Chapitre 

Linéarisation autour de
l’équilibre

O. Thual,  octobre 

Sommaire
 Système dynamiques simples . . . . . . . . . . . . . 
. Forme normale de la bifurcation fourche . . . . . . . 
. Bifurcations d’un équilibre stable . . . . . . . . . . . 
. Exemple du pendule simple . . . . . . . . . . . . . . 
 Systèmes conservatifs ou dissipatifs . . . . . . . . . 
. Évolution du volume dans l’espace des phases . . . . 
. Systèmes dynamiques hamiltoniens . . . . . . . . . . 
. L’oscillateur de Van der Pol . . . . . . . . . . . . . . 
 Équations aux dérivées partielles . . . . . . . . . . . 
. Modèle linéaire . . . . . . . . . . . . . . . . . . . . . 
. Linéarisation autour d’un équilibre . . . . . . . . . . 
. Calcul de stabilité dans le cas général . . . . . . . . 


 Chapitre . Linéarisation autour de l’équilibre

Introduction

Les modèles utilisés pour décrire les systèmes physiques évoluant dans le temps
peuvent être des systèmes d’équations différentielles ordinaires, que nous appe-
lerons “systèmes dynamiques”, ou des systèmes d’équations aux dérivées par-
tielles. Nous nous intéressons ici aux équilibres de ces systèmes, c’est-à-dire à
leurs solutions stationnaires.
La stabilité de ces équilibres est obtenue en considérant l’évolution tempo-
relle de leurs petites perturbations. Cette évolution est décrite par un système
d’équations linéaires obtenu en négligeant les termes non linéaires qui sont
d’ordre deux. Nous décrivons, sur des exemples de complexité croissante, les
techniques mathématiques qui permettent de construire cette linéarisation et
d’en étudier les solutions.
La plupart des modèles physiques dépendent de paramètres de contrôle que l’on
peut réduire à des nombres sans dimensions (nombre de Reynolds, nombre de
Rayleigh, nombre de Richardson ...). Lorsque ces paramètres changent, d’une
expérience à l’autre, le nombre d’équilibres ainsi que leur stabilité changent.
En variant continument les paramètres de contrôle, on peut déterminer les
seuils de “bifurcation”, c’est-à-dire les valeurs de ces paramètres pour lesquels
le nombre d’équilibre ou leur stabilité change, les deux allant en général de
pair.
Les bifurcations supercritiques, pour lesquelles de nouveaux équilibres stables
apparaissent au-delà du seuil de déstabilisation d’un équilibre trivial, se ren-
contrent, par exemple, dans les systèmes forcés par des gradients thermiques.
Les bifurcations sous-critiques, pour lesquelles des équilibres instables co-
existent avec un équilibre trivial avant qu’il ne se déstabilise, se rencontrent,
par exemple, dans les systèmes forcés par des gradients de vitesses.
Une autre notion très importante est la distinction entre les systèmes dissipatifs
et les systèmes conservatifs. Ces derniers décrivent, par exemple, les systèmes
physiques pour lesquels on néglige les phénomènes de frottements ou de diffu-
sion. Sur le plan mathématique, cette distinction peut se faire en examinant
l’évolution d’un volume d’états dans “l’espace des phases”.

 Système dynamiques simples

Le système dynamique appelé “forme normale de la bifurcation fourche” est

le prototype de l’instabilité d’un système dont un équilibre trivial, ou plutôt
invariant par une symétrie, se déstabilise lorsque l’on varie un paramètre de
contrôle. On peut le voir comme l’équation qui régit la croissance linéaire et la
saturation linéaire de l’amplitude d’un mode instable au voisinage d’une insta-
bilité stationnaire dans un sytème complexe comme, par exemple, la convection
de Rayleigh-Bénard.
D’une manière générale, la déstabilisation d’un équilibre stable, observée en va-
riant les paramètres de contrôle d’un système, peut être vue comme le passage
à travers l’axe des imaginaires purs dans le plan complexe d’une ou plusieurs
valeurs propres du sytème linéarisé autour de l’équilibre étudié. Cette linéarisa-
Système dynamiques simples 

tion est présenté pour le cas des systèmes dynamique autonomes quelconques
ainsi que pour le cas particulier du pendule simple.

. Forme normale de la bifurcation fourche

On considère le système dynamique appelée “forme normale de la bifurcation

fourche” et régi par l’équation différentielle ordinaire :

Ẋ = F (X) = µ X + α X 3 , (.)

où X(t) ∈ IR est la solution recherchée et (µ, α) ∈ IR2 deux paramètres de

contrôle. Les équilibres, ou solutions stationnaires, sont les états Xe solutions
de l’équation F (Xe ) = 0. La figure . représente ces équilibres en fonction des
valeurs des paramètres α et µ.

F F
0 X 0 X

µ<0 µ<0
F F
0 X 0 X

µ>0 µ>0
X X
µ µ
0 0
α<0 α>0
Figure . – Diagramme de la bifurcation fourche. Équilibres solutions de
l’équation F (X) = 0 pour différentes valeurs de α et µ et leur stabilité.

On remarque que l’équilibre X = 0 existeppour toutes les valeurs des para-

mètres tandis que les équilibres X± = ± −µ/α existent uniquement pour
α µ < 0. La stabilité d’un équilibre Xe est obtenue en posant X(t) = Xe + A(t)
et en effectuant le développement limité

Ẋ = Ȧ = F (Xe + A) = F 0 (Xe ) A + O(|A|2 ) , (.)

où A est supposé être une petite perturbation et F 0 (X) = µ + 3 α X 2 est la

dérivée de F (X). Tant que A reste petit, on doit donc résoudre

Ȧ = s A avec s = F 0 (Xe ) =⇒ A(t) = A(0) es t . (.)

On en déduit que Xe est stable si s < 0, marginal pour s = 0 et instable pour

s > 0. On obtient alors le “diagramme de bifurcation” de la figure . où les
 Chapitre . Linéarisation autour de l’équilibre

équilibres stables sont représentés en trait plein et les équilibre instables en

pointillé.
L’équilibre X = 0 se déstabilise pour µ ≥ 0. On dit que cet équilibre subit
une “bifurcation” pour la valeur critique µ = 0 du paramètre. Pour α < 0,
la bifurcation est “supercritique” dans la mesure où deux équilibres stables
apparaissent pour µ > 0. Pour α > 0, la bifurcation est “sous-critique” dans la
mesure où deux équilibres instables existent pour µ < 0.

2 2

1.5 1.5

1 1

0.5 0.5

X X
x

x
0 0

!0.5 !0.5

!1 !1

t>0
!1.5 !1.5

!2
t=0 !2
!0.2 0 0.2 0.4 0.6 0.8 1 !0.2 0 0.2 0.4 0.6 0.8 1

µµ µµ

Figure . – Bifurcation fourche supercritique. a) Conditions initiales

[µ, X(0)] réparties régulièrement. b) Positions des points [µ, X(t)] au cours
du temps.

2 2

1.5 1.5

1 1

0.5 0.5

X X
x

0 0

!0.5 !0.5

!1 !1

t=0 t>0
!1.5 !1.5

!2 !2
!1 !0.8 !0.6 !0.4 !0.2 0 0.2 !1 !0.8 !0.6 !0.4 !0.2 0 0.2

µµ µ
µ

Figure . – Bifurcation fourche sous-critique. a) Conditions initiales [µ, X(0)]

réparties régulièrement. b) Positions des points [µ, X(t)] au cours du temps.

La figure . représente l’évolution de conditions initiales dans le cas surper-

critique α < 0. On voit que les trajectoires sont des points, des segments de
droites ou des droites qui convergent vers un des équilibres stables.

. Bifurcations d’un équilibre stable

L’exemple précédent est un cas particulier des systèmes dynamiques autonomes

(indépendants du temps) qui s’écrivent

Ẋ = F (X) ⇐⇒ Ẋi = Fi (X1 , ..., Xn ) pour i = 1, 2, ..., n (.)

Système dynamiques simples 

avec X = t (X1 , ..., Xn ) ∈ IRn . On suppose que F est continuement différen-

tiable. Une solution X(t) de ce système décrit une “trajectoire” (voir figure .)
dans “l’espace des phases” IRn . On suppose que F dépend de m paramètres de
contrôle µ = (µ1 , µ2 , ..., µm ) ∈ IRm . On montre (théorème de Cauchy) qu’une
condition initiale X(0) donne naissance à une et une seule trajectoire X(t). On
en déduit que, pour un système dynamique autonome, deux trajectoires l’es-
pace des phases ne se coupent jamais, sauf en un point d’équilibre vers lequel
elles tendent toutes les deux.

X3 δV(t)
X(t)
δV0
X(0) F (X)
X2

X1 Xe
Figure . – Système dynamique à trois degrés de libertés.

Un point d’équilibre X e , formant à lui seul une trajectoire, est solution de

l’équation implicite F (X e ) = 0. On dit aussi que c’est une solution stationnaire
ou encore un point critique du système dynamique. Pour étudier la stabilité
d’un tel équilibre, on pose X(t) = X e + X(t)
e où Xe est une petite perturbation
et on peut écrire le système sous la forme
˙ e 2)
Ẋ = X
e = DF (X e ) · X
e + O(kXk (.)
∂Fi
où DF (X e ) est la jacobienne de F en X e de composantes ∂xj (X e ). Tant que
Xe reste petit, on doit donc résoudre

˙
X
e =ΛX
e avec Λ = DF (X e ) . (.)

Si Λ est diagonalisable, on peut écrire

n
X
X(t)
e = Al (t) φl avec Λ · φl = sl φl , (.)
l=1

où les sl , pour l = 1, ..., n sont les n valeurs propres de Λ, réelles ou complexes,

et les φl sont les vecteurs propres associés, réels ou complexes. On doit donc
résoudre

Ȧl = sl Al =⇒ Al (t) = Al (0) esl t , i = 1, ..., n . (.)

La stabilité de l’équilibre X e dépend donc du signe de la partie réelle des

valeurs propres sl de la matrice Λ = DF (X e ). Si toutes les valeurs propres sl
ont une partie réelle négative, l’équilibre X e est stable. Si une ou plusieurs de
ces valeurs propres possède une partie réelle positive, l’équilibre est instable
 Chapitre . Linéarisation autour de l’équilibre

i IR i IR
s2 s2
s6 s6
s4 s1 0 s4 0 s1
IR IR

a) s5 s3 b) s5 s3

Figure . – Exemples de positions des valeurs propres sl dans le plan com-
plexe C
I = (IR, i IR). a) Équilibre marginal. b) Équilibre instable.

(figure .b). On dit que la stabilité de l’équilibre est “marginale” lorsqu’une

ou plusieurs valeurs propres sont sur l’axe des imaginaires purs (figure .a).
En variant les paramètres de contrôle d’un système, il se peut qu’une ou plu-
sieurs valeurs propres traversent l’axe des imaginaires purs. Ainsi, un équilibre
stable (toutes les valeurs propres de partie réelle négative) peut devenir instable
(une ou plusieurs valeurs propres de partie réelle positive). Cette transition de
l’état stable à un instable est appelée “bifurcation”. En variant un seul para-
mètre, on peut observer une bifurcation “stationnaire” lorsqu’une valeur propre
réelle et négative devient positive ou une bifurcation “oscillatoire” lorsqu’une
paire de valeurs propres conjuguées (les coefficients du système sont supposés
réels) traverse l’axe des imaginaires purs.
Lorsque Λ n’est pas diagonalisable, on peut trouver une base qui la transforme
en blocs de Jordan. À un bloc de Jordan de taille r associé à une valeur propre
s correspond un comportement A(t) = Pr (t) exp(s t) où Pr est un polynôme de
dégré r−1. On voit donc que c’est encore la partie réelle des valeurs propres qui
contrôle la stabilité de l’équilibre avec, toutefois, un comportement particulier
dans le cas “marginal” Re(s) = 0.

. Exemple du pendule simple

On considère un pendule simple formé d’une masse m assimilée à un point

et suspendue à un fil de masse négligeable et de longueur l. En l’absence de
frottement, l’angle u(t) que fait le pendule avec la verticale vérifie l’équation
différentielle ordinaire
ü + ω 2 sin u = 0 . (.)
p
où ω = g/l et g est la gravité. Cette équation ne fait pas intervenir la masse.
Le pendule simple est un cas particulier de la famille des équations différen-
tielles s’écrivant sous la forme ü = −V 0 (u) où V (u) est une fonction dérivable
quelconque appelée potentiel. Il suffit en effet de poser V (u) = ω 2 (1 − cos u).
Dans le cas d’un potentiel V (u) quelconque, on peut ramener l’équation diffé-
rentielle d’ordre deux en temps à un système dynamique d’ordre un en temps
de la forme Ẋ = F (X) en posant X = t (q, p) et en écrivant

q̇ = p et ṗ = −V 0 (q) . (.)

Il suffit en effet de poser u(t) = q(t) et u̇(t) = p(t). L’espace des phases de
Système dynamiques simples 

p = u̇
25

20

15

10
δV0
5

q=u
p

0
u
-5

-10 δV(t)
-15
m
-20 u̇
g
-25
-6 -4 -2 0 2 4 6
m
q
Figure . – a) Portrait de phase du pendule simple. b) Angle u et vitesse u̇.

ce système est l’ensemble des X ∈ IR2 et l’espace de contrôle est constitué de

l’ensemble des valeurs du paramètre ω 2 ∈ IR+ .
Les équilibres sont des points X e = (qe , 0) tels que Xe est un extremum de la
fonction V . La stabilité de ces équilibres est obtenue en calculant les valeurs
propres de la matrice
 
0 1
DF (X e ) = , (.)
−V 00 (qe ) 0
c’est-à-dire en recherchant les solutions de s2 + V 00 (qe ) = 0. Si V 00 (qe ) < 0,
la valeur qe correspond à un maximum du potentiel V . Les valeurs propres
sont alors s = ± −V 00 (qe ) et l’équilibre est instable. Si V 00 (qe ) > 0, la valeur
p

qe correspond à un minimum
p du potentiel V . Les valeurs propres sont alors
s = ± i ωe avec ωe = V 00 (qe ) et l’équilibre est marginal.
Pour le pendule simple, deux équilibres sont obtenus en résolvant F (X e ) = 0.
Ces équilibres correspondent à la position basse X b = (0, 0) et à la position
haute X h = (π, 0) du pendule. La stabilité de X h (instable) et de X b (margi-
nale) est obtenue en calculant, respectivement, les valeurs propres des matrices
jacobiennes
   
0 1 0 1
DF (X h ) = et DF (X b ) = , (.)
ω2 0 −ω 2 0
c’est-à-dire en résolvant, respectivement, les deux équations caractéristiques
s2 − ω 2 = 0 et s2 + ω 2 = 0. Les valeurs propres sont donc, respectivement,
s± = ± ω et s± = ± iω, auxquelles sont associés, respectivement, les vecteurs
propres φ± = (1, ±ω) et φ± = (1, ± iω).
Le tracé des trajectoires d’un système dépendant d’un potentiel s’obtient en re-
marquant que si [q(t), p(t)] est une solution, la quantité E(t) = 12 p(t)2 +V [q(t)]
ne varie pas dans le temps (il suffit de vérifier que Ė = 0). Les trajectoires
dans l’espace des phases X = (q, p) ∈ IR2 sous donc situées sur les courbes
H0 = 12 p2 + V (q) obtenues pour toutes les valeurs de H0 possibles (figure .).
 Chapitre . Linéarisation autour de l’équilibre

V V

q q
p p

q
q
a) b)
Figure . – Systèmes dépendant d’un potentiel V (q) et trajectoires associées.
a) Potentiel de forme quelconque. b) Potentiel du pendule simple.

 Systèmes conservatifs ou dissipatifs

La traduction mathématique des notions de systèmes conservatifs ou dissipatifs

est effectuée en calculant l’évolution d’un volume de conditions initiales dans
l’espace des phases. Ces notions sont illustrées sur le cas des systèmes hamilto-
niens (conservatifs) et de l’oscillateur de Van de Pol (dissipatif) qui subit une
bifurcation oscillatoire (de Hopf).

. Évolution du volume dans l’espace des phases

Étant donné le système dynamique Ẋ = F (X), on considère un ensemble de

conditions initiales occupant un petit volume δV0 (une petite aire pour n = 2)
autour de la condition initiale particulière X 0 dans l’espace des phase IRn (voir
figures ., . et .). L’évolution de ce volume obéit à l’équation
. n
1 _ X ∂Fl
δV(t) = div F [X(t)] = [X(t)] , (.)
δV(t) ∂xl
l=1

où X(t) est la trajectoire issue de la condition initiale X(0) = X 0 (figure .).

On dit que le système dynamique est “conservatif” si div F = 0, c’est-à-dire
si les volumes d’états de l’espace des phases sont invariants par le système
dynamique. C’est le cas, par exemple, du pendule simple comme on peut le
vérifier facilement.
On dit que le système dynamique est “dissipatif” si div F 6= 0 avec certaines
régions de l’espace des phases où div F < 0. C’est le cas du pendule amorti pour
lequel le frottement de l’air peut se modéliser par une force proportionnelle à
la vitesse, conduisant au modèle
ü + 2κ u̇ + ω 2 sin u = 0 . (.)
Le paramètre κ > 0 est un facteur d’amortissement du mouvement du pendule
et l’on a div F = −2 κ.
Les équilibres sont les mêmes que pour le pendule non amorti. Leur stabilité et
le portrait de phase de leur voisinage (voir figure .) s’obtiennent en linéarisant
Systèmes conservatifs ou dissipatifs 

p = u̇
25

20

15

10
δV0
5

q=u
u
p

-5

-10
δV(t)
-15 m
u̇
-20
g
-25
-6 -4 -2 0 2 4 6

q
Figure . – a) Portrait de phase du pendule amorti. b) Force de frottement.

les équations autour de la position haute (instable) ou de la position basse

(stable).
Les systèmes dissipatifs favorisent l’existence “d’attracteurs”, c’est-à-dire d’en-
semble de trajectoires dans l’espace des phases vers lesquelles convergent les
autres trajectoires. C’est, pour le cas du pendule, l’équilibres stable qui cor-
respond à une trajectoire réduite à un point. Il existe des attracteurs plus
riches comme les cycles limites (trajectoires périodiques), les tores ou encore
les attracteurs étranges.

. Systèmes dynamiques hamiltoniens

Très souvent, les sytèmes “conservatifs” intervenant en physique appartiennent

à la famille des systèmes hamiltoniens qui s’écrivent

∂H ∂H
q̇ = (q, p) et ṗ = − (q, p) , (.)
∂p ∂q

où H(q, p) est une fonction dérivable quelconque. En choisissant le Hamiltonien

H(q, p) = 21 p2 +V (q), on retrouve le cas des systèmes dépendant d’un potentiel.
Mais on peut considérer d’autres formes de l’Hamiltonien H(q, p) comme par
exemple avec le choix H = q p qui conduit au système q̇ = p et ṗ = −q.
Étant donnée une solution [q(t), p(t)], on montre que la quantité E(t) =
H[q(t), p(t)] est un invariant du mouvement. En effet,

∂H ∂H ∂H ∂H ∂H ∂H
Ė = q̇ + ṗ = − =0 (.)
∂q ∂p ∂p ∂q ∂q ∂p

On montre de plus que les aires sont conservées dans l’espace des phases. En
effet, si on note Ẋ = F (X) avec X = t (q, p) le système dynamique hamiltonien,
 Chapitre . Linéarisation autour de l’équilibre

i IR A3
s2
a) 0 A2
IR
s3

A4
i IR
s4 s A1
b) 0 1 IR

Figure . – Valeurs propres pour un système conservatif : a) imaginaires

pures, b) réelles.

on peut calculer la divergence

∂2H ∂2H
div F (X) = − =0. (.)
∂q ∂p ∂p ∂q

Cette propriété entraine qu’un volume (ici une aire) de conditions initiales reste
constant au cours du temps, comme dans le cas d’un écoulement isochore. On
parle alors de systèmes conservatifs. Les attracteurs de ces systèmes ne peuvent
pas être des équilibres dans la mesure où il faut contracter les volumes de
l’espace des phases pour y converger.
L’invariance de l’hamiltonien H et des aires dans l’espace des phases se gé-
néralise au cas des systèmes hamiltoniens H(q, p) dans IR2n dont l’expression
générale est
∂H ∂H
q̇i = (q, p) et ṗi = − (q, p) (.)
∂pi ∂qi
pour i = 1, ..., n avec q ∈ IRn et p ∈ IRn .
La stabilité des équilibres des systèmes
P conservatifs est particulière. Dans la
mesure où div F = 0, on doit avoir nl=1 sl = 0. Dans les cas les plus courants
(voir par exemple le cas du pendule simple), on peut avoir une paire de valeurs
propres imaginaires pures opposées ou une paire de valeurs propres réelles
opposées. Les trajectoires autour de l’équilibre sont alors, respectivement, des
ellipses ou des hyperboles (voir figure .).

. L’oscillateur de Van der Pol

Une façon de forcer le pendule peut être obtenue en imposant une force propor-
tionnelle à la vitesse et dans le même sens, au moins pour les petites oscillations.
On peut imaginer une telle force sur un pendule en utilisant l’induction magné-
tique que provoque la masse ponctuelle lorsqu’elle est électriquement chargée.
Les équations du pendule avec une dissipation négative pour les petites oscilla-
tions apparaissent naturellement dans un montage électronique portant le nom
Systèmes conservatifs ou dissipatifs 

d’oscillateur de Van der Pol. Ces équations s’écrivent

ü + (λ u2 − 2 µ) u̇ + ω 2 sin u = 0 . (.)

La stabilité de l’équilibre u = 0 s’obtient en étudiant la partie réelle des valeurs

propres du système linéarisé qui s’écrivent s = µ ± iω. La position basse u = 0
est donc stable pour µ < 0 (on retrouve la notion de dissipation en posant
µ = −κ) et instable pour µ > 0. La valeur critique de la bifurcation est µ = 0.

p = u̇ p = u̇

20 #$

10 %$

q=u q=u
0 $

!10 !%$

!20 !#$

!! !" !# $ # " !
a) !6 !4 !2 0 2 4 6 b)

Figure . – Portrait de phase de l’oscillateur de Van der Pol pour λ = 2.

a) Cas stable µ = −1, b) cas instable µ = 1.

On peut alors montrer (admis ici), à l’aide d’un développement asymptotique,

que l’amplitude complexe A(t) ∈ C I associée au mode instable vérifie, dans le
voisinage de la bifurcation µ = 0, l’équation

Ȧ = (µ + i ω) A + (α + i β) |A|2 A (.)

où α = λ/2 et β = 3/(2ω). L’espace des phases de ce système dynamique,

ramené en variables réelles est de dimension . Ce système, dans le cas de
paramètres (µ, ω, α, β) quelconques, décrit une “bifurcation de Hopf”.

2 2

1.5 1.5

1 1

0.5 0.5

0 0
y

-0.5 -0.5

-1 -1

-1.5 -1.5

-2 -2
2 2

1 2 1 2
1.5 1.5
0 0
1 1
-1 0.5 -1 0.5
0 0
-2 -0.5 -2 -0.5
x µ x µ

Figure . – Diagramme (µ, x) de la bifurcation de Hopf. a) Conditions

initiales [µ, x(0)] réparties régulièrement. b) Positions des points [µ, x(t)] au
cours du temps.

En posant A(t) = ρ(t) exp[i θ(t)] avec ρ(t) > 0, le système s’écrit

ρ̇ = µ ρ + α ρ3 et θ̇ = ω + β ρ2 . (.)
 Chapitre . Linéarisation autour de l’équilibre

On remarque que l’évolution du module ρ(t) est découplée de celle de θ(t)

et que son étude a déjà été réalisée lors de l’étude de la bifurcation fourche.
L’évolution de la phase θ(t) dépend alors de celle de ρ(t) de manière simple.
On peut alors tracer les diagrammes de bifurcation de la bifurcation de Hopf (fi-
gure .) à la lumière des diagrammes de bifurcation de la bifurcation fourche.
Ces nouveaux diagrammes peuvent être représentée dans l’espace tridimension-
nel (µ, x, y) où x et y sont les parties réelles et imaginaires de A. Pour µ fixé,
les trajectoires parcourent donc des courbes dans un espace de dimension 
que l’on peut voir comme IR2 ou C I.

 Équations aux dérivées partielles

Pour étendre les notions d’instabilité aux cas des équations aux dérivées par-
tielles, on présente ici des modèles basés sur des équations aux dérivées par-
tielles unidimensionnelles (D). Il est fait ici abstraction de l’éventuelle signifi-
cation physique des solutions, bien qu’il serait possible d’expliciter des systèmes
dont la dynamique se laisse décrire par ces modèles.

. Modèle linéaire

On considère le modèle linéaire D suivant :

∂u ∂u ∂3u ∂2u ∂4u
+ α1 + α3 = µ 0 u + µ 2 + µ 4 . (.)
∂t ∂x ∂x3 ∂x2 ∂x4

Ω i IR
Σ Ω
0 k1 0 IR k1
Σ 0
a) b) c)

Figure . – Relation de dispersion généralisée : a) Σ(k1 ), b) Ω(k1 ) et c)

valeurs propres s(k1 ) = Σ(k1 ) + i Ω(k1 ) dans C
I.

En se plaçant dans le cadre d’un domaine infini, on cherche des solutions com-
plexes de la forme

u(x, t) = um ei k1 x+s t = um ei k1 x eσ t−i ω t (.)

avec um ∈ C I, k1 ∈ IR et s = σ − i ω ∈ C
I. La forme de ces solutions est justifiée
par le fait que l’équation aux dérivées partielles considérée est invariante par
translations d’espace et de temps.
On pourrait considérer des solutions plus générales de la forme u(x, t) =
a exp (γ x + i k1 x) exp (σ t − i ω t), pour prendre en compte une croissance spa-
tiale, mais on se restreint ici au cas de la “stabilité temporelle” où les solutions
sont bornées à l’infini. Dans la mesure où le modèle est linéaire, les solutions
générales sont obtenues en sommant les solutions élémentaires considérées. En
Équations aux dérivées partielles 

particulier, les solutions réelles peuvent s’obtenir en prenant la partie réelle des
solutions complexes. Pour pouvoir étendre les notations aux cas D ou D, on
dit que k1 est le “vecteur d’onde” et que sa norme (valeur absolue) k = |k1 | est
le “nombre d’onde”.
En reportant la forme des solutions recherchées dans l’équation, on voit que
l’on obtient des solutions non triviales (um 6= 0) à condition que les relations
de dispersion généralisées suivantes soient vérifiées :

σ = Σ(k1 ) = µ0 − µ2 k12 + µ4 k14 et ω = Ω(k1 ) = α1 k1 − α3 k13 . (.)

Un autre point de vue consiste à écrire le modèle sous la forme ∂u ∂t = L u, où

∂


L = P ∂x est l’opérateur différentiel qui contient les dérivée spatiales et P
est le polynôme défini par P (ξ) = µ0 −α1 ξ +µ2 ξ 2 −α3 ξ 3 +µ4 ξ 4 . Les fonctions
A ei k x sont les “modes propres” de l’opérateur L. On peut écrire

L ei k1 x = P (i k1 ) ei k1 x = [Σ(k1 ) − i Ω(k1 )] ei k1 x . (.)

La deuxième relation de l’équation (.) (figure ..b) est la relation de

dispersion de l’équation de Korteweg de Vries linéaire que l’on obtient dans le
cas où les coefficients µj du modèle sont nuls.

.5
1.5
3
µ0
R
=0 µ0 = 1

LE
2.5

1
µ 0 2

AB
1
1.5
0
1

k1
ST
1
1.5 0.5
0.5
kc k1
µ0 = k1 0
IN

STA
2 0.5

1 BLE
0
1
3
1.5

2
4 0.5 0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2 0 0.5 1 1.5

a) b) c)

Figure . – Dispersion et stabilité du modèle linéaire D dans le cas α1 = .5,

α3 = −.25, µ2 = −2 et µ4 = −1. a) Taux de croissance σ = Σ(k1 ) pour
µ0 ∈ {−1.5, −1.0, −0.5, 0.0, 0.5}. b) Relation de dispersion ω = Ω(k1 ). c) Seuil
d’instabilité Rc = −1 dans le plan (k1 , R).

La première relation de l’équation (.) (figure ..a) permet de déterminer

si les solutions du modèle sont amplifiées (σ > 0) ou amorties (σ < 0). On voit
que l’on doit supposer µ4 ≤ 0 pour que les modes de grand nombre d’onde k
(petites périodes spatiales) soient amortis. Dans le cas contraire, le modèle est
non seulement “non physique”, mais aussi mal posé sur le plan mathématique.
q
Si µ4 > 0 et µ2 < 0, le maximum de Σ(k1 ) est atteint pour k1 = 2µµ24 et vaut
µ2
µ0 − 4 µ24 . On voit alors que lorsque le nombre sans dimension R = 4 µµ02µ4 est
2
inférieur à la valeur critique Rc = −1, tous les modes sont stables. Lorsque R
est supérieur à cette valeur critique, les modes sont instables pour un intervalle
fini de nombresq d’ondes |k1 |, et le mode le plus instable correspond à la valeur
critique kc = 2µµ24 .
 Chapitre . Linéarisation autour de l’équilibre

. Linéarisation autour d’un équilibre

On considère le modèle non linéaire D suivant :

∂u ∂u ∂2u ∂4u
+u = µ u + α u 3 + µ2 + µ 4 (.)
∂t ∂x ∂x2 ∂x4
avec u(x, t) ∈ IR, α < 0, µ2 < 0 et µ4 < 0. Pour µ > 0, on remarque l’existence
p deux solutions stationnaires symétriques u+ = u0 et u− = −u0 avec u0 =
des
−µ/α. On s’intéresse à la stabilité temporelle des équilibre u+ = u0 au
regard de petites pertubations. Pour cela, on pose

u(x, t) = u0 + u
e(x, t) (.)

et l’on s’intéresse à l’évolution des perturbations u

e(x, t) que l’on peut choisir
petites à un instant initial donné. En reportant dans l’équation du modèle on
obtient :
∂e
u ∂e
u ∂e
u ∂2u ∂4u
µ + 3 α u20 u


+ u0 +u = e + µ2 + µ
e e
2 4
∂t ∂x ∂x
∂x ∂x4
e
+α 3 u0 u e2 + ue3 . (.)

Tant que la perturbation u

e(x, t)
 reste petite, on peut négliger les termes “non
∂u 2 3

e ∂x et 3 u0 u
linéaires” u e
e +u e devant les termes linéaires. En posant µ0 =
µ + 3 α u20 = −2 µ, le système “linéarisé autour de l’équilibre u0 ” s’écrit donc

∂e
u ∂e
u ∂2u ∂4u
+ u0 = µ0 u
e + µ2 + µ .
e e
2 4 (.)
∂t ∂x ∂x ∂x4
On retrouve le modèle linéaire étudié dans le paragraphe précédent à condition
de poser α1 = u0 et α3 = 0.

. Calcul de stabilité dans le cas général

Pour généraliser le concept de stabilité temporelle d’un équilibre au cas D, on

considère le modèle général
∂U
= F(U ) (.)
∂t
où U (x, t) = t (U1 , U2 , ..., Un ) ∈ IRn est un vecteur dans un espace de dimension
n, x = t (x1 , x2 , x3 ) ∈ IR3 est le vecteur des coordonnées spatiales et F est un
opérateur non linéaire faisant intervenir les dérivées spatiales ∂x∂ 1 , ∂x∂ 2 et ∂x∂ 3
des composantes de U .
On suppose que U e est un équilibre du modèle, c’est-à-dire qu’il vérifie
F(U e ) = 0. On pose alors U (x, t) = U e + U
e (x, t) et l’on suppose que U
e est une
perturbation initialement petite. En reportant dans le modèle on obtient
 
∂Ue ∂ ∂ ∂ e + O kU
 
e k2 ,
=L , , U (.)
∂t ∂x1 ∂x2 ∂x3

où L(ξ1 , ξ2 , ξ3 ) est une matrice n × n dont les composantes Lij (ξ1 , ξ2 , ξ3 ) sont
 
des polynômes et O kU e k2 est un terme négligeable tant que la perburbation
est petite.
Équations aux dérivées partielles 

Si le modèle (.) est invariant par translation dans le temps et dans l’espace
et que l’équilibre U e est constant, les coefficients des polynômes Lij (ξ1 , ξ2 , ξ3 )
de la matrice L sont constants. On peut alors chercher des solutions du système
∂ e
linéarisé ∂t U =LU e sous la forme

e (x, t) = Um φ ei k·x+s t
U (.)

où Um est une amplitude complexe constante, φ un vecteur complexe constant

et k = (k1 , k2 , k3 ) un vecteur de IR3 appelé le “vecteur d’onde”. On doit alors
résoudre
s φ = L(ik1 , ik2 , ik3 ) · φ . (.)
Les solutions non nulles sont obtenues en choisissant s, k et φ(k) de telle sorte
que φ soit un vecteur propre de la matrice L(ik1 , ik2 , ik3 ). Les valeurs propres
sont alors de la forme s = Σ(k) − i Ω(k) et on dit que la solution complexe
correspondante U (x, t) = Um φ(k) exp[i k · x + s(k) t] avec Um quelconque est
un “mode propre”.
Dans le cas où L(ik1 , ik2 , ik3 ) est une matrice (n × n) diagonalisable, cette
recherche de valeurs propres s = σ − iω et vecteurs propres φ conduit à n
relations de dispersion généralisées de la forme

σl = Σl (k) et ωl = Ωl (k) pour l = 1, ..., n . (.)

Les vecteurs propres φl associés, solutions de L φl = sl φl permettent de

construire les solutions complexes sous la forme
Z n
X
U
e (x, t) = bl (k) φ (k) ei k·x eΣl (k) t−i Ωl (k) t dk1 dk2 dk3 .
U (.)
l
IR3 l=1

On en déduit que si σl = Σl (k) est négatif pour les i = 1, ..., n et tous les
vecteurs d’ondes k considérés, le système linéaire est stable et, par conséquent,
l’équilibre U e autour duquel le modèle a été linéarisé. En revanche, il suffit
qu’il existe une valeur propre sl dont la partie réelle σl est positive pour une
bande, même petite, de vecteurs d’ondes k, pour que l’équilibre considéré soit
instable.
Si le modèle (.) est invariant par translation dans le temps et dans toutes
les directions d’espace sauf x3 , on cherche alors des solutions sous la forme

e (x, t) = φ(x3 ) ei k1 x1 +i k2 x2 +s t
U (.)

où φ(x3 ) un vecteur complexe fonction de x3 et k = (k1 , k2 ) un vecteur de IR2 .

On doit alors résoudre alors
 
d
s φ(x3 ) = L ik1 , ik2 , · φ(x3 ) . (.)
dx3

Très souvent, le domaine est borné dans la direction x3 et le modèle (.) est
complété par des conditions aux limites. On se ramène donc à une équation
différentielle ordinaire en x3 linéaire avec conditions aux limites et l’on cherche
les valeurs de s pour lesquelles il existe des solutions non triviales.
 Chapitre . Linéarisation autour de l’équilibre

FORMULAIRE

Bifurcation fourche

Le système dynamique réel suivant décrit, de manière générique, l’instabilité

stationnaire d’un équilibre par brisure d’une symétrie :

Ẋ = F (X) = µ X + α X 3 ,

La stabilité des équilibres Xe , tels que F (Xe ) = 0, est obtenue en examinant le

signe de la dérivée de F : stable pour F 0 (Xe ) < 0, instable sinon. La bifurcation
fourche est supercritique pour α < 0 et sous-critique pour α > 0.

Bifurcations d’un équilibre stable

La stabilité des équilibres X e des systèmes dynamiques autonomes de la forme :

Ẋ = F (X) ⇐⇒ Ẋi = Fi (X1 , ..., Xn ) pour i = 1, 2, ..., n

est obtenue en examinant les valeurs propres de la jacobienne DF (X e ) de F en

X e . Si les parties réelles de toutes les valeurs propres sont négatives, l’équilibre
est stable. Il est instable sinon, avec une bifurcation stationnaire si une valeur
propre réelle devient positive, ou une bifurcation oscillatoire si une paire de
valeurs propres complexes conjugées traverse l’axe des imaginaires purs.

Système dynamique dérivant d’un potentiel

Les systèmes dérivant d’un potentiel V s’écrivent :

    
0 q̇ = p Ẋ1 X2
ü + V (u) = 0 ⇐⇒ ⇐⇒ Ẋ = = .
ṗ = −V 0 (q) Ẋ2 −V 0 (X1 )

Les équilibres X e = (qe , 0) sont obtenus pour qe extremum de V (q) et sont

stables si V 00 (qe ) > 0 (minimum du potentiel) ou instables sinon (maximum).
La quantité E(t) = 21 p(t)2 + V [q(t)] ne varie pas dans le temps.

Systèmes dynamiques hamiltoniens

Les sytèmes dynamiques hamiltoniens sont de la forme suivante, pour un choix

quelconque d’une fonction dérivable H(q, p) avec q ∈ IRn et p ∈ IRn :

∂H ∂H
q̇i = (q, p) et ṗi = − (q, p) pour i = 1, ..., n .
∂pi ∂qi

Ils sont conservatifs car div F , où F est définie par Ẋ = F (X) avec X = (q, p).
La quantité E(t) = H[q(t), p(t)] ne varie pas dans le temps. Les sytèmes déri-
vant d’un potentiel sont hamiltoniens avec H(q, p) = 12 p2 + V (q).
EXERCICES 

Bifurcation de Hopf

Le système dynamique complexe suivant d’écrit, de manière générique, l’insta-

bilité oscillatoire d’un équilibre :

Ȧ = (µ + i ω) A + (α + i β) |A|2 A .

En posant A(t) = ρ(t) exp[i θ(t)] avec ρ(t) > 0, on se ramène à une bifurcation
fourche pour ρ.

Équations aux dérivées partielles

La stabilité de u = 0 pour le modèle linéaire, réel, à coefficients constants

∂u ∂u ∂3u ∂2u ∂4u

+ α1 + α3 = µ 0 u + µ 2 + µ 4 ,
∂t ∂x ∂x3 ∂x2 ∂x4

s’obtient en cherchant des solutions de la forme u(x, t) = a ei k1 x+σ t−i ω t . La

relation de dispersion généralisée s’écrit alors :

σ = Σ(k1 ) = µ0 − µ2 k12 + µ4 k14 et ω = Ω(k1 ) = α1 k1 − α3 k13 .

Calcul de stabilité dans le cas général

La stabilité d’un équilibre U (x, t) ∈ IRn pour un système d’équations aux

dérivées partielles génerale ∂U 3
∂t = F(U ) avec x ∈ IR (par exemple), s’obtient
en résolvant le modèle linéarisé suivant pour les petites perturbation U
e (x, t) :
 
∂U
e ∂ ∂ ∂
=L , , U
e
∂t ∂x1 ∂x2 ∂x3

Si le modèle est invariant par translation dans le temps et dans l’espace,

les coefficients des polynômes Lij (ξ1 , ξ2 , ξ3 ) dont est composée la matrice L
sont constants. On peut alors chercher des solutions complexes sous la forme
e (x, t) = Um φ ei k·x+s t . Le signe de la partie réelle des valeurs propres s dé-
U
termine la stabilité de l’équilibre.

EXERCICES

EXERCICE . Bifurcations sous-critiques

On considère le système dynamique

Ẋ = F (X) = µ X + α X 3 − γ X 5 (.)

avec X(t) ∈ IR. On suppose α > 0 et γ > 0.

 Chapitre . Linéarisation autour de l’équilibre

) Discuter le nombre de racines positives du polynome P (Y ) = µ+α Y −γ Y 2

en fonction des valeurs de µ en notant µ∗ = −α2 /(4 γ). Tracer la fonction
F (x) pour µ < µ∗ , pour µ∗ < µ < 0 puis pour µ > 0.
Comme P 0 (Y ) = α − 2 γ Y et P (Y ) tend vers l’infini lorsque |Y | tend vers l’infini,
2
la fonction P (Y ) est minimal pour Ym = 2αγ et vaut P (Ym ) = µ + 4αγ . Elle admet
deux racines pour µ > µ∗ , une pour µ = µ∗ et zéro sinon. Le tracé de la fonction
F (X) est représenté sur la figure ..

F F F
X X X

µ < µ∗ µ∗ < µ < 0 µ>0

Figure . – Fonction F (X) pour : µ < µ∗ , pour µ∗ < µ < 0 et pour µ > 0.

) Discuter qle nombre d’équilibre et leur stabilité en utilisant les notations

√ q √
α+ ∆ α− ∆
X++ = 2 γ , X+ = 2 γ , X−− = −X++ et X− = −X+ lors-
p
qu’elles sont définies, avec ∆ = α2 + 4 γ µ.
X = 0 est toujours un équilibre. Il est stable pour µ < 0 et instable pour µ > 0.
Pour µ < µ∗ , X = 0 est le seul équilibre. Pour µ∗ < µ < 0, les équilibres X++ et
X−− sont stables et les équilibres X+ et X− sont instables.
) Tracer le diagramme de bifurcation lorsque µ varie. Comme se nomme la
bifurcation obtenue en µ = 0 ? Est-elle sous-critique ou supercritique ?
Le tracé du diagramme de bifurcation est représenté sur la figure .a. On observe
une bifurcation fourche sous-critique pour µ = 0. Les bifurcations pour µ = µ∗ sont
appellées “noeud-col”.

X Ai Ar

µ µ
0 0

a) µ∗ b) µ∗
Figure . – Diagramme de bifurcation. a) système réel, b) système com-
plexe.

On considère maintenant le système dynamique

Ȧ = (µ + i ω) A + (α + i β) |A|2 A − (γ + i δ) |A|4 A , (.)

avec A(t) ∈ C
I. On suppose α > 0 et γ > 0.
) En posant A(t) = ρ(t) exp[i θ(t)], écrire le système dynamique en coordon-
nées polaires. En déduire le tracé du diagramme de bifurcation. Comme
se nomme la bifurcation en µ = 0 ?
EXERCICES 

On obtient ρ̇ = µ ρ + α ρ3 − γ ρ5 et θ̇ = ω + β ρ2 − δ ρ4 . On retrouve le système

dynamique précédemment étudiant en remplaa̧nt X par ρ. Le tracé du diagramme
de bifurcation est représenté sur la figure .b. On observe une bifurcation de Hopf
sous-critique pour µ = 0.

EXERCICE . Équation aux dérivées partielles D

On considère l’équation aux dérivées partielles unidimensionnelle (D) suivante

∂u ∂u ∂2u ∂4u
+u = µ u − u3 − 2 − 4 (.)
∂t ∂x ∂x ∂x
avec (x, t) ∈ IR2 , u(x, t) ∈ IR et µ un paramètre de contrôle réel.
) Déterminer la stabilité de l’équilibre u = 0 en fonction de µ.
Si u est petit, on peut négliger les termes u ∂u
∂x et u dans les équations. La recherche
3

de solutions complexe de la forme u = um exp(i k1 x+s t) avec k1 ∈ IR et s = σ −i ω

conduit aux relations de dispersion σ = Σ(k1 ) = µ + k12 − k14 et ω = Ω(k1 ) = 0.
Le maximum de Σ(k1 ) est atteint pour k12 = 1/2 et vaut µ + 1/4. Par conséquent,
l’équilibre u = 0 est stable pour µ < −1/4 et instable sinon.
√
) Déterminer la stabilité de l’équilibre u0 = µ en fonction de µ ≥ 0.
On pose u = u0 + u e et on néglige les termes d’ordre deux ou trois dans les équations
2 4
qui s’écrivent alors ∂∂tue +u0 ∂∂xue = −2 µ u
e − ∂∂xue2 − ∂∂xue4 . On obtient alors les relations de
dispersion σ = Σ(k1 ) = −2 µ + k1 − k1 et ω = Ω(k1 ) = u0 k1 . Le maximum de Σ(k1 )
2 4

est atteint pour k12 = 1/2 et vaut −2 µ + 1/4. Par conséquent, l’équilibre u = u0 est
instable pour 0 < µ < 1/8 et stable pour µ > 1/8.