Introduction à la modélisation

mathématiqe

Enseignant : SOAMPA Bangan

Faculté des Sciences et Techniques
Email : bangansoampa@gmail.com
Mousson 2022-2023

1
Table des matières

1 Introduction à la modélisation mathématique 3

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Concepte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Objectifs, perspectives . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Exemples de modèles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Modèles classiques . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Quelques applications des équations différentielles . . . . . . . . 5
1.2.3 Equation de la chaleur . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.4 Déformation d’une corde élastique . . . . . . . . . . . . . . . . . 11
1.2.5 Déformation d’une membrane élastique, Le Laplacien . . . . . . 13
1.2.6 Equation de transport . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.7 Équation des ondes . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.8 Equation de Schrödinger . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.9 Système de Lamé . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.2.10 Système de Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.2.11 Équation des plaques . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.2.12 Modèle de Malthus . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.2.13 Modèle de Verhulst . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.2.14 Équation logistique . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.2.15 Rôle de la capacité biotique (K) : exemple d’une population de
lapins . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.2.16 Détermination et stabilité des points d’équilibre . . . . . . . . . . 24
1.3 Travaux dirigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25

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.

1.1.2 Objectifs, perspectives

. donner des bases qui permettront aux futurs masters ou ingénieurs de créer de
nouveaux modèles, et de nouveaux algorithmes pour des problèmes complexes ;
. dans les bureaux d’étude, de nombreuses décisions sont prises sur la foi des résultats
de calcul ;
. les décideurs doivent pouvoir juger de la qualité et de la fiabilité des calculs présentés ;
. ceci impose la connaissance des critères garantissant la validité et la pertinence des
simulations numériques.

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.

Remarque 1.1.1 notons le caractère pluridisciplinaire de ce domaine des mathématiques,

à l’intersection de nombreuses disciplines : physique, chimie, biologie, économie, médecine,
informatique, etc.

1.2 Exemples de modèles

1.2.1 Modèles classiques
Exemple 1.2.1 On laisse tomber un corps de masse m d’une certaine hauteur.
Question : Établir la loi de variation de vitesse de cette chutte si le corps éprouve une
résistance de freinage de la part de l’air proportionnelle à la vitesse.

4
Chapitre 1. Introduction à la modélisation mathématique

On nous demande d’établir v = f (t).

Désignons par k le coefficient de proportionnalité. D’après la deuxième loi de Newton, on :

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

Il suffit d’intégrer de 0 à t et prendre t = 15s en valeur absolue.

1.2.2 Quelques applications des équations différentielles

a) Désignons par D(t) la dette nationale d’un pays à l’instant t et désignons par y(t)
le revenu national de ce pays. À l’instant t = 0, on a la dette initiale et le revenu du pays
initial
Question : Déterminer y(t) et D(t) puis étudier le rapport ou le quotient si la vitesse
de la dette est proportionnelle au revenu national et si la vitesse du revenu national est
proportionnelle à elle-même.

Solution


0
D (t) = ay(t),
 a>0
(1.2)

 0
y (t) = by(t) b > 0.

On résout la seconde équation de (1.2) et on trouve y(t) = y0 ebt . En remplaçant dans la

première équation, on a :

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 .

1.2.3 Equation de la chaleur

Considérons un domaine Ω de l’espace à dimension N (noté RN , avec en général
N = 1, 2, ou 3) que l’on suppose occupé par un matériau homogème, isotrope et
conducteur de la chaleur. On note x la vrariable d’espace, c’est-à-dire un point de Ω, et t
la variable temps. Dans Ω, les sources de chaleur (éventuellement non uniformes en es-
pace et variable dans le temps) sont représentées par une fonction donnée f (x, t), tandis
que la température est une fonction inconnue θ(x, t). La quantité de chaleur est propor-
tionnelle à la température θ et vaut cθ, où c est une constante physique (qui dépend du
type de matériau) appelée chaleur spécifique. Pour déterminer la température θ, nous
érivons la loi de conservation de l’énergie ou de la quantité de chaleur. Dans un volume
élémentaire V inclus dans Ω, la variation en temps de la quantité de chaleur est le bi-
lan de ce qui est produit par les sources et de ce qui sort ou rentre à travers les parois.
Autrement dit,
Z  Z Z
d
cθdx = f dx − q.nds (1.3)
dt V V ∂V

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

Il faut maintenant relier le flux de chaleur à la température, et on fait appel à ce qu’on

appelle la loi constitutive. Dans le cas présent il s’agit de la loi Fourier qui relie le flux
de chaleur de manière proportionnelle au gradient de température

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

θ(t = 0, x) = θ0 (x), (1.6)

où θ0 est la fonction de distribution initiale de température dans le domaine Ω. En ce qui

conserne la condition aux limites, cela dépend des conditions physiques. Si le domaine
est supposé baigner dans un thermostat à température constante, alors, quitte à modifier
l’échelle des températures, la température vérifie la condition aux limites de Dirichlet

θ(t, x) = 0 pour tout x ∈ ∂Ω, et t > 0. (1.7)

7
Chapitre 1. Introduction à la modélisation mathématique

Si le domaine est supposé adiabatique ou thermiquement isolé de l’extérieur, alors, le

flux de chaleur sortant au bord est nul et la température vérifie la condition aux limites
de Neumann
∂θ
(t, x) = n(x).∇θ(t, x) = 0 pour tout x ∈ ∂Ω, et t > 0, (1.8)
∂n
où n est la normale extérieure unité de Ω (voire figure 1.1). Une situation intermédiaire
peut aussi avoir lieu : le flux de chaleur sortant au bord est proportionnel au saut de
température entre l’extérieur et l’intérieur, et la température vérifie la condition aux
limites de Fourier
∂θ
(t, x) + αθ(t, x) = 0 pour tout x ∈ ∂Ω, et t > 0, (1.9)
∂n
où α est une constante positive. Puisqu’il faut choisir (c’est-à-dire les étapes de la modélisation),
nous allons sélectionner la condition aux limites de Dirichlet (1.7).
Rassemblant enfin l’équation, la condition initiale et la condition aux limites satisfaites

8
Chapitre 1. Introduction à la modélisation mathématique

par la température, on obtient l’équation de la chaleur


∂θ

 c − k∆θ = f pour (x, t) ∈ Ω × R∗+
∂t






θ(x, t) = 0 pour (x, t) ∈ ∂Ω × R∗+ . (1.10)







θ(t = 0, x) = θ (x) pour x ∈ Ω
0

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.

Remarque 1.2.4 Le modèle (1.10) n’est pas seulement un modèle de propagation de la

chaleur. Il en fait un caractère universel, et on le retrouve comme modèle de nombreux
phénomènes sans aucun rapport entre eux (il faut seulement changer le non des différentes
variables). Par exemple, (1.10) est aussi connu sous le nom d’équation de diffusion et

9
Chapitre 1. Introduction à la modélisation mathématique

modélise ou migrationd’une concentration ou densité à travers le domaine Ω (imaginer un

polluant diffusant dans l’atmosphère, ou bien une espèce chimique migrant dans un subtrat.)
Dans ce cas θ est la concentration ou la densité en question, q est le flux de masse, k est la
diffusivité, et c est la densité volumique de l’espèce. De même, la loi de conservation (1.4) est
un bilan de masse, tandis que la loi constitutive (1.5) est appelée loi de Fick.

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.

1.2.4 Déformation d’une corde élastique

. Considérons une corde élastique mono-dimensionnelle dans le segment [0, L] de
R ou R3 , fixée en x = 0 et en x = L
2

. . 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.

. Ceci conduit à un modèle (légèrement généralisé) du problème de la corde, sous la forme

du problème aux limites suivant :

00
−u (x) + c(x)u(x) = f (x) dans ]0, L[

(1.13)

u(0) = A, u(L) = B,


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.


Multiplions l’équation différentielle (1.14) par w et intégrons entre 0 et L, cela donne

Z L Z L
00
− w (x)w(x)dx + c(x)w2 (x)dx = 0. (1.15)
0 0

12
Chapitre 1. Introduction à la modélisation mathématique

En intégrant par parties une fois le premier terme, on obtient

Z L
 02
w (x) + c(x)w2 (x) dx = 0

0

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. 

1.2.5 Déformation d’une membrane élastique, Le Laplacien

. Il s’agit de la version bidimensionnelle de la corde élastique ;
. Il existe de nombreux exemples de membranes élastiques : la peau d’un tambour, une
membrane cellulaire biologique, les voiles d’un bateau, un ballon de fête, etc.
. Pour modéliser cette situation, donnons-nous un ensemble ouvert Ω de R2 , dont la
frontière ∂Ω représente le bord de l’ouverture du conteneur. Chaque point x de la fer-
meture Ω̄ de Ω représente un point matériel de la membrane lorsqu’elle est étirée sans
aucune autre force appliquée.
. Le problème des valeurs aux limites dans toute dimension, Ω ⊂ Rd , d ≥ 1

−∆u = f dans Ω

(1.16)

u = 0 sur ∂Ω,


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

de leurs applications. Par exemple, pour d = 3, si f représente la densité de charge

électrique présente dans Ω et que la frontière de Ω est couverte par un matériau parfai-
tement conducteur, alors −u est le potentiel électrique à l’intérieur de Ω. Le gradient de
−u est le champ électrique.
. Plus généralement, l’équation de Poisson est centrale dans toutes les questions relatives
au potentiel newtonien, par ex. en électromagnétisme, en gravité classique.
. Si f représente une densité de sources de chaleur dans Ω et la quantité de chaleur
qu’elles dégagent, alors u est la température d’équilibre dans Ω lorsque les parois de la
pièce ∂Ω sont conservées à la température 0 degré.
En effet, pour certains choix du terme source f , la solution de l’équation de chaleur (1.10)
atteint un état stationnaire , c’est-à-dire que u(x, t) admet une limite u∞ (x) quand t
tend vers l’infini. Souvent il est intéressant de calculer directement cet état stationnaire.
Dans ce cas, pour un terme source f (x) indépendant du temps, on résout une équation
du deuxième ordre en espace

−∆u = f dans Ω



u = 0 sur ∂Ω,


que l’on appelle équation de Poisson.

C’est pourquoi l’équation de Poisson est parfois appelée équation de diffusion, car elle
modélise également la diffusion de la chaleur.
. Il existe également une interprétation probabiliste de l’équation de Poisson. Pour f =
2, u(x) est l’espérance du premier temps de sortie à partir de Ω d’un mouvement brow-
nien standard à partir du point x.
En d’autres termes, une particule se déplaçant aléatoirement dans Rd et partant d’un
point x dans Ω atteindra ∂Ω pour la première fois en un temps moyen u(x).
. L’équation de Poisson satisfait le principe du maximum.

Théorème 1.2.4 Soit Ω un sous-ensemble ouvert borné de Rd et u ∈ C 2 (Ω) ∩ C 0 (Ω̄) une

solution de l’équation de Poisson (1.16), avec f ≥ 0 dans Ω. Alors on a u ≥ 0 dans Ω.

. Lorsque f = 0, l’équation est connue sous le nom d’équation de Laplace, ou Laplacien

dont les solutions sont les fonctions harmoniques.

1.2.6 Equation de transport

. Imaginons une sorte de gaz composé de particules se déplaçant dans un tube droit
infini T dans R3 de forme R × D, où D est un disque de surface unitaire dans le plan
(x2 , x3 ).
. Au lieu de suivre chaque particule individuellement, nous pouvons décrire le gaz en
utilisant une fonction u : T × R+ −→ R+ , où u(x; t) mesure la densité de particules au
point x et à l’instant t. C’est ce qu’on appelle une description cinétique.
La densité initiale des particules à t = 0 est notée u0 (x) = u(x, 0). On suppose qu’elle
est donnée, on l’appelle une condition initiale.
. Pour simplifier, supposons ici que toutes les particules se déplacent à la même vitesse

14
Chapitre 1. Introduction à la modélisation mathématique

constante ae1 , où a ∈ R, est donnée.

. on obtient l’équation de transport à vitesse donnée a et pour une condition initiale
donnée :
∂u ∂u

 ∂t (x, t) + a ∂x (x, t) = 0, pour (x, t) ∈ R× ∈ R+


. (1.17)


u(x, 0) = u0 (x) pour x ∈ R


. 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,

u(x + at, t) = u(x, 0) = u0 (x). (1.18)

. 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

u(x, t) = u0 (x − at), (1.19)

ce qui prouve l’unicité de la solution, grâce à une formule explicite.

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.

1.2.7 Équation des ondes

L’équation des onde modélise les phénomènes de propagation d’onde ou de vibration.

Par exemple, en deux dimensions d’espace elle est un modèle pour étudier les vibrations
d’une membrane élastique tendue (comme la peau d’un ttambour.) En une dimension
elle est aussi appélée équation des cordes vibrantes. Au repos, la membrane occupe un
domaine plan Ω. Sous l’action d’une force normale à ce plan d’intensité f , elle se déforme
et son déplacement normale est u (voir figure). On suppose qu’elle est fixe sur son bord,
ce qui donne une condition aux limites de Dirichlet. L’équation des onde dont u est

17
Chapitre 1. Introduction à la modélisation mathématique

solution est donnée par :

 2
∂ u
− ∆u = f dans Ω × R+


2 ∗
∂t








+
u = 0 sur ∂Ω × R∗



(1.22)

u(x, t = 0) = u0 (x) dans Ω









 ∂u (x, t = 0) = u1 (x) dans Ω.



∂t
Remarquons qu’il s’agit d’une équation du deuxième ordre en temps et qu’il faut donc
deux conditions initiales pour u. On dira que cette équation est de type hyperbolique
(voir dans la suite).

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.

1.2.8 Equation de Schrödinger

. L’équation de Schrödinger décrit l’évolution de la fonction d’onde u d’ une particule
soumise à un potentiel V .
. Cette fois, u est une fonction d’onde au sens de la mécanique quantique. Rappelons
que u(x, t) est une fonction de RN × R+ à valeur dans C et son module au carré |u|2
s’interprète comme la densité de probabilité pour détecter que la particule se trouve au
point (x, t). La fonction V (x) est une fonction à variable réelle.
.L’équation s’écrit

∂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

. Même si l’équation de Schrödinger présente une similitude formelle avec l’équation de

la chaleur, la présence du facteur imaginaire i lui confère des propriétés radicalement
différentes.
En particulier, l’équation de Schrödinger propage les ondes, contrairement à l’équation
de la chaleur.

1.2.9 Système de Lamé

Le système de Lamé est un cas particulier des équations stationnaires en élasticité
linéaire qui modélise les déformations d’un solide sous l’hypothèse de petites déformations
et de petits déplacements. Pour obtenir le système de Lamé on suppose que le solide
est homogène isotrope et qu’il est fixé sur son bord. La principale différence avec les
modèles précédents est qu’il s’agit ici d’un système d’équations, c’est-à-dire de plu-
sieurs équations couplées entre elles. Le solide au repos occupe un domaine Ω de l’espace
RN . Sous l’action d’une force f , il se déplace et chaque point x se déplace de x + u(x)
La force f (x) est une fonction vectorielle de Ω dans RN , comme le déplacement u(x).
Ce dernier est solution de :

−µ∆u − (µ + λ)∇(divu) = f dans Ω

(1.25)

u=0 sur ∂Ω


où λ et µ sont des constantes, dites de Lamé, caractéristique du métériau homogène,

isotrope dont est constitué le solide. Pour des raison mécaniques, ces constantes vérifient
µ > 0, 2µ + N λ > 0. La condition aux limites de Dirichlet pour u traduit le faite que le
solide est supposé fixe et immobile sur son bord ∂Ω.
Le système (1.25) a été écrite en notation vectorielle. Si on note par fi et ui pour 1 ≤ i ≤
N les composantes de f et u dans la base canonique de RN , (1.25) est équivalente à

∂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.

1.2.10 Système de Stokes

Le système de Stokes modélise l’écoulement d’un fluide incompressible à petite vi-
tesse. On suppose que le fluide occupe un domaine Ω et qu’il adhère à la paroi de clui-ci,
c’est-à-dire que sa vitesse est nulle sur la paroi ( ce qui conduit à une condition aux
limites de Dirichlet). Sous l’action d’une force f (x) ( une fonction de Ω dans RN ), la

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



où µ > 0 est la viscosité du fluide.

Remarquons qu’en plus des N équations ∇p − µ∆u = f (correspondant à la conser-
vation de la quantité de mouvement), il y a une autre équation, divu = 0 appélée
condition d’incompressibilité ( qui correspond à la conservation de la masse ). Si
la dimension de l’espace N = 1, le système de Stokes est sans intérêt, car on voit que la
vitesse est nulle et que la pression est une la primitive de la force. Par contre en dimen-
sion N ≥ 2, le système de Stokes a bien un sens : en particulier il existe des champs de
vitesses incompressibles non triviaux (prendre, par exemple un rotationnel).

1.2.11 Équation des plaques

1.2.12 Modèle de Malthus
Le modèle de l’économiste britannique Thomas Malthus (1798) est basé sur l’hy-
pothèse que la production de nouveaux individus est proportionnelle au nombre d’in-
dividus présents. Tout d’abord, pendant un intervalle de temps ∆t, on considère que la
variation ∆N de la population est donnée par la différence entre les naissances et les
décès :
∆N = (B − D)∆t
avec B le nombre de naissances par unité de temps et D le nombre de décès par unité
de temps.
Comme Malthus l’a fait, on peut ensuite raisonnablement supposer que les naissances
et les décès sont proportionnels à l’effectif de la population. Autrement dit, plus l’effectif
est important, plus il y aura de naissances et de décès (et inversement). On a alors :

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

et nous obtenons finalement

N 0 (t) = rN (t). (1.28)

Avec r = b − d, le taux apparent d’accroissement de la population, c’est-à-dire de com-

bien d’individus la population augmente quand on prend en compte les naissances et les
décès. Dans la suite, r sera appelé taux de croissance intrinsèque.
Ici, N 0 (t) correspond au taux de variation de la population.

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 :

N (t) = N0 ert (1.29)

avec, N0 l’effectif initial de la population à t = 0.

Trois évolutions de la population sont alors possibles :
1. Pour r = 0, N (t) = N0 e0×t = N0 . Quelque soit t, l’effectif de la population reste
constant et vaut N0 .
2. Pour r < 0, l’effectif de la population décroit exponentiellement vers 0. La popu-
lation va disparaitre à terme.
3. Pour r > 0, l’effectif de la population croit exponentiellement vers l’infini. C’est ce
qu’on appelle une croissance exponentielle. Dans ce cas, la population va exercer
une pression démographique importante sur le milieu, c’est-à-dire que de plus en
plus ”individus vont consommer de plus en plus de ressources trouvées dans le
milieu.
Malthus a également fait remarquer que puisque les ressources d’un milieu suivent en
général une croissance linéaire, la croissance exponentielle d’une population (cas où
r > 0 ) n’est pas viable à terme.
Cette idée a donné lieu au malthusianisme qui est la politique visant le contrôle et la
limite démographique d’une population. La politique de  l’enfant unique , mise en
oeuvre en Chine de 1979 à 2015, peut être considérée comme un exemple de malthusia-
nisme.

1.2.13 Modèle de Verhulst

Presque quarante ans après Malthus, le mathématicien belge Pierre-François Verhulst
proposa en 1836 un modèle qui corrige le défaut majeur du modèle de Malthus lorsque
r > 0, à savoir la croissance infinie de la population alors que le milieu dans lequel se
développe cette population est, lui, fini et limité en ressources.

21
Chapitre 1. Introduction à la modélisation mathématique

Verhulst introduit un paramètre K, appelé charge utile du système ou capacité de charge

ou bien encore capacité biotique. Ce paramètre prend en compte la capacité du milieu à
fournir de la nourriture. L’équation différentielle devient alors
 
0 N (t)
N (t) = rN (t) × 1 − . (1.30)
K

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)

Ici r est toujours le taux de croissance intrinsèque de la population, N0 la population

initiale et K la capacité biotique du milieu.
En multipliant par e−rt , puis en simplifiant par N0 , on obtient une autre forme, parfois
plus facile à manipuler :

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

1.2.14 Équation logistique

En 1845, lorsque Verhulst discute de son modèle, il indique  nous donnerons le terme
de logistique à cette courbe , mais sans qu’il n’explique pourquoi. Ce terme a perduré,
et aujourd’hui, l’équation du modèle de Verhulst s’appelle aussi  équation logistique
.

Le graphe de N (t) en fonction de t est représenté par la figure suivante :

La courbe représentative de N (t) admet une asympote horizontale N0 quand t −→ 0 et

une autre asymptote horizontale K quand t −→ +∞.

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

1.2.15 Rôle de la capacité biotique (K) : exemple d’une population

de lapins
Pour mieux comprendre le rôle de la capacité biotique dans l’évolution d’un po-
pulation, considérons une population de N lapins, constituée initialement de 2 lapins
(N0 = 2), avec un taux de croissance instrinsèque de 1 (r = 1) et une capacité biotique
de 10 lapins (K = 10).
L’évolution de la population de lapins à un temps t (dans une unité de temps arbitraire)
est décrite par :
 
0 N (t)
N (t) = rN (t) × 1 − .
K

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

⇐⇒ N 0 (t) ' N (t + 1) − N (t)

⇐⇒ N (t + 1) ' N 0 (t) + N (t).
 
0 N (t)
La relation N (t) = rN (t) × 1 − permet de calculer, pour un temps t donné,
K
tous les élements d’une ligne du tableau précédent.
La relation N (t + 1) ' N 0 (t) + N (t) permet de passer à la ligne suivante.
On remarque que plus la population augmente et s’approche de la capacité biotique K,
N (t)
plus le facteur 1 − s’approche, lui, de 0, limitant alors la croissance N 0 (t) de la
K
population.

1.2.16 Détermination et stabilité des points d’équilibre

Les points d’équilibre de l’équation différentielle (1.30) qui définit le modèle de Ve-
rhulst sont les valeurs de N (t) pour lesquelles N 0 (t) = 0. N 0 (t) s’annule en deux points
d’équilibres, pour N (t) = 0 et N (t) = K.
Pour étudier la stabilité de ces points d’équilibre, nous allons tracer N 0 (t) en fonction de
N (t).
Étude au voisinage de 0.
Au voisinage à gauche de N (t) = 0, N 0 (t) < 0 donc N (t) est décroissante et s’éloigne
de 0.
Au voisinage à droite de N (t) = 0, N 0 (t) > 0 donc N (t) est croissante et s’éloigne de 0.
Par conséquent, le point d’équilibre N (t) = 0 est instable. Une population inférieure à
0 n’a pas de sens. Si la population est supérieure à 0, alors elle va augmenter jusqu’à
atteindre la population d’équilibre K.
Étude au voisinage de K
Au voisinage à gauche de N (t) = K, N 0 (t) > 0 donc N (t) est croissante et se rapproche
de K.
Au voisinage à droite de N (t) = K, N 0 (t) < 0 donc N (t) est décroissante et se rap-
proche de K.
Par conséquent, le point d’équilibre N (t) = K est stable. Si la population est inférieure à
K alors elle va augmenter jusqu’à atteindre la population d’équilibre K. Si la population
est supérieure à K, alors elle va diminuer jusqu’à atteindre la population d’équilibre K.

24
Chapitre 1. Introduction à la modélisation mathématique

1.3 Travaux dirigés

Exercice 1 Pierre et Jacques sont deux frèeres, nées le même jour mais à huit années de
distance, et aujourd’hui c’est leur anniversaire. Dans cinq ans, Jacques aura le double de
l’âge de Pierre, moins vingt. Quel âge ont Pierre et Jacques aujourd’hui ?

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

suré en années) est donné par la fonction

1000 + 300t2
f (t) = .
1 + t2
1. Quand est-ce que l’effectif de la population est maximal et combien de chèvres y a-t-il
à ce moment là ?
2. Que peut-on dire de l’effectif des chèvres dans un passé et dans un futur lointains ?

Exercice 4 Une population de larves évolue selon la loi

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 ?

Exercice 5 Deux populations F et G de bactéries croissent selon les lois

f (x) = xe2x−1 − x2 ex−1 + 1 et g(x) = x2 − 4x + 6

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

1. Déterminez le nombre de prédateurs et la quantité de nourriture disponible quand la

population de cerfs est à son minimum.
2. Quelle est la taille minimale de la population de cerfs dans ce modèle ?
3. Dans une expérience, on maintiens le nombre de prédateurs constant, et égal à 10
individus, alors que la quantité de nourriture disponible évolue dans le temps t (me-
suré en mois), selon une loi y(t), qui ne fait pas partie des données du problème. Au
début de l’expérience (t = 0), il y a 15 tonnes de nourriture disponible et la quan-
tité de nourriture diminue à une vitesse de −200kg par mois. Calculez la vitesse de
croissance de la population de cerfs au début de l’expérience.

27