Poly Complet
Poly Complet
Poly Complet
1 Introduction et motivation 3
1.1 Définitions, historique et premiers exemples . . . . . . . . . . . . . . . . . . 3
1.2 Exemples de bilans entre t et t + dt . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Difficultés et enjeux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4 Analyse numérique 65
4.1 Notion de solution approchée . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.2 Schémas d’Euler pour les équations linéaires d’ordre un . . . . . . . . . . . . 67
4.3 Schémas d’Euler pour des systèmes d’équations différentielles linéaires . . . 69
4.4 Perte de périodicité dans les schémas d’Euler . . . . . . . . . . . . . . . . . 74
Appendices
1
2 TABLE DES MATIÈRES
Introduction et motivation
Un peu d’histoire...
Le calcul différentiel naît à la fin du XVIIe siècle, à la suite des travaux de Leibniz et
Newton (1671). Assez naturellement, la question de résoudre des équations différentielles
3
4 CHAPITRE 1. INTRODUCTION ET MOTIVATION
se pose. À cette époque, les modèle étudiés viennent principalement de la mécanique (en
particulier de la mécanique céleste) et de la géométrie. Des exemples multiples d’équations
différentielles sont fournis par le principe fondamental de la dynamique, ou deuxième loi
de Newton, qui s’écrit
F = mx00 (t),
où x est le centre de masse d’un système, m sa masse, et F la résultante des forces s’ap-
pliquant sur le système. Notons que cette dernière équation est une équation différentielle
pourvu que F puisse s’écrire comme une fonction de la position x(t) et de la vitesse x0 (t).
À cette époque, deux méthodes de “résolution” étaient utilisées : soit on intégrait di-
rectement l’équation différentielle, c’est-à-dire qu’on disposait d’une formule explicite pour
la solution (méthode appelée résolution par quadratures), soit on en calculait un dévelop-
pement en série entière. Un siècle plus tard, en 1769, Euler entreprend la classification de
toutes les équations différentielles pour lesquelles on dispose de formules explicites.
Au XIXe siècle, Liouville démontre que certaines équations ne peuvent être résolues
analytiquement : la solution existe, mais ne peut être exprimée comme une combinaison
de fonctions usuelles. C’est le cas par exemple de l’équation de type Riccati
x0 (t) = t + x2 (t).
Dès lors, il apparaît crucial de disposer d’autres outils que le calcul explicite. Deux voies
(complémentaires) sont possibles :
— l’analyse théorique, dont le but est de montrer l’existence et l’unicité des solutions
d’équations différentielles à l’aide d’outils généraux ;
— l’analyse numérique, dont le but est de calculer des solutions approchées (functions
approchant des solutions), avec la meilleure précision possible.
Vers 1870 Fuchs, puis Poincaré, cherchent ainsi à déduire de l’examen a priori de l’équation,
les propriétés des solutions.
Parallèlement aux progrès mathématiques dans ce domaine, l’utilisation des équations
différentielles se développe dans toutes les disciplines : la chimie (cinétique des réactions
chimiques), les sciences du vivant (épidémies, modèles de populations)...
Soit i(t) l’intensité qui circule dans le circuit. D’après la loi des mailles, on a
E(t) = uR (t) + uL (t) + uC (t).
Par ailleurs, on a les relations suivantes pour les tensions électriques uL , uC , uR :
1.1. DÉFINITIONS, HISTORIQUE ET PREMIERS EXEMPLES 5
L’équation ci-dessus est une équation linéaire d’ordre deux, à coefficients constants. On
verra au deuxième chapitre comment résoudre ce type d’équation.
B Pendule simple :
L
~g
✓(t)
mL✓00 = mg sin ✓,
soit
g
✓00 +sin ✓ = 0. (1.2)
L
Remarquons que cette équation est non linéaire : si ✓1 , ✓2 sont deux solutions de (1.2),
en général ✓1 + ✓2 n’est pas solution. De façon générale, il est impossible de connaître ex-
plicitement les solutions d’équations non linéaires, mais on verra au deuxième chapitre que
l’on pourra dire des choses sur leur comportement qualitatif (et on tracera les trajectoires
(✓, ✓0 ) dans l’Appendice 6.2). On calcule souvent des solutions exactes d’une équation ap-
prochée de (1.2) 1 pour de petites oscillations en linéarisant le sinus autour de zéro : en
effet, sin ✓ ⇠ ✓ pour ✓ ⌧ 1. Pour la version linéarisée de l’équation, qui n’est valable que
pour les petites oscillations, on obtient l’équation de l’oscillateur harmonique ou pendule
élastique :
g
✓00 + ✓ = 0. (1.3)
L
p
Les solutions sont des combinaisons linéaires de sin(!0 t) et de cos(!0 t), où !0 = g/L.
1. Ce qui n’est pas la même chose que de calculer des solutions approchées de l’équation exacte !
6 CHAPITRE 1. INTRODUCTION ET MOTIVATION
et donc
N (t + dt) N (t) = bN (t)dt dN (t)dt.
dN
= rN (t), (1.4)
dt
où r = b d.
Les solutions de cette équation sont de la forme N0 ert (on rappellera au deuxième
chapitre comment résoudre ce type d’équation.). En particulier :
— Si b > d (r > 0), autrement dit s’il y a plus de naissances que de décès, la population
croît exponentiellement ;
— Si b > d (r < 0), la population s’éteint avec une vitesse exponentielle ;
— Si b = d (r = 0), on a une situation d’équilibre : la population est constante.
Le défaut principal de ce modèle est qu’il est peu réaliste qu’une population croisse
indéfiniment à vitesse exponentielle. En effet, il faut tenir compte des ressources dont
dispose cette population, qui vont rapidement s’épuiser si la population croît. Pour pallier
ce problème, on peut modifier l’équation de Malthus (1.4) en ajoutant un terme quadratique
proposé par Verhulst, censé réguler la population en fonction de sa taille :
✓ ◆
dN N (t)
= rN (t) 1 . (1.5)
dt K
Ainsi, lorsque N (t) > K, N 0 (t) < 0 : la population diminue lorsqu’elle dépasse la taille
critique K.
Le paramètre K est appelé “charge utile de l’environnement”. Il est fonction de la
capacité du milieu en nourriture.
Lemme 1.2.1. L’unique solution de l’équation (1.5) avec pour donnée initiale N (0) = N0
est
K
N (t) = N0 .
N0 + (K N0 )e rt
Démonstration. Posons
K
N̄ (t) = N0 rt
.
N0 + (K N0 )e
1.2. EXEMPLES DE BILANS ENTRE T ET T + DT 7
On vérifie aisément sur la formule que N (t) ! K quand t ! 1 quelle que soit la valeur
de N0 .
Regardons l’allure des solutions de (1.5) en fonction de la donnée initiale : en prenant
comme paramètres r = K = 1, on a le tracé de solutions suivant :
0 t
Pour aller plus loin dans l’effet de l’environnement dans le cas de prédateurs, on peut in-
clure comme inconnue la population de prédateurs et considérer le système proie-prédateur
de Lotka-Volterra comme suit.
On considère une population de proies N (t), et une population de prédateurs P (t). les
hypothèses de modélisation sont les suivantes :
— Les proies sont supposées avoir une source illimitée de nourriture et se reproduire
exponentiellement si elles ne sont soumises à aucune prédation ;
— Le taux de prédation p sur les proies est supposé proportionnel à la fréquence de
rencontre entre les prédateurs et les proies. Cette fréquence de rencontre est elle-
même proportionnelle au produit du nombre de prédateurs par le nombre de proies ;
— En l’absence de proies, la population de prédateurs s’éteint exponentiellement ;
— Le taux d’accroissement a d’accroissement de la population des prédateurs due à la
prédation est proportionnelle au taux de prédation.
En effectuant un bilan entre t et t + dt on obtient le système d’équations non-linéaire
suivant : 8
> dN = rN N (t) pN (t)P (t),
>
>
< dt
(1.6)
>
> dP
>
: = rP P (t) + aN (t)P (t).
dt
8 CHAPITRE 1. INTRODUCTION ET MOTIVATION
Nous allons tracer les solutions dans l’Appendice 6.1, dans certains cas. À noter qu’un
tracé de solution (N (t), P (t)) sera une courbe du plan, pas nécessairement de la forme d’un
graphe comme lors de solutions des équations à valeurs réelles. Une telle représentation
graphique des solutions s’appelle un portrait de phase.
B Cinétique chimique :
Considérons une réaction chimique sur trois espèces :
k k k
Y3 !3 Y2 !2 Y1 !1 Y2 ,
Nous allons commencer ce chapitre par rappeler la façon dont on sait résoudre les
équation différentielles linéaires d’ordre un. Ensuite nous allons nous attaquer à la question
de la résolution d’une équation différentielle d’ordre un quelconque. Nous allons d’abord
démontrer des résultats d’existence de solutions, sans avoir recours à une formule explicite.
Ensuite nous allons étudier le comportement qualitatifs des solutions obtenues.
p
1. L’unicité n’est pas valable pour toutes des équations différentielles : par exemple x0 (t) = 2 x(t) avec
x(0) = 0 admet deux solutions, celle nulle x1 (t) = 0, 8t 2 R, et aussi x2 (t) = 0 si t < 0 et x2 (t) = t2 pour
t 0.
11
12CHAPITRE 2. THÉORIE GÉNÉRALE POUR LES ÉQUATIONS DIFFÉRENTIELLES
Donc la fonction C est constante sur l’intervalle I et vaut C(t0 ) = x(t0 ) = x0 . Donc
Rt Rt
a(t0 )dt0 a(t0 )dt0
x(t) = C(t)e t0 = x0 e t0 .
x(t) = Cer(t t0 )
.
— On prend I = R⇤+ , a(t) = k/t pour k 2 R⇤. Alors les solutions de l’équation (2.2)
sont données par
✓ ◆k
k ln tt t
x(t) = Ce 0 = C .
t0
Démonstration. Soient x et y deux solutions de (2.1) telles que x(t0 ) = y(t0 ) = x0 . Alors on
vérifie immédiatement que z := x y est solution de (2.2) avec z(t0 ) = 0. Par conséquent
z = 0.
on en déduit que Rt
0 a(t0 )dt0
C (t) = e t0 b(t).
Si on impose une condition initiale x(t0 ) = x0 , on a alors C(t0 ) = x0 et en intégrant on
obtient Z t Rs
a(t0 )dt0
C(t) = x0 + b(s)e t0 ds.
t0
Théorème 2.1.4. Soit t0 2 I, x0 2 R. Alors l’unique solution de (2.1) telle que x(t0 ) = x0
est donnée par ✓ ◆ R
Z t Rs t
a(t0 )dt0 a(t0 )dt0
x(t) = x0 + e t 0 b(s) ds e t0
t0
Rt Z t Rt
a(t0 )dt0 a(t0 )dt0
= x0 e t0 + e s b(s) ds.
t0
Remarque 2.1.5. On remarque que la solution de (2.1) est somme d’une solution de
l’équation homogène (2.2) avec donnée initiale x0 à t0 et d’une solution de l’équation non-
homogène (2.1) avec donnée initiale nulle à t0 . Cette dernière est une "superposition" de
solutions de l’équation homogène. Ce principe, qui consiste à exprimer les solution d’une
équation non-homogène en fonction des solutions de l’équation homogène associée remonte
à Euler et Lagrange, et dans le cas des équations aux dérivées partielles porte le nom de
principe de Duhamel.
On vient donc de montrer l’existence des solutions de (2.1), et de proposer une méthode
pour calculer ces solutions. Cette méthode marche aussi en prenant une autre primitive et
donnée initiale dans la définition de C(t),
Rt
a(t0 )dt0
C(t) = x(t)e t1 , C(t1 ) = C,
14CHAPITRE 2. THÉORIE GÉNÉRALE POUR LES ÉQUATIONS DIFFÉRENTIELLES
t3
x(t) = + Ct.
2
Il faut ensuite choisir la constante C de façon à ce que la condition initiale en t0 > 0 soit
vérifiée.
Par ailleurs,
Rt
0 a(t0 )dt0
f (t) = x0p (t) + (x0 x1 )a(t)e t0
Rt
a(t0 )dt0
= a(t)xp (t) + b(t) + (x0 x1 )a(t)e t0
x(t)
x0 (t) = t2 .
t
3
On remarque que xp (t) = t2 est une solution particulière. Sachant que les solutions de
l’équation homogène sont de la forme Ct, nous obtenons la forme générale des solutions :
t3
x(t) = + Ct.
2
Il faut ensuite choisir la constante C de façon à ce que la condition initiale en t0 > 0 soit
vérifiée. On remarque que l’on peut aussi résoudre l’équation sur I = R⇤ . Pour les notions
de recollements de solutions voir l’Appendice 5.1.
Exemple 2.1.9. On prend I = R, et on considère l’équation
x0 (t) + tx(t) = t2 + 1.
On vérifie qu’une solution particulière de cette équation est xp (t) = t. La solution générale
de l’équation est donc donnée par
t2 /2
x(t) = t + Ce ,
où la constante C est choisie de telle sorte que la condition initiale soit vérifiée.
Une solution de (2.3) est une fonction X définie sur un intervalle IX contenant t0 ,
à valeurs dans U ⇢ Rm , vérifiant l’équation sur IX et la condition initiale.
• Le système (2.3) est aussi appelé problème de Cauchy (équation différentielle ET
donnée initiale). Résoudre le problème de Cauchy consiste à trouver l’ensemble des solutions
de (2.3) ainsi que l’intervalle sur lequel elles sont définies.
16CHAPITRE 2. THÉORIE GÉNÉRALE POUR LES ÉQUATIONS DIFFÉRENTIELLES
✓R ◆ ! ✓ R2 ◆
2
f: x ax bxy .
7!
y cxy dy
✓(0) = ✓0 , ✓0 (0) = v0 .
✓ ◆
✓
On met ce système sous forme vectorielle en posant X = . On vérifie alors que
✓0
l’équation du pendule simple peut se mettre sous la forme (2.3) en posant X 0 (t) =
f (X(t)) avec
✓R ◆ ! ✓ R2 ◆
2
f: x y ,
7! 2
y !0 sin x
✓ ◆
✓
et X0 = 0 . Il s’agit de nouveau d’un système autonome.
v0
Remarque 2.2.3. Dans la définition ci-dessus, on ne suppose pas que t0 appartient à l’in-
térieur de IX (ni que l’intervalle IX est ouvert) : ça peut être une extrémité de l’intervalle.
satisfait
Y 0 (t) = f (t, X(t)) = X 0 (t),
donc Y (t) X(t) est une constante. D’autre part Y (t0 ) = X0 = X(t0 ), donc Y et X
coïncident sur IX .
Réciproquement, si X satisfait (2.4) alors X 0 (t) = f (t, X(t)) et aussi X(t0 ) = X0 , donc
X est bien solution du problème de Cauchy (2.3).
t2
Nous savons déjà trouver la solution explicitement, il s’agit de e 2 . Nous allons la retrouver
d’une autre façon, en ayant en tête la proposition précédente sur la forme intégrale des
solutions.
Pour toute fonction continue x : R ! R définissons une nouvelle fonction T x : R ! R
par Z t
(T x)(t) := 1 + t0 x(t0 )dt0 .
0
Posons x0 la fonction constante donnée par la donné initiale : x0 (t) = 1 pour tout t 2 R.
Ensuite, pour tout n 2 N⇤ , on définit la fonction xn := T xn 1 , c’est-à-dire
Z t
xn (t) = 1 + t0 xn 1 (t0 )dt0 .
0
Remarque 2.2.8. La condition f 2 C 1 peut être légèrement relaxée : il suffit que la fonction
f soit lipschitzienne sur tout compact. Mais en général, on peut pas faire “mieux” (dans
le sens : “on ne peut pas supposer moins”) que le caractère Lipschitz, comme le montre
l’exemple suivant.
On considère l’équation p
x0 (t) = 2 x(t), t 2 R,
(2.6)
x(0) = 0.
On vérifie facilement que la fonction constante égale à zéro est solution de l’équation. On
va montrer qu’il existe une infinité d’autres solutions : pour T > 0, on pose
⇢
0 si t < T,
xT (t) =
(t T )2 si t T.
On vérifie facilement que xT est également solution de l’équation différentielle (2.6) pour
p
tout T > 0. Il n’y a donc pas unicité. Ce défaut d’unicité vient de ce que la fonction x 7! x
n’est pas lipschitzienne au voisinage de zéro.
Démonstration. Comme expliqué dans l’Exemple 2.2.5, nous allons chercher la solution du
problème de Cauchy par itérations de la fonction constante donnée par la donné initiale.
Construction par itération d’une suite de fonctions :
Posons X 0 la fonction constante donnée par la donné initiale : X 0 (t) = X0 pour tout t 2 I.
Ensuite, pour tout n 2 N⇤ , on définit par itérations succésives la suite de fonctions
Z t
X n (t) = X0 + f (t0 , X n 1 (t0 ))dt0 ,
t0
sur un intervalle de temps [t0 ⌧, t0 + ⌧ ] qui se prête à ce type d’itérations, et qu’on définit
comme suit.
Choix de l’intervalle de définition :
Comme I est un intervalle ouvert de R, U est un ouvert de Rm , et (t0 , X0 ) 2 I ⇥ U , il existe
des nombres positifs a et b tels que [t0 a, t0 + a] ⇥ B(X0 , b) ⇢ I ⇥ U . Par exemple lorsque
m = 1 ce cylindre fermé de Rm+1 se réduit au pavé [t0 a, t0 + a] ⇥ [X0 b, X0 + b] du plan
2. Les théorèmes de Cauchy-Lipschitz sont aussi connues sous le nom de Picard-Lindelöf, et elles datent
de 1850-1900.
2.2. THÉORÈME DE CAUCHY-LIPSCHITZ ET CONSÉQUENCES 19
R2 . S’agissant d’un ensemble compact et f étant continue, son image est aussi compacte.
Soit M > 0 un majorant de kf k sur [t0 a, t0 + a] ⇥ B(X0 , b). Nous définissons alors
b
⌧ = min{a, }.
M
Estimations sur la suite de fonctions :
D’abord on montre par récurrence que pour tout n 2 N nous avons
Nous allons maintenant démontrer par récurrence que l’on a pour tout n 2 N⇤
M K n |t t0 |n
kX n (t) Xn 1
(t)k , 8t 2 [t0 ⌧, t0 + ⌧ ].
K n!
Le premier cas n = 1 revient à avoir
kX 1 (t) X 0 (t)k M |t t0 |,
Z t Z t
0 0 0
= X0 + f (t , X(t ))dt + lim (f (t0 , X N 1
(t0 )) f (t0 , X(t0 )))dt0 .
t0 N !1 t0
Il nous reste donc à montrer que le dernier terme vaut zéro. Comme X(t0 ), X N 1 (t0 ) 2
B(X0 , b) ⇢ U, 8t0 2 [t0 ⌧, t0 + ⌧ ] nous avons pour tout t 2 [t0 ⌧, t0 + ⌧ ]
Z t Z t
0 N 1 0 0 0 0
k (f (t , X (t )) f (t , X(t )))dt k | KkX N 1 (t0 ) X(t0 )kdt0 |
t0 t0
K⌧ sup kX N 1
(t0 ) X(t0 )k,
t0 2[t 0 ⌧,t0 +⌧ ]
et on conclut en utilisant
lim sup kX N 1
(t0 ) X(t0 )k = 0.
N !1 t0 2[t0 ⌧,t0 +⌧ ]
j!1
Ce résultat est vrai car sinon il existerait un ✏ > 0, une suite Nj ! 1 et une suite
tj 2 [t0 ⌧, t0 + ⌧ ] tels que kX Nj (tj ) X(tj )k ✏. Grâce au théorème de Bolzano-
Weiestrass, il existerait une sous-suite de {tjk }k2N convergente vers un t 2 [t0 ⌧, t0 + ⌧ ].
En utilisant aussi la continuité des fonctions X N et X on obtiendrait que pour k assez
grand
✏ kX Njk (tjk ) X(tjk )k kX Njk (tjk ) X Njk (t)k + kX Njk (t) X(t)k + kX(t) X(tjk )k,
ce qui menerait à une contradiction car la limite lorsque k tend vers l’infini des termes de
droite vaut zéro.
Unicité : Nous allons démontrer directement le résultat d’unicité pour Y et Ỹ deux
solutions de (2.3) définies sur les intervalles IY et IỸ respectivement. Si IY \ IỸ = {t0 } la
conclusion découle du fait que Y et Ỹ ont la même donnée initiale. On se place donc dans
le cas où IY \ IỸ contient un intervalle centré en t0 (le cas où IY \ IỸ contient un intervalle
de type [t0 , [ ou ]↵, t0 ] se traite pareil)).
Nous commençons par montrer qu’elles coïncident localement autour de t0 . Pour t 2
IY \ IỸ nous avons, en utilisant la forme intégrale des solutions,
Z t
Y (t) Ỹ (t) = (f (t0 , Y (t0 )) f (t0 , Ỹ (t0 ))dt0 .
t0
et en particulier
1
sup kY (t) Ỹ (t)k K sup kY (t) Ỹ (t)k sup kY (t) Ỹ (t)k,
t2[t0 ,t0 + ] t2[t0 ,t0 + ] 2 t2[t0 ,t0 + ]
où IX est l’intervalle de définition d’une solution X de (2.3). On va montrer que Imax est
un intervalle, et que l’on peut définir une solution Xmax de (2.3) sur Imax . Il restera alors
à démontrer que cette solution est une solution maximale.
Première étape : Imax est un intervalle.
Il suffit de montrer que pour tout t1 , t2 2 Imax , on a [t1 , t2 ] ⇢ Imax 3 . Soit t1 , t2 quel-
conques dans Imax . Il existe X1 , X2 solutions de (2.3) tels que t1 2 IX1 , t2 2 IX2 . Or IX1 ,
IX2 sont des intervalles, et t0 2 IX pour tout X 2 S. On en déduit que
et par conséquent
[t0 , t1 ] [ [t0 , t2 ] ⇢ IX1 [ IX2 ⇢ Imax .
Or [t1 , t2 ] ⇢ [t0 , t1 ] [ [t0 , t2 ]. (Cette propriété se montre facilement en distinguant le cas où
t0 2 [t1 , t2 ] et le cas où t0 2 / [t1 , t2 ].) Donc [t1 , t2 ] ⇢ Imax .
Deuxième étape : Définition de Xmax . On définit donc Xmax de la façon suivante : soit
t 2 Imax quelconque. Soit X une solution de (2.3) telle que t 2 IX . On pose
On vérifie aisément, à l’aide de ce qui précède, que la fonction X̃ est bien définie et qu’elle
est solution de (2.3). Donc X̃ 2 S. En particulier,
[t̃ ⌧˜, t̃ + ⌧˜] ⇢ [t0 , t̃] [ [t̃ ⌧˜, t̃ + ⌧˜] ⇢ Imax . (2.7)
Aussi, on obtient Xmax (t) = X̃(t) pour tout t 2 [t̃ ⌧˜, t̃ + ⌧˜], et donc Xmax est solution de
l’équation
X 0 (t) = f (t, X(t))
sur l’intervalle [t̃ ⌧˜, t̃ + ⌧˜]. On a donc bien obtenu l’existence d’un voisinage de t̃ inclut
dans Imax sur lequel Xmax vérifie l’équation.
Quatrième étape : Xmax est une solution maximale, et c’est l’unique solution maximale.
On observe que si X 2 S, alors IX ⇢ Imax par définition de Imax , et X = Xmax sur
IX par définition de Xmax . Par conséquent, X Xmax pour tout X 2 S. Donc Xmax est
le plus grand élément de S pour la relation d’ordre . Si Y 2 S est aussi une solution
maximale, alors puisque c’est une solution on a Y Xmax , et puisqu’elle est maximale,
par définition on obtient Y = Xmax . Donc Xmax est l’unique solution maximale.
Lemme 2.2.12. On suppose que les hypothèses du Théorème 2.2.6 sont vérifiées avec
I = R, U = Rm , et on considère une solution maximale Xmax de (2.3), définie sur un
intervalle Imax =]a, b[. On suppose que Xmax est bornée sur un voisinage à gauche de b.
Alors
b = +1.
Démonstration. Raisonnons par l’absurde : supposons que b < 1. Nous allons montrer
dans un premier temps que Xmax admet une limite à gauche en b.
Soit V un voisinage de b sur lequel Xmax est bornée. Il existe donc un intervalle compact
V̄ contenant V . Notons aussi R = supt2V kXmax (t)k < 1. On pose alors
Comme f est de classe C 1 et V̄ est compact, il s’ensuit que C0 est fini. Puisque Xmax est
solution de (2.3), on en déduit que
0
kXmax (t)k C0 8t 2 V.
On en déduit que si (tn )n2N est une suite quelconque de ]a, b[ tendant vers b, alors la suite
(Xmax (tn ))n2N est de Cauchy dans Rm , donc elle est convergente. De surcroît cette limite
24CHAPITRE 2. THÉORIE GÉNÉRALE POUR LES ÉQUATIONS DIFFÉRENTIELLES
ne dépend pas de la suite (tn )n2N choisie : en effet, si (t̃n )n2N est une autre suite de ]a, b[
tendant vers b, on pose, pour n 2 N,
⇢
tk si n = 2k, k 2 N,
⌧n =
t̃k si n = 2k + 1, k 2 N.
On voit alors que (⌧n )n2N est également une suite de ]a, b[ tendant vers b. Par consé-
quent (X(⌧n ))n2N est une suite convergente, et toutes les suites extraites de (X(⌧n ))n2N
convergent vers la même limite. Donc
Soit Xb 2 Rm la limite commune de toutes les suites (Xmax (tn ))n2N vérifiant les hypothèses
précédentes. On voit aisément que
Démonstration. L’une et l’une seulement des deux propriétés suivantes est vérifiée : soit
b = +1, soit b < +1. Pour conclure il suffit de montrer que b < +1 implique l’existence
d’une suite (tn )n2N de Imax telle que limn!1 tn = b et telle que limn!1 kXmax (tn )k = 1.
On suppose donc que b < +1.
Si Xmax est bornée au voisinage de b alors le lemme précédent nous assure que b = +1,
contradiction. Nous sommes donc dans la situation où Xmax n’est pas bornée au voisinage
de b. On remarque que le fait que Xmax n’est pas bornée au voisinage de b s’écrit
Imax =] 1, 1[.
Plus généralement, pour une donnée initiale x(0) = x0 on trouve de la même façon que
8 1 1
> x1 t , Imax =] 1, x0 [, si x0 > 0,
>
< 0
xmax (t) = 0, Imax = R, si x0 = 0,
>
> 1
: 1 ,I
t max
=] x10 , 1[, si x0 > 0,
x0
En représentant dans le même repère plusieurs telles solutions, voir dessin ci-dessous, nous
remarquons deux choses : par tout point du plan passe une solution (grâce à l’existence du
théorème de Cauchy-Lipschitz), et les solutions ne se croisent pas (grâce à l’unicité du
théorème de Cauchy-Lipschitz).
26CHAPITRE 2. THÉORIE GÉNÉRALE POUR LES ÉQUATIONS DIFFÉRENTIELLES
X(t0 + T ) = X0 .
Donc X̃ est solution de (2.8). Comme X est la solution maximale, on en déduit que
]a T, b T [⇢]a, b[,
X̃(t) = X(t) 8t 2]a T, b T [.
Pour fixer les idées, à ce stade, supposons T > 0 (le raisonnement est strictement
analogue si T < 0). D’après la première propriété nécessairement inf Imax = 1 et I est
de la forme ] 1, b[. On déduit de la deuxième propriété que
X(t) = X(t + T ) 8t 2] 1, b T [,
Alors
x(t) < x̃(t) ˜
8t 2 I \ I.
x(t1 ) x̃(t1 ).
De deux choses l’une : soit x(t1 ) = x̃(t1 ), soit x(t1 ) > x̃(t1 ), et dans ce cas il existe
t2 2]t0 , t1 [ tel que x(t2 ) = x̃(t2 ), grâce au théorème des valeurs intermédiaires appliqué
à la fonction x(t) x̃(t). Dans tous les cas, on obtient l’existence de t2 2 I \ I˜ tel que
x(t2 ) = x̃(t2 ) =: x0 . Il s’ensuit que x et x̃ sont deux solutions du problème de Cauchy avec
donnée initiale x0 à t2 , donc par l’unicité du théorème de Cauchy-Lipschitz local on obtient
que x(t) = x̃(t) pour tout t 2 I \ I. ˜ Or par définition t0 2 I \ I.
˜ Donc x(t0 ) = x̃(t0 ) ce qui
contredit l’hypothèse.
On va à présent donner quelques conditions pour que les solutions de l’équation (2.3)
soient globales, c’est-à dire définies sur R. Pour cela, il convient de considérer des champs
de vecteurs b tels que b est défini sur R ⇥ U , avec U ouvert de Rm (autrement l’équation
n’a pas de sens !). Remarquons que l’on sait déjà que si une solution est bornée, alors elle
est globale (cf. Lemme 2.2.12). Ce lemme se généralise de la façon suivante :
Alors Imax = R.
K est un intervalle compact et un voisinage à gauche de sup Imax . Comme h est continue
sur R, h est bornée sur K.
En utilisant l’hypothèse du lemme, on en déduit que Xmax est bornée sur K. D’après
le lemme 2.2.12, sup Imax = +1 : absurde.
De même, on montre que inf Imax = 1.
28CHAPITRE 2. THÉORIE GÉNÉRALE POUR LES ÉQUATIONS DIFFÉRENTIELLES
Corollaire 2.3.5. Soit I un intervalle de R, ', : I ! R des fonctions telles que ' est
de classe C 1 et est continue. On suppose qu’il existe une constante C telle que
|'0 (t)| (t)(C + '(t)) 8t 2 I.
Alors pour tout t, t0 dans I, on a
R max{t,t0 } ✓ R max{t,t0 } ◆
0 min{t,t0 }
(s)ds min{t,t0 }
(s)ds
'(t) '(t )e +C e 1 .
R t0
ce qui nous donne, en multipliant par e t (s)ds
, l’inégalité de l’énoncé.
Rt ⇣ Rt ⌘
4. On peut aussi remarquer que la fonction x(t) = '(t0 )e t0
(s)ds
+ C e t0 (s)ds
1 vérifie x0 (t) =
Rt
(t)(C + x(t)) avec x(t0 ) = '(t0 ). Comme (' x)0 (' x) on a que la fonction ('(t) x(t))e t0
(s)ds
est décroissante et vaut 0 en t0 , donc on conclut que '(t) x(t) pour tout t t0 .
2.4. TRACÉ DES TRAJECTOIRES DE SOLUTIONS D’ÉQUATIONS DIFFÉRENTIELLES29
On arrive finalement au résultat suivant, dont les hypothèses ne portent que sur la
forme de l’équation :
La fonction ' est de classe C 1 sur Imax , et pour tout t 2 Imax , on a, en utilisant l’équation
puis l’inégalité de Cauchy-Schwarz
'0 (t) = 2hXmax(t) , Xmax (t)i = 2hf (t, Xmax (t)), Xmax (t)i (2.10)
p
|'0 (t)| 2 (t)(1 + kXmax (t)k)kXmax (t)k = 2 (t)( '(t) + '(t)). (2.11)
En utilisant l’inégalité
1 a2
a + 8a 2 R,
2 2
p
avec a = '(t) on obtient finalement, pour tout t 2 Imax ,
✓ ◆ ✓ ◆
0 1 3 1
' (t) 2 (t) + '(t) = 3 (t) + '(t) .
2 2 3
avec
✓ R max{t0 ,t} ✓ R max{t0 ,t} ◆◆ 1
3 (s)ds 1 3 (s)ds 2
g(t) = '(t0 )e min{t0 ,t} + e min{t0 ,t} 1 .
3
Comme g est continue sur R, en utilisant le Lemme 2.3.3, on en déduit que Imax = R.
Exemple 2.4.2. Donner ici des exemples dans lesquels on identifie la fonction f : cas
autonomes et non autonomes.
Remarquons qu’on peut transformer une EDO non-autonome
en une EDO autonome, en considérant comme inconnue Y (t) = (t, X(t)) 2 Rm+1 qui
satisfait l’équation
Y 0 (t) = g(Y (t)),
avec g définie sur Rm+1 par
g(Z) = (1, f (Z)).
Définition 2.4.3. Un champ de vecteurs de régularité C k est une application f : Rm !
Rm de classe C k , définie par ses m composantes
0 1 0 1
x1 f1 (x1 , · · · xm )
f : @ ... A 7! @ ..
B C B C
. A.
xm fm (x1 , · · · xm )
X 0 (t) = f (X(t)).
Soit X0 2 R2 tel que f (X0 ) = (0, 0). On vérifie alors que X(t) = X0 est une solution
globale de l’équation. Son tracé dans le plan est juste le point X0 .
Soit X0 2 R2 tel que f (X0 ) 6= (0, 0). Soit X une solution de l’équation différentielle
précédente telle que X(t0 ) = X0 pour un certain t0 2 R. Il découle que le vecteur f (X0 ) est
un vecteur tangent à la courbe paramétrée C = {(x, y) 2 R2 , 9t 2 R, (x, y) = X(t)}. Ainsi
la représentation du champ de vecteurs F évoquée ci-dessus donne une idée de l’allure des
courbes représentant les solutions de l’équation différentielle : on trace les courbes en se
laissant guider par le champ de vecteurs.
Définition 2.4.4. Les solutions de l’équation différentielle X 0 (t) = f (X(t)) sont appelées
courbes intégrales du champ de vecteurs f .
Nous allons voir au chapitre suivant que nous pouvons tracer facilement dans le plan
les trajectoires des solutions d’équations linéaires à coefficients constants d’ordre 1, vecto-
rielles avec m = 2. Ceci est grâce au fait que nous saurons résoudre explicitement l’équation.
Dans le cas général une telle précision n’est pas attendue, mais nous pouvons, selon
les cas, avoir une idée de l’allure du tracé de solutions. Dans la suite nous allons nous
restreindre au cas d’équations différentielles scalaires.
Exemples : dessiner des tracés de solutions des ODE suivantes : x0 (t) = x(t), x0 (t) =
2x2 (t), x0 (t)
= t(2t2 x(t)).
b) Recherches de symétries.
— Si f (t, y) = f (t, y) alors si x(t) est solution avec x(t0 ) = x0 , x̃(t) = x(t) est aussi
une solution de l’équation satisfaisant x̃(t0 ) = x0 . Il s’ensuit qu’il suffit de tracer
les solutions seulement dans le demi-plan supérieur, et faire après une symétrie par
rapport à l’axe des abscises (comme c’est le cas pour x0 (t) = x(t)).
— Si f ( t, y) = f (t, y) alors si x(t) est solution avec x(t0 ) = x0 , x̃(t) = x( t) est
aussi une solution de l’équation satisfaisant x̃( t0 ) = x0 . Il s’ensuit qu’il suffit de
tracer les solutions seulement dans le demi-plan d’abscisses positives t 0, et faire
après une symétrie par rapport à l’axe des ordonnés (comme c’est le cas pour x0 (t) =
t(2t2 x(t))).
— Si f ( t, y) = f (t, y) alors si x(t) est solution avec x(t0 ) = x0 , x̃(t) = x( t) est
aussi une solution de l’équation satisfaisant x̃( t0 ) = x0 . Il s’ensuit qu’il suffit de
tracer les solutions seulement dans un demi-plan délimité par une droite passant par
l’origine, et faire après une symétrie par rapport à l’origine (comme c’est le cas pour
x0 (t) = 2x2 (t)).
Par exemple si f est la fonction nulle, toute fonction u croissante est une exemple de
barrière strictement supérieure et toute fonction v décroissante est une exemple de barrière
strictement inférieure. Par exemple dessiner u(t) = t, v(t) = t, (t0 , x0 ) = (2, 1), x(t) = 1.
Une façon naturelle de trouver des sur-solutions est de trouver une fonction f˜ telle que
f (t, y) f (t, y) et telle qu’on sache résoudre explicitement l’équation u0 (t) = f˜(t, u(t)) (et
˜
similairement pour les sous-solutions).
Nous allons montrer maintenant que toute solution qui se trouve sous une sur-solution
à t0 ne pourra jamais la dépasser pour t > t0 , et similairement pour les sous-solutions. Par
ailleurs notons que le Lemme 2.3.4 de Gronwall en est une conséquence.
et on note
t+ = sup A.
On veut montrer que t+ = . On suppose par absurde que t+ < . En particulier ceci
implique que t+ < +1. D’après la définition de la borne supérieure, il existe une suite qui
n!1
l’approche à travers l’ensemble : 9tn 2 A, tn ! t+ . Ceci implique x(tn ) u(tn ) et par
continuité x(t+ ) u(t+ ). Si on avait x(t+ ) < u(t+ ) alors par continuité cette propriété
resterait vraie dans un voisinage de t+ ce qui contredirait le fait que t+ = sup A. On obtient
donc que
x(t+ ) = u(t+ ).
Ceci implique en utilisant l’hypothèse :
Si (u x)0 (t+ ) > 0, ce qui est le cas si u0 (t+ ) > f (t+ , u(t+ )), par continuité on obtient
que (u x)0 est strictement positive dans un voisinage de t+ , donc localement croissante,
donc en particulier (u x)(t) > (u x)(t+ ) = 0 sur un voisinage à droite de t+ , en
contradiction avec le fait que t+ = sup A. Ainsi, nous obtenons t+ = donc la conclusion
de la proposition dans le cas de toute sur-solution stricte, c’est-à-dire u0 (t) > f (t, u(t)), 8t 2
]↵, [. La preuve est similaire pour le cas des sous-solutions strictes en considérant la borne
supérieure de l’ensemble {t 2 [t0 , [, v(t0 ) x(t0 ), 8t0 2 [t0 , t]}. Nous allons nous appuyer
sur ce résultat pour déduire le cas général.
Il nous reste à traiter le cas (u x)0 (t+ ) = 0. Pour tout ✏ 2]0, 1] on considère le problème
de Cauchy (
x0✏ (t) = f (t, x✏ (t)) ✏,
(2.12)
x✏ (t+ ) = x(t+ ).
2.4. TRACÉ DES TRAJECTOIRES DE SOLUTIONS D’ÉQUATIONS DIFFÉRENTIELLES33
En prenant ⌧ < 1
K on a
✏⌧
sup |x(s) x✏ (s)| , 8✏ 2]0, 1],
s2[t+ ,t+ +⌧ ] 1 K⌧
donc
✏⌧
x(t) x✏ (t) + , 8t 2 [t+ , t+ + ⌧ ], 8✏ 2]0, 1].
1 K⌧
D’autre part u est une sur-solution stricte de l’équation du problème de Cauchy (2.12),
avec u(t+ ) = x(t+ ) = x✏ (t+ ), donc
La preuve que toute solution qui se trouve au-dessus d’une sous-solution à t0 ne pourra
jamais la croiser pour t > t0 est similaire.
34CHAPITRE 2. THÉORIE GÉNÉRALE POUR LES ÉQUATIONS DIFFÉRENTIELLES
Chapitre 3
Posons ✓ ◆ ✓ ◆
0 1 0
A(t) = , F (t) = .
b(t) a(t) h(t)
35
36CHAPITRE 3. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES ET PORTRAITS DE PHAS
Remarque 3.1.2. De façon générale, et avec la même méthode, on peut montrer qu’une
équation différentielle scalaire linéaire d’ordre n se ramène à un système linéaire de n
équations différentielles d’ordre un, et qu’un système linéaire de m équations d’ordre n se
ramène à un système linéaire de m ⇥ n équations différentielles d’ordre un.
Cette méthode permet, dans le cas linéaire, de restreindre l’étude au cas des systèmes
d’ordre un. Aussi, dans la suite de cette partie, on étudiera uniquement des systèmes de
deux équations linéaires d’ordre un (cas m = 2, n = 1).
où a, b 2 R. L’enjeu est donc ici de trouver une expression explicite pour la solution de
(3.4) munie de la condition (3.3) : en effet, si on arrive à trouver une solution particulière
de (3.4) vérifiant les bonnes conditions initiales en t = t0 , le théorème ci-dessus assure que
cette solution particulière est en réalité l’unique solution.
L’idée est de chercher des solutions comme des combinaisons linéaires de exp( t).
3.1. ÉQUATION DIFFÉRENTIELLE LINÉAIRE D’ORDRE 2 37
— Deuxième cas : = 0 : soit 0 l’unique racine réelle de (3.5) (il s’agit d’une racine
double). Alors il existe A, B 2 R tels que
0t
x(t) = (At + B)e .
1t 2 2t 2
= A1 e 1 +a 1 + b + A2 e 2 +a 2 +b
= 0
h0 (t) = ( 0 At + 0B + A)e 0t
,
h00 (t) = ( 2
0 At + 2
0B +2 0 A)e
0t
,
dans le cas 6= 0, ou
0 t0
(At0 + B)e = x0 ,
(3.7)
0 t0
( 0 At0 + 0B + A)e = x1
dans le cas 6= 0 admettent une unique solution dans C2 .
Le déterminant du système (3.6) est ( 2 1 )e
( 1 + 2 )t0 , qui est donc non nul puisque
non nul. Chacun des deux systèmes ci-dessus admet une unique solution dans C2 .
À ce stade, on a montré que l’on peut choisir des coefficients A1 , A2 , A, B de telle sorte
que h soit une solution de (3.4) munie de la condition initiale (3.3). Il reste à montrer que
la fonction h est à valeurs réelles.
Troisième étape : les coefficients A1 , A2 , A, B définis ci-dessus sont tels que la solution
trouvée est à valeurs réelles.
Tout d’abord, si > 0 (resp. si = 0), les racines 1 , 2 sont réelles (resp. 0 2 R),
donc la solution de (3.6) (resp. de (3.7)) est dans R2 . Dans ces cas il est donc clair que
h(t) 2 R pour tout t.
Il reste à examiner le cas < 0. Dans ce cas les deux racines 1 , 2 appartiennent
à C \ R et sont des nombres complexes conjugués. En prenant le conjugué du système (3.6)
et en utilisant le fait que
¯ 1 = 2 , e 1 t0 = e 2 t0 ,
on en déduit que (Ā2 , Ā1 ) est solution du même système que (A1 , A2 ). Par unicité des
solutions du système (3.6), on obtient A2 = Ā1 , et donc
⇣ ⌘
h(t) = A1 e 1 t + A2 e 2 t = 2< A1 e 1 t .
avec C1 , C2 2 R.
Quatrième étape : conclusion.
Ainsi h : R ! R est une solution réelle de (3.4) qui vérifie (3.3). D’après le théorème
3.1.3, x = h.
y 0 (t) = ay(t)
sont de la forme y(t) = y0 eat . L’idée pour résoudre des systèmes d’équations est d’utiliser
la généralisation aux matrices de M2 (R) de la définition de l’exponentielle d’un nombre
réel x 2 R comme série absolument convergente :
xn
ex = ⌃+1
n=0 .
n!
On note, pour n 2 N, ✓ ◆
a n bn
Mn = .
c n dn
Alors les suites (an )n2N , (bn )n2N , (cn )n2N , (dn )n2N sont convergentes. On note ā, b̄, c̄, d¯
leurs limites respectives. On définit l’exponentielle de la matrice A, et on note exp(A)
ou eA , la matrice définie par ✓ ◆
ā b̄
eA = .
c̄ d¯
Remarque 3.2.2. Ce théorème, ainsi que l’ensemble des résultats qui suivent concernant
l’exponentielle de matrice, peuvent se généraliser pour des matrices de dimension quel-
conque (et donc à des équations différentielles à coefficients constants d’ordre arbitraire-
ment grand).
Proposition 3.2.3 (Propriétés de l’exponentielle de matrice). Soit A 2 M2 (C), et soit
, µ 2 C. On note 02 2 M2 (R) la matrice nulle, I2 la matrice identité. Nous avons les
propriétés suivantes :
a) e02 = I2 ,
b) AeA = eA A,
c) e A eµA = e( +µ)A = eµA e A,
d) eA e A = I2 ,
tA
e) e = t (eA ).
Remarque 3.2.4. Attention, en général on n’a pas
eA eB = eA+B .
Cette propriété n’est vraie que si les matrices A et B commutent, c’est-à-dire si AB = BA.
Voici un contre-exemple :
✓ ◆ ✓ ◆
0 1 0 0
A= , B= .
0 0 1 0
40CHAPITRE 3. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES ET PORTRAITS DE PHAS
Calculs d’exponentielle de matrice (pour plus de détails sur ces rappels consul-
ter §7)
Pour une matrice quelconque de M2 (C), nous avons deux possibilités :
✓0 ✓0 e ◆
2
2
◆
e e
Matrice trigonalisable (mais P P 1 P P 1
0 0 e
pas diagonalisable)
Dans ce cours nous allons devoir souvent calculer des exponentielles de matrices réelles
A 2 M2 (R). Pour les exponentielles de matrices réelles on a les formules suivantes :
Type ✓ Formule
◆ Exponentielle
✓ ◆
1 0 e 1 0
Matrice diagonalisable P P 1 , P 2 GLn (R) P P 1
0 2 0 e 2
avec valeurs propres
1 , 2 2 R distinctes ou
confondues ✓ ◆ ✓ ◆
↵ cos( ) sin( )
Matrice diagonalisable P P 1, P 2 GLn (R) P e↵ P 1
↵ sin( ) cos( )
avec valeurs propres
non-réelles ↵ ± i , 6= 0 ✓ ◆ ✓ ◆
1
Matrice non- P P 1, P 2 GLn (R), 2 R⇤ Pe P 1
0 0 1
diagonalisable avec
une valeur propre
double 2 R
✓ ◆
1 0
colonne et v2 en deuxième colonne, et on a la diagonalisation A = P P 1 et par
0 2
conséquent ✓ ◆
A e 1 0 1
e =P P .
0 e 2
Si 1 = ↵ + i et 2 = ↵ i avec 6= 0 (matrice diagonalisable) : On choisit
v1 2 E1 , v2 2 E2 deux vecteurs propres non-nuls complexes, on pose R 2 M2 (C) la
matrice ayant v1 ✓
en première colonne
◆ et v2 en deuxième colonne, et on a la diagonalisation
↵+i 0
complexe A = R R 1 . Ensuite on utilise le fait que
0 ↵ i
✓ ◆ ✓ ◆✓ ◆✓ ◆
↵+i 0 i 1 ↵ 1 1 1
= .
0 ↵ i i 1 ↵ i i 2i
✓ ◆ ✓ ◆
↵ i 1
On obtient A = P P 1 avec P = R et donc
↵ i 1
✓ ◆
A ↵ cos( ) sin( )
e = Pe P 1.
sin( ) cos( )
t 2 R 7! etA
est de classe C 1 1 , et
detA
= AetA 8t 2 R.
dt
1. Cela signifie que toutes les applications t 2 R 7! (etA )ij , pour 1 i, j 2, sont de classe C 1 .
42CHAPITRE 3. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES ET PORTRAITS DE PHAS
et donc ✓ ◆
n
X
ehA I2 hk ↵k+1 k+1
= A + lim ,
h n!1 (k + 1)! k+1 k+1
k=1
en reprenant les notations de la preuve du Théorème 3.2.1. D’après le théorème 3.2.1, on a
n
X n
X n
X1
hk |h|k j=k+1 (|h|C0 )j
↵k+1 C k+1 = |h|C02
(k + 1)! (k + 1)! 0 (j + 2)!
k=1 k=1 j=0
n
X1 (|h|C0 )j
|h|C02
j!
j=0
2
|h|C0 exp(|h|C0 ).
e(t+h)A etA
= etA (A + f (h)),
h
où f (h) est une application qui tend vers la matrice nulle lorsque h tend vers zéro. On en
déduit que l’application
t 7! etA
est dérivable sur R (donc continue), et que sa dérivée t 7! AetA est également continue.
L’application considérée est donc de classe C 1 .
X(t) = e(t t0 )A
X0 , 8t 2 R.
Démonstration. Le point remarquable ici est que nous allons montrer l’unicité des solutions
sans avoir recours au chapitre 2.
— Existence : on vérifie que la fonction X̃ définie par
X̃(t) = e(t t0 )A
X0 8t 2 R
est solution de (3.8). Cela découle immédiatement de la Proposition 3.2.3 (a) et (c),
qui nous permet d’écrire X(t) = etA (e t0 A X0 ), et du Lemme 3.2.5.
3.2. SYSTÈMES D’ÉQUATIONS D’ORDRE UN À COEFFICIENTS CONSTANTS 43
Remarque 3.2.8. La présentation est faite ici pour des matrices carrées de taille 2, mais
se généralise à des matrices carrées de taille quelconques, et donc à des systèmes linéaires
à coefficients constants de m équations et d’ordre n avec n, m quelconques.
On a donc la proposition suivante :
Proposition 3.2.9. Soit A 2 M2 (R), I un intervalle de R, B : I ! R2 une application
continue. Soit t0 2 I, X0 2 R2 .
Alors le système différentiel
X 0 (t) = AX(t) + B(t), t 2 I,
(3.9)
X(t0 ) = X0
et soit X1 = X̃(t0 ).
Soit X l’unique solution de (3.9). Alors Y = X X̄ est solution de l’équation homogène
Autrement dit, la solution générale de (3.9) est la somme d’une solution particulière et de
la solution générale du système différentiel homogène associé.
Application. Cette méthode est aussi utile dans le cas des équations différentielles
linéaires d’ordre deux à coefficients constants. En effet, soit a, b 2 R et soit f : R ! R
continue. On considère l’équation différentielle
On rappelle que cette équation peut être mise sous la forme d’un système d’ordre un en
posant ✓ ◆ ✓ ◆ ✓ ◆
u(t) 0 1 0
X(t) = , A= , B(t) = .
u0 (t) b a f (t)
✓ ◆
u(t0 )
Alors u est solution de (3.10) si et seulement si X est solution de (3.9), avec X0 = .
u0 (t0 )
On peut donc appliquer ce qui précède pour trouver des solutions de (3.10). En particulier :
3.2. SYSTÈMES D’ÉQUATIONS D’ORDRE UN À COEFFICIENTS CONSTANTS 45
— On peut toujours mettre (3.10) sous la forme d’un système du type (3.9), et appliquer
la méthode de variation des constantes. Néanmoins, les calculs peuvent rapidement
s’avérer fastidieux.
— Supposons que l’on
✓ arrive ◆ à identifier une solution particulière ũ de (3.10). En par-
ũ(t)
ticulier X̃(t) = est une solution particulière du système différentiel et nous
ũ0 (t)
avons vu que la solution générale de (3.9) est la somme de X̃ et de la solution générale
du système différentiel homogène associé, qui est facile à resoudre explicitement. On
en déduit la solution générale de (3.10) comme somme de ũ et de la solution générale
de l’équation différentielle homogène
Remarque 3.2.10. Dans la pratique, pour chercher une solution particulière de (3.10),
on pourra chercher une fonction ũ “du même type” que f , c’est-à-dire :
— Si f est un polynôme, on cherche ũ comme un polynôme ;
— Si f est une fonction trigonométrique (f (t) = A cos(!t) + B sin(!t)), avec A, B, ! 2
R, on cherche ũ sous la forme
1t 2t
x(t) = A1 e + A2 e , avec A1 , A2 2 R.
46CHAPITRE 3. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES ET PORTRAITS DE PHAS
On a alors
X(t) = etA X0 ,
✓
◆
x0
où X0 = .
x1
En vue des Théorèmes 3.1.4 et 3.2.6 on sait que les deux formules donnent le même
résultat, mais on va aussi le vérifier explicitement pour mieux comprendre le lien entre les
deux méthodes. Tout d’abord, remarquons que le polynôme caractéristique de la matrice
A est
A( ) = ( a ) + b = 2 + a + b.
Autrement dit, les racines de l’équation caractéristique de l’équation différentielle (3.11)
sont exactement les valeurs propres de A. Notons comme au dessus 1 , 2 les racines com-
plexes distinctes ou confondues de A .
On va vérifier que la formule donnée par la deuxième méthode donne bien le même
résultat que la première méthode, en utilisant les formules du tableau précédent.
(i) Si 1, 2 2 R distinctes il existe P 2 GL2 (R) tel que
✓ ◆
1 0
A=P P 1,
0 2
et on a ✓ ◆
e 1t 0 1
X(t) = P 2t
P X0 .
0 e
Notons ✓ ◆ ✓ ◆
1 y1 a1 a2
P X0 = , P = .
y2 a3 a4
On en déduit que
1t 2t
x(t) = a1 e y1 + a 2 e y2 ,
et on retrouve le résultat de la première méthode.
(ii) Si les racines sont non-réelles 1 = ↵+i , 2 =↵ i , 6= 0 il existe P 2 GL2 (R)
tel que ✓ ◆
↵ 1
A=P P ,
↵
et on a ✓ ◆
cos( t) sin( t)
X(t) = P e↵t P 1
X0 .
sin( t) cos( t)
3.3. TRACÉ DES TRAJECTOIRES DE SOLUTIONS D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRE
On en déduit que
x(t) = a1 e↵t cos( t)y1 a2 e t sin( t)y2 ,
et on retrouve le résultat de la première méthode.
(iii) Si il y a une racine double 1 = 2 = alors la matrice ✓
A n’est◆ pas diagonali-
0
sable (si elle l’était il existerait P 2 GL2 (R) tel que A = P P 1 = I2 en
0
✓ ◆
0 1
contradiction avec A = ) , donc il existe P 2 GL2 (R), 2 R⇤ tel que
b a
✓ ◆
1
A=P P ,
0
de sorte que ✓ ◆
t 1 t 1
X(t) = P e P X0 .
0 1
Avec les mêmes notations que ci-dessus, on obtient
x(t) = e t [(a1 y1 + a2 y2 ) + a1 y2 t] ,
F = mx00 (t).
Supposons que le mouvement se fasse sur une droite et qu’il ne dépende que d’un para-
mètre : autrement dit, x(t) 2 R, et que la force F puisse s’écrire comme une fonction de la
position et de la vitesse : F = '(x(t), x0 (t)). On peut alors réécrire le principe fondamental
de la dynamique sous la forme
✓ ◆ ✓ ◆
d x(t) x0 (t) 0
= 1 0 (t)) = f (x(t), x (t)), (3.12)
dt x0 (t) m '(x(t), x
où ✓ ◆
v
f (x, v) = 1 .
m '(x, v)
On obtient donc un système différentiel du premier ordre dans R2 . On peut tracer les
courbes représentatives des solutions dans le plan cartésien comme des courbes paramé-
trées, en mettant x(t) en abscisse et v = x0 (t) en ordonnée. Une telle représentation gra-
phique s’appelle un portrait de phase. À chaque paire de conditions initiales (x0 , v0 )
correspond en général une courbe paramétrée (sous réserve qu’on ait existence et unicité
des solutions de l’équation différentielle (3.12) pour chaque donnée initiale).
48CHAPITRE 3. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES ET PORTRAITS DE PHAS
où K > 0 est la constante de raideur du ressort et x(t) est l’élongationqdu ressort par
rapport à la position d’équlibre qu’a le pendule au repos. En notant ! = Km on obtient
l’équation différentielle
x00 (t) + !02 x(t) = 0, (3.13)
que l’on munit des conditions initiales
x(0) = x0 , x0 (0) = v0 .
x(0) = x0 = A,
et comme
x0 (t) = !0 A sin(!0 t) + !0 B cos(!0 t),
on en déduit que
x0 (0) = v0 = !0 B.
Pour tracer le portrait de phase associé à l’équation (3.13), il faut donc, pour chaque
couple (x0 , v0 ) 2 R2 , étudier la courbe paramétrée Cx0 ,v0 d’équation cartésienne
v0
x(t) = x0 cos(!0 t) + sin(!0 t),
!0 t 2 R.
y(t) = v0 cos(!0 t) !0 x0 sin(!0 t),
Si
p !0 = 1, on reconnaît facilement l’équation d’un cercle de centre zéro et de rayon
x20 + v02 . Plus généralement, si !0 est quelconque, on vérifie facilement que
y(t)2 v02
x(t)2 + = x 2
0 + ,
!02 !02
donc la courbe Cx0 ,v0 est une ellipse. On peut trouver son grand axe et son petit axe en
mettant l’équation sous la forme canonique
x(t)2 y(t)2
+ 2 = 1,
a2 b
où s
q
v02
a= x20 + , b = !0 a = !02 x20 + v02 .
!02
En particulier, si !0 > 1, on a b > a, et par conséquent le grand axe de l’ellipse est suivant
(Oy). Si !0 < 1, alors b < a, et le grand axe de l’ellipse est suivant (Ox).
3.3. TRACÉ DES TRAJECTOIRES DE SOLUTIONS D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRE
vaut
⇡ ⇡ 3⇡
T (0) = (0, 8), T ( ) = (4, 0), T ( ) = (0, 8), T( ) = (0, 8),
4 2 4
donc on a des tangentes verticales à t = 0 et t = ⇡2 et des tangentes horizontales à t = ⇡4
et t = 3⇡
4 . Le tracé de la solution (x(t), x (t)) est le suivant, avec en rouge la direction des
0
tangentes :
y
⇡
t= 4 (0, 4)
t = 0,
⇡
t=⇡ t= 2
x
( 2, 0) (2, 0)
3⇡ (0, 4)
t= 4
À la fin du poly on verra le portrait de phases du pendule simple, ainsi que celui de
Lotka-Voterra.
L’objet de ce chapitre est de tracer les courbes paramétrées définies par {(x(t), x0 (t)), t 2
R}, où x est solution de l’équation scalaire d’ordre 2 à coefficients constants
et plus généralement tracer les courbes paramétrées définies par {(x(t), y(t)), t 2 R}, où
X(t) = (x(t), y(t)) est solution du système d’équations d’ordre 1 à coefficients constants
Le domaine d’étude est R, et pour X0 2 R2 fixé, les courbes n’ont pas de symétrie évi-
dente. Cependant on peut remarquer que la courbe relative à la condition initiale ( x0 , y0 )
(resp. (x0 , y0 )) se déduit de celle relative à la condition initiale (x0 , y0 ) par une symétrie
par rapport à l’axe des ordonnées (resp. par rapport à l’axe des abscisses). On peut donc
se contenter d’étudier le cas où x0 0, y0 0 et en déduire les autres cas par symétrie.
On traite d’abord le cas x0 = 0 (resp. y0 = 0). On a alors x(t) = e 1 t x0 = 0 pour tout
t 2 R (resp. y(t) = e 2 t y0 = 0 pour tout t). Si 2 = 0 (resp. 1 = 0) la trajectoire est le
point (0, y0 ) (resp. (x0 , 0)). Sinon on voit facilement que la trajectoire est le demi-axe des
ordonnées positives si y0 > 0 (resp. le demi-axe des abscisses positives si x0 > 0), et le
point (0, 0) si y0 = 0 (resp. x0 = 0).
On se concentre donc à présent sur le cas où x0 > 0, y0 > 0. Si 1 = 0 et 2 = 0
la trajectoire est le point (x0 , y0 ). Si 1 = 0 et 2 6= 0 la trajectoire est la demi-droite
d’équation x = x0 , y > 0. On se place dans le dernier cas restant, 1 6= 0. On remarque
alors que x(R) = R⇤+ . On fait alors le changement de paramétrage
1 s
x(t) = s () t = log ,
1 x0
3.3. TRACÉ DES TRAJECTOIRES DE SOLUTIONS D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRE
ce qui implique
2(
1
log s
) y0 2
y(t) = y0 e 1 x0 = 2
s 1 .
1
x0
La courbe CA,X0 est donc la courbe C0 du graphe de la fonction
y0 2
h(s) = 2
s 1 ,
1
x0
pour s 2 R⇤+ . En vue du changement de paramétrage fait ci-dessus, si 1 > 0 le sens de
parcours de la courbe CA,X0 lorsque t varie de 1 à +1 est le même que celui de C0
lorsque s varie de 0+ à +1, et si 1 < 0 c’est le sens opposé. L’allure de la courbe C0
dépend de la valeur de 21 :
2
(i) Si 2 / 1 < 0, la fonction s 2 R⇤+ 7! s 1 est strictement décroissante, tend vers +1
en 0+ et vers 0 en +1. En particulier la courbe C0 admet en s = 0+ une asymptote
à l’axe des ordonnées, et en s = +1 une asymptote à l’axe des abscisses.
(ii) Si 2/ 1 = 0, la courbe C0 est la demi-droite d’équation y = y0 , s > 0.
2
(iii) Si 2 / 1 2]0, 1[, la fonction s 2 R⇤+ 7! s 1 est strictement croissante, tend vers 0
en 0+ et vers +1 en +1. De plus la courbe C0 admet une tangente verticale au
voisinage du point (0, 0) et une branche parabolique dans la direction de l’axe des
abscisses quand s ! +1.
y0
(iv) Si 2/ 1 = 1, la courbe C0 est la demi-droite d’équation y = x0 s, s > 0.
2
(v) Si 2 / 1 > 1, la fonction s 2 R⇤+ 7! s 1 est strictement croissante, tend vers 0 en
0+ et vers +1 en +1. De plus la courbe C0 admet une tangente horizontale au
voisinage du point (0, 0) et une branche parabolique dans la direction de l’axe des
ordonnées quand s ! +1.
L’allure des courbes est donc la suivante (avec ici x0 = y0 = 1) :
h(s)
1 =0 2/ 1 >1
2/ 1 =1
2/ 1 2]0, 1[
2 =0
2/ 1 <0
s
✓ ◆
x(t)
(b) Tracé de la courbe paramétrée d’équation = etA X0 , avec A =
y(t)
✓ ◆
↵
, ↵ 2 R, 2 R⇤ :
↵
52CHAPITRE 3. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES ET PORTRAITS DE PHAS
Il s’agit d’une matrice réelles ayant deux valeurs propres complexes conjuguées ↵ ± i ,
dont on a déjà vu la forme de l’exponentielle :
✓ ◆ ✓ ◆✓ ◆
x(t) ↵t cos( t) sin( t) x0
=e ,
y(t) sin( t) cos( t) y0
donc
⇢
x(t) = e↵t (cos( t)x0 sin( t)y0 ),
y(t) = e↵t (cos( t)y0 + sin( t)x0 ),
x0 = r0 cos ✓0 , y0 = r0 sin ✓0 .
Alors
⇢
x(t) = r0 e↵t (cos( t) cos(✓0 ) sin( t) sin(✓0 )) = r0 e↵t cos( t + ✓0 ),
y(t) = r0 e↵t (cos( t) sin(✓0 ) + sin( t) cos(✓0 )) = r0 e↵t sin( t + ✓0 ).
↵ ↵
s s
{(r0 e cos(s), r0 e sin(s)), s 2 R},
d’équation polaire
↵
s
r(s) = r0 e .
↵
s
On a r0 (s) = r0 e > 0, donc r(s) croît de lim r(s) = 0 à lim r(s) = +1. On obtient
s! 1 s!+1
une spirale qui s’enroule autour de l’origine quand t ! 1 et qui part vers l’infini quand
t ! +1.
3.3. TRACÉ DES TRAJECTOIRES DE SOLUTIONS D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRE
t = +1
t= 1
x
✓ ◆
x(t)
(c) Tracé de la courbe paramétrée d’équation = etA X0 , avec A non-
y(t)
diagonalisable triangulaire supérieure :
On prend à présent A de la forme
✓ ◆
A= ,
0
avec , 2 R, = 6 0. On étudie donc la courbe paramétrée CA,X0 définie par
✓ ◆ ✓ ◆ ✓ ◆✓ ◆ ✓ ◆
x(t) tA x0 t 1 t x0 (x0 + ty0 )e t
=e =e = .
y(t) y0 0 1 y0 y0 e t
Si = 0, on a donc g(t) = y0 pour tout t. On vérifie facilement que dans ce cas CA,X0 est la
droite d’équation y = y0 si y0 6= 0 et elle est réduite au point (x0 , y0 ) si y0 = 0. De même
si y0 = 0, x0 > 0 (resp. x0 < 0) CA,X0 est la demi-droite d’équation y = 0, x > 0 (resp.
x < 0). Enfin si y0 = x0 = 0 la trajectoire est réduite au point (0, 0).
On suppose donc à présent 6= 0, y0 6= 0. Comme les fonctions x(t) et y(t) n’ont pas
de symétrie évidente, on passe à l’analyse de leurs variations.
Les fonctions x(t) et y(t) sont dérivables sur R et on a
x0 (t) = e t ( x0 + y0 t + y0 ),
y 0 (t) = y0 e t .
Ainsi y 0 (t) ne s’annule pas sur R et a le signe de y0 . La fonction x0 (t) s’annule en un
unique point t0 défini par
x0 + y0 1 x0
t0 = = .
y0 y0
On a plusieurs cas de figure possibles suivant les signes de , y0 , y0 . Notons néanmoins
que :
54CHAPITRE 3. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES ET PORTRAITS DE PHAS
— La courbe croise l’axe des ordonnées en un unique point, qui a pour paramètre t1 =
x0 /(↵y0 ). Notons que t1 = t0 + 1 . Le point de paramètre t1 est donc “le plus proche
de la branche infinie”.
L’allure de la courbe est donc toujours la même, modulo des symétries par rapport aux
axes (Ox) et (Oy). Plus précisément :
— Le signe de détermine le sens dans lequel la courbe est parcourue (de 0 vers +1
ou le contraire).
On trace donc ci-dessous un exemple dans le cas , , y0 > 0. Les autres cas sont laissés
au lecteur et se traitent de façon rigoureusement analogue.
Dans ce cas le tableau de variations est
t 1 t0 +1
x0 (t) 0 0 +
0 +1
x(t)
e t 0 y0
y(t) +1
0
y 0 (t) 0 + +
t = +1
t = t1
t = t0
x
t= 1
Nous résumons dans le tableau suivant les tracé type obtenues pour les trajectoires des
solutions de X 0 (t) = AX(t), et rapellons que le sens de parcours des trajectoires est inversé
lorsque l’on change le signe de 1 , ↵, , , .
56CHAPITRE 3. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES ET PORTRAITS DE PHAS
✓ ◆
1 0
de forme valeurs propres de signes op-
0 2
posés, 1 > 0
2 = 0, 1 >0
2 =0= 1
✓ ◆
↵
de forme ↵ = 0, >0
↵
✓ ◆
de forme valeur propre double =0
0
3.3. TRACÉ DES TRAJECTOIRES DE SOLUTIONS D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRE
1
X 1
X
(tA)k (t )k
etA v = v= v = et v;
k! k!
k=0 k=0
avec ✓ ◆
1 0
— Ã = si A est diagonalisable avec valeurs propres 1 , 2 2 R distinctes ou
0 2
confondues,
✓ ◆
↵
— Ã = si A est diagonalisable avec valeurs propres non-réelles ↵ ± i , 6= 0,
↵
✓ ◆
— Ã = si A est non-diagonalisable avec une valeur propre double 2 R.
0
Nous avons donc que la courbe CA,X0 est définie dans le repère canonique (Oxy) par les
points de coordonnées ✓ ◆
x(t)
= P (età P 1 X0 ), t 2 R.
y(t)
Nous allons utiliser le résultat suivant :
On lit donc immédiatement sur la formule ci-dessus que les coordonnées de M (t) dans le
repère RP sont y1 (t) et y2 (t).
En vue du Lemme on obtient que la courbe CA,X0 est définie dans le repère RP par les
points de coordonnées
età (P 1 X0 ), t 2 R
Notons aussi que le point de coordonnées P 1 X0 dans RP a pour coordonnées X0 dans
le repère (Oxy).
On trace donc la courbe dans le repère RP en utilisant l’analyse faite au paragraphe
précédent. Il faut cependant garder en tête qu’en général, le repère RP n’est pas ortho-
normé, ni même orthogonal. La courbe a donc une allure déformée par ce changement de
3.3. TRACÉ DES TRAJECTOIRES DE SOLUTIONS D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRE
t = +1
t= 1
v1
v2
3.3.4 Que lit-on sur les portraits de phase ? Quelques notions de stabilité
des équations différentielles
Les portraits de phase peuvent être utilisés pour comprendre les notions de stabilité.
On s’intéresse à la partie des trajectoires des solutions pour laquelle t ! +1. De façon
générale, les notions de stabilité s’intéressent au comportement d’un système au voisinage
d’un point d’équilibre. Ici, comme le système est linéaire, les points d’équilibre X0 sont
caractérisés par la propriété X0 2 ker A (en effet, si X0 est un point d’équilibre, on a
X(t) = X0 pour tout t, donc X 0 (t) = 0 = AX0 ).
Ici A 2 M2 (R), donc ker A est de dimension 0 (si 0 n’est pas valeur propre de A et
dans ce cas ker A = {0R2 }), 1 (si 0 est valeur propre simple de A, ou si 0 est valeur propre
double de A mais A n’est pas diagonalisable), ou 2 (si 0 est valeur propre double de A et
A est diagonalisable, donc si A est la matrice nulle).
On écarte le cas où A est la matrice nulle, qui n’a pas beaucoup d’intérêt (dans ce cas,
les trajectoires sont toutes réduites à des points). On distingue au moins deux notions de
stabilité :
— Stabilité orbitale, ou stabilité au sens de Lyapunov :
Définition 3.3.3. On dit que X0 2 ker A est un point d’équilibre stable au sens de
Lyapunov si la propriété suivante est vérifiée :
1t
x=e x0 ,
2t
y=e y0 ,
D’un autre côé, les trajectoires du portrait de phase sont des demi-droites verti-
cales (en rose sur le dessin page 51). Le signe de 2 détermine le sens de parcours
de ces demi-droites. Si 2 > 0, on a
2t
e y0 ! sgn(y0 )1 quand t ! 1,
✓ ◆
y
e X0 = X0 + t 0 .
tA
0
On résume ces propriétés de stabilité des points d’équilibre, qui se transmettent aussi
aux matrices semblables, dans le tableau suivant :
62CHAPITRE 3. SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES ET PORTRAITS DE PHAS
Remarque 3.3.5. Cette méthode est souvent utilisée en pratique pour déterminer la sta-
bilité d’un état d’équilibre, même en dehors du cadre linéaire. En effet, supposons que X
soit solution de l’équation autonome
X 0 (t) = b(X(t)),
et supposons qu’il existe Xeq 2 R2 tel que b(Xeq ) = 0. On part d’une position initiale dans
un voisinage de Xeq . Alors tant que X(t) est proche de Xeq , on a
En notant A = Db(Xeq ), Y (t) = X(t) Xeq , on en déduit que tant que X(t) est dans un
voisinage de Xeq , et donc tant que Y (t) est petit, l’évolution est pilotée par l’équation
Y 0 (t) = AY (t).
Analyse numérique
Nous avons vu des formules donnant explicitement les solutions des équations scalaires
linéaires d’ordre un et de celles vectorielles linéaires d’ordre un à coefficients constants.
Néanmoins, comme on l’a souligné dans le premier chapitre, de telles formules n’existent
pas toujours. On peut donc adopter un point de vue légèrement différent : comment faire
pour calculer, avec une précision arbitrairement grande, des valeurs approchées des valeurs
prises par les solutions d’équations différentielles ?
La démarche générale des schémas numériques qui seront vus dans ce cours est la
suivante. On suppose que l’intervalle I est de la forme I = [t0 , t1 ]. On commence par dis-
crétiser l’intervalle : on découpe l’intervalle I en p sous-intervalles, et on ne va finalement
s’intéresser qu’aux valeurs prises par la fonction X aux bornes de ces sous-intervalles.
Pour p 2 N, p 1, on pose
t1 t0
hp = , tk,p = t0 + khp pour 0 k p. (4.1)
p
On remarque que l’on a t0,p = t0 , tp,p = t1 . Les points tk,p sont appelés points de
discrétisation.
Pour p fixé l’idée est de définir la fonction X [p] en tant que fonction affine par mor-
ceaux, en prescrivant les valeurs prises en tk,p pour k 2 {0, · · · , p} et en étendant ensuite
de façon affine sur l’ensemble de l’intervalle [t0 , t1 ]. Il suffit donc de connaître X [p] (t0,p ),
X [p] (t1,p ), · · · X [p] (tp,p ) pour connaître la fonction X [p] sur l’ensemble de l’intervalle [t0 , t1 ].
Par ailleurs, les valeurs de X [p] (t0,p ), X [p] (t1,p ), · · · X [p] (tp,p ) seront calculées par récurrence
sur k 2 {0, · · · , p} :
65
66 CHAPITRE 4. ANALYSE NUMÉRIQUE
— on prend en général
X [p] (t0,p ) = X(t0 ),
la quantité X(t0 ) étant donnée par la condition initiale prescrite avec l’équation
différentielle étudiée ;
— X [p] (tk+1,p ) est calculé en fonction de X [p] (tk,p ). La formule reliant X [p] (tk+1,p ) et
X [p] (tk,p ) détermine l’algorithme utilisé.
Définition 4.1.2. Un schéma numérique est la donnée d’une relation de récurrence
permettant de définir la suite (X [p] (tk,p ))0kp .
Récapitulons :
1. X [p] (t0 ) est donné par la condition initiale de l’équation différentielle ;
2. X [p] (tk+1,p ) et X [p] (tk,p ) sont reliés par une formule de récurrence ;
3. pour t 2]tk,p , tk+1,p [, on prend
t tk,p
X [p] (t) = X [p] (tk,p ) + (X [p] (tk+1,p ) X [p] (tk,p ))
hp
kX [p] (t) X(t)k kX [p] (t) X [p] (tk,p )k + kX [p] (tk,p ) X(tk,p )k + kX(tk,p ) X(t)k,
La première des deux conditions ci-dessus est basée que sur les valeurs de X [p] aux
points de discrétisation tk,p . La seconde condition examine ce qui se passe entre tk,p et
tk+1,p , pour la fonction X et pour la fonction X [p] . L’idée est que comme l’intervalle
[tk,p , tk+1,p ] a une longueur hp , avec limp!1 hp ! 0, si les fonctions X et X [p] sont
régulières (par exemple si leur dérivée sur l’intervalle ]tk,p , tk+1,p [ est uniformément
bornée), la seconde condition sera réalisée grâce au théorème des accroissements finis.
Dans la pratique, dans l’étude des équations différentielles et pour les schémas qui
y sont associés, la dernière condition est vérifiée de façon quasi-automatique. Par
exemple, pour une équation du type
Le schéma numérique en tant que tel ne s’intéresse donc qu’aux nombres X [p] (tk,p ),
[p]
pour 0 k p. Pour alléger un peu les notations, on peux noter ces nombres Xk .
Remarque 4.1.3. La suite de fonctions (X [p] )p2N est une approximation de la solution
exacte X. Attention donc au fait que les fonctions X [p] ne sont pas des solutions
[p]
exactes de l’équation. Aussi, la suite (Xk )0kp est une approximation de la suite
[p]
(X(tk,p ))0kp , attention donc à ne pas confondre Xk et X(tk,p ).
Nous allons nous concentrer dans ce chapitre sur les équations linéaires d’ordre un.
Il y a deux idées principales pour construire les schémas numériques qui seront vus dans
le cadre de ce cours :
— On remplace x0 (tk,p ) par un taux d’accroissement de la fonction x entre deux instants
voisins de tk,p . Par exemple, on peut écrire
x(tk+1,p ) x(tk,p )
x0 (tk,p ) ' (4.2)
hp
ou encore
x(tk,p ) x(tk 1,p )
x0 (tk,p ) ' . (4.3)
hp
[p]
— On remplace chaque occurrence de x(tk,p ) par xk .
Les deux choix (4.2) et (4.3) donnent lieu à deux relations de récurrence différentes sur
[p]
la suite (xk )0kp :
1. Choix (4.2) : schéma d’Euler explicite :
On obtient la relation de récurrence
[p] [p]
xk+1 xk [p]
= a(tk,p )xk + b(tk,p ),
hp
ce qui donne, pour 0 k p 1,
[p] [p]
xk+1 = (1 + hp a(tk,p ))xk + hp b(tk,p ). (4.4)
M = sup |a(t)|.
t2[t0 ,t1 ]
Comme a est une fonction continue, nous avons vu que pour avoir la convergence de la
Définition (4.1.1) satisfaite il suffit de vérifier que
[p]
lim sup |x(tk,p ) xk | = 0. (4.6)
p!1 0kp
Or
h2p a20
hp a 0 ln(1 + hp a0 ) hp a0
2
Par conséquent,
h2p k
a20 k ln(1 + hp a0 ) a0 khp 0,
2
4.3. SCHÉMAS D’EULER POUR DES SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES6
et on en déduit que
h2
pk
[p] a20
x(tk,p ) xk |xini | ea0 khp 1 e 2 .
Alors il existe p0 2 N tel que pour tout p p0 , pour tout t 2 I, la matrice I2 hp A(t) est
inversible.
L’hypothèse
9C0 > 0, sup max (|a(t)|, |b(t)|, |c(t)|, |d(t)|) C0
t2I
est vérifiée dès que A est continue, puisque l’intervalle I est ici compact. Par conséquent,
pour tout p p0 , le schéma d’Euler implicite donné par l’équation de récurrence (4.5) est
bien défini.
Remarque 4.3.2. On peut aussi faire d’autres choix que (4.2) et (4.3). Par exemple, on
peut aussi écrire
X(tk+1,p ) X(tk 1,p )
X 0 (tk,p ) ' .
2hp
Le lecteur pourra s’entraîner à écrire la relation de récurrence correspondante sur (Xk )0kp
et vérifier qu’il s’agit d’une suite récurrente d’ordre deux. On se concentre dans ce cours
uniquement sur les schémas (4.4) et (4.5), mais il faut bien garder en tête qu’il en existe
une multitude d’autres.
4.3. SCHÉMAS D’EULER POUR DES SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES7
Les schémas d’Euler qui ont été définis précédent peuvent évidemment être généralisés
à un cadre non linéaire pour une équation de la forme
Xk+1 = Xk + hf (tk , Xk ),
L’analyse générale du caractère bien défini de ces schémas et de leur convergence sort du
cadre de ce cours.
On a montré précédemment que les schémas d’Euler étaient convergents dans le cas
d’une équation linéaire homogène d’ordre un à coefficients constants. Cette preuve peut se
généraliser au cas vectoriel, comme on va le voir. Supposons que
A(t) = A0 et B(t) = 0 8t 2 I.
On en déduit que
Xk = (I2 + hp A0 )k Xini
Lemme 4.3.3. Soit R > 0. Il existe une constante CR telle que la propriété suivante
est vérifiée :
Pour toute matrice A = (ai,j )1i,j2 2 M2 (R) telle que
max |ai,j | R,
1i,j2
et pour tout h dans un voisinage de zéro (dépendant de R), il existe une matrice
Ã(h) = (ã(h)i,j )1i,j2 , telle que
max |ã(h)i,j | CR h2
1i,j2
et telle que
I2 + hA = exp(hA + Ã(h)).
De surcroît, les matrices A et Ã(h) commutent pour tout h dans un voisinage de zéro.
Par conséquent, pour tout k 2 N, pour tout h > 0,
h2
(1 + h )(h + ˜ (h)) = h () ˜ (h) = .
1+h
On a ˜ (h) = O(h2 ) et ˜ (h) = O(h2 ). On calcule ensuite
✓ ◆ ✓ ◆
1+h h 1 + h (1 + h )(h + ˜ (h))
I2 + hA = P P 1=P P 1
0 1+h 0 1+h
1. On peut aussi
Pdémontrer le nlemme en faisant une analogie avec 1 + x = e
x+x̃
pour X réel petit et
x̃ = ln(1+x) x = n 2 ( 1)n 1 xn! . On considére l’application matricielle définie pour h dans un voisinage
P n
de zéro par M (h) = n 1 ( 1)n 1 (hA) n
. Pour h assez petit on a khAk < 1 et donc M (h) est bien définie.
P P
On calcule @h M (h) = n 1 ( 1) n 1 n 1 n
h A = A k 0 ( 1)k (hA)k . Puisque khAk < 1 on déduit que
(I + hA)@h M (h) = A = @h (I + hA). Ceci implique, en multipliant par e M (h) , que @h ((I + hA)e M (h) ) = 0
donc on a (I + hA)e M (h) = (I + 0 · A)e M (0) = I. On conclut donc que I + hA = eM (h) = ehA+Ã(h) ,
P n
où Ã(h) = n 2 ( 1)n 1 (hA) n
. Nous avons la majoration kÃ(h)k Ch2 et Ã(h) commute avec A car les
sommes partielles de la définition de Ã(h) commutent avec A.
4.3. SCHÉMAS D’EULER POUR DES SYSTÈMES D’ÉQUATIONS DIFFÉRENTIELLES LINÉAIRES7
✓ ◆
˜ 1 h + ˜ (h)
= P exp(h + (h)) P 1
0 1
✓ ✓ ◆ ◆
h + ˜ (h) h + ˜ (h) 1
= exp P P = exp(hA + Ã(h)),
0 h + ˜ (h)
où ✓ ◆
˜ (h) ˜ (h) 1
Ã(h) = P ˜ (h) P .
0
On montre que A et Ã(h) commutent similairement au cas diagonalisable.
On déduit du Lemme 4.3.3 la convergence du schéma d’Euler explicite. En effet,
Xk = (I2 + hp A0 )k Xini = exp(khp A0 + k Ã0 (hp ))Xini .
D’autre part la solution exacte aux temps de discrétisation est
X(tk,p ) = exp((tk,p a)A0 )Xini = exp(khp A0 )Xini .
On a alors, comme A0 et Ã0 (hp ) commutent,
kXk X(tk,p )k k exp(k Ã0 (hp )) I2 kk exp(khp A0 )Xini k
k exp(k Ã0 (hp )) I2 kk exp(khp A0 )kkXini k.
On majore pour p assez grand
X (k Ã0 (hp ))n X ( h12p Ã0 (hp ))n
k exp(k Ã0 (hp )) I2 k = k k kh2p
n! n!
n 1 n 1
b a 1 C1
(1 + k exp( 2
Ã0 (hp ))k ,
p hp p
et
X (khp A0 )n X ((b a)kA0 k)n
k exp(khp A0 ) = C2 ,
n! n!
n 0 n 0
donc si
(1 + ihp µ)p = 1.
Or
|(1 + ihp µ)p | = |1 + ihp µ|p = (1 + h2p µ2 )p/2 > 1.
Les trajectoires du schéma d’Euler explicite ne sont donc pas périodiques. Elles forment
des spirales qui s’éloignent de l’origine.
On peut également s’en convaincre en prenant un exemple explicite de matrice A0 , par
exemple ✓ ◆
0 µ
A0 = .
µ 0
On vérifie alors que les trajectoires {X(t),
✓ ◆ t 2 R} sont des cercles centrés en l’origine. Pour
xk
le schéma d’Euler, en posant Xk = , on obtient, puisque Xk+1 = (I2 + hp A0 )Xk
yk
xk+1 = xk hp µyk ,
yk+1 = yk + hp µxk ,
de sorte que
la distance à l’origine augmente à chaque itération, on ne reste pas sur le cercle centré en
zéro et passant par Xini .
4.4. PERTE DE PÉRIODICITÉ DANS LES SCHÉMAS D’EULER 75
Pour le schéma d’Euler implicite, le phénomène est similaire mais inversé : la distance
à l’origine diminue à chaque itération. En reprenant les calculs de la seconde méthode,
on a par exemple
✓ ◆
1 1 1 hp µ
Xk+1 = (I2 hp A0 ) Xk = ,
1 + h2p µ2 hp µ 1
et donc
1
kXk+1 k2 = kXk k2 .
1 + h2p µ2
76 CHAPITRE 4. ANALYSE NUMÉRIQUE
Appendices
77
Chapitre 5
5.1 Recollements
Toutes les équations différentielles étudiées jusqu’ici étaient de la forme
79
80CHAPITRE 5. DEUX TYPES PARTICULIERS D’ÉQUATIONS DIFFÉRENTIELLES
Exemple 1
On considère l’équation
(1 t2 )u0 (t) 2tu(t) = 1.
La fonction t 7! 1 t2 s’annule en 1 et en 1. On résout donc l’équation sur les intervalles
I1 =] 1, 1[, I2 =] 1, 1[, I3 =]1, +1[.
Sur chacun des intervalles Ij , j = {1, 2, 3}, on a
2t 1
u0 (t) u(t) = .
1 t2 1 t2
Les solutions générales de l’équation homogène associée sont de la forme
Rt 2s
... 1 s2 ds C̃
ū(t) = Ce = .
|1 t2 |
Pour trouver la solution générale de l’équation avec second membre, on applique la méthode
de variation de la constante. On cherche des solutions sous la forme
C(t)
u(t) = .
|1 t2 |
Il vient alors
C 0 (t) 1
= ,
|1 t2 | 1 t2
et donc C(t) = t sgn(1 t2 ) + Cj , puisque sgn(1 t2 ) est constant sur les intervalles Ij .
Bilan : sur chacun des intervalles Ij , la solution est de la forme
t sgn(1 t2 ) + C j t sgn(1 t2 ) + Cj
uj (t) = = .
|1 t2 | |(1 t)(1 + t)|
On cherche maintenant à raccorder aux points 1 et 1. Pour cela, il faut que les
fonctions u1 et u2 admettent une limite en 1, et que u2 et u3 admettent une limite en 1.
Or :
— u1 admet une limite finie en 1 si et seulement si C1 = 1;
— u2 admet une limite finie en 1+ si et seulement si C2 = 1 ;
— u2 admet une limite finie en 1 si et seulement si C2 = 1 ;
— u3 admet une limite finie en 1+ si et seulement si C3 = 1.
On voit donc que u2 ne peut pas avoir simultanément des limites finies en 1+ et en 1 .
Le problème n’a donc pas de solution globale, car on ne peut pas recoller sur R entier.
Par contre notons que l’on obtient un recollement continu sur ] 1, 1[ (et similairement
sur ] 1, 1[), qui est, en prenant donc C1 = 1 et C2 = 1, la fonction continue u(t) = 1 1 t .
Cette fonction est aussi de classe C 1 , donc solution de l’équation sur ] 1, 1[.
Exemple 2
On considère une variante de l’équation “explosive” ,
Tout d’abord, sur chacun de ces intervalles, on remarque que la fonction nulle est
solution. On cherche à présent les solutions qui ne sont pas identiquement nulles. Soit u±
une solution de l’équation
1
u0 (t) = u(t)2
t
sur R± ⇤, définie sur un intervalle I± ⇢ R± ⇤, et soit t± 2 I± tel que u(t± ) 6= 0. On pose
a± = u± (t± ). D’après la Proposition 2.3.2, u± ne s’annule pas et garde un signe constant
sur I± . On a donc
u0± (t) 1
2
= 8t 2 I± .
u± (t) t
On en déduit que
1 1 t
= ln ,
a± u± (t) t±
et donc
1
u± (t) = .
1 t
a± ln t±
1 t
ln
a± t±
reste non nulle et du même signe que a± , autrement dit tant que
✓ ◆
1 t t
a± ln = 1 a± ln > 0.
a± t± t±
Par conséquent, si on veut que u± soit définie au voisinage de zéro, il faut que a± > 0
nécessairement. Dans ce cas l’intervalle de définition de u± est
1 1
I+ =]0, t+ e a+ [, I =]t e a , 0[.
On vérifie de surcroît que les fonctions u± ainsi définies ont toutes pour limite zéro quand
t ! 0± . On peut donc raccorder par continuité quelles que soient les valeurs de t± , a± .
Autrement dit, la fonction u définie par
8
> 1
>
> ⇣ ⌘ si t > 0,
>
< 1 t
a+ ln t+
u(t) = 1
>
> ⇣ ⌘ si t < 0,
>
>
: 1
ln t
a t
qui a pour limite ±1 quand t ! 0± . Le raccord n’est donc pas C 1 (on peut montrer qu’il
n’est pas non plus dérivable en zéro).
82CHAPITRE 5. DEUX TYPES PARTICULIERS D’ÉQUATIONS DIFFÉRENTIELLES
Exemple 3
On considère l’équation
|t|u0 (t) u(t) = t2 .
Comme pour les exemples précédents, on commence par résoudre cette équation sur R⇤ et
sur R⇤+ .
Sur I = R⇤ ou R⇤+ , on a
1
u0 (t) u(t) = |t|.
|t|
C (t)
u+ (t) = C+ (t)t, u (t) = .
t
On obtient
0
C+ (t) = 1, , C 0 (t) = t2 ,
d’où
t3
C+ (t) = t + c+ , C (t) = +c ,
3
avec c+ , c 2 R. Finalement, les solutions sur R⇤ et R⇤+ sont de la forme
t2 c
u (t) = + , t < 0,
3 t
u+ (t) = t2 + c+ t, t > 0.
est continue sur R et solution de l’équation différentielle sur R⇤+ et sur R⇤ pour toutes les
valeurs de c+ 2 R.
Il reste à voir la question de la dérivabilité en zéro. On a
lim u0 (t) = 0,
t!0
lim u0 (t) = c+ .
t!0+
y 0 (t)
= f (t).
g(y(t))
Soit F une primitive de f , et soit H une primitive de 1/g sur un intervalle contenant y0 et
sur lequel g ne s’annule pas. On obtient
H(y(t)) = F (t) + C,
où C est une constante arbitraire. Encore une fois, cette formule reste vraie tant que g y
ne s’annule pas. Si on arrive à inverser la fonction H, on a donc obtenu une formule
permettant d’obtenir y en fonction de t.
Remarque 5.2.1. Ce type d’équation se rencontre souvent en physique. Les physiciens ont
l’habitude d’écrire alors
dy
y 0 (t) = = g(y)f (t),
dt
et par suite
dy
= f (t)dt.
g(y)
Cette identité mène de nouveau à
H(y) = F (t) + C
On dit que l’on “sépare” les variables y et t, d’où le nom attribué à ces équations.
Remarque 5.2.2. Attention, la méthode ci-dessus n’est valable que pour un champ de
vecteur b(t, y) s’écrivant
b(t, y) = g(y)f (t).
Si on a b(t, y) = g(y) + f (t), cette méthode échoue.
On peut justifier les calculs menés ci-dessus de façon rigoureuse, en montrant en parti-
culier que la fonction g y ne s’annule jamais sur l’intervalle (maximal) de définition de y,
et que la fonction H est toujours inversible. On obtient alors le résultat suivant :
84CHAPITRE 5. DEUX TYPES PARTICULIERS D’ÉQUATIONS DIFFÉRENTIELLES
y 0 (t) = f (t)g(y(t)),
y(t0 ) = y0 ,
H(y(t)) = F (t) + C 8t 2 J;
Démonstration. On a déjà justifié que si g(y0 ) = 0 (i.e. y0 2 E), alors y(t) = y0 pour tout
t. On s’intéresse donc au cas où y0 2
/ E.
Remarquons que E = g 1 ({0}), et g est continue ; l’ensemble E est donc fermé (au
sens de la “topologie induite” : E = U \ F où F est un fermé de R), et E c est un ouvert.
Par conséquent, il existe > 0 tel que ]y0 , y 0 + [⇢ E c .
On remarque que
— U0 est non vide (puisque ]y0 ,y 0 + [⇢ U0 ) ;
— U0 est un intervalle contenant y0 puisque c’est une union d’intervalles contenant y0 ;
— U0 ⇢ E c ;
— Si O est un intervalle contenant y0 et inclus dans E c , alors O ⇢ U0 par définition de
U0 .
L’ensemble U0 est donc le plus grand intervalle contenant y0 et inclus dans E c . De plus, si
z 2 U0 , d’une part il existe O ⇢ E c intervalle contenant y0 et z, et d’autre part, puisque
z 2 E c , il existe 0 > 0 tel que [z 0 , z + 0 ] ⇢ E c . Alors O [ [z 0 , z + 0 ] est un intervalle
0
[z , z + 0 ] ⇢ O [ [z 0
, z + 0 ] ⇢ U0 .
H(y(t)) = F (t) + C 8t 2 J.
Enfin, la fonction H est de classe C 1 sur U0 , et sa dérivée 1/g ne s’annule pas sur U0 .
Par conséquent H est un C 1 difféomorphisme de U0 sur H(U0 ).
H(y0 ) = F (t0 ) + C.
Exemple 1
On considère l’équation différentielle
1
y 0 (t) = ,
y(t)
avec y(t0 ) = y0 6= 0.
On a ici g : z 2 R⇤ 7! z1 . On prend donc U = R⇤+ si y0 > 0, R⇤ si y0 < 0. On
remarque alors que E = ;, et donc U0 = U . Soit y la solution maximale du problème de
Cauchy, définie sur un intervalle ouvert J contenant t0 . En particulier y(t) 6= 0 sur Imax
donc sgn(y(t)) = sgn(y0 ).
Pour t 2 J, on a
y 0 (t)y(t) = 1,
soit
1 dy(t)2
= 1.
2 dt
On obtient donc
y(t)2 y02 = 2t 2t0 ,
et
8t 2 J, y(t)2 = y02 + 2t 2t0 .
On en déduit avec les arguments habituels que
y02
J = t0 , +1 .
2
Exemple 2
On considère l’équation différentielle
avec y(t0 ) = y0 2 R.
La fonction g : z 2 R 7! z z 2 s’annule en 0 et en 1. Ainsi, si y0 2 {0, 1}, la fonction y
est constante et égale à y0 . On se concentre donc à présent sur les cas où y0 2 / {0, 1}.
On a alors U0 = R⇤ si y0 < 0, U0 =]0, 1[ si y0 2]0, 1[, U0 =]1, 1[ si y0 > 1.
Avec les notations de la Proposition, pour tout t 2 J, on a y(t) 2 U0 , et
y 0 (t)
= 1.
y(t) y(t)2
Pour appliquer la méthode, il faut calculer une primitive de z 7! z 1z 2 sur U0 . Pour cela,
on décompose la fraction en éléments simples : on écrit que pour z 2 R \ {0, 1},
1 1 1 1
= = + ,
z z2 z(1 z) z 1 z
dont une primitive sur chacun des intervalles R⇤ , ]0, 1[, ]1, 1[ est
z
z 7! ln |z| ln |1 z| = ln .
1 z
et+C
y(t) = 8t 2 J,
1 et+C
⇣ ⌘
d’où l’on déduit finalement que J =] 1, C[=] 1, t0 ln 1 1
1 y0 [.
2. Deuxième cas : y0 2]0, 1[ : une primitive de z 7! 1
z z2
sur ]0, 1[ est
✓ ◆
z 1
z 7! ln = ln 1 .
1 z 1 z
On obtient donc, pour tout t 2 J,
✓ ◆
1
ln 1 = t + C,
1 y(t)
5.2. ÉQUATIONS À VARIABLES SÉPARÉES 87
où ✓ ◆
y0
C= t0 + ln 2 R.
1 y0
Dans ce cas on obtient
et+C
y(t) = 8t 2 J,
1 + et+C
et donc finalement J = R.
3. Troisième cas : y0 > 1 : une primitive de z 7! 1
z z2
sur ]1, 1[ est
✓ ◆
z 1
z 7! ln = ln 1 + .
z 1 z 1
et+C
y(t) = 8t 2 J,
et+C 1
⇣ ⌘
et donc J =] C, +1[=]t0 ln 1 + 1
y0 1 , +1[.
88CHAPITRE 5. DEUX TYPES PARTICULIERS D’ÉQUATIONS DIFFÉRENTIELLES
Chapitre 6
89
90CHAPITRE 6. EXEMPLES D’ÉTUDES AVEC PORTRAITS DE PHASE D’ÉQUATIONS NON-LINÉAIRES
Remarque 6.1.1. L’intervalle d’existence I est défini de part et d’autre de zéro. Cepen-
dant, comme ici on s’intéresse à l’évolution d’un système après avoir prescrit une donnée
initiale, on ne considère ici que la famille {N (t), P (t)}t2R+ \I .
Positivité
• Soit N1 2 R quelconque. On observe alors que le couple (N̄ , P̄ ) défini par
“Énergie” du système
On a la propriété suivante, qui permet de mieux comprendre le comportement des
solutions et de tracer les trajectoires :
R⇤+ 2 ! R
H : (x, y) 7! by + cx a ln y d ln x.
Alors pour toute solution (N, P ) de (6.1) telle que N (0) = N0 > 0, P (0) = P0 > 0, on a,
pour tout t 2 I
H(N (t), P (t)) = H(N0 , P0 ).
Démonstration. On dérive par rapport à t la quantité H(N (t), P (t)) : cette manipulation
est autorisée puisque (N, P ) est de classe C 1 et que H est C 1 . Notons également que
H(N (t), P (t)) est bien défini d’après ce qui précède puisque (N (t), P (t)) 2 R⇤+ 2 .
6.1. LE SYSTÈME DE LOTKA-VOLTERRA 91
On en déduit que la quantité H(N (t), P (t)) reste constante le long de chaque trajectoire.
x N (t) x+ , y P (t) y+ .
Par conséquent, I = R.
Démonstration. On définit les fonctions 'b,a , 'c,d par
'b,a : x 2 R⇤+ 7! bx a ln x,
(6.2)
'c,d : x 2 R⇤+ 7! cx d ln x,
de sorte que
H(x, y) = 'b,a (y) + 'c,d (x) 8(x, y) 2 R⇤+ 2 .
Le tableau de variations de 'c,d est
x d
0 c
+1
'0c,d (x) 0 +
+1 +1
'c,d (x)
d(1 ln dc )
et de même
d
sup 'b,a (P (t)) H(N0 , P0 ) d(1 ln ).
t2I c
On déduit des tableaux de variations de 'c,d et 'b,a qu’il existe x± , y± tels que
d
0<x x+ ,
c
a
0 < y y+
b
et tels que
a d
'c,d (x± ) = H(N0 , P0 ) a(1 ln ), 'b,a (y± ) = H(N0 , P0 ) d(1 ln ). (6.3)
b c
Par conséquent,
N (t) 2 [x , x+ ], P (t) 2 [y , y+ ] 8t 2 I.
Les solutions de (6.1) restent donc bornées sur leur intervalle maximal d’existence. La
Proposition 2.2.13 implique alors que I = R.
H(x, y) = H0 .
On a CN0 ,P0 ⇢ DH(N0 ,P0 ) . Il faut donc d’une part tracer les courbes DH0 pour différentes
valeurs de H0 , et d’autre part montrer que CN0 ,P0 = DH(N0 ,P0 ) , autrement dit que les
solutions (N (t), P (t)) parcourent toute la courbe DH(N0 ,P0 ) .
B Tracé des courbes DH0 :
Tout d’abord, on observe que si
la courbe est réduite au point (a/b, d/c). Dans toute la suite, on étudie donc le cas où
On trace alors la courbe DH0 en séparant ses deux branches y 2 [y , a/b] et y 2 [a/b, y+ ],
où y , y+ sont définis par (6.3).
On observe alors que 'c,d (resp. 'b,a ) est une bijection de ]0, d/c] sur [d 1 ln dc , +1[
(resp. de ]0, a/b] sur [a 1 ln ab , +1[), et également de [d/c, +1[ sur [d 1 ln dc , +1[
(resp. de [a/b, +1[ sur [a 1 ln ab , +1[). On définit les bijections réciproques , + de
'b,a restreinte aux intervalles ]0, a/b] et [a/b, +1[. Les fonctions , + sont toutes deux
définies sur [a 1 ln ab , +1[. Si y 2 [y , a/b], on a
(x, y) 2 DH0 , y = (H0 'c,d (x)) ,
et pour y 2 [a/b, y+ ], on a
(x, y) 2 DH0 , y = + (H0 'c,d (x)) .
On est donc ramené à tracer les graphes des fonctions
f± : x 7! ± (H0 'c,d (x))
sur l’intervalle [x , x+ ]. Notons que si x 2 [x , x+ ], par définition de x± , on a
⇣ a⌘
'c,d (x) H0 a 1 ln
b
et donc les fonctions f+ , f sont bien définies sur [x , x+ ].
La fonction (resp. + ) est décroissante (resp. croissante) sur [a (1 ln a/b) , +1[,
dérivable sur ]a (1 ln a/b) , +1[, et sa dérivée est
0 1
± = .
'b,a ±
x x d x+
c
f 0 (x) 0 +
a a
b b
f (x)
y
f+0 (x) + 0
y+
f+ (x)
a a
b b
94CHAPITRE 6. EXEMPLES D’ÉTUDES AVEC PORTRAITS DE PHASE D’ÉQUATIONS NON-LINÉAIRES
La courbe possède donc des tangentes horizontales aux points (d/c, y ) et (d/c, y+ ) et
des tangentes verticales aux points (x , a/b) et (x+ , a/b).
Enfin, on observe que y et x sont décroissants en H0 , tandis que y+ et x+ sont
croissants en H0 . En considérant plusieurs valeurs de H0 , on obtient donc une série de
courbes qui ont l’allure représentée sur la figure 6.1. En particulier, on observe que les
courbes d’équation H(x, y) = H0 sont des courbes fermées.
B Description des trajectoires (N (t), P (t)) pour t 0 :
Remarquons tout d’abord que si (N0 , P0 ) = dc , ab , alors on a
d a
H(N0 , P0 ) = ⇤min⇤ H = d(1 ln ) + a(1 ln ).
R+ ⇥R+ c b
En particulier
H(N (t), P (t)) = ⇤min⇤ H 8t 2 R,
R+ ⇥R+
et donc (N (t), P (t)) = (N0 , P0 ) pour tout t : le point dc , ab est un point d’équilibre du
système, et la courbe CN0 ,P0 est un point.
Dans toute la suite, on suppose donc N0 > 0, P0 > 0, et (N0 , P0 ) 6= dc , ab . On sait
déjà que pour tout t 2 R, (N (t), P (t)) 2 DH0 avec H0 = H(N0 , P0 ). La première question
est de savoir dans quel sens la courbe va être parcourue. Or comme les fonctions N et P
sont définies par une équation différentielle, il est assez facile de déterminer les signes de
N 0 (t) et P 0 (t). On a
a
N 0 (t) > 0 () P (t) < ,
b
0 d
P (t) > 0 () N (t) > .
c
On en déduit immédiatement que la courbe DH0 est parcourue dans le sens trigonométrique.
En particulier, si on repère la position (N (t), P (t)) en fonction de son abscisse curviligne
s(t) sur la courbe DH0 , on voit que s est une fonction croissante du temps (en augmentant
s de la longueur de la courbe à chaque fois que l’on fait un tour complet).
Il y a donc deux possibilités : soit s admet une limite finie en +1, et en ce cas il existe
(N̄ , P̄ ) 2 DH0 tel que
lim (N (t), P (t)) = (N̄ , P̄ ),
t!1
soit limt!1 s(t) = +1, et dans ce cas il existe T > 0 tel que s(T ) = s(0) + L, c’est-à -dire
(N (T ), P (T )) = (N0 , P0 ).
Supposons que (N0 , P0 ) 2 R⇤+ ⇥R⇤+ \ dc , ab . On va à présent montrer que la première
possibilité ne peut pas se produire. Raisonnons par l’absurde et supposons que
Remarque 6.1.4. La propriété importante utilisée ici est que si les trajectoires sont portées
par des courbes fermées, et que la vitesse ne s’annule pas, alors le mouvement est périodique.
où ✓✓0 ,v0 est la solution de l’équation (1.2) telle que ✓(0) = ✓0 , ✓0 (0) = v0 .
Dans la suite, pour alléger les notations, on omet les indices ✓0 , v0 ; il faut cependant
bien garder en tête que les trajectoires {✓(t)}t 0 dépendent des données initiales.
B Énergie du système :
En multipliant (6.4) par ✓0 (t), on obtient
✓0 (t)✓00 (t) + ✓0 (t) sin ✓(t) = 0, 8t 2 R,
soit ✓ ◆
d (✓0 (t))2
cos ✓(t) = 0.
dt 2
On en déduit que l’énergie est conservée au cours du mouvement :
(✓0 (t))2 v02
cos ✓(t) = cste = cos ✓0 8t.
2 2
On pose
v02
E0 = cos ✓0 .
2
Notons que E0 cos ✓0 1. La courbe paramétrée C✓0 ,v0 est portée par la courbe
d’équation y 2 /2 cos x = E0 . Chacune de ces courbes est symétrique par rapport à l’axe
des abscisses et par rapport à celui des ordonnées. Il suffit donc de tracer les courbes sur
le domaine x 0, y 0 et d’en déduire l’ensemble de la courbe par symétrie.
Ce cas est en fait un peu plus simple que celui du système de Lotka-Volterra car sur le
domaine x 0, y 0, l’équation de la courbe relative à l’énergie E0 est
p
y = 2(E0 + cos x). (6.5)
On a donc une équation cartésienne explicite pour chaque courbe. On va commencer par
tracer les courbes d’équation (6.5) en distinguant les cas E0 < 1, E0 = 1 et E0 > 1. On
verra ensuite comment comprendre la trajectoire suivie par le pendule sur chacune des
courbes. p
Soit E0 la fonction E0 : x 2 R 7! 2(E0 + cos x).
La fonction E0 est définie sur R si E0 1, et sur [ arccos( E0 ), arccos( E0 )] si
E0 < 1. Elle est paire, continue sur son ensemble de définition et dérivable sur R si E0 > 1,
sur R \ {⇡ + 2k⇡, k 2 Z} si E0 = 1, et sur ] arccos( E0 ), arccos( E0 )[ si E0 < 1. Sur
l’ensemble de dérivabilité de E0 , on a
0 sin x
E0 (x) =p .
2(E0 + cos x)
On a donc deux types de tableaux de variations :
— Premier cas : E0 1 : dans ce cas la fonction E0 est définie sur R et périodique de
période 2⇡, donc il suffit de tracer son tableau de variations sur l’intervalle [ ⇡, ⇡] :
x ⇡ 0 ⇡
0 (x)
E0 0 + 0 0
p
2(E0 + 1)
E0
p p
2(E0 1) 2(E0 1)
6.2. LE PENDULE SIMPLE 97
x x0 0 x0
0 (x)
E0 + 0
p
2(E0 + 1)
E0
0 0
La courbe admet une tangente horizontale en x = k⇡ et deux tangentes verticales en
x = ± arccos( E0 ).
Les courbes d’équation y 2 /2 cos x = E0 ont donc l’allure suivante :
y
À présent que les courbes des trajectoires sont connues, voyons dans quel sens celles-ci
sont parcourues :
BPremier cas : E0 < 1 :
Ce cas correspond à un pendule qui oscille (car lancé avec une énergie inférieure
à l’énergie nécessaire pour faire un tour complet).
Si E0 < 1, on a
(✓0 (t))2
cos ✓(t) = E0 E0 ,
2
et donc cos ✓(t) E0 pour tout t. Ainsi ✓(t) 2 [ arccos( E0 ), arccos( E0 )] mod 2⇡
pour tout t. Comme par ailleurs la fonction ✓ est continue (car dérivable), et que ✓0 2
[ ⇡, ⇡], on en déduit que ✓(t) 2 p[ arccos( E0 ), arccos( E0 )] pour tout t.
On pose par ailleurs vmax = 2(E0 + 1). Notons qu’on a |✓0 (t)| vmax pour tout t.
On peut alors mener le même type d’analyse que pour le système de Lotka-Volterra.
De nouveau, pour E0 = 1, on a ✓(t) = 0 pour tout t : la position ✓ = 0 est un point
d’équilibre. Si E0 2] 1, 1[, la courbe d’équation
y2
cos x = E0
2
est une courbe fermée. On peut définir l’abscisse curviligne s le long de la courbe, que l’on
oriente par exemple dans le sens trigonométrique. On montre alors que s est strictement
décroissante en t. En appliquant le même raisonnement que pour le système de Lotka-
Volterra, on en déduit que les trajectoires sont périodiques.
Les courbes du portrait de phase correspondant à une énergie E0 < 1 sont donc par-
courues dans le sens des aiguilles d’une montre. On voit que pour chacune des trajectoires,
le pendule parcourt toute la courbe d’équation y 2 /2 cos x = E0 .
Les points ✓ = ± arccos( E0 ) correspondent aux extrémités des oscillations du pendule.
Les points en lesquels ✓ = 0 et ✓0 = ±vmax , correspondent aux passages du pendule par la
position verticale. Une oscillation complète correspond au parcours de l’intégralité d’une
courbe d’équation y 2 /2 cos x = E0 .
Par conséquent, pour une trajectoire donnée, on reste uniquement sur une branche de la
courbe d’équation y 2 /2 cos x = E0 . La branche de la courbe qui correspond au signe
opposé de v0 n’est jamais visitée (évidemment, elle le sera pour d’autres données initiales !)
De plus ✓ est strictement monotone (croissante si v0 < 0, décroissante sinon). Le pendule
parcourt uniquement une demi-branche de la courbe d’équation y 2 /2 cos x = E0 .
Par ailleurs, on rappelle que les courbes d’équation
p
y = ± 2(E0 + cos x)
sont périodiques de période 2⇡. Supposons que le pendule parte d’un angle ✓0 avec une
vitesse v0 > 0 telle que E0 > 1. Alors ✓ est strictement croissante au cours du temps et on
lit sur le portrait de phase qu’il existe un temps T > 0 tel que
✓(T ) = ✓0 + 2⇡, ✓0 (T ) = v0 .
6.2. LE PENDULE SIMPLE 99
Cela signifie que le pendule a fait un tour complet et est revenu à sa position initiale.
Là encore, le mouvement est périodique, mais le pendule nep s’arrête jamais.
Les points de la courbe de coordonnées x = 2k⇡, y = 2(E0 + 1) correspondent aux
passages p
du pendule par la position verticale en bas, et ceux de coordonnées x = ⇡ +
2k⇡, y = 2(E0 1) aux passages du pendule par la position verticale en haut.
BTroisième cas : E0 = 1
On suppose dans tout ce paragraphe que (✓0 , v0 ) 2
/ {(⇡, 0), ( ⇡, 0)}. En effet, si (✓0 , v0 ) =
(±⇡, 0), alors on a ✓(t) = ±⇡ pour tout t : le point ✓ = ⇡ est une position d’équilibre. On
se concentre donc sur les cas où v02 /2 cos ✓0 = 1 avec v0 6= 0.
Ce dernier cas est un peu particulier : le pendule a tout juste assez d’énergie pour
arriver au sommet. La question est de savoir s’il parcourt l’ensemble de la courbe, c’est
à dire si la bille redescend après être passée par le maximum.
La réponse est non : le pendule ne parcourt qu’une branche de la courbe. En effet, on
peut montrer qu’il met un temps infini à arriver à la position d’équilibre (instable) ✓ = ⇡,
qui correspond au point d’altitude maximal de la bille. Pour voir cela, il y a deux preuves
possibles :
— La première possibilité est de raisonner par l’absurde et de supposer qu’il existe un
temps T > 0 tel que
✓(T ) = ±⇡, ✓0 (T ) = 0.
˜ = constante = ±⇡ est solution de l’équation (1.2),
On vérifie alors aisément que ✓(t)
˜ ˜
avec ✓(T ) = ✓(T ), ✓ (T ) = ✓ (T ). D’après le théorème de Cauchy-Lipschitz, on en
0 0
h2
1 + cos ✓ = 1 + cos(⇡ h) = + O(h4 ),
2
et donc
1 1
p ⇠ ,
2(1 + cos ✓) ⇡ ✓
qui n’est pas intégrable au voisinage de ✓ = ⇡. Donc T0 = 1.
On en déduit que le pendule met un temps infini à atteindre la position d’équilibre
✓ = ±⇡. Par conséquent ✓0 ne s’annule pas sur R et donc ✓ est strictement monotone
(croissante si v0 > 0, décroissante si v0 < 0).
100CHAPITRE 6. EXEMPLES D’ÉTUDES AVEC PORTRAITS DE PHASE D’ÉQUATIONS NON-LINÉAIRE
t 0 +1
✓0 (t) +
⇡
✓(t)
✓0
Si v0 < 0, le tableau de variations est analogue :
t 0 +1
✓0 (t)
✓0
✓(t)
-⇡
Chapitre 7
On en déduit que
n
X ✓ k ◆ ✓ ◆
1 0 e 1 0
eA = lim 1
k = .
n!1 k! 0 2 0 e 2
k=0
b) Matrice nilpotente :
Soit ✓ ◆
0
N= .
0 0
On vérifie aisément que N 2 = 0. Par suite, N k = 0 pour tout k 2. On obtient donc
n
X ✓ ◆
N 1 k 1
e = lim N = I2 + N = .
n!1 k! 0 1
k=0
c) Matrices semblables :
Soit A, B 2 M2 (C), P 2 GL2 (C) telles que
1
B = P AP .
Alors
eB = P eA P 1
.
En effet, on vérifie facilement (par exemple par récurrence) que si k 2 N,
B k = P Ak P 1
.
101
102 CHAPITRE 7. CALCULS D’EXPONENTIELLE DE MATRICE
En ce cas, ✓ ◆
A e 1 0 1
e =P P .
0 e 2
e) Un cas particulier de matrice réelle diagonalisable avec valeur propres
non-réelles : On considère la matrice
✓ ◆
↵
A= ,
↵
qui est une matrice réelle diagonalisable avec valeur propres non-réelles ↵ ± i avec
↵, 2 R, 6= 0 1 . En calculant les vecteurs propres associées aux valeurs propres on
conclut que
✓ ◆ ✓ ◆
↵+i 0 1 1 1
A=P P , avec P = .
0 ↵ i i i
D’après l’expression de l’exponentielle pour les matrices semblables
✓ ◆ ✓ ↵+i ◆✓ ◆
A 1 1 e 0 i 1 1
e =
i i 0 e↵ i i 1 2i
✓ ◆✓ ◆✓ ◆
1 1 cos( ) + i sin( ) 0 i 1 1
= e↵
i i 0 cos( ) i sin( ) i 1 2i
✓ ◆
↵ cos( ) sin( )
=e .
sin( ) cos( )
Résumons dans un tableau les propriétés obtenues jusqu’à présent :
Type ✓Formule◆ Exponentielle
✓ ◆
1 0 e 1 0
Matrice diagonale
✓0 2
◆ ✓0 e ◆
2
0 1
Un cas de matrice nilpo-
0 0 0 1
tente ✓ ◆ ✓ ◆
↵ cos( ) sin( )
Un cas de matrice réelle e↵
↵ sin( ) cos( )
diagonalisable avec va-
leur propres non-réelles
Matrices semblables A = P BP 1 eA = P eB P 1
1. On peut aussi calculer exp(A) en remarquant que A = ↵I2 + N . On utilise alors la formule
eM1 eM2 = eM1 +M2 valable si les matrices M1 , M2 commutent, et dont la démonstration est proche
de celle✓ de l’existence de◆l’exponentielle de matrice. On a donc eA = e↵I2 e N = e↵ e N et on calcule
cos( ) sin( )
e N = sachant que les puissances de N sont : N 2k = ( 1)k I2 , N 2k+1 = ( 1)k N .
sin( ) cos( )
7.2. CAS GÉNÉRAL 103
Pour traiter le cas général, on a besoin d’un résultat d’algèbre linéaire supplémentaire,
comme suit.
Démonstration. On rappelle que les valeurs propres de A sont les racines de son polynôme
caractéristique A (X) = det(A XI2 ) 2 C[X]. De plus, d’après le théorème de d’Alembert-
Gauss, A est scindé et admet donc exactement deux racines complexes distinctes ou
confondues. On distingue donc deux cas :
• Premier cas : A admet deux racines distinctes 1 6= 2 :
En ce cas dim ker(A 1 I2 ) 2 {1, 2}, dim ker(A 2 I2 ) 2 {1, 2}, et comme
on en déduit que dim ker(A 1 I2 ) = dim ker(A 2 I2 ) = 1. Pour i 2 {1, 2}, soit vi 2
ker(A I
i 2 ) \ {0}. Comme 1 6
= 2 , v 1 et v 2 sont des vecteurs libres. Ils forment donc une
base de C . Soit P la matrice de passage de la base canonique à la base (v1 , v2 ). On a alors
2
✓ ◆
1 0
A=P P 1.
0 2
✓0 ✓0 e ◆
2
2
◆
e e
Matrice trigonalisable (mais P P 1 P P 1
0 0 e
pas diagonalisable)
En pratique, nous allons devoir souvent calculer des exponentielles de matrices réelles
A 2 M2 (R). Pour calculer son exponentielle, on considère A comme une matrice complexe.
Notons que eA sera malgré tout une matrice réelle, comme on peut le voir sur la formule
n
X
A Ak
e = lim .
n!1 k!
k=0
On écrit alors
✓ ◆ ✓ ◆
0 i i 0
A = P (↵I2 + )P 1 = ↵I2 + P P 1.
i0 0 i
✓ ◆
i 0
Comme A 2 M2 (R) ceci implique que P P 1 2 M2 (R). D’autre part, cette
0 i
✓ ◆
0 1
matrice a comme valeurs propres ±i, tout comme la matrice réelle . Il s’agit
1 0
donc de deux matrices réelles semblables dans C. Or on a le lemme suivant, que l’on
démontre à la fin de cette section :
Lemme 7.2.2. Soit n 2 N, et soit M, M̃ 2 Mn (R). On suppose que M et M̃ sont
semblables dans C : il existe S 2 GLn (C) tel que M = S M̃ S 1 .
Alors M et M̃ sont semblables dans R : il existe P 2 GLn (R) tel que M = P M̃ P 1 .
Dans le cas présent on déduit donc l’existence de R 2 GL2 (R) telle que
✓ ◆ ✓ ◆
i 0 1 0 1
P P =R R 1.
0 i 1 0
On obtient alors
✓ ◆ ✓ ◆ ✓ ◆
0 1 1 0 1 1 ↵ 1
A = ↵I2 + R R = R(↵I2 + )R =R R ,
1 0 1 0 ↵
donc ✓ ◆
cos( ) sin( ) 1
exp(A) = R exp(↵) R .
sin( ) cos( )
Résumons les formules obtenues pour les exponentielles de matrices réelles :
Type ✓ Formule
◆ Exponentielle
✓ ◆
1 0 e 1 0
Matrice diagonalisable P P 1 , P 2 GLn (R) P P 1
0 2 0 e 2
avec valeurs propres
1 , 2 2 R distinctes ou
confondues ✓ ◆ ✓ ◆
↵ cos( ) sin( )
Matrice diagonalisable P P 1, P 2 GLn (R) P e↵ P 1
↵ sin( ) cos( )
avec valeurs propres
non-réelles ↵ ± i , 6= 0 ✓ ◆ ✓ ◆
1
Matrice non- P P 1, P 2 GLn (R), 2 R⇤ Pe P 1
0 0 1
diagonalisable avec
une valeur propre
double 2 R
106 CHAPITRE 7. CALCULS D’EXPONENTIELLE DE MATRICE
M S1 = S1 M̃ et M S2 = S2 M̃ .