République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université Abou Bekr Belkaid Tlemcen

Faculté des Sciences

Département de Mathématiques

Systèmes Dynamiques:
un pied à l’étrier
Rappels de cours et exercices corrigés

MIRI Sofiane El-Hadi & TOUAOULA Mohammed Tarik

Introduction

Ces dernières années nous avons remarqué que les étudiants avait
beaucoup de mal à assimiler les enseignements prodigués. Suite à la pan-
démie, les méthodes pédagogiques - en général- et celles des mathéma-
tiques en particulier se sont vues complètement modifiés, enseignement à
distance, utilisation des TIC, travail personnel,... tout a été revu.
Nous proposons donc aux étudiants L3 et M1 ce modeste ouvrage,
qui nous le précisons, n’a rien d’innovant ou de novateur, et qui ne peut
en aucun cas faire office de référence mais il a pour but, d’accompagner
les étudiants dans leur travail personnel. Nous conseillons de l’utiliser au
préalable du cours pour les L3, et comme aide mémoire pour les M1.
Chaque chapitre contient un rappel des notions qui seront vues en
cours, suivi d’une série d’exercices corrigés, que nous avons voulus clas-
siques et assez simples, pour que l’étudiants puisse les faire et les com-
prendre seul. Des exercices et des problèmes un peu plus développés et
plus compliqués seront faits en classe (virtuelle ou en présentiel) avec l’ac-
compagnement d’un enseignant.
Cet ouvrage, bien qu’à l’origine destiné au étudiant de mathématiques,
peut très bien servir aux étudiants des autres filières qui ont besoin de la
théorie des équations différentielles et des systèmes dynamiques. Beau-
coup d’exercices proposés sont purement calculatoires et peuvent trouvés
des applications en biologie, physique, électronique, automatique...
L’ouvrage est sous-titré " un pied à l’étrier ", car c’est au lecteur qui
le souhaite, de chevaucher et de dompter par lui-même cette merveilleuse
monture qu’est la théorie des systèmes dynamiques de travailler encore
plus et d’aller au-delà que ce simple ouvrage.
Le présent document est constitué de 4 chapitres : Le premier chapitre
est en réalité un prologue, qui contient les différentes techniques de réso-
lution des équations différentielles. Ces notions sont présumées être vues

v
 en première année, mais soit par manque de temps elles n’ont pas été trai-
tées, soit elles l’ont été mais les étudiants les ont oubliées. Ce chapitre est
principalement inspiré des ouvrages [1] et [7].
Le deuxième chapitre constitue le premier pas dans le monde des
systèmes dynamiques, on y trouvera entre autres, les notions de points
d’équilibre et de stabilité pour les équations scalaires, et les systèmes
planaires. Ce chapitre présenté par deux approches l’une calculatoire, et
l’autre théorique. Nous nous sommes librement inspirés des ouvrages [2],
[3], [4], [6], [8], [9], et [10] pour le rédiger.
Le troisième chapitre contient les grands théorèmes relatifs à la sta-
bilité, à l’instabilité, au comportement et à la classification des solutions
des systèmes dynamiques. Il contient les notions d’intégrales premières, la
stabilité au sens de Lyapunov , le théorème de Poincaré-Bendixon et bien
d’autres résultats y sont exposés. Pour compléter sa lecture dans cette di-
rection, nous conseillons au lecteur les ouvrages [2], [3], [4], [6], [8], [9], et
[10].
Le dernier chapitre est une introduction à la théorie des bifurca-
tions, ce chapitre aussi est présenté en deux approches l’une calculatoires
l’autre plus théorique. Les bifurcations fourche, selle-nÅud, transcritique,
de Hopf y sont illustrées avec des exemples et beaucoup d’exercices. Les
référence bibliographiques utilisées pour rédiger ce chapitre sont [5] et
[10]
Nous aurions aussi souhaité ajouter deux chapitres, l’un pour les sys-
tèmes avec discontinuité et l’autre pour les équations à retard, peut être
nous pourrons le faire dans une prochaine version de cet ouvrage.

vi
 Comme toute première version de tout travail, le présent contient cer-
tainement quelques erreurs et imperfections, nous invitons et nous encou-
rageons le lecteur qu’il soit spécialiste, ou néophyte, enseignant ou étu-
diant à nous faire parvenir ses remarques, ses questions, ses critiques aux
adresses mail : mirisofiane@[Link] et/ou t_touaoula@[Link] , nous
nous engageons à en tenir compte et à répondre si besoin est, à toutes vos
questions.

Miri Sofiane El-Hadi

Touaoula Mohammed Tarik

Tlemcen, Septembre 2021.

vii
 Table des matières

Table des matières viii

1 Prologue : résolution explicite de certaines équations

différentielles 1
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Equations différentielles du premier ordre . . . . . . . 1
1.2.1 Equation à variables séparées (ou séparables) . . . . . . . 1
1.2.2 Equation différentielle homogène . . . . . . . . . . . . . 2
1.2.3 Equation linéaire . . . . . . . . . . . . . . . . . . . . . . 4
1.2.4 Equation de Bernoulli . . . . . . . . . . . . . . . . . . . 8
1.2.5 Equation de Riccati . . . . . . . . . . . . . . . . . . . . . 9
1.3 Equations différentielles du deuxième ordre linéaires
à coefficients constants . . . . . . . . . . . . . . . . . . . 10
1.3.1 Résolution de l’ESSM . . . . . . . . . . . . . . . . . . . . 10
1.3.2 Résolution de l’EASM . . . . . . . . . . . . . . . . . . . 12
1.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2 Equations différentielles ordinaires 25

2.1 Equations différentielle sur R . . . . . . . . . . . . . . . 25
2.2 Point d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.1 Le cas linéaire . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.2 Le cas non linéaire . . . . . . . . . . . . . . . . . . . . . 27
2.3 Systèmes d’équations dans R2 (Systèmes planaires) . . . 29
2.3.1 Rappels de calcul matriciel . . . . . . . . . . . . . . . . . 30
2.3.2 Résolution explicite des systèmes linéaires . . . . . . . . 31
2.3.3 Stabilité des systèmes linéaires . . . . . . . . . . . . . . . 32

viii
 2.3.4 Systèmes Non-linéaires . . . . . . . . . . . . . . . . . . 45
2.3.5 Critère de Routh-Hurwitz . . . . . . . . . . . . . . . . . 51
2.4 Théorié générale . . . . . . . . . . . . . . . . . . . . . . . . 54
2.5 Equilibres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.7 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

3 Lyapunov, Poincaré, Bendixon et bien d’autres 109

3.1 Intégrales premières . . . . . . . . . . . . . . . . . . . . . . 109
3.2 Stabilité au sens de Lyapunov . . . . . . . . . . . . . . . . 112
3.3 Notion de cycle limite . . . . . . . . . . . . . . . . . . . . . 118
3.3.1 Introduction par un exemple . . . . . . . . . . . . . . . . 118

3.4 Théorème de Poincaré-Bendixon . . . . . . . . . . . . . . . 120

3.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
3.6 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

4 Bifurcations 141
4.1 Bifurcations dans R . . . . . . . . . . . . . . . . . . . . . . 141
4.2 Bifurcations dans R2 . . . . . . . . . . . . . . . . . . . . . . 150
4.3 Théorème des fonctions implicites . . . . . . . . . . . . . 157
4.4 Equations différentielle dans R . . . . . . . . . . . . . . 159

4.4.1 Equilibre hyperbolique . . . . . . . . . . . . . . . . . . . 159

4.4.2 Equilibre non hyperbolique avec dégénérescence quadra-

tique . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
4.5 Systèmes différentiels planaires . . . . . . . . . . . . . . 167
4.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
4.7 Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173

Bibliographie 193

ix
 Prologue : résolution 1
explicite de certaines
équations différentielles

1.1 Introduction

On appelle équation différentielle du nième ordre (ou d’ordre n ), toute

équation de la forme
F ( x, y, y0 , ..., y(n) ) = 0 (1.1)

où F est une fonction continue de (n + 2) variables, y = y( x ) est une

fonction inconnue de la variable x, et y(k) est la dérivée d’ordre k de y.
Résoudre ou intégrer l’équation (1.1) revient à trouver toutes les solu-
tions y = y( x ) n fois continûment dérivables, définies sur l’intervalle I le
plus grand possible.

1.2 Equations différentielles du premier ordre

1.2.1 Equation à variables séparées (ou séparables)

Une équation différentielle du premier ordre est dite à variables sépa-

rées si elle est de la forme

f (y)y0 = g( x ) (1.2)

où f , g sont deux fonctions (continues) réelles de la variable réelle.

1
2 Chapitre 1. Prologue : résolution explicite de certaines équations différentielles

Pour résoudre (1.2) on utilise la définition

dy
y0 =
dx

d’où

dy
f (y)y0 = g( x ) ⇒ f (y) = g( x )
dx
⇒ f (y)dy = g( x )dx
Z Z
⇒ f (y)dy = g( x )dx

⇒ F (y) = G ( x ) + c

où F est une primitive de f et G est une primitive de g.

Si de plus F admet une fonction réciproque F −1 alors

y ( x ) = F −1 ( G ( x ) + c )

Résolvons l’équation 1y y0 = x2 + 1


Exemple 1.1

1 0 1 dy
x2 + 1 ⇒ = x2 + 1



y =
y y dx
1
Z Z
x2 + 1 dx


⇒ dy =
y
⇒ ln |y| = x3 + x + c , c ∈ R
3 + x +c
⇒ |y| = e( x ) , c∈R
3 +x
⇒ |y| = ke( x ) k = ec
3 +x
⇒ y = Ke( x ) K ∈ R∗ , K = ±k.

1.2.2 Equation différentielle homogène

Une équation différentielle du premier ordre est dite homogène par

rapport à x et y si elle est de la forme

y
y0 = f (1.3)
x

où f est une fonction (continue) réelle de la variable réelle.

 1.2. Equations différentielles du premier ordre 3

Pour résoudre (1.3) on pose

y
u=
x

et donc
y = xu

et par suite
y0 = u + xu0

on remplace dans l’équation (1.3) et on ontient

du
u + xu0 = f (u) ⇒ u + x = f (u)
dx
dx du
⇒ =
x f (u) − u

cette dernière équation est une équation à variables séparées.

Exemple 1.2 Soit à résoudre l’équation

x2 y0 = x2 + y2 − xy

en divisant les deux membres de l’agalité par x2 , cette équation peut être ramenée
à
 y 2 y
y0 = 1 + −
x x

on pose alors
y
u=
x
4 Chapitre 1. Prologue : résolution explicite de certaines équations différentielles

u + xu0 = 1 + u2 − u

⇒ xu0 = 1 + u2 − 2u
du
⇒ x = 1 + u2 − 2u
dx
du dx
⇒ 2
= (si u 6= 1)
1 + u − 2u x
du dx
⇒ 2
=
(1 − u ) x
du dx
Z Z
⇒ 2
=
(1 − u ) x
1
⇒ = ln | x | + c
1−u

et donc
1
u = 1−
ln | x | + c

et on revient à y
x
y = xu ⇒ y = x −
ln | x | + c

et ne pas oublier que si u = 1 alors y = x est aussi une solution de l’équation

donnée.

1.2.3 Equation linéaire

Une équation différentielle du premier ordre est dite linéaire si elle est
de la forme
a( x )y0 + b( x )y = c( x ) (1.4)

où a, b et c sont des fonctions (continues) réelles de la variable réelle, a

étant supposée non identiquement nulle.
Il existe principalement deux méthodes pour la résolution de (1.4).
Première méthode
L’équation (1.4) est dite équation avec second membre EASM, on lui
associe l’équation dite sans second membre ESSM suivante

a( x )y0 + b( x )y = 0
 1.2. Equations différentielles du premier ordre 5

pour résoudre celle-ci il suffit de séparer les variables

y0 b( x ) dy b( x )
= − ⇒ =− dx si y 6= 0
y a( x ) y a( x )
dy b( x )
Z Z
⇒ = − dx
y a( x )
⇒ ln |y| = − A( x ) + c

− ba((xx)) dx = A( x ) + c, et par suite, en n’oubliant pas d’ajouter la solu-

R
où
tion triviale y = 0, on obtient

y0 = Ke− A(x) , K ∈ R

est la solution générale de l’ESSM.

Proposition 1.1 La solution générale y de l’EASM est égale à la solution générale y0 de l’ESSM
additionnée à une solution particulière y∗ de l’EASM.

Pour trouver y∗ la solution particulière de l’EASM on utilise la mé-

thode de la variation de la constante, à savoir

y0 = Ke− A(x)

on pose
y∗ = K ( x ) e− A( x )

et par suite
b ( x ) − A( x )
y0∗ = K 0 ( x ) e− A(x) − K ( x ) e
a( x )

alors
a( x )y0∗ + b( x )y∗ = c( x )

implique que
 
0 − A( x ) b ( x ) − A( x )
a( x ) K ( x ) e − K (x) e + b ( x ) K ( x ) e− A( x ) = c ( x )
a( x )

ce qui donne
a ( x ) K 0 ( x ) e− A( x ) = c ( x )
6 Chapitre 1. Prologue : résolution explicite de certaines équations différentielles

et donc
c( x )
K0 (x) =
a ( x )e− A( x )
soit encore
c( x )
Z
K (x) = dx
a ( x ) e− A( x )
et donc la solution générale de l’EASM (1.4) est donnée par

y = y0 + y ∗

= Ke− A(x) + K ( x ) e− A(x) , K ∈ R.

Deuxième méthode
C’est la méthode du facteur intégrant, elle consiste à mettre le terme
a( x )y0 + b( x )y sous la forme d’une dérivée d’un produit. En effet (1.4)
donne
b( x ) c( x )
a( x )y0 + b( x )y = c( x ) ⇔ y0 + y=
a( x ) a( x )
R b( x )
dx
on multiplie les deux membres de la dernière équation par e a( x ) ce qui
donne
R b( x )
dx b( x ) R b( x )
dx c( x ) R b( x )
dx
e a( x ) y0 + e a( x ) y= e a( x )
a( x ) a( x )

et ainsi  0
R b( x )
dx c( x ) R b( x )
dx
e a( x ) y = e a( x )
a( x )

si
c( x ) R b( x )
Z
dx
F(x) = e a( x ) dx
a( x )

alors
R b( x )
dx
e a( x ) y = F(x) + K

et par suite
F(x) + K
y= R b( x )
dx
e a( x )

Exemple 1.3 Pour résoudre

x2 y0 + 2xy = e x
1.2. Equations différentielles du premier ordre 7

on considère l’ESSM

y0 2x
x2 y0 + 2xy = 0⇒ =− 2
y x
dy 2x
⇒ = − 2 dx
y x
⇒ ln |y| = −lnx2 + c
K
⇒ y = 2, K ∈ R
x

et donc la solution générale de l’ESSM est donnée par

K
y0 = , K∈R
x2

on applique à présent la variation de la constante

K (x)
y∗ =
x2

et par suite
K 0 ( x ) x2 − 2xK ( x )
y0∗ =
x4

on remplace dans l’équation

x2 y0 + 2xy = e x

et on obtient
K 0 ( x ) x2 − 2xK ( x ) K (x)
x2 4
+ 2x 2 = e x
x x

ce qui donne
K0 (x) = ex

et donc
K(x) = ex

et
ex
y∗ =
x2

alors la solution générale recherchée est donnée par

y = y0 + y ∗
8 Chapitre 1. Prologue : résolution explicite de certaines équations différentielles

soit

K ex
y = +
x2 x2
K + ex
y = , K∈R
x2

pour la deuxième méthode il suffisait de remarquer que

0
x2 y0 + 2xy = e x ⇔ x2 y = ex

⇔ x2 y = e x + K
K + ex
⇔ y= , K∈R
x2

1.2.4 Equation de Bernoulli

Une équation différentielle du premier ordre est dite de Bernoulli si

elle est de la forme

a( x )y0 + b( x )y + c( x )yα = 0 (1.5)

où a, b et c sont des fonctions (continues) réelles de la variable réelle, a

étant supposée non identiquement nulle, et α 6= 0 et α 6= 1, ( si α = 1
l’équation est à variable séparables, et si α = 0 l’équation est linéaire.)
On commence par observer que si α > 0 alors y = 0 est solution de
l’équation de Bernouili.
Pour résoudre l’équation (1.5) on suivra le procédé suivant

y0 y
a( x )y0 + b( x )y + c( x )yα = 0 ⇒ a( x ) + b( x ) α + c( x ) = 0
y α y
⇒ a ( x ) y 0 y − α + b ( x ) y 1− α + c ( x ) = 0

on pose alors
u = y 1− α

et par suite
u 0 = (1 − α ) y 0 y − α
 1.2. Equations différentielles du premier ordre 9

on remplace dans notre équation pour obtenir

a( x ) 0
u + b( x )u + c( x ) = 0
( − α)
1

et cette dernière équation est une équation linéaire que l’on sait résoudre.

1.2.5 Equation de Riccati

Une équation différentielle du premier ordre est dite de Riccati si elle

est de la forme
a ( x ) y 0 + b ( x ) y + c ( x ) y2 = d ( x ) (1.6)

où a, b, c et d sont des fonctions (continues) réelles de la variable réelle, a

étant supposée non identiquement nulle.
Pour résoudre (1.6) il faut d’abord trouver une solution particuière y∗
(pour la trouver il faut s’inspirer des coefficients a, b, c et d) ainsi

a( x )y0∗ + b( x )y∗ + c( x )y2∗ = d( x )

et la solution générale de (1.6) s’écrira sous la forme

y = y∗ + u

pour déterminer u remplaçons y dans l’équation

a ( x ) y 0 + b ( x ) y + c ( x ) y2 = d ( x ) ⇒ a ( x ) ( y ∗ + u ) 0 + b ( x ) ( y ∗ + u ) + c ( x ) ( y ∗ + u )2 = d ( x )

⇒ a( x )u0 + [b( x ) + 2c( x )y∗ ] u + c( x )u2 = 0

et cette dernière équation est une équation de Bernouilli en u avec α = 2,

équation que l’on sait résoudre.
10 Chapitre 1. Prologue : résolution explicite de certaines équations différentielles

1.3 Equations différentielles du deuxième ordre li-

néaires à coefficients constants

Une équation différentielle du deuxième ordre est dite linéaire à coef-

ficients constants si elle est de la forme

ay00 + by0 + cy = f ( x ) (1.7)

où a, b, c et d sont des constantes réelles a 6= 0, et f une fonction (continue)

réelle de la variable réelle. Pour reprendre le même vocabulaire que précé-
demment, l’équation (1.7) est dite Equation Avec Second Membre EASM
en abrégé, on lui associe l’Equation Sans Second Membre ESSM

ay00 + by0 + cy = 0 (1.8)

Proposition 1.2 La solution générale y de l’EASM (1.7) est égale à la solution générale y0 de
l’ESSM (RfESSM) additionnée à une solution particulière y∗ de l’EASM (1.7).

1.3.1 Résolution de l’ESSM

Pour résoudre l’ESSM (1.8) on lui associe l’équation algébrique dite

équation caractéristique
ar2 + br + c = 0

1er cas : ∆ = b2 − 4ac > 0

Dans ce cas l’équation caractéristique possède deux racines réelles
√ √
−b − ∆ −b + ∆
r1 = et r2 =
2a 2a

alors la solution générale de (1.8) est donnée par la formule

y0 = C1 er1 x + C2 er2 x

où C1 , C2 ∈ R
2ème cas : ∆ = b2 − 4ac = 0
 1.3. Equations différentielles du deuxième ordre linéaires à coefficients constants 11

Dans ce cas l’équation caractéristique possède une racine réelle double

−b
r1 = r1 = r =
2a

alors la solution générale de (1.8) est donnée par la formule

y0 = (C1 + C2 x ) erx

où C1 , C2 ∈ R
3ème cas : ∆ = b2 − 4ac < 0
Dans ce cas l’équation caractéristique possède deux racines complexes
conjuguées
r1 = α + iβ et r2 = α − iβ

alors la solution générale de (1.8) est donnée par la formule

y0 = (C1 sinβx + C2 cosβx ) eαx

où C1 , C2 ∈ R

Exemple 1.4 Pour résoudre l’équation

y00 + y0 + y = 0

on considère l’équation caractéristique

r2 + r + 1 = 0

∆ = −3 < 0

deux racines complexes conjuguées

√ √
1 3 1 3
r1 = − + i et r2 = − − i
2 2 2 2

et la solution générale est donnée par

√ √ !
3 3 1
y0 = C1 sin x + C2 cos x e− 2 x
2 2

où C1 , C2 ∈ R
12 Chapitre 1. Prologue : résolution explicite de certaines équations différentielles

1.3.2 Résolution de l’EASM

Maintenant que nous savons résoudre l’ESSM, il suffit de trouver une

solution particulière de l’EASM, pour cela on utilise la méthode de la
variation de la constante, donc si la solution de l’ESSM est donnée par

y0 = C1 y1 + C2 y2

on pose
y∗ = C1 ( x ) y1 + C2 ( x ) y2

où C1 ( x ) et C2 ( x ) sont solutions du système


 C10 ( x ) y1 + C20 ( x ) y2 = 0
 C 0 ( x ) y0 + C 0 ( x ) y0 = 1
f (x)
1 1 2 2 a

Exemple 1.5 Pour résoudre l’équation

1
y00 + y =
cosx

on commence par résoudre l’ESSM

y00 + y = 0

à laquelle on associe l’équation caractéristique

r2 + 1 = 0 ⇒ r = ±i

la solution générale de l’ESSM est donnée par

y0 = C1 sinx + C2 cosx

pour trouver la solution particulière de l’EASM on procède par variation des

constantes
y∗ = C1 ( x ) sinx + C2 ( x ) cosx
1.3. Equations différentielles du deuxième ordre linéaires à coefficients constants 13

où C1 ( x ) et C2 ( x ) sont solutions du système


 C 0 ( x ) sinx + C 0 ( x ) cosx = 0
1 2
 C 0 ( x ) cosx − C 0 ( x ) sinx = 1
1 2 cosx

ce qui donne 
 C10 = 1
 C 0 = − sinx
2 cosx

et par suite 
 C1 = x
 C = ln |cosx |
2

et donc
y∗ = xsinx + (ln |cosx |) cosx

et finalement la solution générale de l’EASM est donnée par

y = y0 + y ∗

y = C1 sinx + C2 cosx + xsinx + (ln |cosx |) cosx

où C1 , C2 ∈ R

Lorsque le second membre f ( x ) est une fonction usuelle de type sinus,

cosinus, exponentielle ou polynôme, alors on peut chercher la solution
particulière sous la même forme que le second membre.
14 Chapitre 1. Prologue : résolution explicite de certaines équations différentielles

1.4 Exercices

Exercice 1.1 Trouver les équations différentielles qui ont pour solution les fonctions suivantes :

1. f ( x ) = ax, a ∈ R.

2. f ( x ) = ae x , a ∈ R.
ex
3. f ( x ) = .
1 + ex
Solution

Exercice 1.2 Résoudre les équations différentielles suivantes

1. y0 sin( x ) = y cos( x ).

2. y2 + ( x + 1) y0 = 0.

3. xy0 − ay = 0 a ∈ R∗ .

4. y0 = 2x 1 − y2 .
p

5. y0 − xe−y = 0.

6. y = ln (y0 ).

Solution

Exercice 1.3 Intégrer les équation suivantes

1. xy0 = x − y.

2. xy2 y0 = x3 + y3 .

3. x − y + xy0 = 0.

Solution

Exercice 1.4 Résoudre par deux méthodes les équations différentielles suivantes

1. y0 + y = x.
e + e− x e − e− x
 x   x 
1
2. y0 + y= .
2 2 1 + x2
3. xy0 − y = x2 .

Solution

Exercice 1.5 Résoudre les équations différentielles suivantes

1. xy0 + y = y2 ln( x ).
 1.4. Exercices 15

2. x3 y0 + y2 + yx2 + 2x4 = 0.

3. x2 + 1 y0 = y2 − 1.

Solution

Exercice 1.6 Résoudre ce qui suit

1. y00 + y = ( x + 1).

2. y00 + 2y0 + y = e3x .

3. y00 + 5y0 + 6y = x2 + 1 .

Solution
16 Chapitre 1. Prologue : résolution explicite de certaines équations différentielles

1.5 Solutions

Solution 1.1 1.1 Pour trouver les équations différentielles qui ont pour solution les fonctions
y = f ( x ) suivantes : on utilise la dérivation, plus précisement
1
1. f ( x ) = ax, a ∈ R en dérivant on obtient, y0 = a donc y0 = y où
x
xy0 = y.

2. f ( x ) = ae x , a ∈ R en dérivant on obtient, y0 = ae x donc y0 = y .

ex 0 = ex
3. f ( x ) = , donc, y donc (1 + e x )y0 = y.
1 + ex (1 + e x )2
Solution 1.2 1.2 Le but de cet exercice est de traiter les équations à variables séparables (séparées),
la procédure à suivre étant de mettre les y d’un côté et les x de l’autre, puis
dy
d’utiliser la définition y0 = , et finalement il suffira d’intégrer
dx
1.
y0 cos( x )
y0 sin( x ) = y cos( x ) ⇒ = , si y 6= 0
y sin( x )

( on remarque que y = 0 est une solution il ne faudra pas l’oublier !)

dy
On pose à présent y0 = , ce qui donne
dx

dy cos( x ) dy cos( x )
Z Z
= dx ⇒ = dx ⇒ ln |y| = ln | sin( x )| + c
y sin( x ) y sin( x )

⇒ |y| = eln | sin(x)|+c ⇒ |y| = keln | sin(x)| (k > 0, k = ec )

⇒ |y| = k| sin( x )| ⇒ y = ±k sin( x ) ⇒ y = K sin( x ), K ∈ R∗

( N’oublions pas que y = 0 est une solution), alors

y = K sin( x ) K ∈ R.

2.
y0 1
y2 = − ( x + 1) y 0 ⇒ = , y 6= 0
y2 x+1

(On remarque que y = 0 est une solution qu’il ne faudra pas oublier, d’un
autre côté, bien que l’on ait divisé par ( x + 1) il n’est pas nécessaire de dire
x 6= −1, car x = −1 est un point singulier dans l’équation de départ. Pour
faire simple ; on ne se soucie que de la fonction inconnue y)
1.5. Solutions 17

dy
On pose à présent y0 = , ce qui donne
dx

−dy 1 −dy 1
Z Z
= dx ⇒ = dx
y2 x+1 y2 x+1

1 1
⇒ = ln | x + 1| + c ⇒ y = .
y ln | x + 1| + c

3.
xy0 = ay a ∈ R∗ .

En utilisant le même procédé que plus haut on trouve :

y = K|x|a K ∈ R.

4.
q
y0 = 2x 1 − y2

si y 6= ±1 alors

y0 dy
q
0
y = 2x 1 − y2 ⇒ p = 2x ⇒ p = 2xdx
1 − y2 1 − y2

dy
Z Z
⇒ p = 2xdx ⇒ arcsin(y) = x2 + c ⇒ y = sin( x2 + c).
1 − y2
Sans oublier que y = ±1 sont aussi des solutions.

5.
y0 − xe−y = 0

y0 − xe−y = 0 ⇒ y0 = xe−y ⇒ y0 ey = x

x2
Z Z
y y
⇒ e dy = xdx ⇒ e dy = xdx ⇒ ey = +c
2
x2
⇒ y = ln | + c |.
2

6. y = ln (y0 ) ⇒ y0 = expy ⇒ y0 e−y = 1 ⇒ e−y dy = dx

Z Z
−y
⇒ e dy = dx ⇒ e−y = − x + c ⇒ −y = ln(c − x )

1
⇒ y = ln( ) c ∈ R.
c−x
18 Chapitre 1. Prologue : résolution explicite de certaines équations différentielles

Solution 1.3 1.3 Les équations présentées dans cet exercice sont des équations homogènes, donc
y
de la forme y0 = f ( ), pour les résoudre la procédure consiste à poser le change-
x
y
ment de fonction u = , et ainsi se ramèner à une équation à variables séparables.
x
y y
1. xy0 = x − y ⇒ y0 = 1 − on pose (u = , y = ux donc y0 = u + xu0 )
x x
0 u0 1 1
⇒ u + xu = 1 − 2u ⇒ = (u 6= ), (on remarque que si
1 − 2u x 2
1 1
u = ⇒ y = x qui est bien une solution )
2 2
R u0 R 1 R du R 1
⇒ = ⇒ = dx
1 − 2u x 1 − 2u x

1 1
⇒ − ln |1 − 2u| = ln | x | + c ⇒ ln |1 − 2u| = ln( 2 ) + c0
2 x

k K
⇒ |1 − 2u| = 2 , (k = ec > 0) ⇒ (1 − 2u) = 2 , K = ±k, K ∈ R∗
x x
1 K
⇒ u = (1 − 2 )
2 x
1 K
comme y = ux ⇒ y = x (1 − 2 ) K ∈ R∗ ;
2 x
1
or y = x est aussi une solution, donc en définitive
2

1 K
y= x (1 − 2 ) K ∈ R.
2 x

x2 y y
2. xy2 y0 = x3 + y3 ⇒ y0 = 2
+ , on pose U = alors y0 = U 0 x + U en
y x x
remplaçant dans l’équation, on obtient

1 1 dx
U0 x + U = + U ⇒ U 0 U 2 = ⇒ U 2 dU =
U2 x x

dx 1
Z Z
2
⇒ U dU = ⇒ U 3 = ln | x | + c ⇒ U 3 = ln | x |3 + k
x 3
1 1
⇒ U = (ln | x |3 + k) 3 =⇒ y = x (ln | x |3 + k) 3 , k∈R

y
3. x − y + xy0 = 0 ⇒ xy0 = − 1.
y x
On pose U = alors y0 = U 0 x + U en remplaçant dans l’équation, on
x
obtient

1 dx
Z Z
U0 x + U = U − 1 ⇒ U0 = − ⇒ dU = −
x x

⇒ U = − ln | x | + c ⇒ y = x (− ln | x | + c), c ∈ R.
 1.5. Solutions 19

Solution 1.4 1.4

Ainsi

e x + e− x e x − e− x  e x + e− x 0
   
0 1
y + y= y = ,
2 2 2 1 + x2

après intégration on trouve

e + e− x 0
Z  x
1
Z
y dx = dx,
2 1 + x2

soit encore

e x + e− x arctan( x ) + K
y = arctan( x ) + K ⇒ y = 2 , K ∈ R.
2 e x + e− x

xy0 − y = x2

1ère Méthode :Equation Sans Second Membre ensuite Equation Avec Second
Membre ; en utilisant la méthode de la variation de la constante.
2ème Méthode : Il suffit de remarquer que

1 0 1 1 1
xy0 − y = x2 ⇒ y − 2 y = 1 ⇒ ( y)0 = 1 ⇒ y = x + K.
x x x x

Donc
y = x2 + Kx, K ∈ R.

Solution 1.5 1.5

1. xy0 + y = y2 ln( x ). (C’est une équation de Bernoulli)

Pour y 6= 0 on a

y0 1
xy0 + y = y2 ln( x ) ⇒ x 2
+ − ln( x ) = 0,
y y

on pose alors
u = y −1

et par suite
u = − y 0 y −2 ,
20 Chapitre 1. Prologue : résolution explicite de certaines équations différentielles

on remplace dans notre équation pour obtenir

− xu0 + u − ln( x ) = 0,

et cette dernière équation est une équation linéaire que l’on sait résoudre. On
résout l’équation sans second membre − xu0 + u = 0

u0 1
− xu0 + u = 0 ⇒ xu0 = u ⇒ =
u x

du dx
Z Z
⇒ =
u x

⇒ ln |u| = ln | x | + c ⇒ u0 = Kx, K ∈ R,

pour l’équation avec second membre il suffit de remarquer que

u∗ = ln( x ) + 1

est une solution particulière, alors la solution générale est

u = u∗ + u0 = Kx + ln( x ) + 1 K ∈ R,

comme y = u−1 , alors

1
y= K ∈ R.
Kx + ln( x ) + 1

Sans oublier que y = 0 est aussi une solution.

2. x3 y0 + y2 + yx2 + 2x4 = 0. C’est une équation de Riccati, ayant comme solution

particulière
y∗ = − x2 ,

puisque la solution particulière est y∗ = − x2 , la solution générale s’écrira sous

la forme
y = y∗ + u = − x2 + u,

pour déterminer u remplaçons y dans l’équation

x3 y0 + yx2 + y2 = −2x4 ⇒ x3 u0 − x2 u + u2 = 0,
 1.5. Solutions 21

et cette dernière équation est une équation de Bernoulli en u, équation que l’on
sait résoudre, u = 0 est une solution et :

x3 u0 u−2 − x2 u−1 + 1 = 0,

on pose w = u−1 , on remplace dans l’équation, et on obtient

− x3 w0 − x2 w + 1 = 0,

et cette équation est une équation linéaire, on résout l’équation sans second
membre
w0 1
− x3 w0 − x2 w = 0 ⇒ =−
w x
dw dx
Z Z
⇒ =−
w x
K
⇒ ln |w| = − ln | x | + c ⇒ w0 ( x ) = , K ∈ R,
x

pour l’équation avec second membre, on utilise la méthode de la variation de la

K(x)
constante : on pose w∗ ( x ) = , et on remplace dans l’équation avec second
x
membre, on trouve l’équation

K0 K K −1
− x3 ( − 2 ) − x 2 + 1 = 0 ⇒ K 0 ( x ) = x −2 ⇒ K ( x ) = ,
x x x x

K(x) −1
alors w∗ ( x ) = = 2 , donc la solution générale de l’équation sans second
x x
membre est donnée par

K −1 Kx − 1
w ( x ) = w0 ( x ) + w ∗ ( x ) = + 2 = ,
x x x2

comme w = u−1 alors

x2
u( x ) = ,
Kx − 1

alors la solution générale de l’équation de Riccati est donnée par

x2 x2 (2 − Kx )
y = y∗ + u = − x2 + u = − x2 + = .
Kx − 1 Kx − 1

3.
x 2 + 1 y 0 = y2 − 1


22 Chapitre 1. Prologue : résolution explicite de certaines équations différentielles

y0 1
x 2 + 1 y 0 = y2 − 1 ⇒


2
= 2
y −1 x +1
dy dx
⇒ = 2 ,
y2−1 x +1

or
1 1 1 1
= [ − ],
y2 − 1 2 y−1 y+1

alors
dy dx 1 dy dy dx
= 2 ⇒ [ − ]=2 2
y2 −1 x +1 2 y−1 y+1 x +1
dy dy dx
Z Z
[ − ]=2
y−1 y+1 x2+1
y−1
⇒ ln |y − 1| − ln |y + 1| = 2 arctan( x ) + c ⇒ ln | | = 2 arctan( x ) + c
y+1
y−1
⇒| | = e(2 arctan(x)+c) = Ke(2 arctan(x))
y+1

⇒ y − 1 = (y + 1)Ke(2 arctan(x)) ⇒ y(1 − Ke(2 arctan(x)) ) = (1 + Ke(2 arctan(x)) )

1 + Ke(2 arctan(x))
⇒y=
1 − Ke(2 arctan(x))
avec K > 0.

Solution 1.6 1.6

Cet exercice est consacré aux équations différentielles du deuxième ordre, linéaires
à coefficients constants.y00 + y = ( x + 1)
ESSM : y00 + y = 0, l’équation caractéristique associée

r2 + 1 = 0 ⇒ r = ±i.

On en déduit la solution générale de l’ESSM

y0 = c1 cos( x ) + c2 sin( x ), ( c1 , c2 ∈ R).

En observant que y∗ = ( x + 1) est une solution particulière de l’EASM, on a

y = y0 + y∗ ⇒ y = c1 cos( x ) + c2 sin( x ) + ( x + 1), ( c1 , c2 ∈ R).

y00 + 2y0 + y = e3x .

1.5. Solutions 23

ESSM : y00 + 2y0 + y = 0 l’équation caractéristique associée

r2 + 2r + 1 = 0 ⇒ r1 = r2 = −1.

On en déduit la solution générale de l’ESSM

y0 = ( c1 + c2 x ) e − x ( c1 , c2 ∈ R).

En observant que y∗ = c2 e3x est une solution particulière de l’EASM, on a

y = y0 + y∗ ⇒ y = (c1 + c2 x )e− x + ce3x , ( c1 , c2 ∈ R).

y00 + 5y0 + 6y = x2 + 1

ESSM : y00 + 5y0 + 6y = 0 l’équation caractéristique associée

r2 + 5r + 6 = 0 ⇒ r1 = −3, r2 = −2.

On en déduit la solution générale de l’ESSM

y0 = c1 e−3x + c2 e−2x , ( c1 , c2 ∈ R).

1 2 5 37
En observant que y∗ = x − x+ est une solution particulière de
6 18 108
l’EASM, on a

1 5 37
y = y0 + y∗ ⇒ y = c1 e−3x + c2 e−2x + x2 − x + , ( c1 , c2 ∈ R).
6 18 108
3.
2.
1.
 Equations différentielles
ordinaires
2

Nous avons pris le parti, de commencer, contrairement à ce qui se fait

d’habitude, par une partie calculatoire "simplifiée" et de finir par une par-
tie théorique générale. Ce choix a pour but de ne pas effrayer le lecteur
néophyte qui souhaite s’initier à la théorie qualitative des équations diffé-
rentielles

Approche Calculatoire

2.1 Equations différentielle sur R

Soit l’équation
dx .
= x 0 (t) = x (t) = f ( x, t) (2.1)
dt

où f est définie sur un domaine D ⊆ R2 , x est appelée variable d’état, et t

est appelée variable temps.

Théorème 2.1 (Cauchy-Lipschitz local)

∂f
si f et ∂x sont continues sur un domaine D 0 ⊆ D; il existe e > 0 tel que la so-
lution x de l’équation (2.1) qui vérifie x (t0 ) = x0 est unique sur ]t0 − e, t0 + e[ .
De plus si f est de classe C k alors x est de classe C k+1 .

Remarque 2.1 – Comme on le verra plus bas, ceci est une version du théorème de Cauchy-
Lipschitz certes plus "exigeante" mais plus simple à appliquer.
– Si la fonction f est moins régulière il peut y avoir existence mais non unicité
– Si f ne dépned pas de t l’équation (2.1) est dite autonome, et dans ce cas la
date initiale t0 à laquelle la condition initiale est prise n’a aucune importance.

25
26 Chapitre 2. Equations différentielles ordinaires

– La courbe représentative de la solution d’une équation diffrentielle est ap-

pelée chronique ou courbe intégrale.

Définition 2.1 On appelle isocline de pente k ∈ Z l’ensemble des points (t, x ) du plan où la
trajectoire (solution) admet une tangente de pente égale à k, en d’autres termes

x 0 (t) = f ( x, t) = k

2.2 Point d’équilibre

Nous allons à présent, considérer une équation autonome

dx .
= x 0 (t) = x (t) = f ( x ) (2.2)
dt

Commençons par observer que si x (t) est solution de (2.2), alors y(t) =
x (t + T ) est aussi solution de (2.2) (pour s’en convaincre il suffit de rempla-
cer dans l’équation). Donc toutes les solutions des équations autonomes
se déduisent les unes des autres par translation le long de l’axe du temps.

Définition 2.2 On appelle point d’équilibre de l’équation (2.2) ; toute solution constante x (t) =
x ∗ . On aura donc
x ∗0 = f ( x ∗ ) = 0.

2.2.1 Le cas linéaire

C’est certainement l’exemple le plus simple d’une équations différen-

tielle autonome scalaire ; mais comme on le verra plus tard on essaiera
toujours de ramener l’équation donnée à une équation linéaire (du moins
localement)
x 0 (t) = λx (2.3)

le seul point d’équilibre est x ∗ = 0. La solution de l’équation (2.3) vérifiant

x (t0 ) = x0 est donnée par
x (t) = x0 eλt

– Si λ < 0 alors lim x (t) = lim x0 eλt = x ∗ = 0, quelle que soit

t→+∞ t→+∞
 2.2. Point d’équilibre 27

la condition initiale x0 on dira dans ce cas que le point d’équilibre est

globalement asymptotiquement stable.
– Si λ > 0 alors lim x (t) = +∞, on dira alors que le point d’équilibre
t→+∞
est instable.
– Si λ = 0 alors lim x (t) = x0 , on dira alors que le point d’équilibre
t→+∞
est neutralement stable, autrement dit lorsque t tend vers +∞ on ne
s’eloigne pas et on ne s’approche pas non plus du point d’équilibre
x ∗ = 0.

2.2.2 Le cas non linéaire

Soit x ∗ un point d”équilibre de l’équation (2.2), l’étude de la stabilité

locale de x ∗ a pour but de déterminer, si en partant d’une condition initiale
"proche" de x ∗ la trajectoire solution s’approche ou s’éloigne de x ∗ lorsque
t tend vers +∞. Pour ce faire, posons u = x − x ∗ (u est parfois appelée
variable locale) ainsi
u0 (t) = x 0 (t) = f ( x )

si l’on fait un développement de Taylor de f au voisinage de x ∗ on obtient

alors
u0 (t) = f ( x ∗ ) + f 0 ( x ∗ )( x − x ∗ ) + o ( x − x ∗ )

en gardant à l’esprit que f ( x ∗ ) = 0, on obtient

u0 ≈ f 0 ( x ∗ )( x − x ∗ )

≈ f 0 ( x ∗ )u

en posant f 0 ( x ∗ ) = λ∗ on aboutit à une équation linéaire

u0 = λ∗ u.

On dira alors que l’on a linéarisé (2.2) au voisinage du point d’équilibre

∗
x ∗ . La solution de l’équation linéarisée s’écrit u = u0 eλ t ; et on se retrouve
avec trois cas comme précédemment
– Si λ∗ < 0 alors lim u(t) = lim ( x − x ∗ ) = 0 , ou encore lim x = x ∗
t→+∞ t→+∞ t→+∞
28 Chapitre 2. Equations différentielles ordinaires

et on dira dans ce cas que x ∗ est localement asymptotiquement stable

(ou plus simplement localement stable)
– Si λ∗ > 0 alors lim u(t) = +∞ dans ce cas la trajectoire solution
t→+∞
s’éloigne du point d’équilibre, on dira alors que x ∗ est instable.
– Si λ∗ = 0 la linéarisation ne permet pas de conclure quant au
comportement asymptotique de la solution, il faudra alors recourir à
d’autres techniques. Dans ce cas f 0 ( x ∗ ) = 0 le point d’équilibre x ∗ est
dit non hyperbolique ou dégénéré.

Exemple 2.1 Considérons l’équation

x 0 = x3 + 4x2 + x − 6 (2.4)

dans cas f ( x ) = x3 + 4x2 + x − 6 = ( x + 3)( x + 2)( x − 1) et par suite l’équa-

tion (2.4) admet trois points d’équilibre x1∗ = −3, x2∗ = −2, x3∗ = 1. La stabilité
locale de chaque point d’équilibre dépend du signe de la dérive de f en ce point.
Comme f 0 ( x ) = 3x2 + 8x + 1

f 0 (−3) = 4 > 0,

ainsi le point d’équilibre x1∗ = −3 est instable.

f 0 (−2) = −3 < 0,

ainsi le point d’équilibre x2∗ = −2 est localement stable.

f 0 (1) = 12 > 0,

et donc le point d’équilibre x3∗ = 1 est instable.

Portrait de phase

Le portrait de phase de (2.2) consiste à reporter ses points d’équilibre

sur la droite réelle, et représenter le sens des variations de la variable x
(qui n’est autre que le signe de f ( x )) par une flèche orientée vers la droite
si x 0 = f ( x ) > 0, et par une flèche orientée vers la gauche si x 0 = f ( x ) > 0.

Exemple 2.2 Reprenons (2.4) le graphe dans le plan de f ( x ) = x3 + 4x2 + x − 6

 2.3. Systèmes d’équations dans R2 (Systèmes planaires) 29

2.3 Systèmes d’équations dans R2 (Systèmes planaires)

On considère à présent des systèmes du type


 x 0 = f ( x, y)
(2.5)
 y0 = g( x, y)
30 Chapitre 2. Equations différentielles ordinaires

système qui peut aussi être réécrit sous la forme

X 0 = Φ ( X ),

où X = ( x, y) et Φ( X ) = ( f ( x, y), g( x, y)) et si Φ est de classe C1 le théo-

rème d’existence, d’unicité et de régularité énoncé pour les équations dans
R reste valide.
On appelle point d’équilibre de (2.5) toute solution constante ( x ∗ , y∗ )
telle que 
 x ∗0 = f ( x ∗ , y∗ ) = 0
 y∗0 = g( x ∗ , y∗ ) = 0

On appelle plan de phase le plan ( x, y) , et la représentation des trajec-

toires dans le plan de phase est appelé portrait de phase.

2.3.1 Rappels de calcul matriciel

Définition 2.3 Soit A une matrice carrée donnée, l’exponentielle de A notée exp( A) ou plus
simplement e A est définié par

+∞
Ak
exp( A) = e A := ∑ k!
k =0

avec A0 = I la matrice identité.

Propriétés :
– Si A et B sont deux matrices qui commutent ( AB = BA ) alors
e A+ B = e A .e B .
– Si B est une matrice semblable à A alors e B est aussi une matrice
semblable à e A ; c’est à dire qu’il existe une matrice carrée inversible P
telle que e B = P−1 BP.
d
etA = AetA =


– Pour tout réel t, nous avons la règle de dérivation dt

etA A.    
λ1 0 e λ1 t 0
– Si A =   alors etA =  
λ2 0 0 e λ2 t
  
λ 1 e λt teλt
– Si A =   alors etA =  
0 λ 0 eλt
 2.3. Systèmes d’équations dans R2 (Systèmes planaires) 31

   
α −β cos βt − sin βt
– Si A =   alors etA = eαt  
β α sin βt cos βt
– Toute
 matrice2x2 peut être réduite (est semblable) àl’une des
 ma-
λ1 0 λ 1
trices   (avec λ1 pouvant être égal à λ2 ) ,   , ou
0 λ2 0 λ
 
α −β
 .
β α

2.3.2 Résolution explicite des systèmes linéaires

La solution du système linéaire planaire

X 0 = AX

où A est une matrice caréée 2x2 inversible, avec la condition initiale

   
x (0) x0
X (0) =  = 
y (0) y0

est donnée par

X (t) = etA X (0).

Pour s’en convaincre, il suffit d’utiliser les propriétés précédemment énon-

cées, à savoir

d
X0 = X
dt
d  tA 
= e X (0)
dt
d  tA 
= e X (0)
dt
= AetA X (0)

= AX

Remarque 2.2 La condition d’inversibilité de la matrice A n’est pas restrictive, en réalité elle
assure l’existence de l’unique point d’équilibre (0, 0), et comme on le verra plus
bas la linéarisation se fera toujours autour d’un unique point d’équilibre.
32 Chapitre 2. Equations différentielles ordinaires

Exemple 2.3 Essayons de résoudre le système

 
2 1
X 0 = AX =  X (2.6)
−2 4

Il n’est pas toujours évident de calculer l’exponentielle d’une matrice, nous allons
donc essayer de nous ramener (par diagonalisation, triangularisation,...)
  à une
0 1
matrice "simple". En utilisant la matrice de passage P =   , P −1 =
1 1
 
−1 1
  alors
1 0
 
3 − 1
P−1 AP = B =  
1 3
 
cos t − sin t
etB = e3t  
sin t cos t

et par suite
   
0 1 −1 1
etA =   etB  
1 1 1 0
 
cos t − sin t sin t
= e3t  
−2 sin t cos t + sin t

et par suite la solution du système (2.6) est donnée par

X (t) = etA X (0)

  
cos t − sin t sin t x
= e3t   0 
−2 sin t cos t + sin t y0
 
x0 (cos t − sin t) + y0 sin t
= e3t  .
−2x0 sin t + y0 (cos t + sin t)

2.3.3 Stabilité des systèmes linéaires

Soit le système
X 0 = AX
2.3. Systèmes d’équations dans R2 (Systèmes planaires) 33

 
a11 a12
avec A =   donc notre système s’écrit dans ce cas
a21 a22


 x0 = a x + a y
11 12
(2.7)
 y0 = a x + a y
21 22

On supposera aussi que A est inversible, ce qui nous permettra de

conclure à l’existence de l’unique point d’équilibre (0, 0).
1er Cas :

La matrice A admet deux valeurs propres distinctes λ1 6= λ2 , et dans

ce cas elle est diagonalisable
 
λ1 0
P−1 AP = B =  
0 λ2

en posant le changement
Y = P −1 X

donc
X = PY

on aura
X 0 = PY 0 = AX = APY

soit encore
Y 0 = P−1 APY

en posant
Y = (w, z)

on obtient alors le système


 w0 = λ w
1
 z0 = λ z
2
34 Chapitre 2. Equations différentielles ordinaires

qui admet pour solution


 w = w (0 ) e λ1 t
 z = z (0 ) e λ2 t

– Si λ1 > 0 et λ2 > 0 alors

lim w(t) = lim z(t) = +∞

t→+∞ t→+∞

Le point d’équilibre (0, 0) est appelé dans ce cas de figure noeud in-
stable.
le champ de vecteur est donné par

En observant que

z = z (0 ) e λ2 t
  λλ2
= z (0 ) e λ1 t 1
  λλ2
w 1
= z (0)
w (0)

ce qui permet de tracer le portrait de phase

2.3. Systèmes d’équations dans R2 (Systèmes planaires) 35

– Si λ1 < 0 et λ2 < 0 alors

lim w(t) = lim z(t) = 0

t→+∞ t→+∞

Le point d’équilibre (0, 0) est appelé dans ce cas de figure nœud stable.
on a alors le portrait de phase
36 Chapitre 2. Equations différentielles ordinaires

– Si λ1 < 0 et λ2 > 0 alors

lim w(t) = lim z(t) = 0

t→+∞ t→+∞

Le point d’équilibre (0, 0) est appelé dans ce cas de figure point selle.
on a alors le portrait de phase
2.3. Systèmes d’équations dans R2 (Systèmes planaires) 37

2ème Cas : La matrice A admet une valeur propre double λ1 = λ2 = λ,

Si A est diagonalisable
 
λ 0
P−1 AP = B =  
0 λ

en posant
Y = P −1 X

et
Y = (w, z)

on obtient alors 
 w0 = λw
 z0 = λz

soit encore 
 w = w(0)eλt
 z = z(0)eλt

et donc
z(0) λt
z= e
w (0)

– Si λ > 0 alors
lim w(t) = lim z(t) = +∞
t→+∞ t→+∞

Le point d’équilibre (0, 0) est appelé dans ce cas de figure étoile in-
stable.
On a alors le portrait de phase suivant
38 Chapitre 2. Equations différentielles ordinaires

– Si λ < 0 alors
lim w(t) = lim z(t) = 0
t→+∞ t→+∞

Le point d’équilibre (0, 0) est appelé dans ce cas de figure étoile stable.
On a alors le portrait de phase suivant
 2.3. Systèmes d’équations dans R2 (Systèmes planaires) 39

Remarque 2.3 Le cas λ = 0 ne peut pas avoir lieu, car ona a supposée que la matrice A est
inversible.

Si A n’est pas diagonalisable mais seulement triangularisable

 
λ 1
P−1 AP = B =  
0 λ

en posant
Y = P −1 X

et
Y = (w, z)

on obtient alors 
 w0 = λw + z
 z0 = λz

soit encore 
 w = (w(0) + z(0))eλt
 z = z(0)eλt

– Si λ > 0 alors
lim w(t) = lim z(t) = +∞
t→+∞ t→+∞

Le point d’équilibre (0, 0) est appelé dans ce cas de figure nœud dé-
généré instable.
On a alors le portrait de phase suivant
40 Chapitre 2. Equations différentielles ordinaires

– Si λ < 0 alors
lim w(t) = lim z(t) = 0
t→+∞ t→+∞

Le point d’équilibre (0, 0) est appelé dans ce cas de figure nœud dé-
généré stable.
On a alors le portrait de phase suivant
2.3. Systèmes d’équations dans R2 (Systèmes planaires) 41

3ème Cas : La matrice A admet deux valeurs propres complexes conju-

guées λ1 = α + iβ et λ2 = α − iβ
 
α −β
P−1 AP = B =  
β α

en posant
Y = P −1 X

et
Y = (w, z)

on obtient alors 
 w0 = αw − βz
 z0 = βw + αw

on passe alors en coordonnées polaires

w = r cos θ
z = r sin θ

pour obtenir 
 r 0 = αr
 θ0 = β

donc 
 r = r (0)eαt
 θ = βt + θ (0)

– Si α > 0 et β > 0
Le point d’équilibre (0, 0) est appelé dans ce cas de figure foyer in-
stable.
On a alors le portrait de phase suivant représentant une spirale répul-
sive
42 Chapitre 2. Equations différentielles ordinaires

– Si α = 0 et β > 0
Le point d’équilibre (0, 0) est appelé dans ce cas centre (point neutra-
lement stable).
On a alors le portrait de phase suivant représentant des cercles
2.3. Systèmes d’équations dans R2 (Systèmes planaires) 43

– Si α < 0 et β > 0
Le point d’équilibre (0, 0) est appelé dans ce cas de figure foyer stable.
On a alors le portrait de phase suivant

Comme nous l’avons vu plus haut, le comportement asymptotique

(comportement des solutions lorsque t tend vers plus l’infini) dépend
principalement du signe des valeurs propres (du signe des parties
réelles si les valeurs propres sont complexes). Il existe alors une autre
approche pour déduire le signe des valeurs propres sans avoir à les
calculer, en utilisant la trace et le déterminant de la matrice A.

Trace et déterminant

Reprenons le système
X 0 = AX
44 Chapitre 2. Equations différentielles ordinaires

 
a11 a12
avec A =   , trouver les valeurs propres associées à cette
a21 a22
matrice revient à étudier les zéros du polynôme

a11 − λ a12
det ( A − λI ) =
a21 a22 − λ
= ( a11 − λ) ( a22 − λ) − a12 a21

= λ2 − ( a11 + a22 ) + a11 a22 − a12 a21

= λ2 − tr ( A)λ + det( A).

Le discriminant est alors donné par

∆ = (tr ( A))2 − 4 det( A)

ainsi dans le plan (tr ( A), det( A)) l’équation ∆ = 0 correspond à

celle de la parabole det( A) = 1
4 (tr ( A))2 , qui divise le plan en deux
grandes régions.
1er Cas ∆ = 0 (sur la parabole det( A) = 1
4 (tr ( A))2 )
Racine double λ1 = λ2 = λ et dans ce cas

det( A) = λ2

et
tr ( A) = 2λ

– Si tr ( A) > 0 donc λ > 0 et le point d’équilibre est soit une étoile

instable ou un nœud dégénéré instable
– Si tr ( A) < 0 donc λ < 0 et le point d’équilibre est soit une étoile
stable ou un nœud dégénéré stable
2ème Cas ∆ > 0 (région au dessous la parabole det( A) = 1
4 (tr ( A))2 )
– Si det( A) = λ1 λ2 < 0 alors λ1 et λ2 sont de signes opposés le point
d’équilibre est un point selle.
– Si det( A) > 0 et tr ( A) > 0 donc λ1 > 0 et λ2 > 0 le point d’équi-
libre est un nœud instable.
 2.3. Systèmes d’équations dans R2 (Systèmes planaires) 45

– Si det( A) > 0 et tr ( A) < 0 donc λ1 < 0 et λ2 < 0 le point d’équi-

libre est un nœud stable.
3ème Cas ∆ < 0 (région au dessus la parabole det( A) = 1
4 (tr ( A))2 )
λ1 = α + iβ et λ2 = α − iβ donc det( A) = λ1 λ2 = α2 + β2 > 0
– Si tr ( A) < 0 donc la partie réelle des valeurs propres est négative,
et le point d’équilibre est un foyer stable.
– Si tr ( A) > 0 donc la partie réelle des valeurs propres est positive,
et le point d’équilibre est un foyer instable.
– Si tr ( A) = 0 la partie réelle des valeurs propres est nulle, et le point
d’équilibre est un centre.

2.3.4 Systèmes Non-linéaires

On considère des systèmes du type (2.5)


 x 0 = f ( x, y)
 y0 = g( x, y)
46 Chapitre 2. Equations différentielles ordinaires

systèmes qui peuvent aussi être réécrits sous la forme

X 0 = Φ ( X ),

X ∈ D ⊆ R2 est suposée être une fonction de classe C1 (ce qui permet

d’assurer l’existence et l’unicité de solution).

Linéarisation au voisinage d’un point d’équilibre

Supposons que le système (2.5) admet pour point d’équilibre ( x ∗ , y∗ )

donc 
 f ( x ∗ , y∗ ) = 0
(2.8)
 g( x ∗ , y∗ ) = 0

on introduit les variables locales


 u = x − x∗
 v = y − y∗

et on procède à un développent de Taylor des fonctions f et g au

voisinage de ( x ∗ , y∗ ) et en négligeant les termes d’ordre supérieur on
obtient

 u0 = x 0 ≈ f ( x ∗ , y∗ ) + ( x ∗ − y∗ ) ∂ f ( x ∗ , y∗ ) + ( x ∗ − y∗ ) ∂ f ( x ∗ , y∗ )
∂x ∂y
 v0 = y0 ≈ g( x ∗ , y∗ ) + ( x ∗ − y∗ ) ∂g ( x ∗ , y∗ ) + ( x ∗ − y∗ ) ∂g ( x ∗ , y∗ )
∂x ∂y

donc par (2.8)


 u0 = x 0 ≈ ( x − x ∗ ) ∂ f ( x ∗ , y∗ ) + (y − y∗ ) ∂ f ( x ∗ , y∗ )
∂x ∂y
 v0 = y0 ≈ ( x − x ∗ ) ∂g ( x ∗ , y∗ ) + (y − y∗ ) ∂g ( x ∗ , y∗ )
∂x ∂y

ainsi on obtient (localement, au voisinage du point d’équilibre) un

système linéaire

 u0 ≈ u ∂ f ( x ∗ , y∗ ) + v ∂ f ( x ∗ , y∗ )
∂x ∂y
 v0 ≈ u ∂g ( x ∗ , y∗ ) + v ∂g ( x ∗ , y∗ )
∂x ∂y
 2.3. Systèmes d’équations dans R2 (Systèmes planaires) 47

soit encore
    
∂f ∂f
u0 ∗ ∗
∂x ( x , y )
∗ ∗
∂y ( x , y ) u
 ≈  
v0 ∗ ∗ ∗ ∗
∂g ∂g
∂x ( x , y ) ∂y ( x , y ) v

la matrice  
∂f ∗ ∗ ∂f ∗ ∗
 ∂x ( x , y ) ∂y ( x , y ) 
∂g ∗ ∗ ∂g ∗ ∗
∂x ( x , y ) ∂y ( x , y )

est appelée matrice jacobienne évaluée au point ( x ∗ , y∗ ) elle est notée

J ( x ∗ , y∗ ) ou encore Jac( x ∗ , y∗ ). Le système
   
u0 u
  = Jac( x ∗ , y∗ )  
v0 v

est dit système linéarisé de (2.5) au voisinage du point d’équilibre

( x ∗ , y ∗ ).

Définition 2.4 Deux systèmes différentiels sont dit équivalents (ou topologiqument équiva-
lents) si il existe un homéomorphisme (application continue bijective d’in-
verse continue) qui envoie les trajectoires solutions du premier vers celles
du second tout en préservant leur orientation lorsque t évolue. En d’autres
termes deux systèmes sont équivalents s’ils ont le même nombre de points
d’équilibre de même nature et disposés dans le même ordre lorsqu’on fait
varier t.

Théorème 2.2 Hartman-Grobman

Supposons que le système X 0 = Φ( X ) admette ( x ∗ , y∗ ) comme point d’équi-
libre tel que detJ ( x ∗ , y∗ ) 6= 0, alors au voisinage de ( x ∗ , y∗ ) le système
X 0 = Φ( X ) et son système linéarisé associé U 0 = J ( x ∗ , y∗ )U sont équiva-
lents, pourvu que le système linéarisé ne présente pas un centre.

Remarque 2.4 – Si la linéarisation d’un système aboutit a des centres, la linéarisation ne

permet pas de conclure, il faudra alors recourir à d’autres techniques pour
étudier la stabilité du point d’équilibre.
– On dit que les centres ne sont pas (en général) structurellement stable
contrairement aux nœuds, foyers et points selle qui eux, sont conservés
par linéarisation.
48 Chapitre 2. Equations différentielles ordinaires

– Lorsque detJ ( x ∗ , y∗ ) 6= 0 le point d’équilibre ( x ∗ , y∗ ) est dit hyperbolique

(il sera dit non hyperbolique sinon)

Exemple 2.4 Etudier la stabilité locale du sytème suivant au point (2, 0)


 x 0 = f ( x, y) = x (1 − x ) − xy
2
(2.9)
 0
y = g( x, y) = xy − y

Commençons par observer que f (2, 0) = g(2, 0) = 0 c’est donc bien

un point d’équilibre du système donné.
 
∂f ∂f
∂x ( x, y ) ∂y ( x, y )
J ( x, y) =  
∂g ∂g
∂x ( x, y ) ∂y ( x, y )
 
1−x−y −x
=  
y x−1

donc  
−1 −2
J (2, 0) =  
0 1

on remarque que
det J (2, 0) = −1 6= 0

le point d’équilibre (2, 0) est hyperbolique. Les valeurs propres de la

matrice jacobienne J (2, 0) sont λ1 = −1 et λ2 = 1 ; le point (2, 0) est
donc un point selle (on aurait tout aussi bien le déduire en observant
que trJ (2, 0) = 0 et det J (2, 0) = −1 < 0) ainsi (2, 0) est aussi un point
selle pour le sytème (2.5).
Champ de vecteurs et portrait de phase :
Le système (2.5) induit un champ de vecteur de composantes
( x 0 , y0 ) = ( f ( x, y), g( x, y)). Les isoclines verticales du système (2.5)
sont données par les points du plan de phase tels que f ( x, y) = 0,
ce sont donc les points tels que le vitesse y est strictement verticale
donc ( x 0 , y0 ) = (0, g( x, y)). Par analogie on définit les isoclines ho-
rizontales par le points du plan de phase tels que g( x, y) = 0, ce
sont donc les points tels que la vitesse y est strictement horizontale
( x 0 , y0 ) = ( f ( x, y), 0). Les point d’intersections des isoclines verticales
 2.3. Systèmes d’équations dans R2 (Systèmes planaires) 49

et horizontales ne sont rien d’autre que les points d’équilibre de (2.5).

Esquisser une ébauche du plan de phase peut s’avérer très pratique ;
pour ce faire nous présentons la technique à suivre dans l’exemple
suivant :

Exemple 2.5 Soit le système non linéaire suivant


 x 0 = f ( x, y) = x2 + y
 y0 = g( x, y) = y + 4

Pour tracer le portrait de phase et le champ de vecteurs on commence par

trouver les isoclines nulles d’équations f ( x, y) = 0 et g( x, y) = 0, ici l’iso-
cline verticale est une parabole d’équation y = − x2 et l’isocline horizontale
est une droite d’équation y = −4. On représente ces deux courbes dans le
plan

Une fois les isoclines tracées, on cherche l’orientation du champ de vecteur

sur les isoclines (c’est plus simple il n’y a qu’une seule composante). Sur
l’isocline horizontale y = −4 on a f ( x, y) = x2 + y = f ( x, y) = x2 − 4,
qui est positive pour x ∈ ]−∞, −2[ ∪ ]2, +∞[ et le champ de vecteur sera
orienté vers la droite, et négative sur ]−2, +2[ et le champ de vecteur sera
orienté vers la gauche. Sur l’isocline verticale y = − x2 on a g( x, y) = y + 4
qui est négative pour y ∈ ]−∞, −4[ et le champ de vecteur sera orienté vers
le bas, et positive pour ]−4, +∞[ et le champ de vecteur sera orienté vers le
haut.
50 Chapitre 2. Equations différentielles ordinaires

Les isoclines, divisent le plan de phase en plueisurs région, il suffira alors de

tracer les résolvantes des vecteurs déjà tracés sur les isoclines pour obtenir
l’allure du champ de vecteur (et celle des trajectoire) sur tout le plan.

Même avec une esquisse "basique" du portrait de phase, on arrive assez

facilement à deviner que le point d’équilibre (−2, −4) est un point selle
(attractant dans une direction, et répulsif dans l’autre ce qui correspondrait à
une valeur propre négative et une valeur propre positive) Le point d’équilibre
(2, −4) est clairement un point instable (un nœud instable)

Remarque 2.5 – Cette méthode de procéder peut paraitre de prime abord fastidieuse, mais
elle peut s’avérer très pratique dans certains cas.
– On aurait pu retrouver les résultats obtenus graphiquement dans cet
exemple, en faisant une linéarisation autour des points d’équilibre, nous
laissons au lecteur le soin de le faire.
 2.3. Systèmes d’équations dans R2 (Systèmes planaires) 51

2.3.5 Critère de Routh-Hurwitz

Dans les systèmes dynamique autonome la stabilité d’un point

d’équilibre est relativement liés par le signe de la partie réelle des va-
leurs propres associée au matrice Jacobienne on ce point, pour n > 2
la recherche explicite des valeurs propres revient à résoudre des po-
lynôme avec des degrés très élevée. Cependant, il existe un critère dit
de Routh-Hurwitz permettant de conclure à la stabilité locale d’un
point d’équilibre sans savoir explicitement les valeurs propres.
Soit le système linéaire de dimension n suivant :

n
Ẋi = ∑ aij Xj ,
j =1

avec i ∈ [1, n], où A = [ aij ]1≤i≤n,1≤ j≤n est une matrice carrée de di-
mension n à coefficients constantes. Nous supposons que detA 6= 0,
ce qui implique que l’origine est l’unique équilibre. La matrice A ad-
met n valeurs propres qui sont solutions de l’équation caractéristique
det( A − λI ) = 0, cette dernière est un polynôme de degré n que nous
écrivons sous la forme suivante :

PA (λ) = λn + a1 λn−1 + a2 λn−2 + ... + an−1 λ + an = 0

Considérons les n déterminants suivants :

H1 = a1

a1 a3
H2 = ,
1 a2

a1 a3 a5

H3 = 1 a2 a4 ,

0 a1 a3
52 Chapitre 2. Equations différentielles ordinaires

a1 a3 a5 . . .

1 a2 a4 . . .

0 a1 a3 . . .
Hk = ,
0 1 a2 . . .

. . . . . .

0 0 . . . ak

tel que k ∈ [1, n]. Dans le cas de dimension n, tous les a j avec j > n
sont pris égaux à zéros. Nous avons le résultat suivant :
L’équilibre est asymptotiquement stable ⇐⇒ ∀k ∈ [1, n], Hk > 0.
Dans le cas où n = 3, le polynôme caractéristique s’écrit sous la forme
suivante :

PA (λ) = λ3 + a1 λ2 + a2 λ + a3 = 0

H1 = a1

a1 a3
H2 = = a1 a2 − a3 ,
1 a2

a1 a3 0

H3 = 1 a2 0 = a1 a2 a3 − a23 = a3 H2 ,

0 a1 a3

donc, les conditions de stabilité en appliquant le critère de Routh-

Hurwitz sont :
 2.3. Systèmes d’équations dans R2 (Systèmes planaires) 53




 a1 > 0







a1 a2 − a3 > 0









 a >0
3

Règle des signes de Descartes

Il s’agit d’une méthode pour estimer le nombre de racines réelles po-

sitives d’un polynôme : on compte le nombre c de changements de
signe dans la suite des coefficients, en ne tenant pas compte des co-
efficients nuls. Donc le nombre de racines positives vaut au plus c et
si on compte les racines avec leur multiplicité, alors le nombre de ra-
cines positives a la même parité que c, c-à-d que ce nombre vaut c ou
c − 2 ou c − 4, etc.
Soit P( x ) = αn x n + ... + α1 x + α0 un polynôme de degré n à coeffi-
cients réels. Pour 0 ≤ i ≤ n, on pose ei = sgn(αi ) où sgn( x ) = −1, 0
ou 1 selon x est strictement négatif, nul ou strictement positif.
On dit qu’il y a un changement de signe dans la suite e0 , ..., en s’il
existe i et j tels que :

ei = −ei+ j et ei+1 = ... = ei+ j−1

On note σ( P) le nombre de changements de signe dans la suite

e0 , ..., en et r ( P) le nombre de racines strictement positives de P (comp-
tées avec leur multiplicité).

Proposition 2.1 On a : r ( P) ≤ σ( P).

Exemple

Le polynôme x3 + x2 − x − 1, admet un seul changement de signes,

entre le deuxième et le troisième terme. La règle de Descartes affirme
donc qu’il possède exactement une racine positive.
Si l’on transforme x en − x, on a − x3 + x2 + x − 1, qui donne deux
changements de signes. Donc il y a 2 ou 0 racines négatives.
54 Chapitre 2. Equations différentielles ordinaires

Approche Théorique

2.4 Théorié générale

Considérons le problème dit de Cauchy suivant :


 x 0 = f (t, x )
(2.10)
 x (t ) = x
0 0

avec f définie sur I × U −→ E, où I est un intervalle ouvert de R et

U est un ouvert d’un espace de Banach E muni de sa norme k.k .

Définition 2.5 f :I × U −→ E est dite localemnet lipschitzienne par rapport à sa seconde

variable x, si et seulent si ∀(et, xe) ∈ I × U, ∃α > 0, ε > 0, L > 0 tels que

 
∀(t, x ) ∈ et − α, et + α × B( xe, ε); k f (t, x ) − f (t, y)k ≤ L k x − yk

B( xe, ε) étant la boule de centre xe et de rayon ε.

Théorème 2.3 Cauchy-Lipschitz

Si f est continue sur I × U , localement lipschitzienne par rapport à x dans
un voisinage de la condition initiale (t0 , x0 ), alors il existe τ > 0, tel que le
problème (2.10) admet une unique solution définie sur ]t0 − α, t0 + α[ . Si de
plus f est de classe C k sur I × U alors la solution est de classe C k+1 .

∂f
Remarque 2.6 – Dans la première partie nous avons exigé que f et ∂x soient continues,
ceci implique que f est localement lipschitzienne, c’est donc une condition
plus forte, mais elle est plus facile à vérifier, donc dans un exercice on
∂f
commencera toujours par essayer de montrer que f et ∂x sont continues,
et seulement si on n’y arrive pas, on démontrera que f est localement
liptschitzienne.
– Le cas non autonome x 0 = f (t, x ) peut
 seramener
 au casautonome en
t 1
considérant le problème augmenté dtd   =   ; c’est pour-
x f (t, x )
quoi on se limite souvent au cas autonome.
– Si l’on remplace la condition "localement lipschitzienne" par "globale-
 2.4. Théorié générale 55

ment lipschitzienne" dans le théorème précédent on obtient alors l’exis-

tence d’une solution définie sur tout l’intervalle I. Une telle solution est
dite globale.
– Sous les conditions du théorème de Cauchy-Lipschitz ; on peut montrer
qu’il existe un plus grand intervalle J sur lequel le problème (2.10) ad-
met une solution (toute autre solution serait une restriction de celle-ci)
cette solution sera appelée solution maximale. Trivialement, une solution
globale est maximale et la réciproque est généralement fausse.

Lemme 2.1 Gronwall

Soit u : [0, T ] → R une fonction continue ; telle qu’il existe deux fonc-
tions continues a : [0, T ] → R+ et b : [0, T ] → R avec u(t) ≤
Rt
b(t) + a(s)u(s)ds , alors
0

Zt Rt
− a(r )dr
u(t) ≤ b(t) + b(s) a(s)e s ds.
0

Remarque 2.7 – Il existe d’autres versions du lemme de Gronwall selon les conditions im-
posées, il existe même une version discrète de ce lemme en remplaçant
l’intégrale par une somme.
– Parmi les nombreuses conséquences du lemme de Gronwall, nous avons, si
f (t, x ) est une fonction sous linéaire sur R × Rn c’est à dire | f (t, x )| ≤
α | x | + β (pour α, β réels), alors la solution du problème de Cauchy associé
à f est globale.

Lemme 2.2 Dépendance continue par rapport aux données

Soit f une fonction réelle continue en (t, x ) globalement lipschitzienne en x
de contante de lipschtiz L; et soit ε une fonction réelle de la variable réelle t.
Soit x solution du problème de Cauchy

 x 0 = f (t, x )
 x (t ) = x
0 0
56 Chapitre 2. Equations différentielles ordinaires

et soit y solution du problème perturbé


 y0 = g(t, y) = f (t, y) + ε(t)
 y ( t0 ) = y0

alors
 
ZT
∀t ∈ [0, T ] , | x (t) − y(t)| ≤ e LT | x0 − y0 | + |ε(t)| dt .
0

Remarque 2.8 – Ce Lemme permet de dire que si deux problèmes de Cauchy ont deux se-
cond memebres "assez proches" l’un de l’autre alors les solutions des deux
problèmes resteront elles aussi "assez proches".
– En prenant ε(t) ≡ 0 dans le lemme précédent, on peut aboutir à la même
conclusion précédente mais par rapport aux conditions initiales. Deux pro-
blème de Cauchy avec des conditions initiales "assez proches" l’une de
l’autre auront des solutions "proches" l’une de l’autre.
– Le théorème de Cauchy-Lipscitz associé au lemme précédent permettent de
dire que le problème de Cauchy est bien posé (au sens de Hadamard), plus
précisemment nous avons l’existence, l’unicité et la dépendance continue
des solutions par rapport aux données du prooblème.

2.5 Equilibres

Revenons au cas autonome et rappelons qu’un point d’équilibre x ∗

est une solution constante de l’équation x 0 = f ( x ), on appelle flot
associé à cette équation l’application qui à chaque donnée initiale
x (t0 ) = x0 asoocie la solution correspondante notée φ(t0 , x0 ; t) = x (t).
Nous avons alors la définition suivante

Définition 2.6 Soit x ∗ un point d’équilibre de l’équation x 0 = f ( x ),

– (x ∗ est stable) ⇔ (∀ε > 0, ∃η > 0, k x0 − x ∗ k ≤ η ⇒ ∀t ≥ 0, kφ(t0 , x0 ; t) − x ∗ k < ε)
– (x ∗ est instable)⇔(x ∗ n’est pas 
stable) 
– (x ∗ est attractif (attractant)) ⇔ ∃η > 0, k x0 − x∗ k ≤ η ⇒ lim φ(t0 , x0 ; t) = x∗
t→+∞
– (x ∗ est asymptotiquement stable) ⇔ ( x∗ est stable et attractif (attractant))
 2.6. Exercices 57

2.6 Exercices

Exercice 2.1 Sans les résoudre, donner l’allure des solutions des équations différentielles
suivantes :

1. x 0 = x3 − x

2. x 0 = x ln x

3. x 0 = x (1 − x )(2 − x )

4. x 0 = sin x cos x (en se limitant à x (0) ∈ [−2π, 2π ])

Solution

Exercice 2.2 On considère des équations du type

dN
= N 0 = Ng( N )
dt

où N représente la densité d’une population donnée et g( N ) le taux de crois-

sance intrinsèque de la population.

1. Si N ∗ est un point d’équilibre non trivial (non nul), sous quelle(s)

condition(s) est-il stable ?

2. Etudier la stabilité des points d’équilibre non triviaux dans chacun des
cas suivants :

N


(a) g( N ) = r 1 − K (modèle logistique)

(b) g( N ) = −k ln N (modèle de Gompertz)

r
(c) g( N ) = (modèle de Beverton Holt)
α+N
(d) g( N ) = re− βN (modèle de Ricker)

Tous les paramètres dans cet exercice sont supposés strictement positifs.
Solution

dN
= N 0 = rN 1 − N


Exercice 2.3 1. Soit l’équation dt K −E

(a) En vous inspirant de l’exercice précédent, donner une interpréta-

tion de cette équation.

(b) Faire une étude qualitative de ce modèle

dN
= N 0 = rN 1 − N


2. On considère à présent l’équation dt K − EN
58 Chapitre 2. Equations différentielles ordinaires

(a) Donner une interprétation de ce modèle

(b) chercher les points d’équilibre et étudier leur stabilité

(c) Vérifier que cette équation peut se mettre sous la forme d’une équa-
tion logistique (voir exercice précédent). Le résultats obtenus sont-
ils "cohérents"

Solution

Exercice 2.4 Résoudre ce qui suit


 x 0 = −2x + 7y
1. avec ( x0 , y0 ) = (1, 1)
 y0 = 2x + 3y

 x0 = y
2. avec ( x0 , y0 ) = (1, −1) (pour ce système proposer deux
 y0 = − x
approche différentes, et donner une interprétation)

 x 0 = −4x + y
3. avec ( x0 , y0 ) = (1, −1)
 y0 = − x − 2y

Solution

Exercice 2.5 Faire l’étude (points d’équilibre, linéarisation, isoclines, nature des points
d’équilibre, allure du champ de vecteurs, esquisse du portrait de phase) des
systèmes non linéaies suivants

 x 0 = y2 − x 2
1.
 y0 = x − 1

 x0 = − xy
2.
 y0 = (1 + x )(1 − y)

Solution

Exercice 2.6 On considère les deux systèmes suivants

 
 x 0 = − y + x ( x 2 + y2 )  x 0 = − y − x ( x 2 + y2 )
et
 y 0 = x + y ( x 2 + y2 )  y 0 = x − y ( x 2 + y2 )

1. Linéariser ces deux systèmes au voisinage de l’origine ( x ∗ , y∗ ) =

(0, 0). Que remarquez-vous ?

2. Sans linéarisation, étudier la stabilité de l’origine ( x ∗ , y∗ ) = (0, 0).

Conclure !
 2.6. Exercices 59

Solution

Exercice 2.7 Soit une population structurée en deux classes d’âge, disons les juvéniles et les
adultes de densités respectives n1 et n2 obéissant aux équations

 n0 = bn2 − vn
1 1
 n0 = vn − dn
1 2 2

tous les paramètres sont supposés strictement positifs b > 0, v > 0, et

d > 0.

1. Donner une interprétattion du modèle.

2. Faire l’étude qualitative des points d’équilibre.

Solution

Exercice 2.8 On considère le système suivant faisant interagir deux populations entre elles :

 x 0 = rx 1 − x
− axy − Ex
K
(2.11)
 y0 = sy(1 − y ) − bxy − Fy
M

où tous les paramètres sont supposés positifs.

1. Donner une interprétation du modèle

2. En effectuant un changement de variables convenable, ramener le sys-

tème (2.11) au système

 u0 = ρu (1 − u) − αuv
(2.12)
 y0 = σv(1 − v) − βuv

3. Faire l’étude du système (2.12) : points d’équilibre, stabilité locale, es-

quisser le portrait de phase pour les deux cas
 
 α>ρ  α<ρ
ou
 β>σ  β<σ

Solution

Exercice 2.9 L’évolution d’une maladie infectieuse dans une population donnée est décrite
60 Chapitre 2. Equations différentielles ordinaires

par le modèle suivant





 S0 ( T ) = − βS( T ) I ( T ) + αI ( T ) + γR( T ), T > 0,



I 0 ( T ) = βS( T ) I ( T ) − (µ + α) I ( T ), T > 0, (2.13)



0
 R ( T ) = µI ( T ) − γR( T ), T > 0,




avec (S(0), I (0), R(0)) ∈ R3+ . Tous les paramètres sont supposés stricte-
ment positifs.
1- Montrer que la population totale N ( T ) = S( T ) + I ( T ) + R( T ) est
constante et utiliser cela pour éliminer l’équation de R et écrire le nouveau
modèle.
S I α γ
2- Effectuer les changements : s = , i = , t = βNT, a = ,b=
N N βN βN
µ
et c = dans le modèle (2.13) pour trouver le nouveau système normalisé.
βN
3- Trouver les points d’équilibre du système normalisé et étudier leur stabilité
locale.
4- Sous quelle(s) condition(s) sur les paramètres du modèle normalisé la ma-
ladie devrait-elle disparaître ?
Solution

Exercice 2.10 Soient deux fonctions f 1 : R → R et f 2 : R → R toutes deux localement

lipschitziennes, montrer alors que f 1 + f 2 , f 1 f 2 , f 2 ◦ f 1 sont aussi localement
lipschitziennes.
Solution

Exercice 2.11 On considère l’équation

x0 = f (x)

analyser le second membre (lipscitzien, de classe C1 ...) dans chacun des cas
suivant :

1. f ( x ) = x2 + | x |

2. f ( x ) = x + sgn( x )

3. f ( x ) = sgn( x ) sin x

4. f ( x ) = − x + α sin x

Solution
 2.6. Exercices 61

Exercice 2.12 Considérons le problème suivant


 x0 = 2 | x|
p

 x (0) = 0

1. Le problème donné remplit-il les conditions du Théorème de Cauchy-

Lipschitz ?

2. Montrer que ce problème admet une infinité de solution

Solution

Exercice 2.13 On considère le problème suivant


 x 0 = f (t, x )
(2.14)
 x (t ) = x
0 0

avec f est une fonction continue en t et localement lipschitzienne en x véri-

fiant
k f (t, x )k ≤ k1 + k2 k x k , ∀(t, x ) ∈ [t0 , +∞) × R.

Montrer que pour tout t ≥ t0 la solution du problème (2.14) vérifie

k1
k x (t)k ≤ k x0 k exp [k2 (t − t0 )] + (exp [k2 (t − t0 )] − 1) .
k2

Celle-ci peut elle exploser en temps fini ?

Solution

Exercice 2.14 Soient f , g : R × R −→ R deux applications continues sur R × R, (globa-

lement) lipschitziennes par rapport à la deuxième variable. Soient x, y deux
solutions respectives des problèmes :
 
 x 0 = f (t, x )  y0 = g(t, y)
et
 x (t ) = α  y(t ) = α
0 0

Montrer que si f (t, s) ≤ g(t, s) pour tout (t, s) ∈ R × R alors x (t) ≤ y(t)
pour tout t ≥ t0 .
Solution
62 Chapitre 2. Equations différentielles ordinaires

Exercices Supplémentaires

Exercice 2.15 Considérons deux populations se trouvant dans deux sites différents, de den-
sités respectives n1 et n2 régies par le système d’équations :

  
 n0 = αn1 n2 − βn1 n2 + rn1 1 − n1
1 K1
 
 n0 = βn n − αn n + rn 1 − n1
1 1 2 1 2 2 K2

1. Donner une interprétation du modèle.

2. Dans le plan de phase, on se limitera au quadrant positif déterminer

alors les points d’équilibre et faire l’étude de la stabilité locale de chacun
d’eux.

3. Esquisser le portrait de phase

Exercice 2.16 Une population de taille totale N, est confronté à une maladie contagieuse
(infectieuse), cette population est alors divisée en trois sous populations S les
susceptibles (à la maladie) I les infectés (par la maladie) et R les réfractaires
(à la maladie) le modèle suivant décrit l’évolution de la maladie




 S0 = − βSI + γR

I 0 = βSI − νI


R0 = νI − γR



1. Montrer que (S + I + R) est une constante qu’on vous demande de

déterminer.

2. Rechercher les points d’équilibre, et assurez vous qu’ils appartiennent

au quadrant positif.

3. En utilisant la première question ramener le système initialement pro-

posé, à un système de deux équations, puis en faire l’analyse (point
d’équilibre, linéarisation, stabilité locale).

4. On suppose que I (0) = 0 et S(0) > 0 que se passe-t-il alors ? Inter-

préter !

5. On suppose que 0 < I (0) = ε << 1, et S(0) > 0 que se passe-t-il

alors ? Interpréter !
 2.6. Exercices 63

Exercice 2.17 Le système   

 x 0 = abM y(1 − x ) − rx
N
 y0 = ax (1 − y) − µy

est un modèle représentant la dynamique de la transmission de la malaria (le

paludisme) où la population hôte (les humains) et la population vecteur de la
maladie sont des moustiques (femelles) avec
– x représente la proportion d’individus infectés dans la population hu-
maines.
– y représente la proportion d’individus infectés dans la population des
moustiques.
– N représente la taille de la population humaine
– M représente la taille de la population des moustiques femelles
– a est le nombre de piqures par unité de temps
– b est le nombre de piqures occasionnant la transmission de la maladie
– r la vitesse de guérison d’un homme malade
– µ le taux de mortalité des moustiques

1. Donner une interprétation des équations

abM aα
2. En posant α = N et R0 = µr exprimer le point d’équilibre non
trivial en fonction de α, R0 et µ.

3. Esquisser le portrait de phase.

Exercice 2.18 "La rumeur qui court"

Dans une population de taille constante N + 1 court une rumeur. Posons
alors
– x le nombre de personnes ignorant la rumeur
– y le nombre de personne qui répandent activement la rumeur
– z le nombre de personnes qui connaissent la rumeur mais ne la répandent
pas
Le taux de contact entre deux catégories µ est supposé constant. On obtient
alors le système 
 x 0 = −µxy
 y0 = µ [ xy − y(y − 1) − yz]

1. Interpréter les équations du système donné

64 Chapitre 2. Equations différentielles ordinaires

2. Montrer que si initialement y(0) = 1 et x = N le nombre de personne

x1 ignorant la rumeur est donné par l’équation implicite

x1
2N + 1 − 2x1 + N ln( )=0
N

(on fera l’hypothèse que si deux personnes repandant la rumeur se

croisent alors ils cessent de la répandre.

Exercice 2.19 En utilisant un principe de comparaison, trouver une majoration de la solu-

tion du problème 
 x 0 = − x + sin t
1+ x 2
 x (0) = 2

de la forme
| x (t)| ≤ F (t)

avec F une fonction bornée.

 2.7. Solutions 65

2.7 Solutions

Solution 2.1 2.1

1.

x0 = f (x)

= x3 − x

= x ( x − 1) ( x + 1)

Les points d’équilibre sont solutions de l’équation

f (x) = 0

notre équation possède trois points d’équilibre

x1∗ = −1, x2∗ = 0, x3∗ = 1

En remarquant que
f 0 ( x ) = 3x2 − 1

on obtient
f 0 (−1) = 2 > 0

donc x1∗ = −1 est un point instable

f 0 (0) = −1 < 0
66 Chapitre 2. Equations différentielles ordinaires

donc x2∗ = 0 est un point stable

f 0 (1) = 2 > 0

donc x3∗ = 1 est un point instable

L’allure des solutions est donnée par le graphique suivant

2.

x0 = f (x)

= x ln x

On prolongera par continuité f par 0 en 0, ainsi l’équation possédera

deux points d’équilibre

x1∗ = 0, x2∗ = 1

En traçant le graphe de f ( x ) = x ln x

Ce qui permet de déduire que x1∗ = 0 est stable et x2∗ = 1 est instable
2.7. Solutions 67

L’allure des solutions est donnée par

3.

x0 = f (x)

= x (1 − x )(2 − x )

Notre équation possède ainsi trois points d’équilibre

x1∗ = 0, x2∗ = 1, x3∗ = 2

En traçant le graphe de f ( x ) = x (1 − x )(2 − x )

68 Chapitre 2. Equations différentielles ordinaires

Ce qui permet de déduire que x1∗ = 0 est instable, x2∗ = 1 est stable et
que x3∗ = 2 est instable

L’allure des solutions est donnée par

4.

x0 = f (x)

= sin( x )cos( x )

Notre équation possède ainsi une infinité de points d’équilibre formés

par les zéro de sin et cos, pour k entier relatif

∗ ∗
x1k = kπ, x2k = π/2 + kπ

En traçant le graphe de f ( x ) = sin( x )cos( x )

 2.7. Solutions 69

∗ sont instables, x ∗ sont stables.

Ce qui permet de déduire que x1k 2k

L’allure des solutions est donnée par

Solution 2.2 2.2

Cet exercice traite de différents modèles démographiques qui représentent
l’évolution d’une population donnée

dN
= N 0 = Ng( N ) (2.15)
dt

où N représente la densité d’une population donnée (souvent les populations

sont notées par la lettre N ou n) et g( N ) le taux de croissance intrinsèque de
la population. Puisque cette équation est considérée comme le modèle d’évo-
lution d’une population, seule les points d’équilibre positifs (ou nul) ont un
70 Chapitre 2. Equations différentielles ordinaires

sens. Le point d’équilibre nul est appelé trivial (ce point représente l’extinc-
tion, la disparition de la population étudiée).

1. Soit N ∗ > 0 un point d’équilibre non trivial étudions les conditions

sous lesquelles nous avons la stabilité de ce point. D’un côté, comme
N ∗ est un équilibre alors nécessairement

N ∗ g( N ∗ ) = 0

celui-ci étant supposé strictement positif, nous avons alors nécessaire-

ment
g( N ∗ ) = 0.

D’un autre côté, pour étudier la stabilité il suffit d’analyser le signe du

second memebre de l’équation (2.15)

( Ng( N ))0 = g( N ) + Ng0 ( N )

au point d’équilibre nous avons donc

( N ∗ g( N ∗ ))0 = N ∗ g0 ( N ∗ )

ainsi pour que N ∗ soit stable il suffirait que

g0 ( N ∗ ) < 0.

N


2. (a) g( N ) = r 1 − K (modèle logistique aussi appelé modèle de Ve-
rhulst) tous les paramètres de l’équation sont suposés strictement
positif.

dN
= Ng( N )
dt  
N
= Nr 1 − .
K

Les points d’équiibre de cette équation sont donnés par

   
N N
Nr 1 − = 0 ⇒ N = 0 ou r 1 − =0
K K
 2.7. Solutions 71

donc

N1∗ = 0 point d’équilibre trivial, et N2∗ = K point d’équilibre non trivial.

La condtion de stabilité donnée en première question donne

r
g0 ( N2∗ ) = − <0
K

ainsi le point N2∗ = K est toujours stable.

Remarque 2.9 On aurait tout aussi bien pu résoudre explicitement l’équation

 
dN N
= Nr 1 − .
dt K

en utilisant les techniques introduites au premier chapitre ; en effet

 
dN N dN
= Nr 1 − ⇒ N

= rdt
dt K N 1− K

qui est une équation à variables séparée, qui peut être réécrite
!
1
1
+ K N
dN = rdt
N 1− K

il suffit alors d’intégrer entre t0 et t, pour obtenir

N N0
ln N − ln N0 − ln(1 − ) + ln(1 − ) = r ( t − t0 )
K K

ou encore
! !
N N0
ln − ln = r ( t − t0 )
1− N
K 1− N0
K

N0
en prenant (pour simplifier) t0 = 0 et C = 1 − K on obtient
!
N
ln − ln (C ) = rt
1− N
K

donc !
N
ln N

= rt
C 1− K
72 Chapitre 2. Equations différentielles ordinaires

et par suite
N
N

= ert
C 1− K

il s’ensuit que  
1
N 1 + Cert = Cert
K

d’où
Cert KCert
N= =
1 + K1 Cert K + Cert

on a alors le comportement asymptotique de la solution

lim N (t) = K = N2∗ .

t→+∞

On retrouve bien la stabilité du point d’équilibre N2∗ = K, ainsi

si N (0) > K les solutions vont décroitre pour tendre vers K et si
N (0) < K les solutions vont croitre pour tendre vers K. Dans ce
modèle le paramètre K est appelé capacité limite ou encore capacité
d’accueil.
 2.7. Solutions 73

L’allure des solutions est donnée dans la figure suivante.

3. g( N ) = −k ln N (modèle de Gompertz aussi appelé Gompertz-

Makeham) k > 0

dN
= Ng( N )
dt
= − Nk ln N.

Les points d’équiibre de cette équation sont donnés par

− Nk ln N = 0 ⇒ N = 0 ou N = 1

donc

N1∗ = 0 point d’équilibre trivial, et N2∗ = 1 point d’équilibre non trivial.

La condtion de stabilité donnée en première question donne

k
g0 ( N2∗ ) = − = −k < 0
N2∗

ainsi le point N2∗ = 1 est toujours stable.

Remarque 2.10 Comme pour le premier exemple, l’équation donnée

N 0 = − Nk ln N

est une équation à variables séparable qui peut être explicitement réso-
lue
dN dN
= − Nk ln N ⇒ = −kdt
dt N ln N
74 Chapitre 2. Equations différentielles ordinaires

en prenant t0 = 0 et en intégrant entre 0 et t on obtient

ln(ln N ) − ln(ln N0 ) = −kt

en posant ln(ln N0 ) = C on obtient

ln(ln N ) = C − kt

donc
ln N = e(C−kt)

pour finalement avoir

N = exp(e(C−kt) )

on a alors le comportement asymptotique de la solution

lim N (t) = 1 = N2∗ .

t→+∞

Le modèle de Gompertz décrit l’évolution de certaines population (pour

un choix convenable de k), mais il est aussi utilisé pour décrire l’évolu-
tion de la taille d’une cellule tumorale.
2.7. Solutions 75

L’allure des solutions est donnée dans la figure suivante.

r
4. g( N ) = (modèle de Beverton Holt)
α+N

dN
= Ng( N )
dt
rN
=
α+N

ce modèle ne possède que le point d’équilibre trivial comme point d’équi-

libre, il est souvent utilisé dans sa version discrète

rNk−1
Nk = k ∈ N∗
α + Nk−1

qui représente l’évolution d’une population de génération en généra-

tion, Nk étant la densité de la population actuelle, et Nk−1 celle de la
génération précédente.

5. g( N ) = re− βN (modèle de Ricker)

dN
= Ng( N )
dt
= rNe− βN

comme le modèle précédent, ce modèle ne possède que le point d’équilibre

trivial comme point d’équilibre, il est souvent utilisé dans sa version
discrète
Nk = rNk−1 e− βNk−1 k ∈ N∗

qui représente l’évolution d’une population de génération en généra-

tion, Nk étant la densité de la population actuelle, et Nk−1 celle de la
génération précédente.
76 Chapitre 2. Equations différentielles ordinaires

Remarque 2.11 Cet exercice n’a pas abordé le modèle de Malthus g( N ) ≡ r

dN
= Ng( N )
dt
= rN

r > 0, modèle certes simple, mais intéressant (il a même donné lieu à une
doctrine politique le malthusianisme), nous laissons le soin au lecteur de le
traiter. Ce modèle précurseur, fut à l’origine du modèle logistique, en effet
contrairement à ce dernier le modèle de Malthus suppose que la population
peut croitre sans limite, mais en réalité ce n’est pas le cas une populations est
généralement limitée par l’espace ou par les ressources ; d’où l’introduction
de la notion de capacité limite.

Solution 2.3 2.3

1. considérons l’équation
 
dN 0 N
= N = rN 1 − −E (2.16)
dt K

N


(a) On reconnait la partie rN 1 − K qui représente l’équation lo-
gistique (évolution d’une population avec capacité limite K ) à la-
quelle on retranche E, donc le terme (− E) représente un prélève-
ment constant de la population, on dit que l’on est devant une po-
pulation exploitée (par la pêche ou par la chasse par exemple).

(b) Pour faire une étude qualitative de l’équation (2.16), commençons

par rechercher les points d’équilibre, qui sont solution de l’équation
 
N
rN 1 − −E=0
K

soit encore
r
− N 2 + rN − E = 0
K

le discriminant est donné par

r
∆ = r2 − 4 E
 K 
4
= r r− E
K
2.7. Solutions 77

r étant strictement positif, le signe de ∆ dépend de celui du terme

r − K4 E , trois cas se présentent à nous

1er Cas : ∆ > 0.

rK
Ce cas correspond à r − K4 E > 0 soit encore E <


4 . Dans ce cas
nous avons deux points d’équilibre distincts
q q
r r − K4 E r r − K4 E



−r − −r +
N1∗ = −2r
et N2∗ = −2r
K K

ces deux points d’équilibre sont positifs (ils ont donc une significa-
tion biologique) avec 0 < N2∗ < N1∗ .

N N2∗ N1∗
N


rN 1 − K −E − 0 + 0 −

Clairement N2∗ est instable et N1∗ est stable.

L’allure des solution est donnée par le graphique suivant.

78 Chapitre 2. Equations différentielles ordinaires

2ème Cas : ∆ = 0.
rK
Ce cas correspond à r − K4 E = 0 soit encore E =


4 . Dans ce cas
nous avons un unique point d’équilibre (les deux points d’équilibre
dans le cas précédent se confondent en un seul) N1∗ = N2∗ = N ∗ =
K
2
N N∗
N


rN 1 − K −E − − 0 − −

Donc N ∗ est un shunt négatif.

2.7. Solutions 79

L’allure des solution est donnée par le graphique suivant.

3ème Cas : ∆ < 0.

rK
Ce cas correspond à r − K4 E < 0 soit encore E >


4 . Dans ce
cas pas de points d’équilibre, mais on peut tout de même faire la
déduction suivante, dans ce cas rN 1 − N



K − E < 0 soit encore

dN
= N0 < 0
dt

donc la population est strictement décroissante, ce qui a pour consé-

quence l’extinction de la population.

2. Considérons à présent l’équation

 
dN N
= N 0 = rN 1 − − EN
dt K

(a) La différence avec l’équation (2.16), c’est que le terme de prélève-

ment (terme de pêche ou de chasse) est donné (− EN ) donc il n’est
plus constant, mais proportionnel à la population.

(b) Les points d’équilibre sont donnés par les solution de l’équation
   
N rN
rN 1 − − EN = N r − −E
K K
= 0
80 Chapitre 2. Equations différentielles ordinaires

l’équation possède ainsi deux points d’équilibre

r−E
N1∗ = 0 et N2∗ = K
r

r−E
pour que l’équilibre non trivial N2∗ = r K ait un sens (n’oublions
pas qu’il s’agit d’une population) il est nécessaire d’avoir N2∗ > 0,
soit encore r > E.

N N1∗ N2∗
N


rN 1 − K − EN − 0 + 0 −

r−E
Clairement N1∗ = 0 est instable et N2∗ = r K est stable.

(c) Reprenons notre équation

 
dN N
= rN 1 − − EN
dt K
 
Nr
= N r− −E
K
 
r
= N (r − E ) 1 − N
K (r − E )
!
N
= N ( r − E ) 1 − K (r − E )
r
 
N
= Nr 0 1− 0
K

on retrouve la forme d’une équation logistique, avec r 0 = (r − E) et

(r − E )
K0 = r K ce qui est complètement cohérent ave ce qui précède (et
avec la nature de l’équation telle que nous l’avons vu dans l’exercice
précédent) la capacité limité K 0 n’est autre que le point d’équilibre
r−E
stable N2∗ = r K.

Solution 2.4 2.4


 x 0 = −2x + 7y
1. avec ( x0 , y0 ) = (1, 1), notre système est linéaire, il
 y0 = 2x + 3y
peut être écrit sous forme matricielle de la façon suivante
    
x0 −2 7 x
 =  
y0 2 3 y
2.7. Solutions 81

 
−2 7
essayons de réduire la matrice A =   afin de la ramener à
2 3
l’une des formes canoniques vues en cours, pour cela calculons ses valeurs
propres, qui sont solutions de l’équation

det( A − λI ) = 0,

soit encore
−2 − λ 7
= 0,
2 3−λ

donc
λ2 − λ − 20 = 0

nos valeurs propres sont donc

λ1 = −4 et λ2 = 5.

On peut dire que (0, 0) est un point selle (aussi appelé parfois point col).
Cherchons les vecteurs propres associés

Av1 = λ1 v1

ce qui peut être réécrit

    
−2 7 a a
   = −4  
2 3 b b

de là on trouve  
1
v1 = a  
−2
7

pour simplifier les calculs prenons par exemple a = 7, ce qui donne

 
7
v1 =  .
−2
82 Chapitre 2. Equations différentielles ordinaires

Refaisons la même chose avec λ2 = 5

Av2 = λ2 v2

donc     
−2 7 a a
   = 5 
2 3 b b

et de là on trouve  
1
v2 = b  
1

on prendra par exemple b = 1, ce qui donne

 
1
v2 =  .
1

La matrice de passage est constituée des vecteurs propres

   
1
7 1 9 − 19
P=  ⇒ P −1 =  
2 7
−2 1 9 9

on aura ainsi  
−4 0
P−1 AP =  
0 5

en posant le changement
Y = P −1 X

donc
X = PY

on aura
X 0 = PY 0 = AX = APY

soit encore
Y 0 = P−1 APY

en posant
Y = (w, z)
2.7. Solutions 83

on obtient alors le système


 w0 = −4w
 z0 = 5z

qui admet pour solution


 w = w(0)e−4t
 z = z(0)e5t

et par suite
  
e−4t 0 w (0)
Y =   
0 e5t z (0)
   
e−4t 0 x ( 0 )
Y =   P −1  
0 e 5t y (0)

et donc

X = PY   
e−4t 0 x (0)
= P  P −1  
0 e5t y (0)
    
7 1 e−4t 0 1
9 − 19 x (0)
=     
2 7
−2 1 0 e5t 9 9 y (0)
  
7 −4t
9e + 29 e5t 7 5t
9e − 79 e−4t x (0)
=   ,.
2 5t
9e − 29 e−4t 2 −4t
9e + 97 e5t y (0)

   
x (0) 1
comme  =  dans cet exercice
y (0) 1

  
7 −4t
9e + 29 e5t 7 5t
9e − 79 e−4t 1
X =   
2 5t 2 −4t 2 −4t 7 5t
9e − 9e 9e + 9e 1
   
x e5t
X = . = ,
y e5t
84 Chapitre 2. Equations différentielles ordinaires

finalement 
 x = e5t
 y = e5t


 x0 = y
2. avec ( x0 , y0 ) = (1, −1), notre système est linéaire, il peut
 y0 = − x
être écrit sous forme matricielle de la façon suivante
    
x0 0 1 x
 =  
y0 −1 0 y

ce système
 est déjà
sous une des formes
 canoniques,
 en effet ici la matrice
0 1 α −β
A=  est de la forme  , on peut déjà dire que
−1 0 β α
le point d’équilibre (0, 0) correspond à un centre. On a

X = etA X (0)

avec dans ce cas

    
x cos βt − sin βt x (0)
  = eαt   
y sin βt cos βt y (0)

soit     
x cos t sin t 1
 =  .
y − sin t cos t −1

On peut proposer une autre méthode de résolution en remplaçant y de la

première équation dans la seconde ; en effet

y = x0

donc
y0 = x 00

rn remplaçant dans la seconde équation, on obtient

x 00 = − x
 2.7. Solutions 85

ou encore
x 00 + x = 0

équation dite de l’oscillateur harmonique, qui est une équation du

deuxième ordre linéaire à coefficients constants sans second membre (voir
chapitre 1) qui admet pour équation caractéristique

r2 + 1 = 0

donc
r = 0±i

et la solution générale est donnée par

x = C1 cos t + C2 sin t

de là on tire
y = x 0 = −C1 sin t + C2 cos t

avec la condition initiale ( x0 , y0 ) = (1, −1) on arrive à


 x = cos t − sin t
 y = − sin t − cos t

ce qui exactement ce que l’on trouvé par la première méthode

    
x cos t sin t 1
 =  .
y − sin t cos t −1

3. Le troisième exemple est laissé au [Link] réponse est donnée par

X = etA X (0)
     
0 1 cos t − sin t 1 1 x ( 0 )
=   e−t    
1 −1 sin t cos t 1 0 y (0)

Solution 2.5 2.5

86 Chapitre 2. Equations différentielles ordinaires

1. Considérons le système

 x 0 = y2 − x2 = f ( x, y)
 y0 = x − 1 = g( x, y)

L’isocline verticale est donnée par

x0 = 0

donc
y2 − x 2 = 0

soit
y = x ou y = − x

donc l’isocline verticale est l’union de la prmière et de la deuxième bis-

sectrice, sur ces deux droites le champ de vecteur est vertical, sa direction
dépend du signe de y0 = x − 1.

L’isocline horizontale est donnée par

y0 = 0

donc
x−1 = 0

ou encore
x=1

donc l’isocline horizontale est la droite d’équation x = 1, sur cette droite

le champ de vecteur est horizontal, sa direction dépend du signe de x 0 =
y2 − x 2 .

Les points d’équilibre sont les points d’intersection des isoclines verticale
et horizontale, donc nous avons deux points d’équilibre (1, 1) et (1, −1).
2.7. Solutions 87

La matrice Jacobienne est donnée par

 
∂f ∂f
∂x ( x, y ) ∂y ( x, y )
J ( x, y) =  
∂g ∂g
∂x ( x, y ) ∂y ( x, y )
 
−2x 2y
=  
1 0

on évalue la jacobienne aux points d’équilibre, ce qui donne

 
−2 2
J (1, 1) =  
1 0

√
les valeurs propres de cette matrice sont : λ1 = 3 − 1 > 0, λ2 =
√
− 3 − 1 < 0. Ainsi (1, 1) est un point selle (point col).
 
−2 −2
J (1, −1) =  
1 0

les valeurs propres de cette matrice sont λ1 = −1 + i, λ2 = −1 −

i. Ainsi (1, −1) est un foyer stable.

2. Considérons le système

 x 0 = − xy = f ( x, y)
 y0 = (1 + x )(1 − y) = g( x, y)

L’isocline verticale est donnée par

x0 = 0
88 Chapitre 2. Equations différentielles ordinaires

donc
− xy = 0

soit
x = 0 ou y = 0

donc l’isocline verticale est l’union des deux axes x = 0 et y = 0. sur

ces deux droites le champ de vecteur est vertical, sa direction dépend du
signe de y0 = (1 + x )(1 − y).

L’isocline horizontale est donnée par

y0 = 0

donc
(1 + x )(1 − y) = 0

ou encore
x = −1 ou y = 1

donc l’isocline horizontale est l’union des deux droites d’équations x =

−1 et y = 1, sur ces droites le champ de vecteur est horizontal, sa direc-
tion dépend du signe de x 0 = − xy.

Les points d’équilibre sont les points d’intersection des isoclines verti-
cale et horizontale, donc nous avons deux points d’équilibre (0, 1) et
(−1, 0).La matrice Jacobienne est donnée par
 
∂f ∂f
∂x ( x, y ) ∂y ( x, y )
J ( x, y) =  
∂g ∂g
∂x ( x, y ) ∂y ( x, y )
 
−y −x
=  
1 − y −x − 1

on évalue la jacobienne aux points d’équilibre, ce qui donne

 
−1 0
J (0, 1) =  
0 −1

les valeurs propres de cette matrice sont : λ1 = λ2 = −1 < 0. Ainsi

2.7. Solutions 89

(0, 1) est une étoile stable.

 
0 1
J (−1, 0) =  
1 0

les valeurs propres de cette matrice sont λ1 = 1 > 0, λ2 = −1 <

0. Ainsi (−1, 0) est un point selle (point col).
90 Chapitre 2. Equations différentielles ordinaires

Solution 2.6 2.6 Soient les deux systèmes suivants

 
 x 0 = − y + x ( x 2 + y2 )  x 0 = − y − x ( x 2 + y2 )
et
 y 0 = x + y ( x 2 + y2 )  y 0 = x − y ( x 2 + y2 )

1. Calculons les matrices Jacobiennes associées aux deux systèmes

   
3x2 + y2 −1 + 2xy −3x2 − y2 −1 − 2xy
J1 ( x, y) =   et J2 ( x, y) =  
1 + 2xy x2 + 3y2 1 − 2xy − x2 3y2

au point ( x ∗ , y∗ ) = (0, 0) (qui est un point d’équilibre pour les deux

systèmes) nous aurons donc
   
0 −1 0 −1
J1 (0, 0) =   et J2 (0, 0) =  .
1 0 1 0

On observe que les deux systèmes ont la même matrice jacobienne en

(0, 0), ceci était prévisible car les deux systèmes présentent la même par-
tie linéaire 
 x0 = −y
 y0 = x

les termes ± x ( x2 + y2 ) et ±y( x2 + y2 ) sont "négligeables" au voisi-

nage (0, 0) de car d’ordre supérieur. Les systèmes linéarisés présentent
des centres en (0, 0), on ne peut donc rien conclure pour les systèms ini-
tiaux. Pour étudier la stabilité en (0, 0), il faut donc trouver une autre
technique.

2. Etude de la stabilité en ( x ∗ , y∗ ) = (0, 0), comme nous l’avons vu dans

la question précédente la linéarisation ne nous donne pas de réponse.
La présence du terme ( x2 + y2 ) nous pousse à passer en coordonnées
polaires, essayons cela 
 x = r cos θ
 y = r sin θ

ou encore 
 r2 = x 2 + y2
 tg(θ ) = y
x
 2.7. Solutions 91

et par suite 
 2rr 0 = 2xx 0 + 2yy0
 θ0 = y0 x − x 0 y
cos2 θ x2

en remplaçant x 0 et y0 par leur valeurs dans le premier système nous

obtenons

 rr 0 = x −y + x ( x2 + y2 )
+ y x + y( x2 + y2 )

 θ0 = ( x + y ( x 2 + y2 ) ) x − ( − y + x ( x 2 + y2 ) ) y
2
cos θ x2

ou encore 
 rr 0 = − xy + x2 r2 + yx + y2 r2
 θ0 = x 2 + y2
cos2 θ x2

donc 
 rr 0 = x 2 + y2 r 2

 θ0 = r2
cos2 θ x2

ce qui peut aussi s’écrire


 rr 0 = r4
 θ0 = r2
cos2 θ r2 cos2 θ

pour finalement obtenir 

 r 0 = r3
 θ0 = 1

r = 0 est instable (pour s’en convaincre il suffit de considérer l’équation

dans R, r 0 = r3 = f (r ), alors f 0 (r ) = 3r2 > 0 et particulier f 0 (0) > 0
ce qui nous permet de conclure que r = 0 qui correspond au fait que le
point ( x ∗ , y∗ ) = (0, 0) est aussi instable. Le même calcul appliqué au
deuxième sytème nous conduit à

 r 0 = −r 3
 θ0 = 1

et là r = 0 est stable ; qui correspond au fait que le point ( x ∗ , y∗ ) = (0, 0)

est aussi stable.

Remarque 2.12 – Lorsque la linéarisation autour d’un point d’équilibre aboutit à des centres ;
92 Chapitre 2. Equations différentielles ordinaires

alors on ne peux rien conclure, comme on l’a vu dans cet exercice le point
d’équilibre peut être stable comme il peut être instable (comme il peut être un
centre).
– Deux systèmes qui ont une même partie linéaire n’ont pas nécessairement la
même dynamique.

Solution 2.7 2.7 Soit le modèle décrivant l’évolution d’une population structurée en deux
classes d’âge 
 n0 = bn2 − vn
1 1
 n0 = vn − dn
2 1 2

tous les paramètres sont supposés strictement positifs b > 0, v > 0, et d > 0.

1. Interprétation du modèle :analysons chaque terme

Le terme bn2 (terme positif) terme ajouté à n1 (sans pour autant être
retranché de l’équation de n2 ) et vn1 (avec le signe moins, terme négatif)
qui est retranché de la population n2 mais on retrouve ce terme ajouté à
la dynamique de n2 et pour finir le terme dn2 (avec le signe moins) qui
est retranché de de la dynamique de n2 et qu semble disparaitre.

– bn2 représente les nouvelles naissance et b serait en quelque sorte le

taux de natalité
– vn1 représente les juvéniles qui passent à l’âge adulte (donc qui quitte
la classe des juvéniles pour passer à celles des adultes)
– −dn2 représente les décès dans la classe des adulte et d serait en
quelque sorte un taux de mortalité.
– La mortalité est négligée dans la classe des juvéniles (nous ne connais-
sons pas la population décrite par ce modèle nous ne pouvons donc pas
de donner de raison exacte au fait de négliger la mortalité des juvé-
niles, peut être qu’elle est infime comparativement à celle des adultes,
ou alors les juvéniles passent un court temps dans ce stade avant de
passer à l’âge adulte).

2. Le modèle donnée est linéaire, il peut être écrit sous forme matricielle de
la façon suivante
    
n10 −v b n1
 =  
n20 v −d n2
 2.7. Solutions 93

il serait trop compliqué de chercher les valeurs propres (avec 4 paramètres

inconnus) nous allons donc nous contenter de faire une étude à l’aide du
déterminant et de la trace.
 
−v b −v b
det   =
v −d v −d
= v (d − b)

pour avoir un déterminant non nul (et donc (0, 0) comme unique équi-
libre) nous faisons l’hypothèse supplémentaire d 6= b.
 
−v b
tr   = −v − d
v −d

comme tout les paramètres sont supposés strictement positifs, la trace est
toujours négative.

Comme la trace est négative, si le déterminant est aussi négatif (d < b)

alors le point d’équilibre (0, 0) est un point selle.

Par contre si le déterminant est positif (d > b) alors le point d’équilibre

(0, 0) est stable. Donc dans ce cas on aura (à long terme, lorsque t devient
très grand) l’extinction de la population (puisque elle convergerait vers
zéro). Ce résultat était prévisible, en effet si (d > b) cela signifie que la
mortalité est plus grande que la natalité, ce qui conduit inexorablement
à l’extinction de la population étudiée.

Solution 2.8 2.8 On considère le système suivant, qui représentent deux populations en inter-
action 
 x 0 = rx 1 − x
− axy − Ex
K
 y0 = sy(1 − y ) − bxy − Fy
M

où tous les paramètres sont supposés positifs.

x


1. On reconnait dans les deux equations la forme logistique de rx 1 − K
y
et sy(1 − M) (déjà traitée dans un exercice précédent) qui représentent
l’évolution intrinsèque de chaque populations x et y avec des capacités li-
mites respectives K et M. Les termes (− Ex ) et (− Fy) comme on l’a déjà
vu dans un exercice précédent, représentent un prélèvement dans chaque
94 Chapitre 2. Equations différentielles ordinaires

population (proportionnelle à celle-ci) (soit une extra mortalité, une ex-

ploitation par chasse ou par pêche par exemple). Lest termes (− axy) et
(−bxy) représentent l’interaction entre les deux populations car ils font
intervenir à la fois x et y, ici la forme mathématique de l’interaction a été
choisie sou sa forme la plus simple à savoir bilinéaire elle peut prendre
d’autres formes comme f ( x ) g(y) ou encore F ( x, y). Le terme d’inter-
action xy est précédé d’un signe moins dans les deux équations, pour
schématiser cela signifie que la rencontre entre les deux populations est
néfaste (avec des proportions différentes a et b) pour les deux popula-
tions ; on dit dans ce cas, que les deux populations sont en compétition.

Remarque 2.13 L’interaction entre deux populations peut prendre plusieurs formes nous
en citons trois (le plus répandues) :

 x 0 = x f ( x ) − axy
 y0 = xg(y) − bxy

modèle dit de compétition entre deux espèces.


 x 0 = x f ( x ) + axy
 y0 = xg(y) + bxy

modèle dit de symbiose ou de mutualisme.


 x 0 = x f ( x ) − axy
 y0 = xg(y) + bxy

modèle dit de proies-prédateurs, x étant les proies, et y étant les préda-

teurs. On reviendra à ce modèle au chapitre suivant.
2.7. Solutions 95

2. Reprenons notre système initial

 
 x 0 = rx 1 − x
− axy − Ex  x 0 = rx 1 − x − E
− axy
K K r
⇔
 y0 = sy(1 − y ) − bxy − Fy  y0 = sy(1 − y − F ) − bxy
M M s

 x 0 = rx r−E − x − axy

r K
⇔
 y0 = sy( s− F − y ) − bxy
s M
  
 x 0 = r r−E x 1 − rx


r K (r − E )
− axy
⇔
 y0 = s s− F
y(1 − sy ) − bxy
s M(s− F )
  
 x 0 = (r − E) x 1 − rx − axy
K (r − E )
⇔
 y0 = (s − F ) y(1 − sy ) − bxy
M(s− F )

on pose alors les changements de variables

rx K (r − E )
u = ⇔x= u
K (r − E ) r
sy M (s − F )
v = ⇔s=
M (s − F ) s

et par suite

 h
  i
 u0 = r
x0 = r
(r − E) x 1 − K(rrx−E) − axy
K (r − E ) K (r − E )
h i
 v0 = s 0 = s sy
M(s− F )
y M(s− F ) ( s − F ) y ( 1 − M(s− F )
) − bxy

donc 
 u0 = (r − E) u (1 − u) − a M(s− F) uv
s
 v0 = (s − F ) v (1 − v) − b K(r−E) uv
r

en posant alors

M (s − F ) Mσ
ρ = (r − E) et α = a =a
s s
K (r − E ) Kρ
σ = (s − F ) et β = b =b
r r

on arrive au système recherché


 u0 = ρu (1 − u) − αuv
 y0 = σv(1 − v) − βuv

Cette façon de faire s’appelle normalisation (car on s’est ramenés à des

96 Chapitre 2. Equations différentielles ordinaires

équations logistique avec capacités limites égales à 1), le système norma-

lisé seimble être plus simple, et il a la qualité de contenir beaucoup moins
de paramètres que le système initial.

3. Cherchons les points d’équilibre du système normalisé


 u0 = ρu (1 − u) − αuv
 y0 = σv(1 − v) − βuv

donc on cherche les solutions du système


 ρu (1 − u) − αuv = 0
 σv(1 − v) − βuv = 0

de la première équation on voit que u = 0 est une solution, en la rem-

plaçant dans la deuxième on trouve v = 0 ou v = 1, donc nous avons
déjà deux points d’équilibre qui sont (0, 0) et (0, 1) . et si v = 0 en rem-
plaçant dans la première équation on trouve u = 0 ou u = 1, (1, 0) on
obient ainsi un nouvel équilibre Si l’on suppose que u et v ne sont pas
nuls on obtient 
 ρ (1 − u) − αv = 0
 σ(1 − v) − βu = 0

ce qui donne 
 ρu (1 − u) − αuv = 0
 σv(1 − v) − βuv = 0

qui admet pour solution

σ (α − ρ) ρ ( β − σ)
 
(u∗ , v∗ ) = ,
αβ − ρσ αβ − ρσ

N’oublions pas que notre modèle représente la dynamique de deux popu-

lations en interaction pour que ce dernier point d’équilibre ait un sens il
σ(α−ρ) ρ( β−σ)
est nécessaire d’avoir αβ−ρσ > 0 et αβ−ρσ > 0, donc

 


 αβ − ρσ > 0 

 αβ − ρσ < 0
 
σ (α − ρ) > 0 ou σ (α − ρ) < 0

 

 ρ ( β − σ) > 0
  ρ ( β − σ) < 0

2.7. Solutions 97

en supposant que tous les paramètres sont positifs ; on obtient

 


 αβ > ρσ 

 αβ < ρσ
 
α>ρ ou α<ρ

 


 β>σ 
 β<σ

comme tous les paramètres sont supposés positifs, la première inéquation

dans les deux système est conséquences des deux autres, on aboutit alors
à  
 α>ρ  α<ρ
ou
 β>σ  β<σ

et dans ce cas nous avons 4 points d’équilibre qui sont (0, 0) , (0, 1) ,
(1, 0) et (u∗ , v∗ ). Calculons la matrice jacobienne
 
−2ρu − αv + ρ −αu
J (u, v) =  
− βv −2σv − βu + σ

donc  
ρ 0
J (0, 0) =  
0 σ

 α>ρ
donc (0, 0) est un n ?ud instable dans les deux cas ou
 β>σ

 α<ρ
.
 β<σ
 
ρ−α 0
J (0, 1) =  
− β −σ

 α>ρ
les valeurs propres sont (ρ − α) et (−σ) , donc dans le cas , le
 β>σ

 α<ρ
point (0, 1) est un nœud stable, et dans le cas .le point (0, 1)
 β<σ
est un point selle.
 
−ρ −α
J (1, 0) =  
0 σ−β
98 Chapitre 2. Equations différentielles ordinaires


 α>ρ
les valeurs propres sont (−ρ) et (σ − β) , donc dans le cas , le
 β>σ

 α<ρ
point (1, 0) est un nœud stable, et dans le cas .le point (1, 0)
 β<σ
est un point selle.
 
−ρ σαβ(α−−ρσ
ρ)
−α σαβ(α−−ρσ
ρ)
J (u∗ , v∗ ) =  
( β−σ) ( β−σ)
− β ραβ −ρσ −σ ραβ −ρσ

cliarement les calcul des valeurs semble fastidieux, comme nous l’avons
déjà fait dans un exercice précédent, nous allons nous contenter de la
trace et du déterminant de la matrice Jacobienne, pour déduire la nature
du point d’équilibre (u∗ , v∗ ). En effet

σ (α − ρ) ρ ( β − σ) σ (α − ρ) ρ ( β − σ)
det J (u∗ , v∗ ) = (ρσ − αβ) et trJ (u∗ , v∗ ) = −ρ −σ
αβ − ρσ αβ − ρσ αβ − ρσ αβ − ρσ
 
 α>ρ  α<ρ
dans tous les cas et nous avons toujours
 β>σ  β<σ

 α>ρ
trJ (u∗ , v∗ ) < 0. Dans le cas det J (u∗ , v∗ ) < 0, (u∗ , v∗ ) est
 β>σ

 α<ρ
donc dans ce cas un point selle, et dans le cas det J (u∗ , v∗ )
 β<σ
> 0 et par suite (u∗ , v∗ ) est un point stable dans ce cas.

Solution 2.9 2.9

Le problème




 S0 ( T ) = − βS( T ) I ( T ) + αI ( T ) + γR( T ), T > 0,



I 0 ( T ) = βS( T ) I ( T ) − (µ + α) I ( T ), T > 0,



0
 R ( T ) = µI ( T ) − γR( T ), T > 0,




représente l’évolution d’une maladie infectieuse (contagieuse) dans une popu-

lation donnée. Il est connu sous le nom de modèle SIR (il en existe plusieurs
variantes), S représentant les individus sains de la population, "Susceptibles"
d’être touchés par la maladie, I représentant les individus "Infectés" de la po-
2.7. Solutions 99

pulation et donc qui transmettent la maladie et R représentant les individus

"Réfractaires" qui ont déjà contracté la maladie et qui en sont guéris. Comme la
population totale est subdivisée en plusieurs sous populations (plusieurs com-
partiments), on peut alors représenter le modèle par le schéma suivant :

1- Il suffit de faire la somme des trois équations du système pour avoir

N 0 ( T ) = S0 ( T ) + I 0 ( T ) + R0 ( T ) = 0,

ceci implique que N (t) = N = constante. Donc on peut déduire une classe,
par exemple R, à partir des deux autres, R = N − S − I et notre problème
initial devient

 S0 ( T ) = γN − βS( T ) I ( T ) + (α − γ) I ( T ) − γS( T ),

(2.17)
 I 0 ( T ) = βS( T ) I ( T ) − (µ + α) I ( T ).


2- Le changement de variable,

dS dS dt
=
dT dt dT
ds
= N βN,
dt

donc

ds 1

= 2
γN − βS( T ) I ( T ) + (α − γ) I ( T ) − γS( T ) ,
dt βN
1

= 2
γN − βsNiN + (α − γ)iN − γsN ,
βN
γ ( α − γ )i γs
= − si + − ,
βN βN βN
100 Chapitre 2. Equations différentielles ordinaires

de la même manière on a
di α+µ
= si − i.
dt βN
α γ µ
En utilisant les notations a = ,b= et c = on trouve
βN βN βN

ds


 = b − si + ( a − b)i − bs,
dt

(2.18)
 di = si − ( a + c)i.


dt

3- Points d’équilibre,
Le système est donné comme suit


 b − s∗ i∗ + ( a − b)i∗ − bs∗ = 0,

(2.19)
 (s∗ − ( a + c))i∗ = 0.


La seconde équation de (2.19),

i∗ (s∗ − a − c) = 0,

implique que i∗ = 0 ou s∗ = a + c.
Pour i∗ = 0 on trouve s∗ = 1. Donc (1, 0) est un point d’équilibre sans
maladie. D’autre part si i∗ 6= 0 alors s∗ = a + c et en remplaçant dans la
b(1 − ( a + c))
deuxième équation de (2.19) on trouve i∗ = . Le point endé-
b+c
mique (point d’équilibre où la maladie persiste), lorsqu’il existe, est alors donné
b(1 − ( a + c))
par (s∗ , i∗ ) = ( a + c, ).
b+c
Étude de la stabilité des points d’équilibre.
La matrice Jacobienne est
 
−i − b − s + ( a − b )
 
i s − ( a + c)

au voisinage de (1, 0) la matrice Jacobienne devient

 
− b −1 + ( a − b )
 
0 1 − ( a + c)
 2.7. Solutions 101

Les valeurs propres sont alors données comme suit,

λ1 = −b et λ2 = 1 − ( a + c).

On conclut alors que (1, 0) est localement stable si ( a + c) > 1 et est instable
si ( a + c) < 1. Concernant le point endémique, la matrice Jacobienne associée
est  
−i ∗ − b −c − b
J= 
i∗ s∗ − ( a + c)

La trace de J, tr ( J ) = −i∗ − b < 0 (i∗ > 0 lorsqu’il existe) et le déterminant de

J, Det( J ) = i∗ (c + b) > 0 (i∗ > 0 lorsqu’il existe.) Donc (s∗ , i∗ ) est toujours
localement stable lorsqu’il existe.
4- Pour que la maladie disparaissent, il suffit que a + c > 1 car dans ce cas le
point d’équilibre sans maladie est stable et le point endémique n’existe pas.
De façon générale, et pour schématiser, R0 le taux de reproduction de base,
représente le nombre moyen de nouveaux cas infectés par un seul individu
infectieux. Il est un paramètre essentiel pour connaitre l’évolution des maladies
contagieuses. Trivialement si R0 > 1 la maladie va persister, et si R0 < 1 la
maladie va disparaitre.
Le taux de reproduction de base dans cet exercice, est donné comme par

R0 = a + c.

Car le point d’équilibre sans maladie est stable si a + c < 1 et instable si

a + c > 1.

Solution 2.10 2.10

Par hypothèse, comme les fonctions f 1 : R → R et f 2 : R → R sont supposées
être localement lipschtzienne, il va exister pour chaque x0 ∈ R des constantes
positives r, L1 , L2 , k1 et k2 telles que pour tout x, y dans un voisange de x0 ,
disons { x ∈ R, | x − x0 < r |} nous avons

| f 1 ( x ) − f 1 (y)| ≤ L1 | x − y| ,

| f 2 ( x ) − f 2 (y)| ≤ L2 | x − y| ,
102 Chapitre 2. Equations différentielles ordinaires

| f 1 ( x )| ≤ k1 ,

| f 2 ( x )| ≤ k2 .

Nous avons alors pour f = f 1 + f 2

| f ( x ) − f (y)| = |( f 1 + f 2 ) ( x ) − ( f 1 + f 2 ) (y)|

= | f 1 ( x ) − f 1 (y) + f 2 ( x ) − f 2 (y)|

≤ | f 1 ( x ) − f 1 (y)| + | f 2 ( x ) − f 2 (y)|

≤ L1 | x − y | + L2 | x − y |

≤ ( L1 + L2 ) | x − y | .

Nous avons alors pour f = f 1 . f 2

| f ( x ) − f (y)| = |( f 1 f 2 ) ( x ) − ( f 1 f 2 ) (y)|

= | f 1 ( x ) f 2 ( x ) − f 1 (y) f 2 (y)|

= | f 1 ( x ) f 2 ( x ) − f 1 ( x ) f 2 (y) + f 1 ( x ) f 2 (y) − f 1 (y) f 2 (y)|

= | f 1 ( x ) ( f 2 ( x ) − f 2 (y)) + f 2 (y) ( f 1 ( x ) − f 1 (y))|

≤ | f 1 ( x )| | f 2 ( x ) − f 2 (y)| + | f 2 (y)| | f 1 ( x ) − f 1 (y)|

≤ k 1 L2 | x − y | + k 2 L1 | x − y |

≤ ( k 1 L2 + k 2 L1 ) | x − y | .

Nous avons alors pour f = f 2 ◦ f 1 (en adaptant les voisinages de locale lipsch-
tiziannité à la composition f 2 est alors considérée dans un voisinage de f 1 ( x0 ))

| f ( x ) − f (y)| = |( f 2 ◦ f 1 ) ( x ) − ( f 2 ◦ f 1 ) (y)|

= | f 2 ( f 1 ( x )) − f 2 ( f 1 (y))|

≤ L2 | f 1 ( x ) − f 1 (y)|

≤ L2 L1 | x − y | .

Solution 2.11 2.11

1. f ( x ) = x2 + | x | ; le terme de la valeur absolue | x | n’est pas de classe C1 (car

n’est pas dérivable en 0) mais il est globalement lipschtizien. Le terme x2 est
quant à lui de classe C1 , mais de dérivée 2x non globalement bornée sur R,
 2.7. Solutions 103

ainsi f n’est pas de classe C1 en 0, elle de classe C1 dans tout ensemble ne

contenant pas 0. f est aussi localement lipschtzienne mais non globalement
lipscitzienne.

2. f ( x ) = x + sgn( x ), le terme sgn( x ) étant discontinue en 0, f est disconti-

nue en 0, donc ni localement lipschitzienne, ni globalement lipschitzienne,
ni de classe C1 dans tout voisinage de 0.

3. f ( x ) = sgn( x ) sin x, n’est pas de classe C1 en tout voisinage de 0 car

f ( x ) − f (0) sin x
lim = lim+ =1
x → 0+ x−0 x →0 x

et
f ( x ) − f (0) − sin x
lim = lim+ = −1
x → 0− x−0 x →0 x

mais f est globalement lipschtzienne car, si par exemple x ≥ 0 et y ≤ 0, en

utilisant le fait que sin x ≤ x, on a

| f ( x ) − f (y)| = |sin x + sin y|

   
1 1
= 2 sin ( x + y) cos ( x − y)
2 2
≤ | x − y|

les autres cas s traitant de la même façon, on conclut que

| f ( x ) − f (y)| ≤ | x − y|

ainsi f est globalement lipschtzienne.

4. f ( x ) = − x + α sin x, est de classe C1 et de plus f 0 ( x ) = −1 + a cos x

est globalement bornée (par 1 + a par exemple) ainsi f est globalement
lipschitzienne.

Solution 2.12 2.12 Soit le problème 

 x0 = 2 | x|
p

 x (0) = 0

p
1. La fonction f ( x ) = | x | n’est pas localement lipscitzienne au voisinage
de 0. Pour s’en convaincre, il suffit d’observer que 0 est un point d’arrêt.
104 Chapitre 2. Equations différentielles ordinaires

2. Si x > 0
√ dx
x 0 = 2 x ⇐⇒ √ = dt
2 x

donc
√
x = ( t − t0 )

ou encore
x = ( t − t0 )2

en prolongera cette solution par 0 de sorte à avoir


 (t − t0 )2 si t ≥ t0 > 0
x (t) =
 0 si 0 ≤ t ≤ t0

Si x < 0

en faisant un raisonnement analogue on arrive à


 − (t − t )2 si t ≤ t
1 1
x (t) =
 0 si t ≤ t ≤ 0
1

on obtient ainsi une infinité de solutions du problème donné. On a perdu l’unicité.

Solution 2.13 2.13

Par simple intégration de l’équation de (2.14), nous obtenons

Zt
0
x = f (t, x ) ⇒ x (t) = x0 + f (τ, x (τ ))dτ
t0

ainsi
Zt
k x (t)k ≤ k x0 k + k f (τ, x (τ ))k dτ
t0

et par l’hypothèse émise sur f on obtient

Zt
k x (t)k ≤ k x0 k + (k1 + k2 k x (τ )k) dτ
t0

soit encore
Zt
k x (t)k ≤ k x0 k + k1 (t − t0 ) + k2 k x (τ )k dτ
t0
 2.7. Solutions 105

le lemme de Gronwall nous permet d’obtenir

Zt
k x (t)k ≤ k x0 k + k1 (t − t0 ) + (k x0 k + k1 (s − t0 )) k2 exp(k2 (t − s))ds,
t0

en utilisant une intégration par parties on arrive au résultat demandé

k1
k x (t)k ≤ k x0 k exp [k2 (t − t0 )] + (exp [k2 (t − t0 )] − 1) .
k2

Remarque 2.14 De façon délibérée, nous avons laissé le symbole de norme k.k en lieu et place de
la valeur absolue, car le même résultat reste valable si l’on remplace R. par Rn .

Comme k x (t)k est bornée par une valeur finie pour tout t fini, il ne peut y
avoir une explosion de la solution en un temps fini, la solution est globale.

Solution 2.14 2.14

Soient les deux systèmes
 
 x 0 = f (t, x )  y0 = g(t, y)
et
 x (t ) = α  y(t ) = α
0 0

Posons
z(t) = x (t) − y(t)

le but sera de démontrer que z(t) ≤ 0 pour tout t ≥ t0 .En effet

z0 (t) = x 0 (t) − y0 (t)

= f (t, x (t)) − g(t, y(t))

= f (t, x (t)) − g(t, x (t)) + g(t, x (t)) − g(t, y(t))

≤ g(t, x (t)) − g(t, y(t)) car par hypothèse f (t, s) ≤ g(t, s)

≤ L | x (t) − y(t)| car par hypothèse g est lipschitzienne

≤ L |z(t)|

Comme |z(t)| = sgn (z(t)) z(t) où sgn (z(t)) = +1, −1 ou 0 selon que z(t)
106 Chapitre 2. Equations différentielles ordinaires

soit positiven négative ou nulle respectivment, on alors

z0 (t) ≤ Lsgn (z(t)) z(t). (2.20)

Posons alors  
Zt
w(t) = z(t) exp − L sgn (z(s)) ds
t0

alors
 
Zt
w0 (t) = exp − L sgn (z(s)) ds − Lsgn (z(t)) .z(t) + z0 (t)
 

t0

D’après l’inégalité (2.20), on sait que

− Lsgn (z(t)) .z(t) + z0 (t) ≤ 0

 

et par suite
w0 (t) ≤ 0

ce qui permet de conclure que la fonction w est décroissante en d’autres termes

w ( t ) < w ( t0 ) ∀ t ≥ t0

et du fait que
w ( t0 ) = 0

donc
w ( t ) < 0 ∀ t ≥ t0

et par conséquent
z ( t ) < 0 ∀ t ≥ t0

soit encore
x ( t ) < y ( t ) ∀ t ≥ t0

Remarque 2.15 1. Ce type de résultat très utile, est appelé principe de comparaison (on le
retrouve aussi pour les équation au dérivées partielles elliptique ou parabo-
liques).
2.7. Solutions 107

2. On peut retrouver le même résultat avec les même hypothèse si lon considère
les problèmes
 
 x 0 = f (t, x )  y0 = g(t, y)
et
 x (t ) = α  y(t ) = β
0 0

avec la condition α ≤ β.

3. On peut aussi utiliser le lemme de Gronwall pour démontrer le résultat.

4. y est dite sur-solution pour le premier problème et x est dite sous-solution

pour le second problème. Parmi les appliquations que l’on peut déduire, si
x explose en temps fini (tend vers l’infini) y aussi explosera en temps fini,
et d’un autre côté y représente un contrôle de la solution x.
 Lyapunov, Poincaré, Bendixon 3
et bien d’autres

Nous allons nous limiter dans ce chapitre aux systèmes planaires, mais
la plupart des résultats qui seront énoncés restent valable en dimensions
supérieures.

3.1 Intégrales premières

Définition 3.1 On considère un système planaire (dans R2 ) de la forme


 x 0 = f ( x, y)
(3.1)
 y0 = g( x, y)

On dira que I est une intégrale première du système (3.1) si et seulement si elle
est constante le long des solutions du système (3.1). En d’autres termes

I : D ⊆ R2 −→ R

Pour toute solution ( x (t), y(t)) dans D,

I ( x (t), y(t)) = Cste

Définition 3.2 Si I est une fonction régulière, disons de classe C1 ( D ), alors elle sera une intégrale
première du système (3.1) si et seulement si pour toute solution ( x (t), y(t)) dans
D,
d
I ( x (t), y(t)) = 0
dt

109
110 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

soit encore
∂I ∂I
x0 + y0 =0
∂x ∂y

finalement
∂I ∂I
f ( x, y) + g( x, y) = 0.
∂x ∂y

Remarque 3.1 Si I est une intégrale première d’un système donné, alors pour toute constante C
et pour tout entier naturel n > 0 ; ( I + C ) , (CI ) , I n sont aussi des intégrales
premières.

Définition 3.3 Deux intégrales premières I1 et I2 d’un même système donné sont dites indépen-
dantes si et seulement si les deux vecteurs ∇ I1 et ∇ I2 sont linéairement indépen-
dants.

Exemple 3.1 Soit le système 

 x 0 = x ( a − by)
 y0 = y(−c + dx )

tous les paramètres sont supposés strictement positifs. Il s’agit d’un modèle sim-
plifié de proies-prédateurs (déjà introduit dans l’un des exercices du chapitre pré-
cédent). En effet x représente une population de proie qui pour dynamique in-
trinsèque x 0 = ax (équation de Malthus), le terme (−bxy) étant précédé du signe
moins est néfaste pour la population des proies (la rencontre entre x et y, conduit
à un prélèvement dans la population x, c’est le résultat de la prédation). y a pour
dynamique intrinsèque y0 = −cy (équation de Malthus) avec un taux de crois-
sance négatif, car pour bien évoluer la population de prédateurs à besoin de proies,
le terme (dyx ) étant précédé d’un signe plus est donc bénéfique aux prédateurs
(la rencontre entre entre x et y conduit à une augmentation de y, c’est le résultat
de la prédation).
Revenons à notre système, et faison le calcul formel suivant :

x0 x ( a − by)
=
y0 y(−c + dx )

après séparation des variables on obtient

x 0 (−c + dx ) y0 ( a − by)
=
x y
 3.1. Intégrales premières 111

après intégration on arrive à

−c ln x + dx = a ln y − by + C

C étant une constante d’intégration, finalement

I ( x, y) = −c ln x + dx − a ln y + by = C

est une intégrale première du système donné.

Remarque 3.2 Lorsque le portrait de phase présente des courbes fermées, comme c’est le cas ici,
cela signifie que les solutions sont périodiques, en effet lorsque le temps t évolue
on finit toujours par nous retrouver au même point au bout d’un certain temps T
(courbe fermée, donc "on tourne en rond").

Définition 3.4 Un système qui possède une intégrale première est dit conservatif. Ceci est dû
au fait que la quantité I ( x (t), y(t)) est conservée et égale à une même consatnte
lorsque t varie.
112 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

3.2 Stabilité au sens de Lyapunov

Reprenons notre système planaire


 x 0 = f ( x, y)
 y0 = g( x, y)

x (0) = x0 et y(0) = y0

On supposera que toutes les conditions sont réunies pour assurer l’exis-
tence et l’unicité (les hypothèses du Théorème de Cauchy-Lipschitz véri-
fiées par exemple), on fera aussi l’hypothèse supplémentaire (sans perte de
généralité) que notre système admet ( x ∗ , y∗ ) = (0, 0) comme point d’équi-
libre. Si tel n’est pas le cas, donc si ( x ∗ , y∗ ) 6= (0, 0) on pourra toujours
translater nos variables de la façon suivante :

( xe, ye) = ( x, y) − ( x ∗ , y∗ )

on obtiendra alors

 xe0 = x 0 = f ( x, y) = f ( xe + x ∗ , ye + y∗ ) = fe( xe, ye)
 ye0 = y0 = g( x, y) = g( xe + x ∗ , ye + y∗ ) = ge( xe, ye)

et (0, 0) sera un point d’équilibre du nouveau système obtenu par transla-

tion.
Comme nous l’avons vu dans le chapitre précédent, la linéarisation
d’un système autour d’un point d’équilibre nous permet de connaitre la
stabilité (locale) ou l’instabilité de celui-ci. Mais le théorème de linéari-
sation a ses limites, et ne permet de rien conclure si le système linéarisé
présente des centres (ou des points non hyperbolique à savoir Jacobienne
avec déterminant nul). Dans ce cas de figure on se voit obligé d’utiliser
d’autres techniques pour étudier la stabilité des points d’équilibre, par
exemple dans le chapitre précédent nous avons eu recours à un subter-
fuge pour contourner cet obstacle, en passant en coordonnées polaires,
sauf que ceci n’est pas toujours possible. Nous présentons à présent une
autre tecnhique (très puissante) qui consiste en la théorie de Lyapunov.
 3.2. Stabilité au sens de Lyapunov 113

Définition 3.5 Soit D un ouvert de R2 contenant l’origine, une fonction réelle V de classe C1 ( D )
sera dite définie positive si :

1. V (0, 0) = 0

2. V ( x, y) > 0 ∀ ( x, y) ∈ D r {(0, 0)}

Exemple 3.2 La fonction V ( x, y) = x2 + y2 est définie positive sur R2

Remarque 3.3 1. Par définition même, toute fonction définie positive admet un minimum en
(0, 0).

2. Nous avons pris (0, 0) comme point d’équilibre, ce qui est toujours possible
par translation, mais la même définition et les mêmes conséquances qui
vont suivre restent valables si on conserve un point d’équilibre quelconque
( x ∗ , y∗ ) il suffira alors de remplacer (0, 0) dans tous les énoncés à suivre
par ( x ∗ , y∗ ) .

Définition 3.6 On appelle courbes de niveau associées à V ( x, y) les points ( x, y) du plan verifiant
V ( x, y) = α > 0. Le courbes de niveau sont obtenues en faisaint des coupes
horizontales de z = V ( x, y) dans l’espace en z = α. Par exemple en reprenant
le cas V ( x, y) = x2 + y2 représentée dans l’éspace alors les coupes horizontales
donnent les courbes de niveau qui sont des cercles concentriques.
114 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

Théorème 3.1 Lyapunov 

 x 0 = f ( x, y)
Soit ( x, y) une solution du système , admettant (0, 0) comme
 y0 = g( x, y)
point d’équilibre et soit V : D ⊆ R2 → R une fonction de classe C1 définie
positive

d
1. Si dt V ( x, y ) ≤ 0 ∀( x, y) ∈ D r {(0, 0)} alors V est appelée fonction de
Lyapunov faible et le point (0, 0) est stable.
d
2. Si dt V ( x, y ) < 0 ∀( x, y) ∈ D r {(0, 0)} alors V est appelée fonction de
Lyapunov forte (ou stricte) et le point (0, 0) est asymptotiquement stable.

Pour faire simple, une fonction de Lyapunov est une fonction de classe
C1 définie positive et qui décroit (strictement) le long des trajectoires so-
lutions.

d ∂V dx ∂V dy
V ( x, y) ≤ 0⇔ . + . ≤0
dt ∂x dt ∂y dt
∂V ∂V
⇔ . f ( x, y) + .g( x, y) ≤ 0
∂x ∂y

Le principe de la fonction de Lyapunov est le suivant : étant décrois-

sante (strictement) le long des solutions, elle oblige celles-ci à traverser
3.2. Stabilité au sens de Lyapunov 115

les courbes de niveau de l’extérieur vers l’intérieur pour se "diriger" vers

(0, 0).

Démonstration. Soit C un cercle de centre (0, 0) inclus dans D, alors V

admet un minimum m > 0 sur C (n’oublions pas que V > 0). Soit U
l’ensemble des points situés à l’intérieur de C (appartenant don au disque)
vérifiant V ( x, y) < m, U ainsi défini n’est pas vide car il contient au moins
(0, 0) car V (0, 0) = 0 < m, U est même un voisinage de (0, 0) car V est
continue.
Soit (tn )n une suite croissante telle que tn → +∞ (on peut tout simple-
ment prendre tn = n). Ainsi V ( x (tn ), y(tn )) est décroissante etant minorée
(par 0) elle est convergente, nous avons donc nécessairement

[V ( x (tn+1 ), y(tn+1 )) − V ( x (tn ), y(tn ))] −→ 0 (3.2)

D’un autre côté, par le théorème des valeurs intermédiaires ∃sn ∈ ]tn , tn+1 [
tel que

d
[V ( x (tn+1 ), y(tn+1 )) − V ( x (tn ), y(tn ))] = V ( x (sn ), y(sn )) (tn+1 − tn )
dt

en prenant tn = n et donc tn+1 = n + 1 on obtient

d
[V ( x (tn+1 ), y(tn+1 )) − V ( x (tn ), y(tn ))] = V ( x (sn ), y(sn ))
dt

( x (sn ), y(sn )) étant dans un compact, on peut en extraire une sous suite
convergente ( x (rn ), y(rn )) donc par (3.2), on a

d d
0 = lim V ( x (rn ), y(rn )) = V ( x∞ , y∞ )
n→+∞ dt dt

Par les propriétés de la fonction de Lyapunov, nécessairement ( x∞ , y∞ ) =

(0, 0)
lim ( x (rn ), y(rn )) = (0, 0)
n→+∞

d’ou la stabilité de (0, 0).

.
116 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

Exemple 3.3 1. Soit le système 

 x0 = y
 y0 = x − 6x2 y

(0, 0) est un point d’équilibre pour le système. La matrice Jacobienne est

donnée par  
0 1
J ( x, y) =  
−1 − 12xy −6x2

au point (0, 0)  
0 1
J ( x, y) =  
−1 0

on reconnait la forme canonique d’un centre, ainsi la linéarisation ne permet

pas de conclure quant à la stabilité ou non du point (0, 0).

Proposon alors V ( x, y) = x2 + y2 qui est une fonction régulière définie

positive, comme fonction de Lyapunov

d
V ( x, y) = 2xx 0 + 2yy0
dt
= 2xy + 2y x − 6x2 y

= −12x2 y2

< 0 ∀( x, y) 6= (0, 0)

ainsi V ( x, y) = x2 + y2 est une fonction de Lyapunov stricte et (0, 0) est

asymptotiquement stable.

2. Soit le système 
 x0 = y
 y0 = − sin x

(0, 0) est un point d’équilibre pour le système. La matrice Jacobienne est

donnée par  
0 1
J ( x, y) =  
− cos x 0

au point (0, 0)  
0 1
J ( x, y) =  
−1 0
 3.2. Stabilité au sens de Lyapunov 117

on reconnait la forme canonique d’un centre, ainsi la linéarisation ne permet

pas de conclure quant à la stabilité ou non du point (0, 0).

Proposon alors V ( x, y) = (1 − cos x ) + 21 y2 qui est une fonction régulière

 
définie positive pour tout x ∈ − π2 , π2 , comme fonction de Lyapunov

d
V ( x, y) = sin x.x 0 + yy0
dt
= y sin x − y sin x

= 0

≤ 0 ∀( x, y) 6= (0, 0)

ainsi V ( x, y) = (1 − cos x ) + 12 y2 est une fonction de Lyapunov faible et

(0, 0) est stable.

Remarque 3.4 1. Il n’existe pas de technique générale pour trouver une fonction de Lyapu-
nov qui convient. A notre niveau on commencera par chercher une fonction
sous forme quadratique V ( x, y) = ax2 + 2bxy + cy2 en choisissant conve-
nablement les réels a, b et c.

2. Il est parfois pratique de chercher la fonction de Lyapunov sous la même

forme que les données du système, comme le montre l’exemple précédent.
d
3. Si dans le Théorème de Lyapunov, la condition dt V ( x, y ) < 0 est remplacée
d
par dt V ( x, y ) > 0 alors l’équilibre (0, 0) sera instable. Le théorème de
Chetaev nous donnera ce résultat tout en étant moins éxigent.

4. Si dans le Théorème de Lyapunov on impose D = R2 et on ajoute la condi-

tion V coercive (aussi dite globalement propre, ou radialement non-bornée)
à savoir
lim V ( x, y) = +∞
k( x,y)k→+∞

alors l’équilibre (0, 0) sera globalement asymptotiquement stable.

5. Principe d’invariance de LaSalle (version simplifiée) Si V est une fonc-

n o
tion de Lyapunov faible, et si l’ensemble ( x, y) ∈ D, dtd V ( x, y) = 0 ne
contient aucune autre trajectoire que l’origine (0, 0) ; alors ce dernier est
asymptotiquement stable.

Théorème 3.2 Chetaev

118 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

Soit U un voisinage ouvert de l’origine suffisemment "petit". S’il existe un ouvert

Ω ⊂ R2 et une fonction V : Ω → R de classe C1 vérifiant :

1. (0, 0) ∈ ∂Ω (la frontière de Ω).

2. V ( x, y) = 0 ∀( x, y) ∈ ∂Ω ∩ U.

3. V ( x, y) > 0 et d
dt V ( x, y ) > 0 ∀( x, y) ∈ Ω ∩ U.
Alors (0, 0) est un point instable.

3.3 Notion de cycle limite

3.3.1 Introduction par un exemple

Soit le système

 x 0 = y + α 1 − x 2 − y2
x
 y 0 = − x + α 1 − x 2 − y2
y

où α est un paramètre réel non nul. (0, 0) est un point d’équilibre pour ce
problème, la matrice Jacobienne est donnée par
 
−3αx2 − αy2 + α 1 − 2αxy
J ( x, y) =  
−1 − 2αxy −3αy2 − αx2 + α

Au point (0, 0)  
α 1
J (0, 0) =  
−1 α

Selon le signe de α, (0, 0) est un foyer stable ou instable (lorsque α = 0 la

linéarisation préconise un centre on ne peut rien conclure pour le système
initial). Passons en coordonnées polaires

 r 2 = x 2 + y2
 tgθ = y
x

on aura 
 2rr 0 = 2xx 0 + 2yy
0 0
θ0
 = y x−x y
cos2 θ x2
3.3. Notion de cycle limite 119

après simplification on trouve


 r 0 = α 1 − r2
r
 θ 0 = −1

En reprenant la première équation

r 0 = α 1 − r2 r

on observe que r = 1 est stable si α > 0 et instable si α < 0. N’oublions

pas que r2 = x2 + y2 donc pour r = 1, ce n’est rien d’autre que l’équation
du cercle (courbe fermé) centré à l’origine et de rayon 1. Nous avons donc
dans cet exemple, une courbe fermée (et non pas seulement un point) qui
est stable ou instable (qui attire ou répulse les trajectoires solution). Cette
courbe s’appelle un cycle limite. Rappelons qu’une courbe fermée dans le
plan de phase suggère des solutions périodiques.
α>0

α<0
120 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

Ainsi on peut définir de façon simple un cycle limite comme étant une
trajectoire fermée qui attire ou repousse les solutions.

3.4 Théorème de Poincaré-Bendixon

Définition 3.7 Un domaine D ⊂ R2 est dit positivement invariant pour le système


 x 0 = f ( x, y)
 y0 = g( x, y)

si pour toute condition initiale ( x0 , y0 ) ∈ D la trajectoire solution qui en est

issue, reste entièrement contenue dans D lorsque t évolue de façon positive (vers
l’avant) dans le temps.

Exemple 3.4 Soit le système 

 x 0 = x ( y − 1)
 y 0 = y ( x − 1)

L’union des droites d’équation x = 0 et y = 1 constitue l’isocline verticale.

L’union des droites d’équation x = 1 et y = 0 constitue l’isocline horizontale.
L’intersection des deux isoclines donne les points d’équilibre du système (0, 0) et
(1, 1). Esquissons le portrait de phase, ainsi que le champ de vecteurs :

On voit clairement que D = ]0, 1[ × ]0, 1[ est postivement invariant, si l’on

prend une condition initiale ( x0 , y0 ) ∈ ]0, 1[ × ]0, 1[ alors la solution partant
de ce point reste "captive" de ]0, 1[ × ]0, 1[ et ne peut en sortir. On peut aussi
observer que le premier quadrant est aussi positivement invariant.
 3.4. Théorème de Poincaré-Bendixon 121

Définition 3.8 Un domaine D ⊂ R2 est dit attractant pour le système


 x 0 = f ( x, y)
 y0 = g( x, y)

s’il est compact et positivement invariant.

Définition 3.9 Un point (l1 , l2 ) est dit point de limite (positif) de ( x (t), y(t)) solution de

 x 0 = f ( x, y)
s’il existe une suite (tn )n telle que tn → +∞ verifiant
 y0 = g( x, y)

( x (tn ), y(tn )) → (l1 , l2 )

on note ω l’ensemble de tous ces point

ω = {(l1 , l2 ); ∃ (tn )n , ( x (tn ), y(tn )) → (l1 , l2 )}

cet ensemble est appelé ensemble ω-limite.

En remplaçant +∞ par −∞ on obtient l’ensemble appelé α-limite.

Théorème 3.3 Poincaré-Bendixon 

 x 0 = f ( x, y)
Soit D un domaine du plan, attractant pour le système soit
 y0 = g( x, y)
( x (t), y(t)) ∈ D alors l’ensemble ω-limite est soit

1. Un point d’équilibre (stable).

2. Une trajectoire périodique (un cycle limite).

3. Une réunion de points d’équilibre reliés par des trajectoires régulières.

Remarque 3.5 1. Le théorème de Poincaré-Bendixon donne une classification totale de la dy-

namique d’un système planaire.

2. On utilise souvent le théorème de Poincaré-Bendixon en procédant par éli-

mination.

3. Il y a deux configurations possibles dans le troisième point du théorème ;

trajectoire homocline qui relie un même point d’équilibre, ou trajectoire hé-
térocline qui relie deux équilibres entre eux.

Corollaire 3.1 S’il existe dans le plan un domaine attractant pour un système plainaire, et qui
122 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

ne contient pas d’équilibre, alors il existe au moins un cycle limite entièrement

contenu dans ce domaine.

Corollaire 3.2 S’il existe dans le plan un un domaine attractant pour un système plainaire,
qui contient un unique point d’équilibre instable, alors il existe un cycle limite
entièrement contenu dans ce domaine.

Remarque 3.6 Le domaine tel qu’il es donné dans ces deux corollaires est parfois appelé boite de
Poincaré-Bendixon.

Proposition 3.1 Critère négatif de Dulac

Soit un système planaire, et soit D une région simplement connexe du plan.
∂( B f )
Si B( x, y) est une fonction continue et différentiable sur D, si la quantité ∂x +
∂( Bg)
∂y est de signe constant sur D, il n’existe pas de cycle limite entièrement
contenu dans D.
 3.5. Exercices 123

3.5 Exercices

Exercice 3.1 Soit le système 

 x 0 = x − xy
 y0 = −y + xy

1. Trouver les points d’équilibre du système donné, puis faire une linéarisation
autour des points d’équilibre.

2. Trouver une intégrale première du système.

3. Montrer qu’il y a conservation des centres entre système linéarisé et système

initial.

Solution

Exercice 3.2 Soit le système 

 x 0 = 2y
 y0 = 2x − 3x2

1. Trouver les points d’équilibre du système donné, puis faire une linéarisation
autour des points d’équilibre.

2. Trouver une intégrale première du système.

3. Montrer qu’il y a conservation des centre entre système linéarisé et système

initial.

Solution

Exercice 3.3 Soit le système 

 x 0 = ax − y − x ( x2 + y2 )
 y0 = x + ay − y( x2 + y2 )

1. Linéariser le système autour de (0, 0). Conclure !

2. Déterminer la nature (stabilité-instabilité) du point d’équilibre en proposant

une fonction de Lyapunov.

3. Montrer l’existence d’un cycle limite.

Solution

Exercice 3.4 Soit l’équation

x 00 + bx 03 + x = 0
124 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

1. Ramener l’équation donnée à un système de deux équations du premier

ordre.

2. Linéariser le système obtenu autour du point d’équilibre. Conclure !

3. Proposer une fonction de Lyapunov pour étudier la stabilité du point d’équi-

libre.

Solution

Exercice 3.5 On considère le système suivant


 x0 = y
 y0 = − x + y(1 − x2 − 2y2 )

1. Faire une linéarisation autour des points d’équilibre et étudier leur stabilité
locale.
x2 y2 d 1
2. Soit V ( x, y) = 2 + 2, étudier le signe de dt V ( x, y ) pour x2 + y2 < 2

puis pour x2 + y2 > 1.

3. Conclure en utilisant le théorème de Poincaré-Bendixon

Solution

Exercice 3.6 Pour chacun des systèmes suivants, proposer une fonction de Lyapunov pour mon-
trer que l’origine (0, 0) est asymptotiquement stable (au sens de Lyapunov).

1. 
 x 0 = − x + xy
 y0 = −y

2. 
 x 0 = − y − x 1 − x 2 − y2

 y 0 = x − y 1 − x 2 − y2

3. 
x 0 = y 1 − x2


 y0 = −( x + y) 1 − x2

4. 
 x0 = − x − y
 y0 = 2x − y3

Solution
 3.5. Exercices 125

Exercice 3.7 Soit le système 

 x 0 = x3 + x2 y
 y0 = −y + y2 + xy − x3

En utilisant le théorème de Chetaev, montrer que l’origine est instable.

Solution

Exercice 3.8 Soit le système 

 x0 = y
 y 0 = − x 3 − y3

Montrer que l’origine est asymptotiquement stable.

Solution

Exercices Supplémentaires

Exercice 3.9 Soit le système 

 x 0 = x − x3 + y
 y0 = 3x − y

1. Trouver les points d’équilibre du système donné.

2. Faire une linéarisation et étudier la stabilité locale des points d’équilibre

3. En utilisant des fonctions de Lyapunov adéquates, estimer la région d’at-

traction (la plus large possible) de chaque point d’équilibre stable.

4. Tracer le portrait de phase et comparer les résultats obtenus graphiquement,

par ceux obtenus précédemment.

Exercice 3.10 Soit le système 

 x0 = y
 y0 = − g( x ) ( x + y)

avec g une fonction réelle localement lipschitzienne, vérifiant

g(s) ≥ 1, ∀s ∈ R.

En utilisant la fonction

Zx
V ( x, y) = sg(s)ds + xy + y2 ,
0
126 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

montrer que l’origine (0, 0) est globalement asymptotiquement stable.

 3.6. Solutions 127

3.6 Solutions

Solution 3.1 3.1

Soit le système 
 x 0 = x − xy
 y0 = −y + xy

Il s’agit ici d’un système proie-prédateur dans une forme rudimentaire, le lecteur
avisé l’aura certainement remarque par lui même.

1. Les points d’équilibre sont solutions du système


 x − xy = 0
 −y + xy = 0

donc 
 x = 0 ou y = 1
 y = 0 ou x = 1

ainsi les points d’équilibre sont (0, 0) et (1, 1). La matrice Jacobienne est
donnée par  
1−y −x
J ( x, y) =  
y x−1

ainsi  
1 0
J (0, 0) =  
0 −1

deux valeurs propres λ1 = 1 et λ2 = −1 de signes opposés, (0, 0) est donc

un point selle.  
0 −1
J (1, 1) =  
1 0

on reconnait la forme canonique d’un centre, la linéarisation ne permet de

rien conclure concernant le point d’équilibre (1, 1).

2. Pour trouver une intégrale première nous procédons comme dans l’exemple
x0
vu dans la partie cours, il suffit d’éliminer la variable temps en divisant y0 .

x0 x − xy
0
=
y −y + xy
128 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

soit encore
x0 x (1 − y )
=
y0 y ( x − 1)

donc
x−1 1−y
dx = dy
x y

en intégrant les deux membres de la dernière égalité, on obtient

x − ln x = ln y − y + C

C étant une constante d’intégration, par suite

I ( x, y) = x − ln x − ln y + y = C

est une intégrale première du système donné. En particulier I (1, 1) = 2, on

pourra toujours considérer comme intégrale première

I ( x, y) = x − ln x − ln y + y − 2

ce qui permet d’avoir I (1, 1) = 0 (comme on l’a vu en cours, si I est une

intégrale première alors I + C l’est aussi). Faisons à présent un développe-
ment de Taylor de la fonction I autour du point (1, 1)

∂I ∂I
I ( x, y) = I (1, 1) + ( x − 1) (1, 1) + (y − 1) (1, 1) +
∂x ∂y
∂2 I ∂2 I
+2( x − 1) ( y − 1) (1, 1) + ( x − 1)2 2 (1, 1) +
∂x∂y ∂x
2
∂ I  
+ (y − 1)2 2 (1, 1) + o ( x − 1)2 + (y − 1)2
∂y

or
∂I 1 ∂I
( x, y) = 1 − ⇒ (1, 1) = 0
∂x x ∂x

et
∂I −1 ∂I
( x, y) = + 1 ⇒ (1, 1) = 0
∂y y ∂y

on a aussi
∂2 I ∂2 I
( x, y) = 0 ⇒ (1, 1) = 0
∂x∂y ∂x∂y
 3.6. Solutions 129

d’autre part
∂2 I 1 ∂2 I
( x, y ) = ⇒ (1, 1) = 1
∂x2 x2 ∂x2

et
∂2 I 1 ∂2 I
( x, y ) = ⇒ (1, 1) = 1
∂y2 y2 ∂y2

pour finalement avoir

 
I ( x, y) = ( x − 1)2 + (y − 1)2 + +o ( x − 1)2 + (y − 1)2 .

En étant intuitif on peut reconnaitre l’équation des cercles de centre (1, 1)

on peut donc déduire la concervation des centres, mais en étant plus rigou-
reux nous dirons que I ( x, y) est strictement positive au voisinage de (1, 1)
est s’annule en (1, 1), donc ce dernier est minimum local pour la fonction
I, et nécessairement les courbes de niveau de I (qui sont les solutions dans
le plan de phase) sont des courbes qui se referment autour de (1, 1). Ainsi
(1, 1) est aussi un centre pour le système initial (conservation des centres
entre système initial et linéarisé).

On aurait pu se contenter du premier quadrant si l’on considère que le système

donné est un modèle proies prédateurs, mais comme cela n’a pas été précisé dans
l’énoncé nous présentons un portrait de phase dans tout le plan.

Solution 3.2 3.2

Soit le système 
 x 0 = 2y
 y0 = 2x − 3x2
130 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

Nous allons procéder comme dans l’exercice précédent

1. Les points d’équilibre sont solutions du système


 2y = 0
 2x − 3x2 = 0

ainsi les points d’équilibre sont (0, 0) et ( 32 , 0). La matrice Jacobienne est
donnée par  
0 2
J ( x, y) =  
2 − 6x 0

ainsi  
0 2
J (0, 0) =  
2 0

det J = −4 donc deux valeurs propres de signes opposés, (0, 0) est donc
un point selle.  
2 0 2
J ( , 0) =  
3 −2 0

on reconnait la forme canonique d’un centre, la linéarisation ne permet de

rien conclure concernant le point d’équilibre ( 23 , 0).

2. Pour trouver une intégrale première nous procédons comme dans l’exemple
x0
vu dans la partie cours, il suffit d’éliminer la variable temps en divisant y0 .

x0 2y
0
=
y 2x − 3x2

soit encore
2x − 3x2 dx = 2ydy

en intégrant les deux membres de la dernière égalité, on obtient

x 2 − x 3 = y2 + C

C étant une constante d’intégration, par suite

I ( x, y) = x2 − x3 − y2 = C
3.6. Solutions 131

est une intégrale première du système donné. En particulier I ( 23 , 0) = 4

27 ,

on pourra toujours considérer comme intégrale première

4
I ( x, y) = x2 − x3 − y2 −
27

ce qui permet d’avoir I ( 23 , 0) = 0 (comme on l’a vu en cours, si I est une

intégrale première alors I + C l’est aussi). Faisons à présent un développe-
ment de Taylor de la fonction I autour du point ( 23 , 0)

2 2 ∂I 2 ∂I 2
I ( x, y) = I ( , 0) + ( x − ) ( , 0) + y ( , 0) +
3 3 ∂x 3 ∂y 3
2 ∂2 I 2 2 ∂2 I 2
+2( x − ) y ( , 0) + ( x − )2 2 ( , 0) +
3 ∂x∂y 3 3 ∂x 3
2
 
2∂ I 2 2 2 2
+y ( , 0) + o ( x − ) + y
∂y2 3 3

or
∂I ∂I 2
( x, y) = 2x − 3x2 ⇒ ( , 0) = 0
∂x ∂x 3

et
∂I ∂I 2
( x, y) = −2y ⇒ ( , 0) = 0
∂y ∂y 3

on a aussi
∂2 I ∂2 I 2
( x, y) = 0 ⇒ ( , 0) = 0
∂x∂y ∂x∂y 3

d’autre part

∂2 I ∂2 I 2
( x, y ) = 2 − 6x ⇒ ( , 0) = −2
∂x2 ∂x2 3

et
∂2 I ∂2 I 2
( x, y ) = − 2 ⇒ ( , 0) = −2
∂y2 ∂y2 3

pour finalement avoir

 
2 2 2 2 2 2
I ( x, y) = −2( x − ) + −2 (y − 1) + +o ( x − ) + y .
3 3

On remarque alors que I ( x, y) est strictement négative au voisinage de

( 32 , 0) est s’annule en ( 23 , 0), donc ce dernier est maximum local pour la
fonction I, et nécessairement les courbes de niveau de I (qui sont les so-
132 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

lutions dans le plan de phase) sont des courbes qui se referment autour de
( 23 , 0). Ainsi ( 32 , 0) est aussi un centre pour le système initial (conservation
des centres entre système initial et linéarisé).

Dans cet exemple les courbes fermées entourant ( 23 , 0) lorsqu’elle touche le

deuxième point d’équilibre (0, 0) forment alors une trajectoire homocline reliant
ce dernier à lui même comme le montre les figures plus bas.

Solution 3.3 3.3

Soit le système 
 x 0 = ax − y − x ( x2 + y2 )
 y0 = x + ay − y( x2 + y2 )

où a est un eparamètre réel.

3.6. Solutions 133

1. La matrice Jacobienne est donnée par

 
a − 3x2 − y2 −1 − 2xy
J ( x, y) =  
1 − 2xy a − 3y2 − x2

on vérifie aisément que (0, 0) est un point d’équilibre pour le système don-
née, et on a  
a −1
J (0, 0) =  
1 a

donc si a < 0,alors (0, 0) est un foyer stable. Si a > 0, alors (0, 0) est un
foyer instable. Si a = 0, alors le système linéarisé présente un centre en
(0, 0) et on ne peut rien en conclure pour le système initial.

2. Proposons V ( x, y) = x2 + y2 (c’est une fonction de classe C1 définie po-

sitive) comme candidate à être une fonction de Lyapunov (rien ne dit que
cela va être un bon choix de fonction de Lyapunov, mais comme le second
membre est polynomial, on propose une forme quadratique basique, si celle-
ci ne convient pas on ajustera au fur et à mesure des calculs en ajoutant,
et/ou en multiplions par des termes additionnels). Nous avons alors

d d
x 2 + y2


V ( x, y) =
dt dt
= 2xx 0 + 2yy0

= 2x ax − y − x ( x2 + y2 ) + 2y x + ay − y( x2 + y2 )
   

= 2ax2 − 2xy − 2x2 ( x2 + y2 ) + 2xy + 2ay2 − 2y2 ( x2 + y2 )

= 2a( x2 + y2 ) + 2(− x2 − y2 )( x2 + y2 )

= 2( a − x2 − y2 )( x2 + y2 )

d
Si a ≤ 0, alors dt V ( x, y ) < 0 et donc (0, 0) est asymptotiquement stable.
Si a > 0 on pourra toujours trouver un voisinage de (0, 0) (aussi petit que
d
possible) où dt V ( x, y ) > 0 et donc (0, 0) est instable.

3. Pour montrer l’existence d’un cycle limite, il est parfois pratique de passer
en coordonnées polaires 
 r 2 = x 2 + y2
 tgθ = y
x
134 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

donc
2rr 0 = 2xx 0 + 2yy0

ou encore

rr 0 = x ax − y − x ( x2 + y2 ) + y x + ay − y( x2 + y2 )
   

= 2( a − x2 − y2 )( x2 + y2 )

= 2 a − r2 r2

et par suite
r 0 = 2r a − r2

L’analyse de l’équation réelle pérécedente nous permet de conclure que

lorsque a > 0 alors r = a soit que x2 + y2 = a2 est un cycle limite
stable.

Solution 3.4 3.4

Soit l’équation
x 00 + bx 03 + x = 0

1. L’équation donnée peut être réécrite sous la forme du système suivant


 x0 = y
 y0 = −by3 − x

2. Le système obtenu admet pour uniue point d’quilibre (0, 0) , la matrice

Jacobienne est donnée par
 
0 1
J ( x, y) =  
−1 −3by2

donc  
0 1
J (0, 0) =  
−1 0

le système linéarié admet un centre, on ne peut rien conclure pour le système

initial.

3. Proposons V ( x, y) = x2 + y2 (c’est une fonction de classe C1 définie

 3.6. Solutions 135

positive) nous avons alors

d d
x 2 + y2


V ( x, y) =
dt dt
= 2xx 0 + 2yy0

= 2xy + 2y −by3 − x

= −2by4

d
donc selon le signe de b nous avons : Si b > 0 alors dt V ( x, y ) < 0 et (0, 0)
d
est asymptotiquement stable. Si b < 0 alors dt V ( x, y ) > 0 et (0, 0) est
instable. Si b = 0 le système trouvé initialement s’écrit dans ce cas

x0 = y
y0 = − x

qui est un système linéaire

    
x0 0 1 x
 =  
y0 −1 0 y

et (0, 0) est un centre dans ce cas.

Solution 3.5 3.5

Soit le système suivant

 x0 = y
 y0 = − x + y(1 − x2 − 2y2 )

1. Le système admet pour unique point d’équilibre (0, 0) , la matrice Jaco-

bienne est donnée par
 
0 1
J ( x, y) =  
−1 − 2xy 1 − x2 − 6y2

donc  
0 1
J (0, 0) =  
−1 1
136 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

√ √
1 3 1 3
les valeurs propres sont données par λ1 = 2 + 2 i, λ2 = 2 − 2 i (partie
réelle positive) donc (0, 0) est un foyer instable.
x2 y2
2. Soit V ( x, y) = 2 + 2 (c’est une fonction de classe C1 définie positive)

d x2 y2
 
d
V ( x, y) = +
dt dt 2 2
0 0
= xx + yy

= xy + y − x + y(1 − x2 − 2y2 )

= y2 (1 − x2 − 2y2 )

Lorsque
1
x 2 + y2 <
2

on a
x2 + 2y2 ≤ 2x2 + 2y2 < 1

et dans ce cas
d
V ( x, y) > 0
dt

ce qui permet de retrouver (entre autres) un résultat qu’on connaissant déjà

(0, 0) est instable, et le champ de vecteur est orienté vers l’extérieur en
partant de (0, 0) (l’équilibre (0, 0) repousse les trajectoires solutions vers
l’extérieur du cercle x2 + y2 = 12 ). D’un autre côté, lorsque

x 2 + y2 > 1

on a
1 < x2 + y2 < x2 + 2y2

et dans ce cas
d
V ( x, y) < 0
dt

le champ de vecteur est orienté de l’extérieur vers l’intérieur, les trajectoires

solutions sont attiré vers l’interieur du cercle x2 + y2 = 1

3. D’après la question précédente l’anneau D = ( x, y) ∈ R2 , 1

< x 2 + y2 < 1

2

est un domaine attractant pour les solution du système donné ; et ce do-

main ne contient aucun point d’équilibre, alors d’après le premier corollaire
 3.6. Solutions 137

du Théorème de Poincaré-Bendixon, il existe un cycle limite entièrement

contenu dans ce domaine.

Solution 3.6 3.6

1. Pour le système 
 x 0 = − x + xy
 y0 = −y

x 2 + y2
nous proposons V ( x, y) = 2 qui est clairment régulière et définie posi-
tive, d’un autre côté

d
V ( x, y) = xx 0 + yy0
dt
= x (− x + xy) − y2

= − x 2 − y2 + x 2 y

pour r > 0 ; plaçons nous dans la boule

 q 
( x, y) ∈ R ; k( x, y)k =
2
x2 + y2 ≤r

nous avons alors

|x| ≤ r

et par suite
d
V ( x, y) ≤ − x2 − y2 + r | x | |y|
dt

il suffit alors par exemple de prendre r = 1 < 2, pour avoir

d
V ( x, y) < 0.
dt
138 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

Donc l’origine (0, 0) est asymptotiquement stable.

2. Pour le système 
 x 0 = − y − x 1 − x 2 − y2

 y 0 = x − y 1 − x 2 − y2

x 2 + y2
nous proposons toujours V ( x, y) = 2 qui est clairment régulière et
définie positive, et vérifie

d
V ( x, y) = xx 0 + yy0
dt
= x − y − x 1 − x 2 − y2 + y x − y 1 − x 2 − y2

 


= −( x2 + y2 ) 1 − x2 − y2

= −2V ( x, y) [1 − 2V ( x, y)]

Si l’on se place dans ( x, y) ∈ R2 , V ( x, y) < 1


2 (qui est bien un voisi-
nage de (0, 0) car V est continue, et V (0, 0) = 0) on aura

d
V ( x, y) < 0.
dt

Donc l’origine (0, 0) est asymptotiquement stable.

3. Pour le système 
x 0 = y 1 − x2


 y0 = −( x + y) 1 − x2

nous proposons V ( x, y) = 3x2 + 2xy + 2y2 qui est clairment régulière et

définie positive, et telle que

d
V ( x, y) = 6xx 0 + 2x 0 y + 2xy0 + 4yy0
dt
= 6xy 1 − x2 + 2y2 1 − x2 − 2x ( x + y) 1 − x2 − 4y( x + y) 1 − x2

= −2x2 − 2y2 + H ( x, y)

avec H ( x, y) ne contient que des termes de degré supérieur à deux, donc

négligeable au voisange de (0, 0) devant −2x2 − 2y2 , et donc dans un voi-
sinage de (0, 0)
d
V ( x, y) < 0.
dt

Donc l’origine (0, 0) est asymptotiquement stable.

 3.6. Solutions 139

4. Pour le système 
 x0 = − x − y
 y0 = 2x − y3

nous proposons V ( x, y) = x2 + 21 y2 qui est clairment régulière et définie

positive, et vérifie

d
V ( x, y) = 2xx 0 + yy0
dt
= 2x (− x − y) + y 2x − y3

= −2x2 − y4

Donc pour tout ( x, y)

d
V ( x, y) < 0
dt

Donc l’origine (0, 0) est (globalement) asymptotiquement stable.

Solution 3.7 3.7

Soit le système 
 x 0 = x3 + x2 y
 y0 = −y + y2 + xy − x3

x 2 − y2
Considérons la fonction V ( x, y) = 2 , qui positive au voisinage de l’origine
le long de l’axe des x, de plus

d
V ( x, y) = xx 0 − yy0
dt
= x x3 + x2 y − y −y + y2 + xy − x3

= x4 + x3 y + y2 − y3 − xy2 + yx3

2
= x2 + xy + y2 1 − y − x − x2

dans un voisinage quelconque de l’origine, on peut toujours trouver un α > 0

(aussi "petit" que nécessaire) tel que

1 − y − x − x2 > α > 0


140 Chapitre 3. Lyapunov, Poincaré, Bendixon et bien d’autres

et dans ce voisinage on aura

d
2
V ( x, y) > x2 + xy + αy2
dt
> 0

ainsi par le théorème de Chetaev, on peut conclure à l’instabilité de l’origine.

Solution 3.8 3.8

Soit le système 
 x0 = y
 y 0 = − x 3 − y3

Considérons alors la fonctionnelle V ( x, y) = 14 x4 + 21 y2 , qui est clairement définie

positive et régulière, de plus

d
V ( x, y) = x3 x 0 + yy0
dt
= x3 y − yx3 − y4

= − y4

ainsi
d
V ( x, y) ≤ 0
dt

donc V ( x, y) = 14 x4 + 12 y2 est une fonction de Lyapunov faible. Mais

d
V ( x, y) = 0 ⇒ y = 0
dt

et dans ce cas, la deuxième équation du système donne

− x3 = 0

donc
x=0
n o
ainsi l’ensemble ( x, y) ∈ R2 , d
dt V ( x, y ) = 0 est réduit au singleton {(0, 0)},
le principe d’invariance de LaSalle nous permet de conclure que l’origine est
asymptotiquement stable.
 Bifurcations 4
Approche Calculatoire

Nous allons présenter d’abord une approche "caculatoire" de la théo-

rie des bifurcations, mais les exemples qui sont choisis représentent les
formes standards qu’un étudiant rencontrera tout au long de son cursus.

Définition 4.1 Soit une équation différentielle dépendant d’un paramètre

x 0 = f ( x, λ)

si pour une valeur particulière λ∗ de celui-ci se produit un changement qualita-

tif, quantittif, topologique, alors ce changment s’appelle "bifurcation", et λ∗ sera
appelée valeur de bifurcation.

4.1 Bifurcations dans R

Exemple 4.1 Considérons l’équation

x 0 = f ( x, λ) = x2 + λ

Trois cas se présentent à nous

1. λ < 0, l’équation donnée admet alors deux points d’équilibre l’un stable et
l’autre instable

√ √
x1∗ (λ) = x1∗ = − −λ et x2∗ (λ) = x2∗ = −λ

141
142 Chapitre 4. Bifurcations

2. λ = 0, l’équation se ramène à

x 0 = x2

qui admet un unique point d’équilibre

x∗ = 0

qui est non hyperbolique car

∂f
(0) = 0
∂x

comme
x0 ≥ 0

c’est un shunt positif.

4.1. Bifurcations dans R 143

3. λ > 0, dans ce cas notre équation ne possède aucun point d’équilibre (toute
solution est strictement croissante car x 0 = x2 + λ > 0.)

Ainsi si l’on fait varier le paramètre λ de −∞ à +∞, celui-ci en traversant

la valeur λ∗ = 0, fait que notre équation passe de deux points d’équilibre à
aucun point d’équilibre (changement quantitatif). Comme défini plus haut, cette
valeur du paramètre est appelée valeur de bifurcation. Dans cette configuration la
bifurcation est appelée bifurcation selle-nœud (saddle-node). Le terme "selle" n’a
pas réellement lieu d’être car un point selle n’existe pas pour les équation réelle,
cette appellation prend son origine, comme on le verra plus tard dans les sytèmes
en dimension supérieure.
On résume graphiquement, les résultats précédents dans un diagramme appelé
diagramme de bifurcation, en portant en abcisse le paramètre λ et en ordonnées
les points d’équilibre, ceux-ci sont représenté par un trait continu lorsqu’ils sont
stables at par un trait discontinu lorsqu’ils sont instables.
144 Chapitre 4. Bifurcations

Exemple 4.2 Considérons l’équation

x 0 = f ( x, λ) = x2 + λx

l’équation possède alors deux points d’équilibre

x1∗ = 0 et x2∗ (λ) = x2∗ = −λ

qui peuvent se confondre lorsque λ = 0. Là aussi trois cas se présentent à nous.

1. λ < 0, dans ce cas x1∗ = 0 est stable et x2∗ = −λ est instable.

2. λ = 0, dans ce cas les deux points d’équilibre collapsent en un seul point

d’équilibre x1∗ = x2∗ = 0; qui est non hyperbolique puisque

∂f
(0) = 0
∂x
 4.1. Bifurcations dans R 145

et comme l’exemple précédent puisque dans ce cas

x 0 = x2 > 0

c’est un shunt positif.

3. λ > 0, dans ce cas x1∗ = 0 est instable et x2∗ = −λ est stable

Ainsi si l’on fait varier le paramètre λ de −∞ à +∞, celui-ci en traversant

la valeur λ∗ = 0, le nombre de points d’équilibre ne change pas mais c’est la
stabilié et l’instabilité qui sont interverties pour les points d’équilibre, l’un passe
de stable à instable, et l’autre passe d’instable à stable. Dans cette configuration la
bifurcation est appelée bifurcation transcritique. Le diagramme de bifurcation est
donné par le graphique suivant.

Exemple 4.3 Considérons l’équation

x 0 = f ( x, λ) = λx − x3
146 Chapitre 4. Bifurcations

les points d’équilibre sont solutions de l’équation

λx − x3 = 0

donc
x (λ − x2 ) = 0

encore une fois il y a trois cas possibles.

1. λ < 0, dans ce cas un seul point d’équilibre x ∗ = 0 qui est stable.

2. λ = 0, dans ce cas l’équation est réduite à

x 0 = − x3

qui admet pour seul point d’équilibre x ∗ = 0; et celui-ci est non hyperbo-
∂f
lique, puisque ∂x (0) = 0, cependant le signe de − x3 est negatif si x > 0

et positif si x < 0 ainsi on peut en conclure que x ∗ = 0 est stable.

3. λ > 0, dans ce cas l’équation possède trois points d’équilibre

√ √
x1∗ = 0 et x2∗ = − λ et x3∗ = λ

une analyse rapide su signe de f ( x, λ) = λx − x3 ou alors celle du signe de

∂f
∂x aux points d’équilibre, nous permet de conclure que x1∗ = 0 est instable
√ √
et que x2∗ = − λ et x3∗ = λ sont stables.

Ainsi si on fait varier le paramètre λ de −∞ à +∞, celui-ci en traversant

la valeur λ∗ = 0, le nombre de points d’équilibre passe de un à trois, et le point
d’équilibre x1∗ = 0 stable pour λ < 0 devient instable pour λ > 0 et se fait
entouré de deux points d’équilibre stables . Dans cette configuration la bifurcation
est appelée bifurcation fourche (super-critique). Le diagramme de bifurcation est
donné par le graphique suivant et il justifie bien l’appellation fourche.
 4.1. Bifurcations dans R 147

Exemple 4.4 Considérons l’équation

x 0 = f ( x, λ) = λx + x3

les points d’équilibre sont solutions de l’équation

λx + x3 = 0

donc
x (λ + x2 ) = 0

comme pour l’exemple prcédent il y a trois cas possibles.

1. λ < 0, dans ce cas l’équation possède trois points d’équilibre

√ √
x1∗ = 0 et x2∗ = − −λ et x3∗ = −λ

une analyse rapide du signe de f ( x, λ) = λx + x3 ou alors celle du signe

∂f
de aux points d’équilibre, nous permet de conclure que x1∗ = 0 est stable
∂x
√ √
et que x2∗ = − −λ et x3∗ = −λ sont instables.

2. λ = 0, dans ce cas l’équation est réduite à

x 0 = x3

qui admet pour seul point d’équilibre x ∗ = 0; et celui-ci est non hyperbo-
∂f
lique, puisque ∂x (0) = 0, cependant le signe de x3 est negatif si x < 0 et
positif si x > 0 ainsi on peut en conclure que x ∗ = 0 est instable.

3. λ > 0 dans ce cas un seul point d’équilibre x ∗ = 0 qui est instable.

148 Chapitre 4. Bifurcations

Ainsi si l’on fait varier le paramètre λ de −∞ à +∞, celui-ci en traver-

sant la valeur λ∗ = 0, le nombre de points d’équilibre passe de trois à un, et le
point d’équilibre x1∗ = 0 stable pour λ < 0 entouré de deux points d’équilibres
instables, devient instable pour λ > 0 et les deux autres points d’équilibre dis-
paraissent. Dans cette configuration la bifurcation est appelée bifurcation fourche
(sous-critique). Le diagramme de bifurcation est donné par le graphique suivant.

Exemple 4.5 Considérons l’équation

x 0 = f ( x, λ) = λ + x − x3

les points d’équilibre sont solutions de l’équation

λ + x − x3 = 0

donc
x3 − x = λ

Résolvons cette équation graphiquement, les points d’équilibre, sont les points
d’intersection de la courbe représentative de la fonction x 7→ x3 − x avec les
droites horizontales et parallèles d’équation y = λ, et selon la position du graphe
de x 7→ x3 − x avant et après chaque point d’équilibre, on pourra aussi déduire
graphiquement la stabilité de chacun d’eux.
4.1. Bifurcations dans R 149

Ainsi nous obtenons les quatre cas suivants.

1. λ < − 3√2 3 l’équation admet un unique point déquilibre stable.

2. − 3√2 3 < λ < 2

√
3 3
l’équation admet trois points déquilibre, un point in-
stable entouré de deux points stables.
2
3. λ > √
3 3
l’équation admet un unique point déquilibre stable.

4. λ = ± 3√2 3 l’équation admet deux points déquilibre l’un stable et l’autre

non hyperbolique (shunt).

Le diagramme de bifurcation est donné par le graphique suivant.

Selon que l’on fasse varier le paramètre λ de −∞ à +∞, ou de +∞ à −∞, le

chemin parcouru n’est pas le même dans le diagramme de bifurcation, (en respec-
tant la stabilité qui attire les solutions et l’instabilité qui les repousse). En effet,
en allant de −∞ à +∞, on suit les flèches bleues, et l’itinéraire est (FDCAZ), par
150 Chapitre 4. Bifurcations

contre en allant de +∞ à −∞ l’itinéraire est (ZABDF). Dans cette configuration

la bifurcation est appelée hystérésis.

4.2 Bifurcations dans R2

Comme pour le cas des bifurcations dans R nous allons présenter des
exemples, mais des exemples représentatifs des différentes bifurcations
qu’un étudiant peut rencontrer dans son cursus.

Exemple 4.6 Soit le système 

 x 0 = x2 + λ
 y0 = −y

Les points d’équilibre du système sont solution de

x2 + λ = 0
−y = 0

plusieurs cas sont possibles

 √ 
1. λ < 0, dans ce cas le système possède deux points d’équilibre − −λ, 0
√ 
et −λ, 0 . Procédons par linéarisation pour étudier la stabilité des
points d’équilibre, la matrice Jacobienne est donnée par
 
2x 0
J ( x, y) =  
0 −1

ainsi  √ 
 √  −2 − λ 0
J − −λ, 0 =  
0 −1
√
comme les deux valeurs propres de la matrice Jacobienne −2 −λ et −1
 √ 
sont négartives, alors − −λ, 0 est un nœud stable.

 √ 
√  2 −λ 0
J −λ, 0 =  
0 −1

√
comme les deux valeurs propres de la matrice Jacobienne 2 −λ et −1 sont
 √ 
de signes opposés, alors − −λ, 0 est un point selle.
 4.2. Bifurcations dans R2 151

2. λ = 0, dans ce cas le système est réduit à


 x 0 = x2
 y0 = −y

et il admet comme unique point d’équilibre (0, 0) , la matrice Jacobienne est

donnée par  
2x 0
J ( x, y) =  
0 −1

donc au point d’équilibre

 
0 0
J (0, 0) =  
0 −1

ainsi (0, 0) est un point non hyperbolique.

3. λ > 0, dans ce cas le système n’admet pas de points d’équilibre.

Ainsi si l’on fait varier le paramètre λ de −∞ à +∞, celui-ci en traversant

la valeur λ∗ = 0, on passe de deux points d’équilibre l’un point selle (instable)
l’autre nœud (stable) à aucun point d’équilibre. Cette bifurcation présente une
configuration similaire en certains points à celle du premier exemple dans R c’est
pourquoi cette bifurcation s’appelle selle-nœud (saddle-node).

Exemple 4.7 Considérons le système 

 x 0 = x (−λ − x2 )
 y0 = −y

Les points d’équilibre du système sont solution de

x (−λ − x2 ) = 0
−y = 0

plusieurs cas sont possibles

1. λ < 0, dans ce cas le système possède trois points d’équilibre (0, 0),
 √  √ 
− −λ, 0 et −λ, 0 . La matrice Jacobienne du sytème est donné
par  
−λ − 3x2 0
J ( x, y) =  
0 −1
152 Chapitre 4. Bifurcations

alors  
−λ 0
J (0, 0) =  
0 −1

comme les deux valeurs propres de la matrice Jacobienne −λ et −1 sont de

signes opposés, alors (0, 0) est un point selle.
 
 √  √  2λ 0
J − −λ, 0 = J −λ, 0 =  
0 −1

 √  √ 
comme 2λ < 0 et −1 < 0 alors les deux points − −λ, 0 et −λ, 0
sont deux nœuds stables.

2. λ = 0, dans ce cas le système est réduit à


 x 0 = − x3
 y0 = −y

et il admet comme unique point d’équilibre (0, 0) , la matrice Jacobienne est

donnée par  
−3x2 0
J ( x, y) =  
0 −1

donc au point d’équilibre

 
0 0
J (0, 0) =  
0 −1

et par suite (0, 0) est non hyperbolique. L’utilisation de la fonction de Lya-

punov V ( x, y) = x2 + y2 , nous permettra de conclure qu’il est stable.

3. λ > 0, dans ce cas le système admet comme unique point d’équilibre (0, 0) ,
et la matrice Jacobienne évaluée en ce point vaut
 
−λ 0
J (0, 0) =  
0 −1

et possède donc deux valeurs propres négatives −λ et −1. Ainsi (0, 0) est
un nœud stable.

Ainsi si l’on fait varier le paramètre λ de −∞ à +∞, celui-ci en traversant

 4.2. Bifurcations dans R2 153

la valeur λ∗ = 0, on passe de 3 points d’équilibre l’un instable entouré de deux

points stables, à un seul point d’équilibre stable. Cette bifurcation présente une
configuration similaire en certains points à celle du troisième exemple dans R
c’est pourquoi cette bifurcation s’appelle fourche (super critique).

Exemple 4.8 De façon similaire à l’exemple précédent on arrive à montrer que le système

 x 0 = x (−λ + x2 )
 y0 = −y

présente une bifurcation fourche sous-critique pour la valeur de bifurcation λ∗ =

0.

Exemple 4.9 Soit le système (linéaire) suivant


 x 0 = λx + y
 y0 = − x + λy

ou encore
    
x0 λ 1 x
  =   
y0 −1 λ y
 
x
= A 
y

(0, 0) en est le seul point d’équilibre.

1. λ < 0 alors
trA = 2λ

et
det A = λ2 + 1

alors (0, 0) est stable (c’est un foyer stable)

2. λ = 0 alors le système devient

    
x0 0 1 x
 =  
y0 −1 0 y
154 Chapitre 4. Bifurcations

et dans ce cas (0, 0) est un centre.

3. λ > 0 alors
trA = 2λ

et
det A = λ2 + 1

alors (0, 0) est instable (c’est un foyer instable).

Notre système possède un unique point d’équilibre (foyer) qui change de na-
ture, qui passe de stable à instable quand on fait varier le paramètre λ de −∞
à +∞, le changement se produisant en λ∗ = 0. Dans cette configuration, la
bifurcation est appélée bifurcation verticale.

Exemple 4.10 Soit le système 

 x 0 = λx + y − x ( x2 + y2 )
 y0 = − x + λy − y( x2 + y2 )

il admet pour unique point d’équilibre (0, 0) , la matrice jacobienne du système

est donnée par
 
λ − 3x2 − y2 1 − 2xy
J ( x, y)  
−1 − 2xy λ− x2 − 2y2

donc  
λ 1
J ( x, y)  
−1 λ

Si λ < 0 dans ce cas (0, 0) est un foyer stable.

4.2. Bifurcations dans R2 155

Si λ > 0 dans ce cas (0, 0) est un foyer instable.

Si λ = 0 dans ce cas (0, 0) est un centre pour le système linéarisé, on ne peut
donc rien conclure pour le système initial.
Faisons une analyse plus poussée, en considérant comme fonction de Lyapu-
nov V ( x, y) = 21 ( x2 + y2 ) lorsque λ = 0. Notre système s’écrit alors


 x 0 = y − x ( x 2 + y2 )
 y 0 = − x − y ( x 2 + y2 )

alors

d
V ( x, y) = xx 0 + yy0
dt
= x y − x ( x 2 + y2 ) + y − x − y ( x 2 + y2 )
   

= − x 2 ( x 2 + y2 ) − y2 ( x 2 + y2 )

= −( x2 + y2 )2

< 0 pour ∀( x, y) 6= (0, 0)

nous pouvons donc conclure que lorsque λ = 0, (0, 0) est asymptotiquement

stable. Affinons encore plus notre analyse, en passant en coordonnées polaires
dans le système donné 
 r 2 = x 2 + y2
 tgθ = y
x

donc 
 rr 0 = xx 0 + yy0
 θ 0 = y0 x−yx0
cos2 θ x2

soit encore

 rr 0 = x λx + y − x ( x2 + y2 ) + y − x + λy − y( x2 + y2 )
   
0
θ0 [−x+λy−y(x2 +y2 )] x−y[λx+y−x(x2 +y2 )]

2
cos θ
= x 2

donc 
 rr 0 = λr2 − r4
θ0 − x 2 − y2 −r 2

cos2 θ
= x2
= r2 cos2 θ
156 Chapitre 4. Bifurcations

finalement 
 r 0 = r λ − r2

 θ 0 = −1

une analyse directe de l’équation r 0 = r λ − r2 (en gardant à l’esprit que r > 0),

nous permet de conclure que si λ < 0 alors r = 0 est l’unique point d’équi-
libre et il est stable (cela correspond bien à (0, 0) stable (foyer)). Si λ > 0 dans
ce cas deux points d’équilibre r = 0 qui est instable (cela correspond bien à
√
(0, 0) instable (foyer)), et le deuxième point d’équilibre r = λ qui est stable,
et ceci est une nouvelle information, correspondant à l’appirition d’un cycle li-
mite attractif (stable) lorsque λ > 0. Le diagramme de bifurcation pour l’équation
r 0 = r λ − r2 est donné dans le graphique suivant.

En conclusion, si l’on fait varier le paramètre λ de −∞ à +∞, l’origine passe

de stable (0, 0) à instable à la valeur λ∗ = 0, et se trouve entouré d’un cycle limite
stable. Dans cette configuration la bifurcation est appelée bifurcation de Hopf (ou
de Poincaré-Andronov-Hopf) super critique.

Exemple 4.11 Soit le système 

 x 0 = λx + y + x ( x2 + y2 )
 y0 = − x + λy + y( x2 + y2 )

Une analyse similaire à celle faite dans l’exemple précédent nous permet de
conclure que (0, 0) est un foyer stable si λ < 0 et un foyer instable si λ > 0, pour
λ = 0, la fonction de Lyapunov V ( x, y) = 12 ( x2 + y2 ) nous permettra de conclure
que (0, 0) cette fois-ci est instable. Le passage en coordonnées polaires, nous per-
 4.3. Théorème des fonctions implicites 157

mettra de montrer pour λ < 0 l’existence d’un cycle limite répulsif (instable)
√
d’équation r = −λ. Le détail des calculs est laissé au lecteur. Le diagramme de
bifurcation est donné par la figure sivante.

En conclusion, si l’on fait varier le paramètre λ de −∞ à +∞, l’origine passe

de stable (0, 0) entouré d’un cycle limite répulsif (instable) à instable (et le cycle
limite disparait) à la valeur λ∗ = 0. Dans cette configuration la bifurcation est
appelée bifurcation de Hopf (ou de Poincaré-Andronov-Hopf) sous critique.

Remarque 4.1 En résumé la bifurcation de Hopf apparait quand un point d’équilibre passe de
foyer stable à instable et se trouve entouré d’un cycle limite, et au point de bifuca-
tion la linéarisation présente des centres ; dans le cas où les centres sont conservés
pour le système initial, on parle de bifurcation de Hopf (ou de Poincaré-Andronov-
Hopf) dégénérée (un exemple sera donné en exercice).

Approche Théorique

4.3 Théorème des fonctions implicites

Théorème 4.1 Inversion locale

Soit U un ouvert de Rn et soit f : U → Rn une fonction de classe C k k ≥ 1,
si un point x ∗ est tel que la différentielle de f en ce point D f ( x ∗ ) est inversible,
alors il existe un voisinage V ⊂ U de x ∗ tel que f : V → f (V ) est inversible, et
de plus f −1 est aussi de de classe C k .

Théorème 4.2 Fonctions implicites

158 Chapitre 4. Bifurcations

Soit U un ouvert de Rm × Rn et soit f : U → Rn une fonction de classe C k

k ≥ 1. Soit ( x ∗ , y∗ ) ∈ U (x ∗ ∈ Rm et y∗ ∈ Rn ) tel que f ( x ∗ , y∗ ) = c. Si Dy f
( x ∗ , y∗ ) est inversible ; alors il existe un voisinage Vm × Vn ⊂ U de ( x ∗ , y∗ ) et
une fonction ψ : Vm → Vn de classe C k telle que f ( x, ψ( x )) = c ∀ x ∈ Vm , de
plus f ( x, y) 6= c si y 6= ψ( x ) en d’autres termes

∀ x ∈ Vm ( f ( x, y) = c ⇔ y = ψ( x ))

et nous avons la formule de dérivations suivante

  −1
Dψ( x ) = − Dy f ( x, ψ( x )) Dx ( x, ψ( x )).

Exemple 4.12 Soit f : R2 → R , f 0 x, y) = x2 + y2 considérons par exemple f 0 x, y) = c = 1

∂f
nous nous plaçons donc sur le cercle d’équation x2 + y2 = 1. Dans ce cas ∂y =
2y.
∂f
– Au point ( x ∗ , y∗ ) = (0, 1) on a ∂y (0, 1) = 2 6= 0. Donc d’après le
théorème des fonctions implicites, on peut exprimer y en fonction de x;
y = ψ( x ) de sorte que f ( x, ψ( x )) = 1.
∂f
– Au point ( x ∗ , y∗ ) = (1, 0) on a ∂y = (1, 0). Donc d’après le théorème
des fonctions implicites ne s’applique pas, en effet au voisinage de (1, 0) à
chaque x correspond deux y.

Théorème 4.3 Fonctions implicites (version simplifiée pour équation réelle)

 4.4. Equations différentielle dans R
159

Soit

F : Rm × R → R

: (λ, x ) 7−→ F (λ, x )

une fonnction de classe C1 telle que

∂F
F (0, 0) = 0 et (0, 0) 6= 0
∂x

alors il existe δ > 0 et η > 0 et une fonction ψ de classe C1 , ψ : {, kk < δ} → R

telle que ψ(0) = 0 et F (, ψ()) = 0 pour tout kk < δ. De plus, si (λ0 , x0 ) ∈
Rm × R, k0 k < δ et | x0 | < η sont tels que F (λ0 , x0 ) = 0 alors x0 = ψ(0 ).

4.4 Equations différentielle dans R

Les résultats qui vont être présentés ont un aspect local, et ne sont
valables qu’au voisinage d’un point d’équilibre. Pour fixer les idées, nous
allons supposer que le point d’équilibre est x ∗ = 0.

4.4.1 Equilibre hyperbolique

On s’interesse à l’équation

x0 = f (x)

avec f de classe C1 vérifiant f (0) = 0 (donc x ∗ = 0 est un point d’équilibre)

et f 0 (0) 6= 0 (donc x ∗ = 0 est un point d’équilibre hyperbolique). La
stabilité (locale) de ce point d’équilibre peut donc être obtenue par étude
du signe de f 0 (0).
x 0 = f (0) + x f 0 (0) + o ( x ).

Nous allons à présent perturber l’équation de départ, en considérant

l’équation
x 0 = F (λ, x )
160 Chapitre 4. Bifurcations

avec

F : Rk × R → R

: (λ, x ) 7−→ F (λ, x )

est une fonction de classe C1 telle que

F (0, x ) = f (x)
∂F
(0, 0) = f 0 (0) 6 = 0
∂x

sous ces conditions nous pouvons appliquer le théorème des fonctions

implicites. Il existe alors des constantes δ > 0 et η > 0 et une fonction ψ
de classe C1 tellle que ψ(0) = 0 vérifiant

F (λ, ψ(λ)) = 0

de plus pour kλk < δ et | x | < η la seule solution de F (λ, x ) = 0 est donnée
par x = ψ(λ). Donc pour | x | < η l’équation

x 0 = F (λ, x )

possède un unique point d’équilibre

x ∗ = ψ(λ)

pour étudier la nature de ce point, il faut analyser le signe de

∂F ∂F
(λ, x ∗ ) = (λ, ψ(λ))
∂x ∂x

or on sait que ψ(0) = 0 donc

∂F ∂F
(0, ψ(0)) = (0, 0) = f 0 (0) 6= 0.
∂x ∂x

Comme F est supposée de classe C1 , pour kλk < δ le signe de ∂F

∂x ( λ, ψ ( λ ))

est le même que celui de ∂F

∂x (0, 0) = f 0 (0). En résumé, pour λ proche de 0
l’équation perturbée x 0 = F (λ, x ) possède un unique point d’équilibre, de
 4.4. Equations différentielle dans R
161

même nature que celle de l’équilibre 0 pour l’équation originale x 0 = f ( x ).

On dit que l’équation originale est insensible aux petites perturbations du
champ de vecteurs.
L’enseignement à tirer est que l’on ne peut pas espérer de bifurcation
(changement qualitatif ou quantitatif) au voisinage d’un point d’équilibre
hyperbolique. Donc une bifurcation ne pourra se produire qu’autour d’un
point non hyperbolique.

Exemple 4.13 Soit l’équation

x 0 = F (λ, x ) = λ − x

c’est une perturbation de l’équation

x0 = f (x) = − x

qui admet en 0 un point d’équilibre stable f 0 (0) = −1 < 0.

Pour λ > 0, x ∗ = λ est un point d’équilibre stable ∂F
∂x (λ, λ) = −1 < 0 ici
ψ(λ) = λ.
Pour λ < 0, x ∗ = λ est un point d’équilibre stable ∂F
∂x (λ, λ) = −1 < 0 ici
ψ(λ) = λ
Mise à part le déplacement du point d’équilibre aucun changement qualitatif
ou quantitatif ne s’est produit pour l’équation perturbée.

4.4.2 Equilibre non hyperbolique avec dégénérescence quadratique

Considéron l’équation réelle

x0 = f (x)

avec f une fonction de classe C2 vérifiant f (0) = f 0 (0) = 0 et f 00 (0) 6= 0, en

d’autres termes 0 est un point d’équilibre non hyperbolique avec f 00 (0) 6=
0. Considérons à présent l’équation perturbée

x 0 = F (λ, x )
162 Chapitre 4. Bifurcations

avec

F : Rk × R → R

: (λ, x ) 7−→ F (λ, x )

∂2 F
une fonction vérifiant F (0, x ) = f ( x ), ∂F
∂x (0, 0) = f 0 (0) = 0, ∂x2
(0, 0) =
f 00 (0) 6= 0 , sous ces conditions, le développement de Taylor de F au
voisinage de l’origine donne

x2
F (λ, x ) = a(λ) + b(λ) x + c(λ) + G (λ, x )
2

avec
a(0) = b(0) = 0 et c(0) = f 00 (0) 6= 0

et

 
∀ε > 0, ∃δ > 0, η > 0, kλk < δ et | x | < η ⇒ | G (λ, x )| < ε | x |2

on pose alors
∂F
H (λ, x ) = (λ, x )
∂x

ainsi
∂H
(0, 0) = f 00 (0) 6= 0
∂x

et donc on peut appliquer à H le théorème des fonction implicites. Il existe

alors des constantes δ > 0 et η > 0 et une fonction ψ de classe C1 définie
pour kλk < δ, telle que ψ(0) = 0 et H (λ, ψ(λ)) = 0, en d’autres termes

∂F
(λ, ψ(λ)) = 0
∂x

et
∂F
(λ, x ) = 0 alors (kλk < δ et | x | < η ⇒ x = ψ(λ))
∂x

donc pour chaque λ fixé la fonction F (λ, x ) possède un extrémum en x =

ψ(λ); posons alors α(λ) = F (λ, ψ(λ)) la valeur extrémale de F.
∂2 F
1er Cas : ∂x2
(0, 0) = f 00 (0) > 0
4.4. Equations différentielle dans R
163

Donc F est convexe ; et (λ, ψ(λ)) est un minimum et selon le signe de

α(λ), F (λ, x ) a les allures suivantes :
α(λ) < 0 dans ce cas F s’annule en deux points, et par suite l’équation
x 0 = F (λ, x ) possède deux points d’équilibre l’un stable, et l’autre instable

α(λ) = 0 dans ce cas F s’annule | x | < η en un unique point, et par

suite l’équation x 0 = F (λ, x ) possède un unique point d’équilibre non
hyperbolique (shunt positif).

α(λ) > 0 dans ce cas F ne s’annule pas dans | x | < η

164 Chapitre 4. Bifurcations

∂2 F
2ème Cas : ∂x2
(0, 0) = f 00 (0) < 0
Donc F est concave, et (λ, ψ(λ)) est un maximum et selon le signe de
α(λ), et par analogie au cas précédent on a les conlusions suivantes :
α(λ) < 0 dans ce cas F ne s’annule pas dans | x | < η
α(λ) = 0 dans ce cas F s’annule | x | < η en un unique point, et par
suite l’équation x 0 = F (λ, x ) possède un unique point d’équilibre non
hyperbolique (shunt négatif).
α(λ) > 0 dans ce cas F s’annule en deux points, et par suite l’équation
x 0 = F (λ, x ) possède deux points d’équilibre l’un stable, et l’autre instable.

On peut résumer tous les cas précédents de la façon suivante

– Si α(λ) f 00 (0) < 0 apparistion de deux points d’équilibre (au voisi-
nage de 0 ) l’un stable, l’autre instable.
– Si α(λ) f 00 (0) = 0 un seul point d’équilibre (au voisinage de 0 ) non
hyperbolique.
– Si α(λ) f 00 (0) > 0 pas de point d’équilibre (au voisinage de 0 ).

Remarque 4.2 – L’exemple x 0 = x2 + λ déjà traité précédemment correspond à ce cas.

– L’étude précédente est basée sur le signe d’une fonction réelle α(λ) (qui peut
éventuellement dépendre de plusieurs paramètres), donc l’étude qualitative
de x 0 = F (λ, x ) dépend complètement de α(λ), on dit dans ce cas que le
champ de vecteurs f ( x ) est de codimension 1.
 4.4. Equations différentielle dans R
165

Exemple 4.14 Considérons l’équation

x 0 = F (λ, x ) = F (λ1 , λ2 , x ) = λ1 + λ2 x + x2

qui est une perturbation de l’équation

x 0 = f ( x ) = x2

on a bien f (0) = f 0 (0) = 0 et f 00 (0) = 2 6= 0 alors

∂F
(λ, x ) = 0 ⇒ λ2 + 2x = 0
∂x
λ2
⇒ x=−
2

et par suite

λ2
α ( λ ) = F ( λ1 , λ2 , − )
2
λ22
= λ1 −
4

D’après l’étude précédente, il y’a bifurcation dès que α(λ) 6= 0, ce qui correspond
λ22
dans cet exemple à être en dehors de la courbe λ1 = 4 , toujours d’après l’étude
précédente comme f 00 (0) > 0
λ22 λ22
Si α(λ) = λ1 − 4 < 0 soit λ1 < 4 il y a deux points d’équilibre, l’un stable
l’autre instable
λ22 λ22
Si α(λ) = λ1 − 4 > 0 soit λ1 > 4 il n’y a pas de point d’équilibre
On a dans les cas particuliers :
– Si λ2 = 0 et λ1 varie nous obtenons l’équation x 0 = λ1 + x2 qui est un
exemple déjà traité et qui correspond à une bifurcation saddle node (qui est
donc de codimenson 1)
– Si λ1 = 0 et λ2 varie nous obtenons l’équation x 0 = λ2 x + x2 qui est un
exemple déjà traité et qui correspond à une bifurcation transcritique (qui
est donc de codimenson 1)

Exemple 4.15 Considérons l’équation

x 0 = F (λ, x ) = F (λ1 , λ2 , λ3 , x ) = λ1 + λ2 x + λ3 x2
166 Chapitre 4. Bifurcations

Faisons alors le changement d’échelle temporelle

T = γt

donc

dx dx dT
=
dt dT dt
dx
= γ
dT
= λ1 + λ2 x + λ3 x 2

l’équation s’écrit alors dans la nouvelle échelle de temps

dx λ λ2 λ3
= 1 + x + x2
dT γ γ γ

en choisissant γ = λ3 on obtient

dx λ λ2
= 1 + x + x2
dT λ3 λ3

c’est exactement la même forme que l’exemple précédent, donc un terme non nul
(ici λ3 ) placé devant le terme x2 n’a aucune influence sur l’étude qualitative.

Revenons au cas général

x 0 = F (λ, x )

avec
∂F
F (0, 0) = 0 et (0, 0) = 0
∂x

et faison un développement de Taylor de F au voisinage de (0, 0) et en

omettant les termes d’ordre supérieur

∂F ∂F x 2 ∂2 F
F (λ, x ) = F (0, 0) + x (0, 0) + λ (0, 0) + (0, 0)
∂x ∂λ 2 ∂x2
∂2 F λ2 ∂2 F
+ xλ (0, 0) + (0, 0) + ...
∂x∂λ 2 ∂λ2
∂F ∂2 F 1 ∂2 F
= λ (0, 0) + xλ (0, 0) + x2 (0, 0) + ...
∂λ ∂x∂λ 2 ∂x2
= λ1 + λ2 x + λ3 x2 + ...
 4.5. Systèmes différentiels planaires 167

ainsi localement
x 0 = λ1 + λ2 x + λ3 x 2

est un bon représentant des équations avec point d’équilibre avec dégéné-
rescence quadratique.
Nous pouvons alors résumer quelques cas

x 0 = F (λ, x )

avec F (0, x ) = f ( x ) et F (0, 0) = f (0) = 0

– Si ∂F
∂x (0, 0) 6= 0 (donc f 0 (0) 6= 0 ) alors 0 est un point d’équilibre
hyperbolique et aucun changement qualitatif ou quantitatif ne peut
être espérer (pas de bifurcation)
– Si ∂F
∂x (0, 0) = 0 (donc f 0 (0) = 0 ) il y a alors plusieurs possibilités
parmi lesquelles :
∂2 F
– ∂x2
(0, 0) 6= 0 et ∂F
∂λ (0, 0) 6= 0 on est en présence d’une bifurcation
selle-nœud (saddle-node).
∂F
– ∂λ (0, 0) = 0 le cas le plus simple est une bifurcation transcritique.
∂2 F
– ∂x2
(0, 0) = 0 le cas le plus simple est une bifurcation fourche.

4.5 Systèmes différentiels planaires

Nous allons nous contenter de présenter un seul théorème, bien qu’il

existe une large variété de bifurcation dans R2 .

Théorème 4.4 Hopf (Poincaré-Andronov-Hopf)

Soit la famille de systèmes planaires paramétrés

 x 0 = f ( x, y, λ)
(4.1)
 y0 = g( x, y, λ)

supposons que ( x ∗ , y∗ ) est un point d’équilibre pour le système (4.1) donc

f ( x ∗ , y∗ , λ) = g( x ∗ , y∗ , λ) = 0. Supposons de plus que la matrice Jacobienne
J (( x ∗ , y∗ ) évaluée au point d’équilibre possède des valeurs propres complexes
conjuguées α(λ) ± iβ(λ). Soit λ∗ la valeur du paramètre (si celle-ci existe) telle
168 Chapitre 4. Bifurcations

dα(λ)
que α(λ∗ ) = 0 et β(λ∗ ) 6= 0, vérifie α0 (λ∗ ) = dλ |λ=λ
∗ 6= 0. Alors si
dα(λ)
α0 (λ∗ ) = dλ |λ=λ
∗ > 0 trois cas sont possibles

1. Lorsque λ = λ∗ il y a concervation des centres (entre (4.1) et son linéarisé),

alors on est en présence d’une bifurcation de Hopf dégénérée.

2. Lorsque λ = λ∗ ( x ∗ (λ∗ ), y∗ (λ∗ )) est un équilibre stable alors pour λ >

λ∗ ’(assez proche de λ∗ ) ( x ∗ (λ), y∗ (λ)) est un équilibre instable entouré
d’un cycle limite stable (attractif) dont l’amplitude est proportionnelle à
√
λ − λ∗ , on est en présence alors d’une bifurcation de Hopf super-critique.

3. Lorsque λ = λ∗ ( x ∗ (λ∗ ), y∗ (λ∗ )) est un équilibre instable alors pour λ <

λ∗ ’(assez proche de λ∗ ) ( x ∗ (λ), y∗ (λ)) est un équilibre stable entouré
d’un cycle limite instable (répulsif) dont l’amplitude est proportionnelle à
√
λ∗ − λ, on est en présence alors d’une bifurcation de Hopf sous-critique.

Remarque 4.3 1. Il existe une version du théorème de Hopf pour les systèmes dans Rn .
dα(λ)
2. Si α0 (λ∗ ) = dλ |λ=λ
∗ < 0 l’énoncé du théorème reste valable, il suffira
d’intervertir le terme stable par instable et réciproquement.

3. La bifurcation de Hopf a pour conséquence directe l’existence d’un cycle

limite (des solutions périodiques).

Théorème 4.5 Tout système présentant une bifurcation de Hopf peut être mis (après des trans-
formations adéquates) sous la forme

 x 0 = −ωy + f ( x, y)
 y0 = ωx + g( x, y)

f et g étant des fonctions s’annulant à l’origine, et ne contenant que des termes

d’ordre supérieur. En posant

1 


a = f xxx + f xyy + gxxy + gyyy + f xy f xx + f yy − gxy gxx + gyy − f xx gxx + f yy gyy
ω

les dérivée prtielles étant évaluées en (0, 0). Alors

– Si a > 0 la bifurcation de Hopf est sous-critique
– Si a < 0 la bifurcation de Hopf est super-critique
– Si a = 0 on ne peut rien conclure par cette méthode.
 4.6. Exercices 169

4.6 Exercices

Exercice 4.1 Faire l’étude et tracer le diagramme de bifurcation des équations suivantes

1. x 0 = 1 + λx + x2

2. x 0 = λ − chx

3. x 0 = λ + x − ln(1 + x )

4. x 0 = λ + 12 x − x
x +1

5. x 0 = λ2 − x2

6. x 0 = λ2 + x2

7. x 0 = λx + x2

8. x 0 = λx_ ln(1 + x )

9. x 0 = x − λx (1 − x )

10. x 0 = x (λ − e x )

11. x 0 = ( x − λ)( x2 + λ)

12. x 0 = λx + 4x3

13. x 0 = λx − 4x3

14. x 0 = λx − shx

15. x 0 = x + λx
1+ x 2

16. x 0 = λx − sin x

Solution

Exercice 4.2 1. Soit l’équation

 x
x 0 = rx 1 − −α
K

où α, r et K sont des constantes strictement positives, α étant considéré

comme le paramètre de bifurcation.

Faire une analyse de bifurcation, et tracer le diagramme de bifurcation.

2. Soit l’équation
 x
x0 = r | x| 1 − −α
K

où α, r et K sont des constantes strictement positives, α étant considéré

comme le paramètre de bifurcation.
170 Chapitre 4. Bifurcations

Faire une analyse de bifurcation, et tracer le diagramme de bifurcation.

Solution

Exercice 4.3 Dans tout l’exercice λ représente un paramètre réel.

1. Faire une analyse de bifurcation de l’équation

x 0 = λx + x3 (4.2)

puis tracer le diagramme de bifurcation.

2. Faire une analyse de bifurcation de l’équation

x 0 = λx + x3 − x5 (4.3)

puis tracer le diagramme de bifurcation.

3. Quel est l’effet du terme − x5 localement autour de l’origine par rapport

à (4.2) ?

4. Quel est l’effet du terme − x5 globalement sur les solutions de (4.3) par

rapport à celles de (4.2) ?

Solution

Exercice 4.4 L’équation suivante est un modèle mathématique qui décrit l’évolution d’une popu-
lation de chenilles
N2
 
0 N
N = rN 1 − −
K 3 + N2

où r et K sont des constantes strictement positives, On supposera de plus que K

est une constante fixée aussi large que possible (K >> 0) ; on ne s’interessera
qu’aux points d’équilibre non triviaux.

1. En utilisant une approche graphique, étudier le nombre de points

d’équilibre(non-triviaux) ainsi que leur stabilité.

2. En fixant K (aussi grand que possible) et en faisant varier r, faire une

analyse de bifurcation et tracer le diagramme de bifurcation.

Solution
 4.6. Exercices 171

Exercice 4.5 Soit le système 

 x0 = y
 y0 = − x − λy − y3
3

où λ est un paramètre réel.

1. Trouver le(s) point(s) d’équilibre du système donné.

2. Faire une analyse de bifurcation.

3. Dire s’il s’agit d’une bifurcation, sous-critique ou super-critique.

Solution

Exercice 4.6 Soit le système 

 x 0 = λx + y + sin x
 y0 = x − y

où λ est un paramètre réel.

1. Montrer qu’une bifurcation se produit à l’origine pour une certaine valeur

du paramètre λ = λ∗

2. De quelle bifurcation s’agit-il ? Dire s’il s’agit d’une bifurcation, sous-

critique ou super-critique.

Solution

Exercice 4.7 I. Soit le système 

dx 0 bx2 y
dt = x = ax − 1+ Ax2

(4.4)
dy 0 dx2 y
dt = y = − cy + 1+ Ax2


tous les paramètres sont supposés positifs.

(a) En quelques mots donner une interprétation du système donné.

(b) En faisant des changements de variables adéquats, ramener le système

(4.4) à 
u2 v
 du
dτ = u0 = u − 1+αu2
2v
(4.5)
 dv
dτ = v0 = −γv + 1+u αu 2

(c) Sous quelle(s) condition(s) le système (4.5) admet-il deux points

d’équilibre, l’un trivial et l’autre non trivial dans le quadrant posi-
tif ?

(d) Etudier la stabilité locale de l’origine

172 Chapitre 4. Bifurcations

II. Faire une analyse de bifurcation du système (4.5) tout en répondant aux
questions suivantes :

(a) Quelle est la valeur de bifurcation ?

(b) En admettant qu’il y’ait des centres à la bifurcation, de quelle type de

bifurcation s’agit-il ?

Solution
 4.7. Solutions 173

4.7 Solutions

Solution 4.1 4.1

1. x 0 = 1 + λx + x2

Les points d’équilibre sont solutions de l’équation

f ( x ) = 1 + λx + x2 = 0

∆ = λ2 − 4.

Si ∆ = 0 donc |λ| = 2 (points de bifurcation λ∗ = ±2) un unique point

−λ
d’équilibre x ∗ = 2 non hyperblique f 0 ( −2λ ) = 0 shunt positif f ≥ 0.

Si ∆ < 0 donc |λ| < 2 pas de points d’équilibre

Si ∆ > 0 donc |λ| > 2 deux points d’équilibre

√ √
−λ − λ2 − 4 −λ + λ2 − 4
x1∗ = et x2∗ =
2 2

l’un stable l’autre instable. Le diagramme de bifurcation est donné par la

figure suivante

2. x 0 = λ − chx

Les points d’équilibre sont solutions de l’équation

f ( x ) = λ − chx = 0

nous allons faire une résolution graphique en inspectant le nombre de points

174 Chapitre 4. Bifurcations

d’intersection entre les droites y = λ avec la courbe représentative de

g( x ) = chx, ainsi que leur position relative pour déduire la stabilité des
points d’équilibre.

Pour λ < 1 pas de point d’équilibre

Pour λ = 1 (c’est la valeur de bifurcation) un unique point d’équilibre non
hyperbolique (shunt négatif).
Pour λ > 1 deux points d’équilibre (un négatif instable et un positif stable).
On obtient ainsi le diagramme de bifurcation

C’est une bifurcation de type selle-nœud (saddle-node).

3. x 0 = λ + x − ln(1 + x )
Nous allons suivre les même étapes que celles de l’exemple précédent, donc
résolution graphique de l’équation

f ( x ) = λ + x − ln(1 + x ) = 0
4.7. Solutions 175

donc
λ = − x + ln(1 + x )

Pour λ > 0 pas de point d’équilibre

Pour λ = 0 (c’est la valeur de bifurcation) un unique point d’équilibre non

hyperbolique (shunt positif).

Pour λ < 0 deux points d’équilibre (un négatif stable et un positif instable).

C’est une bifurcation de type selle-nœud (saddle-node).

4. x 0 = λ + 12 x − x
x +1

Un étude rapide de la fonction x 7→ − 12 x + x+x 1 et une résolution graphique

de l’équation
1 x
λ = − x+
2 x+1
176 Chapitre 4. Bifurcations

√
3+2 2
Pour λ > 2 2 points d’équilibre l’un stable l’autre instable
√
Pour λ = 3+22 2 (c’est une valeur de bifurcation selle-nœud) un unique
point d’équilibre non hyperbolique (shunt négatif).
√ √
3−2 2 3+2 2
Pour 2 <λ< 2 pas de point d’équilibre
√
3−2 2
Pour λ = 2 (c’est une valeur de bifurcation selle-nœud) un unique
point d’équilibre non hyperbolique (shunt positif).
√
3−2 2
Pour λ < 2 2 points d’équilibre l’un stable l’autre instable.

5. x 0 = λ2 − x2

Les points d’équilibre sont solutions de l’équation

f ( x ) = λ2 − x2 = (λ − x )(λ + x ) = 0
 4.7. Solutions 177

deux points d’équilibre x1∗ = −λ et x2∗ = λ, le plus petit des deux est
instable et le plus grand est stable. Ainsi

Si λ > 0, x1∗ = −λ est instable et x2∗ = λ est stable.

Si λ = 0 (c’est la valeur de bifurcation) x ∗ = 0 est non hyperbolique (shunt

négatif).

Si λ < 0, x1∗ = −λ est stable et x2∗ = λ est instable.

Le diagramme de bifurcation est donné par

C’est une bifurcation transcritique

6. x 0 = λ2 + x2

Si λ 6= 0 pas de point d’équilibre

Si λ = 0 , x ∗ = 0 est un point d’équilibre non hyperbolique (shunt positif).

On laisse le lecteur faire les autres exemples.

Solution 4.2 4.2

1. On considère
 x
x 0 = rx 1 − − α = f (x)
K

où α, r et K sont des constantes strictement positives, α étant considéré

comme le paramètre de bifurcation. Le lecteur avisé aura reconnu l’equa-
tion logistique de l’évolution d’une population donnée, avec prélèvement
constant α qui peut être un terme de pêche ou de chasse ou d’exploitation
par exemple.
178 Chapitre 4. Bifurcations

Points d’équilibre

 x
f (x) = 0 ⇔ rx 1 − −α = 0
K
αK
⇔ x2 − Kx + =0
r

∆ = K2 − 4 αK


r = K K −4r
α

Kr
– Si α > 4 aucun point d’équilibre
– Si α = Kr
4 un unique point d’équilibre x1∗ = K
2, comme f 0 ( x1∗ ) =
f 0 ( K2 ) = 0 c’est un point non hyperbolique, comme f est négative dans
ce cas, c’est un shunt négatif.
Kr
– Si α < 4 deux points d’équilibre

q q
K− K2 − 4 αK
r K+ K2 − 4 αK
r
x2∗ = et x3∗ =
2 2

En inspectant le signe de f on déduit immédiatement que x2∗ est instable

et x3∗ est stable.

Conclusion : En traversant la valeur de bifurcation α = α∗ = Kr

4 , on
passe de zéro point d’équilire à deux points d’équilibre (l’un stable l’autre
instable) en passant par un shunt. Il s’agit donc d’une bifurcation selle-
nœud (saddle-node).

Remarque 4.4 Il est aussi possible de faire le raisonnement suivant :

∂f K
– ∂x = r − 2rx


K x = K =0 Donc, x = 2 point non hyperbolique.
2
∂f
– ∂x = −1 6 = 0 (aussi appelée condition de transversalité).
∂2 f
– ∂x2
= − 2r
K 6 = 0 (non dégénérescence).

Ces conditions réunies nous permettent de conclure à une bifurcation selle-

nœud.

Le diagramme de bifurcation est donné dans le graphique suivant.

4.7. Solutions 179

2. On considère à présent

 x
x0 = r | x| 1 − −α
K

– Si x ≥ 0 on se retrouve dans la mêm confirgation que clle de la première

question.
– Si x < 0 l’équation devient alors

 x
x 0 = −rx 1 − −α
K

Les points d’équilibre sont solutions de l’équation

 x αK
−rx 1 − − α = 0 ⇔ x2 − Kx − =0
K r

∆ = K2 + 4 αK α


r = K K + 4 r > 0. Donc toujours deux solutions

q q
K+ K2 + 4 αK
r K− K2 + 4 αK
r
x4∗ = et x5∗ =
2 2

or x4∗ > 0 comme nous somme dans la partie x < 0, celui-ci est rejeté
√
∗ K − K2 +4 αK
r
et seul est accepté comme point d’équilibre x5 = 2 < 0, et
celui-ci est toujours stable.

Le diagramme de bifurcation est donné dans le graphique suivant.

180 Chapitre 4. Bifurcations

Solution 4.3 4.3

1. L’analyse de bifurcation de l’équation

x 0 = λx + x3

a été faite dans la partie cours, et elle donne lieu à une bifurcation fourche
sous-critique, nous rappelons l’étude de l’équation

x 0 = f ( x, λ) = λx + x3

les points d’équilibre sont solutions de l’équation

λx + x3 = 0

donc
x (λ + x2 ) = 0

comme pour l’exemple précédent il y a trois cas possibles.

λ < 0, dans ce cas l’équation possède trois points d’équilibre

√ √
x1∗ = 0 et x2∗ = − −λ et x3∗ = −λ

une analyse rapide du signe de f ( x, λ) = λx + x3 ou alors celle du signe

∂f
de aux points d’équilibre, nous permet de conclure que x1∗ = 0 est stable
∂x
√ √
et que x2∗ = − −λ et x3∗ = −λ sont instables.
4.7. Solutions 181

λ = 0, dans ce cas l’équation est réduite à

x 0 = x3

qui admet pour seul point d’équilibre x ∗ = 0; et celui-ci est non hyperbo-
∂f
lique, puisque ∂x (0) = 0, cependant le signe de x3 est negatif si x < 0 et
positif si x > 0 ainsi on peut en conclure que x ∗ = 0 est instable.

λ > 0 dans ce cas un seul point d’équilibre x ∗ = 0 qui est instable.

Ainsi si l’on fait varier le paramètre λ de −∞ à +∞, celui-ci en traversant

la valeur λ∗ = 0, le nombre de points d’équilibre passe de trois à un, et
le point d’équilibre x1∗ = 0 stable pour λ < 0 entouré de deux points
d’équilibres instables, devient instable pour λ > 0 et les deux autres points
d’équilibre disparaissent . Dans cette configuration la bifurcation est appelée
bifurcation fourche (sous-critique). Le diagramme de bifurcation est donné
par le graphique suivant.

2. Considérons à présent l’équation

x 0 = λx + x3 − x5

les points d’équilibre sont donnés par

 
λx + x3 − x5 = 0 ⇔ x λ + x2 − x4 = 0
182 Chapitre 4. Bifurcations

ainsi x1∗ = 0 est toujours point d’équilibre.

λ + x2 − x4 = 0

Posons X = x2 , l’équation devient alors

λ + X − X2 = 0

∆ = 1 + 4λ.

– λ < − 14 un seul point d’équilibre équilibre x1∗ = 0 qui est stable (puisque
dans ce cas λ + x2 − x4 < 0)
– − 14 < λ < 0 dans ce cas

√
2 1± 1 + 4λ
x = 0 ou X = x = >0
2

donc l’équation admet 5 points d’équilibre

x1∗ = 0
s √
1− 1 + 4λ
x2∗ = −
2
s √
1−
1 + 4λ
x3∗ =
2
s √
1 + 1 + 4λ
x4∗ = −
2
s √
1 + 1 + 4λ
x5∗ =
2

une analyse du signe de x λ + x2 − x4 nous permet de conclure que

x1∗ , x4∗ et x5∗ sont stables, et x2∗ , x3∗ sont instables.

√
1− 1+4λ
– λ > 0 dans ce cas 2 <0
√
2 1+ 1 + 4λ
x = 0 ou X = x = >0
2
4.7. Solutions 183

donc l’équation admet 3 points d’équilibre

x1∗ = 0
s √
1+ 1 + 4λ
x4∗ = −
2
s √
1+ 1 + 4λ
x5∗ =
2

une analyse du signe de x λ + x2 − x4 nous permet de conclure que

x1∗ est instable et x4∗ , x5∗ sont stables.

– λ = 0, dans ce cas l’équation devient

x 0 = x3 − x5 = x3 1 − x2

(ce cas correspond au premier cas − 14 < λ < 0, lorsque x1∗ , x2∗ , x3∗
collapsent) Trois points d’équilibre

x1∗ = 0

x4∗ = −1

x5∗ = 1

un analyse du signe de x3 1 − x2 (ou par déduction du cas − 41 < λ <

0, lorsque x1∗ , x2∗ , x3∗ collapsent) nous permet de conclure que x1∗ est
instable et x4∗ et x5∗ sont stables.
– λ == − 41 ce cas correspond au cas − 41 < λ < 0 lorsque x2∗ = x4∗ =
q q
− 12 et x3∗ = x5∗ = 12 ) donc trois points d’équilibre

x1∗ = 0
r
1
x2∗ = x4∗
=−
2
r
1
x3∗ = x5∗ =
2

par simple déduction on peut voir que x1∗ est stable, x2∗ et x3∗ sont in-
stables.

Le diagramme de bifurcation est donné par le graphique suivant

184 Chapitre 4. Bifurcations

Localement (autour de (λ, x ) = (0, 0)) on conserve la forme de la bifur-

cation fourche sous critique et on observe l’apparition de deux bifurcations
q
selle-nœud, aux points .(λ, x ) = (− 14 , ± 12 ).

Globalement si l’on fait varier λ de −∞ vers +∞ ou de +∞ vers −∞ on

suit des chemins différents c’est donc une bifurcation hystérésis.

3. Le terme − x5 n’a aucune influence localement autour de l’origine on

conserve la forme de la bifurcation fourche sous critique, ce qui était prévi-

sible car au voisinage de 0; le terme − x5 est négligeable devant le terme

x3 .

4. Globalement, le terme − x5 a eu pour effet d’engendrer deux nouvelles bi-

furcations selle-nœud, qui ont eu pour conséquence de stabiliser les branches

instables de la fourche sous critique, donc − x5 a eu un effet stabilisant.

Solution 4.4 4.4 Considérons l’équation

N2
 
0 N
N = rN 1 − − = f (N)
K 3 + N2

où r et K sont des constantes strictement positives, On supposera de plus que K

est une constante fixée aussi large que possible (K >> 0) ; on ne s’interessera
qu’aux points d’équilibre non triviaux.

1. Commençons par caractériser les points d’équilibre

N2
 
N
f ( N ) = 0 ⇔ rN 1 − =
K 3 + N2
4.7. Solutions 185

N = 0 est toujours un point d’équilibre, mais dans cet exercice nous allons
l’omettre, et on supposera que N 6= 0, donc
 
N N
r 1− =
K 3 + N2

Les points d’équilibre sont donc les points d’intersection de la droite d’équa-
tion y = r 1 − N N


K et de la courbe représentative de la fonction N 7 → 3+ N 2 .

1er Cas

Dans ce premier cas, r est assez "petit" on a un seul point d’intersection,

donc un unique point d’équilibre non trivial N1 .
2ème Cas

Dans ce cas r prend une valeur plus grande, que celle prise dans le premier
cas on obtient alors 3 points d’intersection, donc 3 points d’équilibre non
triviaux N1 , N2 , et N3 .
3ème Cas
Dans ce cas r prend une valeur très grande, on a alors un seul point d’in-
tersection, et par suite un unique point d’équilibre N3 .
186 Chapitre 4. Bifurcations

On fera l’observation suivante : si K était fixé à une valeur "petite" alors

on aurait un seul point d’intersection peu importe la valeur que prendrait
r.

2. En fixant K (aussi grand que possible) et en faisant varier r, il suffit de

comparer les position des la droite d’équation y = r 1 − N


K et de la
N
courbe représentative de la fonction N 7→ 3+ N 2
, on peut déduire le signe de
N2
f ( N ) = rN 1 − N


K − 3+ N 2 ( N > 0 ).

1er Cas : Dans ce cas N1 est stable.

2ème Cas : Dans ce cas N1 et N3 sont stables et N2 est instable.

3ème Cas : Dans ce cas N3 est stable.

Cette configuration suggère une bifurcation hystérésis.

Solution 4.5 4.5

Considérons le système

 x0 = y
 y0 = − x − λy − y3
3

1. Le système donné possède un unique point d’équilibre (0, 0).

2. Faisons une linéarisation autour de (0, 0); La matrice Jacobienne est donnée
par  
0 1
J ( x, y) =  
−1 − λ − y2

donc  
0 1
J (0, 0) =  
−1 − λ
4.7. Solutions 187

les valeurs propres de la matrices J (0, 0) sont données par

p
−λ |4 − λ2 |
+i
2 2

et p
−λ |4 − λ2 |
−i
2 2

donc sont de la forme

a (λ) ± ib (λ) 1

complexes conjuguées, de plus en λ = λ∗ = 0 l’origine (0, 0) est non

hyperbolique (centre pour le sustème linéarisé) et b (λ∗ ) = b (0) = −1 6=
da −1
0. De plus dλ (0) = 2 6= 0 (condition de transversalité). Nous sommes
donc en présence d’une bifurcation de Hopf (Poincaré Andronov Hopf).

3. D’après la question précédente on sait que lorsque λ < 0 l’origine est un

foyer instable, et lorsque λ > 0 l’origine devient un foyer stable. Pour avoir
plus d’information sur l’origine au point de bifurcation, la linéarisation
ne pouvant apporter de réponse, nous proposons la fonction de Lyapunov
suivante
1 2
V ( x, y) = ( x + y2 )
2

la dérivée temporelle le long des solution donne

dV
= xx 0 + yy0
dt
y4
= −λy2 −
3

à la bifurcation λ = λ∗ = 0

dV y4
=− ≤0
dt 3

ainsi la fonction V proposée, est un fondtion de Lyapunov faible, car sa

dérivée s’annule le long de l’axe y = 0. Ce pendant, le long de l’axe y = 0
notre système s’écrit 
 x0 = 0
 y0 = − x
188 Chapitre 4. Bifurcations

il n’est donc pas identiquement nul, on peut en déduire que l’origine est
(0, 0) est stable.

Le cycle limite (induit par la bifurcation de Hopf) pour des valeur négatives
da −1
de λ (nous sommes dans le cas dλ (0) = 2 < 0)est asymptotiquement stable. Il
s’agit donc d’une bifurcation de Hopf super-critique.

Solution 4.6 4.6

Soit le système 
 x 0 = λx + y + sin x
 y0 = x − y

1. L’origine (0, 0) est toujours un point d’équilibre pour le système donné, et

ce quel que soit λ ∈ R. Faisons alors une linéarisation autour de l’origine,
la matrice Jacobienne est donnée par
 
λ + cos x 1
J ( x, y) =  
1 −1

donc  
λ+1 1
J (0, 0) =  
1 −1

ainsi
trJ (0, 0) = λ

et
det J (0, 0) = −λ − 2

donc l’origine est stable pour λ < −2 et devient un point selle pour
 4.7. Solutions 189

λ > −2, et pour λ = −2 l’origine est non hyperbolique pour le système

linéarisé, donc λ = λ∗ = −2 est une valeur de bifurcation.

2. Cherchons les points d’équilibre du système donné, ceux-ci doivent obliga-

toirement vérifier y = x, en utilisant cette information et en faisant un
développement limité de sin x on obtient pourun point d’équilibre l’égalité
suivante
x3
λx + x + x − + o ( x4 ) = 0
3!

donc
x2
 
x λ+2− + o ( x3 )
3!

ainsi
x2
x = 0 ou λ + 2 − ≈0
6

x = 0 donne l’origine (0, 0).

x2
q
λ+2− ≈ 0 ⇒ x∗ ≈ ± 6 ( λ + 2)
6

donc (localement) si λ < λ∗ = −2, (0, 0) est le seul point d’équilibre, et

si λ > λ∗ = −2 le système admet trois points d’équilibre (0, 0),
p p p p
(− 6 (λ + 2), − 6 (λ + 2)) et ( 6 (λ + 2), 6 (λ + 2)).

En conclusion : A la bifurcation on passe d’un unique point d’équilibre à trois

points d’équilibre, c’est la configuration d’une bifurcation fourche et comme l’ap-
parition des deux nouveaux équilibres se produit quand l’origine devient instable,
il s’agit alors d’une bifurcation fourche super-critique.

Solution 4.7 4.7

I. Soit le système 
dx 0 bx2 y
dt = x = ax − 1+ Ax2

dy 0 dx2 y
dt = y = − cy + 1+ Ax2


(a) Il s’agit d’un modéle de proies (x) prédateurs (y) avec une fonction
réponse Holling de type III.
190 Chapitre 4. Bifurcations

(b) En posant les changements

r √
τ a ad
t = ,x=u , y=v
a d b
Aa c
α = et γ =
d a

on obtient le nouveau système


u2 v
 du
dτ = u0 = u − 1+αu2
2v
 dv
dτ = v0 = −γv + 1+u αu 2

(c) Le dernier système admet pour points d’équilibre

r !
∗ ∗ γ 1
(0, 0) et (u , v ) = ,p
1 − αγ γ (1 − αγ)

ainsi (u∗ , v∗ ) existe sous la condition (1 − αγ) > 0, donc αγ < 1.

(d) La matrice Jacobienne du dernier système normalisé est donné par

 
2

 1−
2uv
2 − 1+uαu2
(1+αu2 )
J (u, v) = 

u2

2uv
2 −γ + 1+αu2
(1+αu2 )

donc à l’origine  
1 0
J (0, 0) =  
0 −γ

donc (0, 0) est un point selle.

II. L’origine étant toujours un point selle, donc si bifurcation il y’a celle-ci se
produira nécessairement autour de (u∗ , v∗ ) .

(a) En remarquant que

2
u∗ 2 u∗
∗
= γ et u∗ v∗ = 1 + αu∗ =
v γ

on a alors  
2αγ − 1 −γ
J (u∗ , v∗ ) =  
2 (1 − αγ) 0
4.7. Solutions 191

et par suite
det J (u∗ , v∗ ) = 2γ (1 − αγ) > 0

et
trJ (u∗ , v∗ ) = 2αγ − 1

la trace change de signe lorsque

1
αγ =
2

en posant alors
αγ = λ

la bifurcation a lieu pour

1
λ∗ = .
2

(b) Si les centres sont conservés on a alors une bifurcation dégnérée.

Bibliographie

[1] Attar, A. Miri, S.E-H Mathématiques Pour Etudiants de Pre-

mière Année. Recueils d’Exercices et Examens corrigés. DOI :
10.13140/RG.2.2.18723.14884/1 vi

[2] Auger, Pierre. Lett, Christophe. Poggiale, Jean-Christophe. Modélisa-

tion mathématique en écologie : cours et exercices corrigés, Dunod, 2010.
vi

[3] Benzoni-Gavage, S. Calcul différentiel et équations différentielles-2e éd. :

Cours et exercices corrigés. Dunod, 2014. vi

[4] Charles, S. Cours de M1 Biologie mathématique et modélisation, Univer-

sité Lyon1, 2007. vi

[5] Chow, S-N., and Jack K. Hale. Methods of bifurcation theory. Vol. 251.
Springer Science and Business Media, 2012. vi

[6] Khalil, H.K. Nonlinear Systems. (3-rd ed.), Prentice Hall, 2002. vi

[7] Miri, S.E-H Algèbre et Analyse. Polycopié de cours pour étudiants de pre-
mière année.. DOI : 10.13140/RG.2.1.2160.2961 vi

[8] Murray, James D. Mathematical Biology I : An Introduction, vol. 17 of

Interdisciplinary Applied Mathematics. 2002. vi

[9] Pac, Jean-Louis. Systèmes dynamiques-2e ed : Cours et exercices corrigés.

Dunod, 2016. vi

[10] Strogatz, S. H. Nonlinear Dynamics and Chaos : With Applications to

Physics, Biology, Chemistry, and Engineering, 1st ed. Westview, Boulder,
894 Colorado, 2001. vi

193