République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de la Recherche Scienti…que

UNIVERSITÉ MOHAMED KHIDER, BISKRA

FACULTÉ des SCIENCES EXACTES et des SCIENCES de la NATURE et de la VIE

DÉPARTEMENT DE MATHÉMATIQUES

Mémoire présenté en vue de l’obtention du Diplôme :

MASTER en Mathématiques

Option : Analyse

Par

BESSAM Amina

Titre :

Etude d’un système dynamique chaotique

Membres du Comité d’Examen :
Dr. OUAAR Fatima UMKB Président
Dr. LAADJAL Baya UMKB Encadreur
Dr. TABERHA Warda UMKB Examinateur

Juin 2020
 Dédicace
Je dédie ce mémoire à :
Mon cher père et ma chère mère
Mes frères et mes sœurs
Toutes mes amies
A mes collègues de mathématiques.

Amina

i
 REMERCIEMENTS

Tout d’abord, je remercie le bon dieu, tout puissant,

de m’avoir donné la force, la patience et la volonté
pour réaliser ce travail dans des meilleures circonstances et en bon état.
Je tients à remercier cordialement mon encadreur Dr:Laadjal Baya
pour son aide a…n d’améliorer le contenu de ce mémoire
J’adresse également mes remerciements aux membres du jury
( Dr: OUAAR Fatima et Dr: TABERHA Warda )
d’avoir accepté d’examiner ce modeste travail et de l’enrichir par leurs propositions.
Je remercie l’ensemble des enseignants du département de mathématiques.
En…n, Je voudrais associer à mes remerciements toutes les personnes qui ont
contribué de prés ou de loin à l’aboutissement de ce travail.

Merci à tout

ii
Table des matières

Remerciements ii

Table des matières ii

Liste des …gures v

Liste des tableaux vi

Introduction 1

1 Généralités sur les systèmes dynamiques 3

1.1 Systèmes dynamiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Systèmes dynamiques à temps continus . . . . . . . . . . . . . . . . . 4
1.1.2 Systèmes dynamiques à temps discrets . . . . . . . . . . . . . . . . . 6
1.1.3 Stabilité au sens de Lyapunov . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Passage de temps continu à temps discret . . . . . . . . . . . . . . . . . . . . 11
1.2.1 La méthode d’Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.2 La section de Poincaré . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.3 Attracteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4 Bifurcation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4.1 Bifurcation fold ou noeud-col . . . . . . . . . . . . . . . . . . . . . . 14
1.4.2 Bifurcation ‡ip ou doublement de période . . . . . . . . . . . . . . . 14
1.4.3 Bifurcation de Neimark . . . . . . . . . . . . . . . . . . . . . . . . . . 14

iii
Table des matières

2 Etude d’un système chaotique discret 16

2.1 Les systèmes dynamiques chaotiques . . . . . . . . . . . . . . . . . . . . . . 16
2.1.1 Caractéristiques du chaos . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.2 Les exposants de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . 18
2.1.3 Dimension de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.1.4 Transitions vers le chaos . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Le modèle de Hénon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.1 Présentation et dé…nition du système de Hénon . . . . . . . . . . . . 21
2.2.2 Calcul des points …xes . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.3 Stabilité des points …xes . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2.4 Attracteur de Hénon pour a = 1:4 et b = 0:3 . . . . . . . . . . . . . . 26
2.2.5 Analyse numérique de bifurcation . . . . . . . . . . . . . . . . . . . . 27
2.2.6 Sensibilité aux conditions initiales . . . . . . . . . . . . . . . . . . . . 29
2.2.7 Les exposants de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . 30

Conclusion 33

Bibliographie 34

Annexe : Abréviations et Notations 36

iv
Table des …gures

2.1 Les régions de la stabilité des points …xes P1 et P2 . . . . . . . . . . . . . . 25

2.2 Attracteur de Hénon pour a = 1:4; b = 0:3 . . . . . . . . . . . . . . . . . . . 26
2.3 Les 100 premieres iterees de Xn avec a = 1:4 et b = 0:3 avec (X0 ; Y0 ) = (0; 0) 27
2.4 Les 100 premieres iterees de Yn avec a = 1:4 et b = 0:3 avec (X0 ; Y0 ) = (0; 0) 28
2.5 Diagramme de bifurcation pour le système de Hénon pour 0:15 a 0:4 et
b = 0:3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.6 Diagramme de bifurcation de Hénon . . . . . . . . . . . . . . . . . . . . . . 30
2.7 Les 100 premieres iterees de Xn avec a = 1:4 et b = 0:3 avec (X0 ; Y0 ) =
(0:001; 0:001) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.8 Les 100 premieres iterees de Yn avec a = 1:4 et b = 0:3 avec (X0 ; Y0 ) =
(0:001; 0:001) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.9 L’évolution de l’exposant le Lyapunov de système de Hénon en fonction de a 32

v
Liste des tableaux

2.1 Exposants de Lyapunov pour di¤érents attracteurs . . . . . . . . . . . . . . 19

vi
Introduction

La théorie des systèmes dynamiques est une branche calssique des mathématiques introduite
par Newton vers 1665. Elle fournit des modèles mathématiques, pour des systèmes évoluant
dans le temps et suivant des règles généralement exprimés sous forme analytique comme un
système d’équation di¤érentielles ordinaires. Ces modèles sont appelés systèmes dynamiques
continus. Dans les années 1880, Poincaré trouva commode de remplacer certains systèmes
dynamiques par des systèmes dynamiques discrets. C’est à dire, des systèmes dans lesquels le
temps évolue par ruptures de séquences régulières. Ainsi, depuis plus de cent ans, les systèmes
dynamiques sont dé…nis en deux classes : les systèmes continus et discrets.
Historiquement, les systèmes dynamiques se sont développés et spécialisés au cours du XIXe
siècle.
En e¤et, vers la …n du ce siècle le mathématicien, physicien et philosophe français Henri
Poincaré avait déjà mis en évidence le phénomène de stabilité aux conditions initiales lors de
l’étude astronomique du probème des trois corps.
Toujours au XIXe siècle, le mathématicien russe Alexandre Lyapunov e¤ectue des recherches
sur la stabilité du mouvement. Il introduit l’idée de mesurer l’écart entre deux trajectoires
ayant des conditions initiales voisines, lorsque cet écart évolue exponentiellement on parle de
sensibilité aux conditions initiales.
Les tavaux de Lyapunov, d’abord tombés dans l’oubli, seront plus tard très précieux pour
étudier certains aspects de la théorie du chaos.
En 1963 le météorologue Edward Lorenz exprémentait une méthode lui permettant de prévoir
les phénomènes météorologiques. C’est par pur hasard qu’il observa qu’une modi…cation
minime des données initiales pouvait changer de manière considérable ses résultats. Lorenz

1
Introduction

venait de découvrir le phénomène de sensibilité aux conditions initiales.

Les systèmes répendant à cette propriété seront de 1975 dénommés : Système chaotique.
C’est donc au cours des années soixante dix que la théorie du chaos a pris son essor.
Dans ce mémoire, l’objectif est d’étudier la dynamique d’un système chaotique dépendant de
paramètre et les di¤érents comportements asymptotiques des solutions. Ainsi il est organisé
comme suit :
Le premier chapitre, nous allons présenter quelques dé…nitions et propriétés des systèmes
dynamiques non linéaires (notion des espace des phases , des orbites, de ‡ot, des points
critiques, des points d’équilibre, stabilité, attracteurs et des bifurcation).
Le deuxième chapitre, nous allons présenter d’abord les notions de base des systèmes
chaotiques, où nous allons données les caractéristiques du chaos et les di¤érentes manières de
transition vers le chaos. Nous terminons ce chapitre par une illustration concrète de quelques
notions précédentes qui est un exemple célèbre "modèle de Hénon", où nous allons faire
l’étude analytique et numérique de ce modèle.

2
Chapitre 1

Généralités sur les systèmes

dynamiques

Dans ce chapitre nous introduisons les notions de base pour l’étude qualitative des systèmes
dynamiques. Nous commençons par donner la dé…nition formelle d’un système dynamique et
nous terminons par l’étude de stabilité des solutions dans les deux cas : continu et discret.

1.1 Systèmes dynamiques

Un système dynamique est un système dont l’état change avec le temps. Mathématiquement,
un système dynamique consiste en un espace d’état et une loi appelée dynamique qui permet
de déterminer quel état correspondra, dans un temps futur, à un état présent. Discutons les
ingrédients d’un système dynamique séparément et donnons ensuite sa dé…nition formelle :

1. Espace d’état : Tous les états possibles d’un système sont caractérisés par les points
de certains ensembles U . Cet ensemble s’appelle l’espace d’état du système. En réalité,
la spéci…cation d’un point x 2 U doit être su¢ sante non seulement pour décrire la
«position» actuelle du système, mais également pour déterminer son évolution.

2. L’espace du temps : L’évolution d’un système dynamique signi…e un changement

d’état du système avec le temps t 2 I, où I est un ensemble de nombres. Nous considé-
rerons deux types de systèmes dynamiques : ceux à temps continu (réel) I = R et ceux

3
Chapitre 1. Généralités sur les systèmes dynamiques

à temps discret (entier) I = Z. Les systèmes du premier type sont appelés systèmes
dynamiques à temps continu, alors que ceux du second type sont appelés systèmes
dynamiques à temps discret.

3. L’opérateur d’évolution : Le composant principal d’un système dynamique est une

loi d’évolution qui détermine l’état x(t) du système à l’instant t, à condition que l’état
initial x0 soit connu. La manière la plus générale de spéci…er l’évolution consiste à
t
dé…nir pour tout t 2 I; l’application dans l’espace d’états U par:

t
: U ! U
t
x0 ! x0 = x(t):

où x0 2 U est l’état initial.

t
L’opérateur d’évolution a deux propriétés naturelles qui expliquent le caractère dé-
terministe du comportement des systèmes dynamiques.

0
(i) = id:
t+s t s
(ii) = :

Nous pouvons maintenant donner une dé…nition formelle d’un système dynamique.

t
Dé…nition 1.1 Un système dynamique est un triple fI; U; g, où I est un ensemble de
t
temps, U est un espace d’état et : U ! U est une famille d’opérateurs d’évolution
paramétrés par t 2 I et satisfaisant les propriétés (i) et (ii):

1.1.1 Systèmes dynamiques à temps continus

Si le système évolue en temps continu, il est dit système continu. La description mathéma-
tique de son évolution est donnée par une équation di¤érentielle ordinaire et un ensemble de
conditions initiales :
8
>
< X(t)
_ = F (X(t))
t 2 R; X 2 Rn : (1.1)
>
: X(t0 ) = X0

4
Chapitre 1. Généralités sur les systèmes dynamiques

Lorsque F dépend explicitement du temps le système (1.1) est dit non autonome. Dans le
cas contraire on dit que le système (1.1) autonome.

Dé…nition 1.2 Une solution du système (1.1) est une fonction t ! X(t); dé…nie d’un in-
tervalle I R dans _
telle que pour tout t 2 I on a X(t) = F (X(t)).

Dé…nition 1.3 L’image d’une solution X est appelée orbite ( trajectoire ) et notée :

X = fa 2 ; 9t 2 I : X(t) = a g

L’orbite est tangente en chacun de ses points au champ de vecteur F .

Dé…nition 1.4 Le ‡ot du système (1.1) est la famille avec un paramètre d’application f't gt2R
de dans lui même dé…nies par :

't (a) = X(t; a); 8a 2

X(t; a) est l’unique solution du problème de cauchy :

8
< dX = F (X(t)
>
dt
>
: X(0) = a

't possède les propriétés suivant :

i) 't est di¤érentiable sur :

ii) '0 = I:

iii) 't 's = 't+s ; pour tout t, s 2 R:

1
iv) 't est une bijection et ('t ) = ' t:

Dé…nition 1.5 Un point critique (ou point singulier, ou point stationnaire) de l’équation
X_ = F (X) est un point X de lespace de phases véri…ant F (X) = 0.

5
Chapitre 1. Généralités sur les systèmes dynamiques

1.1.2 Systèmes dynamiques à temps discrets

Si le système prends ses valeurs uniquement à des instant régulièrement distribués, celui-
ci est dit système en temps discret ou tout simplement système discret. Sa représentation
mathématique est donnée par le système d’équation suivant :
8
>
< Xn+1 = F (Xn )
(1.2)
>
: X = X(0)
0

avec n est l’instant discret, n0 est l’instant discret initial et X(0) est le vecteur des états
initiaux.
Dans le cas général un système dynamique discret est décrit par un système d’équation
aux di¤érences …nies, autrement dit, par une récurrence.

Dé…nition 1.6 Un point …xe de l’équation (1.2) est un point X véri…ant F (X) = X.

Dé…nition 1.7 Etant donné le point initiale X0 ; on appelle orbite ou trajectoire du système
dynamique discret d’ordre 1 dé…nit par l’itération d’une fonction F :

X(0) = X0 ; X(n + 1) = F (X(n)); 8n 0

La suite

O(X0 ) = fX(0) = X0 ; X(1) = F (X(0); ; X(n + 1) = F (X(n))g :

Exemple 1.1 Soit un système dynamique discret en dimension 1 dé…ni par la fonction :
F (X) = X 2 sur l’intervalle [0; +1):
Prenons pour condition initial X0 = 1=2: L’orbite correspondante est :

X(0) = X0 = 1=2; X(1) = F (X(0)) = 1=4; X(2) = F (X(1)) = 1=16:

Remarquons que X(n) = F (X(n 1)) = F n (X(0)) = (1=2)2n ! 0 quand n ! 1:

6
Chapitre 1. Généralités sur les systèmes dynamiques

Prenons un autre point initial, X0 = 2: Alors :

X(0) = 2; X(1) = F (X(0)) = 4; X(2) = F (X(1)) = 1=16:

Dans ce cas, quand n ! 1 on a :

X(n) = F (X(n 1)) = F n (X(0)) = 22n ! 1

Et en…n, si l’on choisit pour point initial X0 = 1; on voit que :

O(X0 ) = f1; 1; X(n) = 12n = 1; :::g:

On observe donc ici trois comportements di¤érents du même système en fonction du point
initial choisi. Ainsi nous pouvons parler des propriétés d’un système, en décrivant toutes ses
orbites possibles.

1.1.3 Stabilité au sens de Lyapunov

[Link] Etude de stabilité dans le cas continu

Dé…nition 1.8 Le point d’équilibre X du système (1.1) est :

Stable si :
8" > 0; 9 > 0 : kX(t0 ) X k< )k X(t) X k< "; 8t t0 (1.3)

Asymptotiquement stable si :

8 > 0 :k X(t0 ) X k< =) lim k X(t) X k= 0

t!1

Exponentiellement stable si :

t
8" > 0; 9 > 0 :k X(t0 ) X k< =)k X(t) X k< e k X(t0 ) X k; 8t > t0

7
Chapitre 1. Généralités sur les systèmes dynamiques

Instable si la condition (1.3) n’est pas satisfaite.

Première méthode de Lyapunov (méthode indirecte)

La première méthode de Lyapunov est basée sur l’examen de la linéarisation autour du point
d’équilibre X du système (1.1). Plus précisement, on examine les valeurs propres i de la
matrice jacobienne évaluée au point d’équilibre.

Théorème 1.1 Soit le système dynamique autonome (1.1), et X un point d’equilibre

Si toutes les valeurs propres de la matrice jacobienne ont une partie réelle strictement
négative alors X est asymptotiquement stable.

Si la matrice jacobienne possède au moins une valeur propre à partie réelle strictement
positive et les autres valeurs propres ont une partie réelle strictement négative, alors X
est instable.

Exemple 1.2 Soit le système

8
>
>
>
> X_ = Y 2 X
<
Y_ = X 3 2Y XZ
>
>
>
>
: Z_ = Z + XY

L’origine 0 est un point critique. Son linéarisé est :

0 1 0 10 1
_
B X C B 1 0 0 CB X C
B C B CB C
B Y_ C = B 0 2 0 C B Y C
B C B CB C
@ A @ A@ A
Z_ 0 0 1 Z

Les valeurs propres de Df (0) sont 1 = 1; 2 = 2; 3 = 1 toutes négatives d’où l’équilibre

0 est asymptotiquement stable.

Remarque 1.1 Cette méthode ne permet pas de dire si l’équilibre est stable ou instable quand
la matrice jacobienne comporte au moins une valeur propre nulle, et aucune valeur propre
avec partie réelle strictement positive.
Dans ce cas la stabilité de l’équilibre peut être étudié par la seconde méthode.

8
Chapitre 1. Généralités sur les systèmes dynamiques

Seconde méthode de Lyapunov (méthode directe)

La première méthode de Lyapunov est simple à appliquer mais ne permet d’analyser la
stabilité des équilibres que trés partiellement. La seconde méthode est plus di¢ cile à mettre
en oeuvre mais, en contrepartie, elle est d’une portée beaucoup plus générale. Elle est basée
sur la dé…nition d’une fonction particulière, notée V (x) est appelée fonction de Lyapunov.
Le théorème suivant résumer cette méthode.

Théorème 1.2 Si X est un point d’équilibre du système (1.1) et s’il existe une fonction
V (X) : Rn ! R continument dérivable, telle que :

1. V (X) = 0 et V (X) > 0; pour X 6= X:

2. V_ (X) = dV (X)
dt
0; pout X 6= X:

Alors X est stable au sens de Lyapunov.

Si la dernière condition était plutôt V_ (X) 0, alors X̄ est asymptotiquement stable.

Si on suppose que V tend vers l’in…ni lorsque k X k ! 1 , donc X̄ est globalement

asymptotiquement stable.

V est appelé fonction de Lyapunov du système.

Le choix de la fonction de Lyapunov a un e¤et sur l’évaluation de la zone de stabilité d’un

système non linéaire. Mais il n’y a aucune méthode générale pour déterminer une fonction
de Lyapunov.

Exemple 1.3 Soit le système

8
>
< X_ 1 = X2
>
: X_ 2 = X1 + "X1 X2

Ce système possède un point d’équilibre à (X1 ; X2 ) = (0; 0):

Analysons la stabilité de ce système avec cette fonction de Lyapunov :

X12 + X22
V (X1 ; X2 ) =
2

9
Chapitre 1. Généralités sur les systèmes dynamiques

Dérivant V (X), on trouve : V_ (X1 ; X2 ) = X1 X2 X1 X2 + "X12 X22 = "X12 X22 :

Ainssi, V (X) est une fonction dé…nie positive qui est strictement décroissante si " < 0:
En vertu de la théorie de Lyapunov, le système est globalement stable si " = 0. Il est globale-
ment asymptotiquement stable si " < 0: Sinon, il est globalement instable.

[Link] Etude de stabilité dans le cas discret

L’étude du comportement d’un système dynamique discret, correspond à l’étude de stabilité
des points …xes.
Soint F : R2 ! R2 une fonction vectoriel dé…nie une application discrèt, soit DF (X) sa
matrice Jacobienne évaluée au point …xe X de l’application F , pour simpli…er les notions de
la stabilité du point …xe X on introduit la notion de multiplicateur et pour caractériser la
nature de ce point …xe nous donnons les dé…nitions :

Dé…nition 1.9 Les valeurs propres du Jacobien DF (X) sont appelées multiplicateurs carac-
téristique de F en X.

Théorème 1.3 Le point …xe X de F est asymptotiquement stable si ses multiplication ca-
ractéristique sont tous de module strictement inférieur à 1.
Le point …xe X de F est instable si l’un des multiplication caractéristique est de module
strictement supérieur à 1.

Dé…nition 1.10 Le point …xe X de F est dit point selle si au moins un multiplication ca-
ractéristique est de module strictement inférieur à 1 et les autre multiplication caractéristique
sont tous de module strictement supérieur à 1.

Exemple 1.4 On considère le système suivant :

8
>
< Xn+1 = ah(Yn ) + Xn
(1.4)
>
: Y =X
n+1 n

10
Chapitre 1. Généralités sur les systèmes dynamiques

et h est un fonction dé…nit par :

8
>
< bY c si Y 0
h(y) =
>
: bY + c si Y < 0

Pour tout les valeur a 0, c > 0 et b > 0, le système (1.4) admet deux points …xes, sont
dé…né par :
c c c c
P1 = ( ; ); P2 = ( ; )
b b b b

Les matrices Jacobienne du système (1.4), évalué aux points …xes P1 et P2 sont les mêmes
et elle est donnée par : 0 1
B 1 ab C
J1;2 = @ A
1 0

Et les polynômes caractéristiques pour J1;2 sont données par :

2
+ ab = 0

Nous avons prouvé le résultat suivant :

1
1. Si 0 a ; alors les deux points …xes P1 et P2 sont stable.
b
1
2. Si a > ; alors les deux points …xes P1 et P2 sont instable.
b

1.2 Passage de temps continu à temps discret

Il existe plusieurs technique de discrétisation (échantillonnage) des systèmes.

1.2.1 La méthode d’Euler

Soit une équation di¤érentielle d’ordre1 :

X_ = F (X)

11
Chapitre 1. Généralités sur les systèmes dynamiques

Nous voulons étudier la trajectoire de cette équation seulement à des instant choisis, équi-
distants tn = t0 + n: t. Si la période d’échantillonnage t est choisie assez petite, on
peut approcher la dérivé X(t) par la di¤érence :

X(tn ) X(tn+1 )
X_ =
t

Alors, le système dynamique à temps continu peut être approché par le système dynamique
à temps discret suivant :
X(n + 1) = X(n) + t:F (X(n))

1.2.2 La section de Poincaré

La section de Poincaré est un outil trés fréquement utilisé pour étudier les systèmes dy-
namiques et notamment les trajectoires pé[Link] méthode transforme un système
dynamique continu en un système discret et de réduit sa dimension en conservant les même
propriétés topologiques. Plus précisement elle remplace l’analyse des trajectoires d’un sys-
tème dynamique continu autonome de type (1.1) dont l’espace des phases est de dimension n
par celle de la suite des points d’intersections successives : p0 ; p1 ; ::: d’une trajectoire ' (t; X0 )
avec un hyperplan p de dimension (n 1), ce dernier peut être quelconque. Mais un bon
choix permet d’obtenir les sections aisément exploitables. L’hyparplan p est appelé la section
de Poincaré.

1.3 Attracteurs

Dé…nition 1.11 L’attracteur :est un objet géométrique vers lequel tendent toutes les tra-
jectoires des points de l’espace des phases, c’est à dire une situation (ou un ensemble de
situations)vers lesquelles évolue un système dynamique, quelles que soient ses conditions ini-
tiales.

Dé…nition 1.12 Le bassin d’attraction d’un attracteur est l’ensemble des points de l’espace
des phases qui donnent une trajectoire évoluant vers l’attracteur.

12
Chapitre 1. Généralités sur les systèmes dynamiques

Il y a deux types d’attracteurs : les attracteurs réguliers et les attracteurs étranges ou

chaotiques

1. Attracteurs régulières : Les attracteurs réguliers caractérisent l’évolution de sys-

tèmes non chaotiques, et peuvent être de trois sortes :

Un attracteur réduit à un point …xe, c’est le plus simple attracteur.

Un attracteur formant une courbe fermé est appelé cycle limite.

L’attracteur "tore" représente les mouvements résultant de deux ou plusieurs oscila-

tions indépendantes que l’on appelle par fois "mouvements quasi périodique".

2. Attracteurs étranges : L’attracteur étrange est une forme géométrique plus complexe
qui caractérise l’évolution des systèmes dynamiques chaotiques.

1.4 Bifurcation

Un autre ensemble de concepts utile à l’analyse des systèmes dynamiques est la théorie de la
" bifurcation ". La théorie de bifurcation s’intéresse aux familles des systèmes dynamiques (
continu ou discret ) dépendant d’un paramètre 2 Rk . Cette théorie renvoie à l’étude des
changements de comportement d’un système lorsque les paramètres de ce dernier changent.

Dé…nition 1.13 Une bifurcation est un changement de type topologique du système ( chan-
gement qualitatif et quantitatif ) lorsque le paramètre passe à travers une valeur critique. =

0 appeler valeur de bifurcation.

Dé…nition 1.14 Le diagramme de bifurcation est un tracé des points de l’état stationnaire
du système en fonction du paramètre du contrôle. Typiquement, on choisit un état variable
et on trace la valeur limite de celui-ci en fonction d’un seul paramètre de contrôle. Pour
les systèmes discontinus, on trace simplement les valeurs successives d’un état varaible. Un
diagramme de bifurcation résume l’information sur l’espace d’état et la variation en fonction
du paramètre peut être visualisée.

13
Chapitre 1. Généralités sur les systèmes dynamiques

Dans ce travail nous considérons les systèmes dynamiques discrets dépendant d’un paramètre
réel 2R 8
>
< Xn+1 = F ( ; Xn ) ; 8n 2 N:
>
: X = X(0)
0

Il existe quatre types de bifurcations de codimension un, qui correspondent tous à des com-
portements génériques

1.4.1 Bifurcation fold ou noeud-col

Cette bifurcation correspond à la situation où l’une des valeurs propres est égale à +1. Ce
type de bifurcation donne naissance à deux cycles d’ordre k en même temps, l’un est attractif
et l’autre est instable.

1.4.2 Bifurcation ‡ip ou doublement de période

Cette bifurcation a lieu lorsqu’un cycle d’ordre k stable a un multiplicateur qui passe par la
valeur = 1: Ce cycle devient alors instable et donne naissance à un cycle d’ordre 2k.

1.4.3 Bifurcation de Neimark

Cette bifurcation se produit lorsque la matrice Jacobienne possède deux valeurs propres
complexes conjuguées 1 = 2 et de plus j i=1;2 j = 1.

Exemple 1.5 Soit le système dynamique discret généré par la transformation F dé…nie par :
8
>
< Xn+1 = Xn (1 Yn ); >0
F :
>
: Y =X
n+1 n

Ce système admet deux points …xes :

8
>
< (X1 ; Y1 ) = (0; 0)
>
: (X2 ; Y2 ) = 1 1
;1 1

14
Chapitre 1. Généralités sur les systèmes dynamiques

La matrice Jacobienne évaluée au point …xe (X2 ; Y2 ) est :

0 1
B 1 1 C
DF (X2 ; Y2 ) = @ A
1 0

Elle a pour équation caractéristique :

2
+ 1=0

On en déduit les valeurs propres :

r
1 5
1;2 =
2 4

Si > 54 ; les valeurs propres sont comlexes avec j 1;2 j

2
= 1: Pour = 2 le point …xe
i
(X2 ; Y2 ) perd sa stabilité. Les valeurs propres sont alors 1;2 = e 3 et le système présente
une bifurcation de Neimark.

15
Chapitre 2

Etude d’un système chaotique discret

2.1 Les systèmes dynamiques chaotiques

La théorie du chaos est un domaine des études en mathématiques, avec des applications dans
plusieurs disciplines comme la physique, l’ingénierie, la biologie, l’économie, ...
La théorie du chaos étudie le comportement des systèmes dynamiques qui sont trés sensibles
aux conditions initiales. Cette théorie fut développée à partir des années soixante, lorsque
Edwarde Lorenz montera le caractère chaotique de l’atmosphère terrestre.
Actuellement il n’y a pas de dé…nition précise du terme Chaos, on peut donner une dé…nition
approche du chaos comme .

Dé…nition 2.1 Un système chaotique est un système dynamique déterministe non linéaire
qui se distingue par son imprévisibilité due à son extrême sensibilité aux conditions initiales.

2.1.1 Caractéristiques du chaos

Il existe un ensemble de propriétés qui résument les caractéristiques observées dans les sys-
tèmes chaotiques. Elles sont considérées comme des critères mathématiques qui dé…nissent le
chaos. Les plus connues sont :

1. Non linéarité :

16
Chapitre 2. Etude d’un système chaotique discret

L’évolution irrégulière du comportement d’un système chaotique est due aux non linéarités.
Un système chaotique est un système dynamique non linéaire. Un système linéaire, ne peut
pas être chaotique.

2. Non périodicité :

Un système présentant un comportement chaotique évolue dans une orbite qui ne se répète
jamais sur elle-même. C’est à dire, les orbites ne sont jamais périodiques.

3. Sensibilité aux conditions initiales :

La sensibilité aux conditions initiales est un phénomène découvert pour la première fois,
dés la …n du xixe siècle par Poincaré, puis a été redécouvert en 1963 par Lorenz lors de ses
travaux en météorologie. Cette découverte a entrainé un grand nombre de travaux importants,
principalement dans le domaine des mathématiques. Cette sensibilité explique le fait que,
pour un système chaotique, une modi…cation in…me des conditions initiales peut entrainer
des résultats imprévisibles sur long terme. Le degré de sensibilité aux conditions initiales
quanti…e le caractère chaotique du système.

4. Déterminisme :

Le déterminisme signi…e que le système est non aléatoire et ne possède aucun paramètre
ou entrée stochastique. Cette propriété est propre à tous les systèmes dont l’évolution est
dé…nie par un ensemble d’équation di¤érentielles ou d’équations aux di¤érences. Dans les
phénomènes aléatoires, il est imposible de prévoir la trajectoire d’une quelconque particule.
À l’opposé, et bien qu’ils paraissent, à première vue, aléatoires, les systèmes dynamiques
chaotiques sont régis par certaines équations rendant compte du phénomène, mais dont les
solutions sensibles aux conditions initiales.

5. Attracteur étrange :

L’attracteur étrange est une caractéristique géometrique du chaos. Il n’existe pas une dé…ni-
tion rigoureuse d’un attracteur étrange ou chaotique et toutes les dé…nitions qui on trouve
dans la littérature sont restrictives.

17
Chapitre 2. Etude d’un système chaotique discret

Dé…nition 2.2 Un sous-ensemble borné A de l’espace des phases est un attracteur étrange
pour une transformation T de l’espace s’il existe un voisinage U de A, c’est à dire que
pour tout point de A il existe une boule contenant ce point et contenue dans R véri…ant les
propriétés suivantes :

– U est une zone de capture, ce qui signi…e que toute orbite par T dont le point initial est
dans U est entièrement contenue dans U . De plus, toute orbite de ce type devient et reste
aussi proche de A que l’on veut.
– Les orbites dont le point initial est dans R sont extrêmement sensibles aux conditions
initiales.
– A est un objet fractal.
– Pour tout point de A, il existe des orbites démarrées dans R qui passent aussi prés que
l’on veut de ce point.

2.1.2 Les exposants de Lyapunov

Alexander Lyapunov (1857-1918) a dévéloppé un paramètre qui nous permet de calculer le

taux de divergence entre l’évolution de trajectoires issues de conditions initiales proches au
sein de cet espace borné qu’est l’attracteur étrange.
Ce moyen de contrôl est appelé "Exposant de Lyapunov" qui est une quantité permettant de
cararctériser le chaos temporel et est dé…nit pour un système dynamique par :

1 dF n (X0 )
(X0 ) = lim ln
n!1 n dX
Xn 1
lim n1 ln j F 0 (Xi ) j
n!1 i=0

où F : R ! R est une application, et X0 est une condition initiale.

Le nombre d’exposant de Lyapunov est égal à la dimension de l’espce des phases et ils sont
souvent rangés du plus grand au plus petit : 1 > 2 > :::. La valeur du plus grand exposant
quanti…e le degrés du chaos.
Les conditions suivantes sont nécessaires pour l’apparition du chaos dans un système dyna-

18
Chapitre 2. Etude d’un système chaotique discret

mique.
– Au moins l’un des exposants de Lyapunov est positif pour expliquer la divergence des
trajectoires.
– Au moins l’un des exposants de Lyapunov est négatif pour justi…er le repliement des
trajectoires.
– La somme de tous les exposants est négative pour indiquer qu’un système chaotique est
dissipatif, c’est-à-dire qu’il perd énergie.
Le tableau 2:1 illustre le lien entre les exposants de Lyapunov et les formes d’attracteurs et
donnes les signes des exposants de Lyapunov pour chaque type d’attracteur.

Attracteur Exposants de Lyapunov

Point d’équilibre 0 > 1 ::: n
Cycle limite 1 = 0; 0 > 2 ::: n
Tore d’ordre 2 1 = 2 = 0; 0 > 3
Tore d’ordre k 1 = ::: = k = 0; 0 > k+1 ::: n
Xn
Attracteur chaotique 1 > 0; i < 0
i=1

Tab. 2.1 –Exposants de Lyapunov pour di¤érents attracteurs

Exemple 2.1 Considérons l’application logistique :

F (Xi ) = 4Xi (1 Xi ); Xi 2 [0; 1]:

Ce système est chaotique puisque :

1X
n
= lim ln j 4(1 2Xi ) j= ln 2 > 0:
n !1 n
i=0

2.1.3 Dimension de Lyapunov

Paramètre permettant de mesurer la dimension du chaos. Suivant le type de chaos généré, la

dimension de Lyapunov est plus ou moins grande : pour des systèmes non retardés (dimension
…nie) tels que les systèmes de Lorenz ou Rössler, la dimension de Lyapunov est au maximum
égale au nombre de variable du système (dimension faible), alors que pour les systèmes à

19
Chapitre 2. Etude d’un système chaotique discret

retard (dimension in…nie) la dimension de Lyapunov tend vers de grandes valeurs. Plus la
dimension sera grande, plus la complexité du chaos sera élevée.
Classant les exposants de Lyapunov 1 2 ... n:

La dimension de Lyapunov DL est dé…nie par :

j
X
i
i=1
DL = j +
j+1

Où j est le plus grand entier qui satisfait :

1 + 2 + 3 + ::: + j 0:

2.1.4 Transitions vers le chaos

On ne sait toujours pas à l’heure actuelle dans quelles conditions un système va devenir
chaotique. Cependant, il existe plusieurs scénarios qui décrivant le passage vers le chaos. On
constate dans tous les cas que l’évolution du point …xe vers le chaos n’est pas progressive,
mais marquée par des changement discontinus qu’on déja appelé bifurcation. On peut citer
trois scénarios de transition d’une dynamique régulière à une dynamique chaotique lors de la
variation d’un paramètre :
Par intermittence :
Ce scénario via les intermittences se caractérise par l’apparition de bou¤ées chaotiques dans
un système qui oscille de manière régulière.
Par doublement de période :
Ce scénario est caractérisé par une succession de bifurcation de fourche. A mesure que la
contrainte augmente, la période d’un système forcé est multipliée par 2, puis par 4, puis par
8, etc..., ces doublement de périodes sont de plus en plus rapprochés, lorsque la période est
in…nie, le système devient chaotique.
Quasi-périodicité :
Le scénario via la quasi-périodicité a été mis en évidence par les travaux théoriques de Ruelle

20
Chapitre 2. Etude d’un système chaotique discret

et Takens (1971) illustré par exemple sur le modèle de Lorenz (1963). Dans un système
dynamique à comportement périodique à une seule fréquence, si nous changeons un paramètre
alors il apparaît une deuxième fréquence. Si le rapport entre les deux fréquence est ratonnelle
comportement est périodique. Mais, si le rapport est irrationnel, le comportement est quasi-
périodique. Alors, on change de nouveau le paramètre et il apparaîtnune troisième fréquence
et ainsi de suite jusqu’au chaos.

2.2 Le modèle de Hénon

Dans cette section, nous donnons une illustration concrète de toutes les notions précédentes
par un exemple célèbre de systèmes dynamiques chaotiques discrets dans le plan. Le premier
objectif est la recherche des points …xes et l’étude de stabilité de ces points, et le second est
la localisation des courbes de bifurcations et leur évolution dans le plan paramétrique.

2.2.1 Présentation et dé…nition du système de Hénon

L’astronome Michel Hénon exploitera la suggestion de Pomeau et Ibanez, pour obtenir un

système très simple. Celui-ci est présent au séminaire de Nice ( sur la turbulence), en janvier
1976 lorsque Pomeau expose l’idée de réaliser des systèmes dynamiques plus simples encore
que celui de Lorenz, mais présentant des caractéristiques similaires, et qui permettraient de
prouver plus clairement des "évidences" mises en lumière par les calculs numériques. Puisque
le raisonnement repose sur la section de Poincaré il propose de produire une application
du plan dans lui-même, plutôt qu’une équation di¤érentielle, imitant le comportement de
Lorenz et son attracteur étrange. La familiarité de Hénon avec les applications du plan dans
lui-même, lui permet de réagir rapidement et de produire un système très simple donnant un
attracteur étrange. Il est connu depuis sous le nom de système de Hénon.
Le modèle de Hénon consiste en une itération à deux dimensions qui peut prendre di¤érentes

21
Chapitre 2. Etude d’un système chaotique discret

formes. On utilisera la forme suivant :

8
>
< Xn+1 = aX 2 + Yn + 1
n
H(Xn ; Yn ) :
>
: Y = bX
n+1 n

Où a et b étant deux paramètres réels, où la valeurs de la constante a contrôle la non-linéarité

de l’itération, et celle de b traduit le rôle de la dissipation. Et Xn ,Yn un point de coordonnées.
On dit que c’est un système dynamique de dimension 2 car (X; Y ) 2 R2 , et à temps discret
car les points évoluent par étape et non continûment.

2.2.2 Calcul des points …xes

On peut obtenir les points …xes du système de Hénon en résolvant l’équation H(Xn ; Yn ) =
(Xn ; Yn ) : 8
>
< aXn2 + Yn + 1 = Xn
H(Xn ; Yn ) = (Xn ; Yn ) , (2.1)
>
: bXn = Yn

1
Théorème 2.1 Pour j b j< 1; et a0 (b) = (b 1)2 on a :
4
1. Si a < a0 (b); l’éteration H n’a aucun point …xe.

2. Si a = a0 (b); l’étération H a un seul point …xe.

3. Si a > a0 (b); l’étération H a deux points …xes.

Preuve. Le discriminant de l’équation (2.1) est donné par l’équation

(b 1)2 + 4a = 0;

1
Donc pour j b j< 1; et a0 (b) = (b 1)2 on a :
4
= R2 ; alors dans ce cas il n’y a aucun point …xe pour H.
1. Si a < a0 (b); X (a; b) 2
b 1
2. Si a = a0 (b); nous obtenans X+ (a; b) = X (a; b) = : Donc dans ce cas le système
2a
b 1 b 1
H admet exactement un seul point …xe (X1 ; Y1 ) = ( ;b ):
2a 2a

22
Chapitre 2. Etude d’un système chaotique discret

3. Pour a > a0 (b); nous avons X+ (a; b) et X (a; b) dans R2 et X+ (a; b) 6= X (a; b)

Dans ce cas nous avons deux points …xes de la forme :

P1 = (X1 ; Y1 ); et P2 = (X2 ; Y2 )

avec : 8
> b 1+
< X1 = ;
2a (2.2)
> b 1+
: Y1 = b
2a
8
> b 1
< X2 = ;
2a
> b 1
: Y2 = b
2a
p
Où = 4a + (b 1)2 :

2.2.3 Stabilité des points …xes

La stabilité de ces points …xes est …xée par les valeurs propres obtenues en résolvant l’équa-
tion det (J- I) = 0; où I est la matrice identité et J est la matrice jacobienne donne par
l’expression : 0 1
B 2aX 1 C
J =@ A
b 0

et comme det (J- I) = 0; nous avons l’équation caracteristique suivant :

2
+ 2aX b=0

Alors les valeurs propres (multiplicateurs) de la récurrence de Hénon sont :

p p
1 = aX + a2 X 2 + b; 2 = aX a2 X 2 + b

1. Pour le point …xe P1 :

23
Chapitre 2. Etude d’un système chaotique discret

La matrice jacobienne correspond à cette point s’éctit :

0 1
B (b 1+ ) 1 C
J =@ A
b 0

Ses valeurs propres sont les racines du polynôme caractéristique :

2
det(J I) = + (b 1+ ) b

On résout donc :
= (b 1 + )2 + 4b

Les valeurs propres sont donc :

8 q
>
< 1 1
1 = (
a 2
+ b + 14 ( b + 1)2 1
2
b + 1
2
q
>
: = a1 ( 12 b + 41 ( b + 1)2 1
b + 1
2 2 2

2. Pour le point …xe P2 :

La matrice jacobienne correspond à cette point s’éctit :

0 1
B (b 1 ) 1 C
J =@ A
b 0

Ses valeurs propres sont les racines du polynôme caractéristique :

2
det(J I) = + (b 1 ) b

On résout donc :
= (b 1 )2 + 4b

24
Chapitre 2. Etude d’un système chaotique discret

Les valeurs propres sont donc :

8 q
>
< 1
1 = a
b + 14 (b + 1)2 1
2
1
2
b + 1
2
q
>
: = 1
b + 14 (b + 1)2 1 1
b + 1
2 a 2 2 2

ll peut être également démontré que l’un de ces deux points est stable à la signe positive
devant le radical, l’autre est toujours instable.
En e¤et, les valeurs des paramètres connues pour présenter un comportement chaotique sont
a = 1; 4 et b = 0; 3 et les deux points d’équilibre du système pour ces paramètres sont
( 1; 1314; 0; 3394) et (0; 6314; 0; 1894), les valeurs propres au premier point d’équilibre sont
(2; 3284; 0; 0657) et les valeurs propres au deuxième point sont (0; 5657; 1; 8284). D’où le
premier est un point selle et le deuxième est clairement un point stable.

Fig. 2.1 –Les régions de la stabilité des points …xes P1 et P2

25
Chapitre 2. Etude d’un système chaotique discret

2.2.4 Attracteur de Hénon pour a = 1:4 et b = 0:3

Le modèle de Hénon est un système dynamique de comportement chaotique les plus étudiés.
Il dépend de deux paramètres a et b, qui ont pour valeurs canoniques : a = 1:4 et b = 0:3.
Pour ces valeurs, l’attracteur de Hénon est chaotique. Pour d’autres valeurs de a et b, il peut
être chaotique, intermittent ou converger vers une orbite périodique.
On peut voir la forme connue du croissant de cet attracteur, voir Fig (2:2).

Fig. 2.2 –Attracteur de Hénon pour a = 1:4; b = 0:3

On remarque que les valeurs prises par l’application ne correspondent pas graphiquement
à n’importe quelle position dans le plan, elles convergent toutes vers une courbe appelée
attracteur étrange.
On peut voir aussi comment évoluent les variables X et Y pour une condition initiale
(X0 ; Y0 ) = (0; 0), voir Fig (2:3) et Fig (2:4) respectivement.
On constate que l’évolution est chaotique pour les deux variables.

26
Chapitre 2. Etude d’un système chaotique discret

Fig. 2.3 –Les 100 premieres iterees de Xn avec a = 1:4 et b = 0:3 avec (X0 ; Y0 ) = (0; 0)

2.2.5 Analyse numérique de bifurcation

Nous procédons en donnant les résultats de stabilité pour le système de Hénon. Nous rappe-
1
lons que le système de Hénon a deux points d’équilibre réels pour a > 4
(b 1)2 :

Lemme 2.1 Pour a = 41 (b 1)2 et = 0 le système de Hénon a un unique point d’équilibre

b 1 b 1
en ( ;b ) avec les valeurs propres f1; bg indiquant une bifurcation selle-noeud.
2a 2a

1
Preuve. En substituant a = 4
(b 1)2 et = 0 dans l’équation (2.2) les deux points
b 1 b 1
d’équilibre se trouvent à s’imbriquer les uns les autres en ( ;b ). La jacobienne
2a 2a
du système en ce point d’équilibre est :
0 1
B 1 b 1 C
@ A
b 0

et ainsi les valeurs propres sont f1; bg.

On considère la bifurcation selle-noeud avec un example numérique.

27
Chapitre 2. Etude d’un système chaotique discret

Fig. 2.4 –Les 100 premieres iterees de Yn avec a = 1:4 et b = 0:3 avec (X0 ; Y0 ) = (0; 0)

Proposition 2.1 Pour b = 0; 3 et a = 0; 1225, on a une bifurcation selle-noeud.

Preuve. Pour b = 0; 3 et a = 0; 1225 ; le point d’équilibre du système est (2; 8571; 0; 8571)
indiquent une bifurcation selle-noeud avec une branche stable et une branche instable mon-
trées dans la Figure (2:5). La région de a de la branche stable est comprise entre 0; 1225
a 0; 3675:

Proposition 2.2 Pour le cas particulier de a = 0; 3675 une bifurcation par doublement de
la période est observée.

Preuve. Pour a = 43 (b 1)2 = 0; 3675; le système de Hénon a deux points d’équilibre en

(0; 9524; 0; 2857). Les valeurs propres sont f 1; 0; 3g et f2; 2343; 0; 1343g. En e¤et, quand
a s’approche de 0; 3675, une orbite périodique de période 2 est constatée.
Diagramme de bifurcation
La construction de diagramme de bifurcation est faite en faisant varier le paramètre a de 0
à 1; 4 avec un pas de 0; 001, b est égale à 0; 3. On obtient le diagramme suivant :

28
Chapitre 2. Etude d’un système chaotique discret

Fig. 2.5 – Diagramme de bifurcation pour le système de Hénon pour 0:15 a 0:4 et
b = 0:3

1. Si 0:1225 < a < 0:3675; les itérations convergent vers un point du plan.

2. Si 0:3675 < a < 0:9; les itérations tendent à constituer un suite (Xn ; Yn ) telle que
(X2n ; Y2n ) converge vers un point et (X2n+1 ; Y2n+1 ) converge vers un autre point. On a
donc deux points limites : on observe un doublement de période.

3. Si 0:9 < a < 1:02; on assiste à un nouveau doublement de période.

La période continue de doubler jusqu’à une valeur déterminée où la trajectoire com-

mence à prendre une forme particulière.

4. Pour a 1:02; on ne distingue plus les cycles, et donc le système est chaotique.

2.2.6 Sensibilité aux conditions initiales

Que-ce passe-t-il quand on choisit des conditions initiales extrêmement voisines ? Prenons
par exemple (X0 ; Y0 ) = (0:001; 0:001):
On constate que les courbes rendues sont di¤érentes de celles quant à (X0 ; Y0 ) = (0; 0); voir
Fig (2.7) et Fig (2.8).

29
Chapitre 2. Etude d’un système chaotique discret

Fig. 2.6 –Diagramme de bifurcation de Hénon

2.2.7 Les exposants de Lyapunov

Pour justi…er l’apparition de l’état chaotique et pour déterminer les di¤érentes zones de
stabilité, il su¢ t de calculer l’exposant de Lyapunov en fonction du paramètre a ou b.

Pour a = 1:4; b = 0:3; l’application de Hénon a deux exposants de Lyapunov 1 = 0:42205;

2 = 1:626 la dimension de Lyapunov par dé…nition est égale à DL = 1:2596:

On …xe b = 0:3, on laisse a varie entre 0 et 1:4.

A partir de la Figure (2.9) on obtient deux zones :

Une zone stable lorsque a varie dans l’intervalle [0; 1:052].

Une zone chaotique lorsque a varie dans l’intervalle ]1:052; 1:4].

30
Chapitre 2. Etude d’un système chaotique discret

Fig. 2.7 – Les 100 premieres iterees de Xn avec a = 1:4 et b = 0:3 avec (X0 ; Y0 ) =
(0:001; 0:001)

Fig. 2.8 – Les 100 premieres iterees de Yn avec a = 1:4 et b = 0:3 avec (X0 ; Y0 ) =
(0:001; 0:001)

31
Chapitre 2. Etude d’un système chaotique discret

Fig. 2.9 –L’évolution de l’exposant le Lyapunov de système de Hénon en fonction de a

32
Conclusion

Ce mémoire a pour but l’étude des systèmes dynamiques chaotiques dépendant de paramètre
et les di¤érents comportements asymptotiques des solutions. Nous avons fourni les notions
de bases et les outils mathématiques nécessaires pour étudier et appliquer les systèmes chao-
tiques. En premier lieu, à maîtriser et à comprendre certaines des propriétés complexes de la
dynamique chaotique. Cette compréhension a été accompagnée par une illustration concrète
de quelque notions précédentes par un exemple célèbre " modèle de Hénon ".

33
Bibliographie

[1] Adel Ouannas (07/12/2015). Sur La Synchronisation Des Systèmes Chaotiques Discrets.
Thèse de Doctorat université Frères Mentouri à Constantine.

[2] Anna Désilles (24/09/2003). Introduction à la théorie des systèmes dynamiques à temps
discret.

[3] Boukhalfa El-hafsi (2017). Sur le chaos et synchronisation dans les systèmes dynamiques
discrets. Thèse de Doctorat université Badji Mokhtar-Annaba.

[4] Haoran Wen (21/04/2014). A review of the Hénon map and its physical interpretations.
School of Physics, Georgia Institute of Technology, Atlanta, GA 30332-0430, U.S.A.

[5] Ibtissem Talbi (29/06/2010). Systèmes dynamiques non linéaires et phénomènes de chaos
(Application à la cryptographie). Mémoire de Magistère en Mathématique université
Mentouri de constantine.

[6] Kathleen T. Alligood, Tim D. Sauer, and James A. Yorke, (1996). Chaos- an Introduction
to Dynamical Systems. Springer New York.

[7] Orhan. Ozgur Aybar, I. Kusbeyzi Aybar, and A. S. Hacinliyan, (2013), Stability and
Bifurcation in the HenonMap and its Generalizations, Yeditepe University, Istanbul,
Turkey.

[8] Ouerdia MEGHERBI (23 Juin 2018). Synchronisation des systèmes chaotiques discrets
d’ordre fractionnaire pour la sûreté de communication à base d’observateurs impulsifs.
Thèse de Doctorat université Mouloud Mammeri de Tizi-Ouzou.

[9] Samia Rezzag (2016). Etude et estimation des bornes de systèmes dynamiques chaotiques
et hyperchaotiques. Thèse de Doctorat université Larbi Ben M’hidi-Oum El Bouaghi.

34
Bibliographie

[10] Tayeb Hamaizia (25/04/2013). Systemes Dynamiques et Chaos "Application à l’optimi-

sation a l’aide d’algorithme chaotique". Thèse de Doctorat université Constantine-1-.

[11] Tidjani Menacer (26/05/2014). Synchronisation des systémes dynamiques dérivées frac-
tionnaires. Thèse de Doctorat université Constantine1.

[12] YAHIAOUI Yanis (02/12/2009). Sur certains aspects des systèmes dynamiques dis-
crets bidimensionnels. Mémoire de Magistère en Mathématique université Abderrah-
mane Mira - Béjaia.

35
Annexe : Abréviations et Notations

Les di¤érentes abréviations et notations utilisées tout au long de ce mémoire sont expliquées
ci-dessous.

X_ : dérévable de X:
O : orbite.

i : les valeurs propres.

I : matrice identite.
det J : determinant d’une matrice jacobienne J:
H : application de Hénon.
P
: la somme algébrique.
j:j : valeur absolue d’un nombre réel ou module d’un nombre complexe.
R : ensemble des nombres réels.
Rn : vecteur de réels de dimension n:

36