Académique Documents
Professionnel Documents
Culture Documents
Le modèle logistique
Les équations de rigidODE
Dr. Gasmi L.
6 janvier 2021
Plan du cours
1 Introduction
2 Le modèle logistique
Introduction
Pour les équations différentielles simples, il est possible de trouver des solutions de
forme fermée. Par exemple, étant donné une fonction g, la solution générale de
l’équation la plus simple Y 0 (t) = g(t) et
Z
Y (t) = g(s)ds + c
avec c une constante d’intégration arbitraire. Ici, Dans ce chapitre, nous amorçons
l’exposé par des méthodes relativement. Elles nous conduiront progressivement à
des méthodes plus complexes telles les méthodes de Runge-Kutta d’ordre 4, qui
permettent d’obtenir des résultats d’une grande précision.
Introduction
Le modèle logistique
La courbe représentant les effectifs théoriques est appelée une courbe logistique en
raison de sa forme particulière qui présente cette caractéristique de croissance
amortie. Elle est en réalité le graphe de la solution de l’équation différentielle
N (t)
N 0 (t) = rN (t) 1 − (2)
K
KN0 ert
Nt = (3)
K + N0 (ert − 1)
R implémentation :
1 #i n s t a l l . packages ( ’ deSolve ’ )
2 l i b r a r y ( deSolve )
3 r <− 0 . 1 ; K <− 1 0 ; y i n i <− 0 . 1 ;
4 d e r i v s <− f u n c t i o n ( t , y , parms )
5 l i s t ( r ∗ y ∗ (1− y /K) )
6 t i m e s <− s e q ( from = 0 , t o = 8 0 )
7 o u t <− ode ( y = y i n i , t i m e s = t i m e s , f u n c = d e r i v s ,
8 parms = NULL)
L’équation différentielle :
Paramètres : I1 = 0.5, l2 = 2, l3 = 3
Conditions initiales : y1 (0) = 1, y2 (0) = 0, y3 (0) = 0.9
1 l i b r a r y ( deSolve )
2 r i g i d o d e <− f u n c t i o n ( t , y , parms ) {
3 dy1 <− −2 ∗ y [ 2 ] ∗ y [ 3 ]
4 dy2 <− 1 . 2 5 ∗ y [ 1 ] ∗ y [ 3 ]
5 dy3 <− −0.5 ∗ y [ 1 ] ∗ y [ 2 ]
6 l i s t ( c ( dy1 , dy2 , dy3 ) )
7 }
8 y i n i <− c ( y1 = 1 , y2 = 0 , y3 = 0 . 9 )
1 t i m e s <− s e q ( from = 0 , t o = 2 0 , by = 0 . 0 1 )
2 o u t <− ode ( t i m e s = t i m e s , y = y i n i ,
3 f u n c = r i g i d o d e , parms = NULL)
4 head ( out , n = 3 )
1 time y1 y2 y3
2 [ 1 , ] 0.00 1.0000000 0.00000000 0.9000000
3 [ 2 , ] 0.01 0.9998988 0.01124925 0.8999719
4 [ 3 , ] 0.02 0.9995951 0.02249553 0.8998875
1 p l o t ( out )
2 library ( scatterplot3d )
3 p a r ( mar = c ( 0 , 0 , 0 , 0 ) )
4 s c a t t e r p l o t 3 d ( out [ , −1] , x l a b = " " , y l a b = " " ,
5 z l a b = " " , l a b e l . t i c k . marks = FALSE )