TOUNSI Hadjer Final

Republique Agerienne Démocratiqie et Populaire
Ministère de L’enseignement Suprieur de la

Recherche Scientifique
Université Larbi Ben M’hidi Oum El Bouaghi
Année universitaire 2020 –2021

Faculté de sciences exactes et sciences de la nature et de la vie
Département de Mathématiques et Informatique
Numéro d’ordre :...................
Mémoire de …n d’étude pour l’obtention du diplôme de Master

Filière : Mathématiques Option : Mathématiques appliquées
Thème
Stabilité des systèmes dynamiques et applications
Présenté par : TOUNSI Hadjer
Soutenu le 07/07/ 2021, devant le jury:

Dr. REZZOUG Imad Présidant Univ. d’oum Elbouaghi
Pr. AYADI Abdelhamid Encadreur Univ. d’oum Elbouaghi
Dr. OUSSEIF Taki-Eddine Examinateur Univ. d’oum Elbouaghi
Session: Juillet 2021

Remerciement
Avant tous, nous tenons à remercier de tout cœur notre dieu "ALLAH" le tout puissant
de nous avoir donné la volonté et le courage pour la réalisation de ce travail.
En tout premier lieu, mes profonds remerciements, ma reconnaissance et ma gratitude

sont destinés à mon encadreur, Monsieur Pr. Ayadi Abdelhamid. Je le remercie
sincèrement pour ses encouragements, ses conseils précieux et pour le temps qu’il m’a
accordé malgré ses obligations, ses devoirs et ses responsabilités.
Je suis très honoré par la présence à mon jury de ce mémoire de master et que je
remercie beaucoup
J’adresse des remerciements particuliers à Monsieur Dr. Rezzoug Imad, c’est un plaisir et
honneur pour moi de le remercier chaleureusement d’avoir accepté la présidence du jury
Je remercie également Monsieur Dr. Ousseif Taki-Eddine, membres de jury pour l’honneur
qu’ils m’on t’accorde en acceptant de juger mon travail
Nos remerciements vont également à tous les enseignants de l’Université de Oum El

Bouaghi, de Faculté des Sciences Exactes et Sciences de la Nature et de la Vie et de
Département des Mathématiques et Informatiques.

Dédicaces
.... Je dédie ce travail :
A
Mes Parents
Pour tous leurs sacrifices, leurs soutiens,
Leurs encouragements et leurs amours qui ont été la raison de ma
réussite.
Que dieu leur présente une bonne santé et une longue vie.
A
Mes frères
Pour leur disponibilité à entendre mes frustrations et les sources de
mon stress
Avec mes souhaits de bonheur et de réussite dans leur vie.
A
Tous ceux que j’aime et qu’ils m’aiment.
Qu’ils trouvent dans ce travail l’expression de mes sentiments les
plus affectueux.
***
‫ملخـ ـ ـ ـ ـ ـ ـ ـص‬
‫ ولقد عززت هذه‬.‫ تطرقنا الى دراسة مختلف أنواع االستقرار في االنظمة المحلية والموزعة‬،‫في هذه المذكرة‬
.‫ اجسام‬3 ‫ وأخيرا أغلقتها بدراسة استقرار مشاكل الغرانج التي شملت‬،‫المذكرة بعدة أمثلة توضيحية‬
‫الكلمات المف تاحية‬

.‫الثبات في وقت محدود‬- ‫االستقرار‬- ‫االستقرار الخارجي‬- ‫االستقرار الداخلي‬
Résumé
Dans ce mémoire on a regardé les différents types de stabilité des systèmes localisés et
distribués. On a renforcé ce mémoire par plusieurs exemples explicatifs et enfin on a clôturé
ce mémoire par l'étude de stabilité de problème de Lagrange de 3 corps.
Mots clés :
Stabilité interne - Stabilité externe - Stabilisation - Stabilités en temps fini.
Abstract
In this work we looked at the different types of stability of localized and

distributed systems. This work was reinforced by several explanatory examples and finally
this work was closed by the Lagrange problem stability study of 3 bodies.
Keywords :
Internal stability - External stability - Stabilization - Satability in finite time.
Table des matières
Introduction Général 1
1 Notions préliminaires mathématiques 5

1.1 Les systèmes dynamiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Les représentations d’un système dynamique . . . . . . . . . . . . . . . . . . . . . . 6
1.2.1 Représentations externe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.2 Représentation interne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 La trasformation de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.1 Existence et l’unicité de la transformation de Laplace . . . . . . . . . . . . . . 10
1.3.2 Propriétés de la transformée de Laplace . . . . . . . . . . . . . . . . . . . . . 12
1.3.3 Transformées de laplace usuelles . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.4 Transformer une équation di¤érentielle d’ordre n en un système di¤érentiel
d’ordre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4 Problème de Cauchy-Lipschitz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.5 Quelques notions d’analyse fonctionnelle . . . . . . . . . . . . . . . . . . . . . . . . 23
1.5.1 Espaces fonctionnels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.5.2 Quelques théorèmes d’analyse fonctionnelle . . . . . . . . . . . . . . . . . . . 24
1.5.3 Les opérateurs linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2 Stabilité en dimension …ni 26

2.1 Dé…nition intuitive de la stabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2 Stabilité des systèmes en répresentation interne . . . . . . . . . . . . . . . . . . . . . 27
2.2.1 Point d’équilibre d’un système . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.2 Stabilité globale et stabilité locale . . . . . . . . . . . . . . . . . . . . . . . . 31
i
Table des matières
2.2.3 Stabilité des systèmes autonomes . . . . . . . . . . . . . . . . . . . . . . . . 31

2.2.4 Stabilité des systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2.5 Stabilité des systèmes non linéaires . . . . . . . . . . . . . . . . . . . . . . . 36
2.2.6 Stabilité des systèmes non autonomes . . . . . . . . . . . . . . . . . . . . . . 46
2.2.7 Instabilité des systèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.2.8 Notion de stabilisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
2.2.9 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
2.3 Stabilité des systèmes en répresentation externe . . . . . . . . . . . . . . . . . . . . 64
2.3.1 Approche par fonction de transfert . . . . . . . . . . . . . . . . . . . . . . . 64
2.3.2 Etude des fonctions de transfert . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.3.3 Stabilité des systèmes en boucle fermé . . . . . . . . . . . . . . . . . . . . . 72
2.4 Stabilité en temps …ni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.4.1 Cas des systèmes autonomes . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.4.2 Cas des systèmes non autonomes . . . . . . . . . . . . . . . . . . . . . . . . 81
2.4.3 Stabilisation en temps …ni . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3 Stabilité et stabilisation des systèmes linéaires en dimension in…ni 84

3.1 C0 -semi-groupes d’opérateurs linéaires bornés . . . . . . . . . . . . . . . . . . . . . . 85
3.1.1 Théorème de Hille-Yosida . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.2 Stabilité des systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.2.1 Caractérisations de la stabilité exponentielle . . . . . . . . . . . . . . . . . . . 98
3.3 Stabilisation des systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
4 Application sur la stabilité des systèmes dynamiques 104

4.1 Application 1 : Dynamique virale dans l’infection par le virus de l’hépatite B (VHB) . . 104
4.1.1 Présentation du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
4.1.2 Les points d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
4.1.3 Stabilité locale des points d’équilibres . . . . . . . . . . . . . . . . . . . . . . 106
4.1.4 Stabilité globale des points d’équilibres . . . . . . . . . . . . . . . . . . . . . 108
4.2 Application 2 : Les points de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . 111
4.2.1 Le Problème "restreint" de 3 corps . . . . . . . . . . . . . . . . . . . . . . . 112
4.2.2 Équations du mouvement . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
4.2.3 Les points de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
4.2.4 Calcul des points de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . 114
Table des matières ii

Table des matières
4.2.5 Localisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

4.2.6 Stabilité des points de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . 116
Conclusion Général 119
Bibliographie 120
Table des matières iii

Notation
R L’ensembles des réels.

Rn L’espace réele eclidien de dimension n 1:
C L’ensemble des nombres complexes.
Z L’ensemble des entiers relatifs.
N L’ensemble des entiers natutels
Un ouvert borné ou non borné de Rn ; n 1:
p
L ( ) L’espace des fonctions mesurables u sur tel que j u jp est intégrable,
1 p 1:
Ck ( ) L’espace vectoriel de toutes les fonctions k fois continûment di¤érentiables
sur :
1
H ( ) L’espace de Sobolev d’ordre 1 ff 2 L2 ( ) ; f 2 L2 ( )g :
l2 ( ) L’espace des suites à carré sommable.
L (X; Y ) L’ensemble des applications linéaire continue de X dans Y:
D (A) Le domaine de l’opérateur A : X ! X; il dé…nit par D(A) = fx 2 X; Ax 2 Xg :
Mm;n (R) L’ensemble des matrices de dimension m n à coe¢ cients dans R:
GLn (|) L’ensemble des matrices inversibles de taille n n:
tr
A La matrice transposée de A 2 Mm;n (R) :
1
A L’inverse de la matrice A 2 Mm;n (R) :
det (A) La déterminant de la matrice A:
(A) Le spectre ponctuelle A.
dM (s) La distance d’un point s de la matrice Rn à un ensemble M de Rn dé…nie
par dM (s) = inf k s mk:
m2M
x x
( ) La solution d’un système di¤érentielle véri…ant (0) :
@f
@xi
La derivée partielle par rapport à xi :
I; Id L’opérateur identité.
T L’opérateur adjoint.
A
e ; exp (A) L’exponentielle de la matrice A:
iv
ln Logarithme népérien.
B(a; r) La boule de centre a 2 Rn et de rayon r > 0, fx 2 Rn ; kx ak < rg :
n
h:; :i Produit scalaire de R :
<(:) La partie réelle d’un nombre complexe.
v
Introduction Générale
La modélisation mathématique devient un domaine important de recherche scienti…que dans

di¤érentes disciplines. Le but est évidemment comprendre le mieux possible le phénomène qu’on
veut étudier.
Depuis plus de trois centans, l’outil le plus fréquent pour construire les modèles mathéma-
tiques est les équations di¤érentielles. De nombreux systèmes sont modélisés par des équations
di¤érentielles ordinaires : L’état du système n’a qu’un nombre …ni de composantes. La forme
générale d’un tel système est la donnée d’un espace d’états X, d’un espace de contrôles U et
d’une loi d’évolution du type
x(t)
_ = f (t; x(t); u(t)); (1)
ZT
J(u) = G(t; x(t); u(t))dt (2 )
0
où x(t) 2 X est l’état du système à l’instant t 2 [0; T ] et u(t) 2 U le contrôle qui réalisé un
objectif. Mais il existe aussi des systèmes modélisés par des équations aux dérivées partielles :
l’état du système est alors de dimension in…nie.
Toute étude concernant l’analyse d’un système dynamique est généralement suivie d’une étape
de contrôle, qui consiste à déterminer une commande qui permet de conduire le système étudié
à un certain objectif.
Deux problèmes importants se présentent : la stabilité et la stabilisation.
Le problème de stabilité : se pose lorsque l’équation (1) ne dépend pas du contrôle u. Qua-
litativement un système est stable si chaque fois qu’il est perturbé de son point d’équilibre,
il reste autour de ce point par la suite.
1
Un exemple typique d’un système stable est celui constitué d’une bille roulante sans frottement
au fond d’une coupelle ayant la forme d’une demi-sphère creuse : après avoir été écartée de sa
position d’équilibre (qui est le fond de la coupelle), la bille oscille autour de cette position, sans
s’éloigner davantage : la composante tangentielle de la force de gravité ramène constamment
la bille vers sa position d’équilibre. En présence d’un frottement visqueux (si l’on ajoute par
exemple un peu d’huile au fond de la coupelle), les oscillations de la bille sont amorties et celle-ci
revient à sa position d’équilibre au bout d’un certain temps (théoriquement in…niment long) :
cet amortissement est dû à la dissipation d’énergie sous forme de chaleur. Le système est alors
asymptotiquement stable.
Si maintenant, on retourne la coupelle, le sommet de celle-ci (ayant toujours la forme d’une
demi-sphère) est encore une position d’équilibre pour la bille. Mais à présent, si on écarte la bille
d’une quantité in…nitésimale en absence de frottement, cette bille se met à rouler sur la paroi
de la coupelle en tombant, elle s’écarte sans retour à sa position d’équilibre, car la composante
tangentielle de la force de gravité éloigne constamment la bille de sa position d’équilibre. Un tel
système est dit instable ( voir [42]).
Le problème de la stabilisabilité : pour expliquer plus simplement ce qu’est la stabilisabilité,

considérons le cas où la trajectoire poursuivie se réduit à un point d’équilibre du système.
Cet équilibre peut être instable en l’absence du contrôle et on cherche à le stabiliser.
Un exemple très concret est celui du balai qu’on essaie de le faire tenir en équilibre sur son
doigt. Si on ne part pas de l’équilibre, on peut amener le balai à cet équilibre et ensuite, si on
arrête de bouger le doigt, le balai devrait, en théorie, rester dans cette même position. Comme
on le voit expérimentalement, on n’y arrive pas dans la pratique : si on arrête de bouger le doigt,
le balai tombera. On bouge le doigt en fonction de la position du balai (et de sa vitesse) de façon
à l’empêcher de tomber : on applique un « feedback » , c.à.d. un contrôle dépendant de l’état,
stabilisant la position d’équilibre. Cette notion de feedback a une longue histoire dans les réalisa-
tions humaines. C’est surtout au XXe siècle que les feedbacks ont connu un essor fantastique.
Du point de vue théorique, on va montrer que tous les systèmes linéaires contrôlables peuvent
être stabilisés par des feedbacks linéaires. En dimension …nie, le problème de la stabilisation des
systèmes linéaires et non linéaires est aujourd’hui parfaitement établi, et a donné lieu à une
littérature riche ( Lasalle [26] etc.). Dans le cas des systèmes de dimension in…nie, les travaux
sur la stabilisation forte et/ ou faible des systèmes distribués sont dûs principalement à Slemrod
[35, 36].
De manière schématique, les systèmes de contrôle ci-dessus peuvent être décrits via la repré-
2
sentation systèmes de la Figure (1). En général, le contrôle est obtenu en temps réel à l’instant
t à partir de la connaissance de l’état (ou de manière plus réaliste d’une partie de l’état, appelée
sortie du système) aux dates antérieures. On parle de contrôle en boucle fermée ou contrôle par
feedback.
figure 1 - Système contrôlé.
Il est classique, dans toute phase de modélisation de décrire les systèmes dynamiques suivant
deux approches
- L’une externe et consiste à modéliser un système à partir d’une étude expérimentale liant les
grandeurs d’entrée-sorties qui peuvent être soit des contrôles ou des perturbations que subit
le système, soit des mesures, qui correspondent aux observations qu’il est possible de faire
sur le comportement du système.
- L’autre interne et permet d’écrire, à partir des lois fondamentales, les équations d’évolution,
d’analyser certaines propriétés intrinsèques, etc.
Le deux chapitres 1 et 2 portent sur la stabilité et la stabilisabilité des systèmes en dimension

…ni (c.à.d. décrits par des équations di¤érentielles ordinaires), puis sur la stabilité des systèmes
linéaires en dimension in…ni (c.à.d. décrits par des équations di¤érentielles aux dérivées par-
tielles).
Le mémoire que nous présentons est rédigé comme suit
Chapitre 1 : Ce chapitre est consacré à la présentation des systèmes dynamiques, quelques
propriétés de la transformation de Laplace, problème de Cauchy-Lipschitz et nous rappelons
quelques notions d’analyse fonctionnelle.
Chapitre 2 : Ce chapitre est consacré à la stabilité des points d’équilibres des systèmes
dynamiques régi par des équations di¤érentielles en dimension …nie.
Premièrement, dans la section 2.2 nous caractérisons stabilité des systèmes en répresentation
interne qui inclut les di¤érents types de stabilité pour les systèmes linéaires,en sachant les signes
des valeurs propres de la matrice de système, puis nous citons le critère de Routh-Hurwitz qui
3
peut nous aider à déterminer les signes des valeurs propres sans les calculer. Cependant, les
systèmes qu’on rencontre dans la pratique ne sont pas linéaires, nous introduisons cette section
deux méthodes pour ce genre de systèmes, la première est la méthode de linéarisation, qui permet
de tirer des conclusion sur la stabilité locale du système non-linéaire autour d’un point d’équilibre,
à partir des propriétés de stabilité de son approximation linéaire. La seconde méthode, celle
de Lyapunov, elle permet de déterminer les propriétés de stabilité d’un système non linéaire
par des fonctions spéciales, et plus que ça, elle a un caractère non local. Jusqu’à l’instant, il
n’y a pas de méthode générale donnée pour trouver ces fonctions pour un système non-linéaire.
Cependant, dans le cas des systèmes linéaires, nous avons transformé le problème de chercher une
fonction de Lyapunov à un problème algébrique. Nous introduisons dans la section 2.3 stabilité
des systèmes en répresentation externe nous caractérisons des méthodes suivant approche par
fonction de transfert, etude des fonctions de transfert et stabilité des systèmes en boucle fermé
‹‹feedback››. Dans la dernière section 2.4 nous citons la stabilité et stabilisation en temps …ni
consiste à certifer que le système, au bout d’un temps bien déterminé, atteint le point d’équilibre et
en y restant par la suite. La connaissance de l’instant où la trajectoire réelle rejoindra celle désirée
est notamment un aspect important dans les applications pratiques qui cherchent à garantir une
bonne performance qui utilisé deux cas les systèmes autonomes et non autonomes.
Chapitre 3 : Dans ce chapitre, on présente l’essentiel des résultats concernant la stabilité
et la stabilisation des systèmes linéaires par l’utilisation de la théorie du semi-groupe, où nous
rappelons les fondamentaux résultats.
Chapitre 4 : Dans ce chapitre, nous essayons d’appliquer les résultats concernant la sta-
bilité locale par la méthode de linéarisation, la stabilité globale par la méthode de Lyapunov, et
la stabilité globale par le principe de l’invariance de Lassale pour le système d’équations di¤é-
rentielles ordinaires modélisant le virus de l’hépatite B (VHB). Les points de Lagrange sont des
points d’équilibre dans la dynamique céleste, dans la 2 ème section, nous étudierons les points
de lagrange puis cet localisation, et par ma méthode de la linéairisation la stabilite des points de
lagrange.
Ce travail nous a ouvert la porte pour étudier d’autre système non-linéaire en dimension
in…nie.
4
Chapitre 1
Notions préliminaires mathématiques
Dans la théorie des systèmes dynamiques, notre objectif principal est de comprendre le com-
portement des états dans un système, étant donné une règle pour l’évolution de l’état. Les états
sont nos variables, en fait nous les appelons même des variables d’état. Tout ce que l’on pourrait
représenter avec un nombre pourrait être considéré comme un état, nous aborderons la dé…nition
des systèmes dynamiques [29], et étudée à la trasformation de Laplace et nous présentons le
problème de Cauchy-Lipschitz , aussi quelques notions d’analyse fonctionnelle, on parlera sur
quelques thérèmes importants et des espace fonctionnelle.
1.1 Les systèmes dynamiques

Un système dynamique est un ensemble d’objets, dont l’état (ensemble de grandeurs su¢ sant
à quali…er le système) évolue en fonction du temps. Un système dynamique peut s’exprimer à
l’aide de trois variables (entrées, sortie et perturbation), que nous avons indiqué dans la …gure
suivante
5
Chapitre 1. Notions préliminaires mathématiques
Les variables d’entrées de commande : Ce sont les variables que l’utilisateur peut changer
à sa guise. Ce sont les variables manipulées et déterminées par la stratégie de commande
que l’on cherche à déterminer.
Les variables d’entrées de perturbations : Ce sont des variables qui modi…ent le compor-
tement du système, et ils ont une di¤érence avec les variables de commande que l’utilisateur
ne peut pas les manipuler et ils sont di¢ ciles à modéliser.
Les variables de sortie : Le résultat des manipulations, c.à.d. l’évolution de comportement du
système en fonction des entrées du système est en général observé et évalué par l’utilisateur
via des variables particulières nommées variables de sortie. Celles-ci sont mesurées à l’aide
de capteurs.
En général, l’étude d’un système dynamique a pour objectif de
- Comprendre le fonctionnement du système et prévoir son comportement et ses performances

par la suite, ce que l’on appelle l’analyse du système.
- Chercher à maîtriser les sorties et les performances du système en agissant sur les entrées.
1.2 Les représentations d’un système dynamique

Nous pouvons voir le système ou bien de l’extérieur (c.à.d. nous considérons le système comme
une boïte noire), ou bien de l’intérieur (dans ce cas, nous dé…nissons des variables intrinsèques
intimes à son comportement).
1.2.1 Représentations externe
Figure 1.1 - La modélisation entrée-sortie
1.2. Les représentations d’un système dynamique 6

La représentation mathématique de la relation entre l’entrée u et la sortie y se fait par une

relation de la forme
y(t) = h(u(t); t) (1.1)
qui donne la sortie du système à l’instant t due à l’entrée u(t). En général, on suppose que h
véri…e une propriété de causalité, c.à.d. qu’il ne dépend que des valeurs de u, antérieurs à t.
1.2.2 Représentation interne

Dans la modélisation d’un phénomène physique il faut tenir compte de plusieurs paramètres.
Après optimisation du nombre de ces paramètres, on les ressemble tous dans un vecteur x(t)
disent l’état du système. L’état du système constitue alors un moyen …able pour prédire le
comportement futur de ce système et ceci partant d’un état initial donné x(t0 ) et de l’action
appliquée sur ce dernier. Le principe de la représentation interne peut carrément schématisé sous
la forme
Figure 1.2 - La modélisation interne
Autrement dit, u et x sont liés par l’intermédiaire d’une équation d’état.

Mathématiquement, ce qui s’ajoute par rapport à la représentation externe, c’est la donnée
de la fonction f et le modèle dynamique décrit par la relation
x_ (t) = f (t; x; u)
(1.2)
y = h (t; x)
La description interne des systèmes suppose donc une connaissance assez …ne des di¤érentes
composantes du système, de leurs comportements et de leurs interactions. Mathématiquement,
cette description peut être représentée sous la forme standard d’un ensemble d’équations dif-
férentielles, intégro-di¤érentielles, retards ou encore aux dérivées partielles, etc., dans le cas de
systèmes continus dans le temps. Dans le cas de systèmes discrets, ce sera une équation (ou un
1.2. Les représentations d’un système dynamique 7

système d’équations) aux di¤érences. C’est la représentation dite par vecteur d’état, ou encore
une équation d’état. Ainsi, quelle que soit sa nature, un système dynamique est alors la donnée
conjointe.
- D’une représentation d’état : Cette représentation décrite ce qui relève du domaine spatial.
Il s’agit d’une liste de variables, que l’on appelle vecteur d’état, permettant de décrire à
tout instant notre ensemble d’objets.
- D’un temps : Qui peut être discret (entiers relatifs) ou continu (réels).
- D’une loi d’évolution : C’est une fonction qui décrit ce qui relève du domaine temporel. Elle
décrit toutes les forces, contraintes élastiques, collisions, et plus généralement les échanges
d’énergie entre les objets.
1.3 La trasformation de Laplace

Dé…nition 1.1 soit f une fonction de [0; +1] à valeurs dans R (ou C) on dé…nie la transfor-
mations de Laplace par
Z+1
st
L ff (t)g = F (s) = e f (t) dt; (1.3)
0
pour tout s, pour laquelle l’integrale impropre converge. La convergence se produit quand elle
limite
ZR
st
lim e f (t) dt; (1.4)
R!1
0
existe. Si la limite n’existe pas, l’integrale impropre est diverge et f (x) n’a pas transformée de
Laplace.
La fonction f (t) est appelée original, fonction objet, ou fonction causale. La fonction L ff (t)g
est appelée image de f (t):
Exemple 1.1 Calculons la transformée de Laplace de la fonction f (t) = tn ; d’après (1.3) on a

Z+1
st n
L ff (t)g = F (s) = e t dt;
0
en intégrant par parties, en prenant
u = tn ) du = ntn 1 dt
1 st
dv = e st ) v = e dt
s
1.3. La trasformation de Laplace 8

alors, on a
Z+1
st n
F (s) = e t dt
0
+1 Z+1
1 st n n st n 1
= e t + e t dt
s 0 s
0
Les valeurs de la premiére intégrale sont nulles à chaque borne, la valeur de la seconde est
celle de la transformée de tn 1 :
Ainsi
n n (n 1) n!
L (tn ) = L tn 1
= 2
L tn 2
= :::: = n
L t0 (1.5)
s s s
mais
1
L t0 = (1.6)
s
en remplaçant (1.6) dans (1.5), on trouve
n!
L (tn ) =
sn+1
Exemple 1.2 On calcule la transformée de Laplace de la fonction f (t) = e2t
Z+1
st
L ff (t)g = F (s) = e f (t) dt
0
Z+1
st 2t
= e e dt
0
Z
+1
= e(2 s)t
dt
0
1
1 (2 s)t
= e
2 s 0
Donc
1 1
lim e(2 s)t
= lim e(2 s)t
(1.7)
t!1 2 s j2 s j t!1
Alors, si s > 2 la limite (1.7) est nulle. Ainsi, la valeur en la borne supérieure n’existe que
1
si s > 2 et vaut alors 0. Alors que la valeur en la borne inférieure vaut 2 s
:
Ainsi
1
L e2t =
2 s

Plus généralement
t 1
L e =
2
1
Véri…ons que la fonction f (t) = t
n’admet pas de transformée de Laplace
Z+1
st
L ff (t)g = F (s) = e f (t) dt
0
Z+1
st 1
= e dt
t
0
Z1 Z+1
1 st 1
= e st dt + e dt
t t
0 1
sur l’intervalle [0; 1], comme

st s
e e
donc, on a
Z1 Z1
st 1 s 1
e dt e dt (1.8)
t t
0 0
L’intégrale (1.8) est diverge. Alors, F (s) n’existe pas.
1.3.1 Existence et l’unicité de la transformation de Laplace

Ce dernier exemple pose la question du domaine de dé…nition de L, quelles sont les fonctions
ayant une transformation de Laplace ?
La question de l’unicité est importante pour dé…nir la transformation inverse, deux fonctions
di¤érentes peuvent-elles avoir la même transformation de Laplace ?
Théorème 1.1 (Existance) [15] Soit f (t) une fonction continue par morceau sur l’intervalle
[0; a] (pour tout a > 0) et ayant un ordre exponentiel à l’in…ni s’il existe un couple de nombres
réelles > 0 et M > 0; tel que
t
jf (t)j Me 8t > 0; (1.9)
alors, la transformation de Laplace L(f ) existe est dé…nie pour < (s) > :
Preuve Soit f (t) une fonction continue par morceau sur l’intervalle [0; a] (pour tout a > 0).
D’après (1.3), on a

Z+1
st
jL ff g (s)j = e f (t) dt
0
Z+1
st
e jf (t)j dt
0
Z+1
M e( s)t
0
+1
M ( s)t
= e
s 0
qui converge si < (s) > :
Théorème 1.2 (Unicité) [15] Soient f (t) et g(t) deux fonctions continues par morceaux avec
un ordre exponentiel à l’in…ni.
Supposons que
L ff (t)g = L fg (t)g ; alors f (t) = g (t) ;
pour tout t 2 [0; d] et d > 0 sauf peut-être en un nombre …ni des pointes.
Preuve On va démontrer que la transformation de Laplace est une application injective, en

e¤et
F (s) = G (s) ) f (t) = g (t) , 8t
Soient f (t) et g (t) deux fonctions de [0; 1] dans R; alors

Z+1 Z+1
st st
F (s) = G (s) , e f (t) dt = e g (t) dt
0 0
Z+1 Z+1
st st
, e f (t) dt e g (t) dt = 0
0 0
Z+1
st
, e (f (t) g (t)) dt = 0
0
, f (t) g (t) = 0
, f (t) = g (t)
donc injective.

1.3.2 Propriétés de la transformée de Laplace

1. Linéarité
Proposition 1.1 Soient ; 2 C, si L ff g (s) et L fgg (s) existent resp. pour les fonctions f et
g. Alors, la transformée de Laplace est une application linéaire, telle que
L f[ f + g] (t)g (s) = L ff (t)g (s) + L fg (t)g (s) (1.10)
Preuve Soient ; 2 C; supposons que les fonctions f et g admettent des transformées de

Laplace, d’après (1.3) on a
L f[ f + g] (t)g (s) = L [ f (t) + g (t)] (s)

Z+1
= [ f (t) + g (t)] e st dt
0
Z+1 Z+1
st st
= e f (t) dt + e g (t) dt
0 0
= L ff (t)g (s) + L fg (t)g (s)
= F (s) + G (s)
d’où la linéarité.
2. Translation
sT sT
Si L ff g = F (s) ; alors L ff (t T )g = e F (s) : Tel que e est appelé facteur de retard.
at
3. La transformation de Laplace de (e f (t))
at
Si L ff g = F (s) ; alors L fe f (t)g = F (s + a)
4. Transformation de Laplace de la dérivée
La transformation de Laplace de la dérivée est donné par
L f (n) (t) (s) = sn L (f ) sn 1 f (0) sn 2 f 0 (0) :::: f (n 1)

(0)
En e¤et, par récurrence pour n = 1

Z+1
0 st 0
L ff (t)g (s) = e f (t) dt
0

en intégrant par parties, on trouve

Z+1
+1
L ff 0 (t)g (s) = e st
f (t) 0
+s e st
f (t) dt
0
= sL (f ) f (0)
Maintenant, on suppose que la transformation de Laplace de la dérivée est vraie pour n et

on montre pour n + 1, on a
Z+1
(n+1) st (n+1)
L f (t) (s) = e f (t) dt (1.11)
0
en intégrant par parties, on supposons
h0 (t) = f (n+1) (t) ) h (t) = f (n) (t) (1.12)

st
g(t) = e ) g 0 (t) = se st
en ramplaçant (1.6) dans (1.11), on obtient

Z+1
st (n) +1
L f (n+1) (t) (s) = e f 0 +s e st (n)
f (t) dt
0
(n) n
= f (0) + s s L (f ) sn 1 f (0) sn 2 f 0 (0) :::: f (n 1)
(0)
= f (n) (0) + sn+1 L (f ) sn f (0) sn 1 f 0 (0) :::: sf (n 1)
(0)
Ce résultat permet de résoudre des équations di¤érentielles avec des conditions initiales non
nulles.
5. Transformée de Laplace inverse
La transformation de Laplace étant un opérateur bijectif, sa bijection inverse existe. Elle est
unique et on l’appelle original de F , on a alors
1
L fF (s)g = f (t) (1.13)
Exemple 1.3 On calcule la transformation de Laplace de la fonction

s+9
F (s) =
s2 + 6s + 13
Cette expression ne …gure pas dans la table, mais on peut s’y ramener par quelques manipu-
lations algébriques.

Tout d’abord, il faut identi…er la valeur de a. Pour cela, il faut écrire le dénominateur sous
forme de somme (ou de di¤érence) de deux carrés, on a
s2 + 6s + 13 = (s + 3)2 9 + 13 = (s + 3)2 + 4
Ainsi, a = 3 et la fraction devient

s+9
(s + 3)2 + 4
En suite, il faut voir si on a a¤aire à une fonction hyperbolique ou trigonométrique et en
déduire la valeur de k. Comme ici, le dénominateur est une somme de carrés, il s’agit d’une
p
fonction trigonométrique et la valeur de k vaut 2 4 = 2:
On a
s+9
(s + 3)2 + 22
Finalement, il faut adapter le numérateur et utiliser la linéarité, on obtient
s+3+6 s+3 6
2 = 2 +
(s + 3) + 22 (s + 3) + 2 2 (s + 3)2 + 22
s+3 2
= 2 +3
(s + 3) + 2 2 (s + 3)2 + 22
= L e 3t cos (2t) + 3e 3t sin (2t)
1.3.3 Transformées de laplace usuelles
Tab. 1.1 –Transformée de Laplace de quelques fonctions.

f (t) L ff (t)g = F (s)
1
1 s
n!
tn sn+1
at 1
e s a
k
sin (kt) s2 +k2
s
cos (kt) s2 +k2
k
sh(kt) s2 k 2
s
ch (kt) s2 k 2
eat f (t) F (s a)
dn
tn f (t) ( 1)n dtn
F (s)

f n (t) sn F (s) sn 1 f (0) sn 2 f 0 (0) :::: f (n 1)

(0)
n!
tn eat (s a)n+1
(s a)2
eat cos (kt) (s a)2 +k2
k
eat sin (kt) (s a)2 +k2
2sk
t sin (kt) (s2 +k2 )2
s2 k 2
t cos (kt) (s2 +k2 )2
2k3
sin (kt) kt cos (kt) (s2 +k2 )2
2s2 k
sin (kt) + kt cos (kt) (s2 +k2 )2
Remarque 1.1
1. La transformation de Laplace de f est nulle lorsque s ! 1

Z+1
st
lim e f (t) dt = 0:
s!1
0
2. Si f est …ni à l’in…ni 2 R: Alors, la transformation de Laplace de f est égale à sa valeur

à l’in…ni quand s ! 0
Z+1
st
lim e f (t) dt = f (1) 2 R:
s!0
0
Exemple 1.4 Cherchons à résoudre une équation di¤érentielle à coe¢ cients constants
y" 4y = 0
(1.14)
y(0) = 1; y 0 (0) = 2
On applique la transformation de Laplace à chaque membre, on obtient
s2 Y sy(0) y 0 (0) 4Y = 0; (1.15)
en introduisant les conditions initiales, on trouve
s2 Y s 2 4Y = 0; (1.16)
d’où
s+2 1
Y (s) = = :
s2 4 s 2
Donc
y(t) = e2t :

Exemple 1.5 Soit le système suivant
y" 3y 0 + 2y = 4t 6
(1.17)
y(0) = 1; y 0 (0) = 3
On applique la transformation de Laplace à chaque membre, on obtient

4 6
s2 Y s 3 3(sY 1) + 2Y = (1.18)
s2 s
d’où
s3 6s + 4 s2 + 2s 2
Y (s) = 2 2 = 2 (1.19)
s (s 3s + 2) s (s 1)
Alors
y(t) = et + 2t: (1.20)
Exemple 1.6 Considérons le système suivant
y" (t) 3y 0 (t) + 2y (t) = 4e3t

(1.21)
y(0) = 4; y 0 (0) = 9
9
L (y) = Y >
>
= 4
L (y 0 ) = sY y(0) ) l’équation devient s2 3s + 2 Y = + 4s 3
>
> s 3
L (y") = s 2
sy(0) y 0 (0) ;
d’où
1 1 2
Y = + + = L et + e2t + 2e3t :
s 1 s 2 s 3
Exemple 1.7 Soit le système di¤érentiel suivant
8
>
> 0 0 2t
< x y + x y = 2 + 3e
x0 + 2y 0 3x = 3 + 2e2t
>
>
: x(0) = 4; y(0) = 1
(
2
sX 4 sY + 1 + X Y = s
+ s 32
3
sX 4 + 2sY 2 3X = s
+ s 22
( (
1
X= s
+ s 11 + s 22 x(t) = 1 + et + 2e2t
d’où 1
donc
Y = s
+ s 11 + s 12 y(t) = 1 + et + e2t

Dé…nition 1.2 Le produit de convolution des deux fonctions continues f et g sur [ 1; +1],
noté f g est la fonction
Zt
f g= f (r)g(t r)dr; (1.22)
0
et on a f g = g f:
Propriété 1.1 Si f et g ademttent des transformées de Laplace F (s) = L ff (t)g et G(s) =

L fg(t)g ; alors
L ff gg = L ff (t)g L fg(t)g = F (s)G(s): (1.23)
1.3.4 Transformer une équation di¤érentielle d’ordre n en un système dif-

férentiel d’ordre 1
Équation di¤érentielle linéaire
Dé…nition 1.3
1. Une équation di¤érentielle d’ordre n est une équation de la forme
F t; y; y 0 ; ::::; y (n) = 0 (1.24)
où F est une fonction de (n + 2) variables.

2. Une équation di¤érentielle d’ordre n est linéaire si elle est de la forme
a0 (t) y + a1 (t) y 0 + ::::: + an (t) y (n) = g (t) (1.25)
où les ai , 8i = 0; ::::; n et g sont des fonctions réelles continues sur un intervalle I R

- Une équation di¤érentielle linéaire est homogène, ou sans second membre, si la fonction
g ci-dessus est la fonction nulle
a0 (t) y + a1 (t) y 0 + ::::: + an (t) y (n) = 0 (1.26)
- Une équation di¤érentielle linéaire est à coe¢ cients constants si les fonctions ai ci-dessus
sont constantes
a0 y + a1 y 0 + ::::: + an y (n) = g(t) (1.27)
où les ai sont des constantes réelles et g une fonction continue.
Exemple 1.8
1. y 0 + 5ty = et est une équation di¤érentielle linéaire du premier ordre avec second membre.
2. y 02 y = t ou y":y 0 y = 0 ne sont pas des équations di¤érentielles linéaires.

Transformer EDO en système de n équations
Considérons une équation du n-ième ordre
y (n) + n 1 (t) y (n 1)
+ ::::: + 1 (t) y 0 + 0 (t) y = g(t) (1.28)
En considérant les dérivées successives y 0 ; :::; y (n 1)

comme de nouvelles fonctions inconnues
notées x1 ; ; xn 1 , l’équation d’ordre n se traduit par le système di¤érentielle
8 8
>
> x1 = y >
> x01 = y0
>
> >
>
>
> x2 = y0 >
> x02 = y"
>
> >
>
>
> >
>
>
> >
>
< : < :
: ) en va dérivée :
>
> >
>
>
> : >
> :
>
> >
>
>
> >
>
>
> xn 1 = y (n 2) >
> x0n 1 = y (n 1)
>
> >
>
: : 0
xn = y (n 1) xn = y (n) = 0 (t) y 1 (t) y 0 ::: n 1 (t) y (n 1)
+ g (t)
8
>
> x01 = x2
>
>
>
> x02 = x3
>
>
>
>
>
>
< :
, :
>
>
>
> :
>
>
>
>
>
> x0n 1 = xn
>
>
: 0
xn = 0 (t) x1 1 (t) x2 ::: n 1 (t) xn + g (t)
0 1 0 10 1 0 1
x01 0 1 0 ::: 0 x1 0
B 0 C B CB C B C
B x2 C B 0 0 1 ::: 0 C B x2 C B 0 C
B C B CB C B C
B C B CB C B C
B : C B : : : ::: : CB : C B : C
B C B CB C B C
,B
B :
C=B
C B : : : ::: : CB :
CB
C+B : C
C B C
B C B CB C B C
B : C B : : : ::: : CB : C B : C
B C B CB C B C
B x0 C B 0 0 0 ::: 1 CB x C B 0 C
@ n 1 A @ A@ n 1 A @ A
x0n 0 (t) 1 (t) 2 (t) ::: n 1 (t) xn g(t)

Notons 0 1 0 1
x1 (t) 0
B C B C
B x2 (t) C B 0 C
B C B C
B C B C
B : C B : C
B C B C
B
X(t) = B : C et B (t) = B : C
C B C
B C B C
B : C B : C
B C B C
B x C B 0 C
@ n 1 (t) A @ A
xn (t) g(t)
Alors, le système peut se mettre sous la forme équivalente suivante
_
X(t) = A(t)X(t) + B (t) ; (1.29)
A(t) une matrice d’ordre n n.

On considèrera aussi le système homogène correspondant
_
X(t) = A(t)X(t): (1.30)
Si tous les coe¢ cients ai 8i = 0; :::; (n 1) ne depend pas de t, la matrice A est une matrice
constante le système est autonome. Sinon A est une matrice dependant de t, le système est non
autonome.
Exemple 1.9 On écrit les équations suivantes sous forme système di¤érentielle
1. y"(t) = ay 0 (t) + by(t) + c:

Soit
X (t) = (x1 (t) ; x2 (t)) ;
(
x1 = y x01 = y 0 = x2
on pose en va dérivée
x2 = y 0 x02 = y" = ay 0 (t) + by(t) + c
le système sous forme

X 0 (t) = A(t)X(t) + B (t) ;
où ! !
0 1 0
A= et B = :
a b c

2. y" (t) 2y 0 (t) + 5y(t) = 0:

Soit
X (t) = (x1 (t) ; x2 (t)) ;
(
x1 = y x01 = y 0 = x2
x2 = y 0 x02 = y" = 2x2 5x1
X 0 (t) = A(t)X(t);
où !
0 1
A= :
5 2
3. y"(t) + sin(t)y 0 (t) 2y(t) = 0
Soit
X (t) = (x1 (t) ; x2 (t)) ;
(
x1 = y x01 = y 0 = x2
x2 = y 0 x02 = y" = sin(t)x2 + 2x1
X 0 (t) = A(t)X(t);
où !
0 1
A (t) = :
2 sin(t)
1
4. y (3) (t) + cos(t)y"(t) + 2t2 +1
y(t) = t2 :
Soit
X (t) = (x1 (t) ; x2 (t) ; x3 (t)) ;
8 8
>
> >
> 0 0
< x1 = y < x1 = y = x2
on pose x2 = y 0 en va dérivée x02 = y" = x3
>
> >
>
: x = y" : x0 = y (3) = cos(t)x 1
x + t2
3 3 3 2t2 +1 1

X 0 (t) = A(t)X(t) + B(t);
où 0 1 0 1
0 1 0 0
B C B C
A(t) = B
@ 0 0 1 C ; et B(t) = B 0 C
A @ A
1
2t2 +1
0 cos(t) t2

1.4 Problème de Cauchy-Lipschitz

Dans cette section, nous intéressons au problème de Cauchy-Lipschitz suivant
(
x(t)
_ = f (t; x(t))
(1.31)
x(t0 ) = x0
Avec I un intervalle ouvert de R, un ouvert de Rn et f : I ! Rn :
Dé…nition 1.4
1. Soit v(x) voisinage de t0 dans I, on dit que x(t) solution locale de (1.31).
2. Si f est de classe C 1 sur I pour tout t0 2 I et x 2 , le problème de Cauchy possède
solution unique maximale.
3. Si I = R la solution unique du système est globale.
Théorème 1.3 [20]
- Si f une fonction continue et localement lipschitzienne par rapport au seconde variable. Alors,
si t0 2 I et x0 2 sont donnés, le problème de Cauchy (1.31) admet une unique solution.
- Si de plus la fonction est lipschitzienne par rapport au seconde variable. Alors, la solution est
globale et unique.
Le problème de Cauchy dans le cas linéaire
1. Cas linéaire autonome (homogène )

Les systèmes linéaires continus régis par l’équation
(
x(t)
_ = Ax(t)
(1.32)
x(t0 ) = x0 2 Rn
où A 2 Mn (Rn ) et A est dé…nie positive.
Remarque 1.2 La solutions unique de (1.32) est donner par t ! eAt x0 :
Proposition 1.2 L’exponentielle véri…e les propriétés suivantes
1. e0 = I:
2. eA(t+s) = eAt eAs , 8 (t; s) 2 R2 :
1.4. Problème de Cauchy-Lipschitz 21

1
3. eAt =e At
, 8t 2 R:
d
4. dt
eAt = AeAt :
X
+1
(At)n
At
5. e = n!
:
n=0
2. Cas linéaires non homogene (avec second membre)

Les systèmes linéaires avec second membre sont régis par l’équation
x_ (t) = A (t) x(t) + B(t)
(1.33)
x(0) = x0 2 Rn
où A 2 Mn (Rn ), et B : I R dans Mn;1 (R), continue.
Zt
At
Proposition 1.3 La solution de (1.33) sont donné par t ! e x0 + eA(t s)
B(s)ds:
0
Preuve
x(t) solution de (1.33) sur I , 8t 2 I; x_ (t) Ax(t) = B(t)

tA tA tA
, 8t 2 I; e x_ (t) Ae x(t) = e B(t)
tA
(car 8t 2 I; e 2 GLn (R) et car 8t 2 R; A et e tA commutent)
d
, 8t 2 I; e tA x = e tA B(t)
dt
Zt
, 9C 2 Mn;1 (R)=8t 2 R; e x(t) = C + e uA B(u)du
tA
0
Zt
At At uA
, 9C 2 Mn;1 (R)=8t 2 R; x(t) = e C + e e B(u)du
0
La condition initiale x(0) = x0 , nous permettons de conclure.

3. Cas des systmes linéaires non autonome
Considérons le problème de Cauchy dans Rn
x_ (t) = Ax(t) + B(t)u(t); t 2 I
(1.34)
x(0) = x0 2 Rn
où les applications
t ! A(t) 2 Mn (R)
t ! B(t)u(t) 2 R;
sont localements intégrables sur l’intervalle I considére.
1.4. Problème de Cauchy-Lipschitz 22

Dé…nition 1.5 On appelle résolvante du problème (1.34), la solution du problème de Cauchy

@R
@t
(t; t0 ) = A(t)R(t; t0 )
(1.35)
R(t0 ; t0 ) = Id
Proposition 1.4 La résolvante possède les propriétés suivantes
a. R(t2 ; t0 ) = R(t2 ; t1 )R(t1 ; t0 ):
b. La solution du problème de Cauchy (1.34) est donnée par
Zt
x(t) = R(t; t0 )x0 + R(t; s)B(s)ds (1.36)
t0
Obtenue via la méthode de la variation de la constante.

c. Lorsque t0 = 0, on note plutôt M (t) = R(t; 0). La solution du problème de Cauchy (1.34) se
reformule de la façon suivante
Zt
x(t) = M (t)x0 + M (t) M (s) 1 B(s)ds: (1.37)
t0
1.5 Quelques notions d’analyse fonctionnelle
1.5.1 Espaces fonctionnels
Espace des fonctions intégrables
En analyse, les espaces Lp sont des espaces de fonction dont la puissance p-iéme est intégrable,
au sens de Lebesgue.
Dé…nition 1.6 Soit = ]a; b[ tel que ( 1 a<b +1) est un intérvalle borné ou non
borné de R. Pour 1 p 1.
On dé…nit l’espace Lp ( ) comme suit
1. Pour 1 p < 1; on a
8 9
< Z =
f 2 Lp ( ) () j f (x) jp dx < 1; f est mesurable :
: ;
0 1 p1
Z
k f kLp ( )=
@ j f (x) jp dxA ; est une norme sur Lp ( ) : Lp ( ) ; k : kLp ( ) est un
espace de Banach.
1.5. Quelques notions d’analyse fonctionnelle 23

2. Pour p = 2; alors
8 9
< Z =
f 2 L ( ) () f 2 (x) dx < 1; f mesurable à carré intégrable sur
2
:
: ;
L2 ( ) , h:,.iL2 ( ) , est un espace de Hilbert, où h:; :iL2 ( ) est le produit scalaire dé…ni par
Z
hf; giL2 ( ) = f (x) :g (x) dx; 8f; g 2 L2 ( ) :
3. Pour p = 1; alors f est dite essentiellement bornée sur ; s’il exite M > 0 tel que
k f kL1 ( ) = sup ess j f (x) j= inf fM 0; j f (x) j M p.p. sur g:

x2
L1 ( ) ; k : kL1 ( ) est un espace de Banach.
Espace des fonctions continues
Dé…nition 1.7 Soit un intervale de R et k 2 N: On dé…nit l’espace Ck ( ) comme suit

1. Pour k = 0; on a
C 0 ( ) = C ( ) = ff : ! R continueg :
2. Pour k 1, on dé…nit
Ck ( ) = f 2 Ck ( ) ; fn 2 C ( ) ;
1
\
C1 ( ) = Ck ( ) :
k 0
Muni de la norme
X
k X
k
k f kC k ( ) = k f (n) kC( ) = max j f (n) (t) j; k = 1; 2; :::
t2
n=1 n=1
1.5.2 Quelques théorèmes d’analyse fonctionnelle

Théorème 1.4 (Théorème de Banach-Steinhaus) [16] Soient X et Y deux espaces de Ba-
nach, soit A L (X; Y ) : Alors, on a
8x 2 X sup k Ai x k< 1 , sup k Ai k< 1: (1.38)

i2I i2I
Théorème 1.5 (Théorème du graphe fermé) [23] Soient X et Y deux espaces de Banach.
Soit T un opérateur linéaire de X dans Y . On suppose que le graphe de T; G(T ); est fermé dans
X Y: Alors T est continu.

1.5.3 Les opérateurs linéaires

Soit (X; k : k) est un espace de Banach.
Dé…nition 1.8 Un opérateur linéaire sur X est une application linéaire A dé…nie sur un sous-
espace vectoriel D (A) X est appelé le domaine de l’opérateur A.
On note un tel opérateur par (A; D(A)).
Dé…nition 1.9 On dit qu’un opérateur (A; D(A)) est borné si D(A) = X et A : X ! X est
continue.
Dé…nition 1.10
(i) Le graphe d’un opérateur linéaire (A; D (A)) est le sous-espace de X X donné par
G (A) = f(x; Ax) : x 2 D(A)g X X: (1.39)
(ii) On dit que (A; D(A)) est fermé si son graphe G (A) est un fermé de X X:
Proposition 1.5 Un opérateur (A; D(A)) est fermé, si et seulement si pour toute suite (xn )n>0
d’éléments de D(A) telle que
xn ! x 2 X et Axn ! y 2 X: (1.40)
Alors, on a
x 2 D(A) et Ax = y: (1.41)

Chapitre 2
Stabilité en dimension …ni
Ce chapitre est consacré à la stabilité des points d’équilibres des systèmes dynamiques régi
par des équations di¤érentielles en dimension …nie.
Premièrement, dans les sections 2.1 et 2.2, nous donnons une dé…nition intuitive du stabilité,
et après stabilité des systèmes en répresentation interne qui inclut une dé…nition topologique
(Stabilité au sens de Lyapunov). Et nous caractérisons les di¤érents types de stabilité pour les
systèmes linéaires, en sachant les signes des valeurs propres de la matrice de système, puis nous
citons le critère de Routh-Hurwitz qui peut nous aider à déterminer les signes des valeurs propres
sans les calculer.
Cependant, les systèmes qu’on rencontre dans la pratique ne sont pas linéaires, pour cela,
nous introduisons deux méthodes
- La méthode de linéarisation : qui permet de tirer des conclusion sur la stabilité locale du
système non-linéaire autour d’un point d’équilibre, à partir des propriétés de stabilité de
son approximation linéaire.
- La méthode direct de Lyapunov : c’est une méthode introduite au 19 ème siècle par
Lyapunov, elle permet de déterminer les propriétés de stabilité d’un système non linéaire
par des fonctions spéciales, et elle a une caractère non-locale. Jusqu’à l’instant il n’y a
pas de méthode générale donnée pour trouver ces fonctions pour un système non-linéaire.
Cependant nous donnons dans cette section des formes générales pour les systèmes linéaires.
Et nous citons une extension du méthode de Lyapunov aux systèmes dynamiques non
autonomes, et puis nous avons appliquer ce résultat au cas linéaire.
D’abord, la section 2.3 nous caractérisons l’aproche qu’est plus généralement faite par utilisation
de fonction de transfert, il est habituel dans le cas continu d’utiliser une transformée de
26
Chapitre 2. Stabilité en dimension …ni
Laplace et d’exprimer la relation d’entrée-sortie par une fonction de transfert.

Dans la dernière section 2.4, nous parlons en tour la stabilité et stabilisation en temps …ni qui
est considérons une cas particulière des systèmes en répresentation interne.
2.1 Dé…nition intuitive de la stabilité
Figure 2.1 - Illustration de la dé…nition intuitive

de la stabilite
(a) La bille revient toujours à son point d’équilibre quelque soit la perturbation envisagée (sta-
bilité asymptotique globale).
(b) La bille peut accepter de petites perturbations, mais une perturbation trop grande lui fait
quitter sa position d’équilibre (stabilité asymptotique locale).
(c) La bille lorsque elle est perturber ne reviendra pas à sa position d’équilibre, mais elle restera
par la suite dans un voisinage de ce point. Il y a stabilité mais non asymptotique.
(d) et (e) Correspondant à des équilibres instables.
2.2 Stabilité des systèmes en répresentation interne
2.2.1 Point d’équilibre d’un système

Dé…nition 2.1 (Trajectoire) Un trajectoire d’un système di¤érentiel est l’ensemble des posi-
tions prises par une solution. C’est une courbe dans le plan dont on a oublié la paramétrisation,
sauf l’orientation. C’est l’ensemble f8t > 0; (t; x (t0 ))g :
Dé…nition 2.2 (Point d’équilibre) S’il est possible que la trajectoire d’un système corres-
ponde, à partir d’un certain moment, uniquement à un point, un tel point est appelé point d’équi-
libre.
2.1. Dé…nition intuitive de la stabilité 27

Considérons le système dynamique continue

x_ (t) = f (x (t) ; t)
(2.1)
x(0) = x0 2 Rn
resp. le système discret
x_ (k + 1) = f (x (k) ; k)
(2.2)
x(0) = x0 2 Rn
où f fonction de Rn R ! Rn est telle que (2.1) (resp. (2.2)) admet au moins une solution.
Le vecteur x 2 Rn est dit point d’équilibre (resp. point …xe ) du système (2.1) (resp. (2.2))
si f (x ; t) = 0 pour tout t 0 (resp. f (x ; k) = x pour tout k 2 N).
Exemple 2.1 (Cas continue)
1. Considérons le système régi par l’équation

x(t)
x(t)
_ = 1 x(t) où > 0, c > 0:
c
Les points d’équilibre de ce système sont solutions de l’équation

x
1 x = 0;
c
ce qui donne deux points d’équilibres x = 0 et x = c:

2. Considérons le système lineaire régi par l’équation
x_ 1 (t) = x1 (t)
x_ 2 (t) = 2x2 (t)
si l’on pose
x(t) = (x1 (t); x2 (t)) ;
et
f (x(t)) = (f1 (x (t)) ; f2 (x (t))) = (x1 (t) ; 2x2 (t)) ;
admet une seule point équilibre est x = (0; 0):

3. Considérons le système lineaire régi par l’équation
x_ 1 (t) = x1 (t) + 2x2 (t)
x_ 2 (t) = 3x1 (t) + x2 (t)
si l’on pose
x(t) = (x1 (t); x2 (t)) ;
2.2. Stabilité des systèmes en répresentation interne 28

et
f (x(t)) = (f1 (x (t)) ; f2 (x (t))) = ( x1 (t) + 2x2 (t) ; 3x1 (t) + x2 (t)) ;
alors, le système s’écrit de manière
x_ (t) = f (x (t)) :
Les points d’équilibre sont solutions du système
f1 (x (t)) = 0
f2 (x (t)) = 0
la solution est x = (0; 0):

4. On considère le système non linéaire autonome en dimension 2
x_ 1 (t) = x2 (t) ex2 (t)

x_ 2 (t) = 1 x21 (t)
si l’on pose
x(t) = (x1 (t); x2 (t)) ;
et
f (x(t)) = (f1 (x (t)) ; f2 (x (t))) = x2 (t) ex2 (t) ; 1 x21 (t) ;
x_ (t) = f (x (t)) :
f1 (x (t)) = 0
f2 (x (t)) = 0
les solutions sont x = (1; 0) et x = ( 1; 0) :

5. On considère le système proie-prédateur avec correction logistique en dimension 2
x_ 1 (t) = (1 x2 (t) x1 (t))x1 (t)

x_ 2 (t) = (1 x1 (t) + x2 (t))x2 (t)
avec 0 < < 1 et > 0: Si l’on pose
x(t) = (x1 (t); x2 (t)) ;

et
f (x(t)) = (f1 (x (t)) ; f2 (x (t))) = ((1 x2 (t) x1 (t))x1 (t) ; (1 x1 (t) + x2 (t))x2 (t)) ;
x_ (t) = f (x (t)) :

f1 (x (t)) = 0
f2 (x (t)) = 0
1 1+ 1
les solutions sont x = (0; 0), x = ; 0 et x = 1+
; 1+ :
Exemple 2.2 (Cas discret)
1. Considérons le système discret suivant
xk+1 (t) = xk (t) (1 xk (t)) :
Les points d’équilibre de ce système sont solutions de l’équation
x (1 x )=x ;
ce qui donne deux points …xes

1
x = 0 et x = 1 :
2. Considérons le système discret suivant
x1 (k + 1) = x1 (k) + x2 (k)2
x2 (k + 1) = x1 (k) + x2 (k)
Un point …xe est un vecteur

x = (x1 ; x2 ) ;
solution du système
x 1 = x 1 + x 22
x2 = x1 + x 2
ce qui donne deux points d’équilibres
x = (0; 0) et x = (1 ) (1 )2 ; (1 ) (1 ) :

2.2.2 Stabilité globale et stabilité locale

Si on compare les comportements possibles dans le cas des systèmes linéaires et non linéaires,
on s’aperçoit que les comportements dynamiques des systèmes non linéaires sont beaucoup plus
compliqués, avec un éventail beaucoup plus grand. Par exemple, parler de la stabilité de l’équilibre
ou de la stabilité du système revient au même dans le cas linéaire, puisque l’on peut confondre
la stabilité locale et la stabilité globale. Par contre, dans le cas d’un système non linéaire l’étude
de la stabilité d’un point d’équilibre sous la forme la plus complète consiste non seulement à
déterminer la nature du point d’équilibre ou sa stabilité asymptotique mais aussi à déterminer le
domaine d’attraction, c.à.d. l’ensemble des conditions initiales dont les solutions convergent vers
l’équilibre. Ainsi, on parle de la stabilité ou de l’instabilité locale ou globale, la stabilité locale
signi…ant la convergence des solutions avec des conditions initiales proches tandis que l’instabilité
globale signi…e la divergence de solutions en dehors de toute limite.
2.2.3 Stabilité des systèmes autonomes

Lors de l’analyse d’un système, l’étude de la stabilité revêt une importance primordiale, et
bien que cette notion soit assez usuelle, elle peut avoir plusieurs interprétations selon l’application
envisagée, ce qui conduit à des dé…nitions appropriées mais en général liées au système considéré.
Considérons le système continu
x(t)
_ = f (x(t))
(2.3)
x(0) = x0 2 Rn
où f fonction de Rn ! Rn est telle que (2.3) admet au moins une solution.
Dé…nition 2.3 Soit x un point d’équilibre du système (2.3)

1. L’équilibre x est dite stable si pour tout " > 0, il existe > 0 tel que
k x0 x k )k x(t) x k "; pour tout t > 0: (2.4)
2. L’équilibre x est dite asymptotiquement stable s’il est stable et s’il existe > 0 tel que
k x0 x k ) lim k x(t) x k= 0: (2.5)

t!+1
3. L’équilibre x est dite marginalement stable (m.s) s’il est stable mais non (a.s).
4. L’équilibre x est dite exponentiellemnt stable s’il existe deux constantes strictement positives
et telles que
t
(9 > 0) ; k x0 x k )k x(t) x k e k x0 x k; pour tout t > 0: (2.6)

5. L’équilibre x est dite globalement asymptotiquement stable (g.a.s) s’il est asymptotiquement
stable pour tout x0 2 Rn :
6. L’équilibre x est dite globalement exponentiellemnt stable (g.e.s) s’il existe deux constantes
strictement positives et tel que pour tout x0 , on a
t
k x(t) x k e k x0 x k; pour tout t > 0: (2.7)
Figure 2.2 - Stabilité, stabilité asymptotique et

instabilité.
Exemple 2.3 L’équation de croissance d’une population
x(t)
x_ (t) = a 1 x(t)
c
où a > 0 et c > 0 à deux points d’équilibre x = 0 et x = c. En cherche la solution x(t) et

en applique la défnition, le point x = 0 est instable et x = c est asymptotiquement stable.
Remarque 2.1 Les défnitions formulées ci-dessus (1,2,3,4) caractérisent le comportement local
du système, c.à.d. l’évolution de l’état lorsqu’il est perturbé de son point d’équilibre. Le concept
de la stabilité globale est donné par les formulées (5,6).
Exemple 2.4 Considérons le système
x_ (t) = x(t) + x2 (t)

x(0) = x0 2 Rn

La solution de cette équation est
x0 e t
x(t) = ;
1 x0 e t
le système a deux points d’équilibre x = 0 et x = 1. Le point 1 est instable et 0 est (a.s)
mais non globalement asymptotiquement stable.
Remarque 2.2 Pour les systèmes linéaires autonomes, la stabilité asymptotique est toujours
globale et exponentielle.
Stabilité des solutions
Considérons le cas général d’un système d’équations di¤érentielles autonomes (2.3).

Notons que le problème (2.3) est un problème aux valeurs initiales, la solution qui passe par
x0 au temps t0 s’écrit donc x(t; x0 ; t0 ) avec x(t0 ; x0 ; t0 ) = x0 , cette solution étant déterministe à
cause des théorèmes d’existence et d’unicité. L’équation (2.3) modélise un très grand nombre de
phénomènes dans des domaines très variés. Physiquement parlant, une solution est dite stable
si déplacée de sa position d’équilibre, elle tend à y revenir. En revanche, elle est dite instable si
elle tend à s’en écarter davantage. Cette dé…nition qui est claire, qui est claire pour la majotrité
des systèmes physiques, apparaît grossière d’un point de vue mathématique et pose une question
importante : comment juger les solutions qui sont à la limite de la stabilité ? Pour répondre
à cette question, nous allons introduire la dé…nition exacte de la stabilité selon Lyapunov, en
considérant que x~0 est une perturbation de x0 , x (t; x~0 ) étant par conséquent la solution perturbée.
2.2.4 Stabilité des systèmes linéaires

Les systèmes linéaires continus régis par l’équation
x_ (t) = Ax(t)
(2.8)
x(0) = x0 2 Rn
où A 2 Mn (Rn ) :
Rappelons que d’après le chapitre préliminaire, nous avons que la solution de (2.8) est donné
par t ! eAt x0 :
Dé…nition 2.4 Le système (2.8) est dit stable si l’origine est stable et il est dit asymptotiquement
stable si l’origine est asymptotiquement stable. Dans ce cas, la matrice A est dite stable ou

Remarque 2.3 Si le système (2.8) est stable, alors tout solution de (2.8) est bornée.
La stabilité des systèmes linéaires continus est caractérisée par le résultat suivant
Proposition 2.1 (Caractérisation du stabilité des systèmes linéaires) Le système (2.8)

est stable si et seulement si
1. < ( ) 0 pour toute valeur propre de A.

2. S’il existe une valeur propre de multiplicité k telle que < ( ) = 0; alors dim E = k; où E
est le sous espace propre associé à :
Pour le cas continu, la démonstration se base essentiellement sur la décomposition de la

matrice du système sous forme de Jordan.
x_ 1 (t) = x1 (t) x2 (t)

x_ 2 (t) = 2x1 (t) 2x2 (t)
Les valeurs propres de A, 1 = 0 et 2 = 1, sont simples, d’où le système est stable.
x_ 1 (t) = x2 (t)
(2.9)
x_ 2 (t) = 0
La seule valeur propre de A est 0 de multiplicité 2 et dimE0 = 1, donc le système est instable.
La stabilité asymptotique est caractérisé par le résultat suivant.
Proposition 2.2 (Caractérisation du stabilité asymptotique) Le système (2.8) est asymp-

totiquement stable si et seulement si < ( ) < 0 pour toute valeur propre de A.
Corollaire 2.1 Le système (2.8) est exponentiellement stable si et seulement si il est asympto-
tiquement stable.

Critère de Routh-Hurwitz
La stabilité d’un système linéaire autonome est liée à la nature des valeurs propres de la
matrice A et qui sont solutions d’une équation de la forme
n n 1
+ a1 + ::: + an = 0: (2.10)
Posons 0 1
a1 a3 a5 ::: 0
B C
B 1 a2 a4 ::: 0 C
B C
B ::: 0 C
RH = B 0 a1 a3 C (2.11)
B C
B : : : : C
@ : : : : A
0 0 0 ::: an
La matrice RH s’appelle la matrice de Routh-Hurwitz.
Routh-Hurwitz donnent le résultat suivant
Théorème 2.1 [20] Toutes les racines de ( 2.10) aient une partie réelle strictement négative si et
seulement si les mineurs diagonaux k, avec k = 1; :::; n de la matrice (2.11 ) soient strictement
positifs. Avec
a1 a3 a5 ::: :
1 a2 a4 ::: :
k = (2.12)
0 a1 a3 ::: :
0 0 0 ::: ak
pour k = 1; :::; n, les coe¢ cients à indices supérieurs à n ou inférieurs à 0 sont remplacés par
0 avec la convention a0 = 1.
Exemple 2.7 Soit le polynôme
P (x) = x5 + x4 + 7x3 + 4x2 + 10x + 3; (2.13)
donc, a0 = 1; a1 = 1; a2 = 7; a3 = 4; a4 = 10; a5 = 3:

On a
1 = 1>0
1 4
2 = =3>0
1 7
1 4 3
3 = 1 7 10 =5>0
0 1 4
1 4 3 0
1 7 10 0
4 = =8>0
0 1 4 3
0 1 7 10
De même 5 = 3 et 6 = 24 > 0.
Donc, toutes les valeurs propres de (2.13 ) sont à partie réelle strictement négative.
2.2.5 Stabilité des systèmes non linéaires

Dans la première partie on a caractériser la stabilité des systèmes linéaires, mais en réalité la
majorité des systèmes obtenu par modélisation sont non linéaires.
La stabilité par la linéarisation
Le but de cette partie et de faire un liaison entre la stabilité des systèmes linéaires et qui le
ne sont pas. Soit x un point d’équilibre de (2.3)
x(t)
_ = f (x(t))
x(0) = x0 2 Rn
Supposons que la fonction f est de classe C 2 , nous allons montrer dans les deux théorèmes
suivants que l’étude des valeurs propres de la matrice Df (x ) permet généralement de trouver
une condition su¢ sante du stabilité asymptotique de l’équilibre.
Soit x(t) une solution de (2.3). Posons
y(t) = x(t) x;
alors, on a
y(t)
_ = f (x + y(t)) :

La formule de développement limité au voisinage de x s’écrit
_ = f (x ) + Df (x ) :y(t) + o (k y k) :
y(t)
Puisque x est un point d’équilibre, on obtient
y(t)
_ = Df (x ) :y(t) + g(y);
avec
g(y) = o (k y k) :
Dé…nition 2.5 On appelle équation variationnelle ou équation linéarisée autour de x , l’équa-

tion linéaire
y(t)
_ = Ay(t); (2.14)
avec
A = Df (x )
Nous énonçons par la suite un théorème qui donne une condition su¢ sante de la stabilité
asymptotique.
Théorème 2.2 (Condition su¢ sante de la stabilité asymptotique) [20] Si toutes les va-
leurs propres de A sont de partie réelle strictement négative, alors x est un équilibre asymptoti-
quement stable.
S’il existe une valeur propre de A de partie réelle strictement positive, alors x est un équilibre
instable.

8
>
>
< x_ (t) = 2y (z 1)
y_ (t) = x (z 1) (2.15)
>
>
: z_ (t) = z3
On a le point (0; 0; 0) est le seul équilibre du système (2.15), et que
0 1
0 2 0
B C
Df (0; 0; 0) = @ 1 0 0 C
B
A
0 0 0
qui admet trois valeurs propres à partie réel nulle, donc on ne peut rien conclure. Mais grâce
au théorème de Lyponov qu’on va énoncer par la suite nous pouvons montrer que l’équilibre
(0; 0; 0) est asymptotiquement stable et mieux que ça, il est globalement asymptotiquement stable.

La stabilité par le théorème de Lyapunov
On a vu dans la partie précédente que la méthode de linéarisation parfois ne su¢ t pas, dans
cette partie nous introduisons la stabilité d’un système à l’aide d’une fonction convenablement
choisie, appelée fonction de Lyapunov. Cette méthode, dite directe est utile pour les systèmes
non linéaires et elle a l’avantage d’être applicable dans des situations non standards, mais le
problème qu’il n’y a pas de méthode générale pour trouver ces fonctions.
Dé…nition 2.6 Une fonction V dé…nie sur une région qui contient x est une fonction de
Lyapunov pour le système (2.3) et le point d’équilibre x si
1. V est continue et ses dérivées partielles sont continues.

2. V admet un minimum unique en x sur :
3. La fonction V_ (x) = rV (x)f (x) satisfait V_ (x) 0 sur :
Si x(t) est la trajectoire de (2.3) alors V (x(t)) représente la valeur de V le long de la trajec-
toire. A…n que V soit décroissante le long de la trajectoire, on doit avoir rV (x(t)) 0.
@V @V @V
V_ (x (t)) = x_ 1 (t) + x_ 2 (t) + ::: + x_ n (t) (2.16)
@x1 @x2 @xn
utilisant (2.3), on obtient
@V @V @V
V_ (x (t)) = f1 (t) + f2 (t) + ::: + fn (t) = rV (x (t))f (x (t)) (2.17)
@x1 @x2 @xn
avec f = (f1 ; f2 ; :::; fn ), x(t) = (x1 ; x2 ; :::; xn )tr et fi : Rn ! R:
Théorème 2.3 (Théorème de stabilité de Lyapunov) [20] Soit x un point d’équilibre de

système (2.3), V une fonction continue dé…nie sur un voisinage de x à valeurs dans Rn
di¤érentiable sur n fx g tels que
1. V (x ) = 0:
2. V (x) > 0 si x 6= x :
3. V_ (x) 0 sur n fx g. Alors, l’équilibre x est stable. Si de plus V_ (x) < 0 sur n fx g,
alors x est asymptotiquement stable.
Preuve Pour toute condition initiale x0 dans B (x ; "), V est décroissante le long de la
trajectoire. Donc, V (x (t)) V (x0 ) pour tout t 0, ou encore x(t) 2 B (x ; ") :

Si maintenant, V_ (x) < 0 en tout point de B (x ; ") sauf x : Alors, V (x (t)) est positive et
décroît, donc converge.
Soit
lim V (x (t)) = l; alors lim V_ (x(t)) = 0:
t!+1 t!+1
Sinon, il existe une constante a > 0 telle que 0 < a V_ (x(t)); on a
Zt
V (x (t)) V (x (0)) = V_ (x (s))ds ta;
0
et par conséquent
V (x ) V (x (t)) V (x (0)) ta;
ce qui est contradictoire lorsque t ! +1: Et par suite
lim V_ (x (t)) = 0:
t!+1
Ou V_ (x) < 0 pour tout x 2 B (x ; ") sauf x ; par conséquent
lim V (x (t)) = V (x )
t!+1
On conclut donc que lim x (t) = x pour tout t 0:

t!+1
Remarque 2.4 Dans le cas d’asymptotique stabilité, si de plus la fonction V dé…nie sur Rn ,
véri…e
V (x) ! +1 lorsque k x k! +1; (2.18)
alors, x est globalement asymptotiquement stable. En e¤et, la preuve est identique au cas
local, en considérant le fait que la fonction V est non bornée et que V_ < 0 sauf en x , on conclut
que pour une condition initiale donnée x0 , la trajectoire reste dans une région bornée dé…nie par
V (x) V (x0 ) :
Exemple 2.9 Soit le système régi par l’équation suivante
x• + a x2 1 x_ + x = 0; a < 0:
Ce système peut s’écrire sous la forme

( 3
x(t)
_ = y a( x3 x)
y(t)
_ = x

Le seul point d’équilibre de ce système est E(0; 0): On pose

1 2
V (x; y) = x + y2 ;
2
alors, on a
x3
V_ (x; y) = y y_ + xx_ = ax2 1 ;
3
et posons
= (x; y) 2 R2 =x2 + y 2 < 3 :
On a est un ouvert contient E, de plus V (E) = 0, et
V (x) > 0; 8x 2 fEg ;
et que
V_ < 0 sur fEg ;
On conclut donc, que le point d’équilibre E = (0; 0) est localement asymptotiquement stable.
Exemple 2.10 Reconsidérons le système (2.15), on pose
V (x; y; z) = x2 + 2y 2 + z 2 sur R3 ;
on a
V_ = 2z 4 < 0; 8 (x; y; z) 2 R3 f(0; 0; 0)g ;
et puisque de plus
V (x) ! +1 lorsque k x k! +1;
alors, (0; 0; 0) est globalement asymptotiquement stable.
x_ 1 = x2 x1 (x21 + x22 )
x_ 2 = x1 x2 (x21 + x22 )
L’origine est un point d’équilibre de ce système.
Soit la fonction V dé…nie par
V (x) = x21 + x22 ;
La dérivée de V le long de la trajectoire est
V_ (x) = 2x1 x_ 1 + 2x2 x_ 2 = 2 x21 + x22 :
On conclut donc que l’origine est (g.a.s).

Application du théorème de Lyaponov aux systèmes linéaires
Soit le système linéaire continu (2.8).
Proposition 2.3 Si le système (2.8) asymptotiquement stable c.à.d. (<( ) < 0 pour tout
valeur propre de A ). Alors, pour toute matrice Q dé…nie positive, il existe une unique matrice
P dé…nie positive solution de l’équation de Lyapunov.
Atr P + P A + Q = 0 (2.19)
Preuve Soit
Z1
tr
P = eA t QeAt dt
0
1. Montrons que P est bien dé…nie.

On a A est asymptotiquement stable, alors il existe deux constantes strictement positives M et
> 0 telles que
tr t
k eAt k=k eA k Me t
;
donc
Z1
M2
k P k k Q k M 2e 2 t
dt kQk :
2
0
2. Montrons que la matrice P est dé…nie positive.

Si x 2 Rn f0g
Z1 D E
Atr t At
hP x; xi = e Qe x; x dt
0
Z1
= QeAt x; eAt x dt > 0 (car Q est de…nie positive).
0
3. On a
Z1
tr tr
Atr P + P A = Atr eA t QeAt + eA t QeAt A dt
0
ou les deux matrices A et Atr commutent, donc

Z1
tr d Atr t At
A P + PA = e Qe dt = Q:
dt
0

4. Montrons l’unicité de la solution.

Soit R une matrice dé…nie positive solution de l’équation (2.19), alors
d Atr t At tr tr
e Re = Atr eA t ReAt + eA t RAeAt
dt
tr t
= eA Atr R + RA eAt
tr
= eA t QeAt ;
On intègre les deux termes de l’égalité, nous obtenons

Z1
tr
R= eA t QeAt dt;
0
c.à.d.
P = R:
La réciproque de ce résultat est donnée par la proposition suivante.
Proposition 2.4 S’il existe une matrice Q dé…nie positive telle que l’équation (2.19) admet une
solution dé…nie positive. Alors, le système linéaire associé (2.8) est asymptotiquement stable.
Preuve Soit P solution de (2.19) considérons la fonction V dé…nie par
V (x) = hP x; xi ; x 2 Rn :
On a
d
V (x(t)) = hP x_ (t) ; x(t)i + hP x (t) ; x(t)i
_
dt
= hP Ax(t); x(t)i + hP x(t); Ax(t)i
= hP Ax(t); x(t)i + Atr P x(t); x(t)
= P A + Atr P x(t); x(t)
= hQx(t); x(t)i < 0, 8t tel que x(t) 6= 0:
Donc d’après le théorème de Lyapunov, le système (2.8) est asymptotiquement stable.
Corollaire 2.2 Le système linéaire (2.8) est asymptotiquement stable si et seulement si pour
toute matrice Q dé…nie positive, il existe une unique matrice P dé…nie positive solution de l’équa-
tion de Lyapunov (2.19).

Remarque 2.5 Le choix de la matrice dé…nie positive Q est arbitraire par conséquent, un choix
simple de Q sera la matrice identité.
Exemple 2.12 Considérons le système linéaire (2.8), avec

!
0 1
A=
1 1
Posons !
1 0
Q=I=
0 1
l’équation de Lyapunov (2.19) admet une solution P dé…nie positive. En e¤et, posons
" #
p11 p12
P = ;
p21 p22
l’équation de Lyapunov sera de la forme
Atr P + P A = I
ce qui donne que !

3 1
2 2
P = 1
2
1
On prend Q = I et on pose " #
p11 p12
P = ;
p21 p22
P étant symétrique, donc p12 = p21 et l’équation de Lyapunov donne p11 = 54 ; p12 = p22 = 41 .
Par conséquent, le système linéaire de matrice A est asymptotiquement stable.
La stabilité par le principe d’invariance de Lasalle
Il arrive souvent qu’on trouve des fonctions de Lyapunov telle que V_ ne soit pas strictement
négative, ce qui n’est permet pas de conclure la stabilité asymptotique du point d’équilibre étudié,
nous énonçons dans cette section une autre extension du théorème de Lyapunov qui peut permet
de conclure.
Notons par x la solution du (2.3) partant de x0 2 Rn :
Dé…nition 2.7

a. On appelle orbite de x0 l’ensemble dé…nie par
O (x0 ) = fx(t); t 0g : (2.20)
b. On dit qu’un point z 2 Rn est un point limite de x s’il existe une suite ( i )i avec i ! +1
telle que x ( i ) ! z.
L’ensemble des points limites de x est appelé ensemble limite de x noté L.
c. Un sous ensemble M de Rn est dit invariant par rapport au système (2.3) si la solution partant
de M , alors x(t) 2 M , 8t 0.
Lemme 2.1 Si une solution x de (2.3) est bornée alors l’ensemble L est un ensemble non vide,
compact et invariant. De plus, on a
lim dL (x (t)) = 0:
t!1
Preuve L’ensemble L est non vide car x est bornée. Maintenant, on montre que L est
borné. Soit y 2 L; alors il existe (ti )i tels que ti ! +1 lorsque i ! +1 et x (ti ; x0 ) ! y lorsque
i ! +1, puisque
k x (ti ; x0 ) k< +1; 8i 2 N:
Donc
k y k< +1;
d’où L est borné. Puis, on montre que L est fermé. Soit (yi )i 1 une suite dans L tel que
yi ! y, montrons que y 2 L.
On a pour chaque i il existe une suite (ti;j )j 1 , telles que
ti;j ! +1 et x (ti;j ; x0 ) ! yi lorsque j ! +1:
Soit la suite ( j )j telle que
1
j > t1;j et k x ( j ; x0 ) yj k ; 8j 1:
i
Alors
k x ( j ; x0 ) y k k x ( j ; x0 ) yj k + k yj y k;
d’où
x ( j ; x0 ) ! y quand j ! +1:

Ainsi, L est un fermé borné dans un espace de dimension …nie c.à.d. L compact.
Maintenant, on montre que L est invariant. Soit y 2 L, montrons que x(t; y) 2 L, 8t 0.
Puisque y 2 L, alors on a l’existence d’une suite (ti )i 1 et un x0 2 Rn tels que ti ! +1 lorsque
i ! +1 et x (ti ; x0 ) ! y lorsque i ! +1 par l’unicité de la solution, on a
x (t + ti ; x0 ) = x (t; x (ti ; x0 )) ; 8t 0:
Et par continuité
lim x (t + ti ; x0 ) = lim x (t; x (ti ; x0 )) = x (t; x) ; 8t 0:

i!+1 i!+1
D’où
x (t; y) 2 L; 8t 0:
C.à.d. L est invariant.
Théorème 2.4 (Théorème de stabilité par l’invariance de Lassale) [23] Soient D un ou-
vert de Rn , et U un sous ensemble de D positivement invariant du système (2.3) et compact.
Soit V 2 C 1 (D; R) telle que V_ (x) 0 sur U . Et soit M Rn le plus grand sous ensemble
invariant de E, avec n o
E := x 2 U=V_ (x) = 0 ; (2.21)
alors
lim dM (x (t; x0 )) = 0; (2.22)
t!1
c.à.d. toute solution commençant dans U converge vers M quand t ! +1:
Preuve Soit x une solution de (2.3) commençant dans U , on a V_ (x) 0 sur U . Alors,
V (x) est une fonction décroissante, de plus V (x) est continue sur le compact U . Alors, V (x) est
minorée sur U .
Donc, il existe a 2 R tel que V (x) ! a quand t ! +1.
Notons que l’ensemble limite L est inclus dans U (car U est un ensemble fermé dans Rn ).
D’autre part, on a pour chaque p 2 L, il existe une suite (tn )n 1 avec tn ! +1 et x (tn ) ! p
quand n ! +1.
Par la continuité de V , on a
V (p) = lim V (x (tn )) = a;

n!1
alors
V (x) = a; sur L;

où d’après le lemme précédent L est ensemble invariant, et
V_ (x) = 0, sur L;
ainsi
L M E:
Puisque x est bornée, alors d’après le lemme précédent
lim dL (x(t)) = 0;
t!1
alors
lim dM (x(t)) = 0:
t!1
Corollaire 2.3 Le point d’équilibre x de (2.3) est asymptotiquement stable s’il existe U un
ouvert contient x , et une fonction V 2 C 1 (U; R) telle que
1. V (x ) = 0 et V (x) > 0 si x 6= x0 sur U:

2. V_ (x) 0 sur U:
n o
3. L’ensemble E = x 2 U=V_ (x) = 0 = fx g :
2.2.6 Stabilité des systèmes non autonomes

Considérons le système dynamique non autonome continu suivant
x(t)
_ = f (x(t); t)
(2.23)
x(t0 ) = x0 2 Rn
où f fonction de Rn R+ ! Rn est telle que (2.23) admet au moins une solution.
Dé…nition 2.8 Le vecteur x 2 Rn est dit point d’équilibre du système (2.23) si f (x ; t) = 0

pour tout t 0.
Dé…nition 2.9 Un point d’équilibre x du système (2.23) est dit stable si pour tous t0 0,
R > 0 il existe r = r(R; t0 ) > 0 tel que
k x(t0 ) x k< r )k x(t) x k< R; pour tout t t0 : (2.24)
Dans le cas contraire le point d’équilibre x est dit instable.

Dé…nition 2.10 Un point d’équilibre x du système (2.23) est dit uniformément stable (u.s), si
pour tout R > 0, il existe r = r(R) > 0 indépendant de t0 . Tel que, pour tout t0
k x(t0 ) x k< r )k x(t) x k< R; pour tout t t0 : (2.25)
Dé…nition 2.11
1. Un d’équilibre x du système (2.23) est dit asymptotiquement stable (a.s) , s’il est stable, et
pour tout t0 , il existe r(t0 ) > 0, tel que si
k x(t0 ) x k< r (t0 ) (2.26)
alors
k x(t0 ) x k! 0; quand t ! 1: (2.27)
2. Un d’équilibre x du système (2.23) est globalement asymptotiquement stable (g.a.s), si pour

tout t0 et x(t0 ). Alors
lim x(t) = x : (2.28)
t!1
3. Un d’équilibre x du système (2.23) est dit exponentiellement stable (e.s) s’il existe et
positif tels que pour x(t0 ) proche de x , on a
(t t0 )
k x(t) x k k x(t0 ) x ke ; pour tout t t0 : (2.29)
4. Un d’équilibre x du système (2.23) est dit globalement exponentiellement stable (g.e.s) s’il
existe et positif tels que pour x(t0 )
(t t0 )
k x(t) x k k x(t0 ) x ke ; pour tout t t0 : (2.30)
x_ (t) = a(t)x(t):
La solution est
Zt
x(t) = x(t0 ) exp( a(r)dr);
t0
on conclut que
1. Le système est stable si a(t) 0 pour tout t t0 .

2. Le système est (a.s) si

Z1
a(r)dr = 1:
0
3. Le système est (e.s) s’ils existent T > 0, M > 0 tels que pour tout t 0, on a
Z
T +1
a(r)dr M;
T
où M > 0.
Cas particuliers
1
- Si a(t) = (1+t)2
; alors le système est stable mais non (a.s).
1
- Si a(t) = 1+t
; alors le système est (a.s) et non (e.s).
- Si a(t) = t; alors le système est (e.s).
x_ (t) = t(x(t) 1):
La solution est donnée par

t2
x(t) 1= e 2
;
et le point d’équilibre 1 est (e.s).
Stabilité des systèmes non autonomes par les fonctions de Lyapunov
Dé…nition 2.12 (Fonction de classe K) Une fonction continue : R+ ! R+ est dite de

classe K si elle satisfait
a. (0) = 0:
b. (x) > 0 pour tout x > 0.
c. est croissante.
Théorème 2.5 [20] Supposons qu’il existe une fonction scalaire V (x; t) dé…nie sur un voisinage
d’un point d’équilibre x du système (2.23) continue, de dérivées partielles premières continues
et une fonction de classe K telles que

1. Pour tout x 6= x ; on a
W (x; t) = V (x; t) V (x ; t) kx x k , 8t 0: (2.31)
_ (x; t)
2. W 0, 8t 0: Alors, le point d’équilibre est stable.
3. Si de plus, il existe dans K telle que
W (x; t) (k x x k) : (2.32)
Alors, x est uniformément stable.

Si la condition (2.) est remplacée par
_ (x; t)
W (k x x k) ; (2.33)
où est de classe K, alors x est asymptotiquement stable.
Preuve Soient R > 0, t0 0 d’après (1.) et (2.), on montre que le point d’équilibre x est
stable. Alors, on a
k x (t) x k W (x (t) ; t) W (x (t0 ) ; t0 ); pour tout t t0 : (2.34)
Où W est continue par rapport à x et W (x ; t0 ) = 0, donc il existe r dépend de t0 tel que
k x (t0 ) x k< r ) W (x (t0 ) ; t0 ) < (R); (2.35)
Cela veut dire que si

k x (t0 ) x k< r; (2.36)
alors
k x (t) x k< (R): (2.37)
Par conséquent
k x (t) x k< R; pour tout t t0 : (2.38)
Donc, par dé…nition l’équilibre est stable. Maintenant, on montre que le point d’équilibre x
est uniformément stable. Alors, d’après (2.31) et (2.32), on a
k x (t) x k W (x; t) (k x (t) x k) ; (2.39)
soit R > 0, puisque et sont de classe K. Alors, d’après le théorème des valeurs intermé-
diaire il existe r(R) > 0 tel que (r) < (R), et soit t0 telle que d’après (2.36), on a
(R) > (r) W (x (t0 ) ; t0 ) W (x (t) ; t) k x (t) x k; (2.40)

d’où
k x (t) x k< R; pour tout t t0 : (2.41)
Où le choix de r est indépendant de t0 , donc par dé…nition le point d’équilibre est uniformé-
ment stable.
Puis, on montre que le point d’équilibre x est asymptotiquement stable. Supposons que x(t)
ne converge pas vers x quand t ! +1, alors
9a > 0; telque _ (x (t) ; t)

W a: (2.42)
En e¤et, x(t) ne converge pas vers x quand t ! 1, implique qu’il existe un " > 0, telque
pour tout t 0, on a
k x (t) x k "; (2.43)
donc
(k x (t) x k) (") ; pour tout t 0; (2.44)
on prend a = (") et on utilise (2.33), alors

Zt
W (x (t) ; t) W (x (t0 ) ; t0 ) = _ (x (s) ; s)ds
W (t t0 ) a: (2.45)
t0
Par conséquent
0 W (x (t) ; t) W (x (t0 ) ; t0 ) (t t0 ) a; (2.46)
contradiction lorsque t est assez grand, d’où x est asymptotiquement stable.
Exemple 2.15 Considérons le système dé…ni par
x_ 1 (t) = x1 (t) e t x2 (t)

x_ 2 (t) = x1 (t) x2 (t)
Pour montrer la stabilité du point d’équilibre (0; 0), considérons la fonction scalaire suivante
V (x; t) = x21 + 1 + e t
x22 ; avec x = (x1 ; x2 ) :
Pour tout t, on a
V (x; t) x21 + x22 = (k x k) > 0; pour tout x 6= 0
où (x) = x2 est de classe K. D’autre part, on a
V (x; t) x21 + 2x22 2 x21 + x22 = (k x k) :

où (x) = 2x2 est de classe K. De plus
V_ (x; t) = 2x1 x_ 1 + 2x2 x_ 2 1 + e t

e t x22
= 2x1 x1 e t x2 + 2x2 (x1 x2 ) 1 + e t
e t x22
= 2x21 2x1 x2 e t
+2 1+e t
x1 x2 2+e t
x22
= 2x21 2x1 x2 2x22 e t x22
= (x1 x2 )2 x21 x22 e t x22 ;
donc
V_ (x; t) (x1 x2 )2 x21 x22 (k x k) = x21 x22 et 2 K;
Par conséquent 0 est asymptotiquement stable.
Stabilité des systèmes linéaires non autonomes
Rappelons qu’une condition nécessaire et su¢ sante pour qu’un système linéaire autonome
soit asymptotiquement stable est que toutes les valeurs propres de la matrice du système aient
leur partie réelle strictement négative. Cependant ce résultat n’est pas vrai pour les systèmes
linéaires non autonomes qui sont régi par l’équation
x(t)
_ = A(t)x(t)
(2.47)
x(0) = x0
Exemple 2.16 (Contre exemple) Considérons le système
(
x_ 1 (t) = x1 (t) + e2t x2 (t)
x_ 2 (t) = x2 (t)
la matrice A(t) associe à ce système est
!
1 e2t
A(t) =
0 1
Il est clair que ( 1) est une valeur propre double de cette matrice, cependant la solution de
ce système est (
x1 (t) = e t x1 (0) + 12 (et e t )x2 (0)
x2 (t) = e t x2 (0)
où
lim x1 (t) = 1, pour tout x2 (0) 6= 0;
t!1
d’où le système est instable.

Théorème 2.6 [20] Supposons qu’il existe > 0 tel que pour tout t 0 et pour toute valeur
tr
propre de A(t) + A(t) , on a . Alors, le système (2.47) est asymptotiquement stable.
Preuve Soit la fonction

V (x(t)) = xtr x:
On a, pour tout x 6= 0
V (x) > 0;
et que
V_ = xtr x_ + x_ tr x
= xtr A(t)x + xtr A(t)tr x
= xtr A(t) + A(t)tr x:
Par conséquent
V_ xtr x = V:
Donc, pour tout t 0 on a
0 xtr (t)x(t) = V (x(t)) V (x(0))e t

;
et par conséquent l’origine est asymptotiquement stable.

Notons que cette condition est su¢ sante mais non nécessaire.
Exemple 2.17 Considérons le système linéaire non autonome suivant

( t
x_ 1 (t) = x1 (t) + e 2 x2 (t)
x_ 2 (t) = x2 (t)
On a !
t
2 e2
A(t) + A(t)tr = t
e2 2
t t
La valeur propre de A(t) + A(t)tr sont 2 + e2 , 2 e 2 . La condition du théorème n’est
pas véri…ée.
Cependant la solution du système est donnée par
( t
x1 (t) = e t x1 (0) + 2(e 2 e t )x2 (0)
x2 (t) = e t x2 (0)
on a
lim x1 (t) = lim x2 (t) = 0:
t!1 t!1
Alors, le système est asymptotiquement stable.

Caractérisation de stabilité des systèmes linéaires non autonomes L’analyse de la stabilité

du systèmes linéaires non autonomes (2.47) peut complément être caractérisée en termes de la
résolvante du système.
Rappelons que la solution de (2.47) est
x(t) = R(t; t0 )x (t0 ) :
Théorème 2.7 [23] L’origine du système (2.47) est (globalement ) exponentiellement stable si
et seulement si la résolvante du système véri…e
kR(t; t0 )k k exp ( (t t0 )) ; 8t t0 0:
Pour certaines constantes positives k et :
La stabilité par la linéarisation Nous avons vu que la propriété de stabilité dépend de la

nature du système autour du point d’équilibre, il est donc naturel pour l’étude de la stabilité
d’un système non linéaire, de remplacer ce système par une approximation linéaire autour du
point d’équilibre. Souvent une approximation linéaire est su¢ sante pour l’étude de la stabilité
d’un point d’équilibre. La linéarisation d’un système non linéaire est basée sur la linéarisation de
la fonction f au voisinage d’un point d’équilibre x .
Considérons le système régi par l’équation ci-dessous
x(t)
_ = f (x(t); t); (2.48)
de point d’équilibre x .
On pose f = (f1 ; f2 ; :::; fn ) et x = (x1 ; x2 ; :::; xn ) et on suppose que f est continûment
di¤érentiable par rapport à x. Pour t …xé, on considère l’approximation
@fi (x1 ; x2 ; :::; xn ; t)
fi (x1 + y1 ; x2 + y2 ; :::; xn + yn ; t) ' fi (x1 ; x2 ; :::; xn ; t) + y1 +
@x1
@fi (x1 ; x2 ; :::; xn ; t) @fi (x1 ; x2 ; :::; xn ; t)
y2 + ::: + yn :
@x2 @xn
Ainsi, on a
f (x + y; t) ' f (x ; t) + F (t)y; (2.49)
où F (t) est la matrice jacobienne de f au point x donnée par
2 3
@f1 @f1
::: @x
6 @x1 n
7
6 : : 7
4 : : 5
@fn @fn
@x1
::: @xn

Le système (2.48) s’écrit

y_ = F (t)y + h(t; y); (2.50)
où y = x x:
Si la fonction f peut être approchée par F (t). Autrement dit, si pour tout t positif, on a
k h (t; y) k
lim = 0; (2.51)
kyk!0 kyk
alors, le système
y_ = F (t)y; (2.52)
est appelé le linéarisé du système non linéaire (2.48) autour du point d’équilibre x . Dans
certains cas, la stabilité du système linéarisé assure la stabilité du système lui-même.
Théorème 2.8 [20] Si le système linéarisé (2.52) est uniformément asymptotiquement stable.
Alors, le point d’équilibre x de (2.48) est aussi uniformément asymptotiquement stable.
x(t)
_ = ax(t) + cx2 (t)
0 est un point d’équilibre pour tout a et c. Le système linéaire associé au point 0 est donné
par y(t)
_ = ay(t). Alors, on a
(i) Si a < 0, le système est asymptotiquement stable.

(ii) Si a > 0, le système est instable.
(iii) Si a = 0, on ne peut rien dire et cela nécessite une étude directe.
Pour a = 0; on a x(t)
_ = cx2 (t): Si c = 0, il est clair que 0 est marginalement stable.
Si c 6= 0 il est facile de déduire que 0 est instable. En e¤et, la solution s’écrit
x(0)
x(t) = :
1 cx(0)t
1
Pour t = cx(0)
la solution n’est pas dé…nie.

2.2.7 Instabilité des systèmes

Dans les sections précédent, nous avons utilisé la méthode directe de Lyapunov pour montrer
la stabilité des systèmes non linéaires aussi bien pour le cas autonome que pour le cas non auto-
nome. Dans cette partie, nous donnons quelques théorèmes qui sont aussi basés sur la méthode
directe mais pour montrer l’instabilité du point d’équilibre x .
Théorème 2.9 [20] Si dans un voisinage de x , il existe une fonction V (x; t) continûment
di¤érentiable et deux fonctions V0 (x), V1 (x) telles que
1. V (x ; t) = 0, pour tout t t0 :
2. 0 < V0 (x) V (x; t) V1 (x) pour tout x 2 x et t t0 :
3. V (x; t0 ) > 0 et bornée dans :
4. V_ (x; t) > 0 dans :
alors x à t0 est instable.

(
x_ 1 (t) = x1 (t) (x21 (t) + x22 (t))
x_ 2 (t) = x2 (t) (x21 (t) + x22 (t))
Le seul point d’équilibre est (0; 0). Soit alors la fonction

1 2
V (x1 ; x2 ) = x (t) + x22 (t) :
2 1
Le long de la trajectoire, on a
2
V_ (x1 ; x2 ) = x21 (t) + x22 (t)
Ainsi, V et V_ sont dé…nies positives, le théorème ci-dessus montre que le système est instable
(dans ce cas, comme le système est autonome, on a V0 (x) = V (x; t) = V1 (x)).

(
x_ 1 (t) = x21 (t) + x2 (t)
x_ 2 (t) = x1 (t) + x22 (t)
Le seul point d’équilibre est (0; 0). Soit la fonction

1 1
V (x1 ; x2 ) = x31 + x1 x2 + x32 ;
3 3

dans
= f(x1 ; x2 )=x1 > 0; x2 > 0g ;
on a, V > 0 et
2 2
V_ (x1 ; x2 ) = x21 (t) + x2 (t) + x1 (t) + x22 (t) > 0;
et donc le point d’équilibre est instable.
2.2.8 Notion de stabilisation
Stabilisation des systèmes linéaires
Dé…nition 2.13 Le système

x_ (t) = Ax(t) + Bu(t);
est dit stabilisable (par retour d’état linéaire, ou par feedback linéaire, ou aussi par régulateur
linéaire) s’il existe une matrice K 2 Mn;m (R) tel que le système bouclé par le feedback
u(t) = Kx(t);
c.à.d.
x_ (t) = (A + BK) x(t);
soit asymptotiquement stable, c.à.d. la matrice (A+BK) est de Hurwitz ou 8 2 spec (A + BK) ;
< ( ) < 0:
La matrice de feedback K s’appelle les gains.
Corollaire 2.4 Si le système de contrôle
x(t)
_ = Ax(t) + Bu(t);
est contrôlable alors il est stabilisable.
Stabilisation locale d’un système non linéaire
On a vu précédemment qu’un système linéaire contrôlable peut être stabilisé asymptotique-

ment par un contrôle linéaire. Cette propriété n’est pas vraie pour un système non linéaire.
Il existe des systèmes non linéaires, localement (et même globalement) contrôlables, qu’on ne
peut pas stabiliser par un contrôle continu. Cependant si l’approximation linéaire du système

est contrôlable, alors on peut le stalibiliser par un contrôle continu et même linéaire. En e¤et,
considérons le système non linéaire système non linéaire
x(t)
_ = f (x(t); u(t));
et soit x un point d’équilibre et soit u contrôle …xé, le système linéarisé autour de point
(x ; u ) est
y(t)
_ = Ay(t) + Bv(t); (2.53)
où les matrices A et B sont dé…nies par

@f @f
A= (x ; u ) et B = (x ; u )
@x @u
S’il existe une matrice K telle que la matrice A + BK soit de Hurwitz. Par conséquent, le
contrôle v = Ky stabilise globalement le système linéarisé (2.53).
Théorème 2.10 [4] Le contrôle

u = K(x x )+u ;
stabilise localement le système non linéaire
x(t)
_ = f (x(t); u(t)):
Preuve En e¤et, le système en boucle fermée s’écrit
x(t)
_ = f (x(t); K(x (t) x ) + u ) = F (x):
On a
@F @f @f
(x ; u ) = (x ; u ) + (x ; u )K = A + BK:
@x @x @u
Donc, (x ; u ) est asymptotiquement stable pour le système linéarisé.
La méthode indirecte Lyapunov permet alors d’a¢ rmer que (x ; u ) est asymptotiquement
stable pour le système non linéaire x_ = F (x).
Exemple 2.21 Soit le système 8

>
> 3
< x_ 1 = x2
x_ 2 = x33
>
>
: x_ = u
3
est stabilisable avec la commande
u(t) = x32 x1 + x3 + x33 ;

en prenant comme fonction de Lyapounov

1 1 1
V (x) = (x1 + x3 ) + x42 + x43 :
2 4 4
Exemple 2.22 Considerons le systeme
x2
x(t)
_ = = f (x; u);
sin (x1 ) + u sin (x1 )
avec et deux constant. Prenons u(t) = Kx(t) avec K = (k1 ; k2 )
x(t)
_ = (A + KB) x(t);
tel que !
0 1
A + KB = k1 k2
L’équilibre correspondant est x = 0 et le contrôle …xé u = 0. L’équation
x_ (t) = Ax(t) + Bu(t)
où ! !
0 1 0
A = Dx f (0; 0) = et B = Du f (0; 0) = 1
0
linéarisée autour de cet équilibre est donc, les valeurs propres de A + BK sont les solutions
de polynôme caractiristique
2 k2 k1
PA+BK ( ) = + + = 0:
En choisissant k1 et k2 on peut obtenir n’importe quelles valeurs pour les coe¢ cients de ce
polynôme, c.à.d. que l’on peut obtenir n’importe quelles valeurs pour les valeurs propres : Par
exemple, on peut choisir
k1 = ( + 1) ; k2 = 2 ;
et donc 1 comme valeur propre double de A + BK. L’équilibre 0 est alors asymptotiquement
stable pour l’équation linéaire
x(t)
_ = (A + BK)x(t)
Si on applique maintenant une commande
u = Kx

au système d’origine, on obtient l’équation di¤érentielle bouclée
x_ = f (x; Kx)
dont le linéarisé en 0 est

x_ = (A + BK)x:
Cette dernière étant asymptotiquement stable, l’équation bouclée est elle-aussi asymptotiquement
stable donc stabilisable.
2.2.9 Exemples
Exemple 2.23 Modèle micro-économique. Dans un modèle d’économie de pure accumulation,
on ne fait pas apparaître explicitement le travail, toute production étant accumulée. Le modèle est
alors caractérisé par les fonctions de production des biens et par les coe¢ cients de dépréciation
des capitaux. Considérons par exemple un modèle comportant deux biens capitaux, 1 et 2. On
note Yi la quantité de bien i produite et ki la quantité de bien i entrant comme capital dans la
production. Les fonctions de production sont de la forme
(
Y1 = 1 k 1 1 k 2 1
Y2 = 2 k1
2
k2 2
où les coe¤cients i, i et i appartiennent à [0; 1]. Le coe¢ cient de dépréciation du capital

i est un réel pi 2 [0; 1]. L’équation du système est donc
(
k10 = Y1 p1 k1
k20 = Y2 p 2 k2
Pour éviter des calculs fastidieux, on donne ci-dessous une équation di¤érentielle dont les
solutions présentent les mêmes caractéristiques dynamiques que celles de ce système, mais dont
l’étude est plus simple.
Considérons l’équation di¤érentielle
(
k10 = k2 k1 k13
k20 = k2 k1 k23
qui résulte d’un modèle micro-économique simpli…é, les variables k1 et k2 pouvant représenter
des stocks de capitaux. On étudie l’évolution des stocks de capitaux, que l’on suppose tous deux
strictement positifs (à justi…er).

1. Déterminer l’équilibre du système ]0; +1[2 :

L’équation di¤érentielle s’écrit
k 0 (t) = f (k(t)), avec k = (k1 ; k2 ) 2 ]0; +1[2 ;
et
(k2 k12 ) k1
f (k) =
(k1 k22 ) k2
Remarquons d’abord que f1 (k) = 0 sur l’axe Ok2 et que f2 (k) = 0 sur l’axe Ok1 , l’orbite
d’un point sur l’axe Ok1 est donc contenue dans Ok1 , de même pour Ok2 . Il est donc
impossible de traverser un axe, ce qui implique que, si les capitaux k1 et k2 sont positifs à
l’instant initial, ils le restent au cours du temps.
Un équilibre satisfait f (k) = 0. Or
f1 (k) = 0 ) k2 = k12 et f2 (k) = 0 ) k1 = k22 ,
c.à.d. que le seul équilibre dans ]0; +1[2 est k = (1; 1).
2. Étudier sa stabilité par linéarisation.
Calculons la di¤érentielle du f
" # " #
k2 3k12 k1 2 1
Df (k) = ) Df (k ) =
k2 k1 3k22 1 2
Comme detDf (k ) = 3 > 0, les deux valeurs propres de la matrice ont des parties réelles
strictement négatives. On en conclut que k est un équilibre asymptotiquement stable.
Exemple 2.24 L’analyse des circuits électriques RLC conduit à des équations di¤érentielles
sur R2 du type (
di
L dt = v h(i)
(I)
C dv
dt
= i
où h : R ! R est une fonction de classe C 1 . Les variables v et i sont resp. un voltage et une
intensité et les constantes positives L et C une résistance et une capacité. L’énergie du système
est
1
E(i; v) = (Li2 + Cv 2 ):
2

1. Déterminer l’équilibre de l’équation (I) et discuter sa stabilité en fonction de h0 (0).L’équilibre

est le point i = 0, v = h(0). Le linéariser de l’équation di¤érentielle en ce point est y 0 (t) =
Ay(t), où !
h0 (0) 1
L L
A(t) = 1
C
0
1
Remarquons que detA = CL
> 0. Les valeurs propres de A ont donc des parties réelles de
même signe, On en conclut que
- Si h0 (0) > 0, l’équilibre est asymptotiquement stable.
- Si h0 (0) < 0, l’équilibre n’est pas stable.
- Si h0 (0) = 0, on ne peut rien dire en utilisant le linéarisé.
2. Supposons que h véri…e xh(x) > 0 pour x 6= 0. Montrer que l’équilibre est asymptoti-
quement stable.
Notons d’abord que l’hypothèse sur h implique h(0) = 0. L’équilibre est donc l’origine.
Essayons de montrer que l’énergie
1
E(i; v) = (Li2 + Cv 2 );
2
est une fonction de Lyapunov stricte en 0. On a déjà
- 0 est un minimum strict de E.
dE
- dt
= ih(i) < 0 si i 6= 0:
On a donc montré que, le long d’une trajectoire x(t) = (i(t); v(t)), la fonction E(x(t))
est strictement décroissante tant que i(t) 6= 0. Or, si x(t) n’est pas identiquement
dE
nulle, les instants t0 où i(t0 ) = 0 sont isolés puisqu’alors i0 (t0 ) = v(t0 ) 6= 0. Ainsi, dt
< 0 presque partout le long d’une trajectoire, on en déduit que E(x(t)) est strictement
décroissante.
Par conséquent la fonction E : R2 ! R est une fonction de Lyapunov stricte en 0, ce qui
montre que 0 est un équilibre asymptotiquement stable.
Exemple 2.25 Reprenons le modèle prédateur/proie de Volterra
x0 (a by) x
=
y0 (f x c) y
1. Déterminer les équilibres de cette équation dans R2 et discuter leur stabilité, d’abord en étu-
diant le linéarisé, puis en cherchant si nécessaire une fonction de Lyapunov.

Une des hypothèses du modèle prédateur/proie de Volterra est
x0 = (a px) x; y0 = (c + qy) y
où p; q > 0 sont des constantes. On obtient de cette façon un nouveau modèle prédateur/proie
(
x0 (t) = (a by (t) px(t)) x(t)
y 0 (t) = ( c + f x(t) qy(t)) y(t)
c
On fera ici l’hypothèse que p est petit, et donc que f
< ap :
Notons
F (x; y) = ((a by)x; (f x c)y)
dé…ni par l’équation de Volterra. Les équilibres de l’équation (c.à.d. les zéros de F ) sont 0 et
c a
z = ;
f b
.
Calculons la di¤érentielle
!
a by bx
Df (x; y) =
fy fx c
Les linéarisés autour des équilibres 0 et z ont donc pour matrice, resp.
! !
a 0 0 bx
Df (0) = , et Df (z ) =
0 c fy 0
Les valeurs propres de DF (0) sont 1 = a et 2 = c. 1 = a étant positif, ceci montre que
l’équilibre 0 n’est pas stable (donc 1= a n’est pas asymptotiquement stable).
Les valeurs propres de DF (z ) sont imaginaires pures, on ne peut donc rien en conclure sur
la stabilité de l’équilibre z . On va alors chercher une fonction de Lyapunov. Soit V
V (x; y) = (f x c log x) + (by a log y);
et posons L(x; y) = V (x; y) V (z ). La fonction L : ]0; +1[2 ! R est une fonction de Lyapunov
(non stricte) pour l’équation de Volterra en z car
- L(z ) = 0 et L(x; y) > 0 pour tout (x; y) 6= z dans ]0; +1[2 , puisque z est un minimum strict
de V sur ]0; +1[2 .
- L est constante le long des solutions de l’équation.
On en conclut que l’équilibre z est stable. En revanche il n’est pas asymptotiquement stable

2. Déterminer les équilibres de cette équation dans R2+ et étudier leur stabilité.Notons
G(x; y) = ((a px by)x; ( c + f x qy)y):
Les équilibres de l’équation sont les solutions de G(x; y) = 0, c.à.d. de

(
px by = a ou x = 0
fx qy = c ou y = 0
Ce système a quatre solutions

- z1 = (x1 ; y1 ), véri…ant (
px1 by1 = a
f x1 qy1 = c
a
- z2 = p
;0
c
- :z3 = 0; q
:
c a
L’hypothèse f
< p
entraîne que z1 2 R2+ , ce qui est aussi le cas pour z2 et 0. En revanche z3
n’appartient pas à R2 .
Étudions maintenant la stabilité des trois équilibres de R2+ , c.à.d. z1 , z2 et 0 en utilisant que la
di¤érentielle de G est
!
a 2px by bx
DG (x; y) =
fy c + fx 2qy
- En z1 : la di¤érentielle de G vaut
!
px1 bx1
DG (z1 ) =
f y1 qy1
dont la trace est (px1 + qy1 ) < 0 et le déterminant (pq + f b)x1 y1 > 0. Les valeurs propres
de cette matrice sont donc de partie réelle négative, ce qui entraîne que z1 est un équilibre
- En z2 : la di¤érentielle de G vaut
!
(ab)
a p
DG (z2 ) = (f a)
0 p
(f a) c a
dont les valeurs propres sont a et c+ p
. Comme f
< p
, la deuxième valeur propre
est positive, c.à.d. que l’équilibre z2 n’est pas stable.

- En 0 : la di¤érentielle de G vaut !
a 0
Df (0) =
0 c
dont les valeurs propres sont a et c. L’équilibre 0 n’est donc pas stable.
2.3 Stabilité des systèmes en répresentation externe

En représentation externe et de façon naturelle, les systèmes sont dits linéaires si les signaux
d’entrée u1 ; u2 ; :::; un produisant les signaux de sortie y1 ; y2 ; :::; yn , alors le signal d’entrée (c1 u1 +
c2 u2 + :::+ cn un ) produit le signal de sortie (c1 y1 + c2 y2 + ::: + cn yn ).
2.3.1 Approche par fonction de transfert

En représentation interne, les systèmes linéaires sont généralement décrits par l’équation
d’état linéaire (système de n équations di¤érentielles linéaires).
(
x(t)
_ = Ax (t) + Bu(t); t > t0
(2.54)
x(t0 ) = x0 2 Rn
où A est une matrice n n à valeurs dans Rn , B est une matrice n m à valeurs dans Rn et
u(t) 2 Rm .
Si la sortie du système est fournie par y = Cx, où
Zt
A(t t0 )
x(t) = e x0 + eA(t )
Bu ( ) d ; (2.55)
t0
alors
Zt
y(t) = CeA(t t0 )
x0 + CeA(t )
Bu ( ) d : (2.56)
t0
Si on suppose que x0 = 0 et que le système est excité à partir de t0 = 1, alors

Zt
y(t) = h (t )u( )d ; (2.57)
1
où
h (t ) = CeA(t )
B: (2.58)
2.3. Stabilité des systèmes en répresentation externe 64

Par ailleurs, (2.57) peut encore s’écrire
Z+1
y(t) = h (t )u( )d : (2.59)
1
Puisque, pour un système physique, y(t) ne dépend pas des valeurs de u( ) pour > t. Avec
le changement de variable t = s, on a donc
Zt
y(t) = h (s) u (t s) ds; (2.60)
1
qui constitue l’intégrale de convolution du système

(
x(t)
_ = Ax (t) + Bu(t)
(2.61)
y(t) = Cx (t)
et se note y = h u: D’après la transormation de Laplace
L (y) = L (h u) = L (h (t)) L (u (t)) ; (2.62)
que nous notons sous la forme

Y (s) = H(s)U (s); (2.63)
où Y (s), U (s) et H(s) sont les transformées de Laplace de la sortie y, l’entrée u et du système
h.
Fonction de transfert d’un système linéaire
cas 1 : systeme avec condition initiale nulle Considérons un système linéaire quelconque
possédant une entrée u(t) et une sortie y(t).
On suppose qu’il est régi par une équation di¤érentielle de degré n :
dn y dy dm u du
an n
+ ::: + a1 + a 0 y (t) = b m m
+ ::: + b1 + b0 u (t) (2.64)
dt dt dt dt
où an ; :::; a1 ; a0 ; bm ; :::; b1 ; b0 sont des réels donnés.
Si nous appliquons la transformation de Laplace aux deux membres de cette équation, tout
en supposant nulles les di¤érentes conditions initiales, il vient
an sn Y (s) + ::: + a1 sY (s) + a0 Y (s) = bm sm U (s) + ::: + b1 sU (s) + b0 U (s) (2.65)

Avec n > m
[an sn + ::: + a1 s + a0 ] Y (s) = [bm sm + ::: + b1 s + b0 ] U (s) ; (2.66)
d’où
Y (s) bm sm + ::: + b1 s + b0
= : (2.67)
U (s) an sn + ::: + a1 s + a0
Cette fraction rationnelle de deux polynômes de la variable complexe s est appelée fonction
de transfert du système notée
Y (s)
H(s) = ; (2.68)
U (s)
comme cette fonction est une fraction rationnelle de deux polynômes en s, il est possible de
factoriser ces deux polynômes dans le corps des complexes. On obtient
bm (s zm ) (s zm 1 ) ::: (s z1 ) N (s)
H(s) = = (2.69)
an (s pn ) (s pn 1 ) ::: (s p1 ) D(s)
Les racines zi qui annulent le numérateur sont appelés les zéros de la fonction de transfert. Les
racines pi qui annulent son dénominateur sont les pôles de la fonction de transfert. Ces paramètres
peuvent être complexes ou réels. Nous verrons plus loin que l’étude, le signe ou l’appartenance
à l’ensemble des réels de ces pôles ou zéros, jouent des rôles très importants dans l’étude des
systèmes.
Exemple 2.26 Considérons un système régi par l’équation di¤érentielle suivante

d2 y dy
2
+ 4 + 3y(t) = 2u(t):
dt dt
Le calcul de la fonction de transfert ne pose aucun problème, on applique la transformée de
Laplace aux deux membres de l’équation di¤érentielle
s2 Y (s) + 4sY (s) + 3Y (s) = 2U (s)

Y (s) s2 + 4s + 3 = 2U (s)
Y (s) 2
H(s) = = 2
U (s) s + 4s + 3
Remarque 2.6 La fonction de transfert permet d’obtenir la réponse forcée yF du système due
à l’entrée u(t). En e¤et, comme Y (s) = H(s)U (s), on a
Zt
1
yF = L (Y (s)) = h (t )u( )d (2.70)
0
où h(t) = L 1 (H(s)) est la réponse impulsionnelle du système.

cas 2 : systeme avec condition initiale non nulle Considérons le système dé…nie par l’équation
di¤érentielle suivante
( n m
an ddtny + ::: + a1 dy
dt
+ a0 y (t) = bm ddtmu + :::: +b1 du
dt
+ b0 u (t)
(2.71)
y(0) = y0 ; y 0 (0) = y1 ; :::; y (n 1)
(0) = yn 1 lorsque n > m
où an ; :::; a1 ; a0 ; bm ; :::; b1 ; b0 sont des réels donnés.

Par utilisation de la formule de la transformée de Laplace d’une dérivée d’ordre k, on a
dk f
L = sk F (s) sk 1 f (0) ::: sf (k 2)
(0) f (k 1)
(0); (2.72)
dtk
et d’après la transformée de Laplace de (2.71). Après les calcules on en déduit que l’on peut
écrire
bm sm + ::: + b1 s + b0 Nk (s)
Y (s) =n
U (s) + n
; (2.73)
an s + ::: + a1 s + a0 an s + ::: + a1 s + a0
où Nk est un polynôme de degré n 1, d’où
N (s) Nk (s)
Y (s) = U (s) + : (2.74)
D(s) D(s)
Si les pi pour tout i = 1; ::; n sont les racine supposées réelles de D(s), alors D(s) s’écrit
D(s) = an (s pn )(s pn 1 ):::(s p1 ): (2.75)
: Une decomposition de YL (s) en élèment simple donne
A1 A2 An
YL (s) = + + ::: + ; (2.76)
s p1 s p2 s pn
où A1 ; A2 ; ::; An dépendent de y0 ; y1 ; :::; yn 1 . Par transformée inverse, on obtient
1
yL (t) = L (YL (s)) = A1 ep1 t + A2 ep2 t + :: + An epn t (2.77)
Répense forcée. On a
bm sm + ::: + b1 s + b0 B1 B2 Bn
YF (s) = H(s)U (s) = n
U (s) = + + ::: + U (s);
an s + ::: + a1 s + a0 s p1 s p2 s pn
(2.78)
ce qui donne
1 1 B1 B2 Bn
h(t) = L (H(s)) = L + + ::: + = B1 ep1 t +B2 ep2 t +::+Bn epn t : (2.79)
s p1 s p2 s pn

L’expression de la réponse forcée est

Zt
yF (t) = B1 ep1 (t )
+ B2 ep2 (t )
+ :: + Bn epn (t )
u( )d ; (2.80)
0
ceci fait apparaitre le résultat suivant

La transformée de Laplace de la sortie est donnée par
Y (s) = YF (s) + YL (s) (2.81)
d’où
y(t) = yF (t) + yL (t) (2.82)
où yF (t) est la solution forcée (due à et imposée par u(t)) et yL (t) est la solution libre (ne
dépendant que des conditions initiales).
Modes dominants
Dé…nition 2.14
1. Les pôles de la fonction de transfert qui imposent la durée du transitoire s’appellent pôles
dominants.
2. Les modes correspondants s’appellent modes dominants.
Exemple 2.27 Prenons l’exemple d’un système dont la fonction de transfert présente deux pôles
it 1
notés p1 = 1 et p2 = 2: Chaque pôle si donne le mode Ai e : Si on note Ti = i
qui est
t
it
la constante de temps, alors Ai e = Ai e Ti
:
Si Ti petit ( i grand), alors le mode correspondant disparaît assez vite. Autrement dit, si
2t
1 > 2 (, T1 < T2 ) alors le mode A2 e est un mode dominant. Comme p2 = 2, le
pôle dominant est le pôle le plus proche de l’origine sur l’axe réel négatif.
Stabilité des solutions La solution du système (2.71) s’écrit sous la forme (2.82)
y(t) = yF (t) + yL (t):
Pour étudier la stabilité, il su¢ t d’étudier la réponse libre yL (t). Dans le cas d’une représen-
tation externe, l’instabilité du système exprime le fait que, à partir de valeurs initiales non nulles
données, la réponse du système va tendre vers l’in…ni quand t tend vers l’in…ni (elle s’éloigne
indé…niment de la position d’équilibre).

Ainsi, pour un système décrit par une fonction de transfert de la forme
N (s)
H(s) = ;
D(s)
où p1 ; p2 ; :::; pn sont les pôles de H(s), alors on a les dé…nitions suivantes.
Dé…nition 2.15 On dit qu’un système est stable s’il existe au moins i0 tel que < (pi0 ) = 0 et
< (pi ) < 0 pour i 6= i0 :
Dé…nition 2.16 On dit qu’un système est asymptotiquement stable si < (pi ) < 0 pour tout
i = 1; ::; n:
Dé…nition 2.17 On dit qu’un système est instable s’il existe au moins i0 tel que < (pi0 ) > 0:
Exemple 2.28 Soit
N (s) k k
H(s) = = 2 = ;
D(s) s + 12s + 20 (s + 2) (s + 10)
les pôles p1 = 2 et p2 = 10. Par conséquent le système est asymptotiquement stable.

Mode dominant
Le pôle dominant est p1 = 2 Voyens quelle est la réponse forcée à l’échelon (t): Sachant
que
1
L ( (t)) = L (s) = :
s
On a
1 k A B C
Y (s) = H(s) L (s) = 2
= + + ;
s s + 12s + 20 s s + 2 s + 10
1 1 1
D’après les calcules, on obtient A = 20
; B= 16
; C= 80
; ainsi la répense forcée par l’echelon
k k 2t k 10t
yF (t) = (t) e (t) + e (t) :
20 16 80
Répense libre
Pour la répense libre, il faut remonter à l’équation di¤érentielle. A partir de
s2 Y (s) + 12sY (s) + 20Y (s) = kU (s):

On a
d2 y (t) dy (t)
2
+ 12 + 20y(t) = ku(t);
dt dt
ce qui conduit à
s2 Y (s) sy(0) y 0 (0) + 12 [sY (s) y(0)] + 20Y (s) = kU (s):
Soit
s2 + 12s + 20 Y (s) = kU (s) + y(0) [s + 12] + y 0 (0) ;
et donc
k y(0) [s + 12] + y 0 (0)
Y (s) = U (s) + :
s2 + 12s + 20 s2 + 12s + 20
Le premier terme donnant la répense forcée yF (s) et le second la répense libre yL (s). Suppo-
sons, pour simpli…er, que y 0 (0) = 0 et y(0) 6= 0; alors
y(0) [s + 2] A B
Y (s) = = + ;
s2+ 12s + 20 s + 2 s + 10
ce qui donne
5 1
yL (t) = y(0)e 2t (t) y(0)e 10t (t);
4 4
la répense est conditionnée par le pôle p1 = 2. Ainsi, le mode dominant est donné par
5 2t
y(t) = e :
4
2.3.2 Etude des fonctions de transfert

L’étude des systèmes dynamiques peut, en général se faire suivant deux approches possibles.
a. Etudier le système a travers la réponse temporelle qui est une fonction dépendant du tempe t.
Cela suppose la connaissance du modèle temporel et permet de déterminer l’état transitoire
ainsi que divers paramètres. Cela passe souvent par la résolution de systèmes di¤érentiels.
b. Etudier le système a travers la réponse fréquentielle qui est une fonction dépendant de la
pulsation !. Dans ce cas l’inttérêt réside dans une etude plus simple de certains aspects
tels que la stabilité et les problèmes de synthèse.
Nous allons étudier les systèmes décrits, à partir de leur représentation externe, par une
fonction de transfert donnée.

Réponse fréquentielle
Considérons un système donné par sa fonction de transfert H(s). Notons
N (s) N (s)
H(s) = = ;
D(s) (s pn ) (s pn 1 ) ::: (s p1 )
où p1 ; p2 ; :::; pn désignent les pôles de H(s). Etudions la ce système a une entrée sinusoïdale
de la forme
u(t) = u0 sin (!t) ;
dont la transformée de Laplace est donnée par

u0 ! u0 !
L (u0 sin (!t)) = U (s) = = :
s2 +! 2 (s + i!) (s i!)
Ainsi, on a
N (s) u0 !
Y (s) = H(s)U (s) =
(s pn ) (s pn 1 ) ::: (s p1 ) (s + i!) (s i!)
Une décomposition en éléments simples donne
A0 A0 A1 A2 An
Y (s) = + + + + ::: +
s i! s + i! s p1 s p2 s pn
Par identi cation, on trouve facilement
H (i!)
A0 = u0
2i
H ( i!)
A0 = u0
2i
A est le conjugué de A. D’où le réponse du système
H (i!) i!t H ( i!) X

n
i!t
y(t) = u0 e e + Ai epi t ;
2i 2i i=1
que nous notons sous la forme
y(t) = y1 (t) + y2 (t):
Supposons que le système soit asymptotiquement stable (c.à.d. que < (pi ) < 0 pour tout i),
alors lim Ai epi t = 0. Finalement, pour t su¢ samment grand
t!1
H (i!) i!t H ( i!) i!t

y(t) ' y1 (t) = u0 e e (2.83)
2i 2i

Si on écrit
H (i!) = [H(s)]s=i! = jH (i!)j ei arg H(i!)

i arg H(i!)
H ( i!) = [H(s)]s= i! = jH (i!)j e
et en portant dans l’expression (2.83) de y1 (t), on a
y(t) ' y1 (t) = u0 jH (i!)j sin (!t + arg H (i!))
c.à.d. encore (
'= arg H (i!)
y1 (t) ' y(t) = y0 sin (!t + ') ;
y0 = u0 jH (i!)j
Dé…nition 2.18
1. On appelle gain à la pulsation !, le rapport des amplitudes de sortie et d’entrée.

y0
Gain = = jH (i!)j (2.84)
u0
2. On appelle déphasage à la pulsation !, le déphasage des signaux d’entrée et de sortie.
Dephasage = ' = arg H (i!) (2.85)
2.3.3 Stabilité des systèmes en boucle fermé

Le système en boucle fermée représenté dans la …gure (2.54) admet pour fonction de transfert
Figure 2.3 - Système bouclé
Ce système est stable en boucle fermée si et seulement si sa fonction de transfert en bouclé

fermée
Y (s) KG(s)
L(s) = = ;
U (s) 1 + KG(s)

ne possède aucun pôle à partie réelle positive.

Autrement dit, l’étude la stabilité du système revient à étudier les solutions de l’équation
F (s) = 1 + KG(s) = 0;
KG(s) est la fonction de transfert en boucle ouverte du système. Cela signi…e qu’il est possible
d’appréhender l’étude la stabilité d’un système en bouclé fermée à partir de sa fonction de
transfert en boucle ouverte.
Rappelons que le système est stable si et seulement si aucun pôle de H(s) n’est à partie réelle
positive.
Les pôles de la fonction de transfert en boucle fermée étant les zéros de cette fonction F (s),
le système en boucle fermé est asymptotiquement sable si les zéros de F (s) sont tous a partie
réelle< 0, le système en boucle fermé est stable si F (s) comporte un ou plusieurs zéros nuls, les
autres etant a partie réelle< 0.
Nous allons étudier le lieu décrit par les pôles de la fonction de transfert du système bouclé
l’utilisation de deux types de critère : le critère de Routh ( qui est un critère algèbrique ) et
critère de Nyquist ( qui est un critère géométrique).
Critère de Routh
Le critère algébrique de Routh autorise le diagnostic de stabilité pour des systèmes d’ordre
élevé et possédant de surcroît, un ou plusieurs paramètres :
Soit H(s) la fonction de transfert en boucle fermée et soit D(s) le dénominateur de H(s).
D(s) est un polynôme de degré n
D(s) = an sn + an 1 sn 1
+ ::: + a1 s + a0 :
On applique le critère de Routh en plaçant la suite de coe¢ cients ai dans un tableau, sur deux
lignes, dans l’ordre des n décroissants, alternativement une ligne sur deux. On e¤ectue ensuite un
calcul pour créer une ligne supplémentaire, selon l’algorithme présenté sur le schéma ci-dessous.
an an 2 an 4 ::: a1
an 1 an 3 an 5 ::: a0
an 1 an 2 an an 3 an 1 an 4 an an 5 an 1 a1 an a0
an 1 an 1
::: an 1
:::
On dispose alors d’un tableau de trois lignes, la troisième ligne possédant moins de termes

que les précédentes. On complète alors cette troisième ligne, à droite, par des zéros.
an an 2 an 4 ::: a1
an 1 an 3 an 5 ::: a0
bm bm 1 bm 2 b0 0
On recommence le même calcul sur les deux dernières lignes pour créer une quatrième ligne.
an an 2 an 4 ::: a1
an 1 an 3 an 5 ::: a0
bm an 3 an 1 bm 1 bm an 5 an 1 bm 2
bm bm
:::
On itère le processus jusqu’à ce qu’il n’y ai plus que des 0 sur la ligne.
Proposition 2.5 Le nombre de pôles à partie réelle positive, de la fonction de transfert H(s)
est égal au nombre de changements de signe dans la première colonne.
En conséquence, le système est stable en boucle fermée si tous les coe¢ cients de la première
colonne sont de même signe.
Remarque 2.7 Le nombre maximal de lignes est égal au nombre de termes dans le polynômes
D(s), autrement dit à l’ordre du système, plus 1.
Exemple 2.29 Soit

K
KG(s) =
s(s2 + s + 3)
un système placé dans une boucle. Calculons sa fonction de transfert en boucle fermée
K
KG(s) s(s2 +s+3) K
L(s) = = K
= 2
:
1 + KG(s) 1 + s(s2 +s+3) s(s + s + 3) + K
Le dénominateur de la fonction de transfert en boucle fermée est
D(s) = s(s2 + s + 3) + K = s3 + s2 + 3s + K:
Appliquons le critère de Routh en construisant le tableau suivant
1 3
1 K
3 K 0
K 0

En remarque que une cinquième ligne ne serait composée que de 0.

Pour que le système soit stable, il faut qu’il n’y ait aucun changement de signe dans la première
colonne, donc que 3 K > 0.
Le système est donc stable si K < 3.
Exemple 2.30 Soit

K
KG(s) = ;
+s3 3s2
+ 3s + 1
un système placé dans une boucle. La foction de transfert du système bouclé
Y (s) KG(s) K
L(s) = = = 3 2
;
U (s) 1 + KG(s) s + 3s + 3s + 1 + K
le tableau est alors constitué par les éléments suivants
1 3 0
3 1+K
(8 K)
3
1+K
il y a stabilité asymptotique si 8 K > 0 et 1+K > 0, c.à.d. pour 1 < K < 8. Comme le gain
est toujour considéré comme étant > 0; alors la stabilité asymptotique est vrai pour 0 < K < 8.
Critère de Nyquist
Le critère de Nyquist permet de savoir si le système en boucle fermé est stable en comptant le
nombre de tours que le lieu de transfert en boucle ouverte fait autour du point 1 quand ! varie
de 1 à +1: Rappellons que le dénomonateur de la fonction de transfert du système bouclé
est donne par F (s) = 1 + KGH(s), et dire que F (s) = 0 équivant à KGH(s) = 1
Pour simpli…er, notons
- P le nombre de ses pôles instables, c.à.d. à partie réelle > 0.

- N le nombre de tours décrits pa le lieu de KGH(i!) autour du point critique 1 dans le sens
trigonométrique quand ! varie de 1 à +1.
Alors évidemment le système sera stable si P = N , qu’on énonce sous la forme suivante.
Proposition 2.6 (Critère de Nyquist) Un système bouclé est stable si son lieu de transfert
en boucle ouverte, soit KGH(i!), entoure le point critique 1 un nombre de fois égal au nombre
de pôles instables de sa fonction de transfert en boucle ouverte.

Corollaire 2.5 Un système stable en boucle ouverte (P = 0) est stable en boucle fermé si son
lieu de transfert n’entoure pas le point 1 (N = 0).
Exemple 2.31 Soit un système de fonction de transfert en boucle ouverte G(p) placé dans une
boucle de régulation à retour unitaire, avec
K
KG(s) =
(s 1)(s + 10)2
La fonction de transfert en boucle ouverte KG(s) possède donc un pôle à partie réelle positive :
1 et un pôle double à partie réelle négative : 10.
Dans un premier temps, étudions la stabilité de ce système en boucle fermée à partir du critère
de Routh, calculons, pour ce faire, la fonction de transfert en boucle fermée
KG(s) K
L(s) = =
1 + KG(s) (s 1)(s2 + 20s + 100) + K
Le dénominateur de la fonction de transfert en boucle fermée est
D(s) = (s 1)(s2 + 20s + 100) + K = s3 + 19s2 + 120s + (K 100)
Appliquons le critère de Routh en construisant le tableau suivant
1 120
19 K 100
2380 K
19
0
K 100 0
En remarque le cinquième ligne ne serait composée que de 0.

Pour que le système soit stable, il faut qu’il n’y ait aucun changement de signe dans la première
colonne. Le système est donc stable si 100 < K < 2380.
Pour tracer le lieu de Nyquist, nous devons à présent réaliser l’étude fréquentielle du système
en boucle ouverte
K
KG(j!) =
(j! 1)(j! + 10)2
Choisissons une valeur de K pour laquelle le système est stable, par exemple K = 1000. Le

diagramme de Nyquist
Figure 2.4 - Diagramme de Nyquist du système.
Remarque 2.8 Le tracé point par point de ces courbes peut être facilement obtenu à l’aide de
n’importe quel tableur ou logiciel graphique.
Parcourons l’image par KG(s) du contour de Nyquist dans le sens des ! croissants : nous
sommes dans le sens anti-horaire. Cette image fait un seul tour autour du point critique, le
système est donc bien stable étant donné que la fonction de transfert en boucle ouverte possède
un seul pôle à partie réelle positive.
2.4 Stabilité en temps …ni

La notion de stabilité en temps …ni est assez intuitive : l’idée consiste à certi…er que le
système, au bout d’un temps bien déterminé, atteint le point d’équilibre et en y restant par la
suite. La connaissance de l’instant où la trajectoire réelle rejoindra celle désirée est notamment un
aspect important dans les applications pratiques qui cherchent à garantir une bonne performance.
Historiquement, Haimo fut le premier dans [18], à publier un article traitant de la stabilité en
temps …ni. Il faudra attendre la …n des années 90 pour que cette théorie se développe sous
l’impulsion de Bhat et Bernstein ([5, 6]) en montrant qu’avec certaines propriétés d’homogénéité
du système, la stabilité asymptotique est équivalente à la stabilité en temps …ni. Dans [7], les
auteurs présentent une application à la robotique. Et dans [8], ils démontrent le premier théorème
réciproque ajoutant une nouvelle page à la théorie. Moulay et Perruquetti ont repris ces travaux
et ils ont étendu les résultats à di¤érentes classes de systèmes (non autonome) [31]. Signalons qu’il
2.4. Stabilité en temps …ni 77

ne faut pas confondre les terme "temps …ni" et "stabilité" avec les notions de stabilité pratique
et où les auteurs dé…nissent la stabilité sur un intervalle de temps …ni où l’état ne dépasse pas
une certaine limite pendant un temps fni, citons par exemple les travaux de Amato dans [17] et
les travaux de Lazarevic dans [1].
A présent, introduisons un exemple élémentaire d’un système stable en temps …ni dont on
connaît explicitement les solutions. Soit la dynamique suivante
x_ = sgn (x) j x j ; (2.86)
avec x 2 R et 2 ]0; 1[ :
dont les solutions du système sont données par
( 1
jx0 j1
sgn (x0 ) (j x0 j1 t (1 )) 1 si 0 t 1
x (t; t0 ; x0 ) (2.87)
0 sinon
Ces solutions décroissent et …nissent par être nulles à partir d’un certain temps. L’origine du
système (2.86) est dit stable en temps …ni. Notons qu l’équation (2.86) n’est pas lipschitzienne
à l’origine. Dans ce cas, la stabilité e temps …ni ne peut être obtenue du fait de l’unicité des
solutions. Et pour cela la condition de non-lipschitzienne à l’origine est une condition nécessaire
pour la stabilité en temps …ni.
2.4.1 Cas des systèmes autonomes

Rappelons à présent la dynamique d’un système autonome, soit f : ! Rn telle que
x_ = f (x): (2.88)
Dé…nition 2.19 L’origine du système (2.88) est dit stable en temps …ni s’il existe un voisinage
V de l’origine et une fonction T : V n f0g ! [0; +1[ appelée fonction temps d’établissement,
telles que
(i) l’origine et stable au sens de Lyapunov.

(ii) les solutions convergent en temps …ni lim x (t; t0 ; x0 ) = 0:
t!T (x)
Si de plus, V = Rn . Alors, l’origine est globalement stable en temps …ni.

Cette dé…nition est illustrée sur laFigure 2.5
Figure 2.5 - Comportement de la solution en x(:) (stabilit e

en temps …ni).
Rappelons un résultat élémentaire donné par Haimo sur la stabilité en temps …ni des systèmes
autonomes scalaires de la forme
x_ = f (x), x 2 R: (2.89)
où f : R ! R. Dans ce cas particulier, il existe une condition nécessaire et su¢ sante pour la
stabilité en temps …ni.
Théorème 2.11 [40] Supposons que l’origine soit un point d’équilibre du système (2.89) où f
est continue. Alors, l’origine est stable en temps …ni pour le système (2.89) si et seulement s’il
existe un voisinage de l’origine tel que pour tout x 2 n f0g véri…ant
1. xf (x) < 0.
Z0
dz
2. f (z)
< 1:
x
Exemple 2.32 On reprend l’exemple élémentaire (2.86), soit 2 ]0; 1[, considérons le système
x_ = ' (x) ;

(on rappelle ' (x) = sgn (x) j x j ). On a
x' (x) < 0, pour x 6= 0;
et si x 2 R, alors
Z0
dz j x j1
= < 1:
sgn (z) j z j 1
x
Les hypothèses du théorème sont satisfaites. Donc, l’origine est stable en temps …ni et les
x jxj1
solutions ( ) tendent vers l’origine avec le temps d’établissement T (x) = 1
.
Théorème 2.12 [8] S’il existe une fonction de Lyapunov V (x) : Rn ! R telle que
(i) V est dé…nie positive.
(ii) Il existe un voisinage de l’origine U , tel que
V_ + c (V (x)) 0, x 2 U n f0g avec c > 0 et 2 ]0; 1[ (2.90)
Alors, l’origine du système (2.89) est stable en temps …ni et la fonction temps d’établissement
T (x) est continue et satisfait l’inégalité suivante
V (x (0))1
T (x) (2.91)
c (1 )
De plus, si = Rn et V_ est dé…nie négative sur Rn n f0g : Alors, l’origine du système (2.89)
est globalement stable en temps …ni.

(
x_ 1 = ' (x1 ) x31 + x2
x_ 2 = ' (x2 ) x32 + x1
kxk22
En prenant V (x) = 2
; on obtient
X
2
V_ (x1 ; x2 ) = x4i + j xi j +1
0:
i=1
V est une fonction de Lyapunov pour le système véri…ant

+1 +1
V_ 2 2 V 2 :
Donc, l’origine est stable en temps …ni avec un temps d’établissement continu véri…ant
2 k x k21
T (x) ;
1

Le première théorème implique que pour un système stable en temps …ni et une fonction temps
d’établissement discontinue, il n’existe pas une fonction de Lyapunov satisfaisant les hypothèses
du 2 ème théorème. Dans le cas où la fonction temps d’établissement est continue, le théorème
suivant fournit un inverse au théorème précédent.
Théorème 2.13 [8] Supposons que l’origine du système (2.89) est stable en temps …ni et la
fonction temps d’établissement T est continue en 0. Soit U un voisinage de 0 et 2 ]0; 1[. Alors,
il existe une fonction V (x) : U ! R continue et véri…e
(i) V est dé…nie positive.

(ii) V· est continue sur U et il existe c > 0 telle que
V_ + c (V (x)) 0, x 2 U (2.92)
2.4.2 Cas des systèmes non autonomes

Nous présentons la notion de stabilité en temps …ni pour les systèmes non autonomes, par
conséquent, la dé…nition suivante généralise.
L’origine du système non autonome (2.23) est dit stable en temps …ni s’il existe un voisi-
nage U de l’origine et une fonction T : [0; +1[ U n f0g ! [0; +1[ appelée fonction temps
d’établissement tels que
1. L’origine est stable au sens de Lyapunov pour le système (2.23).

2. Pour tout t0 0 et x 2 U n f0g ; x (t; t0 ; x0 ) est dé…nie sur [t0 ; T (t0 ; x0 )[, pour tout t 2
[t0 ; T (t0 ; x0 )[ on a x (t; t0 ; x0 ) 2 U n f0g et
lim x (t; t0 ; x0 ) = 0;
t!T (t0 ;x0 )
tels que, on a
T0 (t0 ; x0 ) = inf fT (t0 ; x0 ) 0 : x (t; t0 ; x0 ) = 0 8t t0 + T (x0 )g :
S’appelle le temps d’établissement de la solution x (t; t0 ; x0 ) :

Si de plus V = = Rn alors l’origine du système (2.23) est globalement stable en temps …ni.
Pour les systèmes plus généraux décrits par (2.23), Moulay et Perequettiont montré que les
fonctions de Lyapunov permettent d’obtenir des conditions su¢ santes sur la stabilité en temps
…ni.

L’idée est basée sur l’existence d’une fonction de Lyapunov V et d’une fonction continue
dé…nie positive r : R+ ! R+ véri…ant l’inégalité di¤érentielle suivante
V_ (t; x) rV (t; x); (2.93)
pour tout (t; x) 2 I :

Une condition su¢ sante pour la stabilité en temps …ni est donnée par le théorème suivant.
Théorème 2.14 [40] S’il existe une fonction de Lyapunov continûment di¤erentiable V (t; x)
véri…ant la condition (2.93) telle que pour tout " > 0 pour lequel
Z"
dz
< +1; (2.94)
r(z)
0
alors, l’origine du système (2.23) est stable en temps …ni. La fonction temps d’établissement
pour ce système satisfait l’inégalité suivante
VZ(t;x)
dz
T0 (t; x) : (2.95)
r(z)
0
Exemple 2.34 Considérons le système scalaire non autonome suivant
x_ = 1 + t2 ' (x) ;
t 0, x 2 R soit la fonction de Lyapunov V (x) = x2 :
V_ (t; x) = 2 1 + t2 x' (x) rV (t; x)
avec
+1
r(V ) = 2' x2 et = ;
2
puisque
Z"
dz
< +1;
r(z)
0
le théorème assure que l’origine est stable en temps …ni avec la fonction temps d’établissement
4jxj1
du système T0 (t; x) 1
.
Dans le cas où la fonction temps d’établissement est continue, on a le théorème inverse suivant.

Théorème 2.15 [17] Soit 2 (0; 1) et U un voisinage ouvert de l’origine. Il existe une fonction
+
v : [0; r] ! R de classe K, avec r > 0, tel que pour t 0 on a x 2 Br (0) U , alors
k f (t; x) k v (k x k) (2.96)
Si l’origine est stable en temps …ni et le temps d’établissement T (:) est continu en (t; 0)
pour t 0, alors il existe une fonction (:) de classe K, une constante k > 0, une fonction
continue V : [0; +1) U ! R et un voisinage de l’origine M tel que V_ (t; x) est dé…nie et pour
(t; x) 2 [0; +1) R, on a
1. V (t; 0) = 0, t 2 [0; +1) :

2. (k x k) V (t; x); t 2 [0; +1), x 2 M:
3. V_ (t; x) k (V (t; x)) ; t 2 [0; +1), x 2 M:
2.4.3 Stabilisation en temps …ni

Jusqu’à maintenant, nous avons parlé que de la notion de stabilité. Dans la théorie de contrôle,
l’objectif est de trouver une commande qui garantit la stabilisation de l’origine. Nous allons
exposer la dé…nition de la stabilisation en temps …ni pour les systèmes contrôlés de la forme
x_ = f (x; u(x)) (2.97)
où f est continue pour tout x 2 Rn , u 2 Rm est l’entrée de commande.
Dé…nition 2.20 Le système (2.97) est stabilisable en temps …ni s’il existe une commande u 2
C 0 ( ; Rm ) telle que
1. u (0) = 0:
2. L’origine du système bouclé (2.97) soit stable en temps …ni.

Chapitre 3
Stabilité et stabilisation des systèmes

linéaires en dimension in…ni
Dans ce chapitre, nous présentons l’essentiel des résultats concernant la stabilité des systèmes
linéaires par l’utilisation de la théorie du semi-groupe ( voir [11, 14, 24]) dont nous rappelons les
fondamentaux résultats.
Dans la section 3.1, nous dé…nissons le C0 -semi-groupes d’opérateurs linéaires bornés et son
générateur in…nitésimal. Après nous citons les essentiels résultats du théorie C0 -semi-groupe.
Dans la section 3.2, nous abordons la notion du stabilité des systèmes linéaires en dimension
in…nie qui sont régis par l’équation
(
z_ (t) = Az (t) t 2 [0; +1[
(3.1)
z(0) = z0
Où A est un opérateur de domaine D(A) qui génère un C0 -semi-groupe fT (t)gt>0 sur l’espace
de Banach X.
Nous dé…nissons 4 types de stabilité
- La stabilité exponentielle.
- La stabilité uniforme.
- La stabilité asymptotique (forte).
- La stabilité faible.
Dans cette section, nous établissons les résultats suivants
- La stabilité exponentielle , la stabilité uniforme.
84
Chapitre 3. Stabilité et stabilisation des systèmes linéaires en dimension in…ni
- La stabilité exponentielle ) la stabilité asymptotique ) la stabilité faible.

Dans la même section 3.2, nous citons le théorème de Datko qui a caractérisé la stabilité
exponentielle en 1970 par le résultat suivant : Le système (3.1 ) est exponentiellemnt stable ,
Z1
kT (t)zk2 dt < +1. Ce résultat est généralisé 2 ans après par Pazy, qui a remplacé le 2 par un
0
p quelconques de [1; +1[ :
Dans la section 3.3nous abordons l’essentiel des résultats concernant la stabilisation des sys-
tèmes linéaires.
3.1 C0-semi-groupes d’opérateurs linéaires bornés

Notation 3.1
Dans ce chapitre (X; k : k) désigne un espace de Banach.
Dé…nition 3.1 Une famille d’opérateurs linéaires bornés (T (t))t 0 de X dans X est dite un
C0 -semi-groupes (un semi-groupe fortement continu) sur X si
1. T (0) = Id (où Id est l’opérateur identité de X ).
2. T (t + s) = T (t)T (s), 8t; s > 0.
3. lim+ k T (t)z z k= 0; 8z 2 X:
t!0
Dé…nition 3.2 Un C0 -semi-groupe (T (t))t>0 est dit de contraction si
k T (t) k 1; 8t > 0: (3.2)
Dé…nition 3.3 Le générateur in…nitésimal A d’un C0 -semi-groupe (T (t))t>0 sur X est dé…ni
par
T (t)z z
Az = lim ; (3.3)
t!0 t
sur le domaine D(A) l’ensemble des points z de X pour lesquels la limite (3.3) existe dans
X.
Exemple 3.1 Soit
X = ff : [0; +1[ ! R; f est uniformément continue et bornéeg
muni de la norme
k f kX = sup j f( ) j :
2[0;+1[
3.1. C0 -semi-groupes d’opérateurs linéaires bornés 85

Dé…nissons
(T (t) f ) ( ) = f (t + ) ; 8t 0 et 2 [0; +1[ :
Il est clair que T (t) est un opérateur linéaire, en plus on a
1. (T (0) f ) ( ) = f (0 + ) = f ( ): Donc T (0) = Id.

2. (T (t + s)f )( ) = f (t + s + ) = (T (t)f )(s + ) = (T (t)T (s)f )( ), 8f 2 X: Donc
T (t + s) = T (t)T (s); 8t; s 0:

!
3. lim+ k T (t)f f kX = lim+ sup j f (t + ) f( ) j = 0; 8f 2 X:
t!0 t!0 2[0;+1[
Par conséquent, fT (t)gt 0 est un C0 -semi-groupe d’opérateurs linéaires bornés sur X.

Soit A : D(A) X ! X le générateur in…nitésimal du C0 -semi-groupe fT (t)gt 0 : Si f 2
D(A), on a
(T (t)f ) (s) f (s) f (s + t) f (s)
Af (s) = lim = lim = f 0 (s);
t!0 t t!0 t
0
Donc, f est uniformément continue. Par conséquent :
D(A) ff 2 X ; f 0 2 Xg :
Exemple 3.2 Soit p 2 [1; +1[; considérons l’espace X = Lp ([0; +1[) ; muni de la norme
0 +1 1 p1
Z
k f kp = @ j f ( ) jp d A :
0
Dé…nissons
(T (t)f ) ( ) = f (t + ); 8t; 0; et f 2 X:
On a
0 +1 1 p1 0 +1 1 p1
Z Z
kT (t)f kp = @ j (T (t)f ) ( ) jp d A = @ j f ( + t) jp d A
0 0
0 +1 1 p1 0 +1 1 p1
Z Z
= @ j f ( ) jp d A @ j f ( ) jp d A =k f kp ;
t 0
alors, k T (t) k 1; 8t 0. Il est clair que
T (0) = Id et T (t + s) = T (t)T (s); 8t; s 0:

De plus, on a
lim k T (t)f f kp = 0:
t!0
Par suit, fT (t)gt 0 est un C0 -semi-groupe d’opérateurs linéaires bornés sur X.

Soit A : D(A) X ! X le générateur in…nitésimal du C0 -semi-groupe fT (t)gt 0 : Si f 2
D(A), on a
(T (t)f ) ( ) f ( ) f ( + t) f( )
Af ( ) = lim = lim = f 0 ( );
t!0 t t!0 t
0
Donc, f est uniformément continue. Par conséquent
D(A) ff 2 Lp ([0; +1[) ; f 0 2 Lp ([0; +1[)g :
Lemme 3.1 Soit f : [a; b] ! X une fonction continue, alors

Z+t
1
lim f (s)ds = f ( ): (3.4)
t!0 t
Preuve Pour tout t 6= 0, on a

Z+t Z+t
1 1
f (s)ds f( ) = (f (s) f ( ))ds
t t
1
sup kf (s) f ( )k t
t s2[ ; +t[
= sup kf (s) f ( )k :
s2[ ; +t[
La continuité de f nous permet de conclure.
Proposition 3.1 Soit fT (t)gt 0 est un C0 -semi-groupe sur X.
1. kT (t)k est borné sur tout segment de [0; +1[ :

2. Il existe M > 1, ! > 0 tel que
kT (t)k M e!t ; 8t 0: (3.5)
3. Pour tout z de X l’application t ! T (t)z est continue sur R+ :

4. On pose 0 = inf 1t log kT (t)k ; alors 0 = lim 1
log kT (t)k :
t!+1 t
5. Pour tout > 0; il existe M > 1, tel que
kT (t)k M e t ; 8t > 0: (3.6)

Preuve
1. Montrons d’abord que
9a > 0; 9M > 1 kT (t)k M; 8t 2 [0; a] (3.7)
Sinon, c.à.d. que

8a > 0; 8M > 1; 9t 2 [0; a] tel que kT (t)k > M; (3.8)
1
En particulier pour a = n
et M = n(n 2 N )
1
9tn 2 0; tel que kT (tn )k > n: (3.9)
n
Donc la suite (kT (tn )k)n2N est non bornée, alors d’après le théorème de Banach-Steinhaus [11]
il existe z0 2 X tel que (kT (tn )z0 k)n2N non bornée, ce qui contredit le fait que
lim k T (t)z z k= 0; 8z 2 X; (3.10)

t!0+
car
k T (tn )z0 z0 k>k T (tn )z0 k k z0 k : (3.11)
Soit t > a; alors

9q 2 N et r 2 [0; a[ tel que t = qa + r (3.12)
donc
kT (t)k = kT (qa + r)k (3.13)

= kT (r)T (a)q k
MMq
M q+1 :
2. On a d’après (3.7), comme T (0) = I, alors M > 1.

log M
Posons ! = a
0: Soit t > 0; et soient q 2 N et r 2 [0; a[ tel que t = qa + r, donc
kT (t)k = kT (qa + r)k

= kT (r)T (a)q k
MMq
t r
MM a a
t
MM a
= M e!t :

3. Soient t > 0 et z 2 X, on a pour tout s 0
kT (t + s)z T (t)zk = kT (t) (T (s)z z)k

kT (t)k kT (s)z zk
M e!t kT (s)z zk ! 0 lorsque s ! 0+ :
D’où la continuité à droite en t. D’autre part, on a pour tout s 0
kT (t s)z T (t)zk = kT (t s) (z T (s)z)k

kT (t s)k kz T (s)zk
M e!(t s)
kz T (s)zk
M e!t kz T (s)zk ! 0 lorsque s ! 0+ :
4. On a
1
0 = inf log kT (t)k ;
t
soient t0 > 0 et t > t0 , alors
9q 2 N tel que t = qt0 + r avec r 2 [0; t0 [
On a
1 1
log kT (t)k = log kT (qt0 + r)k
t t
q 1
log kT (t0 )k + log kT (r)k
t t
qt0 log kT (t0 )k 1
+ log kT (r)k
t t0 t
1 1
log kT (t0 )k + log kT (r)k ;
t0 t
donc
1 1
lim+ sup log kT (t)k log kT (t0 )k , 8t0 0;
t!0 t t0
ainsi
1
lim+ sup log kT (t)k 0:
t!0 t
D’autre part, on a
1
0 lim+ inf log kT (t)k ;
t!0 t
d’où l’égalité.

5. Soit ! > 0; on a
1
lim+ log kT (t)k = 0;
t!0 t
alors il existe t0 0 tel que 8t > t0 ; on a
1
log kT (t)k 0 ! 0;
t
donc
kT (t)k e!t ; 8t t0 :
D’autre part, soit t t0 , on a d’après l’assertion (1.), il existe M positive tel que
kT (t)k M;
si ! > 0 c’est …ni, sinon on a
kT (t)k M e!(t t0 )
!t0 !t
Me e ;
!t0
alors, il su¢ t de prendre M! = max (1; M; M e ):
Proposition 3.2 Soit fT (t)gt>0 un C0 -semi-groupe sur X de générateur in…nitésimal A. Alors
1. On a
Zt+h
1
lim+ T (s)zds = T (t)z; 8t 0; 8z 2 X: (3.14)
h!0 h
t
Zt
2. Pour tout t > 0 et tout z 2 X, on a T (s)zds 2 D(A) et on a
0
0 1
Zt
A@ T (s)zdsA = T (t)z z: (3.15)
0
3. Pour tout t > 0 et tout z 2 D(A), T (s)zds 2 D(A) et on a
d
T (t)z = AT (t)z = T (t)Az: (3.16)
dt

4. Pour tout z 2 D(A); on a

Zt Zt
T (t)z z= T (s)Azds = AT (s)zds: (3.17)
0 0
Preuve
1. Conséquence direct du lemme 3.1 précédent.

2. Soit z 2 X pour tout h > 0; on a
0 t 1 0 t 1
Z Z
T (h) I @ 1@
T (s)zdsA = T (h + s)z T (s)zdsA
h h
0 0
0 t+h 1
Z Zt
1@
= T (s)z T (s)zdsA
h
h 0
0 t+h 1
Z Zh
1@
= T (s)z T (s)zdsA ;
h
t 0
donc, d’après le lemme 3.1, on a

0 t 1
Z
T (h) I @ T (s)zdsA = T (t)z
lim+ z:
h!0 h
0
3. Soit z 2 D(A); on a
T (h) I T (h + t)z T (t)z

lim+ T (t)z = lim+
h!0 h h!0 h
T (h) I
= lim+ T (t) z
h!0 h
T (h) I
= lim+ T (t)z
h!0 h
= T (t)Az = AT (t)z:
4. Se découle par intégration d’expression (3.) sur [0; t].
Corollaire 3.1 Soit A générateur in…nitésimal d’un C0 -semi-groupe fT (t)gt>0 sur X, alors
1. Le domaine D(A) est dense dans X, c.à.d. D(A) = X:

2. A est un opérateur linéaire fermé.
Preuve
1. Soit z 2 X. Pour tout n 2 N , posons

1
Zn
1
zn = T (s)zds:
n
0
D’après l’assertion (2.) du proposition 3.2, on a zn 2 D(A), 8n 2 N et par l’assertion (1.)

du même proposition 3.2 et de lemme 3.1, on a
1
Zn
1
lim zn = lim T (s)zds = T (0)z = z:
z!+1 z!+1 n
0
Ainsi, D(A) = X:
2. Premièrement, on a A est un opérateur linéaire.
Soit (xn )n 0 une suite d’éléments de D(A) telle que xn ! x et Axn ! Ax lorsque n ! +1.
Montrons que x 2 D(A) et que Ax = y.
Puisque pour tout n 2 N, xn 2 D(A), alors d’après l’assertion (4.) du proposition 3.2, on a
Zt
T (s)xn xn = T (s)yds:
0
Donc
Zt
T (t)x x 1
= T (s)yds ! y lorsque t ! 0+ :
t t
0
D’où
x 2 D(A) et Ax = y:
Théorème 3.1 [21] Soient deux C0 -semi-groupe fT (t)gt>0 et fS(t)gt>0 sur X de générateurs
in…nitésimaux le même opérateur A. Alors
T (t) = S(t); 8t 0: (3.18)

Preuve Soient t > 0 et z 2 D(A). Dé…nissons l’application
s 2 [0; t) ! U (s) z = T (t s) S(s)z 2 D(A):
Alors
d d d
U (s)z = T (t s) S(s)z + T (t s) S(s)z
ds ds ds
= AT (t s) S(s)z + T (t s) AS(s)z = 0:
8z 2 D(A): Par suit, U (0)z = U (t)z pour tout z 2 D(A); d’oú
T (t)z = S(t)z; 8z 2 D(A) et t 0:
Puisque D(A) = X; pour tout t 0, il résulte que
T (t)z = S(t)z; 8t 0 et z 2 X;
ou bien T (t) = S(t); 8t 0:
3.1.1 Théorème de Hille-Yosida
Ensemble résolvant, spectre et résolvante
Dé…nition 3.4 Soit A : D(A) X ! X un opérateur linéaire.
1. On appelle ensemble résolvant de A, qu’on note (A), l’ensemble
1
(A) = 2 C, I A : D(A) ! X est bijectif et ( I A) : X ! D(A) est borné :
(3.19)
2. On appelle spectre de A, l’ensemble (A) = C (A):
1
3. Pour 2 (A); l’opérateur linéaire borné R( ; A) = ( I A) est appelé la résolvante de
A au point :
Proposition 3.3 (Équation de la résolvante) Si A : D(A) X ! X est un opérateur

linéaire. Alors, pour tous ; 2 (A) ; on a
R( ; A) R( ; A) = ( ) R( ; A)R( ; A): (3.20)

Théorème 3.2 (Théorème de Hille-Yosida, cas général) [21] Un opérateur linéaire A est
le générateur in…nitésimal d’un C0 -semi-groupe fT (t)gt>0 sur X véri…ant
kT (t)k M e!t ; 8t 0 avec ! > 0 et M > 1; (3.21)
si et seulement si
1. D(A) = X et A est un opérateur fermé.

2. Pour tout 2 C tel que < ( ) > !; on a 2 (A) et
M
kR( ; A)n k ; 8n 2 N: (3.22)
(< ( ) !)n
3.2 Stabilité des systèmes linéaires

Dans cette section on s’intéresse par l’étude de stabilité du système linéaires ( voir [24, 14,
11, 21]) régi par l’équation suivant
(
z_ (t) = Az (t)
t 2 [0; +1[ (3.23)
z(0) = z0
Où A est un opérateur de domaine D(A) qui génère un C0 -semi-groupe fT (t)gt>0 sur l’espace
de Banach X:
Dé…nition 3.5 Le système (3.23) est dit
1. Exponentiellement stable s’il existe deux constantes strictement positives M et tel que
kT (t)k M e t ; 8t 0: (3.24)
2. Uniformément stable si
lim kT (t)kL(X) = 0: (3.25)
t!+1
3. Fortement (asymptotiquement ) stable si
lim kT (t)zk = 0; 8z 2 X: (3.26)

t!+1
4. Faiblement stable
lim hT (t)z; yi = 0; 8 (z; y) 2 X X : (3.27)
t!+1
Remarque 3.1 En dimension …nie les quatre degré de stabilité coïncident.
3.2. Stabilité des systèmes linéaires 94

Exemple 3.3 Sur L2 (]0; +1[) considérons le système

(
@z(x;t) @z(x;t)
@t
= dx
(3.28)
z(x; 0) = z0 (x)
@
L’opérateur A = @t
avec D(A) = fz 2 H 1 (]0; +1[); z (0) = 0g engendre un C0 -semi-groupe
S(t); t 0 dé…ni par (S(t)z)(x) = z(x + t).
On a
Z+1
8z 2 L2 (]0; +1[), kS(t)zk2 = jz(x)j2 dx ! 0 quand t ! +1:
t
Alors, le système (3.28) est fortement stable. Mais, on a
kS(t)kL(L2 (]0;+1[)) = 1; 8t 0;
donc, le système (3.28) n’est pas exponentiellement stable.

Un système peut être faiblement stable sans qu’il soit fortement stable.
Exemple 3.4 Sur L2 (]0; +1[) considérons le système suivant

(
@z(x;t) @z(x;t)
@t
= dx
sur (]0; +1[)2
(3.29)
z(x; 0) = z0 (x) 2 L2 (]0; +1[)
@
L’opérateur A = @t
avec D(A) H 1 (]0; +1[) engendre un C0 -semi-groupe S(t); t 0
donné par (
z(x t) si x t
((S(t)z)(x)) =
0 sinon
On a
Z+1
kS(t)zk = kS(t)z(x)k2 dx
t
Z+1
= kz(x t)k2 dx
t
Z+1
= kz( )k2 d
0
= kzk:

Donc, le système (3.29) n’est pas asymptotiquement stable. Cependant ce système est faible-
ment stable, en e¤et 8z 2 L2 (]0; +1[), y 2 L2 (]0; +1[) deux fonctions à supports compacts,
pour t assez grand les supports de S(t)z et y sont disjoints, alors
Z+1
hS(t)z; yi = y(x + t)z(x)dx
0
= 0:
Maintenant, soit (y; z) 2 (L2 (]0; +1[))2 alors, ils existent yn et zn deux suites de fonctions
à supports compacts telles que
1 1
kz zn kL2 (]0;+1[ < et ky yn kL2 (]0;+1[ < ;
n n
alors
jhS(t)z; yij < jhS(t) (z zn ) ; yij + jhS(t)z; y yn ij + jhS(t)zn ; yn ij

1 1
< ( + k y kL2 (]0;+1[) + k z kL2 (]0;+1[) + jhS(t)zn ; yn ij ;
n n
or jhS(t)zn ; yn ij = 0 pour t assez grand, d’où jhS(t)z; yij ! 0 quand t ! +1 et par
conséquent le système (3.29) est faiblement stable.
Remarque 3.2 En dimension …nie, les trois degrés de stabilité coïncident et de nombreux résul-
tats de caractérisation ont été établis, ces résultats sont basés sur des propriétés spectrales de la
dynamique du système A ou sur l’existence d’une fonction de Lyapunov, ce qui revient à établir
l’existence d’une solution d’une équation de Lyapunov.
Proposition 3.4 Les deux propriétés suivantes sont équivalentes
a. Le système (3.23) est exponentiellement stable.

b. + < 0 avec + = inf f = 9M > 1 kT (t)k M e t ; 8t > 0g :
Notation 3.2
Posons = sup f< ( ) ; 2 (A)g :
Lemme 3.2 Soit A un générateur in…nitésimal d’un C0 -semi-groupe fT (t)gt>0 et un vecteur

propre de A associé à la valeur propre , alors pour tout t > 0, est aussi un vecteur propre de
T (t) associé à la valeur propre e t .

Preuve D’après la proposition 3.1, on a

d
T (t) = T (t)A = T (t) ; 8t 0:
dt
Puisque T (0) = ; alors
t
T (t) = e :
Proposition 3.5
1. 0 avec 0 = inf 1t log kT (t)k :

t>0
2. Le système (3.23) est exponentiellement stable implique 0:
Preuve Soit 2 (A) alors, d’après le lemme 3.2 il existe 2 X tel que k k= 1 et
t
T (t) = e ; 8t > 0;
donc
t
kT (t) k = e = e<( )t
k T (t) k :
Supposons que > 0, alors il existe 0 2 (A) tel que <( 0 ) > 0, et soit z la solution de
(3.23) satisfaisons au condition initial z0 = le vecteur propre associé à la valeur propre 0.
0t
Donc z(t) = T (t) = e , ce qui implique lim kz(t)k = +1 ce qui est absurde.
t!1
Proposition 3.6
La stabilité exponentielle )La stabilité asymptotique )La stabilité faible.
Remarque 3.3 La réciproque est fausse en dimension in…nie.
Exemple 3.5 Soit X = l2 (N ) : l’espace de Hilbert des suites à carrée sommable qui est muni
du produit scalaire dé…nit par
X
+1
hx; yi = xn zn ;
n=1
et k : k est la norme associée. Nous dé…nissons

t t
T (t)x = e t x1 ; e 2 x2 ; :::; e n xn ; ::: ; t 0 pour tout x = (x1 ; x2 ; :::; xn ; :::) 2 X;
on a, fT (t)gt est un C0 -semi-groupe sur X.

En e¤et, il est clair que
T (0) = Id et T (t + s) = T (t)T (s); 8t; s > 0:
D’autre part, soit x 2 X, puisque

t 2
1 en x2n x2n ;
donc
X t 2
1 en x2n ;
n 1
est normalement convergente , donc elle est uniformément convergente. D’où

X
1
t 2
lim+ kT (t)x xk = lim+ 1 en x2n = 0:
t!0 t!0
n=1
Soit x 2 X, on a
X
1
2 nt
kT (t)xk = e x2n ! 0 lorsque t ! +1:
n=1
Donc, le système (3.23) dans le cas de cet exemple est asymptotiquement stable. Cependant
il n’est pas exponentiellemnt stable. En e¤et, soit t > 0
kT (t)k = sup kT (t)xk

kxk=1
! 12
X
1
t
2 nt
= sup e x2n lim e n = 1
kxk=1 n!1
n=1
D’autre part, on prend fzj gj 1 la suite des éléments de X dé…nie par (zj )n = n;j : On a
!2
X
1
t
2 nt
kT (t)zj k = e x2n = e j ; 8j
n=1
D’où
t
kT (t)k = lim e n = 1:
n!1
3.2.1 Caractérisations de la stabilité exponentielle

Théorème 3.3 [21] Si 0 < 0 alors le système (3.23) est exponentiellement stable.
Preuve Se découle immédiatement de l’assertion 5 de la proposition 3.1.

Théorème 3.4 [21] Les propriétés suivantes sont équivalentes
a. Le système (3.23) est exponentiellement stable.

b. Le système (3.23) est uniformément stable (c.à.d. lim kT (t)k = 0).
t!1
c. il existe t0 > 0, tel que kT (t)k < 1:
d. 0 < 0:
Preuve Il est clair que a. implique b., et que b. implique c. D’autre part, on a d’après le
théorème 3.3 on a d. implique a., donc il nous reste que montrer que c. implique d., en e¤et,
supposons qu’il existe t0 > 0, tel que kT (t0 )k < 1; donc
log kT (t0 )k < 0;
alors
1
log kT (t0 )k < 0:
t0
D’où
1
0 = inf log kT (t)k :
t>0 t
Théorème 3.5 (Théorème de Datko) [21] Le système (3.23) est exponentiellement stable si
et seulement si
Z1
kT (t)zk2 < +1: (3.30)
0
Preuve
Le sens direct est claire.
Réciproquement supposons que
Z1
kT (t)zk2 < +1:
0
Pour m 2 N , l’opérateur Pm (y) = 1[0;m] (t) T (t)y 2 L (X; L2 (R+ ; X)) est bien dé…ni. Par
suite
Z+1
k(Pm y) (t)k2 = k(Pm y) (t)k2 dt am kyk2 ;
0

où
Zm
am = kT (t)k2L(H) dt;
0
Z1
et puisque kT (t)zk2 < +1, alors d’après le théorème de Banach Steinhaus
0
9a > 0 tel que kPm k a; 8m 1;
D’autre part, on a d’après la proposition 3.1, on a
9 > 0; M > 0 tels que kT (t)k M e t ; 8t 0:
Pour t0 > 0, la famille (kT (t)k)t t0 est bornée et pour t > t0 , on a
2 t Zt
1 e 2
kT (t)yk = e 2 (t s)
kT (t)yk2 ds
2
0
Zt
= e 2 (t s)
kT (t s)T (s)yk2 ds
0
Zt
2 (t s)
e k T (t s) k2L(X) k T (s)y k2 ds
0
M 2 a2 kyk2 :
D’où il existe k > 0; tel que
k T (t) kL(X) k; 8t 0:
En plus, on a
Zt Zt
t k T (t)y k2 = k T (t)y k2 ds k T (t s) k2L(X) k T (s)y k2 ds;
0 0
donc
t k T (t)y k2 k 2 a2 kyk2 ;
alors
ka
k T (t) kL(X) p ;
t

d’où il existe t0 tel que

log k T (t0 ) kL(X) < 0;
ce qui donne
1
= inf log kT (t)kL(X) < 0;
t>0 t
et le théorème 3.3 achève la preuve.

Après 2 ans Pazy a généraliser ce théorème.
Théorème 3.6 (Théorème de Datko-Pazy) [21] Le système (3.23) est exponentiellement

stable si et seulement si il existe (ou bien pour tout) p 2 [1; +1[
Z1
k T (t)z kp < 1 (3.31)
0
La démonstration est analogue au cas de p = 2.
Remarque 3.4 D’après la démonstration du theorème de Datko, on a : le système (3.23) est

exponentiellement stable si pour tout z 2 X il existe M, tel que
kT (t)zk M e t kzk ; 8t 0: (3.32)
Théorème 3.7 [21] Si X est de Hilbert, le système (3.23) est exponentiellement stable si et
seulement si il existe P 2 L(X) auto-adjoint positif solution de l’équation de Lyapunov
hAz; P zi + hP z; Azi = hz; zi ; 8 2 D (A) : (3.33)
Preuve
)) Supposons que le système (3.23) est exponentiellement stable, considérons l’opérateur P
dé…ni par
Z1
P z = T (s) T (s)zds:
0
soit t > 0; on a
Zt Zt
T (s) T (s)zds kT (s) T (s)zk ds
0 0
Zt
MK
K M e t kzk ds ! k z k< 1 lorsque t ! +1:
0

Donc, P est bien dé…nie,et de plus P est auto-adjoint positif et il véri…e l’équation de Lya-
punov (3.33).
() Soit z 2 D(A) et soit la fonction positive
V (t; z) = hP T (t)z; T (t)zi :
Comme P est solution de l’équation (3.33), on a

dV (t; z)
= k T (t)z k2 0;
dt
on intègre cette relation sur [0; t]; on obtient
Zt
k T (t)z k2 ds = V (0; z); 8t 0; 8z 2 D(A);
0
puisque D(A) dense dans X; alors

Zt
k T (t)z k2 ds = V (0; z); 8t 0; 8z 2 X;
0
ainsi
Z1
k T (t)z k2 ds = V (0; z) < 1; 8z 2 X:
0
Alors, d’après le théorème de Datko on a (3.23) est exponentiellement stable.
3.3 Stabilisation des systèmes linéaires

On considère le système linéaire contrôlé
(
dz(t)
dt
= Az (t) + Bv(t)
(3.34)
z(:; 0) = z0
où A est un générateur in…nitésimal d’un C0 -semi-groupe S(t), t 0 dans un espace de
Hilbert H et B 2 L(V; H), V étant l’espace des contrôles supposé de Hilbert.
On sait que pour tout K 2 L(H), l’opérateur A + BK engendre un C0 -semi-groupe et que la
solution faible du système (3.34), est donnée par
Zt
z(t) = S(t)z0 + S(t s)Bv(s)ds;
0
et on a la dé…nition
3.3. Stabilisation des systèmes linéaires 102

Dé…nition 3.6 Le système (3.34) est dit faiblement (asymptotiquement, exponentiellement) sta-
bilisable, s’il existe un opérateur borné K 2 L(H; V ) tel que le système
(
dz(t)
dt
= (A + BK) z(t)
(3.35)
z(:; 0) = z0
soit faiblement (asymptotiquement, exponentiellement) stable.
Caractérisations de la stabilisation
Il existe principalement trois approches pour aborder le problème de la stabilisation du sys-

tème (3.35). La première est basée sur la notion de contrôlabilité, la seconde passe par l’équation
de Riccati et la troisième utilise les propriétés spectrales et structurales de A.
Une caractérisation de la stabilisabilité du système (3.34) est donnée par le résultat suivant
Proposition 3.7 Les propriétés suivantes sont équivalentes
1. Le système (3.34) est exponentiellement stabilisable.

2. Il existe un contrôle v(t) telle que la solution associée de (3.34) satisfait
Z1
kz (t)k2 + kv(t)k2 dt < 1; 8z 2 H: (3.36)
0
3. Pour tout z0 2 H, il existe un contrôle v(t); tels que v(t) et la solution associée tendent
vers 0 quand t ! 1:
Remarque 3.5 En dimension …nie, la stabilisation du système (3.34) est équivalente à la contrô-
labilité de ses modes instables.
En dimension in…nie, le spectre d’un opérateur n’est pas réduit à sa partie ponctuelle et on
ne peut en général déplacer le spectre par une perturbation de rang …ni. De plus, la position du
spectre n’est pas directement liée à la stabilité du système.
3.3. Stabilisation des systèmes linéaires 103

Chapitre 4
Application sur la stabilité des systèmes

dynamiques
4.1 Application 1 : Dynamique virale dans l’infection par le

virus de l’hépatite B (VHB)
L’infection par le virus de l’hépatite B (VHB) est un problème de santé majeur, qui peut
entraîner une cirrhose et un carcinome hépatocellulaire primaire (CHC). Aujourd’hui, plus de
2 milliards de personnes sont infectées par le VHB. La population du VHB transporteur est
d’environ 400 millions, dont 75 sont situés en Asie. En conséquence, le (VHB) provoque environ 1
million de décès chaque année dans le monde. Rien qu’en Chine, près de 15 millions de nouvelles
infections surviennent chaque année, plus de 30 millions de personnes sont infectés de façon
chronique et plus de 350 000 d’entre eux meurent chaque année de le carcinome hépatocellulaire
(CHC).
L’infection aiguë par l’hépatite B ne nécessite généralement pas de traitement, car la plupart
des adultes guérissent spontanément de l’infection ( voir [19] ). Un traitement antiviral précoce
ne peut être nécessaire chez moins de 1 % des patients, dont l’infection prend une tournure très
agressive ("hépatite fulminante") ou qui sont immunodéprimés. D’autre part, le traitement d’une
infection chronique peut être nécessaire pour réduire le risque de cirrhose et de cancer du foie. Les
personnes infectées de façon chronique avec un taux sérique d’alanine aminotransférase élevé de
façon persistante, un marqueur des lésions hépatiques, et des niveaux d’ADN du VHB sont des
candidats à la thérapie ( voir [25] ). Bien qu’aucun des médicaments disponibles peuvent éliminer
l’infection, ils peuvent empêcher le virus de se répliquer et empêcher les lésions hépatiques telles
104
Chapitre 4. Application sur la stabilité des systèmes dynamiques
que la cirrhose et le cancer du foie. Les traitements comprennent des antiviraux les médicaments
tels que la lamivudine, l’adéfovir, le ténofovir, la telbivudine et l’entécavir, et des modulateurs
du système immunitaire tels que l’interféron alpha. Toutefois, certaines personnes sont beaucoup
plus susceptibles de répondre que d’autres et cela peut s’expliquer par du génotype du virus
infectieux ou de l’hérédité du patient. Le traitement fonctionne en réduisant la charge virale, (la
quantité de particules virales telle que mesurée dans le sang), qui à son tour réduit la réplication
virale dans le foie.
4.1.1 Présentation du modèle

Dans la littérature, des modèles mathématiques ont été utilisés pour aider à comprendre la
dynamique des infections virales, telles que le virus de l’immunodé…cience humaine et l’infec-
tion par l’hépatite C (voir [33, 34]). En suivant ces approches, la dynamique des modèles a été
développée pour analyser les changements dans les niveaux du virus de l’hépatite B pendant la
pharmacothérapie (voir [32, 39, 27, 12] ). Parmi ces modèles, le modèle d’infection virale (BVIM)
présenté par Nowak et al. (voir [32] ) est largement utilisé dans les études de la dynamique des
infections virales.
Le modèle de l’infection virale de Nowak est donner par l’équation suivant
8
>
>
< x_ (t) = dx (t) xz(t)
y_ (t) = x(t)z ay(t) (4.1)
>
>
: z_ (t) = ky(t) z(t)
où x(t), y(t) et z(t) sont les concentrations des cellules non infectées, les cellules infectées et
le virus à l’instant t, resp.
le taux de production des cellules.

d le taux de mortalité normal des cellules.
le taux d’infection des cellules saines.
a le taux de mortalité normal des cellules infectées.
k taux de production de virus.
le taux de la clairance de virus.
Dé…nition 4.1 Le taux de reproduction de base R0 est le nombre moyen des infections secon-
daires produites par un infecté durant la période d’infection dans une population entièrement
constituée de susceptible.
4.1. Application 1 : Dynamique virale dans l’infection par le virus de l’hépatite B (VHB)
105
k
Remarque 4.1 Dans le cas du système (4.1), R0 = da
:
4.1.2 Les points d’équilibre

Dans cette sous-section, nous montrons que notre modèle a deux points d’équilibres, un
équilibre libre (sans maladie ), et un équilibre chronique.
Proposition 4.1
1. Si R0 1 le système (4.1) admet un unique point d’équilibre libre (sans maladie) Ef ( d ; 0; 0).
2. Si R0 > 1 alors le système (4.1) admet deux points d’équilibres, l’équilibre libre Ef et
l’équilibre chronique (endémique) E (x ; y ; z ) avec
x =
dR0
d (R0 1)
y =
k
d (R0 1)
z =
4.1.3 Stabilité locale des points d’équilibres

Dans cette sous-section, nous discutons de la stabilité locale des deux équilibres du système
(4.1). Notons que la matrice jacobienne du système (4.1) est donnée par
0 1
d z 0 x
B C
J =B
@ z a x C
A (4.2)
0 k
Proposition 4.2 Le point d’équilibre sans maladie est localement asymptotiquement stable si
R0 < 1, et il est instable lorsque R0 > 1.
Preuve En évaluant (4.2) à Ef , nous avons

0 1
d 0 x0
B C
B
JEf = @ 0 a x0 C (4.3)
A
0 k
avec x0 = d :
106
On a
det JEf sI = 0,( d s) [( + s)(a + s) k x0 ] = 0

, s= d ou s2 + (a + )s + a k x0 = 0
, s= d ou s2 + (a + )s + a (1 R0 ) = 0
or
= (a + )2 4a (1 R0 )
= (a )2 + 4a R0 0:
Alors, les valeurs propres de JEf sont
s1 = d
p
(a + ) (a + )2 4a (1 R0 )
s2 =
p 2
(a + ) + (a + )2 4a (1 R0 )
s3 =
2
Il est clair que s1 et s2 sont négatives, mais s3 elle est strictement négative si R0 < 1, et elle
est strictement positive si R0 > 1.
D’où Ef est localement asymptotiquement stable si R0 < 1, et elle est instable si R0 > 1.
Proposition 4.3 Si R0 > 1 alors l’équilibre chronique E est localement asymptotiquement

table.
Preuve En évaluant (4.2) à Ef , nous avons

0 1
d z 0 x
B C
JE = @ B z a x C (4.4)
A
0 k
On a
d z 0 x
det (JE sI) = 0 , z a x =0
0 k
, s3 + a1 s2 + a2 s + a3 = 0;
107
avec
a1 = d + z + a +
a2 = (d + z ) (a + ) + a k x
2
a3 = (d + z ) (a k x )+ kx z = da dk x + a z = a z ; (car x = ).
d
Puisque
1 = a1 > 0
a1 1
2 = = a1 a2 a3
a2 a3
= (d + z + a + ) ((d + z ) (a + ) + a k x) a z
= (d + z + a) (d (a + ) + a z + z ) + (d (a + ) + z ) > 0;
et, on a
a1 1 0
3 = a3 a2 a1 = a3 3 > 0;
0 0 a3
Donc, d’après le critère de Routh-Hurwitz E est localement asymptotiquement stable.
4.1.4 Stabilité globale des points d’équilibres

Dans cette sous-section, nous étudions la stabilité globale de l’équilibre sans maladie Ef et
l’équilibre chronique E .
Proposition 4.4 Si R0 1, alors l’équilibre sans maladie Ef est globalement asymptotiquement

stable.
Preuve Considérons la fonction de Lyapunov
x a x a
V (t) = x +y+ z =x x0 x0 ln +y+ z
x0 k x0 k
avec la fonction positive dé…nie sur ]0; +1[ par (x) = x 1 ln x:
108
On a
x a
V_ = 1 x_ + y_ + z_
x0 k
x a
= 1 ( dx xz) + xz ay + (ky z)
x0 k
d a
= (x x0 )2 + x0 z
x k
d a
= (x x0 )2 + (R0 1) z:
x k
Alors, d’après théorème de Lyapunov
- Si R0 1 alors V_ (t) 0, d’où Ef est stable.

- Si R0 < 1 alors V_ (t) < 0, d’où Ef est globalement asymptotiquement stable.
De pnlus puisque fEf g le plus grand compact invariant de l’ensemble

n o
= (x; y; z) 2 R3 ; V_ (t) = 0 :
Donc, d’après le principe de l’invariance de Lassale, nous obtenons que

Si R0 1 alors V_ (t) 0, d’où Ef est globalement asymptotiquement stable.
Lemme 4.1 (L’inégalité arithmético-géométrique) [41] La moyenne géométrique de n réels

strictement positifs x1 ; :::; xn est inférieure à leur moyenne arithmétique
p x1 + ::: + xn
n
x1 ; :::; xn ; (4.5)
n
avec l’égalité si et seulement si x1 = ::: = xn :
Proposition 4.5 Si R0 > 1 alors l’équilibre chronique E est globalement asymptotiquement

stable.
Preuve Considérons la fonction de Lyapunov
x y a z
W (t) = x +y + z
x y k z
avec la fonction positive dé…nie sur ]0; +1[ par (x) = x 1 ln x:
109
On a
d x y z
W = 1 x_ + 1 y_ + 1 z_
dt x y z
x y z
= 1 ( dx xz) + 1 ( xz ay) + 1 (ky z)
x y z
x xz a az az
= dx + dx + x z y + ay z y+
x y k z k
x xz a az
= 2dx + 3ay dx + xz y z y (car = dx + ay )
x y k z
x x (x )2 x ay z xz a az
= dx 2 +d + 3ay + y z y
x x x x z y k z
x x y x ay z xz a az
= dx 2 a + 3ay + y z y
x x x z y k z
(x )2 x y x
(car d = a )
x x x
x x x z xz z z y z z
= dx 2 + ay 3 + (car = )
x x x z ay ky zy z ky
x x x xy z z y
= dx 2 + ay 3 ;
x x x x yz yz
alors, d’après le lemme précèdent, on a

d
V 0
dt
d’où E est stable .
De plus puisque fE g le plus grand compact invariant de l’ensemble
d
= (x; y; z) 2 R3+ , V =0
dt
En eet, soit (x; y; z) 2 R3+ , puisque x, y et z sont positive, on a
x
x x xy z z y
(x; y; z) 2 ,2 et 3
x
x x x yz yz
x x x xy z z y
, = et = =
x x x x yz yz
z y
, x = x et = 1:
yz
Or
dx x z = 0 et dx xz = 0; alors z = z ;
110
D’où
x = x et y = y et z = z :
Alors, d’après le principe de l’invariance de Lassale E est globalement asymptotiquement

stable.
4.2 Application 2 : Les points de Lagrange

A la …n du 17 ème siècle Newton avait retrouvé par une démarche purement mathématique les
lois du mouvement des planètes formulées empiriquement par J. Kepler. Autrement dit, Newton
avait parfaitement résolu le problème de deux corps en interaction. Il pouvait sembler évident à
l’époque que l’on saurait rapidement étendre cette théorie à un nombre quelconque de corps en
interaction gravitationnelle. On dut rapidement déchanter, au delà de deux corps, le problème
sous sa forme générale est insoluble autrement que par des méthodes approchées.
Toutefois, dans un mémoire à l’Académie des Sciences daté de 1772, Lagrange démontrait
dans un cas particulier tout à fait intéressant un résultat général sur le problème de 3 corps sans
faire d’hypothèse sur les masses relatives des corps.
Par la suite, ce résultat fut étendu au cas où le troisième corps a une masse négligeable par
rapport aux deux premiers.
On se propose de montrer que le problème de trois corps, bien qu’insoluble dans le cas général
est susceptible d’être résolu dans des cas particuliers importants puisque ces cas se rencontrent
dans le système solaire.
Le premier de ces cas est celui de trois corps de masses quelconques et formant un triangle
équilatéral. Dans ce cas, Lagrange a montré que le triangle reste équilatéral même si les orbites
ne sont pas parfaitement circulaires.
Le second cas suppose que le troisième corps a une masse négligeable par rapport aux deux
autres. On montre dans ce cas qu’il existe pour ce troisième corps cinq positions d’équilibres
appelées "points de Lagrange".
Dans les deux cas, la théorie du mouvement de ces corps fait intervenir un référentiel "non
galiléen" qui tourne avec les corps. Pour traiter le problème, il faut donc écrire les équations de
la mécanique sous la forme
M asse Acceleration = Attraction de N ewton + F orce complementaire
La force complémentaire étant due à la rotation du référentiel.
4.2. Application 2 : Les points de Lagrange 111

4.2.1 Le Problème "restreint" de 3 corps

Dans le problème restreint à trois corps [10], un corps de masse négligeable (le "planétoïde")
se déplace sous l’in‡uence de deux corps massifs. Ayant une masse négligeable, la force que le
planétoïde exerce sur les deux corps massifs peut être négligée, et le système peut être analysé
et peut donc être décrit en termes de mouvement à deux corps. Habituellement, ce mouvement
à deux corps est constitué d’orbites circulaires autour du centre de masse, et le planétoïde est
supposé se déplacer dans le plan dé…ni par les orbites circulaires.
4.2.2 Équations du mouvement

Dans le problème a trois corps qui nous intéresse, on étudie la trajectoire d’une masse mobile
m soumit aux forces de gravité de deux autre corps m1 et m2 (dans la pratique il s’agit du couple
soleil-terre ou terre-lune le plus souvent). On supposera ici que la masse mobile m ne perturbe pas
la trajectoire des deux autres corps. On supposera aussi que toutes les masses sont ponctuelles
et on ne tiendra pas compte des phénomènes relativistes.
On peut s’intéresser a deux cas : celui où le mouvement de la particule est dans le plan des
orbites des deux autres masse et le cas général où elle se déplace dans l’espace tri-dimensionnel
tout entier.
On simplié ensuite le problème en se plaçant dans le repère inertiel des deux masses avec
donc pour origine le centre de masse m1 et m2 . On adimensionne ensuite le problème à n de
diminuer le nombre d’inconnu : on pose la distance m1 , m2 à 1, la somme des masses à 1 et la
vitesse angulaire des masses autour du centre de masse a 1.
On obtient ainsi de nouvelles équations du mouvement dans le repère tournant où il faut
prendre en compte les forces d’attraction mais aussi les forces d’inertie.
On note X = (x; y; z; vx ; vy ; vz )tr = (x1 ; x2 ; x3 ; x4 ; x5 ; x6 )tr à n d’avoir une écriture matricielle
du problème et on obtient alors comme équation du mouvement
8
>
> x_ 1 = x4
>
>
>
>
>
> x_ 2 = x5
>
>
< x_ 3 = x6
x1 x01 x1 x02
>
> x_ 4 = 2x5 + x1 (1 ) r13 r23
>
>
>
>
>
> x_ 5 = 2x4 + x2 (1 ) xr32 x2
r23
>
> 1
: x_ = (1 ) xr33 x3
6 r23
1
On note ici par r1 et r2 les distances du mobile aux masses m1 et m2 , x01 et x02 désignant les

positions respectives des masses m1 et m2 étant la masse de m2 adimensionnée

m2
= ;
m1 + m2
où
q
2
r1 = (x1 x01 ) + x22 + x23
q
2
r2 = (x1 x02 ) + x22 + x23
Le système peut aussi s’écrire de la manière suivante

8
>
> x_ 1 = x4 = f1 (X)
>
>
>
>
>
> x_ 2 = x5 = f2 (X)
>
>
< x_ = x = f (X)
3 6 3
>
> x_ 4 = 2x5 + x1 @x @U
= f4 (X)
>
> 1
>
> @U
>
> x_ = 2x4 + x2 @x2 = f5 (X)
> 5
>
: x_ 6 = @U
= f6 (X)
@x3
avec
1 2 1 1
U (x1 ; x2 ; x3 ) = x1 + x22 (1 );
2 r1 r2 2
est le potentiel du système et f = (f1 ; f2 ; f3 ; f4 ; f5 ; f6 ) est le champ de vecteurs du système.
4.2.3 Les points de Lagrange

Dé…nition 4.2 Un point de Lagrange (noté L1 à L5 ), ou plus rarement, point de libration, est
une position de l’espace où les champs de gravité de deux corps en mouvement orbital l’un autour
de l’autre, et de masses substantielles, fournissent exactement la force centripète requise pour
que ce point de l’espace accompagne simultanément le mouvement orbital des deux corps. Dans
le cas où les deux corps sont en orbite circulaire, ces points représentent les endroits où un
troisième corps, de masse négligeable, resterait immobile par rapport aux deux autres, au sens
où il accompagnerait à la même vitesse angulaire leur rotation autour de leur centre de gravité
commun sans que sa position par rapport à eux n’évolue.
Les points de Lagrange sont les points d’équilibre du problème des trois corps, c.à.d. les zéros
de f . Il existe exactement cinq points d’équilibre
- Trois points colinéaires situés sur l’axe reliant les centres des deux primaires. On note généra-
lement L1 le point de Lagrange situé entre m1 et m2 , L2 celui situé derrière la plus petite
des deux masses, m2 , et L3 celui situé derrière la plus grosse.

- Deux points situés, dans le plan orbital des primaires formant avec les centres des primaires
deux triangles équilatéraux, et sont notés L4 et L5 .
Figure 4.1 - Les points de Lagrange.
4.2.4 Calcul des points de Lagrange

Les points de Lagrange sont les points d’équilibre du problème restreint des trois corps. Donc
pour les localiser, il su¢ t de résoudre l’équation f (X) = 0; c.à.d. trouver
X = (x1 ; x2 ; x3 ; x4 ; x5 ; x6 ) ;
tel que 8
>
> x4 = 0
>
>
>
>
>
> x5 = 0
>
>
< x6 = 0
x1 x01 x1 x02
>
> 2x5 + x1 (1 ) r13 r23
=0
>
>
>
>
>
> 2x4 + x2 (1 ) xr32 x2
r23
=0
>
> 1
: (1 ) xr33 x3
=0
1 r23
Tout d’abord avec l’équation en x1 , x2 et x3 on peut en déduire immédiatement qu’on a

x4 = x5 = x6 = 0. La dernière équation nous donne x3 = 0. Il nous reste alors a résoudre
x1 x01 x1 x02
x1 (1 ) = 0
r13 r23
x2 x2
x2 (1 ) = 0
r13 r23

4.2.5 Localisation
Localisation des points colinéaires
Comme x2 = 0 annule la deuxième équation de notre système, on peut dans un premier temps
chercher les abscisses des points d’équilibre situés sur l’axe x, c.à.d. de L1 ; L2 et L3 . Il su¢ t de
trouver les solutions x1 de l’équation
x1 x01 x1 x02
x1 (1 ) r13 r23
=0
(1 )
, x1 (x1 )2 (x1 1+ )2
=0
Pour trouver les trois points de Lagrange, il su¢ t de trouver les solutions de ce polynôme de
degré 5 et où on ne peut trouver de solution générale explicite. On montre qu’il n’y a que trois
solutions réelles en utilisant la formule de Cauchy et en utilisant un chemin su¢ samment prés
de l’axe. On peut montrer que les solutions sont contenues dans une bande sur l’axe imaginaire
mais restreinte sur l’axe des abscisses grâce au critère de Routh.
Soient 1 et 2 les distances respectives de L1 et L2 à la plus petite des primaires m2 . Avec
ces notations, les abscisses des points L1 et L2 sont
xL1 = 1 1 et xL2 = 1 + 2;
où 1 et 2 véri…ent les équations

8
< 1+ 1
=0
2 (1+ 2 2
2) 2
: 1 1
1
2 2 =0
(1+ 1) 1
(
5 4 3 2
1 (3 ) 1 + (3 2 ) 1 + 1 2 1 + =0
, 5 4 3 2
2 + (3 ) 2 + (3 2 ) 2 2 2 2 =0
1 et 2 sont donc les zéros de deux polynômes de degré 5. Et en considérant la distance de L3

à la plus grosse des primaires, on peut trouver une équation similaire pour L3 .
Localisation des points équilatéraux
Pour localiser les points de Lagrange L4 et L5 (où x2 6= 0 ), on note

0 1
x1 x01 x1 x02
x1 + (1 ) r3 + r23
f~ (x1 ; x2 ) = @ 1 A
x2 + (1 ) xr32 + xr32
1 2

et on projette l’équation f~ (x1 ; x2 ) = 0 sur les axes parallèle et perpendiculaire au vecteur

position (x1 ; x2 ), respectivement grâce au vecteur ua = (x1 ; x2 ) ; ub = (x2 ; x1 ) :
Dans la direction perpendiculaire, cela donne tout d’abord
f~ (x1 ; x2 ) :ub = 0
(x1 + ) x2 x1 x2 (x1 1 + ) x2 x1 x2
, (1 ) 3
+ =0
r1 r23
x2 (1 ) x2
, (1 ) 3 3
=0
r1 r2
1 1
, (1 ) x2
r1 r23
3
, r1 = r2
Puis, dans la direction parallèle, en se servant du résultat r1 = r2 , on a
f~ (x1 ; x2 ) :ua = 0
(x1 + ) x1 x22 (x1 1 + ) x1 x22
, x21 x22 + (1 ) +
r13 r23
(1 ) (x21 + x22 + x1 ) + (x21 + x22 (1 ) x1 )
, x21 + x22 + (1 )
r13
1
, x21 + x22 1+
r13
, r1 = r2 = 1
Donc, on obtient …nalement des points qui sont équidistants de m1 et m2 et situés à la distance
1 de ces deux masses. Dans notre système d’unité, l’unité de longueur est la distance entre les
deux masses m1 et m2 . Par conséquent, les points d’équilibre L4 et L5 sont tels qu’ils forment
avec les masses m1 et m2 deux triangles équilatéraux symétriques l’un de l’autre par rapport à
l’axe x1 .
En terme de coordonnées dans notre système d’unité, on note L4 le point de Lagrange de
p p
1 3 1 3
coordonnées ;
2 2
et L5 le point de Lagrange de coordonnées 2
; 2
:
4.2.6 Stabilité des points de Lagrange

La stabilité des points de Lagrange a également été discutée par Szebehely [37]. Pour étudier
la stabilité des points de Lagrange, on linéarise les équations du mouvement autour de chacun
d’eux.

On peut ainsi exprimer l’équation du mouvement en termes des composantes selon

@2U @2U
x• = 2! y_ + x + y
@x2 @x@y
@2U @2U
y• = 2! x_ + x+ y
@x@y @y 2
avec ! la vitesse angulaire.
En prend ! = 1;on trouve
@2U @2U
x• = 2 y_ + x + y
@x2 @x@y
@2U @2U
y• = 2 x_ + x+ y
@x@y @y 2
les équations du mouvement linéarisées autour du point de Lagrange Li s’écrivent
0 1 0 1 0 1 0 1
x x_ 0 0 1 0 x
B C B C B C B C
@ B
B y C B y_ C B
C=B C=B 2 0 0 0 1 C B y C
C:B C
@t B C B C B @U @2U
@ x_ A @ x• A @ @x2 (Xi ) @x@y (Xi ) 0 2 A @ x_ A
C B C
@2U 2
y_ y• @x@y
(Xi ) @@yU2 (Xi ) 2 0 y_
il su¢ t d’en trouver les valeurs propres, c’est-à-dire les solutions de l’équation
det (A I) = 0:
Ce déterminant s’écrit
0 1 0
0 0 1
@2U @2U
@x2
(Xi ) @x@y
(Xi ) 2
@2U @2U
@x@y
(Xi ) @y 2
(Xi ) 2
et il vaut
2
4 @2U @2U 2 @2U @2U @2U
+ (Xi ) + (Xi ) + 4 + (Xi ) + (Xi ) (Xi ) ;
@x2 @y 2 @x2 @y 2 @x@y
2
Cette équation peut se ramener à une équation polynomiale du second ordre en : Les
solutions de l’équation de départ sont donc deux couples de nombres opposés deux à deux. Pour
que deux nombres opposés soient négatifs ou nuls ou alors de partie réelle négative ou nulle,
il faut obligatoirement qu’ils soient des nombres imaginaires purs, donc que les solutions de
2
l’équation en soient réelles et négatives. Pour que ces solutions soient réelles, il faut donc que
le discriminant noté soit positif.

Soit ici
!
2 2
@2U @2U @2U @2U @2U
= (Xi ) + (Xi ) + 4 4 (Xi ) + (Xi ) (Xi ) > 0:
@x2 @y 2 @x2 @y 2 @x@y
Une fois ceci obtenu, il faut que les deux solutions réelles soient négatives, ce qui implique
que simultanément leur somme soit négative et leur produit positif, ce qui implique
@2U @2U
(Xi ) + (Xi ) + 4 > 0
@x2 @y 2
2
@2U @2U @2U
(Xi ) + (Xi ) (Xi ) > 0
@x2 @y 2 @x@y
Quand on évalue la matrice linéarisée aux points de Lagrange colinéaires L1 ; L2 et L3 , on

trouve qu’elle a deux valeurs propres réelles dont une est positive, et une paire de valeurs propres
imaginaires pures. Par conséquent, cela prouve l’instabilité des points de Lagrange colinéaires.
Quand on évalue la matrice linéarisée aux points équilatéraux L4 et L5 , on trouve qu’elle
possède des valeurs propres imaginaires pures si < 1 ; où
p !
1 69
1 = 1 = 0:0385208965:
2 9
p
2
Si = 1, la matrice du linéarisé a des valeurs propres multiples i 2
avec des blocs de
Jordan non triviaux.
Pour > 1, les valeurs propres sont ; ; ; , où n’est pas pas imaginaire pure.
Dans ce dernier cas, les points de Lagrange sont clairement instables. En utilisant des résultats
sur la théorie des systèmes dynamiques (voir [30]), on peut prouver que les L4 ; L5
points sont stables quand < 1:

Conclusion Générale
Le but principal de ce mémoire est d’étudier les concepts de stabilité et stabilisabilité des
systèmes dynamiques.
Dans la première partie dans ce mémoire, on aborde le problème de stabilité des systèmes
dynamiques en dimension …nie. Nous obtenons les résultats suivantes
La stabilité dans le cas du système linéaire est revient à déterminer les signes des parties réelles
des valeurs propres de la matrice du système.
Les valeurs propres de la matrice du système ne sont pas toujours faciles à calculer, mais nous
citons le critère de Routh-Hurwitz, grâce à ce critère nous pouvons savoir les signes des
parties réelles des valeurs propres de la matrice du système sans les calculer.
La stabilité des systèmes non-linéaires est donnée par deux méthodes, la méthode de linéarisa-
tion qui permet de tirer des conclusion sur la stabilité locale du système autour d’un point
d’équilibre, à partir des propriétés de stabilité de son approximation linéaire. Et la méthode
de Lyapunov, elle permet de déterminer les propriétés de stabilité d’un système non-linéaire
par des fonctions spéciales, et elle a un caractère non-local.
Nous exposons un aperçu sur la stabilité et la stabilisation dans le cas de dimension in…nie, et
ceci à travers l’étude de stabilité des systèmes linéaires, à l’aide du théorie de semi-groupe.
Dans la deuxième partie, nous abordons le problème de la stabilisation. Finalement, nous

avons étudié la stabilité locale et globale des équilibres pour le système d’équations di¤érentielles
ordinaires modélisant le virus de l’hépatite B (VHB), et aussi etudié la stabilité des points de la-
grange, ces points présentent un grand intérêt pour les sondes spatiales destinées aux observations
lointaines et de longue durée.
119
Bibliographie
[1] F. Amato M. Ariola, C. Cosentino C. T. Abdallah, P. Dorato, "Necessary and Su¢ cient
Conditions for Finite-Time Stability of Linear Systems", American Control Conference, 4-6
June 2003.
[2] Grégory Archambeau, Thèse de Doctorat : Etude de la dynamique autour des points de
Lagrange, Soutenue le 26 Septembre 2008, Unv. PARIS-SUD XI.
[3] G. Bastin, Modélisation et Analyse des Systèmes Dynamiques, 14 juillet 2013.
[4] Ch. Bennani, Mémoire de Magister Stabilisation et Estimation de l’état des Systèmes Dy-
namiques non Linéaires et Applications, octobre 2011.
[5] S. P. Bhat and D. S. Bernstein, "Lyapunov Analysis of Finite Time Di¤erential Equations,"
Proc. of the ACC 1995 Conference, Seattle, WA, USA, 1995.
[6] S. P. Bhat and D. S. Bernstein, "Finite-time stability of homogeneous systems," Proc. of
the ACC 1997 Conference, Albuquerque, NM , USA, 1997.
[7] S. P. Bhat and D. S. Bernstein, "Continuous Finite-Time Stabilization of the Translational
and Rotational Double Integrator," IEEE Trans. Automat. Control, vol.43, 1998, pp 678–
682.
[8] S. P. Bhat and D. S. Bernstein, "Finite Time Stability of Continuous Autonomous Systems,"
SIAM J. Control Optim, vol.38, 2000, pp 751–766.
[9] B. Bhiri, Stabilité et stabilisabilité en temps …ni des systèmes dynamiques. Automatique/ Ro-
botique. Université de Lorraine, 2017. Français. ¤NNT : 2017LORR0100¤. ¤tel- 01643958¤.
[10] Barrow-Green, June (1997). Poincaré and the Three Body Problem. American Mathematical
Soc. pp. 8–12. Bibcode : 1997ptbp.book. B. ISBN 978-0-8218-0367-7.
[11] S. Chor…, Mémoire de Master : Théorie des semi-groupes, problème abstrait de cauchy et
équation d’évolution Faculté des Sciences Semlalia Marrakech, Juillet 2017.
120
Bibliographie
[12] P. Colombatto, L. Civitano, R. Bizzarri, F. Oliveri, S. Choudhury, R. Gieschke, F. Bonino,

MR. Brunetto, A multiphase model of the dynamics of HBV infection in HBeAg-negative
patients during pegylated interferon- 2a, lamivudine and combination therapy, Antiviral The-
rapy, (2006), 11 : 197212.
[13] L. Danlemle. La formule de Lie-Trotter pour les semi-groupes fortement continus.2003. ¤hal-
00141020f.
[14] K. J. Engel R. Nagel, One-Parameter Semigroups for Linear Evolution Equations Springer.
[15] Lang Fred, Transformation de Laplace, Haut Ecole D’ingénierie et de Gestion du Canton de
Vaud, Version 2011.
[16] M. Guadulupe Morales M. Juan A. Escamilla R. Francisco J. Mendoza T. and Juan H.
Arredondo R., The Banach-Steihaus theorm and the convergence of integrails of products.
Internat, J. Functional Analysis, Operator Theory and Appilications, Vol. 4 Number 1, 2012,
Pages 51-64. Published by Pushpa Publishing House, INDIA.
[17] W. M. Haddad, S. G. Nersesov and D. Liang, "Finite-time stability for time-varying non-
linear dynamical systems," Proc. of the ACC 2008 Conference, Seattle, WA, USA,2008.
[18] V. T. Haimo, "Finite Time Controllers," SIAM, J. Control Optim, 1986, pp. 760–770.
[19] F. Hollinger, D. Lau, Hepatitis B : the pathway to recovery through treatment, Gastroenterol.
Clin. North Am. (2006), 35 (4) : 895931.
[20] A. El Jai, E. Zerrik et K. Ztot, Systèmes dynamique : Analyse et contrôle des systèmes
localisés. Presses Univ. de Perpignan, Maroc, 2008.
[21] A. El Jai, E. Zerrik. Stabilité des systèmes dynamiques, juin 2013.
[22] Frédérie Jean, Cours et exercices corrigés "Systèmes Dynamiques Stabilité et Commande.
AO 102, Édition 2017/2018.
[23] I. Khalou…, Mémoire de Master. Analyse et contrôle des systèmes dynamiques, juillet 2020.
[24] F. Lahmidi, H. Laarabi, M. Elhouse. Cours master : Analyse et contrôle des systemes dy-
namique FSB,UH2 2019-2020.
[25] C. Lai, M. Yuen, The natural history and treatment of chronic hepatitis B : a critical eva-
luation of standard treatment criteria and end points, Ann. Intern. Med. (2007), 147 (1) :
5861.
[26] Lasalle, J. P. Stability theory for ordinary di¤erntial equations. J. Di¤. Eq, 1968, 4 : pp.
307-324.
Bibliographie 121
Bibliographie
[27] G. Lau, M. Tsiang, J. Hou, S. Yuen, W. Carman, L. Zhang, C. Gibbs, S. Lam, Combination
therapy with lamivudine and famciclovir for chronic hepatitis B infected Chinese patients :
a viral dynamics study, Hepatology, (2000), 32 : 394399.
[28] Lazarevic, M. Debeljkovic, D. Nenadic, Z. et Milinkovic, S, "Finite-time stability of delayed
systems" J. Math. Control Inform, vol. 17 :101-109.
[29] A. Lesfari, Distributions, analyse de Fourier et transformation de Laplace Cours et exercices.
[30] Meyer, K. R., Hall, G.R., Introduction to Hamiltonian dynamical systems and the N-body
problem, Applied Mathematical Sciences 90, Springer-Verlag, New-York (1992).
[31] E. Moulay and W. Perruquetti, "Finite Time Stability of Non Linear Systems", In IEEE
Conference on Decision and Control, Hawaii, USA, 2003.
[32] M. Nowak, S. Bonhoe¤er, A. Hill, R. Boehme, H. Thomas, H. Mcdade, Viral dynamics in
hepatitis B infection, Proc Natl Acad Sci USA, (1996), 93 : 43984402.
[33] A. Perelson, Modelling viral and immune system dynamics, Nature Rev Immunol, (2002),
2 : 2836.
[34] A. Perelson, E. Herrmann , F. Micol, S. Zeuzem, New kinetic models for the hepatitis c
virus. Hepatology, (2005), 42 : 749754.
[35] Slemrod, M. A note on complete controllability and stability for linear control systems in
Hilbert space. SIAM. J. Control, 1974, 12 :pp 500-508.
[36] Slemrod, M. Feedback stabilisation of a linear control system in Hilbert space with a priori
bounded control. Math. Contr. Sign. Syst,1989, 2 : pp 265-285.
[37] Szebehely, V. G., Theory of orbits : the restricted problem of three bodies, Academic Press,
New-York (1967).
[38] E. Trélat et Th. Haberkorn Cours d’Automatique Master de Mathématiques, Université d’Or-
léans, premier trimestre.
[39] M. Tsiang, J. Rooney, J. Toole, C. Gibbs, Biphasic clearance kinetics of hepatitis B virus
from patients during adefovir dipivoxil therapy, Hepatology, (1999), 29 : 18631869.
[40] N. Zoghlami. Stabilité et stabilisation en temps …ni des systèmes dynamiques interconnectés
et problème de consensus en temps …ni. Systèmes dynamiques [math.DS]. Université d’Évry
Val d’Essonne, École nationale d’ingénieurs de Tunis (Tunisie), 2014. Français.
[41] https : //www.bibmath.net/dico/index.ph ?action=a¢ che&quoi=./a/arithmeticogeoineg.html
(date : 03 juin 2021. 15h :36min).
Bibliographie 122
Bibliographie
[42] https : //fr.wikipedia.org/wiki/Stabilit%C3%A9_de_Liapounov (date : 3 juin 2021. heure :

11h :08min).
[43] http ://www.astrosurf.com/quasar95/exposes/points_de_lagrange.pdf.
Bibliographie 123

TOUNSI Hadjer Final

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

TOUNSI Hadjer Final

Transféré par

Droits d'auteur :

Formats disponibles

Republique Agerienne Démocratiqie et Populaire

Ministère de L’enseignement Suprieur de la

Année universitaire 2020 –2021

Numéro d’ordre :...................

Mémoire de …n d’étude pour l’obtention du diplôme de Master

Stabilité des systèmes dynamiques et applications

Présenté par : TOUNSI Hadjer

Soutenu le 07/07/ 2021, devant le jury:

Session: Juillet 2021

En tout premier lieu, mes profonds remerciements, ma reconnaissance et ma gratitude

accordé malgré ses obligations, ses devoirs et ses responsabilités.

Nos remerciements vont également à tous les enseignants de l’Université de Oum El

Département des Mathématiques et Informatiques.

‫الكلمات المف تاحية‬

In this work we looked at the different types of stability of localized and

1 Notions préliminaires mathématiques 5

2 Stabilité en dimension …ni 26

2.2.3 Stabilité des systèmes autonomes . . . . . . . . . . . . . . . . . . . . . . . . 31

3 Stabilité et stabilisation des systèmes linéaires en dimension in…ni 84

4 Application sur la stabilité des systèmes dynamiques 104

Table des matières ii

4.2.5 Localisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

Conclusion Général 119

Table des matières iii

R L’ensembles des réels.

La modélisation mathématique devient un domaine important de recherche scienti…que dans

Le problème de la stabilisabilité : pour expliquer plus simplement ce qu’est la stabilisabilité,

figure 1 - Système contrôlé.

Le deux chapitres 1 et 2 portent sur la stabilité et la stabilisabilité des systèmes en dimension

Notions préliminaires mathématiques

1.1 Les systèmes dynamiques

En général, l’étude d’un système dynamique a pour objectif de

- Comprendre le fonctionnement du système et prévoir son comportement et ses performances

1.2 Les représentations d’un système dynamique

1.2.1 Représentations externe

Figure 1.1 - La modélisation entrée-sortie

1.2. Les représentations d’un système dynamique 6

La représentation mathématique de la relation entre l’entrée u et la sortie y se fait par une

1.2.2 Représentation interne

Figure 1.2 - La modélisation interne

Autrement dit, u et x sont liés par l’intermédiaire d’une équation d’état.

1.2. Les représentations d’un système dynamique 7

1.3 La trasformation de Laplace

Exemple 1.1 Calculons la transformée de Laplace de la fonction f (t) = tn ; d’après (1.3) on a

en intégrant par parties, en prenant

1.3. La trasformation de Laplace 8

1.3. La trasformation de Laplace 9

sur l’intervalle [0; 1], comme

L’intégrale (1.8) est diverge. Alors, F (s) n’existe pas.

1.3.1 Existence et l’unicité de la transformation de Laplace

1.3. La trasformation de Laplace 10

qui converge si < (s) > :

Preuve On va démontrer que la transformation de Laplace est une application injective, en

Soient f (t) et g (t) deux fonctions de [0; 1] dans R; alors

1.3. La trasformation de Laplace 11

1.3.2 Propriétés de la transformée de Laplace

L f[ f + g] (t)g (s) = L ff (t)g (s) + L fg (t)g (s) (1.10)

Preuve Soient ; 2 C; supposons que les fonctions f et g admettent des transformées de

L f[ f + g] (t)g (s) = L [ f (t) + g (t)] (s)

4. Transformation de Laplace de la dérivée

La transformation de Laplace de la dérivée est donné par

L f (n) (t) (s) = sn L (f ) sn 1 f (0) sn 2 f 0 (0) :::: f (n 1)

En e¤et, par récurrence pour n = 1