Académique Documents
Professionnel Documents
Culture Documents
Walid OUKIL
2018
www.oukilwalid.com
Modélisation mathématique des rythmes
du vivant
Table des matières
Résumé 3
1
W. Oukil Modélisation mathématique des rythmes du vivant
2
Résumé
3
Chapitre 1
Comme les phénomènes physiques, les phénomènes biologiques admettent aussi des
lois mathématiques qui permettent la prévision de leurs évolution. Une loi d’évolution
s’appelle "modèle" et la création de ce modèle s’appelle "la modélisation". Un modèle
d’un phénomène physique, biologique ...etc permet donc de prévoir le comportement
attendu après un certain temps. Pour pouvoir modéliser un phénomène on doit en pre-
mier déterminer des hypothèses de son évolution : Par exemple en physique pour mo-
déliser la chute d’une masse on doit determiner s’il y a des frottement ou non. Donc
un phénomène naturel n’admet pas un unique modèle, on peut avoir plusieurs modèles
pour un unique phénomène. Ainsi on peut à chaque fois raffiner le modèle dans le but
d’atteindre une bonne précision des résultats ou dans le but de simplifier le modèle
et rendre son étude mathématiques plus souple. La complexité de la modélisation du
monde du vivant réside dans le faite que le phénomène vivant étudér manifeste en
lui même des transformation au cours de l’évolution ; contrairement aux phénomènes
physiques qui sont presque constants lors de l’ évolution du phénomène.
4
W. Oukil Modélisation mathématique des rythmes du vivant
Exemple 1.1. On veut étudier dans cet exemple l’évolution de la taille et du poids chez
un individu humain selon l’âge. Posons v la taille en mètre, w le poids en kilogramme et λ
l’âge.
L’expérience
Supposons que l’expérience sur un ensemble d’individus montre que la taille est proportion-
nelle au poids.
Hypothèse
On peut donc supposer que l’âge ou bien influence sur cette proportion ou non.
Modélistation
Dans le cas où on suppose que l’âge influence le modèle est de la forme
v
= f (λ),
w
où f est une fonction scalaire. Dans le cas où on suppose que l’âge n’influence pas le modèle
est de la forme
v
= c,
w
où c est une constante.
5
W. Oukil Modélisation mathématique des rythmes du vivant
Exemple 1.2. On veut étudier dans cet exemple le changement annuel du nombre d’habi-
tants dans une ville fixée. Posons respectivement X(m), L(m) et K(m) le nombre d’habi-
tants, le nombre de mortalité et le nombre de natalité de l’année m.
L’expérience
Supposons que l’expérience sur un ensemble d’individus montre que le nombre de mortalité
est proportionnel au nombre de natalité.
Hypothèse
On peut supposer qu’il n’y a pas d’immigration d’habitants vers une autres ville.
Modélisation
On a
X(m + 1) = X(m) − L(m) + K(m), pour chaque année m.
Un modèle est dit déterministe s’il est gouverné par une loi ou une équation qui
permet de calculer ou de prévoir la solution une fois que l’on connaît l’état initial du
système. Le type déterministe se partage en deux sous-catégories, qui sont :
6
W. Oukil Modélisation mathématique des rythmes du vivant
Les modèles de type déterministe continus sont des modèles gouvernés par une
équation qui évolue selon une variable continue (exemple : le temps réel continu).
Par exemple les modèles qui sont définis par dés équations différentielles ou des équa-
tions au dérivés partielles sont des modèles de type déterministe car on peut prévoir la
solution et ils sont de type continu car la variable est le temps t ∈ R.
Les modèles de type déterministe discrets sont des modèles gouvernés par une équa-
tion qui évolue selon une variable discrète (exemple : le jours, l’année). Par exemple les
modèles qui sont définis par dés suites numérique sont des modèles de type déterministe
car on peut prévoir la solution et ils sont de type discret car la variable est discrète.
Notons, qu’il a un lien entre un modèle discret et continue et qu’on peut passer d’un
modèle discret à un modèle continue ou vis-versa comme on va voir dans le Modèle de
Malthus dans la première Section du Chapitre prochain.
Un modèle est dit aléatoire s’il est gouverné par une loi ou une équation probabiliste
et que sa solution est calculer selon des statistiques et des probabilités.
7
Chapitre 2
On va voir dans ce Chapitre quelques modèles déjà établies pour l’étude d’une popu-
lation biologique d’une seule espèce. Une "seule espèce" veut dire que tous les individus
ou éléments de la populations sont identiques, par exemple : un ensemble d’arbres, un
ensemble de poissons, un ensemble de cellules...etc. L’hypothèse générale d’un modèle
de croissance d’une population suppose comme on a vu dans le Chapitre que
8
W. Oukil Modélisation mathématique des rythmes du vivant
Malthus suppose que dans une population isolée le nombre de natalité et de morta-
lité pendant une période [t, t + δt] ⊂ R sont tous deux proportionnels à l’effectif de la
population et à la duré δ.
9
W. Oukil Modélisation mathématique des rythmes du vivant
X(n + δ) − X(n)
.
δ
X(n + δ) − X(n)
= ((α − β) − 1) δ, n ∈ N.
X(n)δ
2.1.2.1 Résolution
Cette dernière suite numérique est une suite numérique géométrique de raison (α − β).
On obtient donc
=⇒ X(n + 1) = X(1)(α − β)n , n ∈ N.
d
X(t) = (α − β)X(t), t ∈ R.
dt
10
W. Oukil Modélisation mathématique des rythmes du vivant
2.1.3.1 Résolution
rn = αn − βn , n ∈ N.
où αn est une suite qui dépend de n. Ainsi dans le cas continu on peut prendre le taux
11
W. Oukil Modélisation mathématique des rythmes du vivant
C’est à dire
X(n + δ) − X(n)
= α + βX(n) δ, n ∈ N. (2.2)
X(n)δ
avec α et β sont des constante réelles. Plus précisément Verhulst suppose que l’écart
d’effectif de la population dans une duré déterminé comprend de terme : Un terme
constant de croissance et un terme négatif de décroissance au fonction de l’effectif ini-
tial. Donc d’après l’équation précédente β < 0 et α > 0. En effet, contrairement au
comportement du modèle de Malthus ou la croissance est rapide et exponentielle dans
le modèle de Verhulst on trouve que la croissance de population dépend d’elle même et
qu’elle ne peut pas tendre vers l’infini ; elle admet un maximum qu’on appelle "capacité
de la charge". Posons Ω cette constante de capacité. On a
lim X(n) = Ω.
N →+∞
Car sinon il y aura une croissance de l’effectif. Ce qui implique de l’équation (2.2)
α
α + βΩ = 0 =⇒ β = − , α > 0.
Ω
D’après l’hypothèse de Verhulst le modèle discret est donné par la formule suivante
1
X(n + δ) = X(n)[1 + δα(1 − X(n))] δ, n ∈ N.
Ω
12
W. Oukil Modélisation mathématique des rythmes du vivant
2.1.6.1 Résolution
∆X 1
= α[X − X 2 ].
∆t Ω
Ẋ = αX + βX 2 .
Qui est une équation différentielle scalaire de Bernoulli (en particulier de Riccati).
2.1.7.1 Résolution
2.4 Exercices
Exercice 1:
13
W. Oukil Modélisation mathématique des rythmes du vivant
Exercice 2:
Donner la définition :
• De l’hypothèse de Malthus.
• Du taux d’accroissement ?
Exercice 3:
Supposons que dans un village le nombre de natalité et le nombre de mortalité
dans la période [1900, 2017] sont respectivement K(1900) = 10000 nouveaux nés et
L(1900) = 3000 décès. Sachant que l’effectif de la population du village en 2017 est
X(2017) = 50000, calculer l’effectif de la population du village en 1900 et cela en :
1) Utilisant le modèle de Malthus cas discret en supposant que le taux de croissance
malthusien est égale à 10 et que la population est isolée.
2) Utilisant le modèle de Malthus cas discret en supposant que le taux de croissance
malthusien est égale à 10 et que la population est isolée.
3) Calculer l’erreur ou l’écart entre les deux résultats précédents.
4) Supposant que la taux de natalité est égale à 6. Calculer le taux de mortalité dans le
cas discret et le cas continu.
Exercice 4:
Supposons que dans un village l’effectif de la population du village en 2000 est
X(2000) = 50000 et qu’en 2017 l’effectif est X(2017) = 100000. En :
1) Utilisant le modèle de Malthus cas discret calculer le taux de croissance malthusien
sachant que la population est isolée.
2) Utilisant le modèle de Malthus cas discret calculer le taux de croissance malthusien
14
W. Oukil Modélisation mathématique des rythmes du vivant
Exercice 5:
(A) Supposons que dans un village l’effectif de la population du village en 2000 est
X(2000) = 50000. On considère le modèle de Malthus cas discret en supposant que le
taux de natalité et de mortalité sont égales à α(m) = 2m2 + 2m et β(m) = 2m + 1 à
chaque année m ∈ N∗ et que la population est isolée.
1) Calculer l’effectif de la population de l’année 2009.
2) Calculer l’effectif de la population de l’année 2017.
3) Calculer l’effectif de la population de l’année 2080.
(B) Supposons que dans un village l’effectif de la population du village en 2000 est
X(2000) = 50000. On considère le modèle de Malthus cas continu en supposant que le
taux de natalité et de mortalité est égale à α(t) = t2 et β(t) = t à chaque instant t ∈ R+
et que la population est isolée.
1) Calculer l’effectif de la population de l’année 2009.
2) Calculer l’effectif de la population de l’année 2017.
3) Calculer l’effectif de la population de l’année 2017.
15
Chapitre 3
3.2.1 Propriétés
3.3 Exercices
16
Chapitre 4
Modèles Epidémiologiques
(SI,SIS,SIRS,SEIRS. . . )
4.1 Exercices
17
Chapitre 5
5.1 Exercices
18