‫الجـمھورية الجـزائـرية الديمقـراطية الـشعبية‬

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

Ministère de l'Enseignement Supérieur
et de la Recherche Scientifique

‫وزارة التعليم العالي والبحث العلمي‬

UNIVERSITE ABOU BAKR BELKAÎD- TLEMCEN

FACULTE DES SCIENCES
DEPARTEMENT DE PHYSIQUE
Laboratoire d'Automatique (LAT)

Synthèse des Activités

de Recherche

HABILITATION UNIVERSITAIRE DE
Mr CHIKHAOUI Abdelhak

Année Universitaire
2012-2013
Habilitation Universitaire Résumé de thèse de Doctorat

I - Introduction

Les travaux présentés ici, ont été effectué au sein de l'équipe "Approximation et Stabilité
des Systèmes Non linéaires" du laboratoire d'Automatique de université de Tlemcen.
La synthèse de douze années de recherche est présentée maintenant afin de mettre
clairement en évidence ma contribution scientifique. Les travaux de recherche présentés
s’orientent autour d'un axe principale basé sur la Modélisation suivant deux aspects un
théorique et l'autre numérique:
Approximation et étude de la stabilité des systèmes non-linéaires
Un très grand nombre de problèmes de la physique mathématique peuvent être
"Modélisés" par des équations aux dérivées partielles ou équations différentielles
ordinaires. Par modèle, nous entendons un ensemble d'équations (ou inéquations) qui,
jointes à des conditions au limite et, lorsque le phénomène est dévolution, à des
conditions initiales, permet de définir l'état du système. C'est ce qu'on appelle aussi la
modélisation par systèmes distribués.
Naturellement l'écriture d'un modèle (un phénomène pouvant être souvent décrit, dans
des conditions pas toujours équivalentes, par des variables d'états différentes) est une
étape importante mais non décisive.
Encor faut-il pouvoir étudier le modèle, i.e en déduire des propriétés qualitatives ou
quantitatives qui:
1-redonnent dans des conditions simples, les observations faites (les mesures).
2-donnent des informations supplémentaires sur le système.
On s'est aperçu depuis longtemps que la plupart des phénomènes de la physiques
mathématique sont non-linéaires, les cas parmi les plus célèbres étant l'équation de
Boltzmann en mécanique statistique. Les équations de Navier- Stokes en mécanique des
fluides.
Ainsi l'art du physicien est de faire des approximations adroites pour ramener un problèmes que
l'on ne sait pas traiter, à un problème susceptible d'avoir une solution analytique (exemple Galilée
négligeant le frottement pour découvrir la persistance du mouvement uniformes.
Sur ces bases, nous pourrons aborder la grande question de l'analyse numérique de résultats
provenant d'expériences, comme il existe des méthodes qui nous permette de modéliser les
phénomènes complexes à l'aide d'hypothèses afin de les relier à une loi où modèle mathématique.
Certains problèmes physiques peuvent être directement modélisés (i.e sans
approximation) par des équations linéaires : c'est le cas de l'équation de transport des
neutrons.
Notamment d'autres phénomènes peuvent être déduits de systèmes non-linéaires soit en
négligeant certains termes (ce qui est valide dans certaines situations: (petits
déplacement, mouvement...), soit par linéarisation autour d'une solution particulière.
Les progrès de l'analyse mathématique et, d'autre part , l'arrivée de l'outil de calcul
numérique. L'arrivée, en effet; des ordinateurs, leurs progrès immenses et incessants, ont
permis pour la première fois dans l'histoire de calculer, à partir des modèles, des quantités
qui, jusqu'alors, ne pouvaient être que très approximativement estimées et peut-être par-
dessus tout, de les calculer sûrement et rapidement, d'où la possibilité (fondamentale)
pour les chercheurs et pour les ingénieurs, de pouvoir utiliser les résultats numériques
pour la modification ou l'adaptation des raisonnements, les expériences ou des
réalisations en en cours.

1
Habilitation Universitaire Résumé de thèse de Doctorat

Tout cela explique pourquoi, dans des sujet divers, la modélisation par les équations
suivie de l’analyse théorique, puis numérique, suivie à son tour de la confrontation à
l’expérience, est une démarche de base.
La modélisation est également devenue le soutien des travaux de nombreuses disciplines (la
physique, l'électronique, la chimie, la biologie, l'écologie, etc...).

II - Note historique sur la thématique de recherche

cette présentation a pour but de faire apparaître une thématique que j’ai entamé ces dernières
années en collaboration avec les membres de mon équipe. Il s’agit de :
L'Approximation et l'étude de la stabilité des systèmes non-linéaires (systèmes
dynamiques modélisés par des équations différentielles ordinaires dépendant d’un
paramètre).
Lorsque nous voulons prédire ou décrire un phénomène physique concret, nous pouvons
généralement passer par un modèle analytique où les différentes grandeurs sont
exprimées par des indéterminées (valeurs abstraites) et les lois de la physique par des
fonctions, dans la mesure où elles sont connues (le cas échéant, nous pouvons faire une
hypothèse et la tester). En mettant en équation un phénomène physique, nous traduisons
la réalité en une expérience mathématique, virtuelle, selon certaines règles. Dont les
équations différentielles représentent une bonne candidates pour la description de ce
phénomène, depuis son invention au 17ème siècle, ces équation font partie des concepts
qui assurent remarquablement la relation entre les mathématiques et les domaines de la
science.
L’étude de ces équations est un domaine mathématique qui historiquement a fait l’objet de
nombreuses recherches [1],[2],[3],[4],[5]..., est continue cependant de rester d'actualité, le
fait qu'elle intéresse particulièrement des discipline, et continue cependant de rester
d’actualité, par le fait qu’elle intéresse particulièrement des disciplines comme la
mécanique, la physique et plus récemment la biologie, l’électronique, spécialité où de
nombreux ” modèles ” conduisent à des équations du même type. Il convient de souligner
que la plupart de ces équations sont
globalement de nature non- linéaire. Du fait que la description d’un système, à partir
des lois régissant son fonctionnement, conduit souvent à un modèle non linéaire, la
manipulation peut se révéler complexe. De ce fait il n’existe pas, en l’état actuel des
choses, une théorie d’ensemble des équations non-linéaires. Pour ce faire, des calculs
approchés basés sur la méthode des petites perturbations, des méthodes de
linéarisation...etc., sont effectués concernant ces phénomènes, sur lesquels on dispose de
très peu d’information.

parmi ces problèmes non-linéaires, une classe importante est modélisée par les équations
différentielles non-linéaires de la forme:

 dx
  F x 
 dt (1)
 x0  x0

2
Habilitation Universitaire Résumé de thèse de Doctorat

Toutefois, dans de nombreux cas, il peut s’avérer que plusieurs systèmes peuvent
admettre un domaine de comportement linéaire, la linéarité étant toujours une
approximation de la réalité.
Dès lors, les méthodes de linéarisation jouent un rôle important dans l’étude des équations
différentielles ordinaires non linéaires, dont on peut dire que tout système linéaire n’est
jamais que le modèle simplifié d’un système non- linéaire que l’on veut ignorer. Bien
entendu, un certain nombre de questions propres aux problèmes linéaires peuvent se
généraliser aux problèmes non linéaires si, d’une part, les perturbations dues aux non-
linéarités sont petites et, d’autre part, à la structure des problèmes linéarisés
correspondants qui introduit assez de régularité.
Il est alors important de noter que l’étude de la stabilité d’un système non -linéaire est
menée sur le système linéarisé, dont le problème de stabilité revêt une importance
évidente;
en effet, en partant de l’hypothèse selon laquelle la stabilité d’un système constitue
en principe une garantie qu’une perturbation ne conduira pas à une catastrophe [2].
Il s’agit donc d’un renseignement important. Mais, généralement, il n’existe pas une
définition absolue de la stabilité. Elle a évolué de façon continue pendant le cours
d’histoire, et a toujours été ajustée aux exigences spécifiques à des problèmes
particuliers. Donc, il convient de souligner, en premier lieu, que le concept est relatif et
dépend du système de référence employé [6].
S’inspirant de ces propositions et du théorème de Lagrange sur la stabilité de l’équilibre
dans le cas où il y aurait une fonction de forces. Un apport majeur de Lyapunov et
simultanément, de Poincaré, a été de donner des conditions de la validité de cette
approximation, basée sur les propriétés des solutions du modèle linéarisé. Cette méthode
permet de conclure localement sans avoir à donner de renseignements quantitatifs.
En fait, depuis l’apparition du célèbre mémoire de Lyapunov ” Problème général de
la stabilité du mouvement ” en (1892) justifient et étendent les propriétés locales déduites
du modèle linéarisé. L’un des résultats principaux est la première méthode de Lyapunov :
si l’origine est asymptotiquement stable pour le linéarisé alors il est localement
asymptotiquement stable pour le système non linéaire. Cependant elle ne donne aucun
renseignement quantitatif sur le domaine de stabilité asymptotique. Cette lacune
fut contournée par l’introduction des célèbres fonctions de Lyapunov : c’est la seconde
méthode de Lyapunov. Plusieurs définitions et études ont été menées, certaines lui sont
équivalentes, d’autres en différent dans certains cas particuliers. D’autre enfin, sans la
contredire, ont pour intérêt de la préciser. On cite parmi eux I. Mlkin (1952), Hahn (1963),
Lasalle et Lefschetz (1961), etc. Cependant, la détermination d’une fonction de Lyapunov
constitue une difficulté majeure.
Plusieurs méthodes de recherche de cette fonction ont été proposées, méthode du
gradient variable Schultz et Gibson (1962), Zoubov (1957); à partir des formes
quadratiques Aizerman et Gantmacher (1964),....etc.

3
Habilitation Universitaire Résumé de thèse de Doctorat

III- Position de problème

S'agissant de l'étude de la stabilité d'un point d'équilibre, la principale méthode est de considérer
l'équation linéaire obtenue par dérivation au sens de Fréchet en ce point de la fonction non-
linéaire définissant l'équation différentielle, c'est à dire

dx
 DF  pt d ' équilibre 
dt , x0   x0 (2)

l'équation ainsi obtenue a le même comportement que l'équation non-linéaire dans le cas
hyperbolique, quand les valeurs propres ne rencontrent pas l'axe des imaginaires, cette méthode
ne permet pas de répondre, au problèmes de la stabilité dans les cas :

1) Impossibilité de situer les valeur propres par rapport à l'axe des imaginaires, en particulier
si une ou plusieurs valeurs propres sont proches de cet axe.
2) Si l'équilibre est un centre pour l'équation linéaire, c'est-à-dire, s'il y a des valeurs propres
imaginaires ou si 0 est valeur propre.
3) Si la fonction n'est pas assez régulière au voisinage du point stationnaire.
4) Parfois, dans le cas où le système linéarisé présente un nœud et quand la non-linéarité
n'est pas assez petite.

Tous les problème que nous venons d'évoquer justifient amplement à nos yeux
l'introduction et l'utilisation d'autres techniques, où méthode de calculs pour l'étude du
comportement des solutions ainsi que la synthèse de la stabilité des équations différentielle
ordinaires non-linéaires.
Dans le but d’améliorer la linéarisation par rapport aux techniques existantes, une nouvelle
méthode de linéarisation, appelée dérivation optimale introduite par Benouaz et Arino d'un
point d’équilibre. L’approche suivie est de type optimisation au sens des moindres carrés.
S’agissant de l’étude de comportement des solutions d’une équation non linéaire autour
d’un point singulier, la linéarisation classique ne permet pas de répondre dans les cas [7],
[8], [9], [10], [11]. Il s’agit en fait d’une approximation globale, par opposition à la
perturbation non linéaire d’une équation linéaire, qui se distingue de l’approximation
linéaire classique au voisinage d’un point d’équilibre. L’approche suivie est de type
optimisation au sens des moindres carrés.
La méthode consiste à déterminer une application linéaire qui approche l’équation non
linéaire dans les mêmes conditions initiales. Elle est basée sur la minimisation au sens
des moindres carrées de l’écart entre l’équation non linéaire et l’équation linéaire.

IV-Travaux scientifiques réalisés

IV-1.Travaux de recherche avant thèse:

Commençons par mon mémoire de Fin d’Etude [12] dirigé par Mr. SEDDIKI Omar intitulé :
«Etude théorique de la propagation d'une impulsion laser dans un milieu dispersif».
Présentée et soutenue publiquement en juillet 1996.
4
Habilitation Universitaire Résumé de thèse de Doctorat

L’objectif de ce travail était l'étude de la propagation des impulsions à travers des milieux
dispersifs non-linéaires telle qu'une fibre optique. Le but été essentiellement de mettre en
évidence le phénomène d'élargissement temporel des impulsions dû à la dispersion de la vitesse
de groupe des différentes fréquences contenues dans le spectre associé à l'impulsion. la
propagation d'une impulsion femto seconde dans un milieu pourra donner lieu à des phénomènes
complexes, chaque composante spectrale n'étant pas affectée de la même manière par la
propagation. Il dispersera également les différentes composantes spectrales d'une impulsion
ultracourte, affectant sa propagation de manière très significative. Ceci n'est qu'un des multiples
effets possibles, l'interaction avec le milieu pouvant donner lieu à une multitude de phénomènes
non-linéaire.

Parfois nous sentons le désir ardent pour aller apprendre les mathématiques derrière des
images simulées par les moyens informatiques, et voir comment les idées mathématiques
peuvent être appliquées aux problèmes de la science (physique, biologie...etc.). Ainsi, la
science aussi bien que les mathématiques auront besoin d’être expliquées. Mais, ce
devrait être important, et il peut être instructif de voir les rapports qui existent entre les
mathématiques et les différents champs de la science. En particulier, les liens avec
l’analyse numérique qui sont continuels, et basées sur l’analyse des équations
différentielles ordinaires non linéaires par des techniques d’approximation et de
linéarisation capable de remplacer d’une façon satisfaisante les équations non linéaires
initiales. Le but étant de construire des algorithmes numériques utilisés de plus en plus
systématiquement, en se servant de l’ordinateur comme outil d’investigation. Ceci
constitue l’idée générale du point de départ de mon mémoire de Magister [13] dirigé par
Mr. BENOUAZ Tayeb intitulé :
« Contribution à l’ étude des systèmes Non linéaires» .
Ce mémoire , nous a suggéré de tester et d’appliquer la nouvelle méthode de dérivation
optimale introduite par (Benouaz-Arino), pour l’analyse de la stabilité de modèles
physiques régis par des équations différentielles ordinaires non- linéaires.
Il y a lieu de noter que le présent travail ne prétend pas être exhaustif sur le thème de la
stabilité, notre objectif est d’utiliser la méthode de dérivation optimale pour l’étude de la
stabilité de certaines classes de modèles physiques en vue de tester et montrer la
possibilité offerte par cette technique, pour la description du comportement réel de ces
modèles, qui fournissent des comportements complexes d’une grande séduction.
En s’inspirant des perspectives proposées par les travaux de Benouaz [14], on s’est
intéressé à:
L’étude d’une équation dépendant d’un paramètre, dans le cas où l’équation change de
stabilité, c’est-à-dire, l’application de la méthode de dérivation optimale aux modèles
physiques qui engendrent le phénomène de bifurcation.
L’approfondissement de la relation entre la stabilité asymptotique et la dérivée optimale.
L’utilisation d’une nouvelle approximation appelée ”approximation optimale” basée sur la
dérivée optimale, pour l’analyse des modèles physiques modélisés par des E.D.O non
linéaires. L'objectif de ce travail été d'illustrer ses possibilités d’être un outil puissant et
précis pour approcher les systèmes non linéaires par des systèmes linéaires adéquats et
ceci à travers une étude comparative entre une autre technique basée sur la dérivation
optimale appelée ”approximation optimale” et quelques méthodes de linéarisation les plus
couramment utilisées pour l'analyse de certaines classes de circuit électroniques non-
linéaires (linéarisation classique, linéarisation par morceaux "méthode de lissage") .
Les travaux de Magister ont conduit à présenter plusieurs communications nationales et
internationales avec comité de lecture.
5
Habilitation Universitaire Résumé de thèse de Doctorat

Grâce à ma formation durant ma graduation (1995-1996), et au sein d'un laboratoire

d'optoélectronique (2001-2002) pendant mon service militaire à l'EMP (Ecole Militaire
Polytechnique) j’ai pu acquérir un certain bagage dans le domaine de l’optoélectronique et
la manipulation des fibres optiques. j'ai collaboré à la réalisation du travail des mémoires
de magister de:

 Mme Bouchenak Khaladi Nesrine intitulé: « Etude et Modélisation de la Propagation

d’une Impulsion dans un Milieu Dispersif » soutenu en 2007 sous la direction de
notre chef d'équipe Professeur Benouaz Tayeb. l'objectif étant: l'étude et
modélisation de la propagation d’une impulsion dans un milieu dispersif. L’étude
faite sur la dispersion chromatique dans une fibre optique ( en silice, et en silice
dopée au germanium) et la simulation numérique de la propagation des Solitons
dans une fibre optique monomode, nous a permit de conclure que:
1- Le problème de dispersion pourrait être résolue en envoyant le signal à la
longueur d’onde de dispersion zéro (dispersion presque nulle à cette
longueur d’onde).
2- Le choix du milieu dispersif et le régime de dispersion jouet un rôle
important sur la propagation des impulsions lumineuses.

 Mme N. Boumaza intitulé: « Etude et Modélisation de la Propagation d’une

Impulsion Non linéaire dans un Milieu Matériel » soutenu en 2008, sous la direction
du Professeur Benouaz Tayeb. Ce travail est basé sur le développement de deux
aspect :
1- Un aspect théorique: Etude et modélisation de la propagation d’une
impulsion lumineuse non linéaire dans un milieu matériel (la dispersion
chromatique et la dispersion intermodale dans un coupleur optique
directionnel.
2- Un aspect numérique représentant une application: consacré à la
simulation numérique de la propagation des impulsions non linéaires dans
un coupleur optique directionnel, en utilisant la méthode numérique Split-
Step Fourier.

IV-2.Travaux de thèse de Doctorat :

Mes travaux de thèse de Doctorat [15] ont été dirigés par le Pr. BENOUAZ Tayeb. Ils sont
intitulés : «Relation entre la Dérivée Optimale et la Stabilité Asymptotique »,
soutenue publiquement le 13 Décembre 2009 à l'université de Tlemcen.
Sur la même voie et dans le même domaine que ma thèse de magister, ainsi que la
thématique de notre équipe de recherche tout en développant les perspectives ciblé des
travaux entrepris.

L’objectif de ce travail inscrit dans la ligne des travaux entrepris par Benouaz et Arino est
de contribuer à la réponse à cette question. Ceci a été accompli en examinant la relation
entre une nouvelle méthode de linéarisation appelée dérivée optimale et la notion de
stabilité en particulier la stabilité asymptotique de l’équation non linéaire. Pour ce faire,
deux parties sont envisagées à savoir :
la confrontation et la validation des résultats de l’application de la méthode de dérivation
optimale aux modèles physiques:
6
Habilitation Universitaire Résumé de thèse de Doctorat

 Ces modèles engendrent le phénomène de bifurcation(circuit électronique

complexe) ceci à travers une comparaison par rapport aux résultats obtenus en
utilisant le code de simulation le plus répondu pour la continuation numérique de
bifurcation AUTO2000.
 L’approfondissement de cette relation pour une classe particulière d’équations non
linéaires dont la linéarisé classique présente un centre (elle prédit la stabilité sans
avoir des informations sur la stabilité asymptotique). Un résultat très important a été
prouvé définissant le lien entre la méthode et la stabilité asymptotique à travers
notre étude de la trace de la matrice optimale.
 la généralisation de la méthode de linéarisation optimale, suivie d’une application
pour l’étude d’un système physique.
 Application de la méthode dérivée optimale aux systèmes d’équations différentielles
ordinaires non linéaires modélisant des systèmes non linéaires commandés .
 Un travail intéressant qui consiste à appliquer la méthode de dérivation optimale à
étude des modèles ratio-dépendant issues de la biologie et l'écologie ainsi que
l'épidémiologie .

IV.2.1 Etude d’une équation différentielle ordinaire dépendant d’un

paramètre:
- Comparaison entre la méthode de dérivation optimale et la méthode de continuation
Auto2000 - :

Vu le besoin croissant d’outils numériques de calcul et de visualisation pour l’étude

des systèmes dynamiques qui apparaissent dans des applications physiques importantes
modélisées par des systèmes d’équations différentielles ordinaires compliquées. Ces
outils de calcul doivent permettre d’aller bien au-delà de la simple simulation: par exemple
ils identifient et classifient d’importantes bifurcations. Ainsi l’exigence de maîtriser un outil
numérique pour la continuation des bifurcations des
équations différentielles ordinaires, nous a suscité à faire des simulations en utilisant le
logiciel le plus répandu pour l’étude de ce type de problèmes ”Auto2000” [18].

l'objective été la mise au point de l’utilisation de la méthode de dérivation optimale

pour l’analyse de la stabilité de système physique présentant le phénomène de bifurcation
(changement de comportement pour des valeurs critiques accompagné d’un échange de
stabilité). une comparaison à été faite en analysant le système suivant modélisant le circuit
de l'amplificateur chaotique suivant:

L’amplificateur chaotique [16] représenté dans le Fig. 1, est un circuit autonome, régi par
le système d’équations suivant:

7
Habilitation Universitaire Résumé de thèse de Doctorat

f(x)
.
x  y
  x  Vc R
 . 
y  x    y  z avec :  y  L C  i
 z  V (3)
  c' r L
.
 z     f  x   z     y
C C’
vC v C’
LC C C
et   ,  r , 
RC  L C
Fig. 1. Circuit de l’amplificateur chaotique.

La détermination des points d’équilibre obtenue par la résolution du système

F  X   0 ceci donne :

Alors d’après ces résultats, on constate bien que, pour   1 , le système possède un seul
point d’équilibre à l’origine 0,0,0 . En revanche si  augmente c’est à dire   1 deux autre
points d’équilibres apparaissent
  1   1 
(P+ , P- ) ayant les coordonnées suivantes :   ,0, 
   

L’étude de la stabilité de ces points s’effectuera suivant la valeur critique 

(paramètre de bifurcation), on linéarisant le système par la méthode de
dérivation optimale autour de chaque points, comme suit :
linéarisation autour de l’origine pour   1 , linéarisation autour de (P+ , P- ) pour   1
puis, nous déterminons les valeurs propres du système linéarisé,
Pour l’application numérique, on utilise les valeurs suivantes :

R  3380 , r  347, L  145 mH , C  345nf , C '  225nf , (  0.2932,   0.5337,   1.5244)

Pour cela, on exploite les propriétés importantes de la méthode de dérivation optimale

surtout celles liées à l’ordre (influence du choix de la condition initiale) moyennant une
techniques d’analyse de la stabilité des systèmes non linéaires à savoir : le critère de
Routh Hurwitz.

L’utilisation du logiciel Auto2000 permet de construire et tracer le diagramme de

bifurcation illustré par la figure suivante : Fig2: Diagramme de bifurcation du système (3)
représentant la variation de la norm L2 en fonction du paramètre α(gain) : trait plein
solution stable, en pointillé solution instable sur ce diagramme elle sont représenté les
résultats (représentation des solutions dans obtenues par l'application de la dérivée
optimale) (voir les cercles).

8
Habilitation Universitaire Résumé de thèse de Doctorat

Fig2: Diagramme de bifurcation du système (3) représentant la variation de la norm L2 en fonction du

paramètre α(gain)

Un tel diagramme permet d’avoir une vision plus globale de la succession de plusieurs
bifurcations.

VI.2.1.1 Interprétation des résultats de la comparaison:

Comme nous pouvons le voir sur la figure (1.9), le tracé du diagramme de bifurcation
en fonction des variations du gain α est fidèle à l’analyse numérique mené en utilisant la
dérivation optimale. Il se décompose en trois intervalles de variation du paramètre de
bifurcation :

  1

1     H (4)
  
 H

Pour α < 1, le système possède alors un point fixe stable à l’origine O(0, 0, 0) , l’ensemble
des trajectoires convergent vers le seul point d’équilibre stable à l’origine (voir espace de
phase pour α < 1 sur le diagramme de la figure ), Cette stabilité est traduite
graphiquement par un trait plein sur le diagramme , et signe moins (−) (de la valeur
PAR(1) = α = 0 jusqu’au α = 1).

9
Habilitation Universitaire Résumé de thèse de Doctorat

Bifurcation Pitchfork (fourche): 1 ≤ α < αH : Lorsque α atteint la valeur 1 , le système

se déstabilise : le point fixe sa stabilité et sa nature topologique change. Il y a bifurcation.
On voit apparaître alors deux points fixes stables (P+, P− ). Il y a eu en quelque sorte un
dédoublement du point fixe donnant naissance de deux états symétriques. Le diagramme
de bifurcation figure(2.9) correspondant montre une branche qui bifurque en augmentant
la valeur de α à partir de la valeur critique de bifurcation α = 1. La bifurcation fourche
apparaît souvent en physique, car elle reflète une invariance par parité du système.
Bifurcation Hopf: Lorsque α = αH, le logiciel auto2000 recense un autre type de bifurcation
noté HB Bifurcation Hopf pour la valeur critique PAR(1)= 4.780389E+00. Cette bifurcation
se manifeste par l’apparition d’un terme imaginaire dans la stabilité d’un point fixe et
l’apparition spontanée d’un cycle limite comme il est indiqué sur le diagramme de la figure
(2.) c’est-à-dire un attracteur périodique (un ensemble de solutions périodiques marquées
par le label 4,6,8,9,10,11,12,13 sur la figure(2.)) , la trajectoire est attirée par une
trajectoire circulaire.
Ce résultats confirme celui obtenu par la méthode de dérivation optimale (Voir
figure(4)).

Fig4: Variation de la solution x(t) en fonction du temps pour des conditions initiales très près de l’origine
représentation dans l’espace de phase en utilisant la dérivée optimale

Bifurcation de dédoublement de période: en augmentant la valeur du gain (paramètre

de bifurcation), le logiciel détecte pour les valeurs critiques (PAR(1) = α =
7.692558E +00, 8.282694E +00, 8.413241E +00), un autre type de bifurcation notée PD
(Periodic doubling Bifurcation). Le diagramme de bifurcation permet de mieux visualiser
l’évolution d’un système vers le chaos après une cascade de bifurcation de doublement de
période (bifurcation flip) voir fig.3.
le développement de l'étude par les physiciens de systèmes non-linéaires a donné lieu à
l'émergence d'un grand nombre d'exemple de chaos déterministe. Ici, on étudier un cas où
intervient un paramètre de contrôle physique qui permet de faire varier le degré de non-
linéarité du système.

VI.2.1.2 Conclusion:

A la lumière des résultats obtenus, il ressort qu’en se basant sur une propriété importante
de la méthode, déterminée à partir de l’estimation de l’erreur commise, la méthode de la
dérivée optimale permet de détecter les différents échanges de stabilité qui accompagnent
le phénomène complexe de bifurcation. Cette méthode décrit bien le changement de
10
Habilitation Universitaire Résumé de thèse de Doctorat

comportement des solutions et détecte le changement de stabilité surtout au voisinage

immédiat du point de bifurcation, en obéissant d’une façon satisfaisante à la dynamique du
système non-linéaire initial.
Par ailleurs, il apparaît clairement que le choix des conditions initiales pour l’application de
la procédure de dérivation optimale est déterminant. pour une bonne utilisation de cette
méthode, particulièrement pour l’étude des points critiques, le choix de conditions initiales
appropriées s’impose.
Cependant, le théorème Hurwitz va s'avérer très utile dans le calcul de la valeur du
paramètre de bifurcation de Hopf présenté ci-dessous.
Une confrontation en utilisant le logiciel auto2000, permet de valider les résultats obtenus
par la méthode de dérivation optimale. en utilisant ce logiciel en peut conclure que :
— Les échanges de stabilité qui ont lieu brusquement à la valeur de bifurcation, sont
suivis rigoureusement par la dérivée optimale (les valeurs propres de la matrice optimale
passent demi plan droit au demi plan gauche, en gardant les parties réelles des valeurs
propres non nulles à la valeur de bifurcation).

IV.2.2 Relation entre la méthode de dérivée optimale et la stabilité

Asymptotique:

L’étude de la stabilité d’un point d’équilibre d’une équation différentielle ordinaire est
une tâche presque triviale si la fonction F qui définit l’équation est suffisamment régulière,
disons C1, au voisinage de l’équilibre, et si sa linéarisation en ce point est hyperbolique.
Dans ce cas, on sait que l’équation est équivalente à l’équation linéarisée, dans le sens,
qu’il existe un difféomorphisme local qui transforme les trajectoires voisines du point
d’équilibre en celles voisines de zéro de l’équation linéaire. Par contre, la tâche est tout
autre en l’absence de régularité, ou si le point d’équilibre est un centre. Concentrons nous
sur le cas non régulier. Dans ce cas, on ne peut pas dériver l’équation et on ne peut donc
pas étudier l’équation linéarisée. Une question naturelle se pose alors:
y a-t’il d’autres moyens d’associer à l’équation non linéaire une équation linéaire,
dont le comportement asymptotique soit le même?
Une deuxième question se pose également:
Quel est alors le lien entre la stabilité asymptotique de l’équation non linéaire et la
dérivée optimale?

VI.2.2.1 Problématique et idée du problème

Envisageons par exemple un système non linéaire avec une fonction de type valeur
absolue tel que la non-linéarité n’est pas dérivable au voisinage du point d’équilibre.
La linéarisation classique donne une condition nécessaire mais non suffisante, car elle ne
permet pas l’étude de stabilité en présence de valeurs propres purement imaginaire. Ainsi,
la recherche d’une fonction de Lyapunov elle-même constitue un sujet sensible car elle est
basée en général sur l’expérience et au choix.

Nous étudions le lien entre la notion de fonction de Lyapunov ou plus généralement la

stabilité asymptotiuqe d’un point d’équilibre et les propriétés de la dérivée optimale en ce
point. Dans cette ordre d’idée, nous considérons l’équation (5) suivante:

11
Habilitation Universitaire Résumé de thèse de Doctorat

dx
 F  x   M x  G  x , x0   x0 (5)
dt
Où M est une matrice dont les valeurs propres sont égales à ±i.
dans laquelle F vérifie les hypothèses suivantes
H1) F(0) = 0.
H2) Le spectre  DF x  est contenu dans l’ensemble z : Re z  0 pour tout x  0 ,
dans un voisinage de 0, où D F x  existe.
H3) F est Continue,  Lipchitzienne.
H4) G est de classe C1.
On se place dans le cas où G est une fonction qui vérifie
G x    x x  G3  x  (5)
 x   o x  , G3 est une fonction de l’ordre de o x  .
3

En particulier, on a G(0) = 0, et DG(0) = 0.

VI.2.2.2 Application :

la détermination de la stabilité devient plus délicate, et le comportement réel du système

est déterminé par les termes non linéaires de haut degré; selon ces termes, l’équilibre
peut être instable, stable ou même asymptotiquement stable. Dans cette optique, par
conséquent nous étudions une classe particulière d’équation différentielle ordinaire de la
forme:

 dx

 dt  y  ax x  y
2

2

 dy (6)

   x  ay x 2  y 2 
 dt
Dans ce cas, l’étude de la stabilité du point d’équilibre pose un problème. En effet la
linéarisation classique ne permet pas de conclure car le système possède des valeurs
propres purement imaginaires. En fonction de la valeur de la constante (a=1 et a=-1) , on
distingue les deux cas.
Dans les deux exemples, il y a lieu de noter que le système non linéaire s’écrit après
application de la méthode de dérivation optimale comme suit
 A  M  r  x0 
~
 (7)
 x 0  x 0 
ou encore A  DF 0  r  x0  , Le premier terme étant linéaire, le deuxième terme, qui est en
~

fait la linéarisation optimale de la fonction non linéaire G(x) , devient dépendant de la

donnée initiale x0. Tout se passe comme si on avait perturbé DF (0) , en écrivant la
matrice optimale de la forme A  DF 0   o x0  .
~

VI.2.2.3 Résultat important

Sous les hypothèses de le présent travail, si G est aussi petit que nécessaire et DG(x)
est uniformément bornée, alors [18] :
  
sng trace A  sgn a 
~
(8)

12
Habilitation Universitaire Résumé de thèse de Doctorat

VI.2.2.4 Analyse de Bifurcation:

le logiciel de continuation numérique des bifurcations "Aut 2000" afin d’analyser la

stabilité et les branches de solutions périodiques au voisinage du point d’équilibre non
hyperbolique à l’origine (0, 0), a été utilisé pour analysé ce problème dont les résultats
sont représentés sur le diagramme suivant:

Fig. 5 : représente le digramme de bifurcation du système non linéaire

Le diagramme de bifurcation de la figure 3.6 montre que pour a < 0, on a une courbe
qui s’enroule en spirale(spirale qui converge vers 0 quand t augmente). Dans ce cas
l’origine est asymptotiquement stable (foyer stable) (ceci confirme les résultats obtenus
par la dérivée optimale (voir figure 5).
Pour a = 0 , caractérisé par HB, le caractère de la solution change, ce point représente
une bifurcation Hopf avec échange de stabilité. Ce changement est souvent accompagné
par l’apparition d’orbites périodiques encerclant le point d’équilibre à l’origine. Dans ce cas
toutes les solutions sont périodiques et l’origine est un centre.
Pour a > 0 l’origine devient instable et l’ensemble des solutions diverge en spirale.

VI.2.2.3 Conclusion:
En conclusion, la réponse à la question relative à la relation entre les propriétés de
la stabilité de l’équation linéaire obtenue par la dérivée optimale et celle de l’équation non-
linéaire dans le cas vectoriel est très délicate. Généralement, quand la procédure
converge, la matrice obtenue est stable. Toutes ces considérations nous amènent à la
conjecture suivante :
Conjecture: Si la procédure de dérivation optimale converge et la limite de la suite A j est
exponentiellement stable (ou si A j a un point fixe stable), le système non- linéaires est
stable. Cette étude montre que les conditions dans lesquelles la conjecture a été formulée

13
Habilitation Universitaire Résumé de thèse de Doctorat

peut être accomplie, à savoir l’existence, l’unicité et la convergence vers un point fixe
stable [19].
La procédure de calcul nous permet également de résoudre les problèmes où la
linéarisation classique ne peut pas répondre au problème de la stabilité ou n’existe pas.
L’analyse de bifurcation avec le logiciel de continuation et d’analyse de bifurcation
AUTO2000 confirme les résultats obtenus par la dérivée optimale. Il a également montré
sa capacité à être un outil puissant pour l’analyse de la stabilité de ce type d’équation
différentielle ordinaire à deux-dimensions. du fait qu’on peut avoir un résultat important est
direct de la stabilité est prouvé en examinant la trace de la matrice optimale obtenue pour
ce type particulier d’équations.

IV.2.3 Méthode de généralisation de la linéarisation optimale

Dans cette partie nous proposons une méthode qui associe une équation linéaire à
une équation différentielle non linéaire ordinaire au voisinage du point d’équilibre, définie
comme une généralisation de la linéarisation optimale. Il est une sorte d’une linéarisation
globale contrairement la perturbation non-linéaire d’une équation linéaire, qui se distingue
de celle linéaire classique au voisinage d’un point stationnaire.. L’approche suivi et de type
optimisation.
Nos résultats sont à la suite des travaux menés par Vujanovic [20] et Jordan et
al.[21], [22]. un formalisme de la méthode de linéarisation dans le cas scalaire et vectoriel
à été développé. affin de montrer l'efficacité de la technique proposé une application de la
méthode de linéarisation optimale généralisé à un circuit électronique non linéaire affin
d’illustrer la procédure théorique [23].
un exemple d’application a été présenté afin d’illustrer l’efficacité et l’utilité de la théorie
présentée. C’est le cas où la non linéarité n’est pas assez régulière au voisinage du point
d’équilibre et par conséquent Les théorèmes de linéarisation classique ne sont pas
applicables, puisque la Jacobienne au point d’équilibre n’existe pas c’est-à-dire DF(0)
n’existe pas : Cas où la fonction non linéaire, définissant l’équation comporte des fonctions
de type valeur absolue (|·|), et donc non différentiable en 0. Une telle situation peut être
rencontrée, par exemple, dans le cas du circuit modélisé par le système E.D.O. suivant:

Fig. .6 : Circuit électronique avec une résistance non linéaire

 dx
 dt  3x  x  y
 dy (9)
  x  2 y
 dt
L’application de la méthode de généralisation de linéarisation optimale à cet exemple
montre que cette téchnique décrit bien le comportement qualitatif du modèle étudier, et
14
Habilitation Universitaire Résumé de thèse de Doctorat

elle répond à la question de stabilité du point d’équilibre dont les méthodes de linéarisation
reste impuissant de répondre. Ceci peut être traduit par les figure suivante représentant
une comparaison des solutions du système non linéaire, comparées aux solutions du
système linéaire optimal, pour la condition initiale (x0, y0) = (0.5, 0.3). Ainsi que l’erreur
quadratique commis entre ces deux solutions.

Fig. .8: représentant une comparaison des solutions du système non linéaire, comparées aux solutions du
système linéaire optimal, pour la condition initiale (x0, y0) = (0.5, 0.3). Ainsi que l’erreur quadratique
commis entre ces deux solutions.

Nous avons pu donner une généralisation de la méthode de linéarisation optimale,

développé par Jordan et al., en précisant :
— L’existence et l’unicité de la meilleure approximation au sens des moindres carrés.
— Le choix de la matrice initiale A0 = DF(x0).
— La forme générale à la matrice optimale, obtenue.
L’application de la méthode de généralisation de linéarisation optimale à un exemple dont
la non-linéarité n’est pas assez régulière au voisinage du point (fonction de type valeur
absolue |·|), montre que cette technique décrit bien le comportement qualitatif du modèle
étudier, et elle répond parfaitement à la question de stabilité du point d’équilibre dont les
méthodes de linéarisation restent impuissantes.

IV.2.4 Application de la méthode dérivée optimale d’équations

différentielles ordinaires non linéaires avec commande

On s’intéresse , dans cette partie d’appliquer la méthode de dérivation optimale aux

systèmes physiques commandé modélisant des circuits électroniques avec source
d’excitation (commande) qui sont en général décrits par des systèmes d’équations
différentielles ordinaires non-linéaires de la forme:
 dx
  F  x, u 
 dt (10)
 x0   x0
qui représente un système contrôlé (ou commandé) .
x(t) ∈ M ( M est un ouvert connexe de INR ), ces équations modélisent des systèmes
dynamiques commandés.
Le but est de trouver une équation différentielle ordinaire linéaire de la forme:

15
Habilitation Universitaire Résumé de thèse de Doctorat

 dx ~ ~
  Ax  Bu
 dt (11)
 x0  x0
Approchant l’équation non linéaire (10) aux mêmes conditions initiales [24]. avec

(12)

En utilisant un calcul itératif et si ces deux suite convergent alors leur limites sont les
~ ~
matrices suivante A et B . Le système (12) représente la dérivée optimale du système non
linéaire (10) . nous avons choisi comme exemple d’application le circuit électronique avec
excitation suivant:

Application à une Jonction non linéaire de type Josephson

On considère, pour cette application, le cas d’un système physique modélisant un circuit
électronique simple qui contient une diode avec une jonction de type Josephson. Ces
jonctions présente un grand intérêt industriel par leur propriétés physiques, constituent un
dispositif de choix pour plusieurs domaines d’application à savoir:
- C’est le constituant élémentaire du SQUID (Superconducting Quantum Interference
Device), le plus fin détecteur de champ magnétique (et donc de courant). Un SQUID est
constitué de 2 jonctions en parallèles dans une boucle.
- C’est aussi le constituant de base de la logique rapide dite RSFQ(Rapid Single Flux
Quantum) où elles jouent le rôle du transistor et autoriseraient des cadences en centaines
de Ghz.
- C’est aussi un des détecteurs de photons les plus performants. On parle alors de
jonctions supraconductrices à effet tunnel (STJ en anglais). Ces dispositifs combinent une
sensibilité ultime jusqu’aux photons uniques dans une large bande spectrale (des rayons
X au proche infrarouge) avec une bonne résolution en énergie.
Soit le circuit suivant qui contient une diode avec une jonction de type Josephson donné
par la figure suivante

Fig. 9. circuit suivant qui contient une diode avec une jonction de type Josephson donné par

16
Habilitation Universitaire Résumé de thèse de Doctorat

C’est C’est un circuit présentant deux variables d’état (la chute de tension vC aux bornes
de la capacité et le flux ΦL et dont le caractère non linéaire provient de la présence d’une
jonction dite de Josephson qui est en fait équivalente à une inductance non linéaire. Le
courant qui passe à travers cette jonction s’écrit :
i  I 0 sin K  (13)
4e
ou Φ représente le flux, k  est la constante de Josephson, (e) est la charge de
h
l’électron et h la constante de Plank. Les lois de Kirchhoff relatives aux nœuds et aux
mailles du circuit nous donnent les équations d’état suivantes:

 dvc 1
 dt  c  Rvc  I 0 sin K L   is t 
 (14)
d L
  vc
 dt
On considère que la capacité C est chargée initialement par une tension vC0, et donc les
conditions initiales de ce système non linéaire sont (vC0 , ΦL0) = (10, 0) .
Les paramètres choisis dans le circuit sont C = 1F, R = 0.25Ω, I0 = 1A,K = 1, is (t) =
cos (100 π t) A. On pose x = vc et y = ΦL
et ou u(t) représente l’excitation u t   is t H t   cos100  t H t 
1
c
L’excitation u(t) est représentée dans sur la figure suivante:

17
Habilitation Universitaire Résumé de thèse de Doctorat

Fig. .10 : Variation de la solution y(t) en fonction du temps pour les conditions initiales
(x0, y0) = (10, 0)

Fig. 11: Variation de l'erreur quadratique en fonction du temps

Commentaires générales

On remarque que la solution donnée par la dérivée optimale est du même ordre de
grandeur que celle donnée par l’équation non linéaire. Ceci est attesté par l’étude de
l’erreur quadratique qui atteint son maximum au temps t = 13s, 5.73% et reste donc petite.
Cette erreur devient trop petite quand t  30 s c’est à dire quand les solutions atteignent le
point de fonctionnement du circuit électronique. A ce niveau la solution du système non
linéaire est fidèlement décrite par le système linéaire optimal.
La solution du système linéaire optimal obtenue par dérivation optimale Elle permet
d’amener le système après excitation, de sa position d’équilibre vers son point de
fonctionnement ou solution de régime. les deux courbe montre que cette solution s’établit
après qu’un certain laps de temps s’est écoulé pendant lequel les phénomènes
transitoires ont lieu , alors il faudrait au moins donner l’ordre de grandeur du temps
transitoire si l’on veut caractériser la solution de régime (qui diffèrent d’un problème à un
autre). D’autre part, le temps transitoire n’est connu qu’après l’étude des phénomènes
transitoires, ce qui

18
Habilitation Universitaire Résumé de thèse de Doctorat

représente une étude détaillée que celle du régime. à partir de ces figure on parvient à
séparer qualitativement le régime transitoire de phénomène de régime en définissant la
solution de régime comme étant la solution asymptotique quand t → +∞.
Il est vérifié que les solutions d’un circuit linéaire strictement stable comportant une seul
source, dont la dépendance temporelle est sinusoïdale, convergent vers même solution
sinusoïdale.
Si le régime sinusoïdale est unique, il possède la même période que la source
(principe de superposition des sources).
une conjecture à été formulé pour les système non linéaire est qui s’énonce comme suit
conjecture: Si les solutions d’un circuit non linéaire excité par une source sinusoïdale reste
bornées, elles converge vers une même solution de régime périodique dont la période
fondamentale est identique à celle de la source.
L’exemple du circuit non linéaire contenant une jonction non linéaire de type Josephson
contredit cette conjecture du fait que l’excitation est sinusoïdale tandis que la solution de
régime n’est pas purement sinusoïdale.

Conclusion

L’exemple exposé montre que l’approximation obtenue par dérivation optimale donne des
résultats satisfaisants par rapport aux résultats exacts tout en respectant la dynamique du
problème initial. Nous remarquons bien que les solutions obtenues convergent toutes vers
la solution de régime.
Le principe de superposition est invalide pour les circuits non linéaires La linéarisation des
systèmes non linéaires commandés permet :
— D’étudier la contrôlabilité de ces équations non linéaires, en général, en démontrant la
contrôlabilité du problème linéarisé selon le théorème suivant
Si le système (14) est commandable au premier ordre au point d’équilibre équilibre (xeq,
ueq), il est localement commandable en (xeq, ueq).
— De mettre à la disposition de l’ingénieur actuellement à sa disposition un ensemble de
méthodes et outils très différents, dont la méthode la plus simple consiste à linéariser le
système non linéaire en utilisant la méthode de dérivation optimale surtout lorsque les
autre méthode de la linéarisation tombe en défaut, et en particulier le but principale de
réaliser pratiquement cette linéarisation dans le domaine fréquentiel.
En général, afin d’utiliser les méthodes de contrôle pour des systèmes linéaires pour
étudier un modèle non linéaire. Il est indispensable de faire une linéarisation autour d’un
point stationnaire.
Néanmoins, très rapidement, l’ingénieur s’est rendu compte que ces approximations
peuvent être pénalisantes du point de vue des performances, et c’est pourquoi se sont
développées des techniques de ”commande non linéaire ” qui sont pour la plupart des
applications de la géométrie différentielle (cf. variétés différentiables) ; d’autres approches
sont fondées sur l’utilisation de l’algèbre différentielle ; d’autres encore, sur l’utilisation de
fonctions de Lyapunov (cf. équations différentielles).

VI.2.5 Application de la méthode dérivée optimale aux systèmes de dynamique

des populations-modèles ratio-dépendant- :

La dynamique des populations s’intéresse au développement numérique de toutes

les populations d’êtres vivants, et plus particulièrement de celles des animaux sexués. Les
répartitions de poids, la composition par âge des individus, l'environnement, la biologie
19
Habilitation Universitaire Résumé de thèse de Doctorat

des groupes, et les processus qui influent sur ces changements font également partie de
son champ d'étude. Ces études ont pour but, outre de prévoir les accroissements ou
diminutions des populations, de comprendre les influences environnementales sur les
effectifs des populations. Des études sur ces sujets sont incontournables par exemple
pour la gestion de la pêche, la gestion cynégétique, le management des zones protégées,
le contrôle des populations d'animaux dits nuisibles...etc.
La construction et l'étude de modèles pour la dynamique des populations de prédateurs-
proies systèmes ont toujours une proportion importante domaine de l'écologie depuis la
fameuse Lotka-Volterra.

Pour quoi les modèles ratio-dépendant ?

Dans les systèmes écologiques, la fonction de réponse traduit la manière dont le
prédateur s'adapte aux changement de la densité de la proie. Parmi les modèles les plus
classique, il y a la fonction de type Michaelis-Menten de type Holling II.
Récemment, les modèles traditionnels ont été mis en question par de nombreux
biologistes : Arditi et Guinzburg [24], Akcakaya[25], Gutierrez. Une réponse ratio-
dépendante a été mise en évidence par Arditi. Une réponse ratio-dépendante est une
réponse qui dépend du rapport entre la proie et le prédateur. Ce type de réponse
correspond notamment au partage de la ressource entre les prédateurs.
Voici un exemple de modèle ratio-dépendent [ ] :
 dx xy
 dt  xa  bx   c mx  y

 dy  y  d  f  x  (14)
 dt  mx  y 


 x0   x0  0, y 0  y 0  0
un problème rencontré dans le traitement de ces équation est l'absence de régularité au
voisinage de l'origine(0,0). D'un point de vue mathématique, le rapport prédateur-proie
dépendante des modèles soulèvent des questions délicates car la réponse fonctionnelle
ou fonction trophique n'est pas défini à l'origine (0,0).
Alors il n'est pas possible d'analyser par la méthode traditionnelle de linéarisation le
comportement au voisinage du point d'équilibre à l'origine. Cet obstacle peut nuire
sérieusement à la bonne compréhension d'un modèle surtout que le voisinage de l'origine
représente une riche dynamique de l'évolution des populations (extinction déterministe,
coexistence,...) d'une importance cruciale du point de vue biologique écologique.
Il y a des méthodes qui permettent de contourner en partie cet obstacle, notamment celle
de la valeur propres non linéaire. leurs mise en œuvre est toutefois fort délicate et
suppose une bonne connaissance de l'analyse fonctionnelle.

Pour toute ses raison nous avons constaté que la méthode de dérivation optimale
représente une bonne candidate et outil numérique pour l'analyse de ce type de modèle,
du fait qu'on peut associé un système linéaire optimale au système non linéaire même si
équations non linéaire décrivant ces derniers sont irréguliers .

VI.2.5.1 Effet d'extinction dans un modèles parasites-populations hôte:

20
Habilitation Universitaire Résumé de thèse de Doctorat

VI.2.5.1.1 Présentation du Modèle :

C’est un modèle proie-prédateur ratio-dépendent déterministe, ressemblant à un
modèle simple de type SI (Susceptible - Infecté), c’est modèle formulé par Ebert et all
(2000), révisé et corrigé par Tzy-Wei Hwang et Yang kuang (2001), il représente l’effet
d’extinction des parasites dans un système de hôte parasite (population hôte). Cette
dynamique d’extinction ressemble à celle des modèles de (Abrams et Ginzburg
[26](2000), Arditi et Berryman (1991), Cosner et all (1999)). Mathématiquement, le
mécanisme d’extinction dans ce type de système résulté de la dégénérescence à l’origine
(Jost et all (1999), Kuang et Beretta(1998)).
L’origine, comme point d’équilibre représente l’extinction de la population hôte. Vu que la
réponse fonctionnelle n’est pas dérivable en ce point, elle ne peut être linéarisé autour de
ce point. Ce qui justifie la recherche d’autres techniques de linéarisation pouvant donner
des résultats satisfaisants concernant de ces modèles non linéaires. Le modèle est donné
par le système d’équations différentielles suivant :
 dx xy
 dt  a   x   y 1  c  x  y   dx  b x  y

 dy   d    y  b x y
 dt x  y (15)

 x 0   x 0  0 , y 0   y 0  0

x(t):représente la densité des population hôte susceptible d’être infectées (non

infectées) par unité de temps
y(t):représente la densité des population hôte infectées par unité de temps
 : Représente la fécondité relative de la population hôte infectée.
a: Représente le ratio maximum des naissances des personnes non infectées
population hôte.
b: Représente la constante du taux d’infection;
c: Représente le pourcentage des naissances.
d: Représente le taux de mortalité des parasites dans la population hôte.
 : Représente le taux de mortalité excessif induit par le parasite.

VI.2.5.1. 2 Résultats de l'application de la méthode de dérivation optimale:

La méthode de dérivation optimale à été appliqué au point critique à l'origine deux

scenarios sont envisagés selon le travail de Tzy-Wei Hwang et all [27]. la variations des
valeurs de paramètres du système
non linéaire
Premier scénario d'extinction :
Le système linéaire optimale possède deux valeurs propres de signe négatif. Donc
le système est asymptotiquement stable. Ceci nous montre que l’origine est un nœud
stable.
Afin d’illustrer les résultats graphiquement, nous avons tracé le plan de phase des
solutions (x(t), y(t)) de notre système. Comparé aux solutions de notre système optimale
pour les conditions initiales:
(x0, y0) = (2.10−5, 6.10−4) et (x0, y0) = (10−5, 9.10−3)

21
Habilitation Universitaire Résumé de thèse de Doctorat

0,00064

0,00056

0,00048

0,00040

0,00032 Système non linéaire

Y
Système linéarisé par do
0,00024

0,00016

0,00008

0,00000

0,000000 0,000007 0,000014 0,000021 0,000028 0,000035 0,000042

Fig.12: Plan de phase des solutions (x(t), y(t)) pour: a=10 c = 1 d = 20 b = 2   0.4   0 .2 ,
d

 1 et (x0, y0) = (2.10−5, 6.10−4)
a
C’est un scénario trivial puisque le taux de mortalité est plus petit que le taux de natalité.
ainsi on remarque que décrit bien et confirme le premier scénario d’extinction déduit par
Tzy-Wei Hwang.

Deuxième scénario d'extinction :

l'application de la méthode de dérivation optimale pour les valeur de paramètres:
a=10 c = 5 d = 6 b=14   0.4   0.2 et (x0, y0) = (10−5, 9.10−3)
les deux figures suivantes représente la plan de phase du système non linéaire comparé
au système linéaire optimale, toute en diminuant le taux de fécondité relative de la
population hôte infectée   0.2 et   0.01
0,0064

0,0056

0,0048

0,0040

0,0032
Système non linéaire
Y

0,0024 Système linéarisé par do

0,0016

0,0008

0,0000

0,00000 0,00004 0,00008 0,00012 0,00016 0,00020 0,00024

Le 2éme scénario déduit par Tzy et all. est intéressant, il décrit la situation ou: Le taux
d’infection (δ > r + 1) est élevé et l’infection impose une réduction du taux de natalité du
groupe infecté (Petite valeur de θ). Il est nécessaire de noter que l’effet d’extinction
augmente quand le terme (1 − θ) représnte la diminution du pourcentage de naissance
induit par l’augmentation de la population de parasite.

conclusion

22
Habilitation Universitaire Résumé de thèse de Doctorat

De l’application de la méthode de la dérivée optimale, on peut noter que cette téchnique

numérique nous permet de prédir la stabilité asymptotique de l’origine qui est de même
nature que le cas précédent. Les figures montrent que les deux solutions évoluent et
converge ensemble vers l’origine de manière monotonique.
Il est nécessaire de noter que le phénomène d’extinction s’accentue quand le terme
représentant la réduction du taux de naissance induit par l’augmentation des parasites
diminue. Ceci est illustré par les exemples θ = 0.2 et θ = 0.01.
Les résultats obtenus par la dérivée optimale nous ont permis de déterminer la nature du
point d’équilibre O(0.0) et de décrire le mécanisme d’extinction schématisé par les
solutions qui converge asymptotiquement vers l’origine comme point d’équilibre qui
représente l’extinction des deux populations.

VI.2.5.1 Analyse de la stabilité du point équilibre non-hyperbolique d'un

modèle ratio-dépendant- proie prédateur avec un taux de récolte
linéaire.

Du point de vue des besoins humains, l'exploitation des ressources biologiques et la

récolte des populations sont couramment pratiqué dans les pêches, la foresterie et la
gestion de la faune. Il existe un large éventail d'intérêts dans l'utilisation des modèles
bioéconomiques afin d'obtenir un aperçu de la gestion scientifique des ressources
renouvelables telles que la pêche et les forêts.

L'objective de la présente analyse est de décrire complètement les structures possibles

d'un petit voisinage de point d'équilibre non hyperbolique à l'origine O(0,0) en utilisant la
méthode de dérivation optimale.

 dx axy
 dt  x1  x   x  y  hx
 dy (16)
 bx 
  y  d  
 dt  x  y 

h x : repréente la fonction linéaire de la récolte

- y d: term de mortalité des prédateurs.

ce type de modèle peut posséder un régime de dynamique d'extinction déterministe, qui

est d'une importance cruciale du point de vue biologique.

en se basant sur le travail de [28] Min Xiao and Jinde Cao (2009) et les résultats ses
expérimentales , selon les valeurs des constante a, b , d, et le paramètre de récolte h on
peut distingué quartes cas possible caractérisant l'effet de la variation de la constante h
sur le coexistence et l'extinction des deux population.

voici un exemple d'application de la méthode de dérivation optimale:

1ier cas: 0 ≤ h<1 , h = 0

23
Habilitation Universitaire Résumé de thèse de Doctorat

Fig. 13 : représente respectivement Variation de la solution x(t) en fonction du temps pour la condition
initiale (x0 , y0 ) = (3,2.5) et le plan de phase

2ier cas: 0.5 ≤ h < 1, exemple h = 0.6

Fig. 14 : représente respectivement Variation de la solution x(t) en fonction du temps pour la condition
initiale (x0 , y0 ) = (3,2.5) et le plan de phase.

3ier cas:
h=0 et 0 < h < 1, exemple h = 0.8 , ce cas est caractérisé par l'existence des proies et
l'extinction des prédateurs.
le système linéaire optimale possède fait apparaître le point d'équilibre à l'origine comme
un point selle ceci est confirmé par l'analyse qualitative suivante:

Fig. 15: plan de phase

4ier cas: 0.238< h <1 :
Dans cet intervalle il y a extinction des deux populations

24
Habilitation Universitaire Résumé de thèse de Doctorat

Fig. 14 : représente respectivement Variation de la solution x(t) et y(t)

Conclusion:

Les résultats obtenus par la méthode de dérivation optimale montrent que cette dernière
permet de d'analyser la stabilité du point critique à l'origine (l'équation différentielle n'est
pas dérivable en ce point absence de régularité), toute en obéissant à la même
dynamique du système non linéaire initial décrivant le phénomène important d'extinction.
l'exploitation des différents cas expérimentales cité dans [28] montre qu'analyse
numérique en utilisant cette technique peut être une expérience numérique, permettant
d'aider à une récole raisonnable sans conduire les deux population vers l'extinction (une
bonne estimation d'un paramètre de récolte optimale) .

V-Travaux scientifiques après Thèse

V.1 Analyse de bifurcation locale d'un système physique non linéaire

La localisation de paramètre critique bifurcations est souvent une tâche centrale de

l'analyse d'un système dynamique non linéaire. Bifurcations de codimension 1 qui peuvent
être directement observées dans la nature et des expériences à réaliser des surfaces
d'espaces de paramètres tridimensionnels. nous proposons une étude qui combine le
critère de Routh-Herwitz avec la théorie de l'algèbre linéaire (Linéarisation au sens de
Fréchet) permettant de calculer et visualiser des surfaces de bifurcation d'un systèmes
physique complexe en question de façon très efficace, En particulier, le système
physique fourni des exemples concrets de déploiement des singularités qui agissent
comme des centres de l'organisation de la dynamique. La visualisation peut améliorer la
compréhension qualitative du système. En outre, elle peut aider à localiser rapidement les
situations les plus complexes de bifurcation correspondant aux bifurcations de
codimension supérieure, et aux intersections des surfaces de bifurcation. L'utilisant la
méthode dérivation optimale nous permet de mieux comprendre les dynamiques locales,
non seulement dans un système particulier, mais dans des classes entières de systèmes.
Notre objective est de faire des progrès avec cette procédure au terme de l'analyse de
bifurcation (détection de la bifurcation locale au voisinage des paramètres de bifurcation
par rapport à un état initial). nous permet de comparer les résultats obtenus avec ceux
25
Habilitation Universitaire Résumé de thèse de Doctorat

trouvés par la linéarisation classique (dérivé Fréchet dans le point d'équilibre). Cette
analyse nous permet de comparer les résultats obtenus avec ceux trouvés par la
linéarisation classique (dérivé Fréchet dans le point d'équilibre).
Pour illustrer cette possibilité, nous analysons un exemples de système physique .

V.2 Presentation du modèle physique illustrative

L'exemple provenant d'un système mécanique non linéaire représentant un oscillateur non
linéaire forcé [29], [30], en fait, est un dispositif mécanique positionnement avec contrôle
feed-back. donné par le système:
..

x  x K  x x   z  F t 
.. .
(17)
z   z   x x  r 
.

x est défini comme le déplacement,  > 0 l'amortissement linéaire avec une constante
d'amortissement 1 , l'objet de contre-réaction contrôle (z) avec la constante de temps et

le gain ,:
On prend F(t)=0, r = 0 représentant un système autonome, dans lequel l'équation
régissant n'avoir aucune dépendance temporelle. Ce type de systèmes dynamiques peut
encore présenter des dynamiques compliquées (bifurcations complexes et transition vers
le chaos) :
 x y

 y x  x   y  z (18)
3

 z   x   z

avec les paramètres .

Détermination des surfaces de bifurcation dans l'espace des paramètre

Le système possède un point d'équilibre à et deux autre non-trivial
symétriques avec . On peut conclure les
résultats suivants :
 Case 1: si le système possède un seul point d'équilibre trivial à l'origine avec
(pour n'importe valeurs des paramètres). En fait pour , les trois
équilibres coincide, et nous avons donc bifurcation fourche à .
 Case 2 : Deux points d'équilibres apparaissent si .
La stabilité des points d'équilibre peut être déterminée en évaluant la matrice jacobienne
sus la forme (19), puis en examinant ses valeurs propres (pour le cas 1 et 2).

 0 1 0 
 g 
J 0  DF 0    0   1
 
x
  
 0 (19)

Le polynôme caractéristique de cette matrice est donné par:

26
Habilitation Universitaire Résumé de thèse de Doctorat

Afin de calculer les limites de stabilité locales pour lesquelles la stabilité d'équilibre
change, alors nous détectons les surfaces de bifurcation du système dynamique non
linéaires en fonction des paramètres du système δ, α, γ, nous utilisons le critère
Routh-Herwitz [10], [11].

Nous notons que dans cet intervalle γ ≥ 1, nous avons deux limites de stabilité en fonction
de l'ensemble des paramètres, la première est une γ = 1. la seconde peut être déterminée
en appliquant critère de Routh-Hurwitz
on ikmplique que pour et ,la deuxième limte de stabilité est donée par

comportement du système au voisinage des deux points d'équilibres

l'application du critère de Routh-Hurwitz permet de définir une troisième limite de la
stabilité dans l'intervalle
While as is increased to pass , Hopf bifurcation occurs, i.e. a family of periodic
solutions bifurcate (bifurcating periodic solutions) , small values of the  the damping
constant ( ).
l' approche analytique de la bifurcation donnant en fonction de tous les paramètres du
système. l'analyse révèle des surfaces de bifurcation de Hopf (Fig. 15);
caractérisé par les équations , avec et avec

   H1 
  3
 2
   2 

27
Habilitation Universitaire Résumé de thèse de Doctorat

Fig.15 : la surface de bifurcation Hopf (HB),surface de bifurcation Hopf (HB1), et une

surface de bifurcation (BP)

Les deux surfaces verte et bleue correspondent à des bifurcations de Hopf tandis que la
surface rouge sera en général une bifurcation fourche ces bifurcation se produire si une
valeur propre de la matrice jacobienne devient zéro. Une bifurcation Hopf double (DH) est
formée à l'intersection de la surface de deux surfaces Hopf
Nous pouvons voir que la ligne de cette intersection est caractérisée par la condition
suivante:    H   H 1  1
 2

 
   H       1  1    1
ceci donne 

   H 1  ( 2    2)  1    1.
   3
1
on obtien   1 et   , cette courbe d'intersection est visible sur la figure suivante:


Fig.16 : l'inversion de la Fig .15 (une vue de l'intersection des tois surfaces de bifurcation)

V.3 Analyse numérique par la méthode de Dérivation Optimale

Nous procédons à une simulation numérique du système de l'équation (18) en utilisant le

dérivé optimale. la stabilité de chaque côté de la surface s'obtient en exécutant une
simulation ou le calcul des valeurs propres de la matrice linéaire optimale numériquement
en un point au voisinage de points d'équilibre de chaque côté de la surface.

Linearization around equilibrium state O (0, 0, 0) for :

28
Habilitation Universitaire Résumé de thèse de Doctorat

Dans cet intervalle il existe une valeur critique du paramètre bifurcation

 2
H 

    1 , on distingue deux intervalle de variation des paramètre on distingue
deux intervalle de variation des paramètre selon  H comme suit :

1     H

   H
    1
 H

en utilisant une simulation numerique par la derivation optimaledans cette intervalle. pour
l'application on choisi  ,   0 ,we take   3;   2 avec   1.
First we investigate :
cas où :   1 par un choix des conditions intiales au voisinge de l'origine
x0 , y0 , z0   0.001, 0.02, 0.04 , la méthode de dérivation optimale
donne (   106 ) :
 0 1 0 ces valeurs propres sont
A  1.000  1.9999  1,
~  1  1.537  10 6

 3 0  3 2  1.3819
  3.6180 .
 3

Fig 17: espace de phase pour x 0 , y 0 , z 0   0.001, 0.02, 0.04

cas où 1     H : choisissons   2, par un choix des conditions initiales

x0 , y0 , z0   0.1, 0.2, 0.4 , avec  ,   0 ,   3;   2 with   1
méthode de dérivation optimale donne (   106 )
 0 1 0  les valeurs propres
A   0.96  2.000  1.000 ,
~   1  3.91329

6.000 0  3.000  2,3  0.54599  i 0.69505

29
Habilitation Universitaire Résumé de thèse de Doctorat

Fig 18: espace de phase pour x0 , y0 , z0   0.1, 0.2, 0.4

 2
cas où    H 

    1 avec   1 : par un choix des conditions initiales
x0 , y0 , z0   0.01, 0.02, 0.04 pour les paramètres   3,  2,  H  9.3333 et   1,
méthode de dérivation optimale donne (   106 )
0 1 0  ces valeurs propres sont
~    1  4.9999
A  0.99988  2  1 ,

2,3  2.08  10  2.2360i
5
28 0  3

Fig 19: x(t) en fonction du temps Fig 20: espace de phase

Comparaison entre système linéaire et Comparaison entre système linéaire et
non linéaire  H  9.3333 non linéaire  H  9.3333

Linearization around the two equilibrium in the range

Dans cet intervalle il existe une valeur critique du paramètre de bifurcation


H 
1
  3
 2
   2 
de même cet intervalle est devisé en trois intervalle selon le paramètre  H 1

30
Habilitation Universitaire Résumé de thèse de Doctorat

1     H 1 (P , P- sont asymptotiquement stable)


   H 1 ( Hopf bifurcation )
    1 (P , P sont instable ).
 H1  -

cas où    H1  1 :  ,   0 , par un choix des paramètre

  0.4,   0.2, avec   1, et 0    1, pour   0.3
la méthode de dérivation optimale donne (   106 )
0 1 0  ces valeurs propres sont
A   1.1990  0.16834  0.78085 , 1  1.00565
~ 

0.27 0  0 .9  2,3  0.032716  i 1.134068

Fig 22: espace de phase

Fig 21: x(t) en fonction du temps Comparaison entre système linéaire et
Comparaison entre système linéaire et
non linéaire   0.3
non linéaire   0.3


cas où    H1 :   0.9,   0.2, alors    H1  ( 2    2)  0.3987 et   1.
  3
la méthode de dérivation optimale donne (   106 )
 0 1 0  ces valeurs propres sont
~  
A    0.80793  0.1963  0.98185 ,  1  1.0963
 0.35879 0  0.9  
2,3  6.7886  10  i 0.99251
5

31
Habilitation Universitaire Résumé de thèse de Doctorat

Fig 23: x(t) en fonction du temps Fig 24: espace de phase

Comparaison entre système linéaire et Comparaison entre système linéaire et
non linéaire non linéaire    H 1  0.3987

cas où    H 1 :    H 1  0.3987 , on choisi   0.6   H 1  0.3987

la méthode de dérivation optimale donne (   106 )

 0 1 0  ces valeurs propres sont
~    1  1.19490.
A   0.29003  0.1966  0.82834 ,

 0.54 0  0.9  2,3  0.06261  i 0.76820

La partie réelle des deux valeurs propres λ2,3 est positive. le système linéaire optimale est
instable et fait apparaître les deux point d'équilibres (P+,P-) comme un foyer instable.
Tandis que l'origine est instable. Alors la méthde de dérivation optimale permet de
détecter cette instabilité. On peut noté que les deux point (P+,P-) sont des foyer stable
jusqu'à la valeur    H 1  0.3987 , valeur pour laquelle il deviennent des foyers instable.
pour cette valeur critique les système subi une bifurcation Hopf subcritique en augmentant
 . les cycles limite instable seront absorbé par l'équilibre qui devient lui même instable.

V.4 discussion des Résultats

La stabilité de l'équilibre, et l'analyse de bifurcation locale du modèle, sont décrits. Nous

allons discuter quelques résultats de base. Nous allons maintenant résumer et de
comparer les résultats obtenus de l'analyse d'analyse afin de confirmer et de valider les
résultats obtenus en utilisant la dérivée optimale.
on peut déduire de la détermination des surfaces de bifurcation que les bifurcations de
codimension supérieur peuvent facilement être décrites , une fois que les paramètres de
bifuraction sont connues. Dans le diagramme de bifurcation de trois paramètres deux
bifurcations apparaissent comme des lignes d'intersection des surfaces (   1 et la
constante de temps   1 ) (voir Fig 15 et 16 (HB, HB1) et PB Nous allons maintenant

résumer les bifurcations locales du système non linéaire (18) en fonction du paramètres  .
L'origine est toujours un équilibre. les système subi Une bifurcation pitchfork ou fourch
32
Habilitation Universitaire Résumé de thèse de Doctorat

  1 , caractérisée par l'apparition de deux autres points d'équilibre symétriques

qui existent pour    H1  1 .
Le point d'équilibre trivial à l'origine subi une bifurcation Hopf dans l'intervalle
1   H .
Le principale événement dans cette intervalle est le comportement oscillatoire des
solutions qui devient important en faisant accroitre la valeur du paramètre de bifurcation.
pour    H l'amplitude des solution devient de plus en plus faible, des orbite périodiques
apparaissent ( voir espace de phase Fig .24) enfermant un équilibre stable.
pour  > 1 , il existe trois points d'équilibres, cette intervalle est caractérisé par le
changement de la neutre des points de foyer stable en foyer instable pour la
valeur critique    H 1  0.3987 (résultats confirmé par la dérivée optimale) ce changement
correspond au comportement oscillatoire des solutions en faisant croître la valeur de  à
partir de 1.
Dans cette plage de variation de il y a contraction des cycles limites instables autour de
(P +, P), ces cycles traduit l'apparition d'une deuxième bifurcation de Hopf à la
valeur de    H 1 .
Enfin, les résultats montrent une bonne concordance entre l'analyse théorique et celle
numérique réalisée à partir de la la procédure de dérivée optimale (voir Figure 17- 23).
l'analyse qualitative montre que le système linéaire optimale permet de décrire le même
comportement dynamique du système non linéaire initiale en obéissant à sa dynamique
non linéaire complexe .

Conclusion : la bonne utlisantion du critères de Routh-Hurwitz et de la matrice linéaire

classique du système linéaire ont été utilisés pour déterminer l'équation des surfaces de
bifurcation dans l'espace des paramètres sous forme de polynômes homogènes des
paramètres du système.
Elle permettent de calculer numériquement et de visualiser les surfaces de bifurcation
locale d'une manière rapide et très efficace. La visualisation peut améliorer la
compréhension qualitative du système. un phénomène intéressant bifurcation locale à été
décrit à l'aide du système linéaire optimale associée avec le système d'origine non
linéaire. La bifurcation et analyse de la stabilité à l'aide de cette nouvelle méthode
numérique confirme les résultats obtenus par l'analyse en utilisant linéarisation au sens de
Fréchet du système non linéaire et le critères de Routh-Hurwitz qui présente un intérêt
important pour la physique (circuit électronique). Il montre aussi sa capacité à être un outil
puissant pour l'analyse de la stabilité de ce type équations différentielles ordinaires.
la méthode est applicable à des situations de bifurcation, dont celle de Hopf, est la plus
importante. ce type de bifurcations se produisent dans de nombreux systèmes physiques
et jouent souvent un rôle important pour le comportement du système à long terme.

V – Conclusion et Perspectives de Recherche

Ces travaux réalisés contribuent à la réflexion sur l'approximation des systèmes non
linéaires et l'étude de leur stabilité. l'analyse du phénomène de bifurcation montre que
même des problèmes physiques qui s'avère simple peuvent engendrés des phénomène
complexes, dont la maîtrisé d'un outil numérique permettant de mieux décrire la
dynamique du phénomène et de donner plus d'informations aux scientifiques (théoricien
ou expérimentateur); est indispensable et cruciale.
33
Habilitation Universitaire Résumé de thèse de Doctorat

notre objectif de mettre à la disposition de l’ingénieur actuellement un ensemble de

méthodes et outils très différents, dont la méthode la plus simple consiste à linéariser le
système non linéaire en utilisant la méthode de dérivation optimale surtout lorsque les
autres méthode linéarisation tombent en défaut. En particulier, le but principale est de
permettre au ingénieurs de réaliser pratiquement cette linéarisation dans différent domaine
de la science .
l'analyse numérique par la méthode de la dérivée optimale des systèmes modélisant des
problèmes physiques non linéaires et complexes montre son efficacité. Surtout si elle est
couplée avec une bonne utilisation du critère de Routh Herwitz (son avantage est la
détermination des limite de stabilité sans examiné les valeurs propres du système
linéaire).
les modèles ratio-dépendant issue de la biologie, écologie, épidémiologie permettent
d'illustrer l'efficacité la méthode de dérivation optimale et ses possibilité d'être un outil
numérique de linéarisation puissant et promoteur dans le domaine de la dynamique de
population.
il y a lieu de préciser que le travaux de recherches entrepris a ouvert une direction de
recherche très intéressante qui mérite d’être approfondie, en particulier dans :

- l'Etude comparative entre Linéarisation par approximation locale basé sur la dérivée
optimale et la méthode de lissage (linéarisation par morceaux) des circuit d'aspect non
linéaire.
- Plusieurs développements futurs basés sur le code Auto2000 en autre :
* Résolution des Equation Différentielle Partielle.
* Continuation de bifurcation dans les modèles physique modélisés par des EDP.
* Analyse de bifurcation des modèles de la dynamique de population.
- Concernant l'application de la méthode de dérivation optimale aux modèles ratio-
dépendant, on recommande d'approfondir et de développer l'aspect théorique en
collaboration avec d'autre équipes de recherche travaillant sur le même thème.
- L’étude approfondie sur le plan mathématique de l’application de la méthode aux
problèmes avec bifurcation.
- Approfondir l'étude de stabilité des système s'équation différentielle avec commande.
- L'application de cette téchnique aux équation différentielle avec commande en
approfondissant son utilisation dans le domaine du contrôle et l'automatique.

VIi – Références

[1] N. Rouche, J. Mawhin, (1973), Equations Différentielles Ordinaires, Tome I, Théorie

Générale, Masson et Cie.

[2] N. Rouche, J. Mawhin, (1973), Equations Différentielles Ordinaires, Tome II, Stabilité et
Solutions Périodiques, Masson et Cie.

[3] E. A. Coddington and Levinson (1955), Theory of ordinary differential equations, Mc

Graw-Hill.

[4] J. Hale, (1969) , Ordinary differential equations, Springer Verlag.

34
Habilitation Universitaire Résumé de thèse de Doctorat

[5] V. Arnold, (1974), Equations Différentielles Ordinaires, Editions Mir. Moscou.

[6] H. Leipholz, (1970), Stability Theory, An Introduction to the Stability of Dynamical Systems and
Rigid Bodies. Academic Press.

[7] T. Benouaz and O. Arino, (1998) . Optimal Approximation of the Initial Value
Problem, Computers Math. Applic. vol. 36, N◦1, pp.21-32.

[8] T. Benouaz et O. Arino, (1995) . Relation entre l’Approximation Optimale et la Stabilité

Asymptotique, Publications de l’ U.A, CNRS 1204, N0.95/10.

[9] T. Benouaz et O. Arino, (1995) . Existence, Unicité et Convergence de l’Approximation au

Sens des Moindres Carrés d’une Equation Différentielle Ordinaire Non-Linéaire, 94/14
Université de Pau, CNRS URA 1204.

[10] T. Benouaz and O. Arino, (1995) . Determination of the Stability of a Nonlinear

Ordinary Differential Equation by Least Square Approximation. Computational Procedure,
Appl. Math. and Comp. Sci., N◦ 1, Vol. 5, pp 33-48.

[11] T. Benouaz, (13 − 17 August 1995). Least Square Approximation of a Nonlinea

Ordinary differential Equation : The Scalar Case, Proceeding of the Fourth
International Colloquium on Numerical Analysis pp. 19-22 , Plovdiv, Bulgaria.

[12] A.CHIKHAOUI (1996), Etude théorique de la propagation d'une impulsion laser dans un
milieu dispersif, mémoire de D.E.S, Tlemcen.

[13] A.CHIKHAOUI (2000), Contribution à l’étude des systèmes Non linéaires, thèse de
magister,Tlemcen.

[14] T. Benouaz, (1996). Contribution à l’Approximation et la Synthèse de la Stabilité d’une

Equation Différentielle Ordinaire Non Linéaire, Thèse de Doctorat d’état, Tlemcen.

[15] A. CHIKHAOUI,(2009), Relation entre la Dérivée Optimale et la Stabilité Asymptotique ,

these de doctorat, Université de Tlemcen.

[16] N.F. Rulkov; L.S. Tsimring; H. D. I. Abarbanel, (1994), Trackting Unstable Orbits in
Chaos using dissipative feedback control, Physical review E, Vol. 50, N◦1.

[17] E.J. Doedel. et al.(2000) AUTO 2000 : Continuation and bifurcation software forOrdinary
differential Equations (with HomCont), Concordia University, Montreal, Canada

[18] T. Benouaz, Martin Bohner, A.CHIKHAOUI, 2009, On The Relationship between the
optimal Derivative and asymptotique Stability, African Diaspora Journal of Mathematics,
Volume8, Number 2, pp.148-162.

[19] T. Benouaz et O. Arino, (1995) . Relation entre l’Approximation Optimale et la

Stabilité Asymptotique, Publications de l’ U.A, CNRS 1204, N0.95/10.

[20] Vujanovic B., (1973), Application of the optimal linearization method to the heat transfer
problem, International journal heat mass transfer, Vol. N◦16, , pp.1111-1117.
[21] Jordan A., Benmouna M., Bensenane A., Borucki A., (1987), Optimal linearization method
applied to the resolution of state equation, RAIRO-APII, Vol. N◦21, pp.175-185.

[22] Jordan A., Benmouna M., Bensenane A., Borucki A., (1987), Optimal linearization of
nonlinear state equation, RAIRO-APII, Vol. N_21, , pp.263-271.

35
Habilitation Universitaire Résumé de thèse de Doctorat

[23] A. CHIKHAOUI, T. Benouaz and A.Cheknane, June 2009, Computational Approach of the
Optimal Linearization of the Nonlinear O.D.E: Application to Nonlinear Electronic Circuit
International Journal of Computer and Electrical Engineering, Vol. 1, No. 2, , 1793-8198.

[24] T. Benouaz and F. Bendahmane , (2004),” Least square Approximation of a

Nonlinear O. D.E with Excitation”, Computers & Mathematics With Applications,
vol.47, Issues 2-3, pp. 473-489.

[25 ] H.R.Akçakaya, R.Arditi, L.R Ginzburg. (1995). Ratio-dependent predation: an abstraction

that works, Ecology, 76, 995-1004.

[26] R.Arditi, L.R.Ginzburg. (1989). Coupling in predator-prey dynamics: ratiodependence,

J.Theor. Biol. 139, 311-326.

[27 ] Tzy-Wie Hwang, Yang Kuangy, Extinction Effect of Parasites one Host Populations, AMS-
MOS Mathematic Subject Classification (2000).

[28] Dongmei Xiao, Shigui Ruan Global dynamics of has ratio-dependent predator-prey
system, J Math. Biol. 43, 268 –290 (2001)

[30] F. Berezovskaya, G. Karev, R. Arditi, (1989) . Parametic analisis of the Ratio-Dependent

Predator-Prey model, Institut national agronomique Paris-Grignon, Ecologie des
populations et communautés, Accepted for publication in The Journal of Mathematical
Biology November 2000.

36