‫الجمهورية الجزائرية الديمقراطيـة الشعبيــة‬

République algérienne démocratique et populaire

‫وزارة التـعليــم العالـي والبحــث العلمــــي‬
Ministère de l’enseignement supérieur et de la recherche scientifique
‫جامعة عين تموشنت بلحاج بوشعيب‬
Université –Ain Temouchent- Belhadj Bouchaib
Faculté des Sciences et de Technologie
Département des Mathématiques et de l’Informatique

Projet de Fin d’Etudes

Pour l’obtention du diplôme de Master en :Mathématiques
Domaine : Mathématiques et Informatique
Filière : Mathématiques
Spécialité : Equations Différentielles et Modélisation
Thème
Étude d’un Système Dynamique d’ordre Fractionnaire

Présenté Par :
Melle. KHALDI Yousra Rania

Devant le jury composé de :

Pr. HAMMOUDI Ahmed Professeur UAT.B.B (Ain Temouchent) Président
Dr. MEKHALFI Kheira MCA UAT.B.B (Ain Temouchent ) Examinatrice
Dr. BENTOUT Sofiane MCA UAT.B.B (Ain Temouchent ) Examinateur
Dr. MAMMAR Imane MCB UAT.B.B (Ain Temouchent ) Encadrante

Année Universitaire 2021/2022

Remerciement
Remerciement

Mes remerciements au Dieu tout puissant pour

la volonté, la santé et la patience qu’il m’a
donné durant toutes ces années d’études.

Mes premiers remerciements vont à Mme

Mammar Imane qui m’a proposé ce thème et
pour ses conseils pertinents, et ses orientations
sages, sa patience et sa vigilance.

Je remercie également les membres de jury pour

l’honneur qu’ils m’ont accordé en acceptant
d’examiner mon travail, et pour tous leurs
remarques et conseils.
Dédicace
Je dédie ce modeste travail tout
d’abord :

A mes très chers parents, qui sont la

lumière de ma vie, qui ont tant
soufferts et qui ont sacrifiés tellement
de choses pour que je sois heureuse,
pour leurs conseils, leur affection et
leurs encouragements. Je vous remercie
pour tout vos efforts fournis pour moi,
que Dieu vous garde, vous protège, et
vous bénisse la vie.

A mes sœurs et mon frère, qui me

donnent de l’amour et de la vivacité.

A tous mes amis qui m’ont toujours

encouragé, et à qui je souhaite plus de
succès.

Merci !

✍
 Sommaire

Notations et abréviations 5

Introduction Générale 6

I Préliminaires 8
I.1 Équations différentielles ordinaires . . . . . . . . . . . . . . . . . . . . . . . . . 8
I.2 Calcul fractionnaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
I.2.1 Fonctions spéciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
I.3 Intégrale fractionnaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
I.3.1 Intégrale de Riemann-Liouville . . . . . . . . . . . . . . . . . . . . . . . 13
I.4 Dérivée fractionnaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
I.4.1 Dérivée fractionnaire au sens du Riemann-Liouville . . . . . . . . . . . . 14
I.4.2 Dérivée fractionnaire au sens du Caputo . . . . . . . . . . . . . . . . . . 16
I.5 Équation différentielle à dérivée fractionnaire . . . . . . . . . . . . . . . . . . . . 17
I.5.1 Existence et unicité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

II Stabilité d’un système dynamique d’ordre entier et fractionnaire 19

II.1 Stabilité d’un système dynamique d’ordre entier . . . . . . . . . . . . . . . . . . 19
II.1.1 Stabilité d’un Point d’équilibre . . . . . . . . . . . . . . . . . . . . . . . 19
II.1.2 Stabilité d’un système linéaire . . . . . . . . . . . . . . . . . . . . . . . 20
II.1.3 Stabilité d’un système par linéarisation . . . . . . . . . . . . . . . . . . . 21
II.1.4 Classification des points singuliers d’un système linéaire dans le plan (Tr,
det) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
II.1.5 Stabilité au sens de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . 23
II.2 Théorie de bifurcation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
II.2.1 Définition de bifurcation . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
II.2.2 Diagramme et portrait de phase de bifurcation . . . . . . . . . . . . . . 25
II.2.3 Type de bifurcation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
SOMMAIRE 4

II.3 Stabilité des systèmes d’ordre non entier . . . . . . . . . . . . . . . . . . . . . . 29

II.3.1 Point d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
II.3.2 Stabilité des systèmes fractionnaire linéaire . . . . . . . . . . . . . . . . . 30
II.3.3 Stabilité des systèmes fractionnaire non linéaire . . . . . . . . . . . . . . 33
II.3.4 La méthode directe de Lyapunov . . . . . . . . . . . . . . . . . . . . . . 34
II.3.5 La méthode indirecte de Lyapunov (linéarisation) . . . . . . . . . . . . . 35

III Applications 37
III.1 Un modèle de finance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
III.1.1 Points d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
III.1.2 Stabilité des points d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . 38
III.1.3 Extension au cas fractionnaire . . . . . . . . . . . . . . . . . . . . . . . . 40
III.1.4 Les points d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
III.1.5 Stabilité des points d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . 41
III.2 Un modèle de Lotka-Voltera . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
III.2.1 Les points d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
III.2.2 La nature des points d’équilibre . . . . . . . . . . . . . . . . . . . . . . . 43
III.2.3 Extension au cas fractionnaire . . . . . . . . . . . . . . . . . . . . . . . 44
III.2.4 Les points d’équilibre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
III.2.5 La stabilité des points d’équilibre . . . . . . . . . . . . . . . . . . . . . . 45

Conclusion Générale 48

Bibliographie 49
 Notations et abréviations

EDO Une équation différentielle ordinaire.

R L’ensemble des nombres réelles.
C L’ensemble des nombres complexes.
z un nombre de complexe.
ℜe(z) La partie réelle de z.
Im(z) La partie imaginaire de z.
Γ La fonction Gamma.
B La fonction Bêta.
Eα La fonction de Mittag-Leffler.
ψ la fonction diagamma.
Iα L’intégrale fractionnaire.
Dα La dérivée fractionnaire.
Jf (x0 ) La matrice jacobienne de la fonction f an point x0 .
 Introduction Générale

Les processus dynamiques sont souvent modélisés par des équations différentielles, du fait
que les équations, décrivant un phénomène quelconque caractérisé par une ou plusieurs
variables d’état, dépendent continûment du temps.
Le comportement des solutions lorsque le temps tend vers l’infini est lié directement à la
stabilité, c’est l’un des aspects qualitatifs le plus important dans les systèmes dynamiques et
leur comportement asymptotique, il a fait l’objet d’une recherche depuis le XIX ème
siècle.
La théorie des «systèmes dynamiques» a connu une longue histoire, relativement
progressive et cumulative, depuis les travaux pionniers d’Henri Poincaré jusqu’aux années
soixante. c’est une théorie développée par des mathématiciens en particulier, Alexandre
Lyapunov à la fin du XIX ème
siècle, les travaux de George D. Birkhoff sur la topologie des
systèmes dynamiques, les recherches de Balthasar Van der Pol et aussi d’autre ingénieurs dans
les années 1930.
Depuis 1920 jusqu’à présent les systèmes dynamiques ont aidé non seulement à mieux
comprendre le monde qui nous entoure, mais aussi à apporter des applications dans beaucoup
de disciplines scientifiques par exemple : La biologie (dynamique de population), la médecine,
la physique ( mécanique céleste, météo...), l’électronique ( les circuits électroniques,
l’informatique (traitement de l’image), cryptographie (chiffrement des messages, images).
Le calcul fractionnaire est l’une des théorie les plus populaires, car il peut apporter un
résultat efficace à la modélisation, les système d’ordre fractionnaire ont reçu des intérêts
considérables dans de nombreux domaines. Son origine remonte à la fin du XV II ème siècle,
l’époque où Newton et Gottfried Leibniz ont développé les fondements du calcul différentiel et
intégral.
dn
Gottfried Leibniz a présenté le symbole dtn
pour désigner la n ième dérivée d’une fonction
dn
f , mais L’Hôpital a répondu : que signifie dtn
pour n = 21 , ce problème, est aujourd’hui admis
comme le premier incident de ce que nous appelons la dérivation fractionnaire .
Le 30 décembre 1695, Leibniz écrit à L’Hôpital comme suit : ". . .C’est un paradoxe
INTRODUCTION GÉNÉRALE 7

apparent, à partir duquel un jour, des conséquences utiles seront tirées . . .", on peut dire que
cette lettre du 30 décembre est la naissance du calcul fractionnaire.
Le concept des opérateurs d’ordre fractionnaires a été défini aux XIX éme siècle par
Riemann-Liouville et Leitinkov. Leur but est de prolonger la dérivation ou l’intégration en
utilisant non seulement un ordre entier mais aussi un ordre non entier.
En 1930, le calcul fractionnaire a été utilisé en mécanique et en électronique, et depuis les
années 60 le calcul fractionnaire a été reconnu comme l’un des meilleurs outils pour d’écrire
les processus de mémoire longue. De tels modèles sont intéressants pour les ingénieurs et les
physiciens mais aussi pour les purs mathématiciens. Les plus importants parmi ces modèles
sont ceux d’écrits par des équations différentielles contenant des dérivées d’ordre fractionnaire.
Dans ce mémoire on a présenté trois chapitres, Le premier chapitre, on a donner des
notions fondamentales sur les équations différentielles ordinaires et des définitions relatives au
calcul fractionnaire (fonction Gamma, Bêta, Mittag-Leffler) et aux opérateurs fractionnaires,
et quelques propriétés principales des dérivées et intégrales d’ordre fractionnaire.
Dans le deuxième chapitre, on a donner les notions générales d’un système dynamique
d’ordre entier et non-entier (linéaire et non-linéaire) avec quelques résultats de stabilité.
Le troisième chapitre est consacré à l’application, on a étudié deux modèles le premier
un modèle en finance et le deuxième un modèle de Lotka-Voltera, on a étudié les deux modèles
dans le cas des dérivées d’ordre entier et dans le cas des dérivées d’ordre fractionnaire .
À la fin on a terminé avec une conclusion et quelques bibliographies.
 Chapitre I
Préliminaires

Dans ce chapitre on va présenter quelques définitions, théorèmes et résultats préliminaires

qu’on a utilisé dans le chapitres deux et trois.

I.1 Équations différentielles ordinaires

Est U un ouvert de R × Rn et f : U −→ Rn une fonction continue.

Définition I.1.1. [16] Une équation différentielle ordinaire du 1er ordre (EDO) sur U est une
relation du type
ẋ(t) = f (t, x(t)), (I.1)

où ẋ = dx
dt
.

Remarque I.1.1. Si n = 1, on parle d’équation différentielle scalaire.

Si n > 1, on parle d’équation différentielle vectorielle.

Définition I.1.2. [11] Soit x une fonction d’une partie de R dans Rn

1. La fonction x est dite solution de l’équation (I.1) sur un intervalle I ⊂ R si elle est
définie et continument dérivable sur I, si (t, x(t)) ∈ U pour tout t ∈ I, et si x satisfait la
relation (I.1) sur I.

2. Soit (t0 , x0 ) ∈ U donné, la fonction x est dite solution du problème à valeur initiale
associé à l’équation (I.1) s’il existe un intervalle I contenant t0 tel que x soit solution de
l’équation (I.1) sur I et vérifie x(t0 ) = x0 .

Définition I.1.3. [22] Soit le problème suivant



 ẋ = f (t, x)
(I.2)

 x(t0 ) = x0

Pour (t0 , x0 ) ∈ U donné, une solution du problème (I.2) est dite unique si elle coïncide avec
toute autre solution partout où elles sont toutes les deux définies.
I.2 Calcul fractionnaire 9

Théorème I.1.1. [17] Soit U un ouvert de R × Rn et f : U −→ Rn une fonction continue.

Pour tout (t0 , x0 ) ∈ U le problème (I.2) admet au mois une solution.

Définition I.1.4. [11] Soient U un ouvert de R × Rn et f : U −→ Rn une fonction. On dit

que f = f (t, x) est localement lipschitzienne en x si pour tout fermé et borné (compact) K
dans U , il existe une constante L > 0 telle que

∥f (t, x1 ) − f (t, x2 )∥ ≤ L∥x1 − x2 ∥,

pour tout (t, x1 ) et (t, x2 ) dans K.

Théorème I.1.2. [11] Soit U un ouvert de R × Rn , si la fonction f = f (t, x) : U −→ Rn est

continue et localement Lipschitzienne en x alors pour tout (t0 , x0 ) ∈ U le problème (I.2) admet
une solution unique.

Lemme I.1.1. Soit [a, b] un intervalle fermé borné avec a < b et f une fonction
f : [a, b] −→ R. Alors f est continue par morceaux si et seulement s’il existe une fonction
continue g : [a, b] −→ R et une fonction en escalier h : [a, b] −→ R telles que f = g + h.

Définition I.1.5. [9] On dit qu’une fonction continue Q : R+ −→ R+ est de classe K si elle
est strictement croissante et Q(0) = 0.

Définition I.1.6. [9] Deux fonctions de classe K, Q1 et Q2 sont dites fonctions avec rythme
de croissance global de même niveau s’il existe ci > 0, (i = 1, 2) tel que

c1 Q1 (r) ≤ Q2 (r) ≤ c2 Q1 (r), (r ∈ R+ ).

I.2 Calcul fractionnaire

I.2.1 Fonctions spéciales

Généralement les fonctions spéciales sont des fonctions analytiques non élémentaires qui
sont apparues comme solutions d’équations mathématiques, comme la fonction Gamma, la
fonction Bêta et la fonction de Mittag-Leffler.

Fonction Gamma
L’une des fonctions de base utilisée dans le calcule fractionnaire est la fonction Gamma.
Son interprétation est simplement la généralisation du factoriel à des nombres réelles et
complexes.
I.2 Calcul fractionnaire 10

Définition I.2.1. [6] La fonction Gamma Γ(z) est définie par l’intégrale suivante
Z ∞
Γ(z) = e−t tz−1 dt, (ℜe(z) > 0). (I.3)
0

Cette intégrale est convergente pour tout z ∈ C si, ℜe(z) > 0.

Figure I.1 – La fonction de Gamma.

Théorème I.2.1. [1] La fonction Gamma est de classe C ∞ et définie sur ]0, +∞[, ses
dérivées successives sont données par la formule

Z ∞
Γ (z) =
k
e−t tz−1 (ln t)k dt, z ∈ C. (I.4)
0

Proposition I.2.1. [6] La fonction Gamma satisfait l’équation fonctionnelle suivante

Γ(z + 1) = zΓ(z), z ∈ C.

On peut démontrer par une intégration par parties de l’intégrale (III.1.1), en effet
Z ∞
Γ(z + 1) = e−t t(z+1)−1 dt
0
Z ∞
= e−t tz dt
0
Z ∞
= [e−t tz ]∞
0 +z e−t tz−1 dt,
0
I.2 Calcul fractionnaire 11

donc :
Γ(z + 1) = zΓ(z).

En particulier Γ(1) = 1
Z ∞
Γ(1) = e−t t(1−1) dt = 1,
0

alors pour n ∈ N, On a
Γ(n + 1) = nΓ(n) = n(n − 1)! = n!. (I.5)

Proposition I.2.2. [6] Pour tout n ∈ N∗ , on a

√
1 (2n)! π
Γ(n + ) = , (I.6)
2 4n n!

et
1 √
 
Γ = π.
2
Proposition I.2.3. [10] La fonction Gamma est indéfiniment dérivable sur R∗ + et sa dérivée

Γ′ (z) = Γ(z)ψ(z), (I.7)

où ψ est la fonction diagamma donnée par

d
ψ(z) = ln[Γ(z)].
dx

Proposition I.2.4. [1] La fonction Gamma peut être écrite en termes de deux composantes,
comme suit
Γ(z) = γ(z, a) + Γ(z, 0), (a ∈ R+ ). (I.8)

Où γ(z, a) la fonction Gamma incomplète inférieure donnée par

Z a
γ(z, a) = e−t tz−1 dt, (ℜe(z) > 0),
0

et Γ(z, a) la fonction Gamma incomplète supérieure. Elle est définie par

Z ∞
Γ(z, a) = e−t tz−1 dt, (ℜe(z) > 0).
a
I.2 Calcul fractionnaire 12

Fonction Bêta
Définition I.2.2. [8] La fonction Bêta est définie pour tous nombres complexes z et ω de
parties réelles strictement positives par l’intégral d’Euler de seconde espèce
Z 1
B(z, ω) = tz−1 (1 − t)ω−1 dt, ℜe(z) > 0, ℜe(w) > 0. (I.9)
0

Cette intégrale est convergente pour tout z, ω ∈ C si ℜe(z) > 0 et ℜe(ω) > 0.

Proposition I.2.5. [10] Pour tous z et ω ∈ C avec ℜe(z) > 0 et ℜe(ω) > 0, la fonction Bêta
est liée à la fonction Gamma par la relation suivante

Γ(z)Γ(ω)
B(z, ω) = . (I.10)
Γ(z + ω)

D’où il résulte que cette fonction a les propriétés

1. B(z, ω) = B(ω, z)

2. B(z, ω) = B(z + 1, ω) + B(z, ω + 1)

3. B(z, ω + 1) = ωz B(z + 1, ω) = ω
z+ω
B(z, ω)
π
tp−1
4. B(z, ω) = 2 (sin t)2z−1 (cos t)2ω−1 dt =
R R∞
0
2
0 (1+t)z+ω
dt

5. B(z, z) = 21−2z B( 12 , z)

Proposition I.2.6. Les dérivées partielles de la fonction bêta utilisent les équations
fonctionnelles de Gamma

∂ Γ′ (z) Γ′ (z + ω)
B(z, ω) = B(z, ω)( − ) = B(z, ω)(ψ(z) − ψ(z + ω)). (I.11)
∂z Γ(z) Γ(z + ω)

Fonction de Mittag-Leffler
La fonction Mittag-Leffler notée Eα,β , est une fonction spéciale qui s’applique dans le plan
complexe et dépend de deux paramètres complexes α et β.

Définition I.2.3. [10] Pour z ∈ C la fonction de Mittag-Leffler Eα,β est définit comme suit

∞
zk
Eα,β (z) = α, β > 0. (I.12)
X
,
k=0 Γ(αk + β)

Pour β = 1
∞
zk
Eα,1 (z) = Eα (z) =
X
.
k=0 Γ(αk + β)
I.3 Intégrale fractionnaire 13

Remarque I.2.1. Pour α = 1, β = 1 on a

∞ ∞
zk zk
E1,1 (z) = = = ez . (I.13)
X X

k=0 Γ(k + 1) k=0 k!

Donc, pour les équations différentielles d’ordre fractionnaire, la fonction de Mittag-Leffler

joue le même rôle que la fonction exponentielle.

Exemple I.2.1. Pour des valeurs spéciale de α et β on, a

ez −1
1. E1,2 (z) = z
,
ez −1−z
2. E1,3 (z) = z2
,

3. E2,1 (z 2 ) = cosh(z),

4. E2,2 (z 2 ) = sinh(z)
z
,

5. E2,1 (−z 2 ) = cos(z).

Propriétés I.2.1. [6]

Pm−2 z k
1. ∀m ∈ N, E1,m = 1
z m−1
[ez − k=0 k!],

2. α,β (zt )dt = .

R ∞ −t β−1 α 1
0 e t E z−1

I.3 Intégrale fractionnaire

I.3.1 Intégrale de Riemann-Liouville

Soit f une fonction continue sur l’intervalle [a,b], On considère l’intégrale
Z t
Ia(1) f (t) = f (s)ds,
a
Z t Z t1
Ia(2) f (t) = dt1 f (s)ds
a a
Z t Z t
= f (s)ds dt1
a s
Z t
= (t − s)f (s)ds,
a
Z t Z t1 Z t2
Ia(3) f (t) = dt1 dt2 f (s)ds
a a a
Z t Z t1
= dt1 (t − s) f (s)ds
a a
1Z t
= (t − s)2 f (s)ds.
2 a
I.4 Dérivée fractionnaire 14

Et par récurrence dans le cas général, on a la formule de Cauchy répété n-fois :

Z x Z t1 Z tn−1
Ia(n) f (x) = dt1 dt2 ... f (tn )dtn
a a a
1 Z x
= (x − t)n−1 f (t)dt, (n ∈ N∗ ).
(n − 1)! a

D’après la généralisation de la fonction factorielle par la fonction Gamma (n − 1)! = Γ(n) ; On

obtient un sens même pour des valeurs non-entières de n, et on a la définition suivante

Définition I.3.1. [10] [4] Soient f : [a, b] −→ R une fonction continue et α ∈ C, ℜe(α) > 0,
l’intégrale fractionnaire d’ordre α de Riemann-Liouville (notée par R-L) est donnée par

1 Za
Ifα (x) = (x − t)α−1 f (t)dt (x > a). (I.14)
Γ(α) x

Et pour a = 0, on a :
I0α = I α .

Proposition I.3.1. [10] [1] Soient α, β ∈ C, ℜe(α) > 0, ℜe(β) > 0 et f ∈ C([a, b]) on a :

Iaα Iaβ f (x) = Iaβ Iaα f (x),

Iaα Iaβ f (x) = Iaα+β f (x).

I.4 Dérivée fractionnaire

I.4.1 Dérivée fractionnaire au sens du Riemann-Liouville

Définition I.4.1. [1] Soient ℜe(α) ∈]n − 1, n[, n ∈ N∗ et f ∈ C([a, b]). On appelle la dérivée
fractionnaire de Riemann-Liouville d’ordre α ∈ C

Daα f (x) = Dn [Ian−α f (x)],

!n Z
1 d x
Daα f (x) = (x − t)n−α−a f (t) dt, x > a. (I.15)
Γ(n − α) dx a
 n
Où Dn = d
dx
.
En particulier

1. pour α = 0, on a
h i
Da0 f (x) = D1 I 1 f (x) = f (x).
I.4 Dérivée fractionnaire 15

2. pour α = n ∈ N, on a

h i h i
Dan f (x) = Dn+1 Ian+1−n f (x) = Dn+1 Ia1 f (x) = Dn f (x).

Théorème I.4.1. [10] Soient f et g deux fonctions dérivables au sens de Riemann-Liouville

alors pour ℜe(α) ∈]n − 1, n], n ∈ N∗ et λ, µ ∈ R, on a

Daα (λf (x) + µg(x)) = λDaα f (x) + µDaα g(x).

Lemme I.4.1. [1] Soient f ∈ C([a, b]) et ℜe(α) > 0 alors l’intégrale :

Daα Iaα f (x) = f (x). (I.16)

En effet
en utilisant la définition (I.4.1), on a

(Daα Iaα f )(x) = Dn [Ian−α (Iaα f (x))]

= Dn [Ian f (x)]
= f (x).

Lemme I.4.2. Soient n − 1 ⩽ α < n et f : [a, b] −→ R une fonction continue. En supposant

que Daα f (x) = 0, alors

n−1
Γ(k + 1)
f (x) = (x − a)k+α−n , (I.17)
X
ck
k=0 Γ(k + 1 − n + α)

où ck sont des constantes quelconques.

Preuve. On a Daα f (x) = 0, alors

n−1
(Dan Ian−α f )(x) = 0 =⇒ (I n−α f )(x) = ck (x − a)k ,
X

k=0

par composition avec Iaα , on obtient

n−1
Iaα (Ian−α f )(x) = ck Iaα (x − a)k
X

k=0
n−1
Γ(k + 1)
= (x − a)k+α ,
X
ck
k=0 Γ(k + 1 + α)
I.4 Dérivée fractionnaire 16

en remplace (Ian ) par son expression

1 Zx
Iaα (Ian−α f )(x) = (x − t)n−1 f (t)
Γ(n) a
n−1
Γ(k + 1)
= (x − a)k+α ,
X
ck
k=0 Γ(k + 1 + α − n)

par une dérivation d’ordre n par rapport à x

n−1
Γ(k + 1)
f (x) = (x − a)k+α−n .
X
ck
k=0 Γ(k + 1 − n + α)

Proposition I.4.1. [1] Soient n > ℜe(α) > n − 1 > 0, m > ℜe(β) > m − 1 > 0 tel que
n, m ∈ N∗ , alors

1. Si ℜe(α) > ℜe(β), alors pour f ∈ C([a, b]) on a

Daβ (Iaα f )(x) = Iaα−β f (x). (I.18)

2. Si β = k ∈ N et ℜe(α) > k > 0, on a

(Dak Iaα f )(x) = I α−k f (x)

Proposition I.4.2. Soient ℜe(β) > 0 et ℜe(α) > 0, on a

Daβ ◦ Daα ̸= Daα ◦ Daβ . (I.19)

Donc la dérivée fractionnaire de Riemann-Liouville est non-commutative.

I.4.2 Dérivée fractionnaire au sens du Caputo

Définition I.4.2. [4] Soient ℜe(α) ∈]n − 1, n[, n ∈ N∗ , n = ℜe(α) + 1 et f ∈ C n ([a, b]). On
appelle la dérivée au sens de Caputo de la fonction f notée c Daα , et définie par

c
Daα = Ian−α [Dn f (x)]
1 Z x
= (x − t)n−α−1 f (n) dt, x > a. (I.20)
Γ(n − α) a

Si a = 0 on note c D0α par c Dα .

Propriétés I.4.1. [2] Si ℜe(α) ∈]n − 1, n[, n ∈ N∗ et f ∈ C n ([a, b]), la relation entre la
I.5 Équation différentielle à dérivée fractionnaire 17

dérivée de Riemann-Liouville (I.15) et celle de Caputo (I.20) est donnée par

n−1
f (k)(a)
c
Daα f (x) = Daα f (x) − (x − a)k−α .
X

k=0 Γ(k − α + 1)

Lemme I.4.3. [15] Soient ℜe(α) ∈]n − 1, n[, n ∈ N∗ et f ∈ C n ([a, b]), alors

(c Daα Iaα f )(x) = f (x). (I.21)

I.5 Équation différentielle à dérivée fractionnaire

Soit le système suivant

 c D α y(t)

= f (t, y(t)), t ∈ J = [0, T ], 1 < α < 2.
(I.22)

 y(0) = y0 y(T ) = ya .

Où f : [0, T ] × E −→ E et y0 , ya ∈ E, avec E un espace de Banach.

I.5.1 Existence et unicité

Définition I.5.1. Une fonction y ∈ [0, T ] −→ E est dite solution du synthèse de (I.22), si y
satisfait l’équation et la condition initiale du (I.22).

Lemme I.5.1. Soit 1 < α < 2 et f : [0, T ] −→ E une fonction continue. le problème aux
limite linéaire (I.22), admet une solution unique donnée par
Z T
y(t) = g(t) + G(t, s)f (s)ds, (I.23)
0

avec
t t
 
g(t) = 1 − y0 + ya,
T T
et  
1

(t − s) − α−1 t
(T − s) α−1
si 0≤s≤t 

G(t, s) = T
.
Γ(α) 
 − t (T − S)α−1 si t≤s≤ 

T

Soit le problème aux conditions initiales suivant


 c D α y(t)

= f (t, y(t))
(k)
(I.24)
 c D k y(0)

= y0 , k = 0, 1, · · · , n − 1

Avec, n − 1 < α < n et t ∈ [0, T ], f : [0, T ] × R −→ R.

I.5 Équation différentielle à dérivée fractionnaire 18

Lemme I.5.2. [21] Si la fonction f est continue, alors le problème (I.24) est équivalent à
l’équation intégrale non linéaire suivante

n−1
X k t (k) 1 Zt
y(t) = y0 + (t − s)α−1 f (s, y(s))ds.
k=0 k! Γ(α) 0

Théorème I.5.1. [21] Soit K > 0, h∗ > 0 et y0i ∈ R, i = 0, 1, . . . , n − 1. On définie

G = [0, h∗ ] × R et soit la fonction continue f : G −→ R, satisfaisant la condition de Lipschitz
par rapport à y suivante
|f (t, y1 ) − f (t, y2 )| ≤ A|y1 − y2 |.

Posons
KΓ(α + 1)
h = min{h∗ , ( 1 )},
Mα
avec
Mh
M = sup |f (t, y)| K ≥ .
(t,y)∈G Γ(α + 1)
Alors il existe un unique solution y du problème (I.24) tel que y ∈ C[0, h].
 Chapitre II
Stabilité d’un système dynamique
d’ordre entier et fractionnaire

Dans ce chapitre on va donner quelques notions sur la stabilité des systèmes dynamique
d’ordre entier et d’ordre fractionnaire.

II.1 Stabilité d’un système dynamique d’ordre entier

Dans le cas continu un système dynamique est décrit par un système d’équations
différentielles de la forme 

 ẋ = f (x(t))
(II.1)

 x(t0 ) = x0 t0 ∈ I ⊂ R.

Où x ∈ U ⊂ Rn , f : U ⊂ Rn −→ Rn , n > 2.

II.1.1 Stabilité d’un Point d’équilibre

Définition II.1.1. [2] On dit que xe est un point d’équilibre du système (II.1) si f (xe ) = 0.

1. xe est un point d’équilibre stable si ∀ ε > 0, ∃ η > 0 tel que ∀ t > 0

∥x0 − xe ∥ ≤ η =⇒ ∥x(t) − xe ∥ ≤ ε. (II.2)

2. xe est dit asymptotiquement stable , s’il est stable et si

lim ∥x(t) − xe ∥ = 0. (II.3)

t→∞

3. Un point d’équilibre du système (II.1) est dit attractif s’il existe un voisinage U (xe ), tel
que
∃ xe ∈ U (xe ) et lim ∥x(t)∥ = xe . (II.4)
t→∞
II.1 Stabilité d’un système dynamique d’ordre entier 20

Définition II.1.2. L’origine du système non autonome

ẋ = f (t, x), f : U ⊂ Rn −→ Rn ,

est uniformément asymptotiquement stable si

1. L’origine est uniformément stable i.e pour tout ϵ > 0, il existe δ(ϵ) > 0 tel que si
∥x(t0 )∥ < δ(ϵ) alors ∥x(t)∥ < ϵ pour tout t ≥ t0 .

2. il existe δ > 0 tel que si ∥x(t0 )∥ < δ alors limt→∞ ∥x(t)∥ = 0.

II.1.2 Stabilité d’un système linéaire

Soit le système linéaire autonome suivant


 ẋ(t) = Ax(t)
(II.5)

 x(0) = x0 ∈ Rn

où A une matrice carré de dimension n × n, det(A) ̸= 0.

Remarque II.1.1. Un tel système ne possède qu’un seul point d’équilibre l’origine de l’espace
d’état.

Définition II.1.3. [23] L’origine est un point d’équilibre asymptotiquement stable pour le
système (II.5) si
∀x(0) ∈ Rn , lim x(t) = 0. (II.6)
t→∞

Définition II.1.4. [23] Le système linéaire (II.5) est dit stable ou asymptotiquement stable si
l’origine est stable (asymptotiquement stable respectivement), dans ce cas la matrice A de ce
système est dite stable (asymptotiquement stable).

Théorème II.1.1. [23] Le point d’équilibre du système linéaire (l’origine) est globalement
asymptotiquement stable si et seulement si les valeurs propres de la matrice A sont à partie
réelle strictement négative.
On appelle le domaine de stabilité, le demi-plan gauche ouvert du plan complexe, c’est-à-dire
l’ensemble des nombres complexe à partie réelle strictement négative.
On dit alors que A est une matrice de stabilité si ses valeurs propres appartiennent au
domaine de stabilité.
II.1 Stabilité d’un système dynamique d’ordre entier 21

II.1.3 Stabilité d’un système par linéarisation

Soit le système non linéaire suivant


 ẋ = f1 (x, y)
(II.7)

 ẏ = f2 (x, y)

avec f1 , f2 : Rn × Rn deux fonctions non linéaire, x, y ∈ Rn , (xe , ye ) un point d’équilibre du

système (III.10). 
u(t) = x(t) − xe


On pose les coordonnées locales (ou variable locale) 
 v(t) = y(t) − ye
et on effectue un développement en série de Taylor au premier ordre des fonctions f1 , f2 au
voisinage de (xe , ye )
 

 u̇ = ẋ = f1 (xe , ye ) + ∂f1
|
∂x (xe ,ye )
(x − xe ) + ∂f1
|
∂y (xe ,ye )
(y − ye ) 

.

 v̇ = ẏ = f2 (xe , ye ) + ∂f2
|
∂x (xe ,ye )
(x − xe ) + ∂f2
|
∂y (xe ,ye )
(y − ye ) 


Or on a f1 (xe , ye ) = f2 (xe , ye ) = 0, d’où

   
u̇ u
  = Je   .
v̇ v

avec J est la matrice jacobienne calculée au point d’équilibre.

 
∂f1 ∂f1
 ∂x |(xe ,ye ) |
∂y (xe ,ye ) 
Je =  .
∂f2 ∂f2
|
∂x (xe ,ye )
|
∂y (xe ,ye )

D’où on obtient un système linéaire qui approxime le système de départ au voisinage d’un
point d’équilibre (xe , ye ).

II.1.4 Classification des points singuliers d’un système

linéaire dans le plan (Tr, det)
On peut utiliser la méthode analytique pour déterminer la nature du point d’équilibre(xe , ye ).
La matrice A admet des valeurs propres solution de l’équation caractéristique


 T r(A) = λ1 + λ2
det(A − λI) = λ2 − T r(A) + det(A) = 0 avec

 det(A) = λ1 λ2
II.1 Stabilité d’un système dynamique d’ordre entier 22

Donc la nature des points d’équilibre dépend du signe du discriminant

∆ = [T r(A)]2 − 4det(A).
•1er Cas ∆ = 0
On a une valeur propre double : λ0 et det(A) = 41 [T r(A)]2

1. Si λ0 > 0, T r(A) = 2λ0 > 0 et det(A) = λ20 > 0 c’est-à-dire l’origine est une étoile ou un
nœud dégénéré instable.

2. Si λ0 < 0 et T r(A) = 2λ0 < 0 c’est-à-dire l’origine est une étoile ou un nœud dégénéré
stable.

•2eme Cas ∆ > 0

On a alors deux valeurs propres réelles distinctes.

1. Si det(A) < 0 et les valeurs propres de la matrice A sont de signes opposée alors,
l’origine est une point selle (instable).

2. Si det(A) > 0 et T r(A) < 0, alors l’origine est un nœud stable.

3. Si det(A) > 0 et T r(A) > 0, alors l’origine est un nœud instable.

•3eme Cas ∆ < 0

On a deux valeur propre conjuguée λ1,2 = α + iβ

1. Si T r(A) > 0 et la partie réelle des valeurs propres est positive, alors l’origine est un
foyer instable.

2. Si T r(A) < 0 et la la partie réelle des valeurs propres est négative, alors l’origine est un
foyer stable.

3. Si T r(A) = 0 et la partie réelle des valeurs propres est nulle, alors l’origine est un centre.

En peut résumé la stabilité dans le plan (x, y) = (T r(A), det(A)) et l’équation de la parabole
∆ = 0 correspondent a det(A) = 14 [T r(A)]2 , cette parabole devise le plan en deux régions :
∆ > 0 et ∆ < 0.
II.1 Stabilité d’un système dynamique d’ordre entier 23

Figure II.1 – Portrait de phase de système Ẋ = AX.

II.1.5 Stabilité au sens de Lyapunov

Soit le système dynamique suivant
dx
= f (t, x), (II.8)
dt
avec f une fonction non linéaire, f : Rn −→ R.

Définition II.1.5. [9] Soit V : Rn −→ R une fonction continue telle que V (0) = 0

— On dit que V est définie positive si

V (x) > 0 pour tout x ̸= 0.

— On dit que V et semi-définie positive si

V ≥0 pour tout x ̸= 0.
II.1 Stabilité d’un système dynamique d’ordre entier 24

Théorème II.1.2. [9] Si xe un point d’équilibre du système (II.8) et D un ouvert de Rn

contenant xe si il existe une fonction V : Rn −→ R continuellement dérivable telle que

1. V (xe ) = 0 et V (x) > 0, dans D − {xe } alors on a

2. V̇ (x) = dV
dt
≤ 0, dans D, alors xe est stable.

3. V̇ (x) < 0 dans D, alors xe est asymptotiquement stable.

Preuve. Soit ϵ > 0 et r ∈ [0, ϵ] tel que Br = {x ∈ Rn , ∥x∥≤ r} ⊂ D, soit α = min∥x∥ = rV (x)
on a V (0) = 0 et V (x) > 0 d’où
α > xe .

Soit β ∈ [xe , α] et Ωβ = {x ∈ Br , V (x) ≤ β},

alors Ωβ est invariant =⇒ on a propriété que tout trajectoire commençant dans Ωβ à l’instant
t = 0 reste dans Ωβ , ∀t ≥ 0.
Puisque V̇ (x) ≤ 0 =⇒ V [x(t)] ≤ V [x(0)] ≤ β, ∀t ≥ 0.
Et puisque Ωβ est un compact, alors le problème (II.8) admet une unique solution définit pour
toute t ≥ 0 avec x(0) ∈ Ωβ .
Comme V est continue, V (0) = 0 alors ∃δ > 0 tel que

∥x∥ ≤ δ =⇒ V (x) < β,

alors Bδ ⊂ Ωβ ⊂ Br ⊂ D, et x(0) ∈ Bδ =⇒ x(0) ∈ Ωβ =⇒ x(t) ∈ Br , ∀t ≥ 0, d’où

∥x(0)∥ < δ =⇒∥x(t)∥ < r < ϵ, ∀t ≥ 0.

xe est stable.
Pour montrer la stabilité asymptotique, on a besoin de montrer que x(t) −→ 0 quand t −→ ∞.
Or :
∀y > 0, ∃ K > 0 tel que ∥x(t)∥ < y, ∀t > K.

On sait que pour tout y > 0, on peut choisir a > 0 tel que Ωa ⊂ Ba où

Ωa = {x ∈ Br , V (x) ≤ a} et By = {x ∈ Rn , ∥x∥ < y},

puisque V (x) est décroissant et minorée par 0, alors

V (x) −→ c ≥ 0 quand t −→ ∞.

Montrons que c = 0, pour cela, raisonnons par l’absurde et supposons que c > 0.
II.2 Théorie de bifurcation 25

Par continuité de V , on a
∃d>0 tel que Bd ⊂ Ωc .

V [x(t)] −→ c quand t −→ ∞ implique que la trajectoire x(t) sort de Bd pour tout t ≥ 0.

Soit −γ = maxd≤∥x∥≤r V̇ ,
alors d’après (3) : −γ < 0
Donc
V [x(t)] = V [x(0)] + |t0 V [x(r)]dr ≤ V [x(0)] − γt.

D’où c = 0, donc l’origine est asymptotiquement stable.

Remarque II.1.2. Le choix de la fonction de Lyapunov à un effet sur l’évaluation de la zone

de stabilité d’un système non-linéaire.

Théorème II.1.3. Théorème d’invariance de LaSalle [9] Soit Ω un compact invariant de

D ⊂ Rn , et soit V une fonction de classe C 1 ([D, R]), telle que la fonction V̇ et définie
négative sur Ω.
Soit I le plus grand sous ensemble invariant de E avec E = {x ∈ Ω, V̇ (x) = 0}. Alors
limt→∞ dI (x(t, x0 )) = 0, c’est-à-dire toute solution commençant dans Ω converge vers I quand
t −→ ∞.

II.2 Théorie de bifurcation

Soit le système d’équation différentielle suivant

 dx

= f (x, t, µ),
dt
(II.9)

 f : Rn × R −→ R

tel que µ ∈ R est un paramètre de contrôle, et x∗ la solution de ce système.

II.2.1 Définition de bifurcation

Une bifurcation est un changement qualitatif ou quantitatif de la solution x∗ du système (II.9)
lorsqu’on modifie µ, et d’une manière plus précise la disparition ou le changement de stabilité
et l’apparition de nouvelles solutions [18].

II.2.2 Diagramme et portrait de phase de bifurcation

Dans les systèmes dynamiques, un diagramme de bifurcation montre les comportements
possibles d’un système, à long terme, en fonction des paramètres de bifurcation.
II.2 Théorie de bifurcation 26

Définition II.2.1. [3] Un diagramme de bifurcation est une portion de l’espace des
paramètres sur laquelle sont représentés tous les points de bifurcation.

II.2.3 Type de bifurcation

Bifurcation selle-nœud
Cette bifurcation est appelée une bifurcation selle nœud et correspond à l’apparition
simultanée de deux points d’équilibres l’un instable (un point selle) et l’autre stable (un
nœud). D’une manier générale lorsque les deux isoclines, l’isocline verticale ẋ = 0 et l’isocline
horizontale ẏ = 0, initialement disjointes deviennent tangentes et ensuite se coupent en deux
points d’équilibre puis aucun point d’équilibre, cette bifurcation se produit[18].

Figure II.2 – Diagramme de bifurcation de selle-nœud.

Bifurcation transcritique
Dans cette bifurcation le nombre de points d’équilibre est conservé mais leur stabilités passe
de stable à instable.
II.2 Théorie de bifurcation 27

Figure II.3 – Diagramme de bifurcation transcritique.

Bifurcation de fourche
Cette bifurcation est appelée bifurcation fourche super-critique lorsque le nombre de
point d’équilibre passer de trois à un donc nous avons un point selle entouré de deux nœud
asymptotiquement stable.

Figure II.4 – Diagramme de bifurcation fourche super-critique.

II.2 Théorie de bifurcation 28

Figure II.5 – Diagramme de bifurcation fourche sous-critique.

Bifurcation de Poincaré-Andronov-Hopf
Le système suivant [12] 

 ẋ = f (x, y, µ)
(II.10)

 ẏ = g(x, y, µ)

x, y ∈ R, µ ∈ R.
Le système (III.1.1) admet un point d’équilibre (x∗ (µ), y ∗ (µ)).
Soit J(x∗ (µ),y∗ (µ) la matrice jacobienne calculée au point d’équilibre, et les valeurs propres
complexes conjuguée de la matrice Jacobienne et s’écrivent sous la forme λ1,2 = a(µ) + ib(µ)
avec a(µ) la partie réelle et b(µ) la partie imaginaire.
Soit µ∗ une valeur particulier de paramètre µ pour laquelle on a a(µ∗ ) = 0, b(µ) ̸= 0 et
da
dµ
(µ∗ ) ̸= 0. Alors si da
dµ
(µ∗ ) > 0, il y-à trois cas possible

1. Lorsque µ = µ∗ , il existe des trajectoires concentrique autour de (x∗ (µ∗ ), y ∗ (µ∗ )). Le
point d’équilibre (x∗ (µ), y ∗ (µ)) correspond à des centres.
On parle à bifurcation de Hopf dégénérée.

2. Lorsque µ = µ∗ le point d’équilibre (x∗ (µ∗ ), y ∗ (µ∗ )) est asymptotiquement stable, et

∃ µ̃ > µ∗ ,∀µ vérifiant µ∗ < µ < µ̃ tel qu’il existe, autour de (x∗ (µ), y ∗ (µ)) qui est
instable, un cycle limite asymptotiquement stable dont l’amplitude est proportionnelle à
√
µ − µ∗ .
On parle de bifurcation de Hopf Super-critique.

3. Lorsque µ = µ∗ , le point d’équilibre (x∗ (µ∗ ), y ∗ (µ∗ )) est instable, et ∃µ̃ < µ∗ , ∀µ
vérifiant µ̃ < µ < µ∗ tel qu’il existe, autour de (x∗ (µ), y ∗ (µ)) qui est asymptotiquement
II.3 Stabilité des systèmes d’ordre non entier 29

q
stable, un cycle limite instable dont l’amplitude est proportionnelle à |µ − µ∗ |.
On parle de bifurcation de Hopf sous-critique.

Remarque II.2.1. Si da
dµ
(µ∗ ) < 0, il faut inversé les conclusion, c’est à dire le cycle limite
asymptotiquement stable (respectivement instable) apparait pour des valeurs du paramètre
inférieurs (respectivement supérieures) à µ∗ .

Figure II.6 – Diagramme de bifurcation de Poincaré-Andronov-Hopf.

II.3 Stabilité des systèmes d’ordre non entier

Pour étudier la stabilité, on s’intéresse par le comportement de la solution du système lorsque
t −→ ∞, soit 

 Dtα x(t) = f (t, x), x ∈ Rn
(II.11)

 x(t0 ) = x0

où ω un domaine de Rn qui contient l’origine x = 0 et f : [t0 , ∞[×ω −→ Rn continue et

localement lipschitzienne par rapport à x.
Le système (II.11) à valeur initiale admet une unique solution x = 0 pour t ≥ 0.
II.3 Stabilité des systèmes d’ordre non entier 30

II.3.1 Point d’équilibre

Pour trouver les points d’équilibre du système (II.11) il suffit de résoudre l’équation

Dα x(t) = 0. (II.12)

Si xe est une solution de l’équation (II.12), alors

f (t, xe ) = 0.

Définition II.3.1. Sous les hypothèse précédentes, donc la solution x(t) = 0 du système
(II.11) est dite
- Stable, si
∀ε > 0, ∃δ > 0 : ∥x0 ∥ < δ =⇒ ∥x(t)∥ < ε, ∀t ≥ 0.

- Asymptotiquement stable, s’il est stable et si

∃γ > 0 : ∥x0 ∥ < γ =⇒ lim x(t) = 0.

t→∞

II.3.2 Stabilité des systèmes fractionnaire linéaire

Soit le système linéaire autonome d’ordre fractionnaire suivant


 Dtα x = Ax
0 < α < 1, (II.13)

 x(0) = x0

x ∈ Rn , A ∈ Rn×n , soit λi , i = 1, 2, . . . , n les valeurs propres de la matrice A.

Théorème II.3.1. [5] • Le système (II.16) est localement asymptotiquement stable si et

seulement si

π
|arg(λi )| > α , pour tout i = 1, 2, . . . , n.
2
• Le système (II.16) est stable si et seulement si

π
|arg(λi )| ≥ α , pour tout i = 1, 2, . . . , n,
2

et les valeurs propres critiques qui satisfaisant |arg(λi )| = α π2 , ont la multiplicité géométrique.
II.3 Stabilité des systèmes d’ordre non entier 31

• Le système (II.16) est instable si et seulement s’il existe une valeur propre de A vérifiant

π
|arg(λ)| < α .
2

Figure II.7 – Région de stabilité d’un système fractionnaire linéaire d’ordre α ∈ (0, 1).

Exemple II.3.1. Soit le système linéaire suivant


1

 D 3 x(t) = Ax
(II.14)

 x(0) = x0

Avec 0 < α < 1, α = 1

3
et A une matrice carrée telle que
 
0 −1
A=
 
2 2

Les valeurs propres de A, soit λj = 1 ± i, j = 1, 2.

L’argument de chacune des valeurs propres de la matrice A est

(−π)
|arg(λ1 )| = |arg(1 − i)| = | |,
4

et
(π)
|arg(λ2 )| = |arg(1 + i)| = | |.
4
II.3 Stabilité des systèmes d’ordre non entier 32

On conclue que le système (II.14) est asymptotiquement stable car

1π 1π
|arg(λ1 ) > et |arg(λ2 ) > .
32 32

Remarque II.3.1. Dans le cas non linéaire suivant


Dtα x(t) = f (t, x), 0 < α < 1, x ∈ Rn , (II.15)

avec f : Rn × Rn une fonction non linéaire, on peut linéariser le système (II.15) qui devient
Dtα = Ax, où A est la matrice jacobienne de la fonction f , et on applique le théorème (II.16).

Théorème II.3.2. Soit le système



 Dtα x = Ax
1 < α < 2, (II.16)

 x(0) = x0

x ∈ Rn , A ∈ Rn × Rn , soit λi , i = 1, 2, . . . , n les valeurs propres de la matrice A.

Le Système (II.16) est localement asymptotiquement stable si et seulement si

π
|arg(λi )| > α .
2

Figure II.8 – Région de stabilité d’un système fractionnaire Linéaire d’ordre α ∈ (1, 2).
II.3 Stabilité des systèmes d’ordre non entier 33

Exemple II.3.2. Soit le système suivant

  

4 0 −2
D 3 x(t) = 

 x(t)



(II.17)

 4 4

= x0

 x(0)


Avec α = 43 .
L’argument de chacune des valeurs propres de la matrice A est donné par

π
|arg(λ1 )| = |arg(2 + 2i)| = | |,
4
et
−π
|arg(λ2 )| = |arg(2 − 2i)| = | |.
4
D’où le système (II.17) est instable car |arg(λ1 )| < 2π
3
et |arg(λ2 )| < 2π
3
.

Corollaire II.3.1. [20] Supposons que α1 ̸= α2 ̸= ... ̸= αn et tous les αi sont des nombres
rationnels entre 0 et 1.
Soit d le plus petit commun multiple des dénominateurs du wi de αi i = (1, 2, . . . , n), où
αi = ui
wi
, ui et wi ∈ Z+ .
En posant σ = d1 , donc le système (II.16) est asymptotiquement stable si

π
|arg(λ)| > σ ,
2

pour toutes les racines λ de l’équation caractéristique suivant

det(diag[λdα1 , . . . , λdαn ] − A) = 0.

Ce corollaire dit que l’équation caractéristique dans le cas des ordres rationnels peut être
transformée en une équation polynomiale d’ordre entier.

II.3.3 Stabilité des systèmes fractionnaire non linéaire

Soit le système non linéaire suivant


 Dα x(t) = f (t, x)
0 < α < 1 et x ∈ Rn , (II.18)

 x(t0 ) = x0

où f est une fonction continue par morceaux en t et localement lipschitzienne en x telle que
f : [t0 , ∞[×Ω −→ Rn et Ω un domaine de Rn qui contient l’origine x = 0.
II.3 Stabilité des systèmes d’ordre non entier 34

Définition II.3.2. xe ∈ Ω est un point d’équilibre du système (II.18) si et seulement si

f (t, xe ) = 0.

Définition II.3.3. Le point d’équilibre xe est dit

•Localement stable si et seulement si
∀ϵ > 0, ∃δ > 0, tel que |x(t) − xe | < ϵ, ∀x0 ∈ {z ∈ R : |z − xe | < δ} et ∀t ≥ 0.
•Localement asymptotiquement stable si et seulement si le point d’équilibre est localement
stable et limt→∞ x(t) = xe .

Définition II.3.4. [13] La solution de (II.18) est dite stable au sens de Mittag-Leffler si

∥x(t)∥≤ g[x(t0 )]Eα (−λ(t − t0 )α )c ,

où t0 est le temps initial, g(0) = 0, c > 0, 0 < α < 1, g(x) ≥ 0 et g(x) est localement
lipschitzienne par rapport à x ∈ ω ⊂ Rn .

Définition II.3.5. [13] La solution de (II.18) est st dite stable généralisée au sens de
Mittag-Leffler si
c
∥x(t)∥≤ g[x(t0 )](t − t0 )−δ Eα,1−δ (−λ(t − t0 )α ) ,

où t0 est le temps initial, c > 0, λ > 0, 0 < α < 1, −α < δ < 1 − α g(0) = 0, g(x) ≥ 0 et g(x)
est localement lipschitzienne par à x ∈ ω ⊂ Rn .

II.3.4 La méthode directe de Lyapunov

Définition II.3.6. [9] Une fonction V (t, x) définie sur Ja × Ib est dite définie positive, si et
seulement si V (t, 0) = 0, pour tout t ∈ Ja , et il existe Q(r) ∈ K, telle

Q(r) ≤ V (t, x), ∥x∥ = r, (t, x) ∈ Ja × Ib ,

où Ib = {x ∈ Rn , ∥x∥ ≤ b} et Ja = {an , a ∈]0, 1[, n ∈ Z 0}.

S

Définition II.3.7. [9] Une fonction V (t, x) définie sur Ja × Ib , est dite décroissante, si et
seulement si V (t, 0) = 0, pour tout t ∈ Ja et il existe Q(r) ∈ K, telle que

V (t, x) ≤ Q(r), ∥x∥ = r, (t, x) ∈ Ja × Ib .

Théorème II.3.3. [3] Soit x = 0 un point d’équilibre du système (II.18) tel que α ∈ [0, 1] et
Ω un domaine de Rn qui contient l’origine.
II.3 Stabilité des systèmes d’ordre non entier 35

Soit V (t, x(t)) : [0, ∞[×Ω −→ R une fonction continument différentiable et localement
lipschitzienne par rapport à x telle que

α1 ∥x∥a ≤ V (t, x(t)) ≤ α2 ∥x∥ab , (II.19)

c
Dtβ V (t, x(t)) ≤ α3 ∥x∥ab , (II.20)

Où t ≥ 0, x ∈ Ω, β ∈]0, 1[, α1 , α2 , α3 , a et b des constantes positives.

Alors x = 0 est stable au sens de fonction Mittag-Leffler.

Remarque II.3.2. Si les hypothèses précédentes sont satisfaites dans Rn alors la stabilité
dans ce cas est globale.

Théorème II.3.4. [7] Soit x = 0 le point d’équilibre du système (II.18) et Ω ⊂ Rn un

domaine qui continent l’origine.
Supposons qu’il existe une fonction de Lyapunov V (t, x(t)) : (R+ × Ω) −→ R qui admet des
dérivé du Caputo telle que V (t, 0) = 0, et α1 une fonction de classe K vérifiant :

α1 ∥x∥≤ V (t, x(t)), ∀t ≥ 0, ∀x ∈ R,

et
c
Dtα V (t, x(t, t0 , x0 )) ≤ 0, ∀t ≥ t0 , ∀t0 ≥ 0,

alors le point x = 0 est stable.

Si, de plus pour certaine fonction α2 ∈ K

V (t, x) ≤ α2 ∥x∥, ∀t ≥ 0, ∀x ∈ Rn .

Donc x = 0 est uniformément stable.

II.3.5 La méthode indirecte de Lyapunov (linéarisation)

Pour étudier la stabilité du système (II.18), on linéarise le système autour du point d’équilibre
xe
On défini ϵ = x − xe pour analyser le point, donc

Dα x(t) = f (xe + ϵ(t)).

Par développement en série de Taylor de la fonction f au voisinage du point d’équilibre xe , on

II.3 Stabilité des systèmes d’ordre non entier 36

obtient  
∂f1 ∂f1 ∂f1
 ∂x1 ∂x2
··· ∂xn 
f (xe + ϵ(t)) ≈ f (xe ) + 
 
· · · ··· ··· ···
 ϵ(t).
 
∂fn ∂fn ∂fn
∂x1 ∂x2
··· ∂xn x=xe

On a f (xe ) = 0, alors
 
∂f1 ∂f1 ∂f1
 ∂x1 ∂x2
··· ∂xn 
f (xe + ϵ(t)) ≈  (II.21)
 
· · · ··· ··· ···
 ϵ(t),
 
∂fn ∂fn ∂fn
∂x1 ∂x2
··· ∂xn x=xe

d’où, (II.21) devient

Dα x(t) = Dα (xe + ϵ(t)) = Dα xe + Dα ϵ(t) = Dα ϵ(t), car (Dα xe = 0),

et  
∂f1 ∂f1 ∂f1
 ∂x1 ∂x2
··· ∂xn 
Dα ϵ(t) = 
 
· · · ··· ··· ···
 ϵ(t).
 
∂fn ∂fn ∂fn
∂x1 ∂x2
··· ∂xn x=xe

Alors
Dα ϵ(t) = Jf (xe )ϵ(t). (II.22)

Où Jf est la matrice jacobienne associée à f au tour de xe . On peut maintenant appliquer les

théorème précédents pour étudier la stabilité des solutions du système fractionnaire (II.18).
 Chapitre III
Applications

Dans ce chapitre on va étudier un modèle dynamique en finance et un modèle de

Lotka-Volterra, en utilisant les équations différentielles ordinaire, et en utilisant les dérivées
fractionnaire.

III.1 Un modèle de finance

Les récents travaux ont introduit un modèle dynamique de financement, composé de trois
équations différentielles de premier ordre.
Le modèle décrit les variations temporelles de trois variables d’état le taux d’intere x, la
demande d’investissement y, et l’indice des prix z.
Le système est donné par [24] 



 ẋ = (y − a)x + z

 ẏ = 1 − by − x2 (III.1)

ż = −cz − x




Où a est le montant d’épargne, b est le coût d’investissement, et c est l’élasticité de la

demande des marchés commerciaux. Dans le modèle (III.1), les facteurs qui influent sur les
changements dans x viennent principalement des contradictions dans les investissements sur le
marché et les ajustements structurelles des prix des marchandises. L’évolution du taux de y
est proportionnelle au taux d’investissement, ainsi qu’à une inversion du coût de
l’investissement et les taux des intérêts. Les changements dans z sont d’une part contrôlés par
la contradiction entre l’offre et la demande sur les marchés commerciaux, et d’autre part ils
sont influencés par les taux des inflations. Il est évident que les trois constantes, a, b et c, dans
le modèle (III.1) sont positifs.
III.1 Un modèle de finance 38

III.1.1 Points d’équilibre

Pour trouver Les points d’équilibre du système (III.1) on résout
 



 ẋ = 0 


 (y − a)x + z = 0
 
 ẏ = 0 ⇒  1 − by − x2 = 0
 
ż = 0  −cz − x = 0

 



q q
•Si c − b − abc > 0, le système admet trois points d’équilibre ( c−b−abc 1
c
,c + a, 1c c−b−abc
c
) et
q q
(− c−b−abc 1
c
,c + a, − 1c c−b−abc
c
) et (0, 1b , 0)
•Si c − b − abc < 0, le système (III.1) admet un seul point d’équilibre (0, 1b , 0).

III.1.2 Stabilité des points d’équilibre

On s’intéresse seulement au point (0, 1b , 0), ie le cas ou c − b − abc < 0.
On effectue le changement suivant




 X =x

Y =y− 1
b
(III.2)


=z

Z



Alors le système devient 




 Ẋ = ẋ = Z + [Y + 1b − a]X

 Ẏ = ẏ = 1 − b(Y − 1b ) − X 2

= ż = −X − cZ

Ż



Donc 



 Ẋ = Z + ( 1b − a)X + XY

Ẏ = bY − X 2 (III.3)


= −X − cZ

Ż



Le système (III.3) admet un seul point d’équilibre (0, 0, 0) pour (c − b − abc) < 0, pour étudier
sa nature on calcule la matrice Jacobienne associé à ce système
 
1
b −a+Y X 1
J(X,Y,Z) =  0
 
2
 −2X −b ,
 
−1 0 −c
III.1 Un modèle de finance 39

au point (0, 0, 0) on trouve  

1
b −a 0 1
J(0,0,0) = 
 0 0
 
−b .
 
−1 0 −c

L’équation caractéristique donnée par

1 c
(det J − λI) = (−b − λ)(λ2 + (c + a − )λ + 1 + ca − ) = 0. (III.4)
b b

Donc l’équation(III.4) admet trois racine (λ1 , λ2 , λ3 ) telle que

(−b − λ) = 0,

et
1 c
(λ2 + (c + a − )λ + 1 + ca − = 0.
b b
Le signe de λ2 , λ3 dépend des signes de 1 + ac − c
b
et c + a − 1b , on a 4 cas

1. Si 1 + ac − c
b
> 0 et c + a − 1
b
<0
Alors l’équation (III.4) admet trois valeurs propres de signe opposée λ1 = −b, λ2 > 0 et
λ3 > 0. Le point d’équilibre (0, 1b , 0) est un point selle.

2. Si 1 + ac − c
b
> 0 et c + a − 1
b
>0
L’équation (III.4) admet 3 valeurs propres de même signe λ1 < 0, λ2 < 0 et λ3 < 0, donc
le point d’équilibre est stable.

3. Si 1 + ac − c
b
= 0 l’équation (III.4) devient

1
(−b − λ)(λ2 + (c + a − )λ = 0. (III.5)
b

L’équation (III.5) admet trois valeurs propres λ1 = −b, λ2 = 0 et λ3 = −(c + a − 1b )

Dans ce cas on peut traiter deux cas d’après la valeur de c
•1er Cas c < 1
1−c2
λ3 = −(c + a − 1b ) on remplace a par 1
b
− 1
c
on obtient, λ3 = c
> 0, puisque λ1 < 0 et
λ3 > 0 donc le point d’équilibre (0, 1b , 0) est instable.
•2eme Cas c > 1
D’après le théorème de variété centrale le point (0, 1b , 0) est stable.

4. Si 1 + ac − c
b
> 0 et c + a − 1
b
= 0, l’équation (III.4) devient

c
(−b − λ)(λ2 + 1 + ac − ) = 0,
b
III.1 Un modèle de finance 40

d’où λ1 = −b et λ2 = −(ac + 1 − cb ) avec −(ac + 1 − cb ) < 0, alors on a

λ1 = −b,

c
r
λ2 = i ac + 1 − ,
b
c
r
λ3 = −i ac + 1 − .
b
Puisque les valeurs propres complexes conjuguée et s’écrivent sous la forme a(λ) + ib(λ)
on prend q = −(c + a − 1b ) donc ∂q
∂a
= −1 donc on a une bifurcation de Hopf, est le
points (0, 1b , 0) est stable.

III.1.3 Extension au cas fractionnaire

Dans cette partie on prend le même système mais avec des dérivée d’ordre fractionnaire, alors
nous réécrivons le système financier (III.1) sous la forme suivante [19]




 Dα1 x = z + (y − a)x

 Dα2 y = 1 − by − x2 (III.6)

Dα3 z = −x − cz




III.1.4 Les points d’équilibre

Pour calculer les points d’équilibres on utilise la même méthode dans le cas entier et ils ne
change pas, par contre la stabilité peut changer, alors

— Si c − b − abc ≤ 0 le système (III.6) admet un point d’équilibre

1
(0, , 0).
b

— Si c − b − abc > 0 le système (III.6) admet trois points d’équilibre

1
(0, , 0)
b
et s s
c − b − abc ac + 1 1 c − b − abc
( , , )
c c c c
et s s
c − b − abc ac + 1 1 c − b − abc
(− , ,− )
c c c c
III.1 Un modèle de finance 41

III.1.5 Stabilité des points d’équilibre

On considérons que α1 = α2 = α3 = α telle que 0 < α < 1 et on pose, b = 0.1 et c = 1 avec
a ∈ R.
On remplace b et c dans c − b − abc ≤ 0 et on obtient
a ≥ 9, alors le système (III.6) admet un point d’équilibre (0, 10, 0).
Et on remplace dans c − b − abc > 0, on obtient
a < 9, donc le système (III.6) admet trois points d’équilibre (0, 10, 0),
q q
(± 9−a
10
, (a + 1), ± 9−a
10
).
Pour le point d’équilibre (0, 10, 0), la matrice jacobienne associer est
 
10 − a 0 1
J(0,10,0) =  0 0
 
 −0.1 ,
 
−1 0 −1

l’équation caractéristique est donné par

(−0.1 − λ)(λ2 + (−9 + a)λ − 9 + a).

Alors, le signe de ∆ dépend la valeur de a tel que

λ1 = −0.1,

et  √
 9−a± a2 −22a+117

si a ∈]0, 9[∪[13, +∞[,
λ(2,3) =  √
2
 9−a±i a2 −22a+117
2
si a ∈]9, 13[,

— Si a > 9, la partir réelle est strictement négative donc | arg (λ1,2,3 )| > α π2 , d’où le point
(0, 10, 0) est asymptotiquement stable pour 0 < α ≤ 1.

— Si a < 9, on a deux valeurs propres sont réelles est négatives mais la troisième sont réelle
est positive, alors le point d’équilibre (0, 10, 0) est instable quelque soit 0 < α < 1.
q q
Pour les points d’équilibre (± 9−a
c
,a + 1, ± 9−a
10
), la matrice Jacobienne associer

 q 
 1 ± 9−a
10
1
J(±√ 9−a ,a+1,±√ 9−a ) = 
q
0
 
9−a
±2 10
−0.1 .
c 10  
−1 0 −1
III.2 Un modèle de Lotka-Voltera 42

Le polynôme caractéristique associer au matrice J,

1 1
P (λ) = λ3 + 0.1λ + (1, 8 − a)λ + (1, 8 − a).
5 5

α = π2 mini |arg(λi )|, i = 1, 2, 3.

a λ1 λ2 λ3 α
0.5 -0.7681 0.3341+1.4497 i 0.3341-1.4497 i 0.8555
1 -0.7609 0.3304+1.412 i 0.3304-1.412 i 0.8536
1.2 -0.7578 0.3289+1.3965 i 0.3289-1.3965 i 0.8527
2 -0.7447 0.3223+1.3327i 0.3223-1.3327 i 0.8494
2.5 -0.7355 0.3178+1.2909 i 0.3178-1.2909 i 0.8463
3 -0.7256 0.3128+1.2474 i 0.3128-1.2474 i 0.8435
3.5 -0.7146 0.3073+1.202 i 0.3073-1.202 i 0.8406
4 -0.7026 0.3013+1.1544 i 0.3013-1.1544 i 0.8374
4.5 -0.6891 0.2946+1.1042 i 0.2946-1.1042 i 0.8340
5 -0.674 0.287+1.51 i 0.287-1.051 i 0.8302
5.5 -0.6568 0.2784+0.9941 i 0.2784-0.9941 i 0.8261
6 -0.6369 0.2685+0.9327 i 0.2685-0.9327 i 0.8232
6.8 -0.585 0.2425+0.7905 i 0.2425-0.7905 i 0.8105
7.9 -0.5058 0.2029+0.6116 i 0.2029-0.6116 i 0.7960
8.5 -0.4228 0.1614+0.4587 i 0.1614-0.4587 i 0.7846

On remarque qu’il y a toujours une valeur propre réelle négative et deux valeurs propres
complexes conjugues avec la partie réelle positive, les deux points d’équilibre sont
localement instable.

III.2 Un modèle de Lotka-Voltera

On s’intéresse à l’évolution au cours du temps d’un système biologique composé de deux
espèces : des proies (lapins ou sardines) et des prédateurs (renards ou requins,
respectivement).
Le modèle que nous étudions a été proposé par Volterra (et indépendamment par Lotka) en
1926 dans un ouvrage intitulé "Théorie mathématique de la lutte pour la vie” qui est
probablement le premier traité d’écologie mathématique. Volterra avait été consulté par le
III.2 Un modèle de Lotka-Voltera 43

responsable de la pêche italienne à Trieste qui avait remarqué que, juste après la première
guerre mondiale (période durant laquelle la pêché avait été nettement réduite) la proportion
de requins et d’autres prédateurs impropres à la consommation que l’on pêchait parmi les
poissons consommables était nettement supérieure à ce qu’elle était avant la guerre et à ce
qu’elle redevint ensuite.
Le modèle concerne deux populations dont les effectifs au temps t sont respectivement notés
x(t) et y(t), la seconde (les prédateurs) se nourissant de la première (les proies).
Ceci conduit au modèle suivant [14]


 ẋ(t) = x(t)(r − kx(t) − by(t))
(III.7)

 ẏ(t) = y(t)(−d + βx)

Où les coefficient r, k, b, d, β sont positives telle que

r, le taux de natalité des proies.
k, le taux de capacité.
b, le taux du mortalité des proies du aux prédateurs rencontrés.
d, taux de mortalité intrinsèque des prédateurs.
β, le taux de production des prédateurs en fonction de proies.

III.2.1 Les points d’équilibre

Pour trouver Les points d’équilibre du système (III.7), on résout


 ẋ(t) = x(t)(r − kx(t) − by(t)) = 0

 ẏ(t) = y(t)(−d + βx) = 0

• Si r > kd
β
le système admet trois points d’équilibres, (0, 0), ( kr , 0) et ( βd , rb − kd
bβ
).
• Si r < kd
β
le système admet deux points d’équilibres, (0, 0), ( kr , 0) car la composante
négative n’à pa un sens biologique.

III.2.2 La nature des points d’équilibre

Pour étudier la stabilité des points d’équilibre, on calcule la matrice Jacobienne associer au
système (III.7).  
r − 2kx − by −bx 
J(x,y) =  .
βy −d + βx
III.2 Un modèle de Lotka-Voltera 44

La matrice Jacobienne au point d’équilibre (0, 0) est donnée par

 
r 0
J(0,0) = 
 ,
0 −d

donc la matrice Jacobienne admet deux valeurs propres de signe opposé λ1 = r, λ2 = −d,
alors le point d’équilibre (0, 0) est instable (point selle). On peut même affiner le résultat et
dire que la direction x est instable alors que la direction y est asymptotiquement stable.
La matrice Jacobienne au point d’équilibre ( kr , 0) est donnée par
 
r
−r
J( kr ,0) =  k
,

0 −d + rβ
k

— 1er Cas r > dk

β

La matrice Jacobienne admet deux valeurs propres de signe opposé λ1 = −r,

λ2 = −d + rβ
k
, donc le point ( kr , 0) est instable (point selle).

— 2éme Cas r < dk

β

La matrice Jacobienne admet deux valeurs propres de signe négative λ1 = −r,

λ2 = −d + rβ
k
, alors le point d’équilibre ( kr , 0) est un nœud stable.

La matrice Jacobienne au point d’équilibre au (x∗ , y ∗ ) = ( βd , rb − βk ) est donnée par

 
∗ ∗
−kx −bx 
J(x∗ ,y∗ ) =  ,
βy ∗ 0

on obtient
det(J(x∗ ,y∗ ) ) = bβx∗ y ∗ > 0 et T r(J(xx∗ ,y∗ ) ) = −kx∗ < 0, donc le point est instable.

III.2.3 Extension au cas fractionnaire

Soit le système suivant [13]


 Dtα x(t) = x(r − kx − by)
(III.8)

 Dtα y(t) = y(−d + βx) 0 < α < 1,

avec x > 0, y > 0 représente la population du proies et prédateurs .

III.2 Un modèle de Lotka-Voltera 45

III.2.4 Les points d’équilibre

Pour calculer les points d’équilibre on utilise la même méthode dans le cas entier et il ne
change pas, alors on résout 

 Dtα x(t) = 0

 Dtα y(t) = 0

donc
• Si r > kd
β
le système admet trois points d’équilibre, (0, 0), ( (r)
k
, 0) et ( βd , rb − kd
bβ
).
• Si r < kd
β
le système admet deux points d’équilibre, (0, 0), ( kr , 0) car la composante
négative n’a pa un sens biologique.

III.2.5 La stabilité des points d’équilibre

La matrice jacobienne associer au système (III.8) est donnée par
 
r − 2kx − by −bx 
J(x,y) =  .
βy −d + βx

La matrice Jacobienne associée au point (0, 0)

 
r 0
J(0,0) = ,
0 −d

on a λ1 = r est un réel positif et λ2 = −d donc |arg(λ1 )| < α π2 , alors le point est localement
instable.
pour le point ( kr , 0), on effectue le changement suivant


 X(t) = x − r
k

 Y (t) = y

Alors le système (III.8) devient



 Dtα X(t) = (X + kr )(−kX − bY )
(III.9)

 Dtα Y (t) = Y (−d + β X + βr
k
)

On prend la fonction de Lyapunov suivante

V (X, Y ) = V1 + V2 = X 2 + Y 2 ,
III.2 Un modèle de Lotka-Voltera 46

nous avons V̇ = V̇1 + V̇2 = 2X Ẋ + 2Y Ẏ , où Ẋ(t), Ẏ (t) la dérivée de X(t), Y (t) par rapport à
t avec le constante ε, on obtient
Z t+ε
1 1
X(τ )Ẋ(τ ) + Y (τ )Ẏ (τ ) = [X 2 (t + ε) − X 2 (t)] + [Y 2 (t + ε) − Y 2 (t)]. (III.10)
t 2 2

En appliquant la dérivée du Riemann-Liouville au système (III.8), on obtient



 Ẋ(t) = Dt1−α (X + kr )(−kX − bY )

 Ẏ (t) = Dt1−α Y (−d + βX + βr
k
)

d’où 




Ẋ(t) = [ Γ(α)
1
(t − τ )α−1 (X(τ ) + kr )(−kX(τ ) − bY (τ ))]τ =t +

1 Rt
(t − τ )α−2 (X(τ ) + kr )(−kX(τ ) − bY (τ ))dτ



Γ(α) 0
(III.11)



 Ẏ (t) = [ Γ(α)
1
(t − τ )α−1 Y (−d + βX + βkr )]τ =t +


1 Rt
(t − τ )α−2 Y (−d + βX + βkr )dτ


Γ(α) 0

On a X(0)X(t) > 0, Y (0)Y (t) > 0 pour tout t ∈ [0, +∞]

X(0)X(t) ≤ X 2 (0), Y (0)Y (t) ≤ Y 2 (t) où l’égalité est vraie si et seulement si t = 0.
On multiplie Ẋ(t), Ẏ (t) par X(0), Y (0) respectivement et on obtient


 1
X(0)Ẋ(t) ≤ − Γ(α) tα−1 rX 2 (0) < 0

 Y (0)Ẏ (t) ≤ 1
Γ(α)
tα−1 Y 2 (0)(−d + βr
k
) <0

On à X(0)X(t) > 0 et Y (0)Y (t) > 0 donc l’équation (III.10) est négative, alors la fonction
V (X, Y ) = V1 + V2 = X 2 (t) + Y 2 (t) est décroissante.
On supposons qu’il existe une constante positive ξ qui vérifie X(0)X(t) ≥ ξ et Y (0)Y (t) ≥ ξ
pour tout t > 0, on a

Dtα V = Dtα X 2 (t) + Dtα Y 2 (t),

= Dtα−1 (2X Ẋ) + Dtα−1 (2Y Ẏ ),
2ξ 2ξ
≤ D α−1
X(0)Ẋ(t) + Dα−1 Y (0)Ẏ (t),
X 2 (0) t
Y 2 (0) t
−2rξ α−1 α−1 2(−d + βkr )ξ α−1 α−1
≤ D t + Dt t ,
Γ(α) t Γ(α)
r + (d − βkr )
≤ −2ξ 2 V (X, Y ).
X (0) + Y 2 (0)

r+(d− β r )
Où α3 = 2ξ X 2 (0)+Yk2 (0) > 0.
Donc, le point d’équilibre ( kr , 0) est globalement asymptotiquement stable.
III.2 Un modèle de Lotka-Voltera 47

La matrice jacobienne au point d’équilibre (x∗ , y ∗ ) = ( βd , rb − kd

bβ
)

 
∗ ∗
−kx −bx 
J(x∗ ,y∗ )  ,
βy ∗ 0

donc
kd
p(λ) = λ2 + kx∗ λ − d(r − ).
β
Si ∆ = (kx∗ )2 − 4d(r − kd
β
) > 0, alors la matrice jacobienne admet deux valeurs propres
q q
négative, λ1 = − 12 (kx∗ + kx∗ − 4(r − kd
β
) et λ2 = 12 (−kx∗ + kx∗ − 4(r − kd
β
)).
D’où |arg(λ1 (1, 2))| = π > α π2 , avec 0 < α < 1 Le point est localement asymptotique stable.
Si ∆ = (kx∗ )2 − 4d(r − kd
β
) < 0, alors La matrice Jacobienne admet deux valeurs propres
q
complexe λ1 (1, 2) = 12 (−kx∗ ± i kx∗ − 4(r − kd
β
)).
√
D’où arctan −∆
k
> α π2 , alors le point d’équilibre ( βd , rb − kd
bβ
) est localement asymptotique
stable.
 Conclusion Générale

Le but de ce mémoire est l’étude d’un système dynamique d’équations différentielles aux
dérivées d’ordre fractionnaire.
Dans le cas d’un système linéaire d’ordre entier, les critères de la stabilité étant déjà anciens,
le problème reste posé pour les modèles non linéaires donc on a présenté deux méthode pour
l’étude de la stabilité :

1. La méthode indirecte de Lyapunov : consiste à calculer les points d’équilibre afin de

linéariser et examiner les valeurs propres de la matrice jacobienne et autour de ces
points pour évaluer la stabilité.

2. La méthode direct de Lyapunov : consiste à trouver une fonction appropriée de

Lyapunov, si telle existe donc le système est stable.

Dans le cas d’un système linéaire fractionnaire on détermine différents régions de stabilité et
d’instabilité, et pour le système non linéaire on peux définir une fonction de Lyapunov.
 Bibliographie

[1] A. A. Kilbas, H. [Link], J. J. Trujillo, Theory and application of fractional

differential équations, Elsevier, New York, 2006.

[2] A. EL JAI et [Link], stabilité des systèmes dynamiques, ISBN,2013.

[3] A. Gasri, Chaos et synchronisation (généralisé) dans les systèmes dynamiques. Doctorat
en sciences de Mathématiques Université Mentouri-Constantine-1. 2018.

[4] B. N. Sadovskii, On a fixed point principle. Funct. Anal. Appl. 1, pp.74-76 1967.

[5] D. Matignon. Stability results for fractional differential équations with applications to
Control processing. In Proc. IEEE-IMACS Système. Man Cyber, 1996.

[6] E. Artin. Einfuhrung in die Théorie der Gamma Function. Teubner, Leipzig 1931.

[7] F. Jarad, Th. Abdeljawad, and D. Baleanu, Stability of q-fractional non-autonomous

systems. Nonlinear Analysis : Real World Applications 14 , p780–784, 2013.

[8] G. M. Mittag-Leffler. Sur la nouvelle fonction α(x). C. R. Acad. Sci. Paris(Ser. II),
137 :554–558, 1903.

[9] H. KHALIL, non linear system, Third Édition, Prentice Hall, 2002.

[10] I. Podlubny, Fractional differential équations, Mathematics in Science and Engineering,

vol, 198, Academic Press, New York/London/Toronto, 1999.

[11] J. K. Hale - Ordinary Differential Equations, Krieger Publishing Company, Malabar

Florida, 1980.

[12] J. Marsden, M. McCracken, P. Sethna, and G. Sell G. The Hopf bifurcation and its
applications, volume 19(2012).

[13] J. Yua, [Link], [Link] et [Link], Generalized Mittag-Leffler stability of multi-variables

fractional order nonlinear systems, Volume 49, Issue 6, Pages 1798-1803, 2013.

[14] J. Yu, Elsevier 2013.

[15] K. Diethelm. Fractional Differential Equations Theory and Numerical Treatment

February 13, 2003.
BIBLIOGRAPHIE 50

[16] K. Yadi. Perturbations Singulières : Approximations, Stabilité Pratique et Applications à

des Modèles de compétition, Thèse de doctorat , Université de Haute-Alsace de Mulhouse,
2008.

[17] M. Fan, Q. Wang et X. Zou - Dynamics of non-autonomous ratio-dependent

predator-prey system, Proceedings of the royal society of Edinburgh, vol. 133A, p. 97-118.
2003.

[18] Menacer, Tidjani. Synchronisation des Systèmes Dynamiques Chaotiques à Dérivées

Fractionnaires. Doctorat en Sciences en Mathématiques Université Constantine1.2014.

[19] M. S. Abd-Elouahab, N. Hamri, et J. Wang Chaos Control of a Fractional-Order

Financial System, Hindawi Publishing Corporation Mathematical Problems in Engineering
Volume 2010, 18 pages, 2010.

[20] M. S. Thavazoei and M. A. Haeri note on the stability of fractional order system
Mathematics and Computers in Simulation 79 (5) (2009).

[21] M. Weilbeer, Efficient Numerical Methods for Fractional Differential Equations and their
Analytical Background. Thèse de Doctorat, Carl-Friderich-Gauss Facultat fur Mathematik
und Informatik, der Technischen Universitat Braunschweig, 2005.

[22] P. Demailly. Analyse numérique et équations différentielles. Collection Grenoble

sciences, 1996.

[23] R. Toscano, Commande et diagnostics des système dynamiques , modélisation, analyse,

commande par PID et par retour d’état, diagnostics ; 2005.

[24] Tun-hai. Ma, Chen. Yu, Applied Mathematics and Mecanics (English Edition, vol 22, 11
Nov 2001).