Chaos Et Bifurcations Dans Les Systèmes Dynamiques en Dimensions N (N 1)
Chaos Et Bifurcations Dans Les Systèmes Dynamiques en Dimensions N (N 1)
Chaos Et Bifurcations Dans Les Systèmes Dynamiques en Dimensions N (N 1)
THEME
CHAOS ET BIFURCATIONS DANS LES SYSTEMES
DYNAMIQUES EN DIMENSIONS n (n > 1)
Devant le jury:
Année universitaire
2015/2016
1
Remerciements
Cette thèse est le résultat d’un travail de recherche de près de quatre ans. En pré-
ambule, je veux adresser tous mes remerciements aux personnes avec lesquelles j’ai pu
échanger, et qui m’ont aidé pour la rédaction de ce mémoire.
Tout d’abord, je tiens a remercier Monsieur Pr. Elhadj Zeraoulia de L’université de
tebessa, mon directeur de recherche, pour son aide précieuse, et pour le temps qu’il m’a
consacré. Je le remercie aussi de m’avoir proposé un sujet de recherche passionnant, et
qui conduira les futurs travaux de recherches à des solutions simple pour les problèmes
quotidiens de l’humanité.
Je remercie, Monsieur Pr. Aiyadi Abdelhamid de l’université D’oum el bouagui,
pour avoir accepté de présider l’honnorable jury.
Mes remerciements vont également à, Monsieur Pr. Nesreddine Hamri de l’université
de Mila, Monsieur Dr. Bouzit (MCA) de L’université D’Oum el bouagui, et Monsieur
Dr. Saoudi (MCA) de L’université Khenchela, les examinateurs qui ont accepté la lourde
tâche de lire ce mémoire jusque dans ses détails, et d’en tirer un compte-rendu.
Je remercie mon ami Monsieur Ammara Djamel de leur aide dans la partie nume-
rique de ce mémoire.
J’adresse aussi mes plus sincères remerciements à ma famille, mes parents, mes
frères, mes sœur et tous mes proches et amis, qui m’ont accompagné, aidé, soutenu et
encouragé tout au long de la réalisation de cette thèse.
Finalement je remercie ma femme Oum Islem, qui m’a supporté par son a¤ection
et sa patience, et à qui j’adresse mes remerciements.
2
Table des matières
3
2.7.1 Point …xe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.7.2 Cycle-limite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.7.3 Attracteur étrange . . . . . . . . . . . . . . . . . . . . . . . . . 26
4
4.1.1 L’analyse des bifurcations dans les cartes lisses par morceaux en
deux dimensions . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
4.1.2 Classi…cation des bifurcations collision des frontières . . . . . . . . 93
4.1.3 Les types possibles de points …xes suivant les valeurs propres . . . 93
5
6.2.3 Simulation numérique et l’observation des attracteurs chaotiques
robustes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.2.4 Résumé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
6
Introduction générale
La théorie des systèmes dynamiques est une branche importante des mathématiques
introduite par Newton vers 1665. Elle fournit des modèles mathématiques, pour des sys-
tèmes évoluant dans le temps et suivant des règles, généralement exprimés sous forme
analytique comme un système d’équations di¤érentielles ordinaires. Ces modèles sont
appelés systèmes dynamiques. On sait que tous les systèmes dynamiques ne sont pas
identiques. On distingue deux types, les systèmes stables et les systèmes instables. Parmi
les systèmes instables, il y a une classe particulièrement intéressante, qui est associée
au chaos déterministe. Dans le chaos déterministe, les lois microscopiques sont détermi-
nistes mais les trajectoires prennent un aspect semble comme aléatoire. Cela provient
de la sensibilité aux conditions initiales, la moindre modi…cation des conditions initiales
entraînant des divergences exponentielles. Le simple processus de la prise de décision,
essentiel dans la vie d’une entreprise, fait appel à tant de facteurs inconnus qu’il serait
illusoire de penser que le cours de l’histoire peut se modéliser au travers d’une théorie
déterministe. L’exemple de système chaotique le plus souvent cité est celui de trois corps
célestes en simple interaction gravitationnelle. Au début de 20eme siècle Poincaré avait
déjà démontré que ce problème pouvait avoir des solutions impliquant des trajectoires to-
talement irrégulières, erratiques en quelque sorte. Mais, autant on peut évoquer le hasard
des grands nombres lorsqu’il s’agit du tirage des boules du loto, autant on ne peut plus
l’invoquer pour justi…er l’errance de nos trois corps célestes. Pour distinguer l’errance
déterministe de l’errance aléatoire, on parle de chaos.
Les systèmes dynamiques peuvent avoir aussi de di¤érents comportements asymp-
totiques (tendre vers un équilibre, un cycle limite...) en fonction des valeurs de leurs
paramètres. Il peut donc exister certaines valeurs pour les quelles le comportement du
système passe d’un état qualitatif à un autre (L’attracteur du système était un équilibre
et devient un cycle par exemple). Ce changement d’état qualitatif est une bifurcation et
la valeur du paramètre associée est appelée valeur de bifurcation. Les di¤érentes bifurca-
tions sont répertoriées en fonction de leurs caractéristiques mathématiques intrinsèques
7
puis en fonction des changements qu’elles font apparaître dans le comportement du sys-
tème. On distingue ainsi les bifurcations locales, dont les méthodes de linéarisation si
elles existent, jouent un rôle très important dans la théorie de l’analyse des bifurcations
(diagramme de bifurcation, analyse de stabilité, point critique de bifurcation, type de bi-
furcation), pour son identi…cation au voisinage des points singuliers. Dont la question de
stabilité constitue une démarche importante pour la description et l’étude des systèmes
dynamiques.
8
Plan du travail
Dans ce mémoire, on a fait une recherche sur le chaos et bifurcations dans les systèmes
dynamiques en dimension n (n > 1). Nous avons divisé notre travaille en trois parties,
à la première partie, on a présenté l’importance de la théorie du chaos et la théorie de
bifurcation, à la deuxième partie, on a cherché les propriétés de ces systèmes, et dans
la troisième partie, nous avons fait une recherche concernant le type du chaos et de la
bifurcation.
Dans le premier chapitre: Nous avons présenté l’importance de la théorie du
chaos et les bifurcations dans les systèmes dynamiques, et leurs applications dans les
di¤érents domaines de la science, comme la météorologie, la bourse, la cardiologie, la
neurologie, La psychologie, La cryptographie et les télécommunications.
Dans le deuxième chapitre: Nous avons donné aux divers les concepts de base
des systèmes dynamiques, et leurs propriétés, on a parlé des modèle dynamiques comme,
les modèles déterministes, les modèles stochastique et les modèles chaotiques, ainsi l’im-
portance des systèmes conservatifs et systèmes dissipatifs et la di¤érence entre eux.
Dans le troisième chapitre: On a présenté l’une des théories importante aux
systèmes dynamique, on parle de la théorie de bifurcations, on a donné quelque notions
de base, après, on a parlé aussi des types de bifurcations, comme les bifurcations locales
et les bifurcations globales. On à étudier en détaille ces types dans R2 et R3 .
Dans le quatrième chapitre: Nous avons présenté dans ce chapitre, l’un des
bifurcations la plus étudiée aux systèmes dynamiques au cours des dernières années, on
parle de la bifurcation collision des frontières, qui ce produit aux systèmes dynamiques
lisses par morceaux, nous avons classé et analysé ces types de bifurcations en détaille.
Dans le cinquième chapitre: Dans ce chapitre, nous présentons, l’une des der-
nière nouvelles théories, l’une des véritable théorie scienti…que, on parle de la théorie de
chaos, on a donné quelque propriétés, et quelques applications les plus étudier, comme
celui de Hénon et celui de Lozi, on a donné également les types de chaos dans ces appli-
cations, l’un de ces types est le chaos robuste.
9
Au sixième chapitre: On a examiné le chaos robuste pour une famille d’appli-
cations de Lozi avec la fonction max, et démontré qu’ils peuvent avoir des attracteurs
chaotiques robustes pour certaines valeurs de ces deux paramètres, nous avons déterminé
certaines conditions et certaines formes de deux fonctions f et g, de sorte que ces cartes
(applications) converge vers un attracteur chaotique robuste. Le contenu de ce chapitre
à fait l’objet d’une publication international ‹‹ Robust Chaos in a General Lozi
Mapping with Max Function, Far East Journal of Dynamical Systems, Vol
26, Num 1, pages 15-29, 2015 ››.
10
Chapitre 1
1.1 Introduction
De nouveaux concepts scienti…ques ont été produits d’une manière souvent multidisci-
plinaire lors des dernières décennies, sous les termes de « théorie du chaos » , « théorie de
la complexité » , « théorie des systèmes dynamiques non linéaires » ... etc. Les systèmes
dynamiques non linéaires éclairent aussi un nouveau concept on parle de bifurcations.
Une bifurcation correspond en e¤et au changement de nature d’un attracteur qui surgit
lorsque la valeur d’un paramètre de contrôle du système franchit une valeur critique ou
entre dans un domaine de valeurs critiques. Le changement d’organisation dans le sys-
tème dynamique non linéaire est une propriété interne au système. Cette bifurcation est
donc un phénomène ponctué, critique, par lequel le système prend un nouveau compor-
tement global et des nouvelles propriétés. Le physicien Hughes Chaté explique dans la
revue « Science et Avenir » d’août 2005, « Les oscillations collectives ne sont pas struc-
turellement régulières. Elles comportent des ‡uctuations statistiques qui ne se dissipent
que dans la limite du nombre in…ni de sites. On a donc bien une dynamique chaotique.
La théorie du chaos déterministe a montré d’autre part que des lois peuvent produire
11
des sauts entre des valeurs (discontinuité) et des apparences ressemblant considérable-
ment à du pur hasard. Par exemple, le biologiste Robert May démontrait que, pour
certaines valeurs des conditions initiales, une dynamique apparemment régulière autre-
ment, se met à sauter d’une valeur à une autre. Etudiant l’évolution d’une population
animale d’une saison à l’autre représentée sous la forme de l’itération d’une suite du terme
général : xn+1 = kxn (1 xn ) et démontrait que, malgré le caractère mathématiquement
simple de la fonction, l’itération avec un temps discontinu entraînant une grande com-
plexité des résultats. Et il élargissait ce résultat à d’autres domaines. Non seulement en
recherche, mais aussi dans le monde quotidien de la politique et de l’économie, il serait
béné…que pour tous si plus de gens réalisaient que les systèmes non linéaires simples
ne possèdent pas nécessairement des propriétés dynamiques simples. Les nouvelles idées
étaient appliquées dans des domaines variés. Il existe en biologie de nombreux phéno-
mènes périodiques d’importance vitale, les rythmes cardiaque, respiratoire, hormonal,
entre autres. Il est vraisemblable que la théorie des systèmes dynamiques sera utile pour
analyser ces rythmes et quelques résultats appréciables sont déjà apparus, en particulier
le travail de Léon Glass à Montréal sur le fonctionnement des cellules cardiaques.
Le chaos déterministe n’a pas le sens qui est donné au mot chaos dans le langage
courant où il signi…e simplement agitation ou désordre, il convient de distinguer entre
chaos et pur hasard. Alors que pour le hasard il n’y a aucune relation entre deux valeurs
successives, le chaos déterministe suppose, au contraire, qu’il y a une relation. Le terme
déterministe souligne justement que, même si on est dans une situation où on trouve du
désordre, il y a une loi cachée. Cela est dû à une propriété fondamentale de ce type de
loi. La théorie du chaos déterministe est une révolution conceptuelle de la science. C’est
ce nouveau point de vue qu’il est fondamental de comprendre.
12
1.2 La météorologie et le chaos
Poincaré a montrer que la science reste une conjecture et non un domaine du certain
comme on l’a longtemps cru de façon un peu prétentieuse, à la suite de Laplace. Selon
lui, la science est une activité humaine et la relation entre l’homme et la nature reste une
recherche sans réponse …nale. La meilleure preuve est que ses propres travaux allaient
être rapidement contredits puisqu’il concluait que le système solaire était stable ce que,
par la suite, il allait lui-même corriger. Par contre, il a inventé à cette occasion la plupart
des méthodes théoriques aujourd’hui appliquées dans un domaine qui n’existait pas à
l’époque, l’étude des systèmes dynamiques, autrement appelée chaos déterministe. Il va
notamment inventer des méthodes d’étude de systèmes pris dans leur ensemble sans
étudier les éléments du système pris un par un, méthode particulièrement novatrice. Il
va étudier non une seule trajectoire mais l’ensemble des trajectoires possibles et leur
relation entre elles. En…n, il va montrer que les phénomènes physiques sont du domaine
de la géométrie et non des formules mathématiques. Je le répète, sa conclusion est qu’avec
trois corps interagissant par attraction gravitationnelle on a déjà du chaos c’est-à-dire un
phénomène obéissant à la propriété de la sensibilité aux conditions initiales, un tout petit
changement de celles-ci peut entraîner un grand changement de la suite de l’évolution.
Rappelons que cette thèse révolutionne la conception que l’on avait de la gravitation
depuis Newton. Ce dernier pensait que si l’on connaissait précisément les positions et
les vitesses de tous les corps célestes on pouvait connaître à tout moment la suite des
positions. Poincaré in…rme cette thèse.
13
de comportement social et de pensée rationnelle. Par exemple, si le prix d’un produit
est trop élevé, la demande va baisser ce qui aura pour conséquence de faire baisser
son prix. L’existence de ces mécanismes autorégulateurs a des implications importantes
et surprenantes sur le comportement des marchés, des prix et des économies, et peut
entraîner le chaos. Ainsi, le comportement du prix de l’or est semblable à l’évolution des
populations.
Les systèmes économiques sont si complexes qu’il est di¢ cile de trouver les équations
qui décrivent avec précision leur évolution temporelle. Les approximations sont ici encore
trop simplistes. Ensuite, il s’agit de ce qu’on appelle des "systèmes complexes adaptatifs",
c’est à dire des systèmes qui apprennent, se souviennent et s’adaptent, changeant par-
là même la nature du système initial. Ainsi, même si on arrivait à écrire les équations
d’évolution temporelle des systèmes biologiques et économiques, ces équations devraient
changer lentement dans le temps. Malgré ces di¢ cultés, la théorie du chaos nous apprend
que certaines situations dynamiques en économie, au lieu de conduire à un équilibre,
peuvent mener à une évolution temporelle chaotique, impossible à maîtriser. La théorie
du chaos peut nous aider à avoir une meilleure compréhension de ces oscillations a…n de
mieux les maîtriser.
14
1982. Le malade survivra 112 jours mais avec de nombreuses interventions. Le cœur arti-
…ciel pose bien des problèmes. Bien des tentatives de cœur arti…ciel ont été des échecs et
on s’est aperçu que cela était dû au fait que l’on voulait construire une pompe mécanique
régulière alors que le cœur est chaotique. Le problème du rythme chaotique s’est reposé
pour les troubles du rythme cardiaque, pour lesquels on a été conduit à implanter des
simulateurs électriques qui remplacent le sinus naturel. Ce sont les pacemakers arti…ciels.
C’est un des plus gros succès dans les organes arti…ciels implantables. Ils sont chargés,
devant la dé…cience du sinus naturel, de provoquer une onde qui entraîne la contraction
au rythme voulu. Mais les di¢ cultés et les échecs ont au début été nombreux. Un des
types d’échecs a été dû à une surprise des chercheurs, un pacemaker à rythme tout à
fait régulier entraînait de nombreux échecs alors qu’une certaine variation chaotique des
émissions était beaucoup plus favorable. Les derniers types de pacemakers ont, en plus de
leur fonction de simulateur cardiaque donnant le rythme, une fonction de dé…brillation.
15
une fonction supérieure puis s’est accouplée à des systèmes de régulation de la fonction.
Quand nous marchons, quand nous regardons un paysage, quand nous parlons, nous ac-
tionnons des circuits de notre cerveau. Nous actionnons d’abord des circuits grossiers
qui ont une capacité faible de résolution puis ceux-ci en actionnent d’autres qui a¢ nent
le processus. Avec cette amélioration de la précision des fonctions nous avons successi-
vement développé des centres de régulation à plusieurs niveaux et nous conservons en
partie en nous ces étapes de l’évolution animale.
16
alors référence au théoricien du chaos, Ilya Prigogine qui a montré que dans ce type de
systèmes des relations non-linéaires existent par couplage entre les réactions à la suite
d’une rétroaction entre le produit …nal d’une chaîne de réactions et la réaction d’entrée.
Le déclenchement explosif de l’in‡ux nerveux satisfait évidemment à cette condition de
non-linéarité.
17
1.8 Les télécommunications et le chaos
Chaos communications est une application de la théorie du chaos qui vise à assurer
la sécurité dans la transmission de l’information e¤ectué par les technologies de télécom-
munications. Par des communications sécurisées, il faut comprendre que le contenu du
message transmis est inaccessible aux oreilles indiscrètes possibles.
La sécurité des communications est basée sur les comportements dynamiques com-
plexes fournis par les systèmes chaotiques. Certaines propriétés de la dynamique chao-
tique. Le chaos est un phénomène déterministe, il est possible de décoder les données
en utilisant ce déterminisme. Pour mettre en œuvre des communications de chaos en
utilisant ces propriétés de chaos, deux oscillateurs chaotiques sont nécessaires comme un
émetteur et récepteur. Dans l’émetteur, un message est ajouté sur un signal chaotique et
ensuite, le message est masqué dans le signal chaotique. Comme il porte l’information, le
signal chaotique est aussi appelé support chaotique. Synchronisation de ces oscillateurs
est similaire à la synchronisation des réseaux de neurones aléatoires en cryptographie
de neurones. Lorsque la synchronisation du chaos est utilisée, un régime de base d’un
dispositif de communication (Cuomo et Oppenheim 1993) est fait par deux oscillateurs
chaotiques identiques. L’un d’eux est utilisé comme émetteur, l’autre comme récepteur.
Elles sont reliées dans une con…guration où l’émetteur récepteur dans le conduit de telle
sorte que la synchronisation de chaos identique entre les deux oscillateurs est atteint. Aux
…ns de la transmission d’informations, à l’émetteur, un message est ajouté sous forme
d’une petite perturbation au signal chaotique qui entraîne le récepteur. De cette manière,
le message transmis est masqué par le signal chaotique. Lorsque le récepteur se synchro-
nise sur l’émetteur, le message est décodé par une soustraction entre le signal émis par
l’émetteur et sa copie générée au niveau du récepteur au moyen de la synchronisation de
mécanisme de chaos. Cela fonctionne parce que, tandis que la sortie de l’émetteur contient
le transporteur chaotique, plus le message, la sortie du récepteur se fait uniquement par
une copie de la porteuse chaotique sans le message.
18
Conclusion 1.1 : Dans ce chapitre, nous avons démontré que le chaos n’est pas un
produit ou un matériau dont la technologie pourrait s’emparer pour créer de nouveaux
appareils commercialisables. Le chaos est avant tout un concept, on pourrait presque dire
une philosophie des comportements dynamiques. Le chaos déterministe est la frontière
entre l’ordre et le désordre. Le chaos représente un mécanisme important d’adaptation,
et qu’il intervient largement dans le monde du vivant.
19
Chapitre 2
20
d’état dynamique fournit une solution au paradoxe de Zénon à un instant, la ‡èche est
en mouvement, elle a une position mais elle est en train de changer de position, elle
a une vitesse instantanée. Les nombres qui mesurent sa position et sa vitesse sont les
valeurs de ses variables d’état. Les variables d’état sont toutes les grandeurs physiques
qui déterminent l’état instantané du système et qui ne sont pas constantes a priori. On
les appelle aussi les variables dynamiques. Si on prend une photo au ‡ash, on ne voit
pas que la ‡èche est en mouvement, mais on peut le détecter par d’autres moyens, sans
avoir à mesurer un changement de position. L’état dynamique d’un système est un état
instantané, mais c’est un état de mouvement. Il est déterminé par les valeurs de toutes
les variables d’état à cet instant.
21
T (T (x)), T 3 (x) = T (T 2 (x)), etc. et on cherche à décrire le comportement de cette suite,
qu’on appelle l’orbite de x.
22
Soit l’application:
F :X T !X
4. Lorsque X est un espace mesuré et F est une application qui préserve la mesure, on
entre dans le domaine de la théorie ergodique, et on parle de système dynamique
mesuré.
Evoluent comme leur nom l’indique au hasard dans tout l’espace sans qu’aucune
équation ne les régisse, sans qu’aucune prévision exacte soit possible dans le temps.
Sont des systèmes régis par des lois mathématiques bien connues, on peut donc prévoir
exactement l’évolution de ces systèmes dans le temps.
23
2.5.3 Systèmes chaotiques
24
Fig. 2-1 – Le système (a) converge vers un état d’équilibre après maintes oscillations,
ce qui correspond dans l’espace des phases à des boucles qui convergent vers un point.
Le système (b) se répète périodiquement, ce qui correspond dans l’espace des phases
à une orbite cyclique. Le système (c) a également un mouvement périodique mais plus
complexe, il se répète seulement après trois oscillations di¤érentes : on dit qu’il possède
un cycle de période 3. Cela correspond à des boucles plus compliquées dans l’espace des
phases. Le système (d) est chaotique, et dans l’espace des phases, il possède la forme en
aile de papillon de l’attracteur étrange de Lorenz.
2.7 Attracteurs
Dé…nition 2.3 : Un attracteur est la limite asymptotique des solutions partant de toute
condition initiale située dans un bassin d’attraction qui est un domaine de volume non
nul. Lorsque les coordonnées, dans l’espace des phases, d’un système dynamique sont
comprises au cours du temps dans un domaine restreint de l’espace entier (i.e. aucune
coordonnée ne diverge) alors l’évolution du dit système a deux comportements possibles.
Soit le système est chaotique au sens étymologique du terme, et l’évolution de ses coordon-
nées se fera dans l’anarchie la plus totale (comportement aléatoire). Soit il est chaotique
25
déterministe et possède un attracteur étrange.
2.7.2 Cycle-limite
Il décrit les systèmes chaotiques. L’attracteur étrange désigne une …gure dans l’espace
représentant le comportement d’un système dynamique. L’attraction des trajectoires au-
tour de l’attracteur est liée au caractère chaotique du système réel. Par exemple : le
mouvement de la Terre par rapport au soleil est un système périodique.
Un attracteur étrange est un ensemble invariant, sa dimension dans un espace tridi-
mensionnel doit être strictement inférieure à 3. Mais nous cherchons également un at-
tracteur dont la dimension n’est ni 1 (point …xe) ni 2 (cycle). Nous recherchons donc des
objets de dimension non-entière. On comprend bien que leur nature doit être radicalement
di¤érente de celle d’un tore, qui ne peut être attracteur que d’un régime périodique. Les
objets considérés ici, par contre, sont le siège de phénomènes apériodiques et du Chaos.
On les appelle des attracteurs étranges. Et pour cause : il s’agit d’ensembles compacts,
donc bornés, dans lesquels on retrouve des trajectoires chaotiques, dont l’une des ca-
ractéristiques essentielles est la sensibilité à la condition initial (SCI). (les trajectoires
26
Fig. 2-2 –L’attracteur …xe obtenu par modélisation d’un pendule simple suspendu à une
…celle et avec les forces de frottements (a). L’attracteur circulaire qui peut être obtenu
par le lancer d’une balle attachée à un socle sans forces de frottements (dans le vide) (b).
Fig. 2-3 –L’attracteur du système de Lorenz appelé aussi le papillon de Lorenz. C’est le
plus connu et le premier des attracteurs étudiés, il en existe beaucoup d’autre aux formes
très étranges.
27
Chapitre 3
3.1 Introduction
Le terme de bifurcation a été introduit par Henri Poincaré au début du 20éme siècle
dans ses travaux sur les systèmes d’équations di¤érentielles, lorsque crée des tourbillons
dans un ‡uide, on observe une bifurcation de l’état de repos du ‡uide vers l’état convectif.
Une bifurcation veut dire division d’une branche principale en au moins deux branches.
Le comportement d’un système dynamique linéaire peut changer quand un paramètre du
système change. Ce changement de comportement correspond à un phénomène de bifur-
cation, il est accompagné d’un changement de type de stabilité.
Le terme de bifurcation est utilisé pour désigner dans un sens large, toute modi…cation
qualitative du comportement d’un système dynamique suit à la variation de l’un de ces
paramètres. Une bifurcation correspond donc à la collision de deux objets (point répulsif
ou selle, attracteur) ou de deux variété. La collision de deux objets donne naissance à
une bifurcation "locale" alors que la collision de deux variétés donne naissance à une
bifurcation "globale".
Les bifurcations se produisent dans les deux systèmes dynamiques, continus (décrit
28
par des équations di¤érentielles, EDO ou EDP), et discrets (décrits par des applications
ou cartes).
Dé…nition 3.1 : La variété stable (resp. instable) d’une solution est la courbe tangente
au champ des vecteurs propres associés à une valeur propre du Jacobien dont la partie
réelle est négative (resp. positive).
Variété centrale
dx
= F (x; p) (3.1)
dt
1. 1; 2 ::: m les valeurs propres de la matrice A dont la partie réelle est négative.
2. 1; 2 ::: i les valeurs propres de la matrice A dont la partie réelle est positive.
3. 1; 2 ::: k les valeurs propres de la matrice A dont la partie réelle est nulle.
Avec : m + i + k = n
et soient :
29
Avec : E n = E m Ei Ek
On a le théorème suivant :
On applique une petite perturbation " sur le système (3.2) on obtient un système
dépend de paramètre ". Par une certaine transformation on peut ramener le système
(3.1) à un système de la forme :
8
>
> x0 = Bx + f (x; y; z; ")
>
>
>
>
< y0 = Dy + g(x; y; z; ")
(3.3)
>
> w0 = Cz + h(x; y; z; ")
>
>
>
>
: "0 =0
Par un simple calcule, et aprés avoir appliquer le dévloppement de T ylor sur et ', on
peut donc écrire le système (3.3) sous la forme :
8
< x0 = Bx + f (x; (x; "); '(x; "); ")
(3.5)
: "0 = 0
Théorème 3.2 (Cauchy) : Soit un sous-ensemble ouvert W d’un espace vectoriel normé
E, f : W ! E, une application de classe C 1 (continûment di¤érentiable) et x0 un élément
30
Fig. 3-1 –Variété centrale (rouge) et variété invariante instable (vert) de point d’equilibre
noeud-col
Noter que ce théorème est local. La démonstration utilise le fait qu’une fonction de
classe C 1 est localement Lipschitzienne.
n n
dV = [(Xi + i) Xi ] = i
i=1 i=1
31
au cours du temps de dV est décrite par :
dV n d
= j [(Xi + i) Xi ]
dt i=1 j6=i dt
@fi
fi (X + i) = fi (X) + i +O( i)
@Xi
Donc
1 dV Pn @f
i
= = rf = T r (J)
V dt i=1 @Xi
1 dV n
= i
V dt i=1
Un système est dissipatif si T r(J) < 0 presque partout. C’est à dire sauf dans quelques
zones de l’espace de phase où les trajectoires ne s’attardent pas. En particulier, sur un
attracteur T r(J) < 0 en moyenne, soit i < 0. C’est évident en particulier pour un
point …xe de type puits, où tous les exposants de Lyapunov sont négatifs. Le long d’un
cycle limite, un exposant de Lyapunov est nul (le long de la direction du cycle), et tous
les autres sont négatifs. Sur un attracteur chaotique, un exposant est positif, mais il est
inférieur à la somme des autres en valeur absolue. En particulier pour un système de
dimension 3, on a 1 > 0, 2 = 0, 3 < 0 et 1 < j 3j :
32
Dans le cas d’un système hamiltonien (de dimension 2n), les variables apparaissent
par paires de quantités conjuguées qi et pi telles que :
@H 0 @H
qi0 = ; p =
dpi i dqi
P
n @ @H @ @H
rf = =0
i=1 @qi @pi @pi @qi
On retrouve l’expression du théorème de Liouville, qui nous dit que le volume d’un
élément d’espace de phase se conserve au cours du temps dans un système Hamiltonien.
33
l’équilibre est non-hyperbolique au point de bifurcation.
Les changements topologiques dans le portrait de phase du système peuvent être
limitées à façon arbitraire de petits voisinages des points …xes bifurquant en déplaçant le
paramètre de bifurcation au proximité du point de bifurcation d’où "local". De manière
plus technique, considérer le système dynamique continu décrit par l’ODE:
x0 = f (x; ) f : Rn R ! R: (3.6)
2. bifurcation transcritique.
3. Bifurcation fourche.
5. Bifurcation de hopf.
34
3.2.2 Les bifurcations globales
Les bifurcations globales se produisent lorsque des ensembles invariants, comme or-
bites périodiques, entrent en collision avec les équilibres. Cela entraîne des changements
dans la topologie des trajectoires dans l’espace des phases qui ne peuvent être limitées à
un petit voisinage, comme le cas avec les bifurcations locales. En fait, les changements
de topologie étendent jusqu’à une distance arbitrairement grand d’où "globale". Des
exemples de bifurcations globales sont :
1. Bifurcation homocline dans laquelle un cycle limite entre en collision avec un point
selle.
2. Bifurcation hétéroclinique dans laquelle un cycle limite entre en collision avec deux
ou plusieurs points selle.
4. bifurcation blue sky catastrophe dans laquelle un cycle limite entre en collision avec
un cycle non hyperbolique.
La codimension d’une bifurcation est le nombre de paramètres qui doivent être mo-
di…és pour la bifurcation de se produire. Cela correspond à la codimension du jeu de
paramètres pour lequel la bifurcation se produit à l’intérieur de l’espace complet de pa-
ramètres. La bifurcations noeud-col et la bifurcations de Hopf sont les seules bifurcations
locales génériques qui sont vraiment codimension-1 (les autres ayant tous codimension
supérieure). Cependant, la bifurcation transctritique et la bifurcations de fourche sont
également souvent considérés comme des bifurcations de codimension-1, parce que les
35
formes normales peuvent être écrites avec un seul paramètre. Un exemple d’une bifurca-
tion de codimension-2 qui a était bien étudié a la bifurcation Bogdanov-Takens.
On obtient le système 8
< x = x2 + a
(3.8)
: y = y
Donc 0 p 1
2 jaj 0
A(P1 ) = @ A (3.10)
0 1
36
Fig. 3-2 –Portrait de phase de la bifurcation selle-noeud pour a < 0.
qui admet l’origine comme unique point d’équilibre. Son matrice jacobienne est la
37
Fig. 3-3 –Portrait de phase de la bifurcation selle-noeud pour a = 0.
suivante : 0 1
0 0
A(0; 0) = @ A (3.13)
0 1
:
Il s’agit donc, d’un point non hyperbolique. l’isocline horizontale y = 0 est la droite
:
y = 0 et l’isocline verticale x = 0 est la droite x = 0: Le portrait de phase est représenté
sur la …gure (3.3).
Le portrait de phase montre l’apparition d’un noeud stable pour les x < 0 et d’un
point selle pour les x > 0.
Pour a > 0:
Le système (3.8 ) s’ecrit sous la forme :
8
< x: = x2 + a
(3.14)
: y: = y
Il n’a aucun point d’équilibre. La variable x est toujours croissante. La variable y est
croissante pour les y < 0 et décroissante pour les y > 0, comme le montre le portrait de
phase représenté sur la …gure (3.4).
Il s’agit, d’une bifurcation selle-noeud. et correspond à l’apparition simultanée de
deux points d’équilibre, l’un instable (un point selle) et l’autre asymptotiquement stable
(un noeud). D’une manière générale, cette bifurcation se produit lorsque deux isoclines
38
Fig. 3-4 –Portrait de phase de la bifurcation selle-noeud pour a > 0.
: :
de natures di¤érentes, c’est-à-dire l’une verticale x = 0 et l’autre horizontale y = 0,
initialement disjointes, deviennent tangentes à la bifurcation, et se coupent ensuite en
deux points d’équilibre qui apparaissent.
39
Pour a < 0
p p
Le système (3.15) admet trois points d’equilibre O(0; 0), P1 ( jaj; 0) et P2 ( jaj; 0):
la matrice Jacobienne de système (3.15) s’écrit de manière générale :
0 1
2
a 3x 0
A=@ A (3.16)
0 1
qui admet deux valeurs propres réelles et négatives : 1 = 1, 2 = 4a: Ainsi, ces
deux points d’équilibre sont des noeuds asymptotiquement stables. Les isoclines verticales
: p p :
( x = 0) sont les trois droites : x = 0; x = jaj; et x = jaj: Lisocline horizontale (y
= 0) est la droite y = 0: Le portrait de phase de ce cas est illustré sur la …gure (3.6).
Ce portrait de phase, montre un point selle …xé à l’origine entouré de deux noeuds
asymptotiquement stables, symétriques autour de l’origine, et qui s’en éloignent lorsque
jaj augmente.
Pour a = 0
Dans ce cas, le système (3.15) ce réduit à :
8
< x: = x3
(3.19)
: y: = y
40
Fig. 3-6 –Portrait de phase de la bifurcation fourche pour a < 0.
qui admet un seule point d’équilibre O(0; 0): La matrice jacobienne a ce point est :
0 1
0 0
A=@ A (3.20)
0 1
Donc, le point O(0; 0) est non hyperbolique. Pour déterminer la stabilité de ce point
d’équilibre on va prendre la fonction de lyapunov suivante :
V (x; y) = x2 + y 2
Puisque
: : :
V = 2xx + 2y y = 2(x4 + y 2 ) < 0
41
Fig. 3-7 –Portrait de phase de la bifurcation fourche pour a = 0:
qui admet un seule point d’équilibre O(0; 0), La matrice Jacobienne en ce point est :
0 1
a 0
A(O) = @ A
0 1
42
Fig. 3-9 –Diagramme de bifurcation de la bifurcation fourche super-critique.
Bifurcation verticale
Puisque le système (3.22) est linéaire, ce qui sera le cas pour toutes les bifurcations
verticales.
43
Fig. 3-11 –Portrait de phase de la bifurcation verticale pour a < 0.
est non nul (a2 +1 6= 0) pour tout a 2 R: Le système (3.22) admet un point d’équilibre
unique est O(0; 0): La dynamique du système (3.22) dépend de la trace et du déterminant
de la matrice A. Selon le signe de a: On déstingue trois cas.
Pour a < 0
Dans ce cas, la trace de la matrice est égale à 2a < 0; et le déterminant a2 + 1 > 0.
Ceci permet d’a¢ rmer que l’origine est asymptotiquement stable et qu’elle correspond à
un foyer, comme illustré sur la …gure (3.11).
Pour a = 0
44
Fig. 3-12 –Portrait de phase de la bifurcation verticale pour a = 0.
45
Fig. 3-13 –Diagramme de la bifurcation verticale.
de Poincaré-Andronov-Hopf.
Bifurcation de Poincaré-Andronov-Hopf
Le système (3.26) admet un point déquilibre unique O(0; 0): On remarque que le
système ce compose de deux parties, partie linéaire (identique au système linéaire de la
bifurcation verticale) et une partie non linéaire. La partie linéaire est donc caractérisée
par la matrice : 0 1
a 1
A=@ A
1 a
46
l’origine passe de foyer asymptotiquement stable à foyer instable. Pour déterminer la
stabilité de l’origine, considérons la fonction dé…nie positive suivante :
1
V (x; y) = (x2 + y 2 )
2
: : :
Puisque V (x; y) = xx + y y = (x2 + y 2 )2 < 0: Par conséquent, la fonction V est
une fonction de Lyapunov forte pour le système (3.26). Ainsi, les centres prévus par la
linéarisation ne sont pas conservés et par le théorème de Lyapunov pour fonctions fortes,
nous pouvons conclure que l’origine est asymptotiquement stable lorsque a = 0. Par
ailleurs, le domaine d’attraction de l’origine est R2 . Pour préciser l’allure du portrait de
phase, e¤ectuons le changement en coordonnées polaires (r; ): Les coordonnées polaires
sont dé…nies par les relations suivantes :
8
< r 2 = x2 + y 2
(3.27)
: tan = y
x
(t) = t + (0)
47
Fig. 3-14 –Portrait de phase de la bifurcation de Poincaré-Andronov-Hopf super-critique
pour a 0.
Où (0) est la valeur de l’angle à t = 0: Les trajectoires vont tourner autour de l’ori-
gine. La première équation gouverne la variation de la distance à l’origine. On détermine
le nombre de points d’équilibre selon le signe du paramètre a :
pour a 0
Dans ce cas le système admet un seul point d’équilibre r = 0 qui est asymptotiquement
stable, comme le montre la …g (3.14).
Pour a 0
p
Le système (3.28) admet deux points d’équilibre : r = 0 (stable) et r = a (asymp-
totiquement stable).
p p
Le point r = a correspond donc à un cercle de rayon r = a: Il s’agit d’un cycle
limite asymptotiquement stable, comme représenté sur la …gure (3.15).
Pour a = 0
Il ya un seul point d’équilibre O(0; 0) qui est asymptotiquement stable.
Pour a > 0
Le seul point d’équilibre O(0; 0) est un foyer instable entouré d’un cycle limite asymp-
totiquement stable de rayon r = a:
Le diagramme de bifurcation de cette bifurcation est représenté sur la …gure (3.16).
Le point d’équilibre à l’origine devient instable, et s’entoure d’un cycle limite stable
48
Fig. 3-15 –Portrait de phase de la bifurcation de Poincaré-Andronov-Hopf super-critique
pour a > 0 .
49
dont l’amplitude (le rayon) augmente avec la racine carrée du paramètre de bifurcation.
Lorsque le cycle limite créé à la bifurcation est asymptotiquement stable, on parle de
bifurcation de Poincaré-Andronov-Hopf super-critique.
Pour la partie linéaire on les mêmes conclusions de cas précédent. Pour déterminé la
stabilité de point d’équilibre O(0; 0), on va utilisé la fonction dé…nie positive suivante :
1
V (x; y) = (x2 + y 2 )
2
: : :
On’a V (x; y) = xx + y y = (x2 + y 2 )2 > 0 pour tout (x; y) 2 R2 : Ainsi, d’aprés le
théorème de Lyapunov, le point d’équilibre O(0; 0) est cette fois instable lorsque a = 0.
Pour les autres cas on va utilisé les coordonnées polaires, on obtient le système :
8
< r: = r(a + r2 )
: (3.30)
: = 1
50
Fig. 3-17 –Portrait de phase de la bifurcation de Poincaré-Andronov-Hopf sous-critique
pour a < 0.
Pour a > 0
Le système admet un seul point d’équilibre r = 0 (instable), ce cas est représenté sur
la …gure (3.18).
Le diagramme de cette bifurcation est représenté sur la …gure (3.19).
Théorème de Poincaré-Andronov-Hopf
51
Fig. 3-19 –Diagramme de bifurcation de Poincaré-Andronov-Hopf sous-critique.
un cycle limite. De plus, le théorème de Poincaré-Bendixson qui n’est valable que dans
le plan, il est applicable seulement en dimension supérieure à deux.
Supposons que le système (3.31) a un seule point d’équilibre P x(a); y(a) : Soit A (P ) la
matrice Jacobienne calculée au point d’équilibre. Supposons que les valeurs propres de la
matrice Jacobienne sont complexes conjuguées et s’écrivent sous la forme : 1;2 = (a) +
i (a): Soit une valeur a particulière du paramètre a pour laquelle on a (a) = 0, (a) 6= 0
d d
et da a
6= 0: Alors si da a
> 0, trois sont possible :
1. Lorsque a = a (à la bifurcation), il existe des trajectoires concentriques autour de
pont P: Le point d’équilibre P correspond alors à des centres. On parle de bifurcation de
Hopf dégénérée.
2. Lorsque a > a, le point d’équilibre P est asymptotiquement stable, et il existe a0 >
a tel que pour tout a < a < a0 le point P est asymptotiquement stable, et il existe un cycle
52
r
limite instable dont l’amplitude est proportionnelle à a a : On parle de bifurcation
de Hopf sous-critique.
3. Lorsque a < a, le point d’équilibre P est instable, et il existe a0 < a tel que pour
tout a0 < a < a: Le point P est asymptotiquementr stable, et il existe un cycle limite
instable dont l’amplitude est proportionnelle à a a : On parle de bifurcation de Hopf
sous-critique.
Remarque 3.1 :
d
Dans le cas où da a
< 0, il faut inverser les conclusions, c’est-à-dire que le cycle
limite asymptotiquement stable (resp. instable) apparaît pour des valeurs du paramètre
inférieures (resp. supérieures) à a .
Une bifurcation de Hopf se produit donc, lorsque les valeurs propres du système
linéaire traversent l’axe imaginaire, autrement dit que leur partie réelle peut s’annuler.
Le système linéaire pour a = a prévoit donc des centres. Dans le premier cas, les centres
sont conservés, il s’agit de la bifurcation de P-A-H dégénérée.
Dans le second cas, le théorème prévoit l’existence d’un cycle limite asymptotique-
ment stable pour des valeurs du paramètre supérieures à a . Il s’agit d’une bifurcation
de P-A-H supercritique. En…n, dans le troisième cas, le théorème prévoit un cycle limite
instable pour des valeurs du paramètre inférieures à a. Il s’agit d’une bifurcation de P-A-
H sous-critique.
r Lorsqu’un cycle limite existe, son amplitude est nulle à la bifurcation et
augmente en a a . L’existence d’un cycle limite est garantie jusqu’à une valeur a0
qui dépendra de chaque cas, cette valeur assure que les valeurs propres sont complexes
conjuguées. Dans le cas où il existe des centres à la bifurcation (cas 1), il est nécessaire de
mettre en évidence une intégrale première présentant un extremum au point d’équilibre.
Le théorème ne permet pas de déterminer lequel des trois cas. Pour cela, il est nécessaire
d’utiliser d’autres méthodes.
53
d’équilibre unique) est asymptotiquement stable à la bifurcation. Une première méthode
pour démontrer que la bifurcation est super-critique (c’est-à-dire que le cycle limite est
asymptotiquement stable) consiste à rechercher une fonction de Lyapunov permettant de
démontrer la stabilité asymptotique du point d’équilibre P x(a); y(a) pour la valeur
a = a:
Le point O(0; 0) est l’unique point d’équilibre de système (3.32). La matrice Jacobienne
de la partie linéaire de système (3.32) est :
0 1
0 1
A=@ A
1 a
a
Pour 2 < a < 2; Re ( 1;2 ) = = 0 pour a = a = 0: par contre Im ( 1;2 ) =
p 2
j4 a2 j d Re( 1;2 ) 1
2
= 1 pour a = 0: De plus, nous avons da
(0) = 2
6= 0: D’aprés le théorème
de P-A-H, L’origine est un foyer instable pour a < 0; et un foyer stable.
Pour a > 0. Pour déterminer s’il existe un cycle limite asymptotiquement stable,
utilisons la fonction dé…nie positive suivante :
1
V (x; y) = (x2 + y 2 )
2
:
1 4
Sa dérivée par rapport au temps est : V (x; y) = ay 2 3
y : elle n’est pas tou-
jour négative. V est donc une fonction de Lyapunov faible pour notre système, puisque
54
Fig. 3-20 –Portrait de phase pour une valeur de a < 0:
:
V (x; y) 0 pour tout a 0: Par conséquent, en utilisant le théorème de Lyapunov pour
la fonction faible, nous pouvons conclure la stabilité asymptotique de l’origine. Il est
maintenant possible de conclure qu’il existe un cycle limite asymptotiquement stable en-
d Re( 1;2 ) 1
tourant l’origine et que puisque da
= 2
< 0: le cycle limite apparaît pour a 0. Il
s’agit donc d’une bifurcation de Hopf super-critique. les deux isocline verticale et horizon-
tale sont la droite d’équation y = 0 qui passe par le point d’équilibre O(0; 0); et la courbe
p
d’équation x = ay 13 y 3 qui passe par l’équilibre O(0; 0), et les deux points (0; 3a),
p
(0; 3a): Le point O(0; 0) est l’unique point d’équilibre et correspond à un foyer in-
stable s’entourant d’un cycle limite asymptotiquement stable, comme est représenté sur
la …gure (3.20).
55
2. Faire un changement de variables pour mettre la matrice Jacobienne à l’origine
sous sa forme de Jordan lorsque a = a :
0 1
0 !
A=@ A
! 0
I = !(fxxx + fxyy + gxxy + gyyy ) + gxy (gxx + gyy ) fxy (fxx + fyy ) + fxx gxx fyy gyy
@2f
Où fxy = @x@y
est calculée au point d’équilibre (l’origine) pour a = a et ainsi de suite.
On déstingue trois cas :
Exemple 3.2 : On va appliquer cette méthode sur l’example (3.32). La matrice jaco-
bienne de système dynamique est :
0 1
0 1
A=@ A
1 0
Par conséquent, ! = 1:
a aussi : fxy = fxx = fyy = fxxx = fxyy = 0; gxy = gxx = gyy = gxxy = 0, et gxxy = 2:
On obtient : I = 2 0: Ce qui con…rme que le point d’équilibre est asymptotiqument
stable. Il ’existe une bifurcation super-critique et un cycle limite asymptotiquement stable.
56
portement à deux fois la période du système d’origine. Autrement dit, il existe deux
points tels que l’application de la dynamique de chacun des points donne l’autre point.
Bifurcation par doublement de la période peuvent également se produire dans les sys-
tèmes de dynamiques continus, à savoir quand un nouveau cycle limite apparaît d’un
cycle limite existante, et la période du nouveau cycle limite est le double de celle de
l’ancien.
Dé…nition 3.3 : Une application Fa dépendant d’un paramètre a admet une bifurcation
par doublement de la période en a1 s’il existe un intervalle ouvert I 2 R contenant
exactement un point …xe Pa de Fa tel que : a 2 [a1 ; a1 + ] :
1. le point …xe Pa1 est attractif et Pa1 + n’a pas d’autres points …xes dans I.
2. le point …xe Pa1 est neutre et Fa1 n’a pas d’autres points …xes dans I.
3. le point …xe Pa1 + est répulsif et Fa1 + a une orbite périodique attractive de période
2 dans I.
Exemple 3.3 : Le meilleur exemple sur cette bifurcation est la suite logistique :
57
Fig. 3-21 –Le diagramme de la bifurcation doublement de période de suite la logistique
pour x0 2 [0; 1] et a 2 [2:4; 4]
2. Si 3:45 < a < 3:54, elle …nit par osciller entre quatre valeurs (la période est 4).
3. Si a est légèrement plus grand que 3; 54, la population …nit par osciller entre huit
valeurs, puis 16, 32, etc.(la période est 8, 16, 32, etc).
4. Si 3:57 < a < 4, la période est invisible (nous ne pouvons pas la déterminés).
Bifurcation de Neimark-sacker
58
On suppose que le système (3.34) admet un seul point d’équilibre Pa est elle existe
sur un intervalle des valeurs de a d’intérêt, et en outre la matrice jacobienne de la carte
au point Pa a une paire de valeurs propres :
a = Ra ei a
Si, a = a0
Ra = 1 et 0 < a0 <
Est
dRa
(a0 ) 6= 0 et eik a (a0 )
6= 1; k = 1; 2; 3; 4
da
La bifurcation de Neimark-sacker se produit à a = a0 .
1 1
Le système dynamique admet deux points …xes P1 (0; 0) et P2 (1 a
;1 a
): La matrice
Jacobienne au point P2 admet une paire de valeur propres :
p p
a = a 1ei arg tg( 4a 5)
On a Ra = 1 donne
a0 = 2 et 0 =
3
59
Par conséquent
p p p
dRa 1 1+i 3 1+i 3 1 i 3
(a0 ) = p 6= 0; eik a (a0 )
=e ik 3
= ; ; 1; 6= 1
da 2 2 2 2 2
1. Condition de non-hyperbolicité
j ( 0 )j = 1
k
( 0 ) 6= 1 pour k = 1; 2; 3; 4
3. Condition de transversalité
60
d j ( )j
= d 6= 0
d = 0
4. Conditions de généricité
2eic )e 2ic
(1 1
a 6= 0; où a = Re ic
c11 c20 jc11 j2 jc02 j2 + Re(e ic
c21 );
1 e 2
@g
c = !( 0 ); sgn(!( 0 ) = sgn j = 0 (x0 ; y0 )
@x
Et
c20 = 81 [(fxx fyy + 2gxy ) + i (gxx gyy 2fxy )]:
c11 = 41 [(fxx + fyy ) + i (gxx + gyy )]:
c02 = 18 [(fxx fyy 2gxy ) + i (gxx gyy + 2fxy )]:
1
c21 = 16
[(fxxx + fxyy + gxxy + gyyy ) + i (gxxx + gxyy fxxy fyyy )]:
Puis une courbe fermée simple invariant bifurque soit en > 0 ou < 0, selon
les signes de d et a. Ce cercle invariant est attractif, si elle bifurque dans la région de
l’origine où est instable (une bifurcation surcritique) et répulsif, si elle bifurque dans
la région dont l’origine est stable (une bifurcation sous-critique). Notons que ce résultat
ne dit rien sur la dynamique sur le cercle invariant. En fait, la dynamique sur le cercle a
la complexité des cartes de cercle dits (y compris la possibilité d’avoir attirer les orbites
périodiques sur le cercle invariant), et dépend de sensibilité sur toute la perturbation (voir
l’exemple ci-dessous). Par conséquent, contrairement à la bifurcation de Hopf pour les
systèmes continus, la bifurcation de Hopf pour les applications est pas structurellement
stable.
61
0 10 1
cos(c + b(x2 + y 2 )) sin(c + b(x2 + y 2 )) x
@ A@ A
2 2 2 2
sin(c + b(x + y )) cos(c + b(x + y )) y
L’origine est un point …xe pour chaque . La matrice jacobienne de F à ce point …xe
est : 0 1
cos c sin c
DF (0; 0) = (1 + d ) @ A (3.37)
sin c cos c
ic
( ); ( ) = (1 + d )e (3.38)
p
La carte prend un simple forme en coordonnées polaires r = x2 + y 2 , = artg( xy ) :
0 1 0 1
2
r r(1 + d + ar )
@ A!@ A (3.39)
2
+ c + br
Cette carte codimension-5 est en fait la forme normale de la bifurcation de Hopf jus-
qu’à les termes cubiques (soit, par un changement en douceur des coordonnées que nous
pouvons apporter toute F dans cette forme (plus des termes d’ordre supérieur)). Les
paramètres a, c et d dans (4.35) et (4.38) sont précisément ceux qui sont dé…nis dans les
conditions ci-dessus. Nous choisissons a = 0; 02, b = c = 0; 1, d = 0; 2. La carte est
ensuite soumis à une bifurcation de Hopf supercritique à = 0, comme illustré dans la
…gure (3.22).
Pour > 0 su¢ samment petit, nous avons un cercle invariant attractif donnée par:
q
d
r= a
(…g ). Sur le cercle de la carte est donnée par: ! + c bda . Cela est tout
bd
simplement une rotation d’un angle …xe : =c a
, donnant des orbites périodiques
2 2
si 2 Q, ou des orbites denses (irrationnelles) si, 2 R=Q:
62
3.4.1 Dégénération de la bifurcation de Hopf
Si, une ou plusieurs des conditions énumérées pour une bifurcation de Hopf ne sont pas
satisfaits (par exemple en raison de symétrie), on peut encore avoir l’émergence d’une
orbite périodique, mais quelques-unes des conclusions du théorème peut cesser d’être
vrai. La bifurcation est alors appelé la bifurcation de Hopf dégénéré. Par exemple, si la
condition de transversalité est pas respecté le point …xe ne peut pas changer la stabilité,
ou des solutions périodiques multiples peut bifurquer. Un cas important est fourni par un
système hamiltonien, qui a des valeurs propres complexes viennent dans la symétrique
quadruples et donc, la condition de transversalité ne peut être satisfaite. Voilà pourquoi la
bifurcation analogue dans les systèmes hamiltoniens est beaucoup plus compliqué. Pour
une chose, il a besoin d’un espace de phase de quatre dimension.
Dans cette sous section, nous présentons l’étude des bifurcations en dimensions supé-
rieure où égale à deux. Il s’agit d’une généralisation de l’étude des bifurcations présentées
précédemment. Prenons par exemple, une équation dans espace des phases de trois dimen-
sion. Soit X(x1 (t); x2 (t); x3 (t)) un vecteur véri…ant l’équation X 0 = F (X): La démarche
est toujours la même : recherche des points d’équilibre, étude de la stabilité de ces points,
et diagramme de bifurcation.
En cherche les points X tels que, F (X ) = 0: L’étude de la stabilité s’e¤ectue en
introduisant une perturbation vectorielle : U = (u1 (t); u2 (t); u3 (t)) au voisinage de X :
Puis on utilise un développement de Taylor de F à l’ordre 1 :
X 0 = U 0 = F (X + U ) = A:U + O(U 2 )
63
sont soit réelles, soit comlexes conjuguées. Notons k = k + i! k les valeures propres de
A pour k = 1; 2; 3:
Ainsi, chaque composante uk véri…ent l’équation u0k = k uk ;qui admet des solutions
du type uk (t) = uk (0)e kt .
Comme e kt = je kt j ;on a alors, les deux cas suivants :
1. Si, k < 0; le point d’équilibre est stable dans la direction du vecteur propre associé
à k:
2. Si, k > 0, le point d’équilibre est instable dans la direction du vecteur propre
associé à k:
2. Soit, il y avait e¤ectivement une brisure de la symétrie alors, on est en une présence
d’une bifurcation fourche.
Le deuxième cas :
Soit il perd sa stabilité par passage des deux valeurs propres complexes conjuguées
alors, il y a eu une bifurcation de Hopf.
64
3.5 Analyse dynamique d’un système non linéaire en
trois dimensions
Dans cette subsection, on va faire une analyse dynamique d’un système non linéaire
en trois dimensions. Premièrement par la projection sur le plan, et deuxièmement par le
choix du paramètre de bifurcation appropriée. Pour simpli…er cette étude considérons le
systèmes dynamique non linéaire de codimension-7 suivant :
8
>
> dx1
= a1 x 1 + a2 x 2 + a3 x 3
>
< dt
dx2 (3.40)
= x1 x3 + b
>
> dt
>
: dx3
dt
= c1 x1 + c2 x2 x3 + c
On a
det(J) = a2 x 3
65
Pour: x3 6= 0 on a : det(J) 6= 0:
dx1 dx2
= =0
dt dt
D’où 8
< a x +a x +a x =0
1 1 2 2 3 3
(3.42)
: x x +b=0
1 3
b a1 b a3 x23
xe1 = et xe2 =
x3 a2 x 3
2
b a 1 b a 3 x3
Donc, le système (3.41) à un seule point d’équilibre e x3
; a 2 x3
: Par la translation :
8
< x=x xe1
1
: y=x xe2
2
2
det( I J) = a1 a2 x 3
Posons
det( I J) = 0
66
D’où
2
a1 a2 x 3 = 0 (3.43)
tel que : 1 < 2 < 0, alors, le point e est un "noeud", ce qui éxplique la tendance
des courbes de solutions sur le plan x1 x2 vers l’in…ni à l’exception de deux orbites
qui tendent vers le point e. Cela est présenté sur Figure (3.22 (b)) ci dessous : Où
le sens des orbites est représenté par des ‡èches.
a21
3. Pour a1 < 0, et lorsque 4a2
< x3 < 0: L’équation (3.43) a deux solutions complexes
conjuguées avec une partie réelle négative, le point déquilibre e est un "puits en
spirale" (foyer). La courbe des solutions sur le plan x1 x2 est représenté sur Figure
(3.22 (c)), où le sens de la ‡èche est la direction de l’orbite à l’augmentation du
temps t. Lorsque t tend vers l’in…ni, toutes les orbites en spirales autour du point
e.
On remarque que lorsque t tend vers l’in…ni, l’orbite x3 (t) coupe les deux droites
a21
x3 = 4a2
est x3 = 0 alternativement à plusieurs reprises, d’où la division de l’axe x3
a21 a21
en trois domaines disjoints 1, 4a2
, 4a2
,0 et (0 , + 1), ce qui implique
la possession du système (3.41) de di¤érents comportements dynamiques dans les trois
domaines ci-dessus. Quand t tend vers l’in…ni le système (3.41) change de comportement
67
Fig. 3-22 –Le point d’équilibre e est un point "selle" (a), un "noeud" (b), un "puits en
spirale" (c).
dynamique et x3 (t) passe par ces domaines de façon répétée, conduisant à des dynamiques
complexes tels que l’apparition des bifurcations et chaos. Il est noté que le système (3.41)
dépend de temps t lorsque x3 (t) varie dans le temps. On peut véri…er que les deux systèmes
a21
(3.40) et (3.41) sont chaotiques ou la fonction x3 (t) passe par les lignes droites : x3 = 4a2
et x3 = 0, en alternance.
3.5.1 Résumé
Nous avons présenté une méthode pratique pour distinguer les orbites chaotiques, pé-
riodiques et quasi-périodiques. Dans cette section, on a etudié d’abord un sous-système
du système d’origine, en analysant le comportement dynamique de celui-ci par l’utilisa-
tion d’une dimension inférieure (D-2). Cela aboutira à l’etude …nale du comportement
dynamique.
68
Une substitution de (3.44) et (3.45) dans la troisième équation de système (3.40) donne
alors, une équation algébrique en fonction de x1 comme suit :
Laisser
a1 c 2
a1 bc2 + a2 c = 0 ou c = b (3.47)
a2
Puis sous la condition (3.47), l’équation (3.46) à une racine réelle unique :
r
a3 c 2
x1 = 3
b (3.48)
a2 c 1
Avec 8 q
>
> x = 3 a 3 c2 b
>
< 0 a 2 c1
a3 b a1 x21 (3.50)
> y 0 = a 2 x1
>
>
: z = b
0 x1
69
Le système (3.40) devient sous la forme
8
>
> dx
= a1 x + a2 y + a3 z
>
< dt
dy (3.51)
= z0 x + x0 z + xz
>
> dt
>
: dz
dt
= c1 x + c2 z0 y + c2 y0 z + c2 yz
3 2
P( ) = +A +B +C (3.53)
Avec 8
>
> A = (c2 y0 + a1 )
>
<
B = bc2 a3 c1 + a1 c2 y0 a2 z0 (3.54)
>
>
>
: C=a c x
2 1 0
Ensuite, les conditions de Routh-Hurwitz conduisent à la condition que les parties réelles
des racines sont négatives si et seulement si: A > 0, C > 0 et AB C > 0: Notons que
les coe¢ cients du polynôme (3.53) sont tous positifs. Donc P ( ) > 0 pour tout > 0,
par conséquent, le seul point d’équilibre est instable (rel( ) > 0). On supose que P ( )
admet deux valeurs propres complexes conjugués. On les notes : 1 = +i! et 2 = i!:
Puisque la somme des trois racines de la cubique P est
1 + 2 + 3 = A (3.55)
70
(3.40).
De l’égalité (3.55) on a :
c2 a1 x20 + a1 a2 x0 + c2 a3 b
3 = (3.56)
a2 x 0
Avec 8
>
> a a c c x2 +a a bc2 x a a a c b
A = 2 3 1 2 0 a12 a33 c22b 0 1 2 3 2
>
<
(a a a c c +a3 c )x2 a2 a bc2 x +a bc (a bc a 2 a 3 c1 )
B = 1 2 3 1 2 2 1 0 a12 a33 c22 b 0 3 2 2 2 (3.58)
>
>
>
: C=a c x
2 1 0
On rapelle que : r
a3 c 2
x0 = 3
b
a2 c 1
Une substitution de (3.57) dans (3.58) et avec un calcul trés compliqué on obtient :
(a22 a3 bc1 c32 a22 a23 c21 c22 a31 a3 bc41 a21 a22 a3 c1 c2 a1 a42 c1 )x20
+( a1 a2 a23 bc1 c32 a32 a3 bc1 c22 + a1 a2 a3 b2 c42 a1 a2 a23 bc1 c22 + a31 a2 a3 bc22 + a32 a3 bc1 c22 )x0
a21 a23 b2 c42 + a1 a23 b2 c1 c42 + a1 a22 a3 bc32 a1 a22 a3 b2 c22 + a1 a22 a23 bc1 c2 = 0 (3.59)
Où
a31 + a21 + a1 + = 0 (3.60)
Avec 8
>
> = a3 bc41 x20 + a2 a3 bc22 x0
>
>
>
>
>
> = a22 a3 c1 c2 x20 a23 b2 c42
>
<
= a42 c1 x20 + ( a2 a23 bc1 c32 + a2 a3 b2 c42 a2 a23 bc1 c22 )x0 (3.61)
>
>
>
>
>
> +a23 b2 c1 c42 + a22 a3 bc32 a22 a3 b2 c22 + a22 a23 bc1 c2
>
>
>
: = (a2 a bc c3 a2 a2 c2 c2 )x2 + ( a3 a bc c2 + a3 a bc c2 )x
2 3 1 2 2 3 1 2 0 2 3 1 2 2 3 1 2 0
71
Supposant > 0, et que l’équation (3.60) a une seule solution a1 = a0 : Pour a1 = a0
l’équilibre E va perdre sa stabilité, donc une bifurcation de hopf peut se produire. En
utilisant les deux conditions (3.56), (3.57) et pour a1 = a0 le polynôme P ( ) peut s’écrire
sous la forme :
2
P( ) = ( a0 c2 y0 )( + B) (3.62)
Avec
(a0 a2 a3 c1 c2 + a32 c1 )x20 a20 a3 bc22 x0 + a3 bc2 (a2 bc2 a2 a3 c 1 )
B= (3.63)
a2 a3 c 2 b
Il est évident que l’équation P ( ) = 0 a trois racines, une négative, 1 = a0 + c2 y0 et une
paire de racines purement imaginaires conjuguées :
s
(a0 a2 a3 c1 c2 + a32 c1 )x20 a20 a3 bc22 x0 + a3 bc2 (a2 bc2 a2 a3 c 1 )
2;3 = i = id (3.64)
a2 a3 c 2 b
D’où
Et
2a0 bc2 x0 a2 c1 x20 c 2 x0
d Im 1 a2 b
+ (a0 + c2 y0 ) 1 a2
ja1 =a0 = d (3.67)
da1 2 d2 + (a0 + c2 y0 )2
Conclusion 3.5 : Selon le théorème de bifurcation de hopf, nous pouvons conclure que :
2. Le point d’équilibre E est stable lorsque a1 < a0 ; et il existe des solutions périodiques
72
lorsque a1 > a0 :
Dans cette section, on va tirer les formules explicites pour déterminer l’orientation,
la stabilité et la période de ces solutions périodiques de bifurcation d’équilibre E pour la
valeur critique a1 = a0 en utilisant des techniques de la forme normale.
On pose
0 1
1 1 0
B C
B a2 c1 x20 a0 a2 b a0 a2 x20 +a3 d2 x0 a2 a3 b d(a3 b2 c2 +a0 a3 c1 x0 +a23 bc1 ) C
P = (v 1 ; v 2 ; v 3 ) = B a20 c2 x20 +(a20 a2 +a2 bc2 )x0 +a0 a3 bc2 a22 x20 +a23 d2 a2 a3 b2 c2 +a23 c1 d2 x0
C
@ A
(a22 c1 +a0 bc22 )x20 a3 b2 c22 c2 b (bc2 d2 ) c1 c22 x0 y0
2 (c1 c2 b c1 d2 )x20 +c22 b2 y0
a0 a22 x20 a2 a3 bc2 x0 ((bc2 d2 )x0 )2 +(c2 dx0 y0 )2 ((bc2 d2 )x0 )2 +(c2 dx0 y0 )2
73
Pour faciliter les calculs, on remplace la matrice P par la suivante :
0 1
1 1 0
B C
B C
B 1 2 3 C (3.69)
@ A
1 2 3
Avec 8
> a2 c1 x20 a0 a2 b
>
> 1 = a20 c2 x20 +(a20 a2 +a2 bc2 )x0 +a0 a3 bc2
<
a0 a2 x20 +a3 d2 x0 a2 a3 b
2 = a22 x20 +a23 d2
(3.70)
>
>
>
: d(a3 b2 c2 +a0 a3 c1 x0 +a23 bc1 )
3 = a2 a3 b2 c2 +a23 c1 d2 x0
8
>
> =
(a22 c1 +a0 bc22 )x20 a3 b2 c22
>
< 1 a0 a22 x20 a2 a3 bc2 x0
c2 b2 (bc2 d2 ) c1 c22 x0 y0
= (3.71)
>
>
2 ((bc2 d2 )x0 )2 +(c2 dx0 y0 )2
>
: (c1 c2 b c1 d2 )x20 +c22 b2 y0
3 = ((bc2 d2 )x0 )2 +(c2 dx0 y0 )2
D’où 0 1 0 1
u1 x
B C B C
B C 1 B C
B u2 C = P B y C (3.72)
@ A @ A
u3 z
De manière à obtenir 8
>
> u = M1 x + M2 y + M3 z
>
< 1
u 2 = N 1 x + N2 y + N 3 z (3.73)
>
>
>
: u =K x+K y+K z
3 1 2 3
74
D’où 8
>
> du1
= du2 + F (u1 ; u2 ; u3 )
>
< dt
du2 (3.74)
= du1 + G(u1 ; u2 ; u3 )
>
> dt
>
: du3
dt
= u3 + H(u1 ; u2 ; u3 )
Avec 8
>
> F (u1 ; u2 ; u3 ) = M2 f (u1 ; u2 ; u3 ) + M3 c2 g(u1 ; u2 ; u3 )
>
>
>
>
>
> G(u1 ; u2 ; u3 ) = N2 f (u1 ; u2 ; u3 ) + N3 c2 g(u1 ; u2 ; u3 )
>
<
H(u1 ; u2 ; u3 ) = K2 f (u1 ; u2 ; u3 ) + K3 c2 g(u1 ; u2 ; u3 ) (3.75)
>
>
>
>
>
> f (u1 ; u2 ; u3 ) = (u1 + u2 )( 1 u1 + 2 u2 + 3 u3 )
>
>
>
: g(u ; u ; u ) = ( u + u + u )( u + u +
1 2 3 1 1 2 2 3 3 1 1 2 2 3 u3 )
8
>
> M = 1 + ( 1 33 )( 23 1
>
< 1 3 1)
M2 = ( 3 (3.76)
>
> 3 3 )( 2 1)
>
: M = 3
3 ( 3 )( 2 1)
3
8
>
> N1 = 3 1 1 3
>
< 3( 2 1) 3( 2 1)
N2 = 3 (3.77)
>
> 3( 2 1) 3( 2 1)
>
: N = 3
3
3( 2 1) 3( 2 1)
8
>
> K = 1 2 1 2
>
< 1 3( 2 1) 3( 2 1)
K2 = 1 2 (3.78)
>
> 3( 2 1) 3( 2 1)
>
: K = 2 1
3
3( 2 1) 3( 2 1)
75
On a :
1 @2F @2F @2G @2G
g11 = + +i +
4 @u21 @u22 @u21 @u22
D’où
1
g11 = [(M2 1 + M2 2 + M3 c 2 1 1 + M3 c 2 2 2 )] + (3.79)
2
1
i [(N2 1 + N2 2 + N3 c 2 1 1 + N3 c 2 2 2 )]
2
D’où
2 3
1 4 M2 ( 1 2) + M3 c 2 ( 1 1 2 2) N2 ( 1 + 2)
5+
g02 = (3.80)
2 N3 c 2 ( 2 1+ 1 2)
2 3
1 4 N2 ( 1 2) + N3 c 2 ( 1 1 2 2) + M2 ( 1 + 2) +
5
i
2 M3 c 2 ( 2 1 + 1 2)
76
D’où
2 3
1 4 M2 ( 1 2) + M3 c 2 ( 1 1 2 2) + M2 ( 1 + 2) +
5+
g20 = (3.81)
2 M3 c 2 ( 2 1+ 1 2)
2 3
1 4 N2 ( 1 2) + N3 c 2 ( 1 1 2 2) M2 ( 1 + 2)
5
i
2 M3 c 2 ( 2 1+ 1 2)
D’où
G21 = 0 (3.82)
77
On obtient alors les équations suivantes :
8
<
1 ! 11 = h11
: ( 2id) ! 20 = h20
1
D’où
8
>
> ! 11 = K2 ( 1 + 2 )+K3 c2 ( 1 1 + 2 2 )
>
> 2 1
<
K2 1( 1 2 )+K3 c2 ( 1 1 2 2 )+2d(K2 ( 1 + 2 )+K3 c2 ( 2 1 + 2 1 ))
! 20 = + (3.86)
> (
2 21 +4d2 )
>
>
>
: i 2d(K2 ( 1 2 )+K3 c2 ( 1 1 2 2 )) 1 (K2 ( 1 + 2 )+K3 c2 ( 2 1 + 1 2 )
(
2 21 +4d2 )
Maintenent laissez :
D’où
1
G110 = [ (M2 + N2 ) + 3 c2 (M3 + N3 2) + c2 (M3 1 + N3 2 )] + (3.87)
2 3 1 3
1
i [ (N2 M2 ) + 3 c2 (N3 M3 2) + c2 (N3 1 M3 2 )]
2 3 1 3
Aussi laissez :
1 1 g21
C1 (0) = g20 g11 2 jg11 j2 jg02 j2 + (3.88)
2d 3 2
78
Puis nous navons :
Re(C1 (0))
2 = (3.89)
Re( 0 (a0 ))
Im(C1 (0)) + 2 Im( 0 (a0 ))
2 = (3.90)
d
Et
a. Si 2 < 0 les solutions périodiques bifurquées sur le collecteur du centre sont stables.
b. Si 2 > 0 les solutions périodiques bifurquées sur le collecteur du centre sont instables.
79
Fig. 3-23 – L’attracteur généré par le système chaotique (4.40). Avec, a1 = 1:221;
a2 = 1:5, a3 = 2, b = 1:3, c1 = 1:5, c2 = 1
Fig. 3-24 – L’attracteur généré par le système chaotique (4.40). Avec, a1 = 1:44;
a2 = 1:5, a3 = 2, b = 1:3, c1 = 1:5, c2 = 1
80
3.5.5 Résumé
:
x = f (x); (x1 ; x2 ; :::; x3 )T 2 Rn (3.92)
Dé…nition 3.4 : Un orbite 0 qui départ par le point x 2 Rn est dite homocline
au point x0 de système (3.93) si :
Lim ('t ) = x0
t! 1
Une orbite homocline est une trajectoire d’un écoulement d’un système dynamique
qui se joint à un point d’équilibre elle-même. Plus précisément, une orbite homo-
cline se trouve dans l’intersection de la variété stable et le collecteur d’un équilibre
instable.
Dé…nition 3.5 : Un orbite 0 qui départ par le point x 2 Rn est dite homocline au
point x0 et x1 de système (3.93) si :
Lim ('t ) = x0
t! 1
81
Est
Lim ('t ) = x1
t!+1
Une orbite hétéroclinique (parfois appelé une connexion hétéroclinique) est une tra-
jectoire dans l’espace de phase qui relie deux points d’équilibre di¤érents. Si les
points d’équilibre au début et à la …n de l’orbite sont les mêmes, l’orbite est dite
homocline.
Bifurcations homocline Une bifurcation homocline, est une bifurcation globale qui
se produit souvent quand une orbite périodique entre en collision avec un point selle.
La …gure (3.25) montre un portrait de phase avant, pendant et après une bifurcation
homocline en 2D. L’orbite périodique développe jusqu’à ce qu’il entre en collision avec
le point selle. Au point de bifurcation de la période de l’orbite périodique a augmenté
à l’in…ni et il est devenu une orbite homocline. Après la bifurcation il n’y a plus une
orbite périodique. La bifurcations homoclines peuvent se produire supercritique ou sous-
critique. La …gure (3.25) présente une bifurcation homocline de " type I " en 2D, il
ya une bifurcation homocline " type II ", dans lequel l’orbite homoclines «pièges» les
autres extrémités des collecteurs stables et instables de point selle. En trois dimensions
ou plus, les bifurcations homocline d’une grande codimension peuvent se produire, mais
la production dynamique sera complexe, elle peut-être chaotiques.
82
Fig. 3-25 –Bifurcation homocline : Pour de petites valeurs de paramètres, il ya un point
selle à l’origine et un cycle limite (a). Comme le paramètre de bifurcation augmente, le
cycle limite développe jusqu’à ce qu’il croise exactement le point selle, ce qui donne une
orbite de longueur in…nie (b). Lorsque le paramètre de bifurcation augmente encore, le
cycle limite disparaît complètement (c).
l’un des équilibres dans le cycle passe par zéro. Cela permettra également de faire un
changement de la stabilité du cycle hétéroclinique.
Les point d’équilibres de système (3.93) sont P1 (0; 0) et P2 (1; 0). La matrice Jacobienne
est : 0 1
0 1
A=@ A (3.94)
1 2x a
On a 0 1
0 1
A(P1 ) = @ A
1 a
83
On a
Det(A(P1 )) = 1; tr = a; = a2 4
Donc, pour 2 < a < 2: Le point d’équilibre P2 est un foyer asymptotiquement stable si :
2 a 0, instable si 0 < a < 2. Par conséquent la valeur de bifurcation est a0 = 0.
Donc on va voir que se passe-t-il si : a = a0 :Soit la fonction dé…nie positive suivante :
1
V (x; y) = (x2 + y 2 )
2
On a
: : :
V (x; y) = xx + y y
D’où
:
V (x; y) = 2xy x2 y
:
On remarque que le signe de V (x; y) n’est pas clair. On peut alors soit calculer l’indice de
Marsden-McCraken, soit rechercher la possibilité de centres par une intégrale première.On
à
dy x x2
=
dx y
D’où
y2 x2 x3
= +C
2 2 3
On peut prendre la fonction:
y2 x2 x3
H(x; y) = +
2 2 3
comme solution de système (3.93). On peut aussi véri…er que le point P2 (1; 0) est un
minimum à cette fonction, et les courbes de niveaux de H(x; y) = C se referment autour
de ce point. On a donc des centres. On remarque aussi que la courbe H(x; y) = 0 est une
84
Fig. 3-26 –Portrait de phase de système (4.95) pour a = 1:
Il s’agit d’une bifurcation homocline, comme illustré sur les …gures (3.26), (3.27) et
(3.28).
bifurcation de période in…nie Une bifurcation de période in…nie est une bifurcation
globale qui peut se produire lorsque deux points …xes apparaissent sur un cycle limite.
Lorsque la limite d’un paramètre se rapproche d’une certaine valeur critique, la vitesse
85
Fig. 3-28 –Portrait de phase de système (4.95) pour a = 1:
Bifurcation blue sky catastrophe La bifurcation blue sky catastrophe est un type
de bifurcation d’une orbite périodique. En d’autres termes, il décrit une sorte de com-
portement des solutions stables d’un ensemble d’équations di¤érentielles, elle peut subir
quand les équations sont progressivement modi…ées. Ce type de bifurcation est carac-
térisé à la fois par la période et la longueur de l’orbite approchant à l’in…ni lorsque le
paramètre de contrôle se rapproche d’une valeur de bifurcation …nie, mais avec l’orbite
restant dans une partie limitée de l’espace de phase, et sans perte de stabilité avant la
bifurcation de point. En d’autres termes, l’orbite disparaît dans le blue sky.
La bifurcation a été appliquée dans des modèles lent-rapide de neurosciences compu-
tationnelles. La possibilité du phénomène a été soulevée par David Ruelle et Floris Takens
en 1971, et exploré par R. Devaney et d’autres. Cette bifurcation a également été trouvé
dans le contexte de la dynamique des ‡uides, pour savoir la convection de double di¤usion
d’un ‡uide de faible nombre de Prandtl. Le double di¤usion par convection se produit
lorsque du ‡uide est entraîné par les deux gradients thermiques et de concentration, et
les di¤usivités de température et de concentration prendre des valeurs di¤érentes.
86
La bifurcation se trouve dans une orbite qui apparaît dans une bifurcation globale
selle boucle, devient chaotique dans une cascade de doublement de la période, et disparaît
dans le blue sky catastrophe.
L’étude des bifurcations d’un système dynamique discret passe par les étapes suivantes :
87
xn+1 = xn = x
II. Linéariser localement le système discret dans le voisinage d’un point …xe par l’obten-
tion de la matrice jacobienne.
III. Obtenir les valeurs propres de la matrice jacobienne A de système (3.97). Les valeurs
propres indiquent le type de point …xe.
Si, 1 et 2 les deux valeurs propres de A, on a les cas suivants :
1 et 2 réels.
1 et 2 complexes.
Remarque 3.3 :
2. La condition de la stabilité d’un point …xe j j < 1, i.e., les valeurs propres devrait
rester à l’intérieur du cercle unité.
4. Les systèmes dynamiques lisses peuvent perdre la stabilité de trois façons possibles.
88
b. Une selle-nœud ou une bifurcation plier si : une valeur propre touche le cercle unité
sur la ligne réel positif. Dans une bifurcation selle-nœud, une paire de nouveaux
points …xes sont créés, une stable et l’autre instable sont responsable de fenêtres
périodiques.
c. Une bifurcation de hopf ou une bifurcation de Naimark si : une paire de valeurs propres
complexe conjugué traversent le cercle unité. Dans une bifurcation de Naimark,
une orbite périodique change à une orbite quasi-périodique (sommation de deux
fréquences incommensurables).
Sont des systèmes dynamiques avec l’évolution en temps continu, ponctué par des
événements discrets par exemple les circuits électroniques de puissance, circuits non li-
néaires comme l’oscillateur Colpitts, circuit de Chua etc, robots capables de marcher,
Les systèmes hydrauliques avec vannes d’arrêt, le cœur humain, les systèmes continus
commandés par une logique discrète...etc.
Dans les systèmes dynamiques hybrides, certains événements discrets se produisent
lorsque certaines conditions sur les variables d’état sont satisfaits. Les événements dis-
crets signi…ent un changement dans les temps continu variable d’état des équations.
Mathématiquement, ce type de systèmes peut être écrit sur la forme :
8
>
> f1 (x; ) : x 2 R1
>
>
>
>
>
> f2 (x; ) : x 2 R2
>
>
>
>
< :
0
x = f (x; ) = (3.97)
>
> :
>
>
>
>
>
> :
>
>
>
>
: f (x; ) : x 2 R
n n
89
d’état ce sont (n 1) surfaces dimensionnelles données par les équations algébriques de
la forme :
n (x) =0
Ce sont les variétés de commutation. Il peut aussi y avoir des systèmes où l’etat
ne bouge pas entre les compartiments dans l’espace de l’Etat, mais les événements de
commutation modi…er les équations d’état :
8
>
> f1 (x; ) : 1 (x) =0
>
>
>
>
>
> f2 (x; ) : 2 (x) =0
>
>
>
>
< :
x0 = f (x; ) = (3.98)
>
> :
>
>
>
>
>
> :
>
>
>
>
: f (x; ) :
n n (x) =0
Où 1 (x), 2 (x), ..., n (x) sont des conditions de commutation. Il peut aussi y avoir
des systèmes où les équations d’état ne le font pas changer, mais la variable d’état passe à
une valeur di¤érente en tant que la condition de commutation est satisfaite. La frontière
dans le domaine discret correspond à la condition où l’orbite passe par la variétés de
commutation dans le système à temps continu.
90
Chapitre 4
2. Déterminant supérieur à l’unité dans un côté de frontière (point …xe peut être
91
répulsif). Naissance d’un tore par la bifurcation collision de la frontière.
4. Cartes avec une singularité de la racine carrée. Pour les systèmes mécaniques su-
bissant les impacts mous, il a été montré que le déterminant reste constant, mais
la trace de la jacobienne montre une singularité de la racine carrée.
5. Système avec une dimension di¤érente sur les deux côtés de la frontière.
4.1.1 L’analyse des bifurcations dans les cartes lisses par mor-
ceaux en deux dimensions
En utilisant la transformation
xk = T Xk (4.3)
Avec
0 1
a4
1
T =@ a3 A (4.4)
0 a3
Où
= trace(A) = a1 + a4 et = det(A) = a1 a4 a3 a2
92
4.1.2 Classi…cation des bifurcations collision des frontières
93
Chapitre 5
5.1 Introduction
Le chaos a été un objet de recherches actives dans les domaines de la physique, les
mathématiques et dans de nombreux autres domaines de la science au cours des dernières
années. Le chaos est un véritable théorie scienti…que. Elle repose sur la représentation
des solutions des équations di¤érentielles dans l’espace des phases associé : représenter les
solutions sous forme de trajectoire dans l’espace plutôt que l’une des variables en fonction
du temps permet de révéler la structure sous-jacente c’est ce qui conduit à a¢ rmer que
la théorie du chaos contribue à «trouver de l’ordre caché sous un désordre apparent.» .
L’attracteur de Lorenz précédemment représenté est un exemple d’une évolution d’un
système dans l’espace des phases. Au déterminisme Laplacien permettant la prédiction
sur des temps arbitrairement long a succédé un déterminisme de nature fondamentale-
ment di¤érente. Il peut être approché de manière probabiliste et alors caractérisé par
l’existence d’invariants prenant la forme de mesures de probabilités, de dimension frac-
tale ou par une description topologique des attracteurs. Toutes les sciences, y compris
sociales, sont concernées par ce changement de paradigme, en particulier, cette théorie
94
peut inclure l’organisation du vivant dans la nature.
Dé…nition 5.1 : Un système dynamique est dit chaotique si une portion « signi…cative
» de son espace des phases présente simultanément les trois caractéristiques suivantes :
1. Le phénomène de sensibilité aux conditions initiales.
Attracteur étrange.
Une forte récurrence.
Une trés petite erreur sur la connaissance de l’état initial x0 dans l’espace des phases
d’un systéme dynamique va se trouver presque toujours rapidement ampli…ée. Mathéma-
tiquement on dit que f montre une dépendance sensible aux conditions initiales.
8
< kx yk < "
9k > 0; 8" > 0; 8x 2 D; 9(y; p) 2 D : (5.1)
: kf p (x) f p (y)k > k
On peut caractériser le chaos avec une méthode simple, cette méthode consiste à
calculer le spectre de Fourier de l’évolution temporelle d’une des variables du système.
Lorsqu’il est possible de déterminer complètement les trajectoires d’un système dans son
espace des phases, ce système est dit intégrable, les trajectoires étant la composition des
mouvements d’oscillation ayant chacun une pulsation ! i . Le spectre d’une variable d’un
95
tel système ne contient donc qu’une assemblée de raies …nes situées aux pulsations ! i , à
leurs harmoniques n ! i avec n 2 N, aux combinaisons linéaires de fréquences n! i + m! j
avec n; m 2 Z; les spectres qui sont la combinaison de plusieurs fréquences sans rapport
simple sont dit quasi-périodiques.
L’existence de spectres larges est une caractéristique essentielle des mouvements chao-
tiques d’un système. L’évolution temporelle d’un système dynamique est souvent repré-
sentée par la valeur d’une de ses variables dans un intervalle régulier, c’est ce qu’on
appelle la série temporelle.
96
une telle formule.
1X
n
= lim ( ln jf 0 (xi 1 )j) (5.2)
n!+1 n
i=1
En X Ei n
ln = (5.3)
E0 i=1
Ei 1
Avant de faire tendre cette dernière quantité vers l’in…nis, calculons d’abord la moyenne
de la somme obtenue. On arrive ainsi à l’exposant de Lyapunov.
1X
n
Ei
lim ln (5.4)
n!+1 n Ei 1
i=1
Ei f (xi 1 + Ei 1 ) f (xi 1 )
Ei = f (xi 1 + Ei 1 ) f (xi 1 ) et =
Ei 1 Ei 1
97
Puisque
f (x+ M x) f (x)
lim = f 0 (x)
Mx!0 Mx
Alors, si f est dérivable, on a
Ei f (xi 1 + Ei 1 ) f (xi 1 )
= = f 0 (xi 1 ) lorsque Ei 1 !0
Ei 1 Ei 1
Par conséquent
1X
n
Ei
= lim ln (5.5)
n!+1 n Ei 1
i=1
En
ln >0
E0
Et par conséquent
En
>1
E0
L’erreur in…nitésimale du début ira donc en augmentant. Le système sera donc sensible
aux très petites variations de sa condition initiale, une des caractéristiques des systèmes
chaotiques. Si au contraire l’exposant de lyapunov est négatif, l’erreur in…nitésimale du
début ira en diminuant. l’erreur initiale n’aura dans ce cas aucun e¤et à long terme.
Généralement, on peut distinguer trois cas suivant le signe de l’exposant de Lyapunov.
1. Si, < 0; l’orbite est attractive vers un point …xe ou une orbite périodique stable. Il
caractérise les systèmes dissipatifs. Ce type de système exhibe une stabilité asymp-
totique.
2. Si, = 0; l’orbite est un point …xe neutre. Un système physique avec un tel expo-
sant est dit conservateur. Dans cette situation, les orbites gardent une séparation
constante.
3. Si, > 0; l’orbite est instable et chaotique. Touts les points voisins doivent être
visités : ces points sont instables. Pour un système discret, on a un ensemble de
98
point sans aucun rapport de liaison. Pour un système continu, l’espace de phases
est un ensemble de lignes croisées.
Ce scénario de transition vers le chaos est sans doute le plus connu. Il a été étudié
en particulier en dynamique de population par R. May sur l’application logistique. Ce
99
problème consiste à considérer l’itération : Xn+1 = f (Xn ) avec f (x) = ax(1 x), c’est
à dire : Xn+1 = aXn (1 Xn ). Selon la valeur du paramètre a, la suite converge soit vers
un point …xe nul ou pas. Dés que a est plus grand que 3 le système bifurque, c’est à
dire qu’il oscille entre 2 valeurs autour du point …xe. On parle de cycle attracteur de
période 2. En continuant à augmenter a, ces 2 attracteurs s’écartent du point …xe jusqu’à
ce qu’une nouvelle bifurcation ait lieu. Chaque point se dédouble et on obtient un cycle
attracteur de période 4:On dit qu’il y a doublement de période. C’est à partir de cet
exemple que Feigenbaum a présenté l’existence d’une forme d’universalité dans cette
transition vers le chaos sous forme de cascade de doublement de période. De là naquit
la constante de Feigenbaum (4:6692016609), également retrouvée grâce à la théorie des
groupes de renormalisations, bien connue aux physiciens.
5.4.2 Intermittence
5.4.3 Quasi-périodicité
Le scénario via la quasi-périodique a été mis en évidence par les travaux théorique
de Ruelle et Takens (1971 ) illustré par exemple sur le modèle de Lorenz (1963 ), ce
scénario a été con…rmé par de nombreuses expériences dont les plus célèbres se trouvent en
thermohydrodynamique convection de Rayleigh-Bénard dans une petite boîte et en chimie
100
réaction de Bélousov-Zabotinsky entre-autres, L’exemple de Lorenz est probablement
le plus souvent développé pour illustrer ce phénomène de quasi-périodicité, C’est donc
E.N. Lorenz, météorologue au MIT qui a exhibé cet attracteur étrange avant même
que le terme n’ait été inventé, Il avait conçu un modèle très simpli…é de la circulation
atmosphérique, représenté par un système de 3 équations non linéaires.
Selon les valeurs de a et b, la suite de points (Mn ); peut avoir les états suivants :
1. Converge; lim Mn = A
n!1
L’application de Hénon présente un attracteur chaotique pour (a; b) = (1:4; 0:3) ap-
peler l’attracteur de henon. On note que le système dynamique de Hénon n’est pas
conservatif, car le jacobien de la transformation est constant et vaut b, qui est di¤érent
de l’unité dans les cas intéressants.
101
Fig. 5-1 – L’attracteur de Hénon pour (a; b) = (1:4; 0:3), avec la condition initial
(x0 ; y0 ) = (0; 0)
Où a et b sont les paramètres réels non nulle. L’intérieur de la région où les orbites
restent bornées, la carte de Lozi peut présenter à la fois des comportements réguliers et
chaotiques suivant les valeurs des deux paramètre a et b.
102
Fig. 5-2 –L’attracteur de Lozi pour (a; b) = (1:7; 0:5), avec la condition initial (x0 ; y0 ) =
(0; 0)
Une trajectoire chaotique ne passe pas, mathématiquement, deux fois par le même
point car en ce cas, ce point rigouresement commun aux deux trajectoire pourrait leur
servir de condition initiale commune, et elles coincideraient alors de t ! 1 à t ! +1:
elle ne montre non plus aucun des comportements cohérents que nous avons reliés plus
haut à des attracteurs ponctuels ou cycliques.
Dans le système de Lorenz, les trajectoires décrivent des spires situées dans deux
plans et tournant autour de deux régions moyennes, sans jamais revenir sur elles-mêmes.
les deux plans représentent deux types de situations atmosphériques, et la trajectoire
saute sporadiquement de l’une à l’autre sans que l’on puisse prévoir le moment d’un
saut. Si l’on part de deux situations initiales di¤érentes mais proches, le comportement
sera du même type, mais les sauts d’un plan à un autre se produiront à des moments
di¤érents. toute prédiction précise est donc exclue, on ne prévoit que un comportement
statistique (pouvant être de deux natures : les deux lobes) et l’existence de basculements
catastrophiques à des instants imprévisibles.
103
5.7.2 Le type de chaos dans les deux applications Hénon et Lozi
104
On sait cependant que pour les systèmes chaotiques les plus lisses, il ya un ensemble
dense de fenêtres périodiques pour tout intervalle de valeurs de paramètres. Par consé-
quent, dans des systèmes pratiques de travail en mode chaotique, de faibles ‡uctuations
accidentelle d’un paramètre peut prendre le système à partir du chaos. Nous disons un at-
tracteur chaotique est robuste si, par ses valeurs de paramètres, il existe un voisinage dans
l’espace des paramètres sans attracteur périodique et l’attracteur chaotique est unique
dans ce voisinage. Le chaos robuste a plusieurs applications dans le monde réel, comme
les applications d’ingénierie, le chi¤rement d’image, le cryptage,...
105
Chapitre 6
6.1 Introduction
Dans ce chapitre, nous montrons que le chaos robuste peut se produire dans les sys-
tèmes lisses par morceaux, et obtenir les conditions de sa survenance. Nous illustrons
ce phénomène avec un exemple qui a été proposer par le pro¤esseur Elhadj Zraoulia.
Nous allons étudier l’application de Lozi en remplaçant le terme jxj par la fonction
max(f (x; y); g(x; y)); où f et g sont deux fonctions arbitraires. Ceci est un modèle gé-
néral qui nous permet d’étudier plusieurs nouvelles applications lisse par morceaux. On
va donner quelques conditions qui permettent à ce modèle de converger vers un at-
tracteur chaotique robuste. Le contenu de ce chapitre à fait l’objet d’une publication
international : ‹‹Robust Chaos in a General Lozi Mapping with Max Function,
Far East Journal of Dynamical Systems, Vol 26, Num 1, pages 15-29, 2015
››.
106
6.2 Le chaos robuste dans l’application de Lozi avec
la fonction max
Dans ce chapitre, le chaos robuste est examiné pour une famille d’applications de Lozi
avec la fonction max et démontré qu’ils peuvent avoir des attracteurs chaotiques robustes
pour certaines valeurs de ces deux paramètres. Ici, nous donnons certaines conditions et
certaines formes de deux fonctions f et g pour les deux paramètres a et b, de sorte que
ces cartes (applications) converger vers un attracteur chaotique robuste.
La famille des applications de Lozi avec la fonction max, est dé…ni par :
0 1
1 a max(f (x; y); g(x; y)) + by
L(x; y) = @ A (6.1)
x
Où 8
< R = f(x; y) 2 R2 : f gg
A
(6.3)
: R = f(x; y) 2 R2 : f gg
B
et la frontière entre eux est = f(x; y) 2 R2 : f (x; y) = g(x; y)g. Il est supposé que les
deux fonctions f , g et leurs dérivés sont continues, d’où l’application L est continue et sa
dérivée est pas continue sur la frontière . Nous supposons que (6:2) a deux points …xes
PA (xA ; yA ) et PB (xB ; yB ) sur les deux sous-régions RA et RB respectivement, les deux
matrices de (6:4) et (6:5) ont évalué aux deux points PA ; PB dans RA et RB respectivement
107
sont
0 1
f f
a (xA ; yA ) a (xA ; yA ) +b
JA = @ x y A (6.4)
1 0
0 1
g g
a (xB ; yB ) a (xB ; yB ) +b
JB = @ x y A (6.5)
1 0
Par conséquent, les déterminants des deux matrices donnés dans (6:4), (6:5) sont DetA =
a fy (xA ; yA ) b; DetB = a yg (xB ; yB ) b respectivement.
L’application (6:1) est un système dynamique dissipatif lorsque,
f g
a (xA ; yA ) b < 1; a (xB ; yB ) b <1 (6.6)
y y
Dans cette sous section, nous allons donner une preuve rigoureuse de certaines condi-
tions sur les paramètres a et b, de sorte que l’application (6:1) converge vers un attracteur
chaotique robuste.
La nature des bifurcations collision des frontières dépend de la nature locale de l’ap-
plication au voisinage des points …xes, donc il su¢ t de regarder l’approximation linéaire
par morceaux sur les côtés de la frontière.
La forme normale de l’application (6:2) dans le voisinage de l’un des points …xes à la
frontière est donnée par la forme :
108
8 0 10 1 0 1
>
> 1 xn 1
0 1 >>
> @ A
A@ A+ @ A si xn 0
>
<
xn+1 A 0 yn 0
@ A= 0 10 1 0 1 (6.8)
yn+1 >
> 1 xn 1
>
> @ B
A@ A+ @ A si xn
>
> 0
: 0 yn 0
B
Est
p p
2 B < B <2 B (6.11)
Les conditions précédentes assurer que le point …xe PA est un attracteur de ‡ip et PB
est une spirale dans le sens horaire ou le sens antihoraire. Ainsi, il n’y a pas d’orbites
périodiques apparaissent.
109
Les points …xes dans les sous-régions RA ; RB sont donnés par :
A B
PA ( ; ); PB ( ; ) (6.12)
1 A+ A 1 A+ A 1 B + B 1 B + B
0et 0
1 A + A 1 B + B
f f f
(1 + a (xA ; yA ) b) < a (xA ; yA ) < (1 + a (xA ; yA ) b); (6.13)
y x y
et s s
g g g
2 a (xB ; yB ) b< a (xB ; yB ) < 2 a (xB ; yB ) b: (6.14)
y x y
f f f
1+b a (xA ; yA ) < a (xA ; yA ) < 1 b+a (xA ; yA ); (6.15)
y x y
et
s s
g g g
2 a (xB ; yB ) b < a (xB ; yB ) < 2 a (xB ; yB ) b: (6.16)
y x y
2
g g
0< a (xB ; yB ) < 4(a (xB ; yB ) b) (6.17)
x y
f g
b 1<a (xA ; yA ) < b + 1 et b 1<a (xB ; yB ) < b + 1 (6.18)
y y
110
En utilisant (6:15), (6:16) et (6:18), on obtient
f g
2<a (xA ; yA ) < 2 et 2<a (xB ; yB ) < 2 (6.19)
x x
Ainsi, nous obtenons
f g
a (xA ; yA ) < 2 et a (xB ; yB ) < 2 (6.20)
x x
Nous supposons que l’application L a deux points …xes PA (xA ; yA ) et PB (xB ; yB ) situé
sur les deux sous-régions RA = f(x; y) 2 R2 : f gg ; RB = f(x; y) 2 R2 : f gg res-
pectivement. L’application L est dissipatif sur les deux sous-régions RA ; RB . En outre,
p
on suppose également que A , B satisfaisant à (1 + A ) < A < (1 + A ); 2 B <
p f g
B < 2 B respectivement. Si nous avons a x (xA ; yA ) < 2 et a x (xB ; yB ) < 2, il ya
111
6.2.2 Quelques formes de fonctions f et g
2 2
A B
A < et B < (6.21)
4 4
f
A = a (xA ; yA ) (6.22)
x
et
g
B = a (xB ; yB ) (6.23)
x
Pour a 6= 0, nous avons
f A
(xA ; yA ) = 6= 0 (6.24)
x a
et
g B
(xB ; yB ) = 6= 0 (6.25)
x a
Par conséquent
8
< f (x; y) = x + u(y) : 6= 0
(6.26)
: g(x; y) = x + v(y) : 6= 0
112
Où, = a
A
6= 0; = B
a
6= 0, et u; v sont des fonctions arbitraires de y:
Appliquons maintenant les conditions qui a été donnée dans [18].
La première condition est
8
< > + 1 et < (1 +
A A B B)
(6.27)
: < 0 et 1< <0
A B
Par conséquent
A1 1 B2 1
> (6.29)
A 1 A B 1 B
Où
B2 1 A A A2
< (6.30)
B 1 A ( A 1 A )( A2 B)
Par conséquent
p p
a 2 a2 4 +2 a+ 2 a2 4 +2
A B
> (6.31)
a+1 A a+1+ B
Où p p
a+ 2 a2 4 +2 a+2 2 a2 4
B A A
< p (6.32)
a+1+ A a+ 2 a2 4 A
( a+1+ A) a 2
( A2 B ) A1 A + B + A >0 (6.33)
113
Par conséquent
p !
a+ 2 a2 4 A
a +( )a + 2 A >0 (6.34)
2
g
B =a (xB ; yB ) b (6.36)
y
Pour a 6= 0, nous avons
f A +b
(xA ; yA ) = 6= 0 (6.37)
y a
et
g B +b
(xB ; yB ) = 6= 0 (6.38)
y a
Par conséquent
8
< f (x; y) = y + !(x) : 6= 0
(6.39)
: g(x; y) = y + '(x) : 6= 0
A +b B +b
Où, = a
6= 0, = a
6= 0 and !, ' sont des fonctions arbitraires de x.
En appliquant les mêmes conditions ci-dessus, nous obtient la première condition
comme suit :
Où
114
p p
2 2
B B 4 a + 4b 2 A 2 a + 2b + A 4 a + 4b
< p (6.42)
B 1 a+b A
2
A 4 a+4b
( A 1 a + b) 2 B
et
8
< f (x; y) = py + qx2 , g(x; y) = py qx3
(6.45)
: 0:7 a 0:9; 0:2 b 0:3; 0:9 p < 1; 0:9 q 1:
3. Les conditions (6:28), (6:31) et (6:32) ou (6:28), (6:32) et (6:34) sont satisfaites
pour (6:44) et les conditions (6:40), (6:41) et (6:43) ou (6:40), (6:42) et (6:43) sont
satisfaites pour (6:45).
Dans cette section, nous allons étudier numériquement quelques exemples, pour dé-
montrer l’e¢ cacité des résultats.
115
Pour :
f (x; y) = 0:99x + 0:95y 2 et g(x; y) = 0:99x 0:95y 3
Avec, (a; b) = (0:85; 0:5); l’application peut être écrite sous la forme :
8
< 1 0:85 max ( 0:99x + 0:95y 2 ; 0:99x 0:95y 3 ) + 0:5y
L(x; y) = (6.46)
: x
Dans cet exemple, la simulation numérique montre que, pour la condition unitial (1; 1)
de l’application (6:44); a un attracteur chaotique robuste, comme illustré sur les …gures
(6:1), (6:2) et (6:3).
116
Fig. 6-1 – L’attracteur chaotique robuste de l’application L avec f (x; y) = 0:99x +
0:95y 3 , g(x; y) = 0:99x 0:95y 3 et (a; b) = (0:85; 0:50):
Fig. 6-2 –Les séries chronologiques xn correspondant à l’état initial (1; 1):
117
1.8
1.6
1.4
1.2
Yn
1
0.8
0.6
0.4
0.2
0 1000 2000 3000 4000 5000 6000
n
Fig. 6-3 –Les séries chronologiques yn correspondant à l’état initial (1; 1):
Pour :
f (x; y) = 0:95y + 0:99x2 et g(x; y) = 0:95y 0:99x3
Avec, (a; b) = (0:75; 0:25), l’application L peut être écrit sous la forme :
8
< 1 0:75 max( 0:95y + 0:99x2 , 0:95y 0:99x3 ) + 0:25y
L(x; y) = (6.47)
: x
Dans cet exemple, la simulation numérique montre que, pour la condition unitial (1; 1)
de l’application (6:45) a un attracteur chaotique robuste complètement di¤érente
de la précédente, comme illustré sur les …gures (6:4), (6:5) et (6:6).
118
Fig. 6-4 – L’attracteur chaotique robuste de l’application L avec f (x; y) = 0:95y +
0:99x3 , g(x; y) = 0:95y 0:99x3 et (a; b) = (0:75; 0:25):
1.4
1.3
1.2
1.1
Xn
0.9
0.8
0.7
Fig. 6-5 –Les séries chronologiques xn correspondant à l’état initial (1; 1):
119
Fig. 6-6 –Les séries chronologiques yn correspondant à l’état initial (1; 1):
6.2.4 Résumé
Dans ce chapitre, nous avons donné quelques résultats analytiques et quelques formes
des fonctions f et g qui permettent à l’application générale de Lozi avec la fonction max
de converger vers un attracteur chaotique robuste. Si il ya d’autres formes pour les deux
fonctions f et g, nous laissons ça pour le future recherche.
120
Conclusion générale
Dans cette thèse, nous avons présenté, un cadre de base sur le chaos et les bifurcations
dans les systèmes dynamiques en dimension n (n > 1).
Au début, nous avons présenté l’importance de la théorie du chaos et bifurcations dans
les systèmes dynamiques, et leurs applications dans les di¤érents domaines de la science.
Nous avons démontré que le chaos représente un mécanisme important d’adaptation, et
qu’il intervient largement dans le monde du vivant.
Après, on a focalisé sur deux théories des systèmes dynamique, on parle de la théorie
de la bifurcation et la théorie de chaos. On a exposé l’un des bifurcations la plus étudiée
aux systèmes dynamiques au cours des dernières années, appelé ‹‹la bifurcation collision
des frontières ›› qui ce produit aux systèmes dynamiques lisses par morceaux. On a
présenté également quelques propriétés, et quelques types de chaos, l’un de ces types est
‹‹le chaos robuste ››.
Finalement, on a examiné le chaos robuste sur une famille d’applications de Lozi
avec la fonction max et démontré qu’ils peuvent avoir des attracteurs chaotiques robustes
pour certaines valeurs de ces deux paramètres, nous avons donné certaines conditions et
certaines formes de deux fonctions f et g pour les deux paramètres a et b, de sorte que
ces cartes converge vers un attracteur chaotique robuste. Le contenu de cette partie à fait
l’objet d’une publication international ‹‹Robust Chaos in a General Lozi Mapping
with Max Function, Far East Journal of Dynamical Systems, Vol 26, Num 1,
pages 15-29, 2015 ››.
121
Références
[1] : A. Alaoui, C. Robert, C. Grebogi, Dynamics of a Hénon-Lozi-type map, Chaos,
Solitons and Fratals, 12, 2323-2341, 2001.
[2] : A. Priel, I. Kanter, Robust chaos generation by a perceptron, Europhys. Lett, 51(2),
230-236, 2000.
[4] : F. R. Maorotto, Chaotic behavior in the Hénon mapping, Journal Com Math. Phys,
68, 187-194, 1979.
[7] : M. Hénon, A two dimensional mapping with a strange attractor, Commun. Math.
Phys, 50, 69-77, 1976.M. Andrecut,
[8] : M. K. Ali, On the occurrence of robust chaos in a smooth system, Modern Physics
Letters B, 15, 391-395, 2001.
[9] : M. Benedicks, L. Carleson, the dynamics of the Hénon maps, Annals of Mathematics,
133, 1-25, 1991.
[10] : M. Misiurewicz, Strange attractor for the Lozi-mapping in Nonlinar dynamics, An-
nals of the New York Academy of Sciences, 357, 348-358, 1980.
[12] : R. Senkerik, I. Zelinka and others, Evolutionary control of chaotic Lozi map by
means of chaos driven di¤erential evolution, Springer-Verlag Berlin Heidelberg
2014, 282, 371-380, 2014.
122
[13] : S. Banerjee, C. Grebogi, Border collision bifurcations in two-dimensional piece-wise
smooth maps, Interdisciplinary Nonlinear Science, 2, 4052-4061, 1999.
[14] : S. Banergee, J. A. York, C. Grebogi, Robust chaos, Phys. Rev. Lett, 80(14), 3049-
3052, 1998.
[16] : Z. Elhadj, J. C. Sprott, A new simple 2-D piecewise linear map, J System Sci
Complex, 23, 379-389, 2010.
[18] : Z. Elhadj, A uni…ed piecewise smooth chaotic mapping that contains the Hénon
and the Lozi systems, Annual review of chaos theory bifurcations and dynamical
systems, 1, 50-60, 2012.
[19] : Z. Elhadj, Lozi Mappings : Theory and Applications. CRC Press. 2013, ISBN-10 :
1466580704.
[20] : P. Gabriel. Erez, Robust chaos in polynomial unimodal maps, Int. J. Bifurcation.
and Chaos, 14 (7), 2431-2437, 2004.
[22] : Kowalczyk. P, Robust chaos and border collision bifurcations in non invertible pie-
cewise linear maps, Nonlinearity, 18, 485-504, 2005.
[23] : J. Lu, T. Zhou, G. Chen et S. Zhang, Local bifurcations of the chen system, Int. J.
of bifurcations and chaos, 12, 2257-2270, 2001.
[25] S. Dadras, H. Re. Momeni et Qi. Guoyuan, Analysis of a new 3-D smooth auto-
nomous system with di¤erent wing chaotic attractors and transient chaos, Indian
123
Journal of Microbiology, 62, 391-405, 2007.
124