x) et v(x) sont des polynômes de degré m + 1, où m est le maximum
entre le degré de P (x) et celui de Q(x).

Exemple 1.16. Résoudre les équations différentielles :

a) y ′′ + y ′ − 2y = (x + 1)e−2x
b) y ′′ + y ′ + 7y = 2x2 − 3x + 1.
c) y ′′ − 2y ′ + 5y = cosx + 3xsinx.

Recherche d’une solution particulière par la méthode de la variation de constante

Soit à résoudre l’équation différentielle (1.10) et Soit y1 et y2 deux solu-

tions linéairement indépendantes de l’équation homogène (1.11). La solution
 10

générale de l’équation homogène est sous la forme

y(x) = λy1 (x) + µy2 (x), (λ, µ) ∈ R2 .

Pour déterminer une solution particulière de (1.10), on fait varier les constantes
de la solution générale de l’équation homogène. Plus précisement, on recherche
une solution particulière de (1.10) en posant

yp (x) = λ(x)y1 (x) + µ(x)y2 (x)

On cherche les fonctions dérivables λ et µ avec la condition

λ′ (x)y1 (x) + µ′ (x)y2 (x) = 0.

Après substitution, on obtient :

(
λ′ (x)y1 (x) + µ′ (x)y2 (x) = 0
λ′ (x)y1′ (x) + µ′ (x)y2′ (x) = 1
a g(x).

Exemple 1.17. Résoudre l’équation différentielle :

1
y ′′ + y = .
sinx
 C HAPITRE DEUX

E QUATIONS DIFFÉRENTIELLES
LINÉAIRES AUTONOMES

Nous abordons dans ce chapitre l’étude des équations différentielles les

plus simples, les équations linéaires autonomes - aussi appelées équations li-
néaires à coefficients constants - c’est-à-dire les équations de la forme

x′ (t) = Ax(t) (2.1)

Précisons les notations. La donnée A ∈ Mn (K) est une matrice carrée d’ordre
n à coefficients dans K, où K = R ou C. L’inconnue est une application déri-
vable x : R −→ Kn . Résoudre l’équation (2.1) signifie trouver une application
x telle que, pour tout t ∈ R, la dérivée x′ (t) vérifie x′ (t) = Ax(t).
Cette équation est dite autonome parce que la donnée A ∈ Mn (K) ne dé-
pend pas du temps. Le cas plus général où la donnée est une fonction A(t) du
temps sera traité dans le chapitre suivant.

2.1 Approche élémentaire

Commençons par un cas connu, celui d’une équation scalaire

x′ (t) = αx(t),

où α est un réel et x une fonction de R dans R. Une solution x de cette équation

décrit l’évolution en fonction du temps d’une quantité dont le taux de variation
α est constant. Rappelons que la seule solution de cette équation valant x0 à
l’instant t0 est
x(t) = x0 eα(t−t0 ) .

Equations différentielles et Systèmes dynamiques Raymond HOUNNONKPE©MI-FAST 2023

 12

Cette expression nous fournit toutes les informations que l’on peut souhaiter
sur l’équation différentielle. Par exemple le comportement asymptotique de
x(t) quand t → +∞ est caractérisé par le signe de α :
i) Si α < 0, lim x(t) = 0,
t→+∞
ii) si α = 0, x est constant,
iii) Si α > 0, (
+∞ si x(t0 ) ̸= 0
lim |x(t)|=
t→+∞ 0 si x(t0 ) = 0
Considérons maintenant un système de deux équations différentielles,
(
x′1 (t) = α1 x1 (t)
x′2 (t) = α2 x2 (t)

C’est un système très simple puisque les fonctions x1 et x2 sont découplées.

La solution de ce système est bien évidemment x1 (t) = x1 (t0 )eα1 (t−t0 ) ;
x2 (t) = x2 (t0 )eα2 (t−t0 ) . Comme dans le cas scalaire, on a une connaissance
complète du comportement des solutions. Par exemple, si α1 et α2 sont stric-
tement négatifs, toute solution (x1 (t), x2 (t)) du système d’équations tend vers
l’origine quand t → +∞ ; si α1 > 0 et x1 (t0 ) ̸= 0, la norme de (x1 (t), x2 (t))
tend vers l’infini quand t → +∞, etc.
Adoptons maintenant une écriture matricielle. En posant x = (x1 , x2 ), le
système de deux équations ci-dessus apparaît comme le cas particulier n = 2
de l’équation différentielle dans Rn suivante :
 
α1 · · · 0
x′ (t) = Ax(t), où A =  ... . . . ...  est diagonale. (2.2)
 

0 · · · αn
Cette équation étant en fait un système de n équations scalaires découplées, la
solution est donnée par
   
x1 (t0 )eα1 (t−t0 ) eα1 (t−t0 ) · · · 0
x(t) =  .. .. ... ..
. = . .  x(t0 )
   

xn (t0 )eαn (t−t0 ) 0 · · · eαn (t−t0 )

avec x = (x1 , · · · , xn ).
 13

Ainsi, pour les équations différentielles de la forme (2.2), nous avons une
connaissance parfaite des solutions. Nous sommes par exemple en mesure
d’analyser le comportement asymptotique des solutions en fonction de α1 , · · · , αn
et de la condition initiale x(t0 ) :
- si tous les αi sont strictement négatifs, toute solution x converge vers l’ori-
gine quand t → +∞,
- si tous les αi sont négatifs ou nuls, toute solution x est bornée quand
t → +∞,
- si au moins un des αi (par exemple αik ) est strictement positif, alors
lim ∥x(t)∥= +∞ pour toute solution vérifiant αik (t0 ) ̸= 0,
t→+∞
- etc.

2.2 Résolution de quelques systèmes différentiels linéaires à

coefficients constants

2.2.1 Cas où la matrice A est diagonalisable sur R

L’équation différentielle x′ (t) = Ax(t) que nous venons de traiter est un

cas très particulier puisqu’il correspond à un système de n équations scalaires
découplées. Beaucoup d’équations différentielles linéaires peuvent cependant
s’y ramener.
Dans le cas où la matrice A est diagonalisable, on sait qu’il existe une
matrice inversible P (constituée des vecteurs propres de A) et une matrice
diagonale D (dont les termes diagonaux sont les valeurs propres λi de A)
telles que A = P DP −1 . En posant y(t) = P −1 x(t), on a y ′ (t) = Dy(t). On
obtient
 
α1 eλ1 t
..
y(t) =  .  , avec α1 , · · · , αn des constantes réelles.
 

αn eλn t

On obtient enfin x(t) en utilisant la relation x(t) = P y(t).

On a le résultat suivant :
 14

Théorème 2.1. Si la matrice A est diagonalisable, alors les solutions du sys-

tème différentiel homogène x′ (t) = Ax(t) s’écrivent sous la forme

x(t) = α1 eλ1 t Y1 + · · · + αn eλn t Yn

où λ1 , · · · , λn sont les valeurs propres de A et (Y1 , Y2 , · · · , Yn ) une base

de vecteurs propres associés respectivement, avec α1 , · · · , αn des constantes
réelles.
Exercice 2.2. Résoudre le système différentiel :

′
 x (t) = x(t) − 3y(t) + 3z(t)

(S) y ′ (t) = 3x(t) − 5y(t) + 3z(t)
 z ′ (t) = 6x(t) − 6y(t) + 4z(t)


2.2.2 Cas où la matrice A est diagonalisable sur C mais pas sur R

Soit à résoudre le système différentiel x′ (t) = Ax(t) dans lequel la matrice

A est diagonalisable sur C mais pas sur R. Dans ce cas les valeurs propres
complexes non réelles de A sont deux à deux conjuguées et on peut prendre
des vecteurs propres deux à deux conjugués également. Danc ce cas on a :

vect(eλt Y, eλt Y ) = vect(Re(eλt Y ), Im(eλt Y )),

où Y et Y sont des vecteurs propres associés respectivement aux valeurs

propres λ et λ.
On a plus précisément le résultat suivant :
Théorème 2.3. Soit à résoudre le système différentiel x′ (t) = Ax(t). Dans le
cas où la matrice A est diagonalisable sur C mais pas sur R, il suffit, dans
la famille génératrice des solutions, de remplacer, pour les valeurs propres
non réelles, αeλt Y + βeλt Y par aRe(eλt Y ) + bIm(eλt Y ) où a et b sont des
constantes réelles.
Exercice 2.4. Résoudre le système différentiel :

′
 x (t) = x(t) + y(t)

(S) y ′ (t) = −x(t) + 2y(t) + z(t)
 z ′ (t) = x(t) + z(t)

 15

2.2.3 Cas où la matrice A est trigonalisable

Soit à résoudre le système différentiel x′ (t) = Ax(t). Dans le cas où la

matrice A est trigonalisable, on sait qu’il existe une matrice inversible P et une
matrice triangulaire supérieure T telles que A = P T P −1 . En posant y(t) =
P −1 x(t), on a y ′ (t) = Dy(t). On peut alors résoudre ce dernier système en
commençant par résoudre la dernière équation, puis on remplace yn par son
expression dans l’équation précédente que l’on peut résoudre. Et de proche en
proche on trouve toutes les fonctions yi puis le enfin, on obtient x(t) = P y(t).

Exercice 2.5. Résoudre le système différentiel :


′
 x (t) = −3x(t) + y(t) − z(t)

(S) y ′ (t) = −7x(t) + 5y(t) − z(t)
 z ′ (t) = −6x(t) + 6y(t) − 2z(t)


2.3 Exponentielle de matrice et résolution des systèmes dif-

férentiels linéaires à coefficients constants

2.3.1 Exponentielle d’une matrice

Définition 2.1. Soit A une matrice carrée d’ordre n. On appelle exponentielle

de la matrice A, la matrice noté eA et définie par :
+∞
A
X Ak
e = .
k!
k=0

Énumérons quelques propriétés de cette application exponentielle.

Proposition 2.1. Soit A, B et P des matrices carrées d’ordre n.

1. L’application : t 7−→ etA est dérivable et on a :
d tA
(e ) = etA A
dt
2. On a eA+B = eA eB si et seulement si A et B commutent.
3. eA est inversible et son inverse est e−A .
−1
4. Si P est inversible, P eA P −1 = eP AP .
 16

5. Si D est une matrice diagonale d’éléments diagonaux λ1 , · · · , λn alors eA

est diagonale d’éléments diagonaux eλ1 , · · · , eλn .

Exercice 2.6. On considère la matrice

 
2 0 1
A= 1 1 1 
 
−2 0 −1

1. Diagonaliser la matrice A sur R.

2. Calculer eA .

2.3.2 Résolution des systèmes différentiels linéaires à coefficients constants

Nous pouvons maintenant résoudre l’équation (2.1).

Théorème 2.7. Soient t0 ∈ R et x0 ∈ Kn . L’unique solution de l’équation

x′ (t) = Ax(t) valant x0 en t0 est l’application x définie par

x(t) = e(t−t0 )A x0 , ∀t ∈ R.

Exercice 2.8. On considère la matrice

 
1 0 1
A =  −1 2 1  .
 
1 −1 1

1. Montrer qu’il existe une matrice inversible P telle que A = P T P −1 avec

 
2 0 0
T =  0 1 1 .
 
0 0 1

2. On pose    
2 0 0 0 0 0
D =  0 1 0 ,J =  0 0 1 .
   
0 0 1 0 0 0
 17

En remarquant que T = D + J, calculer eA .

3. En déduire les solutions du système différentiel

′
 x (t) = x(t) + z(t)

(S) y ′ (t) = −x(t) + 2y(t) + z(t)
 z ′ (t) = x(t) − y(t) + z(t)


2.4 Comportement asymptotique des solutions

Le comportement quand t tend vers l’infini des solutions x(t) de x′ (t) =

Ax(t) dépend essentiellement des signes des parties réelles des valeurs propres
λj de A. Pour toute valeur propre λj de A de multiplicité pj , on désigne par
Eλj le sous-espace propre associé à λj et par Γj le sous-espace caractéristique
associé à λj . on a Γj = Ker(A − λj In )pj et dimΓj = pj .
Théorème 2.9. Toutes les solutions de x′ (t) = Ax(t) tendent vers 0 quand t
tend vers +∞ si et seulement si toutes les valeurs propres de A ont une partie
réelle strictement négative.
Théorème 2.10. Soit A une matrice carrée d’ordre n de valeurs propres dis-
tinctes λ1 , · · · , λk et de multiplicités respectives p1 , · · · , pk .
Toutes les solutions de x′ (t) = Ax(t) sont bornées sur R+ si et seulement si
pour tout i ∈ {1, · · · , k},

Re(λi ) < 0 ou (Re(λi ) = 0 et pi = dim(Ker(A − λi In )).

Exercice 2.11. Etudier le comportement asymptotique des systèmes différen-

tiels suivants :

′
 x (t) = x(t) + z(t)

(S1 ) y ′ (t) = −x(t) + 2y(t) + z(t)
 z ′ (t) = x(t) − y(t) + z(t)


et 
′
 x (t) = x(t) + y(t)

(S2 ) y ′ (t) = −x(t) + 2y(t) + z(t)
 z ′ (t) = x(t) + z(t)

 C HAPITRE TROIS

T HÉORIE GÉNÉRALE DES ÉQUATIONS

DIFFÉRENTIELLES

Dans ce chapitre, nous présentons la théorie générale des équations diffé-

rentielles autonomes, qui sont de la forme

x′ (t) = f (x(t)) (3.1)

Dans cette formulation, les données sont :

- un ensemble ouvert Ω ⊂ Rn ,
- une application f : Rn → Rn de classe C 1 (les résultats que nous allons
présenter restent valables quand on remplace Rn par n’importe quel espace
vectoriel de dimension finie, par exemple Cn ).
Une telle application f : Ω ⊂ Rn → Rn est appelée un champ de vecteurs :
à tout point x dans Ω, elle associe un vecteur f (x) dans Rn . Une solution de
l’équation différentielle est une fonction dérivable x : I −→ Rn telle que
- I est un intervalle de R ; - x prend ses valeurs dans Ω c’est-à-dire x(I) ⊂ Ω
- pour tout t ∈ I, x′ (t) = f (x(t)).
Une solution est donc en fait un couple (x, I) : l’intervalle de définition
I fait partie des inconnues. Nous verrons comment caractériser cet intervalle
Notons enfin que, comme l’application f est supposée C 1 , toute solution x de
l’équation différentielle est automatiquement de classe C 2 .

Equations différentielles et Systèmes dynamiques Raymond HOUNNONKPE©MI-FAST 2023

 19

3.1 Existence et unicité

Théorème 3.1. (Cauchy ?Lipschitz).

Pour tout point x0 ∈ Ω et tout t0 ∈ R, il existe δ > 0 tel que le système
(
x′ (t) = f (x(t))
x(t0 ) = x0

possède une unique solution définie sur ]t0 − δ, t0 + δ[.

On appelle problème de Cauchy le système ci-dessus, formé d’une équation
différentielle et d’une condition initiale donnée.

Hypothèses plus faibles sur f

Nous avons énoncé le théorème de Cauchy-Lipschitz avec l’hypothèse que

f est C 1 sur Ω car elle est simple à utiliser et fréquemment satisfaite dans les
applications. Remarquons cependant que, nous avons seulement besoin que f
soit localement lipschitzienne, c’est-à-dire que pour tout x0 ∈ Ω , il existe un
voisinage U0 de x0 dans Ω et une constante K tels que f soit K-lipschitzienne
sur U0 . La conclusion du théorème de Cauchy-Lipschitz reste donc valable
sous l’hypothèse que f est localement lipschitzienne. En particulier, elle est
valable si f est lipschitzienne sur Ω (on a même dans ce cas un résultat d’exis-
tence et d’unicité globales).
Que se passe-t-il si on affaiblit encore les hypothèses et que l’on suppose
f seulement continue ? Un théorème de Peano affirme que, dans ce cas, le
problème de Cauchy admet toujours une solution. En revanche, l’unicité n’est
pas garantie. Par exemple le problème de Cauchy
( p
x′ (t) = |x(t)|
x(0) = 0

admet comme solutions les fonctions y1 et y2 définies par : y1 (t) = 0 et y2 (t) =

t|t|
4 .
 20

3.2 Solutions maximales et durée de vie

Considérons l’équation différentielle

x′ (t) = f (x(t)) (3.2)

où le champ de vecteurs f : Ω ⊂ Rn −→ Rn est supposé de classe C 1 . Nous

avons défini au début de ce chapitre une solution de cette équation comme une
fonction x définie sur un certain intervalle I de R. Cette section est consacrée
à l’étude de cet intervalle de définition I. Nous rencontrerons deux types de
problèmes.
1. Étant donné un couple (t0 , x0 ) ∈ R × Ω , il existe une infinité de solu-
tions de (3.2) satisfaisant la condition initiale x(t0 ) = x0 : par exemple si x
est une solution définie sur l’intervalle I, avec t0 ∈ I, toute restriction de x à
un sous-intervalle de I contenant t0 est une solution différente. Pour éviter de
considérer comme solutions différentes la même fonction prise sur des sous-
intervalles, nous chercherons à associer à une fonction un unique intervalle, le
plus grand, sur lequel elle est solution : c’est la notion de solution maximale.

2. Si on choisit l’intervalle I le plus grand possible, peut-on le prendre égal

à R tout entier ? Si ce n’est pas le cas, que se passe-t-il pour la solution ? et
quelle est la forme de I ? C’est le problème de la durée de vie des solutions.

Solutions maximales

Définition 3.1. On dit qu’une solution x : I −→ Ω de (3.2) est une solu-

tion maximale si elle n’a pas de prolongement à un intervalle strictement plus
grand, c’est-à-dire si elle n’est pas la restriction à I d’une solution définie sur
un intervalle J contenant strictement I.
Nous allons montrer que l’équation (3.2) admet une unique solution maxi-
male satisfaisant une condition initiale donnée. Nous avons besoin pour cela
d’un résultat d’unicité globale.
Proposition 3.1. Si x et y : I −→ Ω sont deux solutions de (3.2) définies sur
le même intervalle I qui coïncident en un point t0 ∈ I, alors elles sont égales.
 21

Théorème 3.2. Pour toute donnée initiale (t0 , x0 ) ∈ R × Ω , il existe une

unique solution maximale x :]t− , t+ [−→ Ω de ((3.2) satisfaisant x(t0 ) = x0 .
Toute autre solution satisfaisant cette condition initiale est une restriction
de x à un sous-intervalle de ]t− , t+ [.
Remarque 3.3. Insistons sur le fait que l’intervalle de définition d’une solu-
tion maximale est toujours un intervalle ouvert ]t− , t+ [. Les bornes t+ et t− de
l’intervalle maximal sont des fonctions de (t0 , x0 ) qui prennent leurs valeurs
dans R : t+ peut être soit un réel, soit +∞, alors que t− peut être soit un réel,
soit −∞. Dans tous les cas, on a : t− < t0 < t+ .

Durée de vie

On s’intéresse maintenant à l’intervalle de définition ]t− , t+ [ d’une solution

maximale x de (3.2). Cet intervalle peut être différent de R, même pour les
équations les plus simples.
Exemple 3.4. Considérons l’équation y ′ (t) = y 2 (t) dans Ω = R.
Donner la solution de cette équation différentielle valant y0 en t0 et préciser
l’intervalle maximal de définition de cette solution.
Exemple 3.5. Considérons l’équation y ′ (t) = 1 dans Ω =]0, 1[.
Donner la solution de cette équation différentielle valant y0 en t0 et préciser
l’intervalle maximal de définition de cette solution.
L’idée générale est que, si une solution ne peut être prolongée sur tout R,
c’est qu’elle s’approche en temps fini du bord de l’ensemble . Formalisons
cette idée pour la borne supérieure t+ de l’intervalle (les résultats pour t− sont
similaires).
Proposition 3.2. Soit x :]t− , t+ [−→ Ω une solution maximale de de (3.2).
Alors, si t+ < +∞, x(t) sort de tout compact contenu dans Ω, c’est-àdire que
pour tout compact K ⊂ Ω , il existe un temps tK ∈]t− , t+ [ tel que x(tK ) ∈
/ K.
Inversement, retenons une condition suffisante pour que ]t− , t+ [= R.
Corollaire 3.6. Si toutes les valeurs d’une solution maximale x sont contenues
dans un compact K inclus dans Ω , alors x est définie sur tout R.
 22

Champs de vecteurs complets

Définition 3.2. On dit que le champ de vecteurs f : Ω ⊂ Rn −→ Rn est

complet (ou que l’équation associée est complète) si toute solution maximale
est définie sur R tout entier.

D’après le corollaire 3.6 , si toutes les solutions maximales sont contenues

dans des compacts, le champ est complet. Tous les champs définis sur Rn
admettant une majoration affine sont complets.

Proposition 3.3. Tout champ de vecteurs f : Ω ⊂ Rn −→ Rn admettant une

majoration affine

∥f (x)∥≤ α∥x∥+β, avec α, β des réels positifs .

est complet. C’est en particulier le cas des champs bornés.

Exemple 3.7. Considérons l’équation y ′ (t) = cos(y 2 (t)) + 1 dans Ω = R.

Justifier que toutes les solutions maximales sont définies sur R.

3.3 Flots, portraits de phase

3.3.1 Flot

Considérons toujours l’équation différentielle

x′ (t) = f (x(t)) (3.3)

où le champ de vecteurs f : Ω ⊂ Rn −→ Rn est supposé de classe C 1 . Une des

spécificités de cette équation est qu’elle ne dépend pas explicitement du temps
(d’où le qualificatif autonome). En particulier, les solutions sont invariantes
par translation du temps.

Proposition 3.4. x :]t− , t+ [−→ Ω une solution maximale de de (3.2) et t0 ∈ R.

Alors x : t 7−→ x(t+t0 ), définie sur ]t− −t0 , t+ −t0 [ est également une solution
maximale de (3.2).
 23

Ainsi le temps n’a pas de rôle intrinsèque ici et on pourra se limiter aux
données initiales en t = 0. On introduit donc la notation suivante : pour v ∈ Ω,
xv désigne la solution maximale de l’équation (3.2) vérifiant xv (0) = v, et on
note Iv =]t− , t+ [ son intervalle de définition.

Définition 3.3. Le flot du champ de vecteurs f (ou de l’équation x′ = f (x))

est l’application : (t, v) 7−→ ϕ(t, v) où ϕ(t, v) = xv (t). Elle est définie sur
l’ensemble des couples (t, v) tels que v ∈ Ω et t ∈ Iv .

Pour une étude qualitative de l’équation différentielle, il est important d’étu-

dier plutôt l’autre application partielle, ϕt : x 7−→ ϕ(t, x), pour t fixé. De façon
imagée, ϕt (x) est la position à l’instant t d’un corps transporté par l’équation
différentielle qui se trouvait à la position x en t = 0. Autrement dit, ϕt est
l’application qui envoie x(0) sur x(t) pour toute solution x.

Exemple 3.8. Si f est linéaire de matrice A, , le flot est donné par l’exponen-
tielle de A :
ϕt (x) = etA x, ∀(t, x) ∈ R × Rn .
Ainsi le flot est une généralisation de l’exponentielle de matrice. Il possède
des propriétés similaires.

Nous donnons ici les propriétés pour un champ complet.

Proposition 3.5. Soit f un champ de vecteurs complet sur Ω alors le domaine

de définition du flot ϕ est D = R × Ω. De plus pour tous t, s ∈ R, on a :
i) ϕt ◦ ϕs = ϕt+s
ii) ϕt ◦ ϕ−t = Id autrement dit (ϕt )−1 = ϕ−t
iii) ϕ0 = Id
∂
iv) ∂t ϕt = f ◦ ϕt .

Exercice 3.9. Déterminer le flot du système différentiel suivant :


′
 x (t) = x(t) − 3y(t) + 3z(t)

(S) y ′ (t) = 3x(t) − 5y(t) + 3z(t)
 z ′ (t) = 6x(t) − 6y(t) + 4z(t)

 24

3.3.2 Orbites et portraits de phase

Définition 3.4. On appelle orbite d’un point v ∈ Ω (ou trajectoire passant par
v) l’ensemble
Ov = {ϕt (v), t ∈ Iv } = {xv (t), t ∈ Iv }.

L’orbite de v est donc la courbe tracée sur Rn par la solution maximale xv .

Deux orbites distinctes ne peuvent pas se croiser. Chaque point de appartient
donc à une et une seule orbite.
La partition de en orbites s’appelle le portrait de phase du champ de vecteurs.

3.4 Linéarisation et perturbation du flot

Dans la pratique, on n’a quasiment jamais une connaissance exacte des

conditions initiales (ni de l’équation elle-même, en fait). Il est donc primor-
dial de savoir ce qui se passe pour la solution d’une équation différentielle
lorsque la condition initiale est perturbée (ou quand l’équation elle-même est
perturbée) : comment varie l’intervalle de définition et les valeurs de la solu-
tion, peut-on donner un ordre de grandeur de ces variations,· · · ? Les réponses
à ces questions sont contenues dans le théorème ci-dessous
Rappelons que nous considérons une équation différentielle autonome

x′ (t) = f (x(t)) (3.4)

où le champ de vecteurs f : Ω ⊂ Rn −→ Rn est supposé de classe C 1 .

Théorème 3.10. Soit v ∈ Ω. Supposons que [0, T ] est inclus dans l’intervalle
de définition Iv de xv . Il existe alors un voisinage V ⊂ Ω de v tel que, pour
tout w ∈ V, [0, T ] est inclus dans l’intervalle de définition Iw de xw .
De plus, l’application : w 7−→ xw |[0, T ] est de classe C 1 sur V et sa différen-
tielle en v est l’application qui à h ∈ Rn associe la solution de
(
y ′ (t) = Df (xv (t))y(t)
t ∈ [0, T ].
y(0) = h
 25

Conséquences et signification du théorème

Domaine de définition du flot

La première conséquence est que, pour toute condition initiale w dans le

voisinage V de v, on a [0, T ] ⊂ Iw . Autrement dit, de façon informelle, si une
solution est définie sur un temps « long », les solutions voisines sont également
définies sur un temps « long ». Ceci se traduit par une propriété du domaine
de définition du flot.
Corollaire 3.11. Le flot ϕ est défini sur un ouvert D de R × Ω. En particulier,
si (t, v) ∈ D, alors l’application ϕt est définie sur un voisinage de v.
Cette propriété est très importante pour l’étude du flot et de sa dépendance
par rapport aux conditions initiales : en effet, ϕ et ϕt étant définies sur des
ouverts, il est maintenant possible d’étudier leur continuité et leur différentia-
bilité.

Dépendance continue

L’application w 7−→ xw |[0, T ] définie dans le théorème est l’application qui

à une condition initiale dans V associe la solution correspondante de l’équa-
tion différentielle sur [0, T ]. Cette application étant C 1 , elle est en particulier
continue : les solutions de l’équation différentielle dépendent de façon conti-
nue de leur condition initiale.
C’est une propriété essentielle : en effet elle signifie, grosso modo, que la so-
lution calculée à partir d’une approximation de la condition initiale est une
approximation de la vraie solution. Ceci justifie l’utilisation des équations dif-
férentielles dans la modélisation de phénomènes réels, où l’on ne dispose que
d’une connaissance approximative des données, et de méthodes numériques
pour les résoudre.

Équation linéarisée

La dernière partie du théorème affirme que les valeurs de la différentielle

de l’application : w 7−→ xw |[0, T ] sont les solutions d’une certaine équation
linéaire. Cette équation linéaire joue un rôle important dans la suite.
 26

Définition 3.5. Soit x : [0, T ] −→ Ω une solution de (3.2). L’équation linéaire

dans Rn
y ′ (t) = Df (x(t))y(t); t ∈ [0, T ]
est appelée équation linéarisée de (3.2) autour de x.

L’équation linéarisée indique donc comment se propage au cours du temps

une perturbation de la condition initiale.
L’équation linéarisée est en général une équation linéaire non autonome. Ce-
pendant, si v est un point d’équilibre (voir chapitre suivant), la solution maxi-
male xv est la fonction constante v définie sur tout R, et dans ce cas l’équation
linéarisée est autonome :

y ′ (t) = Df (v)y(t); t ∈ R.
 C HAPITRE QUATRE

S TABILITÉ DES ÉQUILIBRES

4.1 Équilibres et stabilité

Considérons l’équation différentielle autonome

x′ (t) = f (x(t)) (4.1)

où le champ de vecteurs f : Ω ⊂ Rn −→ Rn est supposé de classe C 1 .

Définition 4.1. On dit qu’un point x0 ∈ Ω est un équilibre de (4.1) si la
fonction constante x ≡ x0 est solution de (4.1) ou, de façon équivalente, si
f (x0 ) = 0.
Autrement dit, ϕt (x0 ) = x0 pour tout t ∈ R, où ϕ est le flot du champ de
vecteurs f (l’intervalle maximal associé à x0 étant Ix0 = R). L’orbite de x0 est
donc réduite à un point : Ox0 = {x0 }.
Quand l’équation (4.1) modélise l’évolution d’un phénomène physique (mé-
canique, biologique, écologique,· · · ), un équilibre correspond bien à la notion
habituelle « d’état d’équilibre » : si le système est dans l’état x0 , alors il y
reste (et il y a toujours été). En pratique on sait cependant que seuls les états
d’équilibre ayant certaines propriétés de stabilité sont significatifs.
Définition 4.2. Nous dirons qu’un équilibre x0 est stable si, pour tout ϵ > 0,
il existe δ > 0 tel que

∥x − x0 ∥< δ et t > 0 ⇒ ∥ϕt (x) − x0 ∥< ϵ.

Ainsi, toute solution proche de x0 en reste proche.

Toute solution dont la condition initiale est dans une boule B(x0 , δ) reste dans

Equations différentielles et Systèmes dynamiques Raymond HOUNNONKPE©MI-FAST 2023

 28

la boule B(x0 , ϵ), et donc dans un compact de Ω , pour t > 0 (on suppose ϵ
suffisamment petit pour que B(x0 , ϵ) ⊂ Ω). Il s’en suit donc que ces solutions
sont donc définies pour tout t > 0.
Définition 4.3. Un équilibre x0 est asymptotiquement stable s’il est stable et
s’il existe un voisinage V de x0 tel que, pour tout x ∈ V, lim ϕt (x) = x0 .
t→+∞
Dans ce cas toute solution proche de l’équilibre en reste proche et en plus
converge vers lui.

Le cas linéaire

Considérons le cas particulier d’une équation différentielle autonome li-

néaire,
x′ (t) = Ax(t); x ∈ Rn .
L’origine est toujours un équilibre de cette équation (mais il peut y en avoir
d’autres : tout élément de Ker(A) est un équilibre). La proposition suivante
permet de caractériser la stabilité de cet équilibre.
Proposition 4.1. 1. L’origine est un équilibre asymptotiquement stable de
x′ (t) = Ax(t) si et seulement si toutes les valeurs propres de A sont de partie
réelle strictement négative.
2. Si A a au moins une valeur propre de partie réelle strictement positive,
alors l’origine n’est pas un équilibre stable de x′ (t) = Ax(t).
Ces deux propriétés sont importantes car, comme nous allons le voir dans
la section suivante, elles se généralisent au cas non linéaire.
Notons que l’origine peut être un équilibre stable mais non asymptotiquement
stable. C’est une situation que l’on rencontre quand A a des valeurs propres
de partie réelle nulle.
Remarquons enfin que l’on peut donner une condition nécessaire et suffi-
sante de stabilité :
Proposition 4.2. L’origine est un équilibre stable de x′ (t) = Ax(t) si et seule-
ment si toutes les valeurs propres de A sont de partie réelle négative et si
pour toute valeur propre λ de partie réelle nulle et de multiplicité k, on a
dim(Ker(A − λIn ) = k.
 29

Le cas affine

Considérons maintenant un champ de vecteurs affine f (x) = Ax + b sur

Rn , où A est une matrice carrée d’ordre n et b un vecteur. Un équilibre de
l’équation
x′ (t) = Ax(t) + b
est un point x0 qui vérifie Ax0 + b = 0. En remplaçant b par −Ax0 , on réécrit
l’équation différentielle sous la forme
d
((x(t) − x0 ) = A(x(t) − x0 ).
dt
Ainsi la stabilité et la stabilité asymptotique d’un équilibre de l’équation affine
x′ (t) = Ax(t) + b sont équivalentes respectivement à celles de l’origine pour
l’équation linéaire y ′ (t) = Ay(t).

Exercice 4.1. Déterminer les équilibres du système différentiel suivant puis

étudier leur stabilité.
(
x′ (t) = x(t) + 2y(t)
(S)
y ′ (t) = 2x(t) − y(t)

4.2 La stabilité par la linéarisation

Soit x0 un équilibre de l’équation différentielle (4.1). Nous allons montrer

dans les deux théorèmes suivants que l’étude des valeurs propres de la matrice
Df (x0 ) permet généralement de caractériser la stabilité de l’équilibre.

Théorème 4.2. Si toutes les valeurs propres de Df (x0 ) sont de partie réelle
strictement négative, alors x0 est un équilibre asymptotiquement stable.

En complément de cette condition suffisante de stabilité asymptotique, on

dispose d’une condition suffisante de non stabilité.

Théorème 4.3. Si Df (x0 ) a au moins une valeur propre de partie réelle stric-
tement positive, alors l’équilibre x0 n’est pas stable.
 30

Remarque 4.4. Dans le cas où n = 2, il est très pratique d’utiliser le déter-

minant et la trace de Df (x0 ) pour caractériser le signe des parties réelles de
ses valeurs propres. Conjugué aux deux théorèmes précédents, cela donne les
critères suivant, très simples à utiliser :
- si detDf (x0 ) < 0, ou detDf (x0 ) > 0 et trDf (x0 ) > 0, alors l’équilibre x0
n’est pas stable ;
- si detDf (x0 ) > 0 et trDf (x0 ) < 0, alors l’équilibre x0 est asymptotique-
ment stable.

Il est important de noter que les réciproques des théorèmes 4.2 et 4.3 sont
fausses. La stabilité d’un équilibre n’est donc pas forcément déterminée par le
linéarisé.
Nous allons ensuite introduire une classe d’équilibres pour lesquels les ré-
ciproques des théorèmes 4.2 et 4.3 sont vérifiées.

Équilibres hyperboliques

Définition 4.4. Un équilibre x0 est dit hyperbolique si toutes les valeurs propres
de Df (x0 ) ont une partie réelle non nulle.

Les équilibres hyperboliques jouent un rôle important en pratique puisque,

la classe des matrices hyperboliques est ouverte et dense dans Mn (R).
D’après les deux théorèmes précédents, la stabilité d’un équilibre hyperbo-
lique x0 est totalement caractérisée par le signe des parties réelles des valeurs
propres de Df (x0 ).

Corollaire 4.5. Un équilibre hyperbolique est soit asymptotiquement stable

(si les valeurs propres de Df (x0 ) sont toutes de partie réelle négative), soit
non stable.

Ainsi, un équilibre hyperbolique x0 est stable (resp. asymptotiquement stable)

si et seulement si 0 est un équilibre stable (resp. asymptotiquement stable) pour
l’équation linéarisée en x0 ,

y ′ (t) = Df (x0 )y(t).

 Bibliographie

Equations différentielles et Systèmes dynamiques Raymond HOUNNONKPE©MI-FAST 2023