Sorbonne Université 4MA062 Année univ.

M1 BIM, Maths Systèmes dynamiques à temps discret et continu 2019–2020

Examen final du 10 janvier 2020 : corrigé

Exercice 1
L’objet de cet exercice est l’étude du phénomène de croissance dépendante de la densité (ou plus
exactement de la taille ici) sur un exemple simple. Le phénomène étudié dans la suite s’appelle
compensation (Beverton-Holt, 1957).
1. Le paramètre R0 est le taux de croissance de la population.
2. — Si 0 < R0 < 1, alors u tend vers zéro : la population s’éteint.
— Si R0 = 1, alors u est stationnaire : la taille de la population ne change pas.
— Si R0 > 1, alors u tend vers +∞ : la population explose.
3. La courbe représentative de la fonction f sur [0, +∞[ est une branche d’hyperbole :

Tracé de f
R0

0
0 K

4. Le paramètre R0 est le taux de croissance maximal de la population, approché uniquement quand la taille
de la population est très petite.

1
Sorbonne Université 4MA062 Année univ.
M1 BIM, Maths Systèmes dynamiques à temps discret et continu 2019–2020

5. On a
1
vn+1 =
un+1
1 + R0K−1 un
=
R0 un
1 (R0 − 1)un
= +
R0 un KR0 un
1 R0 − 1
= vn +
R0 KR0
1 R0 −1
soit le résultat attendu avec α = R0 et β = KR0 .
6. On a
wn+1 = vn+1 − `
= αvn + β − `
= α(wn + `) + β − `
= αwn + α` + β − `
β 1
Puisque R0 > 1, α < 1, et en choisissant ` = 1−α = K, on obtient que w est une suite géométrique de
raison α.
7. On a directement
wn = R0−n w0
puis  
1 1
vn = R0−n v0 − +
K K
et finalement
K
un =
R0−n ( uK0 − 1) + 1

8. Puisque R0 > 1, la suite (un ) tend vers K.

9. On peut ainsi interpréter le paramètre K comme la capacité d’accueil du milieu. On remarque que
f (K) = 1, c’est-à-dire que lorsque la taille de la population approche la capacité d’accueil, le taux de
croissance tend vers 1.
Exercice 2
On considère une population dont la taille y évolue au cours du temps t avec un taux de croissance
qui décroît exponentiellement selon l’équation de Gompertz (1825) :

y 0 (t) = r0 exp(−αt)y(t) (1)

avec r0 et α deux paramètres strictement positifs.

1. Une primitive de la fonction t 7→ exp(−αt) sur R est t 7→ − α1 exp(−αt).
2. On trouve que la solution est r 
0
y(t) = y0 exp (1 − e−αt )
α
r0


3. On trouve que la limite de y(t) en +∞ est y0 exp α .
On notera cette limite K et on l’appellera capacité d’accueil par analogie avec des équations vues
en cours.
4. La capacité d’accueil K dépend donc de y0 . Cette situation est contraire à celle par exemple de l’équation
logistique vue en cours. Il faut comprendre que le taux de croissance décroît avec le temps ; ainsi, plus la
population est nombreuse à l’instant initial, plus elle sera nombreuse en temps grand.
5. On calcule  
K r0
ln = exp(−αt)
y(t) α

2
Sorbonne Université 4MA062 Année univ.
M1 BIM, Maths Systèmes dynamiques à temps discret et continu 2019–2020

6. Grâce à la question précédente, c’est une simple vérification :

 
K
αy(t) ln = r0 exp(−αt)y(t) = y 0 (t)
y(t)

Exercice 3
Le but de cet exercice est l’étude du phénomène de compétition entre deux populations de tailles
respectives N1 et N2 . On considère le modèle suivant de compétition dû à Lotka (1932) et Volterra
(1926) : 
dN1 r1

 = f (N1 , N2 ) := N1 (K1 − N1 − α12 N2 )
dt K1

(2)
dN2 r2
N2 (K2 − N2 − α21 N1 )


 = g(N1 , N2 ) :=
dt K2
avec r1 , r2 , K1 , K2 quatre paramètres strictement positifs et α12 , α21 deux paramètres positifs ou
nuls.
1. Lorsque α12 et α21 sont nuls, le système devient
 
dN1 N1



 dt = f (N 1 , N2 ) := r N
1 1 1 −
K1
  (3)
 dN2 N2

 = g(N1 , N2 ) := r2 N2 1 −
dt K2

et les deux populations sont découplées et suivent chacune une loi de croissance logistique.
2. Le paramètre α12 représente l’intensité de la pression exercée par l’espèce 2 sur l’espèce 1. En effet,
l’espèce 1 ne dispose que d’une capacité d’accueil effective de K1 − α12 N2 , strictement inférieure à K1
dès lors qu’il y a présence de l’espèce 2.
Le paramètre α21 a une interprétation symétrique.
3. On résoud f (N1 , N2 ) = 0. On trouve que

f (N1 , N2 ) = 0 ssi N1 = 0 ou N1 = K1 − α12 N2

4. On résoud g(N1 , N2 ) = 0. On trouve que

g(N1 , N2 ) = 0 ssi N2 = 0 ou N2 = K2 − α21 N1

5. Les états d’équilibre du système (2) sont définis comme

{(N1 , N2 ) ∈ R2 | f (N1 , N2 ) = 0 et g(N1 , N2 ) = 0}

6. Il y a toujours les trois états d’équilibre (0, 0), (K1 , 0) et (0, K2 ).

On suppose dans la suite que α12 et α21 sont strictement positifs. On constate que :
— si α12 α21 = 1 alors les droites sont parallèles. Si de plus K2 = α21 K1 alors elles sont confondues
(et tout le segment situé dans le premier quadrant est composé d’états d’équilibre), sinon elles sont
disjointes (pas d’autre état d’équilibre).
— si α12 α21 6= 1, alors les droites sont sécantes en
 
K1 − α12 K2 K2 − α21 K1
(Ñ1 , Ñ2 ) = ,
1 − α12 α21 1 − α12 α21

Dans le cas où α12 α21 < 1, si de plus α12 < K K2

K2 et α21 < K1 , alors ce point est dans le premier
1

quadrant (illustration ci-dessous).

Dans le cas où α12 α21 > 1, alors le point (Ñ1 , Ñ2 ) est dans le premier quadrant ssi α12 > K
K2 et
1

α21 > K
K1 .
2

3
Sorbonne Université 4MA062 Année univ.
M1 BIM, Maths Systèmes dynamiques à temps discret et continu 2019–2020

Nullclines

K1
α12

K2

Ñ2

0 Ñ1 K1 K2
α21

7. On peut dresser le portrait de phase en Python (illustration ci-dessous). Dans le cadre de l’examen, il
était suffisant de tracer dans chacune des 4 zones une flèche orientée grâce à l’étude du signe de f et de g.

4
Sorbonne Université 4MA062 Année univ.
M1 BIM, Maths Systèmes dynamiques à temps discret et continu 2019–2020

Portrait de phase
4.0

3.5

3.0

2.5
N2

2.0

1.5

1.0

0.5

0.0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0
N1

8. Dans les conditions étudiées ici, une solution issue d’une condition initiale (N1 (0), N2 (0)) ∈]0, +∞[×]0, +∞[
semble converger vers le point d’équilibre (Ñ1 , Ñ2 ).