Modelisation 2008

Introduction
Le modèle malthusien
Le modèle logistique
Un modèle avec prédateur
Un modèle proie-prédateur
Qu’est-ce que la modélisation mathématique ?
François Ducrot
http://math.univ-angers.fr/∼ducrot/CSG/
François Ducrot Qu’est-ce que la modélisation mathématique ?

Introduction
Introduction
La modélisation, c’est l’ensemble du processus qui permet
l’intervention des mathématiques dans une science basée sur
l’expérience ou l’observation. Voici quelques exemples dans
différentes disciplines scientifiques :

Introduction
Introduction
Physique : On observe que le son émis par la corde d’un

instrument de musique varie en fonction de la longueur. On
va traduire la physique de la corde en équations grâce aux
équations de la mécanique, et en déduire les lois gouvernant
la vibration d’une corde.

Introduction
Introduction
Chimie : On peut décrire le comportement des électrons

dans un atome, et comment cela gouverne la façon dont les
atomes se regroupent en molécules. Les équations mises en
jeu proviennent des lois de la physique quantique.

Introduction
Introduction
Chimie : De façon plus macroscopique, on peut

s’intéresser aux lois qui déterminent la vitesse de réaction
dans une réaction chimique.

Introduction
Introduction
Économie : En fonction des prix des différentes marchan-

dises et du revenu du consommateur, celui-ci effectue un
arbitrage entre ses dépenses. Peut-on prévoir son compor-
tement ?

Introduction
Introduction
Écologie animale : Comment évoluent les effectifs de po-

pulations animales sous différentes hypothèses :
sans contraintes liées au milieu
avec des contraintes d’approvisionnement en
nourriture
en présence de prédateurs
avec interaction entre proies et prédateurs

Introduction
La démarche de modélisation
On peut distinguer plusieurs étapes :

Introduction

Le scientifique fait des hypothèses sur les phénomènes étudiés

Introduction

Les hypothèses sont traduites mathématiquement en un
modèle

Introduction

modèle
On étudie le modèle mathématique ; on en tire des
conséquences qualitatives ou quantitatives et on fait des
prévisions.

Introduction

modèle
prévisions.
On compare les prévisions aux réalités expérimentales

Introduction

modèle
prévisions.
On compare les prévisions aux réalités expérimentales
On revient éventuellement sur les hypothèses pour modifier le
modèle, et le cycle continue...

Introduction
Les exemples choisis
J’ai choisi d’illustrer la démarche de modélisation par des exemples

issus de problèmes de dynamique des populations (écologie
animale). Caractéristiques générales :

Introduction

les hypothèses sont simples à exprimer

Introduction

les hypothèses sont bâties sur des observations expérimentales
plutôt que sur des considérations idéologiques

Introduction

les techniques mathématiques sont relativement simples

Introduction

Tous les modèles étudiés décrivent un système dynamique
dépendant du temps

Introduction

Tous les modèles étudiés décrivent un système dynamique
dépendant du temps
Outil mathématique pricipal : les équations différentielles

Introduction
Prolifération des lapins en Australie
En 1859, 24 lapins furent introduits en Australie, par un

agriculteur émigré d’Angleterre et nostalgique de son pays
d’origine. Quelques années plus tard ces petites bêtes pullulaient,
et devenaient un fléau national. Pour tenter de le juguler, on a
introduit des prédateurs (des renards), une maladie (la
myxomatose), et on a construit des milliers de kilomètres de
clotures. Tout ceci sans succès.

Introduction
Prolifération des lapins en Australie
En 1859, 24 lapins furent introduits en Australie, par un

agriculteur émigré d’Angleterre et nostalgique de son pays
d’origine. Quelques années plus tard ces petites bêtes pullulaient,
et devenaient un fléau national. Pour tenter de le juguler, on a
introduit des prédateurs (des renards), une maladie (la
myxomatose), et on a construit des milliers de kilomètres de
clotures. Tout ceci sans succès.
On a ici un exemple de croissance exponentielle qui peut se décrire
par le modèle malthusien.

Introduction
L’hypothèse malthusienne
Hypothèse
Les nombres de naissances et de morts dans une population,
pendant une période de courte durée, sont proportionnels
à la l’effectif de cette population
à la durée de cette période
Thomas Malthus, 1766-1834

Introduction
Traduction mathématique de l’hypothèse malthusienne
Soit u(t) l’effectif de la population à l’instant t. On étudie la

variation de u entre les instants t et t + ∆t.
u(t + ∆t) − u(t) = nb de naissances − nb de morts
et
nb de naissances pendant ∆t = au(t)∆t
nb de morts pendant ∆t = bu(t)∆t

Introduction
Loi d’évolution malthusienne
On écrit donc
u(t + ∆t) − u(t) = αu(t)∆t
avec α = a − b

Introduction
Loi d’évolution malthusienne
On écrit donc
u(t + ∆t) − u(t) = αu(t)∆t
avec α = a − b
u(t+∆t)−u(t)
Quand ∆t est assez petit, ∆t ' u 0 (t), et on peut écrire la
Loi d’évolution (Malthus en temps continu)
u 0 (t) = αu(t)
où α est la différence entre le taux instantané de natalité et le taux
instantané de mortalité.

Introduction
Analyse du modèle malthusien
On obtient une équation différentielle du premier ordre, c’est à dire

une équation qui exprime la dérivée de u, en fonction de u.
Si on connait la valeur initiale u(0) = u0 , on sait alors calculer les
valeurs u(t) pour tout t > 0 :
u(t) = u0 e αt

Introduction
Représentation graphique du modèle de Malthus continu
tracé de x−>exp(kx)
300000 1.4e+27
1.2e+27
250000
1.0e+27
200000
8.0e+26
150000
6.0e+26
100000
4.0e+26
50000
2.0e+26
0 0.0e+00
0 1 2 3 4 5 6 7 8 9 10 0 5 10 15 20 25 30 35 40 45 50
k=1.2 k=1.2
k=1.25 k=1.25

Introduction
Discussion du modèle de Malthus
Croissance exponentielle : c’est bien ce qui a été observé

pendant un certain temps.
Est-ce vraisemblable sur une longue période ?

Introduction

Surface de l’Australie : 7 millions de km2 , soit 7 1012 m2 .
Effectif de lapins prévu au bout de 50 ans : 1027 .
Cherchez l’erreur !

Introduction

Surface de l’Australie : 7 millions de km2 , soit 7 1012 m2 .
Effectif de lapins prévu au bout de 50 ans : 1027 .
Cherchez l’erreur !
On doit tenir compte d’un effet de saturation du milieu.

Introduction
Prise en compte des contraintes alimentaires
Dans le modèle de Malthus, on asupposé que le taux instantané de

renouvellement α est constant, ce qui conduit à une évolution
exponentielle.
Hypothèse
Le taux instantané de renouvellement dépend de u :
Pour u petit, le taux α(u) est proche d’une constante α0 .
α décroı̂t en fonction de u.
Existence d’un seuil S tel que α(S) = 0 et α(u) < 0 pour
u > S.

Introduction
Prise en compte des contraintes alimentaires
On peut choisir :
S −u
α(u) = α0
S
on obtient alors le
Modèle logistique de Verhulst
S − u(t)
u 0 (t) = α0 u(t)
S
Pierre Verhulst, 1804-1849

Introduction
Remarque sur la modélisation des contraintes alimentaires
On aurait pu choisir une autre modélisation de la fonction

u 7→ α(u), comme par exemple
S 2 − u2
α(u) = α0
S2
ce qui donnerait
Un autre modèle logistique
S 2 − u 2 (t)
u 0 (t) = α0 u(t)
S2
Pourquoi choisir un modèle plutôt que l’autre ?
On va continuer avec le modèle de Verhulst.
Introduction
Étude mathématique : résolution de l’équation
On peut montrer que si on fixe la valeur initiale u0 de u pour

t = 0, la fonction t 7→ u(t) est entièrement déterminée.
Expression de la solution
Se α0 t
u(t) = u0
S + u0 (e α0 t − 1)

Introduction
Représentation graphique des solutions (S = α0 = 1)

Introduction
Discussion sur la représentation graphique
Si l’effectif initial est inférieur au seuil, la population croı̂t et se

rapproche asymptotiquement du seuil limite.
Si l’effectif initial est supérieur au seuil, la population décroı̂t faute
de nourriture et se rapproche asymptotiquement du seuil limite.

Introduction
Discussion sur la représentation graphique

Si l’effectif initial est très inférieur au seuil, et si on observe
l’évolution sur un temps pas trop long, on peut observer une
croissance exponentielle, comme dans le modèle de Malthus.
Ici S = 1 et u0 = 0, 001 :

Introduction
La chenille de l’épicéa
La chenille de l’épicéa est un insecte ravageur des sapins de

l’Amérique du nord, qui détruit les feuilles de ces arbres. Des
travaux ont été effectués à partir de 1978 pour modéliser
l’évolution de cette population et éventuellement proposer des
politiques de prévention.

Introduction
Chenille de l’épicéa - Hypothèses de modélisation
Deux limitations au développement des chenilles :

Introduction

Un facteur logistique lié à la quantité de nourriture disponible

Introduction

Un facteur logistique lié à la quantité de nourriture disponible
Un facteur de prédation : les chenilles sont mangées par les
oiseaux. Si N désigne l’effectif de chenilles, le nombre de
chenilles mangées par les oiseaux par unité de temps est
évalué à
BN 2
P(N) = 2
A + N2
Le choix de cette formule est en partie arbitraire

Introduction
Pourquoi ce terme de prédation ?
N 7→ P(N) est croissante

P(0) = 0
Saturation de l’appétit des oiseaux : limN→∞ P(N) = B
Prédateur non spécialisé : S’il y a peu de chenilles, les oiseaux
se tournent vers d’autres proies, traduit par P 0 (0) = 0.

Introduction
Équation différentielle de la chenille de l’épicéa
Équation différentielle
BN(t)2

0 N(t)
N (t) = α0 N(t) 1 − − 2
S A + N(t)2
ou, après changement d’unités :
Équation différentielle normalisée
u(t)2

0 u(t)
u (t) = ρu(t) 1 − −
κ 1 + u(t)2

Introduction
Solutions stationnaires
On cherche les solutions constantes. Dans ce cas u 0 = 0 et on a

Recherche des solutions stationnaires
u u
ρ 1− =
κ 1 + u2
On peut discuter graphiquement le nombre de solutions de cette

équation.

Introduction
Nombre de solutions stationnaires

Introduction
On trouve, suivant les valeurs de ρ et κ, soit 1, soit 3

solutions.

Introduction
L’homme ne peut pas vraiment intervenir sur κ (lié à la

quantité de nourriture disponible), mais il peut influer sur
ρ (moins il y a d’oiseau, plus ρ est grand).

Introduction
Question : pour κ fixé, que se passe-t-il quand ρ varie ?

Introduction
Interprétation
On peut tirer des conséquences de ce graphique :

Possibilité d’une explosion catastrophique de la population.
Mieux vaut prévenir que guérir : une fois cette explosion
arrivée, il est très difficile de revenir en arrière !

Introduction
Sardines et requins
Les pêcheurs de la mer Adriatique pêchent des sardines et des

requins. Les requins se nourrissent de sardines, et les sardines
mangent des petits organismes, qui sont en quantité suffisante.
Les pêcheurs ont constaté que les stocks de sardines et de requins
varient de façon périodique en fonction du temps, avec la même
périodicité, mais que leurs cycles sont décalés.
Le mathématicien Volterra a proposé en 1926 un modèle décrivant
ce phénomène.

Introduction
Sardines et requins
(Modèle de Lotka-Volterra)
x 0 (t) = ax(t) − bx(t)y (t)

y 0 (t) = cx(t)y (t) − dy (t)
où
x(t) = population de sardines à l’instant t
y (t) = population de requins à l’instant t
Les deux termes en rouge correspondent à des termes d’interaction

entre les deux espèces. Si ces termes n’étaient pas là, les sardines
prolifèreraient suivant le modèle de Malthus, alors que les requins
s’éteidraient de façon exponentielle.
Introduction
Expérimentation numérique, a = 2, b = c = d = 1
t = 2.75, y est minimal
effectifs en fonction de t espace des phases
5.0 5.0
4.5 4.5
4.0 4.0
3.5 3.5
3.0 3.0
requin
2.5 2.5
2.0 2.0
1.5 1.5
1.0 1.0
0.5 0.5
0.0 0.0
0 1 2 3 4 5 6 7 8 9 10 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
sardine sardine
requin

Introduction
t = 3.85, x est maximal
5.0 5.0
4.5 4.5
4.0 4.0
3.5 3.5
3.0 3.0
requin
2.5 2.5
2.0 2.0
1.5 1.5
1.0 1.0
0.5 0.5
0.0 0.0
0 1 2 3 4 5 6 7 8 9 10 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
sardine sardine
requin

Introduction
t = 4.58, y est maximal
5.0 5.0
4.5 4.5
4.0 4.0
3.5 3.5
3.0 3.0
requin
2.5 2.5
2.0 2.0
1.5 1.5
1.0 1.0
0.5 0.5
0.0 0.0
0 1 2 3 4 5 6 7 8 9 10 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
sardine sardine
requin

Introduction
t = 5.80, x est minimal
5.0 5.0
4.5 4.5
4.0 4.0
3.5 3.5
3.0 3.0
requin
2.5 2.5
2.0 2.0
1.5 1.5
1.0 1.0
0.5 0.5
0.0 0.0
0 1 2 3 4 5 6 7 8 9 10 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
sardine sardine
requin

Introduction
Portrait de phase
On trace différentes trajectoires, correspondant à différentes
conditions initiales, sur un même diagramme.
0
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0

Introduction
Influence de la pêche
Si on exerce une activité de pêche, les taux de mortalité des
sardines et des requins augmentent d’une même valeur. Le système
( Lotka-Volterra sans pêche)
x 0 (t) = ax(t) − bx(t)y (t)

y 0 (t) = cx(t)y (t) − dy (t)
devient
( Lotka-Volterra avec pêche)
x 0 (t) = ax(t) − αx(t) − bx(t)y (t)

y 0 (t) = cx(t)y (t) − dy (t) − αy (t)
Introduction
Influence de la pêche
5.5
sans pêche, a=2,d=1
5.0
avec pêche, a=1,d=2
4.5
4.0
3.5
3.0
2.5
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
La pêche a fait augmenter la quantité de sardines !

Modelisation 2008

Transféré par

Droits d'auteur :

Formats disponibles

Modelisation 2008

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Modelisation 2008

Transféré par

Droits d'auteur :

Formats disponibles

Introduction

Qu’est-ce que la modélisation mathématique ?

François Ducrot Qu’est-ce que la modélisation mathématique ?

François Ducrot Qu’est-ce que la modélisation mathématique ?

Physique : On observe que le son émis par la corde d’un

François Ducrot Qu’est-ce que la modélisation mathématique ?

Chimie : On peut décrire le comportement des électrons

François Ducrot Qu’est-ce que la modélisation mathématique ?

Chimie : De façon plus macroscopique, on peut

François Ducrot Qu’est-ce que la modélisation mathématique ?

Économie : En fonction des prix des différentes marchan-

François Ducrot Qu’est-ce que la modélisation mathématique ?

Écologie animale : Comment évoluent les effectifs de po-

François Ducrot Qu’est-ce que la modélisation mathématique ?

On peut distinguer plusieurs étapes :

François Ducrot Qu’est-ce que la modélisation mathématique ?

On peut distinguer plusieurs étapes :

François Ducrot Qu’est-ce que la modélisation mathématique ?

On peut distinguer plusieurs étapes :

François Ducrot Qu’est-ce que la modélisation mathématique ?

On peut distinguer plusieurs étapes :

François Ducrot Qu’est-ce que la modélisation mathématique ?

On peut distinguer plusieurs étapes :

François Ducrot Qu’est-ce que la modélisation mathématique ?

On peut distinguer plusieurs étapes :

François Ducrot Qu’est-ce que la modélisation mathématique ?

Les exemples choisis

J’ai choisi d’illustrer la démarche de modélisation par des exemples

François Ducrot Qu’est-ce que la modélisation mathématique ?

Les exemples choisis

J’ai choisi d’illustrer la démarche de modélisation par des exemples

François Ducrot Qu’est-ce que la modélisation mathématique ?

Les exemples choisis

J’ai choisi d’illustrer la démarche de modélisation par des exemples

François Ducrot Qu’est-ce que la modélisation mathématique ?

Les exemples choisis

J’ai choisi d’illustrer la démarche de modélisation par des exemples

François Ducrot Qu’est-ce que la modélisation mathématique ?

Les exemples choisis

J’ai choisi d’illustrer la démarche de modélisation par des exemples

François Ducrot Qu’est-ce que la modélisation mathématique ?

Les exemples choisis

J’ai choisi d’illustrer la démarche de modélisation par des exemples

François Ducrot Qu’est-ce que la modélisation mathématique ?

Prolifération des lapins en Australie

En 1859, 24 lapins furent introduits en Australie, par un

François Ducrot Qu’est-ce que la modélisation mathématique ?

Prolifération des lapins en Australie

En 1859, 24 lapins furent introduits en Australie, par un

François Ducrot Qu’est-ce que la modélisation mathématique ?

Thomas Malthus, 1766-1834

François Ducrot Qu’est-ce que la modélisation mathématique ?

Traduction mathématique de l’hypothèse malthusienne

Soit u(t) l’effectif de la population à l’instant t. On étudie la

u(t + ∆t) − u(t) = nb de naissances − nb de morts

François Ducrot Qu’est-ce que la modélisation mathématique ?

Loi d’évolution malthusienne

François Ducrot Qu’est-ce que la modélisation mathématique ?

Loi d’évolution malthusienne