Chapitre 1

Systèmes de n équation de
récurence linéaires d’ordre 1 à
coefficiants constants

les systèmes de n équations de récurence linéaires d’ordre 1 à coefficiants

constants sont des systèmes de type :


 x1t+1 = a11 x1t + ... + a1j xjt + ... + x1n xnt + f1 (t)


xit+1 = ai1 x1t + ... + aij xjt + ... + xin xnt + fi (t) (1.1)



xnt+1 = an1 x1t + ... + anj xjt + ... + xnn xnt + fn (t)


ou, en adoptant l’écriture matricielle :

Xt+1 = AXt + F (t)

   
x1t f1 (t)
 ..   .. 
 .   . 
où Xt =  xjt  et F (t) =  fi (t)  (f : N −→ R) et où A est une matrice
   
 .   . 
 ..   .. 
xnt fn (t)
carrée d’ordre n à cefficiant aij ∈ R, i = 1, . . . , n et j = 1, . . . , n. L’inconnue
de ce système est la suite {X0 , X1 , X2 , . . .} , notée (Xt ). On parle de système
d’ordre 1 car tout terme de de le suite dépend du seul terme précédent.
Dans ce cours, nous traitons seulement des systèmes homogènes, à savoir des
systèmes du types
Xt+1 = AXt (1.2)

1
2CHAPITRE 1. SYSTÈMES DE N ÉQUATION DE RÉCURENCE LINÉAIRES D’ORDRE

Remarque : n’importe quelle éqaution de récurence linéaire d’ordre n peut

s’écrire sous la forme d’un système l’inéaire de n équation d’ordre 1. Ainsi,
dans le cas où n = 2 autrement
  dutype xt+2 = −a1 xt+1 − a0 xt ,
dit l’éqaution
xt+1 xt+2
si l’on pose Xt = , donc Xt+1 = , l’équation est équivalente
xt  xt+1 
−a1 −a0
au système Xt+1 = AXt avec A = . De façon plus générale,
1 0
l’équation d’ordre n : xt+n + an−1xt+n−1 + . . . + a0 xt = 0, peut s’écrire
 sous
−an−1 −an−2 . . . −a1 −a0
 1 0 ... 0 0 
 
 0 1 . . . 0 0
la forme Xt+1 = AXt , avec A =   et Xt =

 .. .. .. .. 
 . . ... . . 
0 0 ... 1 0
 
xt+n−1
 .. 
 . 
 xt+1 
 
 . 
 .. 
xt

1.1 Détermination des équilibres

la notion d’équilibre est uniliser en économie pour désigner des situations
où "rien ne bouge"

Les équilibres du processus décrit par l’équation 2.2 sont les suites sta-
→
−
tionnaires (Xe ) où Xe est telle que Xe = AXe ⇒ (A − I)Xe = 0
→
− →
−
Il est que Xe = 0 est solution de l’équation (A − I)Xe = 0 et ce pour
tout A. C’est donc un vecteur d’équilibre. Rest à savoir s’il est unique ou
non.
→
−
Cas 1 : Xe = 0 est l’unique vecteur d’équilibre du processus décrit parl’équa-
tion 2.2. C’est le cas ssi le rang de la matrice A-I est égale à n( donc si cette
matrice est régulière) ou ssi det(A − 11) 6= 0.
Exemple : soit le processus décrit par l’équation

Xt+1 = AXt (1.3)

 
1 1
avec A = comme det(A-I) = −2(6= 0), le seul vecteur d’équilibre est
2 0
→
−
Xe = 0 .
1.2. RÉSOLUTION 3

→
−
Cas 2 : Xe = 0 n’est pas l’unique vecteur d’équilibre du processus décrit
par l’équation 2.2. C’est le cas ssi det(A-I) = 0 donc ssi 1 est valeur propre de
A. Danc ce ces, l’esnemble des vecteurs d’équilibre est le sous espace propre
de A associé à 1 (encore noté Ker(A-I)).
Exemple : Soit le processus décrit par l’équation

Xt+1 = AXt (1.4)

 
2 −2
avec A = comme det(A-I) = 0 , alors 1 est valeur propre de A
1 −1
et l’ensemble E des équilibres du processus décrit par 2.4 est le sous-espace
propre de A associé à 1.

1.2 Résolution
De Xt+1 = AXt , on endeduit X1 = AX0 , X2 = AX1 = A2 X0 , et par
récurence Xt = At X0 . La solution de l’équation 2.2 pour X0 donné est donc

Xt = At X0

Toute difficulté, pour trouver cette solution, réside donc dans le calcul de At .
Nous distainguerons deux cas ici : le cas où A est diagonalisable et cas où
elle ne l’est pas.

1.2.1 Cas où la matrice A est diagonalisable

a) Forme de la solution
Si A est diagonalisable, alors A = P DP −1 , où D est une matrice diago-
nale formée de n valeurs propres de A et P la matrice des vecteurs propres
correspondante. Comme At = P DP −1 . . . P DP −1 = P Dt P −1 la solution de
l’équation 2.2 est Xt = P Dt P −1 X0 autrement
 dit, 
de façon plus détaillée :
λt1 0 α1 α1
..   ..   . 
Xt = (P1 . . . Pn )    .  avec  ..  = P −1 X0 , ou ce qui

.
0 λtn αn αn
 
t
α1 λ1
 .. 
revient au même, Xt = (P1 . . . Pn )  .  = α1 λt1 P1 + . . . + αn λtn Pn . la
αn λtn
solution de l’équation 2.2 est donc
n
X
Xt = αi λti Pi
i=1
4CHAPITRE 1. SYSTÈMES DE N ÉQUATION DE RÉCURENCE LINÉAIRES D’ORDRE

les coefficiants
Pn αi étant obténu en faisant le produit P −1 X0 ou en résolvant
X0 = i=1 αi Pi (que l’on obtien en remplaçant t par 0 dans la solution de
2.2)
Remarque Si X0 et A sont à coefficiants réels, il en va alors de même
pour la solution de 2.2 même si les valeurs propres de A ne les sont pas.
b) Forme de la solution réelle loorsque A a des valeurs propres
non réelles
Supposons que A ait une valeur propre non réelle λ1 à laquelle correspond
un vecteur propre P1 . Alors les conjugués λ1 et P1 sont repectivment valeur
et vecteur propre de A.

1.2.2 Cas où la matrice A n’est pas diagonalisable

a) Forme de la solution
Si A n’est pas diagonalisable, alors on peut s’écrire A = QJQ−1 où J est
une forme
 réduit de la matrice de Jordan,
 autrement dit une matrice de la
λ1 c1
... ...
0
 
 
λi ci
 
forme   avec ci = 1 ou 0, λ1 , . . . , λi , . . . , λn
 
.. ..

 . . 

 0 λn−1 cn−1 
λn
étant les n valeurs propres de A et où Q = (Q1 . . . Qi . . . Qn ), Q1 . . . Qi . . . Qn
étant n vecteurs de Jordan linéairement indépendant à λ1 . . . , λi ; . . . etλn .
On peut donc remplacer A par QJQ−1 dans l’équation 2.2 pour obténir
Xt+1 = QJQ−1 Xt , ce qui donne en posant Zt = Q−1 Xt :
Zt+1 = JZt ,
ou encore 

 Z1t+1 = λ1 Z1t + c1 Z2t

 ..
.





Z
it+1 = λi Zit + ci Zi+1t
. (1.5)

 ..


Zn−1t+1 = λn−1 Zn−1t + cn−1 Znt





Znt+1 = λn Znt


le système 2.8 est donc un système de n équations de recurence linéaire

d’ordre 1 avec ou sans second membre, que l’on peut résoudre en commen-
çant par la dernière équation. Celle-ci est une équation de récurence linéaire
homogène d’ordre 1, dont la solution est Znt = Zn0 λtn .
1.3. ÉTUDE DE LA STABILITÉ DES SOLUTIONS D’UN SYSTÈME DE N ÉQUATIONS DE RÉCU

On peut alors résoudre la n − 1me équation du système 2.8 :

Zn−1t+1 − λn−1 Zn−1t = cn−1 Zn0 λtn

qui est une équation de récurence linéaire d’ordre 1. Deux cas sont ici pos-
sible :
— Soit Cn−1 = 0, l’équation est homogène est sa solution est :

zn−1t = zn−10 λtn−1 ;

— cn−1 = 1, il y a résonance et la solution de l’équation est :

zn−1t = (zn0 t + zn−10 )λtn , puisqueλn−1 = λn

muni de cette solution, on peut alors résoudre la n − 2eme équation du

système 2.8, en zn−1t , et ainsi de suite, jusqu’à la première équation.
cette résolution du système 2.8 nous permet donc d’établir, zt , puis
Xt en prémultipliant Zt par Q( puisque Zt = Q−1 Xt ).
Exemple : soit le processus décrit par :
 
2 1 1
Xt+1 = AXt , avecA = 0 5 0
0 1 5

1.3 Étude de la stabilité des solutions d’un sys-

tème de n équations de récurence linéaires
homogènes
Reprenons le système 2.2 : Xt+1 = AXt .
Nous avons vu que, à chaque condition initiale, correspond une trajectoire
unique solution de ce système. La question abordée dans ce paragraphe est
de savoir si certains de ces trajectoires converge vers un vecteur d’équilibre,
et, si oui, lesquelles.
Comme dans la section precedente, on dira que le processus est globa-
lement stable ssi, à chaque condition initiale, il converge vers un vecteur
d’équilibre. On dira qu’un vecteur d’équlibre est globalenemt stable ssi toutes
les trajectoires convergent vers lui. Le seul vecteur d’équilibre pouvant être
globalement stable est le vecteur nul.
A - Condition d’équilibre lorsque l’on connait les valeurs propres
de la matrice
a) Cas où la matrice A est diagonalisable
6CHAPITRE 1. SYSTÈMES DE N ÉQUATION DE RÉCURENCE LINÉAIRES D’ORDRE

Comme dans le as des équations d’ordre n, le comportement de (Xt ) dé-

pend donc de celui de λti . On retrouve donc les mêmes conditions necessaires
et suiffisnantes que dans la section precedente.
→
−
Conditions necessaires et suiffisnantes de stabilité globale de 0 .
→
− →
−
Le vecteur d’équilibre 0 est globalement stable (i.e. ∀X0 , Xt −→ 0 ) ssi
toutes les valeurs propres de A ont un module < 1. 
−1/2 0 0
Exemple : Xt+1 = AXt avec A =  0 1/4 3 
1 0 −1/2
Conditions necessaires et suiffisnantes de stabilité globale du processus
le processus décrit par le système 2.2 est globalement stable ssi
→
−
— le vecteur d’équilibre 0 est globalement stable ou
— ∀λ valeur propre de A |λ| ≤ 1. 
1 1 2
Exemple : Xt+1 = AXt avec A = 0 2 −3/4
0 5 −2
→
−
L’ensemble de stabilité de l’équilibre de 0 est le sous espace vectoriel
engendré par les vecteurs propres associés aux valeurs propres dont le module
est strictement inférieur à 1. Reprenons en effet, le système Xt+1 = AXt .
Suposons que A ait m valeurs propres λ1 , . . . , λn dont |λλ < 1, avec 0 < m <
n et n − 1 valeurs propres dont |λλ ≥ 1. Il s’ensuit que, pour que Xt ,

Xt = α1 λt1 P1 + . . . + αm λtm Pm + . . . + αn λtn Pn ,

→
−
converge vers 0 , il faut et il suiffit que αi = 0, ∀i, i = m + 1, . P
. . , n. Les tra-
→
−
jectoires quiPconvergent ves 0 sont donc de la forme (Xt ) = ( m t
i=1 αi λi Pi ) .
or, si Xt = m t
i=1 αi λi Pi alors

m
X
X0 = α i Pi
i=1

→
−
. L’ensemble de stabilité de 0 est donc
Xm
S−
→
0
={ αi Pi , αi ∈ R, i = 1, . . . , m}
i=1

b) Cas où A n’est pas diagonalisable

Nous avons vu que, lorsque A n’est pas Pdiagonalisable les solutions de

2.2 peuvent s’écrire sous la forme de Xt = m t
i=1 Pi (t)λi Qi , où lambdai est
valeurs propre de A, Qi vecteur propre ou vecteur de Jordan associé à λi et
1.3. ÉTUDE DE LA STABILITÉ DES SOLUTIONS D’UN SYSTÈME DE N ÉQUATIONS DE RÉCU

où pi (t) est un polynome. Ici, le comprtement de Xt depend donc de celui

de Pi (t)λti qui est un produit d’un polynome et d’une fonction exponentielle.
Comme, lorsque t −→ ∞ l’exponentielle l’emporte sur la fonction polynome,
on associe 4 cas :
1er Cas : |λ| > 1 ssi Pi (t)λti −→ ±∞ lorsque t −→ ∞.
2eme Cas : |λ| = 1 on a donc Pi (t)λti = Pi (t). Dans ce cas Pi (t)λti −→ l ∈ R
lorsue t −→ ∞ ssi Pi (t) est un polynome de degré 0 (plus précisement lorsque
pi (.) = l). Or, ce-ci est le cas pour tous les termes de la forme Pi (t)1t ssi la
dimension du sous-espace propre de A associé à 1 est égale à la multiplicité
algebrique de 1. 3eme Cas : −1 < λi < 1 ssi pi (t)λti −→ 0 lorsque t −→ ∞
4eme Cas : λ ≤ −1 ssi pi (t)λti n’a pas de limite.
Au totale, pi (t)λti converge vers 0 ssi |λ| < 1, pi (t)λti −→ l ∈ R ssi λi = 1
et pi (t) = l, et ne converge pas, du moins vers une limite fini, dans tout autre
cas.
→
−
Il s’ensuit que : le vecteur d’équilibre 0 est globalement stable ( i.e. ∀X0 , Xt −→
→
−
0 ) ssi toutes les valeurs propres de A ont un module strictement inférieur à
1. Et que le processus décrit par le système 2.2 est globalement stable ssi :
→
−
— 0 est globalement stable ou
— ∀λ valeur propre, |λ| < 1 ou λ = 1 et la dimension du sous espace
propre qui lui est associé devant être égale à la multiplicité algébrique
de 1.
→
−
B. Condition de stabilité de 0 lorsque on ne connait pas les
valeurs propres de la matrice A
→
−
On a vu que 0 est globalement stable lorsque toutes les valeurs propres
de A sont en module strictement inférieur à 1. Dans ce cas on dit que la
matrice est séquentiellement stable.
a) Deux conditions necessaires de stabilité séquentielle de A. Pour qu’une ma-
trice A d’ordre n est séquentiellement stable, il faut que l’on ait |T r(A)| < n
et |det(A)| < 1.
En effet, si l’on note λ1 , . . . λn les valeurs propres de A, on a :
n
X n
X
|λi | < 1, i = 1, . . . , n ⇒ |λi | < n ⇒ | λi | < n ⇒ |T r(A)| < n
i=1 i=1

|λi | < 1, i = 1, . . . , n ⇒ Πni=1 |λi | < 1 ⇒ |Πni=1 λi | < 1 ⇒ |det(A)| < 1

b) Conditions suiffisante de stabilité séquentielle de P A. S’il existe n réels ki
strictement positifs tels que l’on ait : ∀i, i = 1, . . . , n, nj=1 |aij |kj < ki , alors
A = (aij ) est séquenteillement stable.
Remarque : Si A est à éléments positif et vérifie ce théorème alors on dit
que A est une matrice productive.
8CHAPITRE 1. SYSTÈMES DE N ÉQUATION DE RÉCURENCE LINÉAIRES D’ORDRE
Chapitre 2

Systèmes de n équation
differencielles linéaires d’ordre 1 à
coefficiants constants

les systèmes de n équations differencielles linéaires d’ordre 1 à coefficiants

constants sont des systèmes de type :


 x01 (t) = a11 x1 (t) + ... + a1j xj (t) + ... + x1n xn(t) + f1 (t)
...





x0i (t) = ai1 x1 (t) + ... + aij xj (t) + ... + xin xn (t) + fi (t) (2.1)

..

 .


x0 (t) = a x (t) + ... + a x (t) + ... + x x (t) + f (t)

n n1 1 nj j nn n n

ou, en adoptant l’écriture matricielle :

X 0 (t) = AX(t) + F (t)

   
x1 (t) f1 (t)
 ..   .. 
 .   . 
où X(t) =  xj (t)  et F (t) =  fi (t)  (f : N −→ R) et où A est une
   
 .   . 
 ..   .. 
xn (t) fn (t)
matrice carrée d’ordre n à cefficiant aij ∈ R, i = 1, . . . , n et j = 1, . . . , n, et
ou X 0 (t) désigne la dérivée de la fonction X(.) en t. L’inconnue de ce système
est la fonction X(t), A et F (t) (t ∈ R+ ) étant données. Le système 2.1 est
evidemment d’ordre 1 et la condition initiale du processus décrit par 2.1 est
le vecteur X(t0 ). On posera, comme dans le cas générale, t0 = 0, alors la

9
10CHAPITRE 2. SYSTÈMES DE N ÉQUATION DIFFERENCIELLES LINÉAIRES D’ORD

condition initiale est donnée par le vecteur :

 
x1 (0)
 .. 
 . 
 xj (0) 
 
 . 
 .. 
xn (0)

Dans ce cours, nous traitons seulement des systèmes homogènes, à savoir des
systèmes du types
X 0 (t) = AX(t) (2.2)
Remarque : On peut, comme dans le cas des éqautions de récurence,
écrire n’importe quelle équation différentielle linéaire d’ordre n sous la forme
d’un système l’inéaire de n équations d’ordre 1.
L’équation d’ordre n :

xn (t) + an−1 xn−1 (t) + . . . + ai xi (t) + . . . + a1 x0 (t) + a0 x(t) = 0,

est, par exemple, équivalente au système X 0 (t) = AX(t), avec

xn−1 (t)
 
 
−an−1 −an−2 . . . −a1 −a0  .. 
 1 0 ... 0 0   . 
 i
x (t) 
  
 0 1 ... 0 0  et X(t) = 
A=

 . 
 .. .. .. ..   .. 
 . . ... . .  
 x0 (t) 

0 0 ... 1 0
x(t)

2.1 Détermination des équilibres

la notion d’équilibre est uniliser en économie pour désigner des situations
où "rien ne bouge"

Les équilibres du processus décrit par l’équation 2.2 sont les fonctions
→
−
constantes (X(·) = Xe ) où Xe est telle que AXe = 0 .
→
−
Xe = 0 est evidemment solution cette équation, et ce, pour tout A. C’est
donc un vecteur d’équilibre. Rest à savoir s’il est ou non unique.
→
−
Cas 1 : Xe = 0 est l’unique vecteur d’équilibre du processus décrit par
l’équation 2.2. C’est le cas ssi le rang de la matrice A est égale à n( donc si
cette matrice est régulière) ou ssi det(A) 6= 0.
2.2. RÉSOLUTION 11

b) Exemple : soit le processus décrit par l’équation

 
0 1 1
X (t) = AX(t) avec A = (2.3)
2 0
→
−
Comme det(A) = −2(6= 0), le seul vecteur d’équilibre est Xe = 0 .
→
−
Cas 2 : Xe = 0 n’est pas l’unique vecteur d’équilibre du processus décrit
par l’équation 2.2. C’est le cas ssi det(A) = 0 donc ssi 0 est valeur propre de
A. Dans ce cas, l’esnemble des vecteurs d’équilibre est le sous espace propre
de A associé à 0 (noté aussi Ker(A)).
Exemple : Soit le processus décrit par l’équation
 
0 2 −2
X (t) = AX(t) avec A = (2.4)
1 −1

Comme det(A) = 0 , alors 0 est valeur propre de A et l’ensemble E des

équilibres du processus décrit par 2.4 est le sous-espace propre de A associé
à 0.

2.2 Résolution
Pour présenter la résolution de l’équation

X 0 (t) = AX(t),

on distainguerra deux cas :

2.2.1 Cas où la matrice A est diagonalisable

a) Forme de la solution
Si A est diagonalisable, alors A = P DP −1 , où D est une matrice diago-
nale formée de n valeurs propres de A et P la matrice des vecteurs propres
correspondante.
En remplaçant A par P DP −1 dans l’équation 2.2 on obtient

X 0 (t) = P Dt P −1 X(t)

ce qui donne en prémultipliant les deux menbres de la dernière équation par

P −1 : P −1 X 0 (t) = Dt P −1 X(t) d’où, en posant Y (t) = P −1 X(t), et donc
Y 0 (t) = P −1 X 0 (t) :
Y 0 (t) = DY (t) (2.5)
12CHAPITRE 2. SYSTÈMES DE N ÉQUATION DIFFERENCIELLES LINÉAIRES D’ORD

En notant yi (t), i = 1, . . . , n, les éléments de y(t), et en developpant cette

équation, on obtient le système de n équations différentielles homogènes
d’ordre 1 : 
0
y1 (t) = λ1 y1 (t)

..


.



yi0 (t) = λi yi (t) (2.6)

 ..



 .
y 0 (t) = λ y (t)

n n n

Comme la solution de l’équation yi0 (t) = λi yi (t) est de la forme yi0 (t) = αi eλi t ,
celle du système 2.5 est de la forme

α1 eλ1 t
 
 .. 
 . 
Y (t) =  αi eλi t 
 
 . 
 .. 
αn eλn t

De Y (t) = P −1 X(t), on endeduit que X(t) = P Y (t). On a donc

α1 eλ1 t
 
 .. 
 . 
X(t) = P  αi eλi t  , avec P = (P1 , . . . , Pn )
 
 . 
 .. 
α n e λn t

La solution de l’équation 2.2 est donc

n
X
X(t) = α i e λi t P i (2.7)
i=1

Pn
Les αi étant solution du système X(0) = i=1 αi Pi .

b) Exemple : soit le processus décrit par :

 
1 1 0
X 0 (t) = AX(t), avecA = 0 2 0 
2 1 −1
2.2. RÉSOLUTION 13

2.2.2 Cas où la matrice A n’est pas diagonalisable

a) Forme de la solution

−1
Si A n’est pas diagonalisable, alors on peut écrire A =  QJQ où J est la 
λ1 c1
... ...
0
 
 
λ c
 
i i
matrice de Jordan autrement dit une matrice de la forme 
 
.. .. 

 . . 

 0 λn−1 cn−1 
λn
avec ci = 1 ou 0, λ1 , . . . , λi , . . . , λn étant les n valeurs propres de A, et où
Q = (Q1 . . . Qn ), Q1 , . . . Qn étant n vecteurs de Jordan linéairement indé-
pendant aux valeurs prpres de A, λ1 . . . , λn . On peut donc remplacer A par
QJQ−1 dans l’équation 2.2 pour obténir X 0 (t) = QJQ−1 X(t), ce qui donne
en posant Z(t) = Q−1 X(t) :
Z 0 (t) = JZ(t),
ou encore 
0
Z1 (t) = λ1 Z1 (t) + c1 Z2 (t)


..
.




Z 0 (t) = λ Z (t) + c Z (t)

i i i i i+1
.. (2.8)


 .

0
Zn−1 (t) = λn−1 Zn−1 (t) + cn−1 Zn (t)




 0
Zn (t) = λn Zn (t)
le système 2.8 est donc un système de n équations différentielles linéaires
d’ordre 1 avec ou sans second membre, que l’on peut résoudre en commen-
çant par la dernière équation. Celle-ci est une équation différentielle linéaire
homogène d’ordre 1, dont la solution est Zn (t) = Zn (0)eλn t .

On peut alors résoudre la n − 1me équation du système 2.8 :

0
Zn−1 (t) = λn−1 Zn−1 (t) + cn−1 Zn (t)
qui est une équation différentielle linéaire d’ordre 1. Deux cas sont ici pos-
sible :
— Soit Cn−1 = 0, l’équation est homogène est sa solution est :
zn−1 (t) = zn−1 (0)eλn−1 t ;
14CHAPITRE 2. SYSTÈMES DE N ÉQUATION DIFFERENCIELLES LINÉAIRES D’ORD

— cn−1 = 1, la solution de l’équation est :

zn−1 (t) = (zn (0)t + zn−1 (0))eλn−1 t, puisque λn−1 = λn

Avec cette solution, on peut alors résoudre la n − 2eme équation du système

2.8, en zn−2 (t), et ainsi de suite, jusqu’à la première équation.
Cette résolution du système 2.8 nous permet donc d’établir, zt , puis Xt
en prémultipliant Zt par Q( puisque Zt = Q−1 Xt ).

Exemple : Soit le processus décrit par :

 
2 1 1
X 0 (t) = AX(t), avec A = 0 5 0
0 1 5

2.3 Étude de la stabilité des solutions d’un sys-

tème de n équations différentielle linéaires
homogènes
Reprenons le système 2.2 : X 0 (t) = AX(t).
Nous avons vu que, à chaque condition initiale, correspond à une solution
unique de ce système. La question abordée ici est de savoir si certains de ces
trajectoires converge vers un vecteur d’équilibre, et, si oui, lesquelles.

A - Condition d’équilibre lorsque l’on connait les valeurs propres

de la matrice
a) Cas où la matrice A est diagonalisable
Nous avons vu que, lorsque A est diagonalisable,
Pn les solutions du systèmes
peuvent s’écrire sous la formene de X(t) = i=1 αi eλi t Pi avec λi et Pi rés-
pectivement valeure et vecteur propre associés de A. Le comportement de
X(t) dépend donc de celui de eλi t . Or eλi t tend vers :
— 0 ssi λi est strictement negative.
— 1 ssi λi = 0
— ∞ ssi λi est strictement positif.
De ces trois propositions, on peut déduire des conditions nécessaires et suif-
fisantes de stablité globale du processus et du vecteur nul.
→
−
Conditions necessaires et suiffisnantes de stabilité globale de 0 .
→
− →
−
Le vecteur d’équilibre 0 est globalement stable (i.e. ∀X0 , X(t) −→ 0 )
ssi les λi sont strictement negatives.
2.3. ÉTUDE DE LA STABILITÉ DES SOLUTIONS D’UN SYSTÈME DE N ÉQUATIONS DIFFÉRE

→
−
Exemple : Le vecteiur d’équilibre
 0 duprocessus décrit par :
−3 1 1
X 0 (t) = AX(t) avec A =  0 −1 0 
0 1 −2
est globalement stable. Les trois valeurs propres de A sont en effet : -1, -2 et
-3

Conditions necessaires et suiffisnantes de stabilité globale du processus

le processus décrit par le système 2.2 est globalement stable ssi
→
−
— le vecteur d’équilibre 0 est globalement stable ou
— Toutes les valeurs propres de A sont strictement négative ou nul.
Exemple : Le processus décrit part  l’équation :
−1 1 1
X 0 (t) = AX(t) avec A =  0 −1 0
1 1 0
est globalement stable. les trois valeurs propres de A sont en effet : -1, -2 et 0.
→
−
L’ensemble de stabilité de l’équilibre de 0 est le sous espace vectoriel
engendré par les vecteurs propres associés aux valeurs propres strictement
négative.

b) Cas où A n’est pas diagonalisable

Lorsque la matrice A n’est pas P diagonalisable, les solutions de 2.2 peuvent
s’écrire sous la forme de X(t) = m λi t
i=1 pi (t)e Qi , où λi et Qi sont réspective-
ment valeurs propre et vecteur de Jordan de A, et pi (t) est un polynome. Ici,
le comprtement de X(t) depend donc de celui de pi (t)eλi t . Comme, lorsque
t −→ ∞ la fonction exponentielle l’emporte sur la fonction polynome, on
associe trois cas :
1er Cas : λi < 0 ssi pi (t)eλi t −→ 0 lorsque t −→ ∞.
2eme Cas : λi = 0 on a donc pi (t)eλi t = pi (t). Dans ce cas pi (t)eλi t −→ l ∈ R
lorsque t −→ ∞ ssi pi (t) est un polynome de degré 0 (lorsque pi (.) = l). Or,
ce-ci est le cas pour tous les termes de la forme pi (t)e0t ssi la dimension du
sous-espace propre de A associé à 0 est égale à la multiplicité algebrique de
0.
3eme Cas : Pour λi > 0, pi (t)eλi t ne converge pas vers une limite finie.

Il s’ensuit que que :

→
−
Le vecteur d’équilibre 0 est globalement stable ssi les valeurs propres de
A sont strictement negative ;
et que
16CHAPITRE 2. SYSTÈMES DE N ÉQUATION DIFFERENCIELLES LINÉAIRES D’ORD

le processus est globalement stable ssi :

→
−
— 0 est globalement stable ou
— Toutes les valeurs propres de A sont strictement négative ou nulle,
la dimension du sous-espace propre associée à la valeur propore 0 est
égale à la multiplicité algébrique de 0.

→
−
B. Condition de stabilité de 0 lorsque on ne connait pas les
valeurs propres de la matrice A
Reprenons le système homogène (2.2)

X 0 (t) = AX(t)

Les conditions de stabilité que nous avons vu dans le paragraphe pré-

cédent ne sont applicable que lorsque on cannait les valeurs propres de
→
−
A. Nous avons notamment vu que 0 est globalement stable lorsque
toutes les valeurs propres de A sont strictement négatives. Dans ce
cas on dit que la matrice est différentiellement stable ou d-stable.
Il existe un certain nombre de critères permettant d’établir si A est
ou non d-stable sans déterminer ses valeurs propres. Ce sont quelques
uns de es critères que nous allons ici donner.

a) Conditions necessaires de stabilité différentielle de A

Pour qu’une matrice A soit d-stable, il faut que T r(A) < 0

Cette conditions est évidentes puisque la trace de A est la somme des

valeurs propres de A.

Pour qu’une matrice A d’ordre n soit d-stable, il faut que (−1)n dt(A) > 0

En effet, si les n valeurs propres de A sont strictement négatives, alors

leur produit, autrement dit le determinant de A, est positif si n est
pair et negatif si n est impaire. Donc le determinant est du signe de
(−1)n et on a (−1)n dt(A) > 0

Pour qu’une matrice A d’ordre n soit d-stable, il faut que toutes

les coefficiants du polynôme (−1)n dt(A−λ11) soit strictement positifs

2.3. ÉTUDE DE LA STABILITÉ DES SOLUTIONS D’UN SYSTÈME DE N ÉQUATIONS DIFFÉRE

b) Conditions suiffisante de d-stabilité de A

On dit que la matrice A = (aij ), i, j = 1, . . . , n est à diagonale négative

dominante si aii < 0, i = 1, . . . , n et s’il existe n réels strictement
positifs kj , tels que l’on ait :
X
kj |aij | < ki |aii |
i6=j

Pour que la matrice A soit d-stable, il suffit qu’elle soit à diagonale

négative dominante.