RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université Mohamed Seddik Ben Yahia Jijel
Faculté des Sciences Exactes et Informatique
Département de Mathématiques

Notes de cours sur

les systèmes dynamiques

destiné aux étudiants de

Master : EDP et applications

Au premier semestre

Préparé par

Mme Saı̈di Soumia

Notations générales

Tout au long de ce cours, on adopte les notations et définitions suivantes :

On note par K le corps des réels R (avec R+ l’ensemble des réels positifs) ou des complexes

C, par |a| la valeur absolue (resp. le module) de a, si K = R (resp. K = C) ; par ā le

conjugué de a dans C et Re(a) la partie réelle du nombre complexe a. On note I un

intervalle de R. Par i, on désigne le nombre complexe tel que i2 = −1. On note H un

espace de Hilbert sur K muni du produit scalaire h·, ·i et de la norme associée k · k. On

note par Id l’application identité sur H.

Sur l’espace C(I) des fonctions continues f : I → R (I intervalle de R), on considère k · k∞

la norme de la convergence uniforme sur I. L’espace des fonctions infiniment continue

avec dérivée continue est noté C ∞ (I).

On aura besoin de définir les espaces suivants : Soit Ω ⊂ Rn un ouvert, on note par C k (Ω)

(k ∈ N) l’espace des fonctions de Ω dans Rn qui sont k fois continûment différentiables

avec C ∞ (Ω) = k≥0 C k (Ω).

T

On note Mn (K) l’espace vectoriel des matrices carrées, par Mn,m (K) l’espace vectoriel

des matrices n × m. On note At la transposée d’une matrice A. Par detA (resp. trA), on

note le déterminant (resp. la trace) d’une matrice A.

2
Soit l’application

F : Rn −→ Rm

(x1 , · · · , xn ) 7−→ F (x1 , · · · , xn ) = (F1 (x1 , · · · , xn ), · · · , Fm (x1 , · · · , xn ))

où les Fi sont des fonctions de Rn dans R (i = 1, m) de classe C 1 .

Soit a ∈ Rn . La différentielle DF (a) est une application linéaire de Rn dans Rm et peut

s’identifier dans les bases canoniques de Rn et Rm , à une matrice réelle (m × n)

 
∂F1 ∂F1
 ∂x1
(a) ··· ∂xn
(a) 
 
DF (a) = 
 
 ··· ··· ··· 

 
∂Fm ∂Fm
∂x1
(a) ··· ∂xn
(a)

Ainsi, la différentielle DF (a) s’identifie à la matrice jacobienne.

3
Chapitre 1

Systèmes dynamiques abstraits, lien

avec les équations différentielles,
équations d’évolution

On résume l’essentiel des cours envisagés au premier chapitre.

On commence dans Section 1.1 par faire quelques rappels comme suit :

1.1 Équation différentielle du premier ordre

Définition 1.1 Une équation différentielle du premier ordre est une équation qui met
en jeu une relation entre une fonction et sa dérivée et dont la solution est dérivable.
La variable pour la fonction X est t (le temps), car une équation différentielle modélise
parfois l’évolution d’un système (par exemple l’évolution de la taille d’une population).

Soit l’équation différentielle du premier ordre

Ẋ = F (t, X), pour (t, X) ∈ I × Ω.

Une équation différentielle a, en général, une infinité de solutions. Pour en préciser une,

on se donne la valeur X(t0 ) de X à l’instant t0 (souvent égal à 0) choisi.

4
 1.1. ÉQUATION DIFFÉRENTIELLE DU PREMIER ORDRE

Définition 1.2 Étant donné une équation différentielle du premier ordre sous la forme
Ẋ = F (t, X) pour (t, X) ∈ I × Ω et un point (t0 , X0 ) ∈ I × Ω, le problème de Cauchy
correspondant est la recherche de solutions X telles que X(t0 ) = X0 .

Dans cette partie, on suppose que F : I × Ω −→ Rn soit une application continue où

Ω un ouvert de Rn et I un ouvert contenant t0 . On note X : J ⊂ I −→ Rn l’inconnue.

Définition 1.3 Soit le problème

(
Ẋ(t) = F (t, X(t))
X(t0 ) = X0 .

1. Une solution locale est la donnée d’un couple (J, X) où J est un intervalle contenant
t0 , J ⊆ I, pour tout t ∈ J, on a X ∈ C 1 (J), X(t0 ) = X0 et Ẋ(t) = F (t, X(t)).
2. Soient (J1 , X1 ) et (J2 , X2 ) deux solutions locales. On dit que (J2 , X2 ) est un prolonge-
ment de (J1 , X1 ) si J1 ⊂ J2 et X2 |J1 = X1 . Le prolongement est strict si J1 6= J2 .
3. Une solution locale est maximale si elle n’admet pas de prolongement strict.
4. Une solution (J, X) est globale si elle est une solution locale et si J = I.

Exemple 1.1 Le problème

(
Ẋ = −X 2
X(0) = 1
1
défini sur R × R admet une solution maximale X(t) = t+1
sur ] − 1, +∞[ qui n’est pas
globale.

Exemple 1.2 Le problème

(
Ẋ = −2tX 2
X(0) = 1
1
défini sur R × R admet une solution globale X(t) = t2 +1
sur R.

Définition 1.4 Une application F : I × Ω −→ Rn est dite localement lipschitzienne en

X, si pour tout compact K ⊂ I × Ω, il existe L > 0 tel que

kF (t, X1 ) − F (t, X2 )k ≤ LkX1 − X2 k, ∀(t, X1 ), (t, X2 ) ∈ K.

5
 1.1. ÉQUATION DIFFÉRENTIELLE DU PREMIER ORDRE

Exemple 1.3 1. La fonction F (X) = X 2 est localement lipschitzienne sur R, elle n’est
pas lipschitzienne.
p
2. La fonction F (X) = |X| n’est pas localement lipschitzienne sur R.

Sous des hypothèses de régularité sur F , on montre que le problème de Cauchy admet

une solution maximale unique.

Théorème 1.1 (Théorème de Cauchy-Lipschitz sur l’existence et unicité de la solution)

Soit F : I × Ω −→ Rn une application continue et localement lipschitzienne en X. Alors,
pour toute condition initiale (t0 , X0 ) ∈ I × Ω, il existe une unique solution maximale du
problème de Cauchy
(
Ẋ(t) = F (t, X(t))
X(t0 ) = X0 .

Théorème 1.2 Soit F : I × Rn −→ Rn une fonction continue. On suppose qu’il existe

une fonction k : I −→ R+ continue telle que tout t ∈ I, l’application X 7−→ F (t, X) est
lipschitzienne de rapport k(t). Alors, toute solution maximale du problème
(
Ẋ(t) = F (t, X(t))
X(t0 ) = X0 ,

est globale.

Remarque 1.1 1) Le théorème de Cauchy-Lipschitz s’applique, en particulier, quand

F ∈ C 1 (R × Rn ) : son caractère localement lipschitzien en X provient alors de l’inégalité
∂F
des accroissements finis (la fonction ∂X
étant bornée sur tout compact de R × Rn car
continue).
2) Si on enlève l’hypothèse ”F localement lipschitzienne” dans le théorème 1.1 de Cauchy-
Lipschitz, on conserve l’existence de solutions locales : c’est le théorème de Cauchy-Arzela-
Peano.

Exemple 1.4 Le problème de Cauchy


 ẋ(t) = sin(tx) , t > 0
t2
 x(1) = 1,

6
 1.2. PREMIÈRES DÉFINITIONS DES SYSTÈMES DYNAMIQUES

admet une solution maximale.

sin(tx)
En effet, soit la fonction f :]0, +∞[×R −→ R définie par f (t, x) = . Alors, il
t2
est clair que f est de classe C 1 donc elle est continue et localement lipschitzienne par
rapport à la seconde variable sur son domaine de définition. Comme (1, 1) ∈]0, +∞[×R,
par application du théorème de Cauchy-Lipschitz, on en déduit l’existence et l’unicité
d’une solution maximale au problème considéré.

1.2 Premières définitions des systèmes dynamiques

Définition 1.5 1. Un système dynamique est un système d’équations différentielles de la

forme
Ẋ = F (t, X, α) (1.1)

où t ∈ I ⊂ R+ est le temps, X : t ∈ I 7−→ X(t) ∈ Ω ⊂ Rn , sont les degrés de liberté du

système, Rn est l’espace des phases, α ∈ V ⊂ Rm est un ensemble de paramètres et F est
une application de classe C 1 sur Rn × R × Rm .
2. Un système dynamique discret est un système d’équations aux différences

Xk+1 = G(Xk , α),

où k ∈ N représente le temps discrétisé, Xk ∈ Ω ⊂ Rn sont les degrés de liberté du

système, Rn est l’espace des phases, et α ∈ V ⊂ Rm est un ensemble de paramètres.

Remarque 1.2 1) L’application F étant de classe C 1 , l’équation différentielle (1.1) ad-

met une solution maximale unique (Théorème 1.1 de Cauchy-Lipschitz). Une conséquence
fondamentale de ce résultat est qu’il ne peut passer qu’une trajectoire par un point donné
X0 de l’espace des phases.
2) Quand F ne dépend pas explicitement du temps : F (t, X, α) = F (X, α), le système est
dit autonome. Il est non-autonome si F dépend explicitement du temps.

Notation : La solution à l’instant t de l’équation (1.1), satisfaisant la condition initiale

X(t0 ) = X0 donnée, sera notée X(X0 , t) (et même éventuellemnet X(X0 , t, α) s’il faut

apparaı̂tre les paramètres α).

7
 1.3. EXEMPLES

Dans l’espace des phases, une solution de (1.1) est appelée une trajectoire ou une orbite.

Du dynamique au discret : Les systèmes dynamiques à temps discret ou à temps

continu sont essentiellement de même nature. En effet, étant donné un système dynamique

continu, on peut obtenir un système à temps discret de différentes manières : une famille

d’instants strictement décroissante t0 < t1 < · · · < tk < · · · est donnée. Par exemple,
Rt
X(tk+1 ) = X(tk ) + tkk+1 F (X(t))dt qui est de la forme Xk+1 = G(Xk ).

Remarque 1.3 Les systèmes discrets sont de manière générale plus simples à étudier.

1.3 Exemples

Exemple 1.5 (Systèmes dynamiques linéaires) Ils sont de la forme

Ẋ(t) = A(t)X(t), t ∈ I,

où I est un intervalle de R, A : I −→ Mn (K) est une application de classe C k , k ∈ N.

Toute valeur A(t) est une matrice (n × n) à coefficients dans le corps K.
Le cas affine (plus général) est de la forme

Ẋ(t) = A(t)X(t) + b(t), t ∈ I

où l’application b : I −→ Kn est de classe C k .

Exemple 1.6 (Systèmes dynamiques non-linéaires) Par exemple le modèle proie-prédateur

de Lotka-Volterra
(
ẋ = ax − bxy
ẏ = −cy + f xy,
où x représente le nombre de proies, y le nombre de prédateurs et a, b, c, f > 0.
On remarque que xy n’est pas une relation linéaire.

Remarque 1.4 (1) Les systèmes non-linéaires sont plus riches de comportements et plus
difficile à étudier que les systèmes linéaires.
(2) Les systèmes linéaires possèdent des solutions explicites, les systèmes non-linéaires en
général non.

8
 1.4. FLOTS, ORBITES, PORTRAIT DE PHASES

1.4 Flots, orbites, portrait de phases

Soit le système dynamique autonome

Ẋ = F (X), X(0) = X0 , (1.2)

où Ω est un ouvert de Rn et F : Ω −→ Rn est appelé champ de vecteurs et est de classe

C 1.

Ce système admet une solution maximale unique (par Théorème 1.1) définie sur un in-

tervalle IX0 à valeurs dans Ω. Cette solution est appelée trajectoire du champ de vecteurs

F.

Définition 1.6 (Flot) On appelle flot du système (1.2), la famille d’applications

φt : X0 7−→ X(X0 , t),

où X(X0 , t) est la solution du système dynamique passant par X0 à l’instant t0 = 0.

Autrement dit, étant donné un point (matériel) en X de l’espace des phases, le flot du
système permet de préciser la position φt (X) du point X après un déplacement d’une
durée t.

Remarque 1.5 Pour t fixé, le flot est représentatif de la manière dont l’application
X(X0 , t) fait évoluer un ensemble donné de points X0 dans l’espace des phases.

Exemple 1.7 Si F est linéaire, F (X) = AX, où A ∈ Mn (R), alors le flot est donné par
l’exponnentielle de A
φt (X) = etA X, ∀(t, X) ∈ R × Rn .

Proposition 1.3 (Propriétés du flot)

(1) φt (X0 ) est de classe C k si F est de classe C k .
(2) φ0 (X0 ) = X0 (φ0 = Id )
(3) φt+s (X0 ) = φt (φs (X0 )) (φt ◦ φs = φt+s pour tous t, s ∈ R) (loi de composition)
(4) φt est un semi-groupe.

9
 1.4. FLOTS, ORBITES, PORTRAIT DE PHASES

Définition 1.7 (Orbite) On appelle orbite d’un point X0 ∈ Ω (ou trajectoire passant par
X0 ) l’ensemble
OX0 = {φt (X0 ) : t ∈ IX0 }.

Autrement dit, l’orbite de X0 est la courbe tracée sur Rn par la solution maximale unique
de (1.2) passant par X0 en t = 0.

Remarque 1.6 (1) Deux orbites distinctes ne peuvent pas se croiser.

(2) Tout point de Ω appartient à une et une seule orbite.
(3) Si OX0 = {X0 } : un tel point vérifie nécessairement F (X0 ) = 0, c’est ce que l’on
appelle un point d’équilibre.

Définition 1.8 (Portrait de phases)

Une partition de Ω en orbites s’appelle le portrait de phases du champ de vecteurs.

10
Université de Jijel 1ère année Master EDP

Faculté des Sciences Exactes Systèmes dynamiques

et Informatique 2020/2021

Département de Mathématiques

Série n◦ 1 :

Exercice 1 : On considère le problème de Cauchy suivant


p
 ẋ(t) = x(t), t ∈ R


 x(0) = 0.


1. Vérifier que x ≡ 0 est solution du problème.

2. Construire une solution non-nulle de classe C 1 de ce problème.

3. Le théorème de Cauchy-Lipschitz s’applique t-il ici ? Pourquoi ?

Exercice 2 : Montrer que toute solution maximale de

√

 ẋ(t) = t t2 + x2


 x(t0 ) = x0 ,


elle globale.

11
 Exercice 3 : On considère l’équation différentielle suivante

x1/2 ẋ + x3/2 = 1,

avec la condition initiale x(0) = 4.

1. Donner à priori l’intervalle sur lequel devrait être définie la solution x.

2. Résoudre cette équation différentielle.

3. La solution trouvée est-elle maximale ou globale sur R.

Exercice 4 : On considère le problème de Cauchy suivant


ẋ(t) = [x(t)]3 , t > 0, x(0) = 0.

1. Justifier l’existence et l’unicité de la solution.

2. Quel est l’intervalle de définition de la solution maximale.

3. La solution trouvée est-elle globale ?

Exercice 5 : Soit le système linéaire autonome


 ẋ = a1 x + b1 y


 ẏ = a2 x + b2 y,


où a1 , a2 , b1 , b2 sont des constantes réelles.

1. Montrer que ce système de deux équations différentielles ordinaires du premier

ordre équivaut à une équation différentielle du second ordre.

2. Déterminer la solution générale de l’équation obtenue dans 1.

12
 Exercice 6 : Soit le système linéaire suivant

 ẋ(t) = y(t)


 ẏ(t) = 2x(t) − y(t) + e−t .



1. Déterminer la solution générale du système.

2. Que peut-on dire sur l’existence et l’unicité de la solution du système pour toute

condition initiale (x(0), y(0)) = (x0 , y0 ) ?

Exercice 7 : On considère le système non-linéaire de la forme Ẋ = F (X), X = (x, y) ∈

R2

ẋ(t) = −x(t) + 2 sin t






 ẏ(t) = y(t) + (t + 1)et



 (x(0), y(0)) = (x0 , y0 ).


1. Justifier l’existence d’une unique solution maximale de ce système.

2. Déterminer les trajectoires et le flot du champ de vecteurs du système.

13
Bibliographie

[1] K. Beauchard, Dynamique et contrôle de systèmes nonlinéaires (MVA, 2011-2012)

[2] S. Charles, C. Lopes, Biologie Mathématique et Modélisation (L3-MIV) Chapitre

1 : Equations Différentielles dans R. Polycopié disponible à l’adresse

http ://spiralconnect.univ-lyon1.fr/spiral-files/download ?mode=inlinedata=3324086

[3] S. Charles, C. Lopes, Biologie Mathématique et Modélisation (L3-MIV) Chapitre 2 :

Systèmes dynamiques dans R2 . Polycopié disponible à l’adresse

http ://bmm.univ-lyon1.fr/spiral-files/download ?mode=inlinedata=3324087

[4] F. Jean, Systèmes Dynamiques Stabilité et Commande Cours et exercices corrigés,

Édition 2017/2018. Polycopié disponible à l’adresse

https ://hal-ensta-paris.archives-ouvertes.fr//hal-01744300

[5] J.L. Pac, Systèmes dynamiques Cours et exercices corrigés, Dunod, Paris, 2012, 2016.

14
Université de Jijel 1ère année Master EDP
Faculté des Sciences Exactes Systèmes dynamiques
et Informatique 2020/2021
Département de Mathématiques
Série n◦ 2:

Exercice 1: Soit la fonction F : R2 → R2 dénie par F (x, y) = (x(x−x2 −y 2 ), y(y −x2 −y 2 )).
Soit (x0 , y0 ) ∈ R2 . On considère le système
ẋ(t) = x(t)[x(t) − x2 (t) − y 2 (t)]

(S1 )
ẏ(t) = y(t)[y(t) − x2 (t) − y 2 (t)].

1. Montrer qu'il existe une unique solution maximale de (S1 ) telle que x(0) = x0 et y(0) = y0 .
2. Montrer que (S1 ) a quatre équilibres: (0, 0), (1, 0), (0, 1), (1/2, 1/2).
3. Pour tout équilibre X̄ de (S1 ), déterminer la stabilité de X̄ pour le système (S1 ).
Exercice 2: Soit le système non-linéaire suivant
ẋ1 = x2 x1 − x31

(S2 )
ẋ2 = x1 x2 − x32 ,

où les variables x1 , x2 sont strictement positives.

1. Déterminer l'équilibre du système (S2 ) dans ]0, +∞[2 .
2. Étudier sa stabilité par linéarisation.
Exercice 3: Soit le système

ẋ(t) = x(t) + sin(3x(t) − y(t))
(S3 )
ẏ(t) = exp(x(t)) − 1.

1. Justier l'existence d'une unique solution maximale de (S3 ), prenant la valeur (x(0), y(0)) =
(x0 , y0 ) à l'instant t = 0.

2. Déterminer les points d'équilibre du système.

3. Étudier la stabilité de ces points d'équilibre.
Exercice 4: Soit l'équation du pendule
(
ẋ1 = x2
(S4 ) g
ẋ2 = − sin(x1 ).
l
1. Déterminer la stabilité de l'équilibre. L'équilibre est-il asymptotiquement stable?
g 1
Indication: Poser V (x1 , x2 ) = (1 − cos(x1 )) + x22 .
l 2
Exercice 5: Soit l'équation diérentielle d'ordre 2

ẍ(t) + x5 (t) = 0 (1).

1. On pose X(t) = (x1 (t), x2 (t)) avec x1 (t) = x(t) et x2 (t) = ẋ(t).
Transformer l'équation (1) sous la forme d'un système
Ẋ(t) = F (X(t)) (S5 ),

avec F : R2 → R2 une fonction de classe C 1 .

2. Donner la matrice jacobienne de F en (0, 0).
3. Étudier la stabilité de la solution nulle de (S5 ).
1
Indication: Vérier que V (x, y) = x6 + y 2 est une fonction de Lyapunov.
3
Exercice 6: L'analyse des circuits électriques RLC conduit à des équations diérentielles sur
R2 du type

 L di = v − h(i)

(S6 ) dt
dv
 C
 = −i,
dt
où h : R → R est une fonction de classe C 1 . Les variables v et i sont respectivement un voltage
et une intensité et les constantes L et C une résistence et une capacité. L'énergie du système
est E(i, v) = 12 (Li2 + Cv 2 ).
1. Déterminer l'équilibre du système (S6 ) et discuter sa stabilité en fonction de h0 (0).
2. On suppose que xh(x) > 0 pour x 6= 0. Montrer que l'équilibre est asymptotiquement
stable et déterminer son bassin d'attraction.
Exercice 7: (Modèle "proie-prédateur" de Volterra) Soient a, b, c, f > 0. On considère le
système non-linéaire autonome dans R2 suivant

ẋ = ax − bxy
(S7 )
ẏ = −cy + f xy,

où x représente le nombre de proies, y le nombres de prédateurs.

1. Déterminer les équilibres du système (S7 ).
2. Quelle est la nature de l'origine? Est-il possible de conclure sur la stabilité de l'équilibre
(c/f, a/b)?

3. Vérier que V (x, y) = (f x − c ln x) + (by − a ln y) est constante le long des solutions de

(S7 ).

4. En déduire que l'équilibre (c/f, a/b) est stable. Est-il asymptotiquement stable?