0% ont trouvé ce document utile (0 vote)

8 vues78 pages

Équations Différentielles Non Linéaires

Simple

Transféré par

Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.

Formats disponibles

Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

0% ont trouvé ce document utile (0 vote)

8 vues78 pages

Équations Différentielles Non Linéaires

Simple

Transféré par

lincyrille933

Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.

Formats disponibles

Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

ÉQUATIONS DIFFÉRENTIELLES NON LINÉAIRES

MAT 6115

Christiane ROUSSEAU
Université de Montréal
HIVER 2015
Table des matières

Table des matières iii

1 Généralités 1
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Les équations différentielles ordinaires . . . . . . . . . . 1
1.1.2 Le point de vue de Poincaré . . . . . . . . . . . . . . . . . 2
1.1.3 La théorie des systèmes dynamiques . . . . . . . . . . . . 3
1.1.4 Les systèmes hamiltoniens . . . . . . . . . . . . . . . . . 4
1.2 Quelques rappels . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Théorèmes des fonctions inverses et implicites . . . . . . 5
1.2.2 Systèmes de coordonnées . . . . . . . . . . . . . . . . . . 6
1.2.3 Théorème de point fixe de Banach . . . . . . . . . . . . . 6
1.3 Théorèmes d’existence et d’unicité . . . . . . . . . . . . . . . . . 7
1.3.1 L’application du flot . . . . . . . . . . . . . . . . . . . . . 10
1.3.2 Dépendance des paramètres . . . . . . . . . . . . . . . . 11
1.3.3 Théorème de redressement . . . . . . . . . . . . . . . . . 11
1.3.4 Prolongement des solutions . . . . . . . . . . . . . . . . . 12
1.4 Rappel sur les systèmes linéaires . . . . . . . . . . . . . . . . . . 13
1.5 Un critère pour la stabilité asymptotique . . . . . . . . . . . . . . 15
1.5.1 Le cas linéaire . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5.2 Le cas non linéaire . . . . . . . . . . . . . . . . . . . . . . 18
1.6 Ensembles invariants . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.7 Variétés stables et instables . . . . . . . . . . . . . . . . . . . . . . 21

2 Théorie de la stabilité de Lyapunov 31

2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 Les raffinements de LaSalle . . . . . . . . . . . . . . . . . . . . . 33

3 Équivalences de champs de vecteurs 39

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2 Le cas des systèmes linéaires . . . . . . . . . . . . . . . . . . . . . 40
3.2.1 Equivalence linéaire . . . . . . . . . . . . . . . . . . . . . 40
3.2.2 Équivalence différentiable . . . . . . . . . . . . . . . . . . 40
3.2.3 Équivalence topologique . . . . . . . . . . . . . . . . . . 41

iii
iv TABLE DES MATIÈRES

3.3 Équivalence topologique orbitale . . . . . . . . . . . . . . . . . . 44

3.4 Systèmes dynamiques discrets et continus . . . . . . . . . . . . . 44
3.5 Théorème de Hartman-Grobman . . . . . . . . . . . . . . . . . . 48
3.5.1 Étude d’une boucle homoclinique dans le plan . . . . . . 49

4 La théorie des formes normales de Poincaré 53

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2 La forme normale de Poincaré . . . . . . . . . . . . . . . . . . . . 53
4.2.1 Le cas où A est diagonalisable . . . . . . . . . . . . . . . 55
4.2.2 Forme normale avec paramètres . . . . . . . . . . . . . . 58
4.2.3 Le cas où A n’est pas diagonalisable . . . . . . . . . . . . 59

5 Théorie des bifurcations 63

5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.2 La bifurcation de Hopf d’ordre k . . . . . . . . . . . . . . . . . . 63
Chapitre 1

Généralités
1.1 Introduction
1.1.1 Les équations différentielles ordinaires
Les équations différentielles ordinaires (aussi appelées systèmes d’équations
différentielles ordinaires) sont, au départ des équations de la forme
dX
= Ẋ = v(X, t),
dt
où v : U → Rn est une fonction différentiable sur un ouvert U de Rn+1 . La
classe de différentiabilité de v dépend du contexte mais, dans le cours, v sera
toujours au moins de classe C1 .
Le cas autonome est celui où v est indépendante de t :
dX
= Ẋ = v(X).
dt
La fonction v est alors un champ de vecteurs défini sur un ouvert de Rn à
valeurs dans Rn . Plus généralement, on pourra remplacer U par une variété
différentiable de dimension n, c’est-à-dire un objet qui localement ressemble à
Rn , et sur lequel la notion de champ de vecteurs de classe C1 a un sens.

Le cas non autonome peut sembler plus général que le cas autonome. Ce
n’est pas vraiment le cas. En effet, considérons une équation différentielle or-
dinaire non autonome Ẋ = v(X, t). Si on pose w(X, t) = (v(X, t), 1), alors
l’équation différentielle ordinaire non autonome est équivalente à l’équation
différentielle autonome
Ẋ = v(X, t),
(1.1)
ṫ = 1,
ou encore
Ẏ = w(Y),
pour Y = (X, t) sur un ouvert de Rn+1 . Donc, le cas non autonome en dimen-
sion n est un cas particulier du cas autonome en dimension n + 1.

1
2 CHAPITRE 1. GÉNÉRALITÉS

On retrouve les équations différentielles ordinaires dans de très nombreux

domaines d’application. Au départ, ce fut la mécanique classique, mais elles
sont aussi utilisées en biologie mathématique, pour modéliser des systèmes
électriques, dans l’étude des équations aux dérivées partielles, etc. Leur étude
fait partie d’un grand chapitre des mathématiques appelé les systèmes dyna-
miques.

1.1.2 Le point de vue de Poincaré

Jusqu’aux travaux de Poincaré à la fin du 19-ième siècle, les mathématiciens
essayaient d’ intégrer des équations différentielles ordinaires. Étant donné
une équation différentielle ordinaire (1.1), intégrer cette équation, c’est donner,
pour tout (X0 , t0 ) admissible une solution sous la forme d’une fonction
f : W → Rn , où W un voisinage de t0 dans R, telle que
df
(t) = v(f(t), t),
dt
et f(t0 ) = X0 . Poincaré a montré que l’intégration par des fonctions connues
est impossible en général. Il a par contre introduit des méthodes géométriques
pour étudier le comportement des solutions.

Prenons le point de vue autonome. Dans ce point de vue, le théorème d’exis-

tence et d’unicité des solutions garantit que, par tout point de U, il passe une
trajectoire et une seule. Ceci donne une partition de U comme réunion de trajec-
toires disjointes. Cette partition de U s’appelle le portrait de phase de l’équation
différentielle ordinaire. Connaı̂tre le portrait de phase d’une équation difféntielle
ordinaire permet de connaı̂tre qualitativement le comportement à long terme
des trajectoires et, en particulier, quand le temps tend vers l’infini. Voici quelques
comportements possibles :
– une trajectoire part à l’infini, par exemple pour les modèles de croissance
de population en laboratoire : ẋ = ax pour a > 0 ;
– une trajectoire se stabilise à une position d’équilibre, par exemple un pen-
dule amorti ;
– une trajectoire s’approche d’une solution périodique appelée cycle limite,
par exemple lorsque votre cœur reprend son rythme normal après un
effort ;
– on verra qu’il existe des comportements chaotiques qui restent ce-
pendant bornés. C’est le cas de la trajectoire de Pluton.

Donner le portrait de phase d’une équation différentielle ordinaire est un

problème très difficile. Il n’existe pas de méthode générale, seulement des mé-
thodes ad hoc qu’on essaie d’agencer au mieux en fonction des particularités
du système étudié. La première étape est la théorie locale : on étudie la réparti-
tion des trajectoires au voisinage d’un point X0 de U. Cette étude est assez
systématique. C’est le recollement des portraits de phase locaux en un por-
trait de phase global qui l’est moins. Les équations différentielles ordinaires
1.1. INTRODUCTION 3

issues d’un processus de modélisation dépendent souvent de paramètres. Il

est donc naturel d’étudier des équations différentielles ordinaires dépendant
de paramètres et, pour chaque valeur des paramètres, de donner le portrait de
phase. On rencontrera des valeurs des paramètres pour lesquelles le portrait
de phase subira un changement qualitatif. Une telle valeur des paramètres
est appelée valeur de bifurcation et on dit que le système subit une bifurcation.
Lorsque la bifurcation concerne le comportement des trajectoires au voisinage
d’un point singulier, il existe des méthodes analytiques permettant de l’étudier
en détail, au moins lorsque la dimension, n, n’est pas trop grande et que la
singularité n’est pas trop complexe ( petite codimension ). L’analyse de la
bifurcation nous donne donc une prise pour étudier le système.
La stratégie d’études des systèmes dynamiques consiste à exploiter au maxi-
mum les quelques prises qu’on a sur le système et à tenter d’en déduire les por-
traits de phase. Les principales prises sont l’étude des singularités, l’étude des
bifurcations des singularités (cela nous permettra par exemple de conclure à la
présence de cycles limites), et quelques théorèmes globaux comme le théorème
de Poincaré-Bendixson.

1.1.3 La théorie des systèmes dynamiques

La théorie des systèmes dynamiques étudie l’évolution des systèmes dans

le temps. Lorsque le temps est continu, on a les équations différentielles ordi-
naires. Lorsque le temps est discret, ce sont les équations aux différences. Une
équation aux différences est une équation de la forme

Xn+1 = F(Xn , n),

où X ∈ Rn et F : U → Rn , pour U un ouvert de Rn+1 . Elle est autonome si F ne

dépend que de X et est indépendante de n.
La dualité systèmes discrets — systèmes continus jouera un rôle im-
portant dans l’étude des système dynamiques. Par exemple, lorsqu’on voudra
étudier le voisinage d’une solution périodique, on prendra une section trans-
versale Σ à la solution périodique et on introduira une fonction P : Σ 0 ⊂ Σ → Σ,
appelée application de premier retour de Poincaré. Une solution périodique
correspondra à un point fixe de P. Étudier la stabilité de la solution périodique
revient à étudier la stabilité du point fixe correspondant de P.
Un autre contexte naturel d’étude des équations différentielles ordinaires
où on introduit une application est celui d’une équation non autonome ẋ =
v(x, t), où v est périodique en t de période T . Étant donné un temps initial t0 ,
soit Φ(t, X0 ) la solution du système telle que Φ(t0 , X0 ) = X0 . On introduira la
4 CHAPITRE 1. GÉNÉRALITÉS

fonction F(X0 ) = Φ(t0 + T, X0 ) et ses itérées

F2 := F ◦ F,
.. .. ..
. . .
Fn := F| ◦ ·{z
· · ◦ F},
n
.. .. ..
. . .

Étudier F et ses itérées revient à avoir une vue stroboscopique du système.

Parmi les différentes approches de l’étude des équations aux dérivées par-
tielles, il existe une approche systèmes dynamiques qui consiste à considérer
une équation aux dérivées partielles comme un système dynamique de dimen-
sion finie. Dans certains cas des méthodes de réduction permettent de se rame-
ner à l’étude de systèmes en dimension finie.

1.1.4 Les systèmes hamiltoniens

Regardons le problme des n corps. C’est le problème de n points matériels
~ i dénote la position
soumis à la loi de la gravitation universelle de Newton. Si X
3
du i-ième point matériel dans R , ceci nous donne les équations de Newton :

X ~j − X
X ~i
~¨ i = K
mi X mi mj . (1.2)
~j − X
|X ~ i |3
j6=i

En changeant d’unité, on peut toujours supposer K = 1. Posons mi X ~˙ i = ~pi .

Alors, l’équation de Newton devient équivalente au système d’équations différen-
tielles ordinaires

X~˙ i = 1 ~pi ,
mi
X ~j − X
X ~i (1.3)
~p˙ i = mi m j .
~j − X
|X ~ i |3
j6=i

Ce système a une forme très particulière. En effet, l’énergie cinétique est donnée
par
1X X
n n
K= mi hX ~˙ i i = 1
~˙ i , X 1
h~pi , ~pi i
2 2 mi
i=1 i=1

et l’énergie potentielle par

X mi mj
V=− .
~j − X
|X ~ i|
i6=j
1.2. QUELQUES RAPPELS 5

~ i et ~pi . Remar-
Soit H = K + V l’énergie totale : c’est une fonction des vecteurs X
quons que
∂H 1
= ~pi .
∂~pi mi
∂H
(Ici, ∂~
pi représente un gradient.) Aussi,

∂H X ~j − X
X ~i
=− mi mj .
~i
∂X ~j − X
|X ~ i |3
j6=i

Donc, le système a la forme

˙
~ i = ∂H ,
X ∂~
pi
i = 1, . . . , n. (1.4)
~p˙ i = − ∂H
~ ,
∂X i

On pose X~ = (X
~ 1, . . . , X
~ n ) ∈ R3n et ~p = (~p1 , . . . , ~pn ) ∈ R3n . Le système a la
forme simple

X~˙ = ∂H ,
∂~p
(1.5)
∂H
~p˙ = − .
∂X~

sur R2N (ici N = 3n). Un tel système est appelé système hamiltonien. Une partie
très importante de la mécanique classique se ramène à l’étude des systèmes ha-
miltoniens. Ceux-ci sont des systèmes d’équations différentielles ordinaires. La
mécanique classique est donc une justification significative de l’importance des
systèmes d’équations différentiels non linéaires. De part sa forme, un système
hamiltonien est toujours défini sur un espace de dimension paire égale à 2N.
N est appelé le nombre de degrés de liberté du système.

1.2 Quelques rappels

1.2.1 Théorèmes des fonctions inverses et implicites
Ce sont deux grands théorèmes de l’analyse. On les utilisera à tour de bras.

T H ÉOR ÈME 1.1 (Théorème des fonctions inverses) Soit U un ouvert de Rn et F : U →

Rn une fonction de classe Cr , r ≥ 1, (resp. C∞ , Cω ou analytique). Soit X0 ∈ U. Si
Jac(F)(X0 ) = DF(X0 ) = A est inversible, alors il existe un voisinage ouvert V de
X0 dans U et un voisinage ouvert W de F(X0 ) dans Rn tels que F|V : V → W est
bijective. De plus, F−1 : W → V est aussi de classe Cr (resp. C∞ , Cω ) et

Jac(F−1 )(F(X0 )) = DF−1 (F(X0 )) = A−1 = (Jac(F)(X0 ))−1 = (DF(X0 ))−1 .

6 CHAPITRE 1. GÉNÉRALITÉS

T H ÉOR ÈME 1.2 (Théorème des fonctions implicites) Soit U un ouvert de Rm+n et
F : U → Rn une fonction de classe Cr , r ≥ 1, (resp. C∞ , Cω ou analytique). On
note (X, Y) les coordonnées sur U, où X ∈ Rm et Y ∈ Rn . Soit (X0 , Y0 ) ∈ U tel que
F(X0 , Y0 ) = 0. Si JacY (F(X0 , ·)(Y0 ) = DY F(X0 , Y0 ) est inversible, alors il existe
– un voisinage ouvert V de (X0 , Y0 ) dans U,
– un voisinage ouvert W de X0 dans Rm ,
– et une fonction f : W → Rn dont le graphe est inclus dans V et telle que
f(X0 ) = Y0 ,
tels que, si (X, Y) ∈ V, alors F(X, Y) = 0 si et seulement si Y = f(X). De plus f est de
classe Cr (resp. C∞ , Cω ).

1.2.2 Systèmes de coordonnées

D ÉFINITION 1.3 Un système de coordonnées de classe Cr (resp. C∞ , Cω ou analy-
tique, linéaire) sur un ouvert U de Rn est formé de n familles d’hypersurfaces {γiαi }
de classe Cr (resp. C∞ , Cω , linéaire), i = 1, . . . , n telles que
– pour tout i, U = ∪αi γiαi ;
– pour tout X ∈ U, il existe α1 , . . . , αn uniques tels que X = ∩γiαi ;
– les hypersurfaces γiαi sont de la forme Fi (X) = Ci (αi ) où Fi est de classe Cr
(resp. C∞ , Cω ou analytique, linéaire) ;
– la fonction F = (F1 , . . . , Fn ) : U → Rn est inversible. Ceci implique que, pour
tout X0 ∈ U et α1 , . . . , αn tels que X0 = ∩γiαi , alors les hypersurfaces γαi sont
transversales en X0 , c’est -à dire que les vecteurs ∇Fα1 (X0 ), . . . , ∇Fαn (X0 )
sont linéairement indépendants.

Le choix de la classe (Cr C∞ , Cω , linéaire) dépend du contexte. Lorsqu’on

considère un système d’équations différentielles de classe Cr+1 (resp. C∞ , Cω ,
linéaire), on permet en général des changements de coordonnées dans la même
classe pour garder cette caractéristique du système.

On veut comprendre l’organisation géométrique des trajectoires d’un système

d’équations différentielles ordinaires. On utilisera régulièrement des change-
ments de coordonnées pour simplifier la forme des équations et rendre ainsi la
géométrie plus transparente.

1.2.3 Théorème de point fixe de Banach

T H ÉOR ÈME 1.4 (Théorème de point fixe de Banach) Soit X un espace métrique com-
plet et f : X → X une contraction (c’est-à-dire qu’il existe c ∈]0, 1[ tel que pour tous
x, y ∈ X on ait d(f(x), f(y)) ≤ cd(x, y)). Alors, f a un unique point fixe.

P REUVE Commençons par l’unicité : si x et y sont deux points fixes, alors

d(f(x), f(y)) ≤ cd(x, y) et, d’autre part, puisque f(x) = x et f(y) = y. on a
d(f(x), f(y) = d(x, y). La seule possibilité est d(x, y) = 0, c’est-à-dire x = y.
Passons maintenant à l’existence. Soit x0 ∈ X . On définit par récurrence la
suite xn en posant xn+1 = f(xn ). Montrons que la suite est de Cauchy. Soit
1.3. THÉORÈMES D’EXISTENCE ET D’UNICITÉ 7

> 0. On cherche N tels que si m, n > N, alors d(xm , xn ) < . On a

d(xn+1 , xn ) ≤ cd(xn , xn−1 ≤ · · · ≤ cn d(x1 , x0 ).

Alors, pour m > n

d(xm , xn ) ≤ d(xm , xm−1 ) + · · · + d(xn+1 , xn )

≤ d(x1 , x0 )(cm1 + · · · + cn )
cn
≤ d(x1 , x0 ) 1−c .
n
c
On voit bien que d(x1 , x0 ) 1−c < pour N assez grand.
Comme l’espace métrique X est complet, la suite {xn } converge vers un
point a ∈ X . Donc, limn→∞ f(xn ) = limn→∞ xn+1 = limn→∞ xn = a. De plus,
puisque f est une contraction, alors f est uniformément continue (exercice).
Alors, limn→∞ f(xn ) = f(limn→∞ xn ). Donc, f(a) = a.

1.3 Les théorèmes d’existence et d’unicité des systèmes

d’équations différentielles ordinaires
Suite à la remarque qu’une équation différentielle ordinaire non autonome
en dimension n peut se ramener à une équation différentielle autonome en
dimension n + 1, on ne discutera que le cas autonome.

Notation On note par B(X, r) la boule centrée en X de rayon r et B(X, r) sa

fermeture.

T H ÉOR ÈME 1.5 On considère un champ de vecteurs v : U → Rn de classe Cr (resp.

C∞ , Cω ) et X0 ∈ U. Il existe δ > 0, > 0 et une fonction Φ(X, t) de classe Cr (resp.
C∞ , Cω ) définie sur {X ∈ U; |X − X0 | < δ} × {t ∈] − , [} tels que pour tout X1 ∈
B(X0 , δ), la fonction Φ(X1 , ·) : −], [→ U est solution de l’équation différentielle
ordinaire Ẋ = v(X) sous la condition initiale Φ(X1 , 0) = X1 . La solution est unique
au sens suivant : si on a deux solutions de de l’équation différentielle ordinaire Ẋ =
v(X) sous la même condition initiale, alors elles coı̈ncident sur l’intersection de leurs
domaines de définition.
P REUVE On va trouver Φ comme point fixe d’un opérateur. En effet, suppo-
sons que Φ(X1 , t) soit solution de l’équation intégrale
Zt
Φ(X1 , t) = X1 + v(Φ(X1 , s))ds. (1.6)
0

En dérivant, on voit tout de suite que ∂Φ

∂t (X1 , t) = v(Φ(X1 , t)) et que Φ(X1 , 0) =
X1 . Donc, la fonction t 7→ Φ(X1 , t) est la solution cherchée.
On considère l’opérateur Φ 7→ T (Φ) où
Zt
T (Φ)(X1 , t) = X1 + v(Φ(X1 , s))ds. (1.7)
0
8 CHAPITRE 1. GÉNÉRALITÉS

Pour pouvoir montrer que T a un point fixe, il faut montrer que T est défini sur
un espace de fonctions X , qui est un espace métrique complet, que l’image de
T est aussi dans X et que T est une contraction.
On prend δ suffisamment petit pour que la fermeture de la boule de rayon
2δ centrée en X0 , soit incluse dans U. Soit

M= max |v(X)|,
X∈B(X0 ,2δ)

et soit
K= max kDv(X)k.
X∈B(X0 ,2δ)

On définit

X = {Φ : B(X0 , δ) × [−, ] → B(X0 , 2δ) | Φ continue, Φ(X1 , 0) = X1 }.

Sur X on définit la norme

kΦk = max |Φ(X1 , t)|.

(X1 ,t)∈B(X0 ,δ)×[−,]

Montrons qu’on peut choisir pour que T (X ) ⊂ X . Il est facile de voir que
T (Φ) est continue si Φ est continue et que T (Φ)(X, 0) = X. Aussi,

|T (Φ)(X1 , t) − X0 | ≤ |T (Φ)(X1 , t) − X1 | + |X1 − X0 |

Zt
≤ |v(Φ(X1 , s))|ds + δ
0
Zt (1.8)
≤ Mdt + δ
0
≤ M + δ ≤ 2δ,

si on choisit pour que M < δ.

Il faut maintenant voir qu’on peut choisir pour que T soit une contraction.
Soient Φ1 , Φ2 ∈ X . On a pour tout X ∈ B(X0 , δ) et pour tout t ∈ [−, ]
Zt
|T (Φ1 )(X1 , t) − T (Φ2 )(X1 , t)| = (v(Φ1 (X1 , s)) − v(Φ2 (X1 , s))) ds
0
Zt
≤ |v(Φ1 (X1 , s)) − v(Φ2 (X1 , s))| ds
0 (1.9)
Zt
≤ K |Φ1 (X1 , s) − Φ2 (X1 , s)| ds
0
≤ KkΦ1 − Φ2 k.

On obtient donc une contraction si on prend assez petit pour que K < 1.
1.3. THÉORÈMES D’EXISTENCE ET D’UNICITÉ 9

On ne montrera pas ici que X est un espace métrique complet, mais c’est
standard. On peut donc appliquer le théorème de point fixe de Banach et conclu-
re que T a un unique point fixe dans X . Nous venons donc de démontrer l’uni-
cité de la solution de l’équation différentielle. Ce point fixe est une fonction
Φ(X1 , t), continue, qui satisfait l’équation intégrale (1.6). Comme le membre de
droite est continûment dérivable en t, on en conclut que Φ(X1 , t) est continû-
ment dérivable en t.

Montrer que Φ(X1 , t) est continûment dérivable en X1 requiert plus de tra-

∂Φ
vail. Il faut trouver un candidat pour ∂X 1
. Voici comment on le trouve. Suppo-
1
sons que Φ est de classe C . On a alors

∂ ∂Φ ∂ ∂Φ ∂ ∂Φ
= = v(Φ(X1 , t)) = Dv(Φ(X1 , t)) . (1.10)
∂t ∂X1 ∂X1 ∂t ∂X1 ∂X1

∂Φ
On vient de montrer que ∂X 1
est solution d’une équation différentielle linéaire
(mais pas à matrice constante) appelée équation aux variations. Puisque Φ(X1 , 0) =
∂Φ
X1 , ceci nous donne ∂X 1
(X1 , 0) = In , soit la matrice identité n × n. Appelons
2
∂Φ
A(X1 , t) la matrice A(X1 , t) = Dv(Φ(X1 , t)), et soit Ψ(X1 , t) = ∂X 1
∈ Rn . On
a le système Ψ̇ = A(X1 , t)Ψ. C’est un système du style précédemment étudié et
sa solution peut être construite comme solution de l’équation intégrale
Zt
Ψ(X1 , t) = In + A(X1 , s)Ψ(X1 , s)ds,
0

c’est-à-dire comme point fixe de l’opérateur

Zt
S(Ψ)(X1 , t) = In + Dv(φ(X1 , s))Ψ(X1 , s)ds.
0

Cette solution va exister si est assez petit. On veut maintenant voir que cette
∂Φ
solution est bien ∂X 1
.
Pour cela, on va regarder comment sont obtenues les solutions des deux
équations intégrales définissant Φ et Ψ : ce sont les limites des suites Φm et Ψm
définies par


 Φ0 (X1 , t) = X1 ,

Ψ (X , t) = I ,
0 1 n

 Φ (X , t) = T (Φm )(X1 , t),


m+1 1
Ψm+1 (X1 , t) = Sm (Ψm )(X1 , t),

où
Zt
Sm (Ψ)(X1 , t) = In + Dv(Φm (X1 , s))Ψ(X1 , s)ds.
0
10 CHAPITRE 1. GÉNÉRALITÉS

On peut vérifier qu’à chaque étape on a Ψm = ∂Φ

∂X1 . Ceci se montre par induc-
m

tion. C’est évident pour m = 0. Supposons que ce soit vrai pour m. Alors,
Zt
∂Φm+1 ∂
(X1 , t) = (X1 + v(Φm (X1 , s))ds)
∂X1 ∂X1 0
Zt
∂Φm
= In + Dv(Φm (X1 , s)) (X1 , s)ds
0 ∂X1 (1.11)
Zt
= In + Dv(Φn (X1 , s))Ψm (X1 , s)ds
0
= Ψm+1 (X1 , t).

Il faut montrer que la suite Ψm converge vers Ψ (exercice). Alors, puisque la

suite des dérivées ∂Φ
∂X1 des Φm converge vers une fonction Ψ, et puisque Φm
m

∂Φ
converge vers Φ, nécessairement Ψ = ∂X1
.
Montrons maintenant que Φ(X1 , t) est de classe Cr . Commençons par la
différentiabilité en t. Pour cela, on regarde l’équation (1.7). Comme Φ(X1 , t)
est de classe C1 , si v est de classe C1 , le côté droit est 2 fois différentiable en t.
Donc, il en est de même du côté gauche. Par suite, si v est de classe C3 , le côté
droit est 3 fois différentiable en t. Donc, il en est de même du côté gauche. Etc.
Pour les dérivées mixtes le raisonnement est analogue.
Pour la différentiabilité en X1 on joue le même jeu, mais en regardant si-
multanément les équations (1.7) et (1.10). On a montré que Ψ est de classe C1
en X1 , donc Φ est de classe C2 en X1 . En appliquant le théorème en classe C2 à
l’équation aux variations, on obtient que Ψ est de classe C2 en X1 , donc Φ est
de classe C3 en X1 . Etc.
Dans le cas analytique, il est plus simple d’utiliser des méthodes analy-
tiques directes que d’essayer de montrer la convergence de la série de Taylor
qu’on pourrait obtenir par la méthode précédente.

1.3.1 L’application du flot

Le théorème précédent nous fournit un outil très utile : l’application du flot.

T H ÉOR ÈME 1.6 On considère un champ de vecteurs v : U → Rn de classe Cr et

X0 ∈ U. Il existe δ > 0, > 0 et une famille d’applications {Φt }t∈]−,[ de classe Cr
définie sur {X ∈ U; |X − X0 | < δ} tels que ;
– Φ0 = id ;
– pour tous s, t ∈] − , [ tels que s + t ∈] − , [, Φs ◦ Φt = Φs+t ;
– pour tout X1 ∈ U, la fonction t 7→ Φt (X1 ) : −], [→ U est solution de
l’équation différentielle ordinaire Ẋ = v(X) sous la condition initiale Φ0 (X1 ) =
X1 . Donc,
d t
Φ (X1 ) = v(Φt (X1 )).
dt
La famille {Φt } est appelée le flot de l’équation différentielle ordinaire.
1.3. THÉORÈMES D’EXISTENCE ET D’UNICITÉ 11

1.3.2 Dépendance des paramètres

Les solutions des équations différentielles ordinaires dépendent différentia-
blement des paramètres.

T H ÉOR ÈME 1.7 On considère un champ de vecteurs vλ : U × V → Rn défini sur un

ouvert U de Rn et dépendant d’un multi-paramètre λ défini sur un ouvert V de Rm ,
de classe Cr en (X, λ), et (X0 , λ0 ) ∈ U × X. Il existe δ > 0, η > 0 et > 0 et une
fonction Φ(X, λ, t) de classe Cr définie sur {X ∈ U; |X − X0 | < δ} × {λ ∈ V; |λ − λ0 | <
η} × {t ∈] − , [} tels que pour tout X1 ∈ B(X0 , δ) et pour tout λ ∈ B(λ0 , η), la
fonction Φ(X1 , λ, ·) : −], [→ U est solution de l’équation différentielle ordinaire
Ẋ = vλ (X) sous la condition initiale Φ(X1 , λ, 0) = X1 .
P REUVE On regarde le système à paramètres comme un système sur un es-
pace de dimension n + m en introduisant les équations λ̇ = 0. On applique le
théorème 1.5 au système

Ẋ = vλ (X) = v(X, λ),

(1.12)
λ̇ = 0.

1.3.3 Théorème de redressement

T H ÉOR ÈME 1.8 (Théorème de redressement) On considère un champ de vecteurs v :
U → Rn de classe Cr et X0 ∈ U tel que v(X0 ) 6= 0. Il existe un voisinage V de X0 et
un difféomorphisme de classe Cr , F : V 7→ W, où W est un ouvert de Rn , transformant
l’équation différentielle ordinaire Ẋ = v(X) en l’équation

ẏ1 = 1,
ẏ2 = 0,
.. (1.13)
.
ẏn = 0.

P REUVE Soit (P) l’hyperplan passant par X0 et perpendiculaire à v(X0 ). On

prend l’origine en X0 et on introduit des coordonnées (y2 , . . . yn ) sur (P). Par
continuité, le champ de vecteurs est transversal à (P) sur un voisinage W 0 de
X0 dans (P) et il existe > 0 tel que les trajectoires pour X1 ∈ W 0 sont définies
pour t ∈] − , [. On va définir F−1 : W = W 0 ×] − , [→ U. Soit g(y2 , . . . yn )
le point de W 0 ⊂ (P) de coordonnées (y2 , . . . yn ). On pose

F−1 (y1 , y2 , . . . , yn ) = Φy1 (g(y2 , . . . , yn )).

Cette application transforme la solution de l’equation différentielle (1.13) pas-

sant par (0, y2 , . . . yn ) en la solution de l’équation différentielle ordinaire Ẋ =
v(X) passant par g(y2 , . . . yn ). Pour montrer que F−1 est inversible sur un voi-
sinage de 0, il suffit, par le théorème des fonctions inverses, de montrer que
12 CHAPITRE 1. GÉNÉRALITÉS

sa matrice jacobienne en 0 est inversible. La première colonne de D(F−1 )(0) est

donnée par v(X0 ). La colonne i est donnée par un vecteur de (P) tangent à la di-
rection yi . Comme les colonnes de la matrice sont linéairement indépendantes,
D(F−1 )(0) est inversible et donc, F est un difféomorphisme d’un voisinage de
X0 sur un voisinage de 0.
Soit G = F−1 . Vérifions que le changement X = G(Y) transforme bien l’EDO
Ẏ = e1 en l’EDO Ẋ = v(X). 0n a

Ẋ = DG(G−1 (X))e1 = v(G−1 (Φy1 (g(y2 , . . . , yn )) = v(X),

puisque le produit matriciel DG(G−1 (X))e1 est donné par la première colonne
de DG(G−1 (X)), soit la dérivée partielle par rapport à y1 de Φy1 (g(y2 , . . . , yn )),

Le théorème de redressement (appelé “flow-box theorem” en anglais) donne

la classification locale des champs de vecteurs de classe Cr au voisinage d’un
point non singulier. Pour compléter la classification locale, il suffit donc d’étu-
dier le voisinage des points singuliers. En soi, c’est un programme immense
qui est loin d’être complété en toute généralité.

1.3.4 Prolongement des solutions

On a vu qu’on peut construire une solution d’une équation différentielle
ordinaire pour des valeurs du temps dans un intervalle [−, ]. Peut-on pro-
longer la solution pour des valeurs de t en dehors de cet intervalle ? Pas tou-
jours. Mais l’obstruction est d’un seul type : on sort du domaine de l’équation
différentielle ordinaire en un temps fini. Nous énonçons sans preuve le théorème
suivant.

T H ÉOR ÈME 1.9 On considère une équation différentielle ordinaire Ẋ = v(X) de classe
C1 sur un ouvert U de Rn . Soit X0 ∈ U et Φt (X0 ), t ∈ J, la solution de condition
initiale Φ0 (X0 ) = X0 sur un intervalle ouvert maximal J = (α, β) qui est un voisi-
nage de 0 dans R. Supposons que J n’est pas égal à R. Soit K un compact inclus dans
U. Alors,
– soit −∞ < α < 0. Dans ce cas, il existe t ∈]α, 0[ tel que Φt (X0 ) ∈ / K;
– ou 0 < β < ∞. Dans ce cas, il existe t ∈]0, β[ tel que Φt (X0 ) ∈ / K. En
particulier, soit |Φt (X0 )| devient non borné, ou Φt (X0 ) s’approche de la frontière
de U lorsque t → β.

E XEMPLE 1.10 Considérons l’équation différentielle sur R

dx
= ẋ = x2 .
dt
Comme elle est à variables séparables on peut l’intégrer explicitement et on obtient
1 1
− + = t,
x x0
1.4. RAPPEL SUR LES SYSTÈMES LINÉAIRES 13

ce qui donne
x0
x(t) = ,
1 − x0 t
et on voit que, pour x0 > 0, x(t) → ∞ lorsque t → 1
x0 . La solution passe donc à
l’infini en temps fini.

1.4 Rappel sur les systèmes linéaires

Dans cette section nous rappelons les principaux résultats sur les systèmes
d’équations différentiels linéaires à matrice constante de la forme

Ẋ = AX,

où A est une matrice n × n à coefficients réels et X ∈ Rn . Il sera parfois utile

de considérer l’extension Rn ⊂ Cn qui permet d’étendre le système à Cn et de
permettre des changements de cordonnées qui ne préservent pas le caractère
réel de la matrice.
L’importance des systèmes linéaires est qu’ils constituent une première ap-
proximation d’un système non linéaire au voisinage d’un point singulier.

E XEMPLE 1.11 Pour n = 1, l’équation différentielle ẋ = ax a pour solution x(t) =

eat x0 sous la condition initiale x(0) = x0 .

Ceci suggère que la solution du système Ẋ = AX sous la condition initiale

X(0) = X0 est donnée par X(t) = eAt X0 . C’est effectivement le cas, et il nous
faut donc définir l’exponentielle d’une matrice carrée B.

D ÉFINITION 1.12 Étant donnée une matrice carrée B, n × n, l’exponentielle de la

matrice B, notée eB , est donnée par la somme de la série convergente suivante
∞
X Bn
eB = ,
n!
n=0

où B0 = In est la matrice identité.

Lorsqu’on traite de la convergence de suites de matrices on utilise la norme

D ÉFINITION 1.13 La norme d’une matrice B, n × n, à entrées réelles, notée kBk, est

kBk = max |BX|,

X∈Sn−1

soit le maximum des normes des valeurs BX pour X sur la sphère unité

Sn−1 = {X ∈ Rn ; |X| = 1}.

14 CHAPITRE 1. GÉNÉRALITÉS

Si on permet aux entrées de B d’être complexes, alors on définit la sphère complexe de

dimension n − 1 comme
X
n
Sn−1
C = {X = (x1 , . . . , xn ) ∈ Cn | |xj |2 = 1}.
j=1

On a alors
kBkC = max |BX|.
n−1
X∈SC

P ROPOSITION 1.14 La norme d’une matrice carrée n × n satisfait aux propriétés

suivantes :
– Si A est une matrice n × n, alors kAk ≥ 0.
– Si A est une matrice n × n, alors kAk = 0 si et seulement si A = 0.
– Si A et B sont deux matrices n × n, alors kA + Bk ≤ kAk + kBk.
– Si A est une matrice n × n et X ∈ Rn (ou X ∈ Cn ), alors |AX| ≤ kAk|X|.
P∞ n
En utilisant ces propriétés on peut montrer facilement que la série n=0 Bn!
définissant eB est convergente. (Exercice)

Le calcul de eB se fait aisément si on utilise la forme de Jordan de B.

P ROPOSITION 1.15 1. Soit J un bloc de Jordan k × k de la forme

 
λ 1 0 ... 0
0 λ 1 . . . 0
J = . . . . .
. . ... 
 
 .. .. .. 
0 0 0 0 λ
Alors,
t2 λt tk−1 λt
 
eλt teλt 2! e ... (k−1)! e
tk−2 λt 
eλt λt

Jt
 0 te ... (k−2)! e 

e = .. .. .. .. .
 ..
 . . . . . 
0 0 0 0 eλt
2. Si A est une matrice n × n de la forme
 
B1 0 ... 0
 0 B2 ... 0
A= . .. ..  ,
 
 .. ..
. . . 
0 0 ... Br
où Bj est une matrice mj × mj et m1 + · · · + mr = n, alors
 B 
e 1 0 ... 0
 0 B2
e . .. 0 
eA =  . . ..  .
 
 .. .. . .. . 
Br
0 0 ... e
1.5. UN CRITÈRE POUR LA STABILITÉ ASYMPTOTIQUE 15

Ceci couvre le cas d’une matrice diagonale (mj = 1 pour tout j).
3. Soit A une matrice n × n et S une matrice inversible telle que SAS−1 = J,
où J est une matrice de Jordan. (S est la matrice de changement de base vers la
base dans laquelle la matrice de l’opérateur X 7→ AX est la matrice de Jordan J.)
Alors,
eA = S−1 eJ S.
4. Soit A une matrice n × n à entrées réelles et J sa matrice de Jordan. Si J a un
bloc de Jordan  
λ 1 0 ... 0
0 λ 1 . . . 0
J1 =  . . . . ,
. . ... 
 
 .. .. .. 
0 0 0 0 λ
correspondant à une valeur propre λ non réelle, alors il a aussi le bloc de Jordan
conjugué
 
λ 1 0 ... 0
0 λ 1 . . . 0
J2 = J1 =  . . . . .
 
 .. .. .. . . ... 
0 0 0 0 λ
Soit λ = a +
ib. Par un changement de base on transforme la matrice complexe
A = J01 J02 en la matrice réelle
 a −b 10
00
00

b a 01 0 0 ... 0 0
 00 a −b 10 00 
 00 b a 01 ... 00 
 .. .. . . . . ..  .
 .
. . . . 
00 00 00 a −b
00 00 00 . . . b a

5. Soit A = a −b
b a . Alors,
a
e cos b −ea sin b

eA = .
ea sin b ea cos b
Une des raisons pour lesquelles on a rappelé les principaux résultats sur
les systèmes linéaires est qu’ils servent de modèle pour l’organisation des tra-
jectoires au voisinage d’un point singulier, au moins dans le cas où toutes les
valeurs propres ont des parties réelles non nulles.

1.5 Un critère pour la stabilité asymptotique d’un

point singulier
D ÉFINITION 1.16 Un point singulier X0 d’un champ de vecteurs Ẋ = v(X) défini
sur un ouvert U est asymptotiquement stable s’il existe un voisinage V de X0 tel
que, pour tout X1 ∈ V alors, limt→+∞ φt (X1 ) = X0 .
16 CHAPITRE 1. GÉNÉRALITÉS

1.5.1 Le cas linéaire

T H ÉOR ÈME 1.17 On considère le système linéaire Ẋ = AX dans Rn . Si toutes les
valeurs propres de A ont des parties réelles négatives, alors l’origine est asymptotique-
ment stable.
P REUVE On peut bien sûr changer de base pour amener la matrice A à une
forme plus simple A 0 . Si on pose Y = SX, alors on a Ẏ = SAS−1 Y et donc
A 0 = SAS−1 . Dans tous les cas, la méthode sera la suivante : dans la base
considérée, on va regarder la fonction

F(Y) = y21 + · · · + y2n .

Calculons la dérivée de F le long d’une trajectoire Y(t). Cette dérivée vaut

dF(Y(t))
= ∇F(Y(t)) · A 0 Y(t) = h2Y(t), A 0 Y(t)i.
dt
Puisque toutes les valeurs propres de A ont des parties réelles négatives et que
A et A 0 ont les mêmes valeurs propres, on pourra choisir S pour que dF(Y(t))
dt
que l’on notera simplement Ḟ satisfasse

−C2 |Y|2 ≤ Ḟ ≤ −C1 |Y|2 , (1.14)

pour des constantes Cj > 0. Ceci montre que F décroı̂t le long des trajectoires.
Mais cela ne suffit pas. Il faut voir que limt→∞ F(Y(t)) = 0. Pour cela on regarde
G(Y) = ln Y. Alors −C2 ≤ Ġ ≤ −C1 . Donc, G(t) ≤ e−C1 t → 0 quand t → ∞.
Il suffit donc de bien choisir la base (et donc S) pour que (1.14) soit vérifiée. On
va regarder plusieurs cas.
(0) Il est aisé de se convaincre que si A est une matrice n × n de la forme
 
B1 0 . . . 0
 0 B2 . . . 0 
A= . ..  ,
 
.. ..
 .. . . . 
0 0 . . . Br

où Bj est une matrice mj × mj et m1 + · · · + mr = n, alors les valeurs

propres de chacune des matrices Bj ont des parties réelles négatives. Le
système a la forme d’un produit

Ẋj = Bj Xj , j = 1, . . . , r.

La solution du système est de la forme

X(t) = (X1 (t), . . . , Xr (t))

et on aura limt→+∞ X(t) = 0 dès que limt→+∞ Xj (t) = 0 pour tout j.

(i) Le cas A diagonalisable à valeurs propres réelles : on prend S telle que
SAS−1 est diagonale.
1.5. UN CRITÈRE POUR LA STABILITÉ ASYMPTOTIQUE 17

(ii) Le cas A diagonalisable à valeurs propres complexes. Sans perte de généralité

on va supposer A diagonale. Chaque fois que λ ∈ / R est valeur
propre
c’est aussi le cas de λ. Considérons un sous-bloc A1 = λ0 λ0 . On peut
1 1
supposer λ = a + ib, où a < 0. On va prendre la matrice S1 = −2i 2i .
2 2
Alors,
!
λ+λ
− λ−λ

0 a −b
A = S1 A1 S−1
1 = 2 2i =
λ−λ λ+λ b a
2i 2

et Ḟ = 2a(y21 + y22 ).
(iii) Le cas d’un bloc de Jordan n × n à valeur propre réelle négative
 
λ 1 0 ... 0
0 λ 1 . . . 0
J = . . . . ..  .
 
 .. .. .. .. .
0 0 0 0 λ

Soit > 0. On considère J 0 = SJS−1 , où S est la matrice diagonale

 
1 0 ... 0
0 1
... 0 
S = . .
 
.. .. ..
 .. . . . 
1
0 0 0 n

Alors,
 
λ 0 ... 0
0 λ ... 0
J0 =  . ..  .
 
.. .. . .
 .. . . . .
0 0 0 0 λ
Pn
Soit F(Y) = i=1 y2i . Alors,

X
n X
n−1
Ḟ = λ y2i + yi yi+1 .
i=1 i=1

On a bien Ḟ < 0 pour Y 6= 0 dès que est assez petit (exercice).

(iv) Le cas d’un bloc de Jordan J à valeur propre complexe. Alors, tel que
décrit dans la proposition 1.15, on a aussi le bloc complexe conjugué, J.
On choisit et une matrice S comme en (iii) et on applique le même S à
J et J. On peut ensuite repasser en coordonnées réelles. (Faire les détails
comme exercice).

18 CHAPITRE 1. GÉNÉRALITÉS

1.5.2 Le cas non linéaire

D ÉFINITION 1.18 Pour tout champ de vecteurs v défini sur un ouvert U de Rn , on
peut définir un opérateur de dérivation noté Lv . Étant donné une fonction F : U → R,
la fonction Lv (F) : U → R est définie par

Lv (F)(X) = h∇F(X), v(X)i

et appelée dérivée de Lie de F le long de v. Lv (F) représente le Ḟ défini plus haut.

T H ÉOR ÈME 1.19 On considère une équation différentielle ordinaire Ẋ = v(X) donnée
par un champ de vecteurs de classe C1 , v : U → Rn , sur un ouvert U de Rn et un point
singulier X0 de v. Soit A = Dv(X0 ) la matrice jacobienne de v en X0 . Si toutes les
valeurs propres de A ont des parties réelles négatives, alors X0 est asymptotiquement
stable.
P REUVE Sans perte de généralité, on peut supposer qu’on a appliqué au
préalable une translation qui a ramené X0 à 0. Au voisinage de 0, le champ
de vecteurs a la forme v(X) = AX + o(X). On applique un changement
Pn linéaire
de coordonnées Y = SX tel que, si A 0 = SAS−1 et F(Y) = i=1 y2i alors, pour
le système linéaire Ẏ = A 0 Y = wA 0 , on a LwA 0 = Q(Y), où Q est une forme
quadratique définie négative. Donc, il existe δ > 0 tel que Q(Y) ≤ −δ|Y|2 . Re-
gardons maintenant la dérivée de Lie de F le long du champ v :

Lv (F) = Q(Y) + o(|Y|2 ) ≤ −δ|Y|2 + o(|Y|2 ).

Il existe donc > 0 et δ 0 tels que Lv (F) < −δ 0 |Y|2 pour |Y| < et on conclut à la
stabilité asymptotique comme au théorème 1.17.

E XEMPLE 1.20 On considère le système de Lorenz

ẋ = σ(y − x),
ẏ = ρx − y − xz, (1.15)
ż = −βz + xy,

dépendant des trois paramètres positifs ρ, σ, β. Cherchons les points singuliers. La

première équation donne x = y et la troisième z = x2 /β. En remplaçant dans la
seconde on obtient (ρ − 1)x − x3 /β = x ρ − 1 − x2 /β . Donc, on a toujours la
solution (0, 0, 0) et, pour ρ > 1 on a les deux autres points singuliers
p p p p
P+ = β(ρ − 1), β(ρ − 1), ρ − 1 , P− = − β(ρ − 1), − β(ρ − 1), ρ − 1 .

Remarquons que les trois points singuliers sont confondus pour ρ = 1. Étudions main-
tenant la stabilité de l’origine. La matrice jacobienne est donnée par
 
−σ σ 0
A = ρ − z −1 −x  .
y x −β
1.5. UN CRITÈRE POUR LA STABILITÉ ASYMPTOTIQUE 19

La matrice jacobienne en (0, 0, 0) vaut donc

 
−σ σ 0
A(0) =  ρ −1 0  ,
0 0 −β

dont le polynôme caractéristique det(λI − A(0)) est donné par

(λ + β)(λ2 + (σ + 1)λ + σ(1 − ρ)).

Alors, les valeurs propres sont −β et les deux racines de

q(λ) = λ2 − (σ + 1)λ + σ(1 − ρ).

Ces deux racines sont réelles de signe contraire si 1 − ρ < 0, c’est-à-dire ρ > 1.
Dans ce cas, l’origine est instable puisqu’on a deux valeurs propres négatives et une
valeur propre positive. Si ρ < 1, le produit des racines de q est positif et la somme des
racines est −σ−1 < 0. Donc, on a soit deux racines réelles négatives, soit deux racines
complexes de partie réelle négative. Dans tous les cas, l’origine est asymptotiquement
stable. Si ρ = 1 on a une valeur propre nulle et on ne peut conclure.
Étudions maintenant la stabilité des points singuliers P± . La matrice jacobienne
en ces points est donnée par
 
−σ σ p 0
A(P± ) =  p 1 p −1 ∓ β(ρ − 1) .
± β(ρ − 1) ± β(ρ − 1) −β

dont le polynôme caractéristique det(λI − A(P± )) est donné par

λ3 + λ2 (1 + σ + β) + λβ(σ + ρ) + 2βσ(ρ − 1).

Ce polynôme est de la forme λ3 + aλ2 + bλ + c. Nous allons montrer au lemme 1.21

que les trois racines ont des parties réelles négatives sous les conditions a > 0, c > 0
et ab − c > 0. Les deux premières conditions sont vérifiées pour ρ > 1. De plus

ab − c = β(1 + σ + β)(σ + ρ) − 2βσ(ρ − 1)

= β[−ρ(σ − β − 1) + σ(3 + σ + β)].

On voit que si σ − β − 1 > 0, les points P± sont asymptotiquement stables pour

σ(3 + σ + β)
ρ < ρH = .
σ−β−1
8
Le système de Lorenz est en général étudié pour σ = 10 et ρ = 3. Pour ces valeurs,
σ − β − 1 > 0 et ρH ∼ 24, 74..

L EMME 1.21 (Critère de Routh-Hurwitz) Le polynôme p(x) = x3 + ax2 + bx + c a

trois racines de partie réelle négative sous les conditions, c > 0 et ab − c > 0.
20 CHAPITRE 1. GÉNÉRALITÉS

P REUVE On peut diviser l’espace (a, b, c) en régions où les signes des parties
réelles des racines sont constants. En effet, les racines dépendent continûment
de a, b, c. Il n’y a que deux manières dont le signe des racines peut changer.
– Une racine s’annule : ceci se produit si c = 0 ;
– deux racines traversent l’axe imaginaire. Le polynôme p a toujours une
racine réelle x1 . Soit x2,3 = ±iω les deux racines imaginaires pures. On a
x1 + x2 + x3 = −a. Or, x1 + x2 + x3 = −a = x1 . Donc, −a est racine de p,
c’est-à-dire
p(−a) = (−a)3 + a(−a)2 − ba + c = c − ba = 0.
Cependant, sur la surface c = ab, il faut éliminer le cas de deux valeurs
propres réelles opposées. On a p(x)|c=ab = (x+a)(x2 +b). Pour b < 0, on
a donc trois racines réelles et aucune racine ne traverse l’axe imaginaire.
Donc, seule la portion de la surface c = ab correspondant à b > 0 est
pertinente.
La surface c = 0 et la demi-surface c = ab, b > 0 divisent l’espace en 4 régions
ouvertes (faire le dessin) et dans chacune il suffit de prendre un point pour voir
quel est le signe des parties réelles des racines de p(x) :
– la région R1 = {(a, b, c) | c > 0, c < ab, a, b > 0} : les trois racines ont des
parties réelles négatives ;
– la région R2 = {(a, b, c) | c > 0} \ R1 : une racine a une partie réelle
négative et deux racines ont des parties réelles positives ;
– la région R3 = {(a, b, c) | c < 0, c > ab, a < 0, b > 0} : les trois racines ont
des parties réelles positives ;
– la région R4 = {(a, b, c) | c < 0} \ R3 : une racine a une partie réelle
positive et deux racines ont des parties réelles négatives.

1.6 Ensembles α-limite et ω-limite d’une trajectoire.

Ensembles invariants
D ÉFINITION 1.22 On se donne un champ de vecteurs v(X) de classe C1 sur un ou-
vert U de Rn . Soit X0 ∈ U et sa trajectoire X(t, X0 ) = φt (X0 ).
1. L’ensemble α-limite de la trajectoire de X0 est l’ensemble (s’il existe) des points
X1 tels qu’il existe une suite tn → −∞ pour laquelle limn→∞ φtn (X0 ) = X1 .
2. L’ensemble ω-limite de la trajectoire de X0 est l’ensemble (s’il existe) des points
X2 tels qu’il existe une suite tn → +∞ pour laquelle limn→∞ φtn (X0 ) = X2 .

E XEMPLE 1.23 L’ensemble α-limite ou ω-limite d’une trajectoire peut être un point
singulier, un cycle limite, un ensemble de points singuliers et de trajectoires les joi-
gnant.

D ÉFINITION 1.24 On se donne un champ de vecteurs v(X) de classe C1 sur

un ouvert U de Rn .
1.7. VARIÉTÉS STABLES ET INSTABLES 21

Un sous ensemble M de U est positivement (resp. négativement) invariant si

pour tout X0 ∈ M, la trajectoire positive de X0 , soit l’ensemble des points
{φt (X0 ) | t ∈ R+ } est incluse dans M.
2. Un sous ensemble M de U est invariant s’il est positivement et négativement
1.
invariant.

T H ÉOR ÈME 1.25

L’ensemble ω-limite (resp. α-limite) d’une trajectoire est invariant.

P REUVE . Soit Γ l’ensemble ω-limite de trajectoire positive d’un point X0 et soit

X1 ∈ Γ . Soit T ∈ R. On doit montrer que φT (X1 ) ∈ Γ . Il existe une suite tn ∈ R+ ,
telle que tn → +∞ et limn→∞ φtn (X0 ) = X1 . Comme tn → +∞, il existe m tel
que tn > T pour n > m. Considérons la suite des temps τn = tm+n + T . On a
τn > 0 et limn→∞ τn → +∞. Alors,

φτn (X0 ) = φT (φtm+n (X0 ) → φT (X1 ).

Donc, φT (X1 ) ∈ Γ .

1.7 Existence de variétés stables et instables d’un

point de selle hyperbolique
Les variétés différentiables sont des espaces topologiques munis d’une struc-
ture différentiable et étudiés en géométrie différentielle. Des exemples de base
sont donnés par
– un ouvert de Rn qui est une variété de dimension n ;
– la sphère Sn qui est une variété de dimension n. Si l’on veut la décrire,
indépendamment de l’espace ambiant Rn+1 où elle est plongée, on se
donne un atlas de cartes. Chaque carte représente un ouvert sur la sphère
et on décrit le recollement de deux cartes qui ont une intersection non
vide ;
– le tore est une variété de dimension 2 ;
– une courbe, surface ou hypersurface différentiable dans Rn est une variété
différentiable. Comme elle est plongée dans Rn , c’est une sous-variété de
Rn .
Nous allons nous limiter aux sous-variétés de Rn . Les variétés stables et in-
stables d’un point de selle hyperbolique seront des sous-variétés de Rn , mais
nous allons utliser le terme variété pour être en phase avec la littérature.

D ÉFINITION 1.26 Une sous-variété de classe Cr (resp. C∞ , Cω ) de dimension k de

Rn est un sous-ensemble W de Rn , tel que pour tout X0 ∈ W, il existe un voisinage
U de X0 et une fonction F : U → Rn−k de classe Cr (resp. C∞ , Cω ) et de rang
maximum (c’est-à-dire qu’en tout point X le rang de la transformation linéaire DF(X)
est n − k) tels que, pour tout X ∈ U, alors X ∈ W si et seulement si F(X) = 0.
22 CHAPITRE 1. GÉNÉRALITÉS

P ROPOSITION 1.27 Soit W une sous-variété de classe Cr (resp. C∞ , Cω ) de dimen-

sion k de Rn . Alors, pour tout X0 ∈ W, il existe un voisinage U de X0 , un ouvert V
de Rk et une fonction G : V → U de classe Cr (resp. C∞ , Cω ) tels que, pour tout
X 0 ∈ U, alors X ∈ W si et seulement si il existe Y ∈ V tel que X = G(Y).

P REUVE En X0 , l’hypothèse que F est de rang maximum permet d’appliquer le

théorème des fonctions implicites. Si F = (F1 , . . . Fn−k ) il existe des indices j1 <
∂Fi
j2 < · · · < jn−k tels que la matrice A = (aij` )|i,`=1,...,n−k , où aij` = ∂x j`
, est
inversible. Soit s1 < s2 < · · · < sk les indices différents des j` précédemment
définis. Le théorème des fonctions implicites donne l’existence de U, V et d’une
fonction g : V → Rn−k tels que si X = (x1 , . . . xn ) ∈ U, alors F(X) = 0 si et
seulement si (xj1 , . . . , xjn−k ) = g(xs1 , . . . , xsk ). On passe de g à G en rajoutant
les coordonnées xs1 , . . . , xsk .
Les preuves de l’existence des variétés stables et instables en classe Cr ou
C∞ sont assez longues et techniques. En classe analytique Cω , la preuve est
assez courte (voir par exemple [1]). Par contre, elle est faite pour des champs
sur des ouverts de Cn et il faut ensuite vérifier le caractère réel des variétés
obtenues.

T H ÉOR ÈME 1.28 On considère une EDO, ẋ = v(x), de classe Cr (resp. C∞ , Cω ) sur
un ouvert U de Rn et X0 un point singulier hyperbolique de type selle avec k (resp.
n − k) valeurs propres à partie réelle négative (resp. positive). On peut supposer que la
matrice A du linéarisé en X0 a la forme A = B0 C 0 , où les valeurs propres de B (resp.

C) ont des parties réelles négatives (resp. positives). Soit Es et Eu les sous-espaces
propres associés à B et C. Alors, dans un voisinage de X0 , il existe une unique variété
stable (resp. instable) W s (resp. W u ) de dimension k (resp. n − k) tangente au sous
espace Es (resp. Eu ) et invariante sous le flot. On a donc
– ∀t, φt (W s ) ⊂ W s et, ∀X ∈ W s , limt→+∞ φt (X) = X0 ;
– ∀t, φt (W u ) ⊂ W u et, ∀X ∈ W u , limt→−∞ φt (X) = X0 .

S CH ÉMA DE LA PREUVE Sans perte de généralité, on peut supposer que X0 =

0. Il suffit de faire la preuve de l’existence de W s . La variété W u est alors la
variété stable de l’EDO ẋ = −v(x). On écrit

v(X) = AX + f(X), f(0) = 0, Df(0) = 0, f(X) = o(|X|).

Comme le théorème est local, on peut remplacer le champ v(X) par un

champ w(X) = AX+f(X)ϕ(X), où φ est une fonction C∞ qui prend des valeurs
dans [0, 1], est identiquement égale à 1 au voisinage de l’origine et qui s’annule
en dehors d’une boule de rayon δ. La fonction ϕ est telle que la dérivée de
f(X)ϕ(X) est plus petite que sur tout Rn . Un avantage de cette transforma-
tion est que les trajectoires de w(X) se prolongent indéfiniment. On va garder
la notation v(X), plutôt que w(X) pour le nouveau champ.
On cherche la variété W s sous la forme d’un graphe

xj = ψj (x1 , . . . , xk ), j = k + 1, . . . , n.
1.7. VARIÉTÉS STABLES ET INSTABLES 23

Soit Bt
e 0 0 0
P(t) = , Q(t) = .
0 0 0 eCt
Remarquons que Ṗ = AP et Q̇ = AQ. Aussi,

eAt = P(t) + Q(t).

Soit α et σ tels que toutes les parties réelles des valeurs propres de B soient
inférieures à −α − 2σ et toutes les parties réelles des valeurs propres de C
soient supérieures à 2σ. Alors, il existe K tel que

kP(t)k ≤ Ke−(α+σ)t , t ≥ 0,
kQ(t)k ≤ Keσt , t ≤ 0.

Soit a ∈ Rn . On regarde l’équation intégrale pour u(t, a) ∈ Rn

Zt
u(t, a) = P(t)a + P(t − s)f(u(s, a))ds
0
Z +∞ (1.16)
− Q(t − s)f(u(s, a))ds.
t

On cherche une solution de cette équation qui reste bornée pour tout t > 0.
Commençons par montrer que u(t,a) pour a fixé est solution de l’EDO.
Zt
∂u
= P 0 (t)a + P(0)f(u(t, a)) + P 0 (t − s)f(u(s, a))ds
∂t 0
Z +∞
+ Q(0)f(u(t, a)) − Q 0 (t − s)f(u(s, a))ds
t
Zt
= AP(t)a + f(u(t, a)) + A P(t − s)f(u(s, a))ds
0
Z +∞
−A Q(t − s)f(u(s, a))ds
t
= Au(t, a) + f(u(t, a)) = v(u(t, a)).

On résoud l’équation (1.16) par approximations successives

u0 (t, a) ≡ 0
Zt
n+1
u (t, a) = P(t)a + P(t − s)f(un (s, a))ds
0
(1.17)
Z +∞
− Q(t − s)f(un (s, a))ds.
t

On montre par induction que

K|a|e−αt
|un+1 (t, a) − un (t, a)| ≤ .
2n
24 CHAPITRE 1. GÉNÉRALITÉS

En effet, on a |u1 (t, a| ≤ Ke−(α+σ)t |a|. Supposons maintenant que la propriété

soit vraie pour n − 1. Vu que kDfk < , alors est une constante de Lipschitz
pour f : |f(X) − f(X 0 )| < |X − X 0 | pour tous X, X 0 . Remarquons qu’on peut
prendre aussi petit que l’on veut : il suffit de prendre le δ assez petit dans le
choix de ϕ.
Zt
|un+1 (t, a) − un (t, a)| ≤ Ke−(α+σ)(t−s) |un (s, a)) − un−1 (s, a)|ds
0
Z +∞
+ Keσ(t−s) |un (s, a)) − un−1 (s, a)|ds
t
Z Z
K2 e−(α+σ)t |a| t σs K2 eσt |a| ∞ −(α+σ)s
≤ e ds + e ds
2n−1 0 2n−1 t
K2 |a| σt −(σ+α)t

−(α+σ)t e −1 σt e
≤ e +e
2n−1 σ σ+α
2 −αt −(α+σ)t −αt

K |a| e e e
≤ − +
2n−1 σ σ σ+α
K2 |a| e−αt e−αt

≤ +
2n−1 σ σ+α
K2 |a|e−αt 2
≤
2n−1 σ
K |a|e−αt
2
=
2n−2 σ
K|a|e−αt
≤
2n
si est choisi pour que K 1
σ < 4.
Alors limn→∞ un (t, a) = u(t, a), uniformément pour t ≥ 0. À la limite,
∞
X ∞
X K|a|e−αt
|u(t, a)| ≤ |un+1 − un | ≤ = 2K|a|e−αt
2n
n=0 n=0

et donc, limt→+∞ u(t, a) = 0.

La propriété remarquable est que les (n − k) dernières composantes de a
n’ont aucune influence sur la solution : cela vient de la construction des un .
Donc,
u(t, a) = u(t, (a1 , . . . , ak , 0, . . . , 0))
et, si u = (u1 , . . . , un ), alors

aj , j = 1, . . . , k,
uj (0, a) = R∞
− 0 Q(−s) f(u(s, (a1 , . . . , ak , 0, . . . , 0))ds, j = k + 1, . . . , n.

Ceci nous fournit la définition des fonctions ψj :

ψj (a1 , . . . , ak ) = uj (0, (a1 , . . . , ak , 0, . . . , 0)), j = k + 1, . . . , n.

1.7. VARIÉTÉS STABLES ET INSTABLES 25

Les équations

xj = ψj (x1 , . . . , xk ) = uj (0, (a1 , . . . , ak , 0, . . . , 0)), j = k + 1, . . . , n

définissent une variété de dimension k. De plus, si X(t) est une solution telle
que X(0) = u(0, a) ∈ W s pour un certain a, alors X(t) = u(t, a) = u(0, u(t, a)).
Donc, X(t) ∈ W s pour tout t > 0.
Il reste à montrer que les fonctions ψj sont de classe Cr . Cette partie de-
mande du travail et nous la sauterons : c’est pourquoi nous avons dit que nous
ne faisions qu’un schéma de la preuve.

La preuve précédente est un peu longue. Par contre, le calcul de la série de

Taylor tronquée des variétés stables et instables se fait facilement. Cette série
de Taylor permet, entre autres, de connaı̂tre la concavité des variétés stables et
instables au voisinage du point de selle.

E XEMPLE 1.29 On considère le système

ẋ = y + 2x2 − y2 ,
ẏ = x + 4xy + 2y2 .

La matrice du point de selle à l’origine est A = 01 10 de valeurs propres 1 et −1. Une
matrice de changement de base diagonalisant A a pour colonnes des vecteurs propres
de A, soit par exemple la matrice S = 11 −1 1 et son inverse est
1 1

S−1 = 2 2 .
− 12 12

Les nouvelles coordonnées X1 sont données par X1 = S−1 X. Alors, si X1 = (x1 , y1 ),

on a
7 1
ẋ1 = x1 + x21 − x1 y1 − y21 ,
2 2
5 2 3
ẏ1 = −y1 + x1 + 5x1 y1 − y21 .
2 2
La variété instable est de la forme

y1 = h(x1 ) = ax21 + bx31 + O(|x1 |4 ),

et la variété stable de la forme

x1 = k(y1 ) = cy21 + dy31 + O(|y1 |4 ).

Pour faire le calcul, on écrit que y1 = h(x1 ) est invariante sous le flot. Donc,

(ẏ1 )|y1 =h(x1 ) = (h 0 (x1 )ẋ1 )|y1 =h(x1 ) .

On évalue les deux côtés et on identifie les termes de même degré en x1 :

26 CHAPITRE 1. GÉNÉRALITÉS

– Termes de degré 2 : on obtient 52 − a = 2a, d’où on tire a = 56 ;

– Termes de degré 3 : on obtient 5a−b = 7a+3b, d’où on tire b = − a2 = − 12
5
.
De même, pour la variété stable, on considère l’équation
(ẋ1 )|x1 =k(y1 ) = (k 0 (y1 )ẏ1 )|x1 =k(y1 ) .
On évalue les deux côtés et on identifie les termes de même degré en y1 :
– Termes de degré 2 : on obtient = 12 + c = −2c, d’où on tire c = 16 ;
– Termes de degré 3 : on obtient −c + d = −3c − d = 2c + 4d, d’où on tire
d = − 2c = − 12 1
.
Donc, la variété instable est de la forme
5 2 5
y1 = x1 − x31 + O(x41 ),
6 12
et la variété stable est de la forme
1 2 1
x1 = y − y3 + O(y41 ).
6 1 12 1
E XEMPLE 1.30 On va revenir sur le système de Lorenz et calculer en première ap-
proximation la variété stable et instable du point de selle à l’origine quand ρ > 1. Le
système a la forme
      
ẋ −σ σ 0 x 0
ẏ =  ρ −1 0  y + −xz .
ż 0 0 −β z xy
On doit changer de variables pour diagonaliser la matrice. Soit
q
D = (σ − 1)2 + 4σρ.

Une matrice de changement de base est

 
σ σ 0
σ−1+D σ−1−D
S= 
2 2 0
0 0 1
d’inverse  σ−1−D 1

− 2σD D 0
S−1 =  σ−1+D
2σD −D1
0
0 0 1
−1
Le changement X1 = S X transforme le système en
−(σ + 1) + D σ
ẋ1 = x1 − (x1 + y1 )z1 ,
2 D
−(σ + 1) − D σ
ẏ1 = y1 + (x1 + y1 )z1 ,
2 D
1 1
ż1 = −βz1 + σ(σ − 1 + D)x21 + σ(σ − 1)x1 y1 + σ(σ − 1 − D)y21 .
2 2
1.7. VARIÉTÉS STABLES ET INSTABLES 27

La variété stable est tangente au plan (y1 , z1 ). Elle est donc de la forme

x1 = h(y1 , z1 ) = ay21 + by1 z1 + cz21 + O(|(y1 , z1 )|3 ).

La variété instable est tangente à l’axe x1 et de la forme

(y1 , z1 ) = (k1 (x1 ), k2 (x1 )) = (dx21 + O(x31 ), ex21 + O(x31 )).

On les calcule comme précédemment. Le calcul donne a = c = d = 0,

σ σ(D + σ − 1)
b= , e= .
D(β + D) 2(D + β − σ − 1)
28 CHAPITRE 1. GÉNÉRALITÉS
Bibliographie

[1] Y. Ilyashenko et S. Yakovenko, Lectures on analytic differential equations,

Graduate studies in Mathematics, Volume 86, American Mathematical So-
ciety (2008).

29
Chapitre 2

Théorie de la stabilité de
Lyapunov
2.1 Introduction
Nous avons vu qu’un point singulier pour lequel la matrice du linéarisé
a des valeurs propres à partie réelle négative est asymptotiquement stable. Si
certaines des valeurs propres ont des parties réelles positives, le point est in-
stable. Mais qu’en est-il dans les autres cas ? Beaucoup de situations peuvent
se produire et il n’existe pas de méthode générale permettant de conclure dans
tous les cas, mais plutôt un certain nombre de méthodes ad hoc. La méthode de
Lyapunov en est une. Elle est très importante parce qu’elle permet de conclure
dans plusieurs cas où les autres méthodes ne fonctionnent pas. De plus, elle
permet d’évaluer la taille du bassin d’attraction d’une singularité, ce que ne
permet pas le critére du signe des parties réelles des valeurs propres. L’idée
géométrique est très simple. Commençons par quelques définitions.

D ÉFINITION 2.1 1. Un point singulier X0 d’un champ de vecteurs Ẋ = v(X)

défini sur un ouvert U est stable si, pour tout voisinage V de x0 , il existe un
voisinage W de x0 tel que si X1 ∈ W, alors φt (X1 ) = X(X1 , t) ∈ V pour t ≥ 0.
2. Un point singulier X0 d’un champ de vecteurs Ẋ = v(X) défini sur un ouvert
U est asymptotiquement stable s’il existe un voisinage V de X0 tel que, pour
tout X1 ∈ V alors, limt→+∞ φt (X1 ) = X0 .
3. Soit X0 un point singulier asymptotiquement stable d’un champ de vecteurs
v(X) défini sur un domaine U. Le bassin d’attraction de X0 est l’ensemble des
points X1 ∈ U tels que limt→+∞ φt (X1 ) = X0 .

E XEMPLE 2.2 L’origine dans le système

ẋ = −y,
ẏ = x,

31
32 CHAPITRE 2. THÉORIE DE LA STABILITÉ DE LYAPUNOV

est stable. En effet, ṙ = 0. Donc, si on prend V = W = B(0, r), toute trajectoire

issue de x1 ∈ W reste toujours dans V. Par contre les trajectoires sont incluses
dans des cercles centrés en 0. Le point n’est donc pas asymptotiquement stable.
2. L’origine dans le système
1.

ẋ = −y − x(x2 + y2 ),
ẏ = x − y(x2 + y2 ),

est asymptotiquement stable. En effet, il est aisé de vérifier que ṙ = −r3 . Dans
ce cas-ci on peut intégrer explicitement ṙ = −r3 et vérifier que limt→+∞ = 0.
Ceci, c’est l’approche analytique. Il y a une deuxième manière, plus géométrique
de conclure. Cette deuxième se généralisera en la méthode de Lyapunov.
Considérons la fonction F(x, y) = x2 + y2 = r2 . Ses courbes de niveau sont
des cercles concentriques autour de l’origine. Regardons comment est dirigé le
champ en un point d’une telle courbe. On voit qu’il est dirigé vers l’intérieur
d
de la courbe. En effet, considérons dt F(x(t), y(t)). Par la règle de dérivation en
chaı̂ne,
d ∂F ∂F
F(x(t), y(t)) = ẋ + ẏ = −r4 < 0
dt ∂x ∂y
partout, sauf à l’origine. Donc, le champ est dirigé dans la direction dans laquelle
F décroı̂t, c’est-à-dire vers l’intérieur de la courbe.
Cette approche géométrique nous a évité d’intégrer une équation différen-
tielle. Aussi, on voit que l’expression exacte de la fonction F(x, y) n’a pas d’im-
portance tant que ses courbes de niveau sont concentriques autour de l’origine.
De plus, l’idée peut fonctionner en dimension supérieure. Cette approche est
précisément la méthode de Lyapunov.

T H ÉOR ÈME 2.3 On considère un champ de vecteurs v(X) de classe C1 défini sur un
ouvert U de Rn et X0 un point singulier de v. Soit V un voisinage de X0 et F : V → R
une fonction de classe C1 telle que
– F ait un minimum local strict en X0 ;
– Ḟ = h∇F(X), v(X)i ≤ 0 pour tout X ∈ V.
Alors, X0 est stable. Si, de plus Ḟ < 0 pour X ∈ V\{X0 }, alors X0 est asymptotiquement
stable.
P REUVE Soit r tel que la boule fermée B(X0 , r) soit incluse dans V et soit L le
minimum de F sur la sphère C(X0 , r). Alors L > F(X0 ). On considère W = {X ∈
V | F(X) < L}. Bien sûr, W ⊂ V. De plus si X1 ∈ W, alors F(φt (X1 )) ≤ F(X1 )
pour tout t ≥ 0 puisque F décroı̂t le long des trajectoires. Donc F(φt (X1 )) ∈
W ⊂ V pour tout t ≥ 0. On en conclut que X0 est stable.
Supposons maintenant qu’on ait l’hypothèse plus forte que Ḟ < 0. Puisque
l’ensemble des points {φt (X1 ) | t ≥ 0} est borné, il contient un point d’ac-
cumulation X2 . Montrons que X2 = X0 . En effet, il existe t1 < t2 < · · · <
tn < . . . tels que φtn (X1 ) → X2 , où tn → ∞. De plus, si Xn = φtn (X1 ),
alors la suite F(Xn ) est strictement décroissante vers un minimum m = F(X2 ).
2.2. LES RAFFINEMENTS DE LASALLE 33

Si m = F(X0 ), alors X2 = X0 . Sinon, considérons la trajectoire issue de X2 .

Alors, F décroı̂t le long de cette trajectoire. Donc, pour T > 0, alors F(φT (X2 )) =
0
m 0 < m = F(X2 ). Soit < m−m 2 . Par continuité des solutions par rapport aux
conditions initiales, il existe un voisinage W 0 de X2 tel que si X3 ∈ W 0 , alors
|F(φT (X3 )) − F(φT (X2 ))| < . On prend un x3 particulier de la forme φtn (X1 ).
Alors, F(φT +tn (X1 )) < m. Mais, il existe tm > T + tn . Comme F décroı̂t le long
des trajectoires, F(φT +tn (X1 )) > F(φtm (X1 )) ≥ m. Contradiction.

La fonction F du théorème est appelée fonction de Lyapunov.

Comme on le voit, la méthode est puissante, mais il n’est pas toujours facile
de trouver une fonction de Lyapunov. C’est une question de flair.

E XEMPLE 2.4 Considérons le champ

ẋ = y,
(2.1)
ẏ = −x3 − x2 y.

Si l’on exclut le terme x2 y on a un système hamiltonien de fonction de Hamilton

2 4
H(x, y) = y2 + x4 . Ceci suggère de voir si cette fonction n’est pas une fonction de
Lyapunov pour le système total. C’est le cas puisque

Ḣ = −x2 y2 ≤ 0.

Donc, on peut conclure par le théorème précédent que l’origine est stable. Mais on voit
bien que Ḣ ne s’annule que sur les axes et qu’ailleurs il est partout négatif. Ceci suggère
qu’on peut espérer montrer que l’origine est asymptotiquement stable. Le théorème de
Lyaounov ne suffit plus, mais LaSalle a montré des raffinements plus puissants. En
voici un.

2.2 Les raffinements de la théorie par LaSalle

T H ÉOR ÈME 2.5 On considère un champ de vecteurs v(X) de classe C1 défini sur
un ouvert U de Rn . Soit K un sous-ensemble compact positivement invariant. Soit
V un ouvert contenant K et F : V → R une fonction de classe C1 telle que Ḟ =
h∇F(X), v(X)i ≤ 0 pour tout X ∈ V. Soit E l’ensemble des points de K sur lequel
Ḟ(X) = 0. Soit M le plus grand sous-ensemble invariant de E. Alors toute solution
commençant dans K a son ensemble ω-limite dans M.

Soit X(t) = φt (X1 ) une solution commençant en X1 ∈ K. Comme F(X) est

continue sur K, elle est bornée inférieurement. De plus F(X(t)) est décroissante
et tend donc vers une limite c quand t → +∞. L’ensemble ω-limite Γ de X(t)
est contenu dans K, puisque K est fermé. Puisque F est continue, nécéssairement
F(X) = c sur Γ . De plus Γ est invariant. Donc, Ḟ = 0 sur Γ et Γ ⊂ M.
Revenons sur l’exemple 2.4.
34 CHAPITRE 2. THÉORIE DE LA STABILITÉ DE LYAPUNOV

E XEMPLE 2.6 On conidère le champ (2.1). Un sous ensemble compact positivement

orienté est par exemple donné par K = {(x, y) | H(x, y) ≤ R}. On a bien Ḣ =
−x2 y2 ≤ 0 sur K.
E = {(x, y) ∈ K | x = 0 ou y = 0}.
En (x, 0) 6= (0, 0) on a ẏ = −x3 6= 0. Donc, la trajectoire issue de (x, 0) ∈ E n’est pas
incluse dans E. De même, en (0, y) 6= (0, 0) on a ẋ = y 6= 0. Donc, la trajectoire issue
de (0, y) ∈ E n’est pas incluse dans E. Donc, le plus grand sous-ensemble invariant de
E est M = {(0, 0)}. Par le théorème de LaSalle, toute solution commençant dans K a son
ensemble ω-limite en (0, 0) et donc, l’origine est asymptotique stable. Remarquons que
pour cet exemple, si (x, y) ∈ R2 , on peut prendre R > H(x, y) arbitrairement grand
et conclure que (x, y) est dans le bassin d’attraction de l’origine. On dira que l’origine
est globalement asymptotiquement stable.

E XEMPLE 2.7 On revient sur le système de Lorenz

ẋ = σ(y − x),
ẏ = ρx − y − xz, (2.2)
ż = −βz + xy,

étudié à l’exemple 1.20. on a vu que l’origine est asympotiquement stable pour ρ < 1,
instable pour ρ > 1 et on n’a pu conclure si ρ = 1. Dans le cas ρ < 1 notre étude
n’a pas révélé la taille du bassin d’attraction. En utilisant une fonction de Lyapunov
appropriée, on pourra conclure que l’origine est globalement asymptotiquement stable
pour ρ 6= 1. Essayons une fonction F(x, y) = ax2 + by2 + cz2 où a, b, c > 0.

Ḟ = 2axσ(y − x) + 2by(ρx − y − xz) + 2cz(−βz + xy)

= 2 −aσx2 − by2 − cβz2 + xy(aσ + bρ) + xyz(c − b) .

On prend donc b = c. En multipliant F par une constante on peut normaliser a = 1.

Alors,
Ḟ
= [−σx2 − by2 + xy(σ + bρ)] − bβz2 .
2
On doit choisir b pour que la forme quadratique Q(x, y) = −σx2 − by2 + xy(σ + bρ)
soit définie positive. Il faut donc que

∆ = (σ + bρ)2 − 4σb < 0.

Voyons que le choix b = σ convient. En effet,

∆|b=σ = σ2 [(1 + ρ)2 − 4] = σ2 [ρ2 + 2ρ − 3] = σ2 (ρ − 1)(ρ + 3),

et donc, ∆|b=σ < 0 pour ρ < 1. En conclusion, pour F(x, y) = x2 + σy2 + σz2 , on a
Ḟ < 0 si ρ < 1 et l’origine est asymptotiquement stable. Regardons maintenant ce qui
se passe pour ρ = 1. Alors,

Ḟ
= −σ(x − y)2 − βz2 ≤ 0.
2
2.2. LES RAFFINEMENTS DE LASALLE 35

Le théorème de Lyapunov permet de conclure que l’origine est stable. Utilisons main-
tenant le théorème de LaSalle. E = {(x, x, 0) | x ∈ R}. Soit (x, x, 0) 6= (0, 0, 0) un
point de E. Pour montrer que sa trajectoire n’est pas dans E on montre que ż|(x,x,0)6=0 .
En effet, ż|ρ=1,y=x6=0,z=0 = x2 6= 0. Donc, M = {(0, 0, 0)} est le plus grand sous-
ensemble invariant de E et l’ensemble ω-limite de toute trajectoire est l’origine. On en
conclut que l’origine est encore asymptotiquement stable.
36 CHAPITRE 2. THÉORIE DE LA STABILITÉ DE LYAPUNOV
Bibliographie

[1] J.P. LaSalle, Some extensions of Liapunov’s second method, IRE Trans. Cir-
cuit Theory, CT-7 (1960), 520–527.

37
Chapitre 3

Équivalences de champs de
vecteurs
3.1 Introduction

La théorie qualitative des équations différentielles ordinaires décrit qualita-

tivement les trajectoires des équations. Dire que deux équations différentielles
ordinaires ont qualitativement les mêmes trajectoires, c’est dire qu’elles sont
équivalentes sous une relation d’équivalence adéquate. Dans ce chapitre, nous
allons voir qu’il faut plusieurs tâtonnements avant de définir les bonnes re-
lations d’équivalence. Lorsqu’on a une relation d’équivalence, l’idéal est d’in-
dentifier un représentant canonique de la classe d’équivalence. Par exemple,
dans le cas de la relation d’équivalence donnant la similitude des matrices,
deux matrices sont semblales si et seulement si elles ont la même forme de
Jordan (modulo les symétries de cette forme de Jordan). De la même manière,
mais seulement dans les cas les plus simples, on peut identifier un représentant
canonique de la classe d’équivalence. La plupart des classes d’équivalence que
nous considérerons seront locales, c’est-à-dire pour des germes d’équations
différentielles ou de champs de vecteurs.

D ÉFINITION 3.1 Un germe de champs de vecteurs en un point X0 est une classe

d’équivalence de champs de vecteurs v : U → Rn , où U est un voisinage ouvert de Rn ,
sous la relation d’équivalence suivante : v : U → Rn est équivalent à w : U 0 → Rn si
et seulement si v ≡ w sur U ∩ U 0 .

R EMARQUE 3.2 On définit de la même manière les germes de fonctions. Parler de

germe en un point, plutôt que de fonction, libère de la contrainte de définir le domaine
de définition, dont on sait seulement que c’est un voisinage du point.

39
40 CHAPITRE 3. ÉQUIVALENCES DE CHAMPS DE VECTEURS

3.2 Le cas des systèmes linéaires

3.2.1 Equivalence linéaire
On considère un système linéaire

Ẋ = AX,

où X ∈ Rn et A est une matrice n×n à entrées réelles. Un tel système est global.

Étant donné deux systèmes linéaires Ẋ = AX et Ẏ = BY sur Rn , il est

naturel de se demander si le deuxième système peut se déduire du premier
par un changement linéaire de coordonnées (qui préservera donc la forme du
système). Essayons de poser Y = SX, où S est une matrice n × n inversible.
Alors
Ẏ = SẊ = SAX = (SAS−1 )Y.
Donc, B = SAS−1 , c’est-à-dire que B est semblable à A. Par suite, A et B ont les
mêmes valeurs propres et la même forme de Jordan.

Cette relation d’équivalence est très forte. Trop forte en fait : elle a beaucoup
trop de classes d’équivalence. En effet, regardons deux champs de vecteurs
linéaires de R2 ayant par exemple tous deux un point de selle, ou encore tous
deux un foyer attractif avec une vitesse angulaire positive. Lorsqu’on regarde
les trajectoires, on a envie de dire que les deux champs sont équivalents, même
si les valeurs propres ne sont pas les mêmes. Il nous faut donc une relation
d’équivalence plus faible.

3.2.2 Équivalence différentiable

À partir de maintenant, on va se contenter de relations d’équivalence lo-
cales : on voudra dire que deux champs de vecteurs ont, chacun restreint à un
ouvert donné, la même organisation des trajectoires.
Puisqu’on travaille en classe de différentiabilité Cr où r ≥ 1, on va considérer
des transformations qui préservent la classe de différentiabilité. Ce seront, par
exemple, des difféomorphismes de classe Cr+1 . En effet, si v(X) est un champ
de vecteurs correspondant à une équation différentielle ordinaire Ẋ = v(X) sur
un ouvert U de Rn et si F : U 0 ⊂ U → Rn est un difféormorphisme de classe
Cr+1 , alors la transformée de l’équation différentielle par F est donnée par

Ẏ = DF(F−1 (Y))v(F−1 (Y)),

qui est bien de classe Cr . Ceci se vérifie en utilisant la règle de chaı̂ne.

Le théorème de redressement (théorème 1.8 du chapitre 1) montre que, si
v(X) et w(Y) sont deux champs de vecteurs de classe Cr et v(X0 ) 6= 0, w(Y0 ) 6=
0, alors il existe des voisinages U1 de X0 et U2 de Y0 tels que v|U1 et w|U2 sont
3.2. LE CAS DES SYSTÈMES LINÉAIRES 41

Cr−1 -équivalents, puisque Cr−1 -équivalents au champ constant (1, 0, . . . , 0).

Donc, le cas intéressant est le voisinage des points singuliers.

Soit X0 un point singulier d’un champ de vecteurs v(X), c’est-à-dire v(X0 ) =

0. Alors, au voisinage de X0 , la formule de Taylor tronquée donne

v(X) = A(X − X0 ) + f(X),

où A = Dv(X0 ) et f(X) = o(|X−X0 |). Appliquons un difféomorphisme Y = F(X)

de classe C2 au voisinage de X0 . Il est de la forme

Y = Y0 + S(X − X0 ) + G(X),

où G(X) = O(|X − X0 |2 ). Alors,

Ẏ = (S + DG(X))Ẋ
(3.1)
= SA(X − X0 ) + Sf(X) + DG(X)(A(X − X0 ) + f(X)).

Par le théorème des fonctions implicites on a que

X = X0 + S−1 (Y − Y0 ) + O(|Y − Y0 |2 )

puisqu’on sait que D(F−1 )(Y0 ) = (DF(X0 ))−1 . Donc,

Ẏ = w(Y) = SAS−1 (Y − Y0 ) + o(|Y − Y0 |).

Comme on pouvait s’y attendre, on voit qu’un difféomorphisme transformant

un champ de vecteurs en un autre champ de vecteurs envoie un point singulier
sur un point singulier. On voit aussi que la matrice jacobienne de w en Y0 est
semblable à la matrice jacobienne de v en X0 . Encore une fois on a une relation
d’équivalence trop forte !

3.2.3 Équivalence topologique

Pour donner une relation d’équivalence plus faible on va abandonner la
contrainte que F soit différentiable et seulement demander que F soit un homéo-
morphisme. Mais alors, comment fait-on pour transformer un champ de vec-
teurs différentiable par une application seulement continue ? En fait, on ne
peut pas faire cela. Pourtant, cela a du sens de demander que F, qui est un
homéomorphisme, transforme les trajectoires de v en trajectoires de w. Heu-
reusement on a un autre outil qui nous permet d’exprimer ce concept sans
dériver F : il s’agit du flot !

D ÉFINITION 3.3 Deux équations différentielles ordinaires Ẋ = v(X) et Ẏ = w(Y)

sont topologiquement équivalentes sur des ouverts U et U 0 s’il existe un homéomorphis-
me F : U → U 0 qui conjugue les flots de v et w :

F ◦ Φtv = Φtw ◦ F,
42 CHAPITRE 3. ÉQUIVALENCES DE CHAMPS DE VECTEURS

dès que ces compositions sont définies :

F
U −−−−→ > U 0
 
Φtv y Φtw y
 

F
U −−−−→ > U 0
Cette relation d’équivalence convient : on peut montrer que deux champs
de vecteurs linéaires de R2 ayant, par exemple, tous deux un point de selle, ou
encore tous deux un foyer attractif avec une vitesse angulaire positive sont to-
pologiquement équivalents. Mais elle nous réserve des surprises ! Les classes
d’équivalence sont beaucoup plus grandes que ce qu’on prévoyait au début.
Ainsi, tous les systèmes linéaires sur Rn ayant un foyer attractif à vitesse an-
gulaire positive, un noeud ou un foyer attractif à vitesse angulaire négative
sont topologiquement équivalents. Dans le cas où toutes les valeurs propres
ont des parties réelles non nulles, on a exactement n + 1 classes d’équivalence
correspondant au nombre de valeurs propres à partie réelle négative.

D ÉFINITION 3.4 1. Une matrice carrée A est hyperbolique si toutes ses valeurs
propres ont des parties réelles non nulles.
2. Un point singulier d’un champ de vecteurs est hyperbolique si toutes les va-
leurs propres du linárisé du champ en ce point ont des parties réelles non nulles.

T H ÉOR ÈME 3.5 Deux équations différentielles linéaires Ẋ = AX et Ẏ = BY sur Rn à

matrice hyperbolique sont topologiquement équivalentes si et seulement si les matrices
A et B ont le même nombre de valeurs propres à partie réelle négative.

P REUVE Soit n+ (resp. n− ) le nombre de valeurs propres à partie réelle positive

(resp. négative). Il suffit de montrer que chacun des systèmes est topologique-
ment équivalent au système produit

Ż+ = Z+ ,
(3.2)
Ż− = −Z− ,

où Z+ ∈ Rn+ et Z− ∈ Rn− . Ce système est un représentant canonique de

la classe d’équivalence. Nous allons le noter Ż = CZ, où Z = (Z+ , Z− ). Nous
montrerons que le système Ẋ = AX est topologiquement équivalent au système
Ż = CZ en plusieurs étapes :
(i) On peut appliquer une transformation linéaire et ramener le système Ẋ =
AX à la forme
B+ 0
Ẇ = BW = W,
0 B−
où B+ (resp. B− ) est une matrice carrée n+ × n+ (resp. n− × n− ) dont
les valeurs propres ont des parties réelles positives (resp. négatives). La
matrice B pourrait par exemple être une matrice de Jordan avec les blocs
3.2. LE CAS DES SYSTÈMES LINÉAIRES 43

bien ordonnés, mais ce n’est pas nécessaire que ce soit le cas. Il suffit donc
de montrer que le système Ẇ = BW est topologiquement équivalent au
système Ż = CZ.
(ii) Posons W = (W+ , W− ). Alors le système Ẇ = BW s’écrit aussi
Ẇ+ = B+ W+ ,
(3.3)
Ẇ− = B− W− .
Il est facile de vérifier que si F+ (resp. F− ) est une équivalence topologique
entre Ẇ+ = B+ W+ et Ż+ = Z+ (resp. Ẇ− = B− W− et Ż− = Z− ), alors
F = (F+ , F− ) est une équivalence topologique entre Ẇ = BW et Ż = CZ.
(Exercice.)
(iii) Par (i) et (ii) il suffit de montrer le théorème pour une matrice B dont
toutes les valeurs propres ont des parties réelles négatives. Ici, on va
supposer que la matrice B est sous une forme pour laquelle la fonction
M(W) = |W|2 = w21 + · · · + w2n est une fonction de Lyapunov (voir cha-
pitre 1), c’est-à-dire qu’il existe α, β > 0 tels que
−α|W|2 ≤ LB (M) ≤ −β|W|2 , (3.4)
où LB (M) est la dérivée de Lie de M le long du champ BW.
La fonction M(Z) = |Z|2 est aussi une fonction de Lyapunov pour le
champ CZ = −Z et on a LC (M) = −|Z|2 , où LC (M) est la dérivée de
Lie de M le long du champ CZ.
Soit S1 la sphère unité. On définit F ainsi :


F|S1 = id,
F(0) = 0,


F(W1 ) = ΦtC ◦ F ◦ Φ−t B (W1 ), si Φ−t 1
B (W1 ) ∈ S ,

où ΦtB (resp. ΦtC ) est le flot du champ Ẇ = BW (resp. Ż = CZ = −Z).

F est globalement définie et bijective sur Rn . En effet, soit W1 6= 0. Par
(3.4), il existe t et W0 ∈ S1 uniques tels que W1 = ΦtB (W0 ), On pose
F(W1 ) = ΦtC (W0 ). Par construction, on a F ◦ ΦtB = ΦtC ◦ F (exercice : écrire
les détails). F est bien sûr inversible. Pour le montrer, le plus simple est de
construire son inverse (exercice : écrire les détails). On a même que F est
un difféomorphisme, puisque le flot est différentiable, sauf à l’origine. Il
faut montrer que F est continue à l’origine. Soit > 0. Puisque LC (M) =
−|Z|2 , il existe T > 0 tel que si Z0 = W0 ∈ S1 , alors |ΦTC (Z0 )| < . Soit
δ = minW0 ∈S1 |ΦTB (W0 )|. Alors, si |W1 | < δ, il existe T1 > T et W0 ∈ S1 tels
que W1 = ΦTB1 (W0 ). Donc, F(W1 ) = ΦTC1 (W0 ) et, par suite, |F(W1 )| < ,
ce qui montre bien la continuité de F en 0. La continuité de F−1 en 0 se
montre de la même manière.
(iv) En fait, il faut aussi montrer le théorème pour une matrice B dont toutes
les valeurs propres ont des parties réelles positives. Exercice : expliquer
comment déduire ceci de (iii).
44 CHAPITRE 3. ÉQUIVALENCES DE CHAMPS DE VECTEURS

3.3 Équivalence topologique orbitale

Par la suite, nous aurons besoin d’une relation déquivalence encore plus
faible ! En effet, si deux systèmes sont topologiquement équivalents, l’homéo-
morphisme qui conjugue leurs flots envoie les orbites périodiques du premier
sur les orbites périodiques du second. Mais, ceci n’est possible que lorsque les
orbites périodiques ont même période ! Donc, par exemple, deux systèmes qui
ont même organisation topologique des trajectoires et chacun un unique cycle
limite globalement attractif ne sont pas topologiquement équivalents si leurs
cycles limites n’ont pas la même période. Ils seront par contre topologiquement
orbitalement équivalents au sens de la définition suivante.

D ÉFINITION 3.6 Deux équations différentielles ordinaires Ẋ = v(X) et Ẏ = w(Y)

sont topologiquement orbitalement équivalentes sur des ouverts U et U 0 s’il existe
un homéomorphisme F : U → U 0 qui envoie les trajectoires de v sur les trajec-
toires de w en préservant l’orientation des trajectoires mais pas nécessairement la pa-
ramétrisation.

3.4 Systèmes dynamiques discrets et continus

D ÉFINITION 3.7 Un système dynamique est une paire {U, {Φt }t∈T }, où U est un
ouvert de Rn (ou plus généralement une variété différentiable), appelé espace des états,
et {Φt }t∈T est une famille d’opérateurs d’évolution, Φt , de classe C1 satisfaisant
Φ0 = id, (3.5)
t+s t s
Φ =Φ ◦Φ , (3.6)
la dernière propriété étant valide lorsque la composition est définie.
Le système dynamique peut être discret ou continu.

D ÉFINITION 3.8 Une position d’équilibre d’un système dynamique {U, {Φt }t∈T } est
un point X0 ∈ U tel que Φt (X0 ) = X0 pour tout t ∈ T .

E XEMPLE 3.9 La paire {U, {Φt }t∈R }, où {Φt }t∈R est l’application du flot d’une EDO
de classe C1 .

E XEMPLE 3.10 La paire {U, {Fn }n∈Z }, où F : U → Rn est un difféomorphisme de

classe C1 .

E XEMPLE 3.11 La paire {U, {Fn }n∈N }, où F : U → Rn est de classe C1 .

E XEMPLE 3.12 Un exemple de système dynamique discret est donné par le flot d’une
équation différentielle ordinaire Ẋ = v(X) en un temps T fixé, ΦT . Regarder les itérées
de F = ΦT , c’est-à-dire les composées
Fn = F| ◦ F ◦{z· · · ◦ F}
n
3.4. SYSTÈMES DYNAMIQUES DISCRETS ET CONTINUS 45

revient à regarder l’évolution du système aux différents temps discrets tn = nT . On

regardera aussi le cas n négatif, qui correspond à la |n|-ième itérée de F−1 . L’application
F est un difféomorphisme.

E XEMPLE 3.13 Un autre exemple de système dynamique discret est donné par l’appli-
cation de premier retour de Poincaré, P, définie au voisinage d’une solution périodique
d’une EDO de classe Cr . Cette application est définie sur une section Σ de classe
Cr transversale à la solution périodique. La solution périodique coupe la section Σ
en un point X0 qui est un point fixe de P. Voyons que cette application P est un
difféomorphisme de classe Cr . On peut supposer que la section Σ est donnée par F(X) =
0, où F est de classe Cr au voisinage de X0 . Comme elle est transversale à la solu-
tion périodique en X0 , on a ∇F(X0 ) · v(X0 ) 6= 0. Comme dans le théorème de re-
dressement, on fait un changement de variables X 7→ (t, Y), où Y ∈ V ⊂ Rn−1
paramétrise un voisinage de X0 dans Σ : le point de Σ paramétré par Y est alors donné
par g(Y), où g est de classe Cr et de rang n − 1, et g(Y0 ) = X0 . Alors, pour Y ∈ Σ,
P(Y) = Φt (Y) où t est tel que F(φt (g(Y))) = 0. On a F(φt0 (g(Y0 )) = 0. Aussi
∂ t t0 t0
∂t (F(φ (g(Y))))|(t0 ,Y0 ) = ∇F(φ (X0 )) · v(φ (X0 ) 6= 0. On peut donc appliquer le
théorème des fonctions implicites et on trouve que F(φt (X)) = 0 dans un voisinage de
X0 si et seulement si t = T (Y) pour une fonction de classe Cr définie sur un voisinage
W de Y0 . Alors P(Y) = φT (Y) (Y) est de classe Cr car composition de fonctions de
classe Cr . Elle est inversible de par le théorème d’existence et d’unicité des solutions
des EDO.

E XEMPLE 3.14 Dans le cas d’une équation différentielle non autonome Ẋ = v(X, t),
où v(X, t + T ) = v(X, t), on regardera souvent les solutions aux instants t0 + nT ,
n ∈ Z. Ceci se fait en itérant l’application du flot ΦTt0 = F, qui à la condition initiale
(X1 , t0 ) fait correspondre la solution au temps t0 + T .

P ROPOSITION 3.15 Soit Ẋ = v(X) une équation différentielle ordinaire de classe C1

sur U et soit F = ΦT le flot au temps T . Si X0 est un point singulier de v, alors X0
est un point fixe de F. Si A = Dv(X0 ), alors la partie linéaire de F en X0 est eAT . En
particulier, si le point singulier X0 est hyperbolique, alors la matrice DF(X0 ) n’a que
des valeurs propres de module différent de 1.
P REUVE Pour calculer la matrice jacobienne de F en X0 il faut se rappeler la
construction de F et de sa dérivée (voir chapitre 1). On a

ΦT (X) = lim Φm (X, T )

m→∞

et
DΦT (X) = lim Ψm (X, T )
m→∞
où 

Φ0 (X, t) = X,

Ψ (X, t) = I ,
0 n
Rt

Φ (X, t) = X + 0 v(Φm (X, s)) ds,


m+1
Rt
Ψm+1 (X, t) = In + 0 Dv(Φm (X, s))Ψm (X, s) ds.
46 CHAPITRE 3. ÉQUIVALENCES DE CHAMPS DE VECTEURS

Calculons ces fonctions lorsque X = X0 . Alors, pour tout m et s > 0 on a

Φm (X0 , s) = X0 et
Ψ0 (X0 , T ) = In ,
Ψ1 (X0 , T ) = In + AT,
A2 2
Ψ2 (X0 , T ) = In + AT + T ,
2!
.. ..
. .
X
m
Am
Ψm (X0 , T ) = In + T m,
m!
i=1
.. ..
. .,
d’où le résultat.

D ÉFINITION 3.16 Soit F : U → Rn une application de classe C1 , où U est un ouvert

de Rn , et X0 un point fixe de F. Le point fixe X0 est hyperbolique si DF(X0 ) a toutes
ses valeurs propres en dehors du cercle unité.

T H ÉOR ÈME 3.17 Soit F : U → Rn une application de classe C1 , où U est un ouvert
de Rn , et X0 un point fixe hyperbolique de F, dont toutes les valeurs propres ont mo-
dule inférieur à 1. Alors, X0 est asymptotiquement stable, c’est-à-dire qu’il existe un
voisinage V de X0 tel que, pour tout X1 ∈ V, limm→∞ Fm (X1 ) = X0 .
P REUVE Au voisinage de X0 le difféomorphisme a la forme
F(X) = X0 + A(X − X0 ) + o(|X − X0 |).
On peut bien sûr faire un changement linéaire de coordonnées (centré en X0 )
et supposer que la matrice est obtenue de la matrice de Jordan en ramenant
tous les coefficients hors diagonale à , et en se ramenant au cas réel dans le
cas de blocs de Jordan complexes conjugués, c’est-à-dire
que la matrice est bloc
diagonale avec des blocs de la forme ( λ ), a −b
b a ,
   a −b 0
00
00

λ 0 ... 0 b a 0 0 0 ... 0 0
0 λ . . . 0  00 a −b 0 00 
 00 b a 0 ... 00 
et ..  .
 
 .. .. . . . .   .
. .
. . . . .
. . . . 0  . . . . . 
00
00 00 a −b
0 0 0 ... λ 00 00 00 . . . b a

Alors, si est assez petit, on aura que

kAk = max |AX| < 1.
x∈Sn−1

Par continuité de DF, il existe un voisinage V = B(X0 , r) de X0 sur lequel

kDF(X)k ≤ c < 1. Alors, si X ∈ V,
|F(X) − X0 | ≤ max kDV(X)k|X − X0 | ≤ c|X − X0 |.
X∈V
3.4. SYSTÈMES DYNAMIQUES DISCRETS ET CONTINUS 47

En itérant, on obtient

|Fn (X) − X0 | ≤ max kDV(X)k|X − X0 | ≤ cn |X − X0 |,

X∈V

d’où le résultat.

Il existe un lien entre les exemples 3.13 et 3.14. En effet, supposons qu’ont
ait une EDO autonome Ẋ = v(X) sur un ouvert de Rn , et que cette EDO ait
une solution périodique X(t) = Z(t) où Z(t + T ) = Z(t). On fait le changement
de variables Y = X − Z(t). Comme il dépend du temps, il transforme l’EDO
autonome en une EDO non autonome, mais dépendant périodiquement du
temps. On obtient

Ẏ = v(Y + Z(t)) − Ż(t)

= v(Y + Z(t)) − v(Z(t))
= Dv(Z(t))Y(t) + O(|Y|2 ).

L’approximation linéaire est donc donnée par le système linéaire non auto-
nome
Ẏ = Dv(Z(t))Y = A(t)Y, (3.7)
qui est appelé équation variationnelle au voisinage de la solution périodique. On
remplace Y ∈ R par une matrice M ∈ Mat(n × n, R) et on considère le système

Ṁ = A(t)M

sous la condition initiale M(0) = I. Si T est la période du cycle, la matrice M(T )

est appelée la matrice de monodromie du cycle.

T H ÉOR ÈME 3.18 Les valeurs propres de M(T ) sont 1, µ2 , . . . , µn , où µ2 , . . . , µn

sont les valeurs propres de l’application de premier retour de Poincaré, P : Σ → Σ,
définie sur une section Σ transversale au cycle.
P REUVE Soit X0 le point d’intersection de la solution périodique avec Σ. Alors,
ΦT (X0 ) = X0 . Si l’on considère Zs (t) = Z(t + s), alors Zs est une famille de
solutions de l’EDO de condition initiale Z(s) pour tout s. Donc, la fonction
dérivée par rapport à la condition initiale, Z 0 , est solution de l’équation va-
riationnelle. On considère le vecteur q = Z 0 (0) : on a M(T )q = q. Donc, q
est un vecteur propre de M(T ) associé à la valeur propre 1. On prend pour Σ 0
un sous-espace vectoriel passant par X0 et perpendiculaire au sous-espace en-
gendré par q. Ce sous-espace est transverse au flot sur un voisinage de X0 . On
regarde l’application de premier retour de Poincaré définie sur un voisinage
de X0 dans Σ 0 comme dans l’exemple 3.13. Si Y est une paramérisation de Σ 0
et T (Y) est le temps de premier retour, alors l’application de premier retour est
définie comme P(Y) = ΦT (Y) (Y). On s’intéresse à DP(Y).
En deuxième étape on remarque que Les valeurs propres et la forme de
Jordan de la matrice jacobienne de l’application de premier retour de Poincaré
48 CHAPITRE 3. ÉQUIVALENCES DE CHAMPS DE VECTEURS

P sont indépendantes de la section Σ choisie. En effet, soit Σ 0 une autre section

transversale au champ et considérons la transition régulière R : Σ → Σ 0 . Soit Q,
l’application de premier retour de Poincaré définie sur Σ 0 . Alors, Q = R◦P◦R−1 .
Soit X0 et X00 les points d’intersection de la solution périodique avec Σ et Σ 0
respectivement. On a R(X0 ) = X00 et

DQ(X00 ) = DR(X0 ) DP(X0 ) DR−1 (X00 ).

Puisque DR−1 (X00 ) = (DR(X0 ))−1 , les deux matrices DP(X0 ) et DQ(X00 ) sont
semblables.

R EMARQUE 3.19 On parle aussi d’application de Poincaré dans le cas d’une EDO
non autonome dépendant de manière périodique du temps

Ẋ = v(X, t), v(t + T ) = v(t).

L’application de Poincaré est donnée par P = ΦTt0 : P(X) est le point au temps t0 +
T de la solution de condition initiale X au temps t0 . Soit X0 un point fixe de cette
application. Alors, le théorème 3.18 se généralise à ce cas : on peut montrer, de même
que ci-dessus, que 1 est une valeur propre de la matrice jacobienne de P. Ici encore, on
peut remarquer que les valeurs propres et la forme de Jordan de la matrice jacobienne
de l’application de Poincaré sont indépendantes de t0 .

3.5 Théorème de Hartman-Grobman

Ce théorème affirme que si un champ de vecteurs a un point singulier hy-
perbolique, alors ce champ de vecteurs est toplogiquement équivalent à sa par-
tie linéaire au voisinage du champ. Il existe deux versions de ce théorème,
l’une pour les systèmes discrets (équations aux différences), l’autre pour les
équations différentielles ordinaires. La plupart des preuves du théorème pour
les équations différentielles ordinaires utilisent le théorème dans le cas discret.
L’importance du théorème de Hartman-Grobman vient du fait qu’il termine
la classification topologique locale au voisinage des points singuliers hyperbo-
liques. Commençons par un exemple montrant que l’hypothèse que le point
singulier est hyperbolique est essentielle.

E XEMPLE 3.20 Considérons le système

ẋ = −y − x(x2 + y2 ),
(3.8)
ẏ = x − y(x2 + y2 ).

En coordonnées polaires, il devient

ṙ = −r3 ,
(3.9)
θ̇ = 1,
3.5. THÉORÈME DE HARTMAN-GROBMAN 49

et on voit que l’origine est un foyer faible. On peut intégrer explicitement le système et
voir que l’origine est asymptotiquement stable. Par contre, si l’on se limite au système
linéarisé
ẋ = −y,
(3.10)
ẏ = x,

qui en coordonnées polaires a la forme

ṙ = 0,
(3.11)
θ̇ = 1,

on voit que toutes les trajectoires sont périodiques : ce sont des cercles centrés à l’ori-
gine. Dans ce cas, on dit que l’origine est un centre. Donc, le système total n’est pas
topologiquement équivalent au système linéarisé.

D ÉFINITION 3.21 Soit F : U → Rn et G : U → Rn deux difféomorphismes. F et G

sont topologiquement équivalents s’il existe un homéomorphisme H : U → U 0 tels
que F ◦ H = H ◦ G.

T H ÉOR ÈME 3.22 (Théorème de Hartman-Grobman pour les difféomorphismes) Soit

F : U → Rn un difféomorphisme de classe C1 et X0 ∈ U un point fixe hyperbolique de
F. Alors, il existe un voisinage V de X0 sur lequel F est topologiquement équivalent à
sa partie linéaire G(X) = X0 + A(X − X0 ) pour A = DF(X0 ).

T H ÉOR ÈME 3.23 (Théorème de Hartman-Grobman pour les champs de vecteurs) Soit
v : U → Rn un champ de vecteurs de classe C1 et X0 ∈ U un point singulier hyper-
bolique de v. Alors, il existe un voisinage V de X0 sur lequel v est topologiquement
équivalent au champ linéaire A(X − X0 ) pour A = Dv(X0 ).

L’importance du théorème de Hartman-Grobman vient du fait qu’il ter-

mine la classification topologique locale au voisinage des points singuliers
hyperboliques. Mais le fait qu’on se limite à une équivalence topologique a
aussi ses limites. On va vouloir utiliser des théorèmes plus fins, et rempla-
cer les homéomorphismes par des difféomorphismes de classe Cr , principale-
ment lorsqu’on va regarder des questions globales ou encore analyser les bi-
furcations. Les hypothèses seront plus restrictives mais les conséquences beau-
coup plus importantes. Comme la preuve de ces théorèmes n’utilisent pas le
théorème de Hartman-Grobman, et que la preuve de ce théorème est longue
et technique, nous allons la sauter. Montrons la puissance d’un théorème plus
fin.

3.5.1 Étude d’une boucle homoclinique dans le plan

T H ÉOR ÈME 3.24 On considère un champ de vecteurs Ẋ = v(X) dans un ouvert U ⊂
R2 avec un point de selle hyperbolique X0 de valeurs propres λ1 > 0 et λ2 < 0.
50 CHAPITRE 3. ÉQUIVALENCES DE CHAMPS DE VECTEURS

F IGURE 3.1 – Une boucle homoclinique attractive par un point de selle X0

Σ1
A1
V ∆ R
A2
Σ2

F IGURE 3.2 – Les sections Σi et les applications ∆ et R

On suppose de plus que le champ a une boucle homoclinique passant par X0 , c’est-à-
dire qu’il existe une trajectoire dont les ensembles α-limite et ω-limite sont X0 (voir
figure 3.1). On définit le rapport d’hyperbolicité r de X0 comme

λ2 λ2
r=− = .
λ1 λ1

On suppose qu’il existe un difféomorphisme Y = F(X) de classe C1 , défini sur un

voisinage V de X0 , tel que F(X0 )= 0 et transformant l’EDO Ẋ = v(X) en le champ
linéaire Y = AY, où A = λ01 λ02 .
Alors, si r > 1 la boucle homoclinique est attractive, et si r < 1, elle est répulsive.
(Dire que la boucle homoclinique est attrative est dire que la réunion de la boucle et
du point de selle est l’ensemble ω-limite d’un anneau à l’intérieur de la boucle dont la
boucle homoclinique est la frontière.)

P REUVE Pour la preuve on considère des sections Σ1 et Σ2 parallèles aux axes

dans les coordonnées Y = (y1 , y2 ). On considère une application de premier
retour de Poincaré P : Σ10 ⊂ Σ1 → Σ1 . Cette application est la composition de
deux applications de transition (voir figure 3.2) :
– une application ∆ : Σ1 → Σ2 , appelée application de Dulac ;
– une application régulière R : Σ2 → Σ1 .
3.5. THÉORÈME DE HARTMAN-GROBMAN 51

On va calculer P. Remarquons que Σ1 est paramétré par y1 et que la boucle

homoclinique correspond à y1 = 0. On aura P(0) = 0. On peut prendre les
coordonnées y1 , y2 , pour que y1 , y2 > 0 à l’intérieur de la boucle. Pour montrer
que la boucle est attractive (resp. répulsive), il suffit de montrer que P(y1 ) < y1
(resp. P(y1 ) > y1 ) pour y1 > 0 assez petit.
Calcul de ∆. Dans les coordonnées y1 , y2 , le champ sur V s’écrit :

ẏ1 = λ1 y1 ,
ẏ2 = λ2 y2 .

On a Σ1 = {y2 = a} et Σ2 = {y1 = b}. L’EDO donne dy2

dy1 = λ2 y 2
λ1 y 1 qu’on peut
intégrer explicitement et on obtient
Z ∆(y1 ) Zb
dy2 dy1
= .
a λ2 y2 y1 λ1 y1

On intègre et on prend l’exponentielle. On obtient, après réduction,

λ λ2
2 −λ
∆(y1 ) = a b λ1 y1 1 = C1 yr1 ,

où C1 , r > 0.
Calcul de R. Dans les coordonnées originales X on va montrer que R est un
difféomorphisme de classe C1 . En composant avec les changements de coor-
données vers les coordonnées y2 et y1 sur Σ1 et Σ2 , on aura que R est encore
un difféomorphisme de classe C1 .
Soit Ai , le point de rencontre de Σi avec la séparatrice de X0 . On sait que les
trajectoires Φt (X1 ) dépendent de manière C1 de la condition initiale X2 sur un
voisinage de A2 . Par continuité des trajectoires en fonction de la condition ini-
tiale, pour chaque X2 ∈ Σ2 , il existe T (X2 ) > 0 minimum tel que ΦT (X2 ) ∈ Σ1 .
On veut montrer que T (X2 ) dépend de manière C1 de X2 . Alors l’application R
sera donnée par R(X2 ) = ΦT (X2 ) sera de classe C1 . La fonction T (X2 ) peut être
obtenue par le théorème des fonctions implicites, ce qui va assurer qu’elle est
au moins de classe C1 . En effet, dans les coordonnées X, la section Σ1 est, au
voisinage de A1 , la courbe de niveau F(X) = 0 d’une fonction F de classe C1 .
On cherche T (X2 ) solution de

F(ΦT (X2 ) (X2 )) = 0.

Pour cela, on considère

G(X2 , t) = F(Φt (X2 )),
et on sait que que G(A2 , T0 ) = 0. De plus,

∂G
= ∇F(A1 ) · v(A1 ) 6= 0,
∂t (A2 ,T0 )
52 CHAPITRE 3. ÉQUIVALENCES DE CHAMPS DE VECTEURS

puisque le champ est transverse à Σ1 en A1 . Le théorème des fonctions impli-

cites assure donc l’existence d’une unique solution t = T (X2 ) de G(X2 , t) = 0
au voisinage de (A2 , T0 ). On a donc montré que R est de classe C1 .
Détermination du type de la boucle. Comme R est de classe C1 , et que géométri-
quement on voit que dans la coordonnée y2 avec image dans la coordonnée y1
elle est croissante, elle peut s’écrire

R(y2 ) = C2 y2 + o(y2 ),

où C2 > 0. On a donc

P(y1 ) = C2 (C1 yr1 ) + o(C1 yr1 ) = C3 yr1 + o(yr1 ),

où C3 > 0. On considère l’application déplacement définie par D(y1 ) = P(y1 ) −

y1 ). On a D(0) = 0, puisque y1 = 0 correspond à la boucle homoclinique.
Regardons sa dérivée :

D 0 (y1 ) = C3 ryr−1
1 + o(yr−1 r−1
1 ) − 1 = C3 ry1 (1 + O(y1 )) − 1.

Soit > 0. Il existe δ1 tel que, pour y1 ∈ [0, δ[, alors 1 + O(y1 ) ∈]1 − , 1 + [.
De plus, si r > 1 (resp. r < 1), il existe δ2 > 0 tel que yr−1 1 < (resp. yr−11 >
1
pour y 1 ∈]0, δ2 [. On prend assez petit pour que C 3 r(1 + ) < 1 (resp.
0
C3 r 1−
> 1). Alors, si y 1 ∈]0, min(δ1 , δ2 )[ on a D (y1 ) < 0, (resp. D 0 (y1 ) > 0).
Par le théorème des accroissements finis (qui ne requiert pas la différentiabilité
en 0 !),
0 ∗ < 0, r > 1,
D(y1 ) − D(0) = D (y1 )y1
> 0, r < 1,
pour y1 ∈]0, min(δ1 , δ2 )[. Donc, P(y1 ) < y1 (resp. P(y1 ) > y1 ) sur ]0, min(δ1 , δ2 )[.

Chapitre 4

La théorie des formes

normales de Poincaré
4.1 Introduction
Cette méthode est intéressante pour des systèmes suffisamment différentia-
bles (classe Cm avec m > 1). Le m sera toujours plus grand que l’ordre des
séries de Taylor tronquées quel’on considérera. La problématique est la sui-
vante : étant donné un champ de vecteurs ayant un point singulier en X0 , peut-
on effectuer un changement de coordonnées ramenant le système au voisinage
du point singulier au système linéarisé ? Si oui, on comprend la forme des tra-
jectoires. Bien sûr, ce ne sera pas toujours possible comme le montre le système

ẋ = −y − x(x2 + y2 ),
ẏ = x − y(x2 + y2 ),

puisque l’origine de ce système est un foyer asymptotiquement stable, alors

que l’origine du système linéarisé est un centre. Comme le système est de classe
Cm , on peut utiliser son développement de Taylor limité. Dans le cas où la
linéarisation du système n’est pas possible, on veut simplifier au maximum les
termes non linéaires du développement de Taylor de manière à pouvoir com-
prendre l’organisation des trajectoires dans le système simplifié. La méthode
s’applique à des systèmes à paramètres. On verra qu’elle a des applications
très importantes comme la bifurcation de Hopf.

4.2 La forme normale de Poincaré

On considère un champ de vecteurs de classe Cm sur un ouvert U de Rn et
ayant un point singulier en X0 . En effectuant une translation, on peut supposer
X0 = 0. Dans un premier temps, on essaie de se débarrasser de tous les termes
non linéaires. La méthode est itérative : on se débarrasse des termes de degré
2, puis de degré 3, etc. On va considérer l’étape générale de se débarrasser des

53
54 CHAPITRE 4. LA THÉORIE DES FORMES NORMALES DE POINCARÉ

termes de degré r (r ≥ 2). On suppose donc qu’au voisinage de X0 le champ a

la forme
Ẋ = AX + fr (X) + O(Xr+1 ), (4.1)
où fr (X) est la partie homogène (vectorielle) de degré r (r < m). On essaie
de se débarrasser des termes de degré r. Pour cela, on utilise un changement
de variables avec des termes de degré r. En général, on donne les nouvelles
variables en fonction des anciennes. Ici, on va faire le contraire ! En effet, cela
simplifie les calculs. On cherche donc s’il existe Y = g(X) tel que

X = g−1 (Y) = Y + hr (Y) (4.2)

est un changement de variables vectoriel qui transforme le système en

Ẏ = AY + O(Y r+1 ). (4.3)

Dans cette expression hr (Y) est un polynôme homogène (vectoriel) inconnu de

degré r.
Pour trouver hr , on calcule Ẋ de deux manières comme fonction de Y et
on compare les termes de degré r des deux écritures. La première écriture est
obtenue en substituant (4.2) dans (4.1). Alors,

Ẋ = A(Y + hr (Y)) + fr (Y + hr (Y)) + O((Y + hr (Y))r+1 ).

On se convainc aisément que fr (Y + hr (Y)) = fr (Y) + O(Y r+1 ) et que O((Y +

hr (Y))r+1 ) = O(Y r+1 ). Donc,

Ẋ = AY + (Ahr (Y) + fr (Y)) + O(Y r+1 ). (4.4)

La deuxième écriture est obtenue en dérivant (4.2) par rapport au temps, et en

substituant dedans la forme normale cherchée (4.3)

Ẋ = (id + hr0 )Ẏ = (id + hr0 )(AY + O(Y r+1 )) = AY + hr0 AY + O(Y r+1 ). (4.5)

Ici, hr0 est le jacobien de hr . C’est une matrice n×n et il est facile de se convaincre
que ses entrées sont des polynômes homogènes de degré r − 1.
Les équations (4.4) et (4.5) ont les mêmes termes linéaires. En comparant les
termes de degré r, on obtient :

Ahr (Y) + fr (Y) = hr0 AY

que l’on choisit d’écrire

LA (hr ) = hr0 A − Ahr = fr . (4.6)

Dans la littérature cette équation est appelée équation homologique. Quel est
l’avantage de cette expression ? Considérons l’ensemble Hr des fonctions vec-
torielles homogénes de degré n. C’est un espace vectoriel de dimension finie
dont les générateurs sont de la forme Y1m1 . . . Yn
mn
es , où es est le s-ième vecteur
4.2. LA FORME NORMALE DE POINCARÉ 55

de la base canonique. L’opérateur LA défini sur Hr est linéaire et son image

est dans Hr : LA : Hr → Hr . On s’est donc ramené à un problème d’algèbre
linéaire ! Quand l’équation LA (hr ) = fr a-t-elle toujours une solution, quel que
soit fr ? Quand LA est surjectif. Mais comme LA va de Hr à Hr , LA est surjectif
si et seulement si injectif, c’est-à dire si et seulement si son noyau est nul, un
critère facile à vérifier. Dans le cas où le noyau de LA est non nul, on ne peut se
débarrasser de n’importe quel fr , mais on peut se débarrasser de tout fr qui se
trouve dans l’image de LA et donc, simplifier le système.

4.2.1 Le cas où A est diagonalisable

A est diagonalisable si et seulement si elle admet une base de vecteurs
propres. Il existe alors une matrice S inversible telle que SAS−1 = D est dia-
gonale. En utilisant le changement de coordonnées X1 = SX, on peut travailler
dans la variable X1 . On peut donc, sans perte de généralité, supposer que D
est diagonale. MAIS, ATTENTION ! Même si A est une matrice à coefficients
réels, ses valeurs propres peuvent être complexes et ses vecteurs propres dans
Cn . Si l’on regarde la démarche décrite ci-dessus, à aucun moment on n’a uti-
lisé le fait que les coefficients de A sont réels et la démarche s’applique donc
aussi bien pour une matrice A à coefficients dans C. On peut donc calculer une
forme normale pour un champ de vecteurs dans Cn , voir que ce changement
préserve le caractère réel du système, et revenir ensuite dans Rn .

Par la remarque précédente, on peut se ramener au cas d’une matrice A

diagonale :
 
λ1 0, . . . 0
 0 λ2 . . . 0 
A= . ..  .
 
.. . .
 .. . . . 
0 0 . . . λn

Une base de Hr est donnée par l’ensemble des vecteurs de la forme

h = ym 1 mn
1 . . . yn es

où m1 +· · ·+mn = r et es est le s-ième vecteur de la base canonique. Calculons

LA (h). Pour un monôme de la forme ym 1 mn
1 . . . yn on utilise souvent la forme
m
abrégée : Y , où m = (m1 , . . . mn ). Le vecteur Ah est simplement le vecteur
λs Y m es = λs h. Calculons maintenant h 0 AY. Remarquons que

∂h Ym
= mi ym1 mi −1
1 . . . yi . . . ym
n
n
= mi .
∂yi yi
56 CHAPITRE 4. LA THÉORIE DES FORMES NORMALES DE POINCARÉ

Alors,

0 0 ... 0
 
  
.. .. .. ..  λ1 0, ... 0 y1
.

. . . 
m 0 λ2 ... 0
    y2 
Ym m
h 0 AY =  m2 Yy2 . . . mn Yyn 

 m1 y 1   ..  ,
 
. .. .. ..
 . .. .. 
 .. . . .  . 
 .. ..
. . . 
0 0 ... λn yn
0 0 ... 0

ce qui donne
 
0
 0 
..
 
  X n X
n
!
Pn .
h 0 AY =  mi λi Y m es =
 

m = mi λi h.

i=1 m i λ i Y  i=1
 i=1
 .. 
 . 
0

Donc,
X
n
!
LA (h) = mi λi − λs h,
i=1
Pn
c’est-à-dire que h est un vecteur propre de LA de valeur propre i=1 mi λi −λs .
On voit donc que l’équation homologique sur Hr a toujours une solution si et
seulement si
X
n
λs 6= λi mi
i=1
Pn
pour tout s et pour tous (m1 , . . . , mn ) tel que i=1 mi = r.
Pn m
Que se passe-t-il si λs = i=1 λi mi ? Le monôme correspondant, Y =
m1 mn
y1 . . . yn , est dit résonant. Dans le cas où A est diagonale, on peut se débarra-
sser de tous les monômes non résonants et on reste avec un système qui n’a que
des monômes résonants. Ce système a souvent une forme simple, sur laquelle
on peut lire et comprendre la géométrie des trajectoires. Regardons maintenant
des exemples.

E XEMPLE 4.1 Cas d’un système dans R2 avec deux valeurs propres imaginaires pures,
±iω. Pour le système réel, il est possible, modulo un changement linéaire de coor-
0 −ω
données de supposer que la matrice a la forme A = ω 0 . Il est naturel de passer
aux coordonnées complexes z =x + iy et z = x − iy. Dans ces coordonnées, la matrice
est diagonale : D = iω 0
0 −iω . Les valeurs propres sont λ1 = iω et λ2 = −iω.
Regardons les elations de résonance pour la première équation. On doit résoudre :
λ1 = m1 λ1 + m2 λ2 , soit m1 = m2 + 1, où m1 , m2 ≥ 0 et m1 + m2 ≥ 2. Ceci
nous donne les monômes résonants z2 z, z3 z2 , . . ., zk+1 zk , . . ., qui sont tous de degré
4.2. LA FORME NORMALE DE POINCARÉ 57

impair. Donc, dans la première équation, on peut se ramener, modulo un changement

de coordonnées z 7→ Z, à une équation de la forme
2 k
Ż = iωZ + c1 Z2 Z + c2 Z3 Z + · · · + ck Zk+1 Z + O(|Z|2k+2 ).

On peut faire le même calcul pour la deuxième équation et voir que les monômes
résonants sont de la forme zk zk+1 . Mais, on peut aussi être astucieux : puisque le
système est réel, la deuxième équation est la conjuguée de la première :

Z˙ = −iωZ + c1 ZZ + c2 Z2 Z + · · · + ck Zk Z
2 3 k+1
+ O(|Z|2k+2 ).

Revenons aux coordonnées réelles (x, y) = z+z z−z

2 , 2i . En posant cj = aj + ibj ,
le système devient

ẋ = −ωy + (a1 x − b1 y)(x2 + y2 ) + · · · + (ak x − bk y)(x2 + y2 )k + O(|(x, y)|2k+2 ),

ẏ = ωx + (b1 x + a1 y)(x2 + y2 ) + · · · + (bk x + ak y)(x2 + y2 )k + O(|(x, y)|2k+2 ).
(4.7)

La géométrie se lit tout de suite si on passe aux coordonnées polaires

(x, y) = (r cos θ, r sin θ),

dans lesquelles le système devient

ṙ = a1 r3 + . . . ak r2k+1 + O(r2k+2 ),
(4.8)
θ̇ = ω + b1 r2 + . . . bk r2k + O(r2k+1 ).

On voit tout de suite que θ̇ > 0 pour r assez petit. D’autre part, supposons que
a1 , . . . ak−1 = 0 et ak 6= 0. Alors, au voisinage de l’origine, ṙ a le signe de ak . Si
ak est négatif (resp. positif), le point singulier est un foyer faible attractif (resp.
répulsif).
L’effet de la mise sous forme normale est de redresser les trajectoires pour transfor-
mer le système en en un système à peu près invariant sous toute rotation autour de
l’origine.

Dans le cas de l’exemple 4.1, on a triché un peu, puisqu’on s’est permis de

mettre sous forme normale des termes d’ordre supérieur, même s’il restait des
termes non linéaires de degré plus petit. Nous laissons comme exercice le soin
de vérifier que cette approche est légitime.

Exercice Vérifier que, lors de la mise sous forme normale des termes de degré
r, on ne détruit pas le travail accompli sur les termes de degré s < r.

E XEMPLE 4.2 Cas de deux valeurs propres λ1 = 0, λ2 = λ 6= 0. (Dans la littérature,

un point ayant au maximum une valeur propre nulle est appelé semi-hyperbolique).
58 CHAPITRE 4. LA THÉORIE DES FORMES NORMALES DE POINCARÉ

On peut donc, modulo un changement de coordonnées suposer la partie linéaire dia-

gonale 00 λ0 . On va utiliser x et y pour les coordonnées, plutôt que x1 et x2 . Dans
la première équation les termes résonants sont de la forme xm , m ≥ 2, et dans la
deuxième de la forme xs y, s ≥ 1. Donc, la forme normale est donnée par

X
r
ẋ = ai xi + O(|(x, y)|r+1 ),
i=p
(4.9)
X
r−1
ẏ = y(λ + bi xi ) + O(|(x, y)|r+1 ).
i=1

Supposons maintenant que ap 6= 0. Sous cette forme, on peut voir l’organisation des
trajectoires. On a trois organisations topologiques possibles :
– un col-noeud si p est pair ;
– un col topologique si p est impair et ap λ < 0 ;
– un nœud topologique si p est impair et ap λ > 0.

4.2.2 Forme normale avec paramètres

On peut toujours transformer une famille de systèmes Ẋ = v (X) en di-
mension n dépendant d’un multi-paramètre = (1 , . . . p ) en un système de
dimension p + n en ajoutant les équations ˙ 1 = 0, . . . , ˙ p = 0. On considère la
forme normale de la famille de systèmes au voisinage d’une valeur particulière
du multi-paramètre que, sans perte, de géneralité, on peut supposer être = 0.
On considère donc des changements de coordonnées inversibles pour assez
petit. Bien sûr, les équations ˙ 1 = 0, . . . , ˙ p = 0 sont déjà linéaires et il suffit
d’appliquer la théorie précédente aux n premières équations. Les termes non
résonants dans le système pour = 0 le demeurent pour petit. Quant aux
monômes résonants de la forme xm mn
1 . . . , xn , tous leurs multiples de la forme
1

m1 mn s1 sp
x1 . . . , xn 1 . . . p le sont aussi. Donc, en pratique, ces monômes auront
des coefficients dépendant de .

E XEMPLE 4.3 Considérons un système de classe Cm dépendant d’un multi-paramètre

= (1 , . . . p ) qui, pour = 0, a un point singulier à l’origine de valeurs propres
±iω0 , où ω0 > 0. En coordonnées complexes z = x + iy, on peut supposer que
la matrice du linéarisé en 0, A, est diagonale pour = 0. Considérons l’équation
∂v
v (X) = 0. On a v0 (0) = 0 et ∂X (X,)=(0,0)
= A est inversible. Par le théorème des
fonctions implicites, il existe un voisinage V de X = 0, un voisinage W de = 0 et
une fonction f : W → V de classe Cm , tels que v (X) = 0 pour (X, ) ∈ V × W si
et seulement si X = f(). Donc, pour tout , le système a un unique point singulier
qui est une fonction de classe Cm des paramètres. Par une translation de coordonnées
X 7→ X1 = X−f(), la nouvelle famille de systèmes a un point singulier à l’origine. Re-
gardons maintenant le linéarisé A(). Les valeurs propres sont les racines du polynôme
caractérisque det(λI − A) = 0 = p(λ, ). On a p(±iω0 , 0) et ∂p ∂λ (±iω0 , 0) 6= 0 car
les racines sont simples. On en déduit par le théorème des fonctions implicites que les
4.2. LA FORME NORMALE DE POINCARÉ 59

valeurs propres dépendent de manière Cm de . En particulier, elles sont non nulles

pour petit puisqu’égales à ±iω0 pour = 0. Donc, A() est diagonalisable pour
petit, de valeurs propres η() ± iω() où η(0) = 0 et ω(0) = ω0 6= 0. Par un
changement linéaire de coordonnées on peut donc ramener le système sous la forme (en
coordonnées complexes) :
X
r
ż = (η() + iω())z + ajk zj zk + O(|z|r+1 ).
j+k=2

On peut ensuite appliquer le processus de mise sous forme normale et ne garder que les
termes résonants de la forme zj+1 zj . Le système aura la forme
X
k
ż = (η() + iω())z + cj ()zj+1 zj + O(|z|2k+2 ).
j=1

L’avantage de cette forme est qu’elle permet d’étudier la naissance de cycles limites
lorsque les valeurs propres traversent l’axe imaginaire. C’est le phénomène de la bifur-
cation de Hopf que nous discuterons plus tard.

E XEMPLE 4.4 La forme normale d’une famille de systèmes ayant pour = 0 un point
semi-hyperbolique est donnée par
X
r
ẋ = ai ()xi + O(|(x, y)|r+1 ),
i=0
(4.10)
X
r−1
i r+1
ẏ = y(λ() + bi ()x ) + O(|(x, y)| ).
i=1

Si a0 (0) = · · · = ap−1 (0) = 0 et ap (0) 6= 0, on peut, par une translation de la

coordonnée x se ramener au cas ap−1 = 0. Voyons un exemple
ẋ = − + x2 ,
(4.11)
ẏ = y.
On a trois portraits de phase différents suivant que < 0, = 0 et > 0. En
> 0, on a deux points singuliers : un col et un nœud. Ceux-ci se confondent pour
= 0 en un col-nœud, et ont disparu pour = 0. Comme nous l’avons vu dans
l’exemple 4.3, le théorème des fonctions implicites garantit que les points singuliers ne
peuvent disparaı̂tre lorsque les valeurs propres sont non nulles. Le nombre de points
singuliers d’un système peut varier seulement quand au moins une des valeurs propres
est nulle.

4.2.3 Le cas où A n’est pas diagonalisable

Dans ce cas, il n’existe pas de méthode générale pour écrire le résultat et
chaque cas particulier doit être étudié à la main.
Nous allons montrer une manière de procéder pour le cas d’un point sin-
gulier d’un système de dimension 2 dont la matrice du linéarisé est nilpotente.
60 CHAPITRE 4. LA THÉORIE DES FORMES NORMALES DE POINCARÉ

E XEMPLE 4.5 Le cas d’un point singulier de matrice du linéarisé nilpotente :

A = 00 10 . Nous allons étudier quels sont les termes de degré 2 dont on peut se
débarrasser lors de la mise sous forme normale et quels sont ceux que l’on doit garder.
Une base de H2 est donnée par
2
0
h1 = x0 , h2 = ( xy
2 0 0

y
0 ) , h3 = 0
, h4 = x 2 , h5 = xy , h6 = y2 .

On doit donc calculer les LA (hi ), i = 1, . . . , 6, et regarder quel est le sous-espace

vectoriel engendré par ces vecteurs.

x x x
LA (h1 ) = h10 A − Ah1
y y y
2
2x 0 y 0 1 x 2xy (4.12)
= − =
0 0 0 0 0 0 0
= 2h2 .
De même,
2
x y x y 0 1 xy y
LA (h2 ) = − = = h3 ,
y 0 0 0 0 0 0 0
2
x 0 2y y 0 1 y 0
LA (h3 ) = − = = 0,
y 0 0 0 0 0 0 0
2
x 0 0 y 0 1 0 −x
LA (h4 ) = − = = −h1 + 2h5 , (4.13)
y 2x 0 0 0 0 x2 2xy

x 0 0 y 0 1 0 −xy
LA (h5 ) = − = = h6 − h2 ,
y y x 0 0 0 xy y2
2
x 0 0 y 0 1 0 −y
LA (h6 ) = − = = −h3 .
y 0 2y 0 0 0 y2 0

Donc, LA (H2 ) est de dimension 4. Il est engendré par {h2 , h3 , h1 − 2h5 , h6 }. Puisque
nous pouvons nous débarrasser de tous les termes dans l’image de LA , on reste avec
des termes non linéaires dans un complément de dimension 2. On a un choix pour ce
complément. Par exemple, il peut être engendré par {h1 , h4 } ou {h4 , h5 }. Donc, un
système non linéaire peut, au voisinage d’un point singulier nilpotent se ramener, au
choix, à une des deux formes

ẋ = y + bx2 , (4.14)
2
ẏ = ax , (4.15)

ẋ = y, (4.16)
2
ẏ = ax + cxy. (4.17)

Déjà ces formes normales nous apprennent quelque chose : si a 6= 0, on connaı̂t l’or-
ganisation des trajectoires au voisinages du point singulier qui, dans la littérature, est
4.2. LA FORME NORMALE DE POINCARÉ 61

appelé un cusp. Si, de plus, b 6= 0 ou, de manière équivalente, c 6= 0, en plongeant le

système dans une famille à deux paramètres de systèmes, on peut décrire tous les por-
traits de phase de systèmes voisins de celui-ci. C’est la bifurcation de Bogdanov-
Takens.
Chapitre 5

Théorie des bifurcations

5.1 Introduction
La théorie des bifurcations étudie le changement qualitatif des portraits de
phase d’équations différentielles ordinaires dépendant de paramètres lorsque
les paramètres passent par des valeurs de bifurcations.
Dans la théorie des bifurcations, on veut souvent parler de systèmes proches
d’un système donné. On introduit donc une distance sur les systèmes. Cette
distance dépend de la classe de différentiabilité choisie.

D ÉFINITION 5.1 1. La norme d’une fonction v : U → Rn en classe Cs sur U est

le nombre
kvkU,s = max max{|v(X)|, |Dv(X)|, . . . , |Ds v(S)|},
X∈U

s’il existe
2. La distance de deux fonctions v, w : U → Rn en classe Cs sur U est le nombre
dU,s (v, w) = kv − wkU,s
s’il existe.

5.2 La bifurcation de Hopf d’ordre k

Nous montrons ici le théorème général de la bifurcation de Hopf d’ordre k.
Ce théorème est généralement donné dans le cas k = 1.

T H ÉOR ÈME 5.2 On considère un champ de vecteurs v(X) de classe C2k+2 sur un
ouvert U ⊂ R2 ayant un point singulier à l’origine pour lequel la matrice jacobienne
a deux valeurs propres imaginaires pures ±iω 6= 0. Supposons que la forme normale
à l’ordre 2k + 1 soit donnée par
2 k
Ż = iωZ + c1 Z2 Z + c2 Z3 Z + · · · + ck Zk+1 Z + O(|Z|2k+2 )
et que Re(c1 ) = · · · = Re(ck−1 ) = 0, Re(ck ) 6= 0. (On dit alors que l’origine est un
foyer faible d’ordre k.) Alors,

63
64 CHAPITRE 5. THÉORIE DES BIFURCATIONS

1. Pour toute famille de champs vλ (X) dépendant d’un multi paramètre λ sur un
ouvert U 0 de Rm et telle que v0 = v, il existe un voisinage V de l’origine dans
R2 et δ > 0 tels que, pour tout λ ∈ B(0, δ), alors vλ a au plus k cycles limites
dans V.
2. Il existe ρ > 0 tel que B(0, ρ) ⊂ U et tel que, pour tout ` ∈ {0, . . . , k}, pour tout
0 < ρ 0 ≤ ρ et pour tout η > 0, il existe un champ de vecteurs w proche de
v sur B(0, ρ 0 ), c’est-à-dire tel que d(v, w)B(0,ρ 0 ),2k+2 < η, tel que w a exacte-
ment ` cycles limites dans B(0, ρ 0 ).
P REUVE
1. On peut amener la famille vλ sous forme normale
k
Ż = (a0 (λ) + iω(λ)Z + c1 (λ)Z2 Z + · · · + ck (λ)Zk+1 Z + O(|Z|2k+2 ).

On passe aux coordonnées polaires en posant Z = reiθ . Si cj (λ) = aj (λ) +

ibj (λ), le système devient

ṙ = a0 (λ)r + a1 (λ)r3 + · · · + ak (λ)r2k+1 + O(r2k+2 ),

(5.1)
θ̇ = ω(λ) + b1 (λ)r2 + · · · + bk (λ)r2k + O(r2k+1 ),

où aj (0) = 0 pour 0 ≤ j < k et ak (0) 6= 0. Puisque θ̇ > 0 pour r assez

petit, on voit que pour r assez petit, on a une application de premier
retour de Poincaré, P, définie sur le demi-axe x positif. Les cycles limites
sont donnés par les points fixes isolés de l’application de premier retour
de Poincaré, donc on va s’occuper de calculer cette application P.
Pour cela, on va regarder comment r varie en fonction de θ en divisant la
première équation de (5.1) par la seconde
dr ṙ
= = α0 r + α1 r3 + · · · + αk r2k+1 + O(r2k+1 ), (5.2)
dθ θ̇
où les αj dépendent de λ et le reste dépend de θ et λ. Se convaincre de la
forme de cette expression demande un peu de travail. Puisque a0 (0) =
· · · = ak−1 (0), et ak (0) 6= 0, alors on a

α0 (0) = · · · = αk−1 (0) = 0, αk (0) 6= 0. (5.3)

On cherche la solution sous la forme d’une série

X
2k+1
r(θ, r0 ) = uj (θ)rj0 + O(r2k+2
0 ) (5.4)
j=1

sous la condition initiale r(0) = r0 , ce qui correspond à u1 (0) = 1, uj (0) =

0 pour j > 1. L’équation (5.4) nous donne

dr X
2k+1
= uj0 (θ)rj0 + O(r2k+2
0 ) (5.5)
dθ
j=1
5.2. LA BIFURCATION DE HOPF D’ORDRE K 65

On substitue cette expression dans le membre de gauche de (5.2) et on

subsitute (5.4) dans le membre de droite de (5.2). On obtient une suite
d’équations différentielles pour les uj :

u10 = α0 u1 , u1 (0) = 1,
u20 = α0 u2 , u2 (0) = 0,
u30 = α0 u3 + 3α1 u31 , u3 (0) = 0,
..
. (5.6)
uj0 = α0 uj + Qj (α1 , . . . , α[ j ] , u1 , . . . , uj−1 ),
2

..
.
0
u2k+1 = α0 u2k+1 + Q2k+1 (α1 , . . . αk , u1 , . . . , u2k )

où Qj est un polynôme en α1 , . . . , α[ j ] , u1 , . . . , uj−1 et

Q2k+1 (α1 , αk , u1 , . . . , u2k ) = αk u2k+1

1 + R(α1 , . . . , αk−1 , u1 , . . . , u2k ).

Chacune des équations différentielle est linéaire, et sa solution peut être

trouvée par la méthode de la variation des constantes, une fois que la
solution des équations précédentes est connue. Ainsi,

u1 (θ) = eα0 θ ,
u2 (θ) ≡ 0,
3α1 3α0 θ (5.7)
u3 (θ) = (e − eα0 θ ),
2α0
..
.

Dans le cas particulier où λ = 0 on obtient la solution

u1 (θ) ≡ 1,
u2 (θ) ≡ 0,
.. (5.8)
.
u2k (θ) ≡ 0,
u2k+1 (θ) = αk (0)θ,

qui suit de (5.3).

L’application de premier retour de Poincaré est donnée par

X
2k+1
P(r0 ) = r(2π, r0 ) = uj (2π)rj0 + O(r2k+2
0 )
j=1
66 CHAPITRE 5. THÉORIE DES BIFURCATIONS

et on a que u2k+1 (2π) 6= 0 pour λ assez petit. Les points fixes de P sont
donnés par les zéros de l’application déplacement
∆(r0 ) = P(r0 ) − r0 .
On voit facilement qu’il existe , δ > 0 tels que
d2k+1 ∆
6= 0
drk0
si |r0 | < et |λ| < δ. Par le théorème de Rolle on en conclut que ∆ a
au plus 2k + 1 zéros dans |r0 | < . Un de ces zéros correspond au point
singulier à l’origine. Les autres zéros apparaissent par paires (−r0 , r0 ), à
cause de la symétrie du système sous (r, θ) 7→ (−r, θ + π) et chaque paire
correspond à un unique cycle limite. Donc, le système au plus k cycles
limites coupant l’axe x dans l’intervalle ] − , [.
2. On va procéder en ` étapes successives : à chaque étape on modifie le
champ de manière à lui ajouter un cycle limite. On le fait de manière
suffisamment subtile pour ne pas défaire les cycles construits aux étapes
précédentes. On pose v = v0 et ρ est choisi pour que v0 n’ait pas de cycles
dans B(0, ρ). Soit 0 < ρ 0 ≤ ρ. Si on veut que la perturbation soit à dis-
tance inférieure à η de v0 , à chaque étape on construira une perturbation
vj à distance inférieure à η/k de la perturbation précédente vj−1 . On com-
mence par le cycle extérieur. Écrivons les détails dans le cas Re(ck ) < 0.
Alors l’origine est asymptotiquement stable. De par la forme de v0 = v, il
existe 0 < r0 < ρ 0 tel que ṙ|r=r0 < 0. On prend une perturbation
k−1
v1 = v0 + k−1 Zk Z .
Le nombre k−1 est choisi positif et suffisamment petit pour que ṙ|r=r0 <
0 pour v1 . D’autre part, de par la forme de v1 , il existe 0 < r1 < r0 tel que
ṙ|r=r1 > 0 pour v1 . Par le théorème de Poincaré-Bendixson, v1 a un cycle
limite dans l’anneau r1 < r < r0 .
Pour le deuxième cycle on prend
k−2
v2 = v1 + k−2 Zk−1 Z .
Le nombre k−2 est choisi négatif et suffisamment petit pour que ṙ|r=r0 <
0 et ṙ|r=r1 > 0 pour v2 . D’autre part, de par la forme de v2 , il existe
0 < r2 < r2 tel que ṙ|r=r2 < 0 pour v2 . Par le théorème de Poincaré-
Bendixson, v2 a deux cycles limites, un dans l’anneau r1 < r < r0 et un
dans l’anneau r2 < r < r2 .
On itère jusqu’à ce qu’on ait obtenu le nombre de cycles voulus.

La preuve donnée précédemment suggère une famille particulière à k pa-

ramètres indépendants pour déformer le champ v0 , soit la famille v = v0 +w ,
où
0 x + 1 x(x2 + y2 ) + . . . k−1 x(x2 + y2 )k−1

(w ) = , (5.9)
0 y + 1 y(x2 + y2 ) + . . . k−1 y(x2 + y2 )k−1
5.2. LA BIFURCATION DE HOPF D’ORDRE K 67

ε1
(DC)
(Hr)

(H2a) ε0

(Ha)

F IGURE 5.1 – Le diagramme de bifurcation du système (5.10) dans le cas k = 2

et Re(c2 ) < 0. (Ha ) et (Hr ) dénote la bifurcation de Hopf d’ordre 1 attractive ou
répulsive. (H2 ) et (H2r ) dénote la bifurcation de Hopf d’ordre 2 attractive. Les
cyles attractifs sont représentés en noir et les cycles répulsifs en gris. Les points
attractifs sont noirs et pleins, alors que les points répulsifs sont gris et vides.
Un double cycle attractif de l’extérieur et répulsif de l’intérieur est dessiné en
trait gras.

appelée déformation universelle, parce que tout champ suffisamment proche de

v0 est topologiquement orbitalement équivalent à un des champs de la famille
v .
Le diagramme de bifurcation de la famille v ne dépend (topologiquement)
que du signe de Re(ck ). Il est le même que celui de la famille modèle

ẋ = 0 x + 1 x(x2 + y2 ) + . . . k−1 x(x2 + y2 )k−1 ± x(x2 + y2 )k ,

(5.10)
ẏ = 0 y + 1 y(x2 + y2 ) + . . . k−1 y(x2 + y2 )k−1 ± y(x2 + y2 )k .

Les figures 5.1 et 5.2 donnent ces diagrammes de bifurcation dans les cas Re(c2 ) <
0 et Re(c2 ) < 0. Ces figures illustrent pourquoi la bifurcation de Hopf d’ordre le
plus élevé organise le diagramme de bifurcation. Dans la littérature, on dira
que le point de bifurcation dont l’ordre est le plus élevé est le centre organisa-
teur du diagramme de bifurcation. On voit qu’au voisinage des bifurcations de
Hopf d’ordre plus grand que 1 naissent des courbes ou surfaces de bifurcation
correspondant à des doubles cycles (soit des points fixes doubles de l’applica-
tion de premier retour de Poincaré). Numériquement, on peut donc décider de
suivre ces courbes ou surfaces.
68 CHAPITRE 5. THÉORIE DES BIFURCATIONS

ε0
(H2a)
(Ha) (Hr)

(H3a)
ε1
(H2r)

ε2

F IGURE 5.2 – Le diagramme de bifurcation du système (5.10) dans le cas k = 3

et Re(c3 ) < 0. (Ha ) et (Hr ) dénote la bifurcation de Hopf d’ordre 1 attractive ou
répulsive. (Hja ) et (Hjr ) dénote la bifurcation de Hopf d’ordre j attractive ou
répulsive. Les cyles attractifs sont représentés en noir et les cycles répulsifs en
gris. Les points attractifs sont noirs et pleins, alors que les points répulsifs sont
gris et vides. Un double cycle attractif de l’extérieur et répulsif de l’intérieur
(resp. attractif de l’intérieur et répulsif de l’extérieur) est dessiné en trait gras
noir (resp. gris). Un cycle triple attractif est dessiné en trait noir très gras.
5.2. LA BIFURCATION DE HOPF D’ORDRE K 69

E XEMPLE 5.3 En 1979 Shi Songling a donné l’exemple suivant de système quadra-
tique avec 4 cycles limites :

ẋ = λx − y − 10x2 + (5 + δ)xy + y2 ,
(5.11)
ẏ = x + x2 + (−25 + 8 − 9δ)xy,

où λ = −10−200 , = −10−52 et δ = −10−13 . Les coefficients λ, δ, de ce système

sont si petits qu’il est impossible de voir numériquement ces quatre cycles limites. Mais
à cause de leur petite taille il est tentant de voir ce qui se passe si λ = δ = = 0. On
voit alors que l’origine est un foyer faible. Si on calcule les coefficients de la forme nor-
male (en utilisant un logiciel de manipulations symboliques) on trouve que Re(c1 ) =
Re(c2 ) = 0 et Re(c3 ) > 0. Effectivement, en perturbant le système avec δ, on crée un
premier cycle en se ramenant au cas Re(c1 ) = 0, Re(c2 ) < 0. Ensuite en perturbant
le système avec tel que || |δ|, on crée un deuxième cycle en se ramenant au cas
Re(c1 ) > 0. Finalement, la pertubation en λ tel que |λ| || transforme l’origine en
foyer attractif et crée le troisième cycle. Mais, où se trouve le quatrième cycle ? Pour
répondre à la question on étudie le portrait de phase du système (5.11). Pour simplifier
les calculs on les fera pour λ = δ = = 0, puisque ces paramètres sont si petits qu’ils
n’ont que peu d’influence, sauf à l’origine.
Cherchons les points singuliers. ẏ s’annule pour x = 0 ou 1 + x − 25y = 0.
Remplaçons dans ẋ = 0. Si x = 0, on obtient les deux points singuliers P1 = (0, 0)
et P2 = (0, 1). Si y = 1+x 1 2
25 , alors ẋ = 625 [−6124x + 102x − 24] < 0 pour tout x.
On voit donc que, sur la droite 1 + x − 25y = 0, le flot est horizontal et dirigé vers la
gauche (voir figure 5.3).
On a déjà étudié le type de P1 . En calculant la matrice jacobienne en P2 , on vérifie
que P2 est un foyer répulsif.
On va montrer que le quatrième cycle se trouve autour de P2 . Ceci se fait en uti-
lisant le théorème de Poincaré-Bendixson. Mais, pour trouver un domaine annulaire
autour de P2 dans lequel rentrent les trajectoires, il faut étudier le système à l’infini !
Pour cela on compactifie le système par la compactification de Poincaré.

La compactification de Poincaré d’un champ polynomial

On considère un champ polynomial

ẋ = P(x, y),
(5.12)
ẏ = Q(x, y),

où P et Q sont des polynômes de R[x, y], dont le maximum des degrés est n.
La compactification de Poincaré s’obtient ainsi. On identifie R2 au plan z = −1
dans l’espace R3 . Ce plan est tangent au pôle sud à la sphère unité x2 +y2 +z2 =
1. On projette un point (x, y, −1) sur la sphère par le centre de la sphère. C’est
donc le point
!
x y 1
(x 0 , y 0 , z 0 ) = p ,p , −p (5.13)
x2 + y2 + 1 x2 + y2 + 1 x 2 + y2 + 1
70 CHAPITRE 5. THÉORIE DES BIFURCATIONS

F IGURE 5.3 – Le portrait de phase du système de Shi Songling pour λ = =

δ = 0.

de l’hémisphère inférieur. Les directions à l’infini (correspondant aux différents

angles θ ∈ [0, 2π[ en coordonnées polaires) correspondent aux points de l’équa-
teur. Cette projection envoie le champ de vecteurs sur R2 sur un champ de
vecteurs tangents à la sphère. Pour étudier ce qui se passe à l’infini, on utlise
des cartes : on projette sur le plan x = 1. Ceci nous permet d’étudier toutes
les directions à l’infini, sauf la direction x = 0. Pour étudier ce qui se passe
dans cette dernière direction, on projette sur le plan y = 1. En pratique on
va éliminer l’étape intermédiaire de la sphère et passer directement du plan
z = −1 au plan x = 1 ou y = 1.
0 0 0
La projection d’un point (x , y , z ) par le centre de la sphère sur le plan
0 0
x = 1 est donnée par 1, yx 0 , xz 0 . Si (x 0 , y 0 , z 0 ) est donné en (5.13), ceci donne la
projection 1, yx , x1 . Considérant que (x, y) sont les coordonnées de (x, y, −1)

sur le plan z = −1, les coordonnées de l’image sur le plan x = 1 sont

y 1
(u, z) = , .
x x

Dans ces coordonnées, le champ devient

1 u 1 u
u̇ = −uzP , + zQ , ,
z z z z
(5.14)
1 u
ż = −z2 P , .
z z
5.2. LA BIFURCATION DE HOPF D’ORDRE K 71

L’infini correspond à z = 0. On a un problème car la vitesse est infinie pour

z = 0. On lève l’indétermination en multipliant le champ par zn−1 . Qu’a-t-on
fait en pratique dans le plan fini ? On a multiplié le champ de vecteurs par une
fonction non nulle, ce qui revient à changer d’échelle sur le temps : on a donc
changé les vecteurs du champ mais pas leur direction. Les courbes trajectoires
du nouveau champ seront donc les mêmes.
(Dans la littérature, on introduit une relation d’équivalence sur les champs
de vecteurs : deux champs v et w sur un même domaine U sont équivalents si
w = fv, où f : U → R est une fonction non nulle. Les classes d’équivalence de
cette relation d’équivalence sont appelées champs de directions.)
Un autre détail important : si n est pair, alors zn−1 est négatif dans la région
x < 0. Donc, dans cette région, on a inversé le sens des trajectoires. Le nouveau
champ est donné par

1 u 1 u
u 0 = −uzn P , + zn Q , ,
z z z z
(5.15)
1 u
z 0 = −zn+1 P , ,
z z
dans lequel on a noté les dérivées par rapport au temps comme (u 0 , z 0 ) pour
mettre en évidence que c’est la nouvelle coordonnée temporelle.
Il est facile de vérifier que z 0 |z=0 ≡ 0. Donc, z = 0, qui correspond à
l’équateur de la sphère, est une courbe invariante sous le flot de (5.15). On
analyse ses points singuliers qui sont les points singuliers de (5.15) situés sur
z = 0.
On fait le même calcul dans la carte donnée par le plan y = 1. On laisse en
exercice le fait de vérifier que les coordonnées sur ce plan sont données par

x 1
(v, w) = , .
y y
Dans ces coordonnées, le champ devient

v 1 v 1
v̇ = −vwQ , + wP , ,
w w w w
(5.16)
v 1
ż = −w2 Q , .
w w
Comme précédemment on multiplie par wn−1 pour obtenir

v 1 v 1
v̇ = −vwn Q , + wn P , ,
w w w w
(5.17)
v 1
ż = −wn+1 Q , .
w w
Ici encore, l’infini, correspondant à w = 0, est invariant, et on analyse les points
singuliers de (5.17) situés sur w = 0.
72 CHAPITRE 5. THÉORIE DES BIFURCATIONS

E XEMPLE 5.4 (Retour sur l’exemple 5.3) Faisons les calculs pour le champ (5.11). Ici
encore pour simplifier, on prendra λ = = δ = 0. Dans la première carte à l’infini on
prend (u, z) = yx , x1 . Le système devient

u 10 5u u2

1 1 25u
u̇ = −uz − − 2 + 2 + 2 + z + 2− 2 ,
z z z z z z z
2
(5.18)
u 10 5u u
ż = −z2 − − 2 + 2 + 2 .
z z z z

Après multiplication par z et réarrangement des termes on obtient

u 0 = −u3 − 5u2 − 15u + 1 + z(1 + u2 ),

(5.19)
z 0 = z(−u2 − 5u + 10) + uz2 .

Les points singuliers sont donnés par z = 0 et p(u) = u3 + 5u2 + 15u − 1 = 0. En

considérant le discriminant de p(u) (voir définition 5.5 et théorème 5.6 ci-dessous), on
voit qu’il a une seule racine u0 , qui est positive. On veut étudier le type de ce point
singulier. Pour cela, on regarde la matrice jacobienne du champ évaluée en ce point.
Elle vaut
−3u20 − 10u0 − 15 1 + u20

.
0 −u20 − 5u0 + 10
Les deux valeurs propres sont λ1 = −3u20 − 10u0 − 15 < 0 puisque u0 > 0 et λ2 =
−u20 −5u0 +10. Il faut étudier le signe de λ2 . On va utiliser que p(u0 ) = 0 et u0 > 0.
Alors, λ2 a le signe de u0 λ2 + p(u0 ) = 25u0 − 1. Il faut donc déterminer le signe de
25u0 − 1. Remarquons que P(u) > 0 si u > u0 et P(u) < 0 si u < u0 . Calculons
P(1/25) = −6124/15625 < 0. Donc, 1/25 < u0 et 25u0 − 1 > 0. D’où λ2 > 0,
et le point (u0 , 0) à l’infini est un point de selle. Ce même calcul nous donne aussi la
position relative de ce point par rapport au point à l’infini de la droite 1 + x − 25y = 0.
Remarque : ce point correspond à deux points singuliers à l’infini diamétralement
opposés, l’un à l’infini dans le quadrant x, y > 0, et l’autre dans le quadrant x, y < 0.
Puisqu’on a multiplié le système initial par z, pour le système initial le sens des flèches
est opposé pour les séparatrices correspondantes des deux points.
La deuxième carte ne donne pas de nouveau point singulier à l’infini.
En traçant le portrait de phase à l’infini et sur la droite 1 + x − 25y = 0, on voit
bien qu’on a un anneau de Poincaré-Bendixson autour du point (0, 1), lequel contient
un cycle limite.
En pratique, on choisit de représenter l’hémisphère inférieur par un disque dont le
bord représente l’équateur (voir figure 5.3).

D ÉFINITION 5.5 On considère un polynôme cubique

p(x) = x3 + ax2 + bx + c. (5.20)

Le discriminant de p est l’expression

∆ = a2 b2 − 4b3 − 4a3 c + 18abc − 27c2 . (5.21)

5.2. LA BIFURCATION DE HOPF D’ORDRE K 73

(La fonction discriminant est implantée sur la plupart des logiciels de manipula-
tions symboliques.)

T H ÉOR ÈME 5.6 On considère un polynôme cubique (5.20) à coefficients complexes,

et ∆ son discriminant. Si ∆ = 0, alors p a une racine multiple (double ou triple), et si
∆ 6= 0, alors p n’a que des racines simples. De plus, si p est à coefficients réels,
– si ∆ < 0, alors p a une racine réelle et deux racines complexes conjuguées ;
– si ∆ > 0, alors p a trois racines réelles.

Vous aimerez peut-être aussi

Étude qualitative des équations différentielles
Pas encore d'évaluation
Étude qualitative des équations différentielles
119 pages
Introduction aux systèmes dynamiques
Pas encore d'évaluation
Introduction aux systèmes dynamiques
93 pages
Cours en ligne sur systèmes dynamiques
Pas encore d'évaluation
Cours en ligne sur systèmes dynamiques
60 pages
Introduction aux systèmes différentiels
Pas encore d'évaluation
Introduction aux systèmes différentiels
4 pages
Équations Différentielles et Topologie
100% (1)
Équations Différentielles et Topologie
254 pages
Équations Différentielles en Banach
Pas encore d'évaluation
Équations Différentielles en Banach
97 pages
Modélisation de la chenille de l'épicéa
Pas encore d'évaluation
Modélisation de la chenille de l'épicéa
19 pages
Chapitre1 Equations Différentielles
Pas encore d'évaluation
Chapitre1 Equations Différentielles
17 pages
Algèbre et Équations Différentielles en Biologie
Pas encore d'évaluation
Algèbre et Équations Différentielles en Biologie
67 pages
Des Équations Différentielles Aux Systèmes Dynamiques Tome II - EDP Sciences
Pas encore d'évaluation
Des Équations Différentielles Aux Systèmes Dynamiques Tome II - EDP Sciences
329 pages
Systèmes Dynamiques et Commande
Pas encore d'évaluation
Systèmes Dynamiques et Commande
229 pages
Cours Lyapunov
Pas encore d'évaluation
Cours Lyapunov
43 pages
Cours Lyapunov
Pas encore d'évaluation
Cours Lyapunov
44 pages
Modèles mathématiques en biologie EDO
Pas encore d'évaluation
Modèles mathématiques en biologie EDO
51 pages
Systèmes dynamiques et chaos : Cours et exercices
Pas encore d'évaluation
Systèmes dynamiques et chaos : Cours et exercices
103 pages
Analyse de la stabilité des systèmes
Pas encore d'évaluation
Analyse de la stabilité des systèmes
141 pages
Des Équations Différentielles Aux Systèmes Dynamiques I: Collection Enseignement Sup Mathématiques
Pas encore d'évaluation
Des Équations Différentielles Aux Systèmes Dynamiques I: Collection Enseignement Sup Mathématiques
260 pages
Systèmes Dynamiques : Cours et Exercices
Pas encore d'évaluation
Systèmes Dynamiques : Cours et Exercices
229 pages
Systèmes dynamiques : Équations différentielles
Pas encore d'évaluation
Systèmes dynamiques : Équations différentielles
109 pages
MMP LP206
Pas encore d'évaluation
MMP LP206
140 pages
Vladimir Arnold - Chapitres Supplémentaires de La Théorie Des Équations Différentielles Ordinaires-Mir - Éditions (1980)
100% (1)
Vladimir Arnold - Chapitres Supplémentaires de La Théorie Des Équations Différentielles Ordinaires-Mir - Éditions (1980)
322 pages
Introduction aux Équations Différentielles
Pas encore d'évaluation
Introduction aux Équations Différentielles
49 pages
AO102
Pas encore d'évaluation
AO102
230 pages
Bifurcations en systèmes non-linéaires
Pas encore d'évaluation
Bifurcations en systèmes non-linéaires
22 pages
Équations aux dérivées partielles et applications
Pas encore d'évaluation
Équations aux dérivées partielles et applications
273 pages
Eq - Diff - 2025 - Yannick Vincent & Robert Eymard
Pas encore d'évaluation
Eq - Diff - 2025 - Yannick Vincent & Robert Eymard
96 pages
coursEDO PDF
Pas encore d'évaluation
coursEDO PDF
47 pages
Introduction aux Équations Différentielles
Pas encore d'évaluation
Introduction aux Équations Différentielles
47 pages
Stabilité des solutions d'équations différentielles
Pas encore d'évaluation
Stabilité des solutions d'équations différentielles
61 pages
Exercices sur les Équations Différentielles
Pas encore d'évaluation
Exercices sur les Équations Différentielles
57 pages
Stabilité Et Theorie de Lyapunov
Pas encore d'évaluation
Stabilité Et Theorie de Lyapunov
88 pages
Méthodes Numériques en Équations Différentielles
Pas encore d'évaluation
Méthodes Numériques en Équations Différentielles
160 pages
Mathématiques pour l'ingénieur : Guide complet
Pas encore d'évaluation
Mathématiques pour l'ingénieur : Guide complet
391 pages
Memoire Finale Rania
Pas encore d'évaluation
Memoire Finale Rania
51 pages
Équations Différentielles Ordinaires
Pas encore d'évaluation
Équations Différentielles Ordinaires
71 pages
Équations Différentielles : Guide Complet
Pas encore d'évaluation
Équations Différentielles : Guide Complet
90 pages
Cours TD équations différentielles
Pas encore d'évaluation
Cours TD équations différentielles
235 pages
Cours sur les Équations Différentielles
Pas encore d'évaluation
Cours sur les Équations Différentielles
108 pages
Equazioni differenziali non lineari Lectures given at a Summer School of the Centro Internazionale Matematico Estivo (C.I.M.E.) held in Varenna (Como), Italy, September 15 24, 1954 - 1st Edition ISBN 9783642108853, 3642108857 New Edition PDF
Pas encore d'évaluation
Equazioni differenziali non lineari Lectures given at a Summer School of the Centro Internazionale Matematico Estivo (C.I.M.E.) held in Varenna (Como), Italy, September 15 24, 1954 - 1st Edition ISBN 9783642108853, 3642108857 New Edition PDF
15 pages
Introduction aux systèmes dynamiques
100% (1)
Introduction aux systèmes dynamiques
204 pages
Systèmes Dynamiques Et Introduction Au Chaos Cours Et Exercices Corrigés DR Kamel Djeddi
Pas encore d'évaluation
Systèmes Dynamiques Et Introduction Au Chaos Cours Et Exercices Corrigés DR Kamel Djeddi
103 pages
Systèmes Dynamiques Et Introduction Au Chaos Cours Et Exercices Corrigés DR Kamel Djeddi
Pas encore d'évaluation
Systèmes Dynamiques Et Introduction Au Chaos Cours Et Exercices Corrigés DR Kamel Djeddi
103 pages
Existence et unicité des solutions dynamiques
Pas encore d'évaluation
Existence et unicité des solutions dynamiques
12 pages
Calculdiff Eqdiff L3A 21 22
Pas encore d'évaluation
Calculdiff Eqdiff L3A 21 22
131 pages
Systèmes Différentiels en Mathématiques
Pas encore d'évaluation
Systèmes Différentiels en Mathématiques
58 pages
Méthodes de résolution des équations différentielles
Pas encore d'évaluation
Méthodes de résolution des équations différentielles
43 pages
Équations aux dérivées partielles
Pas encore d'évaluation
Équations aux dérivées partielles
85 pages
Introduction aux Équations Différentielles
Pas encore d'évaluation
Introduction aux Équations Différentielles
75 pages
Problème de Cauchy en Équations Différentielles
Pas encore d'évaluation
Problème de Cauchy en Équations Différentielles
72 pages
Systèmes Dynamiques Discrets en Mathématiques
Pas encore d'évaluation
Systèmes Dynamiques Discrets en Mathématiques
56 pages
Stabilité des Systèmes Dynamiques
Pas encore d'évaluation
Stabilité des Systèmes Dynamiques
20 pages
Intégration géométrique des systèmes hamiltoniens
Pas encore d'évaluation
Intégration géométrique des systèmes hamiltoniens
124 pages
HLD 3M236 2016
Pas encore d'évaluation
HLD 3M236 2016
160 pages
livreMathsIng 09
Pas encore d'évaluation
livreMathsIng 09
390 pages
Problèmes d'évolution en mathématiques
Pas encore d'évaluation
Problèmes d'évolution en mathématiques
171 pages
Introduction à la géométrie riemannienne
100% (1)
Introduction à la géométrie riemannienne
60 pages
Théorie de l'intégration et mesures
100% (8)
Théorie de l'intégration et mesures
436 pages
Courbes algébriques planes par A. Chenciner
100% (2)
Courbes algébriques planes par A. Chenciner
160 pages
Analyse Reacuteelle Et Complexe Cours Et Exercices Walter Rudin
100% (1)
Analyse Reacuteelle Et Complexe Cours Et Exercices Walter Rudin
471 pages
7 Géométrie Algébrique Une Introduction Daniel Perrin
100% (1)
7 Géométrie Algébrique Une Introduction Daniel Perrin
317 pages
Mathématiques pour l'agrégation : Algèbre
100% (5)
Mathématiques pour l'agrégation : Algèbre
804 pages
Lecons de Mathématiques d'Aujourd'Hui - Volume 1
Pas encore d'évaluation
Lecons de Mathématiques d'Aujourd'Hui - Volume 1
350 pages
IntroductionCalcVar2019 PDF
Pas encore d'évaluation
IntroductionCalcVar2019 PDF
24 pages
Introduction Aux Varietes Differentielles
0% (1)
Introduction Aux Varietes Differentielles
301 pages
Colmez Elements D'analyse Et D'algebre
100% (1)
Colmez Elements D'analyse Et D'algebre
489 pages
(Daniel Perrin) Cours D'algèbre
100% (6)
(Daniel Perrin) Cours D'algèbre
212 pages
Éléments de Topologie Algébrique by Claude Godbillon
100% (1)
Éléments de Topologie Algébrique by Claude Godbillon
250 pages
Arnaudiès Tome 3 Cours Compléments Analyse Dunod 1993
100% (1)
Arnaudiès Tome 3 Cours Compléments Analyse Dunod 1993
530 pages
Arnaudiès Tome 4 Cours Algèbre Bilinéaire Et Géométrie
100% (3)
Arnaudiès Tome 4 Cours Algèbre Bilinéaire Et Géométrie
553 pages
Analyse de Fourier Dans Les Espaces Fonctionnels, Niveau M1 (PDFDrive)
100% (5)
Analyse de Fourier Dans Les Espaces Fonctionnels, Niveau M1 (PDFDrive)
454 pages
Mathématiques Tout-En-un Pour La Licence 1 (Jean-Pierre Ramis, André Warusfel, Xavier Buff Etc.) (Z-Library)
100% (13)
Mathématiques Tout-En-un Pour La Licence 1 (Jean-Pierre Ramis, André Warusfel, Xavier Buff Etc.) (Z-Library)
1 039 pages
Goldrei - Classic Set Theory For Guided Independent Study
85% (13)
Goldrei - Classic Set Theory For Guided Independent Study
296 pages
Roger Godement-Topologie Algebrique Et Theorie Des Faisceaux
100% (2)
Roger Godement-Topologie Algebrique Et Theorie Des Faisceaux
295 pages
Cours de Géométrie et Topologie 2021
100% (3)
Cours de Géométrie et Topologie 2021
210 pages
Analyse des Mathématiques par Gourdon
100% (4)
Analyse des Mathématiques par Gourdon
458 pages
Benoît Mandelbrot-Les Objets Fractals Forme, Hasard Et Dimension, Survol Du Langage Fractal, 4e Édition - Flammarion (1999)
100% (4)
Benoît Mandelbrot-Les Objets Fractals Forme, Hasard Et Dimension, Survol Du Langage Fractal, 4e Édition - Flammarion (1999)
220 pages
Algèbre et géométrie pour Licence
100% (4)
Algèbre et géométrie pour Licence
356 pages
Analyse Matricielle Cours Et Exercices Résolus - 2e Édition Augmentée by Jean-Etienne Rombaldi
100% (6)
Analyse Matricielle Cours Et Exercices Résolus - 2e Édition Augmentée by Jean-Etienne Rombaldi
272 pages
Notes d'Analyse III et IV à l'EPFL
Pas encore d'évaluation
Notes d'Analyse III et IV à l'EPFL
181 pages
Cours de Mathematiques MP (Voedts)
100% (2)
Cours de Mathematiques MP (Voedts)
1 138 pages
Géométrie Affine, Projective, Euclidienne Et Anallagmatique - Yves Ladegaillerie
100% (1)
Géométrie Affine, Projective, Euclidienne Et Anallagmatique - Yves Ladegaillerie
522 pages
Calcul Differentiel Et Calcul Integral 3e Annee. Cours Et Exercices Avec Solutions (Chaperon M) (Z-Library)
100% (1)
Calcul Differentiel Et Calcul Integral 3e Annee. Cours Et Exercices Avec Solutions (Chaperon M) (Z-Library)
450 pages
Arbre de Décision pour Classification
Pas encore d'évaluation
Arbre de Décision pour Classification
47 pages
Estimation du modèle VECM et tests
Pas encore d'évaluation
Estimation du modèle VECM et tests
14 pages
Classification supervisée en data mining
Pas encore d'évaluation
Classification supervisée en data mining
19 pages
Méthodes de Classification des Données
Pas encore d'évaluation
Méthodes de Classification des Données
40 pages
Introduction à l'Apprentissage Automatique
Pas encore d'évaluation
Introduction à l'Apprentissage Automatique
166 pages
Équilibre de Nash en stratégie mixte
Pas encore d'évaluation
Équilibre de Nash en stratégie mixte
2 pages
Méthodes de Jacobi et Gauss-Seidel
100% (1)
Méthodes de Jacobi et Gauss-Seidel
10 pages
Data Science pour la Prise de Décision
Pas encore d'évaluation
Data Science pour la Prise de Décision
185 pages
Événements et Probabilités Élémentaires
Pas encore d'évaluation
Événements et Probabilités Élémentaires
80 pages
Intégration Numérique : Méthodes et Erreurs
Pas encore d'évaluation
Intégration Numérique : Méthodes et Erreurs
47 pages
Commande par retour d'état expliquée
100% (1)
Commande par retour d'état expliquée
7 pages
Introduction aux arbres de décision et algorithmes
Pas encore d'évaluation
Introduction aux arbres de décision et algorithmes
35 pages
Introduction au Machine Learning et ses usages
Pas encore d'évaluation
Introduction au Machine Learning et ses usages
4 pages
Processus stochastiques et applications
Pas encore d'évaluation
Processus stochastiques et applications
2 pages
Introduction au Deep Learning et ML
Pas encore d'évaluation
Introduction au Deep Learning et ML
88 pages
Système Chaotique et Circuit de Chua
Pas encore d'évaluation
Système Chaotique et Circuit de Chua
84 pages
Apprentissage d'ensemble avec Scikit-learn
Pas encore d'évaluation
Apprentissage d'ensemble avec Scikit-learn
41 pages
Théorie de la dualité en programmation linéaire
Pas encore d'évaluation
Théorie de la dualité en programmation linéaire
5 pages
Primitives Cryptographiques et Chiffrement
Pas encore d'évaluation
Primitives Cryptographiques et Chiffrement
12 pages
Canal de Transmission et Modèles Discrets
Pas encore d'évaluation
Canal de Transmission et Modèles Discrets
8 pages
Modulation Analogique PWM : Pratique
Pas encore d'évaluation
Modulation Analogique PWM : Pratique
7 pages
Correction TD Analyse Numérique S4 MIP/PC
Pas encore d'évaluation
Correction TD Analyse Numérique S4 MIP/PC
3 pages
Résolution des Équations Différentielles
Pas encore d'évaluation
Résolution des Équations Différentielles
22 pages
Cours d'Algorithmique avec Exercices
Pas encore d'évaluation
Cours d'Algorithmique avec Exercices
120 pages
R01 Exercice - Solution
Pas encore d'évaluation
R01 Exercice - Solution
4 pages
Introduction à la Méthode des Éléments Finis
Pas encore d'évaluation
Introduction à la Méthode des Éléments Finis
50 pages
Dérivation Numérique et Intégration
Pas encore d'évaluation
Dérivation Numérique et Intégration
7 pages
Exposés sur l'Apprentissage Automatique
Pas encore d'évaluation
Exposés sur l'Apprentissage Automatique
1 page
Optimisation de routes avec CPLEX
Pas encore d'évaluation
Optimisation de routes avec CPLEX
69 pages
Méthodes de troncature en programmation entière
Pas encore d'évaluation
Méthodes de troncature en programmation entière
18 pages

Équations Différentielles Non Linéaires

Transféré par

Équations Différentielles Non Linéaires

Transféré par

ÉQUATIONS DIFFÉRENTIELLES NON LINÉAIRES

Table des matières iii

2 Théorie de la stabilité de Lyapunov 31

3 Équivalences de champs de vecteurs 39

3.3 Équivalence topologique orbitale . . . . . . . . . . . . . . . . . . 44

4 La théorie des formes normales de Poincaré 53

5 Théorie des bifurcations 63

On retrouve les équations différentielles ordinaires dans de très nombreux

1.1.2 Le point de vue de Poincaré

Prenons le point de vue autonome. Dans ce point de vue, le théorème d’exis-

Donner le portrait de phase d’une équation différentielle ordinaire est un

issues d’un processus de modélisation dépendent souvent de paramètres. Il

1.1.3 La théorie des systèmes dynamiques

La théorie des systèmes dynamiques étudie l’évolution des systèmes dans

Xn+1 = F(Xn , n),

où X ∈ Rn et F : U → Rn , pour U un ouvert de Rn+1 . Elle est autonome si F ne

fonction F(X0 ) = Φ(t0 + T, X0 ) et ses itérées

Étudier F et ses itérées revient à avoir une vue stroboscopique du système.

1.1.4 Les systèmes hamiltoniens

En changeant d’unité, on peut toujours supposer K = 1. Posons mi X ~˙ i = ~pi .

et l’énergie potentielle par

Donc, le système a la forme

1.2 Quelques rappels

T H ÉOR ÈME 1.1 (Théorème des fonctions inverses) Soit U un ouvert de Rn et F : U →

Jac(F−1 )(F(X0 )) = DF−1 (F(X0 )) = A−1 = (Jac(F)(X0 ))−1 = (DF(X0 ))−1 .

1.2.2 Systèmes de coordonnées

Le choix de la classe (Cr C∞ , Cω , linéaire) dépend du contexte. Lorsqu’on

On veut comprendre l’organisation géométrique des trajectoires d’un système

1.2.3 Théorème de point fixe de Banach

P REUVE Commençons par l’unicité : si x et y sont deux points fixes, alors

 > 0. On cherche N tels que si m, n > N, alors d(xm , xn ) < . On a

d(xn+1 , xn ) ≤ cd(xn , xn−1 ≤ · · · ≤ cn d(x1 , x0 ).

Alors, pour m > n

d(xm , xn ) ≤ d(xm , xm−1 ) + · · · + d(xn+1 , xn )

1.3 Les théorèmes d’existence et d’unicité des systèmes

Notation On note par B(X, r) la boule centrée en X de rayon r et B(X, r) sa

T H ÉOR ÈME 1.5 On considère un champ de vecteurs v : U → Rn de classe Cr (resp.

En dérivant, on voit tout de suite que ∂Φ

X = {Φ : B(X0 , δ) × [−, ] → B(X0 , 2δ) | Φ continue, Φ(X1 , 0) = X1 }.

Sur X on définit la norme

kΦk = max |Φ(X1 , t)|.

|T (Φ)(X1 , t) − X0 | ≤ |T (Φ)(X1 , t) − X1 | + |X1 − X0 |

si on choisit  pour que M < δ.

Montrer que Φ(X1 , t) est continûment dérivable en X1 requiert plus de tra-

c’est-à-dire comme point fixe de l’opérateur

On peut vérifier qu’à chaque étape on a Ψm = ∂Φ

Il faut montrer que la suite Ψm converge vers Ψ (exercice). Alors, puisque la

1.3.1 L’application du flot

T H ÉOR ÈME 1.6 On considère un champ de vecteurs v : U → Rn de classe Cr et

1.3.2 Dépendance des paramètres

T H ÉOR ÈME 1.7 On considère un champ de vecteurs vλ : U × V → Rn défini sur un

Ẋ = vλ (X) = v(X, λ),

1.3.3 Théorème de redressement

P REUVE Soit (P) l’hyperplan passant par X0 et perpendiculaire à v(X0 ). On

F−1 (y1 , y2 , . . . , yn ) = Φy1 (g(y2 , . . . , yn )).

Cette application transforme la solution de l’equation différentielle (1.13) pas-

sa matrice jacobienne en 0 est inversible. La première colonne de D(F−1 )(0) est

Ẋ = DG(G−1 (X))e1 = v(G−1 (Φy1 (g(y2 , . . . , yn )) = v(X),

Le théorème de redressement (appelé “flow-box theorem” en anglais) donne

1.3.4 Prolongement des solutions

E XEMPLE 1.10 Considérons l’équation différentielle sur R

1.4 Rappel sur les systèmes linéaires

où A est une matrice n × n à coefficients réels et X ∈ Rn . Il sera parfois utile

E XEMPLE 1.11 Pour n = 1, l’équation différentielle ẋ = ax a pour solution x(t) =

Ceci suggère que la solution du système Ẋ = AX sous la condition initiale

D ÉFINITION 1.12 Étant donnée une matrice carrée B, n × n, l’exponentielle de la

où B0 = In est la matrice identité.

Lorsqu’on traite de la convergence de suites de matrices on utilise la norme

kBk = max |BX|,

Sn−1 = {X ∈ Rn ; |X| = 1}.

Si on permet aux entrées de B d’être complexes, alors on définit la sphère complexe de

P ROPOSITION 1.14 La norme d’une matrice carrée n × n satisfait aux propriétés

Le calcul de eB se fait aisément si on utilise la forme de Jordan de B.

P ROPOSITION 1.15 1. Soit J un bloc de Jordan k × k de la forme

1.5 Un critère pour la stabilité asymptotique d’un

1.5.1 Le cas linéaire

> 0. On cherche N tels que si m, n > N, alors d(xm , xn ) < . On a

X = {Φ : B(X0 , δ) × [−, ] → B(X0 , 2δ) | Φ continue, Φ(X1 , 0) = X1 }.

si on choisit pour que M < δ.

Soit > 0. On considère J 0 = SJS−1 , où S est la matrice diagonale

On a bien Ḟ < 0 pour Y 6= 0 dès que est assez petit (exercice).