6

CHAPITRE

Logistique
dynamique

J'ai deux heures pour vous dire que MAPLE, c'est de

la dynamique
2 6.1. PRÉSENTATION DU PROBLÈME

1 Présentation du problème

Le mathématicien Belge Pierre-François V ERHULST (28 octobre 1804

- 15 février 1849) proposa en 1838 un modèle d’évolution des popu-
lations animales qui porte son nom et qui rompt avec l’habituelle
croissance exponentielle. On suppose qu’une population vaut p n à
un certain instant et qu’il existe une valeur d’équilibre e telle que la
population tend à y revenir avec autant de force qu’elle s’en écarte.
Il existe donc un coefficient positif k tel que :
p n+1 − p n
= −k(p n − e)
pn

Déduisez-en qu’il existe une constante R > 1 telle que :

k
p n+1 = Rp n (1 − pn )
R
Recherche puis qu’il existe une valeur maximum de la population p max et que :

u n+1 = Ru n (1 − u n )
pn
en notant u n le rapport p max .

Depuis V ERHULST on désigne par suite logistique ce type de suite. Il faut bien sûr considérer
la plus ancienne des définition du mot :
LOGISTIQUE n.f. 1. (1611) Anc. nom de la partie de l’algèbre qui traite des
quatre règles.
car nous n’utiliserons que les quatre opérations arithmétiques de base mais n’étudierons
pas les problème de ravitaillement des armées.

Recherche Dans quel intervalle varie R ?

Étudier la suite (u n ), c’est étudier le système dynamique défini par la fonction f . L’ensemble
des x, f (x), f ( f (x)),..., f n (x),... est appelé l’orbite de x.

2 Exploration au petit bonheur

Peut-on se contenter d’observer le comportement d’une suite ? L’outil informatique permet-
il de se passer d’une exploration théorique ?
Commençons donc par explorer au petit bonheur le comportement de ces suites à l’aide
de Maple. Il faudrait tout d’abord nous construire un petit outil qui affiche les fameux es-
cargots et autres escaliers à l’aide de la première bissectrice. Ce programme sera très utile
pour l’oral de Centrale...

> escargot:=proc(R,uo,n)
local u,fu,k,e,g,c;
u:=uo;
e:=NULL;

C
Guillaume Connan, Licence Creative Commons BY: $ , 2010-2011
\
 CHAPITRE 6. LOGISTIQUE DYNAMIQUE 3

for k from 1 to n do
fu:=R*u*(1-u);
e:=e,[u,u],[u,fu];
u:=fu;
od;
e:=plot([e],color=pink,title=cat(‘R=‘,convert(R,string), ‘ et uo=‘,
convert(uo,string)));
g:=plot(t,t=0..1,color=green);
c:=plot(R*t*(1-t),t=0..1,color=blue);
plots[display]({e,g,c});
end:

Que fait escargot ?

Commentez alors les animations suivantes :

> A:=seq(escargot(0.01*R,0.2,50),R=100..400):
Recherche > plots[display](A,insequence=true);
> B:=seq(escargot(4,0.01*uo,50),uo=1..99):
> plots[display](B,insequence=true);

3 Convergence et points fixes

Vous connaissez parfaitement votre cours sur le rapport entre la convergence des suites
définies par une relation u n+1 = f (u n ) et les points fixes de f .
Malheureusement, on ne parle pas assez du caractère attractif ou répulsif des points fixes.
À l’aide du théorème des accroissements finis, on peut montrer que, ` étant un point fixe
de f :

– si ¯ f 0 (`)¯ < 1, le point fixe est attractif et (u n ) converge vers ` avec |u n − `| 6 k n |u0 − `|
¯ ¯

pour un certain k ∈]0; 1[ ;

– si f 0 (`) = 0, le point est dit super attractif et la suite converge très rapidement ;

– si ¯ f 0 (`)¯ > 1, le point fixe est répulsif et (u n ) ne converge que si elle est constante et
¯ ¯

égale à ` à partir d’un certain rang ;

– si ¯ f 0 (`)¯ = 1, le cas est litigieux.

¯ ¯

Mais au fait, ces points fixes, quels sont-ils ?

Recherche Discuter selon les valeurs de R et commencer à expliquer grossièrement certains com-
portements observés. Étudier en particulier « l’attractivité » des points fixes.

C
Guillaume Connan, Licence Creative Commons BY: $ , 2010-2011
\
4 6.4. ÉTUDE DE LA CONVERGENCE DANS LE CAS 1<R<3

4 Étude de la convergence dans le cas 1<R<3

4 1 Cas 1<R<=2

Traiter le cas R = 2.
Que peut-on dire du point fixe non nul dans les autres cas ? Dans quel intervalle se
Recherche
trouve-t-il ?
Discuter alors selon la position de u 0 par rapport à ce point fixe et à R1

4 2 Cas 2<R<3
Les dessins obtenus avec Maple peuvent donner des idées.

Montrer que I = 12 ; R4 est stable par f .

h i

En déduire que si u 0 ∈ I, alors

i (uh2n ) puis (u n ) converge vers le point fixe non nul.
Recherche
1
Étudier ensuite le cas u 0 ∈ 0; 2 puis le cas u 0 ∈ 4 ; 1 et montrer qu’on peut se rame-
¤R £

ner aux cas précédents.

5 Théorème de Coppel et conséquences

On note f n = f ◦ f ◦ f ◦ · · · ◦ f .
Soit f : I → I une fonction continue. Soit x ∈ I. Si x est un point fixe de f n mais n’est pas un
point fixe de© f k pour tout 0 < k < ª n, on dit que x est n-périodique.
L’ensemble x, f (x), · · · , f n−1 (x) est un n-cycle pour f .
Soit p 0 , p 1 ,...,p n−1 un n-cycle On dit qu’il est attractif si ¯( f n )0 (p i )¯ < 1 pour tout entier
¯ ¯

naturel i strictement inférieur à n. Dans ce cas, si u 0 est suffisamment proche de l’un des
éléments du cycle, la suite admet les éléments du cycle comme valeurs d’adhérence.

Théorème de C OPPEL
Théorème 6 - 1 Soit f : [a, b] → [a, b] une fonction continue. Si f n’admet pas de 2-cycle, alors, pour
tout u 0 ∈ I, la suite définie par u n+1 = f (u n ) converge.

La démonstration est assez longue et nous ne nous en occuperons pas aujourd’hui.

Nous sommes pourtant en mesure de démontrer l’utile lemme suivant :

Soit f : [a, b] → [a, b] une fonction de classe C 1 . Si f admet deux points fixes répulsifs
Lemme 6 - 1 consécutifs distincts α et β avec α < β, alors il existe p 2 ∈]α, β[ tel que p 2 soit un point
fixe de f 2 .

Pour démontrer ce lemme, il suffit d’étudier la fonction définie sur [a, b] par

g (x) = f 2 (x) − x

en précisant en particulier le signe de g 0 (α) et g 0 (β).

Recherche Démontrer le lemme.

C
Guillaume Connan, Licence Creative Commons BY: $ , 2010-2011
\
 CHAPITRE 6. LOGISTIQUE DYNAMIQUE 5

5 1 Cas R=3
C’est un cas ambigu car dans ce cas ¯ f 0 (p)¯ = |2 − 3| = 1.
¯ ¯

Cependant, on peut utiliser le théorème de C OPPEL pour montrer que la suite converge.

Avec l’aide éventuelle du solve de Maple, démontrer la convergence de la suite (u n )

Recherche
dans le cas R = 3.

5 2 Cas R>3
C’est maintenant que ça devient amusant...

5 2 a Cycles d’ordre 2

Les points fixes sont maintenant répulsifs : que peut-on en déduire ?

Utiliser éventuellement Maple pour déterminer les éventuels points fixes de f 2 .
Que se passe-t-il lorsque R tend vers 3 par valeurs supérieures ?
Qu’illustre le script suivant :
Recherche > IR:=[seq(0.01*k,k=100..400)]:
> C:=seq(plot([f(t),f(f(t)),t],t=0..1,color=[red,blue,pink],title=
cat(‘R=‘,convert(R,string))),R=IR):
> plots[display](C,insequence=true);

5 2 b Attractivité des cycles d’ordre 2

Soit p 2 un point fixe de f 2 autre que 0 et p. Il faudrait maintenant savoir quand est-ce que
le 2-cycle (p 2 , f (p 2 )) est attractif.

Montrer que ( f 2 )0 (p 2 ) = −p 22 + 2p 2 + 4. Pour cela, montrer que ( f 2 )0 (p 2 ) = ( f )0 (p 2 ) ·

f 0 ( f (p 2 )) et utiliser le fait que p 2 et f (p 2 ) sont des racines d’un polynôme du second
degré introduit au paragraphe précédent.
Commenter alors les deux graphiques définis par :
Recherche
> escargot(evalf(0.99+sqrt(6)),0.5,200);
> escargot(evalf(1.01+sqrt(6)),0.5,200);

5 2 c Cycles d’ordre 4
p
Le 2-cycle cesse d’être attractif pour R > 1 + 6. D’après le théorème de C OPPEL, on en
déduit que f 2 admet un 2-cycle, c’est-à-dire que f admet un 4-cycle : jusqu’à quelle valeur
de R ?
C’est plus difficile à déterminer. On peut regarder graphiquement, par affinements succes-
sifs :

> IR:=[seq(0.0001*k,k=35440..35450)]:
> G:=seq(plot([(f@@4)(t)-t,(f@@8)(t)-t],t=0.52..0.526,numpoints=1000,
color=[pink,purple],title=cat(‘R=‘,convert(R,string))),R=IR):
> plots[display](G,insequence=true,view
=[0.52..0.526,-0.00001..0.00001]);

Recherche Quel renseignement nous donne ce graphique ?

C
Guillaume Connan, Licence Creative Commons BY: $ , 2010-2011
\
6 6.6. THÉORÈME DE FEIGENBAUM

6 Théorème de Feigenbaum

6 1 Diagramme de Feigenbaum

> Feig:=proc(r1,r2,pas)
local k,r,tmp,ligne,res,t,etendue;
etendue:=floor((r2-r1)/pas)+1;
res:=[0$etendue]:
ligne:=[0$20]:
tmp:=0.2:
for r from r1 to r2 by pas do
for k from 1 to 100 do
tmp:=r*tmp*(1-tmp);
od;
for k from 1 to 20 do
ligne:=subsop(k=[r,tmp],ligne);
tmp:=r*tmp*(1-tmp);
od:
t:=floor((r-r1)/pas)+1;
res:=subsop(t=ligne,res):
od:
plot(res,x=r1..r2,style=point,color=black);
end:

Recherche Interpréter le dessin obtenu.

6 2 Le théorème

On doit au physicien Mitchell F EIGENBAUM des conjectures qui

furent prouvées par la suite par des mathématiciens, des vrais, mais
c’est le nom du physicien qui reste attaché aux bifurcations. Voici un
condensé des résultats proposé par Daniel P ERRIN

Soit Rn la borne inférieure des R tel que f admette un cycle d’ordre 2n .

p
– on a R0 = 0, R1 = 3, R2 = 1 + 6, R3 ≈ 0, 544090, R4 ≈ 3, 564407 ;
– la suite (Rn ) est strictement croissante, majorée par 4. Elle converge vers un réel
Théorème 6 - 2 R∞ ≈ 3, 5699456 ;
– Pour Rn < R < R∞ , f R admet un unique 2n -cycle qui est attractif tant que R est
strictement inférieur à Rn+1 ;
– pour R < R∞ , f R n’a pas de cycle d’ordre p si p n’est pas une puissance de 2.

Voici qui confirme nos intuitions.

C
Guillaume Connan, Licence Creative Commons BY: $ , 2010-2011
\
 CHAPITRE 6. LOGISTIQUE DYNAMIQUE 7

7 Exposant de Lyapounov

Pour mesurer la sensibilité d’un système dynamique aux conditions initiales, on mesure
l’exposant de LYAPOUNOV introduit par le mathématicien russe Alexandre LYAPOUNOV à la
fin du XIXe siècle.
On considère une suite définie par la relation u n+1 = f (u n ). Quelle est l’influence d’un écart
e 0 sur u 0 pour la suite des itérés ?
Après une itération, l’écart absolu vérifie |e 1 | = | f (u 0 + e 0 ) − f (u 0 )| et l’écart relatif vaut
|e 1 | | f (u 0 +e 0 )− f (u 0 )|
|e | = ≈ f 0 (u 0 ) pour |e 0 | suffisamment petit.
0 0 |e |
Après n itérations, l’écart relatif vaut

|e n | |e 1 | |e 2 | |e n | n
f 0 (u k−1 )
Y
= ··· =
|e 0 | |e 0 | |e 1 | |e n−1 | k=1

Si un des écarts devient nul, notre étude est sans intérêt. Comme effectuer un produit est
une opération coûteuse, informatiquement parlant, nous allons pouvoir considérer le lo-
garithme de ce produit.
Notre problème est de savoir si les écarts s’amplifient et donc le produit est supérieur à 1,
ou bien si le système est stable et donc le produit est inférieur à 1.

n n
f 0 (u k−1 ) < 1 ⇐⇒ ln f 0 (u k−1 ) < 0
Y X ¡ ¢
k=1 k=1

Pour relativiser le rôle du choix de n, nous allons normer cette somme en la divisant par n.
On définit alors l’exposant de LYAPOUNOV :

1 X
n
λ = lim ln f 0 (u k−1 )
¡ ¢
n→+∞ n k=1

Écrire une procédure lyapounov:=proc(u0,R,n) qui calcule une approximation

numérique de l’exposant de Lyapounov qui dépend de la donnée de u 0 , R et le nombre
Recherche
n d’itérations.
Ensuite, l’utiliser pour représenter l’exposant en fonction de R.

Par exemple, avec u 0 = 0, 45 et 50 itérations :

plot([seq([r*0.001,lyapounov(0.45,r*0.001,50)],r=3000..4000)],view
=[-3..4,-3..1]);

C
Guillaume Connan, Licence Creative Commons BY: $ , 2010-2011
\
8 6.8. PROLONGEMENTS

3 3.2 3.4 3.6 3.8 4

0

-1

-2

-3

Recherche Comment interpréter ce graphique ?

8 Prolongements

Pour savoir ce qui se passe au-delà de R∞ , étudiez ce merveilleux

document :
http ://www.math.u-psud.fr/ perrin/Conferences/logistiqueDP.pdf
écrit en 2008 par Daniel P ERRIN de l’Université d’Orsay. Dans la note
de première page, vous retrouverez le nom de deux professeurs bien
connus...

C
Guillaume Connan, Licence Creative Commons BY: $ , 2010-2011
\