BN 2
p(N ) =
A2 + B2
où r, K, A et B désignent quatre constantes positives du modèle.
Afin de réduire le nombre de paramètres, on effectue les changements suivants :
N Ar K Bt
u= ,R= ,q= ,τ=
A b A A
permettant de se ramener à l’équation différentielle :
u2 (τ )
du(τ ) u(τ )
= Ru(τ ) 1 − − (3)
dτ q 1 + u2 (τ )
Afin de chercher les solutions constantes de (3), on est ramené à résoudre l’équation non linéaire d’inconnue
u:
u2 (τ )
u(τ )
Ru(τ ) 1 − − = 0, (4)
q 1 + u2 (τ )
En fonction des valeurs de R et q, on montre que celle-ci possède 1,2 ou 3 solutions strictement positives.
1. Utiliser la méthode d’Euler améliorée afin de représenter de manière approchée la solution
de l’équation (3) pour les paramètres R = 0.4 et q = 10 et les valeurs initiales respectives u0 =
0.1, 2, 5, 10.
Qu’observe-t-on ?
2. Utiliser la méthode de Newton-Raphson pour déterminer l’ensemble des solutions de l’équa-
tion (4) avec R = 0.4 et q = 10.
3. Déterminer en fonction des résultats précédents, l’ensemble des points d’équilibre de l’équation (3)
pour les paramètres R = 0.4 et q = 10 ainsi que leur stabilité.
4. Modifier les valeurs de R et q de telle sorte à observer un comportement différent du système(un
seul point d’équilibre)
Elle consiste à calculer les valeurs approchées yi de la solution y(xi ) de l’équation différentielle
dy
= f (x, y) x ∈ [a, b]
dx
par l’algorithme suivant :
h = (b − a)/n
xi = a + ih pour i = 0, . . . , n
y0 = y(x0 )
yi+1 = yi + hf (xi + h/2, yi + hf (xi , yi )/2) pour i = 0, . . . , n