Equations différentielles

L3, 2022-2023

Université de Rouen Normandie, LMRS

Matthieu Alfaro.
ii

AVERTISSEMENT :

Ce poly est un document en construction, qui contient sûrement quelques coquilles voire
erreurs et ne demande qu’à s’améliorer.
Ce poly est incomplet et aride à la lecture seule. Il prend son sens une fois complété par les
explications, les reformulations, les dessins, les lemmes, les preuves, les exemples donnés en
cours, et les exercices traités en TD.
Bref, ce poly n’est qu’un support...
Ce poly est librement inspiré de plusieurs cours préexistants, cf notamment [1], [2], [3] qu’on
peut aller voir pour rentrer dans certains détails passés ici sous silence.
Table des matières

1 Des équations différentielles pour modéliser 1

1.1 Dynamique d’une population . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Dynamique de deux populations . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 En physique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4 Un cadre théorique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Equations différentielles linéaires 6

2.1 Théorème de Cauchy-Lipschitz linéaire . . . . . . . . . . . . . . . . . . . . . . 6
2.2 L’espace affine des solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Equations linéaires scalaires (n = 1) . . . . . . . . . . . . . . . . . . . . . . . 7
2.3.1 Ordre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3.2 Ordre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 Systèmes linéaires (n ≥ 2) à coefficients constants . . . . . . . . . . . . . . . . 11
2.4.1 Equation homogène (H) : X 0 = AX . . . . . . . . . . . . . . . . . . . 11
2.4.2 Equation (E) : X 0 = AX + B(t) . . . . . . . . . . . . . . . . . . . . . 12
2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

3 Théorème de Cauchy-Lipschitz 18
3.1 Le théorème de Cauchy-Lipschitz . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.2 Premières conséquences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.3 Explosion en temps fini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

iii
iv TABLE DES MATIÈRES
Chapitre 1

Des équations différentielles pour

modéliser

Avertissement : jusqu’ici, en analyse, la variable était très souvent notée x et une fonction était
très souvent notée f . On va maintenant s’intéresser à des équations différentielles où l’inconnue
est une fonction qui doit vérifier une certaine égalité reliant la fonction et certaines de ses
dérivées. Ces équations modélisent très souvent des phénomènes biologiques ou physiques et
la variable sera donc notée t (le temps) ; quant à la fonction inconnue elle sera très souvent
notée x si elle à valeurs réelles (x(t) représente une grandeur physique, par exemple l’abscisse
d’un mobile, ou un nombre d’individus en dynamique des populations... etc), ou X si elle
est à valeurs dans Rn , n ≥ 2 (par exemple X(t) = (x(t), y(t)) où x(t) et y(t) représentent
un nombre d’individus de deux espèces en compétition, ou des proies et des prédateurs...).
L’équation différentielle est souvent accompagnée d’une donnée initiale, c’est à dire la valeur
de la fonction inconnue au temps initial (disons t = 0).

1.1 Dynamique d’une population

Au temps t on note x(t) la taille d’une population. On suppose que, entre le temps t et
le temps t + dt, l’accroissement de la population est proportionnel au temps écoulé dt et à
f (x(t)), où f est une fonction de croissance. On a donc

x(t + dt) = x(t) + f (x(t))dt,

soit
x(t + dt) − x(t)
= f (x(t)).
dt
En faisant dt → 0, on obtient l’équation différentielle ordinaire (EDO)

x0 (t) = f (x(t)).

En adjoignant une condition initiale, on obtient

(
x0 (t) = f (x(t))
x(0) = x0 > 0 donné

qu’on appelle problème de Cauchy (=1 EDO +1 condition intiale).

1
2 CHAPITRE 1. DES ÉQUATIONS DIFFÉRENTIELLES POUR MODÉLISER

1.5 1.5

1.0 1.0

0.5 0.5

-1 1 2 3 4 -1 1 2 3 4

Figure 1.1 – A gauche : x0 = x, en rouge la condition initiale x(0) = 0.2, cf Exemple 1.1.1.
A droite : x0 = x(1 − x), en rouge la condition initiale x(0) = 0.2, cf Exemple 1.1.2.

Exemple 1.1.1 (EDO linéaire autonome). Croissance linéaire f (x) = rx avec r constante
réelle. En anticipant un peu
(
x0 = rx
la solution du pb de Cauchy est x(t) = x0 ert .
x(0) = x0 > 0 donné

Si r < 0, x(t) → 0 quand t → +∞ (extinction). En revanche si r > 0, x(t) → +∞ quand

t → +∞ (explosion), cf Figure 1.1 gauche.

Noter que, si r > 0, le seul zéro de la fonction de croissance linéaire est zéro. Noter aussi
que, si r > 0, la fonction de croissance linéaire n’est pas majorée sur [0, +∞[ signifiant que
les ressources pour cette population sont illimitées. Cela n’est pas très réaliste et conduit à
l’explosion.

Exemple 1.1.2 (EDO non linéaire autonome). Croissance logistique f (x) = rx(1 − x) avec
r > 0 constante donnée. En anticipant un peu
(
x0 = rx(1 − x) x0 ert
la solution du pb de Cauchy est x(t) = .
x(0) = x0 > 0 donné 1 − x0 + x0 ert

On a x(t) → 1 quand t → +∞ (survie avec saturation), cf Figure 1.1 droite. 1 est la capacité
biotique (normalisée) de la population.

A noter que la fonction de croissance logistique est proche de rx lorsque x est voisin de
zéro mais, quand x grandit, le terme (1 − x) agit comme une pénalisation, modélisant la
compétition entre les individus pour les ressources disponibles. Noter enfin que f (0) = 0 mais
aussi f (1) = 0...
Enfin, on peut imaginer que le taux de croissance ou la force de la compétition sont des
grandeurs qui dépendent du temps (par exemple de manière périodique pour modéliser les
saisons).

Exemple 1.1.3 (EDO non autonomes). Voici quelques modèles linéaires avec coefficients
dépendant du temps

x0 = (2 + cos t)x, x0 = (1 + t2 )x, x0 = 3x + b(t),

et quelques modèles non linéaires avec coefficients dépendant du temps

x0 = (2 + cos t)x(1 − x), x0 = x(1 − (2 + cos t)x)

qu’on discutera en cours.

1.2. DYNAMIQUE DE DEUX POPULATIONS 3

1.2 Dynamique de deux populations

On considère ici deux populations mesurées par x(t) et y(t) pour t ≥ 0. On va écrire trois
systèmes différentiels non linéaires pour trois situations différentes.

Exemple 1.2.1. Ici x(t) est une proie (des lièvres par ex.) et y(t) son prédateur (des lynx
par ex.). On peut modéliser cela par le système de Lotka-Volterra (normalisé) :
(
x0 = x(1 − y)
PROIE-PREDATEUR
y 0 = ry(−1 + x)

où r > 0 est une constante. En l’absence de prédateurs, les proies croissent linéairement ; le
terme NON LINEAIRE −xy représente la prédation (négative pour les proies !). En l’absence
de proies, les prédateurs décroissent linéairement ; le terme NON LINEAIRE +rxy représente
la prédation (positive pour les prédateurs !).

Exemple 1.2.2. Ici x(t) et y(t) sont deux populations (homme de Néandertal contre Homo
sapiens ; écureuils invasifs contre écureuils indigènes...) et en compétition pour les ressources
(la nourriture...). On peut modéliser cela par le système (normalisé) :
(
x0 = x(1 − x − αy)
COMPETITION
y 0 = ry(1 − y − βx)

où α > 0, r > 0 et β > 0 sont des constantes. En l’absence de l’autre population, chaque
population croît de manière logistique (termes x(1 − x) et ry(1 − y)). De plus, par compétition,
x(t) “freine” y(t) (terme −βx dans la parenthèse) et y(t) “freine” x(t) (terme −αy dans la
parenthèse). La question est “quelqu’un gagne t il la compétition ? si oui qui ?”...

Exemple 1.2.3. Ici x(t) et y(t) sont deux populations qui s’entraident (termites et microor-
ganismes digérant la cellulose, crocodiles et pluvians du Nil...). On peut modéliser cela par le
système (normalisé) :
(
x0 = x(1 − x + αy)
SYMBIOSE, MUTUALISME
y 0 = ry(1 − y + βx)

où α > 0, r > 0 et β > 0 sont des constantes. En l’absence de l’autre population, chaque
population croît de manière logistique (termes x(1 − x) et ry(1 − y)). De plus, par symbiose,
x(t) “aide” y(t) (terme +βx dans la parenthèse) et y(t) “aide” x(t) (terme +αy dans la
parenthèse).

Les trois systèmes non linéaires ci dessus sont autonomes mais on peut évidemment imaginer
que certains coefficients (un taux de croissance ou un taux de compétition par exemple)
dépendent du temps...

1.3 En physique
On peut évidemment rencontrer des EDO où interviennent les dérivées d’ordre supérieur de
la fonction inconnue. Par exemple, en mécanique, si x(t) mesure la position d’un mobile alors
la relation fondamentale de la dynamique conduit à des EDO où intervient l’accélération qui
n’est autre que x00 (t).
4 CHAPITRE 1. DES ÉQUATIONS DIFFÉRENTIELLES POUR MODÉLISER

Exemple 1.3.1. (EDO linéaire autonome) Si on accroche une masse m > 0 (assimilée à un
point) à un ressort de raideur k > 0, alors la position x(t) de la masse est régie par l’EDO du
second ordre
k
x00 + x = 0,
m
qui devient un problème de Cauchy si on adjoint la position initiale x(0) ET la vitesse initiale
x0 (0). Si x(0) = x0 (0) = 0 il ne se passe rien, sinon ça “oscille”...
Exemple 1.3.2. (EDO non linéaire autonome) L’équation du pendule simple est
g
θ00 + sin θ = 0,
`
qui devient un problème de Cauchy si on adjoint l’angle initial θ(0) ET la vitesse angulaire
initiale θ0 (0).
Evidemment on peut aussi avoir des coefficients qui dépendent du temps.

1.4 Un cadre théorique

Notons qu’une écriture “unifiée” pour les EDO rencontrées en Sections 1.1 et 1.2 est

X 0 = f (t, X), (1.1)

où X est la fonction inconnue, de la variable réelle t, à valeurs dans Rn (par ex. pour une
population n = 1 et on note alors plutôt x, mais pour deux populations n = 2 et on note
X = (x, y)...), et f une fonction de la variable temporelle t et de la variable d’état X. Si f ne
dépend pas de t alors l’EDO
X 0 = f (X)
est dite autonome.
D’autre part les deux exemples de la Section 1.3 sont des “EDO du second degré avec
inconnue à valeurs réelles” mais qu’on peut (cf cours) les écrire comme des “EDO du premier
ordre avec inconnue à valeurs dans R2 ”.
Ainsi, quitte à payer sur la taille de la solution, on pourra toujours abaisser le degré d’une
EDO pour la mettre sous la forme (1.1), forme pour laquelle nous aurons besoin d’une théorie
générale (cf Chapitre 3)...
Le cadre est donc le suivant :
On se donne un intervalle ouvert I de R et Ω un ouvert de Rn (n ≥ 1). On se donne une
fonction
f : I × Ω → Rn .
• On s’intéresse à l’EDO
X 0 = f (t, X). (1.2)
Une solution de l’EDO (1.2) est un COUPLE (J, X) où J ⊂ I est un intervalle (d’intérieur
non vide) ET X : J → Ω ⊂ Rn une fonction dérivable telle que, pour tout t ∈ J on a
X 0 (t) = f (t, X(t)) (noter l’aspect local).
Définition 1.4.1. Soient (J1 , X1 ) et (J2 , X2 ) deux solutions. On dit que (J2 , X2 ) est un
prolongement de (J1 , X1 ) si
J1 ⊂ J2 et X1 = X2 sur J1 .
On dit que (J, X) est une solution maximale si elle n’est pas (strictement) prolongeable.
On dit que (J, X) est une solution globale si J = I.
1.4. UN CADRE THÉORIQUE 5

• Pour t0 ∈ I et X0 ∈ Ω, on s’intéresse au problème de Cauchy

(
X 0 = f (t, X)
(1.3)
X(t0 ) = X0 .

Une solution du problème de Cauchy (1.3) est un COUPLE (J, X) où J ⊂ I est un intervalle
(d’intérieur non vide) contenant t0 ET X : J → Ω ⊂ Rn une fonction dérivable telle que, pour
tout t ∈ J on ait X 0 (t) = f (t, X(t)) (noter l’aspect local) et X(t0 ) = X0 .
L’espoir est d’avoir, sous des hypothèse raisonnables, existence et unicité d’une
solution maximale pour le problème de Cauchy. Il va s’agir des théorèmes dits de
Cauchy-Lipschitz.
Chapitre 2

Equations différentielles linéaires

On reprend ici le cadre du chapitre précédent, à savoir X 0 = f (t, X), mais on s’intéresse au
cas où
f (t, X) = A(t)X + B(t),

avec t ∈ I, A(t) un endomorphisme de Rn (ou, par extension, une matrice carrée de taille
n), B(t) un vecteur de taille n (ou, par extension, une matrice colonne de hauteur n). On
dit alors que l’équation différentielle est linéaire (même si on devrait dire affine). Il s’avère
que, en supposant simplement la continuité de t 7→ A(t) et de t 7→ B(t), on a un théorème
de Cauchy-Lipschitz et que, en cadeau bonus, la solution maximale est globale ! Un deuxième
avantage est que, contrairement aux équations non linéaires, on sait décrire la structure de
l’ensemble des solutions de l’EDO et on a, dans quelques cas, des stratégies “définitives” pour
calculer les solutions de l’EDO ou la solution d’un problème de Cauchy linéaire...

2.1 Théorème de Cauchy-Lipschitz linéaire

Théorème 2.1.1 (de Cauchy-Lipschitz linéaire). Soit I un intervalle ouvert de R. Soit
t0 ∈ I. Soit X0 ∈ Rn . Soit A : I → L(Rn ) et B : I → Rn deux applications continues sur I.
Alors le problème de Cauchy linéaire

X 0 = A(t)X + B(t)

(2.1)
X(t0 ) = X0 .

admet une unique solution maximale qui, de plus, est globale.

Notons que l’EDO X 0 = A(t)X + B(t) peut s’écrire sous la forme d’un système :

0
x1 = a11 (t)x1 + · · · + a1n (t)xn + b1 (t)



. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .


....................................
x0 = a (t)x + · · · + a (t)x + b (t),

n n1 1 nn n n

   
b1 (t) x1 (t)
où A(t) = (aij (t))i≤i,j≤n , B(t) = 
 .. , X(t) =  .. .
.   . 
bn (t) xn (t)

6
2.2. L’ESPACE AFFINE DES SOLUTIONS 7

2.2 L’espace affine des solutions

A l’équation
(E) : X 0 = A(t)X + B(t),

on associe l’équation dite homogène

(H) : X 0 = A(t)X.

Alors
1. L’ensemble des solutions de (H) est un sous espace vectoriel de dimension n de C 1 (I).
Pour le déterminer, il nous faut donc n solutions V1 ,. . ., Vn linéairement indépendantes.
2. On cherche une solution Z de (E) ; on parle d’une solution particulière de (E). Dans
les cas les plus favorables, on “voit” une solution particulière évidente ; sinon on peut
utiliser la méthode de variation des constantes...
3. Les solutions de l’équation (E) sont alors obtenues en sommant les solutions
de l’équation homogène (H) et la solution particulière Z trouvée.
4. Enfin, si on cherche à résoudre le problème de Cauchy (2.1), il faut, parmi toutes les
solutions de (E) obtenues au point 3., sélectionner celle qui vérifie la condition initiale
X(t0 ) = X0 , en ajustant les n constantes qui étaient “libres”.

Exemple 2.2.1. Résoudre le problème de Cauchy

x0 = tx − t


x(0) = 3.

Il faut bien comprendre que tout cela est “théorique” car, en général, dès le point 1. on ne
sait pas trouver les V1 ,. . ., Vn ! ! ! !
Il y a cependant quelques cas favorables que nous étudions en détails ci-dessous.

2.3 Equations linéaires scalaires (n = 1)

On se place ici dans le cadre des fonctions à valeurs réelles, cad n = 1, et on utilise les
notations A(t) = a(t), B(t) = b(t) et X(t) = x(t).

2.3.1 Ordre 1
On rappelle ici comment on résout l’équation différentielle du premier ordre

(E) : x0 = a(t)x + b(t),

où a : I → R et b : I → R sont continues.

1. Les solutions de l’équation homogène

(H) : x0 = a(t)x

sont les fonctions de la forme t 7→ λeA(t) où A est une primitive de a sur I et λ un réel
arbitraire.
8 CHAPITRE 2. EQUATIONS DIFFÉRENTIELLES LINÉAIRES

2. Si on n’a pas de solution particulière évidente de (E) alors on en cherche une sous la
forme
z(t) = λ(t)eA(t) (méthode de variation de la constante).

est solution particulière on obtient λ0 (t) = b(t)e−A(t) et on choisit

R tque z −A(s)
En traduisant
donc λ(t) = t0 b(s)e ds. Une solution particulière est donc donnée par
Z t
z(t) = e A(t)
b(s)e−A(s) ds.
t0

3. Les solutions de (E) sont donc les fonctions de la forme :

Z t
t 7→ λe A(t)
+e A(t)
b(s)e−A(s) ds,
t0

où λ ∈ R est arbitraire.
4. Si on veut résoudre le problème de Cauchy avec la condition initiale x(t0 ) = x0 on doit
avoir λ = e−A(t0 ) x0 et la solution est donc
Z t
t 7→ x0 eA(t)−A(t0 ) + eA(t) b(s)e−A(s) ds.
t0

Exemple 2.3.1. Résoudre les problèmes de Cauchy suivants

( ( 2
(
x0 = 2t x x0 = − t +1
t x x0 = t2 −1
t
x+1
x(1) = 2, x(1) = 1, x(0) = 1.

2.3.2 Ordre 2
On cherche ici à résoudre l’EDO linéaire du second ordre

(E) : x00 + u(t)x0 + v(t)x = w(t),

où u, v, w : I → R sont continues.  
x(t)
Souvenons nous qu’en posant y(t) = x0 (t)
et X(t) = on ramène l’équation diffé-
y(t)
rentielle scalaire du second ordre (E) à l’équation linéaire du premier ordere (en payant sur
la taille de la solution, maintenant égale à 2)
   
0 0 1 0
X = X+ ,
−v(t) −u(t) w(t)
| {z } | {z }
=A(t) =B(t)

et on sait que le Théorème de Cauchy-Lipschitz linéaire s’applique. Notons encore que pour
faire de (E) un problème de Cauchy, il faut imposer la valeur de x ET de x0 en un point
t0 ∈ I, soit

00 0
x + u(t)x + v(t)x = w(t)

x(t0 ) donné

 0
x (t0 ) donné.
2.3. EQUATIONS LINÉAIRES SCALAIRES (N = 1) 9

1. Equation homogène (H) : x00 + u(t)x0 + v(t)x = 0

Les solutions de l’équation homogène

(H) : x00 + u(t)x0 + v(t)x = 0,

forment un espace vectoriel de dimension 2. Autrement dit si h1 et h2 sont deux solutions

linéairement indépendantes alors toutes les solutions sont de la forme λ1 h1 + λ2 h2 avec λ1
et λ2 des réels arbitraires. En général on n’est pas capables de déterminer h1 et h2 ... Citons
cependant 2 cas favorables :
• L’équation est à coefficients constants :

(H) : x00 + ux0 + vx = 0,

avec u et v deux réels donnés. L’équation caractéristique associée est :

P (r) = r2 + ur + v = 0.

Notons ∆ son discriminant. On a les trois cas :

— Si ∆ > 0, alors l’équation caractéristique a deux racines réelles distinctes notées r1 et
r2 . Les solutions de (H) sont alors les fonctions de la forme

t 7→ λ1 er1 t + λ2 er2 t ,

où λ1 , λ2 sont deux constantes réelles.

— Si ∆ = 0, alors l’équation caractéristique a une racine réelle double notée r0 . Les
solutions de (H) sont alors les fonctions de la forme

t 7→ (λ1 t + λ2 )er0 t ,

où λ1 , λ2 sont deux constantes réelles.

— Si ∆ < 0, alors l’équation caractéristique a deux racines complexes distinctes et conju-
guées, disons α + iβ et α − iβ, avec α et β réels. Les solutions de (H) sont alors les
fonctions de la forme
t 7→ eαt (λ1 cos βt + λ2 sin βt),
où λ1 , λ2 sont deux constantes réelles.

Exemple 2.3.2. Résoudre x00 + 2x0 − 3x = 0, x00 + 2x0 + x = 0, x00 − 2x0 + 2x = 0.

• On a la chance de connaître une solution h de (H) car elle est évidente ou car on a
travaillé avec des séries entières ou car je ne sais quoi... Alors la technique est la suivante : on
cherche une deuxième solution sous la forme x = zh. En injectant dans l’équation on obtient
que x est solution de (H) si z 0 est solution d’une équation différentielle scalaire du premier
ordre. On résout cette équation pour déterminer z 0 puis, par intégration, on détermine z ; ainsi
on dispose d’une deuxième solution x = zh et donc de notre base de l’espace des solutions.

Exemple 2.3.3. Résoudre sur ]0, +∞[ l’équation x00 −x0 + 1t x = 0. On remarque que h1 : t 7→ t
est solution évidente. On pose x(t) = tz(t). On obtient x00 − x0 + 1t x = tz 00 + (2 − t)z 0 . Par
t Rt u
résolution de l’équation tv 0 +(2−t)v = 0 on obtient z 0 (t) = et2 ; on choisit donc z(t) = 1 ue 2 du.
Rt u
Ainsi on a une deuxième solution h2 : t 7→ t 1 ue 2 du. Les solutions sont donc les fonctions de
Rt u
la forme t 7→ λ1 t + λ2 t 1 ue 2 du.
10 CHAPITRE 2. EQUATIONS DIFFÉRENTIELLES LINÉAIRES

2. Solution particulière de (E) : x00 + u(t)x0 + v(t)x = w(t)

Comme d’habitude si on a une solution particulière évidente on s’en saisit ! Sinon on en en
cherche une sous la forme z = λ1 h1 + λ2 h2 où λ1 et λ2 ne sont plus des constantes mais des
fonctions. On IMPOSE la condition λ01 h1 + λ02 h2 = 0. Dans ces conditions on obtient que z
est solution si λ01 h01 + λ02 h02 = w. En résolvant le système
(
h1 λ01 + h2 λ02 = 0
h01 λ01 + h02 λ02 = w,

on détermine (λ01 , λ02 ) puis, après intégration, (λ1 , λ2 ) ce qui donne donc la solution particulière
z = λ 1 h1 + λ 2 h2 .

Exemple 2.3.4. Résolvons sur ]0, +∞[ l’équation (E) : t2 x00 − 2tx0 + 2x = 2 + 2t3 sin t.
On remarque que h1 : t 7→ t et h2 : t 7→ t2 sont 2 solutions linéairement indépendantes de
l’équation homogène dont les solutions sont donc de la forme t 7→ αt + βt2 , avec α et β des
réels arbitraires.
Cherchons une solution particulière à (E) sous la forme

z(t) = α(t)t + β(t)t2 .

On aboutit alors au système

(
tα0 (t) + t2 β 0 (t) = 0
α0 (t) + 2tβ 0 (t) = t22 + 2t sin t.

Sa résolution conduit à α0 (t) = − t22 − 2t sin t et β 0 (t) = t23 + 2 sin t. En primitivant (besoin
d’une IPP pour α) on a α(t) = 2t − 2 sin t + 2t cos t et β(t) = − t12 − 2 cos t, d’où une solution
particulière donnée par x0 (t) = ( 2t − 2 sin t + 2t cos t)t + (− t12 − 2 cos t)t2 = 1 − 2t sin t.
Bilan : les solutions sont données par

x(t) = αt + βt2 + 1 − 2t sin t.

Remarque 2.3.5. Lorsque l’équation est à coefficients constants et que le second membre est
“sympathique”, on sait sous quelle forme chercher une solution particulière. Ainsi, face à

(E) : ax00 + bx0 + cx = d(t),

avec a 6= 0, b et c des réels donnés, on note P (r) = ar2 + br + c et le tableau suivant (qu’il ne
faut pas apprendre !) nous indique sous quelle forme chercher une solution particulière.

Second membre d(t) Solution particulière

Polynôme de degré q ET c 6= 0 polynôme de degré q
Polynôme de degré q ET c = 0 polynôme de degré q + 1
Aeαt ET α non racine de P Ceαt
Aeαt ET α racine simple de P Cteαt
Aeαt ET α racine double de P Ct2 eαt
A cos(mt) + B sin(mt) ET im non racine de P C cos(mt) + D sin(mt)
A cos(mt) + B sin(mt) ET im racine de P Ct cos(mt) + Dt sin(mt)

où C et D sont des constantes à déterminer.

Exemple 2.3.6. Résoudre x00 + x = sin(2t).

2.4. SYSTÈMES LINÉAIRES (N ≥ 2) À COEFFICIENTS CONSTANTS 11

2.4 Systèmes linéaires (n ≥ 2) à coefficients constants

On suppose ici n ≥ 2 et que A : I → L(Rn ) est constante. On s’intéresse donc à l’équation
X 0 = AX + B(t),
où A est une matrice (constante) de Mn (R) et où B : I → Rn est continue.
Petit rappel d’algèbre linéaire : on peut définir l’exponentielle d’une matrice. On prouve
que eA et A commutent, que eA est inversible d’inverse e−A . On prouve également que t ∈
R 7→ etA ∈ Mn (R) est dérivable de dérivée t ∈ R 7→ AetA ∈ Mn (R).

2.4.1 Equation homogène (H) : X 0 = AX

Théorème 2.4.1 (Résolution de X 0 = AX). Les solutions sur R de X 0 = AX sont les
fonctions de la forme t 7→ etA C où C ∈ Rn est arbitraire.
Preuve. Si X est solution alors (e−tA X)0 = −Ae−tA X + e−tA X 0 = e−tA (−AX + X 0 ) = 0
donc e−tA X est une colonne constante C puis X = etA C. Réciproquement on vérifie que ces
fonctions conviennent.

Pour résoudre l’équation homogène il “suffit” donc de calculer etA . Des outils existent pour
cela (décomposition de Dunford-Jordan par exemple) et on renvoie au cours d’algèbre linéaire.
On va simplement considérer ici le cas très favorable où A est diagonalisable, ce qui permet
de se ramener à calculer des exponentielles de réels, ce qui est bien plus agréable.
Commençons par observer que si D = Diag(λ1 , ..., λn ) est une matrice diagonale alors
e = Diag(eλ1 t , ..., eλn t ) et donc
tD
 
λ1 t λn t
X(t) = x1 (t) = α1 e , ..., xn (t) = αn e avec αi ∈ R, 1 ≤ i ≤ n.

De toute façon, dans ce cas, le système différentiel X 0 = DX est constituée de n équations

différentielles linéaires découplées (1 ≤ i ≤ n)
x0i = λi xi ,
qui se résolvent tranquillement en (1 ≤ i ≤ n)
xi (t) = αi eλi t , avec αi ∈ R.
Si A est diagonalisable alors, en changeant de base, on se ramène à un tel découplage.
Corollaire 2.4.2 (Cas très favorable : A est diagonalisable). Si A est diagonalisable
dans R, on note λ1 , . . . , λn ses valeurs propres réelles et X1 , . . . , Xn les vecteurs propres réels
associés. Alors les solutions sur R de X 0 = AX sont les fonctions de la forme
t 7→ α1 etλ1 X1 + · · · + αn etλn Xn
| {z } | {z }
=V1 (t) =Vn (t)

avec α1 , . . . , αn des réels arbitraires.

Exemple 2.4.3. On résout (
x0 = 2x + 3y
y 0 = −x − 2y.
     
2 3 3 1
Les valeurs propres de A = sont 1 et −1 associées à et . Les
−1 −2 −1 −1
solutions sont donc      
x(t) 3 1
= α1 t
e + α2 e−t .
y(t) −1 −1
12 CHAPITRE 2. EQUATIONS DIFFÉRENTIELLES LINÉAIRES

Il peut aussi être utile “d’aller faire un tour dans C”, puis de “revenir dans R” à la fin... Par
exemple si n = 2, supposons que la matrice réelle A soit diagonalisable dans C. Notons θ1 ,
θ2 ses deux valeurs propres complexes conjuguées et Z1 , Z2 les vecteurs propres complexes
conjugués associés. Alors les solutions à valeurs C2 (temporairement) de X 0 = AX sont de la
forme
t 7→ α1 etθ1 Z1 + α2 etθ2 Z2
avec α1 , α2 des complexes arbitraires. Maintenant, comme etθ2 Z2 = etθ1 Z1 , pour retourner aux
solutions à valeurs R2 , on doit avoir α2 = α1 . En notant α1 = a + ib, α2 = a − ib, θ1 = c + id,
θ2 = c − id on arrive, après quelques calculs, aux solutions à valeurs R2 de X 0 = AX. Elles
contiennent des termes exponentiels ect (amortissement si c < 0, amplification si c > 0, pas
d’effet si c = 0) et des termes d’oscillations cos(dt), sin(dt), et les deux constantes réelles
libres sont a et b, cf exemple ci-dessous.

Exemple 2.4.4. On résout (

x0 = 2x + 3y
y 0 = −x − y.
√ √
Les valeurs propres sont cette fois complexes : −j = 12 − i 23 et −j 2 = 1
2 +i 2
3
associées à
   2 
j−1 j −1
et . Les solutions à valeurs C2 sont donc
1 1

j2 − 1
     
x(t) j−1 −jt 2
= α1 e + α2 e−j t ,
y(t) 1 1

avec α1 , α2 complexes. Si on veut les solutions à valeurs R2 il faut que α2 = α1 . En posant

α1 = a + ib, on trouve, après quelques calculs,
√ √ √ ! √ √ √ !
−3 cos 23 t + 3 sin √23 t −3 sin 23 t − 3 cos √23 t
 
x(t) t/2
=a e +b et/2 .
y(t) 2 cos 23 t 2 sin 23 t

2.4.2 Equation (E) : X 0 = AX + B(t)

Pour trouver une solution particulière à l’équation X 0 = AX +B(t) on “fait varier la constante
C” : on écrit
Z(t) := etA C(t),
et on veut que Z soit une solution particulière de (E). En injectant dans l’équation, on voit
qu’il faut etA C 0 (t) = B(t) et on choisit donc
Z t
C(t) = e−sA B(s)ds,
t0

où t0 ∈ I. Une solution particulière de (E) est donc

Z t
Z(t) = etA e−sA B(s)ds.
t0

Les solutions de (E) sont donc les fonctions de la forme

Z t
t 7→ tA
e| {zC} + e tA
e−sA B(s)ds
t0
les sol. de (H) | {z }
une sol. part. de (E)
2.5. EXERCICES 13

où C ∈ Rn est arbitraire.
Si on veut résoudre le problème de Cauchy avec la condition initiale X(t0 ) = X0 , on doit
choisir C = e−t0 A X0 et la solution est donc
Z t
t 7→ e (t−t0 )A
X0 + e tA
e−sA B(s)ds.
t0

Exemple 2.4.5. On résout sur ]0, +∞[ le problème de Cauchy




 x0 = −4x − 2y + et2−1
y 0 = 6x + 3y − 3

et −1


 x(1) = 2(1 + ln(e − 1))e−1
y(1) = −3(1 + ln(e − 1))e−1 .


1. Comme ci dessus on trouve les solutions de l’équation homogène (H) ; elles sont données
par      
x(t) 1 2
= α1 + α2 e−t .
y(t) −2 −3
2. On cherche une solution particulière de (E) : la variation des constantes α1 ← α1 (t) et
α2 ← α2 (t) conduit au système
(
α10 + 2e−t α20 = et2−1
−2α10 − 3e−t α20 = − et3−1 ,

et
qu’on résout en α10 (t) = 0 et α20 (t) = et −1 . On choisit donc α1 (t) = 0 et α2 (t) = ln(et −1)
d’où une solution particulière :
 
2
t 7→ ln(et − 1) e−t .
−3

3. Les solutions de (E) sont donc données par

     
x(t) 1 2
= α1 t
+ (α2 + ln(e − 1)) e−t .
y(t) −2 −3

4. Les conditions initiales imposent α1 = 0 et α2 = 1. La solution du problème de Cauchy

est donc    
x(t) 2
t
= (1 + ln(e − 1)) e−t .
y(t) −3

2.5 Exercices
Ordre 1
Exercice 2.5.1. La vitesse de déplacement des ions entre deux électrodes immergées dans un
électrolyte vérifie l’équation différentielle
dv R F
+ v=
dt m m
où m, F, R sont des constantes. Calculer v.

Exercice 2.5.2. Résoudre les problèmes de Cauchy

14 CHAPITRE 2. EQUATIONS DIFFÉRENTIELLES LINÉAIRES

1. x0 − 2x = e2t t2 avec x(0) = 0.

2. x0 − 1
1+t x = 2t2 avec x(0) = −3.
3. x0 − (1 + t)x = −2t − t2 avec x(0) = 2.

Exercice 2.5.3. Résoudre les équations différentielles suivantes en en donnant toutes les
solutions maximales :
1. x0 + x = sin t,
2. x0 = 3t2 − xt .

Exercice 2.5.4. Pour a > 0 on considère la fonction Gaussienne définie sur R par ϕ(x) =
2
e−ax . On définit sa “transformée de Fourier” comme la fonction notée ϕ
b et définie sur R par
Z
2
ϕ(ξ)
b := e−ax e−ixξ dx.
R

1. Montrer ϕ
b est bien définie et continue sur R.
b 0 (ξ) comme une intégrale à paramètre.
b est C 1 sur R et exprimer ϕ
2. Montrer que ϕ
b 0 (ξ), trouver un problème de Cauchy linéaire
3. En intégrant par parties l’expression de ϕ
vérifié par ϕ.
b
4. Calculer ϕ(ξ).
b

Exercice 2.5.5. Pour x ∈ R on pose

Z +∞
2
ϕ(x) = etx−t dt.
−∞

1. Montrer que ϕ est bien définie et continue sur R.

2. Montrer que ϕ est C 1 sur R et exprimer ϕ0 (x) comme une intégrale à paramètre.
3. En intégrant par parties l’expression de ϕ0 (x), trouver un problème de Cauchy linéaire
vérifié par ϕ.
4. Calculer ϕ(x).
5. Pouvez vous calculer ϕ(x) “directement” et, ainsi, court-circuiter l’exercice ?...

Exercice 2.5.6. Soit f : R → R de classe C 1 telle que

lim f 0 (t) + f (t) = 0.

t→+∞

En résolvant l’EDO x0 + x = f 0 (t) + f (t), montrer que limt→+∞ f (t) = 0.

Exercice 2.5.7 (EDO logistique). Résoudre le problème de Cauchy logistique x0 = x(1 − x),
x(0) = x0 ∈]0, 1[, en posant z = x1 .

Exercice 2.5.8 (Compétition périodique). On considère une population (mesurée par n(t)
pour t ≥ 0) et on suppose que la compétition intra spécifique varie avec le temps :

n0 = n[1 − (2 + cos t)n].

On suppose que la population initiale est n(0) = 1/2. Dans le modèle logistique “standard”
(obtenu “en enlevant cos t”) on a alors n(t) = 1/2 pour tous les temps. Ici la situation va être
différente...
1. Tracer le graphe de t 7→ 2 + cos t. “Expliquer” l’équation.
2.5. EXERCICES 15

1
2. On pose p(t) = n(t) . Montrer qu’on a alors l’équation différentielle

p0 = −p + 2 + cos t.

Quel est l’avantage de cette EDO par rapport à celle vérifiée par n(t) ? La résoudre
(vérifier que t 7→ 2 + 12 (cos t + sin t) est une solution particulière).
3. En déduire n(t). Que se passe t il quand t → +∞.
Exercice 2.5.9. On considère le système linéaire d’équations différentielles
( 0
x = −5x +8y −4
(2.2)
y0 = −4x +7y +3

avec les conditions initiales x(0) = 0 et y(0) = 1.

1. Trouver les vecteur propres et valeurs propres de la matrice
 
−5 8
A= .
−4 7

2. Expliquer pourquoi résoudre (2.2) revient à résoudre le système

( 0
a = 3a +10
(2.3)
b0 = −b −7

avec les conditions initiales a(0) = 2 et b(0) = −1.

3. Trouver la solution de (2.3), puis celle de (2.2).
Exercice 2.5.10. Résoudre le système différentiel linéaire
 0    
x 2 0 4 x
 y 0  =  3 −4 12   y  .
z0 1 −2 5 z
Exercice 2.5.11. Résoudre le système différentiel suivant
 0
 x1 = x1 + 2x2 + x3
x0 = 6x1 − x2
 20
x3 = −x1 − 2x2 − x3 .

Exercice 2.5.12. Résoudre les équations différentielles X 0 = AX dans les cas suivants :
 
−2 1 0
1. A =  −5 0 0 
0 3 −2
 
2 −4
2. A =
1 6
 
2 5 6
3. A =  0 8 9  .
0 −1 2
Exercice 2.5.13 (EDO linéaires à coefficients non constants en dimension 2...). On considère
la matrice A(t), dépendant de la variable t ∈ R et donnée par
 
1 2t
A(t) =
0 0
16 CHAPITRE 2. EQUATIONS DIFFÉRENTIELLES LINÉAIRES

Rt B(t) .
1. Calculer B(t) = 0 A(s)ds puis e
2. Comparer 0
B (t)e B(t) et (eB(t) )0 .
3. Soit X0 = (x0 , y0 ) ∈ R2 . Montrer qu’il existe une unique solution γ : R → R2 au
problème de Cauchy
X 0 = A(t)X, X(0) = X0 .
4. A-t-on γ(t) = eB(t) X0 ? Comparer avec le cas des EDO linéaires en dimension 1.
Exercice 2.5.14 (EDO linéaires à coefficients non constants en dimension 2...). Résoudre le
système différentiel (où les inconnues x et y sont à valeurs réelles)
 0
x = tx − y
y 0 = x + ty.

On pourra poser z = x + iy...

Exercice 2.5.15. On se donne le problème de Cauchy linéaire suivant



x0 = −y
y 0 = x


x(0) = 1



y(0) = 0.
 
0 −1
1. Le résoudre en diagonalisant la matrice A = .
1 0
2. Le résoudre en l’écrivant comme une équation scalaire d’ordre 2.

Ordre 2
Exercice 2.5.16. Résoudre les problèmes de Cauchy
1. x00 − 2x0 − 3x = cos t avec la condition initiale x(0) = 1 et x0 (0) = 0.
2. x00 − 3x0 + x = t avec la condition initiale x(0) = 10 et x0 (0) = −10.
Exercice 2.5.17. Trouver une solution de

t2 x00 + 4tx0 + 2x = et

sous forme d’une série entière.

Exercice 2.5.18. La vitesse u d’un liquide à l’intérieur d’un capillaire dépend de la distance
r à l’axe de ce capillaire suivant la formule
d2 u du
r + = −kr
dr2 dr
où k est une constante. Calculer u(r) en fonction de r.
Exercice 2.5.19. On considère l’équation différentielle (sur ]0, +∞[)
3
t2 x00 − 2x + = 0. (2.4)
t
1. Montrer qu’en posant z(t) = tx0 (t) + x(t) on obtient l’EDO du premier ordre
3
tz 0 − 2z + = 0.
t
2.5. EXERCICES 17

2. Résoudre cette dernière équation différentielle.

3. En déduire les solutions de (2.4).

Exercice 2.5.20. On considère l’équation différentielle (sur ]0, +∞[)

1
t2 x00 + tx0 − x = .
t
En utilisant le changement de variable t = eu , trouver la solution satisfaisant x(1) = 1,
x0 (1) = 0.

Exercice 2.5.21. Donner une condition nécessaire et suffisante sur (α, β) ∈ R2 pour que
toutes les solutions de l’équation différentielle y 00 + αy 0 + βy = 0 soient bornées.

Exercice 2.5.22. Trouver toutes les R 1applications f : R → R dérivables telles que f (0) = 1
et, pour tout x ∈ R, f 0 (x) = f (x) + 0 f (t)dt.

Exercice 2.5.23. Trouver toutes les applications f : R → R dérivables telles que

∀x ∈ R, f 0 (x) + f (−x) = ex .
Chapitre 3

Théorème de Cauchy-Lipschitz

3.1 Le théorème de Cauchy-Lipschitz

On se donne donc un intervalle ouvert I de R et Ω un ouvert de Rn (n ≥ 1). On se donne une
fonction
f : I × Ω → Rn .
On s’intéresse à l’EDO
X 0 = f (t, X). (3.1)
Une solution de l’EDO (3.1) est un COUPLE (J, X) où J ⊂ I est un intervalle (d’intérieur
non vide) ET X : J → Ω ⊂ Rn une fonction dérivable telle que, pour tout t ∈ J on a
X 0 (t) = f (t, X(t)) (noter l’aspect local).
Définition 3.1.1. Soient (J1 , X1 ) et (J2 , X2 ) deux solutions. On dit que (J2 , X2 ) est un
prolongement de (J1 , X1 ) si
J1 ⊂ J2 et X1 = X2 sur J1 .
On dit que (J, X) est une solution maximale si elle n’est pas (strictement) prolongeable.
On dit que (J, X) est une solution globale si J = I.
Pour t0 ∈ I et X0 ∈ Ω, on s’intéresse au problème de Cauchy
(
X 0 = f (t, X)
(3.2)
X(t0 ) = X0 .

Une solution du problème de Cauchy (3.2) est un COUPLE (J, X) où J ⊂ I est un intervalle
(d’intérieur non vide) contenant t0 ET X : J → Ω ⊂ Rn une fonction dérivable telle que, pour
tout t ∈ J on ait X 0 (t) = f (t, X(t)) (noter l’aspect local) et X(t0 ) = X0 .
Définition 3.1.2. Soit f : I × Ω → Rp , avec I un intervalle ouvert de R, Ω un ouvert de Rn
(n ≥ 1), et p ≥ 1.
On dit que f est lipschitzienne par rapport à la variable d’état X sur I×Ω si on peut trouver
un réel k ≥ 0 tel que

kf (t, X1 ) − f (t, X2 )k ≤ kkX1 − X2 k, ∀t ∈ I, ∀(X1 , X2 ) ∈ Ω2 .

On dit que f est localement lipschitzienne par rapport à la variable X sur I ×Ω si pour tout
point (t0 , X0 ) dans I × Ω on peut trouver un voisinage de ce point tel que f soit lipschitzienne
par rapport à la variable X sur ce voisinage : pour tout (t0 , X0 ) ∈ I ×Ω, il existe ε = εt0 ,X0 > 0
et k = kt0 ,X0 ≥ 0 tels que

kf (t, X1 ) − f (t, X2 )k ≤ kkX1 − X2 k, ∀t ∈]t0 − ε, t0 + ε[, ∀(X1 , X2 ) ∈ B(X0 , ε).

18
3.1. LE THÉORÈME DE CAUCHY-LIPSCHITZ 19

√
Exemple 3.1.3. Quid de x 7→ x sur R ? x 7→ x2 sur R ? x 7→ x sur [0, +∞[ (qui certes
n’est pas ouvert) ? (t, x) 7→ tx sur R × R ? (t, x) 7→ t2 + arctan x sur R × R ?

Exemple 3.1.4. Si f est de classe C 1 sur I × Ω alors elle est localement lipschitzienne par
rapport à X.

Voici le résultat fondamental concernant l’existence et l’unicité de la solution maximale du

problème de Cauchy (3.2).

Théorème 3.1.5 (de Cauchy-Lipschitz). Soit I un intervalle ouvert de R. Soit t0 ∈ I.

Soit Ω un ouvert de Rn . Soit X0 ∈ Ω. Soit f : I × Ω → Rn une fonction continue et localement
lipschitzienne par rapport à X sur I × Ω.
Alors le problème de Cauchy
(
X 0 = f (t, X)
X(t0 ) = X0

admet une unique solution maximale (J, X), et J est un intervalle ouvert. De plus, cette
solution est de classe C 1 sur J.

Preuve. La preuve repose sur la mise du problème de Cauchy sous forme intégrale, et se fait
en trois temps : les Lemmes 3.1.6, 3.1.7, 3.1.8.

Lemme 3.1.6 (Existence locale). Il existe ε > 0 et X : [t0 − ε, t0 + ε] → Ω tel que (J, X) est
| {z }
=:J
solution de problème de Cauchy.

Lemme 3.1.7 (Unicité locale). Si (J, ˜ X̃) est une autre solution du problème de Cauchy, alors
il existe 0 < ε̃ < ε tel que X̃ ≡ X sur ]t0 − ε̃, t0 + ε̃[.

Lemme 3.1.8 (Unicité, du local vers le maximal). Si (J1 , X1 ) et (J2 , X2 ) sont deux solutions
du problème de Cauchy avec J1 et J2 ouverts, alors X1 ≡ X2 sur J1 ∩ J2 .

La conclusion se fait ainsi : grâce aux Lemmes 3.1.6 et 3.1.7 on peut, en “recollant” toutes
les solutions locales, construire une solution maximale (J ∗ , X ∗ ) qui prolonge toutes les solu-
tions locales. De plus, J ∗ est forcément ouvert (sinon on peut, grâce aux Lemmes 3.1.6 et
3.1.7, prolonger strictement (J ∗ , X ∗ ) niant ainsi son caractère maximal). Enfin, l’unicité de
la solution maximale est fournie par le Lemme 3.1.8.

Le Lemme 3.1.7 est une conséquence assez directe du Lemme de Grönwall qui, supposant
une estimation implicite dite a priori, fournit une estimation explicite.

Lemme 3.1.9 (Lemme de Grönwall). Soit ϕ : [a, b[→ R continue et à valeurs positives. Si
x : [a, b[→ R continue vérifie, pour une constante C ≥ 0,
Z t
x(t) ≤ C + ϕ(s)x(s)ds, ∀a ≤ t < b,
a

alors
Rt
ϕ(s)ds
x(t) ≤ Ce a , ∀a ≤ t < b.
20 CHAPITRE 3. THÉORÈME DE CAUCHY-LIPSCHITZ

3.2 Premières conséquences

On se place ici sous les hypothèses du Théorème 3.1.5 de Cauchy Lipschitz qui implique, entre
autres, que :
• une solution maximale est définie sur un intervalle ouvert.
• deux trajectoires distinctes ne peuvent pas se couper (cf Figure 1.1) : si (J, X1 ) et (J, X2 )
sont deux solutions de l’EDO (3.1) et s’il existe t0 ∈ J tel que X1 (t0 ) = X2 (t0 ) alors X1 = X2
sur J.
• dans R (ici n = 1) les trajectoires sont ordonnées (cf Figure 1.1) : si (J, x1 ) et (J, x2 ) sont
deux solutions de l’EDO (3.1) et s’il existe t0 ∈ J tel que x1 (t0 ) < x2 (t0 ) alors x1 (t) < x2 (t)
pour tout t ∈ J.
On peut ainsi justifier certains calculs formels faits au Chapitre 1. Par exemple, prenons
une équation autonome
x0 = f (x),
avec f : Ω ⊂ R → R. Si l ∈ Ω est un zéro de f , cad f (l) = 0, alors la fonction constante
égale à l est une solution globale de l’EDO x0 = f (x), on dit que l est un équilibre de l’EDO.
Par suite la solution maximale du problème de Cauchy avec donnée initiale différente de l ne
prendra jamais la valeur l.
Exemple 3.2.1. La solution maximale du problème de Cauchy x0 = x, x(0) = x0 avec x0 6= 0
0
ne s’annule jamais. On peut donc écrire xx = 1 puis intégrer...
Exemple 3.2.2. La solution maximale du problème de Cauchy x0 = x(1 − x), x(0) = x0 avec
x0
x0 6= 0 et x0 6= 1 ne s’annule jamais et ne vaut jamais 1. On peut donc écrire x(1−x) = 1 puis
intégrer...
Le Théorème 3.1.5 de Cauchy Lipschitz permet également de donner des propriétés de la
solution maximale.
Exemple 3.2.3. Pour g : R → R localement lipschitzienne sur R, montrer que la solution
maximale du problème de Cauchy x0 = tg(x), x(0) = 1 est définie sur un intervalle J symé-
trique par rapport à zéro, et qu’elle est paire.

3.3 Explosion en temps fini

Le Théorème 3.1.5 de Cauchy Lipschitz fournit une solution maximale définie sur J ⊂ I et
est donc un résultat local : rien n’indique que la solution maximale est globale.
Exemple 3.3.1 (Solution non globale). La solution maximale du problème de Cauchy
(
x0 = x2
x(0) = 1,
1
se calcule, x(t) = 1−t , et n’est définie que sur ] − ∞, 1[. On a explosion en temps fini :
x(t) → +∞ quand t → 1− , cf Figure 3.1.
Lorsque Ω = Rn la situation de l’exemple ci dessus est “générique”.
Théorème 3.3.2 (Explosion en temps fini). Soit f : I × Rn → Rn continue et localement
lipschitzienne par rapport à la variable d’état X. Soit (J =]α, β[, X) une solution maximale
de X 0 = f (t, X). Alors
1. si β < sup I alors limt→β − kX(t)k = +∞.
3.3. EXPLOSION EN TEMPS FINI 21

-3 -2 -1 1 2

-1

Figure 3.1 – x0 = x2 , en rouge la condition initiale x(0) = 1, cf Exemple 3.3.1.

2. si inf I < α alors limt→α+ kX(t)k = +∞.

Par contraposée, le Théorème 3.3.2 nous dit parfois que la solution maximale est globale :
par exemple si f est bornée I × Rn , cf Exercice 3.4.7.

Exemple 3.3.3. Soit le problème de Cauchy

(
x0 = e−tx
x(0) = 0.

Sa solution maximale x est définie sur un intervalle ouvert ]α, β[ contenant 0. Supposons
β < +∞ et montrons qu’on peut prolonger au delà de β. Déjà x0 = e−tx > 0 donc x est
croissante sur ]α, β[. Comme x(0) = 0, x est positive sur [0, β[. Par suite x0 = e−tx ≤ 1 donc,
par intégration x(t) ≤ t, tout ceci sur [0, β[. Ainsi x est croissante et majorée (par β) sur
[0, β[, ce qui contredit le Théorème 3.3.2 d’explosion en temps fini. Par suite β = +∞. De la
même façon, α = −∞ et la solution maximale est définie sur R.

Théorème 3.3.4 (de Cauchy Lipschitz global). Si f : I × Rn → Rn est continue et (globa-

lement) lipschitzienne par rapport à X, alors les solutions maximales de X 0 = f (t, X) sont
globales.

Signalons enfin que, lorsque Ω 6= Rn la notion d’explosion en temps fini est remplacée par
la notion de “sortie de tout compact en temps fini”.

Théorème 3.3.5 (Sortie de tout compact). Soit f : I × Ω → Rn continue et localement

lipschitzienne par rapport à la variable d’état X. Soit (J =]α, β[, X) une solution maximale
de X 0 = f (t, X). Alors
1. si β < sup I alors X sort de tout compact de Ω au voisinage de β : pour tout compact
K ⊂ Ω, il existe ε > 0 tel que

X(t) ∈
/ K, ∀t ∈]β − ε, β[.

2. si inf I < α alors conclusion “similaire”.

Exemple 3.3.6. Application au problème de Cauchy x0 = − x1 , x(0) = 1.

22 CHAPITRE 3. THÉORÈME DE CAUCHY-LIPSCHITZ

3.4 Exercices
Des cas où on peut calculer...
Exercice 3.4.1. Calculer la solution maximale du problème de Cauchy
(
x0 = 1 + x2
x(0) = 0.

Exercice 3.4.2. Trouver la solution maximale des problèmes suivants

( (
x0 = 3t2 x2 x0 = 3t2 x2
x(1) = 0, x(0) = 1.

Exercice 3.4.3. Résoudre sur un intervalle à préciser

(
xx0 = 21
x(0) = 1.

Exercice 3.4.4. Justifier que la solution maximale de

(
x0 = |x|
x(0) = 1,

ne peut s’annuler, puis la trouver.

Exercice 3.4.5. On considère le modèle de population de Gompertz, dans lequel l’évolution

de la population N (t) considérée est décrite par l’équation N 0 (t) = rN (t) ln N (t), où r est
une constante donnée. Donner une expression de la population en fonction de la population
initiale N (0) = N0 > 0.

Exercice 3.4.6. Montrer que, pour tout α ≥ 0, la fonction

(
0 si t < α
xα (t) :=
(t − α)2 si t ≥ α,

est solution globale d’un même problème de Cauchy. Pourquoi n’est ce pas en contradiction
avec le Théorème 3.1.5 de Cauchy-Lipschitz ?

Etudes qualitatives
Exercice 3.4.7. Soit f une fonction continue sur I × Rn et localement lipschitzienne par
rapport à X. On s’intéresse au problème de Cauchy
(
X 0 = f (t, X)
X(t0 ) = X0 .

On suppose que f est bornée sur I ×Rn . Montrer alors que la solution maximale est globale, cad
définie sur I tout entier (raisonner par l’absurde, utiliser la formulation intégrale, et conclure
grâce au théorème d’explosion en temps fini).
3.4. EXERCICES 23

Exercice 3.4.8. Montrer que le problème de Cauchy

( 2 2
x0 = t21+1 e−x sin t
x(0) = 1,

admet une unique solution maximale, puis que celle ci est définie sur R tout entier (utiliser
l’Exercice 3.4.7). Montrer que, lorsque t → +∞, x(t) tend vers un réel l, et que 1 ≤ l ≤ 1 + π2 .

Exercice 3.4.9. On considère le problème de Cauchy

(
x0 = t 2 + x2
x(0) = 0.

1. Justifier l’existence d’une unique solution maximale x.

2. Montrer que x est une fonction impaire et de classe C ∞ .
3. Etudier la monotonie et la convexité de x.
x (t) 0
4. On suppose x définie sur [0, +∞[. Montrer que 1+x 2 (t) ≥ 1 pour tout t ≥ 1. Montrer,

en intégrant, que c’est impossible. En déduire que x est définie sur un intervalle borné
de R.
5. Dresser le tableau de variation de x.

Exercice 3.4.10. On considère le problème de Cauchy

 0
x = cos(tx)
x(0) = x0 .

1. Justifier l’existence d’une unique solution maximale x.

2. En observant que Z t
x(t) = x0 + cos(sx(s))ds
0
montrer que x est définie sur R entier.
1
Exercice 3.4.11. On prend f : R →]0, +∞[ de classe C 1 sur R et on suppose que f ∈ L1 (R),
cad Z +∞
1
du < +∞.
−∞ f (u)
Pour x0 ∈ R donné montrer que la solution maximale du problème de Cauchy
 0
x = f (x)
x(0) = x0 ,

est définie sur ] − Tmin , Tmax [ avec Tmin et Tmax deux réels positifs à préciser (en fonction de
la non linéarité f et de la donnée initiale x0 ). Donner des exemples d’application.

Exercice 3.4.12 (Variation sur les hypothèses du théorème de Cauchy-Lipschitz). Soit U un

ouvert de R × Rn (la première variable représente le temps, mais U n’est pas nécessairement
le produit d’un intervalle par un ouvert) et f : U → Rn une fonction de classe C 1 . Soit
(t0 , x0 ) ∈ U . On considère le problème de Cauchy
 0
X = f (t, X)
X(t0 ) = X0 .
24 CHAPITRE 3. THÉORÈME DE CAUCHY-LIPSCHITZ

1. Montrer qu’il existe un intervalle ouvert I contenant t0 et une fonction dérivable ϕ :

I → Rn tels que
(a) ϕ(t0 ) = X0 ,
(b) ∀t ∈ I, (t, ϕ(t)) ∈ U ,
(c) ∀t ∈ I, ϕ0 (t) = f (t, ϕ(t)).
2. Soit J un autre intervalle ouvert contenant t0 et ψ : J → Rn , dérivable, vérifiant les trois
conditions de la question précédente. Montrer que ϕ|I∩J = ψ|I∩J (on pourra considérer
t1 , le plus grand t ≥ t0 dans I ∩ J tel que ϕ(t) = ψ(t) et appliquer le théorème de
Cauchy-Lipschitz “usuel” au voisinage de ce point).
3. En déduire que le problème de Cauchy possède une unique solution maximale.
1
Exercice 3.4.13. On considère la fonction (t, x) 7→ 1+tx définie sur l’ouvert

U = {(t, x), tx 6= −1} ⊂ R2 .

1. En utilisant l’exercice précédent, montrer que le problème de Cauchy

 0 1
x = 1+tx
x(0) = 0

possède une solution maximale unique x.

2. Montrer que cette solution x est impaire et croissante.
Rt
3. Montrer, en considérant 0 x0 (s)ds, que x est définie sur R entier.
4. Justifier l’existence d’une limite l = limt→+∞ x(t), où l ∈ R+ ∪ {+∞}.
Rt
5. Montrer, en considérant 0 x0 (s)ds, que l = +∞.

Exercice 3.4.14. On considère l’EDO

(E) : x0 = t + x2

1. Quel est le lieu des points où les solutions de (E) présentent une tangente horizontale ?
2. Décrire le lieu des points d’inflexion.

Exercice 3.4.15. On considère l’équation différentielle

(E) : tx0 = t + x2 sur ]0, +∞[.

1. Soit x1 ∈ R, montrer qu’il existe une unique fonction x définie sur un intervalle
J =]α, β[⊂]0, +∞[ contenant 1, solution maximale de l’équation différentielle (E) et
vérifiant x(1) = x1 .
2. Montrer que,
x0 (t) 1
∀t ∈ [1, β[, 2
≥ .
1 + x(t) t
Montrer, en intégrant cette inégalité, que β < +∞.
3. Etudier le comportement d’une solution maximale aux bornes de l’intervalle ]α, β[. On
distinguera les possibilités α = 0 et α > 0.
Bibliographie

[1] S. Benzoni-Gavage, Calcul différentiel et équations différentielles, Dunod, 2010.

[2] F. Boyer, Agrégation externe de Mathématiques, Equations différentielles ordinaires,
poly disponible sur https ://www.math.univ-toulouse.fr/ fboyer/
[3] R. Danchin, Cours de calcul différentiel, Cours de L3 maths, poly disponible sur
http ://perso-math.univ-mlv.fr/users/danchin.raphael/

25