Introduction à la modélisation

mathématique.

Professeur: Noha EL KHATTABI

Université Mohammed-V Agdal - Rabat

Faculté des sciences

11 février 2020

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 1 / 27

Un modèle : c’est quoi ?

Une représentation mathématique de certains aspects

d’un objet ou d’un phénomène du monde réel

susceptible d’être analysée par des outils mathématiques adaptés

avec des résultats interprétables.

Un modèle mathématique est nécessaire dès lors que la complexité numérique

d’un phénomène observé ne permet plus à l’intuition d’en comprendre le
fonctionnement ni d’en prévoir l’évolution.

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 2 / 27

Dans quels domaines ?

En physique : Lois de la mécanique ( lois de Newton, pendule, ressort ...),

lois de l’optique (reflexion, réfraction,...), électronique (circuits LC,RLC ...)...

En chimie : actions-réactions ...

En biologie : génétique, biologie moléculaire, dynamique de populations,

interactions des espèces,médecine ...

En économie : micro économie, macroéconomie, gestion et organisation

En finance : gestion de portefeuille, équilibre de marchés...

....

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 3 / 27

Modélisation ?

La modélisation est la démarche qui permet l’élaboration d’un modèle.

Elle tient compte :

de l’objet et/ou du phénomène à représenter.

du système formel choisi.

des objectifs du modèle.

des données (relatives aux variables) et connaissances (relations entre les

variables qui font intervenir des paramètres) disponibles ou accessibles par
l’expérience ou par l’observation. Cela passe généralement par une étape de
simplification.

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 4 / 27

Le travail du modélisateur.

Identifier le problème.

Le formaliser ≈ écrire le modèle.

Manipuler le modèle pour le rendre plus utilisable, l’analyser et étudier ses

propriétés.

Etablir des relations avec d’autres représentations (graphes, programmes

informatiques... ).

Interpréter le modèle et confronter les résultats avec des données réelles

(issues de l’expérimentation).

Réajuster le modèle au besoin.

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 5 / 27

Schéma d’une modélisation.

Phase de mise en équation. On part de lois élémentaires (connues ou

conjecturales) et on en déduit des relations entres les variables.

Phase mathématique. Si l’on exprime certaines variables x,y ...en fonction

de l’une d’elles (par exemple le temps t) ces relations donnent lieu à des
équations dont les inconnues sont les fonctions x, y ... On cherche alors selon
les objectifs à résoudre, décrire, prédire, prendre des décisions...

Phase de vérification. On regarde si les fonctions obtenues

mathématiquement sont proches des fonctions données expérimentalement.
On dit alors que le modèle est valide. S’il n’est pas valide, il faut modifier ou
affiner la phase de mise en équation et construire un autre modèle etc...

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 6 / 27

Du point de vue mathématique.
Une modélisation est la donnée :
Du temps t ∈ T . on considère soit le temps discret
T = {lh|l ∈ Z , h > 0 une constante fixée} (mesuré en heures, minutes,
journées, anneés,...), soit le temps continue T = R ;
De l’espace M (dit l’espace des phases) dont les points sont des vecteurs
v = (x, y , ...) ∈ M, où x,y ... sont des quantités numériques, souvent
appelées variables ou observables, qui caractérisent un état de système
dynamique en question.
D’un processus dynamique
 : fonction mathématique
x(t)
 
f : T → M, f : t →y (t)∈ M, qui satisfait une loi dynamique avec une
 
..
 
.
donnée initiale.
Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 7 / 27
A quoi sert la modélisation ?

A décrire et comprendre les mécanismes en jeu et leurs interactions (ex :

physique, biologie) : modèle descriptif

A prédire le comportement de certains phénomènes naturels (ex

météorologie) : modèle prévisionnel.

Utiliser des techniques d’aide à la décision afin de pouvoir opter pour la

meilleure prise de décision possible (ex : finance, banque, politique ...)

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 8 / 27

Classification des modèles.

modèle statique (6= dynamique).

Un modèle est statique si la décision prise aujourd’hui n’influe pas sur le
comportement de demain.

déterministe (6= stochastique).

Un modèle est déterministe s’il ne tient pas compte des aspects aléatoires.

Discret ( 6= continu).
Le modèle est discret si les données sont collectées à des intervalles de temps
réguliers ou pas.

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 9 / 27

Les questions qu’on se pose.
Quelles équations modélisent le problème ?

Les équations ont-elles une solution ? (existence)

Si oui, cette solution est-elle unique ? (unicité, multiplicité).

Pouvons-nous en calculer la, une, toutes les ... solution(s) ?

Sinon, que savons-nous de la (ou des) solution(s) ? (étude qualitative)

Pouvons-nous calculer une forme approximative de la solution ? (analyse

numérique)

Si oui, quelle est la qualité de l’approximation ?

Pouvons-nous améliorer l’approximation ? A quel prix ?

Nos résultats sont-ils conformes aux observations ? Sinon on modifie les

équations et on recommence.
Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 10 / 27
Exemples de modèles.

Modèles en temps discret :

an+1 = f (n, an , an−1 , ...an−M )

Exemples :
an+1 = αan + β (Modèle de prêt bancaire)
an+1 = α1 an + α2 an2 + βn (Modèle de population en migration qui change à
chaque niveau)
an+1 = an + an−1 (le futur dépend du présent et du passé)

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 11 / 27

 Modèles avec équations différentielles :

X 0 (t) = F (t, X (t))

Exemples :

x 0 = αx + β
x 0 = α1 x + α2 x 2 + β
x 0 (t) = f (x(t))
x 0 (t) = f (x(t)) + g (x(t − r )) (équation avec retard)

Systèmes dynamiques :

x 0 = f (x, y )
y 0 = g ((x, y )

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 12 / 27

 Modèles avec équations aux dérivées partielles :

Exemples :
∂2f ∂2f ∂2f
2
+ 2 + 2 = 0 (Equation de Laplace)
∂x ∂y ∂z
∂2f ∂2f ∂2f 1 ∂2f
2
+ 2+ 2 = (Equation des ondes)
∂x ∂y ∂z c ∂t 2
∂f ∂f
+a = 0 (Equation d’advection)
∂t ∂x

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 13 / 27

 Optimisation :

Sans contrainte :

On cherche x ∗ ∈ Rn tel que f (x ∗ ) = minn f (x)

x∈R

f = fonction objectif x = variable de décision

Avec contraintes :

On cherche x∗ ∈ S tel que f (x ∗ ) = min f (x)

x∈S

S est l’ensemble des contraintes.

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 14 / 27

 Calcul des variations
Z t1
max F (t, x(t), x 0 (t))dt, avec x(t0 ) = x0
t0

Contrôle optimale
R t1
max t0
F (t, x(t), u(t))dt,
x 0 (t) = g (t, x(t), u(t)),
x(t0 ) = x0
Processus d’Itô

dS(t) = µ(S(t), t)dt + σ(S(t), t)dW (t), avec S(0) = s0

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 15 / 27

 Modèles avec simulation :
Quand les mathématiques seul ne donne pas de visibilité, on a recours à
l’ordinateur qui va mettre en œuvre des données répétitifs.
Modélisation des données :
A partir des données, il s’agit de construire une fonction qui reflète les relations
entre les variables ; ce qui produit un modèle de la forme :

y = f (x, p)
où p est un paramètre à déterminer par un système input, output.

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 16 / 27

 EXEMPLES D’APPLICATION :
1 jeux.
Quel est la probabilité pour gagner au solitaire ?
Quel est la meilleur stratégie pour gagner au Black Jack ?
Etant donnée une équipe de baseball avec certains joueurs, dans quel ordre
devrait-il frapper ?

2 prévision météo.
3 Activité cérébrale.
4 mécanique des fluides.

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 17 / 27

La science délicate des erreurs.
Lorsqu’on simplifie un modèle, on ignore des termes ou des variables. La difficulté
en modélisation est de retenir juste assez de fonctionnalités pour rendre le modèle
utile et peu coûteux.
Supposons par exemple qu’on soit amené à résoudre l’équation εf (x) + x + 1 = 0
où f est une fonction inconnue dont la recherche peut coûter cher. Pour ε petit, il
serait naturel de penser à ignorer f. Dans ce cas x = −1 est l’unique solution. On
va voir que ce choix n’est pas toujours bon.
Si par exemple f (x) = x 2 alors l’équation

εx 2 + x + 1 = 0

admet deux solutions √

1 1 − 4ε
x± = − ±
2ε 2ε
Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 18 / 27
 Observons comment change la solution à partir de ε = 0. Graphiquement on
constate qu’elle change rapidement.

x = a0 + a1 ε + a2 ε2 + ...

εx 2 + x + 1 = 0

implique

εx 2 + x + 1 = (a0 + 1) + (a02 + a1 )ε + (2a0 a1 + a2 )ε2 + ... = 0

On obtient x = −1 − ε − 2ε2 + ...

Donc si ε = 0, 01 l’erreur est de l’ordre de 1% et l’erreur augmente rapidement
avec ε.

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 19 / 27

 Exemple 1. Supposons que nous sommes environ en 1650 et que vous possédez
un canon, un tas de boulets de canon et un tas de poudre. Vous voulez savoir
comment l’angle sous lequel vous visez votre canon affecte la distance de
déplacement du boulet de canon. On va mettre en place un modèle simple.

1. D’abord, on suppose que le boulet de canon est un point avec une certaine
masse, ou une particule. Cette hypothèse est clairement stupide, mais on le
fait quand même.

2. Deuxièmement on suppose que le canon est un segment de droite de

longueur zéro, ce qui est une idée qui n’a pas de sens du tout. On mettrait ce
segment de droite de longueur zéro sur un plan horizontal infinie, et on ne
regarderait que la ligne qui est l’intersection de ce plan infini et le plan
vertical passant par le segment de ligne.

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 20 / 27

 3. La troisième hypothèse est qu’on peut (au moins en principe) mesurer avec
précision et obtenir les nombres réels suivants :
La distance parcourue par l’ombre le long de la ligne sur laquelle le boulet de
canon se déplace.
La hauteur sur une vraie ligne ’mât’ érigée sur la position de départ.
le temps mesuré à partir de l’instant où l’on tire le canon.

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 21 / 27

 Loi de Newton :

y 00 = −g , x 00 = 0

y 0 = v sin θ − gt, x 0 = cst = x 0 (0) = vcosθ

1
y = v (sin θ)t − gt 2 , x = (vcosθ)t.
2
où v est l’intensité de la vitesse initiale.

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 22 / 27

 Déplacement du boulet de canon.

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 23 / 27

 On cherche le temps t1 pour lequel y (t1 ) = 0

1
v sin θ − gt1 = 0
2
2vsinθ
t1 =
g
v2 v2
x(t1 ) = 2sinθcosθ = sin(2θ)
g g
0 ≤ θ ≤ 45◦ , 0 ≤ 2θ ≤ 90◦ .
Est ce que le modèle est valide ?

g
y = (tanθ)x − x2
2v 2 cos 2 θ

Parabolique donc correspond à la réalité.

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 24 / 27

 Exemple 2 : (modèle discret) EN 1202, Fibonacci s’intéressa au problème de
croissance d’une population de lapins dans des circonstances idéales. Le problème
est le suivant : - on commence avec un couple de jeunes lapins,
- un lapin âgé d’un mois est capable de se reproduire,
- un couple de lapins (en âge de se reproduire) donne naissance à un autre couple
de lapins tous les mois.
Fibonacci se posa la question suivante : combien y aura-t-il de couples de lapins
après une année ?
La figure ci-dessous illustre l’évolution du nombre de couples de lapins au fur et à
mesure des mois.

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 25 / 27

Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 26 / 27
 On remarque que la suite formée par les nombres de couples après chaque mois
est la suivant
1, 2, 3, 5, 8, 13, 21, 34, ...

et à la fin du mois k les lapins sont ceux présents au mois précédent, soit Nk−1 et
les lapins nouveaux-nés engendrés par les couples en âge de se reproduire, soit
Nk−2 , d’où la relation
Nk = Nk−1 + Nk−2

Résolution : On cherche des solutions de la √forme : Nk = cz k ce √

qui nous amène
1 + 5 1 − 5
à résoudre : z 2 = z + 1, donc z = z1 = ou z = z2 = , d’où la
2 2
solution
Nk = c1 z1k + c2 z2k

ce qui donne par exemple pour N0 = N1 = 1 :

√ √
1 + 1/ 5 k 1 − 1/ 5 k
Nk = z1 + z2
2 2
Professeur: Noha EL KHATTABI (COURS) FSR 11 février 2020 27 / 27