Automatique — Système commandé

Chapitre 2 : Systèmes dynamiques et stabilité

Olivier Cots (rédigé avec Joseph Gergaud)

23 septembre 2024
 Chapitre 2: Systèmes dynamiques et stabilité

2.1. Introduction
2.2. Solutions des équations différentielles ordinaires
2.3. Équations différentielles linéaires autonomes
2.3.1. Approche élémentaire
2.3.2. Exponentielle de matrice
2.3.3. Solution du problème à valeur initiale
2.3.4. Comportement asymptotique des solutions
2.4. Équations différentielles linéaires avec second membre
2.5. Stabilité des équilibres
2.5.1. Définition
2.5.2. Résultats
2.5.3. Exemples et applications
 Chapitre 2: Systèmes dynamiques et stabilité

2.1. Introduction
2.2. Solutions des équations différentielles ordinaires
2.3. Équations différentielles linéaires autonomes
2.3.1. Approche élémentaire
2.3.2. Exponentielle de matrice
2.3.3. Solution du problème à valeur initiale
2.3.4. Comportement asymptotique des solutions
2.4. Équations différentielles linéaires avec second membre
2.5. Stabilité des équilibres
2.5.1. Définition
2.5.2. Résultats
2.5.3. Exemples et applications
Introduction 4

Nous allons étudier l’équation différentielle à valeur initiale suivante :

ẋ (t) = f (x (t)), x (0) = x0 .

Nous nous intéresserons plus particulièrement à la stabilité des équilibres de l’équation

différentielle, c’est-à-dire au comportement des solutions au voisinage des points xe tels
que f (xe ) = 0.

Remarque 2.1.1. Si x0 = xe alors on a trivialement comme solution x (t) = xe pour

tout t.
Question : L’équilibre est-il stable ou instable ? Lorsqu’on part proche de ce point
d’équilibre, on s’en rapproche ou on s’en écarte ?
Exemple 2.1.1. Pour le pendule simple non contrôlé, le point (0, 0) est un point
d’équilibre stable, alors que (π, 0) est un point d’équilibre instable.
Références.
• J. Demailly, Analyse numérique et équations différentielles, Collection Grenoble Sciences.
EDP Sciences (2006).
• F. Jean, Systèmes Dynamiques, Stabilité et Commande. Cours et exercices corrigés, ENSTA,
2017–2018.
 Chapitre 2: Systèmes dynamiques et stabilité

2.1. Introduction
2.2. Solutions des équations différentielles ordinaires
2.3. Équations différentielles linéaires autonomes
2.3.1. Approche élémentaire
2.3.2. Exponentielle de matrice
2.3.3. Solution du problème à valeur initiale
2.3.4. Comportement asymptotique des solutions
2.4. Équations différentielles linéaires avec second membre
2.5. Stabilité des équilibres
2.5.1. Définition
2.5.2. Résultats
2.5.3. Exemples et applications
Définitions 6

Soient I un intervalle ouvert de R, Ω un ouvert de Rn et une application continue

f: I ×Ω −→ Rn
(t, x ) 7−→ f (t, x ).

On dit que la fonction φ est solution de l’équation différentielle (ordinaire) de second

membre f , si φ est une fonction dérivable définie sur un certain intervalle I ⊂ I, telle que
pour tout t ∈ I, φ(t) ∈ Ω et
φ̇(t) = f (t, φ(t)),
où φ̇(t) := φ′ (t).

Remarque 2.2.1. On parle d’équation différentielle non autonome si f dépend expli-

citement du temps t et autonome sinon. Dans le cas autonome, on note f (x ) au lieu
de f (t, x ).
Définitions 7

Soient t0 ∈ I, x0 ∈ Ω, considérons maintenant l’équation différentielle à condition initiale,

appelée problème de Cauchy :

ẋ (t) = f (t, x (t)), x (t0 ) = x0 . (1)

Définition 2.2.1 – Solution d’un problème de Cauchy

On appelle solution du problème de Cauchy (1) tout couple (I, φ), où I est un
intervalle ouvert de I contenant t0 et φ : I → Rn est une fonction dérivable sur I,
tel que ∀ t ∈ I, φ(t) ∈ Ω, φ̇(t) = f (t, φ(t)) et φ(t0 ) = x0 .

Proposition 2.2.2

Si f est C k , k ∈ J0 , +∞K et si (I, φ) est une solution de (1) alors φ ∈ C k+1 .

L’image de l’application φ s’appelle orbite ou trajectoire ou parfois courbe de phase et

le graphe de l’application φ, courbe intégrale. Les courbes intégrales sont situées dans le
produit direct de l’axe t par l’espace des phases. Ce produit direct s’appelle espace des
phases élargi.
Définitions 8

Définition 2.2.3 – Solution maximale

Une solution (I, φ) est dite maximale si, pour toute autre solution (J, ψ), on a
J ⊂ I et φ = ψ sur J. On dit qu’une solution (I, φ) est un prolongement d’une
autre solution (J, ψ), si J ⊂ I et φ = ψ sur J.

Théorème 2.2.4 – Prolongement des solutions

Toute solution se prolonge en une solution maximale (pas nécessairement unique).

Définition 2.2.5 – Solution globale

Une solution globale est définie sur tout l’intervalle I.

Remarque 2.2.2. Tout solution globale est maximale mais pas l’inverse.
Définitions 9

Exemple 2.2.1. Considérons le système ẋ (t) = x 2 (t) sur R × R.

• La fonction nulle est une solution globale.
• La fonction
1
φ(t) = −
t
définie deux solutions respectivement sur ]−∞ , 0[ et ]0 , −∞[. Ces solutions sont
maximales mais non globales.
x

φ1
Ω
φ2

I t
Illustration de solutions maximales, globale (φ1 ) et non globale (φ2 ).
Existence de solutions 10

Rappelons que nous considérons une équation différentielle de la forme ẋ (t) = f (t, x (t)),
où f : I × Ω → Rn est continue et où I est un intervalle ouvert de R et Ω un ouvert de
Rn .

Proposition 2.2.6

Par tout point de I × Ω, il passe au moins une solution maximale.

Exemple 2.2.2. En général, il n’y a pas unicité des solutions

p maximales comme le montre
cet exemple. Considérons le problème de Cauchy : ẋ (t) = |x (t)|, x (0) = 0. La fonction
nulle est solution, ainsi que
0 si t ≤ 0,
®
φ(t) = 2
t /4 si t > 0,
et toutes deux sont maximales, car définies sur R tout entier.
Théorème de Cauchy-Lipschitz : existence et unicité 11

Théorème 2.2.7 – Théorème de Cauchy-Lipschitz

Soit f : I × Ω → Rn , I un intervalle ouvert de R, Ω un ouvert de Rn , f continue

et f de classe C 1 par rapport à la variable x .
Alors, il existe pour toute condition initiale (t0 , x0 ) ∈ I × Ω une unique solution
maximale au problème de Cauchy : ẋ (t) = f (t, x (t)), x (t0 ) = x0 .

Remarque 2.2.3. On peut demander moins de régularité à f . On peut supposer f

continue et f localement lipschitzienne par rapport à la variable x .
Voir https://tinyurl.com/application-localement-lipschitzienne.
Temps de vie des solutions 12

Proposition 2.2.8

Soient I ⊂ R un intervalle ouvert, A : I → Mn (R) et b : I → Rn . Soit (t0 , x0 ) ∈

I × Rn . On considère le problème de Cauchy linéaire

ẋ (t) = A(t) x (t) + b(t), x (t0 ) = x0 .

Si A(t) et b(t) sont continus sur I, alors on a existence et unicité de solution

globale.

Exemple 2.2.3 (Contre-exemple). L’équation différentielle ẋ (t) = 1 + x 2 (t), avec

x (0) = 0 admet une solution maximale t 7→ tan(t) définie sur l’intervalle ouvert
]−π/2 , π/2[. Cette solution n’est pas globale car elle n’est pas définie sur R tout entier.
 Chapitre 2: Systèmes dynamiques et stabilité

2.1. Introduction
2.2. Solutions des équations différentielles ordinaires
2.3. Équations différentielles linéaires autonomes
2.3.1. Approche élémentaire
2.3.2. Exponentielle de matrice
2.3.3. Solution du problème à valeur initiale
2.3.4. Comportement asymptotique des solutions
2.4. Équations différentielles linéaires avec second membre
2.5. Stabilité des équilibres
2.5.1. Définition
2.5.2. Résultats
2.5.3. Exemples et applications
Équations différentielles linéaires autonomes 14

On s’intéresse ici à la solution du problème à valeur initiale

ẋ (t) = A x (t), x (0) = x0 ,

Les points d’équilibre sont les éléments de Ker A.

Si A est inversible, il n’y a qu’un seul point d’équilibre xe = 0.
 Chapitre 2: Systèmes dynamiques et stabilité

2.1. Introduction
2.2. Solutions des équations différentielles ordinaires
2.3. Équations différentielles linéaires autonomes
2.3.1. Approche élémentaire
2.3.2. Exponentielle de matrice
2.3.3. Solution du problème à valeur initiale
2.3.4. Comportement asymptotique des solutions
2.4. Équations différentielles linéaires avec second membre
2.5. Stabilité des équilibres
2.5.1. Définition
2.5.2. Résultats
2.5.3. Exemples et applications
Approche élémentaire (exemple) 16

On considère l’équation différentielle ordinaire linéaire scalaire

ẋ (t) = λx (t), x (0) = x0 ,

où λ ∈ R et x (·) : R → R. On sait que la solution de cette équation, qui est unique, est
donnée par
x (t) = e λt x0 .
Cette solution est définie sur R et on a le comportement asymptotique suivant :

• Si λ < 0 alors limt→+∞ x (t) = 0 ;

• Si λ = 0 alors x (t) = x0 ;


 Si x0 < 0 alors limt→+∞ x (t) = −∞;

• Si λ > 0 alors Si x0 = 0 alors x (t) = 0;


 Si x > 0 alors lim
0 t→+∞ x (t) = +∞.
 Chapitre 2: Systèmes dynamiques et stabilité

2.1. Introduction
2.2. Solutions des équations différentielles ordinaires
2.3. Équations différentielles linéaires autonomes
2.3.1. Approche élémentaire
2.3.2. Exponentielle de matrice
2.3.3. Solution du problème à valeur initiale
2.3.4. Comportement asymptotique des solutions
2.4. Équations différentielles linéaires avec second membre
2.5. Stabilité des équilibres
2.5.1. Définition
2.5.2. Résultats
2.5.3. Exemples et applications
Exponentielle de matrice 18

Considérons l’espace vectoriel des matrices de taille n × n muni d’une norme (matricielle)
vérifiant ∥AB∥ ≤ ∥A∥∥B∥ pour toutes matrices A et B. Notons (Mn (R), ∥ · ∥) cet espace.
P+∞ Ak
Alors, cet espace est un espace de Banach et on peut montrer que la série k=0 k!
est
absolument convergente 1 puisque
+∞ +∞
X ∥Ak ∥ X ∥A∥k
≤ = e ∥A∥ < +∞.
k! k!
k=0 k=0

Définition 2.3.1 – Exponentielle de matrice

On appelle exponentielle de matrice l’application

exp : Mn (R) −→ GLn (R)

+∞
Ak
exp(A) = e A =
X
A 7−→ .
k!
k=0

1. Or dans un Banach, toute série absolument convergente est convergente, cf. Proposition 3.19.5, Wagschal,
topologie et analyse fonctionnelle.
Propriétés de l’exponentielle de matrice 19

L’exponentielle de matrice
+∞
Ak
exp(A) = e A =
X
k!
k=0

vérifie les propriétés suivantes.

Théorème 2.3.2

i) e0 = I
ii) si A = diag(λ1 , . . . , λn ) alors exp(A) = diag(e λ1 , . . . , e λn )
iii) si P est inversible on a exp(PAP −1 ) = P exp(A)P −1
iv) si A et B sont deux matrices qui commutent alors e A+B = e A e B
v) pour tous α et β scalaires, e (α+β)A = e αA e βA
vi) pour toute matrice A, e A est inversible et (exp(A))−1 = exp(−A)
vii) pour toute matrice A, l’application t 7→ e tA est C ∞ et
d tA
e = Ae tA = e tA A
dt
Propriétés de l’exponentielle de matrice 20

 i) e 0 = I : évident.
ii) évident.
−1 −1 k P PAk P −1
iii) P inversible : e PAP = (PAP )
= Pe A P −1
P
k!
= k!
2
iv) Si A, B commutent, alors
n Ç å
n n
Ak B n−k .
X
(A + B) =
k
k=0

3
Ainsi,
+∞ +∞ n
(A + B)n Ak B n−k
eAeB = = e A+B ,
X X X
cn = cn = .
n! k! (n − k)!
n=0 n=0 k=0

v) e (α+β)A = e αA e βA car αA et αB commutent.

−1
vi) A et −A commutent donc e A e −A = e A−A = e 0 = I. Ainsi, (e A ) = e −A .
vii) dtd e tA = Ae tA = e tA A : on dérive sous le signe somme.
■

2. Ceci est la formule du binôme de Newton.

3. cn est donné par le produit de Cauchy.
 Chapitre 2: Systèmes dynamiques et stabilité

2.1. Introduction
2.2. Solutions des équations différentielles ordinaires
2.3. Équations différentielles linéaires autonomes
2.3.1. Approche élémentaire
2.3.2. Exponentielle de matrice
2.3.3. Solution du problème à valeur initiale
2.3.4. Comportement asymptotique des solutions
2.4. Équations différentielles linéaires avec second membre
2.5. Stabilité des équilibres
2.5.1. Définition
2.5.2. Résultats
2.5.3. Exemples et applications
Solution du problème à valeur initiale 22

Théorème 2.3.3

L’unique solution globale de

ẋ (t) = A x (t), x (t0 ) = x0 ,

s’écrit
x (t) = e (t−t0 )A x0 .

 Soit y (t) = e (t−t0 )A x0 . Il suffit de montrer que y vérifie l’équation différentielle à

valeur initiale ẋ (t) = A x (t), x (t0 ) = x0 . Or

y (t0 ) = e (t0 −t0 )A x0 = e 0 x0 = I x0 = x0

et
ẏ (t) = A e (t−t0 )A x0 = A y (t).
■
Remarque 2.3.1. On peut fixer t0 = 0.
 Chapitre 2: Systèmes dynamiques et stabilité

2.1. Introduction
2.2. Solutions des équations différentielles ordinaires
2.3. Équations différentielles linéaires autonomes
2.3.1. Approche élémentaire
2.3.2. Exponentielle de matrice
2.3.3. Solution du problème à valeur initiale
2.3.4. Comportement asymptotique des solutions
2.4. Équations différentielles linéaires avec second membre
2.5. Stabilité des équilibres
2.5.1. Définition
2.5.2. Résultats
2.5.3. Exemples et applications
A diagonale 24

Si nous considérons le cas du système différentiel

ẋ (t) = Λ x (t), x (0) = x0 ,

avec
···
Ö è
λ1 0
.. .. ..
Λ = diag(λ1 , . . . , λn ) = . . . .
0 ··· λn
La solution est alors
e tλ1 x0,1
Ö tλ1
···
Ö è è
e 0
.. .. .. ..
x (t) = . = . . . x0 = e tΛ x0
tλn tλn
e x0,n 0 ··· e

Le comportement asymptotique est alors

• si tous les λi sont strictement négatifs alors limt→+∞ x (t) = 0 ;
• si tous les λi sont négatifs ou nuls alors la solution est bornée pour t ≥ 0 ;
• si au moins un λi est strictement positif et que x0,i ̸= 0 alors ∥x (t)∥ → +∞, quand
t → +∞.
Rappels sur la diagonalisation de matrices 25

Soit A ∈ Mn (R).
On note P(X ) = det(XIn − A) le polynôme caractéristique de A et Sp(A) le spectre de A,
i.e. l’ensemble des valeurs propres de A.
On introduit :
• la multiplicité algébrique mλ de λ ∈ Sp(A) est son ordre de multiplicité en tant que
racine de P(X ) ;
• la multiplicité géométrique dλ de λ ∈ Sp(A) est la dimension du sous-espace propre
associé Eλ = Ker(λIn − A).

On rappelle qu’une matrice A ∈ Mn (R) estQdiagonalisable ssi ∀ λ ∈ Sp(A), dλ = mλ et si

P(X ) est scindé, i.e. de la forme P(X ) = (X − λ)mλ .
Å ã
λ 1
Exemple 2.3.1. Soit A = . On a P(X ) = (X − λ)2 donc mλ = 2 mais
0 λ
Å ã Å ã
0 1 1
Ker(λI2 − A) = Ker =R
0 0 0

donc dλ = 1. Au final, A est non diagonalisable.

A diagonalisable dans R 26

Supposons A diagonalisable dans R. Alors ∃ P ∈ GLn (R) t.q.

A = PΛP −1

avec Λ ∈ Mn (R) une matrice diagonale.

Posons z(t) = P −1 x (t), alors z(t) est solution de

ż(t) = P −1 ẋ (t) = P −1 PΛP −1 x (t) = Λ z(t)

®

z(0) = P −1 x0 .

On a donc z(t) = e tΛ P −1 x0 et

x (t) = P z(t) = (P e tΛ P −1 )x0 .

Par suite le comportement asymptotique est caractérisé par les valeurs propres de la
matrice A.
A diagonalisable dans R — Plan de phase pour n = 2 27

x (t) = (P e tΛ P −1 )x0 , Λ = diag(λ1 , λ2 ).

P1 P2 P3
1 1 1

0.5 0.5 0.5

x2

x2

x2
0 0 0

-0.5 -0.5 -0.5

-1 -1 -1
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1
x1 x1 x1

Figure 1 – (Gauche) λ1 < 0, λ2 < 0. (Milieu) λ1 > 0, λ2 > 0. (Droite) λ1 λ2 < 0.

Remarque 2.3.2. Si x0 ∈ Ker(λ1 I2 − A), alors x (t) = e tλ1 x0 ∈ Ker(λ1 I2 − A).

n = 2 et A diagonalisable dans C, mais non dans R 28

Supposons A diagonalisable dans C, mais non dans R.

• Il existe alors une valeur propre λ = α + iβ, β ̸= 0 :

Å ã
α β
∃ P ∈ GL2 (R), tel que A = PBP −1 avec B= .
−β α

• Dans cette base le système ẋ (t) = A x (t) s’écrit ż(t) = B z(t).

• La solution en z est donc
Å ã
cos(βt) sin(βt)
z(t) = exp(αt) z = exp(αt)R(−βt)z0 .
− sin(βt) cos(βt) 0

• Comportement asymptotique
- Si α < 0 alors z(t) → 0 quand t → +∞ ;
- Si α = 0 z(t) est borné ;
- Si α > 0 et z0 ̸= 0 alors ||z(t)|| → +∞ quand t → +∞.
A diago dans C, pas dans R — Plan de phase pour n = 2 29

Å ã
cos(θ) − sin(θ)
x (t) = exp(αt) (PR(−βt)P −1 )x0 , R(θ) = .
sin(θ) cos(θ)

P7 P8 P9
1 1 1

0.5 0.5 0.5

x2

x2

x2
0 0 0

-0.5 -0.5 -0.5

-1 -1 -1
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1
x1 x1 x1

Figure 2 – (Gauche) α < 0. (Milieu) α = 0. (Droite) α > 0.

n = 2 et A non diagonalisable dans C 30

Supposons A non diagonalisable dans C.

• L’unique valeur propre λ est réel et le sous espace propre est de dimension 1 et A est
semblable à la matrice Å ã
λ 1
J= .
0 λ
• Dans cette base le système différentielle s’écrit ż(t) = J z(t)
Å ã
0 1
J = λI + = λI + N.
0 0

• Les matrices comutent et la matrice N 2 = 0, donc

Å Å ãã
0 t
z(t) = e λt I + z0 .
0 0

• Une nouvelle fois donc, si λ < 0 alors z(t) → 0 quand t → +∞.

A non diagonalisable dans C — Plan de phase pour n = 2 31

Å Å Å ãã ã
0 t
x (t) = e λt P I+ P −1 x0 .
0 0

P11 P5 P10
1 1 1

0.5 0.5 0.5

x2

x2

x2
0 0 0

-0.5 -0.5 -0.5

-1 -1 -1
-1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1 -1 -0.5 0 0.5 1
x1 x1 x1

Figure 3 – (Gauche) λ < 0. (Milieu) λ = 0. (Droite) λ > 0.

TD1 32

L’objectif du TD1 est de comprendre / construire le diagramme suivant :

det(A)
∆=0

foyer (puit) foyer (source)

∆<0
centre
noeud (puit) noeud (source)
tr(A)
∆>0

point selle ou col

Diagramme de bifurcation dans le plan (tr(A), det(A)), ∆ = tr2 (A) − 4 det(A).

 Chapitre 2: Systèmes dynamiques et stabilité

2.1. Introduction
2.2. Solutions des équations différentielles ordinaires
2.3. Équations différentielles linéaires autonomes
2.3.1. Approche élémentaire
2.3.2. Exponentielle de matrice
2.3.3. Solution du problème à valeur initiale
2.3.4. Comportement asymptotique des solutions
2.4. Équations différentielles linéaires avec second membre
2.5. Stabilité des équilibres
2.5.1. Définition
2.5.2. Résultats
2.5.3. Exemples et applications
Équations différentielles linéaires avec second membre 34

On s’intéresse maintenant aux équations différentielles linéaires à condition initiale de la

forme
ẋ (t) = A x (t) + b(t), x (t0 ) = x0 . (2)

La matrice A ∈ Mn (R) est constante et la fonction b : R → Rn est supposée de classe C k ,

k ≥ 0.

Théorème 2.4.1

L’unique solution globale du problème de Cauchy (2) (ou problème à valeur initiale)
s’écrit Z t
x (t) = e (t−t0 )A x0 + e (t−s)A b(s) ds.
t0

Remarque 2.4.1. On ne considère pas le cas où A dépend du temps.

Équations différentielles linéaires avec second membre 35

Rt
Vérifions que x (t) = e (t−t0 )A x0 + t0
e (t−s)A b(s) ds est solution de
ß
ẋ (t) = A x (t) + b(t)
x (t0 ) = x0 .

• La condition initiale est vérifiée car :

Z t0
x (t0 ) = e (t0 −t0 )A x0 + e (t−s)A b(s) ds = x0 .
t0

• L’équation différentielle est elle aussi vérifiée car :

t
Ç Z å
d (t−t0 )A d tA −sA
ẋ (t) = (e )x0 + e e b(s) ds
dt dt t0
Z t
= A e (t−t0 )A x0 + A e tA e −sA b(s) ds + e tA e −tA b(t)
t0

= A x (t) + b(t).
Équations différentielles linéaires avec second membre 36

Retrouvons la solution de ẋ (t) = A x (t) + b(t), x (t0 ) = x0 .

On pose x (t) = e (t−t0 )A z(t) et on cherche z(t). Tout d’abord,
• x (t0 ) = e (t0 −t0 )A z(t0 ) = z(t0 ) = x0 .
• ẋ (t) = A x (t) + e (t−t0 )A ż(t).

On veut donc que b(t) = e (t−t0 )A ż(t), ou encore que ż(t) = e (t0 −t)A b(t).
Finalement Z t
z(t) = x0 + e (t0 −s)A b(s) ds,
t0

d’où Z t
x (t) = e (t−t0 )A z(t) = e (t−t0 )A x0 + e (t−s)A b(s) ds,
t0

car e (t−t0 )A e (t0 −s)A = e (t−s)A .

Cette méthode est ce que l’on appelle la méthode de la variation de la constante.
Équations différentielles linéaires avec second membre 37

Supposons que b est une fonction constante, on remplace b(t) par −b. Puisque le
système est autonome, on fixe t0 = 0. On s’intéresse alors à la solution de

ẋ (t) = A x (t) − b, x (0) = x0 .

On suppose que b ∈ Im A et on considère xe ∈ Rn tel que A xe = b. Le point xe est un

point d’équilibre du système ẋ (t) = A x (t) − b. On fait le changement de variable

y (t) := x (t) − xe .

Alors, y est solution de

ẏ (t) = ẋ (t) = A x (t) − b = A (y (t) + xe ) − b = A y (t), y (0) = x0 − xe .

La solution de ce système est donnée par

y (t) = e tA (x0 − xe ).

Au final, x (t) = xe + e tA (x0 − xe ) est le comportement asymptotique de la solution est

donnée par les valeurs propres de A.
 Chapitre 2: Systèmes dynamiques et stabilité

2.1. Introduction
2.2. Solutions des équations différentielles ordinaires
2.3. Équations différentielles linéaires autonomes
2.3.1. Approche élémentaire
2.3.2. Exponentielle de matrice
2.3.3. Solution du problème à valeur initiale
2.3.4. Comportement asymptotique des solutions
2.4. Équations différentielles linéaires avec second membre
2.5. Stabilité des équilibres
2.5.1. Définition
2.5.2. Résultats
2.5.3. Exemples et applications
Dans cette partie sur la stabilité des équilibres, nous considérons une équation
différentielle autonome :
ẋ (t) = f (x (t)).
 Chapitre 2: Systèmes dynamiques et stabilité

2.1. Introduction
2.2. Solutions des équations différentielles ordinaires
2.3. Équations différentielles linéaires autonomes
2.3.1. Approche élémentaire
2.3.2. Exponentielle de matrice
2.3.3. Solution du problème à valeur initiale
2.3.4. Comportement asymptotique des solutions
2.4. Équations différentielles linéaires avec second membre
2.5. Stabilité des équilibres
2.5.1. Définition
2.5.2. Résultats
2.5.3. Exemples et applications
Stabilité 41

Définition 2.5.1 – Point d’équilibre

On appelle point d’équilibre tout point xe de Rn qui vérifie f (xe ) = 0.

Définition 2.5.2 – Stabilité

Un équilibre xe est stable si, pour tout ε > 0, il existe δε > 0 tel que

∥x0 − xe ∥ < δε et t>0 ⇒ ∥x (t, x0 ) − xe ∥ < ε.

Remarque 2.5.1. Toute solution proche de xe stable en reste proche.

Définition 2.5.3 – Stabilité asymptotique

Nous dirons qu’un équilibre xe est asymptotiquement stable (A.S.) s’il est stable
et s’il existe un voisinage V de xe tel que, pour tout x0 ∈ V ,

lim x (t, x0 ) = xe .
t→+∞
Stabilité et stabilité asymptotique 42

Illustration de la stabilité et de la stabilité asymptotique au voisinage du point d’équilibre.

δε δε
xe

ε ε

Illustration : stabilité (gauche) et stabilité asymptotique (droite) dans le plan de phase. À droite,
le domaine gris représente un voisinage du point d’équilibre xe pour lequel toute trajectoire
partant de celui-ci converge vers xe quand t tend vers l’infini.
 Chapitre 2: Systèmes dynamiques et stabilité

2.1. Introduction
2.2. Solutions des équations différentielles ordinaires
2.3. Équations différentielles linéaires autonomes
2.3.1. Approche élémentaire
2.3.2. Exponentielle de matrice
2.3.3. Solution du problème à valeur initiale
2.3.4. Comportement asymptotique des solutions
2.4. Équations différentielles linéaires avec second membre
2.5. Stabilité des équilibres
2.5.1. Définition
2.5.2. Résultats
2.5.3. Exemples et applications
Stabilité dans le cas linéaire autonome et homogène 44

Théorème 2.5.4

• L’origine est un équilibre asymptotiquement stable de

ẋ (t) = A x (t)

si et seulement si toutes les valeurs propres de A sont à partie réelle stricte-

ment négative.

• Si A a au moins une valeur propre à partie réelle strictement positive, alors

l’origine n’est pas un équilibre stable de ẋ (t) = A x (t).

Théorème 2.5.5

L’origine est un équilibre stable de ẋ (t) = A x (t) si et seulement si toutes les

valeurs propres de A sont à partie réelle négative ou nulle et si pour toute valeur
propre de partie réelle nulle, les multiplicités algébrique et géométrique coïncident.
Stabilité (par linéarisation) dans le cas non linéaire 45

Théorème 2.5.6

Soit xe un point d’équilibre de ẋ (t) = f (x (t)). Si toutes les valeurs propres de

f ′ (xe )

sont à partie réelle strictement négative, alors le point d’équilibre xe est asympto-
tiquement stable.

′
Exemple 2.5.1 (contre-exemple). Soit ẋ (t) = f (x (t)) = −x 3 (t).q Alors, f (xe ) = 0 et
1
pourtant xe = 0 est A.S. car pour x0 ̸= 0 : x (t, x0 ) = sign(x0 )/ 2t + x 2 .
0

Théorème 2.5.7

Si f ′ (xe ) a au moins une valeur propre à partie réelle strictement positive, alors xe
n’est pas un équilibre stable.

Remarque 2.5.2. La réciproque est fausse.

Stabilité par linéarisation : exemple 46

Attention, ce n’est pas parce que toutes les valeurs propres sont à partie réelle négative
ou nulle que l’équilibre est stable.
Exemple 2.5.2. On considère les cas ẋ (t) = f (x (t)) et ẋ (t) = g(x (t)) avec xe = (0, 0) et

x2 − x1 (x12 + x22 ) x2 + x1 (x12 + x22 )

Å ã Å ã
f (x ) = , g(x ) = .
−x1 − x2 (x12 + x22 ) −x1 + x2 (x12 + x22 )

Alors, xe est A.S. pour ẋ (t) = f (x (t)) et instable pour ẋ (t) = g(x (t)).
On a tout d’abord Å ã
0 1
f ′ (xe ) = g ′ (xe ) = = A.
−1 0
Ainsi, PA (λ) = det(λI2 − A) = λ2 + 1 donc λ = ±i.

Remarque 2.5.3. Real(±i) = 0.

Soit x (·) une solution de ẋ = f (x ). On pose ρ(t) = ∥x (t)∥2 . On a alors ρ′ (t) = −2ρ(t)2 .
Pour ẋ = g(x ), on a ρ′ (t) = 2ρ(t)2 .
On peut alors conclure (voir polycopié) que xe est A.S. pour f et instable pour g.
Équilibre hyperbolique 47

Définition 2.5.8

Un point d’équilibre est dit hyperbolique si toutes les valeurs propres de f ′ (xe )
sont à partie réelle non nulle.
Équilibre hyperbolique 47

Définition 2.5.8

Un point d’équilibre est dit hyperbolique si toutes les valeurs propres de f ′ (xe )
sont à partie réelle non nulle.

Corollaire 2.5.9

Un point d’équilibre hyperbolique est soit asympotiquement stable, soit non stable.

Remarque 2.5.4. Pour n = 2 on a en xe un point d’équilibre :

• Si det(f ′ (xe )) < 0 ou (det(f ′ (xe )) > 0 et tr(f ′ (xe )) > 0) alors xe n’est pas stable.
• Si det(f ′ (xe )) > 0 et tr(f ′ (xe )) < 0 alors xe est A.S.
Stabilité des équilibres — Récapitulatif 48

Cas linéaire : ẋ (t) = A x (t). On pose xe = 0.

• xe est un eq. A.S. ssi ∀ λ ∈ Sp(A) : Re(λ) < 0 ;
• Si ∃ λ ∈ Sp(A) t.q. Re(λ) > 0 alors xe est un eq. instable ;
• xe est un eq. stable ssi ∀ λ ∈ Sp(A) : Re(λ) ≤ 0 et si ∀ λ ∈ Sp(A) t.q. Re(λ) = 0 on
a mλ = dλ .

Cas non linéaire : ẋ (t) = f (x (t)). Soit xe t.q. f (xe ) = 0 et A = f ′ (xe ).

• Si ∀ λ ∈ Sp(A) : Re(λ) < 0 alors xe A.S. ;
• Si ∃ λ ∈ Sp(A) t.q. Re(λ) > 0 alors xe est un eq. instable.

Cas hyperbolique : xe eq. hyperbolique ssi ∀ λ ∈ Sp(A) : Re(λ) ̸= 0.

• Un point d’équilibre hyperbolique est soit A.S., soit instable.
 Chapitre 2: Systèmes dynamiques et stabilité

2.1. Introduction
2.2. Solutions des équations différentielles ordinaires
2.3. Équations différentielles linéaires autonomes
2.3.1. Approche élémentaire
2.3.2. Exponentielle de matrice
2.3.3. Solution du problème à valeur initiale
2.3.4. Comportement asymptotique des solutions
2.4. Équations différentielles linéaires avec second membre
2.5. Stabilité des équilibres
2.5.1. Définition
2.5.2. Résultats
2.5.3. Exemples et applications
Exemple du pendule simple (non contrôlé) 50


α ẋ1 (t) = x2 (t)
l 
ẋ2 (t) = − gl sin(x1 (t))


 x1 (0) = x0,1 = α0

x2 (0) = x0,2 = α̇0


mg

Figure 4 – Pendule simple.

Exemple du pendule simple (non contrôlé) 51

La figure ci-dessous montre les trajectoires dans le plan de phase. On a un point

d’équilibre stable, mais non asymptotiquement stable et deux points d’équilibre instables.
En présence de frottements, le point d’équilibre stable devient alors un point d’équilibre
asymptotiquement stable.
x2

−pi 0 pi
x
1
Exemple du pendule simple (non contrôlé) 52

Pendule simple : ẋ (t) = f (x (t)) = (x2 (t), − gl sin(x1 (t))).

On a Å ã
0 1
f ′ (x ) = g .
− l cos(x1 ) 0
Donc en xe = (0, 0), on a
Å ã
0 1
f ′ (xe ) = ⇒ det(f ′ (xe )) > 0 et tr(f ′ (xe )) = 0
− gl 0
⇒ on ne peut pas conclure.

En revanche, en xe = (π, 0), on a

Å ã
0 1
f ′ (xe ) = g ⇒ det(f ′ (xe )) < 0 et tr(f ′ (xe )) = 0
l
0
⇒ xe est instable.
Exemple du pendule simple (non contrôlé) 53

L’énergie mécanique du pendule s’écrit E (x1 , x2 ) = T (x2 ) + V (x1 ), avec

T (x2 ) = 21 ml 2 x22 ≥ 0 l’énergie cinétique et V (x1 ) = −mgl cos x1 l’énergie potentielle de
pesanteur. On a :
∀ t : E (x (t)) = E (x (0)),
c’est-à-dire l’énergie mécanique est conservée. On peut alors montrer que (0, 0) est
stable, cf. la figure ci-dessous :

V mgl

| |
−π π x1

−mgl
Exemple du pendule amorti (non contrôlé) 54

g
Pendule simple amorti : ẋ (t) = f (x (t)) = (x2 (t), − mlk 2 x2 (t) − l
sin(x1 (t))).
En xe = (0, 0), on a
Å ã
0 1
f ′ (xe ) = ⇒ det(f ′ (xe )) > 0 et tr(f ′ (xe )) < 0
− gl − mlk 2
⇒ xe est A.S.

k2
− 4 gl .
2
On a de plus : ∆ = tr(f ′ (xe )) − 4 det(f ′ (xe )) = m2 l 4

Ainsi :
√
• Si ∆ > 0, alors λ1,2 = 1
2
(− mlk 2 ± ∆) < 0 : cas P1, Fig. 1, slide 27.

(− mlk 2
1
p
• Si ∆ < 0, alors λ1,2 = 2
±i |∆|) = α ± iβ, α < 0 : cas P7, Fig. 2, slide 29.

k ′
• Si ∆ = 0, alors λ = λ1,2 = − 2ml 2 < 0 et dim(Ker(f (xe ) − λI2 )) = 1 : cas P11,
Fig. 3, slide 31.
Exemple du pendule amorti (non contrôlé) — Remarque 55

π
Question : Dans le cas du pendule simple amorti, a-t-on montré que pour α0 = 2
,
α̇0 = 0, le système allait converger vers l’équilibre A.S. (0, 0) ?
Exemple du pendule amorti (non contrôlé) — Remarque 55

π
Question : Dans le cas du pendule simple amorti, a-t-on montré que pour α0 = 2
,
α̇0 = 0, le système allait converger vers l’équilibre A.S. (0, 0) ?

Réponse : Non, on ne l’a pas montré !

On a montré que ∃ ᾱ0 > 0, ∃ ᾱ˙ 0 > 0 t.q.

∀(α0 , α̇0 ) ∈ V0 = ]−ᾱ0 , ᾱ0 [ × ]−ᾱ˙ 0 , ᾱ˙ 0 [ ∈ V(0, 0), (α(t), α̇(t)) → (0, 0),

avec (α(0), α̇(0)) = (α0 , α̇0 ). Mais on ne connait pas ᾱ0 , ᾱ˙ 0 ! Pour aller plus loin, il faut
utiliser la théorie de Lyapunov.

Attention : dans le cas non linéaire, la notion de stabilité est locale !