Académique Documents
Professionnel Documents
Culture Documents
mathématiqe
1
Table des matières
2
Chapitre 1
Introduction à la modélisation
mathématique
1.1 Introduction
1.1.1 Concepte
. la modélisation mathématique consiste à représenter une réalité physique en un
modèle mathématique accessible à l’analyse et au calcul ;
. les modèles sont basés ici sur des équations aux dérivées partielles ;
. la simulation numérique est le processus qui permet de calculer sur ordinateur les so-
lutions de ces modèles et donc de simuler la réalité physique.
1.1.3 Méthodologie
Plusieurs étapes sont nécessaires :
1. description des phénomènes physiques : c’est le domaine des experts de la disci-
pline concernée par les phénomènes que l’on souhaite étudier (chimistes, physi-
ciens, biologistes, etc.)
2. modélisation : il s’agit, à partir de la description qualitative des experts, d’établir
un modèle mathématique décrivant le comportement du phénomène physique.
On s’attache à déterminer les inconnues (variables) du problème, par exemple
la vitesse d’écoulement d’un fluide, la température, etc., ainsi que les données du
3
Chapitre 1. Introduction à la modélisation mathématique
problème (les paramètres physiques par exemple) ou encore les contraintes, avant
d’écrire les équations.
Deux remarques à propos de ce modèle :
. lorsque le modèle est trop complexe, on peut chercher à le simplifier (comporte-
ments négligeables à certaines échelles, etc.) ;
. dans la plupart des cas, on ne sait pas calculer une solution analytique explicite,
il faudra alors se résoudre à calculer une solution approchée par des techniques
numériques.
3. analyse mathématique : bien qu’aucune solution théorique ne puisse être trouvée,
il est intéressant de construire un cadre théorique propice à l’analyse mathématique
du modèle. On sera amené à considérer des questions relatives à l’existence, à
l’unicité des solutions, à leur stabilité ou à d’autres propriétés. Il est en parti-
culier intéressant de savoir si les solutions du problème satisfont les propriétés
physiques du modèle (positivité d’une concentration, …) on introduit la notion de
problème bien posé.
4. résolution numérique : l’étude mathématique va servir à construire les bases de
la résolution numérique du problème. Comme les ordinateurs ne peuvent traiter
qu’un nombre fini d’inconnues, avec une précision donnée, on se ramène à un
problème en dimension finie, en discrétisant l’espace et le temps.
Ceci aboutit à la résolution d’un système, linéaire ou non.
C’est ici que les classes de méthodes de résolution constructives apparaissent
(différences finies, éléments finis, volumes finis, méthodes spectrales, etc.).
5. analyse numérique : une fois que le problème discret est obtenu, se pose la ques-
tion légitime de savoir si la solution discrète est proche de la solution continue,
et en quel sens. Ceci revient à savoir si cette solution discrète converge vers la
solution du modèle continu lorsque le nombre d’inconnues augmente et si il est
possible de connaı̂tre la vitesse de convergence de la méthode.
6. mise en oeuvre : il s’agit d’implémenter la méthode numérique au moyen d’un
ordinateur. Pour cela, il est important de sélectionner soigneusement les struc-
tures de données et les algorithmes qui constituent le programme de résolution.
Il faudra prendre en compte les contraintes de temps de calcul et de ressources
mémoire pour obtenir la solution la plus précise possible.
4
Chapitre 1. Introduction à la modélisation mathématique
dv
m =F
dt
dv
dt
est l’accélération et F la force qui agit sur le corps dans le sens du mouvement. Cette
force est composée de la force de pesenteur qui est m~g et de la force −k~v .
F = mg − kv.
dv dv
m = F ⇐⇒ m = mg − kv. (1.1)
dt dt
Nous venons d’établir une équation différentielle du premier ordre dont l’inconnue est v avec
la condition initiale : à t = 0, v = v0 .
Exemple 1.2.2 Un point M se déplace le long de l’axe (ox) avec une certaine vitesse v =
2 cos tm/s. A t = 0s, le point M commence son déplacement et à t = 15s M arrive à sa
position finale.
Question : Calculer la distance entre la position initiale x(0) et la position finale x(15).
D’après l’interprétation physique de la dérivée, si x(t) est la loi du mouvement, alors la
vitesse est v = dx
dt
. On a x0 = v.
Z t
⇒ x(t) = v(τ )dτ.
0
Solution
0
D (t) = ay(t),
a>0
(1.2)
0
y (t) = by(t) b > 0.
5
Chapitre 1. Introduction à la modélisation mathématique
D(t) = ab y0 ebt + D0 − ab y0 .
a
D(t) y0 ebt + D0 − ab y0
= b .
y(t) y0 ebt
D(t) D0 (t)
lim = lim = ab .
t−→+∞ y(t) t−→+∞ y 0 (t)
Conclusion : Le quotient ab est appelé plafond à ne pas dépasser. Ce plafond étant
toléré, l’économie du pays évolue sans risque de surendettement. Ce plafond peut être
déplacé en fonction de certaines containtes de façon raisonnable.
b) Désignons par p la population d’une ville à l’instant t. À t = 0, p = p0 (population
initiale).
Supposons que la vitesse de variation de cette population soit proportionnelle à la po-
pulation elle-même. Alors on a :
dp
= kp
dt
On résout et on trouve p(t) = Cekt .
En appliquant la condition initiale, on a C = p0 et donc
p(t) = p0 ekt .
où ∂V est le bord de V (d’élément de surface s), n est la normale extérieure unitaire de
V et q le vecteur flux de chaleur. Si on applique le théorème de Gauss, on obtient
Z Z
q.nds = divq dx.
∂V V
6
Chapitre 1. Introduction à la modélisation mathématique
En regroupant les termes de (1.3) et en utilisant le faite que le volume élémentaire V est
quelconque, indépendante du temps, on en déduit l’équation de conservation de l’énergie
∂θ
c + divq = f (1.4)
∂t
qui a lieu en tout point x ∈ Ω et tout temps t.
Rappelons que l’opérateur divergence est définie par :
N
X ∂qi
divq = , avec q = (q1 , . . . , qN )t .
i=1
∂xi
q = −k∇θ, (1.5)
où k est une constante positive (qui dépend du type de matériau) appelée conductivité
thermique.
Rappellons que l’opérateur gradient est défini par :
t
∂θ ∂θ
∇θ = ,..., .
∂x1 ∂xN
En combinant la loi de consevation (1.3) et la loi constitutive (1.5), on obtient une équation
pour la température θ
∂θ
c − k∆θ = f,
∂t
où ∆ = div∇ est l’opérateur Laplacien donné par
N
X ∂ 2θ
∆θ = .
i=1
∂x2i
Il faut ajouter à cette équation qui valable dans tout le domaine Ω, une relation dite
conditions aux limites, qui indique ce qui se passe à la frontière ou au bord ∂Ω, et une
autre relation qui indique quel est l’état initial de la température.
Par convention, on choisit l’instant t = 0 pour être le temps initial, et on impose la
condition initiale
7
Chapitre 1. Introduction à la modélisation mathématique
8
Chapitre 1. Introduction à la modélisation mathématique
Le problème (1.10) est constitué d’une équation aux dérivées partielles muni de condi-
tions aux limites et d’une condition initiale. À cause de la condition aux limites, on dit
que (1.10) est un problème aux limites, mais aussi on dit que c’est un problème de
Cauchy à cause de la donnée initiale en temps.
Remarque 1.2.1 Dans ce modèle de propagation de la chaleur, il nous faut préciser les
unités ou dimensions physiques : la température s’exprime en Kelvin (K), la chaleur spécifique
c en Joule par kilogramme par Kelvin (J/(Kg×K)), la conductivité thermique (par unité de
masse) k en joule mètre carré par kilogramme par Kelvin par seconde (Jm2 (/Kg ×K ×s)).
D’un point de vu mathématique, nous allons très souvent oublier ces unités, et même ces
constantes en supposant que c et k valent 1.
Remarque 1.2.2 Nous avons mentionné trois types de conditions aux limites : Dirichlet,
Neumann, Fourier, (mais il en existe d’autres) qui ont lieu sur l’intégralité de la frontière
∂Ω. Bien sûr, on peut aisément imaginer des situations où les conditions aux limites sont
mélangées : Dirichlet sur ∂ΩD , Neumann sur ∂ΩN et Fourier sur ∂ΩF , avec ∂ΩD , ∂ΩN et
∂ΩF formant une partition de la frontière ∂Ω.
Remarque 1.2.3 L’équation de la chaleur (1.10) est linéaire au sens où la solution θ dépend
linéairement des données (f, θ0 ). En physique cette propriété de la linéarité est souvent tra-
duite sous la forme du principe de superposition : une combinaison linéaire des solutions
correspondant à terme de la décomposition des données.
D’un point de vu physique, la linéairité n’est qu’une hypothèse parmi tant d’autres. En effet,
pour les problèmes à forte variation de température, la loi de Fourier est fausse et il faut la
corriger en supposant que la conductivité thermique k dépend en faite de la température θ
et son gradient ∇θ ( ce qui rend le problème non-linéaire).
Pire encore, pour des phénomènes extrêmement rapide (explosion, par exemple), il est nécessaire
d’abanner le principe même de la loi de Fourier qui suppose la proportionnalité du flux q
avec le gradient de température ∇θ. En effet, cette hypothèse (naturelle, à première vue) en-
traı̂ne une propriété paradoxale : la chaleur se propage à une vitesse infinie dans le domaine
Ω.
Retenons que modéliser c’est faire des hypothèses et préiser leur domaine de validité.
9
Chapitre 1. Introduction à la modélisation mathématique
Remarque 1.2.5 Le problème (1.10) intervient en finance où il porte le nom du modèle
Black et Scholes. Une variante de (1.10) permet de trouver le prix de l’option d’achat (ou
call) d’une action qui vaut initialement x et qu’on pourra acheter au prix k dans un temps
future T > 0. . La question est de fixer le prix d’une option d’achat.
. Une option d’achat est un contrat entre un vendeur et un acheteur, établi au temps t = 0.
. Le contrat donne à l’acheteur le droit d’acheter un bien appartenant au vendeur, non pas
tout de suite mais plus tard et à un prix k, le prix d’exercice, qui est convenu à l’avance.
. Le contrat a un prix, payé par l’acheteur au vendeur à t = 0, sinon le vendeur n’aurait
aucune raison réelle de l’accepter. Pour l’acheteur, c’est une assurance contre les fluctuations
futures des prix puisque le prix d’exercice est fixé.
. Le prix u doit être calculé de manière à ce que le jeu soit en moyenne juste, ou du moins
paraisse juste.
. La possibilité de tarification des options repose sur une modélisation du marché et sur une
hypothèse dite de non-arbitrage signifiant qu’il est impossible de s’assurer des gains sans
prendre de risques.
. Pour rendre les choses un peu plus précises, le prix de l’actif à l’instant t est notéé St . C’est
un processus stochastique en temps continu.
. Dans le cas d’un call américain, l’acheteur acquiert le droit d’exercer l’option, c’est-à-dire
d’acheter l’actif au prix k, à tout moment t ∈ [0, T ], où T est une date d’expiration conve-
nue en avance. L’acheteur n’a aucune obligation de le faire, et après le temps T , l’option
disparaı̂t.
. L’acheteur n’a pas intérêt d’exercer l’option au temps T si St < K (il vaut mieux acheter
au prix du marché ou ne pas acheter du tout). D’autre part, l’acheteur aurait également pu
investir le montant u à un taux d’intérêt fixe r sans risque. Par conséquent, un profit ne sera
réalisé qu’en exerçant l’option si St > ert u + K, qui est le critère de décision.
L’acheteur parie que cette situation se produira avant l’instant T , auquel cas il achète l’actif
pour un prix K et le revend immédiatement sur le marché au prix St , empochant ainsi la
différence St − K.
.L’équilibre global de l’opération est soit −u si l’option n’est pas exercée, soit St − K − u si
elle est exercée.
. Le vendeur gagne toujours u et perd St − K si l’acheteur exerce l’ option, dans le sens où
il aurait pu vendre à l’instant t au prix du marché à quelqu’un d’ autre. Par conséquent, le
pari est que l’acheteur n’exercera pas l’option. Le vendeur doit également chercher à couvrir
les pertes au cas où l’acheteur exercerait l’option. Le prix u est destiné à compenser ces pertes
potentielles.
. Le prix de l’option u est fonction du prix de l’actif, qui est représenté par une variable
x ∈ R+ . On introduit le prix à l’instant t, c’est-à-dire le prix qu’aurait l’option si elle était
achetée à l’instant t avec le même prix d’exercice K et la même date d’expiration T .
. Le prix de l’option est donc une fonction de deux variables u(x, t).
. On veut déterminer u(x; 0) en fonction de x afin de définir les termes du contrat, puisque
10
Chapitre 1. Introduction à la modélisation mathématique
à t = 0, le prix de l’actif S0 est connu et le prix de l’option est donc u(S0 , 0).
. Le prix de l’option à t = T est évidemment u(x, T ) = max(x − K, 0).
. puisque l’option n’est exercée à T que si le prix de l’actif est supérieur à K, et qu’il ne reste
plus de temps pour investir u(x, T ) à un taux d’intérêt fixe.
A l’issue d’une étape de modélisation stochastique, on obtient une EDP déterministe pour la
fonction u(x, t), de la forme :
∂u 1 ∂ 2u ∂u
(x, t) + σ 2 x2 2 (x, t) + µx (x, t) − ru(x, t) = 0, (x, t) ∈ R+ × [0, T ]
∂t 2 ∂x ∂x
(1.11)
avec le condition initiale u(x, t = T ) = u(x, T ) = max(x − K, 0).
C’est l’équation de Black et Scholes.
. Elle a une condition finale et non une condition initiale pour des raisons de modélisation.
Une autre raison est que la partie principale de l’opérateur différentiel est fondamentalement
similaire à une équation de chaleur inverse.
La constante σ est appelée la volatilité des actifs, une mesure du comportement plus ou
moins erratique du prix des actifs, et µ est la tendance, une sorte de taux de croissance
moyen.
. Les bizarreries de l’équation de Black et Scholes sont corrigées par un simple changement
de variable.
Psons v(y, τ ) = u(ey , T − τ ), alors
1 2 ∂ 2v
∂v 1 2 ∂v
(y, τ ) − σ (y, τ ) − µ − σ (y, τ ) − rv(y, τ ) = 0, (y, τ ) ∈ R+ × [0, T ]
∂τ 2 ∂y 2 2 ∂y
(1.12)
avec la condition initiale (puisque le temps a été inversé) v(y, 0) = max(ey − K, 0).
. Nous retrouvons une équation de la chaleur ordinaire avec la bonne direction du temps,
dont l’effet est de diffuser le prix, corrigé par un terme de transport permettant de contrôler
1
la dérive des prix (en temps inverse) à la vitesse −(µ − σ 2 ). Le terme rv est un terme de
2
mise à jour par rapport au taux d’intérêt qui peut être éliminé par un autre changement de
variables.
. . Supposons que la corde est tendue avec une tension (force appliquée aux extrémités)
T > 0, mesurée en Newton (N).
. Si la seule force agissant sur la corde est la tension, alors la corde s’installe dans une
position d’équilibre qui n’est autre que le segment [0, L].
. Appliquons d’autres forces à la corde (son poids par exemple). Pour simplifier, suppo-
sons que cette force supplémentaire est perpendiculaire au segment et décrite par une
densité linéique f , i.e., une fonction f : [0, L] −→ R telle que la composante verticale
Z b
de la force appliquée à une partie [a; b] de la corde est égale à l’intégrale f (x)dx.
a
11
Chapitre 1. Introduction à la modélisation mathématique
. En supposant que la corde est homogène, alors son poids est représenté par la fonction
f (x) = ρg, où ρ est la masse de la corde par unité de longueur et g est l’accélération
gravitationnelle.
En raison de la force appliquée supplémentaire, la corde se déforme et s’installe dans une
nouvelle position d’équilibre inconnue.
. Nous supposons que tout point situé initialement en (x, 0) se déplace verticalement
et atteint une position d’équilibre (x, u(x)) (figure 2). La corde déformée est décrite par
une courbe paramétrique dans R2 , x 7−→ (x, u(x)), où u est la fonction inconnue à
déterminer.
où f et c sont deux fonctions données définies sur ]0, L[ et A, B sont deux constantes
données.
. La fonction c n’a pas d’interprétation mécanique spécifique. La condition aux limites
est appelée une condition aux limites de Dirichlet.
. Intéressons-nous à des questions d’existence et d’unicité de la solution.
Théorème 1.2.1 Si c est une fonction continue, non négative, alors le problème (1.13) ad-
met au plus une solution de classe C 2 ([0, L]).
Preuve Soient u1 et u2 deux solutions de classe C 2 ([0, L]), et posons w = u2 − u1 . On
vérifie facilement que w résout le problème aux limites homogène :
00
−w (x) + c(x)w(x) = 0 dans ]0, L[
(1.14)
w(0) = w(L) = 0.
12
Chapitre 1. Introduction à la modélisation mathématique
Puisque [w0 w]L0 = 0, étant donné les conditions aux limites satisfaites par w. L’intégrande
est une fonction continue qui est non négative en raison de l’hypothèse du signe de c.
Son intégrale est zéro, donc elle est identique à zéro. En particulier, w0 (x) = 0, ce qui
implique w(x) = w(0) = 0 pour tout x d’où u1 = u2 , qui est le résultat d’unicité.
Théorème 1.2.2 Si c est une fonction continue, non négative, alors le problème (1.13) ad-
met une unique solution de classe C 2 ([0, L]).
Preuve Admise.
. De tels problèmes aux limites ont une propriété appelée le principe du maximum.
Théorème 1.2.3 (Principe du maximum)
Supposons que c ≥ 0 et que le problème (1.14) a une solution u de classe C 2 ([0, L]). Si
f ≥ 0 dans ]0, L[, A ≥ 0, B ≥ 0, alors on a u ≥ 0 dans [0, L].
Preuve Raisonnons par contradiction, en supposant qu’il existe un point x0 tel que
u(x0 ) < 0.
Comme u(0) = A ≥ 0 et u(L) = B ≥ 0, alors il s’ensuit que x0 ∈ ]0, L[. Comme
u est continue, il existe donc un intervalle [α, β] tel que [α, β] ⊂ [0, L] et u ≤ 0
sur [α, β]. Supposons que u(α) = u(β) = 0 par le TVI. Sur l’intervalle [α, β], c et
f sont positives et u est non positive, donc u00 (x) = c(x)u(x) − f (x) ≤ 0. On en
déduit que la fonction u est concave sur [α, β]. Maintenant comme x0 ∈ [α, β], il existe
λ ∈ [0, 1] tel que x0 = λα + (1 − λ)β. Par conséquent, la concavité de u implique que
u(x0 ) ≥ λu(α) + (1 − λ)u(β) = 0. e qui est contradictoire.
d
X ∂ 2u
avec ∆u = , est appelé l’équation de Poisson.
i=1
∂xi 2
. L’équation de Poisson apparaı̂t dans de nombreux domaines des mathématiques et
13
Chapitre 1. Introduction à la modélisation mathématique
u = 0 sur ∂Ω,
14
Chapitre 1. Introduction à la modélisation mathématique
. Il n’y a pas de condition aux limites ici car la variable spatiale x s’étend sur tout R.
Cette EDP est de premier ordre en temps et en espace.
. Passons maintenant à la résolution de l’équation de transport. Puisque les particules se
déplacent toutes à la même vitesse a, on peut regarder la variation de u sur la trajectoire
d’une particule t 7→ x + at avec x fixé. On calcule ainsi la dérivée :
d ∂u ∂u
[u(x + at, t)] = a (x + at, t) + (x + at, t) = 0.
dt ∂x ∂t
Autrement dit, u est constante le long des trajectoires. En particulier,
. Les courbes t 7→ (x + at, t) dans l’espace-temps R × R+ , qui sont ici des droites, sont
appelées les caractéristiques de l’équation. Elles sont utilisées pour résoudre l’équation
avec la méthode des caractéristiques.
. Pour déterminer la valeur de u en un point (x, t) de l’espace-temps, il suffit de regarder
la caractéristique unique passant par ce point, de prendre le point où elle coupe l’axe
t = 0 et de prendre la valeur de u0 à ce point. Cette construction revient simplement à
réécrire la formule (1.18) sous la forme
15
Chapitre 1. Introduction à la modélisation mathématique
. Nous avons établi le caractère unique de la solution, mais pas encore son existence.
Heureusement, nous avons une formule explicite, il suffit donc de vérifier qu’il s’agit
bien d’une solution.
. Calculons les dérivées partielles de u données par la formule (1.19), en supposant u0
assez lisse. Nous avons
∂u ∂u
(x, t) = u00 (x − at) et (x, t) = −au00 (x − at),
∂x ∂t
où u00 est la dérivée ordinaire de u0 . L’EDP est donc clairement satisfaite. De plus, la
condition initiale est aussi trivialement satisfaite en fixant t = 0 dans la formule (1.19).
Par conséquent, nous avons trouvé la solution unique.
. L’équation de transport admet des versions en dimensions plus élevées, qui sont beau-
coup plus compliquées que la version unidimensionnelle. Elle peut également être définie
dans des ensembles ouverts de Rd . Dans ce cas, des conditions aux limites doivent être
ajoutées en plus de la condition initiale. La question de la valeur aux limites est délicate
selon que la vitesse de transport, qui est alors un vecteur, pointe vers l’intérieur ou vers
l’extérieur de l’ensemble ouvert. . Illustrons cela en dimension 1. Supposons que la vi-
tesse constante a est strictement positive et on considère le problème
∂u ∂u
(x, t) + a (x, t) = 0, pour x ∈ ]0, 1[ , t > 0
∂t ∂x
u(x, 0) = u0 (x) pour x ∈ [0, 1] (1.20)
u(0, t) = g(t) pour t > 0,
où g est une condition aux limites de Dirichlet donnée à x = 0 telle que g(0) = u0 (0) et
g 0 (0) = −au00 (0).
. Ce problème a la solution explicite pour t > 0
u0 (x − at) pour at ≤ x ≤ 1
u(x, t) = (1.21)
x
g(t − )
pour 0 ≤ x ≤ min(at, 1).
a
16
Chapitre 1. Introduction à la modélisation mathématique
Cela signifie que la condition initiale est transportée le long des caractéristiques dans
la région at ≤ x ≤ 1, t > 0, alors que c’est la condition aux limites à x = 0 qui est
transportée, toujours le long des caractéristiques, dans la région 0 ≤ x ≤ min(at, 1).
1
En particulier, l’expression (1.21) impose la valeur u(1, t) = u0 (1 − at) pour t <
a
1 1
et u(1, t) = g(t − ) pour t ≥ à x = 1 de sorte n’est pas possible d’attribuer une
a a
condition aux limites de Dirichlet au point x = 1.
17
Chapitre 1. Introduction à la modélisation mathématique
Exercices 1.2.1 On se place dans le cas de dimension N = 1 d’espace. On suppose que les
données initiales u0 (x) et u1 (x) sont régulières (i.e des fonctions indéfiniment dérivables),
et que f = 0, avec Ω = R. On note U1 une primitive de u1 . Vérifier que
1 1
u(x, t) = (u0 (x + t) + u0 (x − t)) + (U1 (x + t) − U1 (x − t)) , (1.23)
2 2
est solution unique de (1.22) dans la classe des fonction régulières.
∂u
N +
i ∂t (x, t) + ∆u(x, t) − V (x)u(x) = 0 dans R × R
(1.24)
u(x, t = 0) = u0 (x) dans RN
Il n’y a pas de conditions aux limites apparentes dans (1.24) puisque l’équation a lieu
dans tout l’espace (qui n’a pas de bord).
. Puisque le carré du module de la fonction d’onde est interprété comme une densité de
probabilité de présence, nous devons imposer
Z
|u(x, t)|2 dx = 1.
RN
18
Chapitre 1. Introduction à la modélisation mathématique
∂div(ui )
−µ∆ui − (µ + λ) ∂x = fi dans Ω
i
(1.26)
ui = 0 sur ∂Ω
pour 1 ≤ i ≤ N .
Remarquons que si (λ + µ) 6= 0, alors les équations pour chaque composante ui sont
couplées par le etrme de divergence. Èvidemment en dimension N = 1, le sytème de
Lamé n’a qu’une seule équation et se réduit au Laplacien.
19
Chapitre 1. Introduction à la modélisation mathématique
vitesse u(x) (un vecteur) et la pression p(x) (un scalaire) sont solutions de
∇p − µ∆u = f dans Ω
divu = 0 dans Ω
(1.27)
u = 0 sur ∂Ω
B =b×N
D =d×N
avec b le taux de natalité et d le taux de mortalité.
Si nous revenons à la première relation, ∆N = (b − d)N ∆t, ce qui donne
∆N
= (b − d)N.
∆t
Si on fait tendre ∆t vers 0, alors on a :
∆N dN
lim = = N 0 (t) = (b − d)N (t)
∆t−→0 ∆t dt
20
Chapitre 1. Introduction à la modélisation mathématique
Remarque 1.2.6 Outre les naissances et les décès, il faudrait en toute rigueur prendre en
compte la migration qui peut modifier l’effectif de la population, positivement ou négativement.
Dans cette partie, on considerera le cas d’une population isolée, c’est-à-dire sans flux migra-
toire.
Évolution exponentielle
L’équation précédente fait intervenir une fonction (N (t)) et sa dérivée (N 0 (t)). C’est
une équation différentielle du premier ordre dont la solution est de la forme :
21
Chapitre 1. Introduction à la modélisation mathématique
On retrouve l’équation de Malthus lorsque K tend vers l’infini, c’est-à-dire lorsque le mi-
lieu peut fournir des ressources illimitées et donc que la population peut croı̂tre indéfiniment,
comme dans le cas de la croissance exponentielle.
Cette équation différentielle admet plusieurs solutions à une constante près. Une solu-
tion est :
K × ert
N (t) = N0 . (1.31)
K + N0 × (ert − 1)
K × ert e−rt N0 K K
N (t) = N0 × = N (t) = =
K + N0 × (ert − 1) e−rt Ke−rt + N0 (1 − e−rt ) K −rt
e + 1 − e−rt
N0
ce qui conduit à,
K
N (t) = . (1.32)
K −rt
−1 e +1
N0
Remarque 1.2.7 La fonction logistique est aussi connue sous le nom de fonction sigmoı̈de
de part sa forme caractéristique en S. Ce type de fonction est très utilisé dans les algorithmes
d’apprentissage automatisé qu’on appelle réseau de neurones .
22
Chapitre 1. Introduction à la modélisation mathématique
Pour calculer l’évolution de cette population à différents temps successifs, nous allons
∆N (t)
faire l’approximation que N 0 (t) ' où ∆N (t) est la différence de population
∆t
entre deux temps successifs (t + 1 et t) et ∆t est la différence de temps correspondantes
(entre t + 1 et t). Les valeurs de N (t) en fonction de t pour différents temps sont listées
dans le tableau suivant :
∆N (t) N (t + 1) − N (t)
Nous avons donc N 0 (t) ' = = N (t + 1) − N (t)
∆t (t + 1) − t
23
Chapitre 1. Introduction à la modélisation mathématique
24
Chapitre 1. Introduction à la modélisation mathématique
Exercice 2 L’évolution dans le temps de l’effectif d’une population de souris est modélisée
2
selon la fonction f (x) = + 3x + 1.
1 + x2
La variable x mesure le temps (en jours) et f (x) mesure l’effectif de la population (en
dizaines d’individus).
Aujourd’hui correspond à x = 0.
Répondez aux questions suivantes (attention : les réponses doivent être des nombres en-
tiers !) :
(a) Quel est l’effectif de la population aujourd’hui ?
(b) Quel était l’effectif de la population hier ?
(c) Quel sera l’effectif de la population dans 48 heures ?
(d) Quel sera l’effectif de la population dans trèes longtemps ?
(e) Quel était l’effectif de la population il y a très longtemps ?
Exercice 3 Une étude des chèvres du Tibet révèle que l’effectif des chèvres au temps t (me-
25
Chapitre 1. Introduction à la modélisation mathématique
f (x) = 2x + 5
où x mesure le temps (en semaines) et f (x) mesure l’effectif de la population (en milliers
d’individus) au temps x. Le début de l’expérience correspond à x = 0.
1. Quel est l’effectif deux semaines après le début de l’expérience ?
2. Quelle est la variation absolue de l’effectif au cours de la première semaine ?
3. Quelle est la variation relative de l’effectif au cours des quatre premières semaines ?
4. Quelle est la vitesse de variation de l’effectif une semaine après le début de l’expérience ?
Utilisez l’approximation ln 2 ≈ 0, 7.
5. Est-ce qu’après un an la population aura dépassé les dix millions de milliards d’in-
dividus ?
où la variable x mesure le temps en jours et x = 0 correspond à l’instant actuel. Les bactéries
sont comptés en milliers d’individus.
Comparer la taille des deux populations aux moments suivants :
1. Il y a un jour et demi.
2. Dans un jour.
3. Dans deux jours.
Comparer la vitesse de croissance des deux populations aux moments suivants :
1. Il y a 24 heures.
2. Dans 36 heures.
3. Dans une semaine.
Exercice 6 L’effectif H d’une population de cerfs dans une forêt dépend de l’effectif x des
prédateurs dans la région et de la quantité de nourriture disponible y, selon la loi
y 2 − 20y + 112
H(x, y) = .
2−(x2 −4x+3) + 1
Les tailles des populations de cerfs et de prédateurs sont mesurées en dizaines d’individus,
la quantité de nourriture disponible est mesurée en tonnes.
26
Chapitre 1. Introduction à la modélisation mathématique
27